基于特征匹配与三角剖分增长的非平面目标检测与识别

目标检测与识别是计算机视觉领域的基本主题；它在诸多应用中发挥着关键作用，如目标跟踪、工业机器人控制、图像检索等。我们提出一种基于特征匹配的方法，用于检测和识别场景图像中给定模板的畸形出现，通过特征匹配的递增分组来实现。为此，我们将模板特征的 Delaunay 三角剖分作为有用的工具，通过迭代方法引导进行。该三角剖分被视为图形，从单个三角形开始，考虑相邻节点并识别相应特征；然后评估与之相关的匹配，以确定它们是否值得被分组。该评估基于从局部特征的几何和光度属性中推导的局部一致性准则。我们的解决方案允许在几何模型（如单异构）不成立的情况下识别目标，从而启用检测模板非平面或平面但在图像中呈现畸形的对象。我们展示了在畸形几乎不存在的场景中，我们的方法与基于单异构的 RANSAC 方法表现相当，而在变形变得相关时，我们的方法显示出更好的描述性能。