CN105740777B - 信息处理方法及装置 - Google Patents
信息处理方法及装置 Download PDFInfo
- Publication number
- CN105740777B CN105740777B CN201610048474.2A CN201610048474A CN105740777B CN 105740777 B CN105740777 B CN 105740777B CN 201610048474 A CN201610048474 A CN 201610048474A CN 105740777 B CN105740777 B CN 105740777B
- Authority
- CN
- China
- Prior art keywords
- scene
- information
- attribute information
- image
- doubtful
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种信息处理方法及电子设备,所述方法包括:获取第一图像;识别所述第一图像中的至少两个图形对象;基于至少两个所述图形对象,生成场景识别结果。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种信息处理方法及装置。
背景技术
随着信息技术的发展,图像识别应用的越来越广。例如,利用图像识别确定出图像中人是否目标人物,识别图像拍摄的场景是否指定应用场景。在现有技术中进行场景识别时,将检测图像中兴趣点或兴趣区域的边缘信息,根据得到的边缘信息获得兴趣点和兴趣区域的梯度信息;在通过对梯度信息的编码及预定分类信息,识别出应用场景。这种应用场景的识别,经常会出现误判,导致识别率低,且识别过程中还伴随有信息处理量大、操作复杂及操作时间长等问题。
发明内容
有鉴于此,本发明实施例期望提供一种信息处理方法及电子设备,至少部分用于解决场景识别精确度不高或识别操作复杂的问题。
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例第一方面提供一种信息处理方法,所述方法包括:
获取第一图像;
识别所述第一图像中的至少两个图形对象;
基于至少两个所述图形对象,生成场景识别结果。
基于上述方案,所述方法还包括:
获取所述图形对象的属性信息;
所述基于至少两个所述图形对象,生成场景识别结果,包括:
结合所述两个图形对象和所述属性信息,获得所述场景识别结果。
基于上述方案,所述属性信息包括图形对象的数量信息和图形对象之间的相对位置信息的至少其中之一。
基于上述方案,所述基于至少两个所述图形对象,生成场景识别结果,包括:
获得至少两个所述图形对象的对象标识;
依据所述对象标识查询对象标识与场景之间的预设映射关系,形成查询结果;
根据所述查询结果,获得场景识别结果。
基于上述方案,所述根据所述查询结果,获得场景识别结果,包括:
依据所述对象标识查询对象标识与场景之间的预设映射关系,确定出至少一个疑似场景;
当所述疑似场景超过一个时,获取所述图形对象的属性信息;
匹配所述属性信息与所述疑似场景的描述信息;
根据所述属性信息与所述疑似场景的描述信息的匹配度,选择出匹配度最高的所述疑似场景作为所述场景识别结果。
本发明实施例第二方面提供一种电子设备,所述电子设备包括:
获取单元,用于获取第一图像;
识别单元,用于识别所述第一图像中的至少两个图形对象;
生成单元,用于基于至少两个所述图形对象,生成场景识别结果。
基于上述方案,所述识别单元,还用于获取所述图形对象的属性信息;
所述生成单元,具体用于结合所述两个图形对象和所述属性信息,获得所述场景识别结果。
基于上述方案,所述属性信息包括图形对象的数量信息和图形对象之间的相对位置信息的至少其中之一。
基于上述方案,所述生成单元,具体用于获得至少两个所述图形对象的对象标识;依据所述对象标识查询对象标识与场景之间的预设映射关系,形成查询结果;根据所述查询结果,获得场景识别结果。
基于上述方案,所述生成单元,还用于依据所述对象标识查询对象标识与场景之间的预设映射关系,确定出至少一个疑似场景;当所述疑似场景超过一个时,获取所述图形对象的属性信息;匹配所述属性信息与所述疑似场景的描述信息;根据所述属性信息与所述疑似场景的描述信息的匹配度,选择出匹配度最高的所述疑似场景作为所述场景识别结果。
本发明实施例提供的信息处理方法及电子设备,在识别图像描述的场景时,将通过识别技术对图像中包括图形对象进行识别,不同的场景中包括的人物、景物或动物等对象不同,这样图像中包括的图形对象不同;在本实施例中在根据至少两个图形对象确定出图像对应的场景。这样的场景识别方法,相对于现有技术中通过提取像素梯度及分类进行的图像识别方法,具有识别精确度高及识别操作简单的特点。
附图说明
图1为本发明实施例提供的一种信息处理方法的流程示意图;
图2为本发明实施例提供的图像识别获得图形对象的示意图;
图3为本发明实施例提供的另一种信息处理方法的流程示意图;
图4A为本发明实施例提供的第一种基于图形对象获得查询结果的流程示意图;
图4B为本发明实施例提供的第二种基于图形对象获得查询结果的流程示意图;
图5为本发明实施例提供的一种生成场景识别结果的流程示意图;
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
实施例一:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取第一图像;
步骤S120:识别所述第一图像中的至少两个图形对象;
步骤S130:基于至少两个所述图形对象,生成场景识别结果。
本实施例所述的信息处理方法可以应用于手机、平板电脑、可穿戴式设备、网络服务器等各种电子设备中。
所述步骤S110获取第一图像,可包括利用图像采集器,采集所述第一图像。例如,利用相机或摄像机采集形成第一图像。所述步骤S110还可包括从其他电子设备接收所述第一图像。
在步骤S120中将识别所述第一图像中的图形对象。在所述第一图像中可能包括多个图形对象。例如,可包括人物对象、景物对象和动物对象。在步骤S120中识别图形对象可包括:根据第一图像中各个像素的灰度差异,可提取人物、景物或动物的外轮廓,根据外轮廓确定出该图形对象是什么。例如,识别出第一图像中间有一张桌子、一个书架等。
在步骤S130中将基于至少两个图形对象,生成场景识别结果。位于不同场景中人物、景区和动物不同,在本实施例中将根据至少两个图形对象的组合,确定出该应用场景是什么。例如,通过步骤S120对第一图像的识别,发现在第一图形对象中包括一个桌子,桌子周围的多把椅子及桌子上的话筒。而桌子、椅子及话筒,都是会议室常见的物件。故在步骤S130中,可根据桌子、椅子及话筒生成表示该场景为会议室的场景识别结果。
图2为一个所述第一图像的示例,在图2中用虚线方框表示所述第一图像中能够被识别的图形对象。在本实施例中所述步骤S120,利用图像识别技术,可确定出第一图像中包括了电脑、椅子和书柜等图形对象。这样在步骤S130中就可以在利用电脑、椅子和书柜等信息确定出所述第一图像对应的场景。在本实施例中可根据上述图形对象,确定出第一图像对应的为书房。
在本实施例中的信息处理方法中,直接根据第一图像中的图形对象,确定出场景,形成场景识别结果;相对于现有技术中基于像素灰度分类等确定应用场景,大大的提升了精确度,且同时减少了计算量,简化了识别过程。
实施例二:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取第一图像;
步骤S120:识别所述第一图像中的至少两个图形对象;
步骤S130:基于至少两个所述图形对象,生成场景识别结果。
如图2所示,所述方法还包括:
步骤S121:获取所述图形对象的属性信息;
所述步骤S130可包括:
结合所述两个图形对象和所述属性信息,获得所述场景识别结果。
在本实施例中所述图形对象的属性信息,可为表征所述图形对象的特点的信息。例如,人物对象还包括不同身份的人物对象,例如,可以根据人物的穿着和身高特征的提取,确定出该人物对象的职业和年龄。例如,识别出了2个图像中包括人物对象,同时还根据这2个人物对象的穿着,确定出有一个人物对象为医生。这个时候因为医生这一身份属性,就可以确定出场景的范围,例如是医院或诊所等场景。
当然,例如,在第一图像中有很多人物对象,其中,大多数的人物对象比一个或2个人物对象的身高矮很多,可能这个时候就能推测是学校、幼儿园等场景。
总之,本实施例所述信息处理方法,不仅会获取第一图像的图形对象,同时还会获取第一图形对象的属性信息。
实施例三:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取第一图像;
步骤S120:识别所述第一图像中的至少两个图形对象;
步骤S130:基于至少两个所述图形对象,生成场景识别结果。
如图2所示,所述方法还包括:
步骤S121:获取所述图形对象的属性信息;
所述步骤S130可包括:
结合所述两个图形对象和所述属性信息,获得所述场景识别结果。
所述属性信息包括图形对象的数量信息和图形对象之间的相对位置信息的至少其中之一。
例如,书房和图书室内摆放的书架的个数可能不同,通常图示室的书架的个数多于普通书房的书架的个数。再比如,识别有花、草和高楼等图形对象,花和草与高楼之间的位置关系,也可以用于确定出场景。例如,花和草位于高楼的楼顶,可能该场景是楼顶花园。若花和草等图形对象,位于高楼这一图形对象的街对面,显然这可能是街道场景。
故在本实施例中所述图形对象可包括数量信息和相对位置信息,通过数量信息和相对位置信息的引入,可以提升场景设别的精确度。
