CN104517101A - 一种基于像素平方差匹配的游戏扑克牌识别方法 - Google Patents
一种基于像素平方差匹配的游戏扑克牌识别方法 Download PDFInfo
- Publication number
- CN104517101A CN104517101A CN201410791654.0A CN201410791654A CN104517101A CN 104517101 A CN104517101 A CN 104517101A CN 201410791654 A CN201410791654 A CN 201410791654A CN 104517101 A CN104517101 A CN 104517101A
- Authority
- CN
- China
- Prior art keywords
- image
- pattern
- pixel difference
- matching
- counting
- 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
Abstract
本发明公开一种基于像素平方差匹配的游戏扑克牌识别方法,其步骤包括摄像头的图像采集、扑克牌关键位置提取、图像的选择性灰度化处理、然后自适应二值化处理、图像取反处理、图像去噪处理、提取目标连通域、寻找连通域最小外接矩阵、对图像进行最近邻插值缩放旋转映射、最后进行像素平方差模版匹配得到点数匹配结果以及花色匹配结果。该方法通过在匹配之前的特征提取以及相关处理工作解决了图像旋转性的问题,同时采用单一模版的方法,简化了模版的数据库,对于每张牌只进行13次点数模版匹配和4次花色匹配,极大地提高了识别的准确率以及缩短了识别的时间。
Description
技术领域
本发明涉及图像处理、模式识别、数据处理等技术领域,具体涉及基于像素平方差匹配的扑克牌识别方法。
背景技术
扑克牌是非常流行的娱乐工具,因为其玩法众多,所以具有广大的扑克迷。由于腾讯等游戏公司提供的在线平台,让扑克牌变成一个流行的网络游戏工具。虽然在线扑克牌有着大量的网络牌迷,但是目前还缺少准确实时识别虚拟扑克牌同时又可以识别实体扑克牌的方法。实体游戏与在线游戏都较为注重识别的效率,需要在游戏屏幕上或者实体发牌瞬时能识别出所有牌的花色和牌点大小,这是整个在线游戏系统或者现代自动化扑克设备的关键组成部分。目前伴随着自动发牌机器的生产,基于各种特殊标记的实体扑克牌识别方法很多。基于虚拟扑克游戏的还有标记关键点识别技术。
目前在线游戏识别在中国专利公开号CN103632380A中所述,通过对游戏界面截图,找到每张牌的坐标,提取出每张扑克的位置,然后以横轴和纵轴确定坐标,通过关键点坐标的颜色值来识别花色与点数。通过这个方法识别尽管方法简单,但是对关键点的提取需要非常高的要求。如果游戏界面升级变化,这种识别技术就会成为严重的问题,而且关键点的选取在不同的游戏界面都需要重新进行,这样很麻烦,对于游戏开发者使用起来很不方便。公开号CN201389327中所讲,通过对实体扑克牌做光学标记,对每张扑克根据其花色与牌值大小进行二进制标记,然后通过光学原理解码进行识别,这样识别率非常高,但是这种方法通用性较差,只能对特定标记的扑克牌进行识别,而且对于特定扑克牌的再制作费用较大,特别对于自动化扑克牌设备,需要节约成本。而且做了标记的扑克牌很容易被发现是作弊。
基于图像处理的扑克识别方法可大致分为两类,即以分类器为主的模式识别方法和模版匹配的方法。中国专利公开号CN203075619U中所讲解的一种全自动发牌机系统,实用了CCD摄像头提取照片,只取花色和点数,运用了基于神经网路分类器的模式识别获取最后的识别结果。以上类似OCR的方法,其优点在于识别率极高,而且可以有很强的自适应能力,同时对于旋转性解决的非常好,但是对于分类器训练需要大量的样本数据进行分类,而且其运算量非常复杂,难以满足识别的实时性要求。在中国专利公开号CN103575744A中运用了模版匹配的方法,建立模版数据库,通过摄像头提取花色特征和点数特征进行匹配得到最接近的相似结果,这种方法主要适用于没有旋转角的扑克识别,需要将待识别的扑克图像与本数据库中所有标准牌型图像进行逐一对比,最后找到相似最多的一个,因此计算量较大,难以满足现在识别的要求。
发明内容
本发明的技术目的在于提供一种基于像素平方差匹配的游戏扑克牌识别方法,能解决图像旋转性的问题,同时简化模版的数据库,极大地提高识别的准确率以及缩短识别的时间。
本发明采用如下技术方案实现以上技术目的:
一种基于像素平方差匹配的游戏扑克牌识别方法,包括如下步骤:
