一种台标检测方法

本发明提供一种台标检测方法，所述方法包括：对查询图像进行特征点定位，且对每个特征点提取HOG特征；对查询图像的每个特征点的HOG特征，在特征库中搜索其K个近邻，由每个特征点向对应于该K个近邻的K个投票位置进行投票。所述方法还包括：根据投票位置的得票数，确定所述查询图像中是否存在台标。所述检测方法兼顾效率与准确率，适用于多种应用场合。

1.一种台标检测方法，包括：步骤1)、对查询图像进行特征点定位，且对每个特征点提取HOG特征；步骤2)、对查询图像的每个特征点的HOG特征，在特征库中搜索其K个近邻，由查询图像的每个特征点向对应于该K个近邻的K个投票位置进行投票；其中，所述特征库由台标模板的特征点的SHOG特征构成，所述SHOG特征包括台标模板的特征点的HOG特征和表示该台标模板的特征点与该台标模板中心相对位置的位置信息向量，所述K个投票位置包括查询图像的特征点的坐标与其K个近邻的位置信息向量的差值所表示的点；步骤3)、根据投票位置的得票数，确定所述查询图像中是否存在台标。
2.根据权利要求1所述的方法，其中，步骤3)包括：找到得票数最高的投票位置，如果该投票位置的得票数超过给定阈值，则所述查询图像中存在台标，否则所述查询图像中不存在台标。
3.根据权利要求1或2所述的方法，其中，所述SHOG特征还包括台标信息，表示该SHOG特征属于该台标信息指示的台标。
4.根据权利要求3所述的方法，步骤3)之后还包括：如果所述查询图像中存在台标，则根据所述查询图像中得票数最高的投票位置对应的SHOG特征中的台标信息得到所述查询图像中的台标。
5.根据权利要求3所述的方法，其中，投票位置的得票数由数组表示，数组中的不同元素表示在相同投票位置对应于不同台标信息的得票数。
6.根据权利要求1或2中所述的方法，其中，所述SHOG特征还包括权重信息，表示该SHOG特征对其所属的台标模板的重要性。
7.根据权利要求6所述的方法，其中，SHOG特征中的权重信息为该SHOG特征所属的台标模板的总特征数的倒数。
8.根据权利要求6所述的方法，其中，由查询图像的每个特征点向对应于该K个近邻的K个投票位置进行投票包括：由所述查询图像的每个特征点向对应于K个近邻的K个投票位置进行投票，每票的权重为该投票位置对应的SHOG特征中的权重信息。
9.根据权利要求1或2所述的方法，其中步骤1)之前还包括：提取查询图像的亮度信息并且进行图像裁剪。
10.根据权利要求1或2所述的方法，其中，步骤1)包括：步骤11)、对查询图像的特征点进行定位，其中所述特征点包括角点和边点；步骤12)、在以每个特征点为中心的区域内提取HOG特征。
11.根据权利要求10所述的方法，其中步骤11)包括：步骤111)、根据以下公式计算查询图像的海森矩阵：$M(x,y)=\left[\begin{array}{cc}{I}_x{(x,y)}^2& I_x(x,y)I_y(x,y)\\ I_x(x,y)I_y(x,y)& I_y{(x,y)}^2\end{array}\right],$其中，I_x(x,y)是图像在点(x,y)处x方向上的偏导数，I_y(x,y)是图像在点(x,y)处y方向上的偏导数，I_x(x,y)²是图像在点(x,y)处x方向上的二阶偏导数，I_y(x,y)²是图像在点(x,y)处y方向上的二阶偏导数；步骤112)、根据以下公式计算每个点的Harris角点响应函数：$R=\frac{\det M}{{\left(traceM\right)}^2},$其中，detM表示海森矩阵的模，traceM表示海森矩阵的迹；步骤113)、过滤掉小于第一预定阈值的响应并且进行局部极大值抑制，得到角点；以及过滤掉大于第二预定阈值的响应并且进行局部极小值抑制，得到边点。
12.根据权利要求1或2所述的方法，其中，根据以下步骤建立特征库：步骤a)、获取台标模板；步骤b)、对获取的台标模板进行特征点定位且对每个特征点提取HOG特征，由每个特征点的HOG特征以及表示该特征点与台标模板中心相对位置的位置信息向量构成特征点的SHOG特征；步骤c)、将SHOG特征加入特征库。