实施例四:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取第一图像;
步骤S120:识别所述第一图像中的至少两个图形对象;
步骤S130:基于至少两个所述图形对象,生成场景识别结果。
如图4A和图4B所示,所述步骤S130可包括:
步骤S131:获得至少两个所述图形对象的对象标识;
步骤S132:依据所述对象标识查询对象标识与场景之间的预设映射关系,形成查询结果;
步骤S133:根据所述查询结果,获得场景识别结果。
在本实施例中所述对象标识可包括图形对象的名称或编号等信息。
在本实施例中所述步骤S130中将会利用所述对象标识检索预设映射关系,形成查询结果。
在图4A所示的步骤S132依据所述对象标识查询本地数据库中存储的所述对象标识与场景之间的预设映射关系。在图4B所示的步骤S132为将所述对象标识发送给网络服务器或远程数据库,由网络服务器或远程数据库基于所述对象标识查询所述对象标识与场景之间的预设映射关系,再从所述网络服务器或远程数据库中接收所述查询结果。
在步骤S132中将根据查询结果获得场景识别结果。这里的查询结果可表面对象标识符合那一条预设映射关系或与预设映射关系的匹配度等参数。
在步骤S133中,将根据查询结果确定出第一图像的场景。
本实施例所述的信息处理方法,具体提供了如何基于图形对象,确定出第一图像的场景;具有实现简单及精确度高的特点。在本实施例是在实施例一至实施例三任意一个实施例基础上的进一步改进,当然在本实施例中在确定所述场景时,同样可以与图形对象的属性信息结合使用,以提高场景确定的精确度。这里的属性信息可包括数量信息、相对位置信息或身份特征信息等。
实施例五:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取第一图像;
步骤S120:识别所述第一图像中的至少两个图形对象;
步骤S130:基于至少两个所述图形对象,生成场景识别结果。
如图4A和图4B所示,所述步骤S130可包括:
步骤S131:获得至少两个所述图形对象的对象标识;
步骤S132:依据所述对象标识查询对象标识与场景之间的预设映射关系,形成查询结果;
步骤S133:根据所述查询结果,获得场景识别结果。
如图5所示,所述步骤S133可包括:
步骤S1331:依据所述对象标识查询对象标识与场景之间的预设映射关系,确定出至少一个疑似场景;
步骤S1332:当所述疑似场景超过一个时,获取所述图形对象的属性信息;
步骤S1333:匹配所述属性信息与所述疑似场景的描述信息;
步骤S1334:根据所述属性信息与所述疑似场景的描述信息的匹配度,选择出匹配度最高的所述疑似场景作为所述场景识别结果。
在本实施例中首先根据图形对象的对象标识和预设映射关系,可确定第一图像描述的可能是哪些场景,这些场景在本实施例中可称为疑似场景。在本实施例中所述疑似场景不止一个时,在本实施例中将获取所述图形对象的属性信息。这里的属性信息可包括前述的数量信息、相对位置信息或人物对象的身份信息等各种属性。
再根据所述属性信息与疑似场景的描述信息的匹配度,选择匹配度最高的意思场景作为场景识别的结果。例如,通过步骤S120的识别发现在第一图像中包括长形方桌、椅子和盆栽这三个图形对象。通过步骤S132的匹配发现,符合第一图像描述的疑似场景包括:会议室、书房、图书室。在本实施例中在步骤S1331中获取图形对象的属性信息,将该属性信息与每一个疑似场景的描述信息进行匹配,再根据匹配度的排序或比较,选择出匹配度最高的疑似场景作为场景识别的最终结果。例如,通过提取属性信息发现,长形方桌的数量为1,椅子数量为10,盆栽的数量为4,且盆栽均位于所述长形方桌上。将各个图形对象的数量与会议室、书房和图书室的描述信息中图形对象的数量进行匹配,同时将盆栽与长形方桌的相对位置关系与会议室、书房和图书室的描述信息进行匹配。通过匹配发现,第一图像中各个图形对象的属性信息与会议室的描述信息的匹配度最高,则此时在形成所述场景识别结果,会将所述会议室作为第一图像场景识别的最终结果。
实施例六:
如图6所示,本实施例提供一种电子设备,所述电子设备包括:
获取单元110,用于获取第一图像;
识别单元120,用于识别所述第一图像中的至少两个图形对象;
生成单元130,用于基于至少两个所述图形对象,生成场景识别结果。
本发明实施例所述的电子设备可为手机、平板电脑、可穿戴式设备、台式电脑、笔记本电脑等各种类型的电子设备。
所述获取单元110的具体结构可为通信接口或图像采集器等结构。通信接口可用于从其他电子设备接收所述第一图像。所述图像采集器可为相机或摄像机,直接通过图像采集获得第一图像。
所述识别单元120和所述生成单元130可对应于电子设备中的处理器或处理电路;所述处理器可包括中央处理器、微处理器、数字信号处理器或可编程阵列等处理器,所述处理电路可包括专用集成电路。所述处理器或处理电路可通过执行预定指令,实现所述识别单元120和生成单元130的功能。在本实施例中所述识别单元120将直接识别出所述第一图像中包括的图形对象;所述生成单元130能够根据识别出的图形对象确定出场景;相对于现有技术中的场景识别方法,具有识别精确度高及识别操作简单的特点。
在本实施例中所述图形对象可包括人物对象、景物对象或动物对象等。所述景物对象可包括人文景物或自然景物等。例如,在一个图像中可包括自然景物对象,雪,若在该图像中还识别出有滑雪板及人,可确定出该图像对应的场景可能是滑雪场。
实施例七:
如图6所示,本实施例提供一种电子设备,所述电子设备包括:
获取单元110,用于获取第一图像;
识别单元120,用于识别所述第一图像中的至少两个图形对象;
生成单元130,用于基于至少两个所述图形对象,生成场景识别结果。
所述识别单元120,还用于获取所述图形对象的属性信息;
所述生成单元130,具体用于结合所述两个图形对象和所述属性信息,获得所述场景识别结果。
在本实施例中所述识别单元120不仅会获取所述图形对象,还将获取图形对象的属性信息,这里的属性信息可为图形对象的身份特征信息等各种属性信息。所述识别单元110可对应于处理器或处理电路,能够通过分析所述第一图像,提取出所述图形对象的属性信息等。
所述生成单元130将结合图形对象及图形对象的属性信息,进行场景识别,这样获得场景识别结果,因为引入了属性信息这一确定依据,能够提高场景识别的精确度。
实施例八:
如图6所示,本实施例提供一种电子设备,所述电子设备包括:
获取单元110,用于获取第一图像;
识别单元120,用于识别所述第一图像中的至少两个图形对象;
生成单元130,用于基于至少两个所述图形对象,生成场景识别结果。
所述识别单元120,还用于获取所述图形对象的属性信息;
所述生成单元130,具体用于结合所述两个图形对象和所述属性信息,获得所述场景识别结果。
所述属性信息包括图形对象的数量信息和图形对象之间的相对位置信息的至少其中之一。
在本实施例中所述属性信息可为各种图形对象的数量信息和图形对象之间的相对位置关系。在具体的实现过程中三,所述识别单元120在进行第一图像的识别过程中,将确定出各种或各类型的图形对象。所述识别单元120还可对应于计数器或具有计数功能的处理器或处理电路,对每一种图形对象的数量进行基数。当然素数识别单元120还可根据图形对象在第一图像中的位置,至少可用于确定出不同种或不同类型的图形对象的相对位置关系。
在本实施例中所述电子设备限定了所述生成单元130生成场景识别结果的属性信息的具体内容,在具体实现时不局限于上述信息,但是本实施例提供的数量信息和相对位置关系,具有信息提取简单且对场景识别的帮助作用大的特点。
实施例九:
如图6所示,本实施例提供一种电子设备,所述电子设备包括:
获取单元110,用于获取第一图像;
识别单元120,用于识别所述第一图像中的至少两个图形对象;
生成单元130,用于基于至少两个所述图形对象,生成场景识别结果。
所述生成单元130,具体用于获得至少两个所述图形对象的对象标识;依据所述对象标识查询对象标识与场景之间的预设映射关系,形成查询结果;根据所述查询结果,获得场景识别结果。
在本实施例中所述生成单元130可对应于通信接口,通过图形对象的对象标识的发送和查询结果的接收,获得所述查询结果,并通过查询结果的分析或其他信息处理,生成所述场景识别结果。在本实施例中所述生成单元130还可对应于处理器或处理电路,能够查询电子设备的本地数据库中的所述预设映射关系,从而确定出第一图像对应的场景。
总之本,本实施例提供了一种电子设备,能够通过查询预设映射关系,简便的确定出第一图像对应的场景,具有实现简单及结构简单的特点。
值得注意本实施例是在实施例六至实施例八提供的任意一个技术方案上的进一步改进。在本实施例中所述识别单元120也可以被复用获取所述图形对象的属性信息等。所述生成单元130也可最终根据图形对象及属性信息,共同确定第一图像对应的场景。
实施例十:
如图6所示,本实施例提供一种电子设备,所述电子设备包括:
获取单元110,用于获取第一图像;
识别单元120,用于识别所述第一图像中的至少两个图形对象;
生成单元130,用于基于至少两个所述图形对象,生成场景识别结果。
所述生成单元130,具体用于获得至少两个所述图形对象的对象标识;依据所述对象标识查询对象标识与场景之间的预设映射关系,形成查询结果;根据所述查询结果,获得场景识别结果。
所述生成单元130,还用于依据所述对象标识查询对象标识与场景之间的预设映射关系,确定出至少一个疑似场景;当所述疑似场景超过一个时,获取所述图形对象的属性信息;匹配所述属性信息与所述疑似场景的描述信息;根据所述属性信息与所述疑似场景的描述信息的匹配度,选择出匹配度最高的所述疑似场景作为所述场景识别结果。
在本实施例中若所述生成单元130在确定出有多个疑似场景时,将进一步将属性信息与描述信息之间的匹配,获得对应的匹配度,选择匹配度最高的所述疑似场景作为场景识别结果。这样相当于选择了疑似概率最高的意思场景作对第一图像的场景识别的识别结果,显然这样能够确保第一图像的场景的识别结果的精确度。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种信息处理方法,其特征在于,所述方法包括:
获取第一图像;
识别所述第一图像中的至少两个图形对象;包括:获取所述图形对象的属性信息;其中,所述属性信息包括表征所述图形对象的特点的信息;
基于至少两个所述图形对象,生成场景识别结果;包括:结合所述两个图形对象和所述属性信息,获得所述场景识别结果;
所述基于至少两个所述图像对象,生成场景识别结果,包括:
获得至少两个所述图形对象的对象标识;
依据所述对象标识查询对象标识与场景之间的预设映射关系,确定出至少一个疑似场景;
当所述疑似场景超过一个时,获取所述图形对象的属性信息;
匹配所述属性信息与所述疑似场景的描述信息;
根据所述属性信息与所述疑似场景的描述信息的匹配度,选择出匹配度最高的所述疑似场景作为所述场景识别结果。
2.根据权利要求1所述的方法,其特征在于,
所述属性信息包括图形对象的数量信息和图形对象之间的相对位置信息的至少其中之一。
3.一种电子设备,其特征在于,所述电子设备包括:
获取单元,用于获取第一图像;
识别单元,用于识别所述第一图像中的至少两个图形对象;还用于获取所述图形对象的属性信息;其中,所述属性信息包括表征所述图形对象的特点的信息;
生成单元,用于基于至少两个所述图形对象,生成场景识别结果;具体用于结合所述两个图形对象和所述属性信息,获得所述场景识别结果;
所述生成单元,具体用于获得至少两个所述图像对象的对象标识;依据对象标识查询对象标识与场景之间的预设映射关系,确定出至少一个疑似场景;当所述疑似场景超过一个时,获取所述图形对象的属性信息;匹配所述属性信息与所述疑似场景的描述信息;根据所述属性信息与所述疑似场景的描述信息的匹配度,选择出匹配度最高的所述疑似场景作为所述场景识别结果。
4.根据权利要求3所述的电子设备,其特征在于,
所述属性信息包括图形对象的数量信息和图形对象之间的相对位置信息的至少其中之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610048474.2A CN105740777B (zh) | 2016-01-25 | 2016-01-25 | 信息处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610048474.2A CN105740777B (zh) | 2016-01-25 | 2016-01-25 | 信息处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105740777A CN105740777A (zh) | 2016-07-06 |
CN105740777B true CN105740777B (zh) | 2019-06-25 |
Family
ID=56247606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610048474.2A Active CN105740777B (zh) | 2016-01-25 | 2016-01-25 | 信息处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105740777B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345896A (zh) * | 2017-01-23 | 2018-07-31 | 许继集团有限公司 | 基于部件种类和部件比例的高压设备图像识别方法及装置 |
CN107016163B (zh) * | 2017-03-07 | 2021-04-27 | 北京小米移动软件有限公司 | 植物种类推荐方法及装置 |
CN108388836B (zh) * | 2018-01-25 | 2022-02-11 | 北京一览科技有限公司 | 一种用于获取视频语义信息的方法与装置 |
CN111045618A (zh) * | 2018-10-15 | 2020-04-21 | 广东美的白色家电技术创新中心有限公司 | 产品展示方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
CN103679198A (zh) * | 2013-12-10 | 2014-03-26 | 苏州大学 | 一种基于k近邻的视网膜内节/外节缺失自动检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5710940B2 (ja) * | 2010-11-09 | 2015-04-30 | オリンパス株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
