[发明专利]一种图像特征点过滤方法以及终端

权利要求书

1.一种图像特征点过滤方法，其特征在于，该图像特征点过滤方法包括：

为图像中提取的特征点设置质量分值，根据特征点以及特征点的质量分值，训练神经网络模型；其中，在训练过程中，当前帧图像特征点的质量分值基于所述特征点在当前帧中的质量分值以及在各跟踪帧中的质量分值共同确定，所述跟踪帧包括跟踪到的当前帧之后连续预设数目帧；

一次过滤启动后，获取一帧原始图像并提取所述原始图像的特征点；

将所述原始图像以及所述原始图像的特征点输入到神经网络模型中，得到所述原始图像的特征点对应的质量分值并输出所述原始图像的特征点对应的质量分值；

根据所述原始图像的特征点对应的质量分值以及预设过滤规则，过滤所述原始图像的特征点。

2.如权利要求1所述的方法，其特征在于，所述根据特征点以及特征点的质量分值，训练神经网络模型包括：

根据所述图像，所述图像的特征点以及所述图像的特征点对应的质量分值生成样本，并利用生成的样本对所述神经网络模型进行训练，更新所述神经网络模型的质量分值预测值，以供下一次过滤使用。

3.如权利要求2所述的方法，其特征在于，所述为图像中提取的特征点设置质量分值包括：

为图像中提取的特征点的质量分值设置相同的初始值或不同的初始值。

4.如权利要求3所述的方法，其特征在于，所述根据所述图像，所述图像的特征点以及所述图像的特征点对应的质量分值生成样本包括：

根据所述图像以及所述图像的特征点，得到掩码图像；其中所述掩码图像中与所述特征点对应的像素点的值为256，其余像素点的值为0；

根据所述图像，所述图像的特征点以及所述图像的特征点对应的质量分值，得到掩码值图像；其中所述掩码值图像中与所述特征点对应的像素点的值为所述特征点对应的质量分值；

根据所述图像，所述掩码图像以及所述掩码值图像生成样本。

5.如权利要求4所述的方法，其特征在于，所述根据所述图像，所述掩码图像以及所述掩码值图像生成样本包括：

当所述图像与所述图像的下一帧图像之间存在匹配成功的特征点时，对提取自所述图像的特征点进行跟踪；

在跟踪过程中对所述特征点在当前帧中的质量分值以及各跟踪帧中的质量分值进行求和运算，得到和值，将所述掩码值图像中所述特征点对应的质量分值替换为所述和值；

其中，所述各跟踪帧中的质量分值，根据所述特征点在跟踪帧上一帧中的质量分值与一折扣因子的乘积确定，所述折扣因子为大于0且小于1的常数。

6.如权利要求4所述的方法，其特征在于，所述利用生成的样本对所述神经网络模型进行训练包括：

为神经网络模型增加一个用于接收掩码图像的第一输入通道，以及一个用于接收掩码值图像的第二输入通道；

将样本中的所述图像通过所述神经网络模型的输入通道输入到所述神经网络模型中，将所述掩码图像以及所述掩码值图像分别通过所述第一输入通道和所述第二输入通道输入到所述神经网络模型中，基于均方误差损失函数，计算样本中的所述掩码值图像中的质量分值与所述神经网络模型的质量分值预测值之间的误差，根据误差确定所述神经网络模型新的质量分值预测值，实现更新所述神经网络模型的质量分值预测值。

7.如权利要求4所述的方法，其特征在于，所述根据所述图像，所述掩码图像以及所述掩码值图像生成样本包括：

当所述图像与所述图像的下一帧图像之间不存在匹配成功的特征点时，不对提取自所述图像的特征点进行跟踪，直接根据所述图像，所述掩码图像以及所述掩码值图像生成样本。