CN106898018A - 一种图像连续匹配方法及系统 - Google Patents

一种图像连续匹配方法及系统 Download PDF

Info

Publication number
CN106898018A
CN106898018A CN201710047686.3A CN201710047686A CN106898018A CN 106898018 A CN106898018 A CN 106898018A CN 201710047686 A CN201710047686 A CN 201710047686A CN 106898018 A CN106898018 A CN 106898018A
Authority
CN
China
Prior art keywords
image
matched
characteristic point
reference picture
subgraphs
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
Application number
CN201710047686.3A
Other languages
English (en)
Other versions
CN106898018B (zh
Inventor
胡德志
孙碧亮
魏涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Bao Bao Software Co Ltd
Original Assignee
Wuhan Bao Bao Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Bao Bao Software Co Ltd filed Critical Wuhan Bao Bao Software Co Ltd
Priority to CN201710047686.3A priority Critical patent/CN106898018B/zh
Publication of CN106898018A publication Critical patent/CN106898018A/zh
Application granted granted Critical
Publication of CN106898018B publication Critical patent/CN106898018B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2004—Aligning objects, relative positioning of parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种图像连续匹配方法及系统，方法包括：S1：根据目标图像的大小和打印设备的打印精度计算得到预设图像大小，根据预设图像大小对原始图像进行处理，得到待匹配图像，原始图像为摄像头对目标图像进行捕获得到；S2：对待匹配图像进行特征提取，得到待匹配图像的所有特征点信息，将待匹配图像与参考图像库中的所有图像进行特征匹配；S3：当匹配失败时，获取待匹配图像的特征点数量少于预设特征点数量的所有子图；S4：对所有子图进行增加特征点处理，得到参考图像，并将参考图像存入图像匹配参考图像库。本发明的有益效果是：当检测不到足够的特征点时，通过对待匹配图像增加特征点以提高识别度，从而实现对目标图像的连续匹配和追踪。

Description

一种图像连续匹配方法及系统
技术领域
本发明涉及图像匹配技术领域，尤其涉及一种图像连续匹配方法及系统。
背景技术
增强现实通过将虚拟的信息叠加到现实世界的场景中来向用户提供丰富的体验，为了达到好的效果，这些计算机生成的虚拟物体需要和现实的物体准确地对齐。由于图像中特征点分布不均匀或者当摄像头离目标太远或太近时无法检测到相应的特征点等问题，容易导致对目标图像的匹配失败，从而进一步导致对目标的追踪中断。
发明内容
本发明所要解决的技术问题是：现有技术由于图像中特征点分布不均匀或者当摄像头离目标太远或太近时无法检测到相应的特征点等问题，容易导致对目标的追踪中断。
本发明解决上述技术问题的技术方案如下：
一种图像连续匹配方法，包括：
S1：根据目标图像的大小和打印设备的打印精度计算得到预设图像大小，根据所述预设图像大小对原始图像进行处理，得到待匹配图像，所述原始图像为摄像头对所述目标图像进行捕获得到；
S2：对所述待匹配图像进行特征提取，得到所述待匹配图像的所有特征点信息，将所述待匹配图像与参考图像库中的所有图像进行特征匹配；
S3：当匹配失败时，根据所述摄像头与所述目标图像之间的距离和所述所有特征点信息获取所述待匹配图像的特征点数量少于预设特征点数量的所有子图；
S4：对所有所述子图进行增加特征点处理，得到参考图像，并将所述参考图像存入所述参考图像库，其中，所述参考图像为所有所述子图的特征点数量均超过所述预设特征点数量的图像。
本发明的有益效果是：当用户在环境中移动时或者用户移动摄像头时，通过对目标图像进行连续追踪来进行实时定位，当检测不到足够的特征点时，通过对待匹配图像增加特征点以提高识别度，从而实现对目标图像的连续追踪。
在上述技术方案的基础上，本发明还可以做如下改进。
优选地，所述图像连续匹配方法还包括：
当匹配成功时，获取所述参考图像库中与所述待匹配图像相匹配的最终识别图像，并将所述待匹配图像存入所述参考图像库。
优选地，所述步骤S3包括：
S31：当匹配失败时，根据所述摄像头与所述目标图像之间的距离、所述摄像头的参数和所述打印设备的打印精度，获取所述待匹配图像的当前距离下的所有子图，其中，所述摄像头的参数包括所述摄像头的视野角度和宽高比例；
S32：根据所述所有特征点信息获取所述当前距离下的所有子图中特征点数量少于预设特征点数量的所有子图。
采用上述进一步方案的有益效果是：根据所述摄像头与所述目标图像之间的距离和所述摄像头的参数可以计算得到待匹配图像的当前距离下的子图的长宽，通过打印设备的打印精度可以计算出子图的像素大小。
优选地，所述步骤S2中，通过特征检测方法对待匹配图像进行特征提取，通过特征匹配方法将所述待匹配图像与参考图像库中的所有图像进行特征匹配。
采用上述进一步方案的有益效果是：计算机开源视觉库opencv以及开源增强库artoolkit中都提供了特征检测和匹配方法，其中包括IFT、SURF、BRISK和FREAK算法，以及FLANN算法。
一种图像连续匹配系统，包括：
第一获取模块，用于根据目标图像的大小和打印设备的打印精度计算得到预设图像大小，根据所述预设图像大小对原始图像进行处理，得到待匹配图像，所述原始图像为摄像头对所述目标图像进行捕获得到；
提取模块，用于对所述待匹配图像进行特征提取，得到所述待匹配图像的所有特征点信息，将所述待匹配图像与参考图像库中的所有图像进行特征匹配；
第二获取模块，用于当匹配失败时，根据所述摄像头与所述目标图像之间的距离和所述所有特征点信息获取所述待匹配图像的特征点数量少于预设特征点数量的所有子图；
处理模块，用于对所有所述子图进行增加特征点处理，得到参考图像，并将所述参考图像存入所述参考图像库，其中，所述参考图像为所有所述子图的特征点数量均超过所述预设特征点数量的图像。
优选地，所述图像连续匹配系统还包括：
第三获取模块，用于当匹配成功时，获取所述参考图像库中与所述待匹配图像相匹配的最终识别图像，并将所述待匹配图像存入所述参考图像库。
优选地，所述第二获取模块包括：
第一获取子模块，用于当匹配失败时，根据所述摄像头与所述目标图像之间的距离、所述摄像头的参数和所述打印设备的打印精度，获取所述待匹配图像的当前距离下的所有子图，其中，所述摄像头的参数包括所述摄像头的视野角度和宽高比例；
第二获取子模块，用于根据所述所有特征点信息获取所述当前距离下的所有子图中特征点数量少于预设特征点数量的所有子图。
优选地，所述提取模块具体用于通过特征检测方法对待匹配图像进行特征提取，通过特征匹配方法将所述待匹配图像与参考图像库中的所有图像进行特征匹配。
附图说明
图1为本发明实施例提供的一种图像连续匹配方法的流程示意图；
图2为本发明另一实施例提供的一种图像连续匹配方法的流程示意图；
图3为本发明实施例提供的一种图像连续匹配系统的结构示意图；
图4为本发明另一实施例提供的一种图像连续匹配系统的结构示意图；
图5为本发明另一实施例提供的一种图像连续匹配系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，在实施例中，提供一种图像连续匹配方法，包括：
S1：根据目标图像的大小和打印设备的打印精度计算得到预设图像大小，根据预设图像大小对原始图像进行处理，得到待匹配图像，原始图像为摄像头对目标图像进行捕获得到；
S2：对待匹配图像进行特征提取，得到待匹配图像的所有特征点信息，将待匹配图像与参考图像库中的所有图像进行特征匹配；
S3：当匹配失败时，根据摄像头与目标图像之间的距离和所有特征点信息获取待匹配图像的特征点数量少于预设特征点数量的所有子图；
S4：对所有子图进行增加特征点处理，得到参考图像，并将参考图像存入参考图像库，其中，参考图像为所有子图的特征点数量均超过预设特征点数量的图像。
应理解，该实施例中，当用户在环境中移动时或者用户移动摄像头时，通过对目标图像进行连续追踪来进行实时定位，当检测不到足够的特征点时，通过对待匹配图像增加特征点以提高识别度，从而实现对目标图像的连续匹配和追踪。
具体地，该实施例中，通过特征检测方法，比如计算机开源视觉库opencv提供的特征检测方法对待匹配图像进行特征提取，得到待匹配图像的特征点分布情况，继续通过计算机开源视觉库opencv提供的特征匹配方法对待匹配图像与参考图像库中所有图像进行特征匹配，如匹配失败，则对待匹配图像进行处理，使其分辨率提高，并将提高分辨率后的待匹配图像保存在参考图像库中，以便下次特征检测和匹配。
具体地，该实施例中，打印设备的打印精度即为每英寸的分辨率DPI，对原始图像P0进行处理得到预设图像大小的待匹配图像P1，P0大小为M0*N0(像素)，预设图像大小为M*N(像素)。
该图像连续匹配方法还包括：当匹配成功时，得到与待匹配图像相匹配的最终识别图像，并将待匹配图像存入参考图像库。
如图2所示，在另一实施例中，图1中的步骤S3包括：
S31：当匹配失败时，根据摄像头与目标图像之间的距离、摄像头的参数和打印设备的打印精度，获取待匹配图像的当前距离下的所有子图，其中，摄像头的参数包括摄像头的视野角度和宽高比例；
S32：根据所有特征点信息获取当前距离下的所有子图中特征点数量少于预设特征点数量的所有子图。
应理解，该实施例中，当摄像头离目标图像较近时，不能看到全部图像，只能看到一部分，子图指的是能看到的这部分图，根据摄像头与目标图像之间的距离和摄像头的参数可以计算得到待匹配图像的当前距离下的子图的长宽，通过打印设备的打印精度可以计算出子图的像素大小。
具体地，该实施例中，摄像头能检测到目标图像的最近距离Near和最远距离Far，当摄像头距离目标图像在最近距离Near与最远距离Far范围内时，所捕获的图像对应的子图大小为m*n，子图个数为((M-m)/d+1)*((N-n)/d+1)，d为相邻子图的偏离像素数；子图的高度h＝2*distance*tan(0.5*fieldofview),宽度w＝h*aspect，distance为摄像头与目标图像的距离，fieldofview为摄像头的视野角度，aspect为宽高比例。
应理解，该实施例中，步骤S2中，通过特征检测方法对待匹配图像进行特征提取，通过特征匹配方法将待匹配图像与参考图像库中的所有图像进行特征匹配。
具体地，该实施例中，计算机开源视觉库opencv以及开源增强库artoolkit中都提供了特征检测和匹配方法，其中包括IFT、SURF、BRISK和FREAK算法，以及FLANN算法。
如图3所示，在实施例中，提供一种图像连续匹配系统，包括：
第一获取模块1，用于根据目标图像的大小和打印设备的打印精度计算得到预设图像大小，根据预设图像大小对原始图像进行处理，得到待匹配图像，原始图像为摄像头对目标图像进行捕获得到；
提取模块2，用于对待匹配图像进行特征提取，得到待匹配图像的所有特征点信息，将待匹配图像与参考图像库中的所有图像进行特征匹配；
第二获取模块3，用于当匹配失败时，根据摄像头与目标图像之间的距离和所有特征点信息获取待匹配图像的特征点数量少于预设特征点数量的所有子图；
处理模块4，用于对所有子图进行增加特征点处理，得到参考图像，并将参考图像存入参考图像库，其中，参考图像为所有子图的特征点数量均超过预设特征点数量的图像。
如图4所示，在另一实施例中，图3中的图像连续匹配系统还包括：
第三获取模块5，用于当匹配成功时，获取参考图像库中与待匹配图像相匹配的最终识别图像，并将待匹配图像存入参考图像库。
如图5所示，在另一实施例中，图3中的第二获取模块3包括：
第一获取子模块31，用于当匹配失败时，根据摄像头与目标图像之间的距离、摄像头的参数和打印设备的打印精度，获取待匹配图像的当前距离下的所有子图，其中，摄像头的参数包括摄像头的视野角度和宽高比例；