-
2016
- 2016-01-25 CN CN201610048474.2A patent/CN105740777B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930246A (zh) * | 2012-10-16 | 2013-02-13 | 同济大学 | 一种基于点云片段分割的室内场景识别方法 |
CN103679198A (zh) * | 2013-12-10 | 2014-03-26 | 苏州大学 | 一种基于k近邻的视网膜内节/外节缺失自动检测方法 |
Non-Patent Citations (1)
Title |
---|
影视视频场景结构解析及识别技术研究;王珑珑;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120215;第3章 |
Also Published As
Publication number | Publication date |
---|---|
CN105740777A (zh) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021057797A1 (zh) | 定位方法及装置、终端、存储介质 | |
CN105740777B (zh) | 信息处理方法及装置 | |
RU2608261C2 (ru) | Автоматическое генерирование тега на основании содержания изображения | |
Chen et al. | Building book inventories using smartphones | |
US8185596B2 (en) | Location-based communication method and system | |
US20170302662A1 (en) | Account information obtaining method, terminal, server and system | |
US20120057032A1 (en) | Apparatus and method for providing augmented reality using object list | |
US9288636B2 (en) | Feature selection for image based location determination | |
CN108897824A (zh) | 兴趣点空间拓扑关系构建方法、装置及存储介质 | |
CN111722186A (zh) | 基于声源定位的拍摄方法、装置、电子设备及存储介质 | |
CN113408566A (zh) | 目标检测方法及相关设备 | |
WO2020259360A1 (zh) | 定位方法及装置、终端、存储介质 | |
JP7103229B2 (ja) | 不審度推定モデル生成装置 | |
CN111126288B (zh) | 目标对象的关注度计算方法、装置、存储介质及服务器 | |
US11657611B2 (en) | Methods and systems for augmented reality room identification based on room-object profile data | |
CN112230765A (zh) | Ar显示方法、ar显示设备和计算机可读存储介质 | |
CN111582240A (zh) | 一种对象数量的识别方法、装置、设备和介质 | |
CN107729528A (zh) | 一种建筑物信息获取方法及装置、计算机装置和计算机可读存储介质 | |
CN111382744A (zh) | 商铺信息获取方法、装置、终端设备及存储介质 | |
CN111078982B (zh) | 一种电子页面的检索方法、电子设备及存储介质 | |
WO2015069560A1 (en) | Image based location determination | |
CN110263800B (zh) | 基于图像的位置确定 | |
US20150134689A1 (en) | Image based location determination | |
CN110929583A (zh) | 一种高检测精度人脸识别方法 | |
CN114743026A (zh) | 目标对象的方位检测方法、装置、设备及计算机可读介质 |
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 |