一種基于局部視覺特征的精確比對方法
【專利摘要】本發(fā)明涉及一種基于局部視覺特征的精確比對方法，包括以下步驟：1)獲取待比對的Query車輛圖像和多張數(shù)據(jù)庫圖像；2)對所有圖像進(jìn)行關(guān)鍵點(diǎn)提取，將每張圖像均表示成關(guān)鍵點(diǎn)集合；3)根據(jù)關(guān)鍵點(diǎn)集合生成Query車輛圖像的特征樹；4)將所述特征樹與步驟1)中的數(shù)據(jù)庫圖像進(jìn)行匹配，使得定義的目標(biāo)函數(shù)最小，輸出Query車輛圖像與每張數(shù)據(jù)庫圖像的相似性。與現(xiàn)有技術(shù)相比，本發(fā)明具有精確度高、魯棒性好等優(yōu)點(diǎn)。
【專利說明】一種基于局部視覺特征的精確比對方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像比對方法，尤其是涉及一種基于局部視覺特征的精確比對方 法。

【背景技術(shù)】
[0002] 近年來，智能交通系統(tǒng)發(fā)展快速，隨著計算機(jī)視覺和模式識別技術(shù)的發(fā)展，為智能 交通系統(tǒng)更有效的應(yīng)用提供了契機(jī)。計算機(jī)視覺是利用計算機(jī)來模擬人的視覺功能，從客 觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測、測量和控制。
[0003] 現(xiàn)有的圖像比對方式出于速度方面的考慮，都放棄了 Shape方面的信息。目前圖 像檢測系統(tǒng)中經(jīng)常使用RANSAC的方式添加Shape信息，但其使用時將特征點(diǎn)的紋理信息 (即特征向量）和Shape分成兩個階段考慮，因此性能提高不明顯。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種精確度高、魯棒 性好的基于局部視覺特征的精確比對方法。
[0005] 本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：
[0006] 一種基于局部視覺特征的精確比對方法，包括以下步驟：
[0007] 1)獲取待比對的Query車輛圖像和多張數(shù)據(jù)庫圖像；
[0008] 2)對所有圖像進(jìn)行關(guān)鍵點(diǎn)提取，將每張圖像均表不成關(guān)鍵點(diǎn)集合；
[0009] 3)根據(jù)關(guān)鍵點(diǎn)集合生成Query車輛圖像的特征樹，具體為：
[0010] 31)在Query車輛圖像對應(yīng)的關(guān)鍵點(diǎn)集合中抽取1個點(diǎn)，將其與最接近的2個點(diǎn)構(gòu) 成一個三角形；
[0011] 32)在關(guān)鍵點(diǎn)集合去除所述三角形對應(yīng)的3個點(diǎn)，并將所述三角形的中點(diǎn)作為關(guān) 鍵點(diǎn)加入關(guān)鍵點(diǎn)集合中；
[0012] 33)重復(fù)步驟31)、32)，直至關(guān)鍵點(diǎn)集合剩下1個點(diǎn)；
[0013] 34)根據(jù)步驟31)-33)的所有點(diǎn)形成特征樹；
[0014] 4)將所述特征樹與步驟1)中的數(shù)據(jù)庫圖像進(jìn)行匹配，使得定義的目標(biāo)函數(shù)最小， 輸出Query車輛圖像與每張數(shù)據(jù)庫圖像的相似性，相似性即目標(biāo)函數(shù)在特征樹根節(jié)點(diǎn)的 值。
[0015]所述的步驟2)，對圖像進(jìn)行關(guān)鍵點(diǎn)提取具體為：
[0016] 21)對每張車輛圖像進(jìn)行車牌檢測和品牌識別處理；
[0017] 22)根據(jù)檢測得的車牌位置抽取車輛圖像，并進(jìn)行歸一化處理；
[0018] 23)采用多種特征提取方法對抽取的每張車輛圖像進(jìn)行特征點(diǎn)提取，對不同方法 獲得的特征點(diǎn)進(jìn)行非極大值抑制處理，在相同區(qū)域只保留一個關(guān)鍵點(diǎn)。
[0019] 所述的Query車輛圖像的初始關(guān)鍵點(diǎn)集合的元素個數(shù)為奇數(shù)。
[0020] 所述的特征樹中，各關(guān)鍵點(diǎn)以圓形表示，3個點(diǎn)形成三角形后的中點(diǎn)以三角形表 /_J、1 o
[0021] 所述的目標(biāo)函數(shù)為：
[0022] 對于圓形，目標(biāo)函數(shù)為特征向量的L2距離，如下：
[0023]

【權(quán)利要求】
1. 一種基于局部視覺特征的精確比對方法，其特征在于，包括以下步驟： 1) 獲取待比對的Query車輛圖像和多張數(shù)據(jù)庫圖像； 2) 對所有圖像進(jìn)行關(guān)鍵點(diǎn)提取，將每張圖像均表示成關(guān)鍵點(diǎn)集合； 3) 根據(jù)關(guān)鍵點(diǎn)集合生成Query車輛圖像的特征樹，具體為： 31) 在Query車輛圖像對應(yīng)的關(guān)鍵點(diǎn)集合中抽取1個點(diǎn)，將其與最接近的2個點(diǎn)構(gòu)成一 個三角形； 32) 在關(guān)鍵點(diǎn)集合去除所述三角形對應(yīng)的3個點(diǎn)，并將所述三角形的中點(diǎn)作為關(guān)鍵點(diǎn) 加入關(guān)鍵點(diǎn)集合中； 33) 重復(fù)步驟31)、32)，直至關(guān)鍵點(diǎn)集合剩下1個點(diǎn)； 34) 根據(jù)步驟31)-33)的所有點(diǎn)形成特征樹； 4) 將所述特征樹與步驟1)中的數(shù)據(jù)庫圖像進(jìn)行匹配，使得定義的目標(biāo)函數(shù)最小，輸出 Query車輛圖像與每張數(shù)據(jù)庫圖像的相似性，相似性即目標(biāo)函數(shù)在特征樹根節(jié)點(diǎn)的值。
2. 根據(jù)權(quán)利要求1所述的一種基于局部視覺特征的精確比對方法，其特征在于，所述 的步驟2)，對圖像進(jìn)行關(guān)鍵點(diǎn)提取具體為： 21) 對每張車輛圖像進(jìn)行車牌檢測和品牌識別處理； 22) 根據(jù)檢測得的車牌位置抽取車輛圖像，并進(jìn)行歸一化處理； 23) 采用多種特征提取方法對抽取的每張車輛圖像進(jìn)行特征點(diǎn)提取，對不同方法獲得 的特征點(diǎn)進(jìn)行非極大值抑制處理，在相同區(qū)域只保留一個關(guān)鍵點(diǎn)。
3. 根據(jù)權(quán)利要求1所述的一種基于局部視覺特征的精確比對方法，其特征在于，所述 的Query車輛圖像的初始關(guān)鍵點(diǎn)集合的元素個數(shù)為奇數(shù)。
4. 根據(jù)權(quán)利要求1所述的一種基于局部視覺特征的精確比對方法，其特征在于，所述 的特征樹中，各關(guān)鍵點(diǎn)以圓形表示，3個點(diǎn)形成三角形后的中點(diǎn)以三角形表示。
5. 根據(jù)權(quán)利要求4所述的一種基于局部視覺特征的精確比對方法，其特征在于，所述 的目標(biāo)函數(shù)為： 對于圓形，目標(biāo)函數(shù)為特征向量的L2距離，如下：
式中，P為當(dāng)前節(jié)點(diǎn)，fi為Query車輛圖像在該點(diǎn)的特征向量，&數(shù)據(jù)庫圖像在該點(diǎn)的 特征向量fa，fa、fn分別為向量fi、fj中的第1個兀素； 對于三角形，目標(biāo)函數(shù)由2部分構(gòu)成，包括組成三角形的3個孩子節(jié)點(diǎn)的Score的總和 以及3個孩子節(jié)點(diǎn)構(gòu)成三角形和Query車輛圖像構(gòu)成三角形之間的相似性，具體公式為：
式中，^為3個孩子節(jié)點(diǎn)的Score的總和，gi為Query車輛圖像構(gòu)成的三角形的形 狀特征向量，為數(shù)據(jù)庫圖像的3個孩子節(jié)點(diǎn)構(gòu)成的三角形的形狀特征向量，R為gi、gj的 長度。
6. 根據(jù)權(quán)利要求4所述的一種基于局部視覺特征的精確比對方法，其特征在于，所述 的步驟4)中，進(jìn)行匹配時，不同類型節(jié)點(diǎn)的具體處理方法如下： 圓形：對比所有可能集合，保留最相似，即目標(biāo)函數(shù)最小的K個可能； 三角形：線性組合，每個孩子節(jié)點(diǎn)都有K個可能，共有κ*κ*κ種可能，對于每個可能都計 算目標(biāo)函數(shù)值，最后保留Score最大的K個可能； 根節(jié)點(diǎn)：取Score最高的可能作為輸出。
7.根據(jù)權(quán)利要求1所述的一種基于局部視覺特征的精確比對方法，其特征在于，所述 的步驟4)中，進(jìn)行匹配時采用從下到上的方式。
【文檔編號】G06F17/30GK104239531SQ201410483587
【公開日】2014年12月24日 申請日期:2014年9月19日 優(yōu)先權(quán)日:2014年9月19日
【發(fā)明者】朱瓏, 陳遠(yuǎn)浩 申請人:上海依圖網(wǎng)絡(luò)科技有限公司