CN109871826A - 信息展示方法、装置、计算机可读存储介质和计算机设备 - Google Patents
信息展示方法、装置、计算机可读存储介质和计算机设备 Download PDFInfo
- Publication number
- CN109871826A CN109871826A CN201910192289.4A CN201910192289A CN109871826A CN 109871826 A CN109871826 A CN 109871826A CN 201910192289 A CN201910192289 A CN 201910192289A CN 109871826 A CN109871826 A CN 109871826A
- Authority
- CN
- China
- Prior art keywords
- product
- reality scene
- scene image
- information
- type
- 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
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种信息展示方法、装置、计算机可读存储介质和计算机设备,所述方法包括:获取实时采集的包括待选产品的现实场景图像;识别待选产品对应的产品标识;当现实场景图像中存在基准平面时,则根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像;显示包括产品信息的增强现实场景图像。本申请提供的方案可以提高展示信息的效率,还能够直观地呈现产品信息。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种信息展示方法、装置、计算机可读存储介质和计算机设备。
背景技术
随着互联网技术的飞速发展,出现了很多支持线上支付的在线支付技术,比如微信支付,相比于传统的现金支付而言更加便捷,给人们的生活带来了极大的便利。目前,结合在线支付技术,市面上出现了一种新的购物方式,用户可以通过扫描产品的条形码查询产品信息,根据产品信息一一挑选产品后再进行支付,实现边逛边买。显然,这种方式需要用户一件件拿起产品进行扫描后才能查询到产品信息,不仅用户操作繁琐,并且展示产品信息的效率也很低。
发明内容
基于此,有必要针对展示产品信息的效率较低的技术问题,提供一种信息展示方法、装置、计算机可读存储介质和计算机设备。
一种信息展示方法,包括:
获取实时采集的包括待选产品的现实场景图像;
识别所述待选产品对应的产品标识;
当所述现实场景图像中存在基准平面时,则根据所述基准平面在所述现实场景图像中绘制与所述产品标识对应的产品信息,得到增强现实场景图像;
显示包括所述产品信息的所述增强现实场景图像。
一种信息展示装置,所述装置包括:
获取模块,用于获取实时采集的包括待选产品的现实场景图像;
识别模块,用于识别所述待选产品对应的产品标识;
绘制模块,用于当所述现实场景图像中存在基准平面时,则根据所述基准平面在所述现实场景图像中绘制与所述产品标识对应的产品信息,得到增强现实场景图像;
显示模块,用于显示包括所述产品信息的所述增强现实场景图像。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述信息展示方法的步骤。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述信息展示方法的步骤。
上述信息展示方法、装置、计算机可读存储介质和计算机设备,只需要识别出实时采集的现实场景图像中待选产品对应的产品标识,并在现实场景图像中检测到基准平面时,根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像,就可以以AR的方式显示包括产品信息的增强现实场景图像。增强现实场景图像能够以AR的方式显示现实场景图像所包括的所有待选产品的产品信息,不仅提高了展示信息的效率,还能够直观地呈现产品信息。
附图说明
图1为一个实施例中信息展示方法的应用环境图;
图2为一个实施例中信息展示方法的流程示意图;
图3为一个实施例中识别所述待选产品对应的产品标识的步骤流程示意图;
图4为一个实施例中当所述现实场景图像中存在基准平面时,则根据所述基准平面在所述现实场景图像中绘制与所述产品标识对应的产品信息,得到增强现实场景图像的步骤的流程示意图;
图5为一个实施例中以AR的方式显示产品信息的示意图;
图6为一个实施例中产品类型检测模型的架构示意图;
图7为一个实施例中信息展示方法的整体架构流程示意图;
图8为一个具体的实施例中信息展示方法的流程示意图;
图9为一个实施例中信息展示装置的结构框图;
图10为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
图1为一个实施例中信息展示方法的应用环境图。参照图1,该信息展示方法应用于信息展示系统。该信息展示系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端110上可以配置的信息展示装置,通过信息展示装置直接获取实时采集的包括待选产品的现实场景图像;识别待选产品对应的产品标识;当现实场景图像中存在基准平面时,则根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像;显示包括产品信息的增强现实场景图像。
需要说明的是,上述的应用环境只是一个示例,在一些实施例中终端110可以获取实时采集的包括待选产品的现实场景图像,将现实场景图像发送至服务器120,由服务器120识别现实场景图像中包括的待选产品对应的产品标识;并且当服务器120识别出现实场景图像中存在基准平面时,则从数据库获取与该产品标识对应的产品信息,并根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像,将得到的增强现实场景图像反馈至终端110,触发终端110显示包括产品信息的增强现实场景图像。
如图2所示,在一个实施例中,提供了一种信息展示方法。本实施例主要以该方法应用于上述图1中的终端110来举例说明。参照图2,该信息展示方法具体包括如下步骤:
S202,获取实时采集的包括待选产品的现实场景图像。
其中,现实场景图像是对当前所在的场景实时采集的图像。待选产品可以是现实场景中摆放的产品,比如用户在购物时挑选的产品。终端可以从实时采集的现实场景图像中获取包括待选产品的现实场景图像,现实场景图像中所包括的待选产品可以是一个或多个,多个待选产品对应的产品类型可以是相同的,也可以是不同的。
在一个实施例中,终端可以采集现实场景对应的现实场景图像,对现实场景图像进行物体检测,当采集的现实场景图像中包括待选产品时,则获取当前采集的现实场景图像。终端可以以预设间隔采集现实场景图像。
在一个具体的应用场景中,用户手持终端,终端上配置有采集装置,终端可以调用用于开启采集装置的应用程序开启采集装置,使得终端调用采集装置实时采集包括待选产品的图像,得到包括待选产品的现实场景图像。这里的采集装置可以是终端上的摄像头。
S204,识别待选产品对应的产品标识。
其中,产品标识用于唯一标识一个产品。产品标识可以是产品数据库中存储的用于唯一标识待选产品的产品代码,包括产品名称或产品批次等。待选产品可以与图形码对应,则产品代码可以与解析该产品标识对应的图形码得到的字符串相同,也可以与解析该产品标识对应的图形码得到的字符串之间存在对应关系。图形码可以是条形码或二维码。
具体地,终端可以结合物体检测与文字字符识别对获取的现实场景图像进行识别,识别出所包括的待选产品对应的产品标识。当然,终端还可以采用其它技术对现实场景图像进行识别,将识别结果与产品数据库中的产品代码进行匹配,得到待选产品对应的产品标识。比如,终端可以采用预先训练好的机器学习模型对现实场景图像中所包括的待选产品对应的产品标识进行识别。
举例说明,终端可以先对获取的现实场景图像进行初步的物体检测,得到现实场景图像所包括的待选产品对应的分类结果,包括“橙子”和“苹果”,说明用户此时用终端扫描到的现实场景中包括“橙子”和“苹果”,然后终端对现实场景图像进行文字字符识别,得到一段字符串“0000001”和“0000002”,然后终端可以查询产品数据库,分别在“橙子”和“苹果”的产品录入信息中查询包括“0000001”或“0000002”的产品代码,查询到在“橙子”的产品录入信息中存在产品代码为“000000123JZ”,在“苹果”的产品录入信息中存在产品代码为“000000262PG”,则可以将匹配到的产品代码作为相应的产品标识。
在一个实施例中,如图3所示,识别待选产品对应的产品标识的步骤具体包括:
S302,对现实场景图像进行物体检测,得到待选产品对应的产品类型。
其中,物体检测是对现实场景图像中所包括的待选产品在图像中的位置以及待选产品的产品类型进行检测的技术。产品类型是待选产品对应的产品分类,比如,苹果、橘子、杯子等都是待选产品的产品类型。具体地,终端可以采用预先训练好的基于机器学习的产品类型检测模型对现实场景图像进行物体检测,得到现实场景图像所包括的待选产品对应的产品类型。在一个实施例中,产品类型检测模型可以采用R-FCN(Region-based FullyConvolutional Networks,基于区域的全卷积网络)实现。
S304,当产品类型为指定产品类型时,则对现实场景图像中与待选产品对应的产品标签进行文字识别,得到产品标签信息。
其中,指定产品类型是产品数据库中存在与之对应的产品录入信息的待选产品对应的产品类型。举例来说,若识别出的产品类型为购物车,若购物车不属于用户要购买的产品,产品数据库中也不存在与之对应的录入信息,则当前识别出的产品类型不是指定产品类型。在一个实施例中,当识别出的产品类型不属于指定产品类型时,则终端可以继续采集现实场景图像,返回步骤S202。
在一个实施例中,为了避免识别出非指定产品类型,可以对用于训练产品类型检测模型的训练集中的样本图片进行筛选,剔除包括非指定产品类型的产品的样本图片,使得训练后的产品类型检测模型仅能够从现实场景图像中识别出属于指定类型产品的产品。
具体地,当识别出的产品类型为指定产品类型时,则终端可以进一步对获取的现实场景图像中与检测出的待选产品对应的产品标签进行文字识别。产品标签信息可以是待选产品上附着的条形码下方的数字代码,还可以是待选产品上的产品商标、产品名称、产品价格或产品介绍等。当然,识别得到的产品标签信息可能是不完整的关键词或关键字等。
在一个实施例中,终端可以根据步骤S302中对现实场景图像进行物体检测得到的各个待选产品在现实场景图像中的位置信息,从现实场景图像中确定出产品区域,然后对产品区域进行文字识别,得到各个待选产品对应的产品标签信息。
在一个实施例中,若获取的现实场景图像中待选产品与产品标签是分开的,比如货架上的苹果通常与相应的标签是分开的,则终端可以对现实场景图像中所有字符进行文字识别,得到所有的产品标签信息。
S306,根据产品标签信息确定待选产品对应的产品标识。
具体地,终端可以根据步骤S302中得到的产品类型,从产品数据库中查询与该产品类型对应的产品录入信息,然后将识别得到的产品标签信息与查询到的产品录入信息进行匹配,得到待选产品对应的产品标识。
在本实施例中,通过对获取的现实场景图像进行物体检测和文字识别,能够有效识别出当前用户感兴趣的待选产品对应的产品标识。
S206,当现实场景图像中存在基准平面时,则根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像。
其中,基准平面是用于确定现实场景中的平面的参考平面。由于需要将待选产品对应的产品信息以AR(Augmented Reality,增强现实,简称AR)的方式呈现给用户,因此,需要从获取的现实场景图像中确定能够代表真实平面的基准平面,有了这个基准平面,就可以根据该基准平面在现实场景图像中绘制产品信息。
在一个实施例中,在通过步骤S204确定现实场景图像中所包括的待选产品对应的产品标识后,终端可以根据产品标识从产品数据库中获取对应的产品信息。这里的产品信息可以包括产品名称、产品产地、产品价格或产品品牌中的至少一种,产品信息可以是完整的产品信息,也可以是产品信息中的部分关键信息。当现实场景图像中包括多个不同产品类型的待选产品时,可以依次在现实场景图像中绘制与待选产品对应的产品信息,得到多个增强现实场景图像,终端可以依次显示这多个增强现实场景图像,呈现一种产品信息在屏幕中滚动显示的效果。当然,也可以将这多个产品信息均显示在现实场景图像中。
具体地,当确定获取的现实场景图像中存在基准平面时,终端可以根据现实场景中的基准平面,将获取的与产品标识对应的产品信息以AR的方式绘制在现实场景图像中与该基准平面相关的位置处,得到包括待选产品以及对应的产品信息的增强现实场景图像。在一个实施例中,可以采用Marker-Less AR(Marker-Less Augmented Reality,少量标记增强现实)的方式在现实场景图像中根据基准平面渲染三维的产品信息。
在一个实施例中,上述信息展示方法还包括确定获取的现实场景图像中是否存在基准平面的步骤,具体包括:提取现实场景图像中的特征点;获取具有基准平面属性的模板物体对应的模板特征点;基于提取的特征点与模板特征点之间的相似度进行特征点匹配;当匹配成功的特征点的数量超过预设阈值时,则确定现实场景图像中存在基准平面。
