CN111611871A - 图像识别方法、装置、计算机设备和计算机可读存储介质 - Google Patents
图像识别方法、装置、计算机设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111611871A CN111611871A CN202010339198.1A CN202010339198A CN111611871A CN 111611871 A CN111611871 A CN 111611871A CN 202010339198 A CN202010339198 A CN 202010339198A CN 111611871 A CN111611871 A CN 111611871A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- camera
- information
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000033001 locomotion Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 24
- 238000002372 labelling Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000003111 delayed effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像识别方法、装置、计算机设备和存储介质。所述方法包括:接收摄像头发送的第一图像;根据本地存储的各个特征信息对所述第一图像进行识别;若识别失败,则将所述第一图像发送至服务器;接收并保存所述服务器返回的所述第一图像中目标对象的特征信息;所述目标对象的特征信息是所述服务器对所述第一图像进行识别得到的;当接收到所述摄像头发送的第二图像时,根据所述目标对象的特征信息对所述第二图像进行识别,得到识别结果。采用本方法能够保证图像识别的精度和时效性。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种图像识别方法、装置、计算机设备和计算机可读存储介质。
背景技术
随着图像识别技术的发展,图像识别技术在不同的领域均有应用。传统的图像识别方式主要包括本地识别和云端识别,本地识别是指通过现场与摄像头关联的终端设备对摄像头采集的图像进行识别;云端识别是指将摄像头采集的图像通过网络传输到服务器,由服务器进行识别。由于终端设备计算能力的较小,本地识别的识别结果往往不够准确;而云端识别由于受到网络传输和服务器响应速度的影响,其识别的时效性较差。
因此,上述传统的本地识别和云端识别方案均无法满足对识别精度和识别时效性要求较高的应用场景。
发明内容
基于此,有必要针对传统的本地识别和云端识别方案均无法满足对识别精度和识别时效性要求较高的应用场景的技术问题,提供一种图像识别方法、装置、计算机设备和计算机可读存储介质。
一种图像识别方法,应用于终端,所述方法包括:
接收摄像头发送的第一图像;
根据本地存储的各个特征信息对所述第一图像进行识别;
若识别失败,则将所述第一图像发送至服务器;
接收并保存所述服务器返回的所述第一图像中目标对象的特征信息;所述目标对象的特征信息是所述服务器对所述第一图像进行识别得到的;
当接收到所述摄像头发送的第二图像时,根据所述目标对象的特征信息对所述第二图像进行识别,得到识别结果。
在一个实施例中,所述方法还包括:
接收所述服务器返回的所述目标对象在所述第一图像中的第一位置信息;
按照所述第一位置信息在所述第一图像中对所述目标对象进行标注,得到标注后第一图像;
对所述标注后第一图像进行显示。
在一个实施例中,所述方法还包括:
根据所述识别结果确定所述目标对象在所述第二图像中的第二位置信息;
按照所述第二位置信息在所述第二图像中对所述目标对象进行标注,得到标注后第二图像;
将显示的所述标注后第一图像替换为所述标注后第二图像。
在一个实施例中,所述方法还包括:
接收所述服务器返回的所述目标对象的属性信息和参考图像;
生成包含所述参考图像和所述属性信息的提示信息;
当显示所述标注后第一图像时,按照所述第一位置信息显示所述提示信息;
当显示所述标注后第二图像时,按照所述第二位置信息显示所述提示信息。
一种图像识别方法,应用于服务器,所述方法包括:
接收终端发送的第一图像;
对所述第一图像进行识别,得到目标对象的特征信息;
根据所述目标对象的特征信息确定所述目标对象的运动方向;
根据所述目标对象的运动方向,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头;
将所述目标对象的特征信息发送至所述终端以及所述目标摄像头对应的目标终端。
在一个实施例中,所述根据所述目标对象的运动方向,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头,包括:
获取摄像头部署信息和拍摄所述第一图像的摄像头位置信息;
根据所述目标对象的运动方向、所述摄像头部署信息和拍摄所述第一图像的摄像头位置信息,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头。
一种图像识别装置,所述装置包括:
本地接收模块,用于接收摄像头发送的第一图像;
本地识别模块,用于根据本地存储的各个特征信息对所述第一图像进行识别;
发送模块,用于若识别失败,则将所述第一图像发送至服务器;
所述本地接收模块,还用于接收并保存所述服务器返回的所述第一图像中目标对象的特征信息;所述目标对象的特征信息是所述服务器对所述第一图像进行识别得到的;
所述本地识别模块,还用于当接收到所述摄像头发送的第二图像时,根据所述目标对象的特征信息对所述第二图像进行识别,得到识别结果。
在一个实施例中,所述装置还包括:
所述本地接收模块,还用于接收所述服务器返回的所述目标对象在所述第一图像中的第一位置信息;
标注模块,用于按照所述第一位置信息在所述第一图像中对所述目标对象进行标注,得到标注后第一图像;
显示模块,用于对所述标注后第一图像进行显示。
在一个实施例中,所述装置还包括:
位置确定模块,用于根据所述识别结果确定所述目标对象在所述第二图像中的第二位置信息;
所述标注模块,还用于按照所述第二位置信息在所述第二图像中对所述目标对象进行标注,得到标注后第二图像;
所述显示模块,还用于将显示的所述标注后第一图像替换为所述标注后第二图像。
在一个实施例中,所述装置还包括:
所述接收模块,还用于接收所述服务器返回的所述目标对象的属性信息和参考图像;
提示信息生成模块,用于生成包含所述参考图像和所述属性信息的提示信息;
所述显示模块,还用于当显示所述标注后第一图像时,按照所述第一位置信息显示所述提示信息;
所述显示模块,还用于当显示所述标注后第二图像时,按照所述第二位置信息显示所述提示信息。
一种图像识别装置,所述装置包括:
云端接收模块,用于接收终端发送的第一图像;
云端识别模块,用于对所述第一图像进行识别,得到目标对象的特征信息;
运动方向确定模块,用于根据所述目标对象的特征信息确定所述目标对象的运动方向;
目标摄像头确定模块,用于根据所述目标对象的运动方向,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头;
云端发送模块,用于将所述目标对象的特征信息发送至所述终端以及所述目标摄像头对应的目标终端。
在一个实施例中,所述目标摄像头确定模块还用于:
获取摄像头部署信息和拍摄所述第一图像的摄像头位置信息;
根据所述目标对象的运动方向、所述摄像头部署信息和拍摄所述第一图像的摄像头位置信息,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时上述任一项所述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述图像识别方法、装置、计算机设备和计算机可读存储介质,通过终端预先存储特征信息,使得终端在接收摄像头发送的第一图像时,根据本地存储的各个特征信息对第一图像进行识别,若识别失败,则将第一图像发送至服务器,接收并保存服务器返回的第一图像中目标对象的特征信息,其中,目标对象的特征信息是服务器对第一图像进行识别得到的;从而当终端再接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果,从而既保证了识别结果的精度,又提高了对目标对象的识别的时效性。
附图说明
图1为一个实施例中图像识别方法的应用环境图;
图2为一个实施例中图像识别方法的流程示意图;
图3为一个实施例中标注后图像的示意图;
图4为一个实施例中显示内容的示意图;
图5为一个实施例中实际场景和提示信息的示意图;
图6为另一个实施例中图像识别方法的流程示意图;
图7为一个实施例中应用场景的示意图;
图8为另一个实施例中图像识别方法的流程示意图;
图9为一个实施例中图像识别装置的结构框图;
图10为一个实施例中图像识别装置的结构框图;
图11为一个实施例中图像识别系统的结构框图;
图12为一个实施例中计算机设备的内部结构图;
图13为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的图像识别方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器106进行通信,终端102关联有至少一个摄像头,以上述图像识别方法执行于终端102为例,终端102接收摄像头发送的第一图像;根据本地存储的各个特征信息对第一图像进行识别;若识别失败,则将第一图像发送至服务器;接收并保存服务器返回的第一图像中目标对象的特征信息;目标对象的特征信息是服务器106对第一图像进行识别得到的;接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑/智能摄像头和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种图像识别方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
S202,接收摄像头发送的第一图像。
其中,第一图像是摄像头拍摄目标环境所采集的图像,具体可以是摄像头所采集的视频流,并对该视频流进行转换之后所得的一帧一帧的图像。目标环境为摄像头的拍摄范围内的环境,例如,摄像头部署在某十字路口,该摄像头的拍摄范围是该十字路口,则该十字路口为目标环境。
在一个实施例中,摄像头对目标环境进行拍摄得到第一图像,并将该第一图像发送给与该摄像头关联的终端,从而终端接收摄像头所拍摄的第一图像。
在一个实施例中,摄像头实时对目标环境进行拍摄得到图像数据,并将该图像数据以视频流的形式发送给与该摄像头关联的终端,终端在接收到视频流之后,将该视频流转换为一帧一帧的图像,得到第一图像。
S204,根据本地存储的各个特征信息对第一图像进行识别。
其中,本地存储的各个特征信息为不同对象的特征信息,且该特征信息是由服务器在历史时刻对其他图像进行识别得到、并发送给终端的,特征信息具体可以是特征码,特征码是通过图像识别算法对图像进行识别而得到的,对象可以是人员、物品等。
在一个实施例中,终端在接收到摄像头发送的第一图像之后,检测并计算出该第一图像中对象的特征信息,从而根据所得到的各对象的特征信息与本地存储的各个特征信息对第一图像进行识别,具体可以是将所得到的对象的特征信息与本地存储的各个特征信息进行匹配,若匹配成功则终端对第一图像识别成功,若匹配失败则终端对第一图像识别失败。
在一个实施例中,终端在接收到摄像头发送的第一图像之后,检测出该第一图像中存在的对象,并计算出该对象的特征码,从而根据计算所得的特征码与本地存储的各个特征码进行匹配,实现对第一图像的识别,具体可以是分别计算对象的特征码与本地存储的各个特征码的相似度,若相似度高于识别阈值,则确定该对象为本地存储特征码所对应的目标对象,即对第一图像识别成功;若相似度低于识别阈值,则确定对第一图像识别失败。
S206,若识别失败,则将第一图像发送至服务器。
其中,识别失败是指第一图像中的对象的特征信息与本地存储的特征信息不匹配。
在一个实施例中,终端在接收到摄像头发送的第一图像之后,检测出该第一图像中存在的对象,并计算出该对象的特征码,然后计算对象的特征码与本地存储的各个特征码的相似度,当相似度低于识别阈值,确定对第一图像识别失败,并将该第一图像发送至服务器,以使服务器对该第一图像进行识别。
S208,接收并保存服务器返回的第一图像中目标对象的特征信息;目标对象的特征信息是服务器对第一图像进行识别得到的。
在一个实施例中,服务器在接收到终端发送的第一图像之后,采用图像识别模型对第一图像进行识别,得到第一图像中目标对象的特征信息,然后将识别所得的目标对象的特征信息发送至终端,终端接收服务器返回的第一图像中目标对象的特征信息,并将该目标对象的特征信息保存到本地内存中。其中图像识别模型是采用对应的图像识别算法进行模型训练而得到的,图像识别算法可以是基于机器学习的卷积神经网络,或者基于特征匹配的ORB、SIFT+SURF等,具体地识别过程包括:目标检测、目标对齐、特征提取、目标匹配、特征信息(特征码)生成,特征信息(特征码)生成是指目标对象在目标匹配成功之后,生成目标对象的特征码。若目标对象为人员,对应的识别过程则包括:人脸检测、人脸对齐、特征提取、人脸匹配、特征信息(特征码)生成。
在一个实施例中,服务器在接收到终端发送的第一图像之后,采用图像识别模型对第一图像进行识别,确定出目标对象之后,确定目标对象在第一图像中的位置,并获取该目标对象所对应的属性信息,并将该位置信息和属性信息发送至终端,属性信息存储于数据库,包括目标对象的标识信息,例如,目标对象为人员,对应的标识信息为姓名、职业、身份证号等信息。
在一个实施例中,服务器在接收到终端发送的第一图像之后,采用图像识别模型对第一图像进行识别,确定出目标对象之后,获取该目标对象的图像信息,并将该图像信息发送给终端。其中图像信息可以是目标对象的参考图像,也可以是从第一图像中截取的包含目标对象的现场图像。
S210,当接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果。
其中,第二图像也是摄像头拍摄目标环境所采集的图像,第二图像的拍摄时刻与第一图像的拍摄时刻为不同时刻,例如第二图像的拍摄时刻晚于第一图像的拍摄时刻。
在一个实施例中,终端在对服务器返回的第一图像中目标对象的特征信息进行保存之后,当终端再接收到摄像头发送的第二图像时,根据所存储的目标对象的特征信息对第二图像信息识别,从而识别出第二图像中所包含的目标对象,即得到识别结果。
在一个实施例中,终端在接收到摄像头发送的第二图像之后,检测出该第二图像中存在的对象,并计算出该对象的特征码,从而根据计算所得的特征码与本地存储的目标对象的特征码进行匹配,实现对第二图像的识别,具体可以是计算对象的特征码与目标对象的特征码的相似度,若相似度高于识别阈值,则确定该对象为目标对象,即对第二图像识别成功,得到识别结果。
上述实施例中,通过终端预先存储特征信息,使得终端在接收摄像头发送的第一图像时,根据本地存储的各个特征信息对第一图像进行识别,若识别失败,则将第一图像发送至服务器,接收并保存服务器返回的第一图像中目标对象的特征信息,其中,目标对象的特征信息是服务器对第一图像进行识别得到的;从而当终端再接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果,从而既保证了识别结果的精度,又提高了对目标对象的识别的时效性。
在一个实施例中,终端在接收到摄像头发送的第一图像之后,直接将第一图像发送至服务器,服务器在接收到第一图像之后,对第一图像进行识别,并在确定出目标对象之后,获取该目标对象所对应的属性信息,并将识别所得的目标对象的特征信息和属性信息发送至终端,终端在接收到服务器返回的目标对象的特征信息和属性信息之后,根据所接收的目标对象的特征信息和属性信息,对本地存储的目标对象的特征信息和属性信息进行更新,具体的更新方式为:将本地存储的目标对象的特征信息和属性信息替换为所接收的目标对象的特征信息和属性信息。
在一个实施例中,终端根据本地存储的各个特征信息对第一图像进行识别,识别成功得到识别结果,并接收到服务器返回的目标对象的特征信息和属性信息后,判断终端在识别第一图像时所使用的特征信息与接收到的目标对象的特征信息是否匹配,若匹配,则确定终端对第一图像的识别正确,若不匹配,则确定终端对第一图像的识别错误。当终端对第一图像的识别正确时,根据接收到服务器返回的目标对象的特征信息和属性信息,对终端在识别第一图像时所使用的特征信息及对应的属性信息进行更新;当终端对第一图像的识别错误时,则保存接收到的目标对象的特征信息和属性信息到本地。
上述实施例中,通过终端通过将所接收的第一图像直接发送到服务器进行识别并接收服务器返回的识别结果,从而使得终端可以及时对本地所存储的目标对象的特征信息和属性信息进行更新,以使终端再次接收到含有目标对象的图像时,可以根据更新后的目标对象的特征信息和属性信息对该图像进行识别,得到识别结果,从而既保证了识别结果的精度,又提高了对目标对象的识别的时效性。
在一个实施例中,上述图像识别方法还包括对根据识别结果进行信息显示的过程,具体包括以下步骤:终端接收服务器返回的目标对象在第一图像中的第一位置信息,并按照第一位置信息在第一图像中对目标对象进行标注,得到标注后第一图像,并通过终端的显示单元对标注后第一图像进行显示。其中,标注可以是使用图框将目标对象标注出来,如图3所示。
在一个实施例中,终端在对第二图像进行识别得到识别结果之后,根据识别结果确定目标对象在第二图像中的第二位置信息,然后按照第二位置信息在第二图像中对目标对象进行标注,得到标注后第二图像,并将显示的标注后第一图像替换为标注后第二图像。
上述实施例中,终端在得到识别结果后,根据目标对象的位置将目标对象标注出来,并进行显示,使得用户可以根据所显示的标注后图像快速地找到目标对象,从而提高了目标对象的确定效率。
在一个实施例中,终端还可以接受服务器返回的目标对象的属性信息和/或参考图像,并在显示标注后第一图像或标注后第二图像时,对目标对象的属性信息和/或参考图像进行显示。
在一个实施例中,终端在接收到服务器返回的目标对象的属性信息和参考图像之后,生成包含参考图像和属性信息的提示信息,当显示标注后第一图像时,按照第一位置信息显示提示信息;当显示标注后第二图像时,按照第二位置信息显示提示信息。其中,按照第一位置信息显示提示信息可以是将提示信息显示到第一位置信息对应位置的上方、下方、左侧或右侧,避免遮挡到目标对象,其显示效果如图4所示。
在一个实施例中,终端在接收到服务器返回的目标对象的属性信息和参考图像之后,生成包含参考图像和属性信息的提示信息,以及标注框,并按照第二位置信息显示所生成的标注框和提示信息。其中,标注框在第二位置信息所对应的位置处进行显示。
结合AR应用场景对上述实例进行说明,如图5a所示是用户所看到现实场景,也是摄像头所采集到的第二图像,在终端在对第二图像进行识别并确定出目标对象的第二位置,并根据所接收的服务器返回的目标对象的属性信息和参考图像生成包含参考图像和属性信息的提示信息,然后通过终端的显示装置(AR眼镜)按照第二位置信息显示所生成的标注框和提示信息,如图5b所示,从而配戴该VR眼镜的用户可以看到的虚拟现实融合的效果(如图4所示的效果)。
上述实施例中,终端在接收到服务器返回的目标对象的属性信息和参考图像之后,生成包含参考图像和属性信息的提示信息,以及生成标注框或对图像进行标注,然后对提示信息和标注框,或提示信息和标注后图像进行显示,使得用户可以根据所显示的标注后图像快速地找到目标对象以及针对该目标对象的提示信息,从而提高了目标对象的确定效率和目标对象信息的获取效率。
在一个实施例中,终端一方面在接收到摄像头发送的第一图像之后,直接将第一图像发送至服务器,另一方面根据本地存储的各个特征信息对第一图像进行识别,且识别成功得到第一图像的识别结果,则终端在接收到服务器返回的对第一图像识别所得的目标对象的特征信息、第一位置信息、属性信息和/或参考图像之后,判断终端在识别第一图像时所使用的特征信息与接收到目标对象的特征信息是否匹配,若匹配,则确定终端对第一图像的识别正确,若不匹配,则确定终端对第一图像的识别错误,并根据所接收的服务器返回的目标对象的第一位置信息、属性信息和/或参考图像进行相应的标注及显示。
上述实施例中,终端通过将第一图像发送到服务器进行识别并接收服务器返回的识别结果,从而使得终端可以根据服务器的识别结果对终端本地的识别结果进行校准,进而在提高对目标对象的识别的时效性时还保证了对目标识别的准确性。
在一个实施例中,如图6所示,还提供了一种图像识别方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S602,接收终端发送的第一图像。
S604,对第一图像进行识别,得到目标对象的特征信息。
S606,根据目标对象的特征信息确定目标对象的运动方向。
其中,目标对象为人员,特征信息可以是特征码,目标对象的运动方向可以根据目标对象的姿态来确定,目标对象的姿态可以是目标对象的面部姿态,具体可以是目标对象的面部朝向(与面朝前方的偏转度),例如面部朝向为左前方、前方(与面朝前方的偏转度为0°)和右前方。
S608,根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头。
在一个实施例中,服务器在得到目标对象的特征信息之后,根据该特征信息中的眼部特征信息进一步确定目标对象的运动方向,然后根据目标对象的运动方向,确定目标对象在未来时刻所到达位置对应的目标摄像头,即目标摄像头的拍摄范围包括目标对象将要到达的位置,该目标摄像头将要拍摄到目标对象。例如,目标对象的姿态为面部朝向为左前方,则确定目标对象的运动方向为向左运动,则部署在拍摄第一图像的摄像头左侧相邻的第一个摄像头将要拍摄到该目标对象,则确定部署在拍摄第一图像的摄像头左侧相邻的第一个摄像头为目标摄像头。
在一个实施例中,服务器在得到目标对象的特征信息之后,根据该特征信息中的眼部特征信息进一步确定目标对象的姿态,然后根据目标对象的姿态确定目标对象的运动方向,并获取摄像头部署信息和拍摄第一图像的摄像头位置信息,根据目标对象的姿态、摄像头部署信息和拍摄第一图像的摄像头位置信息,确定目标对象在未来时刻到达的位置所对应的目标摄像头。
S610,将目标对象的特征信息发送至终端以及目标摄像头对应的目标终端。
其中,目标终端为用于处理或转发目标摄像头所拍摄图像的终端。
在一个实施例中,服务器在确定出目标摄像头之后,将识别第一图像所得的目标对象的特征信息发送至终端,以及目标摄像头所对应的目标终端,以使终端和目标终端能够根据该目标对象的特征信息,对摄像头所拍摄的图像进行识别,进而实时追踪到该目标对象。
结合实际应用场景对上述实施例进行说明,如图7所示,A、B、C和D处分别部署有对应的摄像头A、摄像头B、摄像头C和摄像头D,各摄像头分别对应有终端A、终端B、终端C和终端D,终端A、终端B、终端C和终端D均与图像识别服务器Q通过网络连接,摄像头A在t时刻摄像头拍摄到第一图像,并将第一图像发送到终端A进行识别,终端A对第一图像识别失败并将该第一图像发送至服务器Q,服务器Q对该第一图像进行识别,得到目标对象的特征信息和目标对象的面部朝向为前方,则根据目标对象的面部朝向、摄像头部署信息和摄像头A的位置信息确定出摄像头D为目标摄像头,并将目标对象的特征信息发送至终端A以及摄像头D对应的终端D。
在一个实施例中,服务器在对第一图像进行识别之后,得到目标对象的特征信息之后,还可以直接根据摄像头部署信息和拍摄第一图像的摄像头位置信息,确定多个目标摄像头,即在未来时刻目标对象的有可能到达该多个目标摄像头的拍摄范围,例如,图7中,摄像头A在t时刻摄像头拍摄到第一图像,并将第一图像发送到终端A进行识别,服务器Q对该第一图像进行识别,得到目标对象的特征信息,然后根据摄像头部署信息确定出目标对象在未来时刻有摄像头B、摄像头C和摄像头D均有可能拍摄到该目标对象,则确定出摄像头B、摄像头C和摄像头D均为目标摄像头,将目标对象的特征信息发送至终端A、终端B、终端C和终端D。
在一个实施例中,终端在接收到摄像头发送的第一图像并对第一图像识别成功之后,直接将第一图像发送至服务器,以便服务器对第一图像进行识别,得到目标对象的特征信息,进而根据该特征信息确定目标摄像头,并将该目标对象的特征信息发送至目标摄像头,使目标终端能够根据该目标对象的特征信息,对目标摄像头所拍摄的图像进行识别,进而实时追踪到该目标对象。
上述实施例中,服务器通过对终端发送的第一图像进行识别,得到目标对象的特征信息,根据目标对象的特征信息确定目标对象的运动方向,根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头,将目标对象的特征信息发送至终端以及目标摄像头对应的目标终端,使得终端和目标终端可以存储到目标对象的特征信息,从而在终端和目标终端在接收到包含有目标对象的图像时,可以根据目标对象的特征信息快速地对该图像进行识别,从而既保证了识别结果的精度,又提高了对目标对象的识别的时效性。
在一个实施例中,服务器在确定出目标摄像头之后,还可以根据目标摄像头与拍摄第一图像的摄像头之间的距离,预测目标对象到达目标摄像头拍摄范围的最早时间,并根据该最早时间确定延迟发送时间,并根据该延迟发送时间将目标对象的特征信息发送至目标摄像头对应的目标终端。
上述实施例中,服务器根据目标摄像头与拍摄第一图像的摄像头之间的距离,预测目标对象到达目标摄像头拍摄范围的最早时间,并根据该最早时间适当的确定延迟发送时间,从而使得服务器在根据该延迟发送时间发送目标对象的特征信息至目标终端时,既不影响目标终端对目标对象的识别,又能缓解服务器消息处理与发送的压力。
在一个实施例中,如图8所示,还提供了一种图像识别方法,以该方法应用于图1中的终端和服务器所组成的系统为例,对为例进行说明,包括以下步骤:
S802,终端接收摄像头发送的第一图像,并根据本地存储的各个特征信息对第一图像进行识别,若对第一图像识别失败,则将第一图像发送至服务器。
S804,服务器在接收到第一图像之后,对第一图像进行识别,得到目标对象的特征信息,并将该目标对象的特征信息发送至终端。
S806,终端在接收到服务器返回的第一图像中目标对象的特征信息后,在收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果。
S808,服务器确定出目标对象的特征信息后,根据该特征信息确定目标对象的运动方向,以及根据目标对象的运动方向确定目标对象在未来时刻到达的位置所对应的目标摄像头,并将目标对象的特征信息发送至目标摄像头对应的目标终端。
S810,目标终端在接收到服务器发送的第一图像中的目标对象的特征信息后,在接收到目标摄像头发送的第三图像时,根据目标对象的特征信息对第三图像进行识别,得到识别结果。
应该理解的是,虽然图2、6和8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、6和8中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种图像识别装置,包括:本地接收模块902、本地识别模块904和发送模块906,其中:
本地接收模块902,用于接收摄像头发送的第一图像;
本地识别模块904,用于根据本地存储的各个特征信息对第一图像进行识别;
发送模块906,用于若识别失败,则将第一图像发送至服务器;
本地接收模块902,还用于接收并保存服务器返回的第一图像中目标对象的特征信息;目标对象的特征信息是服务器对第一图像进行识别得到的;
本地识别模块904,还用于当接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果。
上述实施例中,通过终端预先存储特征信息,使得终端在接收摄像头发送的第一图像时,根据本地存储的各个特征信息对第一图像进行识别,若识别失败,则将第一图像发送至服务器,接收并保存服务器返回的第一图像中目标对象的特征信息,其中,目标对象的特征信息是服务器对第一图像进行识别得到的;从而当终端再接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果,从而既保证了识别结果的精度,又提高了对目标对象的识别的时效性。
在一个实施例中,装置还包括:
本地接收模块,还用于接收服务器返回的目标对象在第一图像中的第一位置信息;
标注模块,用于按照第一位置信息在第一图像中对目标对象进行标注,得到标注后第一图像;
显示模块,用于对标注后第一图像进行显示。
在一个实施例中,装置还包括:
位置确定模块,用于根据识别结果确定目标对象在第二图像中的第二位置信息;
标注模块,还用于按照第二位置信息在第二图像中对目标对象进行标注,得到标注后第二图像;
显示模块,还用于将显示的标注后第一图像替换为标注后第二图像。
上述实施例中,终端在得到识别结果后,根据目标对象的位置将目标对象标注出来,并进行显示,使得用户可以根据所显示的标注后图像快速地找到目标对象,从而提高了目标对象的确定效率。
在一个实施例中,装置还包括:
接收模块,还用于接收服务器返回的目标对象的属性信息和参考图像;
提示信息生成模块,用于生成包含参考图像和属性信息的提示信息;
显示模块,还用于当显示标注后第一图像时,按照第一位置信息显示提示信息;
显示模块,还用于当显示标注后第二图像时,按照第二位置信息显示提示信息。
上述实施例中,终端在接收到服务器返回的目标对象的属性信息和参考图像之后,生成包含参考图像和属性信息的提示信息,以及生成标注框或对图像进行标注,然后对提示信息和标注框,或提示信息和标注后图像进行显示,使得用户可以根据所显示的标注后图像快速地找到目标对象以及针对该目标对象的提示信息,从而提高了目标对象的确定效率和目标对象信息的获取效率。
在一个实施例中,如图10所示,提供了一种图像识别装置,包括:云端接收模块1002、云端识别模块1004、运动方向确定模块1006、目标摄像头确定模块1008和云端发送模块1010,其中:
云端接收模块1002,用于接收终端发送的第一图像;
云端识别模块1004,用于对第一图像进行识别,得到目标对象的特征信息;
运动方向确定模块1006,用于根据目标对象的特征信息确定目标对象的运动方向;
目标摄像头确定模块1008,用于根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头;
云端发送模块1010,用于将目标对象的特征信息发送至终端以及目标摄像头对应的目标终端。
在一个实施例中,目标摄像头确定模块还用于:
获取摄像头部署信息和拍摄第一图像的摄像头位置信息;
根据目标对象的运动方向、摄像头部署信息和拍摄第一图像的摄像头位置信息,确定目标对象在未来时刻到达的位置所对应的目标摄像头。
上述实施例中,服务器通过对终端发送的第一图像进行识别,得到目标对象的特征信息,根据目标对象的特征信息确定目标对象的运动方向,根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头,将目标对象的特征信息发送至终端以及目标摄像头对应的目标终端,使得终端和目标终端可以存储到目标对象的特征信息,从而在终端和目标终端在接收到包含有目标对象的图像时,可以根据目标对象的特征信息快速地对该图像进行识别,从而既保证了识别结果的精度,又提高了对目标对象的识别的时效性。
在一个实施例中,如图11所示,还提供了一个图像识别系统,该图像识别系统包括:摄像头、数据处理单元、本地识别单元、显示单元和识别服务器,摄像头可以部署在终端,也可以与终端关联,数据处理单元、本地识别单元、显示单元可以部署在终端,其中:
摄像头,用于采集图像数据;
数据处理单元,用于接收摄像头发送的图像数据,以及将图像数据发送至本地识别单元和识别服务器,并接收识别服务器返回的识别结果,并将识别服务器的识别结果中的目标对象的特征信息发送至本地识别单元、接收本地识别单元的识别结果、对识别服务器的识别结果和本地识别单元的识别结果进行融合,将融合后的识别结果发送至显示单元进行显示。其中将识别服务器的识别结果中的目标对象的位置信息,更新为根据本地识别单元的识别结果所确定目标对象的位置信息。
本地识别单元,用于根据存储的识别服务器发送的目标对象的特征信息对接收到的图像数据进行识别。
显示单元,用于根据数据处理单元发送的融合后识别结果对识别结果进行显示。
识别服务器,用于对数据处理单元发送的图像数据进行识别,得到识别结果,并将识别结果返回至数据处理单元。其中,识别结果包括目标对象的特征信息、属性信息、图像信息和位置信息。
关于图像识别装置的具体限定可以参见上文中对于图像识别方法的限定,在此不再赘述。上述图像识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各对象的属性信息和特征数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像识别方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图12或图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下的步骤:接收摄像头发送的第一图像;根据本地存储的各个特征信息对第一图像进行识别;若识别失败,则将第一图像发送至服务器;接收并保存服务器返回的第一图像中目标对象的特征信息;目标对象的特征信息是服务器对第一图像进行识别得到的;当接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下的步骤:接收服务器返回的目标对象在第一图像中的第一位置信息;按照第一位置信息在第一图像中对目标对象进行标注,得到标注后第一图像;对标注后第一图像进行显示。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下的步骤:根据识别结果确定目标对象在第二图像中的第二位置信息;按照第二位置信息在第二图像中对目标对象进行标注,得到标注后第二图像;将显示的标注后第一图像替换为标注后第二图像。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下的步骤:接收服务器返回的目标对象的属性信息和参考图像;生成包含参考图像和属性信息的提示信息;当显示标注后第一图像时,按照第一位置信息显示提示信息;当显示标注后第二图像时,按照第二位置信息显示提示信息。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下的步骤:接收终端发送的第一图像;对第一图像进行识别,得到目标对象的特征信息;根据目标对象的特征信息确定目标对象的运动方向;根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头;将目标对象的特征信息发送至终端以及目标摄像头对应的目标终端。
在一个实施例中,计算机程序被处理器执行根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头的步骤时,使得处理器具体执行以下的步骤:获取摄像头部署信息和拍摄第一图像的摄像头位置信息;根据目标对象的运动方向、摄像头部署信息和拍摄第一图像的摄像头位置信息,确定目标对象在未来时刻到达的位置所对应的目标摄像头。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下的步骤:接收摄像头发送的第一图像;根据本地存储的各个特征信息对第一图像进行识别;若识别失败,则将第一图像发送至服务器;接收并保存服务器返回的第一图像中目标对象的特征信息;目标对象的特征信息是服务器对第一图像进行识别得到的;当接收到摄像头发送的第二图像时,根据目标对象的特征信息对第二图像进行识别,得到识别结果。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下的步骤:接收服务器返回的目标对象在第一图像中的第一位置信息;按照第一位置信息在第一图像中对目标对象进行标注,得到标注后第一图像;对标注后第一图像进行显示。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下的步骤:根据识别结果确定目标对象在第二图像中的第二位置信息;按照第二位置信息在第二图像中对目标对象进行标注,得到标注后第二图像;将显示的标注后第一图像替换为标注后第二图像。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下的步骤:接收服务器返回的目标对象的属性信息和参考图像;生成包含参考图像和属性信息的提示信息;当显示标注后第一图像时,按照第一位置信息显示提示信息;当显示标注后第二图像时,按照第二位置信息显示提示信息。
在一个实施例中,还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下的步骤:接收终端发送的第一图像;对第一图像进行识别,得到目标对象的特征信息;根据目标对象的特征信息确定目标对象的运动方向;根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头;将目标对象的特征信息发送至终端以及目标摄像头对应的目标终端。
在一个实施例中,计算机程序被处理器执行根据目标对象的运动方向,确定目标对象在未来时刻到达的位置所对应的目标摄像头的步骤时,使得处理器具体执行以下的步骤:获取摄像头部署信息和拍摄第一图像的摄像头位置信息;根据目标对象的运动方向、摄像头部署信息和拍摄第一图像的摄像头位置信息,确定目标对象在未来时刻到达的位置所对应的目标摄像头。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像识别方法,应用于终端,其特征在于,所述方法包括:
接收摄像头发送的第一图像;
根据本地存储的各个特征信息对所述第一图像进行识别;
若识别失败,则将所述第一图像发送至服务器;
接收并保存所述服务器返回的所述第一图像中目标对象的特征信息;所述目标对象的特征信息是所述服务器对所述第一图像进行识别得到的;
当接收到所述摄像头发送的第二图像时,根据所述目标对象的特征信息对所述第二图像进行识别,得到识别结果。
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:
接收所述服务器返回的所述目标对象在所述第一图像中的第一位置信息;
按照所述第一位置信息在所述第一图像中对所述目标对象进行标注,得到标注后第一图像;
对所述标注后第一图像进行显示。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述识别结果确定所述目标对象在所述第二图像中的第二位置信息;
按照所述第二位置信息在所述第二图像中对所述目标对象进行标注,得到标注后第二图像;
将显示的所述标注后第一图像替换为所述标注后第二图像。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
接收所述服务器返回的所述目标对象的属性信息和参考图像;
生成包含所述参考图像和所述属性信息的提示信息;
当显示所述标注后第一图像时,按照所述第一位置信息显示所述提示信息;
当显示所述标注后第二图像时,按照所述第二位置信息显示所述提示信息。
5.一种图像识别方法,应用于服务器,其特征在于,所述方法包括:
接收终端发送的第一图像;
对所述第一图像进行识别,得到目标对象的特征信息;
根据所述目标对象的特征信息确定所述目标对象的运动方向;
根据所述目标对象的运动方向,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头;
将所述目标对象的特征信息发送至所述终端以及所述目标摄像头对应的目标终端。
6.根据权利要求5所述的方法,其特征在于,所述根据所述目标对象的运动方向,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头,包括:
获取摄像头部署信息和拍摄所述第一图像的摄像头位置信息;
根据所述目标对象的运动方向、所述摄像头部署信息和拍摄所述第一图像的摄像头位置信息,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头。
7.一种图像识别装置,其特征在于,所述装置包括:
本地接收模块,用于接收摄像头发送的第一图像;
本地识别模块,用于根据本地存储的各个特征信息对所述第一图像进行识别;
发送模块,用于若识别失败,则将所述第一图像发送至服务器;
所述本地接收模块,还用于接收并保存所述服务器返回的所述第一图像中目标对象的特征信息;所述目标对象的特征信息是所述服务器对所述第一图像进行识别得到的;
所述本地识别模块,还用于当接收到所述摄像头发送的第二图像时,根据所述目标对象的特征信息对所述第二图像进行识别,得到识别结果。
8.一种图像识别装置,其特征在于,所述装置包括:
云端接收模块,用于接收终端发送的第一图像;
云端识别模块,用于对所述第一图像进行识别,得到目标对象的特征信息;
运动方向确定模块,用于根据所述目标对象的特征信息确定所述目标对象的运动方向;
目标摄像头确定模块,用于根据所述目标对象的运动方向,确定所述目标对象在未来时刻到达的位置所对应的目标摄像头;
云端发送模块,用于将所述目标对象的特征信息发送至所述终端以及所述目标摄像头对应的目标终端。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4、5至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4、5至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339198.1A CN111611871B (zh) | 2020-04-26 | 2020-04-26 | 图像识别方法、装置、计算机设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339198.1A CN111611871B (zh) | 2020-04-26 | 2020-04-26 | 图像识别方法、装置、计算机设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111611871A true CN111611871A (zh) | 2020-09-01 |
CN111611871B CN111611871B (zh) | 2023-11-28 |
Family
ID=72199931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010339198.1A Active CN111611871B (zh) | 2020-04-26 | 2020-04-26 | 图像识别方法、装置、计算机设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111611871B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205004A (zh) * | 2021-04-08 | 2021-08-03 | 武汉大学 | 一种基于多级安防系统的人脸识别方法和多级安防系统 |
CN115712887A (zh) * | 2023-01-09 | 2023-02-24 | 成方金融科技有限公司 | 图片验证码识别方法、装置、电子设备及存储介质 |
WO2024007570A1 (zh) * | 2022-07-04 | 2024-01-11 | 惠州市德赛西威汽车电子股份有限公司 | 障碍物识别方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428473A (zh) * | 2012-05-20 | 2013-12-04 | 虞建忠 | 一种嫌犯追踪的方法及系统 |
CN105095919A (zh) * | 2015-09-08 | 2015-11-25 | 北京百度网讯科技有限公司 | 图像识别方法和装置 |
CN108111820A (zh) * | 2017-12-28 | 2018-06-01 | 深圳蓝图信息技术股份有限公司 | 数字标牌警情报警系统 |
CN109034041A (zh) * | 2018-07-19 | 2018-12-18 | 深圳码隆科技有限公司 | 箱包识别方法及装置 |
CN109086789A (zh) * | 2018-06-08 | 2018-12-25 | 四川斐讯信息技术有限公司 | 一种图像识别方法及系统 |
CN109598188A (zh) * | 2018-10-16 | 2019-04-09 | 深圳壹账通智能科技有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN110163167A (zh) * | 2019-05-27 | 2019-08-23 | 福州外语外贸学院 | 候车厅内定向实时追踪方法及追踪系统 |
CN110650322A (zh) * | 2019-10-29 | 2020-01-03 | 北京枭龙科技有限公司 | 一种基于云服务、物联网和ar安防眼镜的安防系统 |
-
2020
- 2020-04-26 CN CN202010339198.1A patent/CN111611871B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428473A (zh) * | 2012-05-20 | 2013-12-04 | 虞建忠 | 一种嫌犯追踪的方法及系统 |
CN105095919A (zh) * | 2015-09-08 | 2015-11-25 | 北京百度网讯科技有限公司 | 图像识别方法和装置 |
CN108111820A (zh) * | 2017-12-28 | 2018-06-01 | 深圳蓝图信息技术股份有限公司 | 数字标牌警情报警系统 |
CN109086789A (zh) * | 2018-06-08 | 2018-12-25 | 四川斐讯信息技术有限公司 | 一种图像识别方法及系统 |
CN109034041A (zh) * | 2018-07-19 | 2018-12-18 | 深圳码隆科技有限公司 | 箱包识别方法及装置 |
CN109598188A (zh) * | 2018-10-16 | 2019-04-09 | 深圳壹账通智能科技有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN110163167A (zh) * | 2019-05-27 | 2019-08-23 | 福州外语外贸学院 | 候车厅内定向实时追踪方法及追踪系统 |
CN110650322A (zh) * | 2019-10-29 | 2020-01-03 | 北京枭龙科技有限公司 | 一种基于云服务、物联网和ar安防眼镜的安防系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205004A (zh) * | 2021-04-08 | 2021-08-03 | 武汉大学 | 一种基于多级安防系统的人脸识别方法和多级安防系统 |
WO2024007570A1 (zh) * | 2022-07-04 | 2024-01-11 | 惠州市德赛西威汽车电子股份有限公司 | 障碍物识别方法、装置、电子设备及存储介质 |
CN115712887A (zh) * | 2023-01-09 | 2023-02-24 | 成方金融科技有限公司 | 图片验证码识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111611871B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111611871B (zh) | 图像识别方法、装置、计算机设备和计算机可读存储介质 | |
CN111259751B (zh) | 基于视频的人体行为识别方法、装置、设备及存储介质 | |
WO2018025831A1 (ja) | 人流推定装置、表示制御装置、人流推定方法および記録媒体 | |
CN109727275B (zh) | 目标检测方法、装置、系统和计算机可读存储介质 | |
CN107194968B (zh) | 图像的识别跟踪方法、装置、智能终端和可读存储介质 | |
CN111611903B (zh) | 动作识别模型的训练方法、使用方法、装置、设备和介质 | |
WO2021114612A1 (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN111680675B (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
CN110660078B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
CN113537374B (zh) | 一种对抗样本生成方法 | |
CN111160307A (zh) | 一种人脸识别方法及人脸识别打卡系统 | |
CN111353336B (zh) | 图像处理方法、装置及设备 | |
CN111008621B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
CN112749655B (zh) | 视线追踪方法、装置、计算机设备和存储介质 | |
CN112150514A (zh) | 视频的行人轨迹追踪方法、装置、设备及存储介质 | |
CN112989962A (zh) | 轨迹生成方法、装置、电子设备及存储介质 | |
CN111259183A (zh) | 图像识图方法、装置、电子设备和介质 | |
CN113378836A (zh) | 图像识别方法、装置、设备、介质及程序产品 | |
CN107480580B (zh) | 图像识别方法和图像识别装置 | |
CN113128448B (zh) | 基于肢体识别的视频匹配方法、装置、设备及存储介质 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN111353429A (zh) | 基于眼球转向的感兴趣度方法与系统 | |
CN112836682B (zh) | 视频中对象的识别方法、装置、计算机设备和存储介质 | |
CN114140839B (zh) | 用于人脸识别的图像发送方法、装置、设备及存储介质 | |
CN110717384B (zh) | 一种视频交互式行为识别方法及装置 |
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 |