CN104852892A - 一种新型物联网网站系统的自主登录方法与识别方法 - Google Patents
一种新型物联网网站系统的自主登录方法与识别方法 Download PDFInfo
- Publication number
- CN104852892A CN104852892A CN201410061660.0A CN201410061660A CN104852892A CN 104852892 A CN104852892 A CN 104852892A CN 201410061660 A CN201410061660 A CN 201410061660A CN 104852892 A CN104852892 A CN 104852892A
- Authority
- CN
- China
- Prior art keywords
- image
- internet
- things
- identified
- information
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
Abstract
本发明提出一种新型物联网网站系统的自主登录方法与识别方法,将包括带有条码、二维码、承载网屏编码的信息隐藏的图像,以及不特定的印刷图像在内的商品标识或包装图像作为无限终端连接网站的网络入口代码,其特点是可以使消费者自由的针对商品标识或包装上的图像,将自已指定的多媒体信息,文字信息传送到网络上去,使其他消费者下载相应的应用程序,用谷歌眼镜或智能手机直接拍照该商品标识,就可下载被传送到网络上去的多媒体信息或文字信息。可使消费者使用智能手机或者谷歌眼镜等,对商品的标识或包装上的图像进行读取,就可以实现社交群的功能,印刷多媒体的功能,商品多媒体信息播放的功能,物联网购物的功能等。
Description
【技术领域】
本发明属于图像处理领域中的一种新型物联网网站系统的自主登录方法与识别方法。
【背景技术】
目前,物联网已成为当前世界新一轮经济和科技发展的战略制高点之一,发展物联网对于促进经济发展和社会进步具有重要的现实意义。目前,我国物联网在安防、电力、交通、物流、医疗、环保等领域已经得到应用,且应用模式正日趋成熟。在安防领域,视频监控、周界防入侵等应用已取得良好效果;在电力行业,远程抄表、输变电监测等应用正在逐步拓展;在交通领域,路网监测、车辆管理和调度等应用正在发挥积极作用;在物流领域,物品仓储、运输、监测应用广泛推广;在医疗领域,个人健康监护、远程医疗等应用日趋成熟。除此之外,物联网在环境监测、市政设施监控、楼字节能、食品药品溯源等方面也开展了广泛的应用。我国物联网发展与全球同处于起步阶段,初步具备了一定的技术、产业和应用基础。据不完全统计,我国2010年物联网市场规模接近2000亿元,预计到2015年规模将超过5000亿。
美国已将物联网上升为国家创新战略的重点之一;欧盟制定了促进物联网发展的14点行动计划;日本的U-Japan计划将物联网作为四项重点战略领域之一;韩国的IT839战略将物联网作为三大基础建设重点之一。发达国家一方面加大力度发展多种传感器等信息感知技术、嵌入式操作系统、智能计算等核心技术,另一方面加快标准制定和产业化进程,谋求在未来物联网的大规模发展及国际竞争中占据有利位置。我国也通过物联网发展专项资金推动物联网的技术的发展。
物联网技术架构可分为三层:感知层、网络层(信息可靠传输)和应用层(智能处理)。感知层由各种传感器构成,包括各种传感器、二维码标签、RFID标签和读写器、摄像头、GPS等感知终端等。感知层是物联网识别物体、采集信息的来源。网络层由各种网络,包括互联网、广电网、网络管理系统和云计算平台等组成,是整个物联网的中枢,负责传递和处理感知层获取的信息。应用层是物联网和用户的接口,它与行业需求结合,实现物联网的智能应用。
提升感知技术水平是物联网发展的重中之重。目前主流技术是采用条码、二维码标签和RFID标签。RFID标签需要单独的芯片和信号接收天线,成本过高。而且目前尚有一些技术缺陷需要克服,比如温度过高或过低,或诸如液体商品,金属商品等有电磁干扰环境,RFID信息难以准确读取。无论电子出版发展到任何程度,由于纸介质固有的直观性,廉价性以及便利性的特点,作为商品的标识,商品的包装在未来相当漫长的时间里,纸介质或印刷介质的商品标识与商品包装还将占主导地位。因此,不能把条码技术的发展拒之于物联网之外。
条码技术最早始于20世纪40年代,由美国哈福大学经营学的研究者为解决商品结算问题而提出的,在40年后期,条码成为了IT行业的核心技术。进入90年代初期,以美国Intermet公司为首创的各种二维条码成为国际流行的标准,并被广泛应用,在一时期成为IT领域中经济急速成长的核心技术。但是,二维条码和条码需要占据独立空间,而且需要额外工艺单独赋码提高了其应用成本。进入2000年以来,由于商品监管的需求,产生了在很小面积的商品标识上埋入防伪与追溯信息以及提高防伪能力等需求。
近些年来,通过移动电话,智能手机等等读取二维码,然后下载二维码对应的视频的方法正在被广泛使用。(专利文献1:特開2009-104164号公告)
但是,印刷物上印刷上二维码之后,不仅对于印刷物的美观有损,而且印刷二维码还需要必须的空间。因此从印刷物的美观以及印刷空间出发来考虑,采用电子水印技术,使用智能手机进行读取的系统也被广泛采用。比较有代表的手法有“在便携计算设备之上高速信号检测以及分散计算]专利文档提及的方法”。(专利文献2:特開2011-234376号公告)
同时,也有使用图形识别技术,进行图像读取,基于读取到的图像连接网络,读取的图像和图像本身相关联的信息同时在画面上显示的所谓AR(AugmentedReality)的扩张现实技术(www.sbbit.jp)。
为了极力减少与图像特征相关联的信息的容量,人们还在摸索由图像直接生成图像代码的技术,已经申请的专利有“图像代码化设备,方法以及程序”。(专利文献3:特開2011-94551号公告)
上述的专利文献1中记述的方法,使用便携电话读取二维码的技术被广泛使用,但是二维码需要专用空间,商品标签以及包装上使用时,会有损美观。
上述专利文献2中记载的智能手机读取系统中,因为二维码可以隐藏在商品标签中,所以对商品的标签包装等等美观上不会有影响,但是需要提前把信息隐藏进去,需要复杂的印刷手段,印刷成本以及花费时间都会增加,因为需要事先的信息埋入的作业所以此手段广泛普及需要很长的时间。
同时,非专利文献1中提到的AR(Augmented Reality)的扩张现实技术,根据图像的轮廓解析对图像进行特定,然后对获取关联信息。因此,通过使用相同轮廓的图像有可能获取到相关的信息,而且很难防止伪造。还有,这种手法采用了图像匹配的识别方法,单个图像就需要注册数兆的图像匹配信息到内存中,因此需要大容量的记忆介质(内存)。
上述的专利文献3中提到的图像代码,指的是事先设定在图像中的标准阀值,将这种特定的图像分割成若干区域,将各个分割成的区域中的灰度值与实现设定在图像中的标准阀值进行对比,按大于标准阀值,还是小于标准阀值判断出是信息“1”,还是信息“0”。这种图像代码的生成方法和专利文献2中提到技术一样,都只能针对特定的图像进行图像代码的生成,不能针对不特定的图像进行图像代码的生成。
【发明内容】
本发明的第一个目的是,提供一种新形式的可以将商品包装与商品标识上的一维条码、二维条码、网屏编码、ITC图像码作为网络入口的物联网网站的自主登录方法。
本发明的第二个目的是,提供一个可以使消费者自由的将商品包装与标识上的包括一维条码、二维条码、埋有网屏编码的印刷图像、或一个不特定的印刷图像在内的被识别图像连接网络,将自已指定的多媒体信息,文字信息自主的传送到网络上去,使其他消费者下载相应的应用程序,用谷歌眼镜或手机直接拍照该被识别图像就可下载已传送到网络上的多媒体信息或文字信息。
为了解决上述课题,提出如下技术方案:
一种新型物联网网站系统的自主登录方法,该方法是由读取被识别图像步骤、特征信息值取得步骤、选择物联网功能步骤、自动连接物联网平台步骤,物联网功能实现步骤构成的,其特点是:
读取被识别图像步骤:通过谷歌眼镜或智能手机的照相功能读取包括商品标识,商品条码,包装图像,商品二维码,广告图片,新闻照片,出版书籍中的图像,邮票,打印机所打印的图像在内的任意可读取的被识别图像,自动的将被识别图像边框抽出。
特征信息值取得步骤:将被识别图像变换成若干个展开图像,按照包括图像的几何学的分布,或者物理学的分布对图像进行唯一性的特征信息的处理,得到特征信息值。
选择物联网功能步骤:通过人工或自动的方法进行物联网功能的选择处理。
自动连接物联网平台步骤:将特征信息值与被识别图像所对应的物联网功能处理信息进行网络检索列表,使特征信息值与物联网功能处理信息进行对应,以及抽样向量数据的登录与处理。
物联网功能处理步骤:根据选择物联网功能部分所选择要实现的物联网功能,分别向物联网服务器传送包括社交信息处理,传送印刷多媒体信息处理、传送播放信息处理、传送购物信息处理在内的至少一个物联网功能处理信息。
而且,选择物联网功能步骤可以在包括读取被识别图像步骤的处理之前,特征信息值取得步骤的处理之前或之后,自动连接物联网平台步骤的处理之前或之后处理在内的任意一种形式。
而且,上述的抽样向量数据的登录与处理,是将通过谷歌眼镜或智能手机拍照被识别图像时,将对被识别图像所计算出的特征向量,作为一次概率统计的抽样数据,登录到服务器中的图像特征向量空间的数据库中,并随着识读次数的增长不断更新抽样向量数据。
一种新型物联网网站系统的识别方法,该方法是由读取被识别图像步骤、特征向量取得步骤、特征信息值取得步骤、抽样向量数据登录步骤,物联网功能操作步骤构成的,其特点是:
读取被识别的图像步骤:通过谷歌眼镜或智能手机的照相功能读取包括商品标识,商品包装上的图像,商品条码,商品二维码,广告图片,新闻照片,出版书籍中的图像,邮票,打印机所打印的图像在内的任意可读取的识别图像,自动的将被识别图像边框抽出;
特征向量取得步骤:将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量;
特征信息值取得步骤:将上述计算出的特征向量作为特征向量空间的检索代码,采用概率尺度的距离的最小化的方法,检索出登录在特征向量空间中的特征向量的中心值所对应的代码空间中的代码值;
抽样向量数据登录步骤:将被识别图像所计算出的特征向量,作为一次概率统计的抽样数据,登录到物联网网络平台服务器中的图像特征向量空间的数据库中,并随着识读次数的增长不断更新抽样向量数据;
物联网功能操作步骤:按照上述得到的被识别图像的特征信息值,检索登录到物联网网站平台的服务器上的,图像的特征信息值与所要进行的物联网平台功能的操作的列表,用户通过谷歌眼镜或智能手机拍照被识别的图像就可进行包括网络社交,网络印刷多媒体,网络播放,网络销售在内的至少一种操作。
本说明书中出现的专用名词做如下的定义:
所谓被识别图像:包括条码,二维码,承载有网屏编码隐形码的图像,普通商品标识,商品包装上的图像,出版印刷图像,邮票以及打印的图像在内的一切可识读的图像均可定义为被识别图像。
所谓被识别图像:就是将要通过智能手或谷歌眼镜进行拍照识别的图像,也就是被识别图像的电子图像。
所谓展开图像:是通过几何学的算法,或物理学的算法将被识别图像变换成的具有几何学的或物理学的特征的图像称为展开图像。
所谓特征信息值:可对被识别图像进行唯一性判别的特定信息,其格式有文件格式,向量格式,代码格式等。
所谓特征向量:由复数个展开图像所计算出的复数个特征值组成的向量数据。
所谓特征向量空间:由复数个被识别图像的特征向量的中心值,由复数个被识别图像的特征向量所对应的概率尺度的数据,由复数个被识别图像的特征向量所对应的抽样向量数据所组成。
所谓抽样向量数据:针对一个被识别图像在不同的拍摄环境下进行拍摄后所得到的不同的特征向量,从而构成一组学习数据,本发明采取将每次识别被识别图像时,所得到的抽样向量数据作为学习数据都登录到特征向量空间中去,当抽样向量数据的个数达到指定的数目后,每达到r次的登录后,就将抽样向量数据中的最大以及最小概率尺度的距离的r个抽样向量数据消去,这样在长期的识别中可以积累出最佳的学习数据。
【附图说明】
图1是本发明提出的物联网网站用户自主登录的流程图
图2是本发明提出的物联网社交网站用户自主登录的流程图
图3是本发明提出的物联网印刷多媒体网站用户自主登录的流程图
图4是本发明提出的物联网播放信息网站用户自主登录的流程图
图5是本发明提出的物联网网络销售网站用户自主登录的流程图
图6是在物联网网站用户自主登录时图像边框自动抽出的示意图
图7是自动连接物联网平台步骤的处理流程图
图8是针对展开图像某一领域中像素分布的定量化方法示意图
图9是一种新型物联网网站系统的识别方法的流程图
【具体实施方式】
以下结合附图对本发明实施例做进一步详述,但本发明所述的实施例是说明性的,而不是限定性的。
本发明解决其技术问题是采取以下技术方案实现的,根据说明书附图对发明的实施例进行说明。
图1是本发明提出的物联网网站用户自主登录的流程图。如图1所示,在读取被识别图像S1的步骤中通过谷歌眼镜,或使用智能手机的照相功能拍照读取包括商品标识,商品包装上的图像,一维条码,二维条码,广告图像,新闻照片,邮票,出版书籍中的印刷图像以及打印机所打印的图像等等类似的被识别图像。
在S1的步骤中读取被识别图像时,在谷歌眼镜,或智能手机的屏幕上设置一个与识读时相同的边框,这样登录时读取的图像范围与识别时的图像范围一致,就可自动的选择图像中的识别范围。
在特征信息值取得步骤S2中将在S1的步骤中选择出的图像按照包括不同形状分布,不同轮廓分布,不同位置分布,有和无的不同分布,不同大小分布,不同方向分布在内的几何学的分布,或者按照图像的包括不同颜色分布,不同频率的分布,不同相位的分布,不同调制方法的分布对图像进行唯一性的特征信息值的处理,这种特征信息值可以是描述图像特征的语言信息,电子文件信息,也可以是图像的代码信息。
