[发明专利]一种模板匹配方法、装置、存储介质及设备

说明书

本申请实施例属于图像处理技术领域，提供一种模板匹配方法、装置、存储介质及设备，该方法中，基于边缘和梯度信息作为检索图片和模板图片的特征，并且采用先粗略检索再精细化匹配的策略，其中，通过目标步长将检索图片分割成子图片后，针对每个子图片获取与模板图片的边缘点的归一化后的坐标信息相对应的特征点，计算子图片与模板图片之间的相似度，进而遍历相似度大于预设阈值的子图片中的所有像素，确定目标中心位置。这样，有效降低了计算量，并且在应对检测目标被遮挡时依然有效。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种模板匹配方法、装置、存储介质及设备。

背景技术

模板匹配是在一幅图像中寻找与模板图像最相似部分的技术，其在机器视觉、目标追踪、物体识别、游戏图像处理等诸多领域中有着重要的应用。目前，相关技术中普遍采用NCC（Normalized Cross Correlation，归一化互相关系数）来实现模板匹配，主要利用相关系数公式计算目标图和模板图之间的相关系数，得到相关系数矩阵，通过对相关系数矩阵的分析，判断两幅图像是否相关。然而，这一方式需要计算模板图中所有像素与目标图之间的相关性，计算量很大，而且在检测目标被遮挡时容易失效。

发明内容

本申请实施例的目的在于提供一种模板匹配方法、装置、存储介质及设备，旨在解决相关技术中的模板匹配方案存在的计算量大、在检测目标被遮挡时容易失效的问题。

第一方面，本申请实施例提供的一种模板匹配方法，包括：

将模板图片的边缘点确定为关键点，获取所述关键点的梯度特征信息以及归一化后的坐标信息，并获取检索图片的梯度特征信息；

通过目标步长将所述检索图片分割成至少一个子图片后，针对每个子图片，获取所述子图片中与所述关键点的坐标信息相对应的特征点，基于所述特征点的梯度特征信息和所述关键点的梯度特征信息，计算所述子图片与所述模板图片之间的相似度；

遍历相似度大于预设阈值的子图片中的所有像素，确定目标中心位置。

在上述实现过程中，基于边缘和梯度信息作为检索图片和模板图片的特征，并且采用先粗略检索再精细化匹配的策略，其中，通过目标步长将检索图片分割成子图片后，针对每个子图片获取与模板图片的边缘点的归一化后的坐标信息相对应的特征点，计算子图片与模板图片之间的相似度，进而遍历相似度大于预设阈值的子图片中的所有像素，确定目标中心位置。这样，有效降低了计算量，并且在应对检测目标被遮挡时依然有效。

进一步地，在一些实施例中，所述模板图片的边缘点基于Canny算法检测得到，所述Canny算法的最大阈值使用最大类间方差法计算得到，最小阈值为所述最大阈值的二分之一。

在上述实现过程中，基于Canny算法检测模板图片的边缘点，其中，Canny算法的最大阈值和最小阈值这两个关键参数使用自适应的算法计算得到，从而获得精确有效的边缘检测效果。

进一步地，在一些实施例中，所述获取所述关键点的梯度特征信息以及归一化后的坐标信息，并获取检索图片的梯度特征信息之前，包括：

使用中值滤波对所述模板图片和所述检索图片进行处理。

在上述实现过程中，先使用中值滤波对模板图片和检索图片进行预处理，有效地减少图片噪声的影响。

进一步地，在一些实施例中，所述目标步长基于所述检索图片的最长边除以512的比值而确定。

在上述实现过程中，通过自适应地计算目标步长，在满足模板匹配的精度需求的同时，最大程度地减少计算量。

进一步地，在一些实施例中，所述梯度特征信息包括第一方向的梯度特征信息和第二方向的梯度特征信息；所述获取所述子图片中与所述关键点的坐标信息相对应的特征点，基于所述特征点的梯度特征信息和所述关键点的梯度特征信息，计算所述子图片与所述模板图片之间的相似度，包括：

获取所述子图片的中心点的坐标；