CN108280420A - 用于处理图像的系统、方法和装置 - Google Patents
用于处理图像的系统、方法和装置 Download PDFInfo
- Publication number
- CN108280420A CN108280420A CN201810054604.2A CN201810054604A CN108280420A CN 108280420 A CN108280420 A CN 108280420A CN 201810054604 A CN201810054604 A CN 201810054604A CN 108280420 A CN108280420 A CN 108280420A
- Authority
- CN
- China
- Prior art keywords
- image
- pending
- target
- subgraph
- terminal 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于处理图像的系统、方法和装置。该系统的一具体实施方式包括:第一终端设备,用于对目标场景进行拍摄,获得待处理图像,以及将待处理图像发送给服务器;服务器,用于从待处理图像中识别出待处理图像的目标待处理子图像;确定目标待处理子图像在待处理图像中的位置;基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备;第二终端设备,用于对目标图像进行显示。该实施方式提高了图像处理的灵活性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于处理图像的系统、方法和装置。
背景技术
图像处理(Image processing)又称为影像处理,是用计算机对图像进行处理以达到所需结果的技术。起源于20世纪20年代,一般为数字图像处理。图像处理技术的主要内容包括图像压缩、增强复原、匹配描述识别三个部分,常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为,应用广泛,多用于测绘学、大气科学、天文学、美图等。
发明内容
本申请实施例提出了用于处理图像的系统、方法和装置。
第一方面,本申请实施例提供了一种用于处理图像的系统,该方法包括:第一终端设备,用于对目标场景进行拍摄,获得待处理图像,以及将待处理图像发送给服务器;服务器,用于从待处理图像识别出待处理图像的目标待处理子图像;确定目标待处理子图像在待处理图像中的位置;基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备;第二终端设备,用于对目标图像进行显示。
在一些实施例中,上述服务器还用于:基于目标待处理子图像,生成目标待处理子图像的最小外接矩形;确定最小外接矩形在待处理图像中的位置;将所确定的最小外接矩形在待处理图像中的位置确定为目标待处理子图像在待处理图像中的位置。
在一些实施例中,上述服务器还用于:确定目标待处理子图像是否满足预设条件,其中,预设条件与预设图像相关联;响应于确定目标待处理子图像满足预设条件,将预设图像添加到待处理图像上。
在一些实施例中,上述服务器还用于:将待处理图像输入预先训练的图像识别模型,获得待处理图像的目标待处理子图像,其中,图像识别模型用于表征图像与图像所包括的目标子图像的对应关系。
第二方面,本申请实施例提供了一种用于处理图像的方法,该方法包括:响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像,其中,待处理图像为第一终端设备对目标场景进行拍摄所获得的图像;确定目标待处理子图像在待处理图像中的位置;基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,其中,第二终端设备用于对目标图像进行显示。
在一些实施例中,确定目标待处理子图像在待处理图像中的位置,包括:基于目标待处理子图像,生成目标待处理子图像的最小外接矩形;确定最小外接矩形在待处理图像中的位置;将所确定的最小外接矩形在待处理图像中的位置确定为目标待处理子图像在待处理图像中的位置。
在一些实施例中,基于所确定的位置,将预设图像集合中的预设图像添加到待处理图像上,包括:确定目标待处理子图像是否满足预设条件,其中,预设条件与预设图像相关联;响应于确定目标待处理子图像满足预设条件,将预设图像添加到待处理图像上。
在一些实施例中,从待处理图像中识别出待处理图像的目标待处理子图像,包括:将待处理图像输入预先训练的图像识别模型,获得待处理图像的目标待处理子图像,其中,图像识别模型用于表征图像与图像所包括的目标子图像的对应关系。
第三方面,本申请实施例提供了一种用于处理图像的方法,该方法包括:对目标场景进行拍摄,获得待处理图像;将所获得的待处理图像发送给服务器,其中,服务器用于从待处理图像中识别出待处理图像的目标待处理子图像,以及确定目标待处理子图像在待处理图像中的位置,基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,第二终端设备用于对目标图像进行显示。
第四方面,本申请实施例提供了一种用于处理图像的装置,该装置包括:识别单元,配置用于响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像,其中,待处理图像为第一终端设备对目标场景进行拍摄所获得的图像;确定单元,配置用于确定目标待处理子图像在待处理图像中的位置;添加单元,配置用于基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,其中,第二终端设备用于对目标图像进行显示。
在一些实施例中,确定单元包括:生成模块,配置用于基于目标待处理子图像,生成目标待处理子图像的最小外接矩形;第一确定模块,配置用于确定最小外接矩形在待处理图像中的位置;第二确定模块,配置用于将所确定的最小外接矩形在待处理图像中的位置确定为目标待处理子图像在待处理图像中的位置。
在一些实施例中,添加模块包括:第三确定模块,配置用于确定目标待处理子图像是否满足预设条件,其中,预设条件与预设图像相关联;添加模块,配置用于响应于确定目标待处理子图像满足预设条件,将预设图像添加到待处理图像上。
在一些实施例中,识别单元包括:输入模块,配置用于将待处理图像输入预先训练的图像识别模型,获得待处理图像的目标待处理子图像,其中,图像识别模型用于表征图像与图像所包括的目标子图像的对应关系。
第五方面,本申请实施例提供了一种用于处理图像的装置,该装置包括:拍摄单元,配置用于对目标场景进行拍摄,获得待处理图像;发送单元,配置用于将所获得的待处理图像发送给服务器,其中,服务器用于从待处理图像中识别出待处理图像的目标待处理子图像,以及确定目标待处理子图像在待处理图像中的位置,基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,第二终端设备用于对目标图像进行显示。
第六方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述第二方面中任一实施例的方法。
第七方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述第二方面中任一实施例的方法。
第八方面,本申请实施例提供了一种终端,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述第三方面任一实施例的方法。
第九方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述第三方面任一实施例的方法。
本申请实施例提供的用于处理图像的系统、方法和装置,通过第一终端设备对目标场景进行拍摄,获得待处理图像,以及将待处理图像发送给服务器;接着服务器从待处理图像中识别出待处理图像的目标待处理子图像;确定目标待处理子图像在待处理图像中的位置;基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备;最后第二终端设备对目标图像进行显示,从而有效利用了预设图像,能够将预设图像添加到所确定的目标位置,提高了图像处理的灵活性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于处理图像的系统的一个实施例的时序图;
图3是根据本申请的用于处理图像的系统的一个应用场景的示意图;
图4是根据本申请的用于处理图像的方法的一个实施例的流程图;
图5是根据本申请的用于处理图像的方法的又一个实施例的流程图;
图6是根据本申请的用于处理图像的装置的一个实施例的结构示意图;
图7是根据本申请的用于处理图像的装置的又一个实施例的结构示意图;
图8是适于用来实现本申请实施例的服务器或终端的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
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。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理图像的系统、用于处理图像的方法或用于处理图像的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102,网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102通过网络103与服务器104交互,以接收或发送消息等。终端设备101、102上可以安装有各种客户端应用,例如美图软件、图像处理软件、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101可以是具有摄像头的各种电子设备,包括但不限于智能手机、平板电脑、摄像机等。终端设备102可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。在这里,终端设备101可以是第一终端设备(即对目标场景进行拍摄的电子设备);终端设备102可以是第二终端设备(即对目标图像进行显示的电子设备)。
服务器104可以是提供各种服务的服务器,例如对终端设备101所拍摄的图像进行处理的图像处理服务器。图像处理服务器可以对接收到的图像进行处理,并将处理结果(例如目标图像)反馈给终端设备。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
请参考图2,示出了根据本申请的用于处理图像的系统的一个实施例的时序图200。
本申请实施例中的用于处理图像的系统可以包括第一终端设备,用于对目标场景进行拍摄,获得待处理图像,以及将待处理图像发送给服务器;服务器,用于从待处理图像中识别出待处理图像的目标待处理子图像;确定目标待处理子图像在待处理图像中的位置;基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备;第二终端设备,用于对目标图像进行显示。
如图2所示,在步骤201中,第一终端设备对目标场景进行拍摄,获得待处理图像。
在本实施例中,第一终端设备(例如图1所示的终端设备101)可以对目标场景进行拍摄,获得待处理图像。其中,目标场景可以为用户欲通过第一终端设备对其进行拍摄的场景,目标场景可以包括但不限于以下至少一项:人物,物品,背景环境(例如天空、马路、背景墙等)。需要说明的是,目标场景所包括的人物、物品等可以是人物、物品等的局部或全部。示例性的,目标场景可以包括人物整体或者仅包括人物的人脸。
可选的,第一终端设备还可以对目标场景进行拍摄,获得视频;以及上述待处理图像可以为上述视频所包括的图像。在这里,需要说明的是,当用户欲获得视频,并通过第一终端设备对目标场景进行拍摄时,待处理图像可以为拍摄视频过程中实时获得的图像。
在步骤202中,第一终端设备向服务器发送待处理图像。
在本实施例中,基于步骤201所获得的待处理图像,第一终端设备可以向服务器(例如图1所示的服务器104)发送上述待处理图像。
在步骤203中,服务器从待处理图像中识别出待处理图像的目标待处理子图像。
在本实施例中,服务器可以接收第一终端设备发送的待处理图像,以及从待处理图像中识别出待处理图像的目标待处理子图像。其中,目标待处理子图像为待处理图像所包括的图像,且目标待处理子图像可以包括预设的图像特征(例如颜色特征、形状特征、纹理特征等)。
在本实施例的一些可选的实现方式中,上述服务器可以通过如下步骤从待处理图像中识别出待处理图像的目标待处理子图像:将待处理图像输入预先训练的图像识别模型,获得待处理图像的目标待处理子图像,其中,图像识别模型可以用于表征图像与图像所包括的目标子图像的对应关系。
具体的,作为示例,图像识别模型可以为技术人员基于对大量的图像和图像所包括的目标子图像的统计而预先制定的、存储有多个图像与图像所包括的目标子图像的对应关系的对应关系表。
可选的,上述图像识别模型也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对图像中各个图像区域所包括图像特征的特征值与预设图像的图像特征的特征值进行数值计算以得到的计算公式。该计算公式的计算结果可以用于从图像中确定目标子图像,例如,该计算公式可以是对图像中各个图像区域所包括颜色特征与预设图像的颜色特征的进行颜色值的相似度计算以得到的计算公式,进而可以将计算所确定的相似度最高的图像区域确定为图像的目标子图像。
在本实施例的一些可选的实现方式中,上述图像识别模型可以通过如下步骤训练得到:
首先,上述服务器可以获取样本图像以及已标记的、样本图像所包括的样本目标子图像。
然后,上述服务器可以利用机器学习算法,将样本图像作为输入,将已标记的、样本图像所包括的样本目标子图像作为输出,训练得到图像识别模型。
在这里,上述服务器具体可以将卷积神经网络(Convolutional Neural Network,CNN))作为基础模型,将样本图像作为输入,将已标记的、样本图像所包括的样本目标子图像作为输出,训练得到上述图像识别模型。上述卷积神经网络可以包括卷积层、池化层、反池化层和反卷积层,其中,卷积层可以用于提取图像特征,池化层可以用于对输入的信息进行降采样(downsample),反池化层可以用于对输入的信息进行上采样(upsample),反卷积层用于对输入的信息进行反卷积,将卷积层的卷积核的转置作为反卷积层的卷积核对所输入的信息进行处理。反卷积是卷积的逆运算,实现了信号的复原。上述卷积神经网络的最后一个反卷积层可以输出样本目标子图像,所输出的样本目标子图像可以用RGB(red greenblue,红绿蓝)三通道的矩阵进行表达。实践中,卷积神经网络是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于图像处理有出色表现,因而,可以利用卷积神经网络进行图像识别。需要说明的是,上述服务器可以利用各种方式(例如有监督训练、无监督训练等方式)训练上述卷积神经网络得到人脸识别模型。
在本实施例的一些可选的实现方式中,上述服务器还可以利用增强现实技术(Augmented Reality,AR)中的图像识别技术,基于预设的图像特征,实时地对所接收的待处理图像进行识别,获得待处理图像的目标待处理子图像。需要说明的是,增强现实技术中的图像识别技术是目前广泛研究和应用的公知技术,在此不再赘述。
在步骤204中,服务器确定目标待处理子图像在待处理图像中的位置。
在本实施例中,基于步骤203所获得的目标待处理子图像,上述服务器可以确定目标待处理子图像在待处理图像中的位置。
在本实施例的一些可选的实现方式中,上述服务器可以通过如下步骤确定目标待处理子图像在待处理图像中的位置:
首先,基于目标待处理子图像,上述服务器可以生成目标待处理子图像的最小外接矩形。具体的,上述服务器可以基于待处理图像建立坐标系,并基于所建立的坐标系以及目标待处理图像,生成目标待处理子图像的最小外接矩形。在这里,最小外接矩形是指以二维坐标表示的若干二维形状(例如点、直线、多边形)的最大范围,即以给定的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形。具体的,上述服务器可以通过以下两种方案生成目标待处理子图像的最小外接矩形:
方案一:通过计算图像中物体分布坐标的最大、最小值所得,显然该矩形通常不能准确描述区域的分布。
方案二:将图像物体在90°范围内等间隔地旋转,每次记录其轮廓在坐标系方向上的外接矩形参数,通过计算外接矩形面积求取最小外接矩形。
然后,上述服务器可以确定最小外接矩形在待处理图像中的位置。例如,上述服务器可以确定最小外接矩形四个顶点的坐标。
最后,上述服务器可以将所确定的最小外接矩形在待处理图像中的位置确定为目标待处理子图像在待处理图像中的位置。
在本实施例的一些可选的实现方式中,上述服务器还可以利用增强现实技术中的图像追踪技术,实时地确定目标待处理子图像在待处理图像中的位置。需要说明的是,增强现实技术中的图像追踪技术是目前广泛研究和应用的公知技术,在此不再赘述。
在步骤205中,服务器基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像。
在本实施例中,基于步骤204所确定的位置,服务器可以将预设图像添加到待处理图像上,生成目标图像。目标图像为处理后的图像,目标图像可以用于显示。
示例性的,目标待处理子图像包括顶点,上述服务器所确定的位置可以为目标待处理子图像所包括的顶点的坐标,则上述服务器可以将预设图像添加到待处理图像上,使得预设图像上的预设像素点与目标待处理子图像的顶点重合。
可选的,上述服务器所确定的位置为目标待处理子图像的最小外接矩形在待处理图像中的位置,则上述服务器可以将预设图像添加到待处理图像上,使得预设图像上的预设像素点与最小外接矩形的中心点或者顶点重合。或者,上述服务器可以将预设图像添加到待处理图像上,使得预设图像所包括的预设边与最小外接矩形的边重合或相切。
在本实施例的一些可选的实现方式中,上述服务器还可以通过如下步骤控制预设图像的添加方式:确定目标待处理子图像是否满足预设条件,其中,预设条件与预设图像相关联;响应于确定目标待处理子图像满足预设条件,将预设图像添加到待处理图像上。
示例性的,预设条件可以为图像的颜色包括红色和绿色。与预设条件相关联的预设图像可以为圣诞树。进而,上述服务器可以确定目标待处理子图像的颜色是否包括红色和绿色,响应于确定目标待处理子图像的颜色包括红色和绿色,将圣诞树添加到待处理图像上。
在本实施例的一些可选的实现方式中,上述服务器可以利用增强现实技术中的图像合成技术,实时地将预设图像添加到待处理图像上,生成目标图像。需要说明的是,增强现实技术中的图像合成技术是目前广泛研究和应用的公知技术,在此不再赘述。
在步骤206中,服务器向第二终端设备发送目标图像。
在本实施例中,基于步骤205所生成的目标图像,服务器可以向第二终端设备(例如图1所示的终端设备102)发送目标图像。
在步骤207中,第二终端设备对目标图像进行显示。
在本实施例中,第二终端设备可以接收服务器发送的目标图像,以及对目标图像进行显示。
可选的,第二终端设备可以对目标图像进行渲染,并显示渲染后的目标图像。
在本实施例的一些可选的实现方式中,上述第二终端设备可以利用增强现实技术中的显示技术,实时地对目标图像进行显示。需要说明的是,增强现实技术中的显示技术是目前广泛研究和应用的公知技术,在此不再赘述。
继续参见图3,图3是根据本实施例的用于处理图像的系统的应用场景的一个示意图。在图3的应用场景中,用户可以利用第一终端设备301对目标场景进行拍摄,获得待处理图像302;然后第一终端设备301可以将待处理图像302发送给服务器303;接着服务器303可以从待处理图像302中识别出待处理图像302的目标待处理子图像3021;然后服务器303可以确定目标待处理子图像3021在待处理图像302中的位置304;接着服务器303可以基于所确定的位置304,将预设图像305添加到待处理图像302上,生成目标图像306;接着服务器303可以将所生成的目标图像306发送给第二终端设备307;最后第二终端设备307可以对目标图像306进行显示。
本申请的上述实施例提供的系统通过第一终端设备对目标场景进行拍摄,获得待处理图像,以及将待处理图像发送给服务器;接着服务器从待处理图像中识别出待处理图像的目标待处理子图像;确定目标待处理子图像在待处理图像中的位置;基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备;最后第二终端设备对目标图像进行显示,从而有效利用了预设图像,能够将预设图像添加到所确定的目标位置,提高了图像处理的灵活性。
继续参考图4,示出了根据本申请的用于处理图像的方法的一个实施例的流程400。该用于处理图像的方法,包括以下步骤:
步骤401,响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像。
在本实施例中,用于处理图像的方法运行于其上的电子设备(例如图1所示的服务器)可以响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像。其中,目标待处理子图像为待处理图像所包括的图像,且目标待处理子图像可以包括预设的图像特征(例如颜色特征、形状特征、纹理特征等),以及目标待处理子图像可以用于确定下文中的预设图像的添加位置。
在本实施例的一些可选的实现方式中,上述电子设备可以通过如下步骤从待处理图像中识别出待处理图像的目标待处理子图像:将待处理图像输入预先训练的图像识别模型,获得待处理图像的目标待处理子图像,其中,图像识别模型可以用于表征图像与图像所包括的目标子图像的对应关系。
具体的,作为示例,图像识别模型可以为技术人员基于对大量的图像和图像所包括的目标子图像的统计而预先制定的、存储有多个图像与图像所包括的目标子图像的对应关系的对应关系表。
可选的,上述图像识别模型也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对图像中各个图像区域所包括图像特征的特征值与预设的图像特征进行数值计算以得到的计算公式。该计算公式的计算结果可以用于从图像中确定目标子图像,例如,该计算公式可以是对图像中各个图像区域所包括图像特征与预设的图像特征的进行相似度计算以得到的计算公式,进而可以将计算确定的相似度最高的图像区域确定为图像的目标子图像。
在本实施例的一些可选的实现方式中,上述图像识别模型可以通过如下步骤训练得到:
首先,上述电子设备可以获取样本图像以及已标记的、样本图像所包括的样本目标子图像。
然后,上述电子设备可以利用机器学习算法,将样本图像作为输入,将已标记的、样本图像所包括的样本目标子图像作为输出,训练得到图像识别模型。
在这里,上述电子设备具体可以将卷积神经网络(Convolutional NeuralNetwork,CNN)作为基础模型,将样本图像作为输入,将已标记的、样本图像所包括的样本目标子图像作为输出,训练得到上述图像识别模型。上述卷积神经网络可以包括卷积层、池化层、反池化层和反卷积层,其中,卷积层可以用于提取图像特征,池化层可以用于对输入的信息进行降采样(downsample),反池化层可以用于对输入的信息进行上采样(upsample),反卷积层用于对输入的信息进行反卷积,将卷积层的卷积核的转置作为反卷积层的卷积核对所输入的信息进行处理。反卷积是卷积的逆运算,实现了信号的复原。上述卷积神经网络的最后一个反卷积层可以输出样本目标子图像,所输出的样本目标子图像可以用RGB(redgreen blue,红绿蓝)三通道的矩阵进行表达。实践中,卷积神经网络是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于图像处理有出色表现,因而,可以利用卷积神经网络进行图像识别。需要说明的是,上述服务器可以利用各种方式(例如有监督训练、无监督训练等方式)训练上述卷积神经网络得到人脸识别模型。
在本实施例的一些可选的实现方式中,上述电子设备还可以利用增强现实技术(Augmented Reality,AR)中的图像识别技术,基于预设的图像特征,实时地对所接收的待处理图像进行识别,获得待处理图像的目标待处理子图像。需要说明的是,增强现实技术中的图像识别技术是目前广泛研究和应用的公知技术,在此不再赘述。
步骤402,确定目标待处理子图像在待处理图像中的位置。
在本实施例中,基于步骤401所获得的目标待处理子图像,上述电子设备可以确定目标待处理子图像在待处理图像中的位置。
在本实施例的一些可选的实现方式中,上述电子设备可以通过如下步骤确定目标待处理子图像在待处理图像中的位置:
首先,基于目标待处理子图像,上述电子设备可以生成目标待处理子图像的最小外接矩形。具体的,上述电子设备可以基于待处理图像建立坐标系,并基于所建立的坐标系以及目标待处理图像,生成目标待处理子图像的最小外接矩形。在这里,最小外接矩形是指以二维坐标表示的若干二维形状(例如点、直线、多边形)的最大范围,即以给定的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形。具体的,上述电子设备可以通过以下两种方案生成目标待处理子图像的最小外接矩形:
方案一:通过计算图像中物体分布坐标的最大、最小值所得,显然该矩形通常不能准确描述区域的分布。
方案二:将图像物体在90°范围内等间隔地旋转,每次记录其轮廓在坐标系方向上的外接矩形参数,通过计算外接矩形面积求取最小外接矩形。
然后,上述电子设备可以确定最小外接矩形在待处理图像中的位置。例如,上述电子设备可以确定最小外接矩形四个顶点的坐标。
最后,上述电子设备可以将所确定的最小外接矩形在待处理图像中的位置确定为目标待处理子图像在待处理图像中的位置。
在本实施例的一些可选的实现方式中,上述电子设备还可以利用增强现实技术中的图像追踪技术,实时地确定目标待处理子图像在待处理图像中的位置。需要说明的是,增强现实技术中的图像追踪技术是目前广泛研究和应用的公知技术,在此不再赘述。
步骤403,基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备。
在本实施例中,基于步骤402所确定的位置,上述电子设备可以将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备。其中,目标图像为处理后的图像,目标图像可以用于显示。第二终端设备可以用于对目标图像进行显示。
可选的,上述电子设备所确定的位置为目标待处理子图像的最小外接矩形在待处理图像中的位置,则上述电子设备可以将预设图像添加到待处理图像上,使得预设图像上的预设像素点与最小外接矩形的中心点或者顶点重合。或者,上述电子设备可以将预设图像添加到待处理图像上,使得预设图像所包括的预设边与最小外接矩形的边重合或相切。
在本实施例的一些可选的实现方式中,上述电子设备还可以通过如下步骤控制预设图像的添加方式:确定目标待处理子图像是否满足预设条件,其中,预设条件与预设图像相关联;响应于确定目标待处理子图像满足预设条件,将预设图像添加到待处理图像上。
在本实施例的一些可选的实现方式中,上述电子设备可以利用增强现实技术中的图像合成技术,实时地将预设图像添加到待处理图像上,生成目标图像。需要说明的是,增强现实技术中的图像合成技术是目前广泛研究和应用的公知技术,在此不再赘述。
需要说明的是,图4所对应的实施例中的电子设备,具有与上述用于处理图像的系统中的服务器具有相同的特征,因此,图4所对应的实施例可以与上述用于处理图像的系统中的服务器所具有的特征相结合,以构成新的技术方案。为避免重复,在此不再赘述。
进一步参考图5,其示出了用于处理图像的方法的又一个实施例的流程500。该用于处理图像的方法的流程500,包括以下步骤:
步骤501,对目标场景进行拍摄,获得待处理图像。
在本实施例中,用于处理图像的方法运行于其上的电子设备(例如图1所示的终端设备102)可以对目标场景进行拍摄,获得待处理图像。
步骤502,将所获得的待处理图像发送给服务器。
在本实施例中,基于步骤501得到的待处理图像,上述电子设备可以将所获得的待处理图像发送给服务器。其中,服务器可以用于从待处理图像中识别出待处理图像的目标待处理子图像,以及确定目标待处理子图像在待处理图像中的位置,基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备。第二终端设备可以用于对目标图像进行显示。
需要说明的是,图5所对应的实施例中的电子设备,具有与上述用于处理图像的系统中的第一终端设备具有相同的特征,因此,图5所对应的实施例可以与上述用于处理图像的系统中的服务器所具有的特征相结合,以构成新的技术方案。为避免重复,在此不再赘述。
进一步参考图6,作为对上述各图所示方法的实现,本申请提供了一种用于处理图像的装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于处理图像的装置600包括:识别单元601、确定单元602和添加单元603。其中,识别单元601配置用于响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像,其中,待处理图像为第一终端设备对目标场景进行拍摄所获得的图像;确定单元602配置用于确定目标待处理子图像在待处理图像中的位置;添加单元603配置用于基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,其中,第二终端设备用于对目标图像进行显示。
在本实施例中,识别单元601可以响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像。其中,目标待处理子图像为待处理图像所包括的图像,且目标待处理子图像可以包括预设的图像特征(例如颜色特征、形状特征、纹理特征等),以及目标待处理子图像可以用于确定下文中的预设图像的添加位置。
在本实施例中,基于识别单元601所获得的目标待处理子图像,确定单元602可以确定目标待处理子图像在待处理图像中的位置。
在本实施例中,基于确定单元602所确定的位置,添加单元603可以将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备。其中,目标图像为处理后的图像,目标图像可以用于显示。第二终端设备可以用于对目标图像进行显示。
在本实施例的一些可选的实现方式中,确定单元602可以包括:生成模块(图中未示出),配置用于基于目标待处理子图像,生成目标待处理子图像的最小外接矩形;第一确定模块(图中未示出),配置用于确定最小外接矩形在待处理图像中的位置;第二确定模块(图中未示出),配置用于将所确定的最小外接矩形在待处理图像中的位置确定为目标待处理子图像在待处理图像中的位置。
在本实施例的一些可选的实现方式中,添加模块603可以包括:第三确定模块(图中未示出),配置用于确定目标待处理子图像是否满足预设条件,其中,预设条件与预设图像相关联;添加模块(图中未示出),配置用于响应于确定目标待处理子图像满足预设条件,将预设图像添加到待处理图像上。
在本实施例的一些可选的实现方式中,识别单元601可以包括:输入模块(图中未示出),配置用于将待处理图像输入预先训练的图像识别模型,获得待处理图像的目标待处理子图像,其中,图像识别模型可以用于表征图像与图像所包括的目标子图像的对应关系。
本申请的上述实施例提供的装置600通过识别单元601响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像,其中,待处理图像为第一终端设备对目标场景进行拍摄所获得的图像;接着确定单元602确定目标待处理子图像在待处理图像中的位置;然后添加单元603基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,其中,第二终端设备用于对目标图像进行显示,提高了图像处理的灵活性。
进一步参考图7,作为对上述各图所示方法的实现,本申请提供了一种用于处理图像的装置的一个实施例,该装置实施例与图5所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的用于处理图像的装置700包括:拍摄单元701和发送单元702。其中,拍摄单元701配置用于对目标场景进行拍摄,获得待处理图像;发送单元702配置用于将所获得的待处理图像发送给服务器,其中,服务器用于从待处理图像中识别出待处理图像的目标待处理子图像,以及确定目标待处理子图像在待处理图像中的位置,基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,第二终端设备用于对目标图像进行显示。
在本实施例中,拍摄单元701可以对目标场景进行拍摄,获得待处理图像。其中,目标场景可以为用户欲通过第一终端设备对其进行拍摄的场景,目标场景可以包括但不限于以下至少一项:人物,物品,背景环境(例如天空、马路、背景墙等)。需要说明的是,目标场景所包括的人物、物品等可以是人物、物品等的局部或全部。
在本实施例中,基于拍摄单元701得到的待处理图像,发送单元702可以将所获得的待处理图像发送给服务器。其中,服务器可以用于从待处理图像中识别出待处理图像的目标待处理子图像,以及确定目标待处理子图像在待处理图像中的位置,基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,第二终端设备可以用于对目标图像进行显示。
下面参考图8,其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统800的结构示意图。图8示出的终端设备/服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括识别单元、确定单元和添加单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,识别单元还可以被描述为“识别目标待处理子图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:响应于接收到第一终端设备发送的待处理图像,从待处理图像中识别出待处理图像的目标待处理子图像,其中,待处理图像为第一终端设备对目标场景进行拍摄所获得的图像;确定目标待处理子图像在待处理图像中的位置;基于所确定的位置,将预设图像添加到待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,其中,第二终端设备用于对目标图像进行显示。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种用于处理图像的系统,包括:
第一终端设备,用于对目标场景进行拍摄,获得待处理图像,以及将所述待处理图像发送给服务器;
所述服务器,用于从所述待处理图像中识别出所述待处理图像的目标待处理子图像;确定所述目标待处理子图像在所述待处理图像中的位置;基于所确定的位置,将预设图像添加到所述待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备;
所述第二终端设备,用于对所述目标图像进行显示。
2.根据权利要求1所述的系统,其中,所述服务器还用于:
基于所述目标待处理子图像,生成所述目标待处理子图像的最小外接矩形;
确定所述最小外接矩形在所述待处理图像中的位置;
将所确定的所述最小外接矩形在所述待处理图像中的位置确定为所述目标待处理子图像在所述待处理图像中的位置。
3.根据权利要求1所述的系统,其中,所述服务器还用于:
确定所述目标待处理子图像是否满足预设条件,其中,所述预设条件与预设图像相关联;
响应于确定所述目标待处理子图像满足所述预设条件,将所述预设图像添加到所述待处理图像上。
4.根据权利要求1-3之一所述的系统,其中,所述服务器还用于:
将所述待处理图像输入预先训练的图像识别模型,获得所述待处理图像的目标待处理子图像,其中,所述图像识别模型用于表征图像与图像所包括的目标子图像的对应关系。
5.一种用于处理图像的方法,包括:
响应于接收到第一终端设备发送的待处理图像,从所述待处理图像中识别出所述待处理图像的目标待处理子图像,其中,所述待处理图像为第一终端设备对目标场景进行拍摄所获得的图像;
确定所述目标待处理子图像在所述待处理图像中的位置;
基于所确定的位置,将预设图像添加到所述待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,其中,所述第二终端设备用于对所述目标图像进行显示。
6.根据权利要求5所述的方法,其中,所述确定所述目标待处理子图像在所述待处理图像中的位置,包括:
基于所述目标待处理子图像,生成所述目标待处理子图像的最小外接矩形;
确定所述最小外接矩形在所述待处理图像中的位置;
将所确定的所述最小外接矩形在所述待处理图像中的位置确定为所述目标待处理子图像在所述待处理图像中的位置。
7.根据权利要求5所述的方法,其中,所述基于所确定的位置,将预设图像集合中的预设图像添加到所述待处理图像上,包括:
确定所述目标待处理子图像是否满足预设条件,其中,所述预设条件与预设图像相关联;
响应于确定所述目标待处理子图像满足所述预设条件,将所述预设图像添加到所述待处理图像上。
8.根据权利要求5-7之一所述的方法,其中,所述从所述待处理图像中识别出所述待处理图像的目标待处理子图像,包括:
将所述待处理图像输入预先训练的图像识别模型,获得所述待处理图像的目标待处理子图像,其中,所述图像识别模型用于表征图像与图像所包括的目标子图像的对应关系。
9.一种用于处理图像的方法,包括:
对目标场景进行拍摄,获得待处理图像;
将所获得的待处理图像发送给服务器,其中,所述服务器用于从所述待处理图像中识别出所述待处理图像的目标待处理子图像,以及确定所述目标待处理子图像在所述待处理图像中的位置,基于所确定的位置,将预设图像添加到所述待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,所述第二终端设备用于对所述目标图像进行显示。
10.一种用于处理图像的装置,包括:
识别单元,配置用于响应于接收到第一终端设备发送的待处理图像,从所述待处理图像中识别出所述待处理图像的目标待处理子图像,其中,所述待处理图像为第一终端设备对目标场景进行拍摄所获得的图像;
确定单元,配置用于确定所述目标待处理子图像在所述待处理图像中的位置;
添加单元,配置用于基于所确定的位置,将预设图像添加到所述待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,其中,所述第二终端设备用于对所述目标图像进行显示。
11.根据权利要求10所述的装置,其中,所述确定单元包括:
生成模块,配置用于基于所述目标待处理子图像,生成所述目标待处理子图像的最小外接矩形;
第一确定模块,配置用于确定所述最小外接矩形在所述待处理图像中的位置;
第二确定模块,配置用于将所确定的所述最小外接矩形在所述待处理图像中的位置确定为所述目标待处理子图像在所述待处理图像中的位置。
12.根据权利要求10所述的装置,其中,所述添加模块包括:
第三确定模块,配置用于确定所述目标待处理子图像是否满足预设条件,其中,所述预设条件与预设图像相关联;
添加模块,配置用于响应于确定所述目标待处理子图像满足所述预设条件,将所述预设图像添加到所述待处理图像上。
13.根据权利要求10-12之一所述的装置,其中,所述识别单元包括:
输入模块,配置用于将所述待处理图像输入预先训练的图像识别模型,获得所述待处理图像的目标待处理子图像,其中,所述图像识别模型用于表征图像与图像所包括的目标子图像的对应关系。
14.一种用于处理图像的装置,包括:
拍摄单元,配置用于对目标场景进行拍摄,获得待处理图像;
发送单元,配置用于将所获得的待处理图像发送给服务器,其中,所述服务器用于从所述待处理图像中识别出所述待处理图像的目标待处理子图像,以及确定所述目标待处理子图像在所述待处理图像中的位置,基于所确定的位置,将预设图像添加到所述待处理图像上,生成目标图像,以及将所生成的目标图像发送给第二终端设备,所述第二终端设备用于对所述目标图像进行显示。
15.一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求5-8中任一所述的方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求5-8中任一所述的方法。
17.一种终端,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求9所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求9所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054604.2A CN108280420A (zh) | 2018-01-19 | 2018-01-19 | 用于处理图像的系统、方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810054604.2A CN108280420A (zh) | 2018-01-19 | 2018-01-19 | 用于处理图像的系统、方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108280420A true CN108280420A (zh) | 2018-07-13 |
Family
ID=62804264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810054604.2A Pending CN108280420A (zh) | 2018-01-19 | 2018-01-19 | 用于处理图像的系统、方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280420A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887642A (zh) * | 2010-06-29 | 2010-11-17 | 上海大学 | 一种高速公路移动式捕获超速车辆监测系统 |
CN103412954A (zh) * | 2013-08-30 | 2013-11-27 | 苏州跨界软件科技有限公司 | 一种利用增强现实技术的虚拟动态杂志 |
CN105095881A (zh) * | 2015-08-21 | 2015-11-25 | 小米科技有限责任公司 | 人脸识别方法、装置及终端 |
CN105320931A (zh) * | 2014-05-26 | 2016-02-10 | 京瓷办公信息系统株式会社 | 物品信息提供装置和物品信息提供系统 |
CN105824928A (zh) * | 2016-03-17 | 2016-08-03 | 广东欧珀移动通信有限公司 | 移动终端、服务器、基于内容的图像识别搜索方法及系统 |
CN106060469A (zh) * | 2016-06-23 | 2016-10-26 | 杨珊珊 | 基于无人飞行器拍摄的图像处理系统及其图像处理方法 |
CN107158672A (zh) * | 2017-06-22 | 2017-09-15 | 王继民 | 一种推杆比赛游戏系统及其游戏方法 |
CN107391060A (zh) * | 2017-04-21 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 图像显示方法、装置、系统及设备、可读介质 |
-
2018
- 2018-01-19 CN CN201810054604.2A patent/CN108280420A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887642A (zh) * | 2010-06-29 | 2010-11-17 | 上海大学 | 一种高速公路移动式捕获超速车辆监测系统 |
CN103412954A (zh) * | 2013-08-30 | 2013-11-27 | 苏州跨界软件科技有限公司 | 一种利用增强现实技术的虚拟动态杂志 |
CN105320931A (zh) * | 2014-05-26 | 2016-02-10 | 京瓷办公信息系统株式会社 | 物品信息提供装置和物品信息提供系统 |
CN105095881A (zh) * | 2015-08-21 | 2015-11-25 | 小米科技有限责任公司 | 人脸识别方法、装置及终端 |
CN105824928A (zh) * | 2016-03-17 | 2016-08-03 | 广东欧珀移动通信有限公司 | 移动终端、服务器、基于内容的图像识别搜索方法及系统 |
CN106060469A (zh) * | 2016-06-23 | 2016-10-26 | 杨珊珊 | 基于无人飞行器拍摄的图像处理系统及其图像处理方法 |
CN107391060A (zh) * | 2017-04-21 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 图像显示方法、装置、系统及设备、可读介质 |
CN107158672A (zh) * | 2017-06-22 | 2017-09-15 | 王继民 | 一种推杆比赛游戏系统及其游戏方法 |
Non-Patent Citations (1)
Title |
---|
TED官方频道: "马特米尔斯:可引发增强现实的图像识别", 《优酷》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898186A (zh) | 用于提取图像的方法和装置 | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN109191514A (zh) | 用于生成深度检测模型的方法和装置 | |
US20190087683A1 (en) | Method and apparatus for outputting information | |
CN108830235A (zh) | 用于生成信息的方法和装置 | |
CN108986169A (zh) | 用于处理图像的方法和装置 | |
CN109410253B (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
CN109360028A (zh) | 用于推送信息的方法和装置 | |
CN108595628A (zh) | 用于推送信息的方法和装置 | |
CN108388878A (zh) | 用于识别人脸的方法和装置 | |
CN108629823A (zh) | 多视角图像的生成方法和装置 | |
CN109902763A (zh) | 用于生成特征图的方法和装置 | |
CN109344752A (zh) | 用于处理嘴部图像的方法和装置 | |
CN109829432A (zh) | 用于生成信息的方法和装置 | |
CN108510454A (zh) | 用于生成深度图像的方法和装置 | |
CN109377508A (zh) | 图像处理方法和装置 | |
CN109272050B (zh) | 图像处理方法和装置 | |
CN110047122A (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN108960110A (zh) | 用于生成信息的方法和装置 | |
CN108986049A (zh) | 用于处理图像的方法和装置 | |
CN109272543A (zh) | 用于生成模型的方法和装置 | |
CN109241934A (zh) | 用于生成信息的方法和装置 | |
CN110033423A (zh) | 用于处理图像的方法和装置 | |
CN108595211A (zh) | 用于输出数据的方法和装置 | |
CN109871791A (zh) | 图像处理方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180713 |
|
RJ01 | Rejection of invention patent application after publication |