CN110555173B - 一种基于poi的地域识别系统及其识别方法 - Google Patents
一种基于poi的地域识别系统及其识别方法 Download PDFInfo
- Publication number
- CN110555173B CN110555173B CN201910833109.6A CN201910833109A CN110555173B CN 110555173 B CN110555173 B CN 110555173B CN 201910833109 A CN201910833109 A CN 201910833109A CN 110555173 B CN110555173 B CN 110555173B
- Authority
- CN
- China
- Prior art keywords
- picture
- identified
- poi data
- poi
- interest
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Image Analysis (AREA)
Abstract
为了解决现有技术中未有高效地识别图片内容所在地域的方法,本公开提供了一种基于POI的地域识别系统及其识别方法,方法包括从POI数据集中获取POI数据,POI数据包括兴趣点位置信息、兴趣点类别和兴趣点图片;获取地域识别请求,地域识别请求包括待识别图片;根据待识别图片,判断待识别图片内容对应的兴趣点类别;根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据;将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,根据与待识别图片相匹配的POI数据识别地域。本公开可以高效地识别图片内容所在地域。
Description
技术领域
本公开涉及地域识别领域,尤其涉及一种基于POI的地域识别系统及其识别方法。
背景技术
网络中经常会出现一些照片,但往往分享中,并未涉及地域的信息;对于这种情况,为了知道地域信息,现阶段往往通过询问的方式,来获取地域信息,但这种方式,非常低效,而且往往只有分享该照片的人员才知晓,在无法联系到分析照片的人员的情况下,现阶段未有可以更高效地识别图片内容所在地域的方法。
发明内容
为了解决上述技术问题中的至少一个,本公开提供了一种基于POI的地域识别系统及其识别方法,更高效地识别地域。
本发明的一个方面,基于POI的地域识别方法,包括:
从POI数据集中获取POI数据,所述POI数据包括兴趣点位置信息、兴趣点类别和兴趣点图片;
获取地域识别请求,所述地域识别请求包括待识别图片;
根据待识别图片,判断待识别图片内容对应的兴趣点类别;
根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据;
将待识别图片和与待识别图片关联的POI数据中的兴趣点图片进行匹配,得到与待识别图片相匹配的POI数据;
根据与待识别图片相匹配的POI数据识别地域。
优选的,根据待识别图片,判断待识别图片内容对应的兴趣点类别,包括:通过图像识别获取待识别图片的特征元素,根据特征元素得到待识别图片内容对应的兴趣点类别。
优选的,根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据,包括:
比对待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,获取兴趣点类别包含待识别图片内容对应的兴趣点类别的POI数据,以作为待识别图片关联的POI数据。
优选的,将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,包括:
通过感知哈希算法计算待识别图片关联的POI数据的兴趣点图片与待识别图片的相似度,获取与待识别图片相似度大于预设值的兴趣点图片所对应的POI数据,以作为与待识别图片相匹配的POI数据。
优选的,根据与待识别图片相匹配的POI数据识别地域,包括:
提取与待识别图片相匹配的POI数据中的兴趣点位置信息,根据兴趣点位置信息识别区域。
作为本公开的另一方面,基于POI的地域识别系统,包括:
第一获取模块,从POI数据集中获取POI数据,所述POI数据包括兴趣点位置信息、兴趣点类别和兴趣点图片;
第二获取模块,获取地域识别请求,所述地域识别请求包括待识别图片;
第三获取模块,根据待识别图片,判断待识别图片内容对应的兴趣点类别;根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据;;
匹配模块,将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据;
地域识别模块,根据与待识别图片相匹配的POI数据识别地域。
优选的,根据待识别图片,判断待识别图片内容对应的兴趣点类别,包括:通过图像识别获取待识别图片的特征元素,根据特征元素得到待识别图片内容对应的兴趣点类别。
优选的,根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据,包括:
比对待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,获取兴趣点类别包含待识别图片内容对应的兴趣点类别的POI数据,以作为待识别图片关联的POI数据。
优选的,将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,包括:
通过感知哈希算法计算待识别图片关联的POI数据的兴趣点图片与待识别图片的相似度,获取与待识别图片相似度大于预设值的兴趣点图片所对应的POI数据,以作为与待识别图片相匹配的POI数据。
优选的,根据与待识别图片相匹配的POI数据识别地域,包括:
提取与待识别图片相匹配的POI数据中的兴趣点位置信息,根据兴趣点位置信息识别区域。
本公开的有益效果:通过识别待识别图片的兴趣点类别,再根据待识别图片的兴趣点类别从POI数据集中获取与待识别图片关联的POI数据,再通过待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,进而通过与待识别图片相匹配的POI数据识别地域,从而有效减少待识别图片与POI数据的匹配量,大大提高了地域识别速度。
附图说明
附图示出了本公开的示例性实施方式,并与其说明一起用于解释本公开的原理,其中包括了这些附图以提供对本公开的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分。
图1是本公开的示例性实施方式中基于POI的地域识别方法的流程图;
图2是本公开的示例性实施方式中基于POI的地域识别系统的连接示意图。
具体实施方式
下面结合附图和实施方式对本公开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方式仅用于解释相关内容,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开。
如图1所示,本实施方式公开了一种基于POI的地域识别方法,包括:
步骤S1:从POI数据集中获取POI数据,所述POI数据包括兴趣点位置信息、兴趣点类别和兴趣点图片;
步骤S2:获取地域识别请求,所述地域识别请求包括待识别图片;
步骤S3:根据待识别图片,判断待识别图片内容对应的兴趣点类别;
步骤S4:根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据;
步骤S5:将待识别图片和与待识别图片关联的POI数据中的兴趣点图片进行匹配,得到与待识别图片相匹配的POI数据;
步骤S6:根据与待识别图片相匹配的POI数据识别地域。
本实施例中,POI是“Point of Interest”的缩写,中文可以翻译为“兴趣点”。在地理信息系统中,一个POI可以是一栋房子、一个商铺、一个公交站等。每个POI包含四方面信息,名称、类别、坐标、分类。
通过识别待识别图片的兴趣点类别,再根据待识别图片的兴趣点类别从POI数据集中获取与待识别图片关联的POI数据,再通过待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,进而通过与待识别图片相匹配的POI数据识别地域,从而有效减少待识别图片与POI数据的匹配量,大大提高了地域识别速度。
可选的,根据待识别图片,判断待识别图片内容对应的兴趣点类别,可以包括:通过图像识别获取待识别图片的特征元素,根据特征元素得到待识别图片内容对应的兴趣点类别。需要说明的是识别待识别图片的兴趣点类别,无需POI数据;为了高效而准确地识别待识别图片的兴趣点类别,可以采用经过训练后的神经网络模型计算,TensorFlow图像识别人工智能学习模型,其中输入项为图片,输出项为兴趣点类别。具体可以采用已有技术。本发明不再详细描述。
可选的,根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据,包括:
比对待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,获取兴趣点类别包含待识别图片内容对应的兴趣点类别的POI数据,以作为待识别图片关联的POI数。本实施方式通过待识别图片内容对应的兴趣点类别是否包含于各POI数据的兴趣点类别中,若包含于POI数据的兴趣点类别中,则对应的POI数据作为待识别图片关联的POI数据;可以知道的,此处获取的待识别图片关联的POI数据量一般远不止一个数据。
可选的,待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,包括:
通过感知哈希算法计算待识别图片关联的POI数据的兴趣点图片与待识别图片的相似度,获取与待识别图片相似度大于预设值的兴趣点图片所对应的POI数据,以作为与待识别图片相匹配的POI数据。
感知哈希算法主要包括如下过程:
第一步,缩小尺寸。
最快速的去除高频和细节,只保留结构明暗的方法就是缩小尺寸。
将图片缩小到8x8的尺寸,总共64个像素。摒弃不同尺寸、比例带来的图片差异。
第二步,简化色彩。
将缩小后的图片,转为64级灰度。也就是说,所有像素点总共只有64种颜色。
第三步,计算DCT(离散余弦变换)。
DCT是把图片分解频率聚集和梯状形,虽然JPEG使用8*8的DCT变换,在这里使用32*32的DCT变换。
第四步,缩小DCT。
虽然DCT的结果是32*32大小的矩阵,但本实施例只要保留左上角的8*8的矩阵,这部分呈现了图片中的最低频率。
第五步,计算平均值。
计算所有64个值的平均值。
第六步,进一步减小DCT。
根据8*8的DCT矩阵,设置0或1的64位的hash值,大于等于DCT均值的设为”1”,小于DCT均值的设为“0”。结果并不能告诉我们真实性的低频率,只能粗略地告诉我们相对于平均值频率的相对比例。只要图片的整体结构保持不变,hash结果值就不变。能够避免伽马校正或颜色直方图被调整带来的影响。
第七步,计算哈希值。
将64bit设置成64位的长整型,组合的次序并不重要,只要保证所有图片都采用同样次序就行了。将32*32的DCT转换成32*32的图像。
将上一步的比较结果,组合在一起,就构成了一个64位的整数,这就是这张图片的指纹。组合的次序并不重要,只要保证所有图片都采用同样次序就行了(例如,自左到右、自顶向下)。
得到指纹以后,就可以对比不同的图片,看看64位中有多少位是不一样的。在理论上,这等同于计算“汉明距离”(Hammingdistance)。如果不相同的数据位不超过5,就说明两张图片很相似;如果大于10,就说明这是两张不同的图片。
此处可以不相同的数据位除以64作为相似度,预设值可以根据需要设置。
可选的,根据与待识别图片相匹配的POI数据识别地域,包括:提取与待识别图片相匹配的POI数据中的兴趣点位置信息,根据兴趣点位置信息识别区域。可选的,兴趣点位置信息包括兴趣点坐标。根据POI数据中的兴趣点位置信息可以方便识别区域;在这里需要说明的是,若与待识别图片相匹配的POI数据,不止一个,则基于与待识别图片的相似度最高的兴趣点图片所对应的POI数据,识别的区域,为第一识别区域,其他的作为第二识别区域;在识别区域后,将对应的区域、待识别图片和兴趣点图片均进行显示;以供相关人员做进一步判断。
如图2所示,本实施例的另一方面,基于POI的地域识别系统,包括:
第一获取模块1,从POI数据集中获取POI数据,所述POI数据包括兴趣点位置信息、兴趣点类别和兴趣点图片;
第二获取模块2,获取地域识别请求,所述地域识别请求包括待识别图片;
第三获取模块3,根据待识别图片,判断待识别图片内容对应的兴趣点类别;根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据;;
匹配模块4,将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据;
地域识别模块5,根据与待识别图片相匹配的POI数据识别地域。
可选的,根据待识别图片,判断待识别图片内容对应的兴趣点类别,包括:通过图像识别获取待识别图片的特征元素,根据特征元素得到待识别图片内容对应的兴趣点类别。
可选的,根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据,包括:
比对待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,获取兴趣点类别包含待识别图片内容对应的兴趣点类别的POI数据,以作为待识别图片关联的POI数据。
可选的,根据与待识别图片相匹配的POI数据识别地域,包括:提取与待识别图片相匹配的POI数据中的兴趣点位置信息,根据兴趣点位置信息识别区域。
可选的,兴趣点位置信息包括兴趣点坐标。
本系统实现的是本实施例中方法的系统,其原理和效果与方法相一致,此处不再重复描述。
在本说明书的描述中,参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本公开,而并非是对本公开的范围进行限定。对于所属领域的技术人员而言,在上述公开的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本公开的范围内。
Claims (6)
1.基于POI的地域识别方法,其特征在于,包括:
从POI数据集中获取POI数据,所述POI数据包括兴趣点位置信息、兴趣点类别和兴趣点图片;
获取地域识别请求,所述地域识别请求包括待识别图片;
根据待识别图片,判断待识别图片内容对应的兴趣点类别;
根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据;
将待识别图片和与待识别图片关联的POI数据中的兴趣点图片进行匹配,得到与待识别图片相匹配的POI数据;
根据与待识别图片相匹配的POI数据识别地域;根据待识别图片,判断待识别图片内容对应的兴趣点类别,包括:通过图像识别获取待识别图片的特征元素,根据特征元素得到待识别图片内容对应的兴趣点类别;根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据,包括:
比对待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,获取兴趣点类别包含待识别图片内容对应的兴趣点类别的POI数据,以作为待识别图片关联的POI数据。
2.如权利要求1所述的方法,其特征在于,将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,包括:
通过感知哈希算法计算待识别图片关联的POI数据的兴趣点图片与待识别图片的相似度,获取与待识别图片相似度大于预设值的兴趣点图片所对应的POI数据,以作为与待识别图片相匹配的POI数据。
3.如权利要求1所述的方法,其特征在于,根据与待识别图片相匹配的POI数据识别地域,包括:
提取与待识别图片相匹配的POI数据中的兴趣点位置信息,根据兴趣点位置信息识别区域。
4.基于POI的地域识别系统,其特征在于,包括:
第一获取模块,从POI数据集中获取POI数据,所述POI数据包括兴趣点位置信息、兴趣点类别和兴趣点图片;
第二获取模块,获取地域识别请求,所述地域识别请求包括待识别图片;
第三获取模块,根据待识别图片,判断待识别图片内容对应的兴趣点类别;根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据;
匹配模块,将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据;
地域识别模块,根据与待识别图片相匹配的POI数据识别地域;
根据待识别图片,判断待识别图片内容对应的兴趣点类别,包括:通过图像识别获取待识别图片的特征元素,根据特征元素得到待识别图片内容对应的兴趣点类别;根据待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,从POI数据集中获取与待识别图片关联的POI数据,包括:
比对待识别图片内容对应的兴趣点类别和POI数据的兴趣点类别,获取兴趣点类别包含待识别图片内容对应的兴趣点类别的POI数据,以作为待识别图片关联的POI数据。
5.如权利要求4所述 的系统,其特征在于,将待识别图片和与待识别图片关联的POI数据进行匹配,得到与待识别图片相匹配的POI数据,包括:
通过感知哈希算法计算待识别图片关联的POI数据的兴趣点图片与待识别图片的相似度,获取与待识别图片相似度大于预设值的兴趣点图片所对应的POI数据,以作为与待识别图片相匹配的POI数据。
6.如权利要求4所述 的系统,其特征在于,根据与待识别图片相匹配的POI数据识别地域,包括:
提取与待识别图片相匹配的POI数据中的兴趣点位置信息,根据兴趣点位置信息识别区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833109.6A CN110555173B (zh) | 2019-09-04 | 2019-09-04 | 一种基于poi的地域识别系统及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833109.6A CN110555173B (zh) | 2019-09-04 | 2019-09-04 | 一种基于poi的地域识别系统及其识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110555173A CN110555173A (zh) | 2019-12-10 |
CN110555173B true CN110555173B (zh) | 2022-09-23 |
Family
ID=68738909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910833109.6A Active CN110555173B (zh) | 2019-09-04 | 2019-09-04 | 一种基于poi的地域识别系统及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555173B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268504A (zh) * | 2014-09-02 | 2015-01-07 | 百度在线网络技术(北京)有限公司 | 图片识别方法和装置 |
CN107480173A (zh) * | 2017-06-30 | 2017-12-15 | 百度在线网络技术(北京)有限公司 | Poi信息的展示方法及装置、设备及可读介质 |
CN107656961A (zh) * | 2017-08-04 | 2018-02-02 | 阿里巴巴集团控股有限公司 | 一种信息显示方法及装置 |
CN110019599A (zh) * | 2017-10-13 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 获取兴趣点poi信息的方法、系统、装置及电子设备 |
EP3552117B1 (en) * | 2016-12-08 | 2020-04-08 | Google LLC | Contextual map view |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108243221A (zh) * | 2016-12-26 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法和装置 |
-
2019
- 2019-09-04 CN CN201910833109.6A patent/CN110555173B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268504A (zh) * | 2014-09-02 | 2015-01-07 | 百度在线网络技术(北京)有限公司 | 图片识别方法和装置 |
EP3552117B1 (en) * | 2016-12-08 | 2020-04-08 | Google LLC | Contextual map view |
CN107480173A (zh) * | 2017-06-30 | 2017-12-15 | 百度在线网络技术(北京)有限公司 | Poi信息的展示方法及装置、设备及可读介质 |
CN107656961A (zh) * | 2017-08-04 | 2018-02-02 | 阿里巴巴集团控股有限公司 | 一种信息显示方法及装置 |
CN110019599A (zh) * | 2017-10-13 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 获取兴趣点poi信息的方法、系统、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110555173A (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4732660B2 (ja) | ビジュアルアテンションシステム | |
JP5483961B2 (ja) | 画像処理装置、被写体判別方法、プログラム及び記憶媒体 | |
WO2016082277A1 (zh) | 一种视频认证方法及装置 | |
CN107292307B (zh) | 一种倒置汉字验证码自动识别方法及系统 | |
CN110414538A (zh) | 缺陷分类方法、缺陷分类训练方法及其装置 | |
US20130070997A1 (en) | Systems, methods, and media for on-line boosting of a classifier | |
CN111461101B (zh) | 工服标志的识别方法、装置、设备及存储介质 | |
CN107169425A (zh) | 一种商品属性的识别方法及装置 | |
CN108875623B (zh) | 一种基于图像特征融合对比技术的人脸识别方法 | |
CN109948566A (zh) | 一种基于权重融合与特征选择的双流人脸反欺诈检测方法 | |
CN111985465A (zh) | 文本识别方法、装置、设备及存储介质 | |
CN104077590A (zh) | 一种视频指纹提取方法及系统 | |
CN111986785A (zh) | 医学影像标注方法和装置、设备及存储介质 | |
CN107292272B (zh) | 一种在实时传输的视频中人脸识别的方法及系统 | |
WO2020121866A1 (ja) | リスト生成装置、被写体識別装置、リスト生成方法、及びプログラム | |
CN113222921A (zh) | 一种图像处理方法及系统 | |
CN113297420A (zh) | 视频图像处理方法、装置、存储介质及电子设备 | |
CN113642577A (zh) | 一种低对比度的车牌识别方法、系统、设备及存储介质 | |
CN109741380B (zh) | 纺织品图片快速匹配方法和装置 | |
KR20210058882A (ko) | 안면 인식 방법 및 디바이스 | |
CN113723410B (zh) | 一种数码管数字识别方法及装置 | |
CN110555173B (zh) | 一种基于poi的地域识别系统及其识别方法 | |
JPH08287258A (ja) | カラー画像認識装置 | |
CN110245669B (zh) | 手掌关键点的识别方法、装置、终端及可读存储介质 | |
CN109657083B (zh) | 纺织品图片特征库的建立方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |