CN106778805A - 基于设备屏幕的触控点分类方法和装置 - Google Patents
基于设备屏幕的触控点分类方法和装置 Download PDFInfo
- Publication number
- CN106778805A CN106778805A CN201611034130.2A CN201611034130A CN106778805A CN 106778805 A CN106778805 A CN 106778805A CN 201611034130 A CN201611034130 A CN 201611034130A CN 106778805 A CN106778805 A CN 106778805A
- Authority
- CN
- China
- Prior art keywords
- touch point
- data
- screen
- training
- equipment
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于设备屏幕的触控点分类方法和装置。对设备校准;基于校准,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定;判断采集的数据在预设阈值内覆盖设备的屏幕时,停止采集,将此时采集的数据定义为训练用数据;对训练用数据进行规约与清洗操作,生成训练样本;选择单类分类器,对输入、输出及核函数进行定义,对核函数的参数进行赋值与执行训练,生成分类器;生成的分类器对设备通过屏幕获取的触控点分类,生成分类结果;通过分类结果,完成对触控点的判断。该方法解决了传统技术中对触控点进行判断的不准确的问题,实现了对触控点中的噪点或者有效触控点的有效识别的操作,且具有较高的准确性、灵活性与易用性。
Description
技术领域
本发明涉及触控设备检测技术领域,特别涉及一种基于设备屏幕的触控点分类方法和装置。
背景技术
众所周知,在可触控交互式大屏幕系统中,触控点的识别为核心问题。其中最常用的方法为设置固定的面积、周长阈值,对摄像头所摄照片中所有位置的光斑都通过该阈值来判别,在范围内的为有效触控点,否则无效。
但在实际使用中,这种方式会将很多噪点包括其中,如长条形噪点等。更为严重的是,由摄像头导致的近大远小问题距离摄像头近的光斑在照片中表现得更大;由激光器打出的激光面存在距离激光器近的光斑表现得大的问题。在这两种因素的影响下,如下情况变得亟待解决:难以确定一组固定的适用于全部情况的阈值;在确定了对于某一特定系统合适的阈值,即可将照片中最小光斑与最大光斑包括其中又足够紧的阈值之后,一些距离摄像头较远、其位置聚光面较弱但面积较大的噪点会变得难以分辨。
发明内容
鉴于此,有必要针对传统技术存在的问题,提供了一种基于设备屏幕的触控点分类方法和装置,能够实现噪点或者有效触控点的有效识别的操作,且具有较高的准确性、灵活性与易用性。
为达到发明目的,提供一种基于设备屏幕的触控点分类方法,所述方法包括:对设备进行校准操作,其中,所述设备为可触控设备;基于校准后的所述设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,所述屏幕为所述设备的组成部件,用于接收用户操作行为;判断采集的数据在预设阈值内覆盖所述设备的所述屏幕时,停止采集,并将此时采集的数据定义为训练用数据;对所述训练用数据进行规约与清洗操作,生成训练样本;选择单类分类器,对输入、输出以及核函数进行定义,并对所述核函数的参数进行赋值与执行训练,生成分类器,其中,所述核函数为自由径向基核函数或高斯核函数;生成的所述分类器对所述设备通过所述屏幕获取的触控点进行分类,生成分类结果;通过所述分类结果,完成对所述触控点的判断。
在其中一个实施例中,所述将此时采集的数据定义为训练用数据的步骤之后包括:对所述训练用数据的多个特征参数进行获取,其中,所述多个特征参数包括所述触控点形成的光斑的横纵坐标位置、面积以及长轴长。
在其中一个实施例中,所述判断采集的数据在预设阈值内覆盖所述设备的屏幕时,停止采集包括:判断所述训练用数据是否以横纵坐标均缩小8倍后满足所述屏幕的全覆盖;若满足,则确定所述训练用数据完成所述屏幕的全覆盖操作。
