CN108230168B - 通过定制多媒体方法共享个性化路线规划的方法和系统 - Google Patents
通过定制多媒体方法共享个性化路线规划的方法和系统 Download PDFInfo
- Publication number
- CN108230168B CN108230168B CN201711375269.8A CN201711375269A CN108230168B CN 108230168 B CN108230168 B CN 108230168B CN 201711375269 A CN201711375269 A CN 201711375269A CN 108230168 B CN108230168 B CN 108230168B
- Authority
- CN
- China
- Prior art keywords
- interest
- route
- initial
- image
- user
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
Abstract
本发明公开了一种通过定制多媒体方法共享个性化路线规划的方法和系统。所述方法包括从用户中接收查询图像,所述查询图像包含所述用户的兴趣对象,执行整合分割过程以确定所述查询图像中兴趣对象的至少一个轮廓,确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线,生成包括所述兴趣对象和所述路线的输出图像,和向用户推荐所述输出图像,并在社交网络平台上共享所述输出图像。
Description
技术领域
本发明涉及信息技术和社交媒体技术,特别涉及通过定制多媒体方法共享个性化路线规划的方法和系统。
背景技术
过去十年已经看到社交网站的普及正在极大地改变人际交往的方式。社交媒体的货币是分享。随着社交网络多媒体平台的快速发展,人们在社交媒体上共享大量的状态信息。例如,人们可以在诸如脸书,推特,YouTube,微信等社交网络多媒体平台上发布和分享个人化文章,照片,音频,视频等。用户可以向某些受众(如追随者,朋友,团体或公众)分享不同的多媒体内容。然而,利用强大的社交媒体共享策略来建立一个更大更有吸引力的观众来实现更好的人际交互体验是一个挑战。
本发明公开的方法及其系统用于解决现有技术中的一个或者多个问题。
发明内容
本发明的目的在于提供一种用于推荐和共享定制的多媒体路线规划的方法和系统。
本发明一方面公开了一种用于推荐和共享定制的多媒体路线规划的方法,包括:从用户中接收查询图像,所述查询图像包含所述用户的兴趣对象,执行整合分割过程以确定所述查询图像中兴趣对象的至少一个轮廓,确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线,生成包括所述兴趣对象和所述路线的输出图像,和向所述用户推荐所述输出图像,并在社交网络平台上共享所述输出图像。
在某些实施例中,所述方法还包括所述查询图像接收附加用户指定信息;其中所述附加用户指定信息包括对象边界框,用户地理位置,地图比率和预期路线长度。
在某些实施例中,所述方法还包括基于所述用户地理位置和所述地图比例从在线地图应用获得所述地图图像,和基于所述查询图像,所述地图图像和所述预期路线长度中的所述兴趣对象的至少一个轮廓来确定路线。
在某些实施例中,所述整合分割过程还包括执行所述查询图像的初始化以获得初始微调,执行第一自动分割过程以从所述初始微调中识别所述兴趣对象的近似边界,执行用户交互过程来编辑所述第一自动分割过程的分割结果以生成已更新的微调,执行第二自动分割过程以从所述已更新的微调中识别所述兴趣对象的准确边界。
在某些实施例中,所述的执行所述查询图像的初始化还包括基于所述对象边界框确定所述查询图像的初始前景区域,初始背景区域和初始保留区域;和将高斯混合模型设置为所述初始前景区域和所述初始背景区域中的每个像素。
在某些实施例中,所述的执行第一自动分割过程还包括将所述高斯混合模型分量分配给所述初始保留区域中的每个像素;从所述初始微调灰度值的数据中学习所述高斯混合模型参数,通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中所述吉布斯能量方程取决于所述高斯混合模型分量和所述高斯混合模型参数,重复上述三个步骤,直到满足迭代最小化的收敛条件,和执行边框抠图以从所述初始微调生成所述兴趣对象的所述近似边界。
在某些实施例中,所述的执行所述用户交互过程还包括接收在所述第一自动分割处理的分割结果中的用户输入,其中所述用户输入包括背景画笔和前景画笔中的至少一个,固定像素分别对应由所述背景画笔和所述前景画笔指示的区域,和根据生成的已更新微调相应地更新查询图像的分割结果。
在某些实施例中,所述的执行所述的第二自动分割处理过程还包括:通过使用最小切割估计算法来确定所述已更新的微调的更新分割,和执行精细操作以从所述已更新的微调中识别所述兴趣对象的所述准确边界。
在某些实施例中,所述的执行精细操作还包括将所述高斯混合模型分量分配给已更新的微调中已更新的保留区域的每个像素,从所述已更新的微调灰度值的数据中学习所述高斯混合模型参数,通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中吉布斯能量方程取决于高斯混合模型分量和高斯混合模型参数,重复上述三个步骤,直到满足迭代最小化的收敛条件;和执行边缘抠图以从已更新的微调产生所述兴趣对象的所述准确边界,其中所述准确边界包括所述兴趣对象的至少一个轮廓。
在某些实施例中,所述的确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线还包括采用MorphSnakes算法以八种不同的方向搜索地图上的候选路线,使用形态学测地活动轮廓框架通过最小化能量函数来进化候选路线,和执行使用失真误差的评估方法来确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线。
在某些实施例中,所述能量函数如下表示:
在某些实施例中,所述的应用MorphSnakes算法还包括通过连续应用一组曲率形态学算子来计算所述候选路线曲线演化的偏微分方程的近似数值解;其中在二进制水平集函数上定义所述一组曲率形态学算子。
在某些实施例中,所述方法还包括在所述二进制水平集函数的两个连续水平集之间引入一个标准度量,以评估候选路线的曲线演化的收敛。
另一方面本发明还公开了一种用于推荐和共享定制多媒体路线规划的系统,包括至少一个硬件处理器,存储器和存储在存储器中并由至少一个处理器执行的至少一个程序模块,所述至少一个程序模块包括查询图像接收模块用于从用户中接收查询图像,所述查询图像包含所述用户的兴趣对象;整合分割模块用于执行整合分割过程以确定所述查询图像中兴趣对象的至少一个轮廓;路线规划模块用于确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线;图像融合模块:用于生成包括所述兴趣对象和所述路线的输出图像;和推荐和共享模块:用于向所述用户推荐所述输出图像,并在社交网络平台上共享所述输出图像。
在某些实施例中,所述查询图像接收模块包括用于所述查询图像接收附加用户指定信息,其中所述附加用户指定信息包括对象边界框,用户地理位置,地图比率和预期路线长度,基于所述用户地理位置和所述地图比例从在线地图应用获得所述地图图像,和基于所述查询图像,所述地图图像和所述预期路线长度中的所述兴趣对象的至少一个轮廓来确定路线。
在某些实施例中,所述的整合分割模块包括初始微调单元用于执行所述查询图像的初始化以获得初始微调;自动分割单元:用于执行第一自动分割过程以从所述初始微调中识别所述兴趣对象的近似边界;用户交互单元:用于执行用户交互过程来编辑所述第一自动分割过程的分割结果以生成已更新的微调;和其中,所述自动分割单元用于执行第二自动分割过程以从所述已更新的微调中识别所述兴趣对象的准确边界。
在某些实施例中,所述初始微调模块用于基于所述对象边界框确定所述查询图像的初始前景区域,初始背景区域和初始保留区域,和将高斯混合模型设置为所述初始前景区域和所述初始背景区域中的每个像素。
在某些实施例中,所述自动分割单元用于将所述高斯混合模型分量分配给所述初始保留区域中的每个像素;从所述初始微调灰度值的数据中学习所述高斯混合模型参数;通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中所述吉布斯能量方程取决于所述高斯混合模型分量和所述高斯混合模型参数;重复上述三个步骤,直到满足迭代最小化的收敛条件;和执行边框抠图以从所述初始微调生成所述兴趣对象的所述近似边界。
在某些实施例中,所述用户交互单元用于接收在所述第一自动分割处理的分割结果中的用户输入,其中所述用户输入包括背景画笔和前景画笔中的至少一个,固定像素分别对应由所述背景画笔和所述前景画笔指示的区域;根据生成所述已更新的微调相应地更新查询图像的分割结果。
在某些实施例中,所述路线规划模块包括MorphSnakes路线搜索单元用于采用MorphSnakes算法以八种不同的方向搜索地图上的候选路线:形态学路线演化单元:用于所述使用形态学测地活动轮廓框架通过最小化能量函数来进化候选路线,所述形态学路线演化单元包括通过连续应用一组曲率形态学算子来计算所述候选路线曲线演化的偏微分方程的近似数值解,其中在二进制水平集函数上定义所述一组曲率形态学算子,在所述二进制水平集函数的两个连续水平集之间引入一个标准度量,以评估候选路线的曲线演化的收敛;和失真误差评估单元用于执行使用失真误差的评估方法来确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线。
本发明公开的说明书,权利要求和附图可以由本领域技术人员理解。
以下附图仅仅是用于解释本发明的具体实施例,并不限制本发明的范围。
附图说明
图1为本发明具体实施方式的工作环境示意图;
图2为本发明具体实施方式的计算机系统的结构框图;
图3为本发明具体实施方式的用于推荐和共享定制多媒体路线规划方法的流程图;
图4为本发明具体实施方式的使用图割算法的交互式分割过程的流程图;
图5为本发明具体实施方式的不同阶段的交互式分割过程处理图像的示意图;
图6为本发明具体实施方式的不同阶段的曲线演化过程处理路线候选图像的示意图;
图7本发明具体实施方式的用于推荐和共享定制多媒体路线规划的方法的输出渲染结果的示意图;
图8本发明具体实施方式的用于推荐和共享定制的多媒体路线规划的系统的示意图。
具体实施方式
现在将详细参考在附图中示出的本发明的示例性实施例。尽可能地,在整个附图中将使用相同的附图标记来指代相同或相似的部件。
根据本发明公开的一些实施例,本发明提供了一种用于推荐和共享定制的多媒体路线规划系统和方法。具体来说,所公开的方法和系统被用于推荐和共享定制的基于图像的路线。
在一些实施例中,所公开的方法和系统可以用具有指定对象边界框,用户地理位置,地图比例和预期路线长度的查询图像和/或其他信息来启动。给定任何查询图像,可以执行交互式分割以确保查询图像中兴趣对象的精确分割。可以生成所述兴趣对象的轮廓用于搜索地图上的路线,所述地图基于匹配算法。当曲线轮廓接近所需的路线时,候选路线可以根据其稳定性自然地用度量标准来评估轮廓演化的收敛。此外,通过执行收缩最小化处理可以使每个候选路线和用户指定的轮廓之间的失真误差最小化,因此,在输出渲染之后,将匹配的路线最终确定为用户的最佳推荐。
图1为本发明具体实施方式中的工作环境100。如图1所示,所述工作环境100包括:终端102,服务器106,用户108,网络系统110。
终端102(也被称作终端设备)可以是任何合适的,具有运算能力的用户终端,例如个人电脑(PC)、工作站、服务器计算机、掌上电脑(平板电脑)、智能手机、移动电话或者其他用户端运算设备。在本发明的具体实施例中,终端102可以是一个移动终端,例如智能手机、掌上电脑、移动电话等等。终端102可以在任何合适的运算平台上运行。
任何所述用户108通过网路110使用所述终端102并且向服务器106发出请求,每个所述用户108可以用一个或一个以上的所述终端102,通过所述用户108,所述终端102直接从诸如来自本地存储设备的任何适当的来源,从服务提供商的有线或无线网络设备,或从互联网获得诸如图像,视频,音频,文本等的多媒体内容。
具体的,所述服务器106可以用于为提供某些地图功能和社交媒体平台功能(例如,地图搜索服务器,图像共享平台服务器等)的一个或一个个服务器计算机。所述服务器106可以包括并行执行计算机程序的至少一个处理器。所述服务器106可以存储要被终端访问的地图信息。所述服务器106还可以根据所述用户108的请求提供所述终端102的各种社交媒体平台。服务器106也可以是云服务器。
终端102和服务器106可以通过诸如有线网络,电话网络和/或卫星网络等的通信网络110彼此通信。尽管如图1所示是一个用户108,一个终端102和一个服务器106。但是可以包括任何数量的用户,终端和/或服务器。
终端102和/或服务器106可以在任何适当的计算电路平台上实现。图2为一计算机系统200的结构框图,包括了终端102和/或服务器106。
如图2所示,所述计算系统200包括处理器202,存储器204,播放器206,通信模块208,数据库210以及外围设备212。所述计算系统可以减省上述设备,也可以添加一些其他类型的设备,而不限于上述设备。
所述处理器202可以是任何合适的处理器或处理器组。具体的,所述处理器202为能够进行多线程处理的多核心处理器。存储器204可以是任何合适的存储设备,例如ROM,RAM,闪存模块或者大容量存储器,例如CD-ROM,硬盘等。当处理器202执行所述计算机程序时,存储器204用于存储为进行各种数据处理而预设的计算机运行程序。
具体的,所述外围设备212包括:各种类型的传感器以及输入/输出(I/O)设备,例如键盘,鼠标,触屏。通信模块208包括:各种通过通讯网络建立连接网络交互设备,用于在设备间通过网络系统建立连接。数据库210包括至少一个用于存储某些数据的数据库以及在已存储的数据中执行某些操作,例如搜索数据的数据库。
在操作中,所述用户108可以通过所述终端102来指示来自所述终端102上或从各种服务器106的线上查询图像。可以在所述用户108和所述终端102之间执行查询图像的交互式分割以获得所述查询图像中的兴趣对象。所述终端102可以生成用于在来自服务器106的地图应用上搜索路线的对象轮廓。具有最大区域的路线与利益对象的轮廓重叠可以向所述用户108推荐,并且可以分享在所述服务器106上一个或更多的社交网络平台。
图3为本发明具体实施方式的用于推荐和共享定制多媒体路线规划方法的流程图。
如图所示,所公开的方法300可以通过在步骤S310接收来自于用户的查询图像来启动。所述查询图像可以从任何合适的来源获得,例如相机输入,本地或云相册,网页,视频帧捕获工具等。在一些实施例中,可以用附加的用户指定信息来接收所述查询图像,包括对象边界框,用户地理位置,地图比率和预期路线长度等。
下一步,在步骤S320,可以执行交互式分割过程以确定所述查询图像中兴趣对象的至少一个轮廓。在一些实施例中,可以通过使用图割算法来执行交互式分割处理。
如图4和图5所示,图4为本发明具体实施方式的使用图割算法的交互式分割过程的流程图,图5为本发明具体实施方式的不同阶段的交互式分割过程处理图像的示意图。
如图4所示,使用图割算法的交互式分割处理可以在步骤S410开始,以执行所述查询图像的初始化以获得初始微调。本文使用的术语“微调”涉及包括三个识别区域的图像:前景区域,背景区域和保留区域。
在一些实施例中,可以通过在步骤S310用所述查询图像接收的对象边界框来确定初始化。例如,如图5A所示,通过接收用户指定的对象边界框5A2,可以将初始背景区域5A1确定为对象边界框5A2的外部的像素条,可以设置初始前景区域为零,并且初始化区域5A3可以是背景区域的补码,其是对象边界框5A2内部的矩形区域。
此外,微调的初始化还可以包括将初始前景区域和初始背景区域中的每个像素设置高斯混合模型(GMM)。
接下来在步骤S420,可以执行第一自动分割处理,以从初始微分值粗略识别兴趣对象的近似边界。在一些实施例中,可以通过使用迭代能量最小化方法来实现第一自动分割处理。
如图4所示,迭代能量最小化方法可以包括以下步骤。
首先,可以在S421将所述GMM分量分配给初始保留区域中的每个像素,并且可以在S422从初始微调的灰度值的数据中获知GMM参数。
下一步,在S423,可以通过使用最小切割估计算法来确定估计分割,所述最小切割估计算法用于解决取决于所述GMM分量和GMM参数的吉布斯能量方程。
然后,在S424,可以确定是否满足迭代最小化的收敛条件。当确定不满足所述迭代最小化的收敛条件(S424时为“否”)时,所述迭代能量最小化方法可以返回到重复S421-S423。一般情况下,经过一定的迭代后,可以满足所述迭代最小化的收敛条件(S424为“是”),所述迭代能量最小化方可以前进到执行S425。
最后,可以在S425执行边缘抠图。在一些实施例中,抠图工具可用于生成前景区域和背景区域之间的保留区域的连续像素,以作为来自初始微调的兴趣对象的近似边界。
如图5B所示,在第一自动分割处理之后,分割结果可以获得所述兴趣对象的近似边界5B1。可以识别所述近似边界5B1之外的像素为背景区域5B2,并且可以从所述查询图像平滑地移除。并且可以识别所述近似边界5B1内的像素为前景区域5B3,并且可以平滑地保持。
回到图4,在步骤S430上,可以执行所述用户交互处理来编辑所述第一自动分割处理的分割结果。在一些实施例中,在所述用户交互过程期间,可以使用任何合适的用户输入的微调更新来编辑第一自动分割过程的分割结果。例如,如图5C所示,所述用户可以使用背景画笔来指示应属于背景区域的至少一个区域5C1,并且用户可以使用前景画笔来指示应属于前景区域的至少一个区域5C2。
返回图4所示,基于在所述用户交互处理期间接收到的所述用户输入,可以在S431中固定对应于由背景画笔和前景画笔指示的区域的像素,并且在S432中可以根据生成的已更新微调相应地更新查询图像的分割。
接下来,在步骤S440中,可以执行第二自动分割处理,用于从初始微调来识别所述兴趣对象的准确边界。在一些实施例中,所述第二自动分割处理可以包括在S441中使用最小切割估计算法来确定更新的分割。应当注意,步骤S411具有与步骤S423相同的过程。也就是说,在第二自动分割处理中再次执行步骤S423。
在一些实施例中,步骤S441仅在所述第二自动分割处理中执行一次。并且更新的分割输出可以用于获得所述查询图像中所述兴趣对象的最终至少一个轮廓。
在一些实施例中,在所述步骤S441之后,所述第二自动分割处理在步骤S442中还包括精细操作。所述精细操作包括整个迭代最小化算法,其具有与包括步骤S421-S425在内的所述第一自动分割处理相同的过程。
也就是说,可以将GMM分量分配给所述更新保留区域中的每个像素,并且可以从更新的微调的灰度值的数据中学习GMM参数。接下来,通过求解Gibbs能量方程取决于GMM分量和GMM参数,可以确定估计分割。然后,可以重复上述步骤,直到满足所述迭代最小化的收敛条件。一般来说,能量在某些迭代中收敛。最后,可以执行边缘抠图以确定来自更新的微调的兴趣对象的准确边界。
如图5D所示,来自所述更新微调的兴趣对象的准确边界可以包括至少一个轮廓5D1,并且每个轮廓是连续像素的闭环。在至少一个轮廓5D1的一侧上,可以去除背景区域5D2。并且至少一个轮廓5D1的另一侧可以保留前景区域5D3。
回到图3,在步骤S330中,基于所述兴趣对象的一个或多个轮廓,可以在地图图像上确定具有与所述兴趣对象的至少一个轮廓重叠的最大面积的路线。
在一些实施例中,可以从任何合适的地图应用(例如Google地图,Bing地图,Tomtom地图,Garmin地图等)获得地图。在步骤S310中可以基于接收到的用户地理位置和地图比率来生成地图图像。
基于在步骤S320中确定的至少一个兴趣对象的轮廓和在步骤S310接收到的预期路线长度,可以采用MorphSnakes算法来在S331上以八种不同方向搜索路线候选。
代替使用基于偏微分方程(PDE)的标准解和需要使用数值积分方法的水平集,所述MorphSnakes算法基于对任何维度的表面有效的曲率形态学算子呈现的曲线演化的形态学方法。
所述形态学方法可以通过连续应用在二元水平集函数上定义的一组曲率形态学算子和等效的无穷小行为来粗略估计曲线演化PDE的数值解。所述曲率形状学算子可以理想地快速,不会遇到数值稳定性问题,并且不会降低水平集功能。
应当注意,通过使用MorphSnakes算法,可以通过在二进制水平集上定义的一组曲率形态学算子的连续应用来演变曲线。然而,它可能无法有效地收敛到期望的候选路线,因为这种连续应用的最大迭代通常可以是大量预定的。在某些情况下,即使曲线显示出相当大的稳定性,计算时间也浪费在连续应用曲率形态学算子的多次迭代中。
为了解决这种问题,可以在两个连续的水平集(例如S1和S2)之间引入L1范数度量M,以评估曲线演化的稳定性或收敛。在一些实施例中,L1范数度量M可以由以下公式表示:
M=||S1-S2||,
其中每个水平集S1和S2是二进制矩阵。利用L1范数度量M,每个候选路线的收敛可以与预定的最大迭代次数相比减少一个数量级的飞行时间进行评估。
在一些实施例中,在S332中,可以使用形态学测地活动轮廓(GAC)框架来通过使图像I的能量函数最小化来演变曲线C,如下所示:
应当注意,形态学测地活动轮廓(GAC)框架可以成功地应用于具有简单轮廓的查询图像,例如被辨别背景包围的对象。然而,在某些情况下,由于复杂的道路和轨道,地图图像上的路线候选人的搜索任务可能涉及大量曲线轮廓,彼此不能区分。最小化这种地图图像上的能量函数可能会缩小到总能量为零的单个点。这种缩小最小化过程可能不能很好地匹配用户编辑的轮廓在最大面积重叠方面。
为了解决上述问题,在S333中,可以对最终推荐结果执行使用动态图像专家组(MPEG-4)失真误差的评估方法。特别地,不用缩小曲线演化,可以使用连续的曲率形态学算子来以一定次数的迭代向外扩展用户编辑的轮廓。在每个扩展中,可以执行收缩最小化过程,直到达到曲线的收敛。从每个扩展得到的候选路线的候选人的评估可以表述如下:
其中A是每个扩展的用户编辑的轮廓,而B指的是与A相关联的融合候选路径。可以获得八个取向中具有最小MPEG-4失真误差的所述候选路径,然后可以确定最终匹配的最佳路线。
参考图6为本发明具体实施方式的不同阶段的曲线演化过程处理路线候选图像的示意图。
如图所示,将摩托车用作查询图像中的所述兴趣对象。通过执行步骤S330,从摩托车的边界到地图上的候选路线的曲线演变。
如图6A所示,步骤S320中确定的所述兴趣对象的一个或多个轮廓可以融合在地图图像上,并且可以将目标兴趣对象至少一个轮廓用作曲线演化过程的初始曲线6B1。如图6B所示,所述曲线6B1从兴趣对象的轮廓演变为在地图图像上匹配不同的路线。如图6C所示,可以在地图图像上确定具有与兴趣对象的至少一个轮廓重叠的最大面积的候选路线6C1。
回到图3,在步骤S340中,可以生成包括所述兴趣对象的输出图像,所述路线为具有与所述兴趣对象的轮廓重叠的最大面积的路线。
在一些实施例中,可以通过使用任何合适的可定制渲染技术来生成输出图像。例如,所述兴趣对象可以半透明地混合到匹配的路线上,所述匹配路线指示所需特征和目标共享之间的相似性。
图7本发明具体实施方式的用于推荐和共享定制多媒体路线规划的方法的输出渲染结果的示意图。交互式分割结果可以分别半透明地融合到地图图像上,并且可以在地图图像上突出显示具有与所述兴趣对象的轮廓相关的最大面积重叠的匹配路线。
最后,在步骤S350,可以向用户推荐输出渲染结果,例如,在所述终端102的所述显示器206上呈现给用户。此外,基于所述用户的指示,可以将所述输出渲染结果在至少一个社交网络多媒体平台(例如脸书,微信等)上共享。
参考图8为本发明具体实施方式的的用于推荐和共享定制的多媒体路线规划的系统的结构图。
所述系统800包括查询图像接收模块810,综合分割模块820,路线规划模块830,图像融合模块840以及推荐和共享模块850。
所述查询图像接收模块810可以用于从所述用户那里接收查询图像,并且用所述查询图像接收附加的用户指定信息。包含所述用户兴趣对象的所述查询图像。所述附加用户指定信息包括对象边界框,用户地理位置,地图比率和预期路线长度。
可以将所述综合分割模块820用于执行综合分割过程以确定所述查询图像中兴趣对象的一个或多个轮廓。在一些实施例中,所述综合分割模块820包括微调初始化单元821,自动分割单元822和用户交互单元823。
所述微调初始化单元821可以用于执行查询图像的初始化以获得初始微调,其包括:基于对象边框,确定所述初始背景区域,初始背景区域和初始保留区域;并将高斯混合模型设置为初始前景区域和初始背景区域中的每个像素。
所述自动分割单元822可以用于执行第一自动分割处理以识别来自初始微调的兴趣对象的近似边界,包括:将所述高斯混合模型分量分配给初始保留区域中的每个像素;从初始微调灰度值的数据中学习高斯混合模型参数;通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中吉布斯能量方程取决于高斯混合模型分量和高斯混合模型参数;重复上述三个步骤,直到满足迭代最小化的收敛条件;并执行边缘抠图以从初始微调产生所述兴趣对象的近似边界。
所述用户交互单元823可以用于执行用户交互过程以编辑第一自动分割过程的分割结果以生成更新的微调,包括:接收所述第一自动分割过程的分割结果的用户输入,其中所述用户输入包括背景画笔和前景画笔中的至少一个;分别对应于由所述背景画笔和所述前景画笔指示的区域固定像素;并根据生成的已更新微调相应地更新查询图像的分割结果。
所述自动分割单元822可以被进一步用于执行第二自动分割过程以从已更新的微调中识别所述兴趣对象的精确边界,包括:通过使用最小切割估计算法来确定已更新微调的更新分割;并且执行精细操作以从更新的微调中识别兴趣对象的准确边界。
在一些实施例中,精细操作是可选地并且可以包括:将所述高斯混合模型分量分配给更新微调的更新的保留区域中的每个像素;从更新的微调的灰度值的数据中学习所述高斯混合模型参数;通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中所述吉布斯能量方程取决于所述高斯混合模型分量和所述高斯混合模型参数;重复上述三个步骤,直到满足迭代最小化的收敛条件;并执行边缘抠图以从更新的微调生成所述兴趣对象的准确边界;所述准确的边界包括所述兴趣对象的一个或多个轮廓。
所述路线规划模块830可以用于确定与地图图像上具有兴趣对象的至少一个轮廓的最大面积重叠路线。在一些实施例中,所述路线规划模块830可以包括MorphSnakes路线搜索单元831,形态路线演进单元832和失真误差评估单元833。
所述MorphSnakes路线搜索单元831可以采用MorphSnakes算法以八个不同的方向搜索地图图像上的候选路线,包括:通过连续应用一组曲率形态学算子实现所述候选路线的曲线演化偏微分方程的近似数值解,所述曲率形态学算子的集合定义在二进制水平集函数上;并在二级水平集函数的两个连续水平集之间引入一个标准度量,以评估所述候选路线的所述曲线演化的收敛。
所述形态学演进单元832可以用于使用形态学测地活动轮廓框架来通过最小化能量函数来演进所述候选路线。
所述失真误差评估单元833可以用于执行使用失真误差的评估方法来确定在地图图像上具有最大面积重叠的路线,所述路线是所述兴趣对象的至少一个轮廓。
所述图像融合模块840可以用于生成包括所述兴趣对象和路线的输出图像。
所述推荐和共享模块850可以用于向所述用户推荐所述输出图像,并且在社交网络平台上共享所述输出图像。
因此,提供了一种用于推荐和共享定制的多媒体路线规划的方法和系统。所公开的方法和系统为具有非常活跃的生活方式的个人实现更个性化的路线规划。为了建立一个更大和更受欢迎的观众,所述用户可以自定义路线规划,其特点是个性特征,如爱好,个人目标,宗教信仰,甚至每次运动的心情。
在所公开的用于推荐和共享定制多媒体路线规划的方法和系统中,交互式MorphSnakes算法能够基于他们的个人相册为个人定制更个性化的路线规划。为了找到在交互式分割过程之后潜在地匹配用户指定轮廓的路线候选,所述交互式MorphSnakes算法可以通过一组曲率形态学算子连续应用来逼近PDE的数值解。所述曲率形态学算子是定义在二进制水平集上并且具有等价无穷小行为,通过引入一个度量来评估当曲线接近所需路线时其稳定性的曲线演化的收敛。通过这种收敛标准,所述路线候选可以自然生成。此外,可以通过执行收缩最小化处理来最小化每个候选路线和用户指定的轮廓之间的所述失真误差,从而最终确定作为对用户的推荐的最佳匹配路线。
在一些实施例中,所公开的推荐和共享基于图像路线的方法和系统可以扩展到其他基于目标推荐和共享的多媒体。例如,除了所述图像输入之外,多媒体输入还可以包括文本,音频,视频,动画,缩略图,任何其它合适类型的媒体类型输入或上述组合。然后,基于目标推荐和共享方法的所述多媒体可以从输入端交互地制作诸如形状,颜色,动态条件,节奏等的期望特征。接下来,可以由用户确定要共享的目标。所获得的特征然后可以覆盖在目标平台上,例如地图应用程序,相册应用程序,媒体回放应用程序等,以自动地对所述目标共享进行制作和搜索,例如个性化路线,个性化图片,个性化音乐,个性化视频等。在融合了原始多媒体输入和目标共享之后,可以渲染所述输出用于社交媒体共享。
所公开的定制多媒体路线推荐和共享方法和系统能够针对厌倦路线和维持非常活跃的生活方式的个人提供更个性化的路线规划。例如,定期慢跑者/骑自行车的人可以通过定制各种特征的各种路线,例如兴趣爱好,个人目标,宗教信仰,甚至每次运动都需要的心情。利用所述多媒体应用,利用在移动设备中的个人多媒体内容册设计个人特质。可以向用户推荐所述个性化路线,可以在各种社交网络多媒体平台上共享和推荐所述个性化路线,从而显著改变社会动态以实现更好的人际交互体验。
应当注意,在任何排列或顺序情况下执行或演示图3和图4的流程图的上述步骤,不仅限于图中描述或显示的排列或顺序。此外,图3和4可以在适当或并行的基础上同时执行或执行,以减少等待时间和处理时间。此外,应当注意,图3和图4仅作为示例提供。附图中所示的至少一些步骤可以与所描述的实施例以不同顺序执行,同时执行或完全省略。
另外,附图中的流程图和框图示出了所公开的方法和系统的各种实施例,以及可由计算机程序产品实现的架构,功能和操作。在这种情况下,流程图或框图的每个块可以表示模块,代码段,程序代码的一部分。每个模块,每个代码段和程序代码的每个部分可以包括用于实现预定逻辑功能的至少一个可执行指令。还应当注意,在一些替代实现中,在数据块中所示的功能以不限于图中所示和描述的顺序和顺序的任何顺序或顺序执行或执行。例如,两个连续的数据块实际上可以在适当或并行地基本上同时执行以减少等待时间和处理时间,或者甚至根据所涉及的功能以相反的顺序执行。还应该注意的是,框图和/或流程图以及框图和/或流程图中的块的组合可以通过用于执行特定功能的专用基于硬件的系统来实现,或者可以由硬件组合的指定系统来实现和电脑指令。
所公开的主题提供了包括存储程序代码的计算机可读存储介质的计算机程序产品。程序代码包括用于执行所公开的方法的指令。所公开方法的具体实施方式可以参考上面结合图1-图8描述的各种实施例。
本领域技术人员可以清楚地理解,为了描述的方便和简便,上述系统,模块和单元的具体工作过程可以参考上述所公开方法的各种实施例的相应过程。
在本文提供的各种实施例中,应当理解,所公开的系统和方法可以通过其他方式实现。所公开的系统的实施例仅仅是说明性的。例如,模块和单元的划分只是逻辑功能的划分,可以通过实际实现中的其他方式进行划分。作为另一示例,可以将多个单元或模块组合或集成到另一个系统中。某些功能可以忽略,也可以不执行。在另一点上,图示或讨论的互耦合,直接耦合或通信连接可以通过电,机械或其它类型的通信接口耦合或连接。
描述为单独的构件的模块/单元可以是或可以不是在物理上分离的。作为模块/单元示出的组件可以是或可以不是物理模块/单元。模块/单元可以位于一个位置,或者分布到多个网元。根据实际需要,可以选择部分或全部模块/单元来实现所公开主题的目的。
此外,所公开主题的各种实施例中的各种功能模块/单元可以集成在处理模块/单元中,或者可以是单独的物理模块/单元。两个或多个功能模块/单元也可以集成在一个模块/单元中。
如果作为软件功能模块/单元实现所述功能,并且将其用作或作为独立产品出售,则产品可以存储在计算机可读存储介质中。基于这种理解,所公开的主题的技术性质的重要部分或有助于现有技术的所公开主题的技术性质的一部分,或所公开主题的技术性质的任何部分,可以以计算机软件产品的形式体现。计算机软件产品可以存储在存储介质中,包括指示计算机设备(可以是个人计算机,服务器或网络设备)的多个指令以根据各种方式执行所公开方法的全部或部分步骤实施例。上述存储介质可以包括:U盘,可移动硬盘,只读存储器(ROM),随机存取存储器(RAM),软盘,CD-ROM或可存储程序代码的任何其它合适的介质。
本文所述的示例的提供(以及被称为“例如”,“例如”,“包括”等)的条款不应被解释为将所要求保护的主题限制于具体示例;相反,这些例子仅用于说明许多可能的方面中的一些例子。
本发明提供实例用于向本领域普通技术人员描述本发明。对所述实例的各种修改对本领域普通技术人员是显而易见的,并且在本发明实施例中给出的一般性原则在不脱离本发明的精神或者保护范围的情况下,也可以应用于其他实施例中。因此,本发明不限于本文所述实例中,而应给予本发明实例所述原则和新特征的更广泛的领域。
Claims (20)
1.一种通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述方法包括以下步骤:
从用户中接收查询图像,所述查询图像包含所述用户的兴趣对象;
执行整合分割过程以确定所述查询图像中所述兴趣对象的至少一个轮廓;
确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线;
生成包括所述兴趣对象和所述路线的输出图像;以及
向用户推荐所述输出图像,并在社交网络平台上共享所述输出图像。
2.根据权利要求1所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述方法还包括以下步骤:
用所述查询图像接收附加用户指定信息;
其中所述附加用户指定信息包括对象边界框,用户地理位置,地图比率和预期路线长度。
3.根据权利要求2所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,
基于所述用户地理位置和所述地图比率从在线地图应用获得所述地图图像;以及
基于所述查询图像,所述地图图像和所述预期路线长度中的所述兴趣对象的至少一个轮廓来确定路线。
4.根据权利要求2所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述的执行整合分割过程以确定所述查询图像中所述兴趣对象的至少一个轮廓包括:
执行所述查询图像的初始化以获得初始微调;
执行第一自动分割过程以从所述初始微调中识别所述兴趣对象的近似边界;
执行用户交互过程来编辑所述第一自动分割过程的分割结果以生成已更新的微调;以及
执行第二自动分割过程以从所述已更新的微调中识别所述兴趣对象的准确边界。
5.根据权利要求4所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述的执行所述查询图像的初始化以获得初始微调还包括:
基于所述对象边界框确定所述查询图像的初始前景区域,初始背景区域和初始保留区域;以及
将高斯混合模型设置为所述初始前景区域和所述初始背景区域中的每个像素。
6.根据权利要求5所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述的执行第一自动分割过程包括:
将高斯混合模型分量分配给所述初始保留区域中的每个像素;
从所述初始微调灰度值的数据中学习高斯混合模型参数;
通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中所述吉布斯能量方程取决于所述高斯混合模型分量和所述高斯混合模型参数;
重复上述三个步骤,直到满足迭代最小化的收敛条件;以及
执行边框抠图以从所述初始微调生成所述兴趣对象的所述近似边界。
7.根据权利要求4所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述的执行用户交互过程包括:
接收在所述第一自动分割过程的分割结果中的用户输入,其中所述用户输入包括背景画笔和前景画笔中的至少一个;
固定像素分别对应由所述背景画笔和所述前景画笔指示的区域;以及
相应地更新所述查询图像的所述分割结果以生成更新的微调。
8.根据权利要求4所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述的执行第二自动分割过程包括:
通过使用最小切割估计算法来确定所述更新的微调的更新分割;以及
执行精细操作以从所述更新的微调中识别所述兴趣对象的所述准确边界。
9.根据权利要求8所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述精细操作包括:
将高斯混合模型分量分配给所述更新的微调中更新的保留区域的每个像素;
从所述更新的微调灰度值的数据中学习高斯混合模型参数;
通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中所述吉布斯能量方程取决于所述高斯混合模型分量和所述高斯混合模型参数;
重复上述三个步骤,直到满足迭代最小化的收敛条件;以及
执行边缘抠图以从所述已更新的微调产生所述兴趣对象的所述准确边界;
其中所述准确边界包括所述兴趣对象的至少一个轮廓。
10.根据权利要求1所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,所述的确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线包括:
采用MorphSnakes算法以八种不同的方向搜索所述地图上的候选路线;
使用形态学测地活动轮廓框架通过最小化能量函数来进化所述候选路线;以及
执行使用失真误差的评估方法来确定在所述地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的所述路线。
12.根据权利要求10所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,运用所述MorphSnakes算法包括:
通过连续应用一组曲率形态学算子来计算所述候选路线曲线演化的偏微分方程的近似数值解;
其中在二进制水平集函数上定义所述一组曲率形态学算子。
13.根据权利要求12所述的通过定制多媒体方法共享个性化路线规划的方法,其特征在于,还包括:
在所述二进制水平集函数的两个连续水平集之间引入一个标准度量,以评估所述候选路线的曲线演化的收敛。
14.一种通过定制多媒体方法共享个性化路线规划的系统,其特征在于,包括至少一个硬件处理器,存储器和存储在存储器中并由至少一个处理器执行的至少一个程序模块,所述至少一个程序模块包括:
查询图像接收模块:用于从用户中接收查询图像,所述查询图像包含所述用户的兴趣对象;
整合分割模块:用于执行整合分割过程以确定所述查询图像中所述兴趣对象的至少一个轮廓;
路线规划模块:用于确定在地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的路线;
图像融合模块:用于生成包括所述兴趣对象和所述路线的输出图像;
推荐和共享模块:用于向所述用户推荐所述输出图像,并在社交网络平台上共享所述输出图像。
15.根据权利要求14所述的通过定制多媒体方法共享个性化路线规划的系统,其特征在于,所述查询图像接收模块用于:
用所述查询图像接收附加用户指定信息;
其中所述附加用户指定信息包括对象边界框,用户地理位置,地图比率和预期路线长度;
基于所述用户地理位置和所述地图比率从在线地图应用获得所述地图图像;以及
基于所述查询图像,所述地图图像和所述预期路线长度中的所述兴趣对象的至少一个轮廓来确定路线。
16.根据权利要求15所述的通过定制多媒体方法共享个性化路线规划的系统,其特征在于,所述整合分割模块包括:
微调初始单元:用于执行所述查询图像的初始化以获得初始微调;
自动分割单元:用于执行第一自动分割过程以从所述初始微调中识别所述兴趣对象的近似边界;
用户交互单元:用于执行用户交互过程来编辑所述第一自动分割过程的分割结果以生成已更新的微调;以及
其中,所述自动分割单元:用于执行第二自动分割过程以从所述更新的微调中识别所述兴趣对象的准确边界。
17.根据权利要求16所述的通过定制多媒体方法共享个性化路线规划的系统,其特征在于,所述初始微调单元用于:
基于所述对象边界框确定所述查询图像的初始前景区域,初始背景区域和初始保留区域;以及
将高斯混合模型设置为所述初始前景区域和所述初始背景区域中的每个像素。
18.根据权利要求17所述的通过定制多媒体方法共享个性化路线规划的系统,其特征在于,所述的自动分割单元用于:
将高斯混合模型分量分配给所述初始保留区域中的每个像素;
从所述初始微调灰度值的数据中学习高斯混合模型参数;
通过使用最小切割估计算法来求解吉布斯能量方程来确定估计分割,其中所述吉布斯能量方程取决于所述高斯混合模型分量和所述高斯混合模型参数;
重复上述三个步骤,直到满足迭代最小化的收敛条件;以及
执行边框抠图以从所述初始微调生成所述兴趣对象的边界。
19.根据权利要求16所述的通过定制多媒体方法共享个性化路线规划的系统,其特征在于,所述用户交互单元用于:
接收在所述第一自动分割处理的所述分割结果中的用户输入,其中所述用户输入包括背景画笔和前景画笔中的至少一个;
固定像素分别对应由所述背景画笔和所述前景画笔指示的区域;以及
相应地更新所述查询图像的所述分割结果以生成所述更新的微调。
20.根据权利要求15所述的通过定制多媒体方法共享个性化路线规划的系统,其特征在于,所述路线规划模块包括:
MorphSnakes路线搜索单元:用于采用MorphSnakes算法以八种不同的方向搜索所述地图图像上的候选路线;
形态学路线演化单元:用于使用形态学测地活动轮廓框架通过最小化能量函数来进化所述候选路线,所述形态学路线演化单元包括:
通过连续应用一组曲率形态学算子来计算所述候选路线曲线演化的偏微分方程的近似数值解;
其中在二进制水平集函数上定义所述一组曲率形态学算子;
在所述二进制水平集函数的两个连续水平集之间引入一个标准度量,以评估所述候选路线的曲线演化的收敛;以及
失真误差评估单元:用于执行使用失真误差的评估方法来确定所述地图图像上与所述兴趣对象的至少一个轮廓的最大面积重叠的所述路线。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/388,852 US10217224B2 (en) | 2016-12-22 | 2016-12-22 | Method and system for sharing-oriented personalized route planning via a customizable multimedia approach |
US15/388,852 | 2016-12-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108230168A CN108230168A (zh) | 2018-06-29 |
CN108230168B true CN108230168B (zh) | 2021-10-22 |
Family
ID=62625391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711375269.8A Active CN108230168B (zh) | 2016-12-22 | 2017-12-19 | 通过定制多媒体方法共享个性化路线规划的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10217224B2 (zh) |
CN (1) | CN108230168B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11211157B2 (en) * | 2016-12-30 | 2021-12-28 | Intel Corporation | Using emotional maps and dialog display technology to improve workout experiences |
US9939272B1 (en) * | 2017-01-06 | 2018-04-10 | TCL Research America Inc. | Method and system for building personalized knowledge base of semantic image segmentation via a selective random field approach |
CN110428441B (zh) * | 2019-06-06 | 2023-03-31 | 西安电子科技大学 | 一种基于ica重构误差水平集的多图协同分割方法 |
CN113158779A (zh) * | 2021-03-09 | 2021-07-23 | 美智纵横科技有限责任公司 | 一种行走方法、装置和计算机存储介质 |
CN116521042B (zh) * | 2023-06-26 | 2024-03-19 | 北京高德云信科技有限公司 | 线路分享对象生成方法、装置、设备、介质及程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1734499A (zh) * | 2004-08-09 | 2006-02-15 | 微软公司 | 通过动态规划进行修边 |
US8843515B2 (en) * | 2012-03-07 | 2014-09-23 | Snap Trends, Inc. | Methods and systems of aggregating information of social networks based on geographical locations via a network |
CN104820990A (zh) * | 2015-05-15 | 2015-08-05 | 北京理工大学 | 一种交互式图像抠图系统 |
CN105338018A (zh) * | 2014-06-30 | 2016-02-17 | 奇点新源国际技术开发(北京)有限公司 | 一种地图信息推送方法及装置 |
CN106022231A (zh) * | 2016-05-11 | 2016-10-12 | 浙江理工大学 | 一种基于多特征融合的行人快速检测的技术方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7706610B2 (en) * | 2005-11-29 | 2010-04-27 | Microsoft Corporation | Segmentation of objects by minimizing global-local variational energy |
US8538675B2 (en) * | 2009-06-01 | 2013-09-17 | Raytheon Company | Non-kinematic behavioral mapping |
US8358808B2 (en) * | 2010-01-08 | 2013-01-22 | University Of Washington | Video-based vehicle detection and tracking using spatio-temporal maps |
US20120207360A1 (en) * | 2011-02-11 | 2012-08-16 | Courosh Mehanian | Systems and Methods for Object Identification |
US20140047024A1 (en) * | 2012-08-13 | 2014-02-13 | TollShare, Inc. | Transportation sharing based on user activities and statements |
US9495602B2 (en) * | 2013-10-23 | 2016-11-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Image and map-based detection of vehicles at intersections |
US9939272B1 (en) * | 2017-01-06 | 2018-04-10 | TCL Research America Inc. | Method and system for building personalized knowledge base of semantic image segmentation via a selective random field approach |
-
2016
- 2016-12-22 US US15/388,852 patent/US10217224B2/en active Active
-
2017
- 2017-12-19 CN CN201711375269.8A patent/CN108230168B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1734499A (zh) * | 2004-08-09 | 2006-02-15 | 微软公司 | 通过动态规划进行修边 |
US8843515B2 (en) * | 2012-03-07 | 2014-09-23 | Snap Trends, Inc. | Methods and systems of aggregating information of social networks based on geographical locations via a network |
CN105338018A (zh) * | 2014-06-30 | 2016-02-17 | 奇点新源国际技术开发(北京)有限公司 | 一种地图信息推送方法及装置 |
CN104820990A (zh) * | 2015-05-15 | 2015-08-05 | 北京理工大学 | 一种交互式图像抠图系统 |
CN106022231A (zh) * | 2016-05-11 | 2016-10-12 | 浙江理工大学 | 一种基于多特征融合的行人快速检测的技术方法 |
Also Published As
Publication number | Publication date |
---|---|
US10217224B2 (en) | 2019-02-26 |
CN108230168A (zh) | 2018-06-29 |
US20180182105A1 (en) | 2018-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230168B (zh) | 通过定制多媒体方法共享个性化路线规划的方法和系统 | |
CN109685121B (zh) | 图像检索模型的训练方法、图像检索方法、计算机设备 | |
US11263259B2 (en) | Compositing aware digital image search | |
JP5827445B2 (ja) | 拡張現実インタラクションを実現する方法およびシステム | |
CN108280132B (zh) | 建立语义图像分割的个性化知识库的方法及系统 | |
CN111291584B (zh) | 识别二维码位置的方法及其系统 | |
WO2021012837A1 (zh) | 推荐信息植入位置的确定方法、装置、设备及存储介质 | |
CN110648397B (zh) | 场景地图生成方法、装置、存储介质及电子设备 | |
JP2008530676A (ja) | 取得した画像を使用したアクセスのための情報の格納 | |
CN109345637B (zh) | 基于增强现实的互动方法及装置 | |
JP2015523018A (ja) | キャプチャされたデータの強化 | |
CN105117399A (zh) | 一种图像搜索方法和装置 | |
CN112149545B (zh) | 样本生成方法、装置、电子设备及存储介质 | |
US20240038274A1 (en) | 3d media elements in 2d video | |
US8885952B1 (en) | Method and system for presenting similar photos based on homographies | |
CN113610034A (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
US11423654B2 (en) | Identification of continuity errors in video by automatically detecting visual inconsistencies in video frames | |
KR102161437B1 (ko) | 증강현실의 공간맵을 이용한 콘텐츠 공유 장치 및 그 방법 | |
CN110413817B (zh) | 用于对图片进行聚类的方法和设备 | |
US20170270390A1 (en) | Computerized correspondence estimation using distinctively matched patches | |
CN114039958A (zh) | 一种多媒体处理方法及装置 | |
WO2018035830A1 (zh) | 一种广告视频文件分级查找方法 | |
Santano et al. | Unmasking the Mah Meri mask: A digitization journey for AR and VR | |
CN116597098B (zh) | 三维重建方法、装置、电子设备和计算机可读存储介质 | |
CN116385597B (zh) | 文本配图方法和装置 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 516006 TCL science and technology building, No. 17, Huifeng Third Road, Zhongkai high tech Zone, Huizhou City, Guangdong Province Applicant after: TCL Technology Group Co.,Ltd. Address before: 516006 Guangdong province Huizhou Zhongkai hi tech Development Zone No. nineteen District Applicant before: TCL Corp. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |