[发明专利]基于卷积神经网络的目标匹配方法及装置

摘要

本发明涉及机器视觉技术领域，尤其是涉及一种基于卷积神经网络的目标匹配方法及装置。该目标匹配方法包括：获取第一图像和第二图像；计算第一图像中目标区域的池化特征；基于池化特征对第二图像进行遍历匹配，得到对应的匹配分值图；根据匹配分值图确定第二图像中的目标区域，其采用第一图像的池化特征对第二图像进行遍历匹配，匹配的准确度较佳、效率也较高。

主权项

1.基于卷积神经网络的目标匹配方法，其特征在于，包括：获取第一图像和第二图像；计算所述第一图像中目标区域的池化特征；基于所述池化特征对所述第二图像进行遍历匹配，得到对应的匹配分值图；根据所述匹配分值图确定所述第二图像中的目标区域；其中，所述基于所述池化特征对所述第二图像进行遍历匹配，得到对应的匹配分值图，包括：基于预先获取的卷积神经网络CNN提取所述第二图像的第二基础特征层；为所述第二基础特征层分别配置匹配卷积层和模值卷积层；其中，所述匹配卷积层和所述模值卷积层使用的卷积核均为取自所述第一图像的归一化池化特征，所述归一化池化特征是对所述池化特征进行归一化处理得到的；根据所述匹配卷积层的输出和所述模值卷积层的输出之间的比值关系，得出所述第二图像的每个待匹配区域相对于第一图像的目标区域的匹配分值图；其中，为所述第二基础特征层配置匹配卷积层，包括：基于池化层的窗口尺寸和窗口遍历颗粒度为所述第二基础特征层配置待匹配池化层，以根据所述待匹配池化层对第二基础特征层的输出按照所述池化层的窗口尺寸进行池化处理；根据所述归一化池化特征为所述待匹配池化层配置匹配卷积层，以根据所述匹配卷积层对待匹配池化层的输出按照所述归一化池化特征进行卷积处理；其中，所述根据所述归一化池化特征为所述待匹配池化层配置匹配卷积层，包括：根据所述池化层的窗口尺寸和窗口遍历颗粒度之间的差值运算结果对所述归一化池化特征进行加孔处理，得到加孔处理后的归一化池化特征；所述加孔处理为对所述匹配卷积层对应的原卷积核每隔一个像素填充若干个0，以使得填充后的卷积核尺寸与所述第一图像中目标区域尺寸相同；根据所述加孔处理后的归一化池化特征为所述待匹配池化层配置匹配卷积层。