其中,现实场景图像中的特征点是现实场景图像中相对显著的像素点,比如现实场景图像中描述某个形状的轮廓的像素点,或者是图像中较暗区域中较亮的像素点,图像中较亮区域中的较暗的像素点等。具体可以采用特征点提取算法对现实场景图像进行特征点提取(interest points detect),得到图像中的特征点,并且以一种方式描述这些特征点的属性,称之为特征描述量(Feature Descritors)。比如可以采用多维特征向量的方式描述特征点,每一维度上元素的值可以反映特征点在不同维度下的属性。特征描述量可以用于判断该特征点属于哪一个物体,并且同一特征点在物体处于不同方向、不同角度和不同光照条件下时对应的特征描述量应当是相似的。
在本实施例中,可以采用采用SIFT(Scale-invariant feature transform)算法、SURF(Speeded Up Robust Features)算法、ORB(Oriented FAST and Rotated BRIEF)算法、FAST(Features from Accelerated Segment Test)或BRISK(Binary RobustIndependent Elementary Features)算法对现实场景图像提取特征点。
模板物体是预先确定的用于表示现实场景的平面的物体,可以根据本方法所应用的场景不同而选取不同的模板物体。比如,当本方法所应用的场景为超市时,也就是获取的现实场景图像是终端在超市中采集的超市场景的图像时,则相应的模板物体可以是超市地面,可以是与超市地面平行的货架表面等等。当本方法所应用的场景为商场时,也就是获取的现实场景图像是终端在商场中采集的商场的图像时,则相应的模板物体可以是商场内部的地面,可以是商场内部的柜台台面,还可以是商场内部平行于地面摆放的宣传海报等。
具体地,当得到现实场景图像中的特征点之后,终端可以获取模板物体对应的模板特征点,根据特征点的特征描述量之间的相似度,将提取的现实场景图像的特征点依次与模板特征点进行特征点匹配,当现实场景图像中与某个模板物体的模板特征点匹配的特征点的数量超过预设阈值时,则确定现实场景图像中存在该模板物体,可以将该模板物体作为基准平面。在一个实施例中,可以将特征点的特征描述量之间的汉明距离或欧式距离,作为特征点之间的相似度。
在一个实施例中,上述信息展示方法还包括:记录具有基准平面属性的模板物体对应的各个模板特征点对应的特征描述量。具体可以采用上述的特征提取算法对包括模板物体的图片进行特征点提取,得到模板物体对应的模板特征点以及相应的特征描述量。
在一个实施例中,如图4所示,当现实场景图像中存在基准平面时,则根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像的步骤具体包括:
S402,当现实场景图像中存在基准平面时,则以基准平面的中心点为原点构建现实场景空间坐标系,确定中心点在现实场景图像中的屏幕像素坐标,并获取预先标定的内参矩阵。
其中,现实场景空间坐标系是根据基准平面确定的用于描述现实场景中任一物体所在位置的三维空间坐标系,也可以称之为世界坐标系。当确定现实场景图像中存在基准平面时,可以根据基准平面构建现实场景空间坐标系,具体可以根据基准平面的中心点确定现实场景空间坐标系的原点,经过该原点垂直向上的方向为现实场景空间坐标系的Zm轴,经过该原点水平向右、且垂直于Zm轴的方向为Xm轴,经过该原点同时垂直于Xm轴、Zm轴的方向为Ym轴。
位于现实场景空间坐标系中的三维点可经过外参矩阵进行旋转变换和平移变换后转换到终端坐标系,再通过内参矩阵转换到屏幕像素坐标系。终端坐标系是以终端的摄像头所在位置为原点确定的用于描述现实场景中任一物体所在位置的坐标系,也称之为摄像机坐标系。摄像头指向的方向为终端坐标系的Zc轴,经过摄像头垂直于Zc轴水平向右的方向为Xc轴,经过摄像头、且同时垂直于Zc轴、Xc轴的方向为Yc轴。屏幕像素坐标系是在获取的现实场景图像中定义的以像素为单位的平面直角坐标系(UOV),图像中每一像素点的坐标(u,v)分别是该像素在图像中的像素行和像素列,从而可以确定该像素在图像中的位置。
为了使待选产品的产品信息能够如同依附在现实场景中的基准平面上一般显示在终端屏幕上,就需要建立现实场景空间坐标系与终端的屏幕像素坐标系之间的映射关系。这种映射关系可以采用以下公式来表示:
其中,h为比例因子,为默认参数;(xm,ym,zm)表示位于现实场景空间坐标系中的某一个三维点的坐标。(u0,v0)表示该三维点在屏幕像素坐标系中对应的屏幕像素坐标,C表示摄像机的内参矩阵,Tm表示摄像机的外参矩阵。对(xm,ym,zm)进行矩阵左乘,乘以Tm,就可以将现实场景中的三维点转换至终端坐标系,继续进行矩阵左乘,乘以矩阵C,就可以将其变换至屏幕像素坐标系,即该三维点在现实场景图像中的位置是(u0,v0)。
其中,外参矩阵Tm用于表示终端的摄像头在现实场景空间坐标系中的参数,比如摄像头的位置,旋转方向等。内参矩阵C用于表示终端的摄像头自身的图像采集参数,比如焦距等。内参矩阵可以是事先对终端的摄像头进行标定得到的已知矩阵,而外参矩阵是未知的。
S404,根据现实场景空间坐标系、屏幕像素坐标和内参矩阵计算当前的外参矩阵。
具体地,根据步骤S402中构建的各个坐标系,可以得到基准平面的中心点在现实场景空间坐标系中对应的坐标为(0,0,0),根据获取的现实场景图像中基准平面的中心点在该图像中的位置,确定中心点在屏幕像素坐标系中的坐标为(u0,v0),则可以根据中心点对应的现实场景空间坐标,以及在现实场景图像中的坐标,按上述公式计算得到终端的摄像头对应的外参矩阵。
S406,获取与产品标识对应的产品信息,并根据外参矩阵在现实场景图像中绘制依附于基准平面的产品信息,得到增强现实场景图像。
在得到待选产品对应的产品标识后,终端可以从产品数据库中获取与产品标识对应的产品信息,然后根据计算的外参矩阵,按照上述公式计算产品信息在现实场景图像中要呈现的位置,也就是产品信息的屏幕像素坐标,然后根据该屏幕像素坐标在现实场景图像中绘制依附于所包括的基准平面的产品信息,得到增强现实场景图像。获取的产品信息可以是完整的产品信息,也可以是产品信息中的部分关键信息。
按照上述公式计算绘制的产品信息对应的屏幕像素坐标需要先获取产品信息在现实场景空间坐标系下的坐标,具体可以根据产品信息在现实场景中相对于基准平面的中心点的距离计算得到。而相对于基准平面的中心点的距离可以按照产品信息在现实场景图像中的绘制效果来设定,是可以按需要设置的。
在本实施例中,当采集的现实场景图像中存在基准平面时,就可以实时地根据基准平面在现实场景图像中以AR的方式绘制待选产品对应的产品信息,能够直观呈现产品信息。
S208,显示包括产品信息的增强现实场景图像。
具体地,终端在得到生成的包括产品信息的增强现实场景图像后,就可以通过显示装置将增强现实场景图像进行显示。在一个具体的应用场景中,用户可手持终端,并移动终端,终端就可以实时获取采集现实场景图像并进行实时处理,每采集到包括待选产品以及基准平面的现实场景图像时,都会将待选产品对应的产品信息以AR的方式显示在采集的现实场景图像中。
如图5所示,为一个实施例中以AR的方式显示产品信息的示意图。参照图5,采集的现实场景图像中包括的待选产品是苹果,确定的基准平面为桌面,则依附于桌面将获取的苹果对应的产品信息“本地苹果,5元/500g”绘制在现实场景图像中并显示。
上述信息展示方法,只需要识别出实时采集的现实场景图像中待选产品对应的产品标识,并在现实场景图像中检测到基准平面时,根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像,就可以以AR的方式显示包括产品信息的增强现实场景图像。增强现实场景图像能够以AR的方式显示现实场景图像所包括的所有待选产品的产品信息,不仅提高了展示信息的效率,还能够直观地呈现产品信息。
在一个实施例中,对现实场景图像进行物体检测,得到待选产品对应的产品类型的步骤具体包括:提取现实场景图像的图像特征,得到对应的特征图;通过候选区域网络对特征图进行检测,得到待选产品对应的候选区域;计算候选区域对应各候选产品类型的概率,将概率最大值所对应的候选产品类型作为待选产品对应的产品类型。
具体地,在终端采用预先训练好的基于机器学习模型的产品类型检测模型对现实场景图像进行物体检测时,先将现实场景图像输入产品类型检测模型中,通过该模型中的卷积网络对现实场景图像进行处理,提取出现实场景图像的图像特征,得到对应的特征图(Feature maps)。特征图是现实场景图像中各个像素点与图像属性对应的特征值所构成的向量矩阵,特征图能够代表现实场景图像。候选区域网络是用于标注出现实场景图像中所包括的待选产品的全卷积网络。比如可以是RPN(Region Proposal Network)网络,得到的候选区域RoIs(Regions of Interests,感兴趣区域)是现实场景图像中的待选产品对应的矩形标注框。
当现实场景图像中包括多个候选区域时,则需要继续通过产品类型检测模型中的分类模块对各个候选区域进行分类,分别计算各个候选区域属于各个产品类型的概率,将概率最大值所对应的产品类型作为相应候选区域对应的产品类型,从而得到了现实场景图像所包括的待选产品对应的产品类型。
在一个实施例中,计算候选区域对应各候选产品类型的概率,将概率最大值所对应的候选产品类型作为待选产品对应的产品类型的步骤具体包括:将候选区域划分成多个子区域;获取各子区域分别属于各候选产品类型的概率;根据概率统计候选区域对应各候选产品类型的得分;将对应各候选产品类型的得分进行归一化处理,将概率最大值所对应的候选产品类型作为候选区域对应的产品类型。
具体地,可以通过产品类型检测模型中1x1的卷积核对特征图进行卷积操作,以将候选区域划分为多个子区域并且得到每个子区域属于各候选产品类型的概率,然后对每个候选区域按照各个子区域属于各候选产品类型的概率进行平均池化操作(averagepooling),得到候选区域对应各候选产品类型的得分,对属于各候选产品类型的得分进行归一化(softmax)处理后进行分类,即将归一化处理后概率最大值所对应的候选产品类型作为候选区域对应的产品类型。
如图6所示,为一个实施例中产品类型检测模型的架构示意图。参照图6,产品类型检测模型的输入是现实场景图像,在现实场景图像上运行了一个全卷积神经网络,通过全卷积神经网络的最后一个卷积层输出对应的特征图;然后通过候选区域网络对特征图进行检测,找出其中的候选区域;通过卷积核对特征图进行卷积,以得到候选区域对应的子区域以及各子区域属于各候选产品类型的得分,然后对子区域属于各候选产品类型的得分进行平均池化操作,得到候选区域对应的得分,然后用softmax来对候选区域对应各候选产品类型的得分进行分类,得到当前候选区域对应的产品类型。
在一个实施例中,在显示包括产品信息的增强现实场景图像后,用户经过比对就可以确定要选择的产品,因此上述信息展示方法还可以包括对选择的产品进行支付的步骤,具体包括:采集待选产品对应的图形码并解析图形码得到产品标识;获取与产品标识对应的产品信息并显示在支付页面中;根据在支付页面中触发的对待选产品的支付操作执行支付流程。
具体地,用户可以手持终端,进入采集页面,在采集页面中采集待选产品对应的图形码,该图形码可以是待选产品包装或产品标签中的图形码。终端解析图形码得到产品标识,并从产品数据库中获取与该产品标识所对应的产品信息,从采集页面跳转至支付页面,并将获取的产品信息显示在支付页面中,当在支付页面中获取到触发的针对待选产品的支付操作时,执行支付流程。
比如,用户根据展示的商品信息挑选好待购买的商品包括A商品、B商品和C商品,则用户可以在终端上打开采集页面,在采集页面中分别采集A商品、B商品和C商品对应的条形码。终端根据采集的条形码从产品数据库中分别获取A商品、B商品和C商品对应的商品信息,将获取的商品信息显示在支付页面中,显示的商品信息包括商品名称、商品单价、商品数量以及根据A商品、B商品和C商品的价格统计的总价格,以提示用户A商品、B商品和C商品已被加入虚拟购物车,目前处于待进行支付的状态。
当在支付页面中获取到用户触发的携带支付密码的确认支付操作时,则终端会向支付平台发起携带用户标识、商品总价格、支付密码的支付请求,支付平台根据支付请求从用户标识对应的账户扣减商品总价格对应的数值,并向终端反馈支付成功的消息。至此,统一完成了所有商品的支付,实现了边走边扫,边走边买。在上述例子中,对于处于待支付状态的商品,用户可以放入购物推车中,前往收银台进行自助支付。终端可以根据待支付商品的商品信息,生成待支付图形码,待支付图形码携带了待支付商品的商品信息,包括商品标识、商品总价格等,收银台设备可以采集用户提供的待支付图形码,实现对所有商品的统一支付。当然,对于挑选好的商品,也可以不采用通过终端扫描商品后自动支付的方式,而是由收银设备一一扫描商品后进行支付。用户可以将挑选好的商品放入购物推车中,并前往收银台,收银设备采集到所有挑选好的商品的商品信息后,扫描终端提供的支付码进行支付。
如图7所示,为一个实施例中信息展示方法的整体架构流程示意图。参照图7,整个方法的处理流程可以概括为获取现实场景图像、物体检测、展示产品信息和支付待选产品。其中,物体检测可以采用基于R-FCN的模型进行检测,展示产品信息可以采用Marker-LessAR的方式在现实场景图像中绘制产品信息,支付待选产品可以采用扫码支付的方式实现。
如图8所示,在一个具体的实施例中,信息展示方法具体包括以下步骤:
S802,获取实时采集的包括待选产品的现实场景图像;
S804,提取现实场景图像的图像特征,得到对应的特征图;
S806,通过候选区域网络对特征图进行检测,得到待选产品对应的候选区域;
S808,将候选区域划分成多个子区域;
S810,获取各子区域分别属于各候选产品类型的概率;
S812,根据概率统计候选区域对应各候选产品类型的得分;
S814,将对应各候选产品类型的得分进行归一化处理,将概率最大值所对应的候选产品类型作为候选区域对应的产品类型;
S816,当产品类型为指定产品类型时,则对现实场景图像中与待选产品对应的产品标签进行文字识别,得到产品标签信息;
S818,根据产品标签信息确定待选产品对应的产品标识;
S820,提取现实场景图像中的特征点;
S822,获取具有基准平面属性的模板物体对应的模板特征点;
S824,基于提取的特征点与模板特征点之间的相似度进行特征点匹配;
S826,当匹配成功的特征点的数量超过预设阈值时,则确定现实场景图像中存在基准平面;
S828,当现实场景图像中存在基准平面时,则以基准平面的中心点为原点构建现实场景空间坐标系,确定中心点在现实场景图像中的屏幕像素坐标,并获取预先标定的内参矩阵;
S830,根据现实场景空间坐标系、屏幕像素坐标和内参矩阵计算当前的外参矩阵;
S832,获取与产品标识对应的产品信息,并根据外参矩阵在现实场景图像中绘制依附于基准平面的产品信息,得到增强现实场景图像;
S834,显示包括产品信息的增强现实场景图像;
S836,采集待选产品对应的图形码并解析图形码得到产品标识;
S838,获取与产品标识对应的产品信息并显示在支付页面中;
S840,根据在支付页面中触发的对待选产品的支付操作执行支付流程。
上述信息展示方法,只需要识别出实时采集的现实场景图像中待选产品对应的产品标识,并在现实场景图像中检测到基准平面时,根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像,就可以以AR的方式显示包括产品信息的增强现实场景图像。增强现实场景图像能够以AR的方式显示现实场景图像所包括的所有待选产品的产品信息,不仅提高了展示信息的效率,还能够直观地呈现产品信息。
图8为一个实施例中信息展示方法的流程示意图。应该理解的是,虽然图8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图8中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种信息展示装置900,该装置包括获取模块902、识别模块904、绘制模块906和显示模块908,其中:
获取模块902,用于获取实时采集的包括待选产品的现实场景图像;
识别模块904,用于识别待选产品对应的产品标识;
绘制模块906,用于当现实场景图像中存在基准平面时,则根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像;
显示模块908,用于显示包括产品信息的增强现实场景图像。
在一个实施例中,识别模块904包括:
物体检测模块,用于对现实场景图像进行物体检测,得到待选产品对应的产品类型;
文字识别模块,用于当产品类型为指定产品类型时,则对现实场景图像中与待选产品对应的产品标签进行文字识别,得到产品标签信息;
确定模块,用于根据产品标签信息确定待选产品对应的产品标识。
在一个实施例中,物体检测模块包括:
特征提取模块,用于提取现实场景图像的图像特征,得到对应的特征图;
候选区域检测模块,用于通过候选区域网络对特征图进行检测,得到待选产品对应的候选区域;
分类模块,用于计算候选区域对应各候选产品类型的概率,将概率最大值所对应的候选产品类型作为待选产品对应的产品类型。
在一个实施例中,分类模块还用于将候选区域划分成多个子区域;获取各子区域分别属于各候选产品类型的概率;根据概率统计候选区域对应各候选产品类型的得分;将对应各候选产品类型的得分进行归一化处理,将概率最大值所对应的候选产品类型作为候选区域对应的产品类型。
在一个实施例中,信息展示装置900还包括:
特征点提取模块,用于提取现实场景图像中的特征点;
模板特征点获取模块,用于获取具有基准平面属性的模板物体对应的模板特征点;
特征点匹配模块,用于基于提取的特征点与模板特征点之间的相似度进行特征点匹配;当匹配成功的特征点的数量超过预设阈值时,则确定现实场景图像中存在基准平面。
在一个实施例中,绘制模块906还用于当现实场景图像中存在基准平面时,则以基准平面的中心点为原点构建现实场景空间坐标系,确定中心点在现实场景图像中的屏幕像素坐标,并获取预先标定的内参矩阵;根据现实场景空间坐标系、屏幕像素坐标和内参矩阵计算当前的外参矩阵;获取与产品标识对应的产品信息,并根据外参矩阵在现实场景图像中绘制依附于基准平面的产品信息,得到增强现实场景图像。
在一个实施例中,信息展示装置900还包括:
支付模块,用于采集待选产品对应的图形码并解析图形码得到产品标识;获取与产品标识对应的产品信息并显示在支付页面中;根据在支付页面中触发的对待选产品的支付操作执行支付流程。
上述信息展示装置900,只需要识别出实时采集的现实场景图像中待选产品对应的产品标识,并在现实场景图像中检测到基准平面时,根据基准平面在现实场景图像中绘制与产品标识对应的产品信息,得到增强现实场景图像,就可以以AR的方式显示包括产品信息的增强现实场景图像。增强现实场景图像能够以AR的方式显示现实场景图像所包括的所有待选产品的产品信息,不仅提高了展示信息的效率,还能够直观地呈现产品信息。
图10示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110。如图10所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、图像采集装置、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现信息展示方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行信息展示方法。计算机设备的图像采集装置可以是内置的摄像头或外接的摄像头,内置的摄像头可以是前置摄像头或后置摄像头等。图像采集装置可以用于采集现实场景图像,当采集的现实场景图像中包括图形码时,计算机设备可以解析图形码。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的信息展示装置900可以实现为一种计算机程序的形式,计算机程序可在如10所示的计算机设备上运行。计算机设备的存储器中可存储组成该信息展示装置900的各个程序模块,比如,图9所示的获取模块902、识别模块904、绘制模块906和显示模块908。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的信息展示方法中的步骤。
例如,图10所示的计算机设备可以通过如图9所示的信息展示装置900中的获取模块902执行步骤S202。计算机设备可通过识别模块904执行步骤S204。计算机设备可通过绘制模块906执行步骤S206。计算机设备可通过显示模块908执行步骤S208。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述信息展示方法的步骤。此处信息展示方法的步骤可以是上述各个实施例的信息展示方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述信息展示方法的步骤。此处信息展示方法的步骤可以是上述各个实施例的信息展示方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种信息展示方法,包括:
获取实时采集的包括待选产品的现实场景图像;
识别所述待选产品对应的产品标识;
当所述现实场景图像中存在基准平面时,则根据所述基准平面在所述现实场景图像中绘制与所述产品标识对应的产品信息,得到增强现实场景图像;
显示包括所述产品信息的所述增强现实场景图像。
2.根据权利要求1所述的方法,其特征在于,所述识别所述待选产品对应的产品标识包括:
对所述现实场景图像进行物体检测,得到所述待选产品对应的产品类型;
当所述产品类型为指定产品类型时,则对所述现实场景图像中与所述待选产品对应的产品标签进行文字识别,得到产品标签信息;
根据所述产品标签信息确定所述待选产品对应的产品标识。
3.根据权利要求2所述的方法,其特征在于,所述对所述现实场景图像进行物体检测,得到所述待选产品对应的产品类型包括:
提取所述现实场景图像的图像特征,得到对应的特征图;
通过候选区域网络对所述特征图进行检测,得到所述待选产品对应的候选区域;
计算所述候选区域对应各候选产品类型的概率,将概率最大值所对应的候选产品类型作为所述待选产品对应的产品类型。
4.根据权利要求3所述的方法,其特征在于,所述计算所述候选区域对应各候选产品类型的概率,将概率最大值所对应的候选产品类型作为所述待选产品对应的产品类型包括:
将所述候选区域划分成多个子区域;
获取各所述子区域分别属于各候选产品类型的概率;
根据所述概率统计所述候选区域对应各所述候选产品类型的得分;
将对应各候选产品类型的得分进行归一化处理,将概率最大值所对应的候选产品类型作为所述候选区域对应的产品类型。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
提取所述现实场景图像中的特征点;
获取具有基准平面属性的模板物体对应的模板特征点;
基于提取的所述特征点与所述模板特征点之间的相似度进行特征点匹配;
当匹配成功的特征点的数量超过预设阈值时,则确定所述现实场景图像中存在基准平面。
6.根据权利要求1所述的方法,其特征在于,所述当所述现实场景图像中存在基准平面时,则根据所述基准平面在所述现实场景图像中绘制与所述产品标识对应的产品信息,得到增强现实场景图像包括:
当所述现实场景图像中存在基准平面时,则以所述基准平面的中心点为原点构建现实场景空间坐标系,确定所述中心点在所述现实场景图像中的屏幕像素坐标,并获取预先标定的内参矩阵;
根据所述现实场景空间坐标系、所述屏幕像素坐标和所述内参矩阵计算当前的外参矩阵;
获取与所述产品标识对应的产品信息,并根据所述外参矩阵在所述现实场景图像中绘制依附于所述基准平面的所述产品信息,得到增强现实场景图像。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:
采集所述待选产品对应的图形码并解析所述图形码得到产品标识;
获取与所述产品标识对应的产品信息并显示在支付页面中;
根据在所述支付页面中触发的对所述待选产品的支付操作执行支付流程。
8.一种信息展示装置,其特征在于,所述装置包括:
获取模块,用于获取实时采集的包括待选产品的现实场景图像;
识别模块,用于识别所述待选产品对应的产品标识;
绘制模块,用于当所述现实场景图像中存在基准平面时,则根据所述基准平面在所述现实场景图像中绘制与所述产品标识对应的产品信息,得到增强现实场景图像;
显示模块,用于显示包括所述产品信息的所述增强现实场景图像。
9.根据权利要求8所述的装置,其特征在于,所述识别模块包括:
物体检测模块,用于对所述现实场景图像进行物体检测,得到所述待选产品对应的产品类型;
文字识别模块,用于当所述产品类型为指定产品类型时,则对所述现实场景图像中与所述待选产品对应的产品标签进行文字识别,得到产品标签信息;
确定模块,用于根据所述产品标签信息确定所述待选产品对应的产品标识。
10.根据权利要求8所述的装置,其特征在于,所述物体检测模块包括:
特征提取模块,用于提取所述现实场景图像的图像特征,得到对应的特征图;
候选区域检测模块,用于通过候选区域网络对所述特征图进行检测,得到所述待选产品对应的候选区域;
分类模块,用于计算所述候选区域对应各候选产品类型的概率,将概率最大值所对应的候选产品类型作为所述待选产品对应的产品类型。
11.根据权利要求10所述的装置,其特征在于,所述分类模块还用于将所述候选区域划分成多个子区域;获取各所述子区域分别属于各候选产品类型的概率;根据所述概率统计所述候选区域对应各所述候选产品类型的得分;将对应各候选产品类型的得分进行归一化处理,将概率最大值所对应的候选产品类型作为所述候选区域对应的产品类型。
12.根据权利要求8所述的装置,其特征在于,所述装置还包括:
特征点提取模块,用于提取所述现实场景图像中的特征点;
模板特征点获取模块,用于获取具有基准平面属性的模板物体对应的模板特征点;
特征点匹配模块,用于基于提取的所述特征点与所述模板特征点之间的相似度进行特征点匹配;当匹配成功的特征点的数量超过预设阈值时,则确定所述现实场景图像中存在基准平面。
13.根据权利要求8所述的装置,其特征在于,所述绘制模块还用于当所述现实场景图像中存在基准平面时,则以所述基准平面的中心点为原点构建现实场景空间坐标系,确定所述中心点在所述现实场景图像中的屏幕像素坐标,并获取预先标定的内参矩阵;根据所述现实场景空间坐标系、所述屏幕像素坐标和所述内参矩阵计算当前的外参矩阵;获取与所述产品标识对应的产品信息,并根据所述外参矩阵在所述现实场景图像中绘制依附于所述基准平面的所述产品信息,得到增强现实场景图像。
14.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910192289.4A CN109871826A (zh) | 2019-03-14 | 2019-03-14 | 信息展示方法、装置、计算机可读存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910192289.4A CN109871826A (zh) | 2019-03-14 | 2019-03-14 | 信息展示方法、装置、计算机可读存储介质和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109871826A true CN109871826A (zh) | 2019-06-11 |
Family
ID=66920439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910192289.4A Pending CN109871826A (zh) | 2019-03-14 | 2019-03-14 | 信息展示方法、装置、计算机可读存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109871826A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110215686A (zh) * | 2019-06-27 | 2019-09-10 | 网易(杭州)网络有限公司 | 游戏场景中的显示控制方法及装置、存储介质及电子设备 |
CN110286773A (zh) * | 2019-07-01 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 基于增强现实的信息提供方法、装置、设备及存储介质 |
CN110569265A (zh) * | 2019-09-10 | 2019-12-13 | 浪潮商用机器有限公司 | 一种服务器配件信息显示方法、装置、ar眼镜及介质 |
CN110852297A (zh) * | 2019-11-19 | 2020-02-28 | 中国银行股份有限公司 | 产品信息的处理方法及系统 |
CN110866618A (zh) * | 2019-11-19 | 2020-03-06 | 中国银行股份有限公司 | 设备信息的处理方法及系统 |
CN112884556A (zh) * | 2021-03-23 | 2021-06-01 | 中德(珠海)人工智能研究院有限公司 | 一种基于混合现实的店铺展示方法、系统、设备和介质 |
CN114529690A (zh) * | 2020-10-30 | 2022-05-24 | 北京字跳网络技术有限公司 | 增强现实场景呈现方法、装置、终端设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069644A (zh) * | 2015-07-20 | 2015-11-18 | 北京易讯理想科技有限公司 | 基于增强现实的购物客户端、服务器及系统 |
CN106412229A (zh) * | 2015-07-28 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 用于移动终端的交互方法、装置和移动终端 |
CN106874894A (zh) * | 2017-03-28 | 2017-06-20 | 电子科技大学 | 一种基于区域全卷积神经网络的人体目标检测方法 |
CN106934693A (zh) * | 2017-03-06 | 2017-07-07 | 浙江传媒学院 | 基于ar产品模型在vr场景中显示的瓷砖选型方法和系统 |
CN107330391A (zh) * | 2017-06-26 | 2017-11-07 | 北京小米移动软件有限公司 | 产品信息提示方法及装置 |
CN107590453A (zh) * | 2017-09-04 | 2018-01-16 | 腾讯科技(深圳)有限公司 | 增强现实场景的处理方法、装置及设备、计算机存储介质 |
CN107784541A (zh) * | 2016-08-26 | 2018-03-09 | 阿里巴巴集团控股有限公司 | 提供数据对象信息的方法及装置 |
CN108734087A (zh) * | 2018-03-29 | 2018-11-02 | 京东方科技集团股份有限公司 | 物体自动识别方法以及系统、购物设备和存储介质 |
CN109145141A (zh) * | 2018-09-06 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 信息展示方法和装置 |
-
2019
- 2019-03-14 CN CN201910192289.4A patent/CN109871826A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069644A (zh) * | 2015-07-20 | 2015-11-18 | 北京易讯理想科技有限公司 | 基于增强现实的购物客户端、服务器及系统 |
CN106412229A (zh) * | 2015-07-28 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 用于移动终端的交互方法、装置和移动终端 |
CN107784541A (zh) * | 2016-08-26 | 2018-03-09 | 阿里巴巴集团控股有限公司 | 提供数据对象信息的方法及装置 |
CN106934693A (zh) * | 2017-03-06 | 2017-07-07 | 浙江传媒学院 | 基于ar产品模型在vr场景中显示的瓷砖选型方法和系统 |
CN106874894A (zh) * | 2017-03-28 | 2017-06-20 | 电子科技大学 | 一种基于区域全卷积神经网络的人体目标检测方法 |
CN107330391A (zh) * | 2017-06-26 | 2017-11-07 | 北京小米移动软件有限公司 | 产品信息提示方法及装置 |
CN107590453A (zh) * | 2017-09-04 | 2018-01-16 | 腾讯科技(深圳)有限公司 | 增强现实场景的处理方法、装置及设备、计算机存储介质 |
CN108734087A (zh) * | 2018-03-29 | 2018-11-02 | 京东方科技集团股份有限公司 | 物体自动识别方法以及系统、购物设备和存储介质 |
CN109145141A (zh) * | 2018-09-06 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 信息展示方法和装置 |
Non-Patent Citations (2)
Title |
---|
JIFENG DAI ET AL.: ""R-FCN: Object Detection via Region-based Fully Convolutional Networks"", 《ARXIV:1605.06409V2》 * |
胡正委 等: ""基于改进Faster RCNN与Grabcut的商品图像检测"", 《计算机系统应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110215686A (zh) * | 2019-06-27 | 2019-09-10 | 网易(杭州)网络有限公司 | 游戏场景中的显示控制方法及装置、存储介质及电子设备 |
CN110215686B (zh) * | 2019-06-27 | 2023-01-06 | 网易(杭州)网络有限公司 | 游戏场景中的显示控制方法及装置、存储介质及电子设备 |
CN110286773A (zh) * | 2019-07-01 | 2019-09-27 | 腾讯科技(深圳)有限公司 | 基于增强现实的信息提供方法、装置、设备及存储介质 |
CN110286773B (zh) * | 2019-07-01 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 基于增强现实的信息提供方法、装置、设备及存储介质 |
CN110569265A (zh) * | 2019-09-10 | 2019-12-13 | 浪潮商用机器有限公司 | 一种服务器配件信息显示方法、装置、ar眼镜及介质 |
CN110852297A (zh) * | 2019-11-19 | 2020-02-28 | 中国银行股份有限公司 | 产品信息的处理方法及系统 |
CN110866618A (zh) * | 2019-11-19 | 2020-03-06 | 中国银行股份有限公司 | 设备信息的处理方法及系统 |
CN114529690A (zh) * | 2020-10-30 | 2022-05-24 | 北京字跳网络技术有限公司 | 增强现实场景呈现方法、装置、终端设备和存储介质 |
CN114529690B (zh) * | 2020-10-30 | 2024-02-27 | 北京字跳网络技术有限公司 | 增强现实场景呈现方法、装置、终端设备和存储介质 |
CN112884556A (zh) * | 2021-03-23 | 2021-06-01 | 中德(珠海)人工智能研究院有限公司 | 一种基于混合现实的店铺展示方法、系统、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871826A (zh) | 信息展示方法、装置、计算机可读存储介质和计算机设备 | |
CN111476227B (zh) | 基于ocr的目标字段识别方法、装置及存储介质 | |
US9177225B1 (en) | Interactive content generation | |
US9600497B2 (en) | Image-based indexing in a network-based marketplace | |
CN108416902B (zh) | 基于差异识别的实时物体识别方法和装置 | |
US8401230B2 (en) | Signature based drive-through order tracking system and method | |
CN108319633B (zh) | 一种图像处理方法、装置及服务器、系统、存储介质 | |
JP2010518507A (ja) | 特徴マッチング方法 | |
CN109086834B (zh) | 字符识别方法、装置、电子设备及存储介质 | |
Marder et al. | Using image analytics to monitor retail store shelves | |
CN109886223B (zh) | 人脸识别方法、底库录入方法、装置及电子设备 | |
JP2004127013A (ja) | 販売時点情報管理装置 | |
KR20120001285A (ko) | 객체 인식을 통한 상품 분류 검색 및 쇼핑 정보 제공 서비스 방법, 서버 및 시스템 | |
CN113627411A (zh) | 一种基于超分辨率的商品识别与价格匹配方法及系统 | |
US20210072880A1 (en) | Method and electronic device for generating at least one data item from screenshot | |
JP2013109773A (ja) | 特徴マッチング方法及び商品認識システム | |
CN112183307A (zh) | 文本识别方法、计算机设备和存储介质 | |
CN108805577B (zh) | 信息处理方法、装置、系统、计算机设备及存储介质 | |
CN110059212A (zh) | 图像检索方法、装置、设备及计算机可读存储介质 | |
WO2020258669A1 (zh) | 网址识别方法、装置、计算机设备和存储介质 | |
CN113239227B (zh) | 图像数据结构化方法、装置、电子设备及计算机可读介质 | |
CN110490022A (zh) | 一种识别图片中的条形码方法及装置 | |
WO2007004521A1 (ja) | マーカ特定装置及びマーカ特定方法 | |
CN110245571A (zh) | 合同签字审核方法、装置、计算机设备和存储介质 | |
Martinel et al. | Robust painting recognition and registration for mobile augmented reality |
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 |