基于场景驱动的智能手机图像特征点选取方法

摘要

本发明专利公开了一种基于场景驱动的智能手机图像特征点选取方法。主要解决现有技术中没有根据场景复杂度信息来合理输出特征点数目的问题。其实现步骤是：对手机摄像头采集的视频帧进行特征点检测；对每一帧检测到的特征点生成描述矢量，并利用描述矢量进行特征点匹配；分析特征点匹配结果，在特征能够进行正常匹配和不能进行正常匹配的两种情况下，自适应的调整每一帧图像输出的特征点数目，从而实现在复杂或简单场景下都能输出具有稳定质量和数量的特征点。本发明具有运算量小，可根据场景复杂度自适应的输出稳定质量和数量的特征点数目的优点，为建立快速的智能手机特征跟踪系统奠定了重要基础。

主权项

一种基于场景驱动的智能手机图像特征点选取方法，包括如下步骤：(1)从手机摄像头获得移动场景的视频帧；(2)对视频帧的第一帧图像进行灰度化处理并利用快速特征检测算法FAST进行特征点检测，得到第一帧图像所有的特征点位置和总的特征点数目M1；(3)计算第一帧图像的综合纹理特征值Z，定义视频帧图像的复杂度分为“复杂”、“一般”、“简单”三个标准，设定复杂度阈值为6.0；若综合纹理特征值Z＞6.0，则将视频帧图像的复杂度判为“复杂”，若4.0＜Z≤6.0，则将视频帧图像的复杂度判为“一般”，若Z≤4.0，则将视频帧图像的复杂度判为“简单”；(4)由步骤(3)得到的复杂度计算出第一帧图像输出特征点的数目N0：若复杂度为“复杂”时，N0＝M1*0.9，若复杂度为“一般”时，N0＝M1*0.8，若复杂度为“简单”时，N0＝M1*0.7；(5)从M1个特征点中随机选取N0个特征点，并利用加速的鲁棒特征算法SURF对所选的N0个特征点进行描述，计算出第一帧中每一个特征点的描述矢量；(6)读取视频帧的第二帧图像，进行灰度化处理并利用快速特征检测算法FAST，得到第二帧所有特征点的位置和总的特征点数目M2；(7)利用加速的鲁棒特征算法SURF对步骤(6)中得到的特征点进行描述，得出第二帧中每一个特征点的描述矢量；(8)利用加速的鲁棒特征算法SURF对第一帧和第二帧中的特征点进行匹配，得到特征点匹配成功的个数Ns；(9)根据特征点匹配的个数Ns和步骤(4)得到的第一帧特征点个数N0的关系得到第二帧输出的特征点个数：如果Ns/N0≥0.75，则第二帧输出Ns个特征点；如果Ns/N0＜0.75，则第二帧除了输出Ns个特征点外，还要从(M2‑Ns)个特征点中随机选取(0.75*N0‑Ns)个特征点；(10)重复步骤(2)到步骤(9)，直到视频帧读取结束。