这种图像代码信息还包括由将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量,并通过多次的学习产生了抽样向量数据,即学习数据,通过概率自组织的算法,计算出抽样向量数据的中心值以及概率尺度值,将中心值作为被识别图像的特征向量与概率尺度值共同登录到特征向量空间中,在识别时在利用上述概率尺度值的信息,通过概率尺度的距离最小化的最佳检索方法,检索出图像的特征信息值。该方法可以最大限度的抵消因不同环境的拍摄,而使特征信息值产生较大的变化。
S3步骤是选择物联网功能的步骤。在这一步骤中主要是通过人工或自动的方法进行物联网功能的选择。人工方法只是在手机屏幕上进行菜单的选择就可,自动选择的情况下,需要通过包括语音识别,眼珠识别,眼帘识别,面部识别,嘴形识别,牙齿动作识别中的一种形式对下述若干种物联网功能进行选择。
在自动连接物联网平台步骤S4中,将按照特征信息值取得步骤S2中所取得的特征信息值,以及是选择物联网功能步骤S3所选择的物联网功能,将与被识别图像所对应的物联网功能处理信息进行网络检索列表,使特征信息值与物联网功能处理信息进行对应,以便用户在用谷歌眼镜或手机拍照被识别图像,就可通过特征信息值的检索下载物联网功能处理信息,并把该被识别图像的特征信息值所对应的特征向量作为一次特征向量学习的特征信息概率分布的抽样,将这个抽样向量数据登录到物联网平台上,即针对一个被识别图像在每次拍摄后由被识别图像所得到的特征向量作为学习数据,登录到特征向量空间中,当抽样向量数据的个数达到指定的数目后,每达到指定的r次的登录后,就将包括r次抽样向量数据在内的所有抽样向量数据进行概率尺度的聚类的计算,将r个概率尺度距离的最大以及最小的抽样向量数据消去,以便在长期的识别中可以积累出最佳的学习数据,为提高手机登录的速度,该操作可以放到物联网网站平台的定期维护中进行。
选择物联网功能的步骤S3可以在S1的步骤前进行,也可以在S2的步骤前进行,也可以在S4的步骤前或之后进行,也可以在其他合理的步骤中进行,甚至不用S3,S5,S7,S9,S11功能选择,自动的进入某种功能的操作。
在S5步骤中,如果物联网功能选择在「进行社交群功能」,则转入「社交信息处理」步骤S6,可针对商品标识进行社交的处理,可实现用户用谷歌眼镜,或使用智能手机的照相功能拍照商品标识后,取得的特征信息作为物联网的入口地址,按照这个地址管理社交群,就可实现将该用户构成该商品的社交群体,对于已成为该商品的社交群体的用户可以同该社交群体的其他用户沟通,可以实现向该社交群体发布对该商品的使用意见,使用方法,使用体会等用户使用信息,以及购买价格,购买地点,购买方法等商品购买信息,以及其他有关用户希望在社交群体中交流的信息,以及其他与该商品有关的信息。在S5步骤中,如果物联网功能不是选择在「进行社交群功能」,则转入下一步骤。
这一功能的实现可以使社交群体成为以商品为核心的社交群体,可以使好的商品能更广泛的被用户传播,不好的商品没有市场,从而为消费者提供了一个维护自已权益的平台。
在S7步骤中,如果物联网功能选择在「印刷多媒体功能」,则转入「印刷多媒体信息处理」步骤S8,该功能是通过谷歌眼镜,或智能手机对被识别图像的拍照,取得的特征信息作为物联网的入口地址,按照这个网络地址将包括视频信息,动漫信息,文字信息,语音信息,音乐信息,文字等在内的多媒体信息与该被识别图像进行网络连接,可使任意一个用户使用已下载相关应用程序的谷歌眼镜,或智能手机,在拍照这个被识别图像时可以下载并播放多媒体信息。这个功能可使印刷物直接通过网络连接从而可以播放多媒体,可以使纸介质出版的直观性,便利性,廉价性与电子出版的多媒体性,大信息量以及广域性相结合,可以创造出全新的印刷多媒体的新形式。在S7步骤中,如果物联网功能不是选择在「印刷多媒体功能」,则转入下一步骤。
S9步骤如果是物联网功能选择在「播放功能」,将转入「播放信息处理」步骤S10,在S10步骤中将所要播放的信息传到物联网平台上,这样就可通过谷歌眼镜,或智能手机的拍照,取得的特征信息作为物联网的入口地址,按照这个网络地址可将诸如烟草,名牌酒等商品标识,新闻报纸刊登的印刷图像作为媒体向更多的用户传播信息,可使厂家通过自已的产品向用户播放商品广告,传播商品信息,进行商品优惠的促销活动。在S9步骤中,如果物联网功能不是选择在「播放功能」,则转入下一步骤。
S11步骤是物联网功能选择在「物联网购物功能」,将转入「购物信息处理」步骤S12,在S12步骤中进行购物信息的处理。可通过谷歌眼镜,或智能手机的拍照,取得的特征信息作为物联网的入口地址,按照这个网络地址可进行商品订购,付款,邮寄等的信息处理。该功能不同于一般的网上购物,是针对单一商品的购买,因商品单一具有购物简单,直观以及具有信用的特点。适用于高档消费的商品的网上购物。在S11步骤中,如果物联网功能不是选择在「物联网购物功能」,则转入下一步骤。
类似上述的功能还有很多就不一一列举了。上述S5,S7,S9,S11步骤可以任意调换,没有必须的先后顺序,随着S5,S7,S9,S11步骤的顺序改变,所对应的S6,S8,S10,S12步骤也要相应改变。
S13步骤是在上述功能处理完成后返回原程序,物联网网站用户自主登录部分的处理结束。物联网网站系统用户自主登录的最大优点是用户无需通过任何批准都可自由的针对一个商品标识进行物联网网站的登录,都可自由的享用这一系统。
图2是本发明提出的物联网社交网站用户自主登录的流程图。如图2所示,通过谷歌眼镜或使用智能手机的照相功能对包括商品标识,商品包装上的图像,商品条码,商品二维条码,广告图像,新闻照片,出版书籍中的印刷图像,邮票,打印机所打印的图像等类似的图像进行拍照,获取得到要进行识别的图像信息。
在S21的步骤中读取被识别图像时,在谷歌眼镜,或智能手机的屏幕上设置一个与识读时相同的边框,这样登录时读取的图像范围与识别时的图像范围一致,就可自动的选择图像中的识别范围。
在特征信息值取得步骤S22中将在S21的步骤中所得到的被识别图像按照图像的包括不同形状分布,不同轮廓分布,不同位置分布,有和无的不同分布,不同大小分布,不同方向分布在内的几何学的分布,或者按照图像的包括不同颜色分布,不同频率的分布,不同相位的分布,不同调制方法的分布对图像进行唯一性的特征信息值的处理,这种特征信息值可以是描述图像特征的语言信息,也可以是图像的代码信息,这种图像代码信息还包括由图像中至少一个版或一个颜色的灰度值的自然分布生成的代码信息。
