[发明专利]一种图像对齐方法以及图像匹配识别方法

权利要求书

1.一种图像对齐方法，其特征在于，所述图像对齐方法包括：

根据深度学习网络分别提取待测试图像和模板图片上的关键点集合；

根据位置关系对位于所述待测试图像上的第一关键点集合和位于所述模板图片上的关第二关键点集合进行匹配，以从所述关键点集合中去除无匹配关键点，其中，所述无匹配关键点为所述第一关键点集合和所述第二关键点集合中位置不能匹配的关键点，所述第一关键点集合和所述第二关键点集合组成所述关键点集合；

根据所述关键点集合中剩余关键点完成所述待测试图像和所述模板图片的对齐操作。

2.如权利要求1所述的图像对齐方法，其特征在于，所述深度学习网络是通过如下方式训练得到的：

将采集图像输入待训练的深度学习网络；

将所述采集图像对应的热力图作为真值图并采用人工标注的图像训练HRNet网络，得到所述采集图像与特征点对应热力图的映射关系。

3.如权利要求2所述的图像对齐方法，其特征在于，所述根据深度学习网络分别提取待测试图像和模板图片上的关键点集合，包括：

将所述待测试图像输入训练完成的HRNet网络，根据所述映射关系确定所述待测试图像上的所述第一关键点集合；

将所述模板图片输入训练完成的HRNet网络，根据所述映射关系确定所述模板图片上的所述第二关键点集合。

4.如权利要求1所述的图像对齐方法，其特征在于，所述根据位置关系对位于所述待测试图像上的第一关键点集合和位于所述模板图片上的关第二关键点集合进行匹配，以从所述关键点集合中去除无匹配关键点，包括：

去除所述第一关键点集合中的至少一个关键点，其中，所述第二关键点集合中不存在与所述至少一个关键点所在位置对应的关键点。

5.如权利要求1所述的图像对齐方法，其特征在于，通过随机一致性采样算法RANSAC随机一致性算法剔除所述无匹配关键点。

6.如权利要求1所述的图像对齐方法，其特征在于，所述根据所述关键点集合中剩余关键点完成所述待测试图像和所述模板图片的对齐操作，包括：

根据所述剩余关键点的对应关系计算所述待测试图像和所述模板图片的单应矩阵，其中，所述单应矩阵用于表征所述待测试图像和所述模板图片之间对应的变换关系；

根据所述单应矩阵将所述待测试图像映射到所述模板图片，从而实现所述待测试图像与所述模板图片的对齐。

7.如权利要求1所述的图像对齐方法，其特征在于，所述深度学习网络包括主网络和多个特征图子网络，其中，所述主网络的分辨率大于所述特征图子网络的分辨率，所述多个特征图子网络逐渐并入所述主网络。

8.一种图像匹配识别方法，其特征在于，所述图像匹配识别方法包括：

根据深度学习网络分别提取待测试图像和模板图片上的关键点；

根据位置关系对位于所述待测试图像上的第一关键点集合和位于所述模板图片上的关第二关键点集合进行匹配，以从所述关键点集合中去除无匹配关键点，其中，所述无匹配关键点为所述第一关键点集合和所述第二关键点集合中位置不能匹配的关键点，所述第一关键点集合和所述第二关键点集合组成所述关键点集合；

根据所述关键点集合中剩余关键点完成所述待测试图像和所述模板图片的对齐操作，得到对齐测试图像；

根据所述对齐测试图像进行图像识别。

9.如权利要求8所述的图像匹配识别方法，其特征在于，所述深度学习网络包括主网络和多个特征图子网络，其中，所述主网络的分辨率大于所述特征图子网络的分辨率，所述多个特征图子网络逐渐并入所述主网络。