CN112487929A - 儿童绘本的图像识别方法、装置、设备及存储介质 - Google Patents
儿童绘本的图像识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112487929A CN112487929A CN202011345248.3A CN202011345248A CN112487929A CN 112487929 A CN112487929 A CN 112487929A CN 202011345248 A CN202011345248 A CN 202011345248A CN 112487929 A CN112487929 A CN 112487929A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- page
- standard
- picture
- 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 46
- 230000009466 transformation Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000035484 reaction time Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像识别领域，公开了一种儿童绘本的图像识别方法、装置、设备及存储介质。该方法包括：接收预置数据采集地址发送的绘本拍摄图像，对所述绘本拍摄图像进行灰度化处理，得到绘本灰度图像；提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像；根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果；根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像；将所述标记标准图像发送至所述数据采集地址。
Description
技术领域
本发明涉及图像识别领域，尤其涉及一种儿童绘本的图像识别方法、装置、设备及存储介质。
背景技术
当前市场上绘本识别算法众多，有着格式各种的人工智能算法，在不同的场景和应用范围内适用的情况也不相同。对于神经网络算法而言，虽然神经网络算法的识别准确率很高，但是神经网络算法的资源占用较多，很多时候由于神经网络的模型较大，导致运算耗时延长和程序反应时间较长。计算机运算反应时间过长，则会导致用户体验较差，而为了提升用户体验感受。在计算量是一定的情况下，需要增加计算速率，因此需要一种相对于现有图像识别更快的方法。
发明内容
本发明的主要目的在于解决神经网络识别算法运行速度较慢的技术问题。
本发明第一方面提供了一种儿童绘本的图像识别方法，所述儿童绘本的图像识别方法包括：
接收预置数据采集地址发送的绘本拍摄图像，对所述绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像；
根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果；
根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像；
将所述标记标准图像发送至所述数据采集地址。
可选的，在本发明第一方面的第一种实现方式中，所述提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像包括：
根据预置标记半径参数，抓取所述绘本灰度图像中每个像素点在所述标记半径参数上对应的N对相位像素点，其中，N为正整数；
读取所述N对相位像素点对应的灰度值，基于N对所述灰度值成对之间的差值，得到所述绘本灰度图像中的轮廓像素点集；
分析所述轮廓像素点集，得到像素排列特征，以及根据预置特征匹配算法，从预置标准页面数据库中抓取所述像素排列特征对应的页面标准图像。
可选的，在本发明第一方面的第二种实现方式中，所述读取所述N对相位像素点对应的灰度值，基于N对所述灰度值的差值，得到所述绘本灰度图像中的轮廓像素点集包括：
读取所述N对相位像素点对应的灰度值，计算N对所述灰度值成对之间的差值，得到N个灰度差值；
统计N个所述灰度差值中超过预置差值判定阈值的数量，得到差异数值；
判断所述差异数值是否超过预置标记阈值；
若超过，将所述差异数值对应的像素点标记，循环判定所述绘本灰度图像中每个像素点；
将所有标记的像素点组合，得到轮廓像素点集。
可选的，在本发明第一方面的第三种实现方式中，所述分析所述轮廓像素点集，得到像素排列特征包括：
根据最长直径测算，生成所述轮廓像素点集对应的外接圆，其中，所述外接圆存在对应的圆心P；
将所述轮廓像素点集进行轮廓连接处理，生成最小连接图，根据所述最小连接图，计算出所述最小连接图对应的均匀质心T；
根据所述圆心P和所述均匀质心T，确定所述轮廓像素点集的变换角度；
根据所述变换角度和预置特征提取算法，对所述轮廓像素点集进行特征提取，得到所述像素排列特征。
可选的，在本发明第一方面的第四种实现方式中，所述根据所述变换角度和预置特征提取算法，对所述轮廓像素点集进行特征提取，得到所述像素排列特征包括：
根据所述变换角度，对所述轮廓像素点集进行旋转还原处理，得到基本轮廓像素点集；
根据预置图像抓取框架，在所述基本轮廓像素点集中选择M对个像素分析点，依次判断每个像素分析点的灰度值大小关系；
根据每个像素点对应的灰度值大小关系，生成所述像素排列特征。
可选的，在本发明第一方面的第五种实现方式中，所述根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果包括：
根据所述图像特征，抓取所述绘本灰度图像对应定位框中的像素特征，生成答题框数据；
依次将每个答题框数据与所述页面标准图像对应的答题框进行比对分析，生成结果字符串。
可选的，在本发明第一方面的第六种实现方式中，所述根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像包括：
读取所述结果字符串中的字符，判断所述字符是否对应成功比对结果；
若是，则将该字符对应所述页面标准图像中的答题框标记为第一类字符框；
若否，则将该字符对应所述页面标准图像中的答题框标记第二类字符框；
根据所述第一类字符框和所述第二类字符框的标记，将所述页面标准图像中的答题框分类标识，生成标记标准图像。
本发明第二方面提供了一种儿童绘本的图像识别装置，包括：
接收模块，用于接收预置数据采集地址发送的绘本拍摄图像，对所述绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
匹配模块，用于提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像；
提取模块，用于根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果；
标记模块，用于根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像；
发送模块，用于将所述标记标准图像发送至所述数据采集地址。
本发明第三方面提供了一种儿童绘本的图像识别设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述儿童绘本的图像识别设备执行上述的儿童绘本的图像识别方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的儿童绘本的图像识别方法。
附图说明
图1为本发明实施例中儿童绘本的图像识别方法的第一个实施例示意图；
图2为本发明实施例中儿童绘本的图像识别方法的第二个实施例示意图；
图3为本发明实施例中儿童绘本的图像识别方法的第三个实施例示意图；
图4为本发明实施例中儿童绘本的图像识别装置的一个实施例示意图；
图5为本发明实施例中儿童绘本的图像识别装置的另一个实施例示意图；
图6为本发明实施例中儿童绘本的图像识别设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种儿童绘本的图像识别方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中儿童绘本的图像识别方法的第一个实施例包括：
101、接收预置数据采集地址发送的绘本拍摄图像，对绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
在本实施例中，绘本图像是实际拍摄的图像，将图像的色彩改为R＝G＝B，其中,R为红像素，G为绿像素，B为蓝像素。灰度处理后，得到绘本灰度图像。以下的各类处理都是基于绘本灰度图像进行处理。
102、提取绘本灰度图像的图像特征，根据图像特征，在预置标准页面数据库中进行特征匹配处理，得到绘本灰度图像对应的页面标准图像；
在本实施例中，拿一个像素点跟它周围距离为R的像素点比较，像素点周围有16个像素，取对角线的像素为一对共有8对像素点，当2个点的灰度值之差的绝对值大于阈值t时，认为这2个点不相同。在8对像素点大于阈值t的数量为5对时，则认为是一个轮廓点，将绘本灰度图像中的所有轮廓点都查询出后，提取出所有轮廓点，进行组合为轮廓图。以关键点P为圆心，以d为半径做圆半径，生成特征匹配半径，连接轮廓点生成闭合的图形，基于
其中，M00、M01、M10为闭合的图形所有坐标的统计计算，QX、QY为闭合的图形质心坐标，以P、Q为轴建立坐标系，提取图形特征，选取固定框架四对点，P1(A，B)、P2(A，B)、P3(A，B)、P4(A，B)判断不同对应地点的两个点之间的灰度大小，若A的灰度大于B的灰度，则确定特征为1，若A的灰度小于或等于B的灰度，则确定特征为0，依次判断P1(A，B)、P2(A，B)、P3(A，B)、P4(A，B)的大小，最终得到0011的图像特征，实际上取得框架点可以取至N，将特征取得后，特征字符串排列与标准页面数据库预先拍好的标准图像进行字符串排列匹配，将字符串匹配正确的页面标准图像标记。
103、根据图像特征，提取出绘本灰度图像中的答题框数据，将答题框数据与页面标准图像进行比对处理，生成比对结果；
在本实施例中，同样的预先在灰度图像中确定的特征区域，以整体匹配的方式一样对答题框中的数据进行字符串特征进行比对，生成匹配和不匹配的两个种结果。
104、根据比对结果，将页面标准图像中的答题框进行标记，生成标记标准图像；
在本实施例中，将页面标准图像每个框中匹配与不匹配的框按照不同标记进行标记。在进行标记时，可以依据预先设置的标号顺序进行显示，也可以人操作的限制显示范围显示标记内容，而未确认的标记范围不显示标记。
105、将标记标准图像发送至数据采集地址。
在本实施例中，将已经标记答案正确与错误的标准图像发送到手机终端中，或者是发送绘本拍摄图像的IP地址处。
本发明实施例中，通过对每个像素点周围像素灰度值数据计算，得到轮廓的像素点提取特征数值，并根据轮廓的质心与最小内接圆取消旋转带来的误差，完成标准数据库中页面匹配，实现了更快速的图像识别。
请参阅图2，本发明实施例中儿童绘本的图像识别方法的第二个实施例包括：
201、接收预置数据采集地址发送的绘本拍摄图像，对绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
本实施例描述的方法实施例与第一个实施例类似，可以参考前述方法实施例中的对应过程，在此不再赘述。
202、根据预置标记半径参数，抓取绘本灰度图像中每个像素点在标记半径参数上对应的N对相位像素点，其中，N为正整数；
在本实施例中，标记半径参数为2.5个像素边长大小，则在绘本灰度图像中的每个像素点在2.5个像素点长的圆上的所有像素点，所有像素点共构成1对1的对角线对应，共有N对像素点。
203、读取N对相位像素点对应的灰度值，计算N对灰度值成对之间的差值，得到N个灰度差值；
在本实施例中，对角线对应的3对像素点之间的灰度值为(12,112)、(50,150)、(41,201)，则这三对的像素点差值为100、100、160。同样可以计算出N对灰度值之差，可以得到N个灰度差值。
204、统计N个灰度差值中超过预置差值判定阈值的数量，得到差异数值；
在本实施例中，100、100、160中超过判断阈值为140，超过判断阈值记为1，没有超过则记为0，则得到的2个超过判断阈值。
205、判断差异数值是否超过预置标记阈值；
在本实施例中，标记阈值为1，若为2则超过标记阈值。在实际上N取1200，则判断得到超过差值判定阈值有900，而标记阈值为690，则依旧超过标记阈值。
206、若超过，将差异数值对应的像素点标记，循环判定绘本灰度图像中每个像素点；
在本实施例中，如果超过标记阈值690，则认定这个像素点为轮廓点的一个组成部分，循环获取得到所有灰度图像的所有轮廓点。
207、将所有标记的像素点组合，得到轮廓像素点集；
在本实施例中，绘本灰度图像中得到标记的像素点均构成轮廓像素点集，提取整个绘本灰度图像的轮廓。
208、根据最长直径测算，生成轮廓像素点集对应的外接圆，其中，外接圆存在对应的圆心P；
在本实施例中，可以将所有轮廓像素点集像素点的距离相互计算，得到最长的距离。根据最长的距离，生成轮廓像素点集的外接圆。
209、将轮廓像素点集进行轮廓连接处理，生成最小连接图，根据最小连接图，计算出最小连接图对应的均匀质心T；
在本实施例中，轮廓点相互连接闭合聚类，计算得出最小连接图。基于最小连接图。根据
其中，M00、M01、M10为闭合的图形所有坐标的统计计算，QX、QY为闭合的图形质心坐标，以P、Q为轴建立坐标系，计算出均匀质心T。
210、根据圆心P和均匀质心T，确定轮廓像素点集的变换角度；
在本实施例中，连接圆心P和均匀质心T，得到一条变换角度线。变换角度线与标准页面的基准线进行比对吗，得到轮廓像素点集的变换角度。
211、根据变换角度，对轮廓像素点集进行旋转还原处理，得到基本轮廓像素点集；
在本实施例中，变换角度为右旋50度，则还原为左旋50度，得到基本轮廓像素点集。
212、根据预置图像抓取框架，在基本轮廓像素点集中选择M对个像素分析点，依次判断每个像素分析点的灰度值大小关系；
在本实施例中，图像抓取框架是抓取关系，在图像的各个指定范围进行抓取固定框架四对点，P1(A，B)、P2(A，B)、P3(A，B)、P4(A，B)判断不同对应地点的两个点之间的灰度大小，若A的灰度大于B的灰度，则确定特征为1，若A的灰度小于或等于B的灰度，则确定特征为0，依次判断P1(A，B)、P2(A，B)、P3(A，B)、P4(A，B)的大小。
213、根据每个像素点对应的灰度值大小关系，生成像素排列特征；
在本实施例中，P1(A，B)、P2(A，B)、P3(A，B)、P4(A，B)的大小得到0011的图像特征，实际上取得框架点可以取至N将特征取得后，特征字符串排列与标准页面数据库预先拍好的标准图像进行字符串排列匹配，将字符串匹配正确的页面标准图像标记。
214、根据预置特征匹配算法，从预置标准页面数据库中抓取像素排列特征对应的页面标准图像；
215、根据图像特征，提取出绘本灰度图像中的答题框数据，将答题框数据与页面标准图像进行比对处理，生成比对结果；
216、根据比对结果，将页面标准图像中的答题框进行标记，生成标记标准图像；
217、将标记标准图像发送至数据采集地址。
214-217描述的方法实施例与第一个实施例类似，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例中，通过对每个像素点周围像素灰度值数据计算，得到轮廓的像素点提取特征数值，并根据轮廓的质心与最小内接圆取消旋转带来的误差，完成标准数据库中页面匹配，实现了更快速的图像识别。
请参阅图3，本发明实施例中儿童绘本的图像识别方法的第二个实施例包括：
301、接收预置数据采集地址发送的绘本拍摄图像，对绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
302、提取绘本灰度图像的图像特征，根据图像特征，在预置标准页面数据库中进行特征匹配处理，得到绘本灰度图像对应的页面标准图像；
301-302描述的方法实施例与第一个实施例类似，可以参考前述方法实施例中的对应过程，在此不再赘述。
303、根据图像特征，抓取绘本灰度图像对应定位框中的像素特征，生成答题框数据；
在本实施例中，答题框的位置预先存在的，因此按照预先确定的位置，图像特征对应的答题框数据，直接提取。
304、依次将每个答题框数据与页面标准图像对应的答题框进行比对分析，生成结果字符串；
在本实施例中，共有8个答题框，依次比对后得到{正、正、错、错、正、正、正、错、正}的结果，正确对应1，错误对应0，生成结果字符串为11001101。
305、读取结果字符串中的字符，判断字符是否对应成功比对结果；
在本实施例中，11001101字符串顺序进行读取内容。
306、若是，则将该字符对应页面标准图像中的答题框标记为第一类字符框；
在本实施例中，第五个字符串为1，则将第五个编号答题框标记为第一类字符框。
307、若否，则将该字符对应页面标准图像中的答题框标记第二类字符框；
在本实施例中，第四个字符串为0，则将第四个编号答题框标记为第二类字符框。
308、根据第一类字符框和第二类字符框的标记，将页面标准图像中的答题框分类标识，生成标记标准图像；
在本实施例中，11001101字符串读取完成后，将所有字符框都标记完成，按照第一类字符框标记为绿色框，第二类字符框标记为红色框，生成标记标准图像。还可以只对第一类字符框标记为绿勾，第二类字符框不做任何处理。
309、将标记标准图像发送至数据采集地址。
本实施例描述的方法实施例与第一个实施例类似，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例中，通过对每个像素点周围像素灰度值数据计算，得到轮廓的像素点提取特征数值，并根据轮廓的质心与最小内接圆取消旋转带来的误差，完成标准数据库中页面匹配，实现了更快速的图像识别。
上面对本发明实施例中儿童绘本的图像识别方法进行了描述，下面对本发明实施例中儿童绘本的图像识别装置进行描述，请参阅图4，本发明实施例中儿童绘本的图像识别装置一个实施例包括：
接收模块401，用于接收预置数据采集地址发送的绘本拍摄图像，对所述绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
匹配模块402，用于提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像；
提取模块403，用于根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果；
标记模块404，用于根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像；
发送模块405，用于将所述标记标准图像发送至所述数据采集地址。
本发明实施例中，通过对每个像素点周围像素灰度值数据计算，得到轮廓的像素点提取特征数值，并根据轮廓的质心与最小内接圆取消旋转带来的误差，完成标准数据库中页面匹配，实现了更快速的图像识别。
请参阅图5，本发明实施例中儿童绘本的图像识别装置的另一个实施例包括：
接收模块401，用于接收预置数据采集地址发送的绘本拍摄图像，对所述绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
匹配模块402，用于提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像；
提取模块403，用于根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果；
标记模块404，用于根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像；
发送模块405，用于将所述标记标准图像发送至所述数据采集地址。
其中，所述接收模块402包括：
抓取单元4021，用于根据预置标记半径参数，抓取所述绘本灰度图像中每个像素点在所述标记半径参数上对应的N对相位像素点，其中，N为正整数；
差值分析单元4022，用于读取所述N对相位像素点对应的灰度值，基于N对所述灰度值成对之间的差值，得到所述绘本灰度图像中的轮廓像素点集；
匹配单元4023，用于分析所述轮廓像素点集，得到像素排列特征，以及根据预置特征匹配算法，从预置标准页面数据库中抓取所述像素排列特征对应的页面标准图像。
其中，所述差值分析单元4022具体用于：
读取所述N对相位像素点对应的灰度值，计算N对所述灰度值成对之间的差值，得到N个灰度差值；
统计N个所述灰度差值中超过预置差值判定阈值的数量，得到差异数值；
判断所述差异数值是否超过预置标记阈值；
若超过，将所述差异数值对应的像素点标记，循环判定所述绘本灰度图像中每个像素点；
将所有标记的像素点组合，得到轮廓像素点集。
其中，所述匹配单元4023具体用于：
根据最长直径测算，生成所述轮廓像素点集对应的外接圆，其中，所述外接圆存在对应的圆心P；
将所述轮廓像素点集进行轮廓连接处理，生成最小连接图，根据所述最小连接图，计算出所述最小连接图对应的均匀质心T；
根据所述圆心P和所述均匀质心T，确定所述轮廓像素点集的变换角度；
根据所述变换角度和预置特征提取算法，对所述轮廓像素点集进行特征提取，得到所述像素排列特征。
其中，所述匹配单元4023还可以具体用于：
根据所述变换角度，对所述轮廓像素点集进行旋转还原处理，得到基本轮廓像素点集；
根据预置图像抓取框架，在所述基本轮廓像素点集中选择M对个像素分析点，依次判断每个像素分析点的灰度值大小关系；
根据每个像素点对应的灰度值大小关系，生成所述像素排列特征。
其中，所述提取模块403具体用于：
根据所述图像特征，抓取所述绘本灰度图像对应定位框中的像素特征，生成答题框数据；
依次将每个答题框数据与所述页面标准图像对应的答题框进行比对分析，生成结果字符串。
其中，所述标记模块404具体用于：
读取所述结果字符串中的字符，判断所述字符是否对应成功比对结果；
若是，则将该字符对应所述页面标准图像中的答题框标记为第一类字符框；
若否，则将该字符对应所述页面标准图像中的答题框标记第二类字符框；
根据所述第一类字符框和所述第二类字符框的标记，将所述页面标准图像中的答题框分类标识，生成标记标准图像。
本发明实施例中，通过对每个像素点周围像素灰度值数据计算，得到轮廓的像素点提取特征数值，并根据轮廓的质心与最小内接圆取消旋转带来的误差，完成标准数据库中页面匹配，实现了更快速的图像识别。
上面图4和图5从模块化功能实体的角度对本发明实施例中的儿童绘本的图像识别装置进行详细描述，下面从硬件处理的角度对本发明实施例中儿童绘本的图像识别设备进行详细描述。
图6是本发明实施例提供的一种儿童绘本的图像识别设备的结构示意图，该儿童绘本的图像识别设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)610(例如，一个或一个以上处理器)和存储器620，一个或一个以上存储应用程序533或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对儿童绘本的图像识别设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在儿童绘本的图像识别设备600上执行存储介质630中的一系列指令操作。
基于儿童绘本的图像识别设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的儿童绘本的图像识别设备结构并不构成对基于儿童绘本的图像识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述儿童绘本的图像识别方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种儿童绘本的图像识别方法，其特征在于，包括步骤：
接收预置数据采集地址发送的绘本拍摄图像，对所述绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像；
根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果；
根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像；
将所述标记标准图像发送至所述数据采集地址。
2.根据权利要求1所述的儿童绘本的图像识别方法，其特征在于，所述提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像包括：
根据预置标记半径参数，抓取所述绘本灰度图像中每个像素点在所述标记半径参数上对应的N对相位像素点，其中，N为正整数；
读取所述N对相位像素点对应的灰度值，基于N对所述灰度值成对之间的差值，得到所述绘本灰度图像中的轮廓像素点集；
分析所述轮廓像素点集，得到像素排列特征，以及根据预置特征匹配算法，从预置标准页面数据库中抓取所述像素排列特征对应的页面标准图像。
3.根据权利要求2所述的儿童绘本的图像识别方法，其特征在于，所述读取所述N对相位像素点对应的灰度值，基于N对所述灰度值的差值，得到所述绘本灰度图像中的轮廓像素点集包括：
读取所述N对相位像素点对应的灰度值，计算N对所述灰度值成对之间的差值，得到N个灰度差值；
统计N个所述灰度差值中超过预置差值判定阈值的数量，得到差异数值；
判断所述差异数值是否超过预置标记阈值；
若超过，将所述差异数值对应的像素点标记，循环判定所述绘本灰度图像中每个像素点；
将所有标记的像素点组合，得到轮廓像素点集。
4.根据权利要求2所述的儿童绘本的图像识别方法，其特征在于，所述分析所述轮廓像素点集，得到像素排列特征包括：
根据最长直径测算，生成所述轮廓像素点集对应的外接圆，其中，所述外接圆存在对应的圆心P；
将所述轮廓像素点集进行轮廓连接处理，生成最小连接图，根据所述最小连接图，计算出所述最小连接图对应的均匀质心T；
根据所述圆心P和所述均匀质心T，确定所述轮廓像素点集的变换角度；
根据所述变换角度和预置特征提取算法，对所述轮廓像素点集进行特征提取，得到所述像素排列特征。
5.根据权利要求4所述的儿童绘本的图像识别方法，其特征在于，所述根据所述变换角度和预置特征提取算法，对所述轮廓像素点集进行特征提取，得到所述像素排列特征包括：
根据所述变换角度，对所述轮廓像素点集进行旋转还原处理，得到基本轮廓像素点集；
根据预置图像抓取框架，在所述基本轮廓像素点集中选择M对个像素分析点，依次判断每个像素分析点的灰度值大小关系；
根据每个像素点对应的灰度值大小关系，生成所述像素排列特征。
6.根据权利要求1所述的儿童绘本的图像识别方法，其特征在于，所述根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果包括：
根据所述图像特征，抓取所述绘本灰度图像对应定位框中的像素特征，生成答题框数据；
依次将每个答题框数据与所述页面标准图像对应的答题框进行比对分析，生成结果字符串。
7.根据权利要求6所述的儿童绘本的图像识别方法，其特征在于，所述根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像包括：
读取所述结果字符串中的字符，判断所述字符是否对应成功比对结果；
若是，则将该字符对应所述页面标准图像中的答题框标记为第一类字符框；
若否，则将该字符对应所述页面标准图像中的答题框标记第二类字符框；
根据所述第一类字符框和所述第二类字符框的标记，将所述页面标准图像中的答题框分类标识，生成标记标准图像。
8.一种儿童绘本的图像识别装置，其特征在于，所述儿童绘本的图像识别装置包括：
接收模块，用于接收预置数据采集地址发送的绘本拍摄图像，对所述绘本拍摄图像进行灰度化处理，得到绘本灰度图像；
匹配模块，用于提取所述绘本灰度图像的图像特征，根据所述图像特征，在预置标准页面数据库中进行特征匹配处理，得到所述绘本灰度图像对应的页面标准图像；
提取模块，用于根据所述图像特征，提取出所述绘本灰度图像中的答题框数据，将所述答题框数据与所述页面标准图像进行比对处理，生成比对结果；
标记模块，用于根据所述比对结果，将所述页面标准图像中的答题框进行标记，生成标记标准图像；
发送模块，用于将所述标记标准图像发送至所述数据采集地址。
9.一种儿童绘本的图像识别设备，其特征在于，所述儿童绘本的图像识别设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述儿童绘本的图像识别设备执行如权利要求1-7中任一项所述的儿童绘本的图像识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的儿童绘本的图像识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011345248.3A CN112487929A (zh) | 2020-11-25 | 2020-11-25 | 儿童绘本的图像识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011345248.3A CN112487929A (zh) | 2020-11-25 | 2020-11-25 | 儿童绘本的图像识别方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112487929A true CN112487929A (zh) | 2021-03-12 |
Family
ID=74934916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011345248.3A Pending CN112487929A (zh) | 2020-11-25 | 2020-11-25 | 儿童绘本的图像识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112487929A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023272656A1 (zh) * | 2021-06-30 | 2023-01-05 | 东莞市小精灵教育软件有限公司 | 绘本识别方法、装置、家教机及存储介质 |
| CN117097987A (zh) * | 2023-10-16 | 2023-11-21 | 深圳市云希谷科技有限公司 | 一种自动矫正摄像头的方法及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109241305A (zh) * | 2018-08-23 | 2019-01-18 | 深圳市深晓科技有限公司 | 一种基于图像识别的绘本阅读方法及装置 |
| CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
| CN110825164A (zh) * | 2019-09-19 | 2020-02-21 | 北京光年无限科技有限公司 | 基于儿童专用穿戴智能设备的交互方法及系统 |
| CN111081103A (zh) * | 2019-05-17 | 2020-04-28 | 广东小天才科技有限公司 | 一种听写答案获取方法、家教设备及存储介质 |
| CN111191067A (zh) * | 2019-12-25 | 2020-05-22 | 深圳市优必选科技股份有限公司 | 绘本识别方法、终端设备及计算机可读存储介质 |
| CN111222397A (zh) * | 2019-10-25 | 2020-06-02 | 深圳市优必选科技股份有限公司 | 一种绘本识别方法、装置及机器人 |
| CN111798467A (zh) * | 2020-06-30 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、设备及存储介质 |
-
2020
- 2020-11-25 CN CN202011345248.3A patent/CN112487929A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109241305A (zh) * | 2018-08-23 | 2019-01-18 | 深圳市深晓科技有限公司 | 一种基于图像识别的绘本阅读方法及装置 |
| CN111081103A (zh) * | 2019-05-17 | 2020-04-28 | 广东小天才科技有限公司 | 一种听写答案获取方法、家教设备及存储介质 |
| CN110825164A (zh) * | 2019-09-19 | 2020-02-21 | 北京光年无限科技有限公司 | 基于儿童专用穿戴智能设备的交互方法及系统 |
| CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
| CN111222397A (zh) * | 2019-10-25 | 2020-06-02 | 深圳市优必选科技股份有限公司 | 一种绘本识别方法、装置及机器人 |
| CN111191067A (zh) * | 2019-12-25 | 2020-05-22 | 深圳市优必选科技股份有限公司 | 绘本识别方法、终端设备及计算机可读存储介质 |
| CN111798467A (zh) * | 2020-06-30 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023272656A1 (zh) * | 2021-06-30 | 2023-01-05 | 东莞市小精灵教育软件有限公司 | 绘本识别方法、装置、家教机及存储介质 |
| CN117097987A (zh) * | 2023-10-16 | 2023-11-21 | 深圳市云希谷科技有限公司 | 一种自动矫正摄像头的方法及设备 |
| CN117097987B (zh) * | 2023-10-16 | 2024-02-06 | 深圳市云希谷科技有限公司 | 一种自动矫正摄像头的方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107944020B (zh) | 人脸图像查找方法及装置、计算机装置和存储介质 | |
| CN110569878B (zh) | 一种基于卷积神经网络的照片背景相似度聚类方法及计算机 | |
| CN109583483B (zh) | 一种基于卷积神经网络的目标检测方法和系统 | |
| CN114155546B (zh) | 一种图像矫正方法、装置、电子设备和存储介质 | |
| CN110070101A (zh) | 植物种类的识别方法及装置、存储介质、计算机设备 | |
| JP2013012190A (ja) | ガボールフィルターをブロックガボールフィルターとして近似する方法、及び、プロセッサ上で実行されているアプリケーションプログラムによるアクセスのためのデータ構造を格納するメモリ | |
| CN109559362B (zh) | 一种图像主体脸部替换方法及装置 | |
| CN110675940A (zh) | 病理图像标注方法、装置、计算机设备及存储介质 | |
| CN107680112B (zh) | 图像配准方法 | |
| CN112487929A (zh) | 儿童绘本的图像识别方法、装置、设备及存储介质 | |
| CN103839042A (zh) | 人脸识别方法和人脸识别系统 | |
| CN109815823B (zh) | 数据处理方法及相关产品 | |
| CN110781890A (zh) | 身份证识别方法、装置、电子设备及可读取存储介质 | |
| CN113490947A (zh) | 检测模型训练方法、装置、检测模型使用方法及存储介质 | |
| CN112633221A (zh) | 一种人脸方向的检测方法及相关装置 | |
| US9117132B2 (en) | System and method facilitating designing of classifier while recognizing characters in a video | |
| CN112580108A (zh) | 签名和印章完整性验证方法及计算机设备 | |
| CN113095187A (zh) | 一种基于图像特征匹配对齐的试卷批改方法 | |
| CN113592839A (zh) | 基于改进Faster RCNN的配网线路典型缺陷诊断方法及系统 | |
| JP5500404B1 (ja) | 画像処理装置及びそのプログラム | |
| CN112329666A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN111507119B (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 | |
| CN109657083B (zh) | 纺织品图片特征库的建立方法和装置 | |
| CN112184843B (zh) | 图像数据压缩的冗余数据去除系统及方法 | |
| CN112084874B (zh) | 一种物体检测方法、装置及终端设备 |
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 |