CN111860687A - 一种图像识别方法、装置、电子设备和存储介质 - Google Patents
一种图像识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111860687A CN111860687A CN202010757024.7A CN202010757024A CN111860687A CN 111860687 A CN111860687 A CN 111860687A CN 202010757024 A CN202010757024 A CN 202010757024A CN 111860687 A CN111860687 A CN 111860687A
- Authority
- CN
- China
- Prior art keywords
- images
- image
- image recognition
- target device
- feature information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 235000002566 Capsicum Nutrition 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/30—Noise filtering
Abstract
本申请提供一种图像识别方法、装置、电子设备和存储介质,其方法可包括:获取多个包括目标设备的图像;分别识别所述多个图像中的所述目标设备的特征信息;依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。本申请可以提高设备数据统计效率的技术效果。
Description
技术领域
本申请涉及数据识别领域,并且更具体地,涉及一种图像识别方法、装置、电子设备和存储介质。
背景技术
随着通信技术的发展,目前通信铁塔等基站配套设施越来越多,进行设备数据统计(例如:资产盘点)时,在基站维护工作中只是简单的对单一图像进行识别后记录结果,而分布在户外的设备和资产主要依靠人力对这些资产进行拍摄记录或者手工记录。可见,目前的设备数据统计效率比较低。
发明内容
本申请实施例提供一种图像识别方法、装置、电子设备和存储介质,以解决设备数据统计效率比较低的问题。
第一方面,本申请实施例提供了一种图像识别方法,包括:
获取多个包括目标设备的图像;
分别识别所述多个图像中的所述目标设备的特征信息;
依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
第二方面,本申请实施例还提供一种图像识别装置,包括:
获取单元,用于获取多个包括目标设备的图像;
识别单元,用于分别识别所述多个图像中的所述目标设备的特征信息;
第一处理单元,用于依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
第三方面,本申请实施例还提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序或者指令,所述程序或者指令被所述处理器执行时实现本申请实施例第一方面公开的所述图像识别方法中的步骤。
第四方面,本申请实施例提供了一种存储介质,所述可读存储介质上存储有程序或指令,所述程序或指令被处理器执行时实现本申请实施例第一方面公开的所述图像识别方法中的步骤。
这样,本申请实施例中,根据获取的多个包括目标设备的图像识别所述多个图像中的所述目标设备的特征信息,并依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。从而达到了提高设备数据统计效率的技术效果。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种图像识别的流程示意图;
图2是本申请实施例提供的另一种图像识别的流程示意图;
图3是本申请实施例提供的另一种图像识别的流程示意图;
图4是本申请实施例提供的一种图像识别装置的结构示意图;
图5是本申请实施例提供的另一种图像识别装置的结构示意图;
图6是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
请参阅图1,图1是本申请实施例提供的一种图像识别方法的流程示意图,如图1所示,包括以下步骤:
步骤101、获取多个包括目标设备的图像。
其中,上述目标设备可以是任意分布在户外或者室内的设备,例如:在户外资产盘点的场景下,上述目标设备可以是开关电源、单管塔、角钢塔、拉线塔、仿生塔等等,对此本实施例不作限定。
其中,上述图像可以是预先获取的包括目标设备的图片,例如:在铁塔资产盘点情况下,有包括单管塔的图片、包括整流模块的图片、包括四管塔的图片等等,对此本实施例不作限定。
步骤102、分别识别所述多个图像中的所述目标设备的特征信息。
其中,上述特征信息可以是与所述目标设备有相关度的信息,例如:三角形的特殊特征是三个角和三条边,在图像识别中,提取出不同图形的特殊特征,上述特殊特征可以区分不同图形。
步骤103、依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
在步骤102识别到所述多个图像中的所述目标设备的特征信息后,就可以确定上述图像的特征信息,从而步骤103可以对上述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
其中,上述归类处理可以包括对所述多个图像包括的所述目标设备进行识别以及后续处理,例如:对所述多个图像包括的所述目标设备进行识别、分类、统计、对比等等。
本实施例中,通过识别所述多个图像中的所述目标设备的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。从而达到了提高设备数据统计效率的技术效果。
请参阅图2,图2是本申请实施例提供的另一种图像识别方法的流程示意图,如图2所示,包括:
步骤201、获取多个包括目标设备的图像。
步骤202、对所述多个图像进行噪声消除并二值化,以得多个二值化图像。
其中,上述噪声消除可以是针对包括目标设备的图像的恢复,以实现减少图像识别过程中的误差,例如:在图像产生、传输和复制过程中,常常会因为多方面原因而被噪声干扰或出现数据丢失,降低了图像的质量,通过噪声消除可以减少图像采集设备带来的误差,减少图像采集环境的影响等获取包括目标设备的图像时产生的误差。
其中,上述二值化可以将输入图像转化为可以解算的二值化图像,例如:上述经过噪声消除后的图像是256个亮度等级的灰度图像,通过选取适当的阈值将图像上的像素点的灰度值设置为0或255后,整个图像可以呈现出明显的黑白效果。
该实施方式中,通过对所述多个图像进行噪声消除并二值化,使得整个图像误差减少并且呈现出明显的黑白效果,可以让图像中的数据量大大减少,达到了提高图像识别方法运行效率的技术效果。
其中,可选的,所述噪声消除包括如下一项或者多项:
均值滤波和中值滤波。
其中,均值滤波可以利用图像的灰度连续性,将图像的每个像素看成由周围若干个像素平均而成的结果,这样图像中所含的噪声便被平均。
其中,上述中值滤波可以用于消除椒盐噪声,例如:在图像处理中,通过中值滤波图像的椒盐噪声可以被较好的平滑。
该实施方式中,通过滤波环节对图像进行一定的增强处理,可以减小这些缺陷带来的影响,提高图像识别的准确率。
步骤203、对所述多个二值化图像分割处理,以得多个图像的识别区域。
其中,上述二值化图像可以利于图像的进一步处理,例如:通过明显的黑白效果,可以凸显目标轮廓,不再涉及像素的多级值,使图像的后续处理变得简单。
其中,上述分割处理可以将识别区域与非识别区域分开,例如:一幅图中,所需识别的图像只是是整幅图像中的一部分,所以在进行识别之前将识别区域分割开来。
该实施方式中,通过分割处理得到图像的识别区域,可以缩小图像识别的区域,达到提高图像识别效率的技术效果。
其中,可选的,所述分割处理包括:
基于K均值聚类算法将所述图像分割。
其中,上述K均值聚类算法可以根据图像的灰度值将图像分割,首先,在所有样本点中随机选取K个初始聚类中心;其次,计算所述每个样本点到各聚类中心的距离,将每个样本点归到其距离最近的聚类中心;再次,对每个簇,以所有样本点的均值作为该簇新的聚类中心;最后,计算下一次迭代的聚类中心与当前聚类中心的差距,如果所述差距小于迭代阈值或者聚类中心不再变化时,迭代结束。根据K均值聚类算法可以将图像的识别区域与非识别区域分割开来。
该实施方式中,通过K均值聚类算法将所述图像分割成识别区域与非识别区域,可以快速实现图像识别中的分割步骤。
步骤204、筛选所述多个图像的识别区域中的图像特征,以得多个图像的真实特征。
其中,上述图像特征可以是图像中可以区分其他图像的特征,例如:
其中,上述真实特征可以是上述图像特征中与目标设备有一定相关度的特征,例如:省市运维人员在资产盘点和日常巡检中,需要对铁塔信息进行记录,那么目标设备即为各类铁塔,当图像中的图像特征为铁塔相关特征时,那么该特征为真实特征,与铁塔无关的特征为无用特征,被筛选不用。
步骤205、突显所述多个图像的特征信息。
其中,上述突显可以将相似的特征种类突显,例如:相似的形状、颜色、纹理、尺寸信息等等。该实施方式中,通过突显所述多个图像的特征信息,可以提高图像识别过程中的辨识率。
步骤206、依据所述多个图像的特征信息,识别所述多个图像包括的所述目标设备。
在步骤205突显上述图像的特征信息后,步骤206就可以根据上述突显的特征信息进行识别。
其中,上述识别可以是按照某种规律对图像进行识别,例如:预先制定出一个识别规则,根据上述图像的特征信息对图像按照上述规则进行识别。
该实施方式中,通过识别规律识别所述多个图像包括的所述目标设备,可以使图像识别过程更有序。
步骤207、对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
其中,上述归类处理可以包括对所述多个图像包括的所述目标设备进行识别以及后续处理,例如:对所述多个图像包括的所述目标设备进行识别、分类、统计、对比等等。
该实施方式中,通过对所述多个图像包括的所述目标设备进行归类处理得到图像识别结果,可以完成图像识别、分类和数量统计,大大提高本实施例图像识别方法的效率。
请参阅图3,图3是本申请实施例提供的另一种图像识别方法的流程示意图,如图3所示,包括:
步骤301、获取多个包括目标设备的图像。
步骤302、分别识别所述多个图像中的所述目标设备的特征信息。
步骤303、依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
可选的,在步骤303之后,上述方法还可以包括如下步骤:
步骤304、显示所述图像识别结果,如果存在识别结果错误或者无法识别的情况,则修改结果并生成修改记录。
本实施例中,步骤304可以理解为对步骤301、步骤302和步骤303的检查,上述三个步骤完成后得出的结果可以通过步骤304核对是否正确。
其中,上述显示的识别结果可以审核修改,例如:在步骤301、步骤302和步骤303完成后的情况下,如果上述识别的结果类型有误,可以修改为正确的类型或重新根据步骤301、步骤302和步骤303识别,如果是不可识别的结果,也可以修改为正确的类型或重新根据步骤301、步骤302和步骤303识别。
其中,上述修改记录可以包括是识别结果修改的相关信息,例如:修改前的识别结果、修改后的识别结果、修改时间、操作者等等相关信息。
该实施方式中,通过对显示的识别结果进行检查,并对识别结果错误或者无法识别的情况进行修改,可以实现对图像识别结果的审核,达到了提高图像识别结果准确率的技术效果。
步骤305、对比所述图像识别结果与历史图像,对存在不一致的结果图片发出告警。
其中,上述图像识别结果是经过步骤304审核的结果。
其中,上述历史图像可以是本次识别之前的任意一次完成图像识别的图像,例如:同一设备在不同时段可经过多次识别,得到的多次识别结果与本次识别结果进行对比。
其中,上述告警可以是生成预警工单,例如:通过历史图像与现实图像的比对,发现设备在不同时段的差异,比对完成后生成比对结果报告,对于存在不一致风险的图片内容则生成预警工单后进行进一步处理。
本实施例中,通过历史图像识别结果与本次图像识别结果的比对,可以发现设备在不同时段的差异,从而对设备变化的情况告警。
请参阅图4,图4是本申请实施例提供的一种图像识别装置的结构示意图,如图4所示,装置400包括:
获取单元401,用于获取多个包括目标设备的图像;
识别单元402,用于分别识别所述多个图像中的所述目标设备的特征信息;
第一处理单元403,用于依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
可选的,识别单元402可以用于:
对所述多个图像进行噪声消除并二值化,以得多个二值化图像;
对所述多个二值化图像分割处理,以得多个图像的识别区域;
筛选所述多个图像的识别区域中的图像特征,以得多个图像的真实特征。
其中,可选的,上述噪声消除可以包括如下一项或者多项:
均值滤波和中值滤波。
其中,可选的,上述分割处理包括基于K均值聚类算法将所述图像分割。
可选的,第一处理单元403可以用于:
突显所述多个图像的特征信息;
依据所述多个图像的特征信息,识别所述多个图像包括的所述目标设备;
对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
可选的,如图5所示,上述装置400还可以包括:
显示单元404,用于显示所述图像识别结果,如果存在识别类型错误或者无法识别的情况,则修改结果并生成修改记录。
可选的,该实施方式中,上述装置400还可以包括:
第二处理单元405,用于对比所述识别结果与历史图像,对存在不一致的结果图片发出告警。
装置400能够实现图1至图3的方法实施例中装置实现的各个过程,为避免重复,这里不再赘述。装置400可以达到提高设备数据统计效率的技术效果。
请参阅图6,图6是本申请实施提供的一种电子设备的结构示意图,如图6所示,电子设备600包括:处理器601,存储器602,存储在所述存储器602上并可在所述处理器601上运行的程序或者指令。
可以理解,本申请实施例中的存储器602可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本文描述的系统和方法的存储器702旨在包括但不限于这些和任意其它适合类型的存储器。
在本申请实施例中,通过调用存储器602存储的程序或指令,处理器601用于:
获取多个包括目标设备的图像;
分别识别所述多个图像中的所述目标设备的特征信息;
依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
上述本申请实施例揭示的方法可以应用于处理器601中,或者由处理器601实现。处理器601可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602,处理器601读取存储器602中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
可选的,所述分别识别所述多个图像中的所述目标设备的特征信息,可以包括:
对所述多个图像进行噪声消除并二值化,以得多个二值化图像;
对所述多个二值化图像分割处理,以得多个图像的识别区域;
筛选所述多个图像的识别区域中的图像特征,以得多个图像的真实特征。
其中,可选的,所述噪声消除包括如下一项或者多项:
均值滤波和中值滤波。
其中,可选的,所述分割处理包括基于K均值聚类算法将所述图像分割。
可选的,所述依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果,可以包括:
突显所述多个图像的特征信息;
依据所述多个图像的特征信息,识别所述多个图像包括的所述目标设备;
对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
电子设备600能够实现前述实施例中装置实现的各个过程,为避免重复,这里不再赘述。电子设备600可以提高设备数据统计效率的技术效果。
需要说明的是,本申请实施例中的电子设备包括移动电子设备和非移动电子设备。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述图像识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
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。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种图像识别方法,其特征在于,包括:
获取多个包括目标设备的图像;
分别识别所述多个图像中的所述目标设备的特征信息;
依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
2.如权利要求1所述的方法,其特征在于,所述分别识别所述多个图像中的所述目标设备的特征信息,包括:
对所述多个图像进行噪声消除并二值化,以得多个二值化图像;
对所述多个二值化图像分割处理,以得多个图像的识别区域;
筛选所述多个图像的识别区域中的图像特征,以得多个图像的真实特征。
3.如权利要求2所述的方法,其特征在于,所述噪声消除包括如下一项或者多项:
均值滤波和中值滤波。
4.如权利要求2所述的方法,其特征在于,所述分割处理包括基于K均值聚类算法将所述图像分割。
5.如权利要求1所述的方法,其特征在于,所述依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果,包括:
突显所述多个图像的特征信息;
依据所述多个图像的特征信息,识别所述多个图像包括的所述目标设备;
对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
显示所述图像识别结果,如果存在识别结果错误或者无法识别的情况,则修改结果并生成修改记录。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
对比所述图像识别结果与历史图像,对存在不一致的结果图片发出告警。
8.一种图像识别装置,其特征在于,包括:
获取单元,用于获取多个包括目标设备的图像;
识别单元,用于分别识别所述多个图像中的所述目标设备的特征信息;
第一处理单元,用于依据所述多个图像的特征信息,对所述多个图像包括的所述目标设备进行归类处理,以得到图像识别结果。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序或者指令,所述程序或者指令被所述处理器执行时实现如权利要求1至7中任一项所述的图像识别方法中的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有程序或指令,所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的图像识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757024.7A CN111860687A (zh) | 2020-07-31 | 2020-07-31 | 一种图像识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757024.7A CN111860687A (zh) | 2020-07-31 | 2020-07-31 | 一种图像识别方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111860687A true CN111860687A (zh) | 2020-10-30 |
Family
ID=72952543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010757024.7A Pending CN111860687A (zh) | 2020-07-31 | 2020-07-31 | 一种图像识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860687A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486892A (zh) * | 2021-07-02 | 2021-10-08 | 东北大学 | 基于智能手机图像识别的生产信息采集方法及系统 |
CN115796637A (zh) * | 2022-10-20 | 2023-03-14 | 北京国电通网络技术有限公司 | 基于角钢塔材料的信息处理方法、装置、设备与介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944478A (zh) * | 2017-11-14 | 2018-04-20 | 深圳码隆科技有限公司 | 图像识别方法、系统以及电子设备 |
CN109214403A (zh) * | 2017-07-06 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 图像识别方法、装置及设备、可读介质 |
CN110399890A (zh) * | 2019-07-29 | 2019-11-01 | 厦门美图之家科技有限公司 | 图像识别方法、装置、电子设备及可读存储介质 |
CN110689025A (zh) * | 2019-09-16 | 2020-01-14 | 腾讯医疗健康(深圳)有限公司 | 图像识别方法、装置、系统及内窥镜图像识别方法、装置 |
CN111461097A (zh) * | 2020-03-18 | 2020-07-28 | 北京大米未来科技有限公司 | 识别图像信息的方法、装置、电子设备及介质 |
-
2020
- 2020-07-31 CN CN202010757024.7A patent/CN111860687A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214403A (zh) * | 2017-07-06 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 图像识别方法、装置及设备、可读介质 |
CN107944478A (zh) * | 2017-11-14 | 2018-04-20 | 深圳码隆科技有限公司 | 图像识别方法、系统以及电子设备 |
CN110399890A (zh) * | 2019-07-29 | 2019-11-01 | 厦门美图之家科技有限公司 | 图像识别方法、装置、电子设备及可读存储介质 |
CN110689025A (zh) * | 2019-09-16 | 2020-01-14 | 腾讯医疗健康(深圳)有限公司 | 图像识别方法、装置、系统及内窥镜图像识别方法、装置 |
CN111461097A (zh) * | 2020-03-18 | 2020-07-28 | 北京大米未来科技有限公司 | 识别图像信息的方法、装置、电子设备及介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486892A (zh) * | 2021-07-02 | 2021-10-08 | 东北大学 | 基于智能手机图像识别的生产信息采集方法及系统 |
CN113486892B (zh) * | 2021-07-02 | 2023-11-28 | 东北大学 | 基于智能手机图像识别的生产信息采集方法及系统 |
CN115796637A (zh) * | 2022-10-20 | 2023-03-14 | 北京国电通网络技术有限公司 | 基于角钢塔材料的信息处理方法、装置、设备与介质 |
CN115796637B (zh) * | 2022-10-20 | 2023-07-18 | 北京国电通网络技术有限公司 | 基于角钢塔材料的信息处理方法、装置、设备与介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230326006A1 (en) | Defect detection method and device for an lcd screen | |
CN107403424B (zh) | 一种基于图像的车辆定损方法、装置及电子设备 | |
CN110738125B (zh) | 利用Mask R-CNN选择检测框的方法、装置及存储介质 | |
CN108875731B (zh) | 目标识别方法、装置、系统及存储介质 | |
CN110796646A (zh) | 一种电子设备屏幕区域瑕疵检测方法与设备 | |
CN111860502A (zh) | 图片表格的识别方法、装置、电子设备及存储介质 | |
CN107577979B (zh) | DataMatrix型二维码快速识别方法、装置及电子设备 | |
Bodnár et al. | Improving barcode detection with combination of simple detectors | |
US20180253852A1 (en) | Method and device for locating image edge in natural background | |
CN110414649B (zh) | Dm码的定位方法、装置、终端及存储介质 | |
CN109948521B (zh) | 图像纠偏方法和装置、设备及存储介质 | |
CN111079730B (zh) | 一种在界面图中确定样图所在区域的方法和电子设备 | |
US11922673B2 (en) | Product inspection method and device, producing system and computer storage medium | |
CN111860687A (zh) | 一种图像识别方法、装置、电子设备和存储介质 | |
CN111160395A (zh) | 图像识别方法、装置、电子设备和存储介质 | |
CN111898610B (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
CN109977959B (zh) | 一种火车票字符区域分割方法及装置 | |
CN111353485A (zh) | 印章识别方法、装置、设备及介质 | |
CN114638294A (zh) | 一种数据增强方法、装置、终端设备及存储介质 | |
CN114037992A (zh) | 仪表示数识别方法、装置、电子设备及存储介质 | |
CN113435219B (zh) | 防伪检测方法、装置、电子设备及存储介质 | |
Bodnár et al. | A novel method for barcode localization in image domain | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
CN115345895B (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 | |
CN116631003A (zh) | 基于p&id图纸的设备识别方法、装置、存储介质及电子设备 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 101, floors 1-3, building 14, North District, yard 9, dongran North Street, Haidian District, Beijing 100029 Applicant after: CHINA TOWER Co.,Ltd. Address before: 100142 19th floor, 73 Fucheng Road, Haidian District, Beijing Applicant before: CHINA TOWER Co.,Ltd. |