基于多角度局部特征匹配的目标识别方法技术

本发明专利技术提出一种基于多角度局部特征匹配的目标识别方法，所述方法包括以下步骤：S1，获取不同角度的多张目标物体图像作为模板，并提取出模板图像中的兴趣点；S2，对所述模板图像中的兴趣点，采用特征描述方法计算兴趣点周围区域的局部特征；S3，对于要识别的目标图像，提取出图像的局部特征，与每一个模板图像中的局部特征两两进行匹配，得到粗略匹配的局部特征对；S4，对所述的粗略匹配的局部特征对，用随机抽样一致性(RANSAC)算法计算目标图像与模板图像之间的基础矩阵，并根据基础矩阵构建对极几何约束实现局部特征对的过滤，得到精确匹配的局部特征点对；S5，计算目标图像中的匹配局部特征点个数，如找到的特征点个数大于设定阈值，则识别成功，否则认为该目标物体与模板不匹配。

【技术实现步骤摘要】

本专利技术涉及目标物体识别领域。
技术介绍
基于局部特征匹配的目标识别方法已经广泛地应用于具有实时响应的机器视觉和人工智能领域，例如无人驾驶汽车、工业机器人定位以及商标图像检索等。其通过摄像头采集目标物体的图像，通过局部特征匹配方法，对图像中的目标物体进行识别和定位，将识别信号转换为操作信号，反馈给用户或终端。该技术在智能监控、人机接口、基于内容的视频检索和图像压缩等领域有着广阔的应用前景和潜在的经济价值和社会价值。因为目标物体在不同条件下变化差异较大，因此实现实时目标识别困难很大。目前常用的实时目标识别方法大致可以划分为以下几种技术手段：(1)基于模板匹配的目标识别方法：将目标物体的正面图像作为模板，使用与模板大小一致的滑动窗口，在要识别的视频帧图像中从上至下进行滑动，将滑动窗口内的图像与模板进行匹配，如果匹配结果小于阈值，则认为该目标物体在视频帧的位置出现。该方法难以应对物体发生尺寸形变、角度旋转等情况，因此其实际应用效果较差。(2)基于局部特征匹配的目标识别方法：将目标物体的图像采用兴趣点或者分割的方法，分为多个局部特征表示，识别时将提取识别的视频帧图像的局部特征，与目标图像的局部特征进行表示，当匹配的局部特征个数到达一定阈值时，认为目标物体出现。该方法可以应对目标物体发生尺寸形变和角度旋转等情况。然而，该方法的识别准确率依赖于局部特征匹配的准确率，对于多目标识别的问题，不同目标的局部特征匹配阈值难以界定，很难得到令人满意的局部特征匹配准确率。专利“基于稀疏表示的SAR图像目标识别方法，申请号CN201410234328.X”主要解决现有SAR图像识别方法预处理复杂、方位角估计困难的问题。该方法通过提取图像的局部特征，利用密度函数学习特征词典，并根据此获得各个图像子区域的特征向量表示，将加权后的子区域特征向量用稀疏表示方法对图像进行识别。本专利技术与该方法不同，图像识别并非建立在特征向量的稀疏表示基础上，而是直接使用局部特征的精确匹配结果。此外，特征向量的稀疏表示同样也依赖于局部特征的精确匹配结果。专利“基于轮廓弦角特征的遮挡目标识别方法，申请号CN201510246005.7”，首先建立物体模板轮廓的特征库，提取物体模板的特征点和中心点，利用特征点和中心点对轮廓进行描述；对待检测图像进行提取轮廓特征描述，将待检测图像的特征描述与物体模板轮廓特征库中的特征进行匹配。该专利技术解决了在轮廓匹配过程中的尺度变化问题。专利“一种基于局部拷贝检测的多视角视频对象检索系统及方法，申请号CN201310657435.9”提取多视角的视频对象，通过局部拷贝检测的方式进行对象的搜索与匹配；该专利技术将视频中的对象提取出来，通过局部拷贝检测的方式进行多视角视频中对象的搜索，有效地保证对象搜索的准确性和全面性。专利“一种基于显著性检测和颜色直方图模型的车辆识别方法，申请号CN201510108662.5”，采用基于局部特征的显著性检测方法从场景图像中提取显著性区域作为候选区域，将候选区域的颜色空间由RGB空间转换到HSV空间，统计HSV中H分量的直方图分布情况，将含有两个主要颜色等级分量的候选区确定为车辆区域。上述专利技术均是使用单一目标模板与要识别的图像进行局部特征匹配，没有有效地使用多视角目标模板提高局部特征匹配的效果，此外，本专利技术提出使用对极几何约束过滤错误匹配的局部特征，与上述专利技术专利仅使用颜色距离匹配局部特征不同，本专利技术同时使用几何变换约束和颜色距离匹配局部特征，进一步提高了局部特征的匹配准确率，保证了目标识别的准确性。
技术实现思路
本专利技术目的在于克服现有基于局部特征匹配的目标识别方法的不足，尤其是待识别目标物体旋转角度、尺寸变化、光照变化过大时，局部特征匹配效果不佳的问题。提供一种基于多视觉局部特征精确匹配的目标识别技术，该技术同时使用对极几何约束和灰度相似性对局部特征进行精确匹配，保证了目标识别的准确率。为解决上述技术问题，本专利技术采用如下的技术方案：一种基于多角度局部特征匹配的目标识别方法，包括以下步骤：S1，获取不同角度的多张目标物体图像作为模板，并提取出模板图像中的兴趣点；S2，对所述模板图像中的兴趣点，采用特征描述方法计算兴趣点周围区域的局部特征；S3，对于要识别的目标图像，提取出图像的局部特征，与每一个模板图像中的局部特征两两进行匹配，得到粗略匹配的局部特征对；S4，对所述的粗略匹配的局部特征对，用随机抽样一致性(RANSAC)算法计算目标图像与模板图像之间的基础矩阵，并根据基础矩阵构建对极几何约束实现局部特征对的过滤，得到精确匹配的局部特征点对；S5，计算目标图像中的匹配局部特征点个数，如找到的特征点个数大于设定阈值，则识别成功，否则认为该目标物体与模板不匹配。进一步地，本专利技术的步骤S1中，所述的目标模板可通过2D摄像头从不同角度、不同距离进行采集，将不同角度、不同尺度的同一目标物体图像作为目标物体模板，多个目标模板构成目标物体数据库。进一步地，本专利技术的步骤S1中，所述兴趣点提取可使用角点、边缘点以及交叉点等方法，其目的是获取到图像中灰度和纹理突出的部分，该突出部分更容易引起人的视觉注意，直观来说是在水平和竖直方向上灰度或纹理变化较大的点，即所谓的兴趣点。进一步地，本专利技术的步骤S2中，所述的局部特征提取方法包括颜色直方图、SIFT特征、SURF特征等局部特征描述方法。局部特征就是指一些能够稳定出现并且具有良好的可区分性的特征。这样在物体不完全受到遮挡的情况下，一些局部特征依然稳定存在，以代表这个目标物体。其做主要作用如下：一方面，用局部特征来代替整幅图像，可以大大降低图像原有的大量信息，起到减少计算量的作用。另一方面，当物体受到干扰时，一些冗余的信息(比如颜色变化平缓的部分和直线)即使被遮挡了，依然能够从未被遮挡的局部特征上还原重要的信息。进一步地，本专利技术的步骤S3中，采用的局部特征匹配方法包括直方图匹配、直方图相交等匹配方式。进一步地，本专利技术的步骤S4中，具体过程描述如下：(1)从匹配的局部特征集合中选取任意一对局部特征，用于计算该模板图像与目标图像的基础矩阵F；(2)将集合中剩余的局部特征对用于校验基础矩阵，如能满足的将该局部特征对作为内点保留，同时计算模板图像与目标图像的能量函数；(3)从匹配的局部特征集合中重新选取任意多对局部特征，重复上述流程(1)和(2)并计算基础矩阵；(4)多次循环后，比较每次循环的基础矩阵能量函数和内点个数，保留最优基础矩阵F，并用该最优基础矩阵过滤匹配的局部特征集合，实现局部特征的精确匹配。进一步地，本专利技术的步骤S5中，可使用判断阈值T，如检测到的精确匹配局部特征对个数大于判断阈值，则认为该目标物体在视频帧图像中出现；目标物体所在区域可粗略判断为各个兴趣点所在的位置的最大边界。附图说明图1是本专利技术的一种实施例的方法流程图。图2是提取图像兴趣点的方法流程图图3是提取局部特征的方法流程图图4是局部特征精确匹配的方法流程图具体实施方式下面结合附图及具体实施例对本专利技术进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本专利技术，而非对本专利技术的限定。如图1所示，本专利技术的基于多角度局部特征匹配的目标识别方法，包括以下步骤：S1：如图2所示，获取不同角度的多张本文档来自技高网...

【技术保护点】
一种基于多角度局部特征匹配的目标识别方法，其特征在于，包括以下步骤：S1，获取不同角度的多张目标物体图像作为模板，并提取出模板图像中的兴趣点；S2，对所述模板图像中的兴趣点，采用特征描述方法计算兴趣点周围区域的局部特征；S3，对于要识别的目标图像，提取出图像的局部特征，与每一个模板图像中的局部特征两两进行匹配，得到粗略匹配的局部特征对；S4，对所述的粗略匹配的局部特征对，用随机抽样一致性(RANSAC)算法计算目标图像与模板图像之间的基础矩阵，并根据基础矩阵构建对极几何约束实现局部特征对的过滤，得到精确匹配的局部特征点对；S5，计算目标图像中的匹配局部特征点个数，如找到的特征点个数大于设定阈值，则识别成功，否则认为该目标物体与模板不匹配。

【技术特征摘要】
1.一种基于多角度局部特征匹配的目标识别方法，其特征在于，包括以下步骤：S1，获取不同角度的多张目标物体图像作为模板，并提取出模板图像中的兴趣点；S2，对所述模板图像中的兴趣点，采用特征描述方法计算兴趣点周围区域的局部特征；S3，对于要识别的目标图像，提取出图像的局部特征，与每一个模板图像中的局部特征两两进行匹配，得到粗略匹配的局部特征对；S4，对所述的粗略匹配的局部特征对，用随机抽样一致性(RANSAC)算法计算目标图像与模板图像之间的基础矩阵，并根据基础矩阵构建对极几何约束实现局部特征对的过滤，得到精确匹配的局部特征点对；S5，计算目标图像中的匹配局部特征点个数，如找到的特征点个数大于设定阈值，则识别成功，否则认为该目标物体与模板不匹配。2.根据权利要求1所述的一种基于多角度局部特征匹配的目标识别方法，其特征在于，所述步骤S1采用的兴趣点检测方法包括角点、边缘点以及交叉点等兴...

【专利技术属性】
技术研发人员：郑振兴，梁鹏，肖思源，蓝钊泽，林智勇，
申请(专利权)人：广东技术师范学院，
类型：发明
国别省市：广东;44