CN112528761A - 图像中特定目标提取方法、系统、电子设备及存储介质 - Google Patents
图像中特定目标提取方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112528761A CN112528761A CN202011333819.1A CN202011333819A CN112528761A CN 112528761 A CN112528761 A CN 112528761A CN 202011333819 A CN202011333819 A CN 202011333819A CN 112528761 A CN112528761 A CN 112528761A
- Authority
- CN
- China
- Prior art keywords
- specific target
- detected
- picture
- image
- standard
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像中特定目标提取方法、系统、电子设备及存储介质。所述方法包括:采集标准图并将标准图转化为二值图;生成特定目标缩略图;记录所述特定目标在二值图后的标准图中的位置;将所述特定目标缩略图放置在待检测图片中进行搜索;坐标范围进行对比,判断是否在预设定范围阈值之内;若在范围阈值之内,则目标提取成功并输出特定目标在待检测图片中的区域坐标范围;若不在范围阈值之内,则所述特定目标不在待检测图片中。系统包括:标准图转化模块、缩略图生成模块、位置记录模块、搜索模块、对比模块。本申请解决了相关技术中图像中难以提取准确特定目标位置以及小区域误测的问题。
Description
技术领域
本申请涉及图像识别技术领域,具体而言,涉及一种图像中特定目标提取方法、系统、电子设备及存储介质。
背景技术
快速定位特定目标在图片中的位置,根据目标的位置,可以得出含有相同目标图片之间的差异,其对于最后图像识别的准确性有很重要的保障。
现有技术中,对于比较曲折的形状很难描绘其具体位置,只能给出大致的位置区域,并不能检测区域内部的位置变化;而对于比较小的区域容易误测,此时会对结果产生影响。
针对相关技术中图像中难以提取准确特定目标位置以及小区域误测的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种图像中特定目标提取方法、系统、电子设备及存储介质,以解决相关技术中图像中难以提取准确特定目标位置以及小区域误测的问题,。
为了实现上述目的,第一方面,本申请提供了图像中特定目标提取方法,包括如下步骤:
采集标准图并将标准图转化为二值图;
从转化二值图后的标准图中提取特定目标,生成特定目标缩略图;
记录所述特定目标在二值图后的标准图中的位置,即所述特定目标在标准图中的区域坐标范围;
将所述特定目标缩略图放置在待检测图片中进行搜索,得到搜索结果以及特定目标在待检测图片中的区域坐标范围;
将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内;
若在范围阈值之内,则目标提取成功并输出特定目标在待检测图片中的区域坐标范围;
若不在范围阈值之内,则所述特定目标不在待检测图片中。
将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内,具体过程如下:
所述特定目标在标准图中的区域坐标范围由两组坐标组成,第一组坐标为所述特定目标在标准图中左上角第一个点的坐标,第二组坐标为右下角最后一个点的坐标;
将第二组坐标与第一组坐标相减,得到所述特定目标在标准图中的长度以及宽度;
所述特定目标在待检测图片中的区域坐标范围由两组坐标组成,第三组坐标为所特定目标在待检测图片中左上角第一个点的坐标,第四组坐标为右下角最后一个点的坐标;
将第四组坐标与第三组坐标相减,得到所述特定目标在待检测图片中的长度及宽度;
所述预设定范围阈值为长度第一阈值与长度第二阈值、宽度第一阈值与宽度第二阈值,均为百分数;
当所述特定目标在待检测图片中的长度落入到(特定目标在标准图中的长度×长度第一阈值,特定目标在标准图中的长度×长度第二阈值)范围中,且当所述特定目标在待检测图片中的宽度落入到(特定目标在标准图中的宽度×宽度第一阈值,特定目标在标准图中的宽度×宽度第二阈值)范围中时,则所述特定目标在待检测图片中的区域坐标在预设定范围阈值之内,否则不在阈值范围之内。
所述搜索结果,若待检测图片中有一块区域与所述特定目标缩略图相匹配,那么返回匹配成功结果;若待检测图片中没有与所述特定目标缩略图相匹配的区域,则返回匹配不成功结果;若待检测图片中有多块区域与所述特定目标缩略图相匹配,则对待检测图片进行再次分割,并对分割后的每个图片分别与所述特定目标缩略图进行再次搜索,分别得到每个图片的搜索结果。
所述特定目标缩略图应小于待检测图片,若特定目标缩略图大于待检测图片,则需要对特定目标缩略图进行缩小。
所述待检测图片的像素应该大于等于像素阈值,若所述待检测图片的像素小于像素阈值,则需重新采集待检测图片。
所述特定目标在待检测图片中的区域坐标范围,计算过程如下:
将所述待检测图片与所述特定目标缩略图的左上角对齐;
从待检测图片左上角开始,按照预设定的增量,滑动特定目标缩略图;
每滑动一个位置,记录该位置坐标并计算相似度;
将每个位置坐标对应的相似度保存在结果矩阵R中;
在结果矩阵R中找到相似度的最大值,并返回对应的位置坐标;
若所述相似度的最大值大于等于预设定的相似度阈值,则返回此时对应的位置坐标下,所述特定目标缩略图在所述待检测图片中的区域坐标范围。
所述相似度为所述待检测图片与所述特定目标缩略图的相似度,采用TM-SQDIFF(Template match-Squared Differences,平方差匹配)方法,公式如下:
其中,x',y'为变量,在输入图像的范围内变化,x,y为当前检测的像素点。
第二方面,本申请还提供了一种图像中特定目标提取系统,包括:
标准图转化模块、缩略图生成模块、位置记录模块、搜索模块、对比模块;
所述标准图转化模块、缩略图生成模块、位置记录模块、搜索模块、对比模块依次顺序连接;
所述标准图转化模块用于采集标准图并将标准图转化为二值图;
所述缩略图生成模块用于从转化二值图后的标准图中提取特定目标,生成特定目标缩略图;
所述位置记录模块用于记录所述特定目标在二值图后的标准图中的位置,即所述特定目标在标准图中的区域坐标范围;
所述搜索模块用于将所述特定目标缩略图放置在待检测图片中进行搜索,得到搜索结果以及特定目标在待检测图片中的区域坐标范围;
所述对比模块用于将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内;若在范围阈值之内,则目标提取成功并输出特定目标在待检测图片中的区域坐标范围;若不在范围阈值之内,则所述特定目标不在待检测图片中。
一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使计算机设备执行所述的图像中特定目标提取方法。
一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行所述的图像中特定目标提取方法。
有益技术效果:
本申请解决了相关技术中图像中难以提取准确特定目标位置以及小区域误测的问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的一种图像中特定目标提取方法流程图;
图2是根据本申请实施例提供的特定目标在待检测图片中的区域坐标范围计算过程流程图;
图3是根据本申请实施例提供的一种图像中特定目标提取系统原理框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅是本申请一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,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。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本申请中的具体含义。
另外,术语“多个”的含义应为两个以及两个以上。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
在本申请实施例中,采用将特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比的方式,达到了提取特定目标的的目的,从而解决了相关技术中图像中难以提取准确特定目标位置以及小区域误测的问题。
第一方面,本申请提供了图像中特定目标提取方法,如图1所示,包括如下步骤:
步骤S1:采集标准图并将标准图转化为二值图。注意转换的阈值,最大限度保留原始图片的特征;
步骤S2:从转化二值图后的标准图中提取特定目标,生成特定目标缩略图;
步骤S3:记录所述特定目标在二值图后的标准图中的位置,即所述特定目标在标准图中的区域坐标范围;
步骤S4:将所述特定目标缩略图放置在待检测图片中进行搜索,得到搜索结果以及特定目标在待检测图片中的区域坐标范围;
步骤S5:将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内;
步骤S6:若在范围阈值之内,则目标提取成功并输出特定目标在待检测图片中的区域坐标范围;
步骤S7:若不在范围阈值之内,则所述特定目标不在待检测图片中。
将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内,具体过程如下:
所述特定目标在标准图中的区域坐标范围由两组坐标组成,第一组坐标为所述特定目标在标准图中左上角第一个点的坐标,第二组坐标为右下角最后一个点的坐标;
将第二组坐标与第一组坐标相减,得到所述特定目标在标准图中的长度以及宽度;
所述特定目标在待检测图片中的区域坐标范围由两组坐标组成,第三组坐标为所特定目标在待检测图片中左上角第一个点的坐标,第四组坐标为右下角最后一个点的坐标;
将第四组坐标与第三组坐标相减,得到所述特定目标在待检测图片中的长度及宽度;
所述预设定范围阈值为长度第一阈值与长度第二阈值、宽度第一阈值与宽度第二阈值,均为百分数;
当所述特定目标在待检测图片中的长度落入到(特定目标在标准图中的长度×长度第一阈值,特定目标在标准图中的长度×长度第二阈值)范围中,且当所述特定目标在待检测图片中的宽度落入到(特定目标在标准图中的宽度×宽度第一阈值,特定目标在标准图中的宽度×宽度第二阈值)范围中时,则所述特定目标在待检测图片中的区域坐标在预设定范围阈值之内,否则不在阈值范围之内。
所述搜索结果,若待检测图片中有一块区域与所述特定目标缩略图相匹配,那么返回匹配成功结果;若待检测图片中没有与所述特定目标缩略图相匹配的区域,则返回匹配不成功结果;若待检测图片中有多块区域与所述特定目标缩略图相匹配,则对待检测图片进行再次分割,并对分割后的每个图片分别与所述特定目标缩略图进行再次搜索,分别得到每个图片的搜索结果。
所述特定目标缩略图应小于待检测图片,若特定目标缩略图大于待检测图片,则需要对特定目标缩略图进行缩小。
所述待检测图片的像素应该大于等于像素阈值,若所述待检测图片的像素小于像素阈值,则需重新采集待检测图片。待检测图片需要清晰、完整,并且达到一定的像素要求,如果不能满足,将会影响判别的结果。
所述特定目标在待检测图片中的区域坐标范围,如图2所示,计算过程如下:
步骤S11:将所述待检测图片与所述特定目标缩略图的左上角对齐;
步骤S12:从待检测图片左上角开始,按照预设定的增量,滑动特定目标缩略图;
步骤S13:每滑动一个位置,记录该位置坐标并计算相似度;
步骤S14:将每个位置坐标对应的相似度保存在结果矩阵R中;
步骤S15:在结果矩阵R中找到相似度的最大值,并返回对应的位置坐标;
步骤S16:若所述相似度的最大值大于等于预设定的相似度阈值,则返回此时对应的位置坐标下,所述特定目标缩略图在所述待检测图片中的区域坐标范围。若所述相似度的最大值小于预设定的相似度阈值,则所述特定目标缩略图与所述待检测图片不具有相似性。
所述相似度为所述待检测图片与所述特定目标缩略图的相似度,采用TM-SQDIFF(Template match-Squared Differences,平方差匹配)方法,公式如下:
其中,x',y'为变量,在输入图像的范围内变化,x,y为当前检测的像素点。
第二方面,本申请还提供了一种图像中特定目标提取系统,如图3所示,包括:
标准图转化模块、缩略图生成模块、位置记录模块、搜索模块、对比模块;
所述标准图转化模块、缩略图生成模块、位置记录模块、搜索模块、对比模块依次顺序连接;
所述标准图转化模块用于采集标准图并将标准图转化为二值图;
所述缩略图生成模块用于从转化二值图后的标准图中提取特定目标,生成特定目标缩略图;
所述位置记录模块用于记录所述特定目标在二值图后的标准图中的位置,即所述特定目标在标准图中的区域坐标范围;
所述搜索模块用于将所述特定目标缩略图放置在待检测图片中进行搜索,得到搜索结果以及特定目标在待检测图片中的区域坐标范围;
所述对比模块用于将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内;若在范围阈值之内,则目标提取成功并输出特定目标在待检测图片中的区域坐标范围;若不在范围阈值之内,则所述特定目标不在待检测图片中。
一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使计算机设备执行所述的图像中特定目标提取方法。
一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行所述的图像中特定目标提取方法。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像中特定目标提取方法,其特征在于,包括如下步骤;
采集标准图并将标准图转化为二值图;
从转化二值图后的标准图中提取特定目标,生成特定目标缩略图;
记录所述特定目标在二值图后的标准图中的位置,即所述特定目标在标准图中的区域坐标范围;
将所述特定目标缩略图放置在待检测图片中进行搜索,得到搜索结果以及特定目标在待检测图片中的区域坐标范围;
将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内;
若在范围阈值之内,则目标提取成功并输出特定目标在待检测图片中的区域坐标范围;
若不在范围阈值之内,则所述特定目标不在待检测图片中。
2.如权利要求1所述的图像中特定目标提取方法,其特征在于,包括:
将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内,具体过程如下:
所述特定目标在标准图中的区域坐标范围由两组坐标组成,第一组坐标为所述特定目标在标准图中左上角第一个点的坐标,第二组坐标为右下角最后一个点的坐标;
将第二组坐标与第一组坐标相减,得到所述特定目标在标准图中的长度以及宽度;
所述特定目标在待检测图片中的区域坐标范围由两组坐标组成,第三组坐标为所特定目标在待检测图片中左上角第一个点的坐标,第四组坐标为右下角最后一个点的坐标;
将第四组坐标与第三组坐标相减,得到所述特定目标在待检测图片中的长度及宽度;
所述预设定范围阈值为长度第一阈值与长度第二阈值、宽度第一阈值与宽度第二阈值,均为百分数;
当所述特定目标在待检测图片中的长度落入到(特定目标在标准图中的长度×长度第一阈值,特定目标在标准图中的长度×长度第二阈值)范围中,且当所述特定目标在待检测图片中的宽度落入到(特定目标在标准图中的宽度×宽度第一阈值,特定目标在标准图中的宽度×宽度第二阈值)范围中时,则所述特定目标在待检测图片中的区域坐标在预设定范围阈值之内,否则不在阈值范围之内。
3.如权利要求1所述的图像中特定目标提取方法,其特征在于,所述搜索结果,若待检测图片中有一块区域与所述特定目标缩略图相匹配,那么返回匹配成功结果;若待检测图片中没有与所述特定目标缩略图相匹配的区域,则返回匹配不成功结果;若待检测图片中有多块区域与所述特定目标缩略图相匹配,则对待检测图片进行再次分割,并对分割后的每个图片分别与所述特定目标缩略图进行再次搜索,分别得到每个图片的搜索结果。
4.如权利要求1所述的图像中特定目标提取方法,其特征在于,所述特定目标缩略图应小于待检测图片,若特定目标缩略图大于待检测图片,则需要对特定目标缩略图进行缩小。
5.如权利要求1所述的图像中特定目标提取方法,其特征在于,所述待检测图片的像素应该大于等于像素阈值,若所述待检测图片的像素小于像素阈值,则需重新采集待检测图片。
6.如权利要求1所述的图像中特定目标提取方法,其特征在于,所述特定目标在待检测图片中的区域坐标范围,计算过程如下:
将所述待检测图片与所述特定目标缩略图的左上角对齐;
从待检测图片左上角开始,按照预设定的增量,滑动特定目标缩略图;
每滑动一个位置,记录该位置坐标并计算相似度;
将每个位置坐标对应的相似度保存在结果矩阵R中;
在结果矩阵R中找到相似度的最大值,并返回对应的位置坐标;
若所述相似度的最大值大于等于预设定的相似度阈值,则返回此时对应的位置坐标下,所述特定目标缩略图在所述待检测图片中的区域坐标范围。
8.一种图像中特定目标提取系统,其特征在于,采用如权利要求1-7任一项所述的图像中特定目标提取方法实现,包括:标准图转化模块、缩略图生成模块、位置记录模块、搜索模块、对比模块;
所述标准图转化模块、缩略图生成模块、位置记录模块、搜索模块、对比模块依次顺序连接;
所述标准图转化模块用于采集标准图并将标准图转化为二值图;
所述缩略图生成模块用于从转化二值图后的标准图中提取特定目标,生成特定目标缩略图;
所述位置记录模块用于记录所述特定目标在二值图后的标准图中的位置,即所述特定目标在标准图中的区域坐标范围;
所述搜索模块用于将所述特定目标缩略图放置在待检测图片中进行搜索,得到搜索结果以及特定目标在待检测图片中的区域坐标范围;
所述对比模块用于将所述特定目标在标准图中的区域坐标范围以及特定目标在待检测图片中的区域坐标范围进行对比,判断是否在预设定范围阈值之内;若在范围阈值之内,则目标提取成功并输出特定目标在待检测图片中的区域坐标范围;若不在范围阈值之内,则所述特定目标不在待检测图片中。
9.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使计算机设备执行根据权利要求1-7任一项所述的图像中特定目标提取方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1-7任一项所述的图像中特定目标提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011333819.1A CN112528761B (zh) | 2020-11-24 | 2020-11-24 | 图像中特定目标提取方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011333819.1A CN112528761B (zh) | 2020-11-24 | 2020-11-24 | 图像中特定目标提取方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528761A true CN112528761A (zh) | 2021-03-19 |
CN112528761B CN112528761B (zh) | 2023-04-07 |
Family
ID=74993145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011333819.1A Active CN112528761B (zh) | 2020-11-24 | 2020-11-24 | 图像中特定目标提取方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528761B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513038A (zh) * | 2014-10-20 | 2016-04-20 | 网易(杭州)网络有限公司 | 图像匹配方法及手机应用测试平台 |
CN105913028A (zh) * | 2016-04-13 | 2016-08-31 | 华南师范大学 | 一种基于face++平台的人脸跟踪方法及其装置 |
CN109146918A (zh) * | 2018-06-11 | 2019-01-04 | 西安电子科技大学 | 一种基于分块的自适应相关目标定位方法 |
CN109801318A (zh) * | 2019-01-30 | 2019-05-24 | 东北大学 | 一种快速物体匹配算法 |
CN110502962A (zh) * | 2018-05-18 | 2019-11-26 | 翔升(上海)电子技术有限公司 | 视频流中目标的检测方法、装置、设备和介质 |
CN110689535A (zh) * | 2019-09-29 | 2020-01-14 | 歌尔股份有限公司 | 一种工件识别方法、装置及电子设备和存储介质 |
CN111161208A (zh) * | 2019-11-21 | 2020-05-15 | 深圳航天智控科技有限公司 | 图像检测方法和装置 |
CN111598076A (zh) * | 2020-05-25 | 2020-08-28 | 北京明略软件系统有限公司 | 一种标签图像中日期检测处理方法及装置 |
CN111738321A (zh) * | 2020-06-12 | 2020-10-02 | 腾讯音乐娱乐科技(深圳)有限公司 | 数据处理方法、装置、终端设备以及存储介质 |
CN111862149A (zh) * | 2020-06-16 | 2020-10-30 | 北京九州天航科技发展有限公司 | 一种红外周扫预警系统的运动告警方法及系统 |
-
2020
- 2020-11-24 CN CN202011333819.1A patent/CN112528761B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513038A (zh) * | 2014-10-20 | 2016-04-20 | 网易(杭州)网络有限公司 | 图像匹配方法及手机应用测试平台 |
CN105913028A (zh) * | 2016-04-13 | 2016-08-31 | 华南师范大学 | 一种基于face++平台的人脸跟踪方法及其装置 |
CN110502962A (zh) * | 2018-05-18 | 2019-11-26 | 翔升(上海)电子技术有限公司 | 视频流中目标的检测方法、装置、设备和介质 |
CN109146918A (zh) * | 2018-06-11 | 2019-01-04 | 西安电子科技大学 | 一种基于分块的自适应相关目标定位方法 |
CN109801318A (zh) * | 2019-01-30 | 2019-05-24 | 东北大学 | 一种快速物体匹配算法 |
CN110689535A (zh) * | 2019-09-29 | 2020-01-14 | 歌尔股份有限公司 | 一种工件识别方法、装置及电子设备和存储介质 |
CN111161208A (zh) * | 2019-11-21 | 2020-05-15 | 深圳航天智控科技有限公司 | 图像检测方法和装置 |
CN111598076A (zh) * | 2020-05-25 | 2020-08-28 | 北京明略软件系统有限公司 | 一种标签图像中日期检测处理方法及装置 |
CN111738321A (zh) * | 2020-06-12 | 2020-10-02 | 腾讯音乐娱乐科技(深圳)有限公司 | 数据处理方法、装置、终端设备以及存储介质 |
CN111862149A (zh) * | 2020-06-16 | 2020-10-30 | 北京九州天航科技发展有限公司 | 一种红外周扫预警系统的运动告警方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘瑞祯 等: "匹配", 《OPENCV教程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112528761B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046529B (zh) | 二维码识别方法、装置及设备 | |
CN108960211B (zh) | 一种多目标人体姿态检测方法以及系统 | |
CN101908136B (zh) | 一种表格识别处理方法及系统 | |
KR20140091762A (ko) | 히스토그램들을 갖는 다중 층 연결 요소들을 사용하는 텍스트 검출 | |
CN103577818A (zh) | 一种图像文字识别的方法和装置 | |
US8175335B2 (en) | Content adaptive detection of images with stand-out object | |
CN103279952A (zh) | 一种目标跟踪方法和装置 | |
CN110363179B (zh) | 地图获取方法、装置、电子设备以及存储介质 | |
RU2697649C1 (ru) | Способы и системы сегментации документа | |
WO2019007253A1 (zh) | 图像识别方法、装置及设备、可读介质 | |
US20180232400A1 (en) | Sketch-based image searching system using cell-orientation histograms and outline extraction based on medium-level features | |
CN114782499A (zh) | 一种基于光流和视图几何约束的图像静态区域提取方法及装置 | |
CN115375917B (zh) | 一种目标边缘特征提取方法、装置、终端及存储介质 | |
CN113557520A (zh) | 字符处理及字符识别方法、存储介质和终端设备 | |
CN111626145A (zh) | 一种简捷有效的残缺表格识别及跨页拼接方法 | |
CN114067339A (zh) | 图像识别方法及其装置、电子设备、计算机可读存储介质 | |
CN114119695A (zh) | 一种图像标注方法、装置及电子设备 | |
CN112528761B (zh) | 图像中特定目标提取方法、系统、电子设备及存储介质 | |
CN115131693A (zh) | 文本内容识别方法、装置、计算机设备和存储介质 | |
CN113228105A (zh) | 一种图像处理方法、装置和电子设备 | |
CN115223173A (zh) | 对象识别方法、装置、电子设备及存储介质 | |
JPH07168910A (ja) | 文書レイアウト解析装置及び文書フォ−マット識別装置 | |
JP4418726B2 (ja) | 文字列探索装置、探索方法およびこの方法のプログラム | |
CN112990076A (zh) | 一种基于人工智能的数据整理方法和装置 | |
CN112825141B (zh) | 识别文本的方法、装置、识别设备和存储介质 |
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 |