[發(fā)明專利]模板匹配方法、裝置、設備及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110284862.1
• 申請日: 2021-03-16
• 公開（公告）號: CN113033640B
• 公開（公告）日: 2023-08-15
• 發(fā)明（設計）人: 舒瑤
• 申請（專利權）人: 深圳棱鏡空間智能科技有限公司
• 主分類號: G06V30/19
• 分類號: G06V30/19
• 代理公司: 深圳市恒程創(chuàng)新知識產(chǎn)權代理有限公司 44542
• 代理人: 劉冰

本發(fā)明公開了一種模板匹配方法，所述模板匹配方法包括：獲取模板圖像，并獲取所述模板圖像在特征點處的第一梯度方向；獲取檢測圖像，并獲取所述檢測圖像在特征點處的第二梯度方向；基于所述第一梯度方向及所述第二梯度方向，進行相似度計算得到相似度計算結果，以供基于所述相似度計算結果進行模板匹配。本發(fā)明還公開了一種模板匹配裝置、一種模板匹配設備和一種計算機可讀存儲介質(zhì)。本發(fā)明可確保模板匹配準確度的同時，提高模板匹配效率。

技術領域

本發(fā)明涉及圖像處理技術領域，尤其涉及一種模板匹配方法、裝置、設備及計算機可讀存儲介質(zhì)。

背景技術

隨著科技的迅速發(fā)展，越來越多的技術應用于圖像處理領域。目前，模板匹配廣泛應用于圖像校準、物體識別和導航定位等。通常，需給定一個模板圖像，以供在待搜索圖像上尋找與其內(nèi)容最相似的位置。由于模板匹配需要提取穩(wěn)定而明顯的特征，在特征提取、全局搜索等過程中需要耗費大量時間，然而，隨著科技的發(fā)展，無論是工業(yè)領域還是互聯(lián)網(wǎng)等領域?qū)λ俣群蛯崟r性的要求越來越高。

目前，模板匹配方法包括Fast角點檢測、SIFT(Scale-invariant?featuretransform，尺度不變特征轉(zhuǎn)換)匹配、SURF(Speeded?Up?Robust?Features，加速穩(wěn)健特征)匹配等方法。其中，F(xiàn)ast角點檢測，檢測到的角點不是最優(yōu)的，在實際應用中很容易導致模板匹配失敗。SIFT匹配在尺度空間上提取極值點作為顯著的特征點，并在每個特征點的鄰域范圍內(nèi)計算梯度方向直方圖作為該特征點的描述子，然后，模板圖像與待搜索圖像之間通過比較描述子之間的相似性來確定點對的關系，進而得到模板圖像與待搜索圖像之間變換關系，以求解出模板圖像在待搜索圖像上的位置，由于該過程過于復雜，導致匹配速度大幅度降低，即SIFT匹配實時性不高。SURF匹配受限于局部特征點及其描述子的可靠性，在實際應用很容易受噪聲及相似點的影響導致模板匹配失敗，并且，在某些特定角度，可能檢測不到特定點，從而導致模板匹配失敗。此外，即使構建金字塔模型能加快模板匹配速度，但是逐層檢測圖像特征也非常耗時。

綜上所述，在確保模板匹配準確度的前提下，如何提高模板匹配效率是目前亟需解決的問題。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種模板匹配方法、裝置、設備及計算機可讀存儲介質(zhì)，旨在提高模板匹配效率。

為實現(xiàn)上述目的，本發(fā)明提供一種模板匹配方法，所述模板匹配方法包括以下步驟：

獲取模板圖像，并獲取所述模板圖像在特征點處的第一梯度方向；

獲取檢測圖像，并獲取所述檢測圖像在特征點處的第二梯度方向；

基于所述第一梯度方向及所述第二梯度方向，進行相似度計算得到相似度計算結果，以供基于所述相似度計算結果進行模板匹配。

可選地，所述獲取所述模板圖像在特征點處的第一梯度方向的步驟包括：

基于所述模板圖像，構建對應的模板圖像金字塔模型；

獲取所述模板圖像金字塔模型的第一底層圖像，并基于所述第一底層圖像確定對應的第一底層梯度字符串；

基于所述第一底層梯度字符串，確定所述模板圖像金字塔模型在每一層的第一梯度字符串，其中，所述第一梯度字符串表示所述模板圖像在特征點處的梯度方向；

其中，所述獲取所述檢測圖像在特征點處的第二梯度方向的步驟包括：

基于所述檢測圖像，構建對應的檢測圖像金字塔模型；

獲取所述檢測圖像金字塔模型的第二底層圖像，并基于所述第二底層圖像確定對應的第二底層梯度字符串；

基于所述第二底層梯度字符串，確定所述檢測圖像金字塔模型在每一層的第二梯度字符串，其中，所述第二梯度字符串表示所述檢測圖像在特征點處的梯度方向；