CN104331697B - 一种感兴趣区域的定位方法 - Google Patents

一种感兴趣区域的定位方法 Download PDF

Info

Publication number
CN104331697B
CN104331697B CN201410655560.0A CN201410655560A CN104331697B CN 104331697 B CN104331697 B CN 104331697B CN 201410655560 A CN201410655560 A CN 201410655560A CN 104331697 B CN104331697 B CN 104331697B
Authority
CN
China
Prior art keywords
marker
marks
marker marks
image
interest
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.)
Expired - Fee Related
Application number
CN201410655560.0A
Other languages
English (en)
Other versions
CN104331697A (zh
Inventor
姜威
于向阳
李振宇
朱秀娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201410655560.0A priority Critical patent/CN104331697B/zh
Publication of CN104331697A publication Critical patent/CN104331697A/zh
Application granted granted Critical
Publication of CN104331697B publication Critical patent/CN104331697B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features

Abstract

本发明涉及一种感兴趣区域的定位方法，具体步骤包括：A、在感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；B、检测Marker标记，定位到ROI感兴趣区域，具体步骤如下：(1)图像灰度化；(2)图像二值化；(3)检测图像轮廓；(4)搜索图像中可能的Marker标记；(5)检测并解码可能的Marker标记；(6)筛选解码后的可能的Marker标记，找出正确的Marker标记；(7)对感兴趣区域ROI进行定位。本发明Marker标记只有黑、白两种颜色，图像二值化后很明显，能够快速而准确地定位感兴趣区域ROI，简化了图像预处理操作，能够适应光线变化的情况且鲁棒性很强。

