CN110781888A - 回归视频画面中屏幕的方法、装置、可读介质及电子设备 - Google Patents

回归视频画面中屏幕的方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN110781888A
CN110781888A CN201911025490.XA CN201911025490A CN110781888A CN 110781888 A CN110781888 A CN 110781888A CN 201911025490 A CN201911025490 A CN 201911025490A CN 110781888 A CN110781888 A CN 110781888A
Authority
CN
China
Prior art keywords
screen
image
corners
coordinates
frame
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
Application number
CN201911025490.XA
Other languages
English (en)
Other versions
CN110781888B (zh
Inventor
李佩易
王长虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201911025490.XA priority Critical patent/CN110781888B/zh
Publication of CN110781888A publication Critical patent/CN110781888A/zh
Application granted granted Critical
Publication of CN110781888B publication Critical patent/CN110781888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及AI领域，具体地，涉及一种回归视频画面中屏幕的方法、装置、可读介质及电子设备。本公开采用预设网络回归模型回归出视频画面中屏幕边框四个角的坐标，从而确定视频画面中出现的屏幕的具体位置。其中，预设网络回归模型的BBox回归是用于回归输出按固定顺序依次表征屏幕的四个角的坐标，即该预设网络回归模型对于目标物体的表达方式为表征屏幕的四个角构成的四角框，使得该预设网络回归模型在检测到该视频画面中含有屏幕时，能回归出视频画面中屏幕边框四个角的坐标，并结合屏幕为矩形的特点回归所述屏幕的边框，从而确定视频画面中出现的屏幕的具体位置。

Description

回归视频画面中屏幕的方法、装置、可读介质及电子设备
技术领域
本公开涉及AI领域，具体地，涉及一种回归视频画面中屏幕的方法、装置、可读介质及电子设备。
背景技术
在现在技术中，没有能够直接用于检测视频画面中屏幕的具体位置的方法，仅仅只能够检测到视频画面中是否存在屏幕、或者仅仅只能通过最小外接矩阵来对目标屏幕来进行表示，即只能得知屏幕所在的大概位置，但无法知道屏幕的具体位置。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种回归视频画面中屏幕的方法，所述方法包括：
针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标；
响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
第二方面，本公开提供一种回归视频画面中屏幕的装置，包括：
计算模块，用于针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标；
回归模块，用于响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述方法的步骤。
通过上述技术方案，本公开采用预设网络回归模型回归出视频画面中屏幕边框四个角的坐标，从而确定视频画面中出现的屏幕的具体位置。现有深度学习检测算法都是针对通用物体来实现的，其BBox(Bounding Box，边框)对于目标物体的表达方式为目标物体的最小外接矩形，即外接框，因而其在检测视频画面中的屏幕时，仅能检测到该视频画面中含有屏幕，而无法确定检测到的屏幕的具体位置。本公开采用的预设网络回归模型的BBox回归是用于回归输出按固定顺序依次表征屏幕的四个角的坐标，即该预设网络回归模型对于目标物体的表达方式为表征屏幕的四个角构成的四角框，使得该预设网络回归模型在检测到该视频画面中含有屏幕时，能回归出视频画面中屏幕边框四个角的坐标，并结合屏幕为矩形的特点回归所述屏幕的边框，从而确定视频画面中出现的屏幕的具体位置。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据本公开一实施例示出的一种回归视频画面中屏幕的方法的流程图。
图2是现有深度学习检测算法和本公开提供的回归视频画面中屏幕的方法对于屏幕的表达方式对比图。
图3是本公开实施例示例性地示出一视频的一帧图像及图像中包括的屏幕的示意图。
图4是视频画面旋转90度时本公开实施例提供的一种标注方式的示意图。
图5是视频画面旋转90度时本公开实施例提供的另一种标注方式的示意图。
图6是根据本公开一实施例示出的一种回归视频画面中屏幕的装置的框图。
图7是根据本公开一实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
根据本公开的第一方面，提供一种回归视频画面中屏幕的方法。图1是根据本公开一实施例示出的一种回归视频画面中屏幕的方法的流程图。如图1所示，该方法包括以下步骤：
步骤S21，针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标。
步骤S22，响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
现有深度学习检测算法都是针对通用物体来实现的，其BBox(Bounding Box，边框)对于目标物体的表达方式为目标物体的最小外接矩形，即外接框，如图2中B框所示。可见，现有深度学习检测算法，其在检测视频画面中的屏幕时，仅能检测到该视频画面中含有屏幕，而无法确定检测到的屏幕的具体位置。而本公开采用的预设网络回归模型的BBox回归是用于回归输出按固定顺序依次表征屏幕的四个角的坐标，结合屏幕都是或近似矩形的特点，即该预设网络回归模型对于目标物体的表达方式为表征屏幕的四个角构成的四角框，如图2中的A框所示。因此，本公开使得该预设网络回归模型在检测到该视频画面中含有屏幕时，能回归出视频画面中屏幕边框四个角的坐标，并结合屏幕为矩形的特点回归所述屏幕的边框，从而确定视频画面中出现的屏幕的具体位置。其中，考虑到视频画面中的屏幕可能不正对拍摄该视频的摄像头，则视频画面中的屏幕可以不为矩形，其形状与拍摄该视频的摄像头的视角有关。
可选地，所述方法还包括：
步骤S23，根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕的面积占所述图像面积的比例。
例如，可以根据所述屏幕的四个角的坐标回归出所述屏幕的边框，通过计算边框的面积占所述图像面积的比例(屏幕占整个画面百分之几的像素)，计算出所述屏幕的面积占所述图像面积的比例。因此，本公开提供的方法，通过输出所述屏幕的四个角的坐标，能计算图像中的屏幕占图像的比例，能对视频画面中的屏幕有更精确的表达，不限于仅检测到视频画面中含有屏幕。
可选地，所述方法还包括：
步骤S24，根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕相对于拍摄所述视频的摄像头的角度偏差。
所述摄像头为拍摄该视频的设备的摄像头，所述设备可以是手机、摄像机、录像机、监控仪等，在此不做限制。根据摄像原理、视觉效应等，根据所述屏幕的四个角的坐标回归出所述屏幕的边框，根据所述边框在视频画面中的形状即可计算所述屏幕相对于拍摄所述视频的摄像头的角度偏差。例如，假定屏幕实际为正方形，所述屏幕的四个角在所述视频画面中的坐标为根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，用(x1,y1,x2,y2,x3,y3,x4,y4)来表示，其中，xi、yi分别表示四个角的坐标。如图3所示，图3中的框图表示视频图像中的屏幕，(x1,y1)表示所述屏幕的左上角的坐标，(x2,y2)表示所述屏幕的右上角的坐标，(x3,y3)表示所述屏幕的右下角的坐标，(x4,y4)表示所述屏幕的左下角的坐标，Ll表示所述屏幕左上角到左下角的距离，Lr表示所述屏幕右上角到右下角的距离，L0表示所述屏幕左上角与左下角连线构成的边到右上角与右下角连线构成的边的距离。则所述屏幕与拍摄所述视屏的摄像头之间的夹角的绝对值|A|的估计公式为：
Figure BDA0002248490690000061
其中，R＝H/W
Figure BDA0002248490690000063
Figure BDA0002248490690000064
Figure BDA0002248490690000065
上式中，H和W分别表示真实世界中屏幕的高和宽，R则表示真实世界中屏幕的高宽比，实际使用时，可以约等于认为R＝1。
因此，本公开提供的方法，通过输出所述屏幕的四个角的坐标，能计算所述屏幕相对于拍摄所述视频的摄像头的角度偏差，不限于仅检测到视频画面中含有屏幕。
可选地，上述方法涉及的预设网络回归模型是通过以下方式训练得到的：
训练数据：准备用于训练的图像集。所述图像集内的图像可以是来源于视频中的一帧，也可以是照片。所述图像集为包括含有屏幕的图像和不含有屏幕的图像。其中，含有屏幕的图像可以是看得见完整屏幕边框的图像，即该图像包括完整屏幕；也可以是只看得见屏幕部分边框的图像，即该图像仅包括部分屏幕；也可以是既含有包括完整屏幕的图像，也含有仅包括部分屏幕的图像。在所述含有屏幕的图像为仅包括部分屏幕的图像时，屏幕的至少一个角可以在所述图像外。
屏幕标注：针对图像集，根据用户输入的标注指令对该图像集内包含有屏幕的图像进行标注，所述标注指令为根据固定顺序依次表示的该屏幕的四个角的坐标。可选地，在所述含有屏幕的图像的屏幕的至少一个角在所述图像外时，根据用户输入的标注指令将所述屏幕在所述图像外的角标注在所述图像外。其中，所述标注指令包括用户对所述屏幕在所述图像外的角的估计位置，所述屏幕在所述图像外的角为未显示在所述图像上的角。在对图像集进行标注的过程中，需要从固定的起始角开始标注(例如屏幕左上角)，并且对于所有的训练数据，都需要依照固定顺序(可以是顺时针，也可以是逆时针，还可以为对角优先等各种预设顺序)对屏幕的四个角进行标注，从而得到每个视频画面中的屏幕都能用(x1,y1,x2,y2,x3,y3,x4,y4)来表示，其中xi、yi分别表示四个角的坐标。在标注的过程中，可能会遇到视频画面旋转90度的情况，此时可以通过两种方式来进行标注：第一，先将画面转正，然后正常标注；第二，维持画面原状，以屏幕的四个角在当前画面中的位置来确定起始角，即，根据屏幕在当前视频画面中的像素位置来确定起始角，而不是实际屏幕的方位。例如，标注指令的固定顺序为顺时针，则对于图4所述的视频的一帧图像(E、F、G、H为图像中屏幕的四个角)，标注方式可有两种。第一种，可以先将图4所示的图像向左旋转90°得到图5所示的图像，再按顺时针对图5中的屏幕的四个角进行标注，则屏幕用(x1,y1,x2,y2,x3,y3,x4,y4)表示时，(x1,y1)表示F角的坐标，(x2,y2)表示G角的坐标，(x3,y3)表示H角的坐标，(x4,y4)表示E角的坐标。第二种，维持画面原状，按顺时针对图4中的屏幕的四个角进行标注，则屏幕用(x1,y1,x2,y2,x3,y3,x4,y4)表示时，(x1,y1)表示E角的坐标，(x2,y2)表示F角的坐标，(x3,y3)表示G角的坐标，(x4,y4)表示H角的坐标。
损失函数的选择：所述预设网络回归模型中涉及的损失函数：和现有外接框的损失函数相同，在训练的过程中，四角框也可以选择同样的损失函数。首先，其中置信度损失函数(conf损失函数)无需修改，因为它代表的是类别的分数。可选地，所述置信度损失函数为交叉熵损失函数。而定位损失函数(loc损失函数)，需要对应修改。本公开四角框训练中的定位损失函数和现有外接框训练中的定位损失函数类似，同样使用Smooth L1作为损失函数，不同的是，Smooth L1的输入和输出为根据固定顺序依次表征屏幕的四个角的坐标。具体地：在四角框训练的过程中，对于某一个具体的包含屏幕的四个角的图像，其对于(我们自己)标注的屏幕的四个角的坐标是已知的(即已知ground truth的四个角的坐标)，计为G＝{(xi，yi)|i＝1，2，3，4}。同时在训练中也已知当前图像在当前的循环迭代中，网络输出的屏幕的四个角的坐标，计为P＝{(xi'，yi')|i＝1，2，3，4}。而外接框在训练中，标注的坐标为G＝{(xi，yi)|i＝1，2}，分别代表标注的外接框的左上角和右下角。同理，网络输出的坐标为P＝{(xi'，yi')|i＝1，2}，分别代表输出的外接框的左上角和右下角。
则，本公开提供的损失函数Smooth L1的公式为
当0<d(xi,yi,xi′,yi′)<1时，采用公式(1)计算损失函数Smooth L1，当d(xi,yi,xi′,yi′)≥1时，采用公式(2)计算损失函数Smooth L1。
上式中，d(xi,yi,xi′,yi′)表示点(xi，yi)到点(xi'，yi')的距离，具体计算公式为：
Figure BDA0002248490690000082
其中，W′和H′分别表示当前图像的宽和高。
模型及训练流程：根据所述图像集和损失函数训练，得到所述预设网络回归模型。在选择模型时，作为backbone的模型仍然可以根据精度需求进行替换，例如，MobileNet，SqueezeNet，ResNet等等。同时可以根据本公开的应用场景优化检测模型，一般检测模型都要在画面中查找多个目标，所以需要用到很多复杂的网络结构，比如SSD、YOLO。但是，在本公开的应用场景中，回归视频画面中屏幕时，每一个画面中只需要找到唯一的一个屏幕即可。因此，并不需要复杂的网络结构，直接使用上述定位损失函数回归出四角框的位置即可。进行训练时，可以使用深度学习网络的通用训练流程，包括back propagate等，在此不作限制。
对预设网络回归模型进行训练的执行主体可以是离线的系统。
基于上述发明构思，本公开的第二方面，提供一种回归视频画面中屏幕的装置。图6所示，所述装置包括：计算模块21和回归模块22。
计算模块21，用于针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标。
回归模块22，用于响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
通过上述技术方案，本公开采用预设网络回归模型回归出视频画面中屏幕边框四个角的坐标，从而确定视频画面中出现的屏幕的具体位置。现有深度学习检测算法都是针对通用物体来实现的，其BBox(Bounding Box，边框)对于目标物体的表达方式为目标物体的最小外接矩形，即外接框，因而其在检测视频画面中的屏幕时，仅能检测到该视频画面中含有屏幕，而无法确定检测到的屏幕的具体位置。本公开采用的预设网络回归模型的BBox回归是用于回归输出按固定顺序依次表征屏幕的四个角的坐标，即该预设网络回归模型对于目标物体的表达方式为表征屏幕的四个角构成的四角框，使得该预设网络回归模型在检测到该视频画面中含有屏幕时，能回归出视频画面中屏幕边框四个角的坐标，并结合屏幕为矩形的特点回归所述屏幕的边框，从而确定视频画面中出现的屏幕的具体位置。
可选地，所述装置还包括：面积占比模块。
面积占比模块，用于根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕的面积占所述图像面积的比例。
基于此，本公开提供的方法，通过输出所述屏幕的四个角的坐标，能计算图像中的屏幕占图像的比例，能对视频画面中的屏幕有更精确的表达，不限于仅检测到视频画面中含有屏幕。
可选地，所述装置还包括：角度偏差计算模块。
角度偏差计算模块，用于根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕相对于拍摄所述视频的摄像头的角度偏差。
基于此，本公开提供的方法，通过输出所述屏幕的四个角的坐标，能计算所述屏幕相对于拍摄所述视频的摄像头的角度偏差，不限于仅检测到视频画面中含有屏幕。
可选地，上述预设网络回归模型是通过以下方式训练得到的：
训练数据：准备用于训练的图像集。所述图像集内的图像可以是来源于视频中的一帧，也可以是照片。所述图像集为包括含有屏幕的图像和不含有屏幕的图像。其中，含有屏幕的图像可以是看得见完整屏幕边框的图像，即该图像包括完整屏幕；也可以是只看得见屏幕部分边框的图像，即该图像仅包括部分屏幕；也可以是既含有包括完整屏幕的图像，也含有仅包括部分屏幕的图像。在所述含有屏幕的图像为仅包括部分屏幕的图像时，屏幕的至少一个角可以在所述图像外。
屏幕标注：针对图像集，根据用户输入的标注指令对该图像集内包含有屏幕的图像进行标注，所述标注指令为根据固定顺序依次表示的该屏幕的四个角的坐标。可选地，在所述含有屏幕的图像的屏幕的至少一个角在所述图像外时，根据用户输入的标注指令将所述屏幕在所述图像外的角标注在所述图像外。其中，所述标注指令包括用户对所述屏幕在所述图像外的角的估计位置，所述屏幕在所述图像外的角为未显示在所述图像上的角。在对图像集进行标注的过程中，需要从固定的起始角开始标注(例如屏幕左上角)，并且对于所有的训练数据，都需要依照固定顺序(可以是顺时针，也可以是逆时针，还可以为对角优先等各种预设顺序)对屏幕的四个角进行标注，从而得到每个视频画面中的屏幕都能用(x1,y1,x2,y2,x3,y3,x4,y4)来表示，其中xi、yi分别表示四个角的坐标。在标注的过程中，可能会遇到视频画面旋转90度的情况，此时可以通过两种方式来进行标注：第一，先将画面转正，然后正常标注；第二，维持画面原状，以屏幕的四个角在当前画面中的位置来确定起始角，即，根据屏幕在当前视频画面中的像素位置来确定起始角，而不是实际屏幕的方位。例如，标注指令的固定顺序为顺时针，则对于图4所述的视频的一帧图像(E、F、G、H为图像中屏幕的四个角)，标注方式可有两种。第一种，可以先将图4所示的图像向左旋转90°得到图5所示的图像，再按顺时针对图5中的屏幕的四个角进行标注，则屏幕用(x1,y1,x2,y2,x3,y3,x4,y4)表示时，(x1,y1)表示F角的坐标，(x2,y2)表示G角的坐标，(x3,y3)表示H角的坐标，(x4,y4)表示E角的坐标。第二种，维持画面原状，按顺时针对图4中的屏幕的四个角进行标注，则屏幕用(x1,y1,x2,y2,x3,y3,x4,y4)表示时，(x1,y1)表示E角的坐标，(x2,y2)表示F角的坐标，(x3,y3)表示G角的坐标，(x4,y4)表示H角的坐标。
损失函数的选择：所述预设网络回归模型中涉及的损失函数：和现有外接框的损失函数相同，在训练的过程中，四角框也可以选择同样的损失函数。首先，其中置信度损失函数(conf损失函数)无需修改，因为它代表的是类别的分数。可选地，所述置信度损失函数为交叉熵损失函数。而定位损失函数(loc损失函数)，需要对应修改。本公开四角框训练中的定位损失函数和现有外接框训练中的定位损失函数类似，同样使用Smooth L1作为损失函数，不同的是，Smooth L1的输入和输出为根据固定顺序依次表征屏幕的四个角的坐标。具体地：在四角框训练的过程中，对于某一个具体的包含屏幕的四个角的图像，其对于(我们自己)标注的屏幕的四个角的坐标是已知的(即已知ground truth的四个角的坐标)，计为G＝{(xi，yi)|i＝1，2，3，4}。同时在训练中也已知当前图像在当前的循环迭代中，网络输出的屏幕的四个角的坐标，计为P＝{(xi'，yi')|i＝1，2，3，4}。而外接框在训练中，标注的坐标为G＝{(xi，yi)|i＝1，2}，分别代表标注的外接框的左上角和右下角。同理，网络输出的坐标为P＝{(xi'，yi')|i＝1，2}，分别代表输出的外接框的左上角和右下角。
则，本公开提供的损失函数Smooth L1的公式为
Figure BDA0002248490690000121
当0<d(xi,yi,xi′,yi′)<1时，采用公式(1)计算损失函数Smooth L1，当d(xi,yi,xi′,yi′)≥1时，采用公式(2)计算损失函数Smooth L1。
上式中，d(xi,yi,xi′,yi′)表示点(xi，yi)到点(xi'，yi')的距离，具体计算公式为：
Figure BDA0002248490690000122
其中，W′和H′分别表示当前图像的宽和高。
模型及训练流程：根据所述图像集和损失函数训练，得到所述预设网络回归模型。在选择模型时，作为backbone的模型仍然可以根据精度需求进行替换，例如，MobileNet，SqueezeNet，ResNet等等。同时可以根据本公开的应用场景优化检测模型，一般检测模型都要在画面中查找多个目标，所以需要用到很多复杂的网络结构，比如SSD、YOLO。但是，在本公开的应用场景中，回归视频画面中屏幕时，每一个画面中只需要找到唯一的一个屏幕即可。因此，并不需要复杂的网络结构，直接使用上述定位损失函数回归出四角框的位置即可。进行训练时，可以使用深度学习网络的通用训练流程，包括back propagate等，在此不作限制。
对预设网络回归模型进行训练的执行主体可以是离线的系统。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
基于上述发明构思，根据本公开第三方面，提供一种包括程序指令的计算机可读介质，该程序被处理装置执行时实现上述的回归视频画面中屏幕的方法的步骤。
基于上述发明构思，根据本公开第四方面，提供一种电子设备。下面参考图7，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，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7所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过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，其包括承载在非暂态计算机可读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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、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)、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。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。而在本公开中，计算机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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读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该电子设备执行时，使得该电子设备：针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标；响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的装置、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，计算模块还可以被描述为“获取按固定顺序依次表征屏幕的四个角的坐标的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例一提供了一种回归视频画面中屏幕的方法，包括：
针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标；
响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
根据本公开的一个或多个实施例，示例二提供了示例一的方法，还包括：
根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕的面积占所述图像面积的比例。
根据本公开的一个或多个实施例，示例三提供了示例一的方法，还包括：
根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕相对于拍摄所述视频的摄像头的角度偏差。
根据本公开的一个或多个实施例，示例四提供了示例一至三的方法，所述预设网络回归模型是通过以下方式训练得到的：
针对图像集，根据用户输入的标注指令对该图像集内包含有屏幕的图像进行标注，所述标注指令为根据固定顺序依次表示的该屏幕的四个角的坐标；
根据所述图像集和损失函数训练，得到所述预设网络回归模型；
其中，所述损失函数中的定位损失函数为Smooth L1，Smooth L1的输入为根据固定顺序依次表征屏幕的四个角的坐标，Smooth L1的最后一步求和为与所述屏幕的四个角的坐标对应的八个损失和。
根据本公开的一个或多个实施例，示例五提供了示例四的方法，根据用户输入的标注指令对该图像集内包含有屏幕的图像进行标注，包括：
在所述含有屏幕的图像的屏幕的至少一个角在所述图像外时，根据用户输入的标注指令将所述屏幕在所述图像外的角标注在所述图像外。
根据本公开的一个或多个实施例，示例六提供了示例四的方法，所述损失函数中的置信度损失函数为交叉熵损失函数。
根据本公开的一个或多个实施例，示例七提供了一种回归视频画面中屏幕的装置，包括：
计算模块，用于针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标；
回归模块，用于响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
根据本公开的一个或多个实施例，示例八提供了示例七的装置，还包括：
面积占比模块，用于根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕的面积占所述图像面积的比例。
根据本公开的一个或多个实施例，示例九提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例一至六中任一项所述方法的步骤。
根据本公开的一个或多个实施例，示例十提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例一至六中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种回归视频画面中屏幕的方法，其特征在于，所述方法包括：
针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标；
响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕的面积占所述图像面积的比例。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕相对于拍摄所述视频的摄像头的角度偏差。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述预设网络回归模型是通过以下方式训练得到的：
针对图像集，根据用户输入的标注指令对该图像集内包含有屏幕的图像进行标注，所述标注指令为根据固定顺序依次表示的该屏幕的四个角的坐标；
根据所述图像集和损失函数训练，得到所述预设网络回归模型；
其中，所述损失函数中的定位损失函数为Smooth L1，Smooth L1的输入和输出为根据固定顺序依次表征屏幕的四个角的坐标。
5.根据权利要求4所述的方法，其特征在于，根据用户输入的标注指令对该图像集内包含有屏幕的图像进行标注，包括：
在所述含有屏幕的图像的屏幕的至少一个角在所述图像外时，根据用户输入的标注指令将所述屏幕在所述图像外的角标注在所述图像外。
6.根据权利要求4所述的方法，其特征在于，所述损失函数中的置信度损失函数为交叉熵损失函数。
7.一种回归视频画面中屏幕的装置，其特征在于，包括：
计算模块，用于针对视频的一帧图像，将所述图像输入预设网络回归模型，得到所述预设网络回归模型输出的图像的分类结果，其中，所述分类结果为含有屏幕或不含屏幕，所述预设网络回归模型的边框BBox回归用于，在分类结果为含有屏幕时，回归输出按固定顺序依次表征屏幕的四个角的坐标；
回归模块，用于响应于获取到用于表征屏幕的四个角的坐标，根据所述四个角的坐标，回归所述屏幕的边框。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
面积占比模块，用于根据所述预设网络回归模型输出的所述屏幕的四个角的坐标，计算所述屏幕的面积占所述图像面积的比例。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。
CN201911025490.XA 2019-10-25 2019-10-25 回归视频画面中屏幕的方法、装置、可读介质及电子设备 Active CN110781888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911025490.XA CN110781888B (zh) 2019-10-25 2019-10-25 回归视频画面中屏幕的方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911025490.XA CN110781888B (zh) 2019-10-25 2019-10-25 回归视频画面中屏幕的方法、装置、可读介质及电子设备

Publications (2)

Publication Number Publication Date
CN110781888A true CN110781888A (zh) 2020-02-11
CN110781888B CN110781888B (zh) 2022-07-12

Family

ID=69387824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911025490.XA Active CN110781888B (zh) 2019-10-25 2019-10-25 回归视频画面中屏幕的方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN110781888B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106155315A (zh) * 2016-06-28 2016-11-23 广东欧珀移动通信有限公司 一种拍摄中增强现实效果的添加方法、装置及移动终端
CN106682697A (zh) * 2016-12-29 2017-05-17 华中科技大学 一种基于卷积神经网络的端到端物体检测方法
CN106875381A (zh) * 2017-01-17 2017-06-20 同济大学 一种基于深度学习的手机外壳缺陷检测方法
CN107561738A (zh) * 2017-08-30 2018-01-09 湖南理工学院 基于fcn的tft‑lcd表面缺陷快速检测方法
CN108844966A (zh) * 2018-07-09 2018-11-20 广东速美达自动化股份有限公司 一种屏幕检测方法及检测系统
CN108985214A (zh) * 2018-07-09 2018-12-11 上海斐讯数据通信技术有限公司 图像数据的标注方法和装置
CN109002841A (zh) * 2018-06-27 2018-12-14 淮阴工学院 一种基于Faster-RCNN模型的建筑构件提取方法
CN109118537A (zh) * 2018-08-21 2019-01-01 加特兰微电子科技(上海)有限公司 一种画面匹配方法、装置、设备和存储介质
CN109214399A (zh) * 2018-10-12 2019-01-15 清华大学深圳研究生院 一种嵌入SENet结构的改进YOLOV3目标识别算法
CN109255298A (zh) * 2018-08-07 2019-01-22 南京工业大学 一种动态背景中的安全帽检测方法与系统
CN109327668A (zh) * 2018-10-29 2019-02-12 维沃移动通信有限公司 一种视频处理方法和装置
US20190163981A1 (en) * 2017-11-28 2019-05-30 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for extracting video preview, device and computer storage medium
CN109948609A (zh) * 2019-03-06 2019-06-28 南京邮电大学 基于深度学习的智能阅卷定位方法
CN110321969A (zh) * 2019-07-11 2019-10-11 山东领能电子科技有限公司 一种基于mtcnn的车脸对齐方法
US20190318189A1 (en) * 2018-04-13 2019-10-17 Hangzhou Glority Software Limited Method, System and Computer Readable Storage Medium for Identifying Information Carried on Sheet
US10451712B1 (en) * 2019-03-11 2019-10-22 Plato Systems, Inc. Radar data collection and labeling for machine learning
US10452959B1 (en) * 2018-07-20 2019-10-22 Synapse Tehnology Corporation Multi-perspective detection of objects

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106155315A (zh) * 2016-06-28 2016-11-23 广东欧珀移动通信有限公司 一种拍摄中增强现实效果的添加方法、装置及移动终端
CN106682697A (zh) * 2016-12-29 2017-05-17 华中科技大学 一种基于卷积神经网络的端到端物体检测方法
CN106875381A (zh) * 2017-01-17 2017-06-20 同济大学 一种基于深度学习的手机外壳缺陷检测方法
CN107561738A (zh) * 2017-08-30 2018-01-09 湖南理工学院 基于fcn的tft‑lcd表面缺陷快速检测方法
US20190163981A1 (en) * 2017-11-28 2019-05-30 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for extracting video preview, device and computer storage medium
US20190318189A1 (en) * 2018-04-13 2019-10-17 Hangzhou Glority Software Limited Method, System and Computer Readable Storage Medium for Identifying Information Carried on Sheet
CN109002841A (zh) * 2018-06-27 2018-12-14 淮阴工学院 一种基于Faster-RCNN模型的建筑构件提取方法
CN108844966A (zh) * 2018-07-09 2018-11-20 广东速美达自动化股份有限公司 一种屏幕检测方法及检测系统
CN108985214A (zh) * 2018-07-09 2018-12-11 上海斐讯数据通信技术有限公司 图像数据的标注方法和装置
US10452959B1 (en) * 2018-07-20 2019-10-22 Synapse Tehnology Corporation Multi-perspective detection of objects
CN109255298A (zh) * 2018-08-07 2019-01-22 南京工业大学 一种动态背景中的安全帽检测方法与系统
CN109118537A (zh) * 2018-08-21 2019-01-01 加特兰微电子科技(上海)有限公司 一种画面匹配方法、装置、设备和存储介质
CN109214399A (zh) * 2018-10-12 2019-01-15 清华大学深圳研究生院 一种嵌入SENet结构的改进YOLOV3目标识别算法
CN109327668A (zh) * 2018-10-29 2019-02-12 维沃移动通信有限公司 一种视频处理方法和装置
CN109948609A (zh) * 2019-03-06 2019-06-28 南京邮电大学 基于深度学习的智能阅卷定位方法
US10451712B1 (en) * 2019-03-11 2019-10-22 Plato Systems, Inc. Radar data collection and labeling for machine learning
CN110321969A (zh) * 2019-07-11 2019-10-11 山东领能电子科技有限公司 一种基于mtcnn的车脸对齐方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JOSEPH REDMON等: ""YOLOv3: An Incremental Improvement"", 《ARXIV》 *
XIAOMU_347: ""深度学习中常见的打标签工具和数据集集合"", 《CSDN》 *

Also Published As

Publication number Publication date
CN110781888B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN109584276B (zh) 关键点检测方法、装置、设备及可读介质
CN111127563A (zh) 联合标定方法、装置、电子设备及存储介质
CN110781823B (zh) 录屏检测方法、装置、可读介质及电子设备
EP2767931A2 (en) Electronic device and method of determining descriptor thereof
US10672149B2 (en) Head mounted display device and processing method of head mounted display device
CN110796664B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
WO2024001526A1 (zh) 图像处理方法、装置及电子设备
CN109840059B (zh) 用于显示图像的方法和装置
CN114863071A (zh) 目标对象标注方法、装置、存储介质及电子设备
CN112270242B (zh) 轨迹的显示方法、装置、可读介质和电子设备
US9582896B2 (en) Line tracking with automatic model initialization by graph matching and cycle detection
WO2024051639A1 (zh) 图像处理方法、装置、设备及存储介质和产品
WO2022095318A1 (zh) 字符检测方法、装置、电子设备、存储介质及程序
CN111833459B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN111862342B (zh) 增强现实的纹理处理方法、装置、电子设备及存储介质
CN113129366B (zh) 单目slam初始化方法、装置及电子设备
WO2023237065A1 (zh) 回环检测方法、装置、电子设备及介质
CN112085842B (zh) 深度值确定方法及装置、电子设备和存储介质
CN110781888B (zh) 回归视频画面中屏幕的方法、装置、可读介质及电子设备
US8867785B2 (en) Method and apparatus for detecting proximate interface elements
KR102534449B1 (ko) 이미지 처리 방법, 장치, 전자 장치 및 컴퓨터 판독 가능 저장 매체
US20210264673A1 (en) Electronic device for location-based ar linking of object-based augmentation contents and operating method thereof
CN112822418B (zh) 视频处理方法和装置、存储介质和电子设备
US10281294B2 (en) Navigation system and navigation method
CN112818748B (zh) 确定视频中的平面的方法和装置、存储介质和电子设备

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