[发明专利]一种计算机视觉目标检测算法

权利要求书

1.一种计算机视觉目标检测算法，用于在目标图像中检测目标物体，其特征在于，包含步骤：

S1、对仅含有所述目标物体的源图像和待检测的所述目标图像均做灰度化处理，生成灰度源图像和灰度目标图像；

S2、提取所述灰度源图像的边缘信息，生成边缘源图像；

S3、提取所述灰度目标图像的边缘信息，生成边缘目标图像；

S4、抑制所述边缘目标图像的噪声，生成滤波边缘目标图像；

S5、提取所述边缘源图像和所述滤波边缘目标图像的特征点，并对特征点进行匹配，得到匹配点；

S6、剔除所述边缘源图像和所述滤波边缘目标图像的所述匹配点的误差点，得到准确匹配点及所述目标物体在所述目标图像中的位置。

2.如权利要求1所述的计算机视觉目标检测算法，其特征在于，步骤S2是基于Canny边缘检测算子实现，包含步骤：

S21、基于高斯滤波器平滑处理所述灰度源图像，生成平滑灰度源图像；

S22、基于一阶偏导的有限差分运算计算所述平滑灰度源图像的图像梯度幅值和方向；

S23、基于非极大值抑制算法对所述平滑灰度源图像的图像梯度幅值进行非极大值抑制，对边缘的梯度幅值进行计算，保留局部最大梯度值而抑制其他梯度值，从而去除非边缘点，将多个像素宽的边缘细化为一个像素宽的边缘；

S24、基于双阈值算法和滞后边界跟踪算法，对所述平滑灰度源图像进行图像边缘检测和连接，将所述平滑灰度源图像转换为边缘源图像。

3.如权利要求1所述的计算机视觉目标检测算法，其特征在于，步骤S3是基于Roberts边缘检测算子实现，利用一个2像素×2像素的模板，采用对角线相邻两像素之差近似梯度幅值检测边缘线条，计算公式为：

其中，x、y为像素点坐标值，s(x，y)为未处理前的图像像素，g(x，y)为处理后的图像像素。

4.如权利要求1所述的计算机视觉目标检测算法，其特征在于，步骤S4是基于中值滤波算法实现，计算方法为：将所述边缘目标图像的某一个像素点的灰度值，用该像素点的5像素×5像素邻域中各像素点灰度值的中值代替，使得该像素点的灰度值接近真实值；如此遍历计算边缘目标图像中的每一个像素点，从而消除孤立的噪声点。

5.如权利要求1所述的计算机视觉目标检测算法，其特征在于，步骤S5是基于SURF算法实现，包含步骤：

S51、将所述边缘源图像和所述滤波边缘目标图像分别作为输入图像，构建各自的Hessian矩阵；

S52、将所述边缘源图像和所述滤波边缘目标图像分别作为输入图像，构建各自的尺度空间；

S53、将所述边缘源图像和所述滤波边缘目标图像分别作为输入图像，确定各自的特征点；

S54、将所述边缘源图像和所述滤波边缘目标图像分别作为输入图像，确定各自的特征点主方向；

S55、将所述边缘源图像和所述滤波边缘目标图像分别作为输入图像，生成各自的特征点描述子；

S56、将所述边缘源图像和所述滤波边缘目标图像作为输入图像，通过欧式距离和Hessian矩阵迹的判断来确定两幅图像的匹配点。

6.如权利要求1所述的计算机视觉目标检测算法，其特征在于，步骤S6是基于RANSAC算法实现，包含步骤：

S61、初始化，设运算迭代次数d＝0，运算迭代次数上限k＝0，非误差点的最佳集合为U_best，非误差点的临时集合为U，U_best、U初始值为空；

S62、在所述匹配点中随机选取四组数据，建立数据模型M；

S63、计算所有匹配点与M的投影误差，若误差小于阈值t则将该匹配点加入内点集U；

S64、比较U与U_best内的匹配点数量，如果U比U_best内的匹配点数量多，则更新U_best＝U，并更新迭代次数上限k的值；

S65、比较迭代次数d与迭代次数上限k，

如果d≤k，则迭代次数d＝d+1，返回S61；

否则，跳出迭代；

S66、U_best即为剔除了误差点后的准确匹配点的集合，将U_best内的所述边缘源图像和所述滤波边缘目标图像的准确匹配点对应连线，从而得到所述目标物体在所述滤波边缘目标图像中的位置，进而得到所述目标物体在所述目标图像中的位置。