[发明专利]一种基于ORB算法的图像匹配系统及其匹配方法

说明书

本申请公开了一种基于ORB算法的图像匹配系统及其匹配方法，包括信息采集平台、信息处理平台、信息分析平台和输出平台，信息处理平台与信息采集平台电性连接，信息分析平台与信息处理平台电性连接，输出平台与信息分析平台电性连接。本方案，其信息采集平台可以实时对实景进行捕捉，并实时对捕捉到的图像帧数进行处理，且不需要人员走固定的路线，其信息处理平台可以实景图像进行特征识别，并对其内容进行检测，过滤其中的垃圾信息，且对图像进行处理，使其变得更加清晰，其信息分析平台可以对图像的梯度进行整合，并对其梯度进行计算和对比，将强度精准，其输出平台便于多窗口的接触，进而便于将结论实时导出到不同平台。

技术领域

本申请涉及图像匹配技术领域，具体而言，涉及一种基于ORB算法的图像匹配系统及其匹配方法。

背景技术

当前，图像匹配的方法有很多种，其中应用最广的有SIFT、SURF以及ORB算法等。其中，具有划时代意义的是由Lowe在1999年提出的尺度不变特征变换SIFT算法，并且在2004年得到补充与完善。该算法运用很广，在目标识别、图像拼接、三维重建等领域发挥巨大的作用。SIFT算法所检测到的特征是局部特征，这些特征具有尺度和旋转不变性，这些特征对亮度及噪声都具有很强的鲁棒性，并且在低概率的不匹配情况下也能正确的识别出来，具有很强的可区分性。同时，SIFT算法分为四个步骤来提取特征向量：(1)尺度空间极值检测；(2)特征点定位；(3)方向角度的确定；(4)特征点描述符。为之后提出的提取图像特征方法提供重要的借鉴价值。Bay等人于2006年提出并且在2008年得到完善的加速鲁棒特征SURF算法是一种具有鲁棒性的局部特征检测算法，SURF算法的灵感来自于SIFT算法，该算法一方面在保证正确性的前提下适当的进行了简化和近似，同时多次运用积分图图像的概念，来加快运算速率，该算法除了具有重复性高的检测和可区分性好的特征向量特点外，还具有很强的鲁棒性以及更高的运算速率，综合性能要优于SIFT算法。

FAST(Features from accelerated segment test)算法是一种角点检测算法，它可用于特征点的提取，是由Rosten等人于2006年提出，并在2009年进行了完善，该方法最突出的特点就是计算效率高，如果应用机器学习的方法，该算法还能取得更好的效果。BRIEF(Binary Robust Independent Elementary Features)算法是Calonder等人于2010年提出，该算法是基于二值位字符串的描述符形式，但描述符的创建更简单、更有效，它是一种更快的特征点描述符的创建和匹配方法。

在视觉SLAM技术中应用频繁的ORB(Oriented FAST and Rotated BRIEF)算法是由Rublee等人于2011年提出的，该算法由FAST算法和BRIEF算法合并而成，这两种算法的显著特点就是快，但是不具备旋转不变性，所以ORB算法在FAST算法检测特征点后依据强度质心(Intensity Centroid)这个概念给FAST检测到的特征点赋予方向角度，并且在BRIEF算法中创建的描述符旋转到该方向角度。ORB算法除了完全保留两个算法的快速特点外，还实现了旋转不变性。针对ORB算法误匹配率过高等一系列问题，JiaWang Bian等人于2017年提出GMS(Grid-based Motion Statistics for Fast,Ultra-robust FeatureCorrespondence)算法，通过引入平滑约束的概念，来区分正确匹配对和错误匹配对，其将运动平滑性封装在一个区域内，在区域内有一定数量匹配，从而统计正确匹配概率，通过ORB算法创建描述符，在暴力匹配的基础上，剔除错误的匹配，具有高鲁棒性匹配效果。

现在由于人口基数大，对人口的流动已经很难掌控，现在一些活动场所的人数都要对其实施掌控，防止超标，现有主流活体检测方案分为阻断式(光/波阻断计数)、闸机计数式和红外计数，以上三种方案均有不足；

1、阻断式在人员密集环境计数失准严重且，且常规办公环境下无法判定进出，只是简单的阻断累加。