CN103106387A - 图像识别方法和装置 - Google Patents
图像识别方法和装置 Download PDFInfo
- Publication number
- CN103106387A CN103106387A CN2011103610833A CN201110361083A CN103106387A CN 103106387 A CN103106387 A CN 103106387A CN 2011103610833 A CN2011103610833 A CN 2011103610833A CN 201110361083 A CN201110361083 A CN 201110361083A CN 103106387 A CN103106387 A CN 103106387A
- Authority
- CN
- China
- Prior art keywords
- resolution
- window
- under
- unit
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000000284 extract Substances 0.000 claims description 15
- 238000003909 pattern recognition Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 230000004304 visual acuity Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 10
- 230000003993 interaction Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000004438 eyesight Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种图像识别方法包括如下步骤：利用至少二种分辨率分别将窗口图像剖分为多个细胞单元；提取各个分辨率下细胞单元的梯度方向直方图；分别将同一分辨率下的所有细胞单元的梯度方向直方图结合，得到对应分辨率下窗口图像的梯度方向直方图；根据各个分辨率对应的窗口图像的梯度方向直方图和预设的判定函数，计算得到多个相似度值；根据预设的判定阀值和各个分辨率对应的相似度值，分别判定各个分辨率下窗口图像是否为目标图像；在所有分辨率下均判定窗口图像是目标图像时，最终判定窗口图像是目标图像。本发明还提供一种图像识别装置。上述方法和装置利用多种分辨率下的判定结果共同确定窗口图像是否为目标图像，以实现更高精度的图像识别。
Description
【技术领域】
本发明涉及图像分析领域，特别是涉及一种图像识别方法和装置。
【背景技术】
近年来，随着智能终端设备的普及，寻求一种更自然更简单的人机交互方式已然成为科研和产业领域的热点问题。纵观人机交互技术的发展历史，已逐渐从鼠标、键盘、遥控器等方式发展为视觉、语音、姿态等非接触式的操作方式，而且视觉技术作为其中最为重要的手段。即通过摄像头获取画面，基于图像智能分析技术判断操作者的动作和意图，进而控制机器。但其所面临最大的问题是环境的复杂性和不确定性，使得该技术还未完全成熟。随着3D技术的发展，微软推出了Kinect系统，其通过动态三维重建技术，将人机交互由2D的图像空间拓展到真实的3D空间，3D空间的深度信息有效的解决了2D空间中较为复杂的背景分割问题，使得该技术趋于成熟，并已应用到电视机、游戏机等设备中，用做外置的人机交互设备。
传统技术的不足是：
(1)基于辅助设备的手势人机交互方式：需要用户手持或者穿戴具有明显标记物的手柄或者手套，用于降低视觉检测和识别的难度，但却失去了手势操作本该具有的自然性和便利性；
(2)基于视觉的手势识别操作技术：受限于其算法的稳定性和抗干扰性，当场景较为复杂或者外界光照影响较为严重时，其手势目标检测准确性和跟踪及识别的准确率急剧下降，根源于其机器学习和模式识别算法的有效性和鲁棒性；
(3)基于3D技术的手势体感控制技术：以微软Kinect系统为代表的该技术通过动态三维重构技术实现了对场景的三维实时重建，将视觉检测算法由2D导入3D空间进行，降低了识别的难度，但增加了硬件成本和计算量，而且产品体积较大，很难嵌入到现有的智能终端设备中。
【发明内容】
基于传统技术的各种不足，有必要提供一种识别精度更高的图像识别方法和装置。
一种图像识别方法，包括如下步骤：
步骤S201，获取待检测图像；
步骤S202，通过预设窗口从所述待检测图像上截取得到窗口图像；
步骤S203，利用至少二种分辨率分别将所述窗口图像剖分为多个细胞单元，同一种分辨率下，所述细胞单元的尺寸相同，分辨率越高，所述细胞单元尺寸越小；
步骤S204，提取各个分辨率下所述细胞单元的梯度方向直方图；
步骤S205，分别将同一分辨率下的所有所述细胞单元的所述梯度方向直方图结合，得到对应分辨率下所述窗口图像的梯度方向直方图；
步骤S206，根据各个分辨率对应的所述窗口图像的所述梯度方向直方图和预设的判定函数，计算得到各个分辨率下所述窗口图像和目标图像的相似度值；
