CN109919094A - 图像处理方法、装置、系统、计算机可读存储介质 - Google Patents
图像处理方法、装置、系统、计算机可读存储介质 Download PDFInfo
- Publication number
- CN109919094A CN109919094A CN201910173725.3A CN201910173725A CN109919094A CN 109919094 A CN109919094 A CN 109919094A CN 201910173725 A CN201910173725 A CN 201910173725A CN 109919094 A CN109919094 A CN 109919094A
- Authority
- CN
- China
- Prior art keywords
- area
- image
- texture
- feature vector
- target object
- 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
- Image Analysis (AREA)
Abstract
本公开提供一种图像处理方法,包括:获取第一图像和第二图像,其中,所述第一图像包括第一目标对象,所述第二图像包括第二目标对象;确定所述第一目标对象和所述第二目标对象的相对位置信息;确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息;以及基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种图像处理方法、一种图像处理装置、一种图像处理系统、以及一种计算机可读存储介质。
背景技术
生物认证技术逐渐应用于各个领域中,例如应用于安防、国防、电子商务、金融等多种领域,该生物认证技术的应用前景非常广阔。例如虹膜识别具有较高的安全性。其中虹膜质量判断,特别是用户进行虹膜注册时,对虹膜图像的质量判断,对整个系统的性能及易用性起到了至关重要的作用。因此,如何提高生物识别(例如虹膜质量判断)的便捷性,以及减少生物识别过程中的计算量成为目前亟需解决的问题。
在实现本公开构思的过程中,发明人发现现有技术中至少存在如下问题,现有技术中生物识别(例如虹膜质量判断)的过程不够便捷,并且识别过程的计算量大。
发明内容
有鉴于此,本公开提供了一种优化的图像处理方法和图像处理装置。
本公开的一个方面提供了一种图像处理方法,包括:获取第一图像和第二图像,其中,所述第一图像包括第一目标对象,所述第二图像包括第二目标对象,确定所述第一目标对象和所述第二目标对象的相对位置信息,确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息,以及基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度。
根据本公开的实施例,上述方法还包括:获取所述第一图像的第一区域以及所述第二图像的第二区域,其中,所述第一区域包括所述第一目标对象,所述第二区域包括所述第二目标对象。
根据本公开的实施例,上述确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息,包括:确定所述第一区域的第一纹理特征向量,以及确定所述第二区域的第二纹理特征向量。
根据本公开的实施例,上述第一区域和所述第二区域均包括多个子区域。确定所述第一区域的第一纹理特征向量,包括:确定所述第一区域的多个子区域中每个子区域的第一特征值,基于所述第一特征值得到所述第一纹理特征向量。确定所述第二区域的第二纹理特征向量,包括:确定所述第二区域的多个子区域中每个子区域的第二特征值,基于所述第二特征值得到所述第二纹理特征向量。
根据本公开的实施例,上述每个子区域包括多个像素点,所述第一特征值和所述第二特征值均包括与所述多个像素点对应的多个特征值。
根据本公开的实施例,上述基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度,包括:确定所述第一纹理特征向量和所述第二纹理特征向量之间的第二相似度,基于所述相对位置信息和所述第二相似度确定所述第一目标对象和所述第二目标对象的第一相似度。
本公开的另一个方面提供了一种图像处理装置,包括:第一获取模块、第一确定模块、第二确定模块以及第三确定模块。其中,第一获取模块获取第一图像和第二图像,其中,所述第一图像包括第一目标对象,所述第二图像包括第二目标对象,第一确定模块确定所述第一目标对象和所述第二目标对象的相对位置信息,第二确定模块确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息,第三确定模块基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度。
根据本公开的实施例,上述装置还包括:第二获取模块,获取所述第一图像的第一区域以及所述第二图像的第二区域,其中,所述第一区域包括所述第一目标对象,所述第二区域包括所述第二目标对象。
根据本公开的实施例,上述确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息,包括:确定所述第一区域的第一纹理特征向量,以及确定所述第二区域的第二纹理特征向量。
根据本公开的实施例,上述第一区域和所述第二区域均包括多个子区域。确定所述第一区域的第一纹理特征向量,包括:确定所述第一区域的多个子区域中每个子区域的第一特征值,基于所述第一特征值得到所述第一纹理特征向量。确定所述第二区域的第二纹理特征向量,包括:确定所述第二区域的多个子区域中每个子区域的第二特征值,基于所述第二特征值得到所述第二纹理特征向量。
根据本公开的实施例,上述每个子区域包括多个像素点,所述第一特征值和所述第二特征值均包括与所述多个像素点对应的多个特征值。
根据本公开的实施例,上述基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度,包括:确定所述第一纹理特征向量和所述第二纹理特征向量之间的第二相似度,基于所述相对位置信息和所述第二相似度确定所述第一目标对象和所述第二目标对象的第一相似度。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,可以至少部分地解决现有技术中生物识别(例如虹膜质量判断)的过程不够便捷,并且识别过程的计算量大的问题,并因此可以实现提高生物识别(例如虹膜质量判断)的便捷性,以及减少生物识别过程中的计算量的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的图像处理方法和图像处理系统的系统架构;
图2示意性示出了根据本公开实施例的图像处理方法的流程图;
图3示意性示出了根据本公开另一实施例的图像处理方法的流程图;
图4示意性示出了根据本公开实施例的图像处理装置的框图;
图5示意性示出了根据本公开另一实施例的图像处理装置的框图;以及
图6示意性示出了根据本公开实施例的适于图像处理的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种图像处理方法,包括:获取第一图像和第二图像,其中,第一图像包括第一目标对象,第二图像包括第二目标对象,确定第一目标对象和第二目标对象的相对位置信息,确定第一目标对象的第一纹理信息和第二目标对象的第二纹理信息,以及基于相对位置信息、第一纹理信息、第二纹理信息确定第一目标对象和第二目标对象的第一相似度。
图1示意性示出了根据本公开实施例的图像处理方法和图像处理系统的系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、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(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的图像处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的图像处理装置一般可以设置于服务器105中。本公开实施例所提供的图像处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的图像处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
例如,本公开实施例获取的第一图像和第二图像可以存储在终端设备101、102、103中,通过终端设备101、102、103将第一图像和第二图像发送至服务器105中,服务器105可以确定第一图像中的第一目标对象和第二图像中的第二目标对象的相对位置信息以及确定第一目标对象的第一纹理信息和第二目标对象的第二纹理信息,并基于相对位置信息、第一纹理信息、第二纹理信息确定第一目标对象和第二目标对象的第一相似度。或者,终端设备101、102、103也可以直接确定第一图像中的第一目标对象和第二图像中的第二目标对象的相对位置信息以及确定第一目标对象的第一纹理信息和第二目标对象的第二纹理信息,并基于相对位置信息、第一纹理信息、第二纹理信息确定第一目标对象和第二目标对象的第一相似度。另外,获取的第一图像和第二图像还可以直接存储在服务器105中,由服务器105直接确定第一图像中的第一目标对象和第二图像中的第二目标对象的相对位置信息以及确定第一目标对象的第一纹理信息和第二目标对象的第二纹理信息,并基于相对位置信息、第一纹理信息、第二纹理信息确定第一目标对象和第二目标对象的第一相似度。
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。
图2示意性示出了根据本公开实施例的图像处理方法的流程图。
如图2所示,该方法包括操作S210~S240。
在操作S210,获取第一图像和第二图像,其中,第一图像包括第一目标对象,第二图像包括第二目标对象。
根据本公开实施例,第一图像和第二图像例如均为包括虹膜的图像。例如,在用户进行虹膜注册时,需要判断所获取的图像中的虹膜的质量。换言之,在注册虹膜时,通过获取包含用户眼部的多帧图像,并通过前后两帧的图像的差异程度来判断是否存在运动模糊(例如是否由于用户运动而使得所获取的眼部图像较模糊),以此来判断注册虹膜的质量。
其中,第一目标对象例如为用户的眼睛,第二目标对象例如也为用户的眼睛。由于获取第一图像和第二图像时具有时间差,因此,可能由于用户运动而使得第一目标对象和第二目标对象存在差异,例如第一目标对象和第二目标对象存在运动模糊。
可以理解,本公开实施例中的第一目标对象或第二目标对象可以但不仅限于用户的眼部,还可以是用户的脸部、手部等其他身体部位。
在操作S220,确定第一目标对象和第二目标对象的相对位置信息。
根据本公开实施例,例如通过摄像头获取第一图像和第二图像,其中,摄像头在获取图像的过程中例如保持位置固定不变。此时,如果由于用户运动,则第一目标对象在第一图像中的位置与第二目标对象在第二图像中的位置不同。
在本公开实施例中,可以通过定位第一图像中的第一目标对象得到第一目标对象的位置信息,以及定位第二图像中的第二目标对象得到第二目标对象的位置信息,并根据第一目标对象在第一图像中的位置信息和第二目标对象在第二图像中的位置信息计算出第一目标对象和第二目标对象的相对位置信息。
例如,通过定位获取第一目标对象在第一图像中的坐标,以及定位第二目标对象在第二图像中的坐标,通过计算第一目标对象和第二目标对象之间的坐标差值即可得到第一目标对象和第二目标对象的相对位置信息。
在操作S230,确定第一目标对象的第一纹理信息和第二目标对象的第二纹理信息。
根据本公开实施例,例如由于用户运动而使得第一目标对象和第二目标对象之间存在差异(存在运动模糊),且存在差异的第一目标对象和第二目标对象的纹理不同。因此,可以通过获取第一目标对象的第一纹理信息和第二目标对象的第二纹理信息来确定第一目标对象和第二目标对象之间的差异。
在操作S240,基于相对位置信息、第一纹理信息、第二纹理信息确定第一目标对象和第二目标对象的第一相似度。
根据本公开实施例,例如由于用户运动而使得第一目标对象和第二目标对象之间存在差异,该差异例如可以包括第一目标对象和第二目标对象之间的位置差异以及第一目标对象和第二目标对象的模糊程度不同。并且,第一目标对象和第二目标对象的模糊程度可以通过纹理信息表征。因此,第一目标对象和第二目标对象的第一相似度可以通过位置差异和表征对象模糊程度的纹理信息计算得到。
例如,以第一目标对象和第二目标对象为用户的虹膜举例,该第一相似度能够表征虹膜注册过程中的质量。即,第一相似度越大,表征注册虹膜的质量越好,即注册虹膜为清晰高质量的虹膜。相反,第一相似度越小,则表示注册虹膜过程中由于用户运动而造成注册虹膜存在运动模糊。
本公开实施例通过确定第一图像中的第一目标对象和第二图像中的第二目标对象之间的相对位置信息,以及第一目标对象和第二目标对象的纹理信息来确定第一目标对象和第二目标对象的第一相似度。例如,以第一目标对象和第二目标对象为用户的虹膜举例,该第一相似度能够表征虹膜注册过程中的虹膜的质量。本公开实施例的方案可以通过确定第一目标对象和第二目标对象之间的第一相似度来判断图像中目标对象的质量,实现提高生物识别(例如虹膜质量判断)的便捷性,以及减少生物识别过程中的计算量。
图3示意性示出了根据本公开另一实施例的图像处理方法的流程图。
如图3所示,该方法包括操作S210~S240以及操作S310。其中,操作S210~S240与上参考图2中描述的操作相同或类似,在此不再赘述。
为了便于理解本公开实施例的技术方案,以第一目标对象和第二目标对象均包括用户的双目(包括左眼和右眼)作出举例如下。
在操作S310,获取第一图像的第一区域以及第二图像的第二区域,其中,第一区域包括第一目标对象,第二区域包括第二目标对象。
在本公开实施中,例如通过定位第一图像中的第一目标对象的位置,并记录第一目标对象在第一图像中的坐标,基于第一目标对象的坐标截取第一图像中的包括第一目标对象的第一区域。同理,截取第二图像中包括第二目标对象的第二区域。
例如,对于第一图像来说。通过定位第一图像中的双目的位置,记录左眼和右眼的坐标(loc_L,loc_R),并分别截取包括左眼和右眼的部分图像eye_L和eye_R。其中,包括左眼的部分图像eye_L和包括右眼的部分图像eye_R的大小例如均为M*N个像素,其中,M为宽度,N为长度。
其中,操作S230包括确定第一区域的第一纹理特征向量,以及确定第二区域的第二纹理特征向量。
根据本公开实施例,第一纹理特征向量能够表征第一区域的纹理信息,第二纹理特征向量能够表征第二区域的纹理信息。其中,确定第一区域的第一纹理特征向量和第二区域的第二纹理特征向量的具体过程如下描述。
根据本公开实施例,第一区域和第二区域均包括多个子区域。
例如,第一图像中的第一区域包括左眼的部分图像eye_L和右眼的部分图像eye_R,左眼的部分图像eye_L和右眼的部分图像eye_R例如均包括m*n个子区域。
以下以第一图像中的左眼的部分图像eye_L举例。
例如,第一图像中的左眼的部分图像eye_L中的每个子区域包括多个像素点,例如,每个子区域的大小均为(M/m)*(N/n)=k*p个像素,其中,k为每个子区域的宽度,p为每个子区域的长度。
其中,确定第一区域的第一纹理特征向量,包括:确定第一区域的多个子区域中每个子区域的第一特征值,基于第一特征值得到第一纹理特征向量。
根据本公开实施例,由于第一图像中的左眼的部分图像eye_L包括m*n个子区域,因此,左眼的部分图像eye_L包括m*n个第一特征值,由于每个子区域包括多个像素点,第一特征值包括与多个像素点对应的多个特征值。
例如,第一图像中的左眼的部分图像eye_L包括m*n个子区域,每个子区域包括k*p个像素,则第一图像中的左眼的部分图像eye_L共包括m*n*k*p个像素。因此,第一图像中的左眼的部分图像eye_L共包括m*n*k*p个特征值,即,第一图像中的左眼的部分图像中的每个像素对应有一个特征值。
以下举例如何计算一个像素对应的一个特征值:
例如通过LBP(Local Binary Patterns)特征计算方法计算一个像素对应的特征值。例如,对于一个像素来说,将该像素周围的8个像素的灰度值分别与该像素的灰度值进行对比,若周围像素的灰度值大于该像素的灰度值,则标记为二进制1,否则标记为二进制0。这样,对于该像素来说,有对应的8位二进制,该8位二进制即为该像素的特征值(或者该8位二进制对应的十进制数为该像素的特征值)。
同理,第一图像中的左眼的部分图像eye_L包括m*n*k*p个特征值均可由上述LBP特征计算方法计算得出。然后统计m*n*k*p个特征值出现的频率得到直方图,然后对该直方图进行归一化处理,并将归一化后的直方图进行连接成为一个特征向量,该特征向量即为第一图像中的左眼的部分图像eye_L的第一纹理特征向量fea_L。
同理,可计算得到第一图像中的右眼的部分图像eye_R的第一纹理特征向量fea_R。
同理,确定第二区域的第二纹理特征向量的过程与第一区域的第一纹理特征向量相同或类似,包括:确定第二区域的多个子区域中每个子区域的第二特征值,基于第二特征值得到第二纹理特征向量。由于每个子区域包括多个像素点,第二特征值包括与多个像素点对应的多个特征值。
具体地,第二图像中的第二区域包括左眼的部分图像和包括右眼的部分图像。与第一图像中的计算方式相同或类似,例如可得到第二图像中的左眼的部分图像的第二纹理特征向量fea_L’,以及第二图像中的右眼的部分图像的第二纹理特征向量fea_R’。
其中,操作S240例如包括以下步骤:
(1)确定第一纹理特征向量和第二纹理特征向量之间的第二相似度。
例如,计算第一图像的左眼的部分图像的第一纹理特征向量fea_L与第二图像的左眼的部分图像的第二纹理特征向量fea_L’之间的余弦距离(或者还可以是欧氏距离、哈曼顿距离等等),该余弦距离即为第一图像和第二图像中左眼的部分图像的相似度,例如为simi_fea_L。同理,第一图像和第二图像中右眼的部分图像的相似度例如为simi_fea_R。
进一步,可得到第一区域的第一纹理特征向量和第二区域的第二纹理特征向量之间的第二相似度为simi_fea=simi_fea_L+simi_fea_R。
(2)基于相对位置信息和第二相似度确定第一目标对象和第二目标对象的第一相似度。
根据本公开实施例,相对位置信息例如为第一目标对象和第二目标对象的位置差,例如为diff_loc。其中,例如根据相对位置信息diff_loc和第二相似度simi_fea确定第一目标对象和第二目标对象的第一相似度。
具体地,例如通过构造判别函数y=x1*simi_fea-x2*diff_loc,其中x1,x2为预先设定的系数。其中,y即为第一相似度,将y与预先设定的阈值Thr进行比较,如果y<Thr,则表明第一目标对象与第二目标对象的差异较大,说明由于用户运动而造成第一目标对象和第二目标对象之间的模糊程度较大,虹膜质量低。如果y>=Thr,则表明第一目标对象与第二目标对象较相似,模糊程度小,虹膜质量高。
图4示意性示出了根据本公开实施例的图像处理装置的框图。
如图4所示,图像处理装置400包括第一获取模块410、第一确定模块420、第二确定模块430以及第三确定模块440。
第一获取模块410可以用于获取第一图像和第二图像,其中,第一图像包括第一目标对象,第二图像包括第二目标对象。根据本公开实施例,第一获取模块410例如可以执行上文参考图2描述的操作S210,在此不再赘述。
第一确定模块420可以用于确定第一目标对象和第二目标对象的相对位置信息。根据本公开实施例,第一确定模块420例如可以执行上文参考图2描述的操作S220,在此不再赘述。
第二确定模块430可以用于确定第一目标对象的第一纹理信息和第二目标对象的第二纹理信息。根据本公开实施例,第二确定模块430例如可以执行上文参考图2描述的操作S230,在此不再赘述。
第三确定模块440可以用于基于相对位置信息、第一纹理信息、第二纹理信息确定第一目标对象和第二目标对象的第一相似度。根据本公开实施例,第三确定模块440例如可以执行上文参考图2描述的操作S240,在此不再赘述。
图5示意性示出了根据本公开另一实施例的图像处理装置的框图。
如图5所示,图像处理装置500包括第一获取模块410、第一确定模块420、第二确定模块430、第三确定模块440以及第二获取模块510。其中,第一获取模块410、第一确定模块420、第二确定模块430以及第三确定模块440与上参考图4描述的模块相同或类似,在此不再赘述。
第二获取模块510可以用于获取第一图像的第一区域以及第二图像的第二区域,其中,第一区域包括第一目标对象,第二区域包括第二目标对象。
根据本公开实施例,确定第一目标对象的第一纹理信息和第二目标对象的第二纹理信息,包括:确定第一区域的第一纹理特征向量,以及确定第二区域的第二纹理特征向量。
根据本公开实施例,第一区域和第二区域均包括多个子区域。确定第一区域的第一纹理特征向量,包括:确定第一区域的多个子区域中每个子区域的第一特征值,基于第一特征值得到第一纹理特征向量。确定第二区域的第二纹理特征向量,包括:确定第二区域的多个子区域中每个子区域的第二特征值,基于第二特征值得到第二纹理特征向量。
根据本公开实施例,每个子区域包括多个像素点,第一特征值和第二特征值均包括与多个像素点对应的多个特征值。
根据本公开实施例,基于相对位置信息、第一纹理信息、第二纹理信息确定第一目标对象和第二目标对象的第一相似度,包括:确定第一纹理特征向量和第二纹理特征向量之间的第二相似度,基于相对位置信息和第二相似度确定第一目标对象和第二目标对象的第一相似度。
根据本公开实施例,第二获取模块510例如可以执行上文参考图3描述的操作S310,在此不再赘述。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一获取模块410、第一确定模块420、第二确定模块430、第三确定模块440以及第二获取模块510中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,第一获取模块410、第一确定模块420、第二确定模块430、第三确定模块440以及第二获取模块510中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一获取模块410、第一确定模块420、第二确定模块430、第三确定模块440以及第二获取模块510中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于图像处理的计算机系统的方框图。图6示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,根据本公开实施例的计算机系统600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有系统600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质616,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610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608。
根据本公开的实施例,根据本公开实施例的方法流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存储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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是计算机非易失性的计算机可读存储介质,例如可以可以包括但不限于: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)、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。在本公开中,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。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,上述模块、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,框图或流程图中的每个方框、以及框图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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (14)
1.一种图像处理方法,包括:
获取第一图像和第二图像,其中,所述第一图像包括第一目标对象,所述第二图像包括第二目标对象;
确定所述第一目标对象和所述第二目标对象的相对位置信息;
确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息;以及
基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度。
2.根据权利要求1所述的方法,还包括:
获取所述第一图像的第一区域以及所述第二图像的第二区域,其中,所述第一区域包括所述第一目标对象,所述第二区域包括所述第二目标对象。
3.根据权利要求2所述的方法,其中,所述确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息,包括:
确定所述第一区域的第一纹理特征向量;以及
确定所述第二区域的第二纹理特征向量。
4.根据权利要求3所述的方法,其中:
所述第一区域和所述第二区域均包括多个子区域;
确定所述第一区域的第一纹理特征向量,包括:确定所述第一区域的多个子区域中每个子区域的第一特征值,基于所述第一特征值得到所述第一纹理特征向量;
确定所述第二区域的第二纹理特征向量,包括:确定所述第二区域的多个子区域中每个子区域的第二特征值,基于所述第二特征值得到所述第二纹理特征向量。
5.根据权利要求4所述的方法,其中:
所述每个子区域包括多个像素点,所述第一特征值和所述第二特征值均包括与所述多个像素点对应的多个特征值。
6.根据权利要求4所述的方法,其中,所述基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度,包括:
确定所述第一纹理特征向量和所述第二纹理特征向量之间的第二相似度;
基于所述相对位置信息和所述第二相似度确定所述第一目标对象和所述第二目标对象的第一相似度。
7.一种图像处理装置,包括:
第一获取模块,获取第一图像和第二图像,其中,所述第一图像包括第一目标对象,所述第二图像包括第二目标对象;
第一确定模块,确定所述第一目标对象和所述第二目标对象的相对位置信息;
第二确定模块,确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息;以及
第三确定模块,基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度。
8.根据权利要求7所述的装置,还包括:
第二获取模块,获取所述第一图像的第一区域以及所述第二图像的第二区域,其中,所述第一区域包括所述第一目标对象,所述第二区域包括所述第二目标对象。
9.根据权利要求8所述的装置,其中,所述确定所述第一目标对象的第一纹理信息和所述第二目标对象的第二纹理信息,包括:
确定所述第一区域的第一纹理特征向量;以及
确定所述第二区域的第二纹理特征向量。
10.根据权利要求9所述的装置,其中:
所述第一区域和所述第二区域均包括多个子区域;
确定所述第一区域的第一纹理特征向量,包括:确定所述第一区域的多个子区域中每个子区域的第一特征值,基于所述第一特征值得到所述第一纹理特征向量;
确定所述第二区域的第二纹理特征向量,包括:确定所述第二区域的多个子区域中每个子区域的第二特征值,基于所述第二特征值得到所述第二纹理特征向量。
11.根据权利要求10所述的装置,其中:
所述每个子区域包括多个像素点,所述第一特征值和所述第二特征值均包括与所述多个像素点对应的多个特征值。
12.根据权利要求10所述的装置,其中,所述基于所述相对位置信息、所述第一纹理信息、所述第二纹理信息确定所述第一目标对象和所述第二目标对象的第一相似度,包括:
确定所述第一纹理特征向量和所述第二纹理特征向量之间的第二相似度;
基于所述相对位置信息和所述第二相似度确定所述第一目标对象和所述第二目标对象的第一相似度。
13.一种图像处理系统,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,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~6中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173725.3A CN109919094A (zh) | 2019-03-07 | 2019-03-07 | 图像处理方法、装置、系统、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173725.3A CN109919094A (zh) | 2019-03-07 | 2019-03-07 | 图像处理方法、装置、系统、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109919094A true CN109919094A (zh) | 2019-06-21 |
Family
ID=66963797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910173725.3A Pending CN109919094A (zh) | 2019-03-07 | 2019-03-07 | 图像处理方法、装置、系统、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109919094A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022393A (zh) * | 2016-05-25 | 2016-10-12 | 华中科技大学 | 一种基于笔划编码的印刷体汉字识别方法 |
CN107734253A (zh) * | 2017-10-13 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端和计算机可读存储介质 |
-
2019
- 2019-03-07 CN CN201910173725.3A patent/CN109919094A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022393A (zh) * | 2016-05-25 | 2016-10-12 | 华中科技大学 | 一种基于笔划编码的印刷体汉字识别方法 |
CN107734253A (zh) * | 2017-10-13 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端和计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
丁明跃 等: "《物联网识别技术》", 31 July 2012 * |
李星光 等: "虹膜图像质量评价综述", 《中国图象图形学报》 * |
李涛 等著: "《数据挖掘的应用与实践-大数据时代的案例分析》", 31 October 2013 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229591B (zh) | 神经网络自适应训练方法和装置、设备、程序和存储介质 | |
US11544905B2 (en) | Method and apparatus for providing virtual clothing wearing service based on deep-learning | |
US8913068B1 (en) | Displaying video on a browser | |
CN107911753A (zh) | 用于在视频中添加数字水印的方法和装置 | |
KR102655540B1 (ko) | 효율적인 병렬 광학 흐름 알고리즘 및 gpu 구현 | |
JP2020515983A (ja) | 対象人物の検索方法および装置、機器、プログラム製品ならびに媒体 | |
CN111967467B (zh) | 图像目标检测方法、装置、电子设备和计算机可读介质 | |
CN108830329A (zh) | 图片处理方法和装置 | |
CN108984399A (zh) | 检测界面差异的方法、电子设备和计算机可读介质 | |
CN111797294A (zh) | 可视化方法及相关设备 | |
CN109344762A (zh) | 图像处理方法和装置 | |
CN109255337A (zh) | 人脸关键点检测方法和装置 | |
CN109711508A (zh) | 图像处理方法和装置 | |
CN109992406A (zh) | 图片请求方法、响应图片请求的方法及客户端 | |
CN111767750A (zh) | 图像处理方法和装置 | |
CN109377508A (zh) | 图像处理方法和装置 | |
CN110516099A (zh) | 图像处理方法和装置 | |
CN110288625B (zh) | 用于处理图像的方法和装置 | |
CN109272526A (zh) | 图像处理方法、系统及电子设备 | |
CN110263301A (zh) | 用于确定文字的颜色的方法和装置 | |
CN109597912A (zh) | 用于处理图片的方法 | |
CN110852250B (zh) | 一种基于最大面积法的车辆排重方法、装置及存储介质 | |
CN108537149A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN111860557B (zh) | 图像处理方法及装置、电子设备及计算机存储介质 | |
CN109919094A (zh) | 图像处理方法、装置、系统、计算机可读存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Technology Holding Co.,Ltd. Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd. |
|
CB02 | Change of applicant information |