相似图片识别方法及装置的制造方法
【技术领域】
[0001]本公开涉及图片识别领域，尤其涉及一种相似图片识别方法及装置。
【背景技术】
[0002]随着信息技术的发展，相似图片搜索是当前搜索领域研究的一大热点，相似图片搜索的前提在于相似图片的识别。基于特征算法对相似图片进行识别正逐渐成为相似图片识别方法的主流研究方向，例如SIFT(Scale Invariant Feature Transform，采用尺度不变特征)或SURF (Speeded Up Robust Features，加速稳健特征)等。以基于SIFT算法对相似图片进行识别为例，该方法包括:提取每张图片的SIFT点；采用该SIFT点的欧式距离来作为两张图片的相似性判定度量。例如，取图片I中的某个SIFT点Dotll，并找出图片2中与该SIFT点欧式距离最近的SIFT点Dot21和欧式距离次近的SIFT点Dot22，在这两个SIFT点中，如果最近的距离与次近的距离之间的比值小于预设阈值，则确定图片I中Dotll和图片2中的Dot21这一对SIFT点为初始SIFT点对，进一步地，为了筛选出正确匹配的初始SIFT点对，再将最近的距离与次近的距离之间的比值与预设比值进行比较，当比值小于预设比值时，则认为该初始SIFT点对是正确匹配；当正确匹配的SIFT点对与所有初始SIFT点对之间比值大于预设点对比值时，则确定这两张图片是相似图片。在基于特征算法对相似图片进行识别的过程中，计算复杂度将提高，相似图片识别实时性较差。
[0003]为了降低对相似图片识别的复杂度，并提高识别实时性，目前，人们采用RANSAC (Random Sample Consensus，随机抽样一致)算法对基于特征算法得到的特征点对进行筛选。该筛选过程包括:从经过基于特征算法得到的正确匹配的特征点对集合中，随机抽选一个样本，以建立样本初始化模型，基于该样本初始化模型，得到RANSAC样本。然后，基于该RANSAC样本对该特征点对集合进行筛选，得到与该样本初始化模型匹配的特征点对。但是，在特征点对较少时，如特征点对只有几对或者十几对时，利用RANSAC算法对该特征点对进行筛选的过程中，从该特征点对集合中随机抽选的样本有可能是错误匹配的特征点对，且该错误的概率较大，因此，经过RANSAC算法对该特征点对筛选的错误率升高，导致相似图片识别准确度降低。
【发明内容】
[0004]为克服相关技术中存在的问题，本公开提供一种相似图片识别方法以及装置。
[0005]根据本公开实施例的第一方面，提供一种相似图片识别方法，包括:
[0006]对待识别的两张图片进行特征点提取，得到该两张图片的多个特征点；
[0007]根据该两张图片的多个特征点，获取该两张图片的多个第一特征点对；
[0008]从该多个第一特征点对中，确定多个第二特征点对，该第二特征点对为正确匹配的特征点对；
[0009]当该多个第二特征点对与该多个第一特征点对的之间的数量比值大于第一预设阈值、且该多个第二特征点对的数量小于数量阈值，根据该多个第二特征点对的连线角度，对该多个第二特征点对进行筛选，得到多个第三特征点对；
[0010]当该多个第三特征点对与该多个第二特征点对之间的数量比值大于第二预设阈值时，确定该两张图片为相似图片。
[0011]在第一方面的第一种可能实现方式中，对待识别的两张图片进行特征点提取，得到该两张图片的多个特征点包括:
[0012]采用尺度不变特征SIFT或加速稳健特征SURF，对待识别的两张相似图片进行特征点提取，得到该两张图片的多个特征点。
[0013]在第一方面的第二种可能实现方式中，从该多个第一特征点对中，确定多个第二特征点对，该第二特征点对为正确匹配的特征点对，该方法还包括:
[0014]当该多个第二特征点对与该多个第一特征点对的之间的数量比值大于第一预设阈值、且该多个第二特征点对的数量不小于数量阈值，采用随机采样一致性RANSAC算法对该多个第二特征点对进行筛选。
[0015]在第一方面的第三种可能实现方式中，根据该多个第二特征点对的连线角度，对该多个第二特征点对进行筛选包括:
[0016]当该待识别的两张图片为水平摆放时，则计算该多个第二特征点对的连线与垂直线之间的第一夹角，确定每个第一夹角落入的角度区间，统计落在每个区间内的第二特征点对连线数量，确定预设数目的角度区间，该预设数目的角度区间中所包含的连线数量最多，保留连线该落入该预设数目的角度区间内的第二特征点对；或，
[0017]当该待识别的两张图片为垂直摆放时，则计算该多个第二特征点对的连线与水平线之间的第二夹角，确定每个第二夹角落入的角度区间，统计落在每个区间内的第二特征点对连线数量，确定预设数目的角度区间，该预设数目的角度区间中所包含的连线数量最多，保留连线该落入该预设数目的角度区间内的第二特征点对。
[0018]在第一方面的第四种可能实现方式中，根据该多个第二特征点对的连线角度，对该多个第二特征点对进行筛选包括:
[0019]当该待识别的两张图片为水平摆放时，则计算该多个第二特征点对的连线与垂直线之间的第一夹角，保留第一夹角处于预设角度范围的第二特征点对；或，
[0020]当该待识别的两张图片为垂直摆放时，则计算该多个第二特征点对的连线与水平线之间的第二夹角，保留第二夹角处于预设角度范围的第二特征点对。
[0021]根据本公开实施例的第二方面，提供一种相似图片识别装置，包括:
[0022]特征点提取模块，用于对待识别的两张图片进行特征点提取，得到该两张图片的多个特征点；
[0023]第一特征点对获取模块，用于根据该两张图片的多个特征点，获取该两张图片的多个第一特征点对；
[0024]第二特征点对确定模块，用于从该多个第一特征点对中，确定多个第二特征点对，该第二特征点对为正确匹配的特征点对；
[0025]第三特征点对筛选模块，用于当该多个第二特征点对与该多个第一特征点对的之间的数量比值大于第一预设阈值、且该多个第二特征点对的数量小于数量阈值，根据该多个第二特征点对的连线角度，对该多个第二特征点对进行筛选，得到多个第三特征点对；
[0026]相似图片确定模块，用于当该多个第三特征点对与该多个第二特征点对之间的数量比值大于第二预设阈值时，确定该两张图片为相似图片。
[0027]在第二方面的第一种可能实现方式中，该特征点提取模块用于采用尺度不变特征SIFT或加速稳健特征SURF，对待识别的两张相似图片进行特征点提取，得到该两张图片的多个特征点。
[0028]在第二方面的第二种可能实现方式中，该第二特征点对确定模块用于当该多个第二特征点对与该多个第一特征点对的之间的数量比值大于第一预设阈值、且该多个第二特征点对的数量不小于数量阈值，采用随机采样一致性RANSAC算法对该多个第二特征点对进行筛选。
[0029]在第二方面的第三种可能实现方式中，该第三特征点对筛选模块用于:
[0030]当该待识别的两张图片为水平摆放时，则计算该多个第二特征点对的连线与垂直线之间的第一夹角，确定每个第一夹角落入的角度区间，统计落在每个区间内的第二特征点对连线数量，确定预设数目的角度区间，该预设数目的角度区间中所包含的连线数量最多，保留连线该落入该预设数目的角度区间内的第二特征点对；或，
[0031]当该待识别的两张图片为垂直摆放时，则计算该多个第二特征点对的连线与水平线之间的第二夹角，确定每个第二夹角落入的角度区间，统计落在每个区间内的第二特征点对连线数量，确定预设数目的角度区间，该预设数目的角度区间中所包含的连线数量最多，保留连线该落入该预设数目的角度区间内的第二特征点对。
[0032]在第二方面的第四种可能实现方式中，该第三特征点对筛选模块用于:
[0033]当该待识别的两张图片为水平摆放时，则计算该多个第二特征点对的连线与垂直线之间的第一夹角，保留第一夹角处于预设角度范围的第二特征点对；或，
[0034]当该待识别的两张图片为垂直摆放时，则计算该多个第二特征点对的连线与水平线之间的第二夹角，保留第二夹角处于预设角度范围的第二特征点对。
[0035]根据本公开实施例的第三方面，提供