步骤S207，根据预设的判定阀值和各个分辨率对应的所述相似度值，分别判定各个分辨率下所述窗口图像是否为所述目标图像；
步骤S208，在所有分辨率下均判定所述窗口图像是所述目标图像时，最终判定所述窗口图像是所述目标图像。
本发明一较佳实施例中，所述步骤S203中所述至少二种分辨率的剖分执行顺序是从低到高的逐个执行，并且是在某一分辨率下所述步骤S207判定所述窗口图像是所述目标图像后，所述步骤S203再进行更高分辨率的剖分；当在某一分辨率下所述步骤S207判定所述窗口图像不是所述目标图像，则所述步骤S203不进行更高分辨率的剖分，此时就最终判定所述窗口图像不是所述目标图像。
本发明一较佳实施例中，在提取所述细胞单元的梯度方向直方图时，一个像素点对与该像素点梯度方向相近的几个角度区间都做投票，所述像素点的梯度方向距离某个角度区间中心的距离越近则投票的权重越大，反之则越小。
本发明一较佳实施例中，当所述像素点的梯度方向距离某个角度区间中心的距离超过预设距离阈值，该像素点不对该区间进行投票。
本发明一较佳实施例中，所述步骤S204中，高分辨率下提取的所述细胞单元的梯度方向直方图的维数大于或等于低分辨率下所述细胞单元的梯度方向直方图的维数。
一种图像识别装置，其包括图像获取单元和截图单元，所述图像获取单元用于获取待检测图像；所述截图单元用于通过预设窗口从所述待检测图像上截取得到窗口图像；所述图像识别装置还包括：
剖分单元，用于利用至少二种分辨率分别将所述窗口图像剖分为多个细胞单元，同一种分辨率下，所述细胞单元的尺寸相同，分辨率越高，所述细胞单元尺寸越小；
提取单元，用于提取各个分辨率下所述细胞单元的梯度方向直方图；
整合单元，用于分别将同一分辨率下的所有所述细胞单元的梯度方向直方图结合，得到对应分辨率下所述窗口图像的梯度方向直方图；
计算单元，用于根据各个分辨率对应的所述窗口图像的梯度方向直方图和预设的判定函数，计算得到各个分辨率下所述窗口图像和目标图像的相似度值；
识别单元，用于根据预设的判定阀值和各个分辨率对应的所述相似度值，分别判定各个分辨率下所述窗口图像是否为所述目标图像；
判定单元，用于在所有分辨率下均判定所述窗口图像是所述目标图像时，最终判定所述窗口图像是所述目标图像。
本发明一较佳实施例中，所述剖分单元用于从低到高的逐个执行所述至少二种分辨率的剖分，并且是在某一分辨率下所述识别单元判定所述窗口图像是所述目标图像后，再进行更高分辨率的剖分；当在某一分辨率下所述识别单元判定所述窗口图像不是所述目标图像，所述剖分单元不进行更高分辨率的剖分，此时所述判定单元用于最终判定所述窗口图像不是所述目标图像。
本发明一较佳实施例中，所述提取单元在所述细胞单元上提取所述梯度方向直方图时，一个像素点对与该像素点梯度方向相近的几个角度区间都做投票，所述像素点的梯度方向距离某个角度区间中心的距离越近则投票的权重越大，反之则越小。
本发明一较佳实施例中，当所述像素点的梯度方向距离某个角度区间中心的距离超过预设距离阈值，该像素点不对该区间进行投票。
本发明一较佳实施例中，所述提取单元在高分辨率下提取的所述细胞单元的梯度方向直方图的维数大于或等于低分辨率下所述细胞单元的梯度方向直方图的维数。
上述图像识别方法和装置，通过多种分辨率剖分窗口图像，利用多种分辨率下的判定结果共同确定窗口图像是否为目标图像，以实现更高精度的图像识别。
【附图说明】
图1为一实施例的图像识别方法的步骤流程图；
图2为一实施例的图像识别装置的功能模块图。
【具体实施方式】
为了解决传统技术图像识别精度不高的问题，提出了一种精确更高的图像识别方法和装置。
在图像识别之前，首先要对目标图像建立模型表示(即挖掘显著性特征)，后续检测中，将滑动得到的窗口图像的特征与模型比对，做出目标/非目标判定，实现目标检测。
本发明是利用梯度方向直方图HOG(Histograms of Oriented Gradients)对图像进行特征描述，在特征空间中生成正类的子集和负类的子集；然后通过分片线性曲面来逼近正类和负类之间的真实分类面，而分片线性分类面是通过级联若干个线性SVM来获得的。
如图1所示，其为本发明一实施例的图像识别方法的步骤流程图，包括如下步骤：
步骤S201，获取待检测图像。
如通过摄像头拍摄画面，然后提取一帧图像。假设目标图像设置的是手掌，那么图像识别即是判断拍摄的画面中是否有手掌图像。
步骤S202，通过预设窗口从所述待检测图像上截取得到窗口图像。
本发明一实施例中，预设窗口的截取方式是采用滑动穷搜的方式实现。为了检测大小不同的目标图像，可以采用固定的预设窗口，通过缩放原始图像大小来获得，又或者通过不同大小的预设窗口滑动获得。
步骤S203，利用至少二种分辨率分别将窗口图像剖分为多个细胞单元，同一种分辨率下，细胞单元的尺寸相同，分辨率越高，细胞单元尺寸越小。
例如：第一种分辨率将窗口图像剖分为3*3＝9个细胞单元；第二种分辨率将窗口图像剖分为6*6＝36个细胞单元；第三种分辨率将窗口图像剖分为9*9＝81个细胞单元。分辨率的数量也不宜太多，过多则会影响图像识别的效率，本发明采用三种分辨率。
