CN108268881A - 电子设备、目标图像识别方法及装置 - Google Patents
电子设备、目标图像识别方法及装置 Download PDFInfo
- Publication number
- CN108268881A CN108268881A CN201611264125.0A CN201611264125A CN108268881A CN 108268881 A CN108268881 A CN 108268881A CN 201611264125 A CN201611264125 A CN 201611264125A CN 108268881 A CN108268881 A CN 108268881A
- Authority
- CN
- China
- Prior art keywords
- target image
- target
- master drawing
- images
- recognized
- 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- Withdrawn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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Abstract
本发明提供了电子设备、目标图像识别方法及装置,其中该方法包括:将目标图像样图与待识别图像进行匹配,得到目标图像样图匹配点和待识别图像匹配点;在一幅该待识别图像最多有一幅目标图像的情况下,根据该目标图像样图匹配点与对应的一幅该待识别图像匹配点识别该待识别图像中的目标图像;否则,对该待识别图像匹配点进行聚类,得到待识别图像匹配点群;根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像。通过本发明,解决了相关技术中图像识别准确度和精确度较低的问题,提高图像识别的准确度和精确度。
Description
技术领域
本发明涉及数据网络通信领域,尤其是涉及到电子设备、目标图像识别方法及装置。
背景技术
视频或图片作为信息存储与展现的手段越来越广泛地被使用。每一帧视频画面或每张图片都可以归结为一副图像。图像内容很多时候并没有像文档内容那样容易查找和修改,将图像的局部内容,例如感兴趣的目标,替换为新的内容,实现难度较大。实现这一操作的关键点有三个:目标识别、目标匹配、目标替换。相关技术中往往是人工识别目标,接着通过抠图工具将目标分割出来,然后替换为新的内容。也有一些算法可以在一定程度上将已知区域或者特定目标识别与替换,例如显示屏滚动字母区域识别替换、视频中插播的整屏或者局部屏幕广告画面识别替换、人脸等特殊目标识别替换。由于目标以及边界容易获取,且目标姿态未曾考虑,不适用于通用的预知信息更少的目标识别替换。上述相关技术虽然能够实现图像识别和替换,但是其存在如下缺点:只能对特定图像区域或者已知特征的图像目标区域进行识别替换。对于无先验知识的图像普通目标区域的识别替换,目前则主要依赖人工进行,效率极低。
针对相关技术中图像识别准确度和精确度较低的问题,现有技术还未提出有效的解决方案。
发明内容
本发明的目的在于提供了电子设备、目标图像识别方法及装置,解决了相关技术中图像识别准确度和精确度较低的问题。
根据本发明的一个方面,提供一种目标图像识别方法,包括:将目标图像样图与待识别图像进行匹配,得到目标图像样图匹配点和待识别图像匹配点,其中,该目标图像样图匹配点和该待识别图像匹配点存在对应关系,该目标图像样图中包括目标图像样张;在一幅该待识别图像最多有一幅目标图像的情况下,根据该目标图像样图匹配点与对应的一幅该待识别图像匹配点识别该待识别图像中的目标图像,其中,该目标图像与该目标图像样张具有相同的尺度;否则,对该待识别图像匹配点进行聚类,得到待识别图像匹配点群,根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像。
进一步,在该将目标图像样图与待识别图像进行匹配之前,该方法还包括:获取该目标图像样图;从该目标图像样图中识别出该目标图像样张;确定该目标图像样张的外轮廓点向量,其中,该外轮廓用于将该目标图像样张和背景分界。
进一步,该将目标图像样图与待识别图像进行匹配,得到该目标图像样图匹配点和该待识别图像匹配点包括:将该目标图像样图与从该待识别图像中依次选择出来的一幅待匹配图像进行匹配,直至所有待匹配图像均进行匹配;该将该目标图像样图与从该待识别图像中依次选择出来的一幅待匹配图像进行匹配包括:分别获取该待匹配图像和该目标图像样图的特征向量;将该目标图像样图的特征向量与该待匹配图像的特征向量进行匹配,得到存在对应关系的该目标图像样图匹配点和该待匹配图像匹配点。
进一步,通过暴风算法Brute Force算法将该目标图像样图的特征向量与该待匹配图像的特征向量进行匹配。
进一步,该分别获取该待匹配图像和该目标图像样图的特征向量包括:提取该待匹配图像的关键点和该目标图像样图的关键点;根据该待匹配图像的关键点获取该待匹配图像的特征向量;根据该目标图像样图的关键点获取该目标图像样图的特征向量。
进一步,通过尺度不变特征变换SIFT算法或快速鲁棒特征SURF算法提取该待匹配图像的关键点和该目标图像样图的关键点。
进一步,在该将目标图像样图与待识别图像进行匹配,得到该目标图像样图匹配点和该待识别图像匹配点之后,该方法还包括:通过欧式阈值法或最优节点优先BBF算法对该目标图像样图匹配点和该待识别图像匹配点进行误匹配验证,其中,该误匹配验证用于验证该目标图像样图匹配点和该待识别图像匹配点的匹配关系的正确性;在验证存在未通过该误匹配验证的情况下,删除匹配关系错误的该目标图像样图匹配点和该待识别图像匹配点。
进一步,该根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像包括:根据该目标图像样图匹配点与对应的该待识别图像匹配点群确定出每幅待识别图像中的目标图像区域;根据该目标图像样图从该目标图像区域中确定目标图像。
进一步,该根据该目标图像样图匹配点与对应的该待识别图像匹配点群确定出每幅待识别图像中的目标图像区域包括:根据该目标图像样图匹配点与对应的该待识别图像匹配点群的变换关系得到变换矩阵;通过该变换矩阵和目标图像样张的外轮廓点向量确定出每幅待识别图像中的目标图像区域。
进一步,该根据该目标图像样图从该目标图像区域中确定目标图像包括:判断该目标图像样图和该目标图像区域的相似度是否大于阈值;在判断结果为是的情况下,确定匹配成功;在判断结果为否的情况下,确定匹配失败。
进一步,该判断该目标图像样图和该目标图像区域的相似度是否大于阈值包括:分别获取该目标图像样图和该目标图像区域的纹理信息;根据该目标图像样图的纹理信息与该目标图像区域的纹理信息确定该目标图像样图和该目标图像区域的相似度;判断该目标图像样图和该目标图像区域的相似度是否大于阈值。
进一步,在该根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像之后,该方法还包括:获取目标替换图像样张;将该待识别图像中的目标图像替换为该目标替换图像样张。
进一步,该获取目标替换图像样张包括:获取目标替换图像样图;从该目标替换图像样图中识别出该目标替换图像样张;确定该目标替换图像样张的外轮廓点向量,其中,该外轮廓用于将该目标替换图像样张和背景分界。
进一步,在该获取目标替换图像样张之后,该将该待识别图像中的目标图像替换为该目标替换图像样张之前,该方法还包括:将该目标替换图像样图和该目标图像样图进行归一化处理,其中,该归一化处理用于统一该目标替换图像样图和该目标图像样图的大小。
进一步,该将该目标替换图像样图和该目标图像样图进行归一化处理包括:判断该目标替换图像样图的长度是否小于该目标图像样图的长度;在判断结果为是的情况下,等比例缩小该目标图像样图直至该目标图像样图与该目标替换图像样图等长;在判断结果为否的情况下,等比例缩小该目标替换图像样图直至该目标替换图像样图与该目标图像样图等长;判断该目标替换图像样图的宽度是否小于该目标图像样图的宽度;在判断结果为是的情况下,将该目标替换图像样图的宽度值赋予该目标图像样图;在判断结果为否的情况下,将该目标图像样图的宽度值赋予该目标替换图像样图。
进一步,该将该目标替换图像样图的宽度值赋予该目标图像样图包括:以该目标图像样图的宽度中心线为中心上下均匀裁剪,使得该目标图像样图与该目标替换图像样图等宽;该将该目标图像样图的宽度值赋予该目标替换图像样图包括:以该目标替换图像样图的宽度中心线为中心上下均匀裁剪,使得该目标替换图像样图与该目标图像样图等宽。
进一步,在该将该待识别图像中的目标图像替换为该目标替换图像样张之前,该方法还包括:根据获取到的该每幅待识别图像中的目标图像的空间变换信息修正该目标替换图像样张的空间形态,其中,该空间变换信息包括位移信息、伸缩信息和旋转信息。
根据本发明的另一方面,提供一种目标图像识别装置,包括:匹配模块,用于将目标图像样图与待识别图像中进行匹配,得到存在对应关系的目标图像样图匹配点和待识别图像匹配点,其中,该目标图像样图中包括目标图像样张;第一识别模块,用于在一幅该待识别图像最多有一幅目标图像的情况下,根据该目标图像样图匹配点与对应的一幅该待识别图像匹配点识别该待识别图像中的目标图像,其中,该目标图像与该目标图像样张具有相同的尺度;否则,第二识别模块,用于对该待识别图像匹配点进行聚类,得到待识别图像匹配点群;用于根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像。
进一步,该装置还包括:获取模块,用于获取目标替换图像样张;替换模块,用于将该待识别图像中的目标图像替换为该目标替换图像样张。
根据本发明的另一方面,提供一种电子设备,至少包括处理器和存储单元,该处理器被配置为执行该存储单元中的程序指令,该指令包括:将目标图像样图与待识别图像中进行匹配,得到存在对应关系的目标图像样图匹配点和待识别图像匹配点,其中,该目标图像样图中包括目标图像样张;在一幅该待识别图像最多有一幅目标图像的情况下,根据该目标图像样图匹配点与对应的一幅该待识别图像匹配点识别该待识别图像中的目标图像,其中,该目标图像与该目标图像样张具有相同的尺度;否则,对该待识别图像匹配点进行聚类,得到待识别图像匹配点群;根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别每幅待识别图像中的目标图像。
通过本发明,采用将目标图像样图与待识别图像进行匹配,得到目标图像样图匹配点和待识别图像匹配点,其中,该目标图像样图匹配点和该待识别图像匹配点存在对应关系,该目标图像样图中包括目标图像样张;对该待识别图像匹配点进行聚类,得到待识别图像匹配点群;根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像,其中,该目标图像与该目标图像样张具有相同的尺度的技术方案,解决了相关技术中图像识别准确度和精确度较低的问题,提高图像识别的准确度和精确度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的目标图像识别方法的流程图;
图2是根据本发明实施例的目标图像识别装置的结构框图;
图3是根据本发明优选实施例的目标图像识别装置的结构框图;
图4是根据本发明实施例的电子设备的结构框图;
图5是根据本发明实施例的目标图像替换方法的流程图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了电子设备、目标图像识别方法及装置,图1是根据本发明实施例的目标图像识别方法的流程图,如图1所示,该流程包括如下步骤:
步骤S102,将目标图像样图与待识别图像进行匹配,得到目标图像样图匹配点和待识别图像匹配点,其中,该目标图像样图匹配点和该待识别图像匹配点存在对应关系,该目标图像样图中包括目标图像样张;
可选地,在将目标图像样图与待识别图像进行匹配之前获取该目标图像样图;从该目标图像样图中识别出该目标图像样张;确定该目标图像样张的外轮廓点向量,其中,该外轮廓用于将该目标图像样张和背景分界。优选地,采用图像识别算法分别对目标图像样图和目标替换图像样图进行目标识别,将目标和背景之间的分界线位置保存为目标外轮廓点向量。优选地,可以使用区域生长与分水岭算法或者灰度阈值算法对目标图像样张和背景分界进行分界。
在一种可选的实施例中,存在不止一幅待识别图像,该将目标图像样图与待识别图像进行匹配,得到该目标图像样图匹配点和该待识别图像匹配点包括,将待识别图像依次与目标图像样图进行匹配,并得到每幅待识别图像与目标图像样图的匹配点。
具体的,选择目标图像样图与待识别图像中的一幅图像作为待匹配图像,分别提取目标图像样图和待识别图像的关键点,并分别计算得到目标图像样图特征向量和待识别图像特征向量,通过图像匹配算法得到目标图像样图特征向量和待识别图像特征向量的匹配点。换言之,匹配方法可以为:将该目标图像样图与从该待识别图像中依次选择出来的一幅待匹配图像进行匹配,直至所有待匹配图像均进行匹配;该将该目标图像样图与从该待识别图像中依次选择出来的一幅待匹配图像进行匹配包括:分别获取该待匹配图像和该目标图像样图的特征向量;将该目标图像样图的特征向量与该待匹配图像的特征向量进行匹配,得到存在对应关系的该目标图像样图匹配点和该待匹配图像匹配点。
优选地,通过Brute Force算法将所述目标图像样图的特征向量与所述待匹配图像的特征向量进行匹配。
可选地,可以通过如下方式分别获取该待匹配图像和该目标图像样图的特征向量:提取所述待匹配图像的关键点和所述目标图像样图的关键点;根据所述待匹配图像的关键点获取所述待匹配图像的特征向量;根据所述目标图像样图的关键点获取所述目标图像样图的特征向量。优选地,通过SIFT算法或SURF算法提取所述待匹配图像的关键点和所述目标图像样图的关键点。
优选地,在所述将目标图像样图与待识别图像进行匹配,得到所述目标图像样图匹配点和所述待识别图像匹配点之后,对匹配成功的目标图像样图匹配点和待识别图像匹配点的匹配关系正确性进行检测。
具体的,通过欧式阈值法或最优节点优先BBF算法对所述目标图像样图匹配点和所述待识别图像匹配点进行误匹配验证,其中,所述误匹配验证用于验证所述目标图像样图匹配点和所述待识别图像匹配点的匹配关系的正确性;在验证存在未通过所述误匹配验证的情况下,删除匹配关系错误的所述目标图像样图匹配点和所述待识别图像匹配点。
步骤S104,在一幅该待识别图像最多有一幅目标图像的情况下,根据该目标图像样图匹配点与对应的一幅该待识别图像匹配点识别该待识别图像中的目标图像,其中,该目标图像与该目标图像样张具有相同的尺度;否则,
步骤S106,对该待识别图像匹配点进行聚类,得到待识别图像匹配点群;根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像。
上述目标图像与所述目标图像样张在尺度上相同,即目标图像与目标图像样张的图形相同。可以分成两种情形:所述目标图像与所述目标图像样张可以是相同的图像,也可以是发生旋转、缩放、亮度变化后相同的图像。
优选地,在确定每幅待识别图像中最多只有一个目标图像的情况下,可以对匹配点进行聚类处理。在无法判断一幅待识别图像中存在一个目标图像还是多个目标图像的情况下,必须对该待识别图像匹配点进行聚类,得到待识别图像匹配点群。
优选地,在对待识别图像匹配点进行聚类处理时,如果可以确定每幅待识别图像中目标图像的个数,采用K均值k-means聚类算法进行匹配点聚类,如果不能确定每幅待识别图像中目标图像的个数,则采用均值漂移meanshift聚类算法。
可选地,根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群确定出每幅待识别图像中的目标图像区域;根据所述目标图像样图从所述目标图像区域中确定目标图像。
进一步地,根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群的变换关系得到变换矩阵;通过所述变换矩阵和目标图像样张的外轮廓点向量确定出每幅待识别图像中的目标图像区域。
进一步地,上述根据所述目标图像样图从所述目标图像区域中确定目标图像包括:判断所述目标图像样图和所述目标图像区域的相似度是否大于阈值;在判断结果为是的情况下,确定匹配成功;在判断结果为否的情况下,确定匹配失败。
一种可选的判断所述目标图像样图和所述目标图像区域的相似度是否大于阈值的方式为分别获取所述目标图像样图和所述目标图像区域的纹理信息;根据所述目标图像样图的纹理信息与所述目标图像区域的纹理信息确定所述目标图像样图和所述目标图像区域的相似度;判断所述目标图像样图和所述目标图像区域的相似度是否大于阈值。
值得一提的是,在所述根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群识别所述待识别图像中的目标图像之后,可以对识别出来的目标图像进行图像替换。具体而言,获取目标替换图像样张;将所述待识别图像中的目标图像替换为所述目标替换图像样张。
可选地,获取目标替换图像样张包括:获取目标替换图像样图;从所述目标替换图像样图中识别出所述目标替换图像样张;确定所述目标替换图像样张的外轮廓点向量,其中,所述外轮廓用于将所述目标替换图像样张和背景分界。
进一步地,在所述获取目标替换图像样张之后,所述将所述待识别图像中的目标图像替换为所述目标替换图像样张之前,将所述目标替换图像样图和所述目标图像样图进行归一化处理,其中,所述归一化处理用于统一所述目标替换图像样图和所述目标图像样图的大小。
优选地,归一化处理规则可以为以数量“小”的一方为准,例如目标图像样图比目标替换图像样图长度小,那么就将目标替换图像样图长度调整为目标图像样图一样的长度。具体的,将所述目标替换图像样图和所述目标图像样图进行归一化处理的流程如下:判断所述目标替换图像样图的长度是否小于所述目标图像样图的长度;在判断结果为是的情况下,等比例缩小所述目标图像样图直至所述目标图像样图与所述目标替换图像样图等长;在判断结果为否的情况下,等比例缩小所述目标替换图像样图直至所述目标替换图像样图与所述目标图像样图等长;判断所述目标替换图像样图的宽度是否小于所述目标图像样图的宽度;在判断结果为是的情况下,将所述目标替换图像样图的宽度值赋予所述目标图像样图;在判断结果为否的情况下,将所述目标图像样图的宽度值赋予所述目标替换图像样图。
可选地,将所述目标替换图像样图的宽度值赋予所述目标图像样图包括:以所述目标图像样图的宽度中心线为中心上下均匀裁剪,使得所述目标图像样图与所述目标替换图像样图等宽;所述将所述目标图像样图的宽度值赋予所述目标替换图像样图包括:以所述目标替换图像样图的宽度中心线为中心上下均匀裁剪,使得所述目标替换图像样图与所述目标图像样图等宽。
可选地,在所述将所述待识别图像中的目标图像替换为所述目标替换图像样张之前,所述方法还包括:根据获取到的所述每幅待识别图像中的目标图像的空间变换信息修正所述目标替换图像样张的空间形态,其中,所述空间变换信息包括位移信息、伸缩信息和旋转信息。
通过上述步骤,解决了相关技术中图像识别准确度和精确度较低的问题,提高图像识别的准确度和精确度。
图2是根据本发明实施例的目标图像识别装置的结构框图,如图2所示,该装置包括:
匹配模块22,用于将目标图像样图与待识别图像中进行匹配,得到存在对应关系的目标图像样图匹配点和待识别图像匹配点,其中,该目标图像样图中包括目标图像样张;
第一识别模块24,用于在一幅该待识别图像最多有一幅目标图像的情况下,根据该目标图像样图匹配点与对应的一幅该待识别图像匹配点识别该待识别图像中的目标图像,其中,该目标图像与该目标图像样张具有相同的尺度;否则,
第二识别模块26,用于对该待识别图像匹配点进行聚类,得到待识别图像匹配点群;用于根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别该待识别图像中的目标图像。
图3是根据本发明优选实施例的目标图像识别装置的结构框图,如图3所示,该装置还包括:
获取模块32,用于获取目标替换图像样张;
替换模块34,用于将该待识别图像中的目标图像替换为该目标替换图像样张。
图4是根据本发明实施例的电子设备的结构框图,如图4所示,该电子设备至少包括处理器42和存储单元44,该处理器42被配置为执行该存储单元44中的程序指令,该指令包括:将目标图像样图与待识别图像中进行匹配,得到存在对应关系的目标图像样图匹配点和待识别图像匹配点,其中,该目标图像样图中包括目标图像样张;在一幅该待识别图像最多有一幅目标图像的情况下,根据该目标图像样图匹配点与对应的一幅该待识别图像匹配点识别该待识别图像中的目标图像,其中,该目标图像与该目标图像样张具有相同的尺度;否则,对该待识别图像匹配点进行聚类,得到待识别图像匹配点群;根据该目标图像样图匹配点与对应的该待识别图像匹配点群识别每幅待识别图像中的目标图像。
下面结合具体实施例对本发明进行进一步说明。
图5是根据本发明实施例的目标图像替换方法的流程图,如图5所示,该方法包括以下步骤:
步骤S502,获取目标替换图像样图和目标图像样图;
步骤S504,分别对目标图像样图和目标替换图像样图进行目标识别并归一化处理,得到目标图像标准图和目标替换图像标准图;
步骤S506,将目标图像标准图依次与待识别图像进行匹配并得到匹配点;
步骤S508,将待识别图像的匹配点聚类,得到一个或多个匹配点群;
步骤S510,依据目标图像标准图匹配点分别与待处理源图像的对应匹配点群之间的向量变换关系,在待待识别图像中识别出目标区域;
步骤S512,将目标图像标准图和待识别图像中识别出的目标区域进行二次匹配,去除无效匹配区域;
步骤S514,依据目标图像标准图匹配点分别与待识别图像的对应合格匹配点群之间的向量变换关系,将目标替换图像标准图中的目标区域变换为目标替换图像样张;
步骤S516,将目标替换图像样张替换到待识别图像中的目标区域,并保存。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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,均应包括在本发明的保护范围之内。
Claims (20)
1.一种目标图像识别方法,其特征在于,包括:
将目标图像样图与待识别图像进行匹配,得到目标图像样图匹配点和待识别图像匹配点,其中,所述目标图像样图匹配点和所述待识别图像匹配点存在对应关系,所述目标图像样图中包括目标图像样张;
在一幅所述待识别图像最多有一幅目标图像的情况下,根据所述目标图像样图匹配点与对应的一幅所述待识别图像匹配点识别所述待识别图像中的目标图像,其中,所述目标图像与所述目标图像样张具有相同的尺度;否则,
对所述待识别图像匹配点进行聚类,得到待识别图像匹配点群,根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群识别所述待识别图像中的目标图像。
2.根据权利要求1所述的方法,其特征在于,在所述将目标图像样图与待识别图像进行匹配之前,所述方法还包括:
获取所述目标图像样图;
从所述目标图像样图中识别出所述目标图像样张;
确定所述目标图像样张的外轮廓点向量,其中,所述外轮廓用于将所述目标图像样张和背景分界。
3.根据权利要求1所述的方法,其特征在于,所述将目标图像样图与待识别图像进行匹配,得到所述目标图像样图匹配点和所述待识别图像匹配点包括:
将所述目标图像样图与从所述待识别图像中依次选择出来的一幅待匹配图像进行匹配,直至所有待匹配图像均进行匹配;
所述将所述目标图像样图与从所述待识别图像中依次选择出来的一幅待匹配图像进行匹配包括:
分别获取所述待匹配图像和所述目标图像样图的特征向量;
将所述目标图像样图的特征向量与所述待匹配图像的特征向量进行匹配,得到存在对应关系的所述目标图像样图匹配点和所述待匹配图像匹配点。
4.根据权利要求3所述的方法,其特征在于,通过暴风算法Brute Force算法将所述目标图像样图的特征向量与所述待匹配图像的特征向量进行匹配。
5.根据权利要求3所述的方法,其特征在于,所述分别获取所述待匹配图像和所述目标图像样图的特征向量包括:
提取所述待匹配图像的关键点和所述目标图像样图的关键点;
根据所述待匹配图像的关键点获取所述待匹配图像的特征向量;
根据所述目标图像样图的关键点获取所述目标图像样图的特征向量。
6.根据权利要求5所述的方法,其特征在于,通过尺度不变特征变换SIFT算法或快速鲁棒特征SURF算法提取所述待匹配图像的关键点和所述目标图像样图的关键点。
7.根据权利要求1所述的方法,其特征在于,在所述将目标图像样图与待识别图像进行匹配,得到所述目标图像样图匹配点和所述待识别图像匹配点之后,所述方法还包括:
通过欧式阈值法或最优节点优先BBF算法对所述目标图像样图匹配点和所述待识别图像匹配点进行误匹配验证,其中,所述误匹配验证用于验证所述目标图像样图匹配点和所述待识别图像匹配点的匹配关系的正确性;
在验证存在未通过所述误匹配验证的情况下,删除匹配关系错误的所述目标图像样图匹配点和所述待识别图像匹配点。
8.根据权利要求2所述的方法,其特征在于,所述根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群识别所述待识别图像中的目标图像包括:
根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群确定出每幅待识别图像中的目标图像区域;
根据所述目标图像样图从所述目标图像区域中确定目标图像。
9.根据权利要求8所述的方法,其特征在于,所述根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群确定出每幅待识别图像中的目标图像区域包括:
根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群的变换关系得到变换矩阵;
通过所述变换矩阵和目标图像样张的外轮廓点向量确定出每幅待识别图像中的目标图像区域。
10.根据权利要求8所述的方法,其特征在于,所述根据所述目标图像样图从所述目标图像区域中确定目标图像包括:
判断所述目标图像样图和所述目标图像区域的相似度是否大于阈值;
在判断结果为是的情况下,确定匹配成功;
在判断结果为否的情况下,确定匹配失败。
11.根据权利要求10所述的方法,其特征在于,所述判断所述目标图像样图和所述目标图像区域的相似度是否大于阈值包括:
分别获取所述目标图像样图和所述目标图像区域的纹理信息;
根据所述目标图像样图的纹理信息与所述目标图像区域的纹理信息确定所述目标图像样图和所述目标图像区域的相似度;
判断所述目标图像样图和所述目标图像区域的相似度是否大于阈值。
12.根据权利要求1-11中任一项所述的方法,其特征在于,在所述根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群识别所述待识别图像中的目标图像之后,所述方法还包括:
获取目标替换图像样张;
将所述待识别图像中的目标图像替换为所述目标替换图像样张。
13.根据权利要求12所述的方法,其特征在于,所述获取目标替换图像样张包括:
获取目标替换图像样图;
从所述目标替换图像样图中识别出所述目标替换图像样张;
确定所述目标替换图像样张的外轮廓点向量,其中,所述外轮廓用于将所述目标替换图像样张和背景分界。
14.根据权利要求13所述的方法,其特征在于,在所述获取目标替换图像样张之后,所述将所述待识别图像中的目标图像替换为所述目标替换图像样张之前,所述方法还包括:
将所述目标替换图像样图和所述目标图像样图进行归一化处理,其中,所述归一化处理用于统一所述目标替换图像样图和所述目标图像样图的大小。
15.根据权利要求14所述的方法,其特征在于,所述将所述目标替换图像样图和所述目标图像样图进行归一化处理包括:
判断所述目标替换图像样图的长度是否小于所述目标图像样图的长度;
在判断结果为是的情况下,等比例缩小所述目标图像样图直至所述目标图像样图与所述目标替换图像样图等长;
在判断结果为否的情况下,等比例缩小所述目标替换图像样图直至所述目标替换图像样图与所述目标图像样图等长;
判断所述目标替换图像样图的宽度是否小于所述目标图像样图的宽度;
在判断结果为是的情况下,将所述目标替换图像样图的宽度值赋予所述目标图像样图;
在判断结果为否的情况下,将所述目标图像样图的宽度值赋予所述目标替换图像样图。
16.根据权利要求15所述的方法,其特征在于,
所述将所述目标替换图像样图的宽度值赋予所述目标图像样图包括:
以所述目标图像样图的宽度中心线为中心上下均匀裁剪,使得所述目标图像样图与所述目标替换图像样图等宽;
所述将所述目标图像样图的宽度值赋予所述目标替换图像样图包括:
以所述目标替换图像样图的宽度中心线为中心上下均匀裁剪,使得所述目标替换图像样图与所述目标图像样图等宽。
17.根据权利要求12所述的方法,其特征在于,在所述将所述待识别图像中的目标图像替换为所述目标替换图像样张之前,所述方法还包括:
根据获取到的所述每幅待识别图像中的目标图像的空间变换信息修正所述目标替换图像样张的空间形态,其中,所述空间变换信息包括位移信息、伸缩信息和旋转信息。
18.一种目标图像识别装置,其特征在于,包括:
匹配模块,用于将目标图像样图与待识别图像中进行匹配,得到存在对应关系的目标图像样图匹配点和待识别图像匹配点,其中,所述目标图像样图中包括目标图像样张;
第一识别模块,用于在一幅所述待识别图像最多有一幅目标图像的情况下,根据所述目标图像样图匹配点与对应的一幅所述待识别图像匹配点识别所述待识别图像中的目标图像,其中,所述目标图像与所述目标图像样张具有相同的尺度;否则,
第二识别模块,用于对所述待识别图像匹配点进行聚类,得到待识别图像匹配点群;用于根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群识别所述待识别图像中的目标图像。
19.根据权利要求18所述的方法,其特征在于,所述装置还包括:
获取模块,用于获取目标替换图像样张;
替换模块,用于将所述待识别图像中的目标图像替换为所述目标替换图像样张。
20.一种电子设备,至少包括处理器和存储单元,所述处理器被配置为执行所述存储单元中的程序指令,所述指令包括:
将目标图像样图与待识别图像中进行匹配,得到存在对应关系的目标图像样图匹配点和待识别图像匹配点,其中,所述目标图像样图中包括目标图像样张;
在一幅所述待识别图像最多有一幅目标图像的情况下,根据所述目标图像样图匹配点与对应的一幅所述待识别图像匹配点识别所述待识别图像中的目标图像,其中,所述目标图像与所述目标图像样张具有相同的尺度;否则,
对所述待识别图像匹配点进行聚类,得到待识别图像匹配点群;根据所述目标图像样图匹配点与对应的所述待识别图像匹配点群识别每幅待识别图像中的目标图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264125.0A CN108268881A (zh) | 2016-12-30 | 2016-12-30 | 电子设备、目标图像识别方法及装置 |
PCT/CN2017/117808 WO2018121414A1 (zh) | 2016-12-30 | 2017-12-21 | 电子设备、目标图像识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611264125.0A CN108268881A (zh) | 2016-12-30 | 2016-12-30 | 电子设备、目标图像识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108268881A true CN108268881A (zh) | 2018-07-10 |
Family
ID=62707827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611264125.0A Withdrawn CN108268881A (zh) | 2016-12-30 | 2016-12-30 | 电子设备、目标图像识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108268881A (zh) |
WO (1) | WO2018121414A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109316202A (zh) * | 2018-08-23 | 2019-02-12 | 苏州佳世达电通有限公司 | 影像校正方法及检测装置 |
CN110751071A (zh) * | 2019-10-12 | 2020-02-04 | 上海上湖信息技术有限公司 | 人脸识别方法及装置、存储介质、计算设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075648A (zh) * | 2021-03-19 | 2021-07-06 | 中国舰船研究设计中心 | 一种无人集群目标定位信息的聚类与滤波方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110303A1 (en) * | 2007-10-31 | 2009-04-30 | Kabushiki Kaisha Toshiba | Object recognizing apparatus and method |
CN103679159A (zh) * | 2013-12-31 | 2014-03-26 | 海信集团有限公司 | 人脸识别方法 |
US9129148B1 (en) * | 2012-11-09 | 2015-09-08 | Orbeus Inc. | System, method and apparatus for scene recognition |
CN105069457A (zh) * | 2015-07-15 | 2015-11-18 | 杭州朗和科技有限公司 | 图像识别方法和装置 |
CN105844290A (zh) * | 2016-03-16 | 2016-08-10 | 网易(杭州)网络有限公司 | 匹配图像中多个相同对象的方法及装置 |
CN106095806A (zh) * | 2016-05-30 | 2016-11-09 | 宁波萨瑞通讯有限公司 | 一种自动匹配系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930296B (zh) * | 2012-11-01 | 2015-08-26 | 长沙纳特微视网络科技有限公司 | 一种图像识别方法及装置 |
CN104077569A (zh) * | 2014-06-24 | 2014-10-01 | 纵横壹旅游科技(成都)有限公司 | 一种图像识别方法及系统 |
-
2016
- 2016-12-30 CN CN201611264125.0A patent/CN108268881A/zh not_active Withdrawn
-
2017
- 2017-12-21 WO PCT/CN2017/117808 patent/WO2018121414A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110303A1 (en) * | 2007-10-31 | 2009-04-30 | Kabushiki Kaisha Toshiba | Object recognizing apparatus and method |
US9129148B1 (en) * | 2012-11-09 | 2015-09-08 | Orbeus Inc. | System, method and apparatus for scene recognition |
CN103679159A (zh) * | 2013-12-31 | 2014-03-26 | 海信集团有限公司 | 人脸识别方法 |
CN105069457A (zh) * | 2015-07-15 | 2015-11-18 | 杭州朗和科技有限公司 | 图像识别方法和装置 |
CN105844290A (zh) * | 2016-03-16 | 2016-08-10 | 网易(杭州)网络有限公司 | 匹配图像中多个相同对象的方法及装置 |
CN106095806A (zh) * | 2016-05-30 | 2016-11-09 | 宁波萨瑞通讯有限公司 | 一种自动匹配系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109316202A (zh) * | 2018-08-23 | 2019-02-12 | 苏州佳世达电通有限公司 | 影像校正方法及检测装置 |
CN110751071A (zh) * | 2019-10-12 | 2020-02-04 | 上海上湖信息技术有限公司 | 人脸识别方法及装置、存储介质、计算设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2018121414A1 (zh) | 2018-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Unsupervised joint alignment of complex images | |
Lu et al. | An experimental evaluation of covariates effects on unconstrained face verification | |
US8655029B2 (en) | Hash-based face recognition system | |
JP6994588B2 (ja) | 顔特徴抽出モデル訓練方法、顔特徴抽出方法、装置、機器および記憶媒体 | |
JP4921858B2 (ja) | 画像処理装置および画像処理プログラム | |
CN107622274B (zh) | 用于图像处理的神经网络训练方法、装置以及计算机设备 | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN108171127A (zh) | 一种基于深度学习的发票自动识别方法 | |
WO2021151313A1 (zh) | 证件鉴伪方法、装置、电子设备及存储介质 | |
CN110717492B (zh) | 基于联合特征的图纸中字符串方向校正方法 | |
CN107292272B (zh) | 一种在实时传输的视频中人脸识别的方法及系统 | |
CN108268881A (zh) | 电子设备、目标图像识别方法及装置 | |
CN107392221B (zh) | 分类模型的训练方法、分类ocr识别结果的方法及装置 | |
CN108154132A (zh) | 一种身份证文字提取方法、系统及设备和存储介质 | |
CN110119695A (zh) | 一种基于特征融合和机器学习的虹膜活性检测方法 | |
CN106022241A (zh) | 一种基于小波变换及稀疏表示的人脸识别方法 | |
CN111783681A (zh) | 大规模人脸库识别方法、系统、计算机设备及存储介质 | |
CN112633221A (zh) | 一种人脸方向的检测方法及相关装置 | |
CN112966626A (zh) | 人脸识别方法和装置 | |
CN110826534B (zh) | 一种基于局部主成分分析的人脸关键点检测方法及系统 | |
CN109325434A (zh) | 一种多特征的概率主题模型的图像场景分类方法 | |
CN115511856A (zh) | 一种部件的缺陷检测方法、装置、电子设备及存储介质 | |
CN108875559A (zh) | 基于证件照与现场照的人脸识别方法及系统 | |
Manivannan et al. | Hep-2 specimen classification using multi-resolution local patterns and SVM | |
CN108090473A (zh) | 多相机下人脸识别的方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180710 |
|
WW01 | Invention patent application withdrawn after publication |