CN109242762A - 图像识别方法、装置、存储介质及电子设备 - Google Patents
图像识别方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109242762A CN109242762A CN201810982815.2A CN201810982815A CN109242762A CN 109242762 A CN109242762 A CN 109242762A CN 201810982815 A CN201810982815 A CN 201810982815A CN 109242762 A CN109242762 A CN 109242762A
- Authority
- CN
- China
- Prior art keywords
- image
- topography
- target object
- module
- default
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012876 topography Methods 0.000 claims abstract description 106
- 238000003909 pattern recognition Methods 0.000 claims abstract description 24
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 239000003550 marker Substances 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D3/00—Control of position or direction
- G05D3/12—Control of position or direction using feedback
- G05D3/20—Control of position or direction using feedback using a digital comparing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像识别方法、图像识别装置、计算机可读存储介质及电子设备。本公开实施例提供的图像识别方法包括:识别目标物体的多个局部图像,以判断各个局部图像中是否包含预设特征信息;若判定一局部图像中包含预设特征信息,则将该局部图像标记为特征图像;在第一工作模式下,拼接目标物体的局部图像以得到完整图像,并输出完整图像;在第二工作模式下,输出特征图像。本公开实施例所提供的图像识别方法通过对目标物体的局部图像进行单独识别,可以区分得到特征图像和非特征图像,而且提供了至少两种不同的工作模式可供选择,提高了数据处理的灵活性。
Description
技术领域
本公开涉及图像处理技术领域,具体涉及一种图像识别方法、图像识别装置、计算机可读存储介质及电子设备。
背景技术
在专业行业日常工作中,存在大量对物体进行扫描转为数字图像并识别的工作,例如:医生或者生物学研究者针对玻片在显微镜下观察并记录数据,同时根据数据识别是否有疾病或者其他有用信息。又例如:质检或者维修人员在高清摄像头下检查精密元器件的损伤情况,并识别损伤类别,标记损伤的位置等等。
图像扫描及识别工作具有数据量很大,识别工作繁重的特点。由于此类识别工作存在大量重复作业,受到操作人员的身体心理状况也较大,容易造成失误。又因为此类工作没有太多创造性,所以专业人士一般不愿意长期进行,但普通技工又不可能经过短期培训就能够掌握专业知识,尤其是医学、生物制药等行业知识。因此,如何能够降低图像扫描识别难度、提高图像处理效率是目前亟待解决的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种图像识别方法、图像识别装置、计算机可读存储介质及电子设备,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的图像扫描识别难度大、图像处理效率低的技术问题。
根据本公开的一个方面,提供一种图像识别方法,其特殊之处在于,包括:
识别目标物体的多个局部图像,以判断各个所述局部图像中是否包含预设特征信息;
若判定一局部图像中包含所述预设特征信息,则将该局部图像标记为特征图像;
在第一工作模式下,拼接所述目标物体的局部图像以得到完整图像,并输出所述完整图像;
在第二工作模式下,输出所述特征图像。
在本公开的一种示例性实施方式中,上述识别目标物体的多个局部图像,以判断各个所述局部图像中是否包含预设特征信息,包括:
以目标物体的第一边界作为图像采集位置,获取所述目标物体的局部图像;
通过图像识别,判断所述局部图像中是否包含预设特征信息,并判断所述局部图像中是否包含所述目标物体的第二边界;
若判定所述局部图像中未包含所述目标物体的第二边界,则根据预设移动参数获得一目标位置;
将所述目标位置作为新的图像采集位置,并继续获取所述目标物体的局部图像。
在本公开的一种示例性实施方式中,上述预设移动参数包括预设步进长度和所述局部图像的尺寸。
在本公开的一种示例性实施方式中,上述预设移动参数还包括局部图像的拼接重合度。
根据本公开的一个方面,提供一种图像识别装置,其特殊之处在于,包括:
图像识别模块,被配置为识别目标物体的多个局部图像,以判断各个所述局部图像中是否包含预设特征信息;
特征标记模块,被配置为若判定一局部图像中包含所述预设特征信息,则将该局部图像标记为特征图像;
第一输出模块,被配置为在第一工作模式下,拼接所述目标物体的局部图像以得到完整图像,并输出所述完整图像;
第二输出模块,被配置为在第二工作模式下,输出所述特征图像。
在本公开的一种示例性实施方式中,上述图像识别装置还包括:
图像采集模块,被配置为获取目标物体的局部图像;
位置计算模块,被配置为根据预设移动参数生成移动控制指令。
移动控制模块,被配置为根据所述移动控制指令控制所述图像采集模块移动。
在本公开的一种示例性实施方式中,上述移动控制模块包括:
控制器,用于接收所述移动控制指令,并根据所述移动控制指令生成驱动指令;
驱动器,用于接收所述驱动指令,并根据所述驱动指令生成电机运动指令;
电机,用于根据所述电机运动指令控制所述图像采集模块移动。
在本公开的一种示例性实施方式中,上述移动控制模块还包括:
位移传感器,用于获取所述图像采集模块的移动信息,并根据所述移动信息生成位移电信号;
编码器,用于根据所述位移电信号生成坐标电信号;
转换器,用于将所述坐标电信号转换为坐标数字信号,并将所述坐标数字信号发送至位置计算模块。
根据本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,其特殊之处在于,所述计算机程序被处理器执行时实现以上任一所述的图像识别方法。
根据本公开的一个方面,提供一种电子设备,其特殊之处在于,包括处理器和存储器;其中,存储器用于存储所述处理器的可执行指令,所述处理器被配置为经由执行所述可执行指令来执行以上任一所述的图像识别方法。
本公开实施例所提供的图像识别方法通过对目标物体的局部图像进行单独识别,可以区分得到特征图像和非特征图像,而且提供了至少两种不同的工作模式可供选择,提高了数据处理的灵活性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出本公开一种示例性实施方式中图像识别方法的步骤流程图。
图2示意性示出本公开另一示例性实施方式中图像识别方法的部分步骤流程图。
图3示意性示出本公开一种示例性实施方式中图像识别装置的组成框图。
图4示意性示出本公开另一示例性实施方式中图像识别装置的部分组成框图。
图5示意性示出本公开另一示例性实施方式中图像识别装置的部分组成框图。
图6示意性示出本公开示例性实施方式中图像识别装置在第一工作模式下的工作流程框图。
图7示意性示出本公开示例性实施方式中图像识别装置在第二工作模式下的工作流程框图。
图8示意性示出本公开另一示例性实施方式中图像识别装置的部分组成框图。
图9示意性示出本公开示例性实施方式中图像识别装置在第一工作模式下的工作流程框图。
图10示意性示出本公开示例性实施方式中图像识别装置在第二工作模式下的工作流程框图。
图11示意性示出本公开示例性实施方式中一种程序产品的示意图。
图12示意性示出本公开示例性实施方式中一种电子设备的模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施例使得本公开将更加全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本公开的示例性实施方式中首先提供一种图像识别方法,该方法可以利用人工智能技术对目标物体进行扫描生成图像,并对生成的图像进行识别分析。
参考图1所示,本示例性实施方式提供的图像识别方法主要可以包括以下步骤:
步骤S110.识别目标物体的多个局部图像,以判断各个局部图像中是否包含预设特征信息。
本步骤首先获取目标物体的多个局部图像,并对各个局部图像进行识别,以判断每个局部图像中是否包含有预设特征信息。其中,预设特征信息可以是根据目标物体的自身特点以及具体的识别需求而预先设定的。例如,当需要通过图像识别的方式对机械设备进行损伤检验时,预设特征信息可以是划痕、凸块、凹坑等常见的损伤类型。局部图像的尺寸大小可以根据目标物体的尺寸特点、预设特征信息的类型以及图像采集设备的图像采集能力等条件要求进行设定。对于局部图像的识别可以采用多种方式,例如可以先通过图像采集的方式获取部分数量的或者全部数量的局部图像,然后再对各个局部图像统一进行识别判断;也可以在每获取目标物体的一个局部图像后,便立刻对其进行识别,亦即逐一地对目标物体的局部图像进行获取和识别判断;此外,也可以采用其他任意的图像获取和识别方式,本示例性实施方式对此不做特殊限定。
步骤S120.若判定一局部图像中包含所述预设特征信息,则将该局部图像标记为特征图像。
根据步骤S110的识别以及判断结果,本步骤可以将目标物体的每一个局部图像进行分类,即包含预设特征信息的局部图像和不包含预设特征的图像,其中,包含预设特征信息的局部图像可以作为特征图像,而其他的不包含预设特征信息的图像可以作为非特征图像。针对特征图像,可以通过生成可视化标记的方式对特征图像进行差异化标识,另外也可以通过特定的图像命名方式或者其他任意的标记方式对特征图像和非特征图像做出区分,本示例性实施方式对此不做特殊限定。特别地,对于使用可视化标记的方式,该可视化标记可以生成于特征图像上预设特征所在的位置,而且该可视化标记可以与具体的预设特征形成一一对应的映射关系,另外该可视化标记也可以生成于特征图像的任意位置。举例而言,该可视化标记可以是在特征图像的整体边界处生成的线条边框,也可以是在预设特征所在位置上生成的由线条构成的区域划分标记。针对非特征图像,本步骤可以将其与特征图像一起进行保存,以待后续输出识别结果。另外在一些特定的工作模式下,或者没有输出需求的情况下,也可以不保存非特征图像而将其直接丢弃,本示例性实施方式对此不做特殊限定。
步骤S130.在第一工作模式下,拼接目标物体的局部图像以得到完整图像,并输出完整图像。
本示例性实施方式提供了两种或者更多的工作模式,其中,在第一工作模式下,本步骤将对目标物体的所有局部图像进行拼接,以得到目标物体的完整图像,进而输出该完整图像。根据步骤S110的识别过程以及步骤S120的标记过程,本步骤输出的完整图像是由特征图像和非特征图像共同拼接完成的。而且在某些实施例中,特征图像上带有可视化标记,因此对应拼接形成的完整图像上也相应地会保留有特征图像的可视化标记,如此一来便可以在输出的完整图像上直观地观察并区分特征图像部分以及非特征图像部分。第一工作模式的特点在于除了输出识别到的预设特征以外,还保留了目标物体的完整的图像数据,不仅数据全面,而且有利于后续的复查。
步骤S140.在第二工作模式下,输出特征图像。
在第二工作模式下,本步骤仅输出包含预设特征的特征图像,因此不必进行局部图像的拼接。而且针对第二工作模式,步骤S120也不必对非特征图像做出标记或者区分,甚至可以将非特征图像直接丢弃而不做保存。第二工作模式的特点在于只需要保存和输出特征图像,具有图像处理效率高、资源占用少的优点。
本示例性实施方式提供的图像识别方法通过对目标物体的局部图像进行单独识别,可以区分得到特征图像和非特征图像,而且提供了至少两种不同的工作模式可供选择,提高了数据处理的灵活性。
参考图2所示,在以上示例性实施方式的基础上,步骤S110.识别目标物体的多个局部图像,以判断各个所述局部图像中是否包含预设特征信息,可以进一步包括以下步骤:
步骤S210.以目标物体的第一边界作为图像采集位置,获取目标物体的局部图像。
对于目标物体的图像获取可以借助于一可移动的图像采集设备,通过移动图像采集设备可以完成在不同图像采集位置上的局部图像获取。在本步骤中,首先以目标物体的第一边界作为起始的图像采集位置,进而获取对应该图像采集位置的目标物体的局部图像。
步骤S220.通过图像识别,判断局部图像中是否包含预设特征信息,并判断局部图像中是否包含目标物体的第二边界。
由步骤S210完成起始位置的局部图像的获取后,本步骤将对该局部图像进行识别,以判断该局部图像中是否包含预设特征信息。与此同时,本步骤还将判断该局部图像中是否包含有目标物体的第二边界。举例而言,图像采集设备由目标物体的左侧开始采集图像,那么第一边界作为图像采集的起始位置可以是目标物体最左端的边界;相应地,第二边界作为图像采集的终止位置,可以是与第一边界相对的位于目标物体最右端的边界。判断第二边界的方式可以是相关技术中的边缘检测或者其他任意的判断方法。
步骤S230.若判定局部图像中未包含目标物体的第二边界,则根据预设移动参数获得一目标位置。
如果步骤S220的判断结果是,局部图像中没有包含目标物体的第二边界,那么本步骤可以根据预设移动参数获得一个目标位置,该目标位置用于指引图像采集设备进行移动。其中,预设移动参数可以包括预设步进长度和局部图像的尺寸,预设步进长度是图像采集设备在移动时对应于局部图像的采集窗口的最小移动单元,局部图像的尺寸则可以对应于图像采集设备需要移动的步进数。例如,预设步进长度设定为10cm,即图像采集设备每移动一步,图像采集窗口中采集到的图像会根据图像采集设备的移动方向相应地平移10cm;局部图像在沿图像采集设备移动方向上的尺寸为30cm,那么在移动前后获得完全不同的情况下,即两个局部图像没有任何拼接重合度的情况下,本步骤可以将目标位置设置为沿移动方向距离当前位置30cm的位置,对应于图像采集设备沿该移动方向移动三步。如果局部图像的相应尺寸为35cm,由于预设步进长度为10cm,这种情况下只能将目标位置设置为沿移动方向距离当前位置20cm的位置,对应于图像采集设备沿该移动方向移动两步,此时前后两个局部图像之间便存在有一定的拼接重合度。考虑到图像拼接的容错性,本示例性实施方式中的预设移动参数还可以包括拼接重合度,例如可以将拼接重合度设置为10%,此时移动前后的两个局部图像之间将存在10%的相同的图像区域,在进行图像拼接时便可以提供一冗余度,避免因拼接错误而遗漏图像数据的问题。
步骤S240.将目标位置作为新的图像采集位置,并继续获取目标物体的局部图像。
由步骤S230获得目标位置后,本步骤将把该目标位置作为新的图像采集位置,然后继续按照步骤S210进行目标物体下一局部图像的获取,进而继续执行步骤S220中的识别和判断过程。不断循环重复这一过程,直至在某一次循环过程中,步骤S220中的判断结果是局部图像中包含目标物体的第二边界,那么此时可以判断已经完成了在当前移动维度上由目标物体一侧至另一侧的所有局部图像的获取和识别判断。步骤S230的前提条件不再满足,因此该循环过程也相应终止。
本示例性实施方式通过不断获取目标位置并以目标位置替代前一图像采集位置的方式,可以循环重复局部图像的获取和识别判断步骤,从而完成对某一维度上目标物体的所有局部图像的获取和识别判断,这种方式有利于形成自动化的图像识别程序,方便计算机进行智能化自动处理,不仅提高了图像处理效率,而且可以降低人工参与度。
需要说明的是,虽然以上示例性实施方式以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或者必须执行全部的步骤才能实现期望的结果。附加地或者备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
在本公开的示例性实施方式中,还提供一种图像识别装置。参考图3所示,图像识别装置300主要可以包括:图像识别模块310、特征标记模块320、第一输出模块330和第二输出模块340。其中,图像识别模块310被配置为识别目标物体的多个局部图像,以判断各个局部图像中是否包含预设特征信息;特征标记模块320被配置为若判定一局部图像中包含预设特征信息,则将该局部图像标记为特征图像;第一输出模块330被配置为在第一工作模式下,拼接目标物体的局部图像以得到完整图像,并输出完整图像;第二输出模块340被配置为在第二工作模式下,输出特征图像。
上述图像识别装置的具体细节已经在对应的图像识别方法中进行了详细的描述,因此此处不再赘述。
参考图4所示,在以上示例性实施方式的基础上,图像识别装置300还可以进一步包括:图像采集模块450、位置计算模块460和移动控制模块470。其中,图像采集模块450被配置为获取目标物体的局部图像;位置计算模块460被配置为根据预设移动参数生成移动控制指令。移动控制模块470被配置为根据移动控制指令控制图像采集模块移动。
在本示例性实施方式中,图像采集模块450可以使用图像传感器搭配光学镜头构成,图像传感器可以是电荷耦合器件图像传感器(Charge Coupled Device,简称CCD传感器)、互补金属氧化物半导体图像传感器(Complementary Metal Oxide Semiconductor,简称CMOS传感器)或者其他任意的图像传感器。与图像传感器搭配使用的光学镜头可以是普通的或者具有特殊功能的摄像头,另外也可以是其他任意的具有图像采集功能的器件,例如可以是可拍摄图像的显微镜、热成像仪、深度摄像头等等。图像采集模块450可以将采集得到的局部图像传送给图像识别模块310,以供其识别判断;与此同时,图像采集模块450还可以将采集得到的局部图像传送给位置计算模块460,以供位置计算模块460生成移动控制指令。
位置计算模块460可以是单独的计算机设备或者计算机设备的一个功能单元,也可以是具有特定功能的芯片或者芯片内的特定功能单元,另外还可以是通过网络连接的云端服务器或者云端服务器的一个功能单元,本示例性实施方式对此不做特殊限定。位置计算模块460可以根据预设移动参数生成移动控制指令,另外在一些实施例中,位置计算模块460还可以接收移动控制模块470反馈的状态信息以供计算使用。
移动控制模块470可以接收位置计算模块460发送的移动控制指令,进而控制图像采集模块450移动,具体可以包括针对图像采集模块450的位移变化、姿态调整、焦距调整等控制功能。根据识别需求以及工作模式的不同,移动控制模块470可以包括多种不同的功能器件组合方式,而不同的功能器件组合方式也将对应不同的图像识别流程。下面结合图5至图10对相关实施例做出说明。
参考图5所示,在一种示例性实施方式中,移动控制模块470可以包括:控制器510、驱动器520和电机530。其中,控制器510用于接收移动控制指令,并根据移动控制指令生成驱动指令;驱动器520用于接收驱动指令,并根据驱动指令生成电机运动指令;电机530用于根据电机运动指令控制图像采集模块450移动。电机530可以选用高精度的磁浮直线电机,另外也可以选用普通的伺服电机或者其他任意的驱动设备。
参考图6所示,采用本示例性实施方式提供的图像识别装置在第一工作模式下的工作流程主要可以包括以下过程:
首先,图像识别模块310接收图像采集模块450采集到的局部图像,保存该局部图像并进行识别判断,如果判定该局部图像包含预设特征信息,特征标记模块320便可以将其标记为特征图像。
然后图像识别模块310可以根据读取到的局部图像,判断此时是否到达目标物体的扫描边界,如果到达则判定扫描完成。具体对于扫描边界的判断方法可以采用如以上示例性实施方式中提供的利用边缘检测或者其他检测方式对是否包含第二边界的判断方法。
如果判定扫描没有完成,那么位置计算模块460将根据预设移动参数生成移动控制指令。
控制器510接收位置计算模块460生成的移动控制指令,并根据该移动控制指令生成驱动器520可以识别的驱动指令。
驱动器520接收控制器510生成的驱动指令,并根据该驱动指令生成电机530可识别的电机运动指令。
电机530接收驱动器520生成的电机运动指令,并根据该电机运动指令控制图像采集模块450移动。
图像采集模块450移动至指定位置后对目标物体进行拍摄以得到在当前图像采集位置的局部图像。
图像采集模块450完成局部图像的采集后,会将该局部图像发送至图像识别模块310,然后循环重复执行以上步骤。
如果在某一循环过程中,判定扫描已经完成,那么可以由第一输出模块330对目标物体的各个局部图像进行拼接以得到完整图像,最后输出带有识别结果的完整图像,结束针对目标物体的图像识别过程。
参考图7所示,采用本示例性实施方式提供的图像识别装置在第二工作模式下的工作流程与上一流程相似,区别点仅在于(如图7中虚线框所示),图像采集模块450在各个图像采集位置仅录制得到一局部图像供图像识别模块310进行识别,而并不拍摄保存该局部图像。另外一个区别点在于(如图7中虚线框所示),判定扫描完成后,由第二输出模块340直接将包含预设特征信息的特征图像进行输出,而不必进行完整图像的拼接。
参考图8所示,在本公开的另一示例性实施方式中,移动控制模块470除了包括与上一实施例中相似的控制器510、驱动器520和电机530以外,另外还包括位移传感器840、编码器850和转换器860。其中,控制器510、驱动器520和电机530的功能与上一实施例相似,位移传感器840用于获取图像采集模块450的移动信息,并根据移动信息生成位移电信号,位移传感器840可以选用光栅尺或者其他高精度的定位设备,此类设备可以将位移电信号以方波或者正弦波的形式输出到编码器850;编码器850用于根据位移电信号生成坐标电信号;转换器860用于将坐标电信号转换为坐标数字信号,并将坐标数字信号发送至位置计算模块460。
参考图9所示,采用本示例性实施方式提供的图像识别装置在第一工作模式下的工作流程主要可以包括以下过程:
首先,转换器860将当前位置坐标电信号转换为坐标数字信号,并将坐标数字信号发送至位置计算模块460。
位置计算模块460读取当前位置的坐标数据,与此同时,图像识别模块310接收图像采集模块450采集到的局部图像,保存该局部图像并进行识别判断,如果判定该局部图像包含预设特征信息,特征标记模块320便可以将其标记为特征图像。
然后图像识别模块310结合位置计算模块460可以根据读取到的局部图像以及当前位置坐标数据,判断此时是否到达目标物体的扫描边界,如果到达则判定扫描完成。具体对于扫描边界的判断方法可以采用如以上示例性实施方式中提供的利用边缘检测或者其他检测方式对是否包含第二边界的判断方法。
如果判定扫描没有完成,那么位置计算模块460将根据预设移动参数生成移动控制指令。
控制器510接收位置计算模块460生成的移动控制指令,并根据该移动控制指令生成驱动器520可以识别的驱动指令。
驱动器520接收控制器510生成的驱动指令,并根据该驱动指令生成电机530可识别的电机运动指令。
电机530接收驱动器520生成的电机运动指令,并根据该电机运动指令控制图像采集模块450移动。
图像采集模块450移动至指定位置后对目标物体进行拍摄以得到在当前图像采集位置的局部图像。
图像采集模块450完成局部图像的采集后,会将该局部图像发送至图像识别模块310。
在电机530控制图像采集模块450移动的同时,位移传感器840会获取图像采集模块450的移动信息,并根据移动信息生成位移电信号。然后编码器850将根据位移电信号生成坐标电信号,并将坐标电信号发送至转换器860,然后循环重复执行以上步骤。
如果在某一循环过程中,判定扫描已经完成,那么可以由第一输出模块330对目标物体的各个局部图像进行拼接以得到完整图像,最后输出带有识别结果的完整图像,结束针对目标物体的图像识别过程。
参考图10所示,采用本示例性实施方式提供的图像识别装置在第二工作模式下的工作流程与上一流程相似,区别点仅在于(如图10中虚线框所示),图像采集模块450在各个图像采集位置仅录制得到一局部图像供图像识别模块310进行识别,而并不拍摄保存该局部图像。另外一个区别点在于(如图10中虚线框所示),判定扫描完成后,由第二输出模块340直接将包含预设特征信息的特征图像进行输出,而不必进行完整图像的拼接。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施方式中,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可实现本公开的上述的图像识别方法。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码;该程序产品可以存储在一个非易失性存储介质(可以是CD-ROM、U盘或者移动硬盘等)中或网络上;当所述程序产品在一台计算设备(可以是个人计算机、服务器、终端装置或者网络设备等)上运行时,所述程序代码用于使所述计算设备执行本公开中上述各示例性实施例中的方法步骤。
参见图11所示,根据本公开的实施方式的用于实现上述方法的程序产品1100,其可以采用便携式紧凑磁盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备(例如个人计算机、服务器、终端装置或者网络设备等)上运行。然而,本公开的程序产品不限于此。在本示例性实施例中,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。
所述程序产品可以采用一个或者多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。
可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任意可读介质,该可读介质可以发送、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。
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、有线、光缆、RF等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户计算设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN)等)连接到用户计算设备;或者,可以连接到外部计算设备,例如利用因特网服务提供商来通过因特网连接。
在本公开的示例性实施方式中,还提供一种电子设备,所述电子设备包括至少一个处理器以及至少一个用于存储所述处理器的可执行指令的存储器;其中,所述处理器被配置为经由执行所述可执行指令来执行本公开中上述各示例性实施例中的方法步骤。
下面结合图12对本示例性实施方式中的电子设备1200进行描述。电子设备1200仅仅为一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
参见图12所示,电子设备1200以通用计算设备的形式表现。电子设备1200的组件可以包括但不限于:至少一个处理单元1210、至少一个存储单元1220、连接不同系统组件(包括处理单元1210和存储单元1220)的总线1230、显示单元1240。
其中,存储单元1220存储有程序代码,所述程序代码可以被处理单元1210执行,使得处理单元1210执行本公开中上述各示例性实施例中的方法步骤。
存储单元1220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元1221(RAM)和/或高速缓存存储单元1222,还可以进一步包括只读存储单元1223(ROM)。
存储单元1220还可以包括具有一组(至少一个)程序模块1225的程序/实用工具1224,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其他程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用各种总线结构中的任意总线结构的局域总线。
电子设备1200也可以与一个或多个外部设备1300(例如键盘、指向设备、蓝牙设备等)通信,还可以与一个或者多个使得用户可以与该电子设备1200交互的设备通信,和/或与使得该电子设备1200能与一个或多个其他计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(I/O)接口1250进行。并且,电子设备1200还可以通过网络适配器1260与一个或者多个网络(例如局域网(LAN)、广域网(WAN)和/或公共网络,例如因特网)通信。如图12所示,网络适配器1260可以通过总线1230与电子设备1200的其他模块通信。应当明白,尽管图中未示出,可以结合电子设备1200使用其他硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本领域技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
上述所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中,如有可能,各实施例中所讨论的特征是可互换的。在上面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组件、材料等。在其它情况下,不详细示出或描述公知结构、材料或者操作以避免模糊本公开的各方面。
Claims (10)
1.一种图像识别方法,其特征在于,包括:
识别目标物体的多个局部图像,以判断各个所述局部图像中是否包含预设特征信息;
若判定一局部图像中包含所述预设特征信息,则将该局部图像标记为特征图像;
在第一工作模式下,拼接所述目标物体的局部图像以得到完整图像,并输出所述完整图像;
在第二工作模式下,输出所述特征图像。
2.根据权利要求1所述的图像识别方法,其特征在于,所述识别目标物体的多个局部图像,以判断各个所述局部图像中是否包含预设特征信息,包括:
以目标物体的第一边界作为图像采集位置,获取所述目标物体的局部图像;
通过图像识别,判断所述局部图像中是否包含预设特征信息,并判断所述局部图像中是否包含所述目标物体的第二边界;
若判定所述局部图像中未包含所述目标物体的第二边界,则根据预设移动参数获得一目标位置;
将所述目标位置作为新的图像采集位置,并继续获取所述目标物体的局部图像。
3.根据权利要求2所述的图像识别方法,其特征在于,所述预设移动参数包括预设步进长度和所述局部图像的尺寸。
4.根据权利要求3所述的图像识别方法,其特征在于,所述预设移动参数还包括局部图像的拼接重合度。
5.一种图像识别装置,其特征在于,包括:
图像识别模块,被配置为识别目标物体的多个局部图像,以判断各个所述局部图像中是否包含预设特征信息;
特征标记模块,被配置为若判定一局部图像中包含所述预设特征信息,则将该局部图像标记为特征图像;
第一输出模块,被配置为在第一工作模式下,拼接所述目标物体的局部图像以得到完整图像,并输出所述完整图像;
第二输出模块,被配置为在第二工作模式下,输出所述特征图像。
6.根据权利要求5所述的图像识别装置,其特征在于,所述图像识别装置还包括:
图像采集模块,被配置为获取目标物体的局部图像;
位置计算模块,被配置为根据预设移动参数生成移动控制指令。
移动控制模块,被配置为根据所述移动控制指令控制所述图像采集模块移动。
7.根据权利要求6所述的图像识别装置,其特征在于,所述移动控制模块包括:
控制器,用于接收所述移动控制指令,并根据所述移动控制指令生成驱动指令;
驱动器,用于接收所述驱动指令,并根据所述驱动指令生成电机运动指令;
电机,用于根据所述电机运动指令控制所述图像采集模块移动。
8.根据权利要求7所述的图像识别装置,其特征在于,所述移动控制模块还包括:
位移传感器,用于获取所述图像采集模块的移动信息,并根据所述移动信息生成位移电信号;
编码器,用于根据所述位移电信号生成坐标电信号;
转换器,用于将所述坐标电信号转换为坐标数字信号,并将所述坐标数字信号发送至位置计算模块。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-4中任意一项所述的图像识别方法。
10.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被配置为经由执行所述可执行指令来执行权利要求1-4中任意一项所述的图像识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810982815.2A CN109242762A (zh) | 2018-08-27 | 2018-08-27 | 图像识别方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810982815.2A CN109242762A (zh) | 2018-08-27 | 2018-08-27 | 图像识别方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109242762A true CN109242762A (zh) | 2019-01-18 |
Family
ID=65069257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810982815.2A Pending CN109242762A (zh) | 2018-08-27 | 2018-08-27 | 图像识别方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242762A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832345A (zh) * | 2019-04-17 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 集装箱监控方法、装置及设备、存储介质 |
CN113139950A (zh) * | 2021-05-08 | 2021-07-20 | 佳都科技集团股份有限公司 | 一种目标对象识别的方法及装置 |
CN113452869A (zh) * | 2020-03-26 | 2021-09-28 | 深圳怡化电脑股份有限公司 | 图像数据生成方法、装置、电子设备和存储介质 |
CN115842963A (zh) * | 2022-10-21 | 2023-03-24 | 广东省地星文化科技有限公司 | 一种昆虫拍摄方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1986835A (zh) * | 2006-12-25 | 2007-06-27 | 浙江大学 | 功能集成式数控自动化皮革裁剪方法 |
CN101813636A (zh) * | 2010-04-08 | 2010-08-25 | 东莞华中科技大学制造工程研究院 | 一种led芯片全景扫描匹配方法 |
US20150248591A1 (en) * | 2014-02-28 | 2015-09-03 | Ricoh Co., Ltd. | Method for Product Recognition from Multiple Images |
CN105335931A (zh) * | 2015-11-09 | 2016-02-17 | 广州视源电子科技股份有限公司 | 板卡图像拼接方法、处理装置及系统 |
CN106607907A (zh) * | 2016-12-23 | 2017-05-03 | 西安交通大学 | 一种移动视觉机器人及其测控方法 |
CN107358596A (zh) * | 2017-04-11 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及系统 |
US20180040128A1 (en) * | 2016-08-03 | 2018-02-08 | International Business Machines Corporation | Verification of business processes using spatio-temporal data |
-
2018
- 2018-08-27 CN CN201810982815.2A patent/CN109242762A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1986835A (zh) * | 2006-12-25 | 2007-06-27 | 浙江大学 | 功能集成式数控自动化皮革裁剪方法 |
CN101813636A (zh) * | 2010-04-08 | 2010-08-25 | 东莞华中科技大学制造工程研究院 | 一种led芯片全景扫描匹配方法 |
US20150248591A1 (en) * | 2014-02-28 | 2015-09-03 | Ricoh Co., Ltd. | Method for Product Recognition from Multiple Images |
CN105335931A (zh) * | 2015-11-09 | 2016-02-17 | 广州视源电子科技股份有限公司 | 板卡图像拼接方法、处理装置及系统 |
US20180040128A1 (en) * | 2016-08-03 | 2018-02-08 | International Business Machines Corporation | Verification of business processes using spatio-temporal data |
CN106607907A (zh) * | 2016-12-23 | 2017-05-03 | 西安交通大学 | 一种移动视觉机器人及其测控方法 |
CN107358596A (zh) * | 2017-04-11 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832345A (zh) * | 2019-04-17 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 集装箱监控方法、装置及设备、存储介质 |
CN111832345B (zh) * | 2019-04-17 | 2024-05-28 | 杭州海康威视数字技术股份有限公司 | 集装箱监控方法、装置及设备、存储介质 |
CN113452869A (zh) * | 2020-03-26 | 2021-09-28 | 深圳怡化电脑股份有限公司 | 图像数据生成方法、装置、电子设备和存储介质 |
CN113139950A (zh) * | 2021-05-08 | 2021-07-20 | 佳都科技集团股份有限公司 | 一种目标对象识别的方法及装置 |
WO2022237135A1 (zh) * | 2021-05-08 | 2022-11-17 | 佳都科技集团股份有限公司 | 目标对象识别的方法及装置 |
CN113139950B (zh) * | 2021-05-08 | 2024-04-16 | 佳都科技集团股份有限公司 | 一种目标对象识别的方法及装置 |
CN115842963A (zh) * | 2022-10-21 | 2023-03-24 | 广东省地星文化科技有限公司 | 一种昆虫拍摄方法、装置及存储介质 |
CN115842963B (zh) * | 2022-10-21 | 2023-09-26 | 广东省地星文化科技有限公司 | 一种昆虫拍摄方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242762A (zh) | 图像识别方法、装置、存储介质及电子设备 | |
CN109492507B (zh) | 红绿灯状态的识别方法及装置、计算机设备及可读介质 | |
CN111352227B (zh) | 显微镜系统中样本平面的距离确定 | |
CN110675489B (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN103064417B (zh) | 一种基于多传感器的全局定位导引系统及方法 | |
CN100347930C (zh) | 一种电力数据采集与监控系统及装置 | |
CN108982500A (zh) | 一种宫颈液基细胞学智能辅助阅片方法和系统 | |
CN106547356B (zh) | 智能交互方法和装置 | |
CN110756462B (zh) | 电源适配器测试方法、装置、系统、控制装置及存储介质 | |
CN112150072A (zh) | 基于智能机器人的资产盘点方法、装置、电子设备及介质 | |
CN115810133B (zh) | 基于图像处理和点云处理的焊接控制方法及相关设备 | |
CN107851301A (zh) | 用于选择图像变换的系统和方法 | |
CN115797811B (zh) | 一种基于视觉的农产品检测方法及系统 | |
CN106951144A (zh) | 医学图像处理方法、装置及设备 | |
CN113711275A (zh) | 在机器学习中为图像中的对象标注创建训练数据可变性 | |
CN113601510B (zh) | 基于双目视觉的机器人移动控制方法、装置、系统及设备 | |
CN108628267A (zh) | 一种物方扫描成像系统的分离式、分布式操控方法 | |
CN205654357U (zh) | 管片拼装位姿检测装置 | |
CN115469160A (zh) | 屏幕的测试方法、测试系统、装置和电子设备 | |
CN116001000A (zh) | 一种pcb分板机智能化控制方法及系统 | |
CN115346041A (zh) | 基于深度学习的点位标注方法、装置、设备及存储介质 | |
CN104458746A (zh) | 包裹体动检测系统及其检测方法 | |
CN111879788B (zh) | 一种基于面板检测的机种切换系统、方法及终端设备 | |
CN113028997B (zh) | 镜片组的行程余量测量方法、装置、设备和存储介质 | |
CN114217540A (zh) | 一种非标设备的控制方法、装置、设备及存储介质 |
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: 20190118 |