一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法技术

一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法属于图像匹配领域；包括获取目标图像和参考图像；通过使用FAST算法分别对目标图像和参考图像进行关键点定位；通过使用Harris角检测分别对目标图像和参考图像的关键点选择最好的关键点；使用尺度金字塔变换获取空间信息，得到从小区域的细节到图像中大的特征信息；使用中心与角度方向计算，获得区域的方向角度；使用LDB算法构建描述子；通过FLANN算法将目标图像和参考图像的特征描述子匹配；去除误差大的匹配，匹配完成；现有技术中运动捕捉技术识别魔法棒采用两个以上相机配合，导致成本高和占地面积大；本发明专利技术解决了由于运动捕捉技术识别魔法棒采用两个以上相机配合，导致成本高和占地面积大的技术问题。

A Trajectory Recognition Method Based on ORB Feature Extraction and FLANN Fast Matching

【技术实现步骤摘要】
一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法
本专利技术属于图像匹配领域，尤其涉及一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法。
技术介绍
魔法棒互动娱乐体验项目，在国内此形式的互动体验项目还属于首创，可参考的资料比较少。目前，这种应用大多数采用运动捕捉技术识别魔法棒需要采用两个以上相机配合，运动捕捉相机很贵，这样成本会提高很多。并且被检测端，比如魔法棒，反射头会做成刚体，球形，这样会使魔法棒的整体占地面积大。
技术实现思路
本专利技术克服了上述现有技术的不足，提供一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，使用单一相机记录轨迹，通过使用本专利技术将记录的曲线与数据库中的轨迹进行识别对比，本专利技术深度特征提取方面采用ORB特征提取结合LDB描述子进行匹配，再采用FLANN模板匹配技术实现魔法棒画出来的轨迹识别，在保证定位精确的前提下，解决了现有技术中运动捕捉技术识别魔法棒采用两个以上相机配合，导致成本高和占地面积大的技术问题。本专利技术的技术方案：一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，包括以下步骤：步骤a、获取目标图像和参考图像；步骤b、通过使用FAST算法分别对目标图像和参考图像进行关键点定位；步骤c、通过使用Harris角检测分别对目标图像和参考图像的关键点选择最好的关键点；步骤d、使用尺度金字塔变换获取空间信息，得到从小区域的细节到图像中大的特征信息；步骤e、使用中心与角度方向计算，获得区域的方向角度；步骤f、使用LDB算法构建描述子；步骤g、通过FLANN算法将目标图像和参考图像的特征描述子匹配；步骤h、去除误差大的匹配，匹配完成。进一步地，所述使用LDB算法构建描述子的方法，包括以下步骤：步骤f1、将梯度信息加入到特征点描述当中，增加描述子的差异性；步骤f2、将特征点的邻域图像块划分成n×n大小的网格，从每个网格里提取具有代表性的信息；步骤f3、对每队网格里的信息进行二进制比较，得到二进制字符串描述子。进一步地，所述对每队网格里的信息进行二进制比较的方法包括：步骤f31、对每队网格里的信息通过下列公式进行二进制比较，公式如下：Func()是从网格里提取信息的函数，Func(i)∈{Iintensity(i)，dx(i)，dy(i)}其中，dx(i)：＝Gradientx(i)dy(i)：＝Gradienty(i)m是网格i内所有的像素点数目，Gradientx(i)和Gradienty(i)是网格i在x和y方向的区域梯度；步骤f32、通过对每对网格的平均灰度、x方向梯度和y方向梯度的计算，每对网格之间进行比较得到3bits的信息；对一个图像块区域中n×n个网格进行灰度和梯度比较，得到一个大小为3n2(n2-1)/2bits的二进制字符串描述子，其中n＝2，3，4；随着n的增加，描述子的差异性也增加。进一步地，所述通过FLANN算法将目标图像和参考图像的特征描述子匹配的方法，包括：步骤g1、将当前帧中感兴趣的对象找出来；找到帧和帧之间的一致性的过程就是在一个描述符集合中找到另一个集合的最近邻，即为训练集；步骤g2、找出数据集中方差最高的维度，利用这个维度的数值将数据划分为两个部分，对每个集重复相同的过程；步骤g3、建立多棵随机K-d树，从具有最高方差N-d维中随机选取若干维度，用来做划分；步骤g4、对随机K-d森林进行搜索的时候，所有的随机K-d树将共享一个优先队列；增加数的数量能加快搜索速度。进一步地，所述树的数量控制在预定范围内，若超过预定范围，搜索速度会减慢。本专利技术相对于现有技术具有以下有益效果：本专利技术提供了一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，尤其适用于运动捕捉技术识别魔法棒，使用单一相机记录轨迹，通过使用本专利技术将记录的曲线与数据库中的轨迹进行识别对比，本专利技术深度特征提取方面采用ORB特征提取结合LDB描述子进行匹配，再采用FLANN模板匹配技术实现魔法棒画出来的轨迹识别，在保证定位精确的前提下，解决了现有技术中运动捕捉技术识别魔法棒采用两个以上相机配合，导致成本高和占地面积大的技术问题。附图说明图1是本专利技术流程图；图2是本专利技术像素点图。具体实施方式以下将结合附图对本专利技术进行详细说明。具体实施方式一一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，如图1所述，包括以下步骤：步骤a、获取目标图像和参考图像；步骤b、通过使用FAST算法分别对目标图像和参考图像进行关键点定位；步骤c、通过使用Harris角检测分别对目标图像和参考图像的关键点选择最好的关键点；步骤d、使用尺度金字塔变换获取空间信息，得到从小区域的细节到图像中大的特征信息；步骤e、使用中心与角度方向计算，获得区域的方向角度；步骤f、使用LDB算法构建描述子；步骤g、通过FLANN算法将目标图像和参考图像的特征描述子匹配；步骤h、去除误差大的匹配，匹配完成。具体地，所述通过使用FAST算法分别对目标图像和参考图像进行关键点定位，具体方法包括：步骤b1、如图2所示，一个以像素p为中心，半径为3的圆上，有16个像素点，包括p1、p2、...、p16；步骤b2、定义一个阈值，计算p1、p9与中心的像素差，若他们绝对值小于阈值，则点不可能是特征点，直接pass掉；否则，当做候选点，有待进一步考察；步骤b3、若p是候选点，则计算p1、p9、p5、p13与中心p的像素差，若它们的绝对值有至少3个超过阈值，则当做候选点，再进行下一步考察；否则，直接pass掉；步骤b4、若p是候选点，则计算p1到p16这16个点与中心p的像素差，若它们有至少9个超过阈值，则是特征点；否则，直接pass掉；步骤b5、对图像进行非极大值抑制，计算特征点出的FAST得分值，即score值或s值，判断以特征点p为中心的一个邻域内，例如在如3×3或5×5，计算若有多个特征点，则判断每个特征点的s值，16个点与中心差值得绝对值总和，若p是领域所有特征点中响应值最大的，则保留；否则，抑制。若领域内只有一个特征点，角点，则保留。使用函数V利用非最大值抑制方法滤除干扰点，其中函数V的定义为如下，公式中用V表示得分，t表示阈值，pixelvalues表示区域内的所有像素点，value为单个像素值。具体地，所述通过使用Harris角检测分别对目标图像和参考图像的关键点选择最好的关键点，方法包括通过步骤b计算后，FAST特征没有对特征的正确进行排序，所以使用了Harris角点进行计算排序，首先去较低的阈值获取超过N个关键点，然后再根据Harris角点的计算进行排序。具体地，所述使用尺度金字塔变换获取空间信息，得到从小区域的细节到图像中大的特征信息，步骤b并未计算出尺度特征，所以使用计算图片的尺度金字塔，再不同尺度计算FAST关键点。具体地，所述使用中心与角度方向计算的具体方法包括：步骤e1、计算灰度矩m，一个图像块的灰度矩定义为：其中I(x,y)表示像素点(x,y)的灰度。步骤e2、将灰度的重心定义为：公式中C表示灰度的重心。步骤e3、从中心O，也就是FAST的关键点，到C点就有了一个向量：计算FAST的方向，则计算公式如下，在ORB特征里面，它使用的领域就是一个圆；所述使用中心与角度方向计算的方法引用文献本文档来自技高网...

【技术保护点】
1.一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，其特征在于，包括以下步骤：步骤a、获取目标图像和参考图像；步骤b、通过使用FAST算法分别对目标图像和参考图像进行关键点定位；步骤c、通过使用Harris角检测分别对目标图像和参考图像的关键点选择最好的关键点；步骤d、使用尺度金字塔变换获取空间信息，得到从小区域的细节到图像中大的特征信息；步骤e、使用中心与角度方向计算，获得区域的方向角度；步骤f、使用LDB算法构建描述子；步骤g、通过FLANN算法将目标图像和参考图像的特征描述子匹配；步骤h、去除误差大的匹配，匹配完成。

【技术特征摘要】
1.一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，其特征在于，包括以下步骤：步骤a、获取目标图像和参考图像；步骤b、通过使用FAST算法分别对目标图像和参考图像进行关键点定位；步骤c、通过使用Harris角检测分别对目标图像和参考图像的关键点选择最好的关键点；步骤d、使用尺度金字塔变换获取空间信息，得到从小区域的细节到图像中大的特征信息；步骤e、使用中心与角度方向计算，获得区域的方向角度；步骤f、使用LDB算法构建描述子；步骤g、通过FLANN算法将目标图像和参考图像的特征描述子匹配；步骤h、去除误差大的匹配，匹配完成。2.根据权利要求1所述一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，其特征在于，所述使用LDB算法构建描述子的方法，包括以下步骤：步骤f1、将梯度信息加入到特征点描述当中，增加描述子的差异性；步骤f2、将特征点的邻域图像块划分成n×n大小的网格，从每个网格里提取具有代表性的信息；步骤f3、对每队网格里的信息进行二进制比较，得到二进制字符串描述子。3.根据权利要求2所述一种基于ORB特征提取和FLANN快速匹配的轨迹识别方法，其特征在于，所述对每队网格里的信息进行二进制比较的方法包括：步骤f31、对每队网格里的信息通过下列公式进行二进制比较，公式如下：Func()是从网格里提取信息的函数，Func(i)∈{Iintensity(i),dx(i),dy(i)}...

【专利技术属性】
技术研发人员：张广才，马浚峰，赵小东，衣超，寇江伟，
申请(专利权)人：扬州哈工科创机器人研究院有限公司，
类型：发明
国别省市：江苏,32