CN110909188A - 检查图片确定方法及装置 - Google Patents

检查图片确定方法及装置 Download PDF

Info

Publication number
CN110909188A
CN110909188A CN201911175559.7A CN201911175559A CN110909188A CN 110909188 A CN110909188 A CN 110909188A CN 201911175559 A CN201911175559 A CN 201911175559A CN 110909188 A CN110909188 A CN 110909188A
Authority
CN
China
Prior art keywords
picture
shop
inspection
checking
designated
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
Application number
CN201911175559.7A
Other languages
English (en)
Inventor
仇雪雅
刘向阳
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.)
Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co.,Ltd.
Original Assignee
Shanghai Second Picket 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 Shanghai Second Picket Network Technology Co ltd filed Critical Shanghai Second Picket Network Technology Co ltd
Priority to CN201911175559.7A priority Critical patent/CN110909188A/zh
Publication of CN110909188A publication Critical patent/CN110909188A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • G06F16/55—Clustering; Classification
    • 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
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种检查图片确定方法及装置，该方法包括：从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点；根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄；根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容。在本发明中，提高了检查人员上传的检查图片的准确度，使检查结果更加准确。

Description

检查图片确定方法及装置
技术领域
本发明涉及图片识别领域，具体而言，涉及一种检查图片确定方法及装置。
背景技术
随着食品安全法律体系和食品安全意识的不断健全，食品安全检查工作所涉及的范围越来越广，检查工作量日益增加。对检查部门的工作效率，反应、应变能力等提出了更高的要求。提高检查人员的检查速度、减少检查人员不必要的工作量已经迫在眉睫。
移动检查就是替代传统执法方式的一个新的检查方式，主要是利用一项结合现代移动终端技术、移动通讯技术、GIS技术、GPS技术研发而成的一款移动检查系统来实现而得名的。通过装载到智能手机上的系统检查人员可以进行拍照、摄像、录音、查看任务和通知、上传检查结果等操作。
现有方案中，检查人员负责指定店铺的检查，一段时间内需对同一店铺进行多次检查。电子检查的过程中，检查人员需上传检查时的实时照片，由于检查项目较多，极易出现上传照片与指定检查点不符的情况。其次，由于检查人员之前可能已对指定店铺进行过检查，检查人员不进行检查，而上传之前的检查照片进行顶替，导致无法达到检查效果。
发明内容
本发明实施例提供了一种检查图片确定方法及装置，以至少解决相关技术中检查人员上传的检查照片不符，而导致的无法达到检查效果的问题。
根据本发明的一个实施例，提供了一种检查图片确定方法，包括：从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点；根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄；根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容。
可选地，根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄，包括：将所述地理位置坐标信息和拍摄日期信息与数据库中预设的店铺检查信息进行匹配；根据匹配结果确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄。
可选地，根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容包括：根据所述图片内的图像特征点与所述数据库中参照图片中相同图像特征点的数量计算所述图片与对比图片的相似度；在所述相似度大于阈值的情况下，确认上传的所示图片为候选图片；根据所述候选图片中包含对应于不同检查内容的图像特征点的数量确定所述图片中的内容是否为指定检查内容。
可选地，提取所述图片的图像特征点包括：通过SIFT进行图像特征提取，并利用训练后的k-means模型进行聚类降维。
可选地，从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点之前，还包括：建立所述数据库，所述数据库保存有所述店铺检查信息和所述参照图片，所述店铺检查信息至少包括：需检查的店铺的地理位置信息和检测时间信息，所述参照图片与所述店铺需检查的内容一一对应。
根据本发明的另一个实施例，提供了一种检查图片确定装置，包括：提取模块，从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点；第一确定模块，用于根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄；第二确定模块，用于根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容。
可选地，所述第一确定模块包括：匹配单元，用于将所述地理位置坐标信息和拍摄日期信息与数据库中预设的店铺检查信息进行匹配；第一确定单元，根据匹配结果确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄。
可选地，第二确定模块包括：计算单元，用于根据所述图片内的图像特征点与所述数据库中参照图片中相同图像特征点的数量计算所述图片与对比图片的相似度；第二确定单元，用于在所述相似度大于阈值的情况下，确定上传的所示图片为候选图片；第三确定单元，用于根据所述候选图片中包含对应于不同检查内容的图像特征点的数量确定所述图片中的内容是否为指定检查内容。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
在本发明实施例中，从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点，从而确定是否为指定店铺和指定的检查时间，然后通过特征点分析，识别该图片的内容是否为指定检查内容，从而提高了检查人员上传的检查图片的准确度，使检查结果更加准确。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的检查图片确定方法的流程图；
图2是根据本发明实施例的指定地点及日期核对流程图；
图3是根据本发明实施例的指定检查点核对流程图；
图4是根据本发明实施例的特征提取示意图；
图5是根据本发明实施例的检查图片确定装置结构示意图；
图6是根据本发明可选实施例的检查图片确定装置结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
在本实施例中提供了一种检查图片确定方法，图1是根据本发明实施例的方法流程图，如图1所示，该流程包括如下步骤：
步骤S102，从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点；
步骤S104，根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄；
步骤S106，根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容。
在本实施例的步骤S104中，将所述地理位置坐标信息和拍摄日期信息与数据库中预设的店铺检查信息进行匹配；根据匹配结果确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄。
在本实施例的步骤S104中，根据所述图片内的图像特征点与所述数据库中参照图片中相同图像特征点的数量计算所述图片与对比图片的相似度；在所述相似度大于阈值的情况下，确认上传的所示图片为候选图片；根据所述候选图片中包含对应于不同检查内容的图像特征点的数量确定所述图片中的内容是否为指定检查内容。
在本实施例中，提取所述图片的图像特征点包括：通过SIFT进行图像特征提取，并利用训练后的k-means模型进行聚类降维。
在本实施例的步骤S102之前，还包括：建立所述数据库，所述数据库保存有所述店铺检查信息和所述参照图片，所述店铺检查信息至少包括：需检查的店铺的地理位置信息和检测时间信息，所述参照图片与所述店铺需检查的内容一一对应。
为了便于对本发明所提供的技术方案的理解，下面结合具体场景的实施例进行描述。
本实施例提供了一种对检查人员上传照片的检查方法。在本实施例中，对于所上传的照片需先对拍照的实际位置信息进行解析，识别该照片是否为指定店铺，然后分析照片拍摄日期是否为指定的检查时间，最后通过特征分析，识别该照片的内容是否为指定检查内容。
如图2所示，在本实施例中地点及日期核对包括如下步骤：
步骤S201，建立检查数据库，包括检查店铺的名称、地址、电话、检查日期、检查人员等信息。服务器内置地图系统，将店铺的地址信息在地图中进行检索，得到指定的坐标点，并对该点的地理坐标(经度、维度)进行提取。
步骤S202照片拍摄时，检查人员需打开拍摄装置的GPS功能进行拍摄，拍摄的照片存为Exif(Exchangeable Image File)格式，信息包括像素、光圈、快门、白平衡、ISO、日期、时间、GPS全球定位系统数据等。通过Exif文件分析模块，可将照片中包含的地理位置坐标提取出来，该位置坐标即为拍照的地点信息。此外Exif文件分析还可分析出拍照日期。
Exif是一种图像文件格式，只要不经特殊处理，每张图片的Exif信息会被一直保留，信息包括像素、光圈、快门、白平衡、ISO、日期、时间、GPS全球定位系统数据等。
步骤S203，通过照片信息与检查信息的交叉对比，识别上传照片中的店铺位置以及拍摄日期是否存在异常。
在本实施例中，检查上传照片是否为指定店铺的指定检查点主要包括如下步骤：
步骤S301，建立图像库：收集指定店铺所有需要搜索的位置的照片，一个位置拍摄不同角度的多个图片。
步骤S302，建立特征库：为所有收集的图片提取特征并存储在数据库中，每一张照片与其代表的位置一一对应。
步骤S303，检查人员上传照片，使用与建立特征库时相同的方法为上传的图像提取特征。
步骤S304，相似度计算：计算待搜索图像特征与特征库内所有图像的特征的相似度，上传照片提取到a个特征点，特征库内某图的相似点为b个，两张图相同的特征点为c个，则相似度p＝c/b。
步骤S305，相似度排序：如果和特征库内某张图的相似度超过一定阈值，则认为该图为候选结果图。对所有候选结果图的相似度排序。
步骤S306，在候选图中，相似度最高的前m个里面，如果包含了指定位置的图，则认为上传的图为该指定位置。例如，如果m＝5，其中3张图为A检查点、1张为B检查点、1张为C检查点，则判定上传照片为A检查点。
步骤S307，识别照片上传时，是否上传为A检查点的检查结果，若是，则上传正确；若不是，则上传照片是否存在异常。
在本实施例中，如图4所示，图片中的特征提取主要采用SIFT特征提取和K-means降维。
使用SIFT特征，能克服拍照过程中的旋转、尺度、光照等影响；Sift：输入一张图，输出p*128个float(小数)，其中p为关键点的个数，不同的图p不同。
但是，SIFT提取特征维度高，导致相似度计算时计算量大，使用k-means聚类降维。采用K-means，输入p*128维特征，输出p个int(整数)。首先，需通过训练得到一个模型，使用该模型将p*128float转成p个int，训练时需要大量的照片提取大量的128float。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种检查图片确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”或“单元”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的检查图片确定装置的结构框图，如图5所示，该装置包括提取模块10、第一确定模块20和第二确定模块30。
提取模块10，从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点。
第一确定模块20，用于根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄；
第二确定模块30，用于根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容。
图6是根据本发明可选实施例的检查图片确定装置的结构框图，如图6所示，该装置除包括图5所示的所有模块外，所述第一确定模块20包括：匹配单元21，用于将所述地理位置坐标信息和拍摄日期信息与数据库中预设的店铺检查信息进行匹配；第一确定单元22，根据匹配结果确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄。
在本实施例中，第二确定模块包括30：计算单元31，用于根据所述图片内的图像特征点与所述数据库中参照图片中相同图像特征点的数量计算所述图片与对比图片的相似度；第二确定单元32，用于在所述相似度大于阈值的情况下，确定上传的所示图片为候选图片；第三确定单元33，用于根据所述候选图片中包含对应于不同检查内容的图像特征点的数量确定所述图片中的内容是否为指定检查内容。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种检查图片确定方法，其特征在于，包括：
从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点；
根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄；
根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容。
2.根据权利要求1所述的方法，其特征在于，根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄，包括：
将所述地理位置坐标信息和拍摄日期信息与数据库中预设的店铺检查信息进行匹配；
根据匹配结果确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄。
3.根据权利要求1所述的方法，其特征在于，根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容包括：
根据所述图片内的图像特征点与所述数据库中参照图片中相同图像特征点的数量计算所述图片与对比图片的相似度；
在所述相似度大于阈值的情况下，确认上传的所示图片为候选图片；
根据所述候选图片中包含对应于不同检查内容的图像特征点的数量确定所述图片中的内容是否为指定检查内容。
4.根据权利要求1所述的方法，其特征在于，提取所述图片的图像特征点包括：
通过SIFT进行图像特征提取，并利用训练后的k-means模型进行聚类降维。
5.根据权利要求1所述的方法，其特征在于，从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点之前，还包括：
建立所述数据库，所述数据库保存有所述店铺检查信息和所述参照图片，所述店铺检查信息至少包括：需检查的店铺的地理位置信息和检测时间信息，所述参照图片与所述店铺需检查的内容一一对应。
6.一种检查图片确定装置，其特征在于，包括：
提取模块，从上传的店铺检查图片中提取出所述图片的拍摄点的地理位置坐标信息和拍摄日期信息，以及所述图片的图像特征点；
第一确定模块，用于根据所述地理位置坐标信息和拍摄日期信息确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄；
第二确定模块，用于根据提取的所述图像特征点确定所拍摄的店铺的检查内容是否为指定检查内容。
7.根据权利要求6所述的装置，其特征在于，所述第一确定模块包括：
匹配单元，用于将所述地理位置坐标信息和拍摄日期信息与数据库中预设的店铺检查信息进行匹配；
第一确定单元，根据匹配结果确定所述店铺是否为指定检查店铺，以及所述图片是否在指定检查时间拍摄。
8.根据权利要求6所述的装置，其特征在于，第二确定模块包括：
计算单元，用于根据所述图片内的图像特征点与所述数据库中参照图片中相同图像特征点的数量计算所述图片与对比图片的相似度；
第二确定单元，用于在所述相似度大于阈值的情况下，确定上传的所示图片为候选图片；
第三确定单元，用于根据所述候选图片中包含对应于不同检查内容的图像特征点的数量确定所述图片中的内容是否为指定检查内容。
9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
CN201911175559.7A 2019-11-26 2019-11-26 检查图片确定方法及装置 Pending CN110909188A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911175559.7A CN110909188A (zh) 2019-11-26 2019-11-26 检查图片确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911175559.7A CN110909188A (zh) 2019-11-26 2019-11-26 检查图片确定方法及装置

Publications (1)

Publication Number Publication Date
CN110909188A true CN110909188A (zh) 2020-03-24

Family

ID=69819646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911175559.7A Pending CN110909188A (zh) 2019-11-26 2019-11-26 检查图片确定方法及装置

Country Status (1)

Country Link
CN (1) CN110909188A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783836A (zh) * 2020-06-04 2020-10-16 北京思特奇信息技术股份有限公司 一种远程巡店方法及装置
CN112614568A (zh) * 2020-12-28 2021-04-06 东软集团股份有限公司 检查图像的处理方法、装置、存储介质和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303761A (zh) * 2008-06-10 2008-11-12 裘炅 一种手机拍摄并上传取证照片或视频的车险理赔集成系统
JP2011170540A (ja) * 2010-02-17 2011-09-01 Fujifilm Corp 検査システム及び方法、管理サーバ、携帯端末、プログラム、並びに記憶媒体
CN108921209A (zh) * 2018-06-21 2018-11-30 杭州骑轻尘信息技术有限公司 图片识别方法、装置及电子设备
CN109189960A (zh) * 2018-11-12 2019-01-11 平安科技（深圳）有限公司 信息获取方法、信息获取装置及计算机存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303761A (zh) * 2008-06-10 2008-11-12 裘炅 一种手机拍摄并上传取证照片或视频的车险理赔集成系统
JP2011170540A (ja) * 2010-02-17 2011-09-01 Fujifilm Corp 検査システム及び方法、管理サーバ、携帯端末、プログラム、並びに記憶媒体
CN108921209A (zh) * 2018-06-21 2018-11-30 杭州骑轻尘信息技术有限公司 图片识别方法、装置及电子设备
CN109189960A (zh) * 2018-11-12 2019-01-11 平安科技（深圳）有限公司 信息获取方法、信息获取装置及计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
皇家园林巡游者: "一个用STFT特征比较图像相似度的python小程序", 《HTTPS://BLOG.CSDN.NET/WANGZHENYANG2/ARTICLE/DETAILS/85106267》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783836A (zh) * 2020-06-04 2020-10-16 北京思特奇信息技术股份有限公司 一种远程巡店方法及装置
CN112614568A (zh) * 2020-12-28 2021-04-06 东软集团股份有限公司 检查图像的处理方法、装置、存储介质和电子设备
CN112614568B (zh) * 2020-12-28 2024-05-28 东软集团股份有限公司 检查图像的处理方法、装置、存储介质和电子设备

Similar Documents

Publication Publication Date Title
CN109284729B (zh) 基于视频获取人脸识别模型训练数据的方法、装置和介质
CN106446816B (zh) 人脸识别方法及装置
CN110705405B (zh) 目标标注的方法及装置
US8144920B2 (en) Automated location estimation using image analysis
CN110175609B (zh) 界面元素检测方法、装置及设备
CN110941978B (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
CN112100461B (zh) 基于数据分析的问卷数据处理方法、装置、服务器和介质
TWI528197B (zh) 相片分群系統及相片分群方法與電腦可讀取記錄媒體
CN108229289B (zh) 目标检索方法、装置和电子设备
CN104520848A (zh) 按照出席者搜索事件
CN110909188A (zh) 检查图片确定方法及装置
US9665574B1 (en) Automatically scraping and adding contact information
KR20190124436A (ko) 영상 기반 건물 검색 방법 및 장치
CN113076961B (zh) 一种图像特征库更新方法、图像检测方法和装置
CN111104542A (zh) 零件识别管理方法及装置
CN110781195A (zh) 一种兴趣点信息更新的系统、方法和装置
CN113568934A (zh) 一种数据查询方法、装置、电子设备和存储介质
CN113435333A (zh) 一种数据处理方法、装置、计算机设备和存储介质
CN111368128B (zh) 目标图片的识别方法、装置和计算机可读存储介质
CN110796178B (zh) 决策模型训练方法及样本特征选择方法、装置和电子设备
CN112287905A (zh) 车辆损伤识别方法、装置、设备及存储介质
CN115223022B (zh) 一种图像处理方法、装置、存储介质及设备
CN114491134B (zh) 一种商标注册成功率分析方法及系统
CN110689028A (zh) 现场图测评方法、现场勘查记录测评方法及其装置
CN110553627A (zh) 测量信息集成装置和计算机存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210823

Address after: 200232 32 / F, West Bank artificial intelligence center, 701 Yunjin Road, Xuhui District, Shanghai

Applicant after: Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co.,Ltd.

Address before: Room 1302-13, No.6 Weide Road, Yangpu District, Shanghai 200433

Applicant before: SHANGHAI SECOND PICKET NETWORK TECHNOLOGY Co.,Ltd.