特征提取模型的训练方法、图像特征的提取方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109961103A(43)申请公布日2019.07.02(21)申请号201910263954.4(22)申请日2019.04.02(71)申请人北京迈格威科技有限公司地址100000北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人张盛兴王金戈刘骁(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人曹桓(51)Int.Cl.G06K9/62(2006.01)权利要求书3页说明书13页附图3页(54)发明名称特征提取模型的训练方法、图像特征的提取方法及装置(57)摘要本发明提供了一种特征提取模型的训练方法、图像特征的提取方法及装置，该方法包括：获取训练图像集，并提取训练图像集的关键点，得到第一关键点集合；根据第一关键点集合将训练图像集划分为多个子图像集，并确定各子图像集对应的第二关键点集合；同一子图像集中的训练图像之间的关键点匹配；获取预设的二维平面内的点对集合；其中，点对集合包括至少一个点对；基于第一关键点集合和各子图像集对应的第二关键点集合，从点对集合中选取出预设数量的目标点对；将选取的目标点对确定为特征提取模型的参数，完成特征提取模型的训练。本发明可以使训练得到的特征提取模型较好地平衡计算量和准确性，在较低计算量的前提下也可保证特征提取的准确性。CN109961103ACN109961103A权利要求书1/3页1.一种特征提取模型的训练方法，其特征在于，包括：获取训练图像集，并提取所述训练图像集的关键点，得到第一关键点集合；根据所述第一关键点集合将所述训练图像集划分为多个子图像集，并确定各所述子图像集对应的第二关键点集合；同一子图像集中的训练图像之间的关键点匹配；获取预设的二维平面内的点对集合；其中，所述点对集合包括至少一个点对；基于所述第一关键点集合和各所述子图像集对应的第二关键点集合，从所述点对集合中选取出预设数量的目标点对；将选取的所述目标点对确定为所述特征提取模型的参数，完成所述特征提取模型的训练。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一关键点集合将所述训练图像集划分为多个子图像集的步骤，包括：通过极线搜索算法确定所述第一关键点集合中各关键点之间的匹配关系；基于所述匹配关系将所述训练图像集划分为多个子图像集。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一关键点集合和各所述子图像集对应的第二关键点集合，从所述点对集合中选取出预设数量的目标点对的步骤，包括：计算所述点对集合中的每个点对相对于所述第一关键点集合的第一信息量；其中，所述第一信息量与所述第一关键点集合中的关键点的坐标和所述点对集合中的点对的坐标相关；计算所述点对集合中的每个点对相对于各所述子图像集对应的第二关键点集合的子信息量，并将各所述子信息量的和值作为所述点对相对于所述子图像集的第二信息量；其中，所述子信息量与所述第二关键点集合中的关键点的坐标和所述点对集合中的点对的坐标相关；计算每个所述点对的所述第一信息量和所述第二信息量的加权值；根据每个所述点对的所述第一信息量、所述第二信息量和所述加权值，从所述点对集合中选取出预设数量的目标点对。4.根据权利要求3所述的方法，其特征在于，所述计算所述点对集合中的每个点对相对于所述第一关键点集合的第一信息量的步骤，包括：基于第一关键点集合中的关键点的坐标和所述点对集合中的点对的坐标，计算所述点对集合中的每个点对中的一个点相对于所述第一关键点集合中的各关键点的第一灰度值，以及每个所述点对中的另一个点相对于所述第一关键点集合中的各关键点的第二灰度值；比较所述点对相对于所述关键点的第一灰度值和所述第二灰度值的大小，如果所述第一灰度值大于或等于所述第二灰度值，确定所述点对相对于所述关键点的标识符为第一标识符；如果所述第一灰度值小于所述第二灰度值，确定所述点对相对于所述关键点的标识符为第二标识符；基于标识符确定结果，生成所述点对的第一描述子；其中，所述第一描述子为所述点对相对于所述第一关键点集合中的各个所述关键点的标识符组成的标识符序列；统计所述第二标识符在所述第一描述子中出现的第一频率，基于所述第一频率得到所述点对相对于所述第一关键点集合的第一信息量。2CN109961103A权利要求书2/3页5.根据权利要求4所述的方法，其特征在于，所述基于所述第一频率得到所述点对相对于所述第一关键点集合的第一信息量的步骤，包括：按照以下公式，计算所述点对相对于所述第一关键点集合的第一信息量：d＝|v-0.5|其中，d为所述点对相对于所述第一关键点集合的第一信息量，v为所述第二标识符在所述第一描述子中出现的第一频率。6.根据权利要求4所述的方法，其特征在于，所述计算所述点对集合中的每