1.一種局部視覺特征選擇方法，其特征在于，所述方法包括：
檢測獲取目標圖像中的多個局部視覺特征，并獲得每個局部視覺特征的自有屬性；
獲得部分或全部所述局部視覺特征的深度信息，并通過歸一化方法獲得所述局部視覺特征的深度屬性；
根據(jù)所述每個局部視覺特征的自有屬性，以及部分或全部局部視覺特征的深度屬性，采用預(yù)先建立的局部視覺特征的特征選擇模型獲得所述每個局部視覺特征位于查詢目標中的可能性數(shù)值；
按照所述可能性數(shù)值從高到低的順序選擇預(yù)設(shè)數(shù)量的局部視覺特征作為局部視覺特征子集。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述每個局部視覺特征的自有屬性，以及部分或全部局部視覺特征的深度屬性，采用預(yù)先建立的局部視覺特征的特征選擇模型獲得所述每個局部視覺特征位于所述目標圖像中的可能性數(shù)值之前，所述方法還包括：
根據(jù)局部視覺特征的自有屬性、深度屬性以及所述自有屬性和所述深度屬性間的依賴關(guān)系，對所述自有屬性及所述深度屬性進行分組；
針對每組屬性，訓(xùn)練局部視覺特征在所述屬性上對應(yīng)不同的屬性值時，所述局部視覺特征能夠匹配成功的概率，以建立局部視覺特征的特征選擇模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述針對每組屬性，訓(xùn)練局部視覺特征在所述屬性上對應(yīng)不同的屬性值時，所述局部視覺特征能夠匹配成功的概率，以建立局部視覺特征的特征選擇模型，包括：
收集若干匹配圖像對；
檢測獲取每個圖像的局部視覺特征，并獲得所述局部視覺特征的自有屬性；
獲得部分或全部局部視覺特征的深度信息，并獲得歸一化的深度屬性；
將所有匹配圖像對的局部視覺特征作為訓(xùn)練數(shù)據(jù)集，并對每個匹配圖像對中對應(yīng)的局部視覺特征進行匹配，根據(jù)匹配成功與否將所述局部視覺特征標注為正樣本或者負樣本；
根據(jù)所述訓(xùn)練數(shù)據(jù)集及所述訓(xùn)練數(shù)據(jù)集中局部視覺特征的標注信息，采用監(jiān)督學(xué)習(xí)方法分別對每組屬性進行訓(xùn)練，學(xué)習(xí)所述局部視覺特征在所述屬性上對應(yīng)不同的屬性值時，所述局部視覺特征能夠匹配成功的概率，以獲得局部視覺特征的特征選擇模型。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，獲得全部所述局部視覺特征的深度信息，并通過歸一化方法獲得所述局部視覺特征的深度屬性；
相應(yīng)地，所述根據(jù)所述每個局部視覺特征的自有屬性，以及部分或全部局部視覺特征的深度屬性，采用預(yù)先建立的局部視覺特征的特征選擇模型獲得所述每個局部視覺特征位于查詢目標中的可能性數(shù)值，包括：
根據(jù)所述每個局部視覺特征的自有屬性值以及深度屬性值，采用預(yù)先建立的局部視覺特征的特征選擇模型計算得到所述每個局部視覺特征位于查詢目標中的可能性數(shù)值。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述采用預(yù)先建立的局部視覺特征的特征選擇模型計算得到所述每個局部視覺特征位于查詢目標中的可能性數(shù)值，包括：
采用所述預(yù)先建立的局部視覺特征的特征選擇模型，計算分別對應(yīng)不同屬性組時所述局部視覺特征位于查詢目標的概率；
所述局部視覺特征位于查詢目標中的可能性數(shù)值為不同屬性組對應(yīng)的概率的乘積。
6.根據(jù)權(quán)利要求2所述的方法，其特征在于，獲得部分所述局部視覺特征的深度信息，并通過歸一化方法獲得所述局部視覺特征的深度屬性；
相應(yīng)地，所述根據(jù)所述每個局部視覺特征的自有屬性，以及部分或全部局部視覺特征的深度屬性，采用預(yù)先建立的局部視覺特征的特征選擇模型獲得所述每個局部視覺特征位于查詢目標中的可能性數(shù)值，包括：
對于獲得深度信息的第一局部視覺特征，根據(jù)所述第一局部視覺特征的自有屬性值以及深度屬性值，采用預(yù)先建立的局部視覺特征的特征選擇模型計算得到所述第一局部視覺特征位于查詢目標中的可能性數(shù)值；
對于未獲得深度信息的第二局部視覺特征，根據(jù)所述第二局部視覺特征的自有屬性值，采用預(yù)先建立的局部視覺特征的特征選擇模型計算得到所述第二局部視覺特征位于查詢目標中的可能性數(shù)值。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述采用預(yù)先建立的局部視覺特征的特征選擇模型計算得到所述第二局部視覺特征位于查詢目標中的可能性數(shù)值，包括：
采用所述預(yù)先建立的局部視覺特征的特征選擇模型，計算分別對應(yīng)不同屬性組時所述第二局部視覺特征位于查詢目標的概率；所述屬性組不包括深度屬性的屬性組；
所述第二局部視覺特征位于查詢目標中的可能性數(shù)值為不同屬性組對應(yīng)的概率及正則化參數(shù)的乘積。
8.根據(jù)權(quán)利要求1～7中任一項所述的方法，其特征在于，所述自有屬性包括：尺度、方向、高斯差分的峰值及到圖像中心的距離；
所述深度信息包括：距離攝像機的深度數(shù)值或者視差數(shù)值。
9.一種局部視覺特征的選擇裝置，其特征在于，所述裝置包括：
自有屬性獲取模塊，用于檢測獲取目標圖像中的多個局部視覺特征，并獲得每個局部視覺特征的自有屬性；
深度屬性獲取模塊，用于獲得部分或全部所述局部視覺特征的深度信息，并通過歸一化方法獲得所述局部視覺特征的深度屬性；
可能性數(shù)值計算模塊，用于根據(jù)所述每個局部視覺特征的自有屬性，以及部分或全部局部視覺特征的深度屬性，采用預(yù)先建立的局部視覺特征的特征選擇模型獲得所述每個局部視覺特征位于查詢目標中的可能性數(shù)值；
局部視覺特征選擇模塊，用于按照所述可能性數(shù)值從高到低的順序選擇預(yù)設(shè)數(shù)量的局部視覺特征作為局部視覺特征子集。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括：模型建立模塊，用于：
根據(jù)局部視覺特征的自有屬性、深度屬性以及所述自有屬性和所述深度屬性間的依賴關(guān)系，對所述自有屬性及所述深度屬性進行分組；
針對每組屬性，訓(xùn)練局部視覺特征在所述屬性上對應(yīng)不同的屬性值時，所述局部視覺特征能夠匹配成功的概率，以建立局部視覺特征的特征選擇模型。