在其中一个实施例中,所述对所述训练用数据进行规约与清洗操作,生成训练样本包括:对于所述触控点相同的所述横纵坐标位置,选取面积与长轴长的最大值,并对面积是否为零进行判断;若面积为零时,则删除当前所述训练用数据,否则,将(8x+1,8y+1,4×area,100×axis)进行存储;再对alpha进行赋值调整,将(8x+1,8y+1,4×alpha×alpha×area,100×alpha×axis)进行存储,生成所述训练样本;其中,x为所述触控点在图像中的横坐标,y为所述触控点在图像中的纵坐标,area为所述触控点在图像中所占像素点总数,定义为面积,axis为所述触控点形成的多边形的长轴长,alpha为调整所述触控点取样参数,alpha值为0-1之间的所有数值。
在其中一个实施例中,所述通过所述分类结果,完成对所述触控点的判断包括;当所述分类结果为0时,则判定所述触控点为噪点;当所述分类结果为1时,则判定所述触控点为真实触控点。
在其中一个实施例中,还包括:在预设周期内对所述触控点为所述真实触控点执行采集;获取采集到的多个所述真实触控点的电容信号大小和位置;获取采集到的多个所述真实触控点的最大电容信号以及最小电容信号;对多个所述真实触控点的所述电容信号与预设电容信号阈值进行判断;当所述真实触控点的所述电容信号大于所述预设电容信号阈值,则判定所述真实触控点为有效触控点。
在其中一个实施例中,所述预设电容信号阈值=所述真实触控点的所述最大电容信号×所述真实触控点的弹性参数+所述真实触控点的所述最小电容信号×(1-所述真实触控点的所述弹性参数)。
在其中一个实施例中,所述弹性参数为介于0.25至0.75之间的常数。
在其中一个实施例中,所述弹性参数为0.5。
基于同一发明构思的一种基于设备屏幕的触控点分类装置,所述装置包括:校准模块,用于对设备进行校准操作,其中,所述设备为可触控设备;标定模块,用于基于校准后的所述设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,所述屏幕为所述设备的组成部件,用于接收用户操作行为;训练用数据获取模块,用于判断采集的数据在预设阈值内覆盖所述设备的所述屏幕时,停止采集,并将此时采集的数据定义为训练用数据;训练样本生成模块,用于对所述训练用数据进行规约与清洗操作,生成训练样本;分类器生成模块,用于选择单类分类器,对输入、输出以及核函数进行定义,并对所述核函数的参数进行赋值与执行训练,生成分类器,其中,所述核函数为自由径向基核函数或高斯核函数;分类模块,用于生成的所述分类器对所述设备通过所述屏幕获取的触控点进行分类,生成分类结果;触控点判断模块,用于通过所述分类结果,完成对所述触控点的判断。
本发明提供的一种基于设备屏幕的触控点分类方法和装置。对设备进行校准操作,其中,设备为可触控设备;基于校准后的设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,屏幕为设备的组成部件,用于接收用户操作行为;判断采集的数据在预设阈值内覆盖设备的屏幕时,停止采集,并将此时采集的数据定义为训练用数据;对训练用数据进行规约与清洗操作,生成训练样本;选择单类分类器,对输入、输出以及核函数进行定义,并对核函数的参数进行赋值与执行训练,生成分类器,其中,核函数为自由径向基核函数或高斯核函数;生成的分类器对设备通过屏幕获取的触控点进行分类,生成分类结果;通过分类结果,完成对触控点的判断。该方法解决了传统技术中对触控点进行判断的不够准确的问题,实现了对触控点中的噪点或者有效触控点的有效识别的操作,且具有较高的准确性、灵活性与易用性。
附图说明
图1为本发明一个实施例中的一种基于设备屏幕的触控点分类方法的步骤流程图;以及
图2为本发明一个实施例中的一种基于设备屏幕的触控点分类装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明基于设备屏幕的触控点分类方法和装置进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,为一个实施例中的一种基于设备屏幕的触控点分类方法的步骤流程图。具体包括以下步骤:
步骤101,对设备进行校准操作,其中,设备为可触控设备。
步骤102,基于校准后的设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,屏幕为设备的组成部件,用于接收用户操作行为。
本实施例中,通过对设备首先进行校准操作,继而可一次性的采集多个数据,并根据一次性采集的多个数据标定图像中的屏幕位置。需要说明的是,除了对设备进行校准时,一次性的采集多个数据执行图像中屏幕位置的标定操作之外,还可以在实际使用中完成数据的采集,逐步实现图像中屏幕位置的标定操作。
