[发明专利]特征点检测方法、装置及电子设备

说明书

本发明实施例公开了一种特征点检测方法、装置及电子设备，涉及图像处理技术领域，能够解决现有技术中特征点识别的实时性和准确性问题。本发明实施例的特征点检测方法包括：获取目标图像的深度特征信息；基于所述深度特征信息，将在所述目标图像上提取的快速特征点区分为前景特征点和后景特征点；对所述前景特征点进行强特征检测，得到所述目标图像的强特征点；将所述强特征点作为所述目标图像的目标特征点。此外，本发明实施例还公开了特征点检测装置、电子设备。通过上述方案，能够兼顾特征点识别的实时性和准确性，提高了特征点识别的效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及图像中的特征点检测技术。

背景技术

在对视频中的运动目标进行检测的过程中，运动目标可能出现在画面的任意位置，而用于表示运动目标的各个像素点都有可能出现在运动目标上。由于大量像素点的运动矢量具有一致性，为了减少运动目标像素的计算量，运动矢量相同的区域可以用若干图形表示，该图形的特征点可以用图像角点表示，基于角点技术的目标图像特征点检测是运动目标识别的关键技术。对于应用刷新帧率较高(尤其以游戏应用)的场景中，为了保证视频动作的连贯性，组成帧的每个图像的处理时间很短，因此对于角点检测技术的实时性提出了更高的要求。

发明人在实现本发明的过程中发现，现有技术的Fast角点检测技术由于不必计算全图的水平梯度、垂直梯度，计算效率较高，可以在较短的时间内快速获取大量的角点。但该算法检测角点质量不高，准确性差。除此之外，现有技术中还存在使用Harris角点、ShiTomasi角点来确定目标图像特征点的方案。Harris角点、Shi Tomasi角点均是利用梯度信息，通过计算海瑟矩阵，以及角点响应函数，搜索角点，角点响应越高，则置信度越高。通过非极大值抑制或其他类似方法，搜索强角点。该方法检测角点准确率高，且中间产出海瑟矩阵、梯度信息可以被运动目标检测中的下游算法利用。但是该算法计算梯度的过程中，涉及卷积操作非常耗时，不满足移动设备的实时性要求。此外，现有技术中还存在采用Fast角点与基于梯度特征相结合的方法，通过Fast特征预选待检测角点，之后在Fast角点中基于梯度特征筛选角点。但是此算法依然难以解决时间开销较大的问题。

在对于图像渲染的实时性、快速性、准确性要求较高的图像处理场景中，亟需一种快速、准确的特征点检测技术。

发明内容

有鉴于此，本发明实施例提供一种基于客户端/服务器的特征点检测方法、装置、电子设备、非暂态计算机可读存储介质及计算机程序，至少部分的解决现有技术中存在的问题。

第一方面，本发明实施例提供了一种特征点检测方法，包括：

获取目标图像的深度特征信息；

基于所述深度特征信息，将在所述目标图像上提取的快速特征点区分为前景特征点和后景特征点；

对所述前景特征点进行强特征检测，得到所述目标图像的强特征点；

将所述强特征点作为所述目标图像的目标特征点。

根据本发明实施例的一种具体实现方式，在所述基于所述深度特征信息，将在所述目标图像上提取的快速特征点区分为前景特征点和后景特征点之前，所述方法还包括：

获取需要进行特征点检测的目标图像；

对所述目标图像执行快速特征点提取操作，确定所述目标图像的快速特征点。

根据本发明实施例的一种具体实现方式，所述对所述目标图像执行快速特征点提取操作，确定所述目标图像的快速特征点，包括：

选取所述目标图像中的任一像素点作为中心像素点；

获取以所述中心像素点为原点、半径为r个像素、宽度为1个像素的像素圆环；

判断所述像素圆环上是否存在n个灰度值均大于或小于所述中心像素点的像素；