CN111754450B - 确定物体数量的方法、装置、设备和计算机可读介质 - Google Patents
确定物体数量的方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN111754450B CN111754450B CN201910642629.9A CN201910642629A CN111754450B CN 111754450 B CN111754450 B CN 111754450B CN 201910642629 A CN201910642629 A CN 201910642629A CN 111754450 B CN111754450 B CN 111754450B
- Authority
- CN
- China
- Prior art keywords
- objects
- communication area
- placement direction
- placement
- line segment
- 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 28
- 238000004891 communication Methods 0.000 claims abstract description 78
- 238000004590 computer program Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000002035 prolonged effect Effects 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 13
- 239000003708 ampul Substances 0.000 description 43
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001464 adherent effect Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了确定物体数量的方法、装置、设备和计算机可读介质,涉及图像处理技术领域。该方法的一具体实施方式包括:获取物体图像中的物体边缘,并标记所述物体边缘中的线段;确定所述物体图像中的一个连通区域的最小外接矩形;依据所述最小外接矩形,定位所述物体的放置方向;沿所述放置方向,延长所述连通区域的所述线段,将所述连通区域分割为多个物体;记录所述物体图像中的物体数量。该实施方式能够准确确定物体数量。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种确定物体数量的方法、装置、设备和计算机可读介质。
背景技术
人工智能目前在各个领域落地发展,智能医疗就是其中一个关键领域。装载液体药剂的容器,被广泛用于医疗实践中。由于监管环节的复杂,私自盗取上述容器的事件时有发生。对领取容器的智能监控有助于防范此类事件的发生。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:多个装载液体药剂的容器密集摆放,难以确定容器数量。
发明内容
有鉴于此,本发明实施例提供一种确定物体数量的方法、装置、设备和计算机可读介质,能够准确确定物体数量。
为实现上述目的,根据本发明实施例的一个方面,提供了一种确定物体数量的方法,包括:
获取物体图像中的物体边缘,并标记所述物体边缘中的线段;
确定所述物体图像中的一个连通区域的最小外接矩形;
依据所述最小外接矩形,定位所述物体的放置方向;
沿所述放置方向,延长所述连通区域的所述线段,将所述连通区域分割为多个物体;
记录所述物体图像中的物体数量。
所述依据所述最小外接矩形,定位所述物体的放置方向,包括:
依据所述最小外接矩形水平方向的边长与所述最小外接矩形竖直方向的边长的比值,定位所述物品的放置方向。
所述依据所述最小外接矩形水平方向的边长与所述最小外接矩形竖直方向的边长的比值,定位所述物品的放置方向,包括:
所述比值小于等于竖直方向阈值,则定位所述物体的放置方向为竖直方向;
所述比值大于等于水平方向阈值,则定位所述物体的放置方向为水平方向;
所述比值大于所述竖直方向阈值,且小于所述水平方向阈值,则定位所述物品的放置方向为倾斜方向。
所述沿所述放置方向,延长所述连通区域的所述线段,包括:
所述放置方向与所述连通区域的线段方向一致,则按照所述线段方向延长所述连通区域的线段。
所述沿所述放置方向,延长所述连通区域的所述线段,包括:
沿所述放置方向,将所述连通区域的所述线段,按照所述物体的侧边线长度延长。
根据本发明实施例的第二方面,提供了一种确定物体数量的装置,包括:
标记模块,用于获取物体图像中的物体边缘,并标记所述物体边缘中的线段;
确定模块,用于确定所述物体图像中构成的一个连通区域的最小外接矩形;
定位模块,用于依据所述最小外接矩形,定位所述物体的放置方向;
分割模块,用于沿所述放置方向,延长所述连通区域的所述线段,将所述连通区域分割为多个物体;
记录模块,用于记录所述物体图像中的物体数量。
所述定位模块,具体用于依据所述最小外接矩形水平方向的边长与所述最小外接矩形竖直方向的边长的比值,定位所述物品的放置方向。
所述定位模块,具体用于所述比值小于等于竖直方向阈值,则定位所述物体的放置方向为竖直方向;
所述比值大于等于水平方向阈值,则定位所述物体的放置方向为水平方向;
所述比值大于所述竖直方向阈值,且小于所述水平方向阈值,则定位所述物品的放置方向为倾斜方向。
所述分割模块,具体用于所述放置方向与所述连通区域的线段方向一致,则按照所述线段方向延长所述连通区域的线段。
所述分割模块,具体用于沿所述放置方向,将所述连通区域的所述线段,按照所述物体的侧边线长度延长。
根据本发明实施例的第三方面,提供了一种确定物体数量的电子设备,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,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的方法。
根据本发明实施例的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为获取物体图像中的物体边缘,并标记物体边缘中的线段;确定上述物体图像中的一个连通区域的最小外接矩形;依据最小外接矩形,定位物体的放置方向。沿放置方向,延长连通区域的线段,将连通区域分割为多个物体;记录物体图像中的物体数量。先确定物体的放置方向,再分割连通区域,记录物体图像中的物体数量,因此能够准确确定物体数量。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的粘连物体的示意图;
图2是根据本发明实施例的确定物体数量的方法的主要流程的示意图;
图3是根据本发明实施例的边界处理后物体图像的示意图;
图4是根据本发明实施例的物体图像的示意图;
图5是根据本发明实施例的粘连物体的最小外接矩阵的示意图;
图6是根据本发明实施例的粘连物体中坐标系的示意图;
图7是根据本发明实施例的粘连物体的线段的示意图;
图8是根据本发明实施例的粘连物体的示意图;
图9是根据本发明实施例的物体图像中物体的示意图;
图10是根据本发明实施例的确定物体数量的装置的主要结构的示意图;
图11是本发明实施例可以应用于其中的示例性系统架构图;
图12是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在智能医疗一个典型的场景中:要求医护人员在镜头前展示手中的容器并保证容器基本无遮挡,然后对容器自动计数。作为一个示例,上述容器可以是安瓿瓶。
参见图1,图1是根据本发明实施例的粘连物体的示意图。目前,可以在物体图像中获知包括物体的区域,即图1中包括的多个安瓿瓶的区域。图1中安瓿瓶之间出现个体粘连,如:安瓿瓶3与安瓿瓶4之间由于重叠放置,在物体图像中出现个体粘连。
在确定物体数量的过程中,由于物体图像中的个体粘连,导致物体密集摆放的情况下,难以准确确定物体数量。
为了解决难以准确确定物体数量,可以采用以下本发明实施例中的技术方案。
参见图2,图2是根据本发明实施例的确定物体数量的方法主要流程的示意图,依据最小外接矩形定位物体的放置方向,然后延长线段将连通区域分割为多个物体,进而确定物体数量。如图2所示,具体包括以下步骤:
S201、获取物体图像中的物体边缘,并标记物体边缘中的线段。
在本发明的实施例中,物体是可以密集摆放的物品。作为一个示例,物品可以是装载液体药剂的容器。如:安瓿瓶。在本发明实施例中,以物品具体为安瓿瓶为例进行示例性说明。
通过镜头采集图像并对物体进行边缘标注后,可以先对标注的边缘进行边界处理,然后利用U-Net模型获取物体图像的边缘。U-Net模型的输出是物体区域对应的取值和非物体区域对应的取值。示例性,物体区域对应的取值为1;非物体区域对应的取值为0。U-Net最大的特点为在小数量的训练集上表现效果很好,并且运行速度较快。因此适合在数据标注代价较小的情况下,获取满意的分割效果。上述边界处理的目的在于:使不同物体之间的边界存在一定的距离,从而使得U-Net模型输出的不同物体边界之间的距离更大。
在本发明实施例中,U-Net模型需要利用边界处理后的图片和采集图像进行训练,从而提高获取物体图像的物体边缘的效果。
作为一个示例,参见图3,图3是根据本发明实施例的边界处理后物体图像的示意图。可以使用图3中的物体图像和采集图像训练得到U-Net模型。显然,经边界处理后,图3中安瓿瓶边界之间的距离,较图1中安瓿瓶之间的距离更大。
参见图4,图4是根据本发明实施例的物体图像的示意图。经U-Net模型获取物体所在的物体图像的物体边缘,图4中包括8个安瓿瓶。其中,可以获知8个安瓿瓶的瓶头朝向基本一致。多个安瓿瓶重叠放置,导致安瓿瓶之间出现个体粘连。作为一个示例,安瓿瓶1与安瓿瓶2粘连;安瓿瓶2与安瓿瓶3粘连;安瓿瓶5和安瓿瓶6粘连;安瓿瓶7和安瓿瓶8粘连。
通过U-Net模型获取的物体边缘,不仅包括直线还包括曲线。在获取物体图像的物体边缘后,利用霍夫变换标记物体边缘中的线段。霍夫变换是一种特征检测,被广泛应用在图像分析、计算机视觉以及数位影像处理。霍夫变换可以用来辨识物体中的特征,如:线条。
S202、确定物体图像中的一个连通区域的最小外接矩形。
连通区域是由一个或多个安瓿瓶构成的封闭区域。作为一个示例,可以采用已有的确定连通区域的算法,在物体图像中确定连通区域。
继续参见图4,图4中安瓿瓶1、安瓿瓶2和安瓿瓶3,构成一个连通区域。可以理解的是,连通区域包括两个以上安瓿瓶,则说明连通区域内的安瓿瓶粘连,需要分割。
为了定位物体的放置方向,则需要确定上述连通区域的最小外接矩形。最小外接矩形是指以二维坐标表示的多个二维形状的最大范围,即以给定的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定边界的矩形。
参见图5,图5是根据本发明实施例的粘连物体的最小外接矩阵的示意图。图5中连通区域是图4中包括安瓿瓶1、安瓿瓶2和安瓿瓶3的区域。上述连通区域的最小外接矩形是矩形EFGH。其中,矩形EGGH的EF边与水平方向的坐标轴平行;FG边与竖直方向的坐标轴平行。
S203、依据最小外接矩形,定位物体的放置方向。
在本发明实施例中,物体图像中所有安瓿瓶的瓶头朝向基本一致。可以依据最小外接矩形,定位物体的放置方向。
参见图6,图6是根据本发明实施例的粘连物体中坐标系的示意图,在直角坐标系中,将平面划分为4个区域,分别为区域1,区域2,区域3和区域4。
在图6中可知,区域1是x轴附近的区域;区域2是y轴附近的区域;区域3是在第一象限和第三象限远离x轴和y轴的区域;区域4是在第二象限和第四象限远离x轴和y轴的区域。其中,x轴是区域1的角均分线,即∠aox=∠xob;y轴是区域2的角均分线,即∠ioy=∠yoh。
在本发明的一个实施例中,可以预先设置区域1,区域2,区域3和区域4。作为一个示例,区域1中∠aox=35°;区域2中∠ioy=35°;区域3中∠hof=20°;区域4中∠ioa=20°。
可以理解的是,基于最小外接矩形的边长,结合图5中的预设区域就可以定位物品的放置方向。
在本发明的一个实施例中,依据最小外接矩形的边长,定位物品的放置方向。具体来说,依据最小外接矩形水平方向的边长,与该最小外接矩形竖直方向的边长的比值,定位物品的放置方向。
继续参见图6,图6中的矩形ABCD。其中,矩形ABCD的水平方向的边长与竖直方向的边长的比值,即AB/CB=cot∠BDC。
当∠BDC大于等于∠ioy,也即AB/CB小于等于cot∠ioy,则定位物品的放置方向属于区域2,物品的放置方向为竖直方向。
当∠BDC小于等于∠aox,也即AB/CB大于等于cot∠aox,则定位物品的放置方向属于区域1,物品的放置方向为水平方向。
当∠BDC大于∠aox,且小于∠ioy,也即AB/CB大于cot∠ioy,且小于cot∠aox,则定位物品的放置方向属于区域3或区域4,物品的放置方向为倾斜方向。
竖直方向阈值等于cot∠ioy;水平方向阈值等于cot∠aox。示例性的,竖直方向阈值等于cot55°;水平方向阈值等于cot∠35°。
示例性的,图6中的矩形ABCD。其中,矩形ABCD的水平方向的边长与竖直方向的边长的比值,即AB/CB小于cot∠ioy,则定位物品的放置方向属于区域2,物品的放置方向为竖直方向。
在上述实施例中,通过最小外接矩形的边长,能够准确定位物品的放置方向。
S204、沿放置方向,延长连通区域的线段,将连通区域分割为多个物体。
在物体图像中包括多个物体,定位物品的放置方向后,就可以在连通区域内进行分割。考虑到,物体图像中的多个物体之间的个体粘连,可以延长物体之间的线段,从而划分出物体。其中,物体边缘的线段是采用霍夫变换识别出的。
在连通区域中包括多条线段,线段可能是物体之间相邻的边界,那么可以沿放置方向,延长连通区域的线段,从而将连通区域分割为多个区域,可以认为每个区域放置一个物体。
在本发明的一个实施例中,放置方向与连通区域的线段方向一致,则按照线段方向延长连通区域的线段。作为一个示例,放置方向与线段方向的夹角小于方向阈值,则放置方向与连通区域的线段方向一致;放置方向与线段方向的夹角大于等于方向阈值,则放置方向与连通区域的线段方向不一致。如:方向阈值等于45°。
参见图7,图7是根据本发明实施例的粘连物体的线段的示意图。示例性的,图7中的线段包括线段AB和线段DC。其中,可以基于A、B、C和D的坐标,获知线段AB在坐标系中的倾斜角度,线段DC在坐标系中的倾斜角度。其中,直线kl的方向即矩形EFGH的放置方向。方向阈值等于∠mol,以及方向阈值等于∠lon。
分别计算矩形EFGH的放置方向与线段AB的夹角,以及矩形EFGH的放置方向与线段DC的夹角。矩形EFGH的放置方向与线段AB的夹角小于方向阈值,则矩形EFGH的放置方向与线段AB的方向一致;矩形EFGH的放置方向与线段DC的夹角大于方向阈值,则矩形EFGH的放置方向与线段AB的方向不一致。
则沿放置方向,延长线段AB,将图5中矩形EFGH分割为两个物体。即:安瓿瓶1和安瓿瓶2与安瓿瓶3结合体。同样的,采用上述本发明实施例中的技术方案,可以将安瓿瓶2与安瓿瓶3结合体,分割为安瓿瓶2和安瓿瓶3。这样,防止无效线段被延长,造成过度分割。
在本发明的一个实施例中,还可以沿放置方向,将连通区域的线段,按照物体的侧边线长度延长。这样,符合物体相邻放置实际情况。其中,侧边线长度是物体最外侧边线的长度。
参见图8,图8是根据本发明实施例的粘连物体的示意图。图8中包括两个物体,分别为物体1和物体2。物体1和物体2由于重叠放置,在物体图像中出现个体粘连。为了分割物体1和物体2,可以沿放置方向,按照物体的侧边线长度延长连通区域的线段AB,将连通区域分割为2个物体。
继续参见图7,图7中的物体是安瓿瓶,安瓿瓶的侧边线长度是瓶身高度的一半,则可以沿放置方向,按照安瓿瓶瓶身高度的一半,延长线段AB,进而分割安瓿瓶1和安瓿瓶2与安瓿瓶3结合体。
作为一个示例,当放置方向在图5中的区域1,则可以将最小外接矩形的水平方向的边长作为安瓿瓶瓶身的高度;当放置方向在图6中的区域2,则可以将最小外接矩形的竖直方向的边长作为安瓿瓶瓶身的高度;当放置方向在图6中的区域3或区域4,则可以将最小外接矩形的对角线长度作为安瓿瓶瓶身的高度。
S205、记录物体图像中的物体数量。
延长连通区域的线段,将连通区域分割为多个连通区域。每个分割后的连通区域对应一个物体,记录连通区域的数量,即记录物体图像中的物体数量。
参见图9,图9是根据本发明实施例的物体图像中物体的示意图。采用上述技术方案,可以基于图4中的物体图像,得到图9中的物体图像。图9中,由于每个安瓿瓶的边界清晰,可以准确确定物体图像中的安瓿瓶数量。
在上述实施例中,依据一个连通区域的最小外接矩形,能够定位物体的放置方向。沿上述放置方向,将连通区域分割为多个连通区域,每个连通区域对应一个物体,进而可以准确确定物体图像中的物体数量。
图10是根据本发明实施例的确定物体数量的装置的主要结构的示意图,确定物体数量的装置可以实现确定物体数量的方法,如图10所示,确定物体数量的装置具体包括:
标记模块1001,用于获取物体图像中的物体边缘,并标记物体边缘中的线段。
确定模块1002,用于确定物体图像中的一个连通区域的最小外接矩形。
定位模块1003,用于依据最小外接矩形,定位物体的放置方向。
分割模块1004,用于沿放置方向,延长连通区域的线段,将连通区域分割为多个物体。
记录模块1005,用于记录物体图像中的物体数量。
在本发明的一个实施例中,定位模块1003,具体用于依据最小外接矩形水平方向的边长与最小外接矩形竖直方向的边长的比值,定位物品的放置方向。
在本发明的一个实施例中,定位模块1003,具体用于述比值小于等于竖直方向阈值,则定位物体的放置方向为竖直方向;
所述比值大于等于水平方向阈值,则定位物体的放置方向为水平方向;
所述比值大于竖直方向阈值,且小于水平方向阈值,则定位物品的放置方向为倾斜方向。
在本发明的一个实施例中,分割模块1004,具体用于放置方向与连通区域的线段方向一致,则按照线段方向延长连通区域的线段。
在本发明的一个实施例中,分割模块1004,具体用于沿放置方向,将连通区域的线段,按照物体的侧边线长度延长。
图11示出了可以应用本发明实施例的确定物体数量的方法或确定物体数量的装置的示例性系统架构1100。
如图11所示,系统架构1100可以包括终端设备1101、1102、1103,网络1104和服务器1105。网络1104用以在终端设备1101、1102、1103和服务器1105之间提供通信链路的介质。网络1104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1101、1102、1103通过网络1104与服务器1105交互,以接收或发送消息等。终端设备1101、1102、1103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1101、1102、1103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1105可以是提供各种服务的服务器,例如对用户利用终端设备1101、1102、1103所浏览的购物类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产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的确定物体数量的方法一般由服务器1105执行,相应地,确定物体数量的装置一般设置于服务器1105中。
应该理解,图11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。
下面参考图12,其示出了适于用来实现本发明实施例的终端设备的计算机系统1200的结构示意图。图12示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图12所示,计算机系统1200包括中央处理单元(CPU)1201,其可以根据存储在只读存储器(ROM)1202中的程序或者从存储部分1208加载到随机访问存储器(RAM)1203中的程序而执行各种适当的动作和处理。在RAM 1203中,还存储有系统1200操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
以下部件连接至I/O接口1205:包括键盘、鼠标等的输入部分1206;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1207;包括硬盘等的存储部分1208;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1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至I/O接口1205。可拆卸介质1212,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1210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1208。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明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1209从网络上被下载和安装,和/或从可拆卸介质1212被安装。在该计算机程序被中央处理单元(CPU)1201执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、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)、光纤、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。在本发明中,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。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读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一个该设备执行时,使得该设备包括:
获取物体图像中的物体边缘,并标记物体边缘中的线段;
确定所述线段构成的一个连通区域的最小外接矩形;
依据所述最小外接矩形,定位所述物体的放置方向;
沿所述放置方向,延长所述连通区域的线段,将所述连通区域分割为多个物体;
记录所述物体图像中的物体数量。
根据本发明实施例的技术方案,因为获取物体图像中的物体边缘,并标记物体边缘中的线段;确定上述线段构成的一个连通区域的最小外接矩形;依据最小外接矩形,定位物体的放置方向。沿放置方向,延长连通区域的线段,将连通区域分割为多个物体;记录物体图像中的物体数量。先确定物体的放置方向,再分割连通区域,记录物体图像中的物体数量,因此能够准确确定物体数量。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种确定物体数量的方法,其特征在于,包括:
获取物体图像中的物体边缘,并标记所述物体边缘中的线段,所述线段是所述物体之间的线段;
确定所述物体图像中的一个连通区域的最小外接矩形;
依据所述最小外接矩形,定位所述物体的放置方向;
沿所述放置方向,延长所述连通区域的所述线段,将所述连通区域分割为多个物体;
记录所述物体图像中的物体数量;
所述依据所述最小外接矩形,定位所述物体的放置方向,包括:
依据所述最小外接矩形水平方向的边长与所述最小外接矩形竖直方向的边长的比值,定位所述物体的放置方向;
所述沿所述放置方向,延长所述连通区域的所述线段,包括:
所述放置方向与所述连通区域的线段方向一致,则按照所述线段方向延长所述连通区域的线段;
所述放置方向与所述连通区域的线段方向不一致,则按照所述放置方向延长所述连通区域的线段。
2.根据权利要求1所述确定物体数量的方法,其特征在于,所述依据所述最小外接矩形水平方向的边长与所述最小外接矩形竖直方向的边长的比值,定位所述物体的放置方向,包括:
所述比值小于等于竖直方向阈值,则定位所述物体的放置方向为竖直方向;
所述比值大于等于水平方向阈值,则定位所述物体的放置方向为水平方向;
所述比值大于所述竖直方向阈值,且小于所述水平方向阈值,则定位所述物体的放置方向为倾斜方向。
3.根据权利要求1所述确定物体数量的方法,其特征在于,所述沿所述放置方向,延长所述连通区域的所述线段,包括:
沿所述放置方向,将所述连通区域的所述线段,按照所述物体的侧边线长度延长,所述侧边线长度是所述物体最外侧边线的长度。
4.一种确定物体数量的装置,其特征在于,包括:
标记模块,用于获取物体图像中的物体边缘,并标记所述物体边缘中的线段,所述线段是所述物体之间的线段;
确定模块,用于确定所述物体图像中的一个连通区域的最小外接矩形;
定位模块,用于依据所述最小外接矩形,定位所述物体的放置方向;以及,用于依据所述最小外接矩形水平方向的边长与所述最小外接矩形竖直方向的边长的比值,定位所述物体的放置方向;
分割模块,用于沿所述放置方向,延长所述连通区域的所述线段,将所述连通区域分割为多个物体;以及,用于所述放置方向与所述连通区域的线段方向一致,则按照所述线段方向延长所述连通区域的线段;所述放置方向与所述连通区域的线段方向不一致,则按照所述放置方向延长所述连通区域的线段;
记录模块,用于记录所述物体图像中的物体数量。
5.根据权利要求4所述确定物体数量的装置,其特征在于,所述定位模块,具体用于所述比值小于等于竖直方向阈值,则定位所述物体的放置方向为竖直方向;
所述比值大于等于水平方向阈值,则定位所述物体的放置方向为水平方向;
所述比值大于所述竖直方向阈值,且小于所述水平方向阈值,则定位所述物体的放置方向为倾斜方向。
6.根据权利要求4所述确定物体数量的装置,其特征在于,所述分割模块,具体用于沿所述放置方向,将所述连通区域的所述线段,按照所述物体的侧边线长度延长,所述侧边线长度是所述物体最外侧边线的长度。
7.一种确定物体数量的电子设备,其特征在于,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,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910642629.9A CN111754450B (zh) | 2019-07-16 | 2019-07-16 | 确定物体数量的方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910642629.9A CN111754450B (zh) | 2019-07-16 | 2019-07-16 | 确定物体数量的方法、装置、设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111754450A CN111754450A (zh) | 2020-10-09 |
CN111754450B true CN111754450B (zh) | 2024-04-05 |
Family
ID=72672791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910642629.9A Active CN111754450B (zh) | 2019-07-16 | 2019-07-16 | 确定物体数量的方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754450B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598660B (zh) * | 2020-12-29 | 2022-10-21 | 山东港口科技集团青岛有限公司 | 一种码头装卸过程的纸浆货物数量自动检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08221549A (ja) * | 1995-02-09 | 1996-08-30 | Oki Electric Ind Co Ltd | 侵入物体認識装置 |
KR101492505B1 (ko) * | 2014-10-29 | 2015-02-12 | 주식회사 케이엠티엘 | 철근 조립체의 카메라 촬영 이미지를 이용한 철근 배근 상태 정보 산출 방법 |
JP2016062123A (ja) * | 2014-09-12 | 2016-04-25 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
WO2017164239A1 (ja) * | 2016-03-25 | 2017-09-28 | Necソリューションイノベータ株式会社 | 個体計数装置、個体計数方法、およびコンピュータ読み取り可能な記録媒体 |
CN109658414A (zh) * | 2018-12-13 | 2019-04-19 | 北京小龙潜行科技有限公司 | 一种猪只的智能盘点方法及装置 |
-
2019
- 2019-07-16 CN CN201910642629.9A patent/CN111754450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08221549A (ja) * | 1995-02-09 | 1996-08-30 | Oki Electric Ind Co Ltd | 侵入物体認識装置 |
JP2016062123A (ja) * | 2014-09-12 | 2016-04-25 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
KR101492505B1 (ko) * | 2014-10-29 | 2015-02-12 | 주식회사 케이엠티엘 | 철근 조립체의 카메라 촬영 이미지를 이용한 철근 배근 상태 정보 산출 방법 |
WO2017164239A1 (ja) * | 2016-03-25 | 2017-09-28 | Necソリューションイノベータ株式会社 | 個体計数装置、個体計数方法、およびコンピュータ読み取り可能な記録媒体 |
CN109658414A (zh) * | 2018-12-13 | 2019-04-19 | 北京小龙潜行科技有限公司 | 一种猪只的智能盘点方法及装置 |
Non-Patent Citations (1)
Title |
---|
利用动态链接表的二值图像目标区域分割;田睿;郝志成;吴川;;红外与激光工程(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111754450A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111754515B (zh) | 堆叠物品的顺序抓取方法和装置 | |
US20200394392A1 (en) | Method and apparatus for detecting face image | |
WO2020062493A1 (zh) | 图像处理方法和装置 | |
CN109255337B (zh) | 人脸关键点检测方法和装置 | |
WO2019019595A1 (zh) | 图片匹配方法及电子设备方法、装置、电子设备及介质 | |
WO2014139118A1 (en) | Adaptive facial expression calibration | |
CN111402120B (zh) | 一种标注图像处理方法及装置 | |
CN108595448B (zh) | 信息推送方法和装置 | |
CN108960206B (zh) | 视频帧处理方法和装置 | |
CN110688928A (zh) | 模型训练方法、装置、电子设备及计算机可读存储介质 | |
CN109993749B (zh) | 提取目标图像的方法和装置 | |
CN111754450B (zh) | 确定物体数量的方法、装置、设备和计算机可读介质 | |
CN110349161A (zh) | 图像分割方法、装置、电子设备、及存储介质 | |
CN111160410B (zh) | 一种物体检测方法和装置 | |
CN108492284A (zh) | 用于确定图像的透视形状的方法和装置 | |
US10552491B2 (en) | Systems, devices, and methods for computing geographical relationships between objects | |
CN111428536B (zh) | 用于检测物品类别和位置的检测网络的训练方法和装置 | |
CN110019531B (zh) | 一种获取相似对象集合的方法和装置 | |
CN111401182B (zh) | 针对饲喂栏的图像检测方法和装置 | |
CN112000218B (zh) | 一种对象显示方法及装置 | |
CN110969041B (zh) | 图形编码的识别方法和装置 | |
CN113591852B (zh) | 感兴趣区域标记的方法和装置 | |
CN112926356B (zh) | 一种目标跟踪方法和装置 | |
CN111178353A (zh) | 一种图像文字的定位方法和装置 | |
CN114708592B (zh) | 图章密级的判断方法、装置、设备和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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |