基于多模板的单目标检测方法技术

本发明专利技术涉及一种基于多模板的单目标检测方法，属于图像处理领域。该方法包括：S1：获取同一检测目标各个场景下对应目标的模板图像；S2：形成和选取多模板图像；S3：根据实际应用场景，采用图像金字塔处理方法对待检测图像进行图像增强处理；S4：利用多尺度模板匹配方法对模板图像和待检测图像进行粗匹配运算，得到初步匹配结果；再对模板图像和待检测图像进行旋转匹配，进一步得到细化的匹配结果；最后对细化的匹配结果进行相似度排序，得到更为准确的匹配结果。本发明专利技术能实现快速、稳定、高精度的定位和识别。位和识别。位和识别。

【技术实现步骤摘要】
基于多模板的单目标检测方法


[0001]本专利技术属于图像处理领域，涉及一种基于多模板的单目标检测方法。

技术介绍

[0002]随着目标检测在计算机视觉中应用较为广泛，计算机视觉在工业上的应用也被越来越重视。而利用深度学习的目标检测前期所需大量时间和样本量，在实际工业上较难应用，因此传统模式识别中的模板匹配方法更适合应用。
[0003]现有的模板匹配算法一般采用单一的标准模板对单目标进行匹配，或者不同的模板对对应的图像进行匹配。目前传统的匹配算法，虽然性能较为稳当，但模板上特征较为单一，由于其受光照影响很大，匹配的精度也不高，在实际项目当中往往不被采用。实际检测场景下，图像会随着视觉传感器摆放角度和距离的不同，导致检测存在误差，检测精度较低。
[0004]因此，针对目标图像出现的旋转、缩放、部分遮挡、光照明暗变化，导致的实际检测目标和实际标准模板产生的区别，可能产生漏检、误检的情况，亟需一种新的目标检测方法来解决上述问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于多模板的单目标检测方法，针对目标图像出现的旋转、缩放、部分遮挡、光照明暗变化，导致的实际检测目标和实际标准模板产生的区别，可能产生漏检、误检的情况，本专利技术进行进一步的优化，实现快速、稳定、高精度的定位和识别。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]一种基于多模板的单目标检测方法，具体包括以下步骤：
[0008]S1：根据实际场景和所需检测的目标可能产生的问题，获取同一检测目标各个场景下对应目标的模板图像；
[0009]S2：形成和选取多模板图像；
[0010]S3：根据实际应用场景，采用图像金字塔处理方法对待检测图像进行图像增强处理；
[0011]S4：利用多尺度模板匹配方法对模板图像和待检测图像进行粗匹配运算，得到初步匹配结果；再对模板图像和待检测图像进行旋转匹配，进一步得到细化的匹配结果；最后对细化的匹配结果进行相似度排序，得到更为准确的匹配结果。
[0012]进一步，步骤S1中，获取模板图像，具体包括：对标准的模板图像进行缩放、旋转或光照增强变换等处理，形成能够适应匹配各个场景的模板图像；根据实际待检测图像可能产生的各种情况，提取各类模板图像。
[0013]进一步，步骤S2中，形成和选取多模板图像，具体包括以下步骤：
[0014]S21：仔细观察实际待检测目标和标准模板的差距；
[0015]S22：对模板图像进行旋转、缩放和裁剪等处理；
[0016]S23：在不同程度的部分遮挡下形成对应的待检测模板图像；
[0017]S24：在不同光照下形成对应的待检测模板图像；
[0018]S25：在不同角度下产生变形的待检测模板图像；
[0019]S26：形成待检测模板图像列表浮动区域。
[0020]进一步，步骤S24中，当存在有不同光线条件下的模板图像的情况，可以通过对模板图像灰度值变换处理得到新的模板图像，再与待检测图进行匹配，找出最佳匹配信息。
[0021]进一步，步骤S25中，当存在有不同角度的旋转模板图像的情况，可以通过对模板图像旋转处理得到新的模板图像，再与待检测图进行匹配，找出最佳匹配信息。
[0022]进一步，步骤S3中，当拍摄的图像存在因光照导致图像不清晰的情况，利用MSR算法对图像进行暗光增强处理。
[0023]进一步，步骤S3中，所述图像金字塔处理方法具体包括：采用拉普拉斯金字塔作为分层搜索策略提高待检测目标内包含的信息量，再进行模板匹配。
[0024]进一步，步骤S4中，将标准工件或数模图像作为模板图像，与增强后的待检测图像进行多尺度模板匹配对比，对于其中由拍摄角度或其他原因造成的误差，可以通过调节匹配置信度来改善，判断工件是否满足预先的设计需求；
[0025]其中，多尺度模板匹配是根据原始模板图像预先产生一系列不同尺度的模板，检测的时候，分别用产生的各个尺度的模板遍历图像，得到更适合相关系数更大的检测结果；