步骤S204，提取各个分辨率下细胞单元的梯度方向直方图。
本发明实施中，高分辨率下提取的细胞单元的梯度方向直方图的维数大于或等于低分辨率下细胞单元的梯度方向直方图的维数。
本发明在提取所述细胞单元的梯度方向直方图时，并非一个像素点只对一个角度区间做投票，而是对与该像素点梯度方向相近的几个角度区间都做投票。像素点的梯度方向距离某个角度区间中心的距离越近则投票的权重越大，反之则越小。若距离超过预设距离阈值，则该像素点不对该区间进行投票。实验证明使用该种方法提取的梯度方向直方图具有更好的稳定性。
步骤S205，分别将同一分辨率下的所有细胞单元的梯度方向直方图结合，得到对应分辨率下窗口图像的梯度方向直方图。如此，分辨率越高，窗口图像的梯度方向直方图维度就越高。
步骤S206，根据各个分辨率对应的窗口图像的梯度方向直方图和预设的判定函数，计算得到各个分辨率下窗口图像和目标图像的相似度值。
本发明实施例中，相似度值是通过支持向量机输出的从0到1之间的数值，相似度值越大，代表窗口图像越有可能是目标图像。
步骤S207，根据预设的判定阀值和各个分辨率对应的相似度值，分别判定各个分辨率下窗口图像是否为目标图像。
步骤S208，在所有分辨率下均判定窗口图像是目标图像时，最终判定该窗口图像是目标图像。
本发明采用多种分辨率对窗口图像进行剖分是因为：只用一种分辨率的情况下，若分辨率较低，识别精度不高；若分辨率较高，又有可能丧失目标的整体信息，所以采用多种分辨率，能够使得图像识别结果更准确。
为了提高图像识别效率，本发明一较佳实施例中，所述步骤S203中所述的至少二种分辨率的剖分执行顺序是从低到高的逐个执行，并且是在某一分辨率下所述步骤S207判定窗口图像是目标图像后，所述步骤S203再进行更高分辨率的剖分，当在某一分辨率下所述步骤S207判定窗口图像不是目标图像，则所述步骤S203无需进行更高分辨率的剖分，此时就最终判定窗口图像不是目标图像。这样就可以利用数据处理比较简单的低分辨率快速过滤了非目标图像，缩短识别时间。
如图2所示，其为一实施例的图像识别装置40的功能模块图，包括：图像获取单元400、截图单元402、剖分单元404、提取单元406、整合单元408、计算单元410、识别单元412以及判定单元414。
图像获取单元400用于获取待检测图像。
如通过摄像头拍摄画面，然后提取一帧图像。
截图单元402用于通过预设窗口从所述待检测图像上截取得到窗口图像。
剖分单元404用于利用至少二种分辨率分别将窗口图像剖分为多个细胞单元，同一种分辨率下，细胞单元的尺寸相同，分辨率越高，细胞单元尺寸越小。
提取单元406用于提取各个分辨率下细胞单元的梯度方向直方图。
本发明实施例中，高分辨率下提取的细胞单元的梯度方向直方图的维数大于或等于低分辨率下细胞单元的梯度方向直方图的维数。
本发明提取单元406用于在提取细胞单元的梯度方向直方图时，并非一个像素点只对一个角度区间做投票，而是对与该像素点梯度方向相近的几个角度区间都做投票。该像素点的梯度方向距离某个角度区间中心的距离越近则投票的权重越大，反之则越小。如距离超过预设距离阈值，则该像素点不对该区间进行投票。
整合单元408用于分别将同一分辨率下的所有细胞单元的梯度方向直方图结合，得到对应分辨率下窗口图像的梯度方向直方图。如此，分辨率越高，窗口图像的梯度方向直方图维度就越高。
计算单元410用于根据各个分辨率对应的窗口图像的梯度方向直方图和预设的判定函数，计算得到各个分辨率下窗口图像和目标图像的相似度值。
识别单元412用于根据预设的判定阀值和各个分辨率对应的相似度值，分别判定各个分辨率下窗口图像是否为目标图像。
判定单元414用于在所有分辨率下均判定窗口图像是目标图像时，最终判定该窗口图像是目标图像。
本发明的图像识别装置40的剖分单元404采用多种分辨率对窗口图像进行剖分是因为：只用一种分辨率的情况下，若分辨率较低，识别精度不高；若分辨率较高，又有可能丧失目标的整体信息，所以采用多种分辨率，能够使得图像识别结果更准确。
为了提高图像识别效率，本发明一较佳实施例中，所述剖分单元404用于从低到高的逐个执行所述至少二种分辨率的剖分，并且是在某一分辨率下识别单元412判定窗口图像是目标图像后，再进行更高分辨率的剖分；当在某一分辨率下识别单元412判定窗口图像不是目标图像，剖分单元404则无需进行更高分辨率的剖分，此时判定单元414就最终判定窗口图像不是目标图像。这样就可以利用数据处理比较简单的低分辨率快速过滤了非目标图像，缩短识别时间。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像识别方法，其特征在于，包括如下步骤：
步骤S201，获取待检测图像；
步骤S202，通过预设窗口从所述待检测图像上截取得到窗口图像；
步骤S203，利用至少二种分辨率分别将所述窗口图像剖分为多个细胞单元，同一种分辨率下，所述细胞单元的尺寸相同，分辨率越高，所述细胞单元尺寸越小
步骤S204，提取各个分辨率下所述细胞单元的梯度方向直方图；.
步骤S205，分别将同一分辨率下的所有所述细胞单元的所述梯度方向直方图结合，得到对应分辨率下所述窗口图像的梯度方向直方图；
步骤S206，根据各个分辨率对应的所述窗口图像的所述梯度方向直方图和预设的判定函数，计算得到各个分辨率下所述窗口图像和目标图像的相似度值；
步骤S207，根据预设的判定阀值和各个分辨率对应的所述相似度值，分别判定各个分辨率下所述窗口图像是否为所述目标图像；
步骤S208，在所有分辨率下均判定所述窗口图像是所述目标图像时，最终判定所述窗口图像是所述目标图像。
2.根据权利要求1所述的图像识别方法，其特征在于，所述步骤S203中所述至少二种分辨率的剖分执行顺序是从低到高的逐个执行，并且是在某一分辨率下所述步骤S207判定所述窗口图像是所述目标图像后，所述步骤S203再进行更高分辨率的剖分；当在某一分辨率下所述步骤S207判定所述窗口图像不是所述目标图像，则所述步骤S203不进行更高分辨率的剖分，此时就最终判定所述窗口图像不是所述目标图像。
3.根据权利要求1所述的图像识别方法，其特征在于，在提取所述细胞单元的梯度方向直方图时，一个像素点对与该像素点梯度方向相近的几个角度区间都做投票，所述像素点的梯度方向距离某个角度区间中心的距离越近则投票的权重越大，反之则越小。
4.根据权利要求3所述的图像识别方法，其特征在于，当所述像素点的梯度方向距离某个角度区间中心的距离超过预设距离阈值，该像素点不对该区间进行投票。
5.根据权利要求1所述的图像识别方法，其特征在于，所述步骤S204中，高分辨率下提取的所述细胞单元的梯度方向直方图的维数大于或等于低分辨率下所述细胞单元的梯度方向直方图的维数。
6.一种图像识别装置，其包括图像获取单元和截图单元，所述图像获取单元用于获取待检测图像；所述截图单元用于通过预设窗口从所述待检测图像上截取得到窗口图像；其特征在于，所述图像识别装置还包括：
剖分单元，用于利用至少二种分辨率分别将所述窗口图像剖分为多个细胞单元，同一种分辨率下，所述细胞单元的尺寸相同，分辨率越高，所述细胞单元尺寸越小；
提取单元，用于提取各个分辨率下所述细胞单元的梯度方向直方图；
整合单元，用于分别将同一分辨率下的所有所述细胞单元的梯度方向直方图结合，得到对应分辨率下所述窗口图像的梯度方向直方图；
计算单元，用于根据各个分辨率对应的所述窗口图像的梯度方向直方图和预设的判定函数，计算得到各个分辨率下所述窗口图像和目标图像的相似度值；
识别单元，用于根据预设的判定阀值和各个分辨率对应的所述相似度值，分别判定各个分辨率下所述窗口图像是否为所述目标图像；
判定单元，用于在所有分辨率下均判定所述窗口图像是所述目标图像时，最终判定所述窗口图像是所述目标图像。
7.根据权利要求6所述的图像识别装置，其特征在于，所述剖分单元用于从低到高的逐个执行所述至少二种分辨率的剖分，并且是在某一分辨率下所述识别单元判定所述窗口图像是所述目标图像后，再进行更高分辨率的剖分；当在某一分辨率下所述识别单元判定所述窗口图像不是所述目标图像，所述剖分单元不进行更高分辨率的剖分，此时所述判定单元用于最终判定所述窗口图像不是所述目标图像。
8.根据权利要求6所述的图像识别装置，其特征在于，所述提取单元在所述细胞单元上提取所述梯度方向直方图时，一个像素点对与该像素点梯度方向相近的几个角度区间都做投票，所述像素点的梯度方向距离某个角度区间中心的距离越近则投票的权重越大，反之则越小。
9.根据权利要求8所述的图像识别装置，其特征在于，当所述像素点的梯度方向距离某个角度区间中心的距离超过预设距离阈值，该像素点不对该区间进行投票。
10.根据权利要求6所述的图像识别装置，其特征在于，所述提取单元在高分辨率下提取的所述细胞单元的梯度方向直方图的维数大于或等于低分辨率下所述细胞单元的梯度方向直方图的维数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110361083.3A CN103106387B (zh) | 2011-11-15 | 图像识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110361083.3A CN103106387B (zh) | 2011-11-15 | 图像识别方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103106387A true CN103106387A (zh) | 2013-05-15 |
| CN103106387B CN103106387B (zh) | 2016-12-14 |
Family
ID=
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103530520A (zh) * | 2013-10-16 | 2014-01-22 | 腾讯科技（深圳）有限公司 | 一种数据获取的方法及终端 |
| CN104598900A (zh) * | 2015-02-26 | 2015-05-06 | 张耀 | 一种人体识别方法以及装置 |
| CN104655914A (zh) * | 2015-02-04 | 2015-05-27 | 广州供电局有限公司 | Gis设备干扰信号和局部放电信号的检测方法与装置 |
| CN105308943A (zh) * | 2013-05-30 | 2016-02-03 | 微软技术许可有限责任公司 | 从电子内容储存库中自动隔离和选择截屏 |
| CN106295466A (zh) * | 2015-05-18 | 2017-01-04 | 佳能株式会社 | 图像处理方法和装置 |
| CN106682691A (zh) * | 2016-12-21 | 2017-05-17 | 厦门中控生物识别信息技术有限公司 | 基于图像的目标检测方法及装置 |
| US9764242B2 (en) | 2013-10-16 | 2017-09-19 | Tencent Technology (Shenzhen) Company Limited | Method and system for providing game ranking information |
| CN108388886A (zh) * | 2018-03-16 | 2018-08-10 | 广东欧珀移动通信有限公司 | 图像场景识别的方法、装置、终端和计算机可读存储介质 |
| CN108495185A (zh) * | 2018-03-14 | 2018-09-04 | 北京奇艺世纪科技有限公司 | 一种视频标题生成方法和装置 |
| CN108663957A (zh) * | 2018-04-23 | 2018-10-16 | 靳霞 | 基于图像识别的秋千防触底的控制方法 |
| CN108786119A (zh) * | 2018-04-23 | 2018-11-13 | 靳霞 | 基于图像识别的秋千防触底控制平台 |
| CN109919999A (zh) * | 2019-01-31 | 2019-06-21 | 深兰科技（上海）有限公司 | 一种目标位置检测的方法及装置 |
| CN110189293A (zh) * | 2019-04-15 | 2019-08-30 | 广州锟元方青医疗科技有限公司 | 细胞图像处理方法、装置、存储介质及计算机设备 |
| CN117095339A (zh) * | 2023-10-20 | 2023-11-21 | 江西师范大学 | 一种基于深度学习的rgb视频帧手持物检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630411A (zh) * | 2009-07-02 | 2010-01-20 | 浙江省电力公司 | 基于熵值的面向输电线路部件识别的自动阈值图象分割方法 |
| CN101807256A (zh) * | 2010-03-29 | 2010-08-18 | 天津大学 | 一种基于多分辨率框架的物体识别检测方法 |
| CN102194114A (zh) * | 2011-06-25 | 2011-09-21 | 电子科技大学 | 一种基于边缘梯度方向金字塔直方图的虹膜识别方法 |
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630411A (zh) * | 2009-07-02 | 2010-01-20 | 浙江省电力公司 | 基于熵值的面向输电线路部件识别的自动阈值图象分割方法 |
| CN101807256A (zh) * | 2010-03-29 | 2010-08-18 | 天津大学 | 一种基于多分辨率框架的物体识别检测方法 |
| CN102194114A (zh) * | 2011-06-25 | 2011-09-21 | 电子科技大学 | 一种基于边缘梯度方向金字塔直方图的虹膜识别方法 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105308943A (zh) * | 2013-05-30 | 2016-02-03 | 微软技术许可有限责任公司 | 从电子内容储存库中自动隔离和选择截屏 |
| US10191964B2 (en) | 2013-05-30 | 2019-01-29 | Microsoft Technology Licensing, Llc | Automatic isolation and selection of screenshots from an electronic content repository |
| US10159902B2 (en) | 2013-10-16 | 2018-12-25 | Tencent Technology (Shenzhen) Company Limited | Method and system for providing game ranking information |
| CN103530520A (zh) * | 2013-10-16 | 2014-01-22 | 腾讯科技（深圳）有限公司 | 一种数据获取的方法及终端 |
| US9764242B2 (en) | 2013-10-16 | 2017-09-19 | Tencent Technology (Shenzhen) Company Limited | Method and system for providing game ranking information |
| CN104655914A (zh) * | 2015-02-04 | 2015-05-27 | 广州供电局有限公司 | Gis设备干扰信号和局部放电信号的检测方法与装置 |
| CN104655914B (zh) * | 2015-02-04 | 2017-04-12 | 广州供电局有限公司 | Gis设备干扰信号和局部放电信号的检测方法与装置 |
| CN104598900A (zh) * | 2015-02-26 | 2015-05-06 | 张耀 | 一种人体识别方法以及装置 |
| CN106295466A (zh) * | 2015-05-18 | 2017-01-04 | 佳能株式会社 | 图像处理方法和装置 |
| CN106682691B (zh) * | 2016-12-21 | 2019-08-02 | 厦门中控智慧信息技术有限公司 | 基于图像的目标检测方法及装置 |
| CN106682691A (zh) * | 2016-12-21 | 2017-05-17 | 厦门中控生物识别信息技术有限公司 | 基于图像的目标检测方法及装置 |
| CN108495185A (zh) * | 2018-03-14 | 2018-09-04 | 北京奇艺世纪科技有限公司 | 一种视频标题生成方法和装置 |
| CN108495185B (zh) * | 2018-03-14 | 2021-04-16 | 北京奇艺世纪科技有限公司 | 一种视频标题生成方法和装置 |
| CN108388886A (zh) * | 2018-03-16 | 2018-08-10 | 广东欧珀移动通信有限公司 | 图像场景识别的方法、装置、终端和计算机可读存储介质 |
| CN108663957A (zh) * | 2018-04-23 | 2018-10-16 | 靳霞 | 基于图像识别的秋千防触底的控制方法 |
| CN108786119A (zh) * | 2018-04-23 | 2018-11-13 | 靳霞 | 基于图像识别的秋千防触底控制平台 |
| CN109919999A (zh) * | 2019-01-31 | 2019-06-21 | 深兰科技（上海）有限公司 | 一种目标位置检测的方法及装置 |
| CN110189293A (zh) * | 2019-04-15 | 2019-08-30 | 广州锟元方青医疗科技有限公司 | 细胞图像处理方法、装置、存储介质及计算机设备 |
| CN117095339A (zh) * | 2023-10-20 | 2023-11-21 | 江西师范大学 | 一种基于深度学习的rgb视频帧手持物检测方法 |
| CN117095339B (zh) * | 2023-10-20 | 2024-01-30 | 江西师范大学 | 一种基于深度学习的rgb视频帧手持物检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105528794B (zh) | 基于混合高斯模型与超像素分割的运动目标检测方法 | |
| CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
| CN103310194B (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
| CN103105924B (zh) | 人机交互方法和装置 | |
| CN105512627A (zh) | 一种关键点的定位方法及终端 | |
| CN107610177B (zh) | 一种同步定位与地图构建中确定特征点的方法和设备 | |
| CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
| CN102789578B (zh) | 基于多源目标特征支持的红外遥感图像变化检测方法 | |
| CN101923637B (zh) | 一种移动终端及其人脸检测方法和装置 | |
| CN104933738A (zh) | 一种基于局部结构检测和对比度的视觉显著图生成方法 | |
| CN102509074A (zh) | 一种目标识别方法和设备 | |
| Wang et al. | Segment and label indoor scene based on RGB-D for the visually impaired | |
| CN104680145A (zh) | 一种门的开关状态变化检测方法及装置 | |
| CN103488966A (zh) | 一种能够识别实名制车票信息的智能手机 | |
| CN102968618A (zh) | 一种融合BoF模型和谱聚类算法的静态手势识别方法 | |
| CN110321808B (zh) | 遗留物与盗移物检测方法、设备和存储介质 | |
| CN110348333A (zh) | 物体检测方法、装置、存储介质及电子设备 | |
| Jiang et al. | A dynamic gesture recognition method based on computer vision | |
| Ying et al. | Fingertip detection and tracking using 2D and 3D information | |
| CN103106387A (zh) | 图像识别方法和装置 | |
| Ji et al. | Design of human machine interactive system based on hand gesture recognition | |
| Xu et al. | Crowd density estimation based on improved Harris & OPTICS Algorithm | |
| CN103106387B (zh) | 图像识别方法和装置 | |
| Milevskiy et al. | A fast algorithm for korean text extraction and segmentation from subway signboard images utilizing smartphone sensors | |
| Wu et al. | Efficient visual saliency detection via multi-cues |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20130515 Assignee: Dongguan Meixin Clothing Co.,Ltd. Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Contract record no.: X2023980039817 Denomination of invention: Image recognition methods and devices Granted publication date: 20161214 License type: Common License Record date: 20230816 |
|
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20130515 Assignee: Dongguan Shengtu Education Technology Co.,Ltd. Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Contract record no.: X2023980041642 Denomination of invention: Image recognition methods and devices Granted publication date: 20161214 License type: Common License Record date: 20230912 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20130515 Assignee: Shenzhen Xingfei Software Technology Co.,Ltd. Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Contract record no.: X2023980043566 Denomination of invention: Image recognition methods and devices Granted publication date: 20161214 License type: Common License Record date: 20231016 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20130515 Assignee: SHENZHEN BUTT JOINT PLATFORM TECHNOLOGY DEVELOPMENT CO.,LTD. Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Contract record no.: X2023980044053 Denomination of invention: Image recognition methods and devices Granted publication date: 20161214 License type: Common License Record date: 20231023 |
|
| EE01 | Entry into force of recordation of patent licensing contract |