一种基于特征点检测的图像模板匹配方法组成比例

一种基于特征点检测的图像模板匹配方法，属于目标检测技术领域，本发明专利技术提供一种适应性广、匹配结果精准、准确估计目标大小的基于特征点检测的图像模板匹配方法。本发明专利技术中，对特征检测器的参数进行预设，对匹配模板进行预处理，获得匹配模板的特征描述；将目标图像加载至特征检测器，采用特征检测器对目标图像进行特征提取和特征描述；对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点；通过上述目标匹配特征点构造目标图像的目标匹配特征点图，对目标匹配特征点图应用卷积特征图度量方法得到目标置信度的匹配区域。本发明专利技术主要用于目标检测和目标跟踪。

An image template matching method based on feature point detection

【技术实现步骤摘要】
一种基于特征点检测的图像模板匹配方法
本专利技术属于目标检测
，具体涉及一种基于特征点检测的图像模板匹配方法。
技术介绍
图像模板匹配是一个计算机视觉应用的重要组成部分，例如：目标检测、目标跟踪、运动估计以及遥感技术等。一般情况下，模板是源图像中的感兴趣区域，其中包含某种感兴趣的目标。通过模板匹配方法，我们能够对目标图像进行无参数的目标检测以及追踪，这些方法已经成功应用了几十年，但目前依旧存在一些问题的亟需解决。尤其是，当模板和候选窗口进行相似性度量时，这些方法往往只是将其对应像素进行简单的算术操作。因此，在某些情况下，采用这些方法所得到的匹配结果经常会不尽如人意，例如，光照变化、模板和目标图像之间背景差异较大、目标图像中的对象可能存在空间运动、非刚性变形，甚至会被遮挡。此外，很多模板匹配方法需要在模板和目标图像之间假定一个特殊的参数化变形模型，例如：刚性、仿射变换等)，该假设降低了匹配方法的适应性，并且当考虑到复杂变形情况时，需要对一定数量的参数进行预估。因此，就需要一种适应性广、匹配结果精准、准确估计目标大小的基于特征点检测的图像模板匹配方法。
技术实现思路
本专利技术针对现有的目标对象存在较大空间运动以及形变时，无法准确获取目标位置的缺陷，提供一种适应性广、匹配结果精准、准确估计目标大小的基于特征点检测的图像模板匹配方法。本专利技术所涉及的一种基于特征点检测的图像模板匹配方法的技术方案如下：本专利技术所涉及的一种基于特征点检测的图像模板匹配方法，它包括以下步骤：步骤1、对特征检测器的参数进行预设，对匹配模板进行预处理，获得匹配模板的特征描述；步骤2、将目标图像加载至特征检测器，采用特征检测器对目标图像进行特征提取和特征描述；步骤3、对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点；步骤4、通过上述目标匹配特征点构造目标图像的目标匹配特征点图，对目标匹配特征点图应用卷积特征图度量方法得到目标置信度的匹配区域；步骤5、对获得的匹配区域的目标对象进行高斯拟合，并获得其所在区域。进一步地：所述步骤1所包含的步骤：步骤11、根据需求预设特征检测器的参数；步骤12、加载匹配模板，并对其进行特征点检测，获得特征描述；步骤13、根据匹配模板大小，设置卷积核大小，卷积核元素全为1；步骤14、调整特征匹配筛选阈值，使感兴趣区域中的目标匹配特征点密度最大。进一步地：所述步骤4所包含的步骤：步骤31、根据目标图像中所筛选出来的目标匹配特征点，构造目标匹配特征点图；步骤32、将初始设置的卷积核应用于目标匹配特征点图，得到卷积特征图；步骤33、根据卷积特征图获得卷积特征图的最大值和最大值位置。进一步地：所述步骤5所包含的步骤：步骤51、在卷积特征图的最大值位置，根据模板大小，获取水平和垂直方向相应区域的数据；步骤52、分别对水平和垂直方向的数据进行一维高斯拟合，获得水平和垂直方向的均值和均方差；步骤53、根据水平和垂直方向的均值和均方差确定目标对象所在的区域。本专利技术所涉及的一种基于特征点检测的图像模板匹配方法的有益效果是：本专利技术所涉及的一种基于特征点检测的图像模板匹配方法，兼容各种特征检测器。根据不同应用背景，实际需求可以自行选择最优特征检测器，如：ORB；SIFT；SURF；Harris等。采用卷积特征图度量方法，具有较高的鲁棒性，实时性和准确性。能够从复杂背景中，快速获得置信度最高的最佳匹配位置。采用高斯拟合方法，准确估计目标大小。解决了目标对象存在较大空间运动以及形变时，无法准确获取目标位置的问题。附图说明图1为基于特征点检测的图像模板匹配方法的整体流程图；图2为卷积核示意图。具体实施方式下面结合实施例对本专利技术的技术方案做进一步的说明，但并不局限于此，凡是对本专利技术技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的精神和范围，均应涵盖在本专利技术的保护范围中。实施例1结合图1、图2说明本实施例，在本实施例中，本实施例所涉及的一种基于特征点检测的图像模板匹配方法，首先需要进行参数设置以及模板预处理；采用特征检测器，分别对目标图像和模板进行特征提取和描述；对提取的特征点进行最近邻匹配以及筛选；构造目标图像的最优匹配特征点图，应用卷积特征图度量方法，得到置信度最高的匹配区域；对目标对象进行高斯拟合，获得目标大小，并将其标记出来。一种基于特征点检测的图像模板匹配方法包括以下步骤：步骤1、参数预设以及模板预处理；步骤1的具体步骤如下：步骤11、设置特征检测器的参数，所述参数保证能够从模板和目标图像中提取足够多的特征点；步骤12、加载匹配模板，并对其进行特征点检测以及特征描述Desriptors*；步骤13、根据匹配模板大小(w,h)，设置卷积核大小K＝size(w，h)，卷积核元素全为1；步骤14、设置特征匹配筛选阈值TH，建议设置该值在0.6-1.0之间，保证感兴趣区域中的最佳匹配特征点密度最大；步骤2、加载目标图像，应用特征检测器进行特征提取和描述Desriptors；步骤3、将匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选特征点；步骤4、通过上述最优匹配特征点构造目标图像的最优匹配特征点图，将最优匹配特征点图应用卷积特征图度量方法得到置信度最高的匹配区域；步骤4的具体步骤如下：步骤41、根据目标图像中所筛选出来的最优匹配特征点，构造最优匹配特征点图，即最优匹配特征点所在像素点设为255，其他区域设为0；步骤42、将初始设置的卷积核kernel应用于最优匹配特征点图I(x,y)，得到卷积特征图F(x,y)；其中，h是卷积核高度，w是卷积核宽度；步骤43、寻找卷积特征图的最大值以及最大值位置；步骤5、对目标对象进行高斯拟合，并获得其所在区域；步骤5的具体步骤如下：步骤51、在卷积特征图的最大值位置，根据模板大小，获取水平和垂直方向相应区域的数据；步骤52、分别对水平x和垂直y方向数据，进行一维高斯拟合，获得各自的均值μx,y和均方差σx,y；拟合函数如下：其中，f(x)为水平方向的拟合函数，A1为水平方向高斯函数幅值，e为自然对数，μx为水平方向高斯函数平均值，σx为水平方向高斯函数标准差，f(y)为垂直方向的拟合函数，A2为垂直方向高斯函数幅值，μy为垂直方向高斯函数平均值，σy为垂直方向高斯函数标准差；步骤53、目标对象所在区域即为：本文档来自技高网...

【技术保护点】
1.一种基于特征点检测的图像模板匹配方法，其特征在于，它包括以下步骤：/n步骤1、对特征检测器的参数进行预设，对匹配模板进行预处理，获得匹配模板的特征描述；/n步骤2、将目标图像加载至特征检测器，采用特征检测器对目标图像进行特征提取和特征描述；/n步骤3、对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点；/n步骤4、通过上述目标匹配特征点构造目标图像的目标匹配特征点图，对目标匹配特征点图应用卷积特征图度量方法得到目标置信度的匹配区域；/n步骤5、对获得的匹配区域的目标对象进行高斯拟合，并获得其所在区域。/n

【技术特征摘要】
1.一种基于特征点检测的图像模板匹配方法，其特征在于，它包括以下步骤：
步骤1、对特征检测器的参数进行预设，对匹配模板进行预处理，获得匹配模板的特征描述；
步骤2、将目标图像加载至特征检测器，采用特征检测器对目标图像进行特征提取和特征描述；
步骤3、对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点；
步骤4、通过上述目标匹配特征点构造目标图像的目标匹配特征点图，对目标匹配特征点图应用卷积特征图度量方法得到目标置信度的匹配区域；
步骤5、对获得的匹配区域的目标对象进行高斯拟合，并获得其所在区域。


2.根据权利要求1所述的基于特征点检测的图像模板匹配方法，其特征在于，所述步骤1所包含的步骤：
步骤11、根据需求预设特征检测器的参数；
步骤12、加载匹配模板，并对其进行特征点检测，获得特征描述；
步骤13、根据匹配模板大小，设置卷...

【专利技术属性】
技术研发人员：吴立刚，孙光辉，刘健行，周栋，万龙，
申请(专利权)人：哈工汇智深圳科技有限公司，
类型：发明
国别省市：广东;44