针对一个不特定的被识别图像直接变换成一个代码信息方法,包括由将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量,并通过多次的学习产生了抽样向量数据,即学习数据,通过概率自组织的算法,计算出抽样向量数据的中心值以及概率尺度值,将中心值作为被识别图像的特征向量与概率尺度值共同登录到特征向量空间中,在识别时利用上述概率尺度值的信息,通过概率尺度的距离最小化的最佳的检索方法,检索出登录在特征向量空间里的图像的特征向量的中心值,再由代码空间提取被识别图像的特征信息值,即图像代码值。该方法可以最大限度的抵消因不同环境的拍摄,而使特征信息值产生较大的变化。
在自动连接物联网平台步骤S23中,将按照特征信息值取得步骤S22中所取得的特征信息值,与被识别图像所对应的社交信息进行网络检索列表,使特征信息值与社交信息进行对应,以便通过特征信息值的检索下载社交信息,并把该特征信息值所对应的特征向量作为一次特征向量学习的特征信息概率分布的抽样向量数据登录到物联网平台上,即针对一个被识别图像在每次拍摄后由被识别图像所得到的特征向量作为学习数据,登录到特征向量空间中,当抽样向量数据的个数达到指定的数目后,每达到指定的r次的登录后,就将包括r次抽样向量数据的登录在内的所有抽样向量数据进行概率尺度的聚类的计算,将r个概率尺度距离的最大以及最小的抽样向量数据消去,以便在长期的识别中可以积累出最佳的学习数据,为提高手机登录的速度,该操作可以放到物联网网站平台的定期维护中进行。
在社交信息处理步骤S24中,可针对商品标识进行社交的处理,可实现用户用谷歌眼镜,或使用智能手机的照相功能拍照商品标识后,取得的特征信息作为物联网的入口地址,按照这个地址管理社交群,就可实现将该用户构成该商品的社交群体,对于已成为该商品的社交群体的用户可以同该社交群体的其他用户沟通,可以实现向该社交群体发布对该商品的使用意见,使用方法等用户使用信息,以及购买价格,购买地点,购买方法等商品信息,以及其他有关用户希望在社交群体中交流的信息,以及其他与该商品有关的信息。
这一功能的实现可以使社交群体成为以商品为核心的社交群体,可以使好的商品能更广泛的被用户传播,不好的商品没有市场,从而为消费者提供了一个维护自已权益的平台。
图3是本发明提出的物联网印刷多媒体网站用户自主登录的流程图。如图3所示,通过谷歌眼镜或使用智能手机的照相功能对包括商品标识,商品包装上的图像,商品条码,商品二维条码,广告图像,新闻照片,出版书籍中的印刷图像,邮票,打印机所打印的图像等类似的图像进行拍照,获取得到要进行识别的图像信息。
在S31的步骤中读取被识别图像时,在谷歌眼镜,或智能手机的屏幕上设置一个与识读时相同的边框,这样登录时读取的图像范围与识别时的图像范围一致,就可自动的选择图像中的识别范围。
在特征信息值取得步骤S32中将在S31的步骤中读取的被识别图像按照图像的包括不同形状分布,不同轮廓分布,不同位置分布,有和无的不同分布,不同大小分布,不同方向分布在内的几何学的分布,或者按照图像的包括不同颜色分布,不同频率的分布,不同相位的分布,不同调制方法的分布对图像进行唯一性的特征信息的处理,这种特征信息可以是描述图像特征的语言信息,也可以是图像的代码信息,这种图像代码信息还包括由图像中至少一个版或一个颜色的灰度值的自然分布生成的代码信息。
针对一个不特定的被识别图像直接变换成一个代码信息方法,包括由将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量,并通过多次的学习产生了抽样向量数据,既学习数据,通过概率自组织的算法,计算出抽样向量数据的中心值以及概率尺度值,将中心值作为被识别图像的特征信息值与概率尺度值共同登录到特征向量空间中,在识别时利用上述概率尺度值的信息,通过概率尺度的距离最佳化检索出图像的特征向量的中心值,在由代码空间提取被识别图像的特征信息值,既图像代码值。该方法可以最大限度的抵消因不同环境的拍摄,而使特征信息值产生较大的变化。
在自动连接物联网平台步骤S33中,将按照特征信息值取得步骤S32中所取得的特征信息值,将与被识别图像所对应的多媒体信息进行网络检索列表,使特征信息值与多媒体信息进行对应,以便通过特征信息值的检索下载多媒体信息,并把该特征信息值所对应的特征向量作为一次特征向量学习的特征信息概率分布的抽样向量数据登录到物联网平台上,即针对一个被识别图像在每次拍摄后由被识别图像所得到的特征向量作为学习数据,登录到特征向量空间中,当抽样向量数据的个数达到指定的数目后,每达到指定的r次的登录后,就将包括r次抽样向量数据的登录在内的所有抽样向量数据进行概率尺度的聚类的计算,将r个概率尺度距离的最大以及最小的抽样向量数据消去,以便在长期的识别中可以积累出最佳的学习数据,为提高手机登录的速度,该操作可以放到物联网网站平台的定期维护中进行。
在印刷多媒体信息处理步骤S34是将特征值信息取得步骤S32中所取得的特征信息作为网络入口,向物联网平台传送的所要连接于被识别图像的多媒体信息,从而通过谷歌眼镜,或智能手机的拍照,取得的特征信息作为物联网的入口地址,按照这个网络地址将包括视频信息,动漫信息,文字信息,语音信息,音乐信息等在内的多媒体信息与该被识别图像进行网络连接,可使任意一个消费者使用已下载相关应用程序的谷歌眼镜,或智能手机的用户,在拍照这个被识别图像时可以下载并播放在印刷多媒体信息处理步骤S8中所传送到物联网平台的多媒体信息。这个功能能使印刷物直接通过网络连接播放多媒体,可以使纸介质出版的直观性,便利性,廉价性与电子出版的多媒体性,大信息量以及广域性相结合,可以创造出全新的印刷多媒体的新形式。
图4是本发明提出的物联网播放信息网站用户自主登录的流程图。如图4所示,通过谷歌眼镜或使用智能手机的照相功能对包括商品标识,商品条码,商品二维条码,广告图像,新闻照片,出版书籍中的印刷图像,邮票,打印机所打印的图像等类似的图像进行拍照,获取得到要进行识别的图像信息。
在S41的步骤中读取被识别图像时,在谷歌眼镜,或智能手机的屏幕上设置一个与识读时相同的边框,这样登录时读取的图像范围与识别时的图像范围一致,就可自动的选择图像中的识别范围。
在特征信息值取得步骤S42中将在S41的步骤中选择出的图像按照图像的包括不同形状分布,不同轮廓分布,不同位置分布,有和无的不同分布,不同大小分布,不同方向分布在内的几何学的分布,或者按照图像的包括不同颜色分布,不同频率的分布,不同相位的分布,不同调制方法的分布对图像进行唯一性的特征信息的处理,这种特征信息可以是描述图像特征的语言信息,也可以是图像的代码信息,这种图像代码信息还包括由图像中至少一个版或一个颜色的灰度值的自然分布生成的代码信息。
针对一个不特定的被识别图像直接变换成一个代码信息方法,包括由将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量,并通过多次的学习产生了抽样向量数据,即学习数据,通过概率自组织的算法,计算出抽样向量数据的中心值以及概率尺度值,将中心值作为被识别图像的特征信息值与概率尺度值共同登录到特征向量空间中,在识别时利用上述概率尺度值的信息,通过概率尺度的距离最佳化的检索出图像的特征向量的中心值,在由代码空间提取被识别图像的特征信息值,既图像代码值。该方法可以最大限度的抵消因不同环境的拍摄,而使特征信息值产生较大的变化。