第二获取子模块32，用于根据所有特征点信息获取当前距离下的所有子图中特征点数量少于预设特征点数量的所有子图。
应理解，该实施例中，提取模块2具体用于通过特征检测方法对待匹配图像进行特征提取，通过特征匹配方法将待匹配图像与参考图像库中的所有图像进行特征匹配。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种图像连续匹配方法，其特征在于，包括：
S1：根据目标图像的大小和打印设备的打印精度计算得到预设图像大小，根据所述预设图像大小对原始图像进行处理，得到待匹配图像，所述原始图像为摄像头对所述目标图像进行捕获得到；
S2：对所述待匹配图像进行特征提取，得到所述待匹配图像的所有特征点信息，将所述待匹配图像与参考图像库中的所有图像进行特征匹配；
S3：当匹配失败时，根据所述摄像头与所述目标图像之间的距离和所述所有特征点信息，获取所述待匹配图像的特征点数量少于预设特征点数量的所有子图；
S4：对所有所述子图进行增加特征点处理，得到参考图像，并将所述参考图像存入所述参考图像库，其中，所述参考图像为所有所述子图的特征点数量均超过所述预设特征点数量的图像。
2.根据权利要求1所述的图像连续匹配方法，其特征在于，所述图像连续匹配方法还包括：
当匹配成功时，获取所述参考图像库中与所述待匹配图像相匹配的最终识别图像，并将所述待匹配图像存入所述参考图像库。
3.根据权利要求2所述的图像连续匹配方法，其特征在于，所述步骤S3包括：
S31：当匹配失败时，根据所述摄像头与所述目标图像之间的距离、所述摄像头的参数和所述打印设备的打印精度，获取所述待匹配图像的当前距离下的所有子图，其中，所述摄像头的参数包括所述摄像头的视野角度和宽高比例；
S32：根据所述所有特征点信息获取所述当前距离下的所有子图中特征点数量少于预设特征点数量的所有子图。
4.根据权利要求1-3任一项所述的图像连续匹配方法，其特征在于，所述步骤S2中，通过特征检测方法对待匹配图像进行特征提取，通过特征匹配方法将所述待匹配图像与参考图像库中的所有图像进行特征匹配。
5.一种图像连续匹配系统，其特征在于，包括：
第一获取模块(1)，用于根据目标图像的大小和打印设备的打印精度计算得到预设图像大小，根据所述预设图像大小对原始图像进行处理，得到待匹配图像，所述原始图像为摄像头对所述目标图像进行捕获得到；
提取模块(2)，用于对所述待匹配图像进行特征提取，得到所述待匹配图像的所有特征点信息，将所述待匹配图像与参考图像库中的所有图像进行特征匹配；
第二获取模块(3)，用于当匹配失败时，根据所述摄像头与所述目标图像之间的距离和所述所有特征点信息获取所述待匹配图像的特征点数量少于预设特征点数量的所有子图；
处理模块(4)，用于对所有所述子图进行增加特征点处理，得到参考图像，并将所述参考图像存入所述参考图像库，其中，所述参考图像为所有所述子图的特征点数量均超过所述预设特征点数量的图像。
6.根据权利要求5所述的图像连续匹配系统，其特征在于，所述图像连续匹配系统还包括：
第三获取模块(5)，用于当匹配成功时，获取所述参考图像库中与所述待匹配图像相匹配的最终识别图像，并将所述待匹配图像存入所述参考图像库。
7.根据权利要求6所述的图像连续匹配系统，其特征在于，所述第二获取模块(3)包括：
第一获取子模块(31)，用于当匹配失败时，根据摄像头与所述目标图像之间的距离、所述摄像头的参数和所述打印设备的打印精度，获取所述待匹配图像的当前距离下的所有子图，其中，所述摄像头的参数包括所述摄像头的视野角度和宽高比例；
第二获取子模块(32)，用于根据所述所有特征点信息获取所述当前距离下的所有子图中特征点数量少于预设特征点数量的所有子图。
8.根据权利要求5-7任一项所述的图像连续匹配系统，其特征在于，所述提取模块(2)具体用于通过特征检测方法对待匹配图像进行特征提取，通过特征匹配方法将所述待匹配图像与参考图像库中的所有图像进行特征匹配。
CN201710047686.3A 2017-01-22 2017-01-22 一种图像连续匹配方法及系统 Active CN106898018B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710047686.3A CN106898018B (zh) 2017-01-22 2017-01-22 一种图像连续匹配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710047686.3A CN106898018B (zh) 2017-01-22 2017-01-22 一种图像连续匹配方法及系统

Publications (2)

Publication Number Publication Date
CN106898018A true CN106898018A (zh) 2017-06-27
CN106898018B CN106898018B (zh) 2020-05-08

Family

ID=59198256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710047686.3A Active CN106898018B (zh) 2017-01-22 2017-01-22 一种图像连续匹配方法及系统

Country Status (1)

Country Link
CN (1) CN106898018B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766563A (zh) * 2017-11-07 2018-03-06 广东欧珀移动通信有限公司 更新数据的方法、装置、存储介质及电子设备
CN108369731A (zh) * 2018-02-02 2018-08-03 深圳前海达闼云端智能科技有限公司 模板优化方法、装置、电子设备和计算机程序产品
CN109409229A (zh) * 2018-09-26 2019-03-01 重庆巴奥科技有限公司 一种基于海量图像信息的物品无规则分布抓取识别方法
CN112508033A (zh) * 2021-02-03 2021-03-16 新东方教育科技集团有限公司 检测方法、存储介质和电子装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034093A (zh) * 2010-12-03 2011-04-27 天津工业大学 一种基于优化计算的特征点匹配方法
CN102722731A (zh) * 2012-05-28 2012-10-10 南京航空航天大学 一种基于改进sift算法的高效图像匹配方法
CN104036245A (zh) * 2014-06-10 2014-09-10 电子科技大学 一种基于在线特征点匹配的生物特征识别方法
CN104766319A (zh) * 2015-04-02 2015-07-08 西安电子科技大学 提升夜间拍照图像配准精度的方法
US20160012311A1 (en) * 2014-07-09 2016-01-14 Ditto Labs, Inc. Systems, methods, and devices for image matching and object recognition in images
CN106022069A (zh) * 2016-05-30 2016-10-12 广东欧珀移动通信有限公司 一种解锁控制方法及移动终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034093A (zh) * 2010-12-03 2011-04-27 天津工业大学 一种基于优化计算的特征点匹配方法
CN102722731A (zh) * 2012-05-28 2012-10-10 南京航空航天大学 一种基于改进sift算法的高效图像匹配方法
CN104036245A (zh) * 2014-06-10 2014-09-10 电子科技大学 一种基于在线特征点匹配的生物特征识别方法
US20160012311A1 (en) * 2014-07-09 2016-01-14 Ditto Labs, Inc. Systems, methods, and devices for image matching and object recognition in images
CN104766319A (zh) * 2015-04-02 2015-07-08 西安电子科技大学 提升夜间拍照图像配准精度的方法
CN106022069A (zh) * 2016-05-30 2016-10-12 广东欧珀移动通信有限公司 一种解锁控制方法及移动终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SIMON KORMAN ET AL.: "Fast-Match:Fast Affine template Matching", 《THE IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RCOGNITION》 *
彭勃宇 等: "面向增强现实的SUSAN-SURF快速匹配算法", 《计算机应用研究》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766563A (zh) * 2017-11-07 2018-03-06 广东欧珀移动通信有限公司 更新数据的方法、装置、存储介质及电子设备
CN107766563B (zh) * 2017-11-07 2020-05-12 Oppo广东移动通信有限公司 更新数据的方法、装置、存储介质及电子设备
CN108369731A (zh) * 2018-02-02 2018-08-03 深圳前海达闼云端智能科技有限公司 模板优化方法、装置、电子设备和计算机程序产品
WO2019148442A1 (zh) * 2018-02-02 2019-08-08 深圳前海达闼云端智能科技有限公司 模板优化方法、装置、电子设备和计算机程序产品
CN108369731B (zh) * 2018-02-02 2023-07-21 达闼机器人股份有限公司 模板优化方法、装置、电子设备和计算机程序产品
CN109409229A (zh) * 2018-09-26 2019-03-01 重庆巴奥科技有限公司 一种基于海量图像信息的物品无规则分布抓取识别方法
CN109409229B (zh) * 2018-09-26 2021-11-02 江苏仲博敬陈信息科技有限公司 一种基于海量图像信息的物品无规则分布抓取识别方法
CN112508033A (zh) * 2021-02-03 2021-03-16 新东方教育科技集团有限公司 检测方法、存储介质和电子装置
CN112508033B (zh) * 2021-02-03 2021-06-08 新东方教育科技集团有限公司 检测方法、存储介质和电子装置

Also Published As

Publication number Publication date
CN106898018B (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN106898018A (zh) 一种图像连续匹配方法及系统
CN107610108B (zh) 图像处理方法和装置
US7565030B2 (en) Detecting orientation of digital images using face detection information
US9734612B2 (en) Region detection device, region detection method, image processing apparatus, image processing method, program, and recording medium
CN108564617A (zh) 多目相机的三维重建方法、装置、vr相机和全景相机
US20150186708A1 (en) Biometric identification system
US9239957B2 (en) Image processing method and apparatus
CN107945135A (zh) 图像处理方法、装置、存储介质和电子设备
WO2014083721A1 (ja) 情報処理装置および情報処理方法
CN107862274A (zh) 美颜方法、装置、电子设备和计算机可读存储介质
CN108419028A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
WO2010100687A1 (ja) 画像検索装置及び画像検索方法
CN104615997B (zh) 一种基于多摄像机的人脸防伪方法
CN108875619A (zh) 视频处理方法和装置、电子设备、计算机可读存储介质
US9374543B2 (en) Abstract camera pipeline for uniform cross-device control of image capture and processing
CN107609471A (zh) 一种人脸活体检测方法
CN101009755B (zh) 带水印图像的生成装置及方法、和分析装置
CN106560840A (zh) 一种图像信息识别处理方法及装置
CN110084765B (zh) 一种图像处理方法、图像处理装置及终端设备
KR101915036B1 (ko) 실시간 비디오 스티칭 방법, 시스템 및 컴퓨터 판독 가능 기록매체
CN111062362A (zh) 人脸活体检测模型、方法、装置、设备及存储介质
CN105957020B (zh) 图像生成装置以及图像生成方法
CN114840831A (zh) 人脸图像的合法性验证方法、装置、电子设备和存储介质
CN109981967B (zh) 用于智能机器人的拍摄方法、装置、终端设备及介质
US20100253806A1 (en) Imaging system and imaging method thereof

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant