CN111738166B - 目标轮廓圈定方法、装置、计算机系统及可读存储介质 - Google Patents
目标轮廓圈定方法、装置、计算机系统及可读存储介质 Download PDFInfo
- Publication number
- CN111738166B CN111738166B CN202010587639.XA CN202010587639A CN111738166B CN 111738166 B CN111738166 B CN 111738166B CN 202010587639 A CN202010587639 A CN 202010587639A CN 111738166 B CN111738166 B CN 111738166B
- Authority
- CN
- China
- Prior art keywords
- image
- contour
- coordinates
- target
- key
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008685 targeting Effects 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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]
Abstract
本发明涉及人工智能技术,公开了目标轮廓圈定方法、装置、计算机系统及可读存储介质,包括:调用前端设备的转换工具将待识别图像转为base64编码作为入参;调用后台接口中的图像识别系统计算入参获得识别结果,将识别结果发送至前端设备;调用前端设备的轮廓转换算法,计算轮廓坐标获得轮廓定位信息;调用前端设备的层叠样式表并根据轮廓定位信息,在待识别图像上绘制识别框。本发明还涉及区块链技术,信息可存储于区块链节点中。本发明解决了当前存在的系统开发人员无法获知图像识别系统对图像中哪些部分进行了识别的问题,为开发人员提供了图像识别系统的工作过程,使开发人员能够根据该工作过程对图像识别系统进行优化和调整。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种目标轮廓圈定方法、装置、计算机系统及可读存储介质。
背景技术
由于当前的人脸识别系统通常是对接收到的图像进行运算并直接输出相应的判断结果,但是系统开发人员无法获知人脸识别系统对图像中哪些部分进行了识别,导致人脸识别系统成为一种“黑箱”般的存在,造成开发人员无法获知人脸识别系统的工作过程,即,无法获知图像识别系统对图像中哪些部分进行了识别,进而无法对人脸识别系统进行准确的调整。
发明内容
本发明的目的是提供一种目标轮廓圈定方法、装置、计算机系统及可读存储介质,用于解决现有技术存在的无法获知图像识别系统对图像中哪些部分进行了识别的问题;本申请可应用于智慧政务场景中,从而推动智慧城市的建设。
为实现上述目的,本发明提供一种目标轮廓圈定方法,包括:
接收待识别图像,调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;
调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;其中,所述识别结果包括表征图像中目标区域轮廓的轮廓坐标;
调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;
调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
上述方案中,所述目标区域轮廓为图像识别系统的识别目标所在区域的轮廓;所述目标区域轮廓为矩形,所述轮廓坐标包括所述矩形左上角顶点的坐标,以及该矩形右下角顶点的坐标。
上述方案中,所述计算所述轮廓坐标获得轮廓定位信息包括:
通过轮廓转换算法计算识别结果中的轮廓坐标,使其成为层叠样式表能够识别并处理的轮廓定位信息。
上述方案中,所述识别结果还包括表征所述目标区域中关键点的关键坐标,所述关键点是表征所述识别目标具有标志性特征的区域或部位;
将所述识别结果发送至前端设备之后,还包括:
调用所述前端设备的关键转换算法,将所述关键坐标转为关键定位信息。
上述方案中,所述将所述关键坐标转为关键定位信息包括:
通过关键转换算法计算识别结果中的关键坐标,使其成为层叠样式表能够识别并处理的关键定位信息。
上述方案中,所述将所述关键坐标转为关键定位信息之后,包括:
调用前端设备的层叠样式表并根据所述关键定位信息在所述待识别图像上标注关键点。
上述方案中,在所述待识别图像上绘制识别框之后,包括:
调用前端设备的制图算法剪切所述识别框圈定的图像生成目标图像;
将所述识别结果和目标图像展示在所述前端设备上;
所述调用前端设备的制图算法剪切所述识别框圈定的图像生成目标图像之后,还包括:
将所述目标图像上传至区块链中。
为实现上述目的,本发明还提供一种目标轮廓圈定装置,包括:
图像入参模块,用于接收待识别图像,调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;
入参计算模块,用于调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;其中,所述识别结果包括表征图像中目标区域轮廓的轮廓坐标;
轮廓定位模块,用于调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;
识别绘制模块,用于调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
为实现上述目的,本发明还提供一种计算机系统,其包括多个计算机设备,各计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述多个计算机设备的处理器执行所述计算机程序时共同实现上述目标轮廓圈定方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其包括多个存储介质,各存储介质上存储有计算机程序,所述多个存储介质存储的所述计算机程序被处理器执行时共同实现上述目标轮廓圈定方法的步骤。
本发明提供的目标轮廓圈定方法、装置、计算机系统及可读存储介质,通过层叠样式表根据轮廓定位信息在待识别图像上绘制识别框,由于轮廓定位信息是根据识别结果的轮廓坐标生成的,因此根据轮廓定位信息绘制的识别框所圈定的区域,能够在待识别图像上准确反映出图像识别系统的识别目标,解决了当前存在的系统开发人员无法获知图像识别系统对图像中哪些部分进行了识别的问题,为开发人员提供了图像识别系统的工作过程,使开发人员能够根据该工作过程对所述图像识别系统进行优化和调整。
附图说明
图1为本发明目标轮廓圈定方法实施例一的流程图;
图2为本发明目标轮廓圈定方法实施例二中目标轮廓圈定方法的环境应用示意图;
图3是本发明目标轮廓圈定方法实施例二中目标轮廓圈定方法的具体方法流程图;
图4为本发明目标轮廓圈定装置实施例三的程序模块示意图;
图5为本发明计算机系统实施例四中计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明提供的目标轮廓圈定方法、装置、计算机系统及可读存储介质,适用于人工智能的图像检测技术领域,为提供一种基于图像入参模块、入参计算模块、轮廓定位模块和识别绘制模块的目标轮廓圈定方法。本发明通过调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
实施例一:
请参阅图1,本实施例的一种目标轮廓圈定方法,应用在具有认证程序的认证服务器中,包括:
S101:接收待识别图像,调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;
S102:调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;其中,所述识别结果包括表征图像中目标区域轮廓的轮廓坐标;
S103:调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;
S105:调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
在示例性的实施例中,通过调用前端设备的转换将待识别图像转为base64编码,将base64编码作后台接口中图像识别系统的入参,以便于图像识别系统对该编码所对应的图像中目标区域进行识别;通过调用后台接口中的图像识别系统,对所述入参进行计算,并获得用户表征所述识别目标的识别结果,实现图像中目标识别的技术效果;
通过轮廓转换算法计算识别结果中的轮廓坐标,使其成为层叠样式表能够识别并处理的轮廓定位信息,以便于在前端设备上的待识别图像上通过绘制轮廓线的形式圈定识别目标,解决了图像识别系统输出的数据,无法在待识别图像上直观的展示和圈定出识别目标的问题;
本步骤通过前端设备的层叠样式表根据轮廓定位信息在待识别图像上绘制识别框,由于轮廓定位信息是根据识别结果的轮廓坐标生成的,因此根据轮廓定位信息绘制的识别框所圈定的区域,能够在待识别图像上准确反映出图像识别系统的识别目标;
因此,解决了当前存在的系统开发人员无法获知图像识别系统对图像中哪些部分进行了识别的问题,为开发人员提供了图像识别系统的工作过程,使开发人员能够根据该工作过程对所述图像识别系统进行优化和调整。
本申请可应用于智慧政务场景中,从而推动智慧城市的建设。
实施例二:
本实施例为上述实施例一的一种具体应用场景,通过本实施例,能够更加清楚、具体地阐述本发明所提供的方法。
下面,以在运行有目标轮廓圈定方法的服务器中,获得待识别图像中的识别目标并绘制识别框,为例,来对本实施例提供的方法进行具体说明。需要说明的是,本实施例只是示例性的,并不限制本发明实施例所保护的范围。
图2示意性示出了根据本申请实施例二的目标轮廓圈定方法的环境应用示意图。
在示例性的实施例中,目标轮廓圈定方法所在的服务器2通过网络分别前端设备3和后台接口4,所述服务器2可以通过一个或多个网络提供服务,网络可以包括各种网络设备,例如路由器,交换机,多路复用器,集线器,调制解调器,网桥,中继器,防火墙,代理设备和/或等等。网络可以包括物理链路,例如同轴电缆链路,双绞线电缆链路,光纤链路,它们的组合和/或类似物。网络3可以包括无线链路,例如蜂窝链路,卫星链路,Wi-Fi链路和/或类似物;所述前端设备3可为智能手机、平板电脑、笔记本电脑、台式电脑等计算机设备,所述后台接口4可为运行有图像识别系统的服务器所提供的API接口。
图3是本发明一个实施例提供的一种目标轮廓圈定方法的具体方法流程图,该方法具体包括步骤S201至S208。
S201:接收待识别图像,调用前端设备的转换工具将所述待识别图像转为base64编码作为入参。
为便于运行有图像识别系统的后台接口识别图像中的目标区域,本步骤通过调用前端设备的转换将待识别图像转为base64编码,将base64编码作后台接口中图像识别系统的入参,以便于图像识别系统对该编码所对应的图像中目标区域进行识别,其中,目标区域是指图像识别系统的识别目标,例如:人脸、特定物品等。
需要说明的是,入参(Input Parameter)与变量的定义方式一致,其不会用到的参数可以省略变量名称。Base64编码是一种可以将任意的字节数组数据,通过算法,生成只有(大小写英文、数字、+、/)(一共64个字符)内容表示的字符串数据,即将任意的内容转换为可见的字符串形式。
S202:调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;其中,所述识别结果包括表征图像中目标区域轮廓的轮廓坐标。
可选的,所述识别结果还包括表征所述目标区域中关键点的关键坐标。
本步骤中,所述目标区域轮廓为图像识别系统的识别目标所在区域的轮廓,例如:人脸、特定物品的区域。所述关键点是表征所述识别目标具有标志性特征的区域或部位,例如:若识别目标为人脸,那么关键点可为眼睛、鼻尖、嘴角。
需要说明的是,通过图像识别系统识别图像中的目标及其关键点,属于图像识别系统的现有技术,本申请所解决的问题是如何将图像识别系统的识别结果展现在待识别图像上,因此,关于图像识别系统识别目标获得目标区域轮廓及关键点的技术原理在本申请中不再赘述。
为获得待识别图像的识别目标,本步骤通过调用后台接口中的图像识别系统,对所述入参进行计算,并获得用户表征所述识别目标的识别结果,实现图像中目标识别的技术效果。
于本实施例中,所述目标区域轮廓为矩形,所述轮廓坐标包括所述矩形左上角顶点的坐标,以及该矩形右下角顶点的坐标。
示例性地,获得的识别结果可如下所示;
S203:调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息。
由于通过后台接口的图像识别系统输出的数据,无法在待识别图像上直观的展示和圈定出识别目标,因此,本步骤通过轮廓转换算法计算识别结果中的轮廓坐标,使其成为层叠样式表能够识别并处理的轮廓定位信息,以便于在前端设备上的待识别图像上通过绘制轮廓线的形式圈定识别目标。
在示例性的实施例中,所述目标区域轮廓为矩形,所述轮廓坐标包括所述矩形左上角顶点的坐标,以及该矩形右下角顶点的坐标,将所述矩形左上角顶点的坐标作为起点坐标(X01,Y01),将所述矩形右下角顶点的坐标作为终点坐标(X02,Y02);调用轮廓转换算法计算轮廓坐标获得轮廓定位信息,所述轮廓定位信息包括左边距left、上边距top、框宽width和框高height。
其中,左边距left是指距离祖先元素左边的距离值,上边距top是指距离祖先元素上面的距离值,框宽width是指目标区域轮廓(于本实施例中,指人脸框)的宽度,框高height:是指目标区域轮廓(于本实施例中,指人脸框)的高度。
具体的,调用轮廓转换算法中的目标公式,如下:
left=x01;top=y01;width=x02-x01;height=y02-y01
其中,(X01,Y01)为起点坐标,(X02,Y02)为终点坐标。
基于上述举例,最终获得左边距left为248,上边距top为66,框宽width为126,框高height为173。
S204:调用所述前端设备的关键转换算法,将所述关键坐标转为关键定位信息。
由于通过后台接口的图像识别系统输出的数据,无法在待识别图像上直观的展示出识别出的关键点,因此,本步骤通过关键转换算法计算识别结果中的关键坐标,使其成为层叠样式表能够识别并处理的关键定位信息,以便于在前端设备上的待识别图像上通过标注关键点的形式标注识别目标具有标志性特征的区域或部位。
在示例性的实施例中,所述关键坐标为所述关键点左上角顶点像素的坐标,调用关键转换算法计算关键坐标获得轮廓定位信息,所述关键定位信息包括左边距left、上边距top、框宽width和框高height。其中,左边距left是指距离祖先元素左边的距离值,上边距top是指距离祖先元素上面的距离值,框宽width是指目标区域轮廓(于本实施例中,指人脸框)的宽度,框高height:是指目标区域轮廓(于本实施例中,指人脸框)的高度。
具体的,调用关键转换算法中的目标公式,如下:
left=x;top=y;width=A;height=B
其中,x为关键点横坐标,y为关键点纵坐标,A和B分别为预设的常数,于本实施例中,A和B分别为4px。
基于上述举例,获得如下关键定位信息:
坐标为(x1,y1)的关键点的关键定位信息为,左边距left为278,上边距top为138,框宽width为4,框高height为4;
坐标为(x2,y2)的关键点的关键定位信息为,左边距left为335,上边距top为136,框宽width为4,框高height为4;
坐标为(x3,y3)的关键点的关键定位信息为,左边距left为303,上边距top为173,框宽width为4,框高height为4;
坐标为(x4,y4)的关键点的关键定位信息为,左边距left为281,上边距top为193,框宽width为4,框高height为4;
坐标为(x1,y1)的关键点的关键定位信息为,左边距left为337,上边距top为191,框宽width为4,框高height为4。
S205:调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
为使前端设备能够在待识别图像上展示图像识别系统的识别目标,本步骤通过前端设备的层叠样式表根据轮廓定位信息在待识别图像上绘制识别框,由于轮廓定位信息是根据识别结果的轮廓坐标生成的,因此根据轮廓定位信息绘制的识别框所圈定的区域,能够在待识别图像上准确反映出图像识别系统的识别目标。
示例性地,调用层叠样式表根据轮廓定位信息(包括:左边距left为248,上边距top为66,框宽width为126,框高height为173),在待识别图像上绘制相应的识别框。
S206:调用前端设备的层叠样式表并根据所述关键定位信息,在所述待识别图像上标注关键点。
为使前端设备能够在待识别图像上展示图像识别系统在识别目标中识别出的关键点,本步骤通过前端设备的层叠样式表根据关键定位信息在待识别图像上标注关键点,由于关键定位信息是根据识别结果的关键坐标生成的,因此根据关键定位信息绘制的识别框所圈定的区域,能够在待识别图像上准确反映出图像识别系统的识别出的关键点。
示例性地,调用层叠样式表根据关键定位信息(为基于上述举例中,坐标为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)、(x5,y5)的关键定位信息),在待识别图像上填充颜色,以标注相应的关键点。
需要说明的是,虽然从常识角度上来说,通过“坐标”应当能够获得图像中的识别目标,但是,坐标是具有参考系的(单位不同,如:厘米/像素;或基准点不同,如,前端图像左下基准点为(10,50),后台接口图像左下基准点为(0,0)位置不同,)在不同的参考系下,仅通过“坐标”是无法在前端上圈定正确的标识框的,因此,本申请通过轮廓转换算法、关键转换算法、获得识别目标的“绝对定位”信息,即:表征识别框和关键点的绝对定位的轮廓定位信息和关键定位信息,通过层叠样式表并根据该“绝对定位”信息,保证了即使后台接口和前端设备在不同的参考系下,仍能够在待识别图像上正确的圈定识别目标的轮廓的技术效果。
S207:调用前端设备的制图算法剪切所述识别框圈定的图像生成目标图像。
为便于使用者观察图像识别系统的识别目标,本步骤通过调用制图算法剪切所述识别框圈定的图像并生成目标图像,以便于使用者仅需观察获得的目标图像即可,并且,还帮助了图像识别系统的开发者直观判断图像识别系统的识别准确度是否符合精度要求。
示例性地,将轮廓定位信息转换为剪切信息,其包括:将轮廓定位信息的左边距left设为sx,即:开始剪切的x坐标位置。将轮廓定位信息的上边距top设为sy,即:开始剪切的y坐标位置。将轮廓定位信息的框宽width设为swidth,即:被剪切图像的宽度。将轮廓定位信息的框高height设为sheight,即:被剪切图像的高度。获得预设的参数x,即:在画布上放置图像的x坐标位置,于本实施例中,x可设为0。获得预设的参数y,即:在画布上放置图像的y坐标位置,于本实施例中,y可设为0。获得预设的参数width,即:要使用的图像的宽度,于本实施例中,参数width可设为90px。获得预设的参数height,即:要使用的图像的高度,于本实施例中,参数参数height可设为90px。
采用html5的canvas drawImage()方法作为制图方法,将所述剪切信息录入该制图方法中,获得context.drawImage(img,sx,sy,swidth,sheight,x,y,width,height),并执行所述制图方法得到相应的目标图像。
所述调用前端设备的制图算法剪切所述识别框圈定的图像生成目标图像之后,还包括:
将所述目标图像上传至区块链中。
需要说明的是,基于目标图像得到对应的摘要信息,具体来说,摘要信息由目标图像进行散列处理得到,比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息,以便查证目标图像是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
S208:将所述识别结果和目标图像展示在所述前端设备上。
优选的,将绘制有识别框和/或标注有关键点的待识别图像,与所述目标图像和识别结果展示在同一展示界面上,以便于使用者同时观察待识别图像。
实施例三:
请参阅图4,本实施例的一种目标轮廓圈定装置1,包括:
图像入参模块11,用于接收待识别图像,调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;
入参计算模块12,用于调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;其中,所述识别结果包括表征图像中目标区域轮廓的轮廓坐标;
轮廓定位模块13,用于调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;
识别绘制模块15,用于调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
可选的,所述目标轮廓圈定装置1,还包括:
关键定位模块14,用于调用所述前端设备的关键转换算法,将所述关键坐标转为关键定位信息。
可选的,所述目标轮廓圈定装置1,还包括:
识别标注模块16,用于调用前端设备的层叠样式表并根据所述关键定位信息,在所述待识别图像上标注关键点。
可选的,所述目标轮廓圈定装置1,还包括:
剪切模块17,用于调用前端设备的制图算法剪切所述识别框圈定的图像生成目标图像。
可选的,所述目标轮廓圈定装置1,还包括:
输出模块18,用于将所述识别结果和目标图像展示在所述前端设备上。
本技术方案应用于人工智能的图像检测领域,通过调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框,以实现基于人工智能的图像识别系统对待识别图像中的识别目标进行边缘检测,进而实现对图像进行图像处理的技术效果。
实施例四:
为实现上述目的,本发明还提供一种计算机系统,该计算机系统包括多个计算机设备5,实施例三的目标轮廓圈定装置1的组成部分可分散于不同的计算机设备中,计算机设备可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个应用服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器51、处理器52,如图5所示。需要指出的是,图5仅示出了具有组件-的计算机设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器51(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器51可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器51也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器51还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器51通常用于存储安装于计算机设备的操作系统和各类应用软件,例如实施例三的目标轮廓圈定装置的程序代码等。此外,存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器52在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制计算机设备的总体操作。本实施例中,处理器52用于运行存储器51中存储的程序代码或者处理数据,例如运行目标轮廓圈定装置,以实现实施例一和实施例二的目标轮廓圈定方法。
实施例五:
为实现上述目的,本发明还提供一种计算机可读存储介质,其包括多个存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器52执行时实现相应功能。本实施例的计算机可读存储介质用于存储目标轮廓圈定装置,被处理器52执行时实现实施例一和实施例二的目标轮廓圈定方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例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。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种目标轮廓圈定方法,其特征在于,包括:
接收待识别图像,调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;
调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;其中,所述识别结果包括表征图像中目标区域轮廓的轮廓坐标;所述目标区域轮廓为图像识别系统的识别目标所在区域的轮廓;所述目标区域轮廓为矩形,所述轮廓坐标包括所述矩形左上角顶点的坐标,以及该矩形右下角顶点的坐标;所述识别结果还包括表征所述目标区域中关键点的关键坐标,所述关键点是表征所述识别目标具有标志性特征的区域或部位;
调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;
调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
2.根据权利要求1所述的目标轮廓圈定方法,其特征在于,所述计算所述轮廓坐标获得轮廓定位信息包括:
通过轮廓转换算法计算识别结果中的轮廓坐标,使其成为层叠样式表能够识别并处理的轮廓定位信息。
3.根据权利要求1所述的目标轮廓圈定方法,其特征在于,将所述识别结果发送至前端设备之后,还包括:
调用所述前端设备的关键转换算法,将所述关键坐标转为关键定位信息。
4.根据权利要求3所述的目标轮廓圈定方法,其特征在于,所述将所述关键坐标转为关键定位信息包括:
通过关键转换算法计算识别结果中的关键坐标,使其成为层叠样式表能够识别并处理的关键定位信息。
5.根据权利要求3所述的目标轮廓圈定方法,其特征在于,所述将所述关键坐标转为关键定位信息之后,包括:
调用前端设备的层叠样式表并根据所述关键定位信息,在所述待识别图像上标注关键点。
6.根据权利要求1所述的目标轮廓圈定方法,其特征在于,在所述待识别图像上绘制识别框之后,包括:
调用前端设备的制图算法剪切所述识别框圈定的图像生成目标图像;
将所述识别结果和目标图像展示在所述前端设备上;
所述调用前端设备的制图算法剪切所述识别框圈定的图像生成目标图像之后,还包括:
将所述目标图像上传至区块链中。
7.一种目标轮廓圈定装置,其特征在于,包括:
图像入参模块,用于接收待识别图像,调用前端设备的转换工具将所述待识别图像转为base64编码作为入参;
入参计算模块,用于调用后台接口中的图像识别系统计算所述入参获得识别结果,将所述识别结果发送至前端设备;其中,所述识别结果包括表征图像中目标区域轮廓的轮廓坐标;所述目标区域轮廓为图像识别系统的识别目标所在区域的轮廓;所述目标区域轮廓为矩形,所述轮廓坐标包括所述矩形左上角顶点的坐标,以及该矩形右下角顶点的坐标;所述识别结果还包括表征所述目标区域中关键点的关键坐标,所述关键点是表征所述识别目标具有标志性特征的区域或部位;
轮廓定位模块,用于调用所述前端设备的轮廓转换算法,计算所述轮廓坐标获得轮廓定位信息;
识别绘制模块,用于调用前端设备的层叠样式表并根据所述轮廓定位信息,在所述待识别图像上绘制识别框。
8.一种计算机系统,其包括多个计算机设备,各计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述多个计算机设备的处理器执行所述计算机程序时共同实现权利要求1至6任一项所述目标轮廓圈定方法的步骤。
9.一种计算机可读存储介质,其包括多个存储介质,各存储介质上存储有计算机程序,其特征在于,所述多个存储介质存储的所述计算机程序被处理器执行时共同实现权利要求1至6任一项所述目标轮廓圈定方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010587639.XA CN111738166B (zh) | 2020-06-24 | 2020-06-24 | 目标轮廓圈定方法、装置、计算机系统及可读存储介质 |
PCT/CN2021/096666 WO2021258991A1 (zh) | 2020-06-24 | 2021-05-28 | 目标轮廓圈定方法、装置、计算机系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010587639.XA CN111738166B (zh) | 2020-06-24 | 2020-06-24 | 目标轮廓圈定方法、装置、计算机系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738166A CN111738166A (zh) | 2020-10-02 |
CN111738166B true CN111738166B (zh) | 2024-03-01 |
Family
ID=72652052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010587639.XA Active CN111738166B (zh) | 2020-06-24 | 2020-06-24 | 目标轮廓圈定方法、装置、计算机系统及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111738166B (zh) |
WO (1) | WO2021258991A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738166B (zh) * | 2020-06-24 | 2024-03-01 | 平安科技(深圳)有限公司 | 目标轮廓圈定方法、装置、计算机系统及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH096964A (ja) * | 1995-06-22 | 1997-01-10 | Seiko Epson Corp | 顔画像処理方法および顔画像処理装置 |
CN102163282A (zh) * | 2011-05-05 | 2011-08-24 | 汉王科技股份有限公司 | 掌纹图像感兴趣区域的获取方法及装置 |
JP4998637B1 (ja) * | 2011-06-07 | 2012-08-15 | オムロン株式会社 | 画像処理装置、情報生成装置、画像処理方法、情報生成方法、制御プログラムおよび記録媒体 |
CN102880877A (zh) * | 2012-09-28 | 2013-01-16 | 中科院成都信息技术有限公司 | 一种基于轮廓特征的目标识别方法 |
WO2018103525A1 (zh) * | 2016-12-08 | 2018-06-14 | 腾讯科技(深圳)有限公司 | 人脸关键点跟踪方法和装置、存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1693782B1 (en) * | 2005-02-21 | 2009-02-11 | Mitsubishi Electric Information Technology Centre Europe B.V. | Method for facial features detection |
CN109933638B (zh) * | 2019-03-19 | 2023-05-23 | 腾讯科技(深圳)有限公司 | 基于电子地图的目标区域轮廓确定方法、装置及存储介质 |
CN111738166B (zh) * | 2020-06-24 | 2024-03-01 | 平安科技(深圳)有限公司 | 目标轮廓圈定方法、装置、计算机系统及可读存储介质 |
-
2020
- 2020-06-24 CN CN202010587639.XA patent/CN111738166B/zh active Active
-
2021
- 2021-05-28 WO PCT/CN2021/096666 patent/WO2021258991A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH096964A (ja) * | 1995-06-22 | 1997-01-10 | Seiko Epson Corp | 顔画像処理方法および顔画像処理装置 |
CN102163282A (zh) * | 2011-05-05 | 2011-08-24 | 汉王科技股份有限公司 | 掌纹图像感兴趣区域的获取方法及装置 |
JP4998637B1 (ja) * | 2011-06-07 | 2012-08-15 | オムロン株式会社 | 画像処理装置、情報生成装置、画像処理方法、情報生成方法、制御プログラムおよび記録媒体 |
CN102880877A (zh) * | 2012-09-28 | 2013-01-16 | 中科院成都信息技术有限公司 | 一种基于轮廓特征的目标识别方法 |
WO2018103525A1 (zh) * | 2016-12-08 | 2018-06-14 | 腾讯科技(深圳)有限公司 | 人脸关键点跟踪方法和装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021258991A1 (zh) | 2021-12-30 |
CN111738166A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269062B (zh) | 基于h5的电子合同制作方法、装置、设备及介质 | |
CN107808118A (zh) | 身份识别方法、电子装置及计算机可读存储介质 | |
CN111931784A (zh) | 票据识别方法、系统、计算机设备与计算机可读存储介质 | |
CN110738219A (zh) | 图像中线条提取方法和装置、存储介质及电子装置 | |
CN111325104A (zh) | 文本识别方法、装置及存储介质 | |
CN111881902B (zh) | 训练样本制作方法、装置、计算机设备及可读存储介质 | |
CN111459269B (zh) | 一种增强现实显示方法、系统及计算机可读存储介质 | |
CN112884764A (zh) | 提取图像中地块的方法、装置、电子设备及存储介质 | |
CN111402120A (zh) | 一种标注图像处理方法及装置 | |
CN111291753A (zh) | 基于图像的文本识别方法、装置及存储介质 | |
CN115393872B (zh) | 一种训练文本分类模型的方法、装置、设备及存储介质 | |
CN111738166B (zh) | 目标轮廓圈定方法、装置、计算机系统及可读存储介质 | |
US20220343507A1 (en) | Process of Image | |
CN112541443A (zh) | 发票信息抽取方法、装置、计算机设备及存储介质 | |
CN110555482A (zh) | 基于人工智能的低俗图片识别方法、装置及电子设备 | |
CN112632249A (zh) | 产品不同版本信息的展示方法、装置、计算机设备及介质 | |
CN112581344A (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
CN112434506A (zh) | 电子协议签订处理方法、装置、计算机设备及介质 | |
CN113177543B (zh) | 证件识别方法、装置、设备及存储介质 | |
CN116127419A (zh) | 数据处理方法、数据识别方法、字体文件生成方法及装置 | |
EP4207745A1 (en) | Method for embedding image in video, and method and apparatus for acquiring planar prediction model | |
CN115471582A (zh) | 地图生成方法、装置、计算机设备及存储介质 | |
CN114332809A (zh) | 一种图像识别方法、装置、电子设备和存储介质 | |
CN111695441A (zh) | 图像文档处理方法、装置及计算机可读存储介质 | |
CN112395450A (zh) | 图片文字检测方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |