CN111401249A - 一种基于不同粒度特征匹配一致性的物体重识别方法 - Google Patents

Abstract

本发明公开了一种基于不同粒度特征匹配一致性的物体重识别方法，其包括以下步骤：输入物体的原始图像及待识别图像，预处理待识别图像，通过投影变换得到无背景干扰的待识别图像；通过角点检测方法提取待识别图像及原始图像的细粒度特征，利用角点匹配方法匹配待识别图像与原始图像的细粒度特征匹配结果；通过图像算法过滤待识别图像及原始图像的细浅纹理，通过角点检测方法提取待识别图像及原始图像的粗粒度特征，利用角点匹配方法得到待识别图像与原始图像的粗粒度特征匹配结果；基于细粒度特征匹配结果和粗粒度特征匹配结果进行比对，得到物体重识别结果；本发明能够有效提升随机纹理物体的匹配精度，从而提高物体的重识别速度和效率。

Description

一种基于不同粒度特征匹配一致性的物体重识别方法

技术领域

本发明涉及物体重识别技术领域，尤其涉及一种基于不同粒度特征匹配一致性的物体重识别方法。

背景技术

图像目标再识别也叫目标重识别，是对不同摄像机镜头在不同时间、不同光照、不同拍摄方位、不同背景下拍摄到的目标进行再次匹配的过程。图像目标再识别技术的研究主要集中在行人再识别和车辆再识别领域，对于物体重识别的研究较少。

在企业的质量检测、样品挑选等质检、生产活动中，通过目标物体的重识别，保证被挑选的物体就是想要的目标物体，常常是其业务过程中一个很重要的前期环节，确保检测样本与采集样本一致，是确保检测结果有效、检验方法可行的前提。对于像水泥砖块、原木木板、原生石板、带散斑的布匹、有一定纹理的纸张等纹理具有随机性和自相似性的目标物体，业务场景特殊，往往因为样本量少、物体特征不能事先定义、采样条件差异大等原因，既不能使用严格的像素比较方法，也难以建立特征提取模型。

对于具体物理来说，纹理是唯一且不易被仿制的，所以其中一个可行的做法是，在采集时和检测前分别拍照，利用图像算法为基础，通过图片匹配技术对目标物体进行重识别。对于有纹理的物体，通过对目标物体图像进行角点检测和角点匹配技术处理得到相似结果，但是物体间具有纹理的相似性影响，在图片在不同场景的弱约束拍照，容易受背景干扰、方向角度、砖面图片大小及光照程度的影响，难以保证匹配是唯一且有效的。

因此，找到一个物体重识别方法，充分利用角点匹配的特性，进行再次处理，得到目标物体的重识别判断结果，提高再识别的速度和准确率，对于这类目标物体的再识别业务是迫切急需的。

发明内容

本发明的目的在于提供一种基于不同粒度特征匹配一致性的物体重识别方法，该方法能够有效提升随机纹理物体的匹配精度，从而提高物体的重识别速度和效率。

为实现上述目的，本发明采用以下技术方案：

一种基于不同粒度特征匹配一致性的物体重识别方法，包括以下步骤：

S1、输入物体的原始图像及待识别图像，预处理待识别图像，通过投影变换得到无背景干扰的待识别图像；

S2、通过角点检测方法提取待识别图像及原始图像的细粒度特征，利用角点匹配方法匹配待识别图像与原始图像的细粒度特征匹配结果；

S3、通过图像算法处理待识别图像及原始图像的浅纹理，通过角点检测方法提取待识别图像及原始图像的粗粒度特征，利用角点匹配方法得到待识别图像与原始图像的粗粒度特征匹配结果；

S4、基于细粒度特征匹配结果和粗粒度特征匹配结果进行比对，计算一致性，得到物体重识别结果。

进一步地，所述预处理待识别图像，通过投影矩阵公式对待识别图像进行投影变换，得到物体的占比、位置与原始图像一致且无背景干扰的待识别图像。

进一步地，所述投影矩阵公式：

其中，[x’,y’,w’]为变换后的坐标，[u,v,w]为变换前的坐标，3×3的[a]矩阵为投影矩阵，3×3的[a]矩阵由待识别图像上已知的4个点和物体实物的对应坐标计算得到。

进一步地，所述角点检测方法采用SURF角点检测方法，通过所述SURF角点检测方法得到待识别图像和原始图像的细粒度特征；所述图像算法抹平待识别图像和原始图像的浅纹理，通过所述SURF角点检测方法得到待识别图像和原始图像的粗粒度特征；通过设置所述细粒度特征的筛选阈值，筛选得到角点集合；所述角点匹配方法采用BFMatcher角点匹配方法，通过匹配得到待识别图像与原始图像相似度高的角点对。

进一步地，所述图像算法采用滤波算法抹去待识别图像及原始图像的细小纹理，保留大而鲜明的纹理。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

1、本发明通过预处理待识别图像得到与原始图像占比、位置一致且无背景干扰的投影变换图像，利用角点检测分别提取待识别图像和原始图像的细粒度特征，通过角点匹配得到细粒度匹配结果；通过图像算法处理浅纹理，利用角点检测分别提取待识别图像和原始图像的粗粒度特征，通过角点匹配得到粗粒度匹配结果；计算细粒度匹配结果和粗粒度匹配结果一致性，得到物体重识别结果，该方法能有效地进行识别处理，提高了再识别的速度和准确率。

2、本发明基于运用场景改进了SURF角点检测和匹配技术的后处理过程，该过程善于处理具有模糊和旋转的图像，对于人眼难以确认的图像对应点特征进行快速检测，节约了工作时间和提高了检测准确率。

附图说明

图1为本发明的流程示意图；

图2为本发明的投影变换后的待识别图像；

图3为本发明的未筛选的细粒度特征点对匹配结果图；

图4为本发明的筛选后的细粒度特征点对匹配结果图；

图5为本发明的粗粒度特征点对匹配结果图；

图6为本发明的粗粒度特征角点的范围特征示意图；

图7为本发明的多次重识别试验结果图。

图8为本发明的工作流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

配合图1至图8所示，本发明公开了一种基于不同粒度特征匹配一致性的物体重识别方法，包括以下步骤：

参考图1所示，S1、输入物体的原始图像及待识别图像，预处理待识别图像，通过投影变换得到无背景干扰的待识别图像。

S2、通过角点检测方法提取待识别图像及原始图像的细粒度特征，利用角点匹配方法匹配待识别图像与原始图像的细粒度特征匹配结果。

S3、通过图像算法处理待识别图像及原始图像的浅纹理，通过角点检测方法提取待识别图像及原始图像的粗粒度特征，利用角点匹配方法得到待识别图像与原始图像的粗粒度特征匹配结果。

S4、基于细粒度特征匹配结果和粗粒度特征匹配结果进行比对，计算一致性，得到物体重识别结果。

配合图1及图2所示，本实施例采用砖块作为重识别的物体，由于物体的纹理是唯一且不易被仿制，可以在采集时和检测前分别拍照，得到待识别图像，通过角点检测方法和角点匹配方法对待识别图像和原始图像进行重识别分析，但是物体的采集到的图像在不同场景受到背景干扰、方向角度、砖面图像大小及光照程度影响导致检测结果不准确，因此先预处理待识别图像，使待识别图像的目标物体处于在理想观测角度下的预想位置，通常为刚好把物体包含在内的矩形图像，同时减少不必要的背景干扰，得到这样的矩形图像是待识别图像通过投影矩阵公式变换得到。

预处理待识别图像，通过投影矩阵公式对待识别图像进行投影变换，得到物体的占比、位置与原始图像一致且无背景干扰的待识别图像。

其中，投影矩阵公式如下：

其中，[x’,y’,w’]为变换后的坐标，[u,v,w]为变换前的坐标，3×3的[a]矩阵为投影矩阵，3×3的[a]矩阵由待识别图像上已知的4个点和物体实物的对应坐标计算得到。

配合图3及图4所示，角点检测方法采用SURF角点检测方法，通过SURF角点检测方法得到待识别图像和原始图像的细粒度特征，该角点检测方法具有计算简单、速度更快的特点，善于处理具有模糊和旋转的图像，对于细粒度特征或粗粒度特征的角点进行快速检测，节约了工作时间和提高了检测准确率；通过设置细粒度特征的筛选阈值，筛选得到角点集合，该角点集合由粒度特征决定，细粒度特征的角点集合即找出“从局部视角来看”特征比较稳定的角点，除去质量低的角点；角点匹配方法采用BFMatcher角点匹配方法，BFMatcher角点匹配方法综合考察了不同粒度特征下的待识别图像的角点与原始图像的角点数量、角点相似度和角点分布在不同方向上的一致性，得到相似度高的角点对数；通过匹配得到待识别图像与原始图像相似度高的角点对，得到细粒度特征匹配结果；通过筛选细粒度特征匹配结果，保留具有集中指向性且质量较高的角点对。

配合图5及图6所示，图像算法抹平待识别图像和原始图像的浅纹理，通过SURF角点检测方法得到待识别图像和原始图像的粗粒度特征；图像算法采用滤波算法抹去待识别图像及原始图像的细小纹理，细小纹理将其视为噪声，保留大而鲜明的纹理，该纹理在更大的区域上构成角点；扩大SURF角点检测的搜索半径，即找出“从全局视角来看”粒度特征比较稳定的角点；通过BFMatcher角点匹配方法，通过匹配得到待识别图像与原始图像相似度高的角点对，得到粗粒度特征匹配结果；画出粗粒度特征角点对应的范围特征。

基于细粒度特征匹配结果和粗粒度特征匹配结果进行比对，计算一致性，综合考察细粒度特征角点和粗粒度特征角点的角点数量及角点的相似程度，比较两次分布的情况，特别是粗粒度特征角点对与细粒度特征角点对的吻合度，得到目标物体的重识别结果判断，两次不同粒度特征得到匹配特征角点对数约多，向量近似程度越高，越有理由人为两个图片是能对应上的，越有理由人为待识别图像中的目标物体与原始图像中的目标物体为同一事物。

参考图7所示，某些从肉眼看起来容易混淆的待识别图像样本，可以得到局部多对细粒度特征的匹配点对，但两次粗粒度特征的匹配结果与细粒度特征的匹配结果的一致性是不高的；本实施例通过砖块进行多次重识别试验，其中“X”被标注为“不同砖块”，“O”被标注为“同一砖块”，对于标注好的砖块数据集，根据以上步骤得到试验匹配的一致性结果，一致性程度从0-1，数值越接近1越有理由认为待识别图像与原图像为同一物体，反之数值越接近0则越有理由认为待识别图像与原图像不为同一物体；本重识别试验结果取得了良好分类效果，590次匹配，只有1次把相同砖块误认为是不匹配的，其余的判断结果都是对的，经事后检验，发现该判断错误的图片存在图片模糊和明暗变化的问题。

参考图8所示，本实施例通过对目标物体进行不同角度、不同光照程度进行采集、拍摄得到待识别图像，对待识别图像进行预处理得到投影变换图像，对采集到的待识别图像和目标物体的原始图像进行重识别；通过角点检测方法检测得到细粒度特征，并通过角点匹配方法得到细粒度特征角点匹配结果；对投影变换图像进行图像过滤，除去浅纹理得到粗纹理图像，通过角点检测方法检测得到粗粒度特征，并通过角点匹配方法得到粗粒度特征角点匹配结果；通过对细粒度特征角点匹配结果与粗粒度特征角点匹配结果进行判断拟合，得到待识别图像与原始图像的是否为同一物体的判断结果；本实施例改进了角点匹配用于目标再识别的思路，采用该思路，可以对不同摄影仪器在不同时间、不同光照、不同拍摄方位、不同背景下拍摄的目标图片得到可靠的再识别判断结果；对于水泥砖块、原木木板、原生石板、散斑布匹、散斑纸张等纹理散乱、具有随机性和自相似性的目标物体，基于该方法能有效地进行再识别处理，打通了人工难以高质量完成的关键技术节点，提高再识别的速度和准确率。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种基于不同粒度特征匹配一致性的物体重识别方法，其特征在于，包括以下步骤：

S1、输入物体的原始图像及待识别图像，预处理待识别图像，通过投影变换得到无背景干扰的待识别图像；

S2、通过角点检测方法提取待识别图像及原始图像的细粒度特征，利用角点匹配方法匹配待识别图像与原始图像的细粒度特征匹配结果；

S3、通过图像算法处理待识别图像及原始图像的浅纹理，通过角点检测方法提取待识别图像及原始图像的粗粒度特征，利用角点匹配方法得到待识别图像与原始图像的粗粒度特征匹配结果；

S4、基于细粒度特征匹配结果和粗粒度特征匹配结果进行比对，计算一致性，得到物体重识别结果。

2.如权利要求1所述的一种基于不同粒度特征匹配一致性的物体重识别方法，其特征在于：所述预处理待识别图像，通过投影矩阵公式对待识别图像进行投影变换，得到物体的占比、位置与原始图像一致且无背景干扰的待识别图像。

3.如权利要求2所述的一种基于不同粒度特征匹配一致性的物体重识别方法，其特征在于：所述投影矩阵公式：

其中，[x’,y’,w’]为变换后的坐标，[u,v,w]为变换前的坐标，3×3的[a]矩阵为投影矩阵，3×3的[a]矩阵由待识别图像上已知的4个点和物体实物的对应坐标计算得到。

4.如权利要求1所述的一种基于不同粒度特征匹配一致性的物体重识别方法，其特征在于：所述角点检测方法采用SURF角点检测方法，通过所述SURF角点检测方法得到待识别图像和原始图像的细粒度特征；所述图像算法抹平待识别图像和原始图像的浅纹理，通过所述SURF角点检测方法得到待识别图像和原始图像的粗粒度特征；通过设置所述细粒度特征的筛选阈值，筛选得到角点集合；所述角点匹配方法采用BFMatcher角点匹配方法，通过匹配得到待识别图像与原始图像相似度高的角点对。

5.如权利要求4所述的一种基于不同粒度特征匹配一致性的物体重识别方法，其特征在于：所述图像算法采用滤波算法抹去待识别图像及原始图像的细小纹理，保留大而鲜明的纹理。

Images