步骤一:通过CCD摄像头在发牌之前进行图像提取,由于摄像头取回来的图像大小是一致,所以可以确定高度和宽度去除图像边部非关键花色与点数的无用背景图像,使得所得的图像剩下花色与点数。
步骤二:对步骤一得到图像进行灰度化处理。因为扑克牌存在着红色与黑色,而红色在灰度化的后颜色会在灰度系中变浅,从而使灰度化图像在后续特征提取出现特征丢失的情况,所以灰度化时必须做必要的处理。由于彩色图像是3通道,在灰度化只提取B通道和G通道并按一定的比例合成灰度图像,这样就可以把红色特征的图像凸显出来。
步骤三:对灰度图像二值化以便后续的轮廓提取。考虑到摄像头获取图像时会遇到反光、颜色梯度等问题,简单二值化会使图像的重要信息丢失,所以本发明采用自适应二值化得到二值图像,并对图像进行取反,得到点数与花色的连通域。
步骤四:考虑到普通摄像头采集回来的图像有很多噪点,必须对步骤三得到图像运用图像处理中的腐蚀与膨胀技术进行去噪处理,得到清晰的花色和点数的二值图像。
步骤五:对花色和点数进行轮廓提取:采用最小外接矩阵将花色和点数的轮廓框出并进行旋转矫正以得到摆正的轮廓图。再对花色和点数这两个轮廓进行比例缩放,使得其与匹配的13张点数模版和4张花色模版一样大。
步骤六:将得到的目标花色和点数图片与模版一一匹配,取相似度最大的模板作为识别的最终结果。
步骤一截取图像具体操作过程为:选取一个微小的摄像头,在自动扑克发牌机的发牌口提取扑克的图像,再对图像进行识别。由于自动扑克发牌机发每张扑克牌大约的时间是1s,而在扑克牌发牌瞬间提取照片,大约只需要1ms,可保证在1秒钟内完成图像的提取和识别。
步骤二灰度化的具体过程为:提取的图像是彩色的,每个像素点的颜色由R、G、B三个通道值表示,普通的图像灰度化是按等权值对每个通道的值加权合成灰度值。识别时间要求很短,普通的灰度化易使红色信息丢失严重,所以本发明采取有选择性灰度化方法,只提取B通道和G通道,而且按照10%-20%的B通道和80%-90%的G通道(15%的B通道和85%的G通道的效果最佳)的比例加权合成灰度值,从而可以清晰地得到黑色和红色的图像特征信息。
步骤三图像二值化并取反的具体过程为:由于在瞬间提取图像的过程中,会出现反光、图像颜色梯度等问题,造成图像二值化时出现严重的信息丢失,所以本发明运用了大津阈值法又名最大类间方差法,对于图像,定义级t为前景与背景的分割值,已知前景点数占图像比例为w0,平均灰度为u0,背景点数占图像比例为w1,平均灰度为u1,计算图像的总平均灰度为:u=w0*u0+w1*u1。寻找使得值g=w0* (u0-u)2+w1* (u1-u)2最大的t,确定为分割的最佳阈值。阈值t分割出的前景和背景两部分构成了整幅图像,而前景取值u0,概率为w0,背景取值u1,概率为w1,总均值为u,根据方差的定义即得g的计算公式。因方差是灰度分布均匀性的一种度量,方差值越大,说明构成图像的两部分差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因此使类间方差g最大的分割意味着错分概率最小。采用大津阈值法二值化后,即可很好地提取出背景和目标图像。接着对图像取反以便对图像进行轮廓提取。
步骤四图像去噪的具体过程为:采集回来的图像必然存在很多的噪声污染,特别是小的噪点,所以必须对二值化后的图像进行一个腐蚀与膨胀的去噪。操作如下,选取一个3*3的矩阵结构单元,对图像进行遍历,按照腐蚀和膨胀的规则进行去噪,从而得到非常清晰的目标图像。
步骤五轮廓提取的具体过程为:从步骤四得到的图片中找到连通域,将其用一个最小外接矩阵框出,由于存在点数和花色,这样可得到两个待矫正的连通域;然后通过矫正映射将放歪的图像矫正映射摆正;最后,通过最近邻插值的方法把图片进行缩放以得到和模版一样大的尺寸大小。
步骤六模版匹配的具体过程为:将步骤五得到的与模版一样大小的目标图像,与13个点数模版一一匹配,从13个结果中找到相似度最大的作为识别的点数;匹配采用计算像素平方差方法得到相似度结果,这个方法计算快速,而且是一样大的,只需一次计算就可以得到结果。同理,花色图像按相同方法进行匹配,这样就可得到识别出的花色和点数。
本发明采用上述技术方案的优点为:该方法在匹配之前的特征提取以及相关处理工作,解决了图像旋转性的问题,同时采用单一模版的方法,简化了模版的数据库规模,对每张牌只需进行13次点数模版匹配和4次花色匹配, 极大地提高了识别的准确率、缩短了识别的时间;同时在提取花色与点数时采用了寻找最小外接矩阵的方法,这样很好地解决了有一定旋转角的扑克识别问题,在识别的准确率和实时性上都能满足实体扑克以及虚拟游戏的识别需求。
附图说明
以下结合附图和具体实施方式对本发明做进一步说明。