Description

一种感兴趣区域的定位方法
技术领域
本发明涉及一种感兴趣区域的定位方法，属于图像处理与模式识别技术领域。
背景技术
随着图像处理技术的发展，自动定位方法的应用领域越来越广泛。在许多实际应用中，自动定位出图像的感兴趣区域是问题的关键，也是对图像进行分析和理解的基础。对图像某个区域的定位有很多方法，其中常见的有模板匹配定位法、几何特征定位法、小波变换定位方法。这些方法都广泛应用于人脸检测、人眼定位、期刊图像文件处理系统、车牌识别等领域。
二维码的编码组合则非常多，如Qrcode及Datamatrix条码最多可以存2K左右的信息，但是存储这么多的信息，识别起来难度就会很大。传统的感兴趣区域ROI定位策略，往往是对数字图像上的原始内容进行腐蚀、锐化、滤波、去噪、倾斜校正等一系列复杂的预处理操作，即便如此，也未必实现良好的ROI感兴趣区域定位；此外，这些策略也极易受到光线亮度、照射角度等的干扰；另外，在很多场合中，图像中的原始特征不够明显，非常难于提取，要定位到感兴趣区域ROI，就需要非常复杂的预处理操作，不断地寻找新的特征才能完成定位。
发明内容
为了克服上述现有技术的不足，本发明公开了一种感兴趣区域的定位方法；
本发明Marker标记具有通用性，极易检测和识别，能够适应光线的变化和识别对象的倾斜、倒置等情况，通过检测所述Marker标记，再根据相对位置定位出感兴趣区域ROI，即可对感兴趣区域ROI进行模式识别。
本发明应用于工业仪表的读数识别，在仪表的字符或指针区域设计Marker标记，监控摄像头采集仪表图像，通过Marker标记区分仪表的型号并定位到感兴趣区域ROI，然后进行读数识别。
本发明的技术方案为：
术语解释：
图像灰度化，指由彩色图像转化为灰度图像的过程；
图像二值化，指将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果；
汉明距离，指两个等长字符串之间对应位置的不同字符的个数，即将一个字符串变换成另外一个字符串所需要替换的字符个数。
一种感兴趣区域的定位方法，具体步骤包括：
A、在感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位置能够定位所述感兴趣区域ROI；
B、检测所述Marker标记，定位到感兴趣区域ROI，具体步骤如下：
(1)图像灰度化；
(2)图像二值化；
(3)检测图像轮廓；
(4)搜索图像中可能的Marker标记；
(5)检测并解码步骤(4)得到的可能的Marker标记；
(6)筛选解码后的可能的Marker标记，找出正确的Marker标记；
(7)对感兴趣区域ROI进行定位，根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点：
①所述白色块为白色，所述黑色块为黑色；
②所述Marker标记为规则的矩形；
③所述Marker标记有方向属性，所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的四种图像各不相同；
④所述Marker标记为7×7的栅格，所述Marker标记中心5×5的栅格为识别编码，所述Marker标记周围一圈为黑色边界。
根据所述Marker标记的特点，非常容易将图像中的所述Marker标记提取出来，所述Marker标记只有黑、白两种颜色，在图像二值化后很明显，根据所述Marker标记的矩形特征和方向属性，对图像进行透视变化和倾斜校正，另外，每种所述Marker标记的内部结构不同，对内部结构进行编码和解码，用来定位感兴趣区域ROI。
根据本发明优选的，所述检测图像轮廓，具体是指，使用opencv库中的findContours()函数从图像中得到一系列多边形轮廓。
根据本发明优选的，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates()方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDP()函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于10pixel，则不认为是可能的Marker标记，否则，认为是可能的Marker标记。
只有顶点数目为4的凸多边形且才有可能是Marker标记。
根据本发明优选的，所述检测并解码步骤(4)得到的可能的Marker标记，具体步骤包括：
a、将所有步骤(4)得到的可能的Marker标记逆时针排序，即将所述步骤(4)得到的可能的Marker标记4个顶点按照逆时针排序；
b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2，取所述周长S1、S2中的较小值S，计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)＜S，则认为所述任意两个Marker标记重复，去掉所述任意两个Marker标记中那个周长较短的Marker标记，保留所述任意两个Marker标记中周长较长的Marker标记，否则，保留所述任意两个Marker标记，接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
c、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
d、识别步骤c得到的所述正方形Marker标记，所述正方形Marker标记为7×7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记，如果是，接着对所述正方形Marker标记中心5×5的栅格解码，所述正方形Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
针对每种所述校验码，最多有1024种不同的编码方式。
所述正方形Marker标记中心5×5的栅格旋转不变性才能得到唯一的编码。
根据本发明优选的，筛选解码后的可能的Marker标记，找出正确的Marker标记，具体是指，步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的4种不同方向的Marker标记，对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。
本发明的有益效果为：
1、本发明Marker标记只有黑、白两种颜色，在图像二值化后很明显，能够快速而准确地定位到图像中的感兴趣区域ROI，简化了图像预处理操作，能够适应光线变化的情况且鲁棒性很强，而且根据不同的Marker标记对要识别的感兴趣区域ROI做类别的区分；
2、本发明利用所述Marker标记来定位感兴趣区域ROI，另辟蹊径，人为加入Marker标记作为特征，解决了传统定位中特征提取的难题；所述Marker标记解码中使用校验码的思想，解决了此类二维码的类别区分难度大的问题。
附图说明
图1是本发明所述Marker标记的示例图；
图2是本发明流程图；
图3是本发明Marker标记的编码图，图3中，Marker标记为7×7的栅格，周围一圈为黑色边界，Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，第二列和第四列作为id关键词，第二列和第四列中，黑色栅格编码为0，白色栅格编码为1，编码为00001010；
图4为感兴趣区域ROI与Marker标记所述确定位置示例图，图4中，已知Marker标记的边长为a，左上角坐标为(a1,a2),感兴趣区域ROI位于Marker标记正上方，感兴趣区域ROI长2.5a，宽1.5a；据此，确定感兴趣区域ROI的左上角坐标(m,n)为(a1,a2+1.5a),感兴趣区域ROI长2.5a，宽1.5a；
图5a为一种Marker标记的示例图；
图5b为图5a所述Marker标记顺时针旋转90°的示例图；
图5c为图5a所述Marker标记顺时针旋转180°的示例图；
图5d为图5a所述Marker标记顺时针旋转270°的示例图；
图5a、图5b、图5c、图5d为四种不同的Marker标记，反应了Marker标记的方向属性。
具体实施方式
实施例1
一种感兴趣区域的定位方法，具体步骤包括：
A、在感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位置能够定位所述感兴趣区域ROI；
B、检测所述Marker标记，定位到ROI感兴趣区域，具体步骤如下：
(1)图像灰度化；
(2)图像二值化；
(3)检测图像轮廓；
(4)搜索图像中可能的Marker标记；
(5)检测并解码可能的Marker标记；
(6)筛选解码后的可能的Marker标记，找出正确的Marker标记；
(7)对感兴趣区域ROI进行定位，根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点：
①所述白色块为白色，所述黑色块为黑色；
②所述Marker标记为规则的矩形；
③所述Marker标记有方向属性，所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的四种图像各不相同；
④所述Marker标记为7×7的栅格，所述Marker标记中心5×5的栅格为识别编码，所述Marker标记周围一圈为黑色边界。
根据所述Marker标记的特点，非常容易将图像中的所述Marker标记提取出来，所述Marker标记只有黑、白两种颜色，在图像二值化后很明显，根据所述Marker标记的矩形特征和方向属性，对图像进行透视变化和倾斜校正，另外，每种所述Marker标记的内部结构不同，对内部结构进行编码和解码，用来定位感兴趣区域ROI。
实施例2
根据实施例1所述的一种感兴趣区域的定位方法，其区别在于，所述检测图像轮廓，具体是指，使用opencv库中的findContours()函数从图像中得到一系列多边形轮廓。
实施例3
根据实施例1所述的一种感兴趣区域的定位方法，其区别在于，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates()方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDP()函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于10pixel，则不认为是可能的Marker标记，否则，认为是可能的Marker标记。
只有顶点数目为4的凸多边形且才有可能是Marker标记。
实施例4
根据实施例1所述的一种感兴趣区域的定位方法，其区别在于，所述检测并解码步骤(4)得到的可能的Marker标记，具体步骤包括：
a、将所有步骤(4)得到的可能的Marker标记逆时针排序，即将所述步骤(4)得到的可能的Marker标记4个顶点按照逆时针排序；
b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2，取所述周长S1、S2中的较小值S，计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)＜S，则认为所述任意两个Marker标记重复，去掉所述任意两个Marker标记中那个周长较短的Marker标记，保留所述任意两个Marker标记中周长较长的Marker标记，否则，保留所述任意两个Marker标记，接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
c、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
d、识别步骤c得到的所述正方形Marker标记，所述正方形Marker标记为7×7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记，如果是，接着对所述正方形Marker标记中心5×5的栅格解码，所述正方形Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
针对每种所述校验码，最多有1024种不同的编码方式。
所述正方形Marker标记中心5×5的栅格旋转不变性才能得到唯一的编码。
实施例5
根据实施例1所述的一种感兴趣区域的定位方法，其区别在于，筛选解码后的可能的Marker标记，找出正确的Marker标记，具体是指，步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的4种不同方向的Marker标记，对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。

Claims (5)

1.一种感兴趣区域的定位方法，其特征在于，具体步骤包括：
A、在感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位置能够定位所述感兴趣区域ROI；
B、检测所述Marker标记，定位到ROI感兴趣区域，具体步骤如下：
(1)图像灰度化；
(2)图像二值化；
(3)检测图像轮廓；
(4)搜索图像中可能的Marker标记；
(5)检测并解码可能的Marker标记；
(6)筛选解码后的可能的Marker标记，找出正确的Marker标记；
(7)对感兴趣区域ROI进行定位，根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点：
①所述白色块为白色，所述黑色块为黑色；
②所述Marker标记为规则的矩形；
③所述Marker标记有方向属性，所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的四种图像各不相同；
④所述Marker标记为7×7的栅格，所述Marker标记中心5×5的栅格为识别编码，所述Marker标记周围一圈为黑色边界。
2.根据权利要求1所述的一种感兴趣区域的定位方法，其特征在于，所述检测图像轮廓，具体是指，使用opencv库中的findContours()函数从图像中得到一系列多边形轮廓。
3.根据权利要求2所述的一种感兴趣区域的定位方法，其特征在于，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates()方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDP()函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于10pixel，则不认为是可能的Marker标记，否则，认为是可能的Marker标记。
4.根据权利要求1所述的一种感兴趣区域的定位方法，其特征在于，所述检测并解码步骤(4)得到的可能的Marker标记，具体步骤包括：
a、将所有步骤(4)得到的可能的Marker标记逆时针排序，即将所述步骤(4)得到的可能的Marker标记4个顶点按照逆时针排序；
b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2，取所述周长S1、S2中的较小值S，计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)＜S，则认为所述任意两个Marker标记重复，去掉所述任意两个Marker标记中那个周长较短的Marker标记，保留所述任意两个Marker标记中周长较长的Marker标记，否则，保留所述任意两个Marker标记，接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
c、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
d、识别步骤c得到的所述正方形Marker标记，所述正方形Marker标记为7×7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记，如果是，接着对所述正方形Marker标记中心5×5的栅格解码，所述正方形Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
5.根据权利要求1-4任一所述的一种感兴趣区域的定位方法，其特征在于，筛选解码后的可能的Marker标记，找出正确的Marker标记，具体是指，步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的4种不同方向的Marker标记，对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。
CN201410655560.0A 2014-11-17 2014-11-17 一种感兴趣区域的定位方法 Expired - Fee Related CN104331697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410655560.0A CN104331697B (zh) 2014-11-17 2014-11-17 一种感兴趣区域的定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410655560.0A CN104331697B (zh) 2014-11-17 2014-11-17 一种感兴趣区域的定位方法

Publications (2)

Publication Number Publication Date
CN104331697A CN104331697A (zh) 2015-02-04
CN104331697B true CN104331697B (zh) 2017-11-10

Family

ID=52406419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410655560.0A Expired - Fee Related CN104331697B (zh) 2014-11-17 2014-11-17 一种感兴趣区域的定位方法

Country Status (1)

Country Link
CN (1) CN104331697B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844277B (zh) * 2016-03-22 2019-06-25 江苏木盟智能科技有限公司 标签识别方法和装置
CN106289187A (zh) * 2016-07-20 2017-01-04 广东大仓机器人科技有限公司 一种通过图像识别实现机器人室内定位的方法
CN106504225A (zh) * 2016-09-27 2017-03-15 深圳增强现实技术有限公司 一种规则多边形的识别方法和装置
CN107153848A (zh) * 2017-06-15 2017-09-12 南京工程学院 基于OpenCV的仪表图像自动识别方法
CN107818358A (zh) * 2017-07-12 2018-03-20 柳州康云互联科技有限公司 一种多级快速识别码
CN108230445B (zh) * 2017-12-31 2022-02-11 广州都市圈网络科技有限公司 一种三维仿真地图实体热区属性信息的获取方法及装置
CN109815758A (zh) * 2019-01-17 2019-05-28 柳州康云互联科技有限公司 一种基于二维码的图像特征采集方法
CN111860025B (zh) * 2019-04-30 2022-08-02 杭州海康机器人技术有限公司 二维码感兴趣区域定位方法及装置
US20220327668A1 (en) * 2019-06-21 2022-10-13 Egis Technology Inc. Fingerprint sensing module and fingerprint sensing method
CN112488099B (zh) * 2020-11-25 2022-12-16 上海电力大学 一种基于视频的电力液晶仪表上数字的检测提取装置
CN117094343B (zh) * 2023-10-19 2023-12-29 成都新西旺自动化科技有限公司 一种qr码解码系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1220019A (zh) * 1996-05-10 1999-06-16 艾奥光学公司 用于从二维数据阵列中检索数据的校准方法和设备
CN101615258A (zh) * 2008-06-27 2009-12-30 银河联动信息技术（北京）有限公司 部分覆盖的二维码防伪标签及其形成方法
WO2011080081A3 (en) * 2009-12-15 2011-09-01 Uws Ventures Ltd. Image processing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1220019A (zh) * 1996-05-10 1999-06-16 艾奥光学公司 用于从二维数据阵列中检索数据的校准方法和设备
CN101615258A (zh) * 2008-06-27 2009-12-30 银河联动信息技术（北京）有限公司 部分覆盖的二维码防伪标签及其形成方法
WO2011080081A3 (en) * 2009-12-15 2011-09-01 Uws Ventures Ltd. Image processing

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种掌纹图像感兴趣区域的提取方法;郭鑫等;《计算机工程与应用》;20101231;第153-155页 *

Also Published As

Publication number Publication date
CN104331697A (zh) 2015-02-04

Similar Documents

Publication Publication Date Title
CN104331697B (zh) 一种感兴趣区域的定位方法
CN104361353B (zh) 一种感兴趣区域的定位方法在仪表监控识别中的应用
Hirzer Marker detection for augmented reality applications
CN107633250B (zh) 一种文字识别纠错方法、纠错系统及计算机装置
CN100377167C (zh) 一种用于二维码识别的二维码区域精确定位方法
US6053407A (en) Maxicode data extraction using spatial domain features
CN101794374B (zh) 利用指关节纹识别个人身份的方法和系统
CN105095822B (zh) 一种汉信码特征图形检测方法及系统
CN106778823A (zh) 一种指针式仪表读数自动识别方法
CN105894069B (zh) 一种视觉导航用的crc二维码的生成方法及识别方法
CN108513256B (zh) 一种车辆定位方法、装置及其应用的泊车辅助方法、车辆
CN102867195B (zh) 一种遥感图像多类目标检测和识别方法
CN105574161B (zh) 一种商标图形要素识别方法、装置和系统
CN105654015A (zh) 解码二维矩阵符号的方法和系统
CN105426530A (zh) 一种商标检索方法、装置和系统
CN102254144A (zh) 一种鲁棒的图像中二维码区域提取方法
Yuan et al. Learning to count buildings in diverse aerial scenes
CN101533466B (zh) 一种眼睛定位图像处理方法
CN104282001A (zh) 增强图像特征二值描述子性能的方法
CN102252621B (zh) 书写字迹鉴别方法
CN103679724B (zh) 斜率逼近式直线检测方法
CN103886289B (zh) 方向自适应的水上桥梁目标识别方法及系统
US20150227772A1 (en) Detection and decoding method
CN104166847A (zh) 一种基于ulbp特征子空间的2dlda人脸识别方法
CN101894154B (zh) 一种图像文档关键图案的提取方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171110

Termination date: 20201117