CN112733902B - 烟盒识别方法 - Google Patents
烟盒识别方法 Download PDFInfo
- Publication number
- CN112733902B CN112733902B CN202011622600.3A CN202011622600A CN112733902B CN 112733902 B CN112733902 B CN 112733902B CN 202011622600 A CN202011622600 A CN 202011622600A CN 112733902 B CN112733902 B CN 112733902B
- Authority
- CN
- China
- Prior art keywords
- designated area
- histogram
- identified
- value
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了烟盒识别方法,涉及信息处理技术领域。该方法包括:获取待识别物品各个指定区域的灰度图;针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值;其中,该指定区域的目标特征值用于表征该待识别物品中,该指定区域的灰度图的边缘对比度的变化程度;基于每一指定区域的目标特征值与标定特征值的差异,确定待识别物品是否属于第一类识别结果;其中,每一指定区域的标定特征值用于表征属于第一类识别结果的多个样本物品中该指定区域的灰度图的边缘对比度的平均变化程度。与现有技术相比,应用本发明实施例提供的方案,能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种物品识别方法,比如烟盒。
背景技术
当前,在很多情况下,用户需要对物品的真假进行识别,例如,识别药品真假、识别酒水真假、识别烟草真假等。
相关技术中,对物品进行真假识别所采用的方法通常是:获取真品的成分表,该成分表中包括真品的成分构成和各个成分的比例;进而,利用化学分析等方法对待识别物品的成分进行分析,并将分析结果与真品的成分表进行对比,以识别该待识别物品的真假。
然而,在上述相关技术中,在对待识别物品进行化学分析时,会破坏待识别物品的包装和待识别物品自身的完整性,从而,导致即使识别出待识别物品为真品,待识别物品也无法进行后续进一步的应用。
基于此,当前亟需一种物品识别方法,能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。
发明内容
本发明实施例的目的在于提供一种物品识别方法、装置及电子设备,以实现能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。具体技术方案如下:
第一方面,本发明实施例提供了一种物品识别方法,所述方法包括:
获取待识别物品中,各个指定区域的灰度图;
针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值;其中,该指定区域的目标特征值用于表征:该待识别物品中,该指定区域的灰度图的边缘对比度的变化程度;
基于每一指定区域的目标特征值与标定特征值的差异,确定所述待识别物品是否属于第一类识别结果;
其中,每一指定区域的标定特征值用于表征:属于所述第一类识别结果的多个样本物品中,该指定区域的灰度图的边缘对比度的平均变化程度。
可选的,一种具体实现方式中,所述针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值的步骤,包括:
针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息,并基于所确定的边缘对比度信息,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息的步骤,包括:
针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果;基于所得到的第一处理结果和第二处理结果,确定该指定区域的灰度图的边缘对比度信息;其中,所述第一图像处理方式包括:膨胀处理,相应的,所述第二图像处理方式包括:腐蚀处理;或者,所述第一图像处理方式包括:基于第一高斯滤波参数的滤波处理,相应的,所述第二图像处理方式包括:基于第二高斯滤波参数的滤波处理,所述第一高斯滤波参数与所述第二高斯滤波参数不同。
可选的,一种具体实现方式中,在所述针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果的步骤之前,所述方法还包括:
对该指定区域的灰度图进行高斯滤波处理,得到滤波后的灰度图;
所述利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果的步骤,包括:
利用第一图像处理方式对所得到的滤波后的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对所得到的滤波后的灰度图进行处理,得到第二处理结果。
可选的,一种具体实现方式中,所述基于所确定的边缘对比度信息,确定该指定区域的目标特征值的步骤,包括:
对所确定的边缘对比度信息进行直方图统计,得到该指定区域的第一直方图,并利用所得到的第一直方图,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述利用所得到的第一直方图,确定该指定区域的目标特征值的步骤,包括:
计算所得到的第一直方图的第一质心,并将所得到的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图;
计算所得到的第二直方图的第二质心,并确定所得到的第二直方图的极大值对应的目标横坐标;
基于所得到的第二质心和所确定的目标横坐标,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,在所述计算所得到的第一直方图的第一质心的步骤之前,所述方法还包括:
对所得到的第一直方图进行均值滤波处理,得到滤波后的第一直方图;
所述计算所得到的第一直方图的第一质心,并将所得到的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图的步骤,包括:
计算滤波后的第一直方图的第一质心,并将滤波后的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图。
可选的,一种具体实现方式中,所述基于所得到的第二质心和所确定的目标横坐标,确定该指定区域的目标特征值的步骤,包括:
利用预设公式,确定该指定区域的目标特征值,其中,所述预设公式为:
featurei=centeri/maxi
其中,featurei为第i个指定区域的目标特征值,centeri为针对所述第i个指定区域,所得到的第二质心,maxi为针对所述第i个指定区域,所确定的目标横坐标。
可选的,一种具体实现方式中,所述利用所得到的第一直方图,确定该指定区域的目标特征值的步骤,包括:
利用预设选取方式,从所得到的第一直方图中选取第一纵坐标值和第二纵坐标值;
计算所得到的第一纵坐标值与第二纵坐标值的比值,得到该指定区域的目标特征值。
可选的,一种具体实现方式中,所述利用预设选取方式,从所得到的第一直方图中选取第一纵坐标值和第二纵坐标值的步骤,包括:
计算所得到的第一直方图的第一质心;将所得到的第一直方图中,横坐标小于所得到的第一质心的部分的峰值,确定为第一纵坐标值;将所得到的第一直方图中,横坐标大于所得到的第一质心的部分的峰值,确定为第二纵坐标值;或者,
将所得到的第一直方图的各个极大值中的最大值,确定为第一纵坐标值;将确定所得到的第一直方图的各个极大值中的次最大值,确定为第二纵坐标值;其中,所述次最大值为:所得到的第一直方图的各个极大值中,仅小于所确定的第一纵坐标值的值。
可选的,一种具体实现方式中,所述基于每一指定区域的目标特征值与标定特征值的差异,确定所述待识别物品是否属于第一类识别结果的步骤,包括:
针对每一指定区域,判断该指定区域的目标特征值与标定特征值的差值是否小于该指定区域的预设识别阈值;
若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定所述待识别物品属于第一类识别结果;
否则,则确定所述待识别物品不属于第一类识别结果。
可选的,一种具体实现方式中,所述若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定所述待识别物品属于第一类识别结果的步骤,包括:
若针对每一指定区域,所得到的判断结果均为小于,则确定所述待识别物品属于第一类识别结果;或者,若所得到的判断结果为小于的指定区域的数量大于预设数量,则确定所述待识别物品属于第一类识别结果。
可选的,一种具体实现方式中,针对每一指定区域,该指定区域的预设识别阈值是基于所述多个样本物品中,每个样本物品的该指定区域的灰度图的特征值的方差所确定的;或者,针对每一指定区域,该指定区域的预设识别阈值是基于该指定区域对应的多个差值绝对值中的最大值确定的;其中,该指定区域对应的多个差值绝对值为:所述多个样本物品中,每个样本物品的该指定区域的灰度图的特征值分别与该指定区域的标定特征值的差值绝对值;其中,每个样本物品的该指定区域的灰度图的特征值用于表征:该每个样本物品的该指定区域的灰度图的边缘对比度的变化程度。
第二方面,本发明实施例提供了一种物品识别装置,所述装置包括:灰度图获取模块,用于获取待识别物品中,各个指定区域的灰度图;特征值确定模块,用于针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值;其中,该指定区域的目标特征值用于表征:该待识别物品中,该指定区域的灰度图的边缘对比度的变化程度;识别结果确定模块,用于基于每一指定区域的目标特征值与标定特征值的差异,确定所述待识别物品是否属于第一类识别结果;其中,每一指定区域的标定特征值用于表征:属于所述第一类识别结果的多个样本物品中,该指定区域的灰度图的边缘对比度的平均变化程度。
可选的,一种具体实现方式中,所述特征值确定模块包括:对比度信息确定子模块,用于针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息;特征值确定子模块,用于针对每一指定区域,基于该指定区域的灰度图的边缘对比度信息,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述特征值确定子模块具体用于:针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果;基于所得到的第一处理结果和第二处理结果,确定该指定区域的灰度图的边缘对比度信息;其中,所述第一图像处理方式包括:膨胀处理,相应的,所述第二图像处理方式包括:腐蚀处理;或者,所述第一图像处理方式包括:基于第一高斯滤波参数的滤波处理,相应的,所述第二图像处理方式包括:基于第二高斯滤波参数的滤波处理,所述第一高斯滤波参数与所述第二高斯滤波参数不同。
可选的,一种具体实现方式中,所述装置还包括:高斯滤波模块,用于在所述针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果之前,对该指定区域的灰度图进行高斯滤波处理,得到滤波后的灰度图;所述特征值确定子模块具体用于:利用第一图像处理方式对所得到的滤波后的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对所得到的滤波后的灰度图进行处理,得到第二处理结果。
可选的,一种具体实现方式中,所述特征值确定子模块包括:第一直方图确定单元,用于针对每一特征区域,对该特征区域的灰度图的边缘对比度信息进行直方图统计,得到该指定区域的第一直方图;特征值确定单元,用于针对每一特征区域,利用该特征区域的第一直方图,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述特征值确定单元包括:第二直方图确定子单元,用于针对每一特征区域,计算该特征区域的第一直方图的第一质心,并将该特征区域的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图;横坐标确定子单元,用于针对每一特征区域,计算所得到的第二直方图的第二质心,并确定所得到的第二直方图的极大值对应的目标横坐标;特征值确定子单元,用于针对每一特征区域,基于所得到的第二质心和所确定的目标横坐标,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述装置还包括:均值滤波处理模块,用于在所述针对每一特征区域,计算该特征区域的第一直方图的第一质心之前,针对每一特征区域,对该特征区域的第一直方图进行均值滤波处理,得到该特征区域的滤波后的第一直方图;所述第二直方图确定子单元具体用于:针对每一特征区域,计算该特征区域的滤波后的第一直方图的第一质心,并将该特征区域的滤波后的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到该指定区域的第二直方图。
可选的,一种具体实现方式中,所述特征值计算子单元具体用于:针对每一特征区域,利用预设公式,确定该指定区域的目标特征值,其中,所述预设公式为:
featurei=centeri/maxi
其中,featurei为第i个指定区域的目标特征值,centeri为针对所述第i个指定区域,所得到的第二质心,maxi为针对所述第i个指定区域,所确定的目标横坐标。
可选的,一种具体实现方式中,所述特征值确定单元包括:纵坐标选取子单元,用于针对每一特征区域,利用预设选取方式,从该特征区域的第一直方图中选取第一纵坐标值和第二纵坐标值;特征值计算子单元,用于针对每一特征区域,计算所得到的第一纵坐标值与第二纵坐标值的比值,得到该指定区域的目标特征值。
可选的,一种具体实现方式中,所述纵坐标选取子单元具体用于:针对每一特征区域,计算该特征区域的第一直方图的第一质心;将该特征区域的第一直方图中,横坐标小于所得到的第一质心的部分的峰值,确定为第一纵坐标值;将该特征区域的第一直方图中,横坐标大于所得到的第一质心的部分的峰值,确定为第二纵坐标值;或者,针对每一特征区域,将该特征区域的第一直方图的各个极大值中的最大值,确定为第一纵坐标值;将确定该特征区域的第一直方图的各个极大值中的次最大值,确定为第二纵坐标值;其中,所述次最大值为:该特征区域的第一直方图的各个极大值中,仅小于所确定的第一纵坐标值的值。
可选的,一种具体实现方式中,所述识别结果确定模块包括:预设判断子单元,用于针对每一指定区域,判断该指定区域的目标特征值与标定特征值的差值是否小于该指定区域的预设识别阈值;第一结果确定子单元,用于针对每一指定区域,若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定所述待识别物品属于第一类识别结果;第二结果确定子单元,用于针对每一指定区域,若所得到的判断结果为小于的指定区域的数量不满足预设数量条件,则确定所述待识别物品不属于第一类识别结果。
可选的,一种具体实现方式中,所述第一结果确定子单元具体用于:若针对每一指定区域,所得到的判断结果均为小于,则确定所述待识别物品属于第一类识别结果;或者,若所得到的判断结果为小于的指定区域的数量大于预设数量,则确定所述待识别物品属于第一类识别结果。
可选的,一种具体实现方式中,针对每一指定区域,该指定区域的预设识别阈值是基于所述多个样本物品中,每个样本物品的该指定区域的灰度图的特征值的方差所确定的;或者,针对每一指定区域,该指定区域的预设识别阈值是基于该指定区域对应的多个差值绝对值中的最大值确定的;其中,该指定区域对应的多个差值绝对值为:所述多个样本物品中,每个样本物品的该指定区域的灰度图的特征值分别与该指定区域的标定特征值的差值绝对值;其中,每个样本物品的该指定区域的灰度图的特征值用于表征:该每个样本物品的该指定区域的灰度图的边缘对比度的变化程度。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现上述第一方面提供的任一物品识别方法的步骤。
第四方面,本发明实施例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内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面提供的任一物品识别方法的步骤。
第五方面,本发明实施例提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面提供的任一物品识别方法的步骤。
本发明实施例有益效果:
以上可见,应用本发明实施例提供的方案,在对待识别物品进行识别时,可以首先获取待识别物品中,各个指定区域的灰度图,从而,针对每一指定区域,便可以基于该指定区域的灰度图,确定用于表征该指定区域的灰度图的边缘对比度的变化程度的目标特征值。这样,便可以基于每一指定区域的目标特征值与该指定区域的标定特征值的差异,确定该待识别物品是否属于第一类识别结果,以得到对待识别物品的最终识别结果。
基于此,应用本发明实施例提供的方案,可以利用待识别物品的各个指定区域的目标特征值与该指定区域的标定特征值的差异,确定该待识别物品是否属于第一类识别结果,从而,在判断待识别物品的真假时,便可以将真或假设置为第一类识别结果,从而,可以利用各个指定区域的目标特征值与该指定区域的标定特征值的差异,对待识别物品的真假进行识别。由于待识别物品中,各个指定区域的灰度图是通过对待识别物品中的各个指定区域进行图像采集得到的,并且,待识别物品中的各个指定区域是待识别物品的外表中的区域,因此,在获取待识别物品中,各个执行区域的灰度图时可以无需破坏待识别物品,因此,能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种物品识别方法的流程示意图;
图2为本发明实施例提供的一种在物品上所设置的多个指定区域的分布示意图;
图3为图1中S102的一种具体实现方式的流程示意图;
图4为图3中S1021的一种具体实现方式的流程示意图;
图5为图3中S1021的另一种具体实现方式的流程示意图;
图6(a)为待识别物品中某一指定区域的灰度图的一种示意图;
图6(b)为对图6(a)进行三次高斯滤波处理,得到的待识别物品中某一指定区域的滤波后的灰度图的一种示意图;
图6(c)为对图6(b)进行膨胀处理,所得到的第一处理结果的一种示意图;
图6(d)为对图6(b)进行腐蚀处理,所得到的第二处理结果的一种示意图;
图6(e)为图6(c)与图6(d)做差后,所得到的待识别物品中某一指定区域的边缘对比度信息的一种示意图;
图6(f)对图6(e)进行直方图统计,所得到的待识别物品中某一指定区域的第一直方图;
图6(g)为对图(f)进行均值滤波处理后,所得到的待识别物品中某一指定区域的滤波后的第一直方图;
图7为图3中S1022的另一种具体实现方式的流程示意图;
图8为图7中S22的一种具体实现方式的流程示意图;
图9为图7中S22的另一种具体实现方式的流程示意图;
图10为图7中S22的再一种具体实现方式的流程示意图;
图11为图7中S22的又一种具体实现方式的流程示意图;
图12为图1中S103的一种具体实现方式的流程示意图;
图13为本发明实施例提供的一种物品识别装置的结构示意图;
图14为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
