CN114548218B 图像匹配方法、装置、存储介质和电子装置 （网易(上海)网络有限公司）

标相关系数在第二图像中确定与第一图像相匹2获取所述第一特征和所述第二特征之间的第一目标相关系数，其中关系数用于表示所述第一特征和所述第二特征之间的相基于所述第一目标相关系数在所述第二图像中确定与所述第一图像相匹配的第一目其中，从所述第一图像中提取出第一特征，且从所述第二基于特征提取模型从所述第一图像中提取出第一目标特征图，其中基于所述特征提取模型的特征输出层输出所述第一目标特征图，基于所述特征提取模型从所述第二图像中提取出第二目标基于所述特征提取模型的特征输出层输出所述第二目标特征图，对所述第三目标特征图和所述第四目标特征图进行归一化交确定所述第三目标特征图对应的第一复共轭值和所述第四目标特征图对应的第二复对所述第一复共轭值和所述第二复共轭值二者之间的积进行傅里获取所述第一特征和所述第二特征之间的第一目标相关系数，3基于所述第一目标相关系数在所述第二图像中确定与所述第一图像相匹配的第一目基于目标调整参数对所述最大第一目标相关系将多个所述第一目标相关系数中大于等于调整后的所述最大第一目标相关系数的相基于所述第二目标相关系数在所述第二图像中确定所述第一基于所述第一目标特征图的宽度和高度、所述第二目标特二图像到所述第二目标特征图的缩放比例，将所述第一位置信息转换为所述第二位置信将所述第二位置信息确定为所述第一目标区域的基于所述中心的位置信息确定所述第一目标区域的边界框，以得到所述第一目标区确定所述目标边界框的数量为多个，则基于所述第二图像确定所述第一图像中包括所述第一文本信息，则从所述第一4对所述第一文本信息和所述第二文本信息进确定对所述第一文本信息和所述第二文本信息进行模糊获取所述第一目标区域对应的图像和所述第一图像二者提取单元，用于从所述第一图像中提取出第一特征，且从所述第二图像中确定单元，用于基于所述第一目标相关系数在所述第二图像中确定其中，所述提取单元用于通过以下步骤来从所述第一图像中序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至17中任一项中所述5的相关程度；基于第一目标相关系数在第二图像中确定与第一图像相匹配的第一目标区6目标相关系数对应的第一位置信息；基于第一位置信息在第二图像中确定第二位置信息；7第一目标相关系数在第二图像中确定与第一图像相匹配8员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限[0046]传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括9[0047]输入输出设备108中的输入可以来自多个人体学接口设备(HumanInterface[0048]显示设备110可以例如平视显示器(HUD)、触摸屏式的液晶显示器(LCD)和触摸显互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存征(feature)，该第一特征也可以称为模板图特征(templatefeatures)，可以为特征图关系数用于表示第一特征和第二特征之间的相用于表示第一特征和第二特征之间的相关程度，其可以是基于快速傅里叶变化(Fast模型来从第一图像中提取出第一目标特征图，从而能更好地提取出第一图像中的形状特是对第一图像的尺寸和第二图像的尺寸进行图像尺寸变换(resize)后，以统一大小作为频域中的第三目标特征图和第四目标特征图进行归一化交叉相关处理(Normalizedy应的频域中的第三目标特征图和与第二图像对应的频域中的第四目标特征图进行归一化v)(4)以为C个通道的第一目标特征图，该第一目标特征图可以通过Ft进行表示，其可以为灰度[0094]在该实施例中，可以获取相关系数矩阵中的最大第一目标相关系数，比如，为[0099]在该实施例中，在实现基于第二目标相关系数在第二图像中确定第一目标区域[0100]作为一种可选的实施方式，基于第一位置信息在第二图可以通过下述公式来基于第一目标特征图的宽度和高度、第二目标特征图的宽度和高度、其对应的坐标值(u,v)的数量也可以为多个，由其确定的第一目标区域的中心的位置信息并以排序后的多个边界框的交并比(IoU大)于目标值作为剔除标准，比如，目标值可以为对应的中心点为B，其默认可以满足一机多控时多台设备真实匹配区域的中心点坐标与基该实施例可以默认第一图像的尺寸可以第二图像的尺寸的1/10(尺寸可被调节，但基本不息和第二文本信息进行模糊匹配；确定对第一文本信息和第二文本信息进行模糊匹配成该实施例可以对第一图像进行用文字检测(DBnet)以及文字识别(CRNN)，以推理得到第一在第二图像中确定与第一文本信息相匹配的目标相关系数在第二图像中确定与第一图像相匹配的第一目标人员需要进行退出游戏应用重新选择地图等一系列重置/回退负担。为了避免该假成功问[0133]该实施例以具备尺度自适应特性、与形状偏向性的预训练CNN模型作为特征提取可以在原图像b中找到与给定的模板图像a匹配的小块区域位置c，粗线框即为匹配到的小传统算子为代表，可以进行局部不变特征点数量的匹配，并以随机抽样一致算法(Random案，主流体系结构为用于训练求解相似度函数的网络(Siamese)和三元组抽象数据庞大，无法满足图像匹配的实时推理的要求；上述方法(3)基于有监督学习的图像匹配方化测试中若出现假成功问题会对测试人员造成极大的重置接输出模板图像在原图像中对应的文本边界框[0163]需要说明的是，上述实施例中的基于OCR的文本匹配效果仅为本发明实施例的一[0166]在特征提取部分，可以采用具备形状偏向性的预训练模并以自适应调整特征输出层的方式保证相同的(模板图像与原图像默认模板图像的大小尺寸为原图像尺寸的1/10(尺寸可被调节，但基本不会有剧烈变化)，其可以处于216～256区间内。因此，该实施例在经过自适应特征选择之后可以卷积层为Nx×Ny，原图像可以为f，大小可以为Mx×My，其利用模板图像在原图像上滑窗的方式并以γu,v中的最大值γmax作为最佳匹配[0187]图6是根据本发明其中一实施例的一种互相关系数的确定[0195]在该实施例中，可以将满足条件的输出坐标值[0198]图8是根据本发明其中一实施例的一种模板图像和原图像的边界框的示意图。如与模板图e相对应的所有边界框。由于γu,v的选择存在thr*γmax的限制，其数量可以为多[0200]图9是根据本发明其中一实施例的一种对原图像的边界框进行后处理的示意图。配结果进行进一步地后处理。非极大值抑制(NMS)是目标检测等图像处理领域常用的边界足一机多控时多台设备真实匹配区域中心点坐标与基准点坐标相距不远的前提条件。当A[0203]图11是根据本发明其中一实施例的另一种对多个边界框筛选后的结果的示意[0209]该实施例以具备尺度自适应特性、与形状偏向性的预训练CNN模型作为深度特征[0212]图12是根据本发明其中一实施例的一种图像匹配装置的结[0215]第二获取单元123，用于获取第一特征和第二特征之间的第一目标相关系数，其[0216]确定单元124，用于基于第一目标相关系数在第二图像中确定与第一图像相匹配[0224]S4，基于第一目标相关系数在第二图像中确定与第一图像相匹配的第一目标区器(Read-OnlyMemory，简称为ROM)、随机存取存储器(RandomAccessMemory，简称为[0232]S4，基于第一目标相关系数在第二图像中确定与第一图像相匹配的第一目标区[0239]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术