在自动连接物联网平台步骤S43中,将按照特征信息值取得步骤S42中所取得的特征信息值,将与被识别图像所对应的播放信息进行网络检索列表,使特征信息值与播放信息进行对应,以便通过特征信息值的检索下载播放信息,并把该特征信息值所对应的特征向量作为一次特征向量学习的特征信息概率分布的抽样向量数据登录到物联网平台上,即针对一个被识别图像在每次拍摄后由被识别图像所得到的特征向量作为学习数据,登录到特征向量空间中,当抽样向量数据的个数达到指定的数目后,每达到指定的r次的登录后,就将包括r次抽样向量数据的登录在内的所有抽样向量数据进行概率尺度的聚类的计算,将r个概率尺度距离的最大以及最小的抽样向量数据消去,以便在长期的识别中可以积累出最佳的学习数据,为提高手机登录的速度,该操作可以放到物联网网站平台的定期维护中进行。
播放信息处理步骤S44,在S44步骤中将所要播放的信息传到物联网平台上,这样就可通过谷歌眼镜,或智能手机的拍照,取得的特征信息作为物联网的入口地址,按照这个网络地址可将诸如烟草,名牌酒等商品标识,新闻报纸刊登的印刷图像作为媒体向更多的用户传播信息,可使厂家通过自已的产品向用户播放商品广告,传播商品信息,进行商品优惠的促销活动。
图5是本发明提出的物联网网络销售网站用户自主登录的流程图。如图5所示,通过谷歌眼镜或使用智能手机的照相功能对包括商品标识,商品条码,商品二维条码,广告图像,新闻照片,出版书籍中的印刷图像,邮票,打印机所打印的图像等类似的图像进行拍照,获取得到要进行识别的图像信息。
在S51的步骤中读取被识别图像时,在谷歌眼镜,或智能手机的屏幕上设置一个与识读时相同的边框,这样登录时读取的图像范围与识别时的图像范围一致,就可自动的选择图像中的识别范围。
在特征信息值取得步骤S52中将在S51的步骤中选择出的图像按照图像的包括不同形状分布,不同轮廓分布,不同位置分布,有和无的不同分布,不同大小分布,不同方向分布在内的几何学的分布,或者按照图像的包括不同颜色分布,不同频率的分布,不同相位的分布,不同调制方法的分布对图像进行唯一性的特征信息的处理,这种特征信息可以是描述图像特征的语言信息,也可以是图像的代码信息,这种图像代码信息还包括由图像中至少一个版或一个颜色的灰度值的自然分布生成的代码信息。
针对一个不特定的被识别图像直接变换成一个代码信息方法,包括由将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量,并通过多次的学习产生了抽样向量数据,即学习数据,通过概率自组织的算法,计算出抽样向量数据的中心值以及概率尺度值,将中心值作为被识别图像的特征信息值与概率尺度值共同登录到特征向量空间中,在识别时利用上述概率尺度值的信息,通过概率尺度的距离最佳化的检索出图像的特征向量的中心值,在由代码空间提取被识别图像的特征信息值,既图像代码值。该方法可以最大限度的抵消因不同环境的拍摄,而使特征信息值产生较大的变化。
在自动连接物联网平台步骤S53中,将按照特征信息值取得步骤S52中所取得的特征信息值,与被识别图像所对应的购物信息进行网络检索列表,使特征信息值与购物信息进行对应,以便通过特征信息值的检索下载购物信息,并把该特征信息值所对应的特征向量作为一次特征向量学习的特征信息概率分布的抽样向量数据登录到物联网平台上,即针对一个被识别图像在每次拍摄后由被识别图像所得到的特征向量作为学习数据,登录到特征向量空间中,当抽样向量数据的个数达到指定的数目后,每达到指定的r次的登录后,就将包括r次抽样向量数据的登录在内的所有抽样向量数据进行概率尺度的聚类的计算,将r个概率尺度距离的最大以及最小的抽样向量数据消去,以便在长期的识别中可以积累出最佳的学习数据,为提高手机登录的速度,该操作可以放到物联网网站平台的定期维护中进行。
在购物信息处理步骤S54是将特征信息值取得步骤S52中所取得的特征信息作为网络入口,向物联网平台传送的购物信息,从而通过谷歌眼镜,或智能手机的拍照,取得的特征信息作为物联网的入口地址,按照这个网络地址将购物信息与该被识别图像进行网络连接,可使任意一个消费者使用已下载相关应用程序的谷歌眼镜,或智能手机的用户,在拍照这个被识别图像时可以下载并播放在购物信息处理步骤S54中所传送到物联网平台的购物信息。
该功能不同于一般的网上购物,是针对单一商品的购买,因商品单一具有购物简单,直观以及具有信用的特点。适用于高档消费的商品的网上购物。
图6是在物联网网站用户自主登录时图像边框自动抽出的示意图。在读取被识别图像的步骤中,在谷歌眼镜或智能手机的屏幕上,设置一个与识读时相同的边框如图6所示:图6(a)是登录时的手机屏幕示意图,图6(b)是识读时手机屏幕示意图。登录时的手机屏幕中(601)表示图像登录时设置的图像边框范围的基准,(602)表示被登录的被识别图像。识读时手机屏幕中(603)表示识别被识别图像时设置的图像边框范围的基准,(604)表示被识别图像。从图6可以看出,图像登录时设置的图像边框范围的基准,与识别图像时设置的图像边框范围的基准是一致的,因此,利用图像边框范围的基准就可准确的抽出图像的范围。
图7是自动连接物联网平台步骤的处理流程图。如图7所示:在自动连接物联网平台步骤中,首先将与被识别图像所对应的物联网网站功能处理信息登录到物联网服务器中S71,并按照特征信息值取得步骤中所取得的特征信息,与被识别图像所对应的物联网网站功能处理信息进行网络检索的列表S72,以便其他消费者在进行该被识别图像的识读时,能够按照被识别图像的特征信息进行网络检索,下载该物联网网站功能处理信息。
在特征信息代码的抽样向量数据登录S73的操作中,将特征信息作为一次特征信息学习的特征信息概率分布的抽样结果,登录到物联网平台上的特征向量空间的数据库中。
抽样向量数据处理S74中,将每次识别被识别图像的特征向量都记录到特征向量空间中,当抽样向量的数目达到指定的数目后,新的抽样向量数据每增加到r个时,抽样向量数据中的概率尺度距离的r个最大抽样向量的数据,以及最小抽样向量的数据删除掉,以保证特征空间的数据为最大概率值的抽样空间,以便保证特征信息的准确性。其特点是把每次识读的数据作为一种资源进行利用,而且,无需在登录时需要用户者进行多次识读的繁杂操作。
下面具体提出特征信息的具体产生方法。首先被识别图像如果为一维条码,二维条码或隐形网屏编码,可以按照公开的专利技术文献进行代码识别,得出特征信息值。
如果是印刷图像,应该针对印刷图像进行图像代码化的处理,具体方法如下:首先将图像代码化的对象的被识别图像,进行分版可得到黑白,R,G,B或者C,M,Y,K的各种颜色,再按能量图像,边缘图像,类似度图像,热力学图像,周波数图像,频谱图像等等最少可以变换成18种类以上的展开图像。
图8是针对展开图像某一领域中像素分布的定量化方法示意图。如图8所示:给定图像某一区域(801),设在这个区域中图像可以呈现的最大像素值为MaxPV例如256,最小值为MinPV例如0,实际中心值PA,按照Membership Function的数学方法,依据人为的经验,可以构造如下的公式,并可得到区域(801)的一个特征数值:
【公式1】
这里,如果该领域所有的像素都是最大值时PA=(MaxPV-MinPV),所以PM=100,反之,PA=0时,PM=0。这样随着PA值的变化,PM可以得到一个0一100之间的数值,可将PM作为一个特征数值。从复数个展开图像中的复数个区域中可以得到一组特征数值PM1,PM2,…,PMq,从而构成特征信息及图像特征向量。
考虑由于图像的拍摄环境变化对展开图像的影响比较大,需要通过人为的介入将这部分的变化尽可能的吸收掉,MaxPV与MinPV的数值可以通过大量不同图像在不同的环境下的拍摄取得经验,人为的确定MaxPV的数值例如为180,以及人为的确定MinPV的数值例如为50,这时如果PM≥(MaxPV-MinPV)时,令PM=MaxPV-MinPV,如果PA≤MinPV时,令PM=0。
图9是一种新型物联网网站系统的识别方法的流程图。如图9所示:在读取被识别图像步骤S91中,通过谷歌眼镜,或使用智能手机的照相功能拍照读取包括一维条码,二维条码,承载了网屏编码信息的商品标识或印刷图像,广告图像,新闻照片,邮票,出版书籍中的印刷图像以及打印机所打印的图像等等类似的被识别图像。如果是一维条码,二维条码,承载了网屏编码信息的商品标识或印刷图像,直接识别代码值跳到S99的步骤中进行处理。被识别图像如果是不特定的印刷图像,则自动的抽出图像边框。
特征向量取得步骤S92,按照图8的方法进行特征向量取得的计算,具体是将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量。
特征信息值取得步骤893,是将上述计算出的特征向量作为特征空间的检索代码,采用概率尺度的距离的最小化的方法,检索出登录在特征向量空间中的特征向量的中心值所对应的代码空间中的代码值。
在这里定义概率尺度的距离。首先设被识别图像为q个,从展开图像中产生的特征数值为p个,将第i个被识别图像的被数值化后的图像特征信息设定为图像特征向量即Vi1,Vi2,Vi3,Vi4,Vi5,Vi6,Vi7以及Vi8,那么登录在服务器中的q个被识别图像的图像特征向量空间可由以下行列式表示。
【公式2】
因图像代码是不能改变的,因此还需定义与特征向量空间每一数据所对应的代码空间为:
【公式3】
C11,C12,…,C1p
C21,C22,…,C2p
…
Cq1,Cq2,…,Cqp
如果设第i个图像代码化的对象的被识别图像的特征向量为pi1,pi2,…,piq,那么第i个被识别图像的特征向量与登录在服务器中的图像特征向量空间各个被识别图像的向量之间的欧式距离为:
【公式4】
设服务器的特征向量空间中登录的第i个被识别图像的特征向量的概率尺度为Mii,(i=1,2,…,q;j=1,2,…,p),特征向量的中心值为Cij(i=1,2,…,q;j=1,2,…,p),再设第k个图像代码化的对象的被识别图像的特征向量为pk1,pk2,…,pkq,那么如果(pkj-Cij)的绝对值大于Mij,则从(pkj-Cij)的绝对值中减去Mij值,反之,则让(pkj-Cij)=0。按照这样的处理,参考公式4,就可得到概率尺度的距离。
上述概率尺度的距离的物理意义为,对于图像识别的特征向量空间中登录的图像进行图像代码检索的,计算出的图像的特征信息值,在特征向量空间中检索时,先计算当前特征向量与特征向量空间中已经登录的各个图像的向量之间的欧式距离,如果特征向量空间的特征值之间的欧氏距离值比概率尺度值小的时候,欧氏距离为0,其他情况,用欧氏距离减去概率尺度所得到的整体结果就可作为概率尺度的距离值。
按照上述方法,计算第k个图像代码化的对象的被识别图像的特征向量pk1,pk2,…,pkq与公式2的特征向量空间中各个特征向量的概率尺度的距离值,本发明将第k个被识别图像的特征向量检索到的对应于概率尺度的距离值最小的第i个被识别图像的特征向量即中心值所对应的代码空间的代码作为第k个被识别图像的特征信息值或图像代码。
这里给出概率自组织的算法,所定概率分布的数列p1,p2,…pm的集合为的中心值为A(G),中心值A(G)的概率尺度为M[G,A(G)],那么,根据第n-1次的自组织化的处理,计算出的中心值A(G(n-1))的半径M[G(n-1),A(G(n-1))]以内如果存在着k个概率分布数列p(n) 1,p(n) 2,…p(n) k的集合为则第n次概率尺度的自组织的结果为:
【公式5】
A(n)=A(G(n))
M(n)=M[G(n),A(G(n))]
G(n)=G{A(G(n-1)),M[G(n-1),A(G(n-1))]}
抽出向量数据登录步骤S94,将每次通过谷歌眼镜或智能手机拍照被识别图像时均将该被识别图像所计算出的特征向量,作为一次概率统计的抽样数据,登录到服务器中的图像特征向量空间的数据库中,把它作为对不同环境下同一个图像多次的学习计算出的多个图像的抽样向量数据。
是否超出指定值步骤S95,判别是否超出指定的抽出向量数据的个数,如果不是则跳入按照物联网功能进行操作的步骤S99,如果是还要进行下一步判别所超出指定的抽出向量数据的个数是否为超出指定的次数。
是否达到指定次步骤S96,判别所超出指定的抽出向量数据的个数是否为超出指定的次数,如果不是则跳入按照物联网功能进行操作的步骤S99,如果是则进行下一步。
消除部分抽样向量数据步骤S97中,将所有抽样向量数据,并包括超出r个指定个数的抽样向量数据进行概率尺度的聚类计算处理,针对全部抽样向量数据中的最大以及最小的概率尺度距离的r个抽样向量数据从特征向量空间的数据库中消去。为提高谷歌眼镜或智能手机的识别速度,本步骤可以放到物联网网络平台的定期自动维护时进行,而不在识读时进行。
新的特征向量空间登录步骤S98,按照新的抽样向量数据,通过概率尺度的聚类计算处理,将新的抽样向量的中心值作为新的特征向量,新的概率尺度,以及新的抽样向量数据一同登录到特征向量空间的物联网网站平台的服务器中,由于最初的图像特征信息值,是登录在代码空间数据库中的,因此可以保证特征向量发生变化以后,原来的特征信息值即图像代码没有发生变化。为提高谷歌眼镜或智能手机的识别速度,本步骤可以放到物联网网络平台的定期自动维护时,而不在识读时进行处理。
按照物联网功能进行操作步骤S99,按照上述得到的被识别图像的特征信息值,检索登录到物联网网站平台的服务器上的,图像信息值与所要进行的物联网平台功能的操作的列表,就可实现用户通过谷歌眼镜或智能手机拍照被识别的图像就可进行网络社交,网络印刷多媒体,网络播放,网络销售等的操作。
特征向量空间中登录的不特定的印刷图像进行代码化的时候,对于特征向量空间的各个图像的特征向量的中心值和概率尺度,可把概率尺度的距离最小的属于特征向量空间的特征向量的中心值作为当前图像的代码值。
