CN111149101B - 一种目标图案查找方法及计算机可读存储介质 - Google Patents
一种目标图案查找方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111149101B CN111149101B CN201980003322.2A CN201980003322A CN111149101B CN 111149101 B CN111149101 B CN 111149101B CN 201980003322 A CN201980003322 A CN 201980003322A CN 111149101 B CN111149101 B CN 111149101B
- Authority
- CN
- China
- Prior art keywords
- matching
- original image
- preset
- target pattern
- image
- 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
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
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种目标图案查找方法及计算机可读存储介质,其中方法包括:根据预设缩放算法,将原始图像缩放至各个预设分辨率,得到所述原始图像在各个所述预设分辨率下的缩放图像;根据预设匹配算法,对各个所述缩放图像进行目标图案的模板匹配,得到所述原始图像在各个所述预设分辨率下的匹配分数;选取所述匹配分数最高的一次模板匹配的匹配结果作为输出结果,所述匹配结果包括所述目标图案的定位数据。本申请公开的方法,解决了若原始图像中目标图案的尺寸与模板匹配算法所使用的模板图案尺寸相差较大则匹配效果差的技术问题。
Description
技术领域
本申请涉及图像识别技术领域,尤其涉及一种目标图案查找方法及计算机可读存储介质。
背景技术
目前,在图像中查找目标图案的方法主要有两种。一种是基于机器学习或深度学习的方法,这种方法需要较大的样本库以进行训练,每次目标图案更新后又需要重新训练,而且每次训练的时间比较长,短则一天,长则四五天,开发效率不高。
另一种是基于图片特征分析的方法,其中,对于具有固定目标图案的图像,一般采用模板匹配方法。模板匹配方法是基于图像特征分析方法的一种,在查找图像中特定的目标图案时效果较好。然而,目前的模板匹配方法,只能适用于固定尺寸的目标图案,当图像拍摄距离过远或过近时,图像内的目标图案与模板图案的尺寸相差甚大,使得查找效果大打折扣。
发明内容
本申请提供了一种目标图案查找方法及计算机可读存储介质,解决了若原始图像中目标图案的尺寸与模板匹配算法所使用的模板图案尺寸相差较大则匹配效果差的技术问题。
有鉴于此,本申请第一方面提供了一种目标图案查找方法,包括:
根据预设缩放算法,将原始图像缩放至各个预设分辨率,得到所述原始图像在各个所述预设分辨率下的缩放图像;
根据预设匹配算法,对各个所述缩放图像进行目标图案的模板匹配,得到所述原始图像在各个所述预设分辨率下的匹配分数;
选取所述匹配分数最高的一次模板匹配的匹配结果作为输出结果,所述匹配结果包括所述目标图案的定位数据。
可选的,所述根据预设缩放算法,将原始图像缩放至各个预设分辨率,得到所述原始图像在各个所述预设分辨率下的缩放图像包括:
根据预设分辨率参数及原始图像的宽度与高度,计算所述原始图像对应的基准宽度与基准高度;
根据所述基准宽度与基准高度,对所述原始图像进行等比例缩放,得到所述原始图像在所述预设分辨率参数下的缩放图像。
可选的,所述根据预设分辨率参数及原始图像的宽度与高度,计算所述原始图像对应的基准宽度与基准高度包括:
赋予所述基准高度第一预设值;
计算所述基准宽度;所述
可选的,所述根据所述基准宽度与基准高度,对所述原始图像进行等比例缩放,得到所述原始图像在所述预设分辨率参数下的缩放图像包括:
若所述原始图像的高度大于所述基准高度,对所述原始图像进行第一次等比例缩放,至所述原始图像的高度等于所述基准高度;
若所述原始图像在所述第一次等比例缩放后的宽度大于所述基准宽度,对所述原始图像进行第二次等比例缩放,至所述原始图像的宽度等于所述基准宽度,得到缩放图像。
可选的,所述根据预设匹配算法,对各个所述缩放图像进行目标图案的模板匹配,得到所述原始图像在各个所述预设分辨率下的匹配分数包括:
根据预设匹配算法,对所述缩放图像进行预设次数的目标图案的模板匹配;在每一次模板匹配后,对包含匹配到的目标图案的局部区域进行抹除,并将抹除处理后的所述缩放图像作为下一次模板匹配的对象;
累加所述缩放图像的各次模板匹配的匹配分数,得到所述原始图像在当前预设分辨率下的匹配分数。
可选的,所述根据预设匹配算法,对所述缩放图像进行预设次数的目标图案的模板匹配之前还包括:
若当前预设分辨率下的第一缩放图像与另一预设分辨率下的已完成模板匹配的第二缩放图像的分辨率相同,将所述第二缩放图像的匹配结果赋予所述第一缩放图像。
可选的,所述在每一次模板匹配后,对包含匹配到的目标图案的局部区域进行抹除包括:
在每一次模板匹配后,将包含匹配到的目标图案的局部区域的像素值设置为255或0。
可选的,所述包含匹配到的目标图案的局部区域包括:
以所述目标图案为中心的方形区域或圆形区域。
可选的,所述预设匹配算法包括:差值平方和匹配法或相关匹配法。
本申请第二方面提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述第一方面的任一种的目标图案查找方法。
从以上技术方案可以看出,本申请具有以下优点:
现有模板匹配算法适用的目标图案尺寸局限性很大,在原始图像的拍摄距离与该算法适用的图像拍摄距离相差较大时,原始图像内目标图案的尺寸也与模板图案的尺寸相差较大,因此匹配结果往往不尽人意。而本申请提供的该方法,通过将原始图像缩放到不同分辨率后,再将不同分辨率下的各个缩放图像进行模板匹配,相当于先通过缩放的方式使原始图像中目标图案的尺寸接近算法所使用的模板图案的尺寸(匹配分数在一定程度上反映了缩放图像中的目标图案与算法所使用的模板图案的尺寸的差距),而后再进行模板匹配,因此解决了原始图像与模板匹配算法适用的目标图案尺寸差距大时匹配效果差的技术问题。
附图说明
图1为本申请提供的目标图案查找方法的第一个实施例的流程图;
图2为本申请提供的目标图案查找方法的第二个实施例的流程图;
图3为本申请第二个实施例提供的原始图像的示例图;
图4为本申请第二个实施例提供的在每次模板匹配后进行抹除处理的效果图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
申请人发现,现有的模板匹配算法适用的目标图案的尺寸局限性很大,往往只能适用固定尺寸的目标图案。当图像的拍摄距离较远时,原始图像中目标图案的尺寸较小,当图像的拍摄距离较近时,原始图像中目标图案的尺寸较大,都与模板匹配算法中的模板图案的尺寸相差较大,匹配效果较差。本申请提供了一种目标图案查找方法,意在解决上述技术问题。
请参考图1,图1为本申请提供的目标图案查找方法的第一个实施例的流程图,该方法包括:
步骤101、根据预设缩放算法,将原始图像缩放至各个预设分辨率,得到原始图像在各个预设分辨率下的缩放图像。
模板匹配算法适用的目标图像的尺寸相对固定,因此当原始图像中目标图案的尺寸不适用模板匹配算法时,为得到更好的匹配效果,可以对原始图像进行缩放。具体缩放时,可以预先设置多个级别的分辨率,通过预设的缩放算法,将原始图像缩放到各个级别的分辨率,得到各个分辨率的缩放图像。
步骤102、根据预设匹配算法,对各个缩放图像进行目标图案的模板匹配,得到原始图像在各个预设分辨率下的匹配分数。
需要说明的是,预设匹配算法可以是现有的各种模板匹配算法,比如可以是差值平方和匹配法,当然也可以是相关匹配法。通过模板匹配算法对图像进行匹配后,可以得到图像中目标图案的定位数据(如坐标)以及反映匹配程度的匹配分数。
步骤103、选取匹配分数最高的一次模板匹配的匹配结果作为输出结果。
匹配分数越高,目标图案的查找越准确。因此,可以选取匹配分数最高的一次模板匹配,该次模板匹配的匹配结果即为最佳匹配结果,作为输出。容易理解,匹配结果中包括有目标图案的定位数据。
本实施例提供一种目标图案查找方法,通过将原始图像缩放到不同分辨率后,再将不同分辨率下的各个缩放图像进行模板匹配。通过匹配分数找到最佳的匹配结果,实现目标图案的准确查找。该方案先通过缩放的方式使原始图像转化为不同分辨率的缩放图像,其中各个缩放图像与模板匹配算法的适配度不同,因此模板匹配得到的匹配分数也不同。本实施例提供的方案,相当于先通过缩放的方式使原始图像的目标图案的尺寸接近算法所使用模板图案的尺寸(匹配分数在一定程度上反映了缩放图像中的图案与算法所使用的模板图案的尺寸的差距),而后再进行模板匹配,因此解决了原始图像与模板匹配算法适用的目标图案尺寸差距大时匹配效果差的技术问题。
以上为本申请提供的第一个实施例。下面请参见图2,图2为本申请提供的目标图案查找方法的第二个实施例的流程图,该方法包括:
步骤201、根据预设分辨率参数及原始图像的宽度与高度,计算原始图像对应的基准宽度与基准高度。
在对原始图像进行缩放时,可以设置多个分辨率级别。本实施例中,通过预设分辨率参数wp来表示不同的分辨率级别,例如有wp=[1920,1440,1080],表示三种分辨率级别。
具体缩放时,首先需要设定缩放规则的基准,即原始图像对应的基准宽度与基准高度。基准宽度与基准高度的设定方式有多种,本实施例提供一种优选的设定方式,具体的,对于基准高度hc,可以赋予其一个预设值,如hc=1920;对于基准宽度wc,可以通过下式计算:
如当第二预设值为3024时,基准宽度其中,wp为预设分辨率参数,w为原始图像的宽度。
步骤202、根据基准宽度与基准高度,对原始图像进行等比例缩放,得到原始图像在预设分辨率参数下的缩放图像。
为保持匹配的准确性,对原始图像的缩放应当保持不变形缩放,即长宽等比例缩放。具体的,可以以基准宽度与基准高度为框架进行缩放。若原始图像的高度h大于基准高度hc,即h>hc,则对原始图像进行第一次等比例缩放,至原始图像的高度h等于基准高度hc,即hn=hc,第一次等比例缩放后对应的宽度
若原始图像在第一次等比例缩放后的宽度wn大于基准宽度wc,即wn>wc,对原始图像进行第二次等比例缩放,至原始图像的宽度wn等于基准宽度wc,即wn=wc,此时对应的新高度此时的图像为需要的缩放图像。
为便于理解,下面提供一个例子。例如:原始图像的宽度w=3024,高度h=4032(苹果iPhone手机拍照的图片分辨率),第一级预设分辨率参数为wp=1920,则因为h>hc,hn=1920,/>即缩放后的缩放图像的宽度和高度分别为1440与1920。
步骤203、根据预设匹配算法,对缩放图像进行预设次数的目标图案的模板匹配;在每一次模板匹配后,对包含匹配到的目标图案的局部区域进行抹除,并将抹除处理后的缩放图像作为下一次模板匹配的对象。
考虑到原始图像内可能不止一个目标图案,因此,为将所有的目标图案查找出,首先需设定模板匹配的次数。一般而言,可以设定匹配次数与原始图像中目标图案的数量相同。比如图3所示的示例图像,若目标图案为纸张四个角处的菱形图案,则待查找的目标图案有4个,其中左下角与右下角为同一图案,右上角与左下角为同一图案,对应的模板匹配的次数可以设定为2。
如前所述,在应用匹配算法前,需要制作目标图案对应的模板图案。对应图3中的示例,即为朝向不同的两种菱形图案,左上角与右下角的菱形图案可以制作模板P1,右上角与左下角的菱形图案可以制作模板P2。
每一次模板匹配可以得到原始图像中的一个最佳匹配目标,即查找到一个目标图案。为防止在接下来的模板匹配中再次匹配到相同的目标图案,可以将查找到的目标图案进行抹除,具体的,即将包含匹配到的目标图案的局部区域进行抹除,并将抹除处理后的缩放图像作为下一次模板匹配的对象。可以进一步参考图4,图4示出图3所示示例在每次模板匹配后进行抹除处理的效果。
需要说明的是,上述的抹除处理,除了防止在接下来的模板匹配中再次匹配到相同的目标图案的作用外,还可以一定程度上提高匹配的精准度。当原始图像中非目标图案较多、干扰纹理较复杂时,目标图案局部区域的清除能一定程度上排除干扰。
在进行抹除处理时,可以实现的方式有很多,比如可以将包含匹配到的目标图案的局部区域的像素值设置为255或0,也可以填充其他的像素。
而包含匹配到的目标图案的局部区域具体可以是以目标图案为中心的方形区域或圆形区域,当然也可以是其他形状。同样,该区域的大小本领域技术人员也可以根据实际情况灵活调整。
步骤204、累加缩放图像的各次模板匹配的匹配分数,得到原始图像在当前预设分辨率下的匹配分数。
对各次模板匹配的匹配分数进行累加,则得到该原始图像在当前预设分辨率下的匹配分数。
可以理解的是,原始图像在不同分辨率级别下的缩放图像可能分辨率相同。因此,若当前预设分辨率下的第一缩放图像与另一预设分辨率下的已完成模板匹配的第二缩放图像的分辨率相同,可以直接将第二缩放图像的匹配结果赋予第一缩放图像。
比如,步骤202的说明中的苹果手机拍照的例子,当wp=1920与当wp=1440时,经过缩放得到的缩放图像的分辨率均为1440x1920。此时,可以直接将wp=1920的匹配结果作为wp=1440匹配结果,达到省略一次模板匹配的效果。
步骤205、选取匹配分数最高的一次模板匹配的匹配结果作为输出结果,匹配结果包括目标图案的定位数据。
本实施例提供一种目标图案查找方法,通过将原始图像缩放到不同分辨率后,再将不同分辨率下的各个缩放图像进行模板匹配。通过匹配分数找到最佳的匹配结果,实现目标图案的准确查找。该方案先通过缩放的方式使原始图像转化为不同分辨率的缩放图像,其中各个缩放图像与模板匹配算法的适配度不同,因此模板匹配得到的匹配分数也不同。本实施例提供的方案,相当于先通过缩放的方式使原始图像的目标图案的尺寸接近算法的模板图案的尺寸(匹配分数在一定程度上反映了缩放图像中的图案与算法所使用的模板图案的尺寸的差距),而后再进行模板匹配,因此解决了原始图像的目标图案尺寸与模板匹配算法模板图案尺寸差距大时匹配效果差的技术问题。
此外,本实施例还针对图像中多目标图案的情形,提出了每次模板匹配后抹除查找到的目标图案的局部区域的方案,一方面可以防止在接下来的模板匹配中再次匹配到相同的目标图案的作用外,另一方面可以一定程度上提高匹配的精准度。
本申请还提供一种计算机可读存储介质,用于存储程序代码,该程序代码用于执行前述各个实施例所述的一种目标图案查找方法中的任意一种实施方式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种目标图案查找方法,其特征在于,包括:
根据预设缩放算法,将原始图像缩放至各个预设分辨率,得到所述原始图像在各个所述预设分辨率下的缩放图像;
根据预设匹配算法,对各个所述缩放图像进行目标图案的模板匹配,得到所述原始图像在各个所述预设分辨率下的匹配分数;
对各个所述缩放图像进行目标图案的模板匹配为通过缩放的方式使原始图像的目标图案的尺寸接近算法所使用模板图案的尺寸后进行模板匹配;
所述预设匹配算法包括:差值平方和匹配法或相关匹配法;
所述根据预设匹配算法,对各个所述缩放图像进行目标图案的模板匹配,得到所述原始图像在各个所述预设分辨率下的匹配分数包括:
根据预设匹配算法,对所述缩放图像进行预设次数的目标图案的模板匹配;在每一次模板匹配后,对包含匹配到的目标图案的局部区域进行抹除,并将抹除处理后的所述缩放图像作为下一次模板匹配的对象;
累加所述缩放图像的各次模板匹配的匹配分数,得到所述原始图像在当前预设分辨率下的匹配分数;
选取所述匹配分数最高的一次模板匹配的匹配结果作为输出结果,所述匹配结果包括所述目标图案的定位数据。
2.根据权利要求1所述的目标图案查找方法,其特征在于,所述根据预设缩放算法,将原始图像缩放至各个预设分辨率,得到所述原始图像在各个所述预设分辨率下的缩放图像包括:
根据预设分辨率参数及原始图像的宽度与高度,计算所述原始图像对应的基准宽度与基准高度;
根据所述基准宽度与基准高度,对所述原始图像进行等比例缩放,得到所述原始图像在所述预设分辨率参数下的缩放图像。
3.根据权利要求2所述的目标图案查找方法,其特征在于,所述根据预设分辨率参数及原始图像的宽度与高度,计算所述原始图像对应的基准宽度与基准高度包括:
赋予所述基准高度第一预设值;
计算所述基准宽度;所述基准宽度=
4.根据权利要求2所述的目标图案查找方法,其特征在于,所述根据所述基准宽度与基准高度,对所述原始图像进行等比例缩放,得到所述原始图像在所述预设分辨率参数下的缩放图像包括:
若所述原始图像的高度大于所述基准高度,对所述原始图像进行第一次等比例缩放,至所述原始图像的高度等于所述基准高度;
若所述原始图像在所述第一次等比例缩放后的宽度大于所述基准宽度,对所述原始图像进行第二次等比例缩放,至所述原始图像的宽度等于所述基准宽度,得到缩放图像。
5.根据权利要求1所述的目标图案查找方法,其特征在于,所述根据预设匹配算法,对所述缩放图像进行预设次数的目标图案的模板匹配之前还包括:
若当前预设分辨率下的第一缩放图像与另一预设分辨率下的已完成模板匹配的第二缩放图像的分辨率相同,将所述第二缩放图像的匹配结果赋予所述第一缩放图像。
6.根据权利要求1所述的目标图案查找方法,其特征在于,所述在每一次模板匹配后,对包含匹配到的目标图案的局部区域进行抹除包括:
在每一次模板匹配后,将包含匹配到的目标图案的局部区域的像素值设置为255或0。
7.根据权利要求1所述的目标图案查找方法,其特征在于,所述包含匹配到的目标图案的局部区域包括:
以所述目标图案为中心的方形区域或圆形区域。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-7任一项所述的目标图案查找方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/129060 WO2021128243A1 (zh) | 2019-12-27 | 2019-12-27 | 一种目标图案查找方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111149101A CN111149101A (zh) | 2020-05-12 |
CN111149101B true CN111149101B (zh) | 2023-08-18 |
Family
ID=70525092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980003322.2A Active CN111149101B (zh) | 2019-12-27 | 2019-12-27 | 一种目标图案查找方法及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111149101B (zh) |
WO (1) | WO2021128243A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598176B (zh) * | 2020-05-19 | 2023-11-17 | 北京明略软件系统有限公司 | 一种图像匹配处理方法及装置 |
CN111797933B (zh) * | 2020-07-10 | 2023-07-28 | 百度在线网络技术(北京)有限公司 | 模板匹配的方法、装置、电子设备和存储介质 |
CN112037135B (zh) * | 2020-09-11 | 2023-06-09 | 上海瞳观智能科技有限公司 | 选择图像关键主体放大并显示的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140347399A1 (en) * | 2013-05-24 | 2014-11-27 | International Business Machines Corporation | Image scaling for images including low resolution text |
CN106096659A (zh) * | 2016-06-16 | 2016-11-09 | 网易(杭州)网络有限公司 | 图像匹配方法和装置 |
CN108881743A (zh) * | 2018-07-19 | 2018-11-23 | 威创集团股份有限公司 | 一种基于拼接墙的视频图像处理方法、装置及系统 |
CN109074657A (zh) * | 2018-07-18 | 2018-12-21 | 深圳前海达闼云端智能科技有限公司 | 一种目标跟踪方法、装置、电子设备和可读存储介质 |
CN109242858A (zh) * | 2018-07-18 | 2019-01-18 | 浙江理工大学 | 基于自适应模板匹配的织物印花循环图案基元分割方法 |
CN109767447A (zh) * | 2019-01-04 | 2019-05-17 | 腾讯科技(深圳)有限公司 | 一种模板匹配方法、装置、设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5271031B2 (ja) * | 2008-08-09 | 2013-08-21 | 株式会社キーエンス | 画像のデータ圧縮方法、画像処理におけるパターンモデルの位置決め方法、画像処理装置、画像処理プログラム及びコンピュータで読み取り可能な記録媒体 |
CN106228194B (zh) * | 2016-08-05 | 2018-09-18 | 腾讯科技(深圳)有限公司 | 图像查找方法和装置 |
CN108319979A (zh) * | 2018-02-05 | 2018-07-24 | 哈工大机器人(合肥)国际创新研究院 | 一种基于缩放和旋转匹配的图像定位识别检测方法 |
-
2019
- 2019-12-27 WO PCT/CN2019/129060 patent/WO2021128243A1/zh active Application Filing
- 2019-12-27 CN CN201980003322.2A patent/CN111149101B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140347399A1 (en) * | 2013-05-24 | 2014-11-27 | International Business Machines Corporation | Image scaling for images including low resolution text |
CN106096659A (zh) * | 2016-06-16 | 2016-11-09 | 网易(杭州)网络有限公司 | 图像匹配方法和装置 |
CN109074657A (zh) * | 2018-07-18 | 2018-12-21 | 深圳前海达闼云端智能科技有限公司 | 一种目标跟踪方法、装置、电子设备和可读存储介质 |
CN109242858A (zh) * | 2018-07-18 | 2019-01-18 | 浙江理工大学 | 基于自适应模板匹配的织物印花循环图案基元分割方法 |
CN108881743A (zh) * | 2018-07-19 | 2018-11-23 | 威创集团股份有限公司 | 一种基于拼接墙的视频图像处理方法、装置及系统 |
CN109767447A (zh) * | 2019-01-04 | 2019-05-17 | 腾讯科技(深圳)有限公司 | 一种模板匹配方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021128243A1 (zh) | 2021-07-01 |
CN111149101A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111149101B (zh) | 一种目标图案查找方法及计算机可读存储介质 | |
WO2019154035A1 (zh) | 一种在视频中植入广告的方法及计算机设备 | |
CN105069799B (zh) | 一种角点定位方法及装置 | |
CN109583483B (zh) | 一种基于卷积神经网络的目标检测方法和系统 | |
CN109934847B (zh) | 弱纹理三维物体姿态估计的方法和装置 | |
JP4348353B2 (ja) | パターン認識装置,パターン認識方法及びその方法を実現したプログラムを格納した記録媒体 | |
JP5188334B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN108197605A (zh) | 基于深度学习的牦牛身份识别方法 | |
JP2002516440A (ja) | 画像認識および相関システム | |
CN106570886B (zh) | 一种基于超分辨率重建的目标跟踪方法 | |
CN108010082B (zh) | 一种几何匹配的方法 | |
CN114529837A (zh) | 建筑物轮廓提取方法、系统、计算机设备及存储介质 | |
CN111695431A (zh) | 一种人脸识别方法、装置、终端设备及存储介质 | |
JP2005196678A (ja) | テンプレートマッチング方法および対象画像領域抽出装置 | |
CN115937003A (zh) | 图像处理方法、装置、终端设备和可读存储介质 | |
CN107133260A (zh) | 一种地标图像的匹配识别方法和装置 | |
JPH05181411A (ja) | 地図情報照合更新方式 | |
US20240153255A1 (en) | Learning device, parameter adjustment method and recording medium | |
CN113808033A (zh) | 图像文档校正方法、系统、终端及介质 | |
CN111027551B (zh) | 图像处理方法、设备和介质 | |
CN110334560B (zh) | 一种二维码定位方法和装置 | |
JP2009187204A (ja) | 画像処理装置 | |
JPH10111946A (ja) | 画像追跡装置 | |
US8938118B1 (en) | Method of neighbor embedding for OCR enhancement | |
CN112149684B (zh) | 图像处理方法和用于目标检测的图像预处理方法 |
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 |