CN104156715A - 一种终端设备、信息采集方法及装置 - Google Patents
一种终端设备、信息采集方法及装置 Download PDFInfo
- Publication number
- CN104156715A CN104156715A CN201410440234.8A CN201410440234A CN104156715A CN 104156715 A CN104156715 A CN 104156715A CN 201410440234 A CN201410440234 A CN 201410440234A CN 104156715 A CN104156715 A CN 104156715A
- Authority
- CN
- China
- Prior art keywords
- tongue
- image
- terminal device
- fur
- color
- 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
Landscapes
- Image Analysis (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明的实施方式提供了一种终端设备。例如,该终端设备可以包括:摄像头、遮光罩、光源,采集模块,发送模块;其中,摄像头与遮光罩的开口相接合,光源设置在遮光罩内;采集模块,用于当遮光罩的另一开口与采集对象相接合时,利用摄像头采集图像;发送模块,用于向终端设备连接的服务器发送图像,以便服务器对图像进行识别。由于光源在遮光罩内能够提供稳定的光照,防止环境干扰,保证了图像的色彩还原度,且能够精确定位到采集对象,因此,采集得到的图像质量稳定,而且终端设备还将采集得到的图像发送给运算能力更强的服务器进行计算量更大的精确识别,从而得到精度较高的信息。此外,本发明的实施方式提供了一种信息采集方法及装置。
Description
技术领域
本发明的实施方式涉及信息采集领域,更具体地,本发明的实施方式涉及一种终端设备、信息采集方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着信息采集技术的发展以及大数据的普及,通过对采集的图像进行识别获得有效信息的信息采集方式已被广泛应用。
例如,目前已经出现一些利用自带摄像头的智能终端设备例如手机、PAD等对人体如舌体、眼睛等部位进行图像采集并识别的方案,给人们对人体的信息采集带来了极大的方便。
发明内容
但是,这种自带摄像头的终端设备的色彩还原度较差,容易受到环境干扰,影响了采集的信息的准确性。
因此,在现有技术中,如何保证自带摄像头的终端设备的信息采集的准确性是非常令人烦恼的问题。
为此,非常需要一种改进的终端设备,以提高信息采集的准确性。
在本上下文中,本发明的实施方式期望提供一种终端设备、信息采集方法及装置。
在本发明实施方式的第一方面中,提供了一种终端设备,例如,可以包括:摄像头、遮光罩、光源,采集模块,发送模块;其中,所述摄像头与所述遮光罩的开口相接合,所述光源设置在所述遮光罩内;所述采集模块,用于当所述遮光罩的另一开口与采集对象相接合时,利用所述摄像头采集所述采集对象的图像;所述发送模块,用于向与所述终端设备连接的服务器发送所述图像,以便服务器对所述图像进行识别。
在本发明实施方式的第二方面中,提供了一种应用于终端设备的信息采集方法,例如,所述终端设备的摄像头可以与一遮光罩的开口相接合,所述遮光罩内设置有光源,所述遮光罩的另一开口与采集对象相接合,所述方法可以包括:利用所述摄像头采集所述采集对象的图像;向服务器发送所述图像,以便服务器对所述图像进行识别。
在本发明实施方式的第三方面中,提供了一种配置于终端设备的信息采集装置,例如,所述终端设备的摄像头可以与一遮光罩的开口相接合,所述遮光罩内设置有光源,所述遮光罩的另一开口与采集对象相接合,所述装置可以包括:图像采集单元,可以配置用于利用所述摄像头采集所述采集对象的图像;图像发送单元,可以配置用于向服务器发送所述图像,以便服务器对所述图像进行识别。
在本发明实施方式的第四方面中,提供了一种应用于服务器的信息采集方法,例如,该方法可以包括:接收终端设备发送的图像,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩的另一开口与采集对象相接合,所述遮光罩内设置有光源,其中,所述图像具体由所述摄像头采集得到;对接收的图像进行识别。
在本发明实施方式的第五方面中,提供了一种配置于服务器的信息采集装置,例如,该装置可以包括:接收单元,可以配置用于接收终端设备发送的图像,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩的另一开口与采集对象相接合,所述遮光罩内设置有光源,其中,所述图像具体由所述摄像头采集得到;识别单元,可以配置用于对接收的图像进行识别。
根据本发明实施方式的终端设备、信息采集方法和装置,由于终端设备的摄像头与一遮光罩的开口相接合,遮光罩内设置有光源,遮光罩的另一开口与采集对象相接合,因此,光源可以在遮光罩内给采集对象以稳定的光照,避免环境的干扰,保证摄像头采集的图像的色彩还原度,且能够精确定位到采集对象,使得采集得到的图像质量稳定。并且终端设备还将图像发送给服务器,由运算能力更强的服务器对图像进行计算量更大的精确识别,从而能够得到精度较高的信息,为用户带来了更好的体验。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明实施方式的应用场景;
图2示意性地示出了根据本发明一实施方式的终端设备结构示意图;
图3示意性地示出了根据本发明另一实施方式的终端设备结构示意图;
图4示意性地示出了根据本发明实施方式的应用于终端设备的信息采集方法流程示意图;
图5示意性地示出了根据本发明实施方式的配置于终端设备的信息采集装置结构示意图;
图6示意性地示出了根据本发明实施方式的应用于服务器的信息采集方法流程示意图;
图7示意性地示出了根据本发明实施方式的配置于服务器的信息采集装置结构示意图;
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种信息采集方法及装置。
在本文中,需要理解的是,本发明实施例中的术语舌质,是指舌的肌肉脉络组织。舌体,是指图像中舌头所在的区域。舌苔,是指舌背上的一层薄白而润的苔状物。另外,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,可以为终端设备的摄像头设置外接光源与遮光罩,光源可以在遮光罩内给采集对象以稳定的光照,避免环境的干扰,保证摄像头采集的图像的色彩还原度,且能够精确定位到采集对象,使得采集得到的图像质量稳定,而且终端设备还将采集得到的图像发送给服务器,由运算能力更强的服务器对图像进行计算量更大的精确识别,从而能够得到精度较高的信息。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1,如图1所示,本发明实施例可以应用于自带摄像头的便携终端101,利用便携终端101的摄像头采集人体舌头的图像后,由便携终端101将图像发送给服务器,以便服务器对图像进行识别,从而识别得到舌像的相关信息。
示例性设备之一
下面再结合图1的应用场景,参考图2来描述根据本发明示例性实施方式的终端设备。需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
例如,参见图2,为本发明实施例提供的终端设备的结构示意图。如图2所示,终端设备200可以包括:摄像头210、遮光罩220、光源230、采集模块240、发送模块250。其中,所述摄像头210与遮光罩220的开口相接合。所述光源230设置在遮光罩220内。其中,所述采集模块240,用于当所述遮光罩220的另一开口与采集对象相接合时,利用所述摄像头210采集所述采集对象的图像。所述发送模块250,用于向与所述终端设备200连接的服务器发送所述图像,以便服务器对所述图像进行识别。
在本发明实施例一些可能的实施方式中,如图3所示,还可以为终端设备200配置一可独立的凹槽231。凹槽231可以套在终端设备200上有摄像头210的一端。遮光罩220的一端开口可以固定在凹槽231上与摄像头210接合的位置,使得遮光罩220的此端开口与摄像头210相接合。光源230可以设置在该凹槽231上与摄像头210接合的位置,也可以设置在遮光罩220内壁上,光照朝向采集对象。其中,凹槽231上与摄像头210接合的位置可以留有空洞或者为透明材料,以便摄像头210可拍摄到采集对象的图像。如图3所示,终端设备200可以为便携终端设备。
例如,所述摄像头210,可以为手机、PAD等便携终端设备自带的像素较高的后置摄像头。
例如,所述光源230,可以为LED外接光源。在一些可能的实施方式中,可以选取光照度达到1500lux,光源色温在5000~6000K,光源CRI(显色指数)=90,功率在3w左右的LED外接光源。另外,光源230还可以带有可充电平板锂电池,用于为光源提供电能。
例如,所述遮光罩220,可以为两端大小不同的锥形结构,仅有两端开口,其他位置均封闭遮光。其中,较小开口可以与摄像头210接合并固定,较大开口可以与采集对象相接合,确保摄像头精确定位到采集对象。遮光罩220内壁可以为柔光材料,例如深色绒布,以防止产生强烈反光。更具体地,例如,遮罩两端开口的距离可以在10cm左右,拍摄角度可以受锥形结构约束,可以为45度。例如,在上述图1所示的应用场景中,较大开口可以与人体的口唇相接合,从而光源230在遮光罩220内可以给口腔内的舌头以足够的光照,采集到色彩还原度较高、图像质量稳定的舌像。
例如,所述采集模块240,可以用于当所述遮光罩的另一开口与采集对象相接合时,利用所述摄像头,采用自动对焦模式采集所述采集对象的多个图像,通过快速角点检测算法从所述多个图像中取得质量最高的图像作为向服务器发送的图像。
再例如,为了保证发送给服务器的图像的质量,本发明实施例提供的终端设备200还可以包括校正模块260,可以用于针对不同摄像头,分别预先训练得到对应的色彩校正模型,采用所述终端设备的摄像头对应的色彩校正模型对所述图像进行校正。例如,校正模块260,可以用于在采集模块240取得质量最高的图像后,对质量最高的图像进行校正。
又例如,为了与用户进行友好交互,如图2所示,本发明实施例提供的终端设备200还可以包括:提示模块270,用于当用户在图像采集界面点击采集按钮时,发出采集图像的提示音,在采集模块240取得质量最高的图像后,发出完成采集的提示音。采集模块240在距提示模块270发出采集图像的提示音预设时长后,开始采集图像。
可见,本发明实施例提供的终端设备的光源可以在遮光罩内给采集对象以稳定的光照,避免环境的干扰,保证摄像头采集的图像的色彩还原度,且能够精确定位到采集对象,使得采集得到的图像质量稳定,而且终端设备还将采集得到的图像发送给服务器,由运算能力更强的服务器对图像进行计算量更大的精确识别,从而能够得到精度较高的信息。
示例性方法之一
下面再结合图1的应用场景,参考图4来描述根据本发明示例性实施方式的应用于如上述实施例所述终端设备的信息采集方法。需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
例如,参见图4,为本发明实施例提供的应用于如上述实施例所述终端设备的信息采集方法流程图。如图4所示,该方法可以包括:
S410、利用所述终端设备的摄像头采集所述采集对象的图像,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩内设置有光源,所述遮光罩的另一开口与采集对象相接合。
例如,可以利用终端设备的摄像头,采用自动对焦模式采集所述采集对象的多个图像,通过快速角点检测算法从所述多个图像中取得质量最高的图像作为向服务器发送的图像。可以理解的是,采用自动对焦模式采集所述采集对象的多个图像的过程中,摄像头会不断变换焦距,采集到焦距不同的多个图像,从而可以从中取得对采集对象精确对焦的图像。快速角点检测算法可以包括:将采集得到的多个图像可以组成图像序列{P1,P2,...,Pn},根据公式i=argmax(N_Cornersi)计算得到质量最高的图像,其中N_cornersi为第i张图像的角点数量,在此计算出的是角点数量最多的图像。
在本发明实施例一些可能的实施方式中,还可以对采集得到的图像进行校正。具体地,可以针对不同摄像头,分别预先训练得到对应的色彩校正模型,采用所述终端设备的摄像头对应的色彩校正模型对所述图像进行校正。其中,预先训练色彩校正模型可以在CIE Lab空间下完成,包括:利用不同摄像头拍摄大量色卡样本,根据不同摄像头拍摄得到的相应色卡图像,针对每个摄像头形成对应的Lab空间颜色值矩阵X,再根据色卡标准色彩矩阵S,通过最小二乘法求解每个摄像头对应的变换矩阵A。其中,采用所述终端设备的摄像头对应的色彩校正模型对所述图像进行校正可以包括:利用所述终端设备的摄像头对应的变换矩阵A,以及采集得到的图像X,根据S=XAT,求解得到采集得到的图像的标准色彩值。
例如:
S=XAT
AT=(XTX)-1XTS
其中,n为色卡中色块的数量。
S420、向服务器发送所述图像,以便服务器对所述图像进行识别。
例如,结合上述实施方式,可以将校正后的图像发送给服务器。
结合上述图1所示应用场景,服务器可以对采集的图像进行舌体分割,得到舌体图像,并提取舌体图像的舌质颜色特征、舌苔厚度特征以及舌苔颜色特征,将三者组成特征向量输入预先训练得到的指数提取器,得到舌体图像对应的指数。相应地,应用本发明实施例提供的方法的终端设备还可以接收服务器反馈的指数,或接收服务器反馈的从预先建立的知识库中提取出的与指数相匹配的分析结果。在一些可能的实施方式中,本发明实施例提供的终端设备可以为移动设备,从而可以随时随地进行健康状况评估,获取健康建议。
可见,应用本发明实施例提供的方法的终端设备,由于与终端设备接合的遮光罩内的光源可以给采集对象以稳定的光照,遮光罩可以避免环境的干扰,因此,可以保证摄像头采集的图像的色彩还原度,且能够精确定位到采集对象,而且还将采集得到的图像发送给服务器,由运算能力更强的服务器对图像进行计算量更大的精确识别,从而能够得到精度较高的信息。
示例性设备之二
在介绍了本发明示例性实施方式的应用于如上述实施例所述终端设备的信息采集方法之后,接下来,参考图5对本发明示例性实施方式的配置于如上述实施例所述终端设备的信息采集装置进行详细说明。
例如,参见图5,为本发明实施例提供的配置于如上述实施例所述终端设备的信息采集装置的结构示意图。如图5所示,该装置可以包括:图像采集单元510,可以配置用于利用所述摄像头采集所述采集对象的图像。图像发送单元520,可以配置用于向服务器发送所述图像,以便服务器对所述图像进行识别。
在一些可能的实施方式中,所述图像采集单元510,可以配置用于利用终端设备的摄像头,采用自动对焦模式采集所述采集对象的多个图像,通过快速角点检测算法从所述多个图像中取得质量最高的图像作为向服务器发送的图像。
在一些可能的实施方式中,该信息采集装置还可以包括:图像校正单元530,可以配置用于针对不同摄像头,分别预先训练得到对应的色彩校正模型;采用所述终端设备的摄像头对应的色彩校正模型对所述图像进行校正。
在终端设备配置本发明实施例提供的信息采集装置,由于与终端设备接合的遮光罩内的光源可以给采集对象以稳定的光照,遮光罩可以避免环境的干扰,因此,可以保证图像采集单元510采集的图像的色彩还原度,且能够精确定位到采集对象,而且图像发送单元520还将采集得到的图像发送给服务器,由运算能力更强的服务器对图像进行计算量更大的精确识别,从而能够得到精度较高的信息。
需要注意的是,图像校正单元530在图5中用虚线绘制,以表示该单元不是本发明实施例提供的信息采集装置的必要单元。
示例性方法之二
下面再结合图1的应用场景,参考图6来描述根据本发明示例性实施方式的应用于服务器的信息采集方法。
例如,参见图6,为本发明实施例提供的应用于服务器的信息采集方法流程图。如图6所示,该方法可以包括:
S610、接收终端设备发送的图像,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩的另一开口与采集对象相接合,所述遮光罩内设置有光源,其中,所述图像具体由所述摄像头采集得到。
例如,在接收终端设备发送的图像后,可以对所接收的图像进行双边滤波,滤除相关噪声并保留主要的纹理信息。具体地,例如,可以参照如下的滤波模型进行双边滤波:
其中,Wp是正则项,fr是色彩滤波器,gs是空间滤波器,为防止信息过度损失,在此采用非迭代形式的单次滤波模型。
S620、对接收的图像进行识别。
在本发明实施例一些可能的实施方式中,所接收的图像可以为人体中舌头的图像。所识别的图像可以为双边滤波后的图像。识别步骤可以包括:
步骤一:采用卷积神经网络方法预测出图像的多个关键点。
例如,可以设置采用4个卷积层单元、2个隐含层单元的网络结构。其中,每个卷积层单元包含卷积层、非线性层、输出层、pooling层和正则化层。其中,非线性层可以采用relu方法,其计算公式可以为:f(x)=max(0,x)。正则化层可以采用lrn算法,其计算公式可以为:全连接层为传统神经网络层,每个全连接层后可以紧跟一个dropout层,增加训练中的随机性。输出层采用softmax计算函数。关键点个数可以为8个。关键点的位置可以通过预先训练的若干个类,如1024个类进行归类得到。优化过程可以采用交叉熵能量函数,采用反向传播方法进行训练得到用于描述卷积神经网络属性的参数。
步骤二:以所述多个关键点为初始边界,采用snake方法计算优化边界,根据计算出的优化边界对接收的图像进行分割,可以得到舌体图像。
步骤三:将所述舌体图像的每个点的像素值分别输入到预先训练得到的舌质高斯混合模型以及舌苔高斯混合模型,计算出每个点与舌质匹配的概率以及与舌苔匹配的概率。
例如,预先训练舌质高斯混合模型以及舌苔高斯混合模型可以包括:将大量人体舌体样本图像的色彩空间转换至CIE Lab空间,经过人工标定舌质和舌苔像素,训练得到舌质高斯混合模型以及舌苔高斯混合模型。
步骤四:根据所述舌体图像的每个点与舌质匹配的概率以及与舌苔匹配的概率,对所述舌体图像进行舌质和舌苔的分离。
步骤五:对分离了舌质和舌苔的舌体图像进行舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征的提取。
需要说明的是,本发明实施例对如何提取舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征的实施方式不限。下面以一种可能的实施方式进行说明,本发明的保护范围不受该实施方式的限制。
例如,可以计算所述舌体图像中舌质部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌质颜色类别进行归类计算,得到所述舌体图像中舌质部分所属的舌质颜色类别对应的特征;以及,计算所述舌体图像中舌苔部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌苔颜色类别进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔颜色类别对应的特征;以及,计算所述舌体图像中舌苔像素占舌体总像素的比例,将计算出的比例与预先使用累计比数模型做无苔、薄苔以及厚苔分类得到的三类舌苔厚度进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔厚度类别对应的特征。
其中,舌质颜色类别的特征,可以通过以下步骤得到:针对每个舌质颜色类别,将属于该舌质颜色类别的所有舌体样本图像的舌质部分的色彩空间从RGB转成Lab,将L通道和a通道进行提取并组成二维直方图,例如,可以L方向分10段,a方向分10端,这样可以得到10x10=100个区块,对所有舌体图像的舌质部分进行统计,选取出现频率最高的n个区块组成n维的特征向量并进行归一化,得到该舌质颜色类别的特征,例如,n可以取20。例如,可以对不同舌质颜色类别的特征对应标定不同的颜色标签,例如:舌质颜色类别的特征为[0.11,0.03,...,0.12],相应标定颜色标签为红舌;舌质颜色类别的特征为[0.02,0.13,...,0.11],相应标定颜色标签为淡红舌。
其中,对从终端设备接收的图像从取得的舌质部分的二维直方图与若干舌质颜色类别进行归类计算,可以采用KNN算法(最近邻分类算法)使用投票确定与其最相近的舌质颜色类别,进而可以确定从终端设备接收的图像中舌质的颜色。
其中,舌苔颜色类别的特征,可以参照上述舌质颜色类别的特征的计算方式得到。在此不再赘述。
步骤六:将提取出的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征,进行识别分析,得到所述舌体图像的识别结果。
例如,可以预先对大量舌体样本图像的特征向量分为“健康”和“非健康”两类的标定,将所述舌体图像的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征组成特征向量,将组成的特征向量与标定为“健康”和“非健康”两类舌体样本图像的特征向量进行归类计算,进而判断出所述舌体图像属于“健康”或“非健康”中的哪一类,得到舌体图像“健康”或“非健康”的识别结果。
再例如,可以预先对大量舌体样本图像的特征向量进行更细粒度的指数的标定。例如,标定指数可以为百分制的打分。使用SVR算法对大量舌体样本图像的特征向量的标定指数进行拟合,得到指数提取器,将所述舌体图像的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征组成特征向量,将组成的特征向量输入所述指数提取器,得到所述舌体图像对应的指数。
另外,本申请实施例还可以在得到舌体图像对应的指数后,从预先建立的知识库中,提取与所述舌体图像对应的指数相匹配的分析结果,向所述终端设备发送所述分析结果。例如,分析结果可以为健康建议与指导等。
可见,在服务器应用本发明实施例提供的信息采集方法,可以得到终端设备采集得到的质量稳定的图像,进而利用服务器运算量较大的优势,对图像进行高精度的识别,得到精度较高的信息。例如,如上述实施例中对人体舌头的图像进行识别,服务器可以使用卷积神经网络做舌体边缘关键点的预测,在此基础上使用snake算法做进一步优化得到舌体图像,再对舌体图像使用高斯混合模型做舌质和舌苔的分离。并可以预先使用累计比数模型做舌质色彩分类、舌苔色彩分类、舌苔厚度分类,从而根据预先分类得到的舌质颜色类别、舌苔颜色类别、舌苔厚度类别确定所接收图像的舌质颜色特征,舌苔颜色特征,舌苔厚度特征。在得到舌体图像的舌质颜色特征,舌苔颜色特征,舌苔厚度特征后,可以对这些特征进行分析,给定舌体图像对应的的健康状态、健康建议或指导,从而将健康状态、健康建议或指导发送给终端设备,使用户得到精确的健康状态、健康建议或指导。
示例性设备之二
在介绍了本发明示例性实施方式的应用于服务器的信息采集方法之后,接下来,参考图7对本发明示例性实施方式的配置于服务器的信息采集装置进行详细说明。
例如,参见图7,为本发明实施例提供的配置于服务器的信息采集装置的结构示意图。如图7所示,该装置可以包括:接收单元710,可以配置用于接收终端设备发送的图像,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩的另一开口与采集对象相接合,所述遮光罩内设置有光源,其中,所述图像具体由所述摄像头采集得到。识别单元720,可以配置用于对接收的图像进行识别。
在本发明实施例一些可能的实施方式中,所接收的图像可以为人体中舌头的图像。所识别的图像可以为双边滤波后的图像。例如,所述识别单元720可以包括:预测子单元721,可以配置用于采用卷积神经网络方法预测出所述图像的多个关键点。舌体分割子单元722,可以配置用于以所述多个关键点为初始边界,采用snake方法计算优化边界,得到舌体图像。概率计算子单元723,可以配置用于将所述舌体图像的每个点的像素值分别输入到预先训练得到的舌质高斯混合模型以及舌苔高斯混合模型,计算出每个点与舌质匹配的概率以及与舌苔匹配的概率。分离子单元724,可以配置用于根据所述舌体图像的每个点与舌质匹配的概率以及与舌苔匹配的概率,对所述舌体图像进行舌质和舌苔的分离。特征提取子单元725,可以配置用于对分离了舌质和舌苔的舌体图像进行舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征的提取。分析子单元726,可以配置用于将提取出的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征,进行识别分析,得到所述舌体图像的识别结果。
结合上述实施方式,其中,所述特征提取子单元725可以包括:舌质颜色计算子单元725a,配置用于计算所述舌体图像中舌质部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌质颜色类别进行归类计算,得到所述舌体图像中舌质部分所属的舌质颜色类别对应的特征。舌苔颜色计算子单元725b,可以配置用于计算所述舌体图像中舌苔部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌苔颜色类别进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔颜色类别对应的特征。舌苔厚度计算子单元725c,可以配置用于计算所述舌体图像中舌苔像素占舌体总像素的比例,将计算出的比例与预先使用累计比数模型做无苔、薄苔以及厚苔分类得到的三类舌苔厚度进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔厚度类别对应的特征。
结合上述实施方式,其中,所述分析子单元726可以包括:
拟合子单元726a,可以配置用于预先使用SVR算法对大量舌体样本图像的特征向量的标定指数进行拟合,得到指数提取器。特征组合子单元726b,可以配置用于将所述舌体图像的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征组成特征向量。指数获取子单元726c,可以配置用于将所述特征向量输入所述指数提取器,得到所述舌体图像对应的指数。
另外,本申请实施例应用于服务器的信息采集装置还可以包括:知识获取单元726d,可以配置用于从预先建立的知识库中,提取与所述舌体图像对应的指数相匹配的分析结果。反馈单元726e,可以配置用于向所述终端设备发送所述分析结果。
可见,在服务器配置本发明实施例提供的信息采集装置,可以得到终端设备采集得到的质量稳定的图像,进而利用服务器运算量较大的优势,对图像进行高精度的识别,得到精度较高的信息。
需要注意的是,预测子单元721、舌体分割子单元722、概率计算子单元723、分离子单元724、特征提取子单元725、舌质颜色计算子单元725a、舌苔颜色计算子单元725b、舌苔厚度计算子单元725c、分析子单元726、拟合子单元726a、特征组合子单元726b、指数获取子单元726c、知识获取单元726d、以及反馈单元726e在图7中以虚线绘制,以表示这些单元或子单元不是该配置于服务器的信息采集装置的必要单元。
应当注意,尽管在上文详细描述中提及了信息采集装置的若干单元或子单元,但是这种划分仅仅并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (19)
1.一种终端设备,包括:摄像头、遮光罩、光源,采集模块,发送模块;
其中,所述摄像头与所述遮光罩的开口相接合,所述光源设置在所述遮光罩内;所述采集模块,用于当所述遮光罩的另一开口与采集对象相接合时,利用所述摄像头采集所述采集对象的图像;所述发送模块,用于向与所述终端设备连接的服务器发送所述图像,以便服务器对所述图像进行识别。
2.根据权利要求1所述的终端设备,其中,所述采集模块,用于当所述遮光罩的另一开口与采集对象相接合时,利用所述摄像头,采用自动对焦模式采集所述采集对象的多个图像,通过快速角点检测算法从所述多个图像中取得质量最高的图像作为向服务器发送的图像。
3.根据权利要求1所述的终端设备,还包括:校正模块,用于针对不同摄像头,分别预先训练得到对应的色彩校正模型,采用所述终端设备的摄像头对应的色彩校正模型对所述图像进行校正。
4.一种信息采集方法,应用于终端设备,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩内设置有光源,所述遮光罩的另一开口与采集对象相接合,所述方法包括:
利用所述摄像头采集所述采集对象的图像;
向服务器发送所述图像,以便服务器对所述图像进行识别。
5.根据权利要求4所述的方法,其中,所述利用终端设备的摄像头采集所述采集对象的图像包括:
利用终端设备的摄像头,采用自动对焦模式采集所述采集对象的多个图像,通过快速角点检测算法从所述多个图像中取得质量最高的图像作为向服务器发送的图像。
6.根据权利要求4所述的方法,还包括:
针对不同摄像头,分别预先训练得到对应的色彩校正模型;
采用所述终端设备的摄像头对应的色彩校正模型对所述图像进行校正。
7.一种信息采集装置,配置于终端设备,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩内设置有光源,所述遮光罩的另一开口与采集对象相接合,所述装置包括:
图像采集单元,配置用于利用所述摄像头采集所述采集对象的图像;
图像发送单元,配置用于向服务器发送所述图像,以便服务器对所述图像进行识别。
8.根据权利要求7所述的装置,其中,所述图像采集单元,配置用于利用终端设备的摄像头,采用自动对焦模式采集所述采集对象的多个图像,通过快速角点检测算法从所述多个图像中取得质量最高的图像作为向服务器发送的图像。
9.根据权利要求7所述的装置,还包括:
图像校正单元,配置用于针对不同摄像头,分别预先训练得到对应的色彩校正模型;采用所述终端设备的摄像头对应的色彩校正模型对所述图像进行校正。
10.一种信息采集方法,应用于服务器端,包括:
接收终端设备发送的图像,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩的另一开口与采集对象相接合,所述遮光罩内设置有光源,其中,所述图像具体由所述摄像头采集得到;
对接收的图像进行识别。
11.根据权利要求10所述的方法,其中,所述采集对象为舌头;
所述对接收的图像进行识别包括:
采用卷积神经网络方法预测出所述图像的多个关键点;
以所述多个关键点为初始边界,采用snake方法计算优化边界,得到舌体图像;
将所述舌体图像的每个点的像素值分别输入到预先训练得到的舌质高斯混合模型以及舌苔高斯混合模型,计算出每个点与舌质匹配的概率以及与舌苔匹配的概率;
根据所述舌体图像的每个点与舌质匹配的概率以及与舌苔匹配的概率,对所述舌体图像进行舌质和舌苔的分离;
对分离了舌质和舌苔的舌体图像进行舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征的提取;
将提取出的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征,进行识别分析,得到所述舌体图像的识别结果。
12.根据权利要求11所述的方法,其中,所述对分离了舌质和舌苔的舌体图像进行舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征的提取包括:
计算所述舌体图像中舌质部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌质颜色类别进行归类计算,得到所述舌体图像中舌质部分所属的舌质颜色类别对应的特征;
计算所述舌体图像中舌苔部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌苔颜色类别进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔颜色类别对应的特征;
计算所述舌体图像中舌苔像素占舌体总像素的比例,将计算出的比例与预先使用累计比数模型做无苔、薄苔以及厚苔分类得到的三类舌苔厚度进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔厚度类别对应的特征。
13.根据权利要求11所述的方法,其中,所述将提取出的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征,进行识别分析,得到所述舌体图像的识别结果包括:
预先使用SVR算法对大量舌体样本图像的特征向量的标定指数进行拟合,得到指数提取器;
将所述舌体图像的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征组成特征向量;
将所述特征向量输入所述指数提取器,得到所述舌体图像对应的指数。
14.根据权利要求13所述的方法,还包括:
从预先建立的知识库中,提取与所述舌体图像对应的指数相匹配的分析结果;
向所述终端设备发送所述分析结果。
15.一种信息采集装置,配置于服务器端,包括:
接收单元,配置用于接收终端设备发送的图像,其中,所述终端设备的摄像头与一遮光罩的开口相接合,所述遮光罩的另一开口与采集对象相接合,所述遮光罩内设置有光源,其中,所述图像具体由所述摄像头采集得到;
识别单元,配置用于对接收的图像进行识别。
16.根据权利要求15所述的装置,其中,所述采集对象为舌头;
所述识别单元包括:
预测子单元,配置用于采用卷积神经网络方法预测出所述图像的多个关键点;
舌体分割子单元,配置用于以所述多个关键点为初始边界,采用snake方法计算优化边界,得到舌体图像;
概率计算子单元,配置用于将所述舌体图像的每个点的像素值分别输入到预先训练得到的舌质高斯混合模型以及舌苔高斯混合模型,计算出每个点与舌质匹配的概率以及与舌苔匹配的概率;
分离子单元,配置用于根据所述舌体图像的每个点与舌质匹配的概率以及与舌苔匹配的概率,对所述舌体图像进行舌质和舌苔的分离;
特征提取子单元,配置用于对分离了舌质和舌苔的舌体图像进行舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征的提取;
分析子单元,配置用于将提取出的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征,进行识别分析,得到所述舌体图像的识别结果。
17.根据权利要求16所述的装置,其中,所述特征提取子单元包括:
舌质颜色计算子单元,配置用于计算所述舌体图像中舌质部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌质颜色类别进行归类计算,得到所述舌体图像中舌质部分所属的舌质颜色类别对应的特征;
舌苔颜色计算子单元,配置用于计算所述舌体图像中舌苔部分的Lab空间的L和a通道的二维直方图,将计算出的二维直方图与预先使用累计比数模型做色彩分类得到的若干舌苔颜色类别进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔颜色类别对应的特征;
舌苔厚度计算子单元,配置用于计算所述舌体图像中舌苔像素占舌体总像素的比例,将计算出的比例与预先使用累计比数模型做无苔、薄苔以及厚苔分类得到的三类舌苔厚度进行归类计算,得到所述舌体图像中舌苔部分所属的舌苔厚度类别对应的特征。
18.根据权利要求16所述的装置,其中,所述分析子单元包括:
拟合子单元,配置用于预先使用SVR算法对大量舌体样本图像的特征向量的标定指数进行拟合,得到指数提取器;
特征组合子单元,配置用于将所述舌体图像的舌质颜色特征、舌苔厚度特征、以及舌苔颜色特征组成特征向量;
指数获取子单元,配置用于将所述特征向量输入所述指数提取器,得到所述舌体图像对应的指数。
19.根据权利要求18所述的装置,还包括:
知识获取单元,配置用于从预先建立的知识库中,提取与所述舌体图像对应的指数相匹配的分析结果;
反馈单元,配置用于向所述终端设备发送所述分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410440234.8A CN104156715B (zh) | 2014-09-01 | 2014-09-01 | 一种终端设备、信息采集方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410440234.8A CN104156715B (zh) | 2014-09-01 | 2014-09-01 | 一种终端设备、信息采集方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104156715A true CN104156715A (zh) | 2014-11-19 |
CN104156715B CN104156715B (zh) | 2018-08-28 |
Family
ID=51882212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410440234.8A Active CN104156715B (zh) | 2014-09-01 | 2014-09-01 | 一种终端设备、信息采集方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104156715B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105030200A (zh) * | 2015-07-24 | 2015-11-11 | 天津大学 | 一种基于绿色单色光源的中医舌质舌苔分离方法 |
CN105208258A (zh) * | 2015-10-30 | 2015-12-30 | 苏州佳风网络科技有限公司 | 一种聚光监控装置 |
CN105426850A (zh) * | 2015-11-23 | 2016-03-23 | 深圳市商汤科技有限公司 | 一种基于人脸识别的关联信息推送设备及方法 |
CN105550699A (zh) * | 2015-12-08 | 2016-05-04 | 北京工业大学 | 一种基于cnn融合时空显著信息的视频识别分类方法 |
CN106683087A (zh) * | 2016-12-26 | 2017-05-17 | 华南理工大学 | 一种基于深度神经网络的舌苔体质辨别方法 |
CN107230234A (zh) * | 2017-05-08 | 2017-10-03 | 上海工程技术大学 | 一种基于三线结构光的相机平面标定方法 |
CN107454266A (zh) * | 2017-08-28 | 2017-12-08 | 江苏农林职业技术学院 | 基于智能手机的作物营养诊断装置与诊断方法 |
CN107729078A (zh) * | 2017-09-30 | 2018-02-23 | 广东欧珀移动通信有限公司 | 后台应用程序管控方法、装置、存储介质及电子设备 |
WO2018121737A1 (zh) * | 2016-12-30 | 2018-07-05 | 北京市商汤科技开发有限公司 | 关键点预测、网络训练及图像处理方法和装置、电子设备 |
CN108460766A (zh) * | 2018-04-12 | 2018-08-28 | 四川和生视界医药技术开发有限公司 | 一种视网膜图像清晰度评估方法以及评估装置 |
CN109360455A (zh) * | 2018-10-26 | 2019-02-19 | 曹丛秀 | 智能读书装置 |
CN109492650A (zh) * | 2018-10-31 | 2019-03-19 | 广州蚁群信息科技有限公司 | 一种基于神经网络的ivd图像识别判定方法 |
CN109493971A (zh) * | 2019-01-25 | 2019-03-19 | 中电健康云科技有限公司 | 基于舌相识别的脂肪肝预测方法及装置 |
CN109887005A (zh) * | 2019-02-26 | 2019-06-14 | 华北理工大学 | 基于视觉注意机制的tld目标跟踪算法 |
CN110189383A (zh) * | 2019-06-27 | 2019-08-30 | 合肥云诊信息科技有限公司 | 基于机器学习的中医舌色苔色定量分析方法 |
CN110309914A (zh) * | 2019-07-03 | 2019-10-08 | 中山大学 | 基于边缘服务器与移动端设备协同的深度学习模型推理加速方法 |
CN110929740A (zh) * | 2019-11-21 | 2020-03-27 | 中电健康云科技有限公司 | 一种基于lgbm模型的舌质舌苔分离方法 |
CN111239119A (zh) * | 2020-02-25 | 2020-06-05 | 西安交通大学 | 一种基于App的汞离子比色检测系统及方法 |
CN114511567A (zh) * | 2022-04-20 | 2022-05-17 | 天中依脉(天津)智能科技有限公司 | 舌体与舌苔图像识别分离方法 |
CN117499778A (zh) * | 2023-10-30 | 2024-02-02 | 海南榕树家信息科技有限公司 | 人物图像拍摄界面交互方法、装置和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060247502A1 (en) * | 2005-04-28 | 2006-11-02 | Eastman Kodak Company | Method for diagnosing disease from tongue image |
CN101129261A (zh) * | 2007-02-09 | 2008-02-27 | 北京中医药大学 | 一种获取识别脉动信息与舌诊信息的装置及其方法 |
CN101272513A (zh) * | 2008-04-10 | 2008-09-24 | 清华大学 | 一种适用于球面摄像头阵列的摄像头颜色校准方法 |
CN103745217A (zh) * | 2013-12-31 | 2014-04-23 | 北京工业大学 | 基于图像检索的中医舌色苔色自动分析方法 |
CN103735253A (zh) * | 2014-01-17 | 2014-04-23 | 厦门强本科技有限公司 | 一种基于移动终端的中医舌象分析系统及方法 |
-
2014
- 2014-09-01 CN CN201410440234.8A patent/CN104156715B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060247502A1 (en) * | 2005-04-28 | 2006-11-02 | Eastman Kodak Company | Method for diagnosing disease from tongue image |
CN101129261A (zh) * | 2007-02-09 | 2008-02-27 | 北京中医药大学 | 一种获取识别脉动信息与舌诊信息的装置及其方法 |
CN101272513A (zh) * | 2008-04-10 | 2008-09-24 | 清华大学 | 一种适用于球面摄像头阵列的摄像头颜色校准方法 |
CN103745217A (zh) * | 2013-12-31 | 2014-04-23 | 北京工业大学 | 基于图像检索的中医舌色苔色自动分析方法 |
CN103735253A (zh) * | 2014-01-17 | 2014-04-23 | 厦门强本科技有限公司 | 一种基于移动终端的中医舌象分析系统及方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105030200A (zh) * | 2015-07-24 | 2015-11-11 | 天津大学 | 一种基于绿色单色光源的中医舌质舌苔分离方法 |
CN105208258A (zh) * | 2015-10-30 | 2015-12-30 | 苏州佳风网络科技有限公司 | 一种聚光监控装置 |
CN105426850A (zh) * | 2015-11-23 | 2016-03-23 | 深圳市商汤科技有限公司 | 一种基于人脸识别的关联信息推送设备及方法 |
CN105550699B (zh) * | 2015-12-08 | 2019-02-12 | 北京工业大学 | 一种基于cnn融合时空显著信息的视频识别分类方法 |
CN105550699A (zh) * | 2015-12-08 | 2016-05-04 | 北京工业大学 | 一种基于cnn融合时空显著信息的视频识别分类方法 |
CN106683087A (zh) * | 2016-12-26 | 2017-05-17 | 华南理工大学 | 一种基于深度神经网络的舌苔体质辨别方法 |
CN106683087B (zh) * | 2016-12-26 | 2021-03-30 | 华南理工大学 | 一种基于深度神经网络的舌苔体质辨别方法 |
WO2018121737A1 (zh) * | 2016-12-30 | 2018-07-05 | 北京市商汤科技开发有限公司 | 关键点预测、网络训练及图像处理方法和装置、电子设备 |
CN107230234A (zh) * | 2017-05-08 | 2017-10-03 | 上海工程技术大学 | 一种基于三线结构光的相机平面标定方法 |
CN107454266A (zh) * | 2017-08-28 | 2017-12-08 | 江苏农林职业技术学院 | 基于智能手机的作物营养诊断装置与诊断方法 |
CN107729078A (zh) * | 2017-09-30 | 2018-02-23 | 广东欧珀移动通信有限公司 | 后台应用程序管控方法、装置、存储介质及电子设备 |
CN108460766A (zh) * | 2018-04-12 | 2018-08-28 | 四川和生视界医药技术开发有限公司 | 一种视网膜图像清晰度评估方法以及评估装置 |
CN108460766B (zh) * | 2018-04-12 | 2022-02-25 | 四川和生视界医药技术开发有限公司 | 一种视网膜图像清晰度评估方法以及评估装置 |
CN109360455A (zh) * | 2018-10-26 | 2019-02-19 | 曹丛秀 | 智能读书装置 |
CN109492650A (zh) * | 2018-10-31 | 2019-03-19 | 广州蚁群信息科技有限公司 | 一种基于神经网络的ivd图像识别判定方法 |
CN109492650B (zh) * | 2018-10-31 | 2021-07-20 | 广州蚁群信息科技有限公司 | 一种基于神经网络的ivd图像识别判定方法 |
CN109493971A (zh) * | 2019-01-25 | 2019-03-19 | 中电健康云科技有限公司 | 基于舌相识别的脂肪肝预测方法及装置 |
CN109887005A (zh) * | 2019-02-26 | 2019-06-14 | 华北理工大学 | 基于视觉注意机制的tld目标跟踪算法 |
CN109887005B (zh) * | 2019-02-26 | 2023-05-30 | 天津城建大学 | 基于视觉注意机制的tld目标跟踪方法 |
CN110189383A (zh) * | 2019-06-27 | 2019-08-30 | 合肥云诊信息科技有限公司 | 基于机器学习的中医舌色苔色定量分析方法 |
CN110309914A (zh) * | 2019-07-03 | 2019-10-08 | 中山大学 | 基于边缘服务器与移动端设备协同的深度学习模型推理加速方法 |
CN110929740A (zh) * | 2019-11-21 | 2020-03-27 | 中电健康云科技有限公司 | 一种基于lgbm模型的舌质舌苔分离方法 |
CN111239119A (zh) * | 2020-02-25 | 2020-06-05 | 西安交通大学 | 一种基于App的汞离子比色检测系统及方法 |
CN114511567A (zh) * | 2022-04-20 | 2022-05-17 | 天中依脉(天津)智能科技有限公司 | 舌体与舌苔图像识别分离方法 |
CN114511567B (zh) * | 2022-04-20 | 2022-08-05 | 天中依脉(天津)智能科技有限公司 | 舌体与舌苔图像识别分离方法 |
CN117499778A (zh) * | 2023-10-30 | 2024-02-02 | 海南榕树家信息科技有限公司 | 人物图像拍摄界面交互方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104156715B (zh) | 2018-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104156715A (zh) | 一种终端设备、信息采集方法及装置 | |
Liu et al. | SAANet: Siamese action-units attention network for improving dynamic facial expression recognition | |
CN110175549B (zh) | 人脸图像处理方法、装置、设备及存储介质 | |
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
CN110414462A (zh) | 一种无监督的跨域行人重识别方法及系统 | |
CN104182765B (zh) | 一种互联网图像驱动的三维模型最优视图自动选择方法 | |
CN108229369A (zh) | 图像拍摄方法、装置、存储介质及电子设备 | |
CN111046886B (zh) | 号码牌自动识别方法、装置、设备及计算机可读存储介质 | |
CN105701467A (zh) | 一种基于人体形态特征的多人异常行为识别方法 | |
CN111582342A (zh) | 一种图像识别方法、装置、设备以及可读存储介质 | |
CN105976395B (zh) | 一种基于稀疏表示的视频目标跟踪方法 | |
Chandran et al. | Missing child identification system using deep learning and multiclass SVM | |
CN108399221A (zh) | 基于大数据关联分析的室内电气设备分类识别方法与系统 | |
CN104616002A (zh) | 用于年龄段判断的面部识别设备 | |
CN105825228B (zh) | 图像识别方法及装置 | |
CN105989369A (zh) | 基于度量学习的行人再识别方法 | |
CN109446897B (zh) | 基于图像上下文信息的场景识别方法及装置 | |
CN110866469A (zh) | 一种人脸五官识别方法、装置、设备及介质 | |
Liu et al. | Synthesis of spatio-temporal descriptors for dynamic hand gesture recognition using genetic programming | |
CN102542285B (zh) | 基于谱图分析的图像集合的场景分类方法及装置 | |
CN115862055A (zh) | 基于对比学习和对抗训练的行人重识别方法及装置 | |
CN110046669B (zh) | 基于素描图像的半耦合度量鉴别字典学习的行人检索方法 | |
CN106250396B (zh) | 一种图像标签自动生成系统及方法 | |
CN112802027A (zh) | 一种目标对象的分析方法、存储介质及电子装置 | |
Li et al. | Automatic tongue image matting for remote medical diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190620 Address after: 311215 Room 102, 6 Blocks, C District, Qianjiang Century Park, Xiaoshan District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou Yixian Advanced Technology Co., Ltd. Address before: 310052 Room 301, Building No. 599, Changhe Street Network Business Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Hangzhou Langhe Technology Limited |
|
TR01 | Transfer of patent right |