1.一種基于詞匯樹檢索與暴力匹配的圖像識別方法，其特征在于，包括以下步驟，圖像獲取步驟：獲取目標(biāo)圖像，并對該目標(biāo)圖像使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應(yīng)的描述子，生成該目標(biāo)圖像的ORB描述子序列；圖像上傳步驟：將該ORB描述子序列上傳到基于描述子樣本的云端圖像數(shù)據(jù)庫中；圖像識別步驟：云端圖像數(shù)據(jù)庫利用檢索詞匯樹的檢索算法對圖像進(jìn)行匹配識別并返回匹配度靠前的N張候選圖像，其中N為大于1的自然數(shù)；
暴力匹配步驟：在云端圖像數(shù)據(jù)庫中找到候選圖像，并利用字符串匹配算法對候選圖像和目標(biāo)圖像的ORB描述子序列做一對一的暴力匹配以確定最佳匹配圖像。
2.根據(jù)權(quán)利要求1所述的一種基于詞匯樹檢索與暴力匹配的圖像識別方法，其特征在于，所述云端圖像數(shù)據(jù)庫的生成方法包括以下步驟：
描述子生成步驟：收集圖像，提取每張圖像的ORB特征點，并對每個ORB特征點生成相應(yīng)的描述子以得到描述子樣本；
樹狀模型生成步驟：根據(jù)描述子樣本生成圖像數(shù)據(jù)庫的樹狀模型；
數(shù)據(jù)庫生成步驟：向樹狀模型中添加圖像，建立樹狀結(jié)構(gòu)的圖像數(shù)據(jù)庫。
3.根據(jù)權(quán)利要求2所述的一種基于詞匯樹檢索與暴力匹配的圖像識別方法，其特征在于，所述描述子生成步驟具體為：收集圖像，分別對每張圖像進(jìn)行縮放以建立一個圖像金字塔，對圖像的各個尺度使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應(yīng)的描述子。
4.根據(jù)權(quán)利要求2所述的一種基于詞匯樹檢索與暴力匹配的圖像識別方法，其特征在于，利用描述子之間的歐式距離作為判據(jù)，對描述子樣本用K-means算法做聚合分類，生成圖像數(shù)據(jù)庫的樹狀模型。
5.根據(jù)權(quán)利要求4所述的一種基于詞匯樹檢索與暴力匹配的圖像識別方法，其特征在于，所述樹狀模型生成步驟具體為：
A1、定義一個樹狀結(jié)構(gòu)，其最大層數(shù)為L，每層最大子節(jié)點數(shù)為K；
A2、對描述子樣本用K-means算法做聚合分類，得到子節(jié)點分類結(jié)果，將每個子節(jié)點內(nèi)所有描述子的平均描述子作為該子節(jié)點的描述子；
A3、若該子節(jié)點內(nèi)描述子樣本的數(shù)量大于K的兩倍，則對該子節(jié)點內(nèi)的描述子樣本作進(jìn)一步的K-means分類，重復(fù)該步驟，直至樹狀結(jié)構(gòu)的最大層數(shù)小于等于L或者沒有子節(jié)點的描述子樣本數(shù)量大于K的兩倍；
A4、對所有的子節(jié)點依次排序標(biāo)號，生成圖像數(shù)據(jù)庫的樹狀模型。
6.根據(jù)權(quán)利要求2所述的一種基于詞匯樹檢索與暴力匹配的圖像識別方法，其特征在于，所述數(shù)據(jù)庫生成步驟為：
B1、給圖像一個唯一的編號；
B2、對該圖像進(jìn)行縮放以建立一個圖像金字塔，對圖像的各個尺度使用ORB算法提取所有ORB特征點，并對每一個ORB特征點生成相應(yīng)的描述子；
B3、將該圖像的所有描述子利用樹狀模型進(jìn)行分類，并將每個描述子的分類結(jié)果關(guān)聯(lián)在其分配到的子節(jié)點上；
B4、對每一張圖像做B1至B3的步驟，得到具有樹狀結(jié)構(gòu)的圖像數(shù)據(jù)庫。
7.根據(jù)權(quán)利要求1所述的一種基于詞匯樹檢索與暴力匹配的圖像識別方法，其特征在于，所述最佳匹配圖像為暴力匹配中描述子序列的字符串匹配度最高的那張。