CN109086738A - 一种基于模板匹配的字符识别方法及装置 - Google Patents
一种基于模板匹配的字符识别方法及装置 Download PDFInfo
- Publication number
- CN109086738A CN109086738A CN201810967188.5A CN201810967188A CN109086738A CN 109086738 A CN109086738 A CN 109086738A CN 201810967188 A CN201810967188 A CN 201810967188A CN 109086738 A CN109086738 A CN 109086738A
- Authority
- CN
- China
- Prior art keywords
- image
- template
- matched
- feature vector
- templates
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本发明涉及图像处理技术领域，公开了一种基于模板匹配的字符识别方法及装置，该方法包括：对输入图像进行预处理，获得待匹配图像；获取所述待匹配图像的特征向量；依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；选取最小相似距离对应的模板作为所述待匹配图像的匹配模板；通过图像预处理和模板匹配，提高了识别算法的稳定性和准确率。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于模板匹配的字符识别方法及装置。
背景技术
随着机器人技术打的不断发展，具有各种功能的机器人如雨后春笋般相继诞生，其中，有一种自然拼读儿童教育的小型机器人，该机器人需要实时识别立体式的字母，以此推动一些字母相关游戏的进行，培养儿童学习英语的兴趣。目前字符识别领域主要分为两大类，第一类方法为传统的模板匹配方法，该方法需要的运行资源较少，但是对于噪声较为敏感，识别率偏低；第二类方法为基于神经网络的方法，其中，以LeNet-5作为其中的代表(由Yann LeCun 1994年提出)，该方法抗噪能力和识别率都比较理想，但是对于计算能力要求较高，对于小型机器人来说并不能达到实时的要求。除此之外，小型机器人受硬件限制，摄像头采集到的图像视角倾斜严重，并且质量较差，这又会给识别带来更大的挑战。
发明内容
本发明的主要目的在于提出一种基于模板匹配的字符识别方法及装置，通过图像预处理和模板匹配，提高了识别算法的稳定性和准确率。
为实现上述目的，本发明提供的一种基于模板匹配的字符识别方法，包括：
对输入图像进行预处理，获得待匹配图像；
获取所述待匹配图像的特征向量；
依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；
获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；
选取最小相似距离对应的模板作为所述待匹配图像的匹配模板。
可选地，所述对输入图像进行预处理，获得待匹配图像包括：
通过摄像头获取输入图像；
将所述输入图像通过灰度算法公式转化为灰度图像；
对所述灰度图像进行透视变换和滤波，得到滤波图像；
对所述滤波图像进行二值化，得到二值图像；
通过八临域算法对所述二值图像进行连通域检测，获得待匹配图像。
可选地，所述获取所述待匹配图像的特征向量包括：
获取待匹配图像的连通域图像；
将所述连通域图像等比分为N*N个网格；
统计每个所述网络中黑色像素点的个数，组成一个N*N维的特征向量。
可选地，所述获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离包括：
采用特征提取算法获取所述模板集合中所有模板的特征向量；
通过欧氏距离公式计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的欧氏距离；
通过相似距离公式计算每个字符的相似距离。
可选地，所述欧式距离公式为：
其中，ds为待匹配图像的粗网格特征，dd为模板的粗网格特征；
所述相似距离公式为：
S＝(X-T4)*S1
其中，S为与模板的相似距离，X为预先设定的一个加权参数，T4为待匹配图像与模板的重合率，S1为待匹配图像与模板的粗网格特征的欧式距离。
作为本发明的另一方面，提供的一种基于模板匹配的字符识别装置，包括：
预处理模块，用于对输入图像进行预处理，获得待匹配图像；
获取模块，用于获取所述待匹配图像的特征向量；
计算模块，用于依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；
距离模块，用于获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；
匹配模块，用于选取最小相似距离对应的模板作为所述待匹配图像的匹配模板。
可选地，所述预处理模块包括：
获取单元，用于通过摄像头获取输入图像；
灰度单元，用于将所述输入图像通过灰度算法公式转化为灰度图像；
透视滤波单元，用于对所述灰度图像进行透视变换和滤波，得到滤波图像；
二值化单元，用于对所述滤波图像进行二值化，得到二值图像；
连通域单元，用于通过八临域算法对所述二值图像进行连通域检测，获得待匹配图像。
可选地，所述获取模块包括：
获取待匹配图像的连通域图像；
将所述连通域图像等比分为N*N个网格；
统计每个所述网络中黑色像素点的个数，组成一个N*N维的特征向量。
可选地，所述距离模块包括：
采用特征提取算法获取所述模板集合中所有模板的特征向量；
通过欧氏距离公式计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的欧氏距离；
通过相似距离公式计算每个字符的相似距离。
可选地，所述欧式距离公式为：
其中，ds为待匹配图像的粗网格特征，dd为模板的粗网格特征；
所述相似距离公式为：
S＝(X-T4)*S1
其中，S为与模板的相似距离，X为预先设定的一个加权参数，T4为待匹配图像与模板的重合率，S1为待匹配图像与模板的粗网格特征的欧式距离。
本发明提出的一种基于模板匹配的字符识别方法及装置，该方法包括：对输入图像进行预处理，获得待匹配图像；获取所述待匹配图像的特征向量；依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；选取最小相似距离对应的模板作为所述待匹配图像的匹配模板；通过图像预处理和模板匹配，提高了识别算法的稳定性和准确率。
附图说明
图1为本发明实施例一提供的一种基于模板匹配的字符识别方法的流程图；
图2为图1中步骤S10的方法流程图；
图3为本发明实施例一提供的摄像头的安装位置示意图；
图4为图1中步骤S20的方法流程图；
图5为图1中步骤S40的方法流程图；
图6为本发明实施例二提供的一种基于模板匹配的字符识别装置的示范性结构框图；
图7为图6中预处理模块的示范性结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
如图1所示，在本实施例中，一种基于模板匹配的字符识别方法，包括：
S10、对输入图像进行预处理，获得待匹配图像；
S20、获取所述待匹配图像的特征向量；
S30、依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；
S40、获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；
S50、选取最小相似距离对应的模板作为所述待匹配图像的匹配模板。
在本实施例中，通过图像预处理和模板匹配，提高了识别算法的稳定性和准确率。本实施例是对图像预处理之后图像与事先存储好的模板进行匹配，以确定当前摄像头视野范围内是否存在可识别的字母。
如图2所示，在本实施例中，所述步骤S10包括：
S11、通过摄像头获取输入图像；
S12、将所述输入图像通过灰度算法公式转化为灰度图像；
S13、对所述灰度图像进行透视变换和滤波，得到滤波图像；
S14、对所述滤波图像进行二值化，得到二值图像；
S15、通过八临域算法对所述二值图像进行连通域检测，获得待匹配图像。
在本实施例中，所述摄像头为安装在机器人主体上的摄像头。如图3所示，为摄像头(相机)的安装位置示意图，摄像头离水平面的高度为H1，摄像头的拍摄角度为θ，摄像头的像素为200万像素，待识别字符的尺寸为宽30mm高40mm。
在本实施例中，所述灰度算法公式为：
Y(x,y)＝R(x,y)*0.299+G(x,y))*0.587+B(x,y)*0.114
其中，Y(x,y)表示(x,y)坐标处的灰度值；R(x,y)、G(x,y)、B(x,y)分别表示(x,y)坐标处的红、绿、蓝三通道的分量。
如图4所示，在本实施例中，所述步骤S20包括：
S21、获取待匹配图像的连通域图像；
S22、将所述连通域图像等比分为N*N个网格；
S23、统计每个所述网络中黑色像素点的个数，组成一个N*N维的特征向量。
如图5所示，在本实施例中，所述步骤S40包括：
S41、采用特征提取算法获取所述模板集合中所有模板的特征向量；
S42、通过欧氏距离公式计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的欧氏距离；
S43、通过相似距离公式计算每个字符的相似距离。
在本实施例中，所述欧式距离公式为：
其中，ds为待匹配图像的粗网格特征，dd为模板的粗网格特征；
所述相似距离公式为：
S＝(X-T4)*S1
其中，S为与模板的相似距离，X为预先设定的一个加权参数，T4为待匹配图像与模板的重合率，S1为待匹配图像与模板的粗网格特征的欧式距离。
实施例二
如图6所示，在本实施例中，一种基于模板匹配的字符识别装置，包括：
预处理模块10，用于对输入图像进行预处理，获得待匹配图像；
获取模块20，用于获取所述待匹配图像的特征向量；
计算模块30，用于依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；
距离模块40，用于获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；
匹配模块50，用于选取最小相似距离对应的模板作为所述待匹配图像的匹配模板。
在本实施例中，通过图像预处理和模板匹配，提高了识别算法的稳定性和准确率。本实施例是对图像预处理之后图像与事先存储好的模板进行匹配，以确定当前摄像头视野范围内是否存在可识别的字母。
如图7所示，在本实施例中，所述预处理模块包括：
获取单元11，用于通过摄像头获取输入图像；
灰度单元12，用于将所述输入图像通过灰度算法公式转化为灰度图像；
透视滤波单元13，用于对所述灰度图像进行透视变换和滤波，得到滤波图像；
二值化单元14，用于对所述滤波图像进行二值化，得到二值图像；
连通域单元15，用于通过八临域算法对所述二值图像进行连通域检测，获得待匹配图像。
在本实施例中，所述摄像头为安装在机器人主体上的摄像头。如图3所示，为摄像头(相机)的安装位置示意图，摄像头离水平面的高度为H1，摄像头的拍摄角度为θ，摄像头的像素为200万像素，待识别字符的尺寸为宽30mm高40mm。
在本实施例中，所述灰度算法公式为：
Y(x,y)＝R(x,y)*0.299+G(x,y))*0.587+B(x,y)*0.114
其中，Y(x,y)表示(x,y)坐标处的灰度值；R(x,y)、G(x,y)、B(x,y)分别表示(x,y)坐标处的红、绿、蓝三通道的分量。
在本实施例中，所述获取模块包括：
获取待匹配图像的连通域图像；
将所述连通域图像等比分为N*N个网格；
统计每个所述网络中黑色像素点的个数，组成一个N*N维的特征向量。
在本实施例中，所述距离模块包括：
采用特征提取算法获取所述模板集合中所有模板的特征向量；
通过欧氏距离公式计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的欧氏距离；
通过相似距离公式计算每个字符的相似距离。
在本实施例中，所述欧式距离公式为：
其中，ds为待匹配图像的粗网格特征，dd为模板的粗网格特征；
所述相似距离公式为：
S＝(X-T4)*S1
其中，S为与模板的相似距离，X为预先设定的一个加权参数，T4为待匹配图像与模板的重合率，S1为待匹配图像与模板的粗网格特征的欧式距离。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于模板匹配的字符识别方法，其特征在于，包括：
对输入图像进行预处理，获得待匹配图像；
获取所述待匹配图像的特征向量；
依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；
获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；
选取最小相似距离对应的模板作为所述待匹配图像的匹配模板。
2.根据权利要求1所述的一种基于模板匹配的字符识别方法，其特征在于，所述对输入图像进行预处理，获得待匹配图像包括：
通过摄像头获取输入图像；
将所述输入图像通过灰度算法公式转化为灰度图像；
对所述灰度图像进行透视变换和滤波，得到滤波图像；
对所述滤波图像进行二值化，得到二值图像；
通过八临域算法对所述二值图像进行连通域检测，获得待匹配图像。
3.根据权利要求2所述的一种基于模板匹配的字符识别方法，其特征在于，所述获取所述待匹配图像的特征向量包括：
获取待匹配图像的连通域图像；
将所述连通域图像等比分为N*N个网格；
统计每个所述网络中黑色像素点的个数，组成一个N*N维的特征向量。
4.根据权利要求3所述的一种基于模板匹配的字符识别方法，其特征在于，所述获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离包括：
采用特征提取算法获取所述模板集合中所有模板的特征向量；
通过欧氏距离公式计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的欧氏距离；
通过相似距离公式计算每个字符的相似距离。
5.根据权利要求4所述的一种基于模板匹配的字符识别方法，其特征在于，所述欧式距离公式为：
其中，ds为待匹配图像的粗网格特征，dd为模板的粗网格特征；
所述相似距离公式为：
S＝(X-T4)*S1
其中，S为与模板的相似距离，X为预先设定的一个加权参数，T4为待匹配图像与模板的重合率，S1为待匹配图像与模板的粗网格特征的欧式距离。
6.一种基于模板匹配的字符识别装置，其特征在于，包括：
预处理模块，用于对输入图像进行预处理，获得待匹配图像；
获取模块，用于获取所述待匹配图像的特征向量；
计算模块，用于依次计算所述待匹配图像与预设字符模板的重合率，将重合率大于预设阈值的模板存入模板集合；
距离模块，用于获取所述模板集合中所有模板的特征向量，计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的相似距离；
匹配模块，用于选取最小相似距离对应的模板作为所述待匹配图像的匹配模板。
7.根据权利要求6所述的一种基于模板匹配的字符识别装置，其特征在于，所述预处理模块包括：
获取单元，用于通过摄像头获取输入图像；
灰度单元，用于将所述输入图像通过灰度算法公式转化为灰度图像；
透视滤波单元，用于对所述灰度图像进行透视变换和滤波，得到滤波图像；
二值化单元，用于对所述滤波图像进行二值化，得到二值图像；
连通域单元，用于通过八临域算法对所述二值图像进行连通域检测，获得待匹配图像。
8.根据权利要求7所述的一种基于模板匹配的字符识别装置，其特征在于，所述获取模块包括：
获取待匹配图像的连通域图像；
将所述连通域图像等比分为N*N个网格；
统计每个所述网络中黑色像素点的个数，组成一个N*N维的特征向量。
9.根据权利要求8所述的一种基于模板匹配的字符识别装置，其特征在于，所述距离模块包括：
采用特征提取算法获取所述模板集合中所有模板的特征向量；
通过欧氏距离公式计算所述所有模板的特征向量与所述待匹配图像的特征向量之间的欧氏距离；
通过相似距离公式计算每个字符的相似距离。
10.根据权利要求9所述的一种基于模板匹配的字符识别装置，其特征在于，所述欧式距离公式为：
其中，ds为待匹配图像的粗网格特征，dd为模板的粗网格特征；
所述相似距离公式为：
S＝(X-T4)*S1
其中，S为与模板的相似距离，X为预先设定的一个加权参数，T4为待匹配图像与模板的重合率，S1为待匹配图像与模板的粗网格特征的欧式距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810967188.5A CN109086738B (zh) | 2018-08-23 | 2018-08-23 | 一种基于模板匹配的字符识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810967188.5A CN109086738B (zh) | 2018-08-23 | 2018-08-23 | 一种基于模板匹配的字符识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109086738A true CN109086738A (zh) | 2018-12-25 |
| CN109086738B CN109086738B (zh) | 2021-05-11 |
Family
ID=64794367
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810967188.5A Active CN109086738B (zh) | 2018-08-23 | 2018-08-23 | 一种基于模板匹配的字符识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109086738B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110569850A (zh) * | 2019-08-20 | 2019-12-13 | 北京旷视科技有限公司 | 字符识别模板匹配方法、装置和文本识别设备 |
| CN112801087A (zh) * | 2019-11-13 | 2021-05-14 | 广东技术师范大学 | 一种基于自适应参数调整的智能卡表面字符识别的方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008225636A (ja) * | 2007-03-09 | 2008-09-25 | Nikon Corp | テンプレートマッチング装置、テンプレートマッチング装置を備えたカメラ、テンプレートマッチングをコンピュータで行うためのプログラム |
| CN101609555A (zh) * | 2009-07-27 | 2009-12-23 | 浙江工商大学 | 一种基于灰度共生矩阵的灰度模板匹配方法 |
| CN101770582A (zh) * | 2008-12-26 | 2010-07-07 | 鸿富锦精密工业（深圳）有限公司 | 图像匹配系统及方法 |
| CN102081732A (zh) * | 2010-12-29 | 2011-06-01 | 方正国际软件有限公司 | 一种版式识别模板方法及系统 |
| US20120014601A1 (en) * | 2009-06-24 | 2012-01-19 | Jtekt Corporation | Handwriting recognition method and device |
| CN102567711A (zh) * | 2010-12-29 | 2012-07-11 | 方正国际软件(北京)有限公司 | 一种扫描识别模板制作和使用方法及系统 |
| CN106372092A (zh) * | 2015-07-23 | 2017-02-01 | 无锡天脉聚源传媒科技有限公司 | 一种生成模板的方法、装置、视频的更新方法及装置 |
| CN107301429A (zh) * | 2017-06-27 | 2017-10-27 | 成都理工大学 | 一种基于局部位置值得分的车牌相似字符识别方法 |
| CN107358718A (zh) * | 2017-07-10 | 2017-11-17 | 深圳怡化电脑股份有限公司 | 一种冠字号识别方法、装置、设备及存储介质 |
| CN107730510A (zh) * | 2017-09-13 | 2018-02-23 | 电子科技大学 | 一种结合LTCD和Hu不变矩的COG中bump的分割方法 |
-
2018
- 2018-08-23 CN CN201810967188.5A patent/CN109086738B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008225636A (ja) * | 2007-03-09 | 2008-09-25 | Nikon Corp | テンプレートマッチング装置、テンプレートマッチング装置を備えたカメラ、テンプレートマッチングをコンピュータで行うためのプログラム |
| CN101770582A (zh) * | 2008-12-26 | 2010-07-07 | 鸿富锦精密工业（深圳）有限公司 | 图像匹配系统及方法 |
| US20120014601A1 (en) * | 2009-06-24 | 2012-01-19 | Jtekt Corporation | Handwriting recognition method and device |
| CN101609555A (zh) * | 2009-07-27 | 2009-12-23 | 浙江工商大学 | 一种基于灰度共生矩阵的灰度模板匹配方法 |
| CN102081732A (zh) * | 2010-12-29 | 2011-06-01 | 方正国际软件有限公司 | 一种版式识别模板方法及系统 |
| CN102567711A (zh) * | 2010-12-29 | 2012-07-11 | 方正国际软件(北京)有限公司 | 一种扫描识别模板制作和使用方法及系统 |
| CN106372092A (zh) * | 2015-07-23 | 2017-02-01 | 无锡天脉聚源传媒科技有限公司 | 一种生成模板的方法、装置、视频的更新方法及装置 |
| CN107301429A (zh) * | 2017-06-27 | 2017-10-27 | 成都理工大学 | 一种基于局部位置值得分的车牌相似字符识别方法 |
| CN107358718A (zh) * | 2017-07-10 | 2017-11-17 | 深圳怡化电脑股份有限公司 | 一种冠字号识别方法、装置、设备及存储介质 |
| CN107730510A (zh) * | 2017-09-13 | 2018-02-23 | 电子科技大学 | 一种结合LTCD和Hu不变矩的COG中bump的分割方法 |
Non-Patent Citations (4)
| Title |
|---|
| KEKRE, H.B 等: "Retrieval of Images Using DCT and DCT Wavelet Over Image Blocks", 《INTERNATIONAL JOURNAL OF ADVANCED COMPUTER SCIENCE AND APPLICATIONS》 * |
| 周凯 等: "基于小样本性能数据的电气设备可靠性评估与预测方法研究", 《电网技术》 * |
| 程璐: "基于图像处理的机车车号自动识别系统", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
| 高聪 等: "基于模板匹配和局部HOG特征的车牌识别算法", 《计算机系统应用》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110569850A (zh) * | 2019-08-20 | 2019-12-13 | 北京旷视科技有限公司 | 字符识别模板匹配方法、装置和文本识别设备 |
| CN110569850B (zh) * | 2019-08-20 | 2022-07-12 | 北京旷视科技有限公司 | 字符识别模板匹配方法、装置和文本识别设备 |
| CN112801087A (zh) * | 2019-11-13 | 2021-05-14 | 广东技术师范大学 | 一种基于自适应参数调整的智能卡表面字符识别的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109086738B (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20160154469A1 (en) | Mid-air gesture input method and apparatus | |
| Yang et al. | Traffic sign recognition in disturbing environments | |
| CN112819772B (zh) | 一种高精度快速图形检测识别方法 | |
| CN104966285B (zh) | 一种显著性区域的检测方法 | |
| CN108021892B (zh) | 一种基于极短视频的人脸活体检测方法 | |
| CN105335725A (zh) | 一种基于特征融合的步态识别身份认证方法 | |
| CN107798279B (zh) | 一种人脸活体检测方法及装置 | |
| KR20170006355A (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
| CN110458063B (zh) | 防视频、照片欺骗的人脸活体检测方法 | |
| Alkoffash et al. | A survey of digital image processing techniques in character recognition | |
| JPH10320562A (ja) | 人間の顔の検出システムおよび検出方法 | |
| Shrenika et al. | Sign language recognition using template matching technique | |
| CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
| CN107766864B (zh) | 提取特征的方法和装置、物体识别的方法和装置 | |
| CN112001429A (zh) | 一种基于纹理特征的深度伪造视频检测方法 | |
| CN111832405A (zh) | 一种基于hog和深度残差网络的人脸识别方法 | |
| CN109086738A (zh) | 一种基于模板匹配的字符识别方法及装置 | |
| Panetta et al. | Unrolling post-mortem 3D fingerprints using mosaicking pressure simulation technique | |
| KR101415325B1 (ko) | 얼굴 검출 장치 | |
| KR101408344B1 (ko) | 얼굴 검출 장치 | |
| KR100640761B1 (ko) | 단일카메라 기반의 영상 특징점의 3차원 위치 검출방법 | |
| CN109241807B (zh) | 一种远距离二维码定位方法 | |
| CN112861588A (zh) | 一种活体检测的方法、装置 | |
| CN104408430B (zh) | 一种车牌定位方法及装置 | |
| KR101766787B1 (ko) | Gpu장치를 기반으로 하는 딥러닝 분석을 이용한 영상 보정 방법 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200628 Address after: Building 1, No.2, Danzi North Road, Kengzi street, Pingshan District, Shenzhen City, Guangdong Province Applicant after: SHENZHEN TONGWEI COMMUNICATION TECHNOLOGY Co.,Ltd. Address before: 518000 Water Bay 1979 Square Phase II 5A, 111 Prince Road, Shuiwan Community, Merchants Street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN DEEPCONV TECHNOLOGIES Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |