[发明专利]基于SIFT图像配准技术的人型靶打靶校准识别方法

权利要求书

1.基于SIFT图像配准技术的人型靶打靶校准识别方法，其特征在于：包括有如下步骤：

S1.在靶场设置摄像头；并调整摄像头对正靶纸，摄像头实时获取靶纸图像

S2.通过摄像头识别打靶前一帧的靶纸图片作为模板图片；

S3.利用SIFT特征提取算法计算步骤S2中获取的模板图片的全局特征点，将模板图片的全局特征点存储，后续不再重复提取模板图片；

S4.通过摄像头实时获取打靶后靶纸的一帧的图片作为待识别目标图片；

S5.利用SIFT特征提取算法计算待识别目标图片的特征点；

S6.讲步骤S5得到的待识别目标图片的特征点与S3存储的模板图片的全局特征点进行暴力K近邻匹配，计算多有匹配点对之间的相似度值，选取相似度值小于0.75的特征点对进行单应性矩阵计算；

S7.将步骤S6选取的相似度值小于0.75的特征点对，使用随机抽样RANSAC的鲁棒算法计算识别目标图片的特征点映射到特征点对中对应的模板图片的全局特征点的单应性矩阵，再利用识别目标图片的特征点的单应性矩阵以模板图片为投影进行透视变换，最后得到待识别靶纸目标图片；

S8.将步骤S7得到的待识别靶纸目标图片与S2得到的模板图片做差值即可得到实际弹孔位置和数量。

2.根据权利要求1所述的基于SIFT图像配准技术的人型靶打靶校准识别方法，其特征在于：所述步骤S3中，包括有如下步骤：

S3.1.对于步骤S2中获取到的模板图片，利用计算机视觉处理库OPENCV中的xfeatures2d_SIFT.create函数获取SIFT特征检测器对象；

S3.2.通过SIFT特征检测器调用detectAndCompute函数得到模板图片特征点信息和代表特征点的特征向量，其所述特征点信息包括角度angle，angle表示关键点的方向，为了保证方向不变形，SIFT算法通过对关键点周围领域进行梯度运算，求得该点方向、class_id ，class_id为区分每个特征点的id)、pt特征点的坐标、response相应程度，代表该点作为特征点的强壮程度、size该点直径大小，其所述代表特征点的特征向量即能够把该检测图片表示成以128维的特征向量集合中的点，选取SIFT特征描述子是因为其具有旋转，缩放，平移和光照不变性，能够克服靶场靶纸因外界受力和光照的影响；

S3.3.将所述步骤二中获取的代表模板图片的SIFT特征点信息和特征向量写入到本地文件并加载于内存，后续过程不再重复提取该模板图片的SIFT特征。

3.根据权利要求2所述的基于SIFT图像配准技术的人型靶打靶校准识别方法，其特征在于：所述的步骤S5包括有如下步骤：

S5.1.对于步骤S4中获取的待识别目标图片，利用计算机视觉处理库OPENCV中的xfeatures2d_SIFT.create函数获取SIFT特征检测器对象，调用detectAndCompute函数得到待识别目标图片特征点信息和代表特征点的特征向量；

S5.2.对于步骤S4中获取的待识别目标图片，等比例划分为16块子图分别标记为,经过实验对比发现划分为4*4共16块子图能够保证关键子图上都存在良好的SIFT特征，等比例划分待识别目标图片简单高效，3*3划分待识别目标图片在与模板图片校准过程细节处理不好，因为划分块过大；5*5划分待识别目标图片在与模板图片校准过程中存在较多的无特征块或少特征块；

S5.3.对于S5.1计算得到待识别目标图片特征点信息和代表特征点的特征向量按s5.2划分的子图分配的特征点信息和代表特征点的特征向量，所述分配方式根据特征点信息的.pt属性获取特征点位置坐标，将落入各子图的特征点信息和特征向量分配与。

4.根据权利要求3所述的基于SIFT图像配准技术的人型靶打靶校准识别方法，其特征在于：所述的步骤S6中将每个分块上的特征点与S3存储的模板图片的全局特征点进行暴力K近邻匹配，K值取2，即所述待识别目标图片各分块中特征点选取模板图片特征点中特征最相似的两个特征点，计算方式按照向量之间的欧式距离计算，再判断选中的2个模板图片特征点之间的特征向量距离比值是否小于S6所述的0.75，小于阈值0.75的特征点选取K近邻中最近的1个特征点作为模板图片与待识别目标图片各分块匹配成功的特征点对。