CN106485231A - 一种目标色块提取方法及装置 - Google Patents
一种目标色块提取方法及装置 Download PDFInfo
- Publication number
- CN106485231A CN106485231A CN201610919369.1A CN201610919369A CN106485231A CN 106485231 A CN106485231 A CN 106485231A CN 201610919369 A CN201610919369 A CN 201610919369A CN 106485231 A CN106485231 A CN 106485231A
- Authority
- CN
- China
- Prior art keywords
- characteristic information
- color lump
- color
- target
- standard colors
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
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目标色块提取方法及装置。其中,所述方法包括:获取终端采集的当前图像;根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块;根据所提取的色块确定当前颜色特征信息;将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。本发明实施例采用更新标准颜色特征信息的方法,解决了终端采集的目标物体的图像的颜色变化造成的目标色块提取不准确的问题,使得目标色块能够被准确提取,进而目标物体能够被准确识别。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种目标色块提取方法及装置。
背景技术
目前,目标识别技术已广泛应用于生产生活的各个方面,如物件分类、目标追踪及人机交互等。利用所采集的图像中的色块来实现目标识别是一种常见的目标识别方式,而色块提取是目标色块识别中图像处理的重要部分,直接影响到目标识别的准确度。
目标色块识别的基本思想是先确定目标物体的颜色特征信息,根据颜色特征信息从所采集的图像中提取相应的色块,从而实现目标识别。然而,诸如机器人、目标追踪器以及目标监控设备等终端在进行目标识别时,无论终端的移动还是目标的移动都会使得终端与目标物体之间位置关系发生变化,加之光线等环境因素的影响,尤其是室外阳光光线随时间而变化以及云彩对阳光的阻挡作用等,这些变化都会使采集的目标物体的图像的颜色不是恒定的,是变化的,使得目标物体的色块提取不准确,导致对目标物体的识别不准确。
发明内容
本发明实施例提供一种目标色块提取方法及装置,以实现准确提取目标色块。
第一方面,本发明实施例提供了一种目标色块提取方法,该方法包括:
获取终端采集的当前图像;
根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块;
根据所提取的色块确定当前颜色特征信息;
将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。
第二方面,本发明实施例还提供了一种目标色块提取装置,该装置包括:
图像获取模块,用于获取终端采集的当前图像;
色块提取模块,用于根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块;
颜色特征信息确定模块,用于根据所提取的色块确定当前颜色特征信息;
目标色块提取模块,用于将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。
本发明实施例提供的技术方案,通过采用将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取的方法,解决了终端采集的目标物体的图像的颜色变化造成的目标色块提取不准确的问题,使得目标色块能够被准确提取,进而目标物体能够被准确识别。
附图说明
图1是本发明实施例一中提供的一种目标色块提取方法的流程图;
图2是本发明实施例二中提供的一种目标色块提取方法的流程图;
图3是对图2中步骤230进行细化的方法流程图;
图4是本发明实施例三中提供的一种目标色块提取方法的流程图;
图5是本发明实施例四中提供的一种目标色块提取装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种目标色块提取方法的流程图,该方法可以由目标色块提取装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在具有目标色块提取功能的终端设备中,例如典型的是具有目标识别功能的智能机器人或人机交互终端等。该方法具体包括如下步骤:
步骤110、获取终端采集的当前图像。
其中,终端具有图像采集和处理的功能,能够采集当前时刻的图像;当前图像为当前时刻终端能够采集的终端面前的环境的图像。
