CN112651983A - 拼接图识别方法、装置、电子设备和存储介质 - Google Patents
拼接图识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112651983A CN112651983A CN202011480962.3A CN202011480962A CN112651983A CN 112651983 A CN112651983 A CN 112651983A CN 202011480962 A CN202011480962 A CN 202011480962A CN 112651983 A CN112651983 A CN 112651983A
- Authority
- CN
- China
- Prior art keywords
- target
- mosaic
- edge
- edge lines
- edge line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000015654 memory Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000003708 edge detection Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种拼接图识别方法、装置、电子设备和存储介质，涉及计算机视觉和深度学习技术领域。具体实现方案为：识别目标图像中的多条边缘线，将多条边缘线划分为第一集合和第二集合，其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值，在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线，根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。本申请中基于边缘识别，能够识别出准确的拼接位置，提高了拼接图识别的准确度。
Description
技术领域
本申请涉及人工智能技术领域，具体为计算机视觉和深度学习，尤其涉及一种拼接图识别方法、装置、电子设备和存储介质。
背景技术
得益于4G网络的发展，互联网图片广泛地进入了大家的生活，尤其是视频直播场景，每时每刻都有海量的直播内容在互联网分发传播。对直播内容进行审核分析，维护健康绿色的互联网环境是一个非常值得研究的问题。
在直播场景中，拼接图广泛存在，而多个画面拼接得到的拼接图，会导致部分拼接图画面尺寸较小，在审核处理时，如果无法准确识别出各个拼接图，则容易导致漏检的问题。
发明内容
本申请提供了一种用于提高拼接位置识别准确度的拼接图识别方法、装置、电子设备和存储介质。
根据本申请的一方面，提供了一种拼接图识别方法，包括：
识别目标图像中的多条边缘线；
将所述多条边缘线划分为第一集合和第二集合；其中，所述第一集合中的边缘线与所述第二集合中的边缘线之间的夹角大于设定阈值；
在所述第一集合中，查询与所述第二集合中的边缘线端点邻接的邻接边缘线；
根据所述第二集合中的边缘线，以及所述第一集合中对应的邻接边缘线，识别所述目标图像中的拼接图。
根据本申请的另一方面，提供了一种拼接图识别装置，包括：
边缘识别模块，用于识别目标图像中的多条边缘线；
划分模块，用于将所述多条边缘线划分为第一集合和第二集合；其中，所述第一集合中的边缘线与所述第二集合中的边缘线之间的夹角大于设定阈值；
查询模块，用于在所述第一集合中，查询与所述第二集合中的边缘线端点邻接的邻接边缘线；
图像识别模块，用于根据所述第二集合中的边缘线，以及所述第一集合中对应的邻接边缘线，识别所述目标图像中的拼接图。
根据本申请的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的拼接图识别方法。
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行第一方面所述的拼接图识别方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现第一方面所述的拼接图识别方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例所提供的一种拼接图识别方法的流程示意图；
图2是本申请实施例提供的一种边缘线识别示意图；
图3为本申请实施例提供的另一种拼接图识别方法的流程示意图；
图4为本申请实施例提供的一种拼接图识别示意图；
图5为本申请实施例提供的另一种拼接图识别方法的流程示意图；
图6为本申请实施例提供的一种拼接图模板匹配示意图；
图7为本申请实施例提供的另一种拼接图模板匹配示意图；
图8为本申请实施例提供的一种拼接图识别装置的结构示意图；
图9是本申请实施例提供的一种电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
下面参考附图描述本申请实施例的拼接图识别方法、装置、电子设备和存储介质。
图1为本申请实施例所提供的一种拼接图识别方法的流程示意图。
如图1所示，该方法包括以下步骤：
步骤101，识别目标图像中的多条边缘线。
在本申请实施例的一种实现方式中，对待识别的目标图像进行二值化处理，即将目标图像上的像素点的灰度值设置为0或255，即将整个目标图像呈现出明显的只有黑和白的视觉效果，以使得图像的边缘特征增加，进而利用Cann9边缘检测算子和/或Sobel边缘检测算子对轮廓图进行检测，识别图像中的多条边缘，进而，采用霍夫线段检测算法，识别出各个边缘对应的线段，得到边缘线。其中，边缘线包含水平方向、竖直方向、以及和水平方向或竖直方向存在预设夹角的预设方向上的边缘线，本实施例中不一一列举，也不进行限定。
在本申请实施例的另一种可能的实现方式中，以深度级可分离卷积构建的轻量级神经网络MobileNetv1为神经网络模型backbone模型，构建U-net网络结构，基于边缘检测算法，例如，Head和RCF(Richer Convolutional Features)等构建边缘的分类损失函数，采用深度学习的方式进行边缘检测模型训练，以使得训练得到的边缘检测模型可以识别得到目标图像中包含的多条边缘线。
例如，如图2所示，图2中A为目标图像，B为本实施例的边缘检测模型，C为识别得到包含多个边缘线的图像，其中，白色的线即为识别得到的边缘线，例如，C1、C2、C3和C4，本实施例中不一一列举。
步骤102，将多条边缘线划分为第一集合和第二集合，其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值。
本实施例中，由于识别出的边缘线中存在多个角度的边缘线，而在不同的应用场景下，拼接图的边缘线设置也不同，例如，有些拼接图采用的是水平线和竖直线，有些拼接图采用的是水平线，以及和水平线存在预设夹角的斜线，例如，水平线和斜线构成平行四边形，此处不一一列举。本实施例中可根据实际使用场景下，边缘线之间的夹角的设置进行集合的划分，为了便于区别，称为第一集合和第二集合，其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值，例如，将水平的边缘线划分为第一集合，将竖直的边缘线划分为第二集合。
步骤103，在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线。
本实施例中，在第一集合中，针对第一集合中的每一个边缘线，在第二集合中查询与相应边缘线的端点邻接的邻接边缘线，也就是说从第一集合和第二集合中，找到存在有共同端点的两个邻接边缘线。
作为一种可能的实现方式，在第一集合中，针对第一集合中的每一个边缘线，与第二集合中的所有边缘线进行距离计算，若两个边缘线之间的距离小于预设距离，则确定两个边缘线为邻接边缘线。例如，第一集合为V，其中为水平边缘线，第二集合为H，其中为竖直边缘线，从V结合中任选一个水平边缘线v，与H集合中的所有竖直边缘线h一一比对，将距离小于预设距离的两个边缘线确定为邻接边缘线。
作为另一种可能的实现方式，在第二集合中，针对第二集合中的每一个边缘线，与第一集合中的所有边缘线进行距离计算，若两个边缘线之间的距离小于预设距离，则确定两个边缘线为邻接边缘线。
步骤104，根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。
本实施例中，由于从第一集合和第二集合中确定了存在邻接关系的邻接边缘线，从而根据确定的邻接关系，可以从目标图像中确定存在邻接关系的边缘线围成的矩形框，根据围合成矩形框的各个边缘的位置，可确定矩形框在目标图像中的位置，从而识别得到目标图像中的拼接图，通过各个边缘线的识别，以及边缘线之间的连接关系和位置关系的识别，可准确识别出目标图像中的拼接图。
本实施例的拼接图识别方法中，识别目标图像中的多条边缘线，将多条边缘线划分为第一集合和第二集合，其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值，在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线，根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。本申请中基于边缘识别，能够识别出准确的拼接位置，提高了拼接图识别的准确度。
基于上述实施例，本实施例提供了另一种拼接图识别方法。图3为本申请实施例提供的另一种拼接图识别方法的流程示意图。
如图3所示，上述步骤104，包含以下步骤：
步骤301，从第二集合中确定目标边缘线，其中，目标边缘线的两端点分别具有对应的邻接边缘线。
本实施例中，目标边缘线的两端点对应的邻接边缘线，与目标边缘线的相对位置关系符合设定条件。
其中，目标边缘线可以为水平方向的边缘线，也可以为竖直方向的边缘线。其中，水平方向的边缘线包含与水平方向夹角为零度的水平边缘线，以及与水平方向夹角为预设角度的边缘线，例如，与水平方向夹角为10度的边缘线。同理，竖直方向的边缘线包含与水平方向夹角为90度，即垂直边缘线，也包含非垂直边缘线，本实施例中不进行限定。
本实施例中，以水平边缘线和垂直边缘线为例进行说明。
在本申请实施例的一种实现方式中，第二集合中确定的目标边缘线为垂直边缘线，其中，符合设定条件的相对位置关系，即为垂直边缘线的两端点对应的邻接边缘线，为左上位置的边缘线和左下位置的边缘线；或者垂直边缘线的两端点对应的邻接边缘线，为右上位置的边缘线和右下位置的边缘线，实现了基于对应的设定条件，确定垂直边缘线的邻接边缘线，以便于后续回归出矩形框。
在本申请实施例的另一种实现方式中，第二集合中确定的目标边缘线为水平边缘线，其中，符合设定条件的相对位置关系，即为水平边缘线的两端点对应的邻接边缘线，为左下位置的边缘线和右下位置的边缘线；或者水平边缘线的两端点对应的邻接边缘线，为右上位置的边缘线和左上位置的边缘线，实现了基于对应的设定条件，确定水平边缘线的邻接边缘线，以便于后续回归出矩形框。
步骤302，对目标边缘线和对应的邻接边缘线矩形框回归，得到拼接边框。
本实施例中，利用目标边缘线，以及目标边缘线两端点对应的两条邻接边缘线，回归出对应的多个矩形框，进而对多个矩形框采用NMS(Non-Maximum Suppression，非极大值抑制)进行去重，可选地，矩形框的面积越大，对应的置信度分值越低，即矩形框的置信度分值和矩形框的面积成反比，如图4所示，D图中包含了得到的多个矩形框，不同面积的矩形框置信度分值不同，通过去重以实现保留置信度最高的目标矩形框，该目标矩形框即为拼接边框，如图E中的矩形框。进而，根据目标边缘线的两个端点的位置坐标，以及对应的邻接边缘线的端点的位置坐标，确定拼接边框的位置坐标。
步骤303，依据拼接边框，在目标图像中确定拼接图。
本实施例中，根据确定了在目标图像中的位置坐标的拼接边框，在目标图像中确定拼接图，提高了拼接图确定的准确性。
本实施例的拼接图识别方法中，根据预先确定的设定位置关系，查找确定第二集合中的目边缘线，从而对目标边缘线和对应的邻接边缘线矩形框回归，得到拼接边框，依据拼接边框，在目标图像中确定拼接图，实现了基于边缘识别，确定拼接边框，以准确确定拼接位置，从而提高了拼接图确定的准确性。
实际应用中，不同场景下使用的拼接图不同，有些场景下拼接图的是客户指定的，拼接图的拼接方式也较为多变。有些场景下，拼接图的拼接方式可能是相对固定的，例如采用预设模板形式的拼接图，而模板形式的拼接图，拼接图在图像中的位置和模式是相对固定的，因此，可根据目标图像中识别出的边缘线，查询是否存在匹配的拼接图模板，进而根据拼接图模板，确定拼接图，以提高识别的效率。
基于上述实施例，本实施例提供了另一种拼接图识别方法，说明了如何根据拼接图模板，识别目标图像中的拼接图。图5为本申请实施例提供的另一种拼接图识别方法的流程示意图，如图5所示，该方法包含以下步骤：
步骤501，识别目标图像中的多条边缘线。
本实施例中的步骤501，可分别采用本申请的上述各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。
步骤502，根据各边缘线在目标图像中的图像位置，查询匹配的拼接图模板。
本实施例中，根据各边缘线中包含的目标像素点在目标图像中的行和列，分别统计各行所包含的目标像素点的个数，各列所包含的目标像素点的个数，根据包含的目标像素点的个数，从各行中确定出具有个数峰值的目标行，以及从各列中确定出具有个数峰值的目标列，根据目标行和目标列在目标图像中的图像位置，确定匹配的拼接图模板。
如图6所示，识别出目标图像的各个边缘线后，根据各边缘线中包含的目标像素点在目标图像中的行和列，在纵轴Y方向上进行投影，统计各行包含的目标像素点的个数，根据预设的个数阈值，确定出具有峰值的目标行，即H指示的图中包含的3个峰值；在横轴X方向上进行投影，统计各列包含的目标像素点的个数，根据预设的个数阈值，确定出具有峰值的目标列，即L指示的图中包含的3个峰值，进而，根据目标行和目标列在目标图像中的图像位置，和预设的拼接图模板边缘在图像中的位置，即可确定匹配的拼接图模板为图6中的4分屏模板。
同理，图7所示，确定出具有峰值的目标行个数为2个，具有峰值的目标列个数为2个，即图7中的目标图像中仅为一个图像，不包含拼接图，从而则无法匹配到拼接图模板。
其中，由于拼接图的边缘为连续的线段，其在图像中包含的像素个数通常较多，如果行或列的投影位置对应的像素个数出现大于阈值的峰值，则说明该行或列属于拼接图边缘，提高了拼接图边缘识别的准确性。
步骤503，判断是否查询到匹配的拼接图模板，若是，执行步骤504，若否，执行步骤505。
本实施例中，在查询到匹配的拼接图模板后，基于拼接图模板，识别目标图像中的拼接图，提高了拼接图识别的可靠度。若未查询到匹配的拼接图模板，例如，拼接图的拼接方式不是常规形式，则采用通用的拼接图识别方法，即图1-图4对应实施例中的任一拼接图识别方法，实现基于边缘的检测，以准确识别出拼接的位置，从而提高拼接图识别的准确性。
步骤504，根据匹配的拼接图模板，识别目标图像中的拼接图。
本实施例中，在确定匹配的拼接图模板后，可以根据拼接图模板，识别目标图像中包含的拼接图，例如图6中，确定匹配的拼接图模板为4分屏模板，则根据4分屏模板，确定目标图像中包含的4个拼接图，提高了拼接图识别的准确性，避免了拼接图无法识别出。
步骤505，将多条边缘线划分为第一集合和第二集合。
步骤506，在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线。
步骤507，根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。
需要说明的是，步骤505-步骤507，可以分别采用本申请的各实施例中的任一种方式实现，本申请实施例并不对此作出限定，也不再赘述。
本实施例中，识别目标图像中的多条边缘线，根据边缘线进行拼接图模板的识别，在识别到拼接图模板后，进行拼接图模板的匹配，进而根据匹配到的拼接图模板进行拼接位置的识别，以提高拼接图识别的可靠性；若未识别到拼接图模板，则将多条边缘线划分为第一集合和第二集合，其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值，在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线，根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。本申请中基于边缘识别，能够识别出准确的拼接位置，提高了拼接图识别的准确度。
为了实现上述实施例，本实施例提供了一种拼接图识别装置。
图8为本申请实施例提供的一种拼接图识别装置的结构示意图。
如图8所示，该装置包含：
边缘识别模块81，用于识别目标图像中的多条边缘线。
划分模块82，用于将多条边缘线划分为第一集合和第二集合；其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值。
查询模块83，用于在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线。
图像识别模块84，用于根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。
进一步，在本申请实施例的一种实现方式中，上述图像识别模块84，包括：
从所述第二集合中确定目标边缘线；其中，所述目标边缘线的两端点分别具有对应的邻接边缘线；对所述目标边缘线和对应的所述邻接边缘线矩形框回归，得到拼接边框；依据所述拼接边框，在所述目标图像中确定所述拼接图。
在本申请实施例的一种实现方式中，所述目标边缘线的两端点对应的所述邻接边缘线，与所述目标边缘线的相对位置关系符合设定条件。
在本申请实施例的一种实现方式中，上述查询模块83，还用于根据各边缘线在所述目标图像中的图像位置，查询匹配的拼接图模板；其中，所述拼接图模板用于指示所述拼接图在所述目标图像中的设定位置。
上述图像识别模块84，还用于根据匹配的拼接图模板，识别所述目标图像中的拼接图。
上述查询模块83，具体还用于：
根据各边缘线中包含的目标像素点在所述目标图像中的行和列，分别统计各行所包含的所述目标像素点的个数，各列所包含的所述目标像素点的个数；根据包含的所述目标像素点的个数，从各行中确定出具有个数峰值的目标行，以及从各列中确定出具有个数峰值的目标列；根据所述目标行和所述目标列在所述目标图像中的图像位置，确定匹配的拼接图模板。
在本申请实施例的一种实现方式中，上述划分模块82，具体用于：
在未查询到所述匹配的拼接图模板的情况下，根据各边缘线的方向，将所述多条边缘线划分为第一集合和第二集合。
本实施例的拼接图识别装置中，识别目标图像中的多条边缘线，将多条边缘线划分为第一集合和第二集合，其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值，在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线，根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。本申请中基于边缘识别，能够识别出准确的拼接位置，提高了拼接图识别的准确度。
为了实现上述实施例，本申请实施例还提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前述方法实施例所述的拼接图识别方法。
为了实现上述实施例，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如前述方法实施例所述的拼接图识别方法。
为了实现上述实施例，本申请实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如前述方法实施例所述的拼接图识别方法。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图9所示，是本申请实施例提供的一种电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示，该电子设备包括：一个或多个处理器901、存储器902，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的拼接图识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的拼接图识别方法。
存储器902作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的拼接图识别方法对应的程序指令/模块(例如，附图8所示的边缘识别模块81、划分模块82、查询模块83和图像识别模块84)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的拼接图识别方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据拼接图识别方法的电子设备的使用所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至拼接图识别方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
拼接图识别方法的电子设备还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息，以及产生与拼接图识别方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
根据本申请实施例的技术方案，识别目标图像中的多条边缘线，将多条边缘线划分为第一集合和第二集合，其中，第一集合中的边缘线与第二集合中的边缘线之间的夹角大于设定阈值，在第一集合中，查询与第二集合中的边缘线端点邻接的邻接边缘线，根据第二集合中的边缘线，以及第一集合中对应的邻接边缘线，识别目标图像中的拼接图。本申请中基于边缘识别，能够识别出准确的拼接位置，提高了拼接图识别的准确度。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (15)
1.一种拼接图识别方法，包括：
识别目标图像中的多条边缘线；
将所述多条边缘线划分为第一集合和第二集合；其中，所述第一集合中的边缘线与所述第二集合中的边缘线之间的夹角大于设定阈值；
在所述第一集合中，查询与所述第二集合中的边缘线端点邻接的邻接边缘线；
根据所述第二集合中的边缘线，以及所述第一集合中对应的邻接边缘线，识别所述目标图像中的拼接图。
2.根据权利要求1所述的拼接图识别方法，其中，所述根据所述第二集合中的边缘线，以及所述第一集合中对应的邻接边缘线，识别所述目标图像中的拼接图，包括：
从所述第二集合中确定目标边缘线；其中，所述目标边缘线的两端点分别具有对应的邻接边缘线；
对所述目标边缘线和对应的所述邻接边缘线矩形框回归，得到拼接边框；
依据所述拼接边框，在所述目标图像中确定所述拼接图。
3.根据权利要求2所述的拼接图识别方法，其中，所述目标边缘线的两端点对应的所述邻接边缘线，与所述目标边缘线的相对位置关系符合设定条件。
4.根据权利要求1-3任一项所述的拼接图识别方法，其中，所述识别目标图像中的多条边缘线之后，还包括：
根据各边缘线在所述目标图像中的图像位置，查询匹配的拼接图模板；其中，所述拼接图模板用于指示所述拼接图在所述目标图像中的设定位置；
根据匹配的拼接图模板，识别所述目标图像中的拼接图。
5.根据权利要求4所述的拼接图识别方法，其中，所述根据各边缘线在所述目标图像中的图像位置，查询匹配的拼接图模板，包括：
根据各边缘线中包含的目标像素点在所述目标图像中的行和列，分别统计各行所包含的所述目标像素点的个数，各列所包含的所述目标像素点的个数；
根据包含的所述目标像素点的个数，从各行中确定出具有个数峰值的目标行，以及从各列中确定出具有个数峰值的目标列；
根据所述目标行和所述目标列在所述目标图像中的图像位置，确定匹配的拼接图模板。
6.根据权利要求4所述的拼接图识别方法，其中，所述将所述多条边缘线划分为第一集合和第二集合，包括：
在未查询到所述匹配的拼接图模板的情况下，根据各边缘线的方向，将所述多条边缘线划分为第一集合和第二集合。
7.一种拼接图识别装置，包括：
边缘识别模块，用于识别目标图像中的多条边缘线；
划分模块，用于将所述多条边缘线划分为第一集合和第二集合；其中，所述第一集合中的边缘线与所述第二集合中的边缘线之间的夹角大于设定阈值；
查询模块，用于在所述第一集合中，查询与所述第二集合中的边缘线端点邻接的邻接边缘线；
图像识别模块，用于根据所述第二集合中的边缘线，以及所述第一集合中对应的邻接边缘线，识别所述目标图像中的拼接图。
8.根据权利要求7所述的拼接图识别装置，其中，所述图像识别模块，具体用于：
从所述第二集合中确定目标边缘线；其中，所述目标边缘线的两端点分别具有对应的邻接边缘线；
对所述目标边缘线和对应的所述邻接边缘线矩形框回归，得到拼接边框；
依据所述拼接边框，在所述目标图像中确定所述拼接图。
9.根据权利要求8所述的拼接图识别装置，其中，所述目标边缘线的两端点对应的所述邻接边缘线，与所述目标边缘线的相对位置关系符合设定条件。
10.根据权利要求7-9任一项所述的拼接图识别装置，其中，
所述查询模块，还用于根据各边缘线在所述目标图像中的图像位置，查询匹配的拼接图模板；其中，所述拼接图模板用于指示所述拼接图在所述目标图像中的设定位置；
所述图像识别模块，还用于根据匹配的拼接图模板，识别所述目标图像中的拼接图。
11.根据权利要求10所述的拼接图识别装置，其中，所述查询模块，具体还用于：
根据各边缘线中包含的目标像素点在所述目标图像中的行和列，分别统计各行所包含的所述目标像素点的个数，各列所包含的所述目标像素点的个数；
根据包含的所述目标像素点的个数，从各行中确定出具有个数峰值的目标行，以及从各列中确定出具有个数峰值的目标列；
根据所述目标行和所述目标列在所述目标图像中的图像位置，确定匹配的拼接图模板。
12.根据权利要求10所述的拼接图识别装置，其中，所述划分模块，具体用于：
在未查询到所述匹配的拼接图模板的情况下，根据各边缘线的方向，将所述多条边缘线划分为第一集合和第二集合。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的拼接图识别方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的拼接图识别方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现权利要求1-6中任一项所述的拼接图识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011480962.3A CN112651983B (zh) | 2020-12-15 | 2020-12-15 | 拼接图识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011480962.3A CN112651983B (zh) | 2020-12-15 | 2020-12-15 | 拼接图识别方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112651983A true CN112651983A (zh) | 2021-04-13 |
| CN112651983B CN112651983B (zh) | 2023-08-01 |
Family
ID=75354126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011480962.3A Active CN112651983B (zh) | 2020-12-15 | 2020-12-15 | 拼接图识别方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112651983B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379871A (zh) * | 2021-06-24 | 2021-09-10 | 北京百度网讯科技有限公司 | 地图处理方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739674A (zh) * | 2008-11-19 | 2010-06-16 | 深圳迈瑞生物医疗电子股份有限公司 | 影像序列自动拼接方法与装置以及拼接系统 |
| KR20140098514A (ko) * | 2013-01-31 | 2014-08-08 | 엘지전자 주식회사 | 영상표시장치, 및 그 동작방법 |
| CN104504712A (zh) * | 2014-12-30 | 2015-04-08 | 百度在线网络技术（北京）有限公司 | 图片处理方法和装置 |
| CN104504684A (zh) * | 2014-12-03 | 2015-04-08 | 小米科技有限责任公司 | 边缘提取方法和装置 |
| CN108764171A (zh) * | 2018-05-31 | 2018-11-06 | 四川斐讯信息技术有限公司 | 一种拼接图像的识别方法及系统 |
| CN108965903A (zh) * | 2018-08-20 | 2018-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种识别直播视频的特定数字区域的方法及装置 |
| CN110569907A (zh) * | 2019-09-10 | 2019-12-13 | 网易（杭州）网络有限公司 | 拼接图形的识别方法及装置、计算机存储介质、电子设备 |
| CN110866930A (zh) * | 2019-11-18 | 2020-03-06 | 北京云聚智慧科技有限公司 | 语义分割辅助标注方法与装置 |
| CN111415298A (zh) * | 2020-03-20 | 2020-07-14 | 北京百度网讯科技有限公司 | 图像拼接方法、装置、电子设备及计算机可读存储介质 |
| WO2020228405A1 (zh) * | 2019-05-15 | 2020-11-19 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置及电子设备 |
-
2020
- 2020-12-15 CN CN202011480962.3A patent/CN112651983B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739674A (zh) * | 2008-11-19 | 2010-06-16 | 深圳迈瑞生物医疗电子股份有限公司 | 影像序列自动拼接方法与装置以及拼接系统 |
| KR20140098514A (ko) * | 2013-01-31 | 2014-08-08 | 엘지전자 주식회사 | 영상표시장치, 및 그 동작방법 |
| CN104504684A (zh) * | 2014-12-03 | 2015-04-08 | 小米科技有限责任公司 | 边缘提取方法和装置 |
| CN104504712A (zh) * | 2014-12-30 | 2015-04-08 | 百度在线网络技术（北京）有限公司 | 图片处理方法和装置 |
| CN108764171A (zh) * | 2018-05-31 | 2018-11-06 | 四川斐讯信息技术有限公司 | 一种拼接图像的识别方法及系统 |
| CN108965903A (zh) * | 2018-08-20 | 2018-12-07 | 无锡天脉聚源传媒科技有限公司 | 一种识别直播视频的特定数字区域的方法及装置 |
| WO2020228405A1 (zh) * | 2019-05-15 | 2020-11-19 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置及电子设备 |
| CN110569907A (zh) * | 2019-09-10 | 2019-12-13 | 网易（杭州）网络有限公司 | 拼接图形的识别方法及装置、计算机存储介质、电子设备 |
| CN110866930A (zh) * | 2019-11-18 | 2020-03-06 | 北京云聚智慧科技有限公司 | 语义分割辅助标注方法与装置 |
| CN111415298A (zh) * | 2020-03-20 | 2020-07-14 | 北京百度网讯科技有限公司 | 图像拼接方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| ASSIA K.等: "Edge-Enhancing of Color Segmented Images", 2012 EIGHTH INTERNATIONAL CONFERENCE ON SIGNAL IMAGE TECHNOLOGY AND INTERNET BASED SYSTEMS * |
| 朱远平, 夏利民: "一种适用于图像拼接的自适应模板匹配算法", 计算机工程与应用, no. 31 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379871A (zh) * | 2021-06-24 | 2021-09-10 | 北京百度网讯科技有限公司 | 地图处理方法及装置 |
| CN113379871B (zh) * | 2021-06-24 | 2023-12-26 | 北京百度网讯科技有限公司 | 地图处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112651983B (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112132113B (zh) | 车辆再识别的方法、装置、训练方法以及电子设备 | |
| CN111612820B (zh) | 多目标跟踪方法、特征提取模型的训练方法和装置 | |
| CN111722245B (zh) | 定位方法、定位装置和电子设备 | |
| CN110659600B (zh) | 物体检测方法、装置及设备 | |
| US11423659B2 (en) | Method, apparatus, electronic device, and storage medium for monitoring an image acquisition device | |
| CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
| US20210192815A1 (en) | Method and apparatus for generating map | |
| CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
| CN112270745B (zh) | 一种图像生成方法、装置、设备以及存储介质 | |
| WO2023273344A1 (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
| CN112184837B (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
| CN111275827A (zh) | 基于边缘的增强现实三维跟踪注册方法、装置和电子设备 | |
| CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
| CN111950345B (zh) | 摄像头的识别方法、装置、电子设备和存储介质 | |
| CN111601013A (zh) | 用于处理视频帧的方法和装置 | |
| CN111324746B (zh) | 视觉定位方法、装置、电子设备和计算机可读存储介质 | |
| CN111709428A (zh) | 图像中关键点位置的识别方法、装置、电子设备及介质 | |
| EP4080479A2 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
| CN111191619A (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
| CN112083846A (zh) | 地图显示标记点击区域的检测方法、装置以及电子设备 | |
| CN111768485A (zh) | 三维图像的关键点标注方法、装置、电子设备及存储介质 | |
| CN112651983B (zh) | 拼接图识别方法、装置、电子设备和存储介质 | |
| CN110798681B (zh) | 成像设备的监测方法、装置和计算机设备 | |
| CN112270303A (zh) | 图像识别方法、装置以及电子设备 | |
| CN112150380A (zh) | 校正图像的方法、装置、电子设备和可读存储介质 |
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 |