(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210720448.5 (22)申请日 2022.06.24 (65)同一申请的已公布的文献号 申请公布号 CN 114821128 A (43)申请公布日 2022.07.29 (73)专利权人 北京科技大 学 地址 100083 北京市海淀区学院路3 0号 专利权人 北京机电工程研究所 (72)发明人 刘红敏　蔡越峰　王星　樊彬　 曾慧　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波　付忠林 (51)Int.Cl. G06V 10/74(2022.01)G06K 9/62(2022.01) G06V 10/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114022510 A,202 2.02.08 CN 108182 205 A,2018.0 6.19 US 2013089235 A1,2013.04.1 1 审查员 柯志江 (54)发明名称 一种尺度自适应的模板匹配方法 (57)摘要 本发明公开了一种尺度自适应的模板匹配 方法， 包括： 获取不同角度的同一场景的两幅图 像， 在其中一幅中手工框取感兴趣图像块作为模 板图像， 另 一幅作为搜索图像； 将模板图像和搜 索图像输入特征提取网络， 获取对应的特征图 FT 和FIS； 计算归一化后的 FT和FIS各像素之间的相 似性， 获取相似性度量图； 产生自适应多尺度候 选框； 生成均值滤波后的相似性度量图； 在搜索 图像中选 取出候选图像块； 获取任一候选图像块 和模板的特征描述； 计算模板的特征描述符与任 一候选图像块的特征描述符的相似性； 将相似性 最大的特征描述符所对应的候选图像块作为模 板图像最终的匹配结果。 本发明可自适应产生目 标框， 且适用于视角变化较大的立体结构的图像 匹配问题。 权利要求书2页 说明书6页 附图2页 CN 114821128 B 2022.09.09 CN 114821128 B 1.一种尺度自适应的模板匹配方法， 其特 征在于， 包括： 从不同角度拍摄同一场景两幅不同图像并输入计算机， 在其中一幅图像中手工框取感 兴趣图像块， 作为模板图像， 将另一幅图像作为搜索图像； 将所述模板图像和所述搜索图像分别输入到预设的特征提取网络 中， 以获取所述模板 图像对应的特 征图FT以及所述搜索图像对应的特 征图FIS； 对FT和FIS分别进行归一 化操作， 得到归一 化后的FT和FIS； 计算归一 化后的FT和FIS各像素之间的相似性， 获取相似性度量图； 产生自适应多尺度候选 框； 基于所述多尺度候选 框， 指定窗口大小， 生成均值滤波后的相似性度量图； 基于均值滤波后的相似性度量图中最大值所在的位置以及指定窗口大小， 在所述搜索 图像中选取 出候选图像块； 对于任一候选图像块， 将其输入预设的特征描述网络 中， 获取其特征描述符； 并且将所 述模板图像输入所述特 征描述网络中， 获取模板的特 征描述符； 计算模板的特征描述符与任一候选图像块的特征描述符的相似性； 将相似性最大的特 征描述符所对应的候选图像块作为所述模板图像最终的匹配结果； 所述产生自适应多尺度候选框， 包括： 设置一组不同的长宽比 ， 并根据所述模 板图像与所述搜索图像的大小设置不同的尺度 ， 将 和 两者的组 合乘积作为多尺度候选 框的集合M。 2.如权利 要求1所述的尺度自适应的模板匹配方法， 其特征在于， 所述对 FT和FIS分别进 行归一化操作， 包括： 针对待进行归一 化的特征图， 对相应特 征计算出对应的均值   和方差 ； 采取 的方式对待 进行归一 化的特征图进行归一 化操作。 3.如权利要求1所述的尺度自适应的模板匹配方法， 其特征在于， 所述计算归一化后的 FT和FIS各像素之间的相似性， 获取相似性度量图， 包括： 在FT和FIS中逐像素计算各点余弦相似性 ， 计算得到所述模板图像对所述搜索图像 的相似性 及所述搜索图像对所述模板图像的相似性 ： 其中， 为可调节参数， 为FIS中某点对 FT中各个点的相似性， 为FT中某点对 FIS权　利　要　求　书 1/2 页 2 CN 114821128 B 2中各个点的相似性； 表示FT中像素点， 表示FIS中像素点； 从而得到相似性度量图 。 4.如权利要求1所述的尺度自适应的模板匹配方法， 其特征在于， 所述基于所述多尺度 候选框， 指定窗口大小， 生成均值滤波后的相似性度量图， 包括： 指定长度为 ， 宽度为 的窗口， 对于均值滤波后的相似性度量图中的任一像素 ， 其取值大小为 ； 其中， 为均值函数； ， 表示窗口的个 数； x， y分别为待处 理的均值滤波后的相似性度量图中的任一像素的横纵坐标值。 5.如权利要求4所述的尺度自适应的模板匹配方法， 其特征在于， 所述基于均值滤波后 的相似性度量图中最大值所在的位置以及指定窗口大小， 在所述搜索图像中选取出候选图 像块， 包括： 在均值滤波后的相似性度量图中， 记 其最大值所在的位置为 ， 取所述搜索图像 中以 为中心、 长度为 、 宽度为 的图像块为候选图像块； 其中， 分别为均 值滤波后的相似性度量图中最大值所在位置的横纵坐标值。 6.如权利要求1所述的尺度自适应的模板匹配方法， 其特征在于， 所述特征描述网络将 候选图像块映射为预设维度的特征向量作为特征描述符； 计算模板的特征描述符与任一候 选图像块的特 征描述符的相似性时采用余弦度量计算。 7.如权利要求1~6任一项所述的尺度自适应的模板匹配方法， 其特征在于， 所述预设的 特征提取网络为VGG19网络的变体； 进行特征提取时， 将VGG19网络的block1输出y1与 block3的输出y3进行 特征融合： 其中， 表示对两个特征图进行特征 融合， 获得融合后的特征图； 分别 表示模板分支的VGG19网络的block1输出与block3的输出； 分别表示搜索图像 分支的VG G19网络的bl ock1输出与bl ock3的输出。权　利　要　求　书 2/2 页 3 CN 114821128 B 3