具体的,当本实施例中的终端为机器人时,当前图像可以是在当前时刻通过集成在机器人头部或者身体其他部位的摄像头采集的机器人面前的环境的图像。
步骤120、根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块。
其中,目标物体为从当前图像中想要识别的物体;相应的色块为从所述当前图像中提取的与目标物体对应的色块。标准颜色特征信息包括目标物体所具有的颜色特征,该颜色特征是能够使目标物体从当前图像中识别出来的重要特征,具体可为颜色值,如RGB值或HSV值;世界上任何一种颜色的“颜色空间”都可定义成一个固定的数字或变量。对一种颜色进行编码的方法统称为“颜色空间”或“色域”。RGB(红、绿、蓝)是众多颜色空间的一种,采用这种编码方法,每种颜色都可用三个变量来表示,即红色、绿色以及蓝色的强度。HSV(Hue,Saturation,Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间。这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)。
具体的,不同的物体具有不同的颜色特征,则在图像中的颜色特征也会不同,目标物体的颜色特征和其他物体的颜色特征不同,通过颜色特征可以从图像中识别目标物体。目标物体的不同部位的颜色特征可能不同,则目标物体的颜色特征分布不同,可以根据部位的重要程度、大小等确定代表目标物体的颜色特征。本实施例中的标准颜色特征信息具体可包括标准颜色均值,还可包括标准颜色分布信息。
示例性的,标准颜色特征信息可通过如下方式获得:通过调整摄像头位置,使得目标物体处于屏幕中合适位置,采集当前图像,根据用户操作在当前图像中选定代表目标物体的目标区域(例如用户可通过手指点击图像中的目标物体内部,以用户点击位置为中心选定设定阈值大小为S0的矩形区域作为目标区域),根据目标区域中包含的像素点的颜色信息确定标准颜色特征信息(例如,计算目标区域中包含的像素点的颜色均值,将颜色均值作为标准颜色特征信息)。上述方式的好处在于,可根据用户的操作更加准确的确定代表目标物体的目标区域,该目标区域为目标物体内部区域,这样获取的标准颜色特征信息,相比于预存已久的标准颜色特征信息或是从预存已久的图像中获取的标准颜色特征信息,可以使目标识别更准确。
例如,色块的提取过程为对获取的图像进行图像处理,在图像中将与标准颜色特征信息一致的图像区域设置为白色,将与标准颜色特征信息不一致的图像区域设置为黑色,则白色区域即为色块提取区域,提取色块提取区域对应的色块。
步骤130、根据所提取的色块确定当前颜色特征信息。
其中,当前颜色特征信息可包括从当前图像中提取的与目标物体对应的色块的颜色特征,与标准颜色特征信息的形式一致,例如标准颜色特征信息为HSV值,当前颜色特征信息也为HSV值,方便后续的比较。
步骤140、将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。
示例性的,目标色块可理解为从当前图像中识别的代表目标物体的色块。将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取;若比较结果不满足更新条件,则可将根据目标物体对应的标准颜色特征信息从当前图像中提取的相应的色块作为目标色块。
示例性的,将当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取时,可根据新的标准颜色特征信息从当前图像中提取目标色块,也可获取终端采集的下一帧图像,根据新的标准颜色特征信息从下一帧图像中提取目标色块。提取目标色块的具体方式可参照步骤120中的相关描述,其区别在于本步骤中利用更新后的标准颜色特征信息进行提取。
本发明实施例提供的技术方案,通过采用将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取的方法,解决了终端采集的目标物体的图像的颜色变化造成的目标色块提取不准确的问题,使得目标色块能够被准确提取,进而目标物体能够被准确识别。
实施例二
图2是本发明实施例二提供的一种目标色块提取方法的流程图,本实施例以上述实施例为基础进行优化,提供了从所述当前图像中提取相应的色块的方法,具体是所述标准颜色特征信息包括标准颜色均值,所述当前颜色特征信息包括当前颜色均值;根据目标物体对应的标准颜色均值对所述当前图像进行二值化处理,得到二值图像;提取所述二值图像中有效面积最大的色块。相应的,本实施例的方法包括:
步骤210、获取终端采集的当前图像。
步骤220、根据目标物体对应的标准颜色均值对所述当前图像进行二值化处理,得到二值图像。
其中,目标物体在图像中是由多个像素点组成的,每个像素点都有各自的颜色值,标准颜色均值为图像中代表目标物体的多个像素点的颜色均值。该颜色均值可以是颜色值的算术平均值,几何平均值,平方平均值(均方根平均值,rms),调和平均值和加权平均值等。一般采集图像中的像素为RGB值,可将RGB值转换为HSV值。图像处理在HSV颜色空间,以提高光不敏性,即减小光线变化对图像处理的影响。二值化处理为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只有黑和白的视觉效果。采用标准颜色均值的方法,与只采用目标物体内的任意一点的颜色值的方法相比,提取的目标色块准确性更高。
具体的,以标准颜色均值为基准,加上预设的偏差值,获得一个颜色的上限值、下限值,再通过上、下限值进行二值化,对于在上、下限值之间的像素点的灰度值设置为255,即为白,对于在上、下限值之外的像素点的灰度值设置为0,即为黑。为了提高运算速度,在进行二值化处理前,可先降低图像分辨率。以2×2的移动窗口为例,计算2×2窗口内像素均值,作为降分辨率后的一个像素值,遍历整个图像,即可将像素值降低到原来的1/4。
步骤230、提取所述二值图像中有效面积最大的子图像对应的色块。
其中,二值图像中会包含很多子图像,这些子图像中的部分子图像可以是与目标物体颜色相近的物体在图像中所形成的,这些子图像的大小不同,所以有效面积不同,提取有效面积最大的子图像对应的色块。
优选的,图3是对图2中步骤230进行细化的方法流程图,如图3所示,所述提取所述二值图像中有效面积最大的子图像对应的色块,包括:
步骤231、对所述二值图像进行形态学操作,并获取所述二值图像中包含的各子图像的最小包络几何图形。
其中,数字图像处理中的形态学操作是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,比如边界、骨架以及凸壳,还包括用于预处理或后处理的形态学过滤、细化和修剪等。膨胀和腐蚀这两种操作是形态学操作的基础,许多形态学算法都是以这两种运算为基础的。根据各子图像的边沿,找出轮廓线,获得最小包络几何图形,将各子图像包含在各自的几何图形中。
具体的,OpenCV函数为形态学操作相关函数,利用OpenCV函数的找轮廓函数,找到轮廓线,遍历找出轮廓线的left,top,right,bottom,即坐标的极值点。从而确定最小包络几何图形,例如可以是矩形。
步骤232、计算每个最小包络几何图形的有效面积;
其中,最小包络几何图形的有效面积为该几何图形的面积。
步骤233、提取有效面积最大的最小包络几何图形对应的色块。
其中,有效面积最大的最小包络几何图形对应的色块为与目标物体对应的色块。
步骤240、根据所提取的色块确定当前颜色均值。
步骤250、将所述当前颜色均值与所述标准颜色均值进行比较,判断比较结果是否满足更新条件,若是,则执行步骤260;否则,执行步骤270。
步骤260、将所述当前颜色均值作为新的标准颜色均值进行目标色块的提取。
步骤270、将步骤230中提取的色块作为目标色块。
优选的,将所述当前颜色均值与所述标准颜色均值进行比较,若所述当前颜色均值的各分量与所述标准颜色均值中对应的各分量的差值的总和小于预设差值阈值,则将所述当前颜色均值作为新的标准颜色均值进行目标色块的提取;若所述当前颜色均值的各分量与所述标准颜色均值中对应的各分量的差值的总和大于或等于预设差值阈值,则将步骤230中提取的所述二值图像中有效面积最大的子图像对应的色块作为目标色块。
其中,所述当前颜色均值的各分量与所述标准颜色均值中对应的各分量的差值的总和优选为算数和,即绝对值的和。例如,标准颜色均值HSV1,分量为(H1,S1,V1),当前颜色均值为HSV2,分量为(H2,S2,V2),则算数和为A=|H1-H2|+|S1-S2|+|V1-V2|。
示例性的,预设差值阈值可根据目标物体的颜色分布情况、具体的颜色值、目标识别精度以及其他实际需求来确定。
本发明实施例的技术方案,采用了根据目标物体对应的标准颜色均值对所述当前图像进行二值化处理,得到二值图像;提取所述二值图像中有效面积最大的子图像对应的色块的方法,提取相应的色块,解决了只用目标物体内部一点的颜色值代表整体颜色值的弊端,采用颜色均值代表整体颜色值,使色块提取更加准确。
实施例三
图4是本发明实施例三提供的一种目标色块提取方法的流程图,本实施例是以上述实施例为基础进行优化,提供了提取目标色块的应用,具体是在将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取之后,还包括:获取所述目标色块的有效面积;根据所述目标色块的有效面积查询预设的距离与面积对应关系,确定所述目标物体与所述终端之间的距离。相应的,本实施例的方法包括:
步骤310、获取终端采集的当前图像。
步骤320、根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块。
步骤330、根据所提取的色块确定当前颜色特征信息。
步骤340、将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。
示例性的,根据更新后的标准颜色均值对当前图像进行二值化处理,得到二值图像,对二值图像进行形态学膨胀操作,并获取二值图像中包含的各子图像的最小包络矩形,计算每个最小包络矩形的有效面积,提取有效面积最大的最小包络矩形对应的色块为目标色块,也就是说目标色块的轮廓与该有效面积最大的最小包络矩形的轮廓一致。
步骤350、获取所述目标色块的有效面积;根据所述目标色块的有效面积查询预设的距离与面积对应关系,确定所述目标物体与所述终端之间的距离。
其中,目标色块的有效面积可以是最小包络几何图形的面积,该几何图形优选为矩形。例如,在进行目标色块提取时,有效面积最大的最小包络矩形(记为目标矩形)对应的色块为目标色块,所以目标色块的有效面积为该目标矩形的面积,此处可直接获取目标色块的有效面积。
本实施例中的预设的距离与面积对应关系可通过理论计算或者实验等方式预先建立。例如,将目标物体和终端的相对位置固定,测量两者的距离值,计算终端此时图像中包含的代表目标物体的色块的有效面积,建立当前的距离值和当前的面积的对应关系,经过多次测量和计算后,即可建立不同的距离与面积的对应关系。本步骤中,根据目标色块的有效面积查询预设的距离与面积对应关系,即可确定目标物体与终端之间的距离。
此外,预设的距离与面积对应关系也可为一个预设距离和预设面积的对应关系,预设距离具体可为目标物体与终端的理想距离,该距离是已知的。将目标物体和终端的距离固定为预设距离,计算终端此时图像中包含的代表目标物体的色块的有效面积作为预设面积,建立预设距离值和预设面积的对应关系。在获取了目标色块的有效面积之后,将该有效面积与预设面积进行比较,若该有效面积大于预设面积,则可说明终端距离目标物体过近,需要控制终端远离目标;若该有效面积小于预设面积,则可说明终端距离目标物体过远,需要控制终端靠近目标;若该有效面积等于预设面积,则可说明终端与目标物体的距离为理想距离,不需要控制终端的移动。
此外,根据目标色块的中心点坐标与图像的中心线的关系,可以获知目标物体相对于终端的方向,进而判断终端与目标物体的正对与否,从而可以调节终端的转动,使终端正对目标物体。若目标色块的中心点坐标的横坐标在图像的中心线的横坐标的左边,则终端向左转动,并逐渐达到与目标物体正对。若目标色块的中心点坐标的横坐标在图像的中心线的横坐标的右边,则终端向右转动,并逐渐达到与目标物体正对。若目标色块的中心点坐标的横坐标与图像的中心线的横坐标重合,则终端停止转动,此时达到终端与目标物体正对。
本发明实施例的技术方案,通过获取所述目标色块的有效面积,根据所述目标色块的有效面积查询预设的距离与面积对应关系,确定所述目标物体与所述终端之间的距离,可以基于目标色块提取的方法,确定终端与目标物体之间的距离。
实施例四
图5是本发明实施例四提供的一种目标色块提取装置的结构示意图,该装置适用于执行本发明实施例提供的目标色块提取方法,可以实现准确提取目标色块的功能,如图5所示,该装置包括图像获取模块410,色块提取模块420,颜色特征信息确定模块430和目标色块提取模块440。
其中,图像获取模块410,用于获取终端采集的当前图像;色块提取模块420,用于根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块;颜色特征信息确定模块430,用于根据所提取的色块确定当前颜色特征信息;目标色块提取模块440,用于将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。
本发明实施例提供的技术方案,通过采用将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取的方法,解决了终端采集的目标物体的图像的颜色变化造成的目标色块提取不准确的问题,使得目标色块能够被准确提取,进而目标物体能够被准确识别。
在上述实施例的基础上,所述标准颜色特征信息包括标准颜色均值,所述当前颜色特征信息包括当前颜色均值。所述色块提取模块420可包括二值化处理单元和相应色块提取单元。其中,二值化处理单元,用于根据目标物体对应的标准颜色均值对所述当前图像进行二值化处理,得到二值图像;色块提取单元,用于提取所述二值图像中有效面积最大的色块。
优选的,所述相应色块提取单元可包括图形获取子单元、面积计算子单元和色块提取子单元。其中,图形获取子单元,用于对所述二值图像进行形态学操作,并获取所述二值图像中包含的各子图像的最小包络几何图形;面积计算子单元,用于计算每个最小包络几何图形的有效面积;色块提取子单元,用于提取有效面积最大的最小包络几何图形对应的色块。
优选的,所述目标色块提取模块440具体用于,将所述当前颜色均值与所述标准颜色均值进行比较,若所述当前颜色均值的各分量与所述标准颜色均值中对应的各分量的差值的总和小于预设差值阈值,则将所述当前颜色均值作为新的标准颜色均值进行目标色块的提取。
优选的,该装置还可包括:有效面积获取模块,用于在将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取之后,获取所述目标色块的有效面积;距离确定模块,根据所述目标色块的有效面积查询预设的距离与面积对应关系,确定所述目标物体与所述终端之间的距离。
上述目标色块提取装置可执行本发明任意实施例所提供的目标色块提取方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种目标色块提取方法,其特征在于,包括:
获取终端采集的当前图像;
根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块;
根据所提取的色块确定当前颜色特征信息;
将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。
2.根据权利要求1所述的方法,其特征在于,所述标准颜色特征信息包括标准颜色均值,所述当前颜色特征信息包括当前颜色均值;
所述根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块,包括:
根据目标物体对应的标准颜色均值对所述当前图像进行二值化处理,得到二值图像;
提取所述二值图像中有效面积最大的子图像对应的色块。
3.根据权利要求2所述的方法,其特征在于,所述提取所述二值图像中有效面积最大的子图像对应的色块,包括:
对所述二值图像进行形态学操作,并获取所述二值图像中包含的各子图像的最小包络几何图形;
计算每个最小包络几何图形的有效面积;
提取有效面积最大的最小包络几何图形对应的色块。
4.根据权利要求2所述的方法,其特征在于,
所述将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取,包括:
将所述当前颜色均值与所述标准颜色均值进行比较,若所述当前颜色均值的各分量与所述标准颜色均值中对应的各分量的差值的总和小于预设差值阈值,则将所述当前颜色均值作为新的标准颜色均值进行目标色块的提取。
5.根据权利要求1所述的方法,其特征在于,在将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取之后,还包括:
获取所述目标色块的有效面积;
根据所述目标色块的有效面积查询预设的距离与面积对应关系,确定所述目标物体与所述终端之间的距离。
6.一种目标色块提取装置,其特征在于,包括:
图像获取模块,用于获取终端采集的当前图像;
色块提取模块,用于根据目标物体对应的标准颜色特征信息从所述当前图像中提取相应的色块;
颜色特征信息确定模块,用于根据所提取的色块确定当前颜色特征信息;
目标色块提取模块,用于将所述当前颜色特征信息与所述标准颜色特征信息进行比较,若比较结果满足更新条件,则将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取。
7.根据权利要求6所述的装置,其特征在于,所述标准颜色特征信息包括标准颜色均值,所述当前颜色特征信息包括当前颜色均值;
所述色块提取模块,包括:
二值化处理单元,用于根据目标物体对应的标准颜色均值对所述当前图像进行二值化处理,得到二值图像;
色块提取单元,用于提取所述二值图像中有效面积最大的子图像对应的色块。
8.根据权利要求7所述的装置,其特征在于,所述色块提取单元包括:
图形获取子单元,用于对所述二值图像进行形态学操作,并获取所述二值图像中包含的各子图像的最小包络几何图形;
面积计算子单元,用于计算每个最小包络几何图形的有效面积;
色块提取子单元,用于提取有效面积最大的最小包络几何图形对应的色块。
9.根据权利要求7所述的装置,其特征在于,所述目标色块提取模块具体用于:
将所述当前颜色均值与所述标准颜色均值进行比较,若所述当前颜色均值的各分量与所述标准颜色均值中对应的各分量的差值的总和小于预设差值阈值,则将所述当前颜色均值作为新的标准颜色均值进行目标色块的提取。
10.根据权利要求6所述的装置,其特征在于,还包括:
有效面积获取模块,用于在将所述当前颜色特征信息作为新的标准颜色特征信息进行目标色块的提取之后,获取所述目标色块的有效面积;
距离确定模块,用于根据所述目标色块的有效面积查询预设的距离与面积对应关系,确定所述目标物体与所述终端之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919369.1A CN106485231A (zh) | 2016-10-21 | 2016-10-21 | 一种目标色块提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919369.1A CN106485231A (zh) | 2016-10-21 | 2016-10-21 | 一种目标色块提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106485231A true CN106485231A (zh) | 2017-03-08 |
Family
ID=58270417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610919369.1A Withdrawn CN106485231A (zh) | 2016-10-21 | 2016-10-21 | 一种目标色块提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485231A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198225A (zh) * | 2018-01-09 | 2018-06-22 | 北京昊启科技有限公司 | 台球花色识别装置的参数自动校准方法及计算机存储介质 |
CN108769808A (zh) * | 2018-05-24 | 2018-11-06 | 安徽质在智能科技有限公司 | 交互式视频播放方法和系统 |
CN110555438A (zh) * | 2019-07-19 | 2019-12-10 | 广东智媒云图科技股份有限公司 | 一种基础语言的机器辅助学习方法、终端设备、存储介质 |
CN111565300A (zh) * | 2020-05-22 | 2020-08-21 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及系统 |
CN111586363A (zh) * | 2020-05-22 | 2020-08-25 | 深圳市百川安防科技有限公司 | 基于对象的视频文件查看方法及系统 |
CN113470125A (zh) * | 2021-07-21 | 2021-10-01 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及系统 |
CN114066823A (zh) * | 2021-10-27 | 2022-02-18 | 随锐科技集团股份有限公司 | 检测色块的方法及其相关产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324958A (zh) * | 2008-06-25 | 2008-12-17 | 北京中星微电子有限公司 | 一种目标跟踪方法及装置 |
CN101727570A (zh) * | 2008-10-23 | 2010-06-09 | 华为技术有限公司 | 跟踪方法、检测跟踪处理设备和监控系统 |
CN101852768A (zh) * | 2010-05-05 | 2010-10-06 | 电子科技大学 | 磁粉探伤环境下基于复合特征的工件伤痕识别方法 |
CN102629385A (zh) * | 2012-02-28 | 2012-08-08 | 中山大学 | 一种基于多摄像机信息融合的目标匹配与跟踪系统及方法 |
CN103177259A (zh) * | 2013-04-11 | 2013-06-26 | 中国科学院深圳先进技术研究院 | 色块识别方法及装置 |
CN103810478A (zh) * | 2014-02-21 | 2014-05-21 | 广东小天才科技有限公司 | 一种坐姿检测方法和装置 |
CN105139415A (zh) * | 2015-09-29 | 2015-12-09 | 小米科技有限责任公司 | 图像前后景分割方法、装置及终端 |
CN105278541A (zh) * | 2015-09-02 | 2016-01-27 | 蔡兆旸 | 一种飞行器辅助降落控制方法及系统 |
CN105447469A (zh) * | 2015-12-01 | 2016-03-30 | 天津普达软件技术有限公司 | 一种矿泉水瓶瓶盖字符喷印检测方法 |
-
2016
- 2016-10-21 CN CN201610919369.1A patent/CN106485231A/zh not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324958A (zh) * | 2008-06-25 | 2008-12-17 | 北京中星微电子有限公司 | 一种目标跟踪方法及装置 |
CN101727570A (zh) * | 2008-10-23 | 2010-06-09 | 华为技术有限公司 | 跟踪方法、检测跟踪处理设备和监控系统 |
CN101852768A (zh) * | 2010-05-05 | 2010-10-06 | 电子科技大学 | 磁粉探伤环境下基于复合特征的工件伤痕识别方法 |
CN102629385A (zh) * | 2012-02-28 | 2012-08-08 | 中山大学 | 一种基于多摄像机信息融合的目标匹配与跟踪系统及方法 |
CN103177259A (zh) * | 2013-04-11 | 2013-06-26 | 中国科学院深圳先进技术研究院 | 色块识别方法及装置 |
CN103810478A (zh) * | 2014-02-21 | 2014-05-21 | 广东小天才科技有限公司 | 一种坐姿检测方法和装置 |
CN105278541A (zh) * | 2015-09-02 | 2016-01-27 | 蔡兆旸 | 一种飞行器辅助降落控制方法及系统 |
CN105139415A (zh) * | 2015-09-29 | 2015-12-09 | 小米科技有限责任公司 | 图像前后景分割方法、装置及终端 |
CN105447469A (zh) * | 2015-12-01 | 2016-03-30 | 天津普达软件技术有限公司 | 一种矿泉水瓶瓶盖字符喷印检测方法 |
Non-Patent Citations (1)
Title |
---|
武文亮 等: "绿色作物叶面积检测算法设计", 《计算机技术与发展》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198225A (zh) * | 2018-01-09 | 2018-06-22 | 北京昊启科技有限公司 | 台球花色识别装置的参数自动校准方法及计算机存储介质 |
CN108769808A (zh) * | 2018-05-24 | 2018-11-06 | 安徽质在智能科技有限公司 | 交互式视频播放方法和系统 |
CN108769808B (zh) * | 2018-05-24 | 2021-01-29 | 浙报融媒体科技(浙江)有限责任公司 | 交互式视频播放方法和系统 |
CN110555438A (zh) * | 2019-07-19 | 2019-12-10 | 广东智媒云图科技股份有限公司 | 一种基础语言的机器辅助学习方法、终端设备、存储介质 |
CN110555438B (zh) * | 2019-07-19 | 2023-08-18 | 广东智媒云图科技股份有限公司 | 一种基础语言的机器辅助学习方法、终端设备、存储介质 |
CN111565300A (zh) * | 2020-05-22 | 2020-08-21 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及系统 |
CN111586363A (zh) * | 2020-05-22 | 2020-08-25 | 深圳市百川安防科技有限公司 | 基于对象的视频文件查看方法及系统 |
CN111586363B (zh) * | 2020-05-22 | 2021-06-25 | 深圳市睿联技术股份有限公司 | 基于对象的视频文件查看方法及系统 |
CN113470125A (zh) * | 2021-07-21 | 2021-10-01 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及系统 |
CN113470125B (zh) * | 2021-07-21 | 2024-01-12 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及系统 |
CN114066823A (zh) * | 2021-10-27 | 2022-02-18 | 随锐科技集团股份有限公司 | 检测色块的方法及其相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485231A (zh) | 一种目标色块提取方法及装置 | |
CN105469113B (zh) | 一种二维视频流中的人体骨骼点追踪方法及系统 | |
CN105809138B (zh) | 一种基于分块识别的道路警告标志检测与识别方法 | |
CN103186904B (zh) | 图片轮廓提取方法及装置 | |
CN103927016B (zh) | 一种基于双目视觉的实时三维双手手势识别方法及其系统 | |
CN108027248A (zh) | 具有基于特征的定位和导航的工业车辆 | |
CN104091348B (zh) | 融合显著特征和分块模板的多目标跟踪方法 | |
CN107239748A (zh) | 基于棋盘格标定技术的机器人目标识别与定位方法 | |
CN106097354B (zh) | 一种结合自适应高斯肤色检测和区域生长的手部图像分割方法 | |
CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN109657632A (zh) | 一种车道线检测识别方法 | |
CN104809422A (zh) | 基于图像处理的qr码识别方法 | |
CN102938057B (zh) | 一种车辆阴影消除方法及装置 | |
CN106952280B (zh) | 一种基于计算机视觉的喷枪喷漆量均匀度检测方法 | |
CN104598907B (zh) | 一种基于笔画宽度图的图像中文字数据提取方法 | |
CN102883175A (zh) | 深度图提取、判断视频场景切换及深度图边缘优化方法 | |
CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
Cai et al. | Study on shadow detection method on high resolution remote sensing image based on HIS space transformation and NDVI index | |
CN110032932B (zh) | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 | |
CN108596923A (zh) | 三维数据的获取方法、装置以及电子设备 | |
CN104143077B (zh) | 基于图像的行人目标检索方法和系统 | |
Guo | Research of hand positioning and gesture recognition based on binocular vision | |
CN107993224A (zh) | 一种基于圆形标志物的物体检测定位方法 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN105678318A (zh) | 交通标牌的匹配方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170308 |