步骤103,判断采集的数据在预设阈值内覆盖设备的屏幕时,停止采集,并将此时采集的数据定义为训练用数据。
本实施例中,将此时采集的数据定义为训练用数据的步骤之后包括:对训练用数据的多个特征参数进行获取,其中,多个特征参数包括触控点形成的光斑的横纵坐标位置、面积以及长轴长。
具体的,用户在屏幕上任意划动,获取不同触控点作为训练用数据,以及获取不同触控点的信息。例如,对每个触控点形成的光斑的位置、面积、长轴长进行获取并存储,构成一个四维向量w=(x,y,area,axis)。其中x,y为该光斑中心在图像中的横纵坐标;area为光斑在图像中所占像素点,即面积;axis为光斑形成多边形的长轴长。需要说明的是,存储时对每个触控点的横纵坐标模设置为4。
进一步地,判断采集的数据在预设阈值内覆盖设备的屏幕时,停止采集包括:判断训练用数据是否以横纵坐标均缩小8倍后满足屏幕的全覆盖;若满足,则确定训练用数据完成屏幕的全覆盖操作。
步骤104,对训练用数据进行规约与清洗操作,生成训练样本。
本实施例中,对训练用数据进行规约与清洗操作,生成训练样本包括:对于触控点相同的横纵坐标位置,选取面积与长轴长的最大值,并对面积是否为零进行判断;若面积为零时,则删除当前训练用数据,否则,将(8x+1,8y+1,4×area,100×axis)进行存储;再对alpha进行赋值调整,将(8x+1,8y+1,4×alpha×alpha×area,100×alpha×axis)进行存储,生成训练样本,其中,alpha为调整触控点取样参数,alpha值为介于0-1之间的所有常数,优选alpha为0.8。
其中,x为触控点在图像中的横坐标,y为触控点在图像中的纵坐标,area为触控点在图像中所占像素点总数,定义为面积,axis为触控点形成的多边形的长轴长,alpha为调整触控点取样参数,alpha值为介于0-1之间的所有常数。
步骤105,选择单类分类器,对输入、输出以及核函数进行定义,并对核函数的参数进行赋值与执行训练,生成分类器,其中,核函数为自由径向基核函数或高斯核函数。例如,对参数gamma还有nu进行赋值,gamma=0.0002,nu=0.001。
步骤106,生成的分类器对设备通过屏幕获取的触控点进行分类,生成分类结果。
步骤107,通过分类结果,完成对触控点的判断。
本实施例中,通过分类结果,完成对触控点的判断包括;当分类结果为0时,则判定触控点为噪点;当分类结果为1时,则判定触控点为真实触控点。
进一步地,该基于设备屏幕的触控点分类方法还包括:在预设周期内对触控点为真实触控点执行采集;获取采集到的多个真实触控点的电容信号大小和位置;获取采集到的多个真实触控点的最大电容信号以及最小电容信号;对多个真实触控点的电容信号与预设电容信号阈值进行判断;当真实触控点的电容信号大于预设电容信号阈值,则判定真实触控点为有效触控点。
其中,预设电容信号阈值=真实触控点的最大电容信号×真实触控点的弹性参数+真实触控点的最小电容信号×(1-真实触控点的弹性参数)。且弹性参数为介于0.25至0.75之间的常数,优选的,弹性参数为0.5。
本发明提供的一种基于设备屏幕的触控点分类方法。对设备进行校准操作,其中,设备为可触控设备;基于校准后的设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,屏幕为设备的组成部件,用于接收用户操作行为;判断采集的数据在预设阈值内覆盖设备的屏幕时,停止采集,并将此时采集的数据定义为训练用数据;对训练用数据进行规约与清洗操作,生成训练样本;选择单类分类器,对输入、输出以及核函数进行定义,并对核函数的参数进行赋值与执行训练,生成分类器,其中,核函数为自由径向基核函数或高斯核函数;生成的分类器对设备通过屏幕获取的触控点进行分类,生成分类结果;通过分类结果,完成对触控点的判断。该方法解决了传统技术中对触控点进行判断的不够准确的问题,实现了对触控点中的噪点或者有效触控点的有效识别的操作,且具有较高的准确性、灵活性与易用性。
基于同一发明构思,还提供了一种基于设备屏幕的触控点分类装置,由于此装置解决问题的原理与前述一种基于设备屏幕的触控点分类方法相似,因此,该装置的实施可以按照前述方法的具体步骤实现,重复之处不再赘述。
