买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利基于局部稳定特征点的快速目标检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116129187B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310121964.0，技术领域涉及：G06V10/764；该发明授权基于局部稳定特征点的快速目标检测方法及系统是由彭绍湖;林煜桐;谢翔;林焕然;刘浩怀;唐春明;彭凌西设计研发完成，并于2023-02-15向国家知识产权局提交的专利申请。

本基于局部稳定特征点的快速目标检测方法及系统在说明书摘要公布了：本发明公开了基于局部稳定特征点的快速目标检测方法及系统，属于图像处理和目标定位领域。本发明通过在目标图像中构建网格，根据图像网格内梯度大小划分为高梯度网格和低梯度网格，并在两种网格分别筛选局部稳定特征点，后续将使用这些特征点进行灰度对比来获得代表候选窗口的二进制编码特征和判断窗口内目标的旋转角度。本方法通过使用大间隔的候选窗口来减少检测的计算量，通过预处理对目标图像旋转后提取编码特征训练来实现目标检测算法的旋转不变性。本发明在应对目标旋转情况其检测计速度以及检测结果的窗口绘制都会比现有算法更优。

本发明授权基于局部稳定特征点的快速目标检测方法及系统在权利要求书中公布了：1.一种基于局部稳定特征点的快速目标定位系统，其特征在于，所述系统包括： 候选窗口构建模块，根据目标图像大小计算得到候选窗口大小，并生成预处理使用的逐个像素为移动步长的候选窗口和检测过程中使用的多个像素为间隔的候选窗口； 局部稳定特征点筛选模块，在目标图像上构建网格区域，根据网格内图像梯度情况划分为高梯度区域和低梯度区域，在两个区域内分别筛选固定数量的局部稳定特征点，并且特征点分别存储为基于候选窗口内的相对坐标； 正负样本划分模块，在目标所在图像上使用候选窗口构建模块生成的逐个像素为步长的候选窗口和目标所在窗口进行重叠度计算，根据重叠度大小划分正负样本，并计算所有正样本窗口内图像的方差值大小，统计得到最大和最小的方差值作为后续的方差范围； 后验概率分类训练模块，所述后验概率分类训练模块训练的特征主要分为正样本特征、旋转正样本特征和负样本特征，正样本特征的提取是直接在目标所在图像上使用局部稳定特征点在正样本窗口内图像上进行灰度对比来提取编码特征，旋转正样本特征在灰度对比前会对窗口内图像进行多次旋转操作，每次旋转后会都会进行一次特征提取，负样本特征在提取前会对负样本窗口内图像进行一次方差计算，计算得到的方差不在方差范围的将不进行特征提取，在获得正负样本特征后打乱后依次进行后验概率分类模块的训练； 后验概率分类修正模块，分别在正负样本特征中随机提取一半作为测试集，在后验概率分类模块中使用局部稳定特征点分别进行特征提取，使用负样本测试集中得到的最大后验概率作为模块的阈值，并重复训练正样本训练集直到所有的正样本特征得到的后验概率都能大于阈值； 角度判断准备模块，将局部稳定特征点筛选模块中得到的两对基于候选窗口的局部稳定特征点围绕窗口中心做多次旋转操作，并将每次旋转后的特征点坐标存储起来，目标所在窗口也进行相同的旋转操作并存储； 候选窗口内方差检测模块，对待搜索图像进行积分图和平方积分图的建立，之后计算候选窗口内图像的方差值大小，如果方差值不在目标方差范围内则判断该窗口内无检测目标； 后验概率分类检测模块，对窗口内图像方差值符合方差范围的候选窗口进行基于局部稳定特征点的灰度对比来得到代表窗口的数字编码特征，并在后验概率分类模块中查询该特征对应的后验概率累加值，累加值大于模块阈值的则判断为窗口内存在目标对象； 目标旋转角度判断模块，对于方差在方差范围内和通过后验概率分类模块的候选窗口可判断为窗口内图像在图像对比度和灰度分布两个标准上达到要求，对每个存在目标对象的候选窗口依次使用各个角度的局部稳定特征点和目标图像进行灰度匹配，统计每个角度灰度匹配的特征点数量，数量最多的作为窗口内目标的旋转角度，并以该角度为标准重新修正候选窗口。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。