[0026]多尺度模板匹配的检测流程为：
[0027](1)对待检测图像进行迭代处理，在每次迭代中，图像都会被调整大小并计算Canny边缘图；
[0028](2)应用模板匹配，找到相关系数最大的图像的边界框坐标；
[0029](3)计算得到模板匹配得到的最大的区域的坐标，然后绘制边界框。
[0030]进一步，步骤S4中，调节匹配置信度，具体包括以下步骤：
[0031](1)根据区域上对应实际场景可能产生变化的概率形成相应的模板匹配置信度；
[0032](2)根据模板置信度的不同，在待检测图像上搜索与模板列表中各个模板最相似的区域(匹配区域)；
[0033](3)通过计算各个模板在匹配区域在待检测图像上位置的坐标偏移，计算得到整体区域内待检测目标的坐标信息。
[0034]进一步，步骤S4中，在使用了不同置信度系数后，可能导致产生检测冗余情况，考虑选择利用非极大值抑制(Non
‑
Maximum Suppress，NMS)算法去冗余，并且搜索出局部极大值的目标实现找到最优的结果；
[0035]在经过NMS去冗余后，得到实际各个待检测模板的坐标信息及对应位置；并根据各个位置上实际采用的模板情况，对模板区域进行划分。
[0036]进一步，本专利技术的方法还能应用于多目标的多模板变换匹配算法，针对各个不同模板不同置信度在不同场景下的匹配检测。
[0037]本专利技术的有益效果在于：本专利技术可以应用于复杂场景下，通过机器视觉进行模板匹配检测。并且本专利技术可以通过不同的模板检测的方式，进一步对待检测目标的具体类别进行分析判断，并通过实际对应模板情况，适当地对工件制造的步骤和过程进行改进。本发
明方法不仅可以针对模板和待检测图像间存在平移变换的情况，还能同时针对旋转、遮挡、亮度变换、尺度变换等场景，得到更准确的检测结果，从而实现快速、稳定、高精度的定位和识别。
[0038]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0039]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：
[0040]图1为本专利技术基于多模板的单目标检测方法流程图；
[0041]图2为单目标多模板变换的匹配算法流程图；
[0042]图3为模板匹配算法变形流程图；
[0043]图4为本专利技术方法与现有方法的实验对比效果图。
具体实施方式
[0044]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模板的单目标检测方法，其特征在于，该方法具体包括以下步骤：S1：获取同一检测目标各个场景下对应目标的模板图像；S2：形成和选取多模板图像；S3：根据实际应用场景，采用图像金字塔处理方法对待检测图像进行图像增强处理；S4：利用多尺度模板匹配方法对模板图像和待检测图像进行粗匹配运算，得到初步匹配结果；再对模板图像和待检测图像进行旋转匹配，得到细化的匹配结果；最后对细化的匹配结果进行相似度排序，得到准确的匹配结果。2.根据权利要求1所述的基于多模板的单目标检测方法，其特征在于，步骤S1中，获取模板图像，具体包括：对标准的模板图像进行缩放、旋转或光照增强变换处理，形成能够适应匹配各个场景的模板图像；根据实际待检测图像可能产生的各种情况，提取各类模板图像。3.根据权利要求2所述的基于多模板的单目标检测方法，其特征在于，步骤S2中，形成和选取多模板图像，具体包括以下步骤：S21：仔细观察实际待检测目标和标准模板的差距；S22：对模板图像进行旋转、缩放和裁剪处理；S23：在不同程度的部分遮挡下形成对应的待检测模板图像；S24：在不同光照下形成对应的待检测模板图像；S25：在不同角度下产生变形的待检测模板图像；S26：形成待检测模板图像列表浮动区域。4.根据权利要求3所述的基于多模板的单目标检测方法，其特征在于，步骤S24中，当存在有不同光线条件下的模板图像的情况，通过对模板图像灰度值变换处理得到新的模板图像，再与待检测图进行匹配，找出最佳匹配信息。5.根据权利要求3所述的基于多模板的单目标检测方法，其特征在于，步骤S25中，当存在有不同角度的旋转模板图像的情况，通过对模板图像旋转处理得到新的模板图像，再与待检测图进行匹配，找出最佳匹配信息。6.根据权利要求1所述的基于多模板的单目标检测方法，其特征在于，步骤S3中，当拍摄的图像存在因光照导致...

【专利技术属性】
技术研发人员：李春媛，石明全，王双明，刘磊，张鹏，
申请(专利权)人：重庆大学，
类型：发明
国别省市：