上述将不特定的印刷图像作为被识别的图像,通过识别图像的轮廓上的特征作为一个不特定的印刷图像的特征信息值,实现本发明所提出的物联网网站系统,均属于本发明的范围之内。
Claims (4)
1.一种新型物联网网站系统的自主登录方法,该方法是由读取被识别图像步骤、特征信息值取得步骤、选择物联网功能步骤、自动连接物联网平台步骤、物联网功能实现步骤构成的,其特点是:
读取被识别图像步骤:通过谷歌眼镜或智能手机的照相功能读取包括商品标识,包装上的图像,商品条码,商品二维码,广告图片,新闻照片,出版书籍中的图像,邮票,打印机所打印的图像在内的任意可读取的被识别图像,自动的将被识别图像边框抽出;
特征信息值取得步骤:将被识别图像变换成若干个展开图像,按照包括图像的几何学的分布,或者物理学的分布对图像进行唯一性的特征信息的处理,得到特征信息值;
选择物联网功能步骤:通过人工或自动的方法进行物联网功能的选择处理;
自动连接物联网平台步骤:将特征信息与被识别图像所对应的物联网功能处理信息进行网络检索列表,使特征信息与物联网功能处理信息进行对应,以及抽样向量数据的登录与处理;
物联网功能处理步骤:根据选择物联网功能部分所选择要实现的物联网功能,分别向物联网服务器传送包括社交信息处理,传送印刷多媒体信息处理、传送播放信息处理、传送购物信息处理在内的至少一个物联网功能处理信息。
2.根据权利要求1所述的一种新型物联网网站系统的自主登录方法,其特征在于:上述的选择物联网功能步骤可以在包括读取被识别图像步骤的处理之前,特征信息值取得步骤的处理之前或之后,自动连接物联网平台步骤的处理之前或之后处理在内的任意一种形式。
3.根据权利要求1所述的一种新型物联网网站系统的自主登录方法,其特征在于:上述的抽样向量数据的登录与处理,是将通过谷歌眼镜或智能手机拍照被识别图像时,将对被识别图像所计算出的特征向量,作为一次概率统计的抽样数据,登录到服务器中的图像特征向量空间的数据库中,并随着识读次数的增长不断更新抽样向量数据。
4.一种新型物联网网站系统的识别方法,该方法是由读取被识别图像步骤、特征向量取得步骤、特征信息值取得步骤、抽样向量数据登录步骤,物联网功能操作步骤构成的,其特点是:
读取被识别的图像步骤:通过谷歌眼镜或智能手机的照相功能读取包括商品标识,商品包装上的图像,商品条码,商品二维码,广告图片,新闻照片,出版书籍中的图像,邮票,打印机所打印的图像在内的任意可读取的识别图像,自动的将被识别图像边框抽出;
特征向量取得步骤:将被识别图像通过几何学的,或物理学的变换,生成复数个展开图像,将展开图像按照人为介入的方法抽出复数个特征数值,由复数个展开图像,所抽出的复数个特征数值构成一个特征向量;
特征信息值取得步骤:将上述计算出的特征向量作为特征向量空间的检索代码,采用概率尺度的距离的最小化的方法,检索出登录在特征向量空间中的特征向量的中心值所对应的代码空间中的代码值;
抽样向量数据登录步骤:将被识别图像所计算出的特征向量,作为一次概率统计的抽样数据,登录到物联网网络平台服务器中的图像特征向量空间的数据库中,并随着识读次数的增长不断更新抽样向量数据;
物联网功能操作步骤:按照上述得到的被识别图像的特征信息值,检索登录到物联网网站平台的服务器上的,图像的特征信息值与所要进行的物联网平台功能的操作的列表,用户通过谷歌眼镜或智能手机拍照被识别的图像就可自由的进行包括网络社交,网络印刷多媒体,网络播放,网络销售在内的至少一种操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410061660.0A CN104852892B (zh) | 2014-02-18 | 2014-02-18 | 一种新型物联网网站系统的自主登录方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410061660.0A CN104852892B (zh) | 2014-02-18 | 2014-02-18 | 一种新型物联网网站系统的自主登录方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104852892A true CN104852892A (zh) | 2015-08-19 |
CN104852892B CN104852892B (zh) | 2019-10-08 |
Family
ID=53852252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410061660.0A Active CN104852892B (zh) | 2014-02-18 | 2014-02-18 | 一种新型物联网网站系统的自主登录方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104852892B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874980A (zh) * | 2015-12-10 | 2017-06-20 | 天津市阿波罗信息技术有限公司 | 一种隐形码的构成方法与印刷方法 |
CN106886810A (zh) * | 2015-12-10 | 2017-06-23 | 顾泽苍 | 一种商品促销物联网系统的构成方法与识读方法 |
CN107169139A (zh) * | 2017-06-13 | 2017-09-15 | 深圳增强现实技术有限公司 | 一种基于ar增强现实的文档管理系统、ar移动智能终端 |
CN107229890A (zh) * | 2017-05-26 | 2017-10-03 | 深圳增强现实技术有限公司 | 一种利用ar设备提高条码识别健壮性的方法及设备 |
CN108073985A (zh) * | 2016-11-14 | 2018-05-25 | 张素菁 | 一种导入人工智能超深度学习用于语音识别的方法 |
CN108073978A (zh) * | 2016-11-14 | 2018-05-25 | 顾泽苍 | 一种人工智能超深度学习模型的构成方法 |
CN108181982A (zh) * | 2018-01-02 | 2018-06-19 | 联想(北京)有限公司 | 一种处理方法、装置及电子设备 |
CN109858432A (zh) * | 2019-01-28 | 2019-06-07 | 北京市商汤科技开发有限公司 | 一种检测图像中文字信息的方法及装置、计算机设备 |
CN111523358A (zh) * | 2019-02-02 | 2020-08-11 | 顾泽苍 | 一种图像信息深度抽出的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729976A (zh) * | 2009-11-20 | 2010-06-09 | 天津市阿波罗信息技术有限公司 | 一种适于手机拍照上网的代码生成方法 |