图1是本发明识别的具体流程图。
图2是发牌瞬时采集所得的图像。
图3是提取关键部位图像。
图4是选择性灰度化以后的图像。
图5是自适应图像二值化以后的图像。
图6是图像取反以后图像。
图7是特征提取出来的点数图。
图8是特征提取出来的花色图。
图9是13个点数模版图片。
图10是4个花色模版图片。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。
图1是整个识别方法的流程图,包括摄像头的图像采集、扑克牌关键位置提取、图像的选择性灰度化处理、然后自适应二值化处理、图像取反处理、图像去噪处理、提取目标连通域、寻找连通域最小外接连通域、对图像进行最近邻插值缩放映射、最后进行像素平方差模版匹配得到点数匹配结果以及花色结果。
步骤(1):从摄像头提取目标照片
具体的操作过程是,在全自动发牌机发牌,每发一张牌,就需要给摄像头一次采集触发,从而很快得到准确的所发牌图像,图2就是摄像头采集回来的彩色图像(按要求转换成了黑白图像)。还是比较清晰,因为后续有相应的图像处理过程,所以对提取的图像质量要求比较低。
步骤(2):截取关键位置的图像
如图2所示图像边部无用信息较多,以这样的图片进行处理会加大处理时间,尽量缩小图像尺寸是提高速率的最有效的方法,由于每张扑克出现的位置有个具体的范围,只需对这个部位的图片进行集中处理就可以,经过这一步处理就得到了如图3所示关键部位图像(按要求转换成了黑白图像)。
步骤(3):有选择灰度化处理
传统的灰度化算法会导致图像的红色信息丢失,从而导致红桃和方片识别出现错误。为了凸显扑克中的黑色与红色,提出只提取G通道和B通道的方法,分别以G通道的15%和B通道的85%的比例对提取得到的值加权得到一个单通道灰度值,从而可明显的加深图像中黑色与红色在灰度化以后的颜色深度,提取的结果如图4(已为黑白图像),这样就可以很清晰得到目标单通道图像。
步骤(4):自适应二值化图像
得到如图4所示的图像以后,需要对图像进行二值化处理。图像提取时候由于补光、拍摄角度等原因,会导致图像出现颜色梯度或者是过度补光等问题。普通的设定阈值法,不能够得到目标的连通域,这样图像直接二值化就会出现信息的严重丢失。为此,本发明采用了大津阈值法来解决这个问题。对于图像,定义级t为前景与背景的分割值,已知前景点数占图像比例为w0,平均灰度为u0,背景点数占图像比例为w1,平均灰度为u1,图像的总平均灰度为:u=w0*u0+w1*u1。寻找使g=w0* (u0-u)2+w1* (u1-u)2最大的t,即确定为分割的最佳阈值。阈值t分割出的前景和背景两部分构成了整幅图像,而前景取值u0,概率为w0,背景取值u1,概率为w1,总均值为u,根据方差的定义即得到g的计算公式。因方差是灰度分布均匀性的一种度量,方差值越大,说明构成图像的两部分差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因此使类间方差g最大的分割意味着错分概率最小。这样就可以清晰的得到目标轮廓。所得图像如图5所示。
步骤(5):图像去噪处理
从图5可以看出来图像存在很多的噪点,需要对图像进行去噪处理,本发明采用了图像的腐蚀与膨胀技术,具体的操作是先选取一个3乘3的结构单元,然后依次遍历图片,腐蚀2次的目的就是去掉图像中很多的小黑点,但是目标的轮廓边缘也会出现变细。为把目标图像还原到之前的大小,需要对图像进行2次膨胀,从而得到没有噪点的图像。去噪以后就得到如图6所示明显没有噪点的图像。
步骤(6):图像的目标轮廓提取
得到图6,对图像进行连通域提取,本发明采用先寻找到连通域,再对得到的连通域运用轮廓最小外接矩阵的方法得到目标轮廓,这样即使轮廓由于拍摄角度或者放置问题导致其歪掉,都可以进行一次矫正处理以得到摆正后的轮廓,然后对轮廓进行最近邻插值缩放就可以得到与模版一样大小的图像。如图7和图8分别是连通域提取再缩放以后的图样。
步骤(7):图像像素平方差模版匹配
在得到图像7和图像8以后,由于两个连通域的外接矩形框的面积有大小之分,因为点数的轮廓外接矩阵面积远大于花色外接矩阵的面积,所以分别对点数与花色进行匹配(模版如图9与图10所示),最终得到点数与花色匹配结果。
步骤(8):大小王的识别
在提取连通域的时候,大小王的连通域外接面积很小,根据这个特点直接识别就好,当存在连通域面积小于一定值就认为是大小王,在返回提取其红色通道的值,大于一定的阈值就是大王,小于一定阈值就是小王。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例。对于本技术领域的技术人员来说,在不脱离本发明技术构思前提下所得到的改进和变换也应视为本发明的保护范围。
Claims (6)
1.一种基于像素平方差匹配的游戏扑克牌识别方法,其特征在于包括如下步骤:
步骤一:通过CCD摄像头在发牌之前进行图像提取,并定高度和宽度去除图像边部非关键花色与点数的无用背景图像,使得所得的图像剩下花色与点数;
步骤二:对通过步骤一得到的图像只提取B通道和G通道值,并按能使红色特征的图像凸显出来的比例合成灰度图像;
步骤三:对通过步骤二得到的图像采用自适应二值化得到二值图像,再对图像进行取反,得到点数与花色的连通域;
步骤四:对通过步骤三得到的图像,运用图像处理的腐蚀与膨胀技术进行去噪处理,得到清晰的花色和点数的二值图像;
步骤五:对步骤四得到的二值图像的花色与点数进行轮廓提取,采用最小外接矩阵将轮廓框出并进行旋转摆正,再对这两个轮廓进行比例缩放,使得其与匹配的13张点数模版和4张花色模版一样大;
步骤六:将得到的目标图片与模版一一匹配得到相似度最大的结果即最后识别的结果。
2.如权利要求1所述的基于像素平方差匹配的游戏扑克牌识别方法,其特征在于,步骤二中按照10%-20%的B通道和80%-90%的G通道提取值合成灰度图像。
3.如权利要求1所述的基于像素平方差匹配的游戏扑克牌识别方法,其特征在于,步骤三中自适应二值化采用大津阈值法,即对于图像,定义级t为前景与背景的分割值,已知前景点数占图像比例为w0,平均灰度为u0,背景点数占图像比例为w1,平均灰度为u1,计算图像的总平均灰度为:u=w0*u0+w1*u1;确定使得值g=w0* (u0-u)2+w1* (u1-u)2最大的t,即为分割的最佳阈值,通过阈值t分割出前景和背景图像,即提取出目标和背景图像。
4.如权利要求1所述的基于像素平方差匹配的游戏扑克牌识别方法,其特征在于,步骤四的去噪处理步骤,具体为选取一个3*3的矩阵结构单元,对图像进行遍历,按照腐蚀和膨胀的规则进行去噪。
5.如权利要求1所述的基于像素平方差匹配的游戏扑克牌识别方法,其特征在于,步骤五轮廓提取步骤,具体为从步骤四得到的图片中找到连通域,将其用一个最小外接矩阵框出,得到两个待矫正的连通域,然后通过矫正映射将放歪的图像矫正映射摆正,最后通过最近邻插值的方法把图片进行缩放以得到和模版一样大的尺寸大小。
6.如权利要求1所述的基于像素平方差匹配的游戏扑克牌识别方法,其特征在于,步骤六模版匹配步骤,具体为对步骤五得到的和模版一样大小的目标图像,通过目标点数图像与13个模版一一匹配,计算像素平方差得到一个相似度结果,然后从13个结果中找到相似度最大的作为点数识别结果,花色图像也按相同方式进行匹配,得到最后花色识别的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410791654.0A CN104517101B (zh) | 2014-12-19 | 2014-12-19 | 一种基于像素平方差匹配的游戏扑克牌识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410791654.0A CN104517101B (zh) | 2014-12-19 | 2014-12-19 | 一种基于像素平方差匹配的游戏扑克牌识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104517101A true CN104517101A (zh) | 2015-04-15 |
CN104517101B CN104517101B (zh) | 2018-01-19 |
Family
ID=52792375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410791654.0A Active CN104517101B (zh) | 2014-12-19 | 2014-12-19 | 一种基于像素平方差匹配的游戏扑克牌识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104517101B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933702A (zh) * | 2015-05-21 | 2015-09-23 | 天津航天中为数据系统科技有限公司 | 输电线路塔架的检测方法及装置 |
CN107203764A (zh) * | 2016-03-18 | 2017-09-26 | 北大方正集团有限公司 | 长微博图片识别方法和装置 |
CN109766943A (zh) * | 2019-01-10 | 2019-05-17 | 哈尔滨工业大学(深圳) | 一种基于全局感知多样性度量的模板匹配方法及系统 |
CN110337027A (zh) * | 2019-07-11 | 2019-10-15 | 北京字节跳动网络技术有限公司 | 视频生成方法、装置及电子设备 |
CN110611808A (zh) * | 2019-08-27 | 2019-12-24 | 厦门亿联网络技术股份有限公司 | 一种相机的解析力测试方法和装置 |
CN112101058A (zh) * | 2020-08-17 | 2020-12-18 | 武汉诺必答科技有限公司 | 一种试卷条码自动识别方法及装置 |
CN112590406A (zh) * | 2020-10-31 | 2021-04-02 | 泰州无印广告传媒有限公司 | 自适应牌体激光印刷平台 |
CN112767430A (zh) * | 2021-01-06 | 2021-05-07 | 维沃移动通信有限公司 | 信息提示方法及装置 |
CN113283439A (zh) * | 2021-06-15 | 2021-08-20 | 深圳诺博医疗科技有限公司 | 基于图像识别的智能计数方法、装置及系统 |
CN114387600A (zh) * | 2022-01-19 | 2022-04-22 | 中国平安人寿保险股份有限公司 | 文本特征识别方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101276472A (zh) * | 2008-04-08 | 2008-10-01 | 华南师范大学 | 预处理序列图的方法和系统 |
CN101382997A (zh) * | 2008-06-13 | 2009-03-11 | 青岛海信电子产业控股股份有限公司 | 夜间车辆的检测与跟踪方法及装置 |
CN203075619U (zh) * | 2012-12-31 | 2013-07-24 | 东华大学 | 一种网络化全自动发牌机系统 |
-
2014
- 2014-12-19 CN CN201410791654.0A patent/CN104517101B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101276472A (zh) * | 2008-04-08 | 2008-10-01 | 华南师范大学 | 预处理序列图的方法和系统 |
CN101382997A (zh) * | 2008-06-13 | 2009-03-11 | 青岛海信电子产业控股股份有限公司 | 夜间车辆的检测与跟踪方法及装置 |
CN203075619U (zh) * | 2012-12-31 | 2013-07-24 | 东华大学 | 一种网络化全自动发牌机系统 |
Non-Patent Citations (1)
Title |
---|
寇永军: "图像识别在发牌机上的应用研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933702B (zh) * | 2015-05-21 | 2018-08-24 | 天津航天中为数据系统科技有限公司 | 输电线路塔架的检测方法及装置 |
CN104933702A (zh) * | 2015-05-21 | 2015-09-23 | 天津航天中为数据系统科技有限公司 | 输电线路塔架的检测方法及装置 |
CN107203764A (zh) * | 2016-03-18 | 2017-09-26 | 北大方正集团有限公司 | 长微博图片识别方法和装置 |
CN107203764B (zh) * | 2016-03-18 | 2020-08-07 | 北大方正集团有限公司 | 长微博图片识别方法和装置 |
CN109766943A (zh) * | 2019-01-10 | 2019-05-17 | 哈尔滨工业大学(深圳) | 一种基于全局感知多样性度量的模板匹配方法及系统 |
CN109766943B (zh) * | 2019-01-10 | 2020-08-21 | 哈尔滨工业大学(深圳) | 一种基于全局感知多样性度量的模板匹配方法及系统 |
CN110337027A (zh) * | 2019-07-11 | 2019-10-15 | 北京字节跳动网络技术有限公司 | 视频生成方法、装置及电子设备 |
CN110611808B (zh) * | 2019-08-27 | 2021-02-05 | 厦门亿联网络技术股份有限公司 | 一种相机的解析力测试方法和装置 |
CN110611808A (zh) * | 2019-08-27 | 2019-12-24 | 厦门亿联网络技术股份有限公司 | 一种相机的解析力测试方法和装置 |
CN112101058A (zh) * | 2020-08-17 | 2020-12-18 | 武汉诺必答科技有限公司 | 一种试卷条码自动识别方法及装置 |
CN112590406A (zh) * | 2020-10-31 | 2021-04-02 | 泰州无印广告传媒有限公司 | 自适应牌体激光印刷平台 |
CN112590406B (zh) * | 2020-10-31 | 2021-10-26 | 长沙雅冠新材料科技有限公司 | 自适应牌体激光印刷平台 |
CN112767430A (zh) * | 2021-01-06 | 2021-05-07 | 维沃移动通信有限公司 | 信息提示方法及装置 |
WO2022148293A1 (zh) * | 2021-01-06 | 2022-07-14 | 维沃移动通信有限公司 | 信息提示方法及装置 |
CN113283439A (zh) * | 2021-06-15 | 2021-08-20 | 深圳诺博医疗科技有限公司 | 基于图像识别的智能计数方法、装置及系统 |
CN114387600A (zh) * | 2022-01-19 | 2022-04-22 | 中国平安人寿保险股份有限公司 | 文本特征识别方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104517101B (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517101A (zh) | 一种基于像素平方差匹配的游戏扑克牌识别方法 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN108701234A (zh) | 车牌识别方法及云系统 | |
CN103679147A (zh) | 手机型号的识别方法与装置 | |
CN106384355B (zh) | 一种投影交互系统中的自动标定方法 | |
CN103065134A (zh) | 一种具有提示信息的指纹识别装置和方法 | |
CN111695486A (zh) | 一种基于点云的高精度方向标志牌目标提取方法 | |
CN110827312B (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
CN108388905A (zh) | 一种基于卷积神经网络和邻域上下文的光源估计方法 | |
CN109255336A (zh) | 基于巡检机器人的避雷器识别方法 | |
CN104123554A (zh) | 基于mmtd的sift图像特征提取方法 | |
CN107622497A (zh) | 图像裁剪方法、装置、计算机可读存储介质和计算机设备 | |
CN114782770A (zh) | 一种基于深度学习的车牌检测与车牌识别方法及系统 | |
CN110135248A (zh) | 一种基于深度学习的自然场景文本检测方法 | |
CN111161295A (zh) | 一种菜品图像背景剥离方法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN107133964B (zh) | 一种基于Kinect的抠像方法 | |
CN108764230A (zh) | 一种基于卷积神经网络的银行卡号自动识别方法 | |
Xu et al. | Water level estimation based on image of staff gauge in smart city | |
CN114187253A (zh) | 一种电路板零件安装检测方法 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
CN105447440B (zh) | 实时虹膜图像评价方法和装置 | |
CN111709954A (zh) | 一种围棋机器人视觉系统的标定方法 | |
Xiang et al. | Research on target detection method based on HSV fusion Gaussian mixture model |
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 |