CN112166436A - 图像筛选方法及装置、电子设备 - Google Patents

图像筛选方法及装置、电子设备 Download PDF

Info

Publication number
CN112166436A
CN112166436A CN202080000952.7A CN202080000952A CN112166436A CN 112166436 A CN112166436 A CN 112166436A CN 202080000952 A CN202080000952 A CN 202080000952A CN 112166436 A CN112166436 A CN 112166436A
Authority
CN
China
Prior art keywords
state
target object
determined
image
determining
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
Application number
CN202080000952.7A
Other languages
English (en)
Other versions
CN112166436B (zh
Inventor
吴进
陈凯歌
伊帅
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.)
Sensetime International Pte Ltd
Original Assignee
Sensetime International Pte 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
Priority claimed from SG10201913146VA external-priority patent/SG10201913146VA/en
Application filed by Sensetime International Pte Ltd filed Critical Sensetime International Pte Ltd
Publication of CN112166436A publication Critical patent/CN112166436A/zh
Application granted granted Critical
Publication of CN112166436B publication Critical patent/CN112166436B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F3/00—Board games; Raffle games
    • A63F3/00003—Types of board games
    • A63F3/00157—Casino or betting games
    • 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]
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F3/00—Board games; Raffle games
    • A63F3/00003—Types of board games
    • A63F3/00157—Casino or betting games
    • A63F2003/00167—Casino or betting games with a jackpot
    • A63F2003/0017—Casino or betting games with a jackpot progressive jackpot
    • 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
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Technology (AREA)
  • Image Analysis (AREA)

Abstract

公开了一种图像筛选方法及装置、电子设备。所述方法包括获取第一图像，其中，所述第一图像为采集目标区域的图像得到的视频流中的一帧图像；对所述第一图像进行检测，获得所述第一图像中的目标对象的第一检测结果；根据所述第一图像中的所述目标对象的所述第一检测结果和待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的状态；根据所述待确定状态的目标对象的所述状态，确定所述待确定状态的目标对象的检测框中的图像的质量等级，其中，所述待确定状态的目标对象的所述检测框根据所述待确定状态的目标对象的第一检测结果确定。

Description

图像筛选方法及装置、电子设备
相关申请的交叉引用
本申请要求2019年12月24日提交的题为“图像筛选方法及装置、电子设备”、申请号为10201913146V的新加坡专利申请的优先权，以上申请的全部内容通过引用并入本文。
技术领域
本公开涉及计算机视觉技术领域，尤其涉及图像筛选方法、装置及电子设备。
背景技术
近年来，随着人工智能技术的不断发展，人工智能技术在计算机视觉、语音识别等方面均取得了比较好的效果。在一些相对特殊的场景中，例如，桌面游戏场景，存在对桌面物体进行识别的需求。
发明内容
本公开提供一种图像筛选方法方案。
具体地，本公开是通过如下技术方案实现的。
根据本公开实施例的第一方面，提供一种图像筛选方法。所述方法包括：获取第一图像，其中，所述第一图像为采集目标区域的图像得到的视频流中的一帧图像；对所述第一图像进行检测，获得所述第一图像中的目标对象的第一检测结果；根据所述第一图像中的所述目标对象的所述第一检测结果和待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的状态，其中，所述待确定状态的目标对象为所述第一图像中的一个目标对象，所述待确定状态的目标对象的所述第二检测结果是对第二图像进行检测得到的所述待确定状态的目标对象在所述第二图像中的检测结果，所述第二图像是所述视频流中与所述第一图像相邻的N帧图像中的至少一帧图像，N为正整数；根据所述待确定状态的目标对象的所述状态，确定所述待确定状态的目标对象的检测框中的图像的质量等级，其中，所述待确定状态的目标对象的所述检测框根据所述待确定状态的目标对象的第一检测结果确定。
根据本公开实施例的第二方面，提供一种图像筛选装置。所述装置包括：图像获取单元，用于获取第一图像，其中，所述第一图像为采集目标区域的图像得到的视频流中的一帧图像；检测结果获取单元，用于对所述第一图像进行检测，获得所述第一图像中的目标对象的第一检测结果；状态确定单元，用于根据所述第一图像中的所述目标对象的所述第一检测结果和待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的状态，其中，所述待确定状态的目标对象为所述第一图像中的一个目标对象，所述待确定状态的目标对象的所述第二检测结果是对第二图像进行检测得到的所述待确定状态的目标对象在所述第二图像中的检测结果，所述第二图像是所述视频流中与所述第一图像相邻的N帧图像中的至少一帧图像，N为正整数；质量确定单元，用于根据所述待确定状态的目标对象的所述状态，确定所述待确定状态的目标对象的检测框中的图像的质量等级，其中，所述待确定状态的目标对象的所述检测框根据所述待确定状态的目标对象的第一检测结果确定。
根据第三方面，本公开实施例还提供一种电子设备。所述设备包括存储器和处理器，所述存储器用于存储可在所述处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现第一方面的图像筛选方法。
根据第四方面，本公开实施例还提供一种计算机可读存储介质。所述计算机可读存储介质存储有计算机程序，所述程序被处理器执行时，促使所述处理器实现第一方面的图像筛选方法。
本公开实施例根据采集目标区域的图像得到的视频流中的第一图像中目标对象的第一检测结果，以及在第二图像中待确定状态的目标对象的第二检测结果，确定所述第一图像中所述待确定状态的目标对象的状态，其中，所述第二图像是与所述第一图像相邻的多帧图像中的至少一帧图像。这样，可以确定待确定状态的目标对象的检测框中的图像的质量等级，并根据确定的质量等级对视频流中的帧图像进行滤波，从而提高识别效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1是本公开至少一个实施例提供的图像筛选方法的流程图；
图2是本公开至少一个实施例提供的应用场景示意图；
图3A是本公开至少一实施例提供的一种目标对象的示意图；
图3B是本公开至少一实施例提供的另一种目标对象的示意图；
图4是本公开至少一个实施例提供的确定待确定状态的目标对象的运动状态方法的流程图；
图5是本公开至少一实施例提供的图像筛选装置的示意图；
图6是本公开至少一实施例提供的电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了使本技术领域的人员更好的理解本公开实施例中的技术方案，并使本公开实施例的目的、特征和优点能够更加明显易懂，下面结合附图对本公开实施例中的技术方案作进一步详细的说明。
在本公开的其中一种示例的桌面游戏场景中，多个人可以坐在一张游戏桌的四周，该游戏桌上可以包括多个游戏区域，不同的游戏区域可以具有不同的游戏含义。并且，在多人游戏中，用户可以通过被兑换物(例如游戏币)来进行游戏。
例如，用户可以通过属于自己的某些物品换取该被兑换物，并将被兑换物放置在游戏桌的不同游戏区域以进行游戏。举例来说，第一用户可以将自己持有的多个水彩笔换取成游戏使用的棋子，并利用棋子在游戏桌上不同的游戏区域间按照游戏规则进行游戏，若第二用户在游戏中赢了第一用户，则该第一用户的棋子可以归属于第二用户。比如，上述的该游戏适合多个家庭成员间在节假日等休闲时间作为娱乐活动。
随着人工智能技术的不断发展，很多场所都尝试进行智能化建设，比如，其中一个课题即为智慧游戏场所的建设。那么，智慧游戏场所的其中一个需求即对游戏中桌面的物体进行自动识别，例如，自动识别被兑换物的数量。
图1是本公开至少一个实施例提供的图像筛选方法的流程图。如图1所示，该方法可以包括步骤101～104。
在步骤101中，获取第一图像，所述第一图像为采集目标区域的图像得到的视频流中的一帧图像。
在本公开实施例中，目标区域是放置有目标对象的区域，例如，目标区域可以是平面(例如，桌面)、容器(例如，盒子)等。目标对象可以是一个或多个物体，在一些较为常见的情形中，目标对象是各种形状的片状物体，例如，游戏币、纸币、卡牌等等。图2示出了一种桌面游戏场景下的桌面的部分示意图，所述桌面上包括多个目标区域，其中，每个封闭的区域表示一个目标区域。该场景下的目标对象例如为所述桌面上的游戏币。
在步骤102中，对所述第一图像进行检测，获得第一图像中的目标对象的第一检测结果。
在一些实施例中，可以将所述第一图像输入预先训练的目标检测网络中，以获所述第一图像中的目标对象的第一检测结果。该目标检测网络可以利用标注了目标对象的类别的样本图像进行训练，所述第一检测结果包括各个目标对象的检测框、检测框的位置以及所述各个目标对象的分类结果。
在步骤103中，根据所述第一图像中的目标对象的第一检测结果和待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的状态。
在本公开实施例中，所述待确定状态的目标对象为所述第一图像中的一个目标对象，所述待确定状态的目标对象的第二检测结果是对第二图像进行检测，得到的所述待确定状态的目标对象在所述第二图像中的检测结果，其中，所述第二图像是所述视频流中与所述第一图像相邻的N帧图像中的至少一帧图像，N为正整数。
在一些实施例中，所述待确定状态的目标对象的状态可以包括遮挡状态和运动状态。遮挡状态用于表征待确定状态的目标对象否被其他目标对象遮挡；运动状态用于表征待确定状态的目标对象是否符合预设运动状态条件。本领域技术人员应当理解，待确定状态的目标对象的状态还可以包括其他状态，不限于以上所述。
在所述第一图像为视频流中的第一帧图像的情况下，可以根据位于所述第一图像之后的N帧图像中的至少一帧图像，即第二图像，进行检测，得到所述待确定状态的目标对象在所述第二图像中的检测结果，从而确定所述待确定状态的目标对象的状态；在所述第一图像非视频流中的第一帧图像的情况下，可以根据位于所述第一图像之前的N帧图像中的至少一帧图像，即第二图像，进行检测，得到所述待确定状态的目标对象在所述第二图像中的检测结果，从而确定所述待确定状态的目标对象的状态。
在步骤104中，根据所述待确定状态的目标对象的状态，确定所述待确定状态的目标对象的检测框中的图像的质量等级。
在本开公实施例中，所述待确定状态的目标对象的检测框根据所述待确定状态的目标对象的第一检测结果确定。
在一个示例中，对于所述第一检测结果中待确定状态的目标对象的检测框，可以裁剪出所述检测框中的图像，根据所述待确定状态的目标对象的状态确定裁剪出的图像的质量等级；也可以根据所述待确定状态的目标对象的状态，确定在所述第一图像中待确定状态的目标对象的检测框中的图像的质量等级。
在本公开实施例中，根据采集目标区域的图像得到的视频流中的第一图像中目标对象的第一检测结果，以及在相邻的多帧图像中的第二图像中待确定状态的目标对象的第二检测结果，确定所述第一图像中所述待确定状态的目标对象的状态，从而确定所述待确定状态的目标对象的检测框中的图像的质量等级，进而能够根据所述质量等级针对待确定状态的目标对象筛选出高质量的图像，以提高识别效率。
在一些实施例中，所述待确定状态的目标对象的状态包括遮挡状态和运动状态，所述待确定状态的目标对象的状态可以通过以下方式进行确定。
首先，根据所述待确定状态的目标对象的第一检测结果和所述待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的运动状态。也即，根据所述待确定状态的目标对象，在第一图像(也可以称为当前帧图像)中的第一检测结果，及其在第二图像(在所述第一图像之前的一帧图像或者在所述第一图像之后的一帧图像)中的第二检测结果，确定所述待确定状态的目标对象的位置变化。结合该位置变化和采集第一图像和第二图像之间的时间间隔，可以确定所述待确定状态的目标对象的运动状态。
接下来，确定所述待确定状态的目标对象的运动状态是否符合预设运动状态条件。
在一个示例中，可以将预设运动状态条件设置为运动速度小于设定的运动速度阈值。
根据所述待确定状态的目标对象在第一图像和第二图像中的位置变化以及时间间隔可以确定该待确定状态的目标对象的运动速度。响应于运动速度为零，可以确定该待确定状态的目标对象处于静止状态，则可以确定其运动状态符合预设运动状态条件；响应于运动速度小于运动速度阈值，同样可以确定其运动状态符合预设运动状态条件。本领域技术人员应当理解，该运动速度阈值可以根据对图像质量的要求具体设置，本公开实施例对此不进行限制。
响应于所述待确定状态的目标对象的运动状态符合预设运动状态条件，根据所述待确定状态的目标对象的第一检测结果和所述第一图像中除所述待确定状态的目标对象以外的其他目标对象的第一检测结果，确定所述待确定状态的目标对象的遮挡状态。
在待确定状态的目标对象的运动状态不符合设定状态条件的情况下，例如运动速度大于或等于运动速度阈值时，表明该待确定状态的目标对象的运动速度较高，对于桌面上的物体而言通常其是被遮挡的，比如被人手移动时而被人手遮挡；并且，对于运动速度较高的目标对象，其识别准确率较低。因此在本公开实施例中，仅判断运动状态符合预设运动状态条件的待确定状态的目标对象的遮挡状态，即对于运动状态符合预设运动状态条件的待确定状态的目标对象，根据其在第一图像中的第一检测结果，和其他目标对象在第一图像中的第一检测结果，确定其遮挡状态。
在一些实施例中，第一图像中的目标对象的第一检测结果包括所述第一图像中的目标对象的检测框。响应于所述待确定状态的目标对象的运动状态符合预设运动状态条件，根据所述待确定状态的目标对象的检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的检测框的交并比，确定所述待确定状态的目标对象的遮挡状态。
在一个示例中，在所述待确定状态的目标对象的运动状态符合预设运动状态条件的情况下，获得所述待确定状态的目标对象的检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的检测框的交并比。响应于各个其他目标对象与待确定状态的目标对象的检测框交并比均不大于设定阈值，例如零，确定所述待确定状态的目标对象处于未被遮挡的状态；响应于其他目标对象中的至少一个目标对象与待确定状态的目标对象的检测框交并比大于设定阈值，例如零，确定所述待确定状态的目标对象可能处于被遮挡的状态，此处分为两种情况，一种是待确定状态的目标对象遮挡了至少一个其他目标对象，另一种是待确定状态的目标对象被至少一个其他目标对象遮挡。
在本公开实施例中，通过第一图像中的其他目标对象与待确定状态的目标对象的检测框交并比来确定所述待确定状态目标对象的遮挡状态，并根据所述遮挡状态来确定所述待确定状态的目标对象的检测框中的图像的质量等级，从而能够根据该质量等级针对待确定状态的目标对象筛选出高质量的图像，以提高识别效率。
在本公开实施例中，可以在目标区域的周边设置图像采集设备，以用于采集目标区域的视频流。示例性的，可以在目标区域上方设置图像采集设备(即，顶置图像采集设备)，使得所述图像采集设备以俯视视角采集所述目标区域的视频流；可以在目标区域左侧和/或右侧(或多侧)设置图像采集设备(即侧置图像采集设备)，使得所述图像采集设备以侧视视角采集所述目标区域的视频流；还可以在目标区域的上方和左右两侧(或多侧)设置图像采集设备，使得所述图像采集设备以俯视视角以及侧视视角同步采集所述目标区域的视频流。
根据所述待确定状态的目标对象的第一检测结果和/或第二检测结果，可以确定所述待确定状态的目标对象的分类。对于第一类目标对象，所述视频流是在所述目标区域的俯视视角上采集得到的，也即通过在目标区域上方设置的图像采集设备，以俯视视角采集所述目标区域的视频流。所述第一类目标对象包括货币、卡牌等等，还可以包括在沿水平方向上堆叠的游戏币等等。图3A示出沿水平方向堆叠的游戏币的示意图，该堆叠方式可以称为侧立(float)堆叠。本领域技术人员应当理解，第一类目标对象还可以包括其他物品，或者以其他形式放置的物品，不限于以上所述。
在所述待确定状态的目标对象为第一类目标对象，所述视频流是在所述目标区域的俯视视角上采集得到的情况下，可以通过以下方式确定所述待确定状态的目标对象的遮挡状态：响应于所述待确定状态的目标对象的运动状态符合预设运动状态条件，且所述待确定状态的目标对象的检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的检测框的交并比均不大于零，也即在从俯视视角采集的第一图像中，二者的检测框不存在重叠区域，则确定所述待确定状态的目标对象处于未被遮挡的状态。其中，所述其他目标对象例如为人手、水杯等等，本领域技术人员应当理解，所述其他目标对象可以根据需要具体设置，本公开对此不进行限制。
响应于所述待确定状态的目标对象的运动状态符合预设运动状态条件，且所述待确定状态的目标对象的检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，也即在从俯视视角采集的第一图像中，二者的检测框存在重叠区域，则确定所述待确定状态的目标对象处于被遮挡的状态。
对于第二类目标对象，所述视频流是在所述目标区域的侧视视角上采集得到的，也即通过在目标区域侧方(左侧、右侧或多侧)设置的图像采集设备，以侧视视角采集所述目标区域的视频流。所述第二类目标对象可以包括在在竖直方向上堆叠的游戏币。图3B示出在竖直方向上堆叠的被兑换物的示意图，该堆叠方式可以称为正立(stand)堆叠。本领域技术人员应当理解，第二目标对象还可以包括其他物品，或者以其他形式放置的物品，不限于以上所述。
在所述待确定状态的目标对象为第二类目标对像，所述视频流是在所述目标区域的侧视视角上采集得到的情况下，可以通过以下方式确定所述待确定状态的目标对象的遮挡状态：响应于所述待确定状态的目标对象的运动状态符合预设运动状态条件，且所述待确定状态的目标对象的检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的检测框的交并比均不大于零，也即在从侧视视角采集的第一图像中，二者的检测框不存在重叠区域，则确定所述待确定状态的目标对象处于未被遮挡的状态。
响应于所述待确定状态的目标对象的运动状态符合预设运动状态条件，且所述待确定状态的目标对象的检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，也即在从侧视视角采集的第一图像中，二者的检测框存在重叠区域，由于在侧视视角采集的第一图像中两个检测框存在重叠区域，与两个检测框中对应的目标对象之间的相对位置，以及两个目标对象与图像采集设备的相对位置有关，因此可以进一步根据在所述目标区域的俯视视角上、与所述第一图像同步采集得到的同步图像来确定所述待确定状态的目标对象的遮挡状态。为了便于描述，不妨将在侧视视角采集的第一图像中，其检测框与所述待确定状态的目标对象的检测框的交并比大于零的目标对象称为侧视遮挡对象。所述侧视遮挡对象的数目可以是一个或多个。
也即，可以根据待确定状态的目标对象在同步图像中的位置、所述各个侧视遮挡对象在所述同步图像中的位置、以及采集所述视频流的图像采集设备的位置，确定待确定状态的目标对象与采集所述视频流的图像采集设备之间的距离与各个所述侧视遮挡对象与采集所述视频流的图像采集设备之间的距离的关系。由于同步图像是通过顶置图像采集设备，以俯视视角采集的，因此在确定了待确定状态的目标对象以及侧视遮挡对象在同步图像中的位置后，结合采集视频流的侧置图像采集设备的位置，即可以确定在水平方向上，所述待确定状态的目标对象和侧视遮挡对象与所述侧置图像采集设备的距离关系。
响应于待确定状态的目标对象与采集所述视频流的图像采集设备之间的距离小于所述侧视遮挡对象中的任一个与采集所述视频流的图像采集设备之间的距离，确定所述待确定状态的目标对象处于未被遮挡的状态。也即，对于每个侧视遮挡对象，所述待确定状态的目标对象与图像采集设备的距离相对于该侧视遮挡对象的距离较近时，可以确定所述待确定状态的目标对象未被该侧视遮挡对象遮挡；若多个侧视遮挡对象中的每个侧视遮挡对象均未遮挡待确定状态的目标对象，则确定所述待确定状态的目标对象处于未被遮挡的状态。
响应于待确定状态的目标对象与采集所述视频流的图像采集设备之间的距离大于或等于所述侧视遮挡对象中的一个与采集所述视频流的图像采集设备之间的距离，确定所述待确定状态的目标对象处于被遮挡的状态。也即，对于一个侧视遮挡对象，当所述待确定状态的目标对象与图像采集设备的距离相对于该侧视遮挡对象的距离较远时，可以确定所述待确定状态的目标对象被该侧视遮挡对象遮挡，则确定所述待确定状态的目标对象处于被遮挡的状态。
图4是本公开至少一个实施例提供的确定待确定状态的目标对象的运动状态的方法流程图。如图4所示，所述方法包括步骤401～步骤404。
在步骤401中，根据所述待确定状态的目标对象的第一检测结果确定所述待确定状态的目标对象在所述第一图像中的第一位置。
根据第一检测结果中所述待确定状态的目标对象的检测框的位置，则可以确定所述待确定状态的目标对象在所述第一图像中的第一位置。例如，可以将所述检测框的中心位置作为待确定状态的目标对象的第一位置。
在步骤402中，根据所述待确定状态的目标对象的第二检测结果确定所述待确定状态的目标对象在所述第二图像中的第二位置。
与步骤401相似，可以根据第二检测结果中所述待确定状态的目标对象的检测框的位置，来确定所述待确定状态的目标对象在所述第二图像中的第二位置。
在步骤403中，根据所述第一位置与所述第二位置，以及采集所述第一图像的时间和采集所述第二图像的时间，确定所述待确定状态的目标对象的运动速度。
根据所述第一位置与所述第二位置，可以确定所述待确定状态的目标对象在所述第一图像和所述第二图像中的位置变化；结合采集所述第一图像的时间和采集所述第二图像的时间，则可以确定发生上述位置变化对应的时间，因此可以确定出所述待确定状态的目标对象在像素平面坐标系(uv坐标系)下的运动速度。
在步骤404中，根据所述待确定状态的目标对象的运动速度确定所述待确定状态的目标对象的运动状态。
在确定了所述待确定状态的目标对象的运动状态后，可以根据运动速度以及采集所述视频流的图像采集设备的图像采集帧率，来确定所述待确定状态的目标对象的运动状态是否符合预设运动状态条件。
根据采集视频流的图像采集设备的图像采集帧率，可以确定一运动速度阈值。当待确定状态的目标对象在uv坐标系下的运动速度小于该运动速度阈值时，图像采集设备所捕捉的该目标对象处于清晰状态，则可以将运动速度小于该运动速度阈值时的运动状态，确定为符合预设运动状态条件；当待确定状态的目标对象在uv坐标系下的运动速度超过该运动速度阈值时，图像采集设备所捕捉的该目标对象处于运动模糊状态，则可以将运动速度超过该运动速度阈值时的运动状态，确定为不符合预设运动状态条件。
在本公开实施例中，根据待确定状态的目标对象的运动速度来确定其运动状态，以及确定其运动状态是否符合预设运动状态条件。这样，能够筛选出待确定状态的目标对象清晰的图像，从而能够提高识别效率。
在一些实施例中，所述待确定状态的目标对象的状态包括遮挡状态和运动状态，所述待确定状态的目标对象的遮挡状态包括处于未被遮挡的状态和处于被遮挡的状态，所述待确定状态的目标对象的运动状态包括符合预设运动状态条件以及不符合预设运动状态条件。
根据以上状态，可以通过以下方式确定所述待确定状态的目标对象的检测框中的图像的质量等级。
一、在所述待确定状态的目标对象的运动状态符合预设运动状态条件，且所述待确定状态的目标对象处于未被遮挡的状态的情况下，确定所述待确定状态的目标对象的检测框中的图像为第一质量图像。也即，将未被其他物体遮挡，且自身非运动模糊状态的待确定状态的目标对象，所对应的检测框中的图像可以确定为第一质量图像，即高质量图像。
二、在所述待确定状态的目标对象的运动状态符合预设运动状态条件，且所述待确定状态的目标对象处于被遮挡的状态的情况下，确定所述待确定状态的目标对象的检测框中的图像为第二质量图像。也即，将被其他物体遮挡，自身处于非运动模糊状态的待确定状态的目标对象，所对应的检测框中的图像可以确定为第二质量图像，即中等质量图像。
三、在所述待确定状态的目标对象的运动状态不符合预设运动状态条件的情况下，确定所述待确定状态的目标对象的检测框中的图像为第三质量图像。也即，将自身处于运动模糊状态的待确定状态的目标对象，所对应的检测框中的图像可以确定为第三质量图像，即低质量图像。
在本公开实施例中，根据待确定状态的目标对象的遮挡状态以及运动状态是否符合预设运动状态条件来确定该目标对象的检测框中的图像的质量等级，以能够通过所确定的质量等级对视频流中的帧图像进行筛选，从而在利用筛选后的图像进行目标对象的识别时可以提高对于目标对象的识别准确率。
在根据上述方法获得待确定状态的目标对象的检测框中的图像的质量等级后，还可以进一步利用神经网络获得该图像的质量分类结果，以对所确定的质量等级进行验证，获得最终的目标质量等级。
首先，利用神经网络确定所述第一图像中待确定状态的目标对象的检测框中的图像的质量分类结果。
该神经网络可以采用标注了质量等级的样本图像训练得到，一个样本图像中包括至少一个待确定状态的目标对象。其中，该样本图像可以根据本公开至少一个实施例所提供的图像筛选方法来确定质量等级，并利用所确定的质量等级进行标注。举例来说，在通过本公开其中一个实施例所提供的图像筛选方法，确定了一图像中待确定状态的目标对象的检测框的图像为第一质量图像的情况下，可以将该图像标注为第一质量图像，并将该图像作为样本图像对所述神经网络进行训练。本领域技术人员应当理解，也可以将利用其他方法确定质量等级的图像作为样本图像，对所述神经网络进行训练。应当注意的是，所述样本图像的所标注的质量等级，应当与本公开实施例所提供的图像筛选方法所确定的图像质量等级一致。
响应于通过所述神经网络确定的所述待确定状态的目标对象的检测框中的图像的质量分类结果，与根据所述待确定状态的目标对象的状态确定的所述待确定状态的目标对象的检测框中的图像的质量等级一致，将所述待确定状态的目标对象的检测框中的图像的质量等级，作为所述待确定状态的目标对象的检测框中的图像的目标质量等级。
对于视频流中的一帧图像，首先通过本公开实施例所提供的图像筛选方法，根据所述图像中待确定状态的目标对象的状态来确定其所对应的检测框中的图像的质量等级。之后，根据所述神经网络获得所述图像中待确定状态的目标对象的检测框中的质量分类结果。在通过所述神经网络所获得的质量分类结果与根据本公开实施例所提供的图像筛选方法确定的质量等级一致的情况下，则可以将该质量等级确定为目标质量等级。
举例来说，在通过本公开其中一个实施例所提供的图像筛选方法，确定了一图像中待确定状态的目标对象的检测框的图像为第一质量图像的情况下，如果通过所述神经网络所获得的质量分类结果同样是第一质量图像，则可以确定所述图像中待确定状态的目标对象的检测框中的图像为第一质量图像。
在本公开实施例中，通过神经网络来确定待确定状态的目标对象的检测框的图像的质量分类结果，以进一步对该图像的质量等级进行验证，能够提高图像的质量等级分类的准确率。
以下以图2所示的桌面目标区域200为例，对本公开至少一个实施例的图像筛选方法进行描述。本领域技术应当理解，该图像筛选方法也可应用于其他目标区域，并不限于桌面目标区域。
可以将设置在虚线A左侧的区域201中的图像采集设备211视为侧置图像采集设备，其以左侧视角采集目标区域的图像；可以将设置在虚线B右侧的区域202中的图像采集设备212也视为侧置图像采集设备，其以右侧视角采集目标区域的图像。并且，在桌面目标区域200的上方还可以设置顶置图像采集设备(图2中未示出)，以俯视视角采集目标区域的图像。
首先，获取上述任一图像采集设备所采集的目标区域的图像所得到的视频流中的一帧图像，可以将该帧图像称为第一图像。所述第一图像可以是以俯视视角采集的图像，也可以是以侧视视角采集的图像。
接下来，对所述第一图像进行检测，获得第一图像中的目标对象的第一检测结果。其中，所述第一图像中的目标对象可以包括待确定状态的目标对象，该待确定状态的目标对象是进行图像质量筛选所针对的目标对象。在桌面游戏场景中，所述待确定状态的目标对象包括第一类目标对象，例如沿水平方向堆叠的游戏币(如图3A所示)，以及第二类目标对象，例如沿竖直方向堆叠的游戏币(如图3B所示)，待确定状态的目标对象之外的其他目标对象可以包括人手。所获得的第一检测结果包括待确定状态的目标对象以及其他目标对象的检测框、位置及分类结果。
接下来，获得待确定状态的目标对象在第二图像中的第二检测结果，其中，第二图像是与第一图像相邻的N帧图像中的至少一帧图像。根据所述第一检测结和第二检测结果，可以确定所述待确定状态的目标对象的状态，包括遮挡状态和运动状态，其中，所述遮挡状态包括处于被遮挡的状态和处于未被遮挡的状态，所述运动状态包括符合预设运动状态条件和不符合预设运动状态条件。
以下对于确定遮挡状态的方法进行描述。
对于第一类目标对象，例如沿水平方向堆叠的游戏币，可以利用顶置图像采集设备所采集的第一图像来确定所述第一类目标对象的遮挡状态。例如，在第一图像中水平堆叠的游戏币的检测框与所检测到的各个人手的检测框的交并比均不大于零的情况下，确定该水平堆叠的游戏币处于未被遮挡的状态；反之，在第一图像中水平堆叠的游戏币的检测框与所检测的其中一个人手的检测框的交并比大于零的情况下，确定该水平堆叠的游戏币处于被遮挡的状态。
对于第二类目标对象，例如在竖直方向上堆叠的游戏币，可以利用侧置图像采集设备所采集的第一图像来确定所述第二类目标对象的遮挡状态，例如，在第一图像中竖直堆叠的游戏币的检测框与所检测到的各个人手的检测框的交并比均不大于零的情况下，确定该竖直堆叠的游戏币处于未被遮挡的状态。
在第一图像中竖直堆叠的游戏币的检测框与所检测的其中一个人手的检测框的交并比大于零的情况下，需要进一步根据竖直堆叠的游戏币、人手、侧置图像采集设备之间的位置关系，来确定该竖直堆叠的游戏币的遮挡状态。为了便于描述，可以将检测框的交并比大于零的人手称为遮挡人手。
在一个示例中，可以通过由顶置图像采集设备所采集的同步图像来确定竖直堆叠的游戏币、人手、侧置图像采集设备之间的位置关系。例如，根据该竖直堆叠的游戏币在同步图像中的位置、遮挡人手在同步图像中的位置，以及侧置图像采集设备的位置，可以确定竖直堆叠的游戏币与侧置图像采集设备之间的距离，以及遮挡人手与该侧置图像采集设备之间的距离。
在竖直堆叠的游戏币与侧置图像采集设备之间的距离小于遮挡人手与该侧置图像采集设备之间的距离的情况下，可以确定该竖直堆叠的游戏币处于未被遮挡的状态；反之，在竖直堆叠的游戏币与侧置图像采集设备之间的距离大于遮挡人手与该侧置图像采集设备之间的距离的情况下，可以确定该竖直堆叠的游戏币处于被遮挡的状态。
以下对于确定运动状态的方法进行描述。
首先根据所述待确定状态的目标对象的第一检测结果确定所述其在所述第一图像中的第一位置。所述待确定状态的目标对象，包括在水平方向上堆叠的游戏币和/或在竖直方向上堆叠的游戏币，为了便于描述，统称为堆叠游戏币。也即，首先确定堆叠游戏币在第一图像中的第一位置。
接下来，根据所述堆叠游戏币的第二检测结果确定其在第二图像中的第二位置。以所述第二图像为所述第一图像相邻的N帧图像中的一帧为例，即是获得了第一图像之前的一帧图像中堆叠游戏币的位置。
根据采集第一图像的时间和采集第二图像的时间，以及所述第一位置和第二位置，即能够确定堆叠游戏币在uv坐标系下的运动速度，从而能够确定所述堆叠游戏币的运动状态。
根据采集所述视频流的图像采集设备的图像采集帧率，可以获得相应的运动速度阈值。在该堆叠游戏币在uv坐标系下的运动速度小于等于该运动速度阈值的情况下，可以确定其运动状态符合预设运动状态条件；在该堆叠游戏币在uv坐标系下的运动速度大于该运动速度阈值的情况下，可以确定其运动状态不符合预设运动状态条件。
根据所确定的堆叠游戏币的遮挡状态和运动状态，则可以确定堆叠游戏币的检测框中的图像的质量等级。
例如，可以将堆叠游戏币的运动状态符合预设运动状态条件，且所述堆叠游戏币处于未被遮挡状态的情况下，堆叠游戏币的检测框中的图像为第一质量图像；可以将堆叠游戏币的运动状态符合预设运动状态条件，且所述堆叠游戏币处于被遮挡状态的情况下，堆叠游戏币的检测框中的图像为第二质量图像；可以将堆叠游戏币的运动状态不符合预设运动状态条件的情况下，堆叠游戏币的检测框中的图像为第三质量图像。
通过堆叠游戏币的检测框中的图像的质量等级，对第一图像或者第一图像中堆叠游戏币的检测框中的图像进行筛选，使用筛选的图像对堆叠游戏币进行识别时，可以提高堆叠游戏币的识别效率和准确度。
如图5所示，本公开至少一个实施例还提供一种图像筛选装置，所述装置包括：图像获取单元501，用于获取第一图像，其中，所述第一图像为采集目标区域的图像得到的视频流中的一帧图像；检测结果获取单元502，用于对所述第一图像进行检测，获得所述第一图像中的目标对象的第一检测结果；状态确定单元503，用于根据所述第一图像中的所述目标对象的所述第一检测结果和待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的状态；其中，所述待确定状态的目标对象为所述第一图像中的一个目标对象，所述待确定状态的目标对象的所述第二检测结果是对第二图像进行检测，得到的所述待确定状态的目标对象在所述第二图像中的检测结果，所述第二图像是所述视频流中与所述第一图像相邻的N帧图像中的至少一帧图像，N为正整数；质量确定单元504，用于根据所述待确定状态的目标对象的所述状态，确定所述待确定状态的目标对象的检测框中的图像的质量等级，其中，所述待确定状态的目标对象的所述检测框根据所述待确定状态的目标对象的第一检测结果确定。
在一些实施例中，状态确定单元503具体用于：根据所述待确定状态的目标对象的所述第一检测结果和所述待确定状态的目标对象的所述第二检测结果，确定所述待确定状态的目标对象的运动状态；确定所述待确定状态的目标对象的所述运动状态是否符合预设运动状态条件；响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述第一检测结果和所述第一图像中除所述待确定状态的目标对象以外的其他目标对象的第一检测结果，确定所述待确定状态的目标对象的遮挡状态。
在一些实施例中，所述第一图像中的所述目标对象的所述第一检测结果包括所述第一图像中的所述目标对象的检测框，状态确定单元503具体用于：响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的检测框的交并比，确定所述待确定状态的目标对象的所述遮挡状态。
在一些实施例中，所述待确定状态的目标对象为第一类目标对象，所述视频流是在所述目标区域的俯视视角上采集得到的；状态确定单元503具体用于：响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比均不大于零，确定所述待确定状态的目标对象处于未被遮挡的状态；响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，确定所述待确定状态的目标对象处于被遮挡的状态。
在一些实施例中，所述待确定状态的目标对象为第二类目标对象，所述视频流是在所述目标区域的侧视视角上采集得到的；状态确定单元503具体用于：响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比均不大于零，确定所述待确定状态的目标对象处于未被遮挡的状态。
在一些实施例中，所述待确定状态的目标对象为第二类目标对象，所述视频流是在所述目标区域的侧视视角上采集得到的；状态确定单元503具体用于：响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，根据所述待确定状态的目标对象在同步图像中的位置、侧视遮挡对象在所述同步图像中的位置、以及采集所述视频流的图像采集设备的位置，确定所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离是否小于各个侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，其中，所述同步图像是在所述目标区域的俯视视角上、与所述第一图像同步采集得到的，所述侧视遮挡对象为其检测框与所述待确定状态的目标对象的检测框的交并比大于零的目标对象；响应于所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离小于任一侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，确定所述待确定状态的目标对象处于未被遮挡的状态；响应于所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离大于一个侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，确定所述待确定状态的目标对象处于被遮挡的状态。
在一些实施例中，状态确定单元503具体用于：根据所述待确定状态的目标对象的所述第一检测结果确定所述待确定状态的目标对象在所述第一图像中的第一位置；根据所述待确定状态的目标对象的所述第二检测结果确定所述待确定状态的目标对象在所述第二图像中的第二位置；根据所述第一位置、所述第二位置、采集所述第一图像的时间以及采集所述第二图像的时间，确定所述待确定状态的目标对象的运动速度；根据所述待确定状态的目标对象的所述运动速度确定所述待确定状态的目标对象的所述运动状态。所述状态确定单元具体用于：根据所述待确定状态的目标对象的所述运动速度以及采集所述视频流的图像采集设备的图像采集帧率，确定所述待确定状态的目标对象的所述运动状态是否符合所述预设运动状态条件。
在一些实施例中，所述待确定状态的目标对象的所述状态包括遮挡状态和运动状态，所述待确定状态的目标对象的所述遮挡状态包括未被遮挡的状态和被遮挡的状态，所述待确定状态的目标对象的所述运动状态包括符合预设运动状态条件以及不符合所述预设运动状态条件。质量确定单元504具体用于：在所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象处于所述未被遮挡的状态的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第一质量图像；在所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象处于所述被遮挡的状态的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第二质量图像；在所述待确定状态的目标对象的所述运动状态不符合所述预设运动状态条件的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第三质量图像。
结合本公开提供的任一实施方式，所述装置还包括：分类单元，用于利利用神经网络确定所述第一图像中所述待确定状态的目标对象的所述检测框中的所述图像的质量分类结果，其中，所述神经网络采用标注了质量等级的样本图像训练得到，一个样本图像中包括至少一个待确定状态的目标对象；响应于通过所述神经网络确定的所述待确定状态的目标对象的所述检测框中的所述图像的所述质量分类结果，与根据所述待确定状态的目标对象的所述状态确定的所述待确定状态的目标对象的所述检测框中的图像的所述质量等级一致，将所述待确定状态的目标对象的所述检测框中的所述图像的所述质量等级，作为所述待确定状态的目标对象的所述检测框中的所述图像的目标质量等级。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本公开装置的实施例可以应用在计算机设备上，例如服务器或终端设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过将非易失性存储器中对应的计算机程序指令读取到处理器中运行形成的。从硬件层面而言，如图6所示，为本说明书装置所在电子设备的一种硬件结构图，除了图6所示的处理器601、内部总线604、网络接口603、以及非易失性存储器602之外，实施例中装置所在的服务器或电子设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。
相应地，本公开实施例还提供一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时，促使所述处理器实现任一实施例所述的图像筛选方法。
相应地，本公开实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一实施例所述的图像筛选方法。
本公开可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读命令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本领域技术人员在考虑说明书及实践这里公开的说明书后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

Claims (20)

1.一种图像筛选方法，包括：
获取第一图像，其中，所述第一图像为采集目标区域的图像得到的视频流中的一帧图像；
对所述第一图像进行检测，获得所述第一图像中的目标对象的第一检测结果；
根据所述第一图像中的所述目标对象的所述第一检测结果和待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的状态，其中，所述待确定状态的目标对象为所述第一图像中的一个目标对象，所述待确定状态的目标对象的所述第二检测结果是对第二图像进行检测得到的所述待确定状态的目标对象在所述第二图像中的检测结果，所述第二图像是所述视频流中与所述第一图像相邻的N帧图像中的至少一帧图像，N为正整数；
根据所述待确定状态的目标对象的所述状态，确定所述待确定状态的目标对象的检测框中的图像的质量等级，其中，所述待确定状态的目标对象的所述检测框根据所述待确定状态的目标对象的第一检测结果确定。
2.根据权利要求1所述的方法，其中，所述待确定状态的目标对象的所述状态包括遮挡状态和运动状态，根据所述第一图像中的所述目标对象的所述第一检测结果和所述待确定状态的目标对象的所述第二检测结果，确定所述待确定状态的目标对象的所述状态，包括：
根据所述待确定状态的目标对象的所述第一检测结果和所述待确定状态的目标对象的所述第二检测结果，确定所述待确定状态的目标对象的运动状态；
确定所述待确定状态的目标对象的所述运动状态是否符合预设运动状态条件；
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述第一检测结果和所述第一图像中除所述待确定状态的目标对象以外的其他目标对象的第一检测结果，确定所述待确定状态的目标对象的所述遮挡状态。
3.根据权利要求2所述的方法，其中，所述第一图像中的所述目标对象的所述第一检测结果包括所述第一图像中的所述目标对象的检测框，响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述第一检测结果和所述第一图像中除所述待确定状态的目标对象以外的其他目标对象的所述第一检测结果，确定所述待确定状态的目标对象的所述遮挡状态，包括：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的检测框的交并比，确定所述待确定状态的目标对象的所述遮挡状态。
4.根据权利要求3所述的方法，其中，所述待确定状态的目标对象为第一类目标对象，所述视频流是在所述目标区域的俯视视角上采集得到的；响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比，确定所述待确定状态的目标对象的所述遮挡状态，包括：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比均不大于零，确定所述待确定状态的目标对象处于未被遮挡的状态；
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，确定所述待确定状态的目标对象处于被遮挡的状态。
5.根据权利要求3所述的方法，其中，所述待确定状态的目标对象为第二类目标对象，所述视频流是在所述目标区域的侧视视角上采集得到的；响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比，确定所述待确定状态的目标对象的所述遮挡状态，包括：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比均不大于零，确定所述待确定状态的目标对象处于未被遮挡的状态。
6.根据权利要求3所述的方法，其中，所述待确定状态的目标对象为第二类目标对象，所述视频流是在所述目标区域的侧视视角上采集得到的；响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比，确定所述待确定状态的目标对象的所述遮挡状态，包括：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，根据所述待确定状态的目标对象在同步图像中的位置、侧视遮挡对象在所述同步图像中的位置、以及采集所述视频流的图像采集设备的位置，确定所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离是否小于各个侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，其中，所述同步图像是在所述目标区域的俯视视角上、与所述第一图像同步采集得到的，所述侧视遮挡对象为其检测框与所述待确定状态的目标对象的检测框的交并比大于零的目标对象；
响应于所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离小于任一侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，确定所述待确定状态的目标对象处于未被遮挡的状态；
响应于所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离大于一个侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，确定所述待确定状态的目标对象处于被遮挡的状态。
7.根据权利要求2-6任一所述的方法，其中，根据所述待确定状态的目标对象的所述第一检测结果和所述待确定状态的目标对象的所述第二检测结果，确定所述待确定状态的目标对象的所述运动状态，包括：
根据所述待确定状态的目标对象的所述第一检测结果确定所述待确定状态的目标对象在所述第一图像中的第一位置；
根据所述待确定状态的目标对象的所述第二检测结果确定所述待确定状态的目标对象在所述第二图像中的第二位置；
根据所述第一位置、所述第二位置、采集所述第一图像的时间以及采集所述第二图像的时间，确定所述待确定状态的目标对象的运动速度；
根据所述待确定状态的目标对象的所述运动速度确定所述待确定状态的目标对象的所述运动状态；
确定所述待确定状态的目标对象的所述运动状态是否符合所述预设运动状态条件，包括：
根据所述待确定状态的目标对象的所述运动速度以及采集所述视频流的图像采集设备的图像采集帧率，确定所述待确定状态的目标对象的所述运动状态是否符合所述预设运动状态条件。
8.根据权利要求1-7任一所述的方法，其中，所述待确定状态的目标对象的所述状态包括遮挡状态和运动状态，所述待确定状态的目标对象的所述遮挡状态包括未被遮挡的状态和被遮挡的状态，所述待确定状态的目标对象的所述运动状态包括符合预设运动状态条件以及不符合所述预设运动状态条件；
所述根据所述待确定状态的目标对象的所述状态，确定所述待确定状态的目标对象的所述检测框中的所述图像的所述质量等级，包括：
在所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象处于所述未被遮挡的状态的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第一质量图像；
在所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象处于所述被遮挡的状态的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第二质量图像；
在所述待确定状态的目标对象的所述运动状态不符合所述预设运动状态条件的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第三质量图像。
9.根据权利要求1-8任一所述的方法，还包括：
利用神经网络确定所述第一图像中所述待确定状态的目标对象的所述检测框中的所述图像的质量分类结果，其中，所述神经网络采用标注了质量等级的样本图像训练得到，一个样本图像中包括至少一个待确定状态的目标对象；
响应于通过所述神经网络确定的所述待确定状态的目标对象的所述检测框中的所述图像的所述质量分类结果，与根据所述待确定状态的目标对象的所述状态确定的所述待确定状态的目标对象的所述检测框中的图像的所述质量等级一致，将所述待确定状态的目标对象的所述检测框中的所述图像的所述质量等级，作为所述待确定状态的目标对象的所述检测框中的所述图像的目标质量等级。
10.一种图像筛选装置，包括：
图像获取单元，用于获取第一图像，其中，所述第一图像为采集目标区域的图像得到的视频流中的一帧图像；
检测结果获取单元，用于对所述第一图像进行检测，获得所述第一图像中的目标对象的第一检测结果；
状态确定单元，用于根据所述第一图像中的所述目标对象的所述第一检测结果和待确定状态的目标对象的第二检测结果，确定所述待确定状态的目标对象的状态，其中，所述待确定状态的目标对象为所述第一图像中的一个目标对象，所述待确定状态的目标对象的所述第二检测结果是对第二图像进行检测得到的所述待确定状态的目标对象在所述第二图像中的检测结果，所述第二图像是所述视频流中与所述第一图像相邻的N帧图像中的至少一帧图像，N为正整数；
质量确定单元，用于根据所述待确定状态的目标对象的所述状态，确定所述待确定状态的目标对象的检测框中的图像的质量等级，其中，所述待确定状态的目标对象的所述检测框根据所述待确定状态的目标对象的第一检测结果确定。
11.根据权利要求10所述的装置，其中，所述状态确定单元还用于：
根据所述待确定状态的目标对象的所述第一检测结果和所述待确定状态的目标对象的所述第二检测结果，确定所述待确定状态的目标对象的运动状态；
确定所述待确定状态的目标对象的所述运动状态是否符合预设运动状态条件；
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述第一检测结果和所述第一图像中除所述待确定状态的目标对象以外的其他目标对象的第一检测结果，确定所述待确定状态的目标对象的遮挡状态。
12.根据权利要求11所述的装置，其中，所述第一图像中的所述目标对象的所述第一检测结果包括所述第一图像中的所述目标对象的检测框，所述状态确定单元还用于：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，根据所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的检测框的交并比，确定所述待确定状态的目标对象的所述遮挡状态。
13.根据权利要求12所述的装置，其中，所述待确定状态的目标对象为第一类目标对象，所述视频流是在所述目标区域的俯视视角上采集得到的；所述状态确定单元还用于：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比均不大于零，确定所述待确定状态的目标对象处于未被遮挡的状态；
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，确定所述待确定状态的目标对象处于被遮挡的状态。
14.根据权利要求12所述的装置，其中，所述待确定状态的目标对象为第二类目标对象，所述视频流是在所述目标区域的侧视视角上采集得到的；所述状态确定单元还用于：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的各个其他目标对象的所述检测框的所述交并比均不大于零，确定所述待确定状态的目标对象处于未被遮挡的状态。
15.根据权利要求12所述的装置，其中，所述待确定状态的目标对象为第二类目标对象，所述视频流是在所述目标区域的侧视视角上采集得到的；所述状态确定单元用于：
响应于所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象的所述检测框与所述第一图像中除所述待确定状态的目标对象以外的其他目标对象中的至少一个目标对象的检测框的交并比大于零，根据所述待确定状态的目标对象在同步图像中的位置、侧视遮挡对象在所述同步图像中的位置、以及采集所述视频流的图像采集设备的位置，确定所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离是否小于各个侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，其中，所述同步图像是在所述目标区域的俯视视角上、与所述第一图像同步采集得到的，所述侧视遮挡对象为其检测框与所述待确定状态的目标对象的检测框的交并比大于零的目标对象；
响应于所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离小于任一侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，确定所述待确定状态的目标对象处于未被遮挡的状态；
响应于所述待确定状态的目标对象与采集所述视频流的所述图像采集设备之间的距离大于一个侧视遮挡对象与采集所述视频流的所述图像采集设备之间的距离，确定所述待确定状态的目标对象处于被遮挡的状态。
16.根据权利要求11-15所述的装置，其中，所述状态确定单元还用于：
根据所述待确定状态的目标对象的所述第一检测结果确定所述待确定状态的目标对象在所述第一图像中的第一位置；
根据所述待确定状态的目标对象的所述第二检测结果确定所述待确定状态的目标对象在所述第二图像中的第二位置；
根据所述第一位置、所述第二位置、采集所述第一图像的时间以及采集所述第二图像的时间，确定所述待确定状态的目标对象的运动速度；
根据所述待确定状态的目标对象的所述运动速度确定所述待确定状态的目标对象的所述运动状态；
所述状态确定单元还用于：根据所述待确定状态的目标对象的所述运动速度以及采集所述视频流的图像采集设备的图像采集帧率，确定所述待确定状态的目标对象的所述运动状态是否符合所述预设运动状态条件。
17.根据权利要求10-16所述的装置，其中，所述待确定状态的目标对象的所述状态包括遮挡状态和运动状态，所述待确定状态的目标对象的所述遮挡状态包括未被遮挡的状态和被遮挡的状态，所述待确定状态的目标对象的所述运动状态包括符合预设运动状态条件以及不符合所述预设运动状态条件；质量确定单元还用于：
在所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象处于所述未被遮挡的状态的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第一质量图像；
在所述待确定状态的目标对象的所述运动状态符合所述预设运动状态条件，且所述待确定状态的目标对象处于所述被遮挡的状态的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第二质量图像；
在所述待确定状态的目标对象的所述运动状态不符合所述预设运动状态条件的情况下，确定所述待确定状态的目标对象的所述检测框中的所述图像为第三质量图像。
18.根据权利要求10-17任一所述的装置，还包括分类单元，用于利用神经网络确定所述第一图像中所述待确定状态的目标对象的所述检测框中的所述图像的质量分类结果，其中，所述神经网络采用标注了质量等级的样本图像训练得到，一个样本图像中包括至少一个待确定状态的目标对象；
响应于通过所述神经网络确定的所述待确定状态的目标对象的所述检测框中的所述图像的所述质量分类结果，与根据所述待确定状态的目标对象的所述状态确定的所述待确定状态的目标对象的所述检测框中的图像的所述质量等级一致，将所述待确定状态的目标对象的所述检测框中的所述图像的所述质量等级，作为所述待确定状态的目标对象的所述检测框中的所述图像的目标质量等级。
19.一种电子设备，包括存储器和处理器，其中，所述存储器用于存储可在所述处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现权利要求1至9任一所述的方法。
20.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时，促使所述处理器实现权利要求1至9任一所述的方法。
CN202080000952.7A 2019-12-24 2020-04-14 图像筛选方法及装置、电子设备 Active CN112166436B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10201913146V 2019-12-24
SG10201913146VA SG10201913146VA (en) 2019-12-24 2019-12-24 Method and apparatus for filtrating images and electronic device
PCT/IB2020/053494 WO2021130554A1 (en) 2019-12-24 2020-04-14 Method and apparatus for filtering images and electronic device

Publications (2)

Publication Number Publication Date
CN112166436A true CN112166436A (zh) 2021-01-01
CN112166436B CN112166436B (zh) 2024-09-24

Family

ID=

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113785326A (zh) * 2021-09-27 2021-12-10 商汤国际私人有限公司 纸牌游戏的状态切换方法、装置、设备和存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006074114A (ja) * 2004-08-31 2006-03-16 Sanyo Electric Co Ltd 画像処理装置及び撮像装置
US20060252521A1 (en) * 2005-05-03 2006-11-09 Tangam Technologies Inc. Table game tracking
US20080279478A1 (en) * 2007-05-09 2008-11-13 Mikhail Tsoupko-Sitnikov Image processing method and image processing apparatus
CN101894257A (zh) * 2010-07-02 2010-11-24 西安理工大学 多尺度渐进式虹膜图像质量评估方法
US20140347475A1 (en) * 2013-05-23 2014-11-27 Sri International Real-time object detection, tracking and occlusion reasoning
US20160037071A1 (en) * 2013-08-21 2016-02-04 Xerox Corporation Automatic mobile photo capture using video analysis
JP2016208355A (ja) * 2015-04-24 2016-12-08 住友電気工業株式会社 画像監視装置、画像監視方法及び画像監視プログラム
CN107949428A (zh) * 2015-08-03 2018-04-20 天使游戏纸牌股份有限公司 游艺场的作弊检测系统
US20180121733A1 (en) * 2016-10-27 2018-05-03 Microsoft Technology Licensing, Llc Reducing computational overhead via predictions of subjective quality of automated image sequence processing
US20180211113A1 (en) * 2017-01-20 2018-07-26 Conduent Business Services, Llc System and method for detecting potential drive-up drug deal activity via trajectory-based analysis
WO2018232378A1 (en) * 2017-06-16 2018-12-20 Markable, Inc. Image processing system
CN109345522A (zh) * 2018-09-25 2019-02-15 北京市商汤科技开发有限公司 一种图像质量筛选方法及装置、设备和存储介质
CN109446942A (zh) * 2018-10-12 2019-03-08 北京旷视科技有限公司 目标跟踪方法、装置和系统
CN109740492A (zh) * 2018-12-27 2019-05-10 郑州云海信息技术有限公司 一种身份认证方法和装置
CN109862391A (zh) * 2019-03-18 2019-06-07 网易（杭州）网络有限公司 视频分类方法、介质、装置和计算设备
KR20190099185A (ko) * 2017-05-25 2019-08-26 삼성전자주식회사 위험 상황을 감지하는 방법 및 시스템
CN110175990A (zh) * 2019-05-17 2019-08-27 腾讯科技（深圳）有限公司 人脸图像质量判定方法、装置及计算机设备

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006074114A (ja) * 2004-08-31 2006-03-16 Sanyo Electric Co Ltd 画像処理装置及び撮像装置
US20060252521A1 (en) * 2005-05-03 2006-11-09 Tangam Technologies Inc. Table game tracking
US20080279478A1 (en) * 2007-05-09 2008-11-13 Mikhail Tsoupko-Sitnikov Image processing method and image processing apparatus
CN101894257A (zh) * 2010-07-02 2010-11-24 西安理工大学 多尺度渐进式虹膜图像质量评估方法
US20140347475A1 (en) * 2013-05-23 2014-11-27 Sri International Real-time object detection, tracking and occlusion reasoning
US9904852B2 (en) * 2013-05-23 2018-02-27 Sri International Real-time object detection, tracking and occlusion reasoning
US20160037071A1 (en) * 2013-08-21 2016-02-04 Xerox Corporation Automatic mobile photo capture using video analysis
JP2016208355A (ja) * 2015-04-24 2016-12-08 住友電気工業株式会社 画像監視装置、画像監視方法及び画像監視プログラム
CN107949428A (zh) * 2015-08-03 2018-04-20 天使游戏纸牌股份有限公司 游艺场的作弊检测系统
US20180121733A1 (en) * 2016-10-27 2018-05-03 Microsoft Technology Licensing, Llc Reducing computational overhead via predictions of subjective quality of automated image sequence processing
US20180211113A1 (en) * 2017-01-20 2018-07-26 Conduent Business Services, Llc System and method for detecting potential drive-up drug deal activity via trajectory-based analysis
KR20190099185A (ko) * 2017-05-25 2019-08-26 삼성전자주식회사 위험 상황을 감지하는 방법 및 시스템
WO2018232378A1 (en) * 2017-06-16 2018-12-20 Markable, Inc. Image processing system
CN109345522A (zh) * 2018-09-25 2019-02-15 北京市商汤科技开发有限公司 一种图像质量筛选方法及装置、设备和存储介质
CN109446942A (zh) * 2018-10-12 2019-03-08 北京旷视科技有限公司 目标跟踪方法、装置和系统
CN109740492A (zh) * 2018-12-27 2019-05-10 郑州云海信息技术有限公司 一种身份认证方法和装置
CN109862391A (zh) * 2019-03-18 2019-06-07 网易（杭州）网络有限公司 视频分类方法、介质、装置和计算设备
CN110175990A (zh) * 2019-05-17 2019-08-27 腾讯科技（深圳）有限公司 人脸图像质量判定方法、装置及计算机设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113785326A (zh) * 2021-09-27 2021-12-10 商汤国际私人有限公司 纸牌游戏的状态切换方法、装置、设备和存储介质

Also Published As

Publication number Publication date
US20210192252A1 (en) 2021-06-24

Similar Documents

Publication Publication Date Title
CN105518709B (zh) 用于识别人脸的方法、系统和计算机程序产品
Choudhury et al. Vehicle detection and counting using haar feature-based classifier
CN102375970B (zh) 一种基于人脸的身份认证方法和认证装置
CN108875542B (zh) 一种人脸识别方法、装置、系统及计算机存储介质
JP2021513690A (ja) 物品識別方法及びシステム、電子機器
CN108960266A (zh) 图像目标检测方法及装置
CN108140123A (zh) 人脸活体检测方法、电子设备和计算机程序产品
KR102390774B1 (ko) 타겟 객체를 인식하기 위한 방법, 장치 및 시스템
US20130243343A1 (en) Method and device for people group detection
CN105139425A (zh) 一种人数统计方法及装置
CN109685018A (zh) 一种人证校验方法、系统及相关设备
CN106663196A (zh) 视频中的计算机显著人物识别
CN107111755A (zh) 基于活跃度评价的视频假冒检测方法和系统
KR20220098311A (ko) 조작 이벤트 인식 방법 및 장치
Hartl et al. AR-based hologram detection on security documents using a mobile phone
JP4465150B2 (ja) 基準点に対する物体の相対位置を測定するシステムおよび方法
JP2021522597A (ja) ゲーミングチップの計数
CN112166436B (zh) 图像筛选方法及装置、电子设备
CN112166436A (zh) 图像筛选方法及装置、电子设备
CN113033286A (zh) 一种货柜内商品的识别方法及装置
WO2021130554A1 (en) Method and apparatus for filtering images and electronic device
CN115620005A (zh) 一种图像识别方法、装置、设备及存储介质
CN112560557A (zh) 人数检测方法、人脸检测方法、装置及电子设备
CN111488843A (zh) 基于漏报与误报率分步骤抑制的人脸墨镜判别方法
Zutis et al. Who’s counting? real-time blackjack monitoring for card counting detection

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