如图2所示,为一个实施例中的一种基于设备平的触控点分类装置的结构示意图。该基于设备屏幕的触控点分类装置10包括:校准模块100、标定模块200、训练用数据获取模块300、训练样本生成模块400、分类器生成模块500、分类模块600和触控点判断模块700。
其中,校准模块100用于对设备进行校准操作,其中,设备为可触控设备;标定模块200用于基于校准后的设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,屏幕为设备的组成部件,用于接收用户操作行为;训练用数据获取模块300用于判断采集的数据在预设阈值内覆盖设备的屏幕时,停止采集,并将此时采集的数据定义为训练用数据;训练样本生成模块400用于对训练用数据进行规约与清洗操作,生成训练样本;分类器生成模块500用于选择单类分类器,对输入、输出以及核函数进行定义,并对核函数的参数进行赋值与执行训练,生成分类器,其中,核函数为自由径向基核函数或高斯核函数;分类模块600用于生成的分类器对设备通过屏幕获取的触控点进行分类,生成分类结果;触控点判断模块700用于通过分类结果,完成对触控点的判断。
本发明提供的一种基于设备屏幕的触控点分类装置。通过校准模块100对设备进行校准操作,其中,设备为可触控设备;再通过标定模块200基于校准后的设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,屏幕为设备的组成部件,用于接收用户操作行为;再通过训练用数据获取模块300判断采集的数据在预设阈值内覆盖设备的屏幕时,停止采集,并将此时采集的数据定义为训练用数据;继而通过训练样本生成模块400对训练用数据进行规约与清洗操作,生成训练样本;再通过分类器生成模块500选择单类分类器,对输入、输出以及核函数进行定义,并对核函数的参数进行赋值与执行训练,生成分类器,其中,核函数为自由径向基核函数或高斯核函数;再通过分类模块600使得生成的分类器对设备通过屏幕获取的触控点进行分类,生成分类结果;最终通过触控点判断模块700通过分类结果,完成对触控点的判断。该装置解决了传统技术中对触控点进行判断的不够准确的问题,实现了对触控点中的噪点或者有效触控点的有效识别的操作,且具有较高的准确性、灵活性与易用性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于设备屏幕的触控点分类方法,其特征在于,所述方法包括:
对设备进行校准操作,其中,所述设备为可触控设备;
基于校准后的所述设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,所述屏幕为所述设备的组成部件,用于接收用户操作行为;
判断采集的数据在预设阈值内覆盖所述设备的所述屏幕时,停止采集,并将此时采集的数据定义为训练用数据;
对所述训练用数据进行规约与清洗操作,生成训练样本;
选择单类分类器,对输入、输出以及核函数进行定义,并对所述核函数的参数进行赋值与执行训练,生成分类器,其中,所述核函数为自由径向基核函数或高斯核函数;
生成的所述分类器对所述设备通过所述屏幕获取的触控点进行分类,生成分类结果;
通过所述分类结果,完成对所述触控点的判断。
2.根据权利要求1所述的基于设备屏幕的触控点分类方法,其特征在于,所述将此时采集的数据定义为训练用数据的步骤之后包括:
对所述训练用数据的多个特征参数进行获取,其中,所述多个特征参数包括所述触控点形成的光斑的横纵坐标位置、面积以及长轴长。
3.根据权利要求1所述的基于设备屏幕的触控点分类方法,其特征在于,所述判断采集的数据在预设阈值内覆盖所述设备的屏幕时,停止采集包括:
判断所述训练用数据是否以横纵坐标均缩小8倍后满足所述屏幕的全覆盖;
若满足,则确定所述训练用数据完成所述屏幕的全覆盖操作。
4.根据权利要求1所述的基于设备屏幕的触控点分类方法,其特征在于,所述对所述训练用数据进行规约与清洗操作,生成训练样本包括:
对于所述触控点相同的所述横纵坐标位置,选取面积与长轴长的最大值,并对面积是否为零进行判断;
若面积为零时,则删除当前所述训练用数据,否则,将(8x+1,8y+1,4×area,100×axis)进行存储;
再对alpha进行赋值调整,将(8x+1,8y+1,4×alpha×alpha×area,100×alpha×axis)进行存储,生成所述训练样本;
其中,x为所述触控点在图像中的横坐标,y为所述触控点在图像中的纵坐标,area为所述触控点在图像中所占像素点总数,定义为面积,axis为所述触控点形成的多边形的长轴长,alpha为调整所述触控点取样参数,alpha值为0-1之间的所有数值。
5.根据权利要求1所述的基于设备屏幕的触控点分类方法,其特征在于,所述通过所述分类结果,完成对所述触控点的判断包括;
当所述分类结果为0时,则判定所述触控点为噪点;
当所述分类结果为1时,则判定所述触控点为真实触控点。
6.根据权利要求5所述的基于设备屏幕的触控点分类方法,其特征在于,还包括:在预设周期内对所述触控点为所述真实触控点执行采集;
获取采集到的多个所述真实触控点的电容信号大小和位置;
获取采集到的多个所述真实触控点的最大电容信号以及最小电容信号;
对多个所述真实触控点的所述电容信号与预设电容信号阈值进行判断;
当所述真实触控点的所述电容信号大于所述预设电容信号阈值,则判定所述真实触控点为有效触控点。
7.根据权利要求6所述的基于设备屏幕的触控点分类方法,其特征在于,所述预设电容信号阈值=所述真实触控点的所述最大电容信号×所述真实触控点的弹性参数+所述真实触控点的所述最小电容信号×(1-所述真实触控点的所述弹性参数)。
8.根据权利要求7所述的基于设备屏幕的触控点分类方法,其特征在于,所述弹性参数为介于0.25至0.75之间的常数。
9.根据权利要求8所述的基于设备屏幕的触控点分类方法,其特征在于,所述弹性参数为0.5。
10.一种基于设备屏幕的触控点分类装置,其特征在于,所述装置包括:
校准模块,用于对设备进行校准操作,其中,所述设备为可触控设备;
标定模块,用于基于校准后的所述设备,在预设周期内采集数据并根据采集到的数据执行图像中屏幕位置的标定操作,其中,所述屏幕为所述设备的组成部件,用于接收用户操作行为;
训练用数据获取模块,用于判断采集的数据在预设阈值内覆盖所述设备的所述屏幕时,停止采集,并将此时采集的数据定义为训练用数据;
训练样本生成模块,用于对所述训练用数据进行规约与清洗操作,生成训练样本;
分类器生成模块,用于选择单类分类器,对输入、输出以及核函数进行定义,并对所述核函数的参数进行赋值与执行训练,生成分类器,其中,所述核函数为自由径向基核函数或高斯核函数;
分类模块,用于生成的所述分类器对所述设备通过所述屏幕获取的触控点进行分类,生成分类结果;
触控点判断模块,用于通过所述分类结果,完成对所述触控点的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611034130.2A CN106778805A (zh) | 2016-11-23 | 2016-11-23 | 基于设备屏幕的触控点分类方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611034130.2A CN106778805A (zh) | 2016-11-23 | 2016-11-23 | 基于设备屏幕的触控点分类方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106778805A true CN106778805A (zh) | 2017-05-31 |
Family
ID=58971783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611034130.2A Pending CN106778805A (zh) | 2016-11-23 | 2016-11-23 | 基于设备屏幕的触控点分类方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106778805A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106708317A (zh) * | 2016-12-07 | 2017-05-24 | 南京仁光电子科技有限公司 | 判断触控点的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140071095A1 (en) * | 2010-08-27 | 2014-03-13 | Inputdynamics Limited | Signal processing systems |
CN103793115A (zh) * | 2012-10-30 | 2014-05-14 | 瀚宇彩晶股份有限公司 | 触控面板的多点触控的位置判断方法及其装置 |
CN104715170A (zh) * | 2013-12-13 | 2015-06-17 | 中国移动通信集团公司 | 一种操作权限的确定方法和用户终端 |
-
2016
- 2016-11-23 CN CN201611034130.2A patent/CN106778805A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140071095A1 (en) * | 2010-08-27 | 2014-03-13 | Inputdynamics Limited | Signal processing systems |
CN103793115A (zh) * | 2012-10-30 | 2014-05-14 | 瀚宇彩晶股份有限公司 | 触控面板的多点触控的位置判断方法及其装置 |
CN104715170A (zh) * | 2013-12-13 | 2015-06-17 | 中国移动通信集团公司 | 一种操作权限的确定方法和用户终端 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106708317A (zh) * | 2016-12-07 | 2017-05-24 | 南京仁光电子科技有限公司 | 判断触控点的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114092820B (zh) | 目标检测方法及应用其的移动目标跟踪方法 | |
Mathias et al. | Handling occlusions with franken-classifiers | |
CN106934376B (zh) | 一种图像识别方法、装置及移动终端 | |
US8180154B2 (en) | Method and apparatus for region-based segmentation image processing using region mapping | |
CN111914665B (zh) | 一种人脸遮挡检测方法、装置、设备及存储介质 | |
US11250250B2 (en) | Pedestrian retrieval method and apparatus | |
CN101454798B (zh) | 红眼检测仪器和红眼检测方法 | |
CN104867137B (zh) | 一种基于改进ransac算法的图像配准方法 | |
CN107169463A (zh) | 人脸检测方法、装置、计算机设备及存储介质 | |
CN106372564A (zh) | 手势识别方法和装置 | |
CN109284779A (zh) | 基于深度全卷积网络的物体检测方法 | |
CN104143185A (zh) | 一种污点区域检测方法 | |
CN109086734A (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN104463240B (zh) | 一种仪表定位方法及装置 | |
JP7040634B2 (ja) | 群集推定手法の統合及び自動切り替えのための方法、システム及びプログラム | |
CN105243356A (zh) | 一种建立行人检测模型的方法及装置及行人检测方法 | |
CN111753870B (zh) | 目标检测模型的训练方法、装置和存储介质 | |
CN104079798B (zh) | 图像检测方法、装置及一种视频监控系统 | |
US20170053172A1 (en) | Image processing apparatus, and image processing method | |
CN110007764B (zh) | 一种手势骨架识别方法、装置、系统及存储介质 | |
CN111862040A (zh) | 人像图片质量评价方法、装置、设备及存储介质 | |
CN110222704A (zh) | 一种弱监督目标检测方法及装置 | |
CN106778805A (zh) | 基于设备屏幕的触控点分类方法和装置 | |
CN110874732A (zh) | 基于移动支付设备的被扫支付方法和装置 | |
KR101982258B1 (ko) | 오브젝트 검출 방법 및 오브젝트 검출 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |