[发明专利]基于多模板的单目标检测方法

权利要求书

1.一种基于多模板的单目标检测方法，其特征在于，该方法具体包括以下步骤：

S1：获取同一检测目标各个场景下对应目标的模板图像；

S2：形成和选取多模板图像；

S3：根据实际应用场景，采用图像金字塔处理方法对待检测图像进行图像增强处理；

S4：利用多尺度模板匹配方法对模板图像和待检测图像进行粗匹配运算，得到初步匹配结果；再对模板图像和待检测图像进行旋转匹配，得到细化的匹配结果；最后对细化的匹配结果进行相似度排序，得到准确的匹配结果。

2.根据权利要求1所述的基于多模板的单目标检测方法，其特征在于，步骤S1中，获取模板图像，具体包括：对标准的模板图像进行缩放、旋转或光照增强变换处理，形成能够适应匹配各个场景的模板图像；根据实际待检测图像可能产生的各种情况，提取各类模板图像。

3.根据权利要求2所述的基于多模板的单目标检测方法，其特征在于，步骤S2中，形成和选取多模板图像，具体包括以下步骤：

S21：仔细观察实际待检测目标和标准模板的差距；

S22：对模板图像进行旋转、缩放和裁剪处理；

S23：在不同程度的部分遮挡下形成对应的待检测模板图像；

S24：在不同光照下形成对应的待检测模板图像；

S25：在不同角度下产生变形的待检测模板图像；

S26：形成待检测模板图像列表浮动区域。

4.根据权利要求3所述的基于多模板的单目标检测方法，其特征在于，步骤S24中，当存在有不同光线条件下的模板图像的情况，通过对模板图像灰度值变换处理得到新的模板图像，再与待检测图进行匹配，找出最佳匹配信息。

5.根据权利要求3所述的基于多模板的单目标检测方法，其特征在于，步骤S25中，当存在有不同角度的旋转模板图像的情况，通过对模板图像旋转处理得到新的模板图像，再与待检测图进行匹配，找出最佳匹配信息。

6.根据权利要求1所述的基于多模板的单目标检测方法，其特征在于，步骤S3中，当拍摄的图像存在因光照导致图像不清晰的情况，利用MSR算法对图像进行暗光增强处理。

7.根据权利要求1所述的基于多模板的单目标检测方法，其特征在于，步骤S3中，所述图像金字塔处理方法具体包括：采用拉普拉斯金字塔作为分层搜索策略提高待检测目标内包含的信息量，再进行模板匹配。

8.根据权利要求1所述的基于多模板的单目标检测方法，其特征在于，步骤S4中，将标准工件或数模图像作为模板图像，与增强后的待检测图像进行多尺度模板匹配对比，对于其中由拍摄角度或其他原因造成的误差，通过调节匹配置信度来改善，判断工件是否满足预先的设计需求；

其中，多尺度模板匹配是根据原始模板图像预先产生一系列不同尺度的模板，检测的时候，分别用产生的各个尺度的模板遍历图像，得到更适合相关系数更大的检测结果；

多尺度模板匹配的检测流程为：

(1)对待检测图像进行迭代处理，在每次迭代中，图像都会被调整大小并计算Canny边缘图；

(2)应用模板匹配，找到相关系数最大的图像的边界框坐标；

(3)计算得到模板匹配得到的最大的区域的坐标，然后绘制边界框。

9.根据权利要求8所述的基于多模板的单目标检测方法，其特征在于，步骤S4中，调节匹配置信度，具体包括以下步骤：

(1)根据区域上对应实际场景可能产生变化的概率形成相应的模板匹配置信度；

(2)根据模板置信度的不同，在待检测图像上搜索与模板列表中各个模板最相似的区域；

(3)通过计算各个模板在匹配区域在待检测图像上位置的坐标偏移，计算得到整体区域内待检测目标的坐标信息。

10.根据权利要求8所述的基于多模板的单目标检测方法，其特征在于，步骤S4中，在使用了不同置信度系数后，利用NMS算法去冗余，并且搜索出局部极大值的目标实现找到最优的结果；

在经过NMS去冗余后，得到实际各个待检测模板的坐标信息及对应位置；并根据各个位置上实际采用的模板情况，对模板区域进行划分。