CN104899611A - 确定图像中卡片位置的方法及装置 - Google Patents
确定图像中卡片位置的方法及装置 Download PDFInfo
- Publication number
- CN104899611A CN104899611A CN201510363918.7A CN201510363918A CN104899611A CN 104899611 A CN104899611 A CN 104899611A CN 201510363918 A CN201510363918 A CN 201510363918A CN 104899611 A CN104899611 A CN 104899611A
- Authority
- CN
- China
- Prior art keywords
- card
- window
- pending image
- samples pictures
- image
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开是关于一种确定图像中卡片位置的方法及装置,用以使图像处理过程中对卡片的位置检测更易实现。所述方法包括:确定待处理图像中的卡片的样本图片;以所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果;根据所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置。本公开技术方案可以将图像检测问题转化为图像识别问题,使在待处理图像中检测卡片的位置更易于实现,准确度更高。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种确定图像中卡片位置的方法及装置。
背景技术
在对图像中的卡片进行识别定位前,需要对卡片进行边界检测,而边界检测在整个卡片信息提取的过程中占据较为重要的环节,因此卡片的边界检测随着目前各种类型的卡片的识别与信息提取变得越发重要,相关技术在对卡片的边界进行检测时,通常是先确定图像中的梯度再对梯度进行线性拟合,致使计算量大不易于实现。
发明内容
为克服相关技术中存在的问题,本公开实施例提供一种确定图像中卡片位置的方法及装置,用以使图像处理过程中对卡片的位置检测更易实现。
根据本公开实施例的第一方面,提供一种确定图像中卡片位置的方法,包括:
确定待处理图像中的卡片的样本图片;
以所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果;
根据所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置。
在一实施例中,所述确定待处理图像中的卡片的样本图片,可包括:
确定第一设定个数的设定类型的卡片的边角图片,将所述边角图片作为正样本图片;
确定第二设定个数的所述设定类型的卡片的非边角图片,将所述非边角图片作为负样本图片;
所述方法还可包括:以所述正样本图片和所述负样本图片对分类器进行特征训练,得到所述设定类型的卡片用于位置识别的分类器。
在一实施例中,所述以所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果,可包括:
根据所述正样本图片的个数确定窗口滑动的次数;
通过所述用于位置识别的分类器以所述次数对所述待处理图像滑动窗口,得到每一个窗口内对所述卡片进行识别的多个识别结果。
在一实施例中,所述根据所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置,可包括:
确定所述多个识别结果中达到预设值的窗口对应的正样本图片中的卡角的位置;
根据所述正样本图片中的卡角的位置和所述达到所述预设值的窗口相对于所述待处理图像的偏移位置确定所述卡片在所述待处理图像中的位置。
根据本公开实施例的第二方面,提供一种确定图像中卡片位置的装置,包括:
第一确定模块,被配置为确定待处理图像中的卡片的样本图片;
识别模块,被配置为以所述第一确定模块确定的所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果;
第二确定模块,被配置为根据所述识别模块识别的所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置。
在一实施例中,所述第一确定模块包括:
第一确定子模块,被配置为确定第一设定个数的设定类型的卡片的边角图片,将所述边角图片作为正样本图片;
第二确定子模块,被配置为确定第二设定个数的所述设定类型的卡片的非边角图片,将所述非边角图片作为负样本图片;
所述装置还可包括:训练模块,被配置为以所述第一确定子模块确定的所述正样本图片和所述第二确定子模块确定的所述负样本图片对分类器进行特征训练,得到所述设定类型的卡片用于位置识别的分类器。
在一实施例中,所述识别模块可包括:
第三确定子模块,被配置为根据所述正样本图片的个数确定窗口滑动的次数;
第四确定子模块,被配置为通过所述训练模块训练得到的所述用于位置识别的分类器以所述第三确定子模块确定的所述次数对所述待处理图像滑动窗口,得到每一个窗口内对所述卡片进行识别的多个识别结果。
在一实施例中,所述第二确定模块可包括:
第五确定子模块,被配置为确定所述多个识别结果中达到预设值的窗口对应的正样本图片中的卡角的位置;
第六确定子模块,被配置为根据所述第五确定子模块确定的所述正样本图片中的卡角的位置和所述达到所述预设值的窗口相对于所述待处理图像的偏移位置确定所述卡片在所述待处理图像中的位置。
根据本公开实施例的第三方面,提供一种确定图像中卡片位置的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定待处理图像中的卡片的样本图片;
在所述待处理图像上以所述样本图片作为识别窗口进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果;
根据所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置。
本公开的实施例提供的技术方案可以包括以下有益效果:以样本图片作为识别窗口在待处理图像上进行窗口滑动,得到每一个窗口内对卡片进行识别的多个识别结果,根据多个识别结果确定卡片在待处理图像中的位置,从而将图像检测问题转化为图像识别问题,使在待处理图像中检测卡片的位置更易于实现,由于避免了根据具体情况人为调参数的环节,因此检测卡片的准确度更高。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1A是根据一示例性实施例示出的确定图像中卡片位置的方法的流程图。
图1B是根据一示例性实施例示出的待处理图像的示意图。
图1C是根据一示例性实施例示出的待处理图像中的左上方卡角的示意图。
图1D是根据一示例性实施例示出的待处理图像中的左下方卡角的示意图。
图1E是根据一示例性实施例示出的待处理图像中的右上方卡角的示意图。
图1F是根据一示例性实施例示出的待处理图像中的右下方卡角的示意图。
图2A是根据一示例性实施例一示出的确定图像中卡片位置的方法的流程图。
图2B是根据一示例性实施例一示出的负样本图片的示意图之一。
图2C是根据一示例性实施例一示出的负样本图片的示意图之二。
图3是根据一示例性实施例二示出的确定图像中卡片位置的方法的流程图。
图4是根据一示例性实施例示出的一种确定图像中卡片位置的装置的框图。
图5是根据一示例性实施例示出的另一种确定图像中卡片位置的装置的框图。
图6是根据一示例性实施例示出的一种适用于确定图像中卡片位置的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1A是根据一示例性实施例示出的确定图像中卡片位置的方法的流程图,图1B是根据一示例性实施例示出的待处理图像的示意图,图1C是根据一示例性实施例示出的待处理图像中的左上方卡角的示意图,图1D是根据一示例性实施例示出的待处理图像中的左下方卡角的示意图,图1E是根据一示例性实施例示出的待处理图像中的右上方卡角的示意图,图1F是根据一示例性实施例示出的待处理图像中的右下方卡角的示意图;该确定图像中卡片位置的方法可以应用在终端设备(例如:智能手机、平板电脑、台式计算机)上,可以通过在智能手机上安装应用的方式或者在台式计算机上安装软件的方式实现,如图1A所示,该确定图像中卡片位置的方法包括以下步骤S101-S103:
在步骤S101中,确定待处理图像中的卡片的样本图片。
在一实施例中,样本图片可以为表示卡片的卡角的正样本图片,可以依据待处理图像中的卡片类型来确定,如图1B所示,在待处理图像10中,卡片的设定类型为银行卡,图1C-图1F分别示出了待处理图像中的银行卡的左上角11、左下角12、右上角13和右下角14,相应地,可以以预设的银行卡的左上角11、左下角12、右上角13和右下角14的卡角作为样本图片。如果卡片为交通卡或者学生卡,可以采用与上述相似的方式确定样本图片,由此可知,本公开对卡片的类型不进行限制。
在步骤S102中,以样本图片作为识别窗口在待处理图像上进行窗口滑动,得到每一个窗口内对卡片进行识别的多个识别结果。
例如,待处理图像的分辨率为1024*768,如果需要检测的银行卡的大小为800*600,可以以银行卡的四个边角的大小为200*150作为窗口在待处理图像上进行窗口滑动,在窗口滑动过程中,可以产生四组识别结果,其中,每一组识别结果中包括多个识别结果,以识别银行卡的左上角为例,在将左上角对应的样本图片在待处理图像上进行窗口滑动的过程中,每滑动一个窗口,可以生成一个识别结果,随着样本图片从待处理图像的左上角滑动到右下角,可以生成多个识别结果。
在步骤S103中,根据多个识别结果确定卡片在待处理图像中的位置。
在一实施例中,可以将多个识别结果中超过预设值的识别结果对应的窗口确定卡片在待处理图像中的位置,其中,预设值可以根据卡片的类型以及卡片在待处理图像中所占的比例等先验知识来确定。在另一实施例中,可以将多个识别结果中最大的识别结果对应的窗口确定卡片在待处理图像中的位置,将左上角对应的样本图片在待处理图像上进行窗口滑动进行示例性说明,当左上角对应的样本图片滑动到图1C对应的窗口时,对应的识别结果为最大,此时可以将该窗口对应的位置识别为卡片在待处理图像中的位置,左下角12、右上角13、右下角14的识别过程同上,从而可以识别出卡片在待处理图像中的四个角的位置,进而确定出卡片在待处理图像中的位置。
相较于相关技术中先对待处理图像做梯度再进行线性拟合的方法,本实施例以样本图片作为识别窗口在待处理图像上进行窗口滑动,得到每一个窗口内对卡片进行识别的多个识别结果,根据多个识别结果确定卡片在待处理图像中的位置,从而将图像检测问题转化为图像识别问题,使在待处理图像中检测卡片的位置更易于实现,由于避免了根据具体情况人为调参数的环节,因此检测卡片的准确度更高。
在一实施例中,方法还可包括:
确定第一设定个数的设定类型的卡片的边角图片,将边角图片作为正样本图片,以及确定第二设定个数的设定类型的卡片的非边角图片,将非边角图片作为负样本图片;
以正样本图片和负样本图片对分类器进行特征训练,得到设定类型的卡片用于位置识别的分类器。
在一实施例中,在待处理图像上以样本图片作为识别窗口进行窗口滑动,得到每一个窗口内对卡片进行识别的多个识别结果,可包括:
根据正样本图片的个数确定窗口滑动的次数;
通过用于位置识别的分类器以次数对待处理图像滑动窗口,确定是否存在正样本图片对应的卡角,从而得到每一个窗口内对卡片进行识别的多个识别结果。
在一实施例中,根据多个识别结果中达到预设值的窗口确定卡片在待处理图像中的位置,可包括:
确定多个识别结果中达到预设值的窗口对应的正样本图片中的卡角的位置;
根据正样本图片中的卡角的位置和达到预设值的窗口相对于待处理图像的偏移位置确定卡片在待处理图像中的位置。
具体如何确定图像中卡片位置的,请参考后续实施例。
至此,本公开实施例提供的上述方法,可以将图像检测问题转化为图像识别问题,使在待处理图像中检测卡片的位置更易于实现,避免根据具体情况人为调参数的环节,检测卡片的准确度更高。
下面以具体实施例来说明本公开实施例提供的技术方案。
图2A是根据一示例性实施例一示出的确定图像中卡片位置的方法的流程图,图2B是根据一示例性实施例一示出的负样本图片的示意图之一,图2C是根据一示例性实施例一示出的负样本图片的示意图之二;本实施例利用本公开实施例提供的上述方法,以通过分类器对待处理图像进行识别为例并结合图1B至图1F进行示例性说明,如图2A所示,包括如下步骤:
在步骤S201中,确定第一设定个数的设定类型的卡片的边角图片,将边角图片作为正样本图片。
在步骤S202中,确定第二设定个数的设定类型的卡片的非边角图片,将非边角图片作为负样本图片。
在上述步骤S201和步骤S202中,第一设定个数与第二设定个数可以依据实际采集到的包含设定类型的卡片的图像来确定,卡片的设定类型例如为银行卡、交通卡、身份证、学生卡等,可以根据实际情况采集。在一实施例中,正样本图片表示能够识别出卡片的样本图片,负样本图片表示不能够识别出卡片的样本图片,例如,如图2B和图2C所示,负样本图片为包含银行卡上的嘈杂背景的图片。
在步骤S203中,以正样本图片和负样本图片对分类器进行特征训练,得到设定类型的卡片用于位置识别的分类器。
例如,以卡片的设定类型为银行卡为例进行说明,将所采集到的大量的图片中所包含的卡片的四个边角图片作为正样本图片,其他非边角的图片作为负样本图片对分类器进行训练,从而可以得到银行卡的用于位置识别到分类器,类似地,当卡片的设定类型为交通卡、身份证、学生卡时,同样可以采用类似的方法对分类器进行训练,从而分别得到用于识别交通卡、身份证、学生卡的位置的分类器。在一实施例中,分类器可以为支持向量机(SupportVector Machine,简称为SVM))分类器。
在步骤S204中,根据正样本图片的个数确定窗口滑动的次数。
在一实施例中,例如,正样本图片的个数可以根据卡片所包含的边角的个数来确定,对于四边形的卡片而言,窗口滑动的次数为4次,每一次滑动窗口所采用的正样本图片可以对应卡片边角的设定大小的窗口,对于五边形或者更多边行的卡片,窗口滑动的次数可以为5次或者更多次,滑动窗口的过程可以参见本实施例,不再详述。
在步骤S205中,通过用于位置识别的分类器以次数对待处理图像滑动窗口,得到每一个窗口内对卡片进行识别的多个识别结果。
例如,当采用图1C-图1F对应的左上角11、左下角12、右上角13和右下角14各自对应的样本图片在待处理图像10上滑动窗口时,当滑动到左上角11对应的样本图片时,可以得到第一组识别结果,相应地,当滑动到左下角12对应的样本图片时,可以得到第二组识别结果,当滑动到右上角13对应的样本图片时,可以得到第三组识别结果,当滑动到右上角14对应的样本图片时,可以得到第四组识别结果,其中,每一组识别结果中均包含多个识别结果,在每一组识别结果中均有一个识别结果可以对应卡片在待处理图像中的边角位置。
在步骤S206中,根据多个识别结果确定卡片在待处理图像中的位置。
步骤S206的描述可以参见上述步骤S103的描述,在此不再详述。
本实施例在具有上述实施例的有益技术效果的基础上,通过正样本图片和负样本图片对分类器进行特征训练,通过训练后的分类器以次数对待处理图像滑动窗口,确定是否存在正样本图片对应的卡角,从而得到每一个窗口内对卡片进行识别的多个识别结果,进而可以确定卡片在待处理图像中的卡角位置,由于正样本图片覆盖了卡片的所有卡角,因此可以避免遗漏卡角位置或识别得到错误的卡角位置。
图3是根据一示例性实施例二示出的确定图像中卡片位置的方法的流程图;本实施例利用本公开实施例提供的上述方法,以如何根据多个识别结果确定卡片在待处理图像中的位置为例并结合图1B至图1F进行示例性说明,如图3所示,包括如下步骤:
在步骤S301中,确定待处理图像中的卡片的样本图片。
在步骤S302中,以样本图片作为识别窗口在待处理图像上进行窗口滑动,得到每一个窗口内对卡片进行识别的多个识别结果。
步骤S301和步骤S302的描述可以参见上述步骤S101和步骤S102的描述,在此不再详述。
在步骤S303中,确定多个识别结果中达到预设值的窗口对应的正样本图片中的卡角的位置。
在步骤S304中,根据正样本图片中的卡角的位置和达到预设值的窗口相对于待处理图像的偏移位置确定卡片在待处理图像中的位置。
在一实施例中在步骤S303和步骤S304中,例如,对待处理图像10中的卡片进行检测的过程中,以左上角11对应的多个识别结果为例,当样本图片对应的多个识别结果中达到预设值的窗口对应左上角11时,说明待处理图像10中的左上角11即为左上角对应的样本图片通过本公开实施例识别得到的识别结果,例如,左上角11对应的样本图片的卡角的位置为[200,100],本公开中的坐标系为像素坐标系,即,待处理图像的左上角为坐标原点[0,0]。如果达到预设值的窗口的左上角的坐标为[150,180],那么,左上角的位置为[150+200,180+100],从而得到了卡片的左上角的卡角的位置,左下角、右上角、右下角等三个卡角位置的确定方式与上述左上角的位置确定方式相同,在此不再详述。
本实施例中,根据正样本图片中的卡角的位置和达到预设值的窗口相对于待处理图像的偏移位置确定卡片在待处理图像中的位置,避免了直接根据正样本图片来确定卡角的位置,降低了卡角在待处理图像中的位置的计算复杂度,提高了卡片检测的计算效率。
图4是根据一示例性实施例示出的一种确定图像中卡片位置的装置的框图,如图4所示,确定图像中卡片位置的装置包括:
第一确定模块41,被配置为确定待处理图像中的卡片的样本图片;
识别模块42,被配置为在待处理图像上以第一确定模块41确定的样本图片作为识别窗口进行窗口滑动,得到每一个窗口内对卡片进行识别的多个识别结果;
第二确定模块43,被配置为根据识别模块42识别的多个识别结果中达到预设值的窗口确定卡片在待处理图像中的位置。
图5是根据一示例性实施例示出的另一种确定图像中卡片位置的装置的框图,如图5所示,在上述图4所示实施例的基础上,在一实施例中,第一确定模块41可包括:
第一确定子模块411,被配置为确定第一设定个数的设定类型的卡片的边角图片,将边角图片作为正样本图片;
第二确定子模块412,被配置为确定第二设定个数的设定类型的卡片的非边角图片,将非边角图片作为负样本图片;
装置还可包括:训练模块44,被配置为以第一确定子模块411确定的正样本图片和第二确定子模块412确定的负样本图片对分类器进行特征训练,得到设定类型的卡片用于位置识别的分类器。
在一实施例中,识别模块42可包括:
第三确定子模块421,被配置为根据正样本图片的个数确定窗口滑动的次数;
第四确定子模块422,被配置为通过训练模块45训练得到的用于位置识别的分类器以第三确定子模块421确定的次数对待处理图像滑动窗口,确定是否存在正样本图片对应的卡角,从而得到每一个窗口内对卡片进行识别的多个识别结果。
在一实施例中,第二确定模块43可包括:
第五确定子模块431,被配置为确定多个识别结果中达到预设值的窗口对应的正样本图片中的卡角的位置;
第六确定子模块432,被配置为根据第五确定子模块431确定的正样本图片中的卡角的位置和达到预设值的窗口相对于待处理图像的偏移位置确定卡片在待处理图像中的位置。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种适用于确定图像中卡片位置的装置的框图。例如,装置600可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,多媒体组件608,音频组件610,输入/输出(I/O)的接口612,传感器组件614,以及通信组件616。
处理组件602通常控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。例如,处理部件602可以包括多媒体模块,以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在设备600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件606为装置600的各种组件提供电力。电力组件606可以包括电源管理系统,一个或多个电源,及其他与为装置600生成、管理和分配电力相关联的组件。
多媒体组件608包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608包括一个前置摄像头和/或后置摄像头。当设备600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当装置600处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为装置600提供各个方面的状态评估。例如,传感器组件614可以检测到设备600的打开/关闭状态,组件的相对定位,例如所述组件为装置600的显示器和小键盘,传感器组件614还可以检测装置600或装置600一个组件的位置改变,用户与装置600接触的存在或不存在,装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器604,上述指令可由装置600的处理器620执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (9)
1.一种确定图像中卡片位置的方法,其特征在于,所述方法包括:
确定待处理图像中的卡片的样本图片;
以所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果;
根据所述多个识别结果确定所述卡片在所述待处理图像中的位置。
2.根据权利要求1所述的方法,其特征在于,所述确定待处理图像中的卡片的样本图片,包括:
确定第一设定个数的设定类型的卡片的边角图片,将所述边角图片作为正样本图片;
确定第二设定个数的所述设定类型的卡片的非边角图片,将所述非边角图片作为负样本图片;
所述方法还包括:以所述正样本图片和所述负样本图片对分类器进行特征训练,得到所述设定类型的卡片用于位置识别的分类器。
3.根据权利要求2所述的方法,其特征在于,所述以所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果,包括:
根据所述正样本图片的个数确定窗口滑动的次数;
通过所述用于位置识别的分类器以所述次数对所述待处理图像滑动窗口,到每一个窗口内对所述卡片进行识别的多个识别结果。
4.根据权利要求1所述的方法,其特征在于,所述根据所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置,包括:
确定所述多个识别结果中达到预设值的窗口对应的正样本图片中的卡角的位置;
根据所述正样本图片中的卡角的位置和所述达到所述预设值的窗口相对于所述待处理图像的偏移位置确定所述卡片在所述待处理图像中的位置。
5.一种确定图像中卡片位置的装置,其特征在于,所述装置包括:
第一确定模块,被配置为确定待处理图像中的卡片的样本图片;
识别模块,被配置为以所述第一确定模块确定的所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果;
第二确定模块,被配置为根据所述识别模块识别的所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置。
6.根据权利要求5所述的装置,其特征在于,所述第一确定模块包括:
第一确定子模块,被配置为确定第一设定个数的设定类型的卡片的边角图片,将所述边角图片作为正样本图片;
第二确定子模块,被配置为确定第二设定个数的所述设定类型的卡片的非边角图片,将所述非边角图片作为负样本图片;
所述装置还包括:训练模块,被配置为以所述第一确定子模块确定的所述正样本图片和所述第二确定子模块确定的所述负样本图片对分类器进行特征训练,得到所述设定类型的卡片用于位置识别的分类器。
7.根据权利要求6所述的装置,其特征在于,所述识别模块包括:
第三确定子模块,被配置为根据所述正样本图片的个数确定窗口滑动的次数;
第四确定子模块,被配置为通过所述训练模块训练得到的所述用于位置识别的分类器以所述第三确定子模块确定的所述次数对所述待处理图像滑动窗口,得到每一个窗口内对所述卡片进行识别的多个识别结果。
8.根据权利要求5所述的装置,其特征在于,所述第二确定模块包括:
第五确定子模块,被配置为确定所述多个识别结果中达到预设值的窗口对应的正样本图片中的卡角的位置;
第六确定子模块,被配置为根据所述第五确定子模块确定的所述正样本图片中的卡角的位置和所述达到所述预设值的窗口相对于所述待处理图像的偏移位置确定所述卡片在所述待处理图像中的位置。
9.一种确定图像中卡片位置的装置,其特征在于,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定待处理图像中的卡片的样本图片;
以所述样本图片作为识别窗口在所述待处理图像上进行窗口滑动,得到每一个窗口内对所述卡片进行识别的多个识别结果;
根据所述多个识别结果中达到预设值的窗口确定所述卡片在所述待处理图像中的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510363918.7A CN104899611B (zh) | 2015-06-26 | 2015-06-26 | 确定图像中卡片位置的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510363918.7A CN104899611B (zh) | 2015-06-26 | 2015-06-26 | 确定图像中卡片位置的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104899611A true CN104899611A (zh) | 2015-09-09 |
CN104899611B CN104899611B (zh) | 2018-09-25 |
Family
ID=54032265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510363918.7A Active CN104899611B (zh) | 2015-06-26 | 2015-06-26 | 确定图像中卡片位置的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104899611B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188748A (zh) * | 2019-04-30 | 2019-08-30 | 上海上湖信息技术有限公司 | 图像内容识别方法、装置以及计算机可读存储介质 |
CN110717395A (zh) * | 2019-09-06 | 2020-01-21 | 平安城市建设科技(深圳)有限公司 | 图片物体处理方法、装置及存储介质 |
CN112130531A (zh) * | 2020-09-04 | 2020-12-25 | 苏州浪潮智能科技有限公司 | 一种安装位置提示及检测的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080260239A1 (en) * | 2007-04-17 | 2008-10-23 | Han Chin-Chuan | Object image detection method |
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 |
CN103886325A (zh) * | 2014-02-18 | 2014-06-25 | 浙江大学 | 一种分块的循环矩阵视频跟踪方法 |
CN103902990A (zh) * | 2014-04-22 | 2014-07-02 | 中国科学技术大学 | 一种基于Haar-like特征的司机面部特征快速检测方法 |
CN104063692A (zh) * | 2014-06-30 | 2014-09-24 | 武汉烽火众智数字技术有限责任公司 | 一种行人定位检测方法及系统 |
-
2015
- 2015-06-26 CN CN201510363918.7A patent/CN104899611B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080260239A1 (en) * | 2007-04-17 | 2008-10-23 | Han Chin-Chuan | Object image detection method |
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 |
CN103886325A (zh) * | 2014-02-18 | 2014-06-25 | 浙江大学 | 一种分块的循环矩阵视频跟踪方法 |
CN103902990A (zh) * | 2014-04-22 | 2014-07-02 | 中国科学技术大学 | 一种基于Haar-like特征的司机面部特征快速检测方法 |
CN104063692A (zh) * | 2014-06-30 | 2014-09-24 | 武汉烽火众智数字技术有限责任公司 | 一种行人定位检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
王俊强: "图像中人体目标检测算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
薛冠超: "基于机器视觉的行人快速检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188748A (zh) * | 2019-04-30 | 2019-08-30 | 上海上湖信息技术有限公司 | 图像内容识别方法、装置以及计算机可读存储介质 |
CN110717395A (zh) * | 2019-09-06 | 2020-01-21 | 平安城市建设科技(深圳)有限公司 | 图片物体处理方法、装置及存储介质 |
CN112130531A (zh) * | 2020-09-04 | 2020-12-25 | 苏州浪潮智能科技有限公司 | 一种安装位置提示及检测的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104899611B (zh) | 2018-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105528606A (zh) | 区域识别方法及装置 | |
CN105069786A (zh) | 直线检测方法及装置 | |
CN104243819A (zh) | 照片获取方法及装置 | |
CN105469056A (zh) | 人脸图像处理方法及装置 | |
CN105488511A (zh) | 图像的识别方法及装置 | |
CN105528600A (zh) | 区域识别方法及装置 | |
CN105260732A (zh) | 图片处理方法及装置 | |
CN105095881A (zh) | 人脸识别方法、装置及终端 | |
CN104899610A (zh) | 图片分类方法及装置 | |
CN104918107A (zh) | 视频文件的标识处理方法及装置 | |
CN105139378A (zh) | 卡片边界检测方法及装置 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN104238912A (zh) | 应用控制方法及装置 | |
CN104850852A (zh) | 特征向量计算方法和装置 | |
CN105427233A (zh) | 去除水印的方法及装置 | |
CN104461014A (zh) | 屏幕解锁方法及装置 | |
CN104503888A (zh) | 告警提示的方法及装置 | |
CN105260360A (zh) | 命名实体的识别方法及装置 | |
CN105205494A (zh) | 相似图片识别方法及装置 | |
CN105159496A (zh) | 触控事件响应方法及移动终端 | |
CN105426878A (zh) | 人脸聚类方法及装置 | |
CN105120155A (zh) | 全景照片的生成方法及装置 | |
CN105843503A (zh) | 应用开启方法、装置和终端设备 | |
CN105511777A (zh) | 触控显示屏上的会话显示方法及装置 | |
CN105208284A (zh) | 拍摄提醒方法及装置 |
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 |