一种基于局部视觉特征的精确比对方法
【专利摘要】本发明涉及一种基于局部视觉特征的精确比对方法，包括以下步骤：1)获取待比对的Query车辆图像和多张数据库图像；2)对所有图像进行关键点提取，将每张图像均表示成关键点集合；3)根据关键点集合生成Query车辆图像的特征树；4)将所述特征树与步骤1)中的数据库图像进行匹配，使得定义的目标函数最小，输出Query车辆图像与每张数据库图像的相似性。与现有技术相比，本发明具有精确度高、鲁棒性好等优点。
【专利说明】一种基于局部视觉特征的精确比对方法
【技术领域】
[0001] 本发明涉及一种图像比对方法，尤其是涉及一种基于局部视觉特征的精确比对方 法。
【背景技术】
[0002] 近年来，智能交通系统发展快速，随着计算机视觉和模式识别技术的发展，为智能 交通系统更有效的应用提供了契机。计算机视觉是利用计算机来模拟人的视觉功能，从客 观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。
[0003] 现有的图像比对方式出于速度方面的考虑，都放弃了 Shape方面的信息。目前图 像检测系统中经常使用RANSAC的方式添加Shape信息，但其使用时将特征点的纹理信息 (即特征向量）和Shape分成两个阶段考虑，因此性能提高不明显。
【发明内容】
[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种精确度高、鲁棒 性好的基于局部视觉特征的精确比对方法。
[0005] 本发明的目的可以通过以下技术方案来实现：
[0006] 一种基于局部视觉特征的精确比对方法，包括以下步骤：
[0007] 1)获取待比对的Query车辆图像和多张数据库图像；
[0008] 2)对所有图像进行关键点提取，将每张图像均表不成关键点集合；
[0009] 3)根据关键点集合生成Query车辆图像的特征树，具体为：
[0010] 31)在Query车辆图像对应的关键点集合中抽取1个点，将其与最接近的2个点构 成一个三角形；
[0011] 32)在关键点集合去除所述三角形对应的3个点，并将所述三角形的中点作为关 键点加入关键点集合中；
[0012] 33)重复步骤31)、32)，直至关键点集合剩下1个点；
[0013] 34)根据步骤31)-33)的所有点形成特征树；
[0014] 4)将所述特征树与步骤1)中的数据库图像进行匹配，使得定义的目标函数最小， 输出Query车辆图像与每张数据库图像的相似性，相似性即目标函数在特征树根节点的 值。
[0015]所述的步骤2)，对图像进行关键点提取具体为：
[0016] 21)对每张车辆图像进行车牌检测和品牌识别处理；
[0017] 22)根据检测得的车牌位置抽取车辆图像，并进行归一化处理；
[0018] 23)采用多种特征提取方法对抽取的每张车辆图像进行特征点提取，对不同方法 获得的特征点进行非极大值抑制处理，在相同区域只保留一个关键点。
[0019] 所述的Query车辆图像的初始关键点集合的元素个数为奇数。
[0020] 所述的特征树中，各关键点以圆形表示，3个点形成三角形后的中点以三角形表 /_J、1 o
[0021] 所述的目标函数为：
[0022] 对于圆形，目标函数为特征向量的L2距离，如下：
[0023]
【权利要求】
1. 一种基于局部视觉特征的精确比对方法，其特征在于，包括以下步骤： 1) 获取待比对的Query车辆图像和多张数据库图像； 2) 对所有图像进行关键点提取，将每张图像均表示成关键点集合； 3) 根据关键点集合生成Query车辆图像的特征树，具体为： 31) 在Query车辆图像对应的关键点集合中抽取1个点，将其与最接近的2个点构成一 个三角形； 32) 在关键点集合去除所述三角形对应的3个点，并将所述三角形的中点作为关键点 加入关键点集合中； 33) 重复步骤31)、32)，直至关键点集合剩下1个点； 34) 根据步骤31)-33)的所有点形成特征树； 4) 将所述特征树与步骤1)中的数据库图像进行匹配，使得定义的目标函数最小，输出 Query车辆图像与每张数据库图像的相似性，相似性即目标函数在特征树根节点的值。
2. 根据权利要求1所述的一种基于局部视觉特征的精确比对方法，其特征在于，所述 的步骤2)，对图像进行关键点提取具体为： 21) 对每张车辆图像进行车牌检测和品牌识别处理； 22) 根据检测得的车牌位置抽取车辆图像，并进行归一化处理； 23) 采用多种特征提取方法对抽取的每张车辆图像进行特征点提取，对不同方法获得 的特征点进行非极大值抑制处理，在相同区域只保留一个关键点。
3. 根据权利要求1所述的一种基于局部视觉特征的精确比对方法，其特征在于，所述 的Query车辆图像的初始关键点集合的元素个数为奇数。
4. 根据权利要求1所述的一种基于局部视觉特征的精确比对方法，其特征在于，所述 的特征树中，各关键点以圆形表示，3个点形成三角形后的中点以三角形表示。
5. 根据权利要求4所述的一种基于局部视觉特征的精确比对方法，其特征在于，所述 的目标函数为： 对于圆形，目标函数为特征向量的L2距离，如下：
式中，P为当前节点，fi为Query车辆图像在该点的特征向量，&数据库图像在该点的 特征向量fa，fa、fn分别为向量fi、fj中的第1个兀素； 对于三角形，目标函数由2部分构成，包括组成三角形的3个孩子节点的Score的总和 以及3个孩子节点构成三角形和Query车辆图像构成三角形之间的相似性，具体公式为：
式中，^为3个孩子节点的Score的总和，gi为Query车辆图像构成的三角形的形 状特征向量，为数据库图像的3个孩子节点构成的三角形的形状特征向量，R为gi、gj的 长度。
6. 根据权利要求4所述的一种基于局部视觉特征的精确比对方法，其特征在于，所述 的步骤4)中，进行匹配时，不同类型节点的具体处理方法如下： 圆形：对比所有可能集合，保留最相似，即目标函数最小的K个可能； 三角形：线性组合，每个孩子节点都有K个可能，共有κ*κ*κ种可能，对于每个可能都计 算目标函数值，最后保留Score最大的K个可能； 根节点：取Score最高的可能作为输出。
7.根据权利要求1所述的一种基于局部视觉特征的精确比对方法，其特征在于，所述 的步骤4)中，进行匹配时采用从下到上的方式。
【文档编号】G06F17/30GK104239531SQ201410483587
【公开日】2014年12月24日 申请日期:2014年9月19日 优先权日:2014年9月19日
【发明者】朱珑, 陈远浩 申请人:上海依图网络科技有限公司