US20120045095A1 (en) * | 2010-08-18 | 2012-02-23 | Canon Kabushiki Kaisha | Image processing apparatus, method thereof, program, and image capturing apparatus |
-
2014
- 2014-02-18 CN CN201410061660.0A patent/CN104852892B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729976A (zh) * | 2009-11-20 | 2010-06-09 | 天津市阿波罗信息技术有限公司 | 一种适于手机拍照上网的代码生成方法 |
US20120045095A1 (en) * | 2010-08-18 | 2012-02-23 | Canon Kabushiki Kaisha | Image processing apparatus, method thereof, program, and image capturing apparatus |
Non-Patent Citations (2)
Title |
---|
刘幺和等: "《基于手机条码识别的物联网设计》", 《微电子学与计算机》 * |
郑峻: "《谷歌眼镜评测:真正的革命性产品》", 《HTTP://TECH.SINA.CN/I/GJ/2013-04-26/DETAIL-IAWZUNEY1475637.D.HTML?DOMAIN=TECH.SINA.COM》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874980A (zh) * | 2015-12-10 | 2017-06-20 | 天津市阿波罗信息技术有限公司 | 一种隐形码的构成方法与印刷方法 |
CN106886810A (zh) * | 2015-12-10 | 2017-06-23 | 顾泽苍 | 一种商品促销物联网系统的构成方法与识读方法 |
CN108073985A (zh) * | 2016-11-14 | 2018-05-25 | 张素菁 | 一种导入人工智能超深度学习用于语音识别的方法 |
CN108073978A (zh) * | 2016-11-14 | 2018-05-25 | 顾泽苍 | 一种人工智能超深度学习模型的构成方法 |
CN107229890A (zh) * | 2017-05-26 | 2017-10-03 | 深圳增强现实技术有限公司 | 一种利用ar设备提高条码识别健壮性的方法及设备 |
CN107169139A (zh) * | 2017-06-13 | 2017-09-15 | 深圳增强现实技术有限公司 | 一种基于ar增强现实的文档管理系统、ar移动智能终端 |
CN108181982A (zh) * | 2018-01-02 | 2018-06-19 | 联想(北京)有限公司 | 一种处理方法、装置及电子设备 |
CN109858432A (zh) * | 2019-01-28 | 2019-06-07 | 北京市商汤科技开发有限公司 | 一种检测图像中文字信息的方法及装置、计算机设备 |
CN109858432B (zh) * | 2019-01-28 | 2022-01-04 | 北京市商汤科技开发有限公司 | 一种检测图像中文字信息的方法及装置、计算机设备 |
CN111523358A (zh) * | 2019-02-02 | 2020-08-11 | 顾泽苍 | 一种图像信息深度抽出的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104852892B (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104852892A (zh) | 一种新型物联网网站系统的自主登录方法与识别方法 | |
CN110909176B (zh) | 数据推荐方法、装置、计算机设备以及存储介质 | |
US9832353B2 (en) | Methods for encoding, decoding and interpreting auxiliary data in media signals | |
CN109359244A (zh) | 一种个性化信息推荐方法和装置 | |
CN109542916A (zh) | 平台商品入驻方法、装置、计算机设备及存储介质 | |
CN205665733U (zh) | 广告传媒投放终端中基于细胞神经网络或卷积神经网络的用户识别系统 | |
CN107341434A (zh) | 视频图像的处理方法、装置和终端设备 | |
CN107851104A (zh) | 自动内容辨识指纹序列匹配 | |
CN104142995B (zh) | 基于视觉属性的社会事件识别方法 | |
CN105825583A (zh) | 一种智能自动贩卖机 | |
CN105975581A (zh) | 媒体信息的展示方法、客户端及服务器 | |
CN107103316A (zh) | 基于智能手机的方法和系统 | |
CN110321549B (zh) | 基于序列化学习、关系挖掘、时序分析的新概念挖掘方法 | |
CN106504025A (zh) | 一种多媒体信息处理方法及装置 | |
CN108806355A (zh) | 一种书画艺术互动教育系统 | |
KR102149035B1 (ko) | 퍼포먼스 마케팅을 위한 광고페이지 생성 및 관리 시스템 | |
CN110428404B (zh) | 一种基于人工智能的辅助培养与辅助鉴赏的制定系统 | |
CN111046213A (zh) | 一种基于图像识别的知识库构建方法 | |
CN108509567A (zh) | 一种数字文化内容库搭建的方法及装置 | |
CN105701230B (zh) | 一种基于图像内容的用户兴趣细分方法及系统 | |
CN113158670A (zh) | 一种基于实体情感识别的电商评论意见抽取方法 | |
CN106557489A (zh) | 一种基于移动终端的服饰搜索方法 | |
CN104376280A (zh) | 一种面向谷歌眼镜的图像代码生成方法 | |
CN104376523A (zh) | 一种面向谷歌眼镜的图像代码防伪系统构成方法 | |
CN110516086A (zh) | 一种基于深度神经网络影视标签自动获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |