CN111461136B - 数据处理方法、装置、系统、计算机可读存储介质 - Google Patents

数据处理方法、装置、系统、计算机可读存储介质 Download PDF

Info

Publication number
CN111461136B
CN111461136B CN201910056255.2A CN201910056255A CN111461136B CN 111461136 B CN111461136 B CN 111461136B CN 201910056255 A CN201910056255 A CN 201910056255A CN 111461136 B CN111461136 B CN 111461136B
Authority
CN
China
Prior art keywords
specific object
determining
point
feature point
characteristic point
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
Application number
CN201910056255.2A
Other languages
English (en)
Other versions
CN111461136A (zh
Inventor
陈奕名
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.)
Jingdong Technology Information Technology Co Ltd
Original Assignee
Jingdong Technology Information 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 Jingdong Technology Information Technology Co Ltd filed Critical Jingdong Technology Information Technology Co Ltd
Priority to CN201910056255.2A priority Critical patent/CN111461136B/zh
Publication of CN111461136A publication Critical patent/CN111461136A/zh
Application granted granted Critical
Publication of CN111461136B publication Critical patent/CN111461136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • 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
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供一种数据处理方法，包括：获取图像，所述图像包括特定对象和所述特定对象对应的第一特征点；在所述第一特征点相对于所述特定对象为第一位置关系的情况下，通过第一处理方式处理所述第一特征点，得到第二特征点；或在所述第一特征点相对于所述特定对象为第二位置关系的情况下，通过第二处理方式处理所述第一特征点，得到第二特征点，其中，所述第二特征点至所述特定对象的轮廓线的距离小于所述第一特定点至所述特定对象的轮廓线的距离。

Description

数据处理方法、装置、系统、计算机可读存储介质
技术领域
本公开涉及计算机技术领域，更具体地，涉及一种数据处理方法、一种数据处理装置、一种数据处理系统、以及一种计算机可读存储介质。
背景技术
由于技术日益成熟，测量物体的体积、重量等参数的传统测量手段越来越不满足需求，在人工智能的大环境下，例如可以通过获取物体的轮廓关键点来对物体的体积、重量等参数进行估算。例如，生物识别检测通过获取生物的轮廓关键点对生物的体尺、体重进行估算，以此节省人力，以及人工测量对生物造成的应激。因此，如何获取较为准确的轮廓关键点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，现有技术中获取生物的轮廓关键点不够准确，造成基于关键点估算相关参数的误差较大。
发明内容
有鉴于此，本公开提供了一种优化的数据处理方法和数据处理系统。
本公开的一个方面提供了一种数据处理方法，包括：获取图像，所述图像包括特定对象和所述特定对象对应的第一特征点，在所述第一特征点相对于所述特定对象为第一位置关系的情况下，通过第一处理方式处理所述第一特征点，得到第二特征点，或在所述第一特征点相对于所述特定对象为第二位置关系的情况下，通过第二处理方式处理所述第一特征点，得到第二特征点，其中，所述第二特征点至所述特定对象的轮廓线的距离小于所述第一特定点至所述特定对象的轮廓线的距离。
根据本公开的实施例，上述方法还包括：根据所述第一特征点的灰度值和所述特定对象的灰度值分布确定所述第一特征点分布所述特定对象的位置关系，其中，在所述第一特征点的灰度值在所述特定对象的灰度值分布范围以内时，确定所述第一特征点相对于所述特定对象为所述第一位置关系，在所述第一特征点的灰度值在所述特定对象的灰度值分布范围以外时，确定所述第一特征点相对于所述特定对象为所述第二位置关系。
根据本公开的实施例，上述第一位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之内，所述第二位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之外。
根据本公开的实施例，上述在所述第一特征点相对于所述特定对象为第一位置关系的情况下，通过第一处理方式处理所述第一特征点，得到第二特征点，包括：根据所述第一特征点确定第一区域，所述第一区域的至少部分不包括所述特定对象，确定所述第一区域中的目标区域，所述目标区域不包括所述特定对象，确定所述目标区域中的多个关键点，以及基于所述多个关键点确定所述第二特征点。
根据本公开的实施例，上述在所述第一特征点相对于所述特定对象为第二位置关系的情况下，通过第二处理方式处理所述第一特征点，得到第二特征点，包括：根据所述第一特征点确定第二区域，所述第二区域的至少部分包括所述特定对象，确定所述第二区域中的目标区域，所述目标区域包括所述特定对象，确定所述目标区域中的多个关键点，以及基于所述多个关键点确定所述第二特征点。
根据本公开的实施例，上述基于所述多个关键点确定所述第二特征点，包括：从所述多个关键点中确定至所述第一特征点的距离最小的第一关键点，根据所述第一关键点确定所述第二特征点。
根据本公开的实施例，上述根据所述第一关键点确定所述第二特征点，包括根据预设循环次数循环执行：将所述第一关键点作为所述第二特征点，基于所述第一关键点确定第三区域，确定所述第三区域中的多个关键点，从多个关键点以及第一关键点中确定至所述第一特征点的距离最小的第二关键点，将所述第二关键点作为所述第一关键点。
根据本公开的实施例，上述方法还包括：基于所述第二特征点确定所述特定对象的体积和/或重量。
本公开的另一个方面提供了一种数据处理装置，包括：获取模块、第一处理模块、第二处理模块。其中，获取模块获取图像，所述图像包括特定对象和所述特定对象对应的第一特征点，第一处理模块在所述第一特征点相对于所述特定对象为第一位置关系的情况下，通过第一处理方式处理所述第一特征点，得到第二特征点，或第二处理模块在所述第一特征点相对于所述特定对象为第二位置关系的情况下，通过第二处理方式处理所述第一特征点，得到第二特征点，其中，所述第二特征点至所述特定对象的轮廓线的距离小于所述第一特定点至所述特定对象的轮廓线的距离。
根据本公开的实施例，上述装置还包括：第一确定模块，根据所述第一特征点的灰度值和所述特定对象的灰度值分布确定所述第一特征点相对于所述特定对象的位置关系，其中，在所述第一特征点的灰度值处于所述特定对象的灰度值分布范围以内时，确定所述第一特征点相对于所述特定对象为所述第一位置关系，在所述第一特征点的灰度值处于所述特定对象的灰度值分布范围以外时，确定所述第一特征点相对于所述特定对象为所述第二位置关系。
根据本公开的实施例，上述第一位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之内，所述第二位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之外。
根据本公开的实施例，上述第一处理模块包括：第一确定子模块、第二确定子模块、第三确定子模块、第四确定子模块。其中，第一确定子模块根据所述第一特征点确定第一区域，所述第一区域的至少部分不包括所述特定对象，第二确定子模块确定所述第一区域中的目标区域，所述目标区域不包括所述特定对象，第三确定子模块确定所述目标区域中确定多个关键点，第四确定子模块基于所述多个关键点确定所述第二特征点。
根据本公开的实施例，上述第二处理模块包括：第五确定子模块、第六确定子模块、第七确定子模块、第八确定子模块。其中，第五确定子模块根据所述第一特征点确定第二区域，所述第二区域的至少部分包括所述特定对象，第六确定子模块确定所述第二区域中的目标区域，所述目标区域包括所述特定对象，第七确定子模块确定所述目标区域中的多个关键点，第八确定子模块基于所述多个关键点确定所述第二特征点。
根据本公开的实施例，上述基于所述多个关键点确定所述第二特征点，包括：从所述多个关键点中确定至所述第一特征点的距离最小的第一关键点，根据所述第一关键点确定所述第二特征点。
根据本公开的实施例，上述根据所述第一关键点确定所述第二特征点，包括根据预设循环次数循环执行：将所述第一关键点作为所述第二特征点，基于所述第一关键点确定第三区域，确定所述第三区域中的多个关键点，从多个关键点以及第一关键点中确定至所述第一特征点的距离最小的第二关键点，将所述第二关键点作为所述第一关键点。
根据本公开的实施例，上述装置还包括：第二确定模块，基于所述第二特征点确定所述特定对象的体积和/或重量。
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获取生物的轮廓关键点不够准确，造成基于关键点估算相关参数的误差较大的问题，并因此可以实现提高轮廓关键点的准确性，以此提高估算相关参数的准确性的技术效果。
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数据处理方法和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数据处理方法和处理系统的应用场景；
图3A～3C示意性示出了根据本公开实施例的数据处理方法的流程图；
图4示意性示出了根据本公开另一实施例的数据处理方法的流程图；
图5A～5C示意性示出了根据本公开实施例的数据处理装置的框图；
图6示意性示出了根据本公开另一实施例的数据处理装置的框图；以及
图7示意性示出了根据本公开实施例的适于数据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数据处理方法，包括：获取图像，该图像包括特定对象和特定对象对应的第一特征点；在第一特征点相对于特定对象为第一位置关系的情况下，通过第一处理方式处理第一特征点，得到第二特征点；或在第一特征点相对于特定对象为第二位置关系的情况下，通过第二处理方式处理第一特征点，得到第二特征点，其中，第二特征点至特定对象的轮廓线的距离小于第一特定点至特定对象的轮廓线的距离。
图1示意性示出了根据本公开实施例的数据处理方法和数据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数据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数据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数据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数据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10l、102、103和/或服务器105通信的服务器或服务器集群中。
例如，本公开实施例所获取的图像可以存储在终端设备101、102、103中，通过终端设备101、102、103将图像发送至服务器105中，服务器105可以根据图像中第一特征点相对于特定对象的位置关系确定处理方式，并通过处理方式处理第一特征点得到第二特征点。或者，终端设备101、102、103也可以直接根据图像中第一特征点相对于特定对象的位置关系确定处理方式，并通过处理方式处理第一特征点得到第二特征点。另外，获取的图像还可以直接存储在服务器105中，由服务器105直接根据图像中第一特征点相对于特定对象的位置关系确定处理方式，并通过处理方式处理第一特征点得到第二特征点。
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数据处理方法和数据处理系统的应用场景。需要注意的是，图2所示仅为可以应用本公开实施例的场景的示例，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2所示，该应用场景200例如可以包括图像210。
其中，图像210例如可以是通过红外摄像头获取的图像，该图像可以是灰度的光学图像，还可以是深度图像。
其中，图像210例如包括特定对象211，以及包括特定对象211的多个第一特征点211a(图中的圆点)，该第一特征点211a例如能够表征特定对象211的轮廓特征，但该第一特征点211a与特定对象211的轮廓线具有一定距离，通过该第一特征点211a估算特定对象211的相关参数(体积、重量等)不够精准。例如可以通过小波变换、Sobel算子等边缘检测方法得到特定图像的轮廓线。
因此，本公开实施例对第一特征点211a进行处理得到相应的第二特征点211b，该第二特征点211b至特定对象211的轮廓线的距离小于第一特征点211a至特定对象211的轮廓线的距离，换言之，该第二特征点211b更接近特定对象211的轮廓线，因此，通过该第二特征点211b能够更将精准地估算特定对象211的相关参数。
图3A～3C示意性示出了根据本公开实施例的数据处理方法的流程图。
如图3A所示，该方法包括操作S310～S330。
在操作S310，获取图像，图像包括特定对象和特定对象对应的第一特征点。
根据本公开实施例，例如通过红外摄像头获取图像，该图像可以是灰度的光学图像，或者可以是深度图像。该图像中包括特定对象，该特定对象可以是各种类型的物体、生物等等。举例来说，生物可以是猪只，例如随着自动化、智能化、无人化的养猪业日益发展，可以通过获取猪只的图像来对猪只的体积、体重等参数进行估算。
其中，第一特征点可以是特定对象轮廓线周围的特征点，该第一特征点能够表征特定对象的轮廓特征，该第一特征点例如包括多个特定点，该第一特征点可以与特定对象的轮廓线之间具有一定距离。其中，由于该第一特征点与特定对象的轮廓线之间具有一定距离，造成通过该第一特征点估算特定对象的相关参数的误差较大。
在操作S320，在第一特征点相对于特定对象为第一位置关系的情况下，通过第一处理方式处理第一特征点，得到第二特征点。
根据本公开实施例，第一位置关系包括第一特征点在特定对象的轮廓线形成的区域之内。例如，第一特征点位于特定对象的轮廓线形成的区域之内，特定对象的轮廓线可以是封闭的轮廓线。
在本公开实施例中，通过第一处理方式处理第一特征点得到第二特征点，该第二特征点位于第一特征点的周围，并且，该第二特征点至特定对象的轮廓线的距离小于第一特征点至特定对象的轮廓线的距离，换言之，对第一特征点进行处理得到的第二特征点更接近特定对象的轮廓线。
在操作S330，在第一特征点相对于特定对象为第二位置关系的情况下，通过第二处理方式处理第一特征点，得到第二特征点。
根据本公开实施例，第二位置关系包括第一特征点在特定对象的轮廓线形成的区域之外。例如，第一特征点位于特定对象的轮廓线之外，特定对象的轮廓线可以是封闭的轮廓线。
在本公开实施例中，通过第二处理方式处理第一特征点得到第二特征点，该第二特征点位于第一特征点的周围，并且，该第二特征点至特定对象的轮廓线的距离小于第一特征点至特定对象的轮廓线的距离，换言之，对第一特征点进行处理得到的第二特征点更接近特定对象的轮廓线。
本公开实施例通过获取包括特定对象以及与特定对象对应的第一特征点的图像，基于第一特定点与特定对象的位置关系确定对应的处理方式，通过对应的处理方式处理第一特征点得到第二特征点，该第二特征点至特定对象的轮廓线的距离小于第一特征点至轮廓线的距离。换言之，对第一特征点进行处理得到的第二特征点更接近特定对象的轮廓线，以此提高通过第二特征点估算特定对象的相关参数的准确性。
如图3B所示，操作S320包括操作S321～S324。
在操作S321，根据第一特征点确定第一区域，第一区域的至少部分不包括特定对象。
根据本公开实施例，在第一特征点相对于特定对象为第一位置关系的情况下，即在第一特征点位于特定对象的区域之内时，基于第一特征点确定第一区域。其中，第一区域至少部分不包括特定对象，即，第一区域可以为部分区域位于特定对象的区域之内(特定对象的轮廓线之内)，另一部分区域位于特定对象的区域之外(特定对象的轮廓线之外)。例如，该第一区域以位于特定对象的区域之内的第一特征点为圆心，一定距离为半径的圆形区域，该圆形区域包括部分特定对象区域，以及部分非特定对象区域。
可以理解，第一区域可以是以第一特征点为圆心的圆形区域，还可以是其他形式的区域，本公开实施例不限制第一区域的具体类型，只要该第一区域的至少部分区域不包括特定对象即可。
在操作S322，确定第一区域中的目标区域，目标区域不包括特定对象。
在本公开实施例中，第一区域包括位于特定对象区域之内的部分区域以及位于特定对象之外的部分区域，其中，目标区域例如为位于特定对象之外的部分区域。
在操作S323，确定目标区域中的多个关键点。
在本公开实施例中，从目标区域中确定出多个关键点，该多个关键点例如可以是图像中的像素点，该多个关键点可以是从目标区域中随机确定，例如可以随机确定N个关键点(其中，N个关键点可以为工程选取的经验值，针对不同应用，可根据实际情况确定个数，例如，N可以为5)。
在操作S324，基于多个关键点确定第二特征点。
根据本公开实施例，根据多个关键点确定第二特征点，具体过程后续描述。
如图3C所示，操作S330包括操作S331～S334。
在操作S331，根据第一特征点确定第二区域，第二区域的至少部分包括特定对象。
根据本公开实施例，在第一特征点相对于特定对象为第二位置关系的情况下，即在第一特征点位于特定对象的区域之外时，基于第一特征点确定第二区域。其中，第二区域至少部分包括特定对象，即，第二区域可以为部分区域位于特定对象的区域之内(特定对象的轮廓线之内)，另一部分区域位于特定对象的区域之外(特定对象的轮廓线之外)。例如，该第二区域以位于特定对象的区域之外的第一特征点为圆心，一定距离为半径的圆形区域，该圆形区域包括部分特定对象区域，以及部分非特定对象区域。
可以理解，第二区域可以是以第一特征点为圆心的圆形区域，还可以是其他形状的区域，本公开实施例不限制第二区域的具体类型，只要该第二区域的至少部分区域包括特定对象即可。
在操作S332，确定第二区域中的目标区域，目标区域包括特定对象。
在本公开实施例中，第二区域包括位于特定对象区域之内的部分区域以及位于特定对象之外的部分区域，其中，目标区域例如为位于特定对象之内的部分区域。
在操作S333，去顶目标区域中的多个关键点。
在本公开实施例中，从目标区域中确定出多个关键点，该多个关键点例如可以是图像中的像素点，该多个关键点可以是从目标区域中随机确定，例如可以随机确定N个关键点(其中，N个关键点可以为应用选取的经验值，针对不同应用，可根据实际情况确定个数，例如，N可以为5)。
在操作S334，基于多个关键点确定第二特征点。
根据本公开实施例，根据多个关键点确定第二特征点，具体过程如下描述。
其中，基于多个关键点确定第二特征点，包括：
从多个关键点中确定至第一特征点的距离最小的第一关键点。
例如，将多个关键点中至第一特征点的距离最小的关键点作为第一关键点。其中，多个关键点至第一特征点的距离例如可以是欧式距离。
接下来，根据第一关键点确定第二特征点。具体地，包括根据预设循环次数循环执行以下步骤(1)～(5)(其中，预设循环次数可以是根据实际应用情况具体设定的n次)：
(1)将第一关键点作为第二特征点。
将第一关键点作为第二特征点。其中，如果预设循环次数为1次，则该第一关键点即作为第二特征点，否则循环执行预设循环次数得到第二特征点。
(2)基于第一关键点确定第三区域。
其中，该第三区域例如可以是以第一关键点为圆心，一定距离为半径的圆形区域。其中，该第三区域例如可以不包括第一特征点。即，该第三区域的半径可以稍小，以保证不包括第一特征点。
(3)确定第三区域中的多个关键点。
从第三区域中随机确定多个关键点，例如确定5个关键点。
(4)从多个关键点以及第一关键点中确定至第一特征点的距离最小的第二关键点。
其中，从多个关键点和第一关键点(总共6个关键点)中确定至第一特征点的距离最小的关键点作为第二关键点。其中，多个关键点和第一关键点至第一特征点的距离例如可以是欧式距离。
(5)将第二关键点作为第一关键点。
图4示意性示出了根据本公开另一实施例的数据处理方法的流程图。
如图4所示，该方法包括操作S310～S330以及操作S410～S420。其中，操作S310～S330与上参考图3A中描述的操作相同或类似，在此不再赘述。
在操作S410，根据第一特征点的灰度值和特定对象的灰度值分布确定第一特征点相对于特定对象的位置关系。
其中，在第一特征点的灰度值在特定对象的灰度值分布范围以内时，确定第一特征点相对于特定对象为第一位置关系，在第一特征点的灰度值在特定对象的灰度值分布范围以外时，确定第一特征点相对于特定对象为第二位置关系。
例如，特定对象的区域内的像素点的灰度值具有一定分布范围，当第一特征点的灰度值在该范围内时，表明该第一特征点位于特定对象的区域之内，当第一特征点的灰度值不在该范围内时，表明该第一特征点位于特定对象的区域之外。
在操作S420，基于第二特征点确定特定对象的体积和/或重量。
根据本公开实施例，第二特征点可以包括多个第二特征点，该第二特征点为较接近特定对象的轮廓线的特征点，根据该第二特征点可以估计特定对象的体积或者重量。
具体地，基于第一特征点通过n次迭代得到第二特征点，具体过程如下。
(1)令第一特征点与其周围可用点的点集合/>在相同平面Φ上。
(2)首先随机取{pi|i＝0，...，4，pi∈m}(5个点为示例经验值，针对不同应用，可根据实际情况确定点的个数。其中，点的个数可以根据应用根据准确率和实时性之间做平衡)。
(3)计算每个pi到M的欧氏距离选择距离D的最小值，并保留距离M最近的点/>(第一关键点)。
(4)更新可用点集合即更新可用点集合为以/>为圆心，Dthreshold为半径的范围内(Dthreshold可根据实际情况选取)。在更新的K中重新随机选取(p′i|i＝0，...，4，p′i∈m}，计算这5个点到M的欧氏距离/>结合/>有/> 选择D′new最小值，更新/>
其中min(·)表示取最小值。
(5)定义n次迭代，重复(4)，得到最终为第二特征点。
可以理解，本公开实施例的迭代算法相比传统的遍历算法，本公开的迭代算法计算复杂度低，准确率满足工程需求。
具体地，传统的遍历算法由于横向比较，由于需要计算欧式距离，计算复杂度较高。例如，可以定义每计算两个点的距离时，复杂度为k，则计算m个点的距离的复杂度为k×m。根据本公开实施例，选取如上所述的最小值算法，选取计算复杂度最低的基于小根堆(一种经过排序的完全二叉树)的筛选法，从m个数字中选择最小值，其计算复杂度最多为2m-1。因此m个可用点(多个关键点)的情况下，在传统遍历算法与本公开算法的复杂度(默认n次迭代)为如下表格所示，其中n＜＜m：
表1计算复杂度对比
可以理解，由于函数调用、生成随机数等因素对整体复杂度影响非常小，因此表1中的计算复杂度忽略了以上因素。从表1中可以看出，在n＜＜m的条件下，本公开算法相比传统遍历算法有着较大优势。n的选取需要具体根据具体应用要求，在准确率与实时性中做平衡。
图5A～5C示意性示出了根据本公开实施例的数据处理装置的框图。
如图5A所示，数据处理装置500包括获取模块510、第一处理模块520以及第二处理模块530。
获取模块510可以用于获取图像，图像包括特定对象和特定对象对应的第一特征点。根据本公开实施例，获取模块510例如可以执行上文参考图3A描述的操作S310，在此不再赘述。
第一处理模块520可以用于在第一特征点相对于特定对象为第一位置关系的情况下，通过第一处理方式处理第一特征点，得到第二特征点。根据本公开实施例，第一处理模块模块520例如可以执行上文参考图3A描述的操作S320，在此不再赘述。
第二处理模块530可以用于在第一特征点相对于特定对象为第二位置关系的情况下，通过第二处理方式处理第一特征点，得到第二特征点。根据本公开实施例，第二处理模块530例如可以执行上文参考图3A描述的操作S330，在此不再赘述。
根据本公开实施例，第二特征点至特定对象的轮廓线的距离小于第一特定点至特定对象的轮廓线的距离。
根据本公开实施例，第一位置关系包括第一特征点在特定对象的轮廓线形成的区域之内，第二位置关系包括第一特征点在特定对象的轮廓线形成的区域之外。
如图5B所示，第一处理模块520包括第一确定子模块521、第二确定子模块522、第三确定子模块523以及第四确定子模块524。
第一确定子模块521可以根据第一特征点确定第一区域，第一区域的至少部分不包括特定对象。根据本公开实施例，第一确定子模块521例如可以执行上文参考图3B描述的操作S321，在此不再赘述。
第二确定子模块522可以用于确定第一区域中的目标区域，目标区域不包括特定对象。根据本公开实施例，第二确定子模块522例如可以执行上文参考图3B描述的操作S322，在此不再赘述。
第三确定子模块523可以用于确定目标区域中的多个关键点。根据本公开实施例，第三确定子模块523例如可以执行上文参考图3B描述的操作S323，在此不再赘述。
第四确定子模块524可以用于基于多个关键点确定第二特征点。根据本公开实施例，第四确定子模块524例如可以执行上文参考图3B描述的操作S324，在此不再赘述。
如图5C所示，第二处理模块530包括第五确定子模块531、第六确定子模块532、第七确定子模块533以及第八确定子模块534。
第五确定子模块531可以用于根据第一特征点确定第二区域，第二区域的至少部分包括特定对象。根据本公开实施例，第五确定子模块531例如可以执行上文参考图3C描述的操作S331，在此不再赘述。
第六确定子模块532可以用于确定第二区域中的目标区域，目标区域包括特定对象。根据本公开实施例，第六确定子模块532例如可以执行上文参考图3C描述的操作S332，在此不再赘述。
第七确定子模块533可以用于确定目标区域中的多个关键点。根据本公开实施例，第七确定子模块533例如可以执行上文参考图3C描述的操作S333，在此不再赘述。
第八确定子模块534可以用于基于多个关键点确定第二特征点。根据本公开实施例，第八确定子模块534例如可以执行上文参考图3C描述的操作S334，在此不再赘述。
根据本公开实施例，基于多个关键点确定第二特征点，包括：从多个关键点中确定至第一特征点的距离最小的第一关键点，根据第一关键点确定第二特征点。
根据本公开实施例，根据第一关键点确定第二特征点，包括根据预设循环次数循环执行：将第一关键点作为第二特征点，基于第一关键点确定第三区域，确定第三区域中的多个关键点，从多个关键点以及第一关键点中确定至第一特征点的距离最小的第二关键点，将第二关键点作为第一关键点。
图6示意性示出了根据本公开另一实施例的数据处理装置的框图。
如图6所示，数据处理装置600包括获取模块510、第一处理模块520、第二处理模块530、第一确定模块610以及第二确定模块620。其中，获取模块510、第一处理模块520以及第二处理模块530与上参考图5A描述的模块相同或类似，在此不再赘述。
第一确定模块610可以用于根据第一特征点的灰度值和特定对象的灰度值分布确定第一特征点相对于特定对象的位置关系，其中，在第一特征点的灰度值在特定对象的灰度值分布范围以内时，确定第一特征点相对于特定对象为第一位置关系，在第一特征点的灰度值在特定对象的灰度值分布范围以外时，确定第一特征点相对于特定对象为第二位置关系。根据本公开实施例，第一确定模块610例如可以执行上文参考图4描述的操作S410，在此不再赘述。
第二确定模块620可以用于基于第二特征点确定特定对象的体积和/或重量。根据本公开实施例，第二确定模块620例如可以执行上文参考图4描述的操作S420，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，获取模块510、第一处理模块520、第二处理模块530、第一确定子模块521、第二确定子模块522、第三确定子模块523、第四确定子模块524、第五确定子模块531、第六确定子模块532、第七确定子模块533、第八确定子模块534、第一确定模块610、第二确定模块620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，获取模块510、第一处理模块520、第二处理模块530、第一确定子模块521、第二确定子模块522、第三确定子模块523、第四确定子模块524、第五确定子模块531、第六确定子模块532、第七确定子模块533、第八确定子模块534、第一确定模块610、第二确定模块620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，获取模块510、第一处理模块520、第二处理模块530、第一确定子模块521、第二确定子模块522、第三确定子模块523、第四确定子模块524、第五确定子模块531、第六确定子模块532、第七确定子模块533、第八确定子模块534、第一确定模块610、第二确定模块620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7示意性示出了根据本公开实施例的适于数据处理的计算机系统的方框图。图7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7所示，根据本公开实施例的计算机系统700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701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701还可以包括用于缓存用途的板载存储器。处理器701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 703中，存储有系统700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703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 702和RAM 703以外的一个或多个存储器中。处理器701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700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；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707；包括硬盘等的存储部分708；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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质716，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710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708。
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709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701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 702和/或RAM 703和/或ROM 702和RAM 703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 (12)

1.一种数据处理方法，包括：
获取图像，所述图像包括特定对象和所述特定对象对应的第一特征点；
在所述第一特征点相对于所述特定对象为第一位置关系的情况下，通过第一处理方式处理所述第一特征点，得到第二特征点；或在所述第一特征点相对于所述特定对象为第二位置关系的情况下，通过第二处理方式处理所述第一特征点，得到第二特征点，
其中，所述第二特征点至所述特定对象的轮廓线的距离小于所述第一特定点至所述特定对象的轮廓线的距离；
其中，所述第一特征点表征特定对象的轮廓特征；
所述第一位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之内，所述第二位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之外；
其中，在所述第一特征点相对于所述特定对象为第一位置关系的情况下，通过第一处理方式处理所述第一特征点，得到第二特征点，包括：根据所述第一特征点确定第一区域，所述第一区域的至少部分不包括所述特定对象；确定所述第一区域中的目标区域，所述目标区域不包括所述特定对象；确定所述目标区域中的多个关键点；以及基于所述多个关键点确定所述第二特征点；
其中，在所述第一特征点相对于所述特定对象为第二位置关系的情况下，通过第二处理方式处理所述第一特征点，得到第二特征点，包括：根据所述第一特征点确定第二区域，所述第二区域的至少部分包括所述特定对象；确定所述第二区域中的目标区域，所述目标区域包括所述特定对象；确定所述目标区域中的多个关键点；以及基于所述多个关键点确定所述第二特征点。
2.根据权利要求1所述的方法，还包括：
根据所述第一特征点的灰度值和所述特定对象的灰度值分布确定所述第一特征点相对于所述特定对象的位置关系，
其中，在所述第一特征点的灰度值在所述特定对象的灰度值分布范围以内时，确定所述第一特征点相对于所述特定对象为所述第一位置关系；在所述第一特征点的灰度值在所述特定对象的灰度值分布范围以外时，确定所述第一特征点相对于所述特定对象为所述第二位置关系。
3.根据权利要求1所述的方法，其中，所述基于所述多个关键点确定所述第二特征点，包括：
从所述多个关键点中确定至所述第一特征点的距离最小的第一关键点；
根据所述第一关键点确定所述第二特征点。
4.根据权利要求3所述的方法，其中，所述根据所述第一关键点确定所述第二特征点，包括根据预设循环次数循环执行：
将所述第一关键点作为所述第二特征点；
基于所述第一关键点确定第三区域；
确定所述第三区域中的多个关键点；
从多个关键点以及第一关键点中确定至所述第一特征点的距离最小的第二关键点；
将所述第二关键点作为所述第一关键点。
5.根据权利要求1所述的方法，还包括：
基于所述第二特征点确定所述特定对象的体积和/或重量。
6.一种数据处理装置，包括：
获取模块，获取图像，所述图像包括特定对象和所述特定对象对应的第一特征点；
第一处理模块，在所述第一特征点相对于所述特定对象为第一位置关系的情况下，通过第一处理方式处理所述第一特征点，得到第二特征点；或第二处理模块，在所述第一特征点相对于所述特定对象为第二位置关系的情况下，通过第二处理方式处理所述第一特征点，得到第二特征点，
其中，所述第二特征点至所述特定对象的轮廓线的距离小于所述第一特定点至所述特定对象的轮廓线的距离；
其中，所述第一特征点表征特定对象的轮廓特征；
所述第一位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之内，所述第二位置关系包括所述第一特征点在所述特定对象的轮廓线形成的区域之外；
第一处理模块包括第一确定子模块、第二确定子模块、第三确定子模块以及第四确定子模块；第一确定子模块用于根据第一特征点确定第一区域，第一区域的至少部分不包括特定对象；第二确定子模块用于确定第一区域中的目标区域，目标区域不包括特定对象；第三确定子模块用于确定目标区域中的多个关键点；第四确定子模块用于基于所述多个关键点确定第二特征点；
第二处理模块包括第五确定子模块、第六确定子模块、第七确定子模块以及第八确定子模块；
第五确定子模块用于根据第一特征点确定第二区域，第二区域的至少部分包括特定对象；第六确定子模块用于确定第二区域中的目标区域，目标区域包括特定对象；第七确定子模块用于确定目标区域中的多个关键点；第八确定子模块用于基于多个关键点确定第二特征点。
7.根据权利要求6所述的装置，还包括：
第一确定模块，根据所述第一特征点的灰度值和所述特定对象的灰度值分布确定所述第一特征点相对于所述特定对象的位置关系，
其中，在所述第一特征点的灰度值在所述特定对象的灰度值分布范围以内时，确定所述第一特征点相对于所述特定对象为所述第一位置关系；在所述第一特征点的灰度值在所述特定对象的灰度值分布范围以外时，确定所述第一特征点相对于所述特定对象为所述第二位置关系。
8.根据权利要求6所述的装置，其中，所述基于所述多个关键点确定所述第二特征点，包括：
从所述多个关键点中确定至所述第一特征点的距离最小的第一关键点；
根据所述第一关键点确定所述第二特征点。
9.根据权利要求8所述的装置，其中，所述根据所述第一关键点确定所述第二特征点，包括根据预设循环次数循环执行：
将所述第一关键点作为所述第二特征点；
基于所述第一关键点确定第三区域；
确定所述第三区域中的多个关键点；
从多个关键点以及第一关键点中确定至所述第一特征点的距离最小的第二关键点；
将所述第二关键点作为所述第一关键点。
10.根据权利要求6所述的装置，还包括：
第二确定模块，基于所述第二特征点确定所述特定对象的体积和/或重量。
11.一种数据处理系统，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1~5中任一项所述的方法。
12.一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1~5中任一项所述的方法。
CN201910056255.2A 2019-01-21 2019-01-21 数据处理方法、装置、系统、计算机可读存储介质 Active CN111461136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910056255.2A CN111461136B (zh) 2019-01-21 2019-01-21 数据处理方法、装置、系统、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910056255.2A CN111461136B (zh) 2019-01-21 2019-01-21 数据处理方法、装置、系统、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111461136A CN111461136A (zh) 2020-07-28
CN111461136B true CN111461136B (zh) 2023-12-08

Family

ID=71680881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910056255.2A Active CN111461136B (zh) 2019-01-21 2019-01-21 数据处理方法、装置、系统、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111461136B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005310070A (ja) * 2004-04-26 2005-11-04 Canon Inc 情報処理装置及び情報処理方法
CN101464948A (zh) * 2009-01-14 2009-06-24 北京航空航天大学 一种基于关键点的仿射不变矩的目标识别方法
CN102779278A (zh) * 2012-07-04 2012-11-14 Tcl集团股份有限公司 轮廓提取方法及系统
CN103983334A (zh) * 2014-05-20 2014-08-13 联想(北京)有限公司 一种信息处理的方法及电子设备
CN106140648A (zh) * 2016-08-19 2016-11-23 南京农业大学 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法
CN107578052A (zh) * 2017-09-15 2018-01-12 北京京东尚科信息技术有限公司 货品处理方法及系统
JP2018051001A (ja) * 2016-09-29 2018-04-05 株式会社日立製作所 画像処理装置、及びその方法
WO2018121567A1 (zh) * 2016-12-27 2018-07-05 北京市商汤科技开发有限公司 用于检测物体关键点的方法、装置及电子设备
KR101915402B1 (ko) * 2017-06-20 2018-11-05 한양대학교 산학협력단 점진적 그래프 최적화를 통한 특징점 매칭 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2312336B1 (en) * 2004-07-30 2012-03-14 Panasonic Corporation Image processing device

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005310070A (ja) * 2004-04-26 2005-11-04 Canon Inc 情報処理装置及び情報処理方法
CN101464948A (zh) * 2009-01-14 2009-06-24 北京航空航天大学 一种基于关键点的仿射不变矩的目标识别方法
CN102779278A (zh) * 2012-07-04 2012-11-14 Tcl集团股份有限公司 轮廓提取方法及系统
CN103983334A (zh) * 2014-05-20 2014-08-13 联想(北京)有限公司 一种信息处理的方法及电子设备
CN106140648A (zh) * 2016-08-19 2016-11-23 南京农业大学 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法
JP2018051001A (ja) * 2016-09-29 2018-04-05 株式会社日立製作所 画像処理装置、及びその方法
WO2018121567A1 (zh) * 2016-12-27 2018-07-05 北京市商汤科技开发有限公司 用于检测物体关键点的方法、装置及电子设备
KR101915402B1 (ko) * 2017-06-20 2018-11-05 한양대학교 산학협력단 점진적 그래프 최적화를 통한 특징점 매칭 방법
CN107578052A (zh) * 2017-09-15 2018-01-12 北京京东尚科信息技术有限公司 货品处理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
改进的边缘特征点提取算法;李竹林;王文东;赵宗涛;王红珍;;计算机工程与应用(第02期);63-65 *

Also Published As

Publication number Publication date
CN111461136A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN109214343B (zh) 用于生成人脸关键点检测模型的方法和装置
CN108229419B (zh) 用于聚类图像的方法和装置
CN108280477B (zh) 用于聚类图像的方法和装置
CN109118456B (zh) 图像处理方法和装置
CN107622240B (zh) 人脸检测方法和装置
CN107622252B (zh) 信息生成方法和装置
CN110852349A (zh) 一种图像处理方法、检测方法、相关设备及存储介质
CN110263209B (zh) 用于生成信息的方法和装置
KR101618996B1 (ko) 호모그래피를 추정하기 위한 샘플링 방법 및 영상 처리 장치
CN109800730B (zh) 用于生成头像生成模型的方法和装置
CN110516678B (zh) 图像处理方法和装置
CN109545072A (zh) 地图构建的位姿计算方法、装置、存储介质和系统
CN109377508B (zh) 图像处理方法和装置
US20210200971A1 (en) Image processing method and apparatus
CN113887447B (zh) 一种针对密集群体目标的密度估计、分类预测模型的训练、推理方法及装置
JP2011508323A (ja) 不変の視覚場面及び物体の認識
CN111767750A (zh) 图像处理方法和装置
KR102606734B1 (ko) 생체 검출 방법 및 장치
CN110288625B (zh) 用于处理图像的方法和装置
CN111311480A (zh) 图像融合方法和装置
CN108492284B (zh) 用于确定图像的透视形状的方法和装置
CN111783777B (zh) 图像处理方法、装置、电子设备和计算机可读介质
Kang et al. Primitive fitting based on the efficient multibaysac algorithm
WO2024060708A1 (zh) 目标检测方法和装置
CN111461136B (zh) 数据处理方法、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: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Information Technology Co.,Ltd.

Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: BEIJING HAIYI TONGZHAN INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant