CN105205494B - 相似图片识别方法及装置 - Google Patents

Abstract

本公开提供了一种相似图片识别方法以及装置，属于图片识别领域。方法包括：对待识别的两张图片进行特征点提取，得到两张图片的多个特征点；根据两张图片的多个特征点，获取两张图片的多个第一特征点对；确定多个第二特征点对；当多个第二特征点对与多个第一特征点对的之间的数量比值大于第一预设阈值、且多个第二特征点对的数量小于数量阈值，根据多个第二特征点对的连线角度，对多个第二特征点对进行筛选，得到多个第三特征点对；当多个第三特征点对与多个第二特征点对之间的数量比值大于第二预设阈值时，确定两张图片为相似图片。本公开在较少特征点对场景的识别过程中避免了识别错误率较高的情况，提高了相似图片识别的速度和准确性。

Description

相似图片识别方法及装置

技术领域

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

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1中的某个SIFT点Dot11，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1中Dot11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。

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

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。

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:

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；

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；

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；

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；

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。

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：

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。

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：

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。

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：

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，

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。

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：

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，

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。

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：

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；

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；

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；

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；

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。

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。

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。

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：

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，

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。

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：

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，

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。

根据本公开实施例的第三方面，提供一种相似图片识别装置，包括：

处理器；

用于存储处理器可执行的指令；

其中，该处理器被配置为：

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；

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；

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；

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；

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。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例提供的方法及装置，在初次确定了正确匹配的第二特征点对之后，在第二特征点对的数量较少的场景下，根据多个第二特征点对的连线角度，对多个第二特征点对进行再次筛选，保留位于相似图片的重叠区域内的第二特征点对，筛选掉不位于重叠区域的第二特征点对，再基于剩余的第三特征点对与该多个第二特征点对与该多个第二特征点对之间的数量比值，来进一步进行相似图片的识别，使得在较少特征点对场景的识别过程中避免了识别错误率较高的情况，提高了相似图片识别的速度和准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种相似图片识别方法的流程图。

图2是根据一示例性实施例示出的一种相似图片识别方法的流程图。

图3是根据一示例性实施例示出的一种相似图片识别装置框图。

图4是根据一示例性实施例示出的一种相似图片识别装置400的框图。

图5是根据一示例性实施例示出的一种相似图片识别装置500的框图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种相似图片识别方法的流程图，如图1所示，相似图片识别方法用于终端中，包括以下步骤。

在步骤101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。

在步骤102中，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。

在步骤103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。

在步骤104中，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。

在步骤105中，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。

本公开实施例提供的方法，在初次确定了正确匹配的第二特征点对之后，在第二特征点对的数量较少的场景下，根据多个第二特征点对的连线角度，对多个第二特征点对进行再次筛选，保留位于相似图片的重叠区域内的第二特征点对，筛选掉不位于重叠区域的第二特征点对，再基于剩余的第三特征点对与该多个第二特征点对与该多个第二特征点对之间的数量比值，来进一步进行相似图片的识别，使得在较少特征点对场景的识别过程中避免了识别错误率较高的情况，提高了相似图片识别的速度和准确性。

在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：

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。

在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：

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。

在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：

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，

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。

在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：

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，

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。

上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。

图2是根据一示例性实施例示出的一种相似图片识别方法的流程图，如图2所示，相似图片识别方法用于终端或服务器中，包括以下步骤。

在步骤201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。

在本公开实施例中，待识别的两张图片可以是在进行相似图片识别过程中的任意两张图片，该相似图片识别过程的识别对象可以是一个相册中的所有图片或某几个相册中的所有图片，当然，还可以是由用户指定的某些图片，在此不作具体限定。

本公开实施例的特征点提取过程可以包括对待识别的两张图片分别进行特征点提取，得到该两张图片的多个特征点。需要说明的是，对待识别的两张图片进行特征点提取包括：SIFT或SURF对待识别的两张图片进行特征点提取。

在步骤202中，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。

该获取第一特征点对的过程可以基于SIFT或SURF进行，本公开实施例对此不作具体限定。

在获取多个第一特征点对的过程中，涉及到最近的距离与次近的距离之间的比值与预设阈值进行比较的过程，此时，预设阈值的设定直接关系到最终所得到的第一特征点对的数目多少，当预设阈值设置的较大时，所得到的第一特征点对数目相对较少，当预设阈值设置的较小时，所得到的第一特征点数目相对较多。

在步骤203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。

为了得到正确匹配的第一特征点对，需要对该多个第一特征点对再次进行筛选，从而确定多个第二特征点对。

本公开实施例中，仅以基于SIFT确定多个第二特征点对的过程为例进行说明。其中，用于筛选第二特征点对的预设比值由终端或服务器设定，如果要提高第二特征点对的准确度，可以将该预设比值设置的较小，但计算复杂度将提高，如果对第二特征点对的准确度要求较低，也可以将该预设比值设置的较大。

在步骤204中，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。

需要说明的是，本公开实施例中，仅以两张图片水平摆放为例进行说明。而在另一实施例中，该两张图片还可以垂直摆放，则在计算夹角时，可以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。

其中，多个第二特征点与该多个第一特征点之间的数量比值可以用于衡量两张图片的相似程度，当数量比值较大，说明相似程度高，当数量比值较小，说明相似程度低，因此，在对该多个第一特征点对筛选时，可以先设置第一预设阈值，当该数量比值大于第一预设阈值时，可以认为该两张图片很可能是相似图片，为了提高识别的准确度，还需要进一步执行步骤205，而当该数量比值小于或等于第一预设阈值时，可以认为两张图片不是相似图片，结束识别过程。

其中，该数量阈值由终端或服务器设定，并且该数量阈值是一个定值。在得到该多个第二特征点对的过程中，也可以获取到该多个第二特征点对的数量，当第二特征点对数目过少，例如，该多个第二特征点对只有几对或十几对时，如果采用RANSAC算法对该多个第二特征点对进行筛选，从该第二特征点对集合中随机抽选的样本有可能是错误匹配的第二特征点对，且产生该错误的概率较大，因此，需要对该多个第二特征点对的数量进行判断，当该多个第二特征点对的数量小于该数量阈值时，可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，并对该第一夹角进行筛选，得到正确匹配的该多个第二特征点对，当该多个第二特征点对的数量不小于该数量阈值时，可采用RANSAC算法对该多个第二特征点对进行筛选。

本公开实施例中，仅以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为例进行说明。而在另一实施例中，如果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，但是，该多个第二特征点对的数量不小于数量阈值时，还可以在后续步骤中采用RANSAC算法对该多个第二特征点对进行筛选，以进行相似图片识别。当然，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不大于第一预设阈值，无论第二特征点对的个数是多少，均可以认为两张图片不是相似图片，结束识别过程。

在步骤205中，确定该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，并确定预设数目的角度区间。

其中，该角度区间是将直线的角度划分成至少两个相同角度跨度的区间，直线的角度为[0-180]度。例如，将[0-180]度划分成18个区间，则每个角度区间内的角度跨度为10度，第一个角度区间是[0，10]，第二个角度区间是[10，20]，第三个角度区间是[20，30]，如此类推，第十七个角度区间是[160，170]，第十八个角度区间是[170，180]。

在统计落在每个区间内的第二特征点对连线数量的过程中，对于每个第一夹角，确定该第一夹角落入的角度区间，并实时统计该角度区间中的连线数量。例如，有一个第一夹角的角度为15度，则确定该角度落入上述第二个角度区间[10，20]，则实时在该第二个角度区间的统计个数上加1。

其中，该角度区间的角度跨度由终端或服务器设定，该预设数目的角度区间由该角度跨度和已统计的落入每个该角度区间的第二特征点对连线数量确定。当落在每个区间内的该第二特征点对连线数量已统计完成时，通过遍历该统计完成的角度区间，寻找多个连续的角度区间，使该连续的角度区间中第二特征点对连线数量最多，将该多个连续的角度区间确定为预设数目的角度区间。例如，基于上述角度区间划分方式进行划分和统计后，遍历所有角度区间，发现2个连续的角度区间[80，90]和[90，100]内的该第二特征点对连线数量最多，则该预设数目的角度区间为[80，90]和[90，100]。

在步骤206中，当该预设数目的角度区间中所包含的连线数量最多时，保留连线落入该预设数目的角度区间内的第二特征点对，从而得到多个第三特征点对。

通常，如果两张图片之间相似，则可以认为该两张图片存在重叠区域，正确匹配的特征点对应该集中分布在图片间的重叠区域内，然而，该重叠区域在图片中的位置也可能存在一定位移，因此，可以根据多个第二特征点对的第一夹角确定重叠区域，其过程可以包括：当该预设数目的角度空间中所包含的连线数量最多时，说明该预设数目的角度空间中所包含第二特征点对数最多，从而可确定待识别的两张图片的重叠区域，所以，可以将连线落入该预设数目的角度区间内的第二特征点对看做是正确匹配的第二特征点对，保留该第二特征点对，从而得到多个第三特征点对。

需要说明的是，对于连线没有落入该预设数目的角度区间内的第二特征点对来说，则可以确定该第二特征点对没有位于待识别的两张图片的重叠区域内，那么，可以认为该第二特征点对不是正确匹配的第二特征点对。

上述步骤205和206是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的过程。在本公开实施例中，仅以根据预设数目的角度区间对第二特征点对进行筛选为例进行说明，而在另一实施例中，还可以根据预设角度范围对第二特征点对进行筛选，得到多个第三特征点对。其中，该预设角度范围由终端或服务器设定，以两张图片水平摆放为例，该预设角度范围可以是90度左右的任意角度范围，例如，[80，100]等，由于对于相似图片来说，还可以认为两张图片的重叠区域之间没有任何位移，因此，如果特征点对正确匹配，则该特征点对与水平线之间的夹角也应与其摆放方向一致，处于预设角度范围之间，则可以将第一夹角角度位于预设角度范围内的第二特征点对看做是正确匹配的第二特征点对，而筛选掉第一夹角角度不位于预设角度范围内的第二特征点对。

同理，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，得到多个第三特征点对。

其中，得到多个第三特征点对的过程中，也可以获取到该多个第三特征点对的数量。

在步骤207中，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。

其中，第二预设阈值可以由终端或服务器进行设置，如果要提高相似图片的识别准确度，可以将第二预设阈值设置的较大，而如果对识别准确度要求较低，也可以将第二预设阈值设置的较小。

需要说明的是，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不大于第二预设阈值时，则确定该两张图片为不相似图片。

本公开实施例提供的方法，在初次确定了正确匹配的第二特征点对之后，在第二特征点对的数量较少的场景下，根据多个第二特征点对的连线角度，对多个第二特征点对进行再次筛选，保留位于相似图片的重叠区域内的第二特征点对，筛选掉不位于重叠区域的第二特征点对，再基于剩余的第三特征点对与该多个第二特征点对与该多个第二特征点对之间的数量比值，来进一步进行相似图片的识别，使得在较少特征点对场景的识别过程中避免了识别错误率较高的情况，提高了相似图片识别的速度和准确性。

图3是根据一示例性实施例示出的一种相似图片识别装置框图。参照图3，该装置包括特征点提取模块301，第一特征点对获取模块302，第二特征点对确定模块303，第三特征点对筛选模块304和相似图片确定模块305。

特征点提取模块301，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；

第一特征点对获取模块302，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；

第二特征点对确定模块303，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；

第三特征点对筛选模块304，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；

相似图片确定模块305，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。

在本公开的一个实施例中，该特征点提取模块301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。

在本公开的一个实施例中，该第二特征点对确定模块303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。

在本公开的一个实施例中，该第三特征点对筛选模块304用于：

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，

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。

在本公开的一个实施例中，该第三特征点对筛选模块304用于：

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，

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。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图4是根据一示例性实施例示出的一种相似图片识别装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。

多媒体组件408包括在该装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。该触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与该触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如该组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，该通信组件416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述相似图片识别方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，该非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行上述实施例提供的相似图片识别方法。

图5是根据一示例性实施例示出的一种相似图片识别的装置500的框图。例如，装置500可以被提供为一服务器。参照图5，装置500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理组件522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件522被配置为执行指令，以执行上述相似图片识别方法。

装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作系统，例如Windows Server^TM，Mac OS X^TM，Unix^TM,Linux^TM，FreeBSD^TM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (11)

1.一种相似图片识别方法，其特征在于，所述方法包括：

对待识别的两张图片进行特征点提取，得到所述两张图片的多个特征点；

根据所述两张图片的多个特征点，获取所述两张图片的多个第一特征点对；

从所述多个第一特征点对中，确定多个第二特征点对，所述第二特征点对为正确匹配的特征点对；

当所述多个第二特征点对与所述多个第一特征点对的之间的数量比值大于第一预设阈值、且所述多个第二特征点对的数量小于数量阈值，根据所述多个第二特征点对的连线角度，对所述多个第二特征点对进行筛选，得到多个第三特征点对；

当所述多个第三特征点对与所述多个第二特征点对之间的数量比值大于第二预设阈值时，确定所述两张图片为相似图片。

2.根据权利要求1所述的方法，其特征在于，所述对待识别的两张图片进行特征点提取，得到所述两张图片的多个特征点包括：

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，得到所述两张图片的多个特征点。

3.根据权利要求1所述的方法，其特征在于，所述从所述多个第一特征点对中，确定多个第二特征点对，所述第二特征点对为正确匹配的特征点对，所述方法还包括：

当所述多个第二特征点对与所述多个第一特征点对的之间的数量比值大于第一预设阈值、且所述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算法对所述多个第二特征点对进行筛选。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多个第二特征点对的连线角度，对所述多个第二特征点对进行筛选包括：

当所述待识别的两张图片为水平摆放时，则计算所述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，所述预设数目的角度区间中所包含的连线数量最多，保留连线所述落入所述预设数目的角度区间内的第二特征点对；或，

当所述待识别的两张图片为垂直摆放时，则计算所述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，所述预设数目的角度区间中所包含的连线数量最多，保留连线所述落入所述预设数目的角度区间内的第二特征点对。

5.根据权利要求1所述的方法，其特征在于，所述根据所述多个第二特征点对的连线角度，对所述多个第二特征点对进行筛选包括：

当所述待识别的两张图片为水平摆放时，则计算所述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，

当所述待识别的两张图片为垂直摆放时，则计算所述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。

6.一种相似图片识别装置，其特征在于，所述装置包括：

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，得到所述两张图片的多个特征点；

第一特征点对获取模块，用于根据所述两张图片的多个特征点，获取所述两张图片的多个第一特征点对；

第二特征点对确定模块，用于从所述多个第一特征点对中，确定多个第二特征点对，所述第二特征点对为正确匹配的特征点对；

第三特征点对筛选模块，用于当所述多个第二特征点对与所述多个第一特征点对的之间的数量比值大于第一预设阈值、且所述多个第二特征点对的数量小于数量阈值，根据所述多个第二特征点对的连线角度，对所述多个第二特征点对进行筛选，得到多个第三特征点对；

相似图片确定模块，用于当所述多个第三特征点对与所述多个第二特征点对之间的数量比值大于第二预设阈值时，确定所述两张图片为相似图片。

7.根据权利要求6所述的装置，其特征在于，所述特征点提取模块还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，得到所述两张图片的多个特征点。

8.根据权利要求6所述的装置，其特征在于，所述第二特征点对确定模块还用于当所述多个第二特征点对与所述多个第一特征点对的之间的数量比值大于第一预设阈值、且所述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算法对所述多个第二特征点对进行筛选。

9.根据权利要求6所述的装置，其特征在于，所述第三特征点对筛选模块还用于：

当所述待识别的两张图片为水平摆放时，则计算所述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，所述预设数目的角度区间中所包含的连线数量最多，保留连线所述落入所述预设数目的角度区间内的第二特征点对；或，

当所述待识别的两张图片为垂直摆放时，则计算所述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，所述预设数目的角度区间中所包含的连线数量最多，保留连线所述落入所述预设数目的角度区间内的第二特征点对。

10.根据权利要求6所述的装置，其特征在于，所述第三特征点对筛选模块还用于：

当所述待识别的两张图片为水平摆放时，则计算所述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，

当所述待识别的两张图片为垂直摆放时，则计算所述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。

11.一种相似图片识别装置，其特征在于，包括：

处理器；

用于存储处理器可执行的指令；

其中，所述处理器被配置为：

对待识别的两张图片进行特征点提取，得到所述两张图片的多个特征点；

根据所述两张图片的多个特征点，获取所述两张图片的多个第一特征点对；

从所述多个第一特征点对中，确定多个第二特征点对，所述第二特征点对为正确匹配的特征点对；

当所述多个第二特征点对与所述多个第一特征点对的之间的数量比值大于第一预设阈值、且所述多个第二特征点对的数量小于数量阈值，根据所述多个第二特征点对的连线角度，对所述多个第二特征点对进行筛选，得到多个第三特征点对；

当所述多个第三特征点对与所述多个第二特征点对之间的数量比值大于第二预设阈值时，确定所述两张图片为相似图片。