相关技术中,对物品进行真假识别所采用的方法通常是:获取真品的成分表,该成分表中包括真品的成分构成和各个成分的比例;进而,利用化学分析等方法对待识别物品的成分进行分析,并将分析结果与真品的成分表进行对比,以识别该待识别物品的真假。然而,在上述相关技术中,在对待识别物品进行化学分析时,会破坏待识别物品的包装和待识别物品自身的完整性,从而,导致即使识别出待识别物品为真品,待识别物品也无法进行后续进一步的应用。基于此,当前亟需一种物品识别方法,能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。
为了解决上述技术问题,本发明实施例提供了一种物品识别方法。
其中,该方法可以适用于对待识别物品进行真假识别、品质识别等各类识别场景中;并且,该方法可以适用于笔记本电脑、手机、台式电脑等各类电子设备中。对比,本发明实施例不对该方法的应用场景和执行主体进行限定。
以上,本发明实施例提供的一种物品识别方法可以包括如下步骤:
获取待识别物品中,各个指定区域的灰度图;
针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值;其中,该指定区域的目标特征值用于表征:该待识别物品中,该指定区域的灰度图的边缘对比度的变化程度;
基于每一指定区域的目标特征值与标定特征值的差异,确定所述待识别物品是否属于第一类识别结果;
其中,每一指定区域的标定特征值用于表征:属于所述第一类识别结果的多个样本物品中,该指定区域的灰度图的边缘对比度的平均变化程度。
其中,上述本发明实施例提供的一种物品识别方法,可以用于对烟草、药品、化妆品、酒水等任一可以通过灰度图的边缘对比度的变化程度进行识别的物品进行识别。这样,在应用本发明实施例提供的一种物品识别方法时,所识别的物品便可以包括:烟盒、药盒、化妆品包装盒、酒水包装等任一可以通过灰度图的边缘对比度的进行识别的物品,对此,本发明实施例不做具体限定。
以上可见,应用本发明实施例提供的方案,在对待识别物品进行识别时,可以首先获取待识别物品中,各个指定区域的灰度图,从而,针对每一指定区域,便可以基于该指定区域的灰度图,确定用于表征该指定区域的灰度图的边缘对比度的变化程度的目标特征值。这样,便可以基于每一指定区域的目标特征值与该指定区域的标定特征值的差异,确定该待识别物品是否属于第一类识别结果,以得到对待识别物品的最终识别结果。
基于此,应用本发明实施例提供的方案,可以利用待识别物品的各个指定区域的目标特征值与该指定区域的标定特征值的差异,确定该待识别物品是否属于第一类识别结果,从而,在判断待识别物品的真假时,便可以将真或假设置为第一类识别结果,从而,可以利用各个指定区域的目标特征值与该指定区域的标定特征值的差异,对待识别物品的真假进行识别。由于待识别物品中,各个指定区域的灰度图是通过对待识别物品中的各个指定区域进行图像采集得到的,并且,待识别物品中的各个指定区域是待识别物品的外表中的区域,因此,在获取待识别物品中,各个执行区域的灰度图时可以无需破坏待识别物品,因此,能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。
下面结合附图,对本发明实施例提供的一种物品识别方法进行具体说明。
图1为本发明实施例提供的一种物品识别方法的流程示意图。如图1所示,该方法可以包括如下步骤S101-S103。
S101:获取待识别物品中,各个指定区域的灰度图;
在对待识别物品进行识别时,可以首先获取待识别物品中,各个指定区域的灰度图。
其中,待识别物品中的各个指定区域是在待识别物品的外表上所选取的区域。也就是说,可以在待识别物品的外表上选取多个区域作为指定区域,从而,可以获取所选取的各个指定区域的灰度图。
例如,可以在待识别物品的包装上选取多个区域作为指定区域,示例性的,在识别烟草真假时,可以在烟盒上选取多个区域作为指定区域;举例而言,如图2所示,烟盒为待识别物品,该烟盒为包装完好的装满烟的烟盒,且烟盒上的1-4为选取得到的四个指定区域。这样,便可以获取各个指定区域的灰度图。
又例如,可以在待识别物品的表面上选取多个区域作为指定区域,示例性的,在识别字画真假时,可以字画上选取多个区域作为指定区域。
其中,在本发明实施例中不对待识别物品中的各个指定区域的选取方式和各个指定区域的数量进行具体限定。
例如,可以将待识别物品中,颜色发生突变的区域作为指定区域,也可以将待识别物品中,文字所在的区域作为指定区域,还可以将待识别物品中,物品标识所在的区域作为指定区域等,这都是合理的。
又例如,各个指定区域的数量可以为3、4、5等,这也都是合理的。
其中,上述举例仅仅用于对待识别物品中的各个指定区域的选取方式和各个指定区域的数量进行举例说明,而非限定。
可以通过多种方式执行上述步骤S101,对此,本发明实施例不做具体限定。
可选的,一种具体实现方式中,电子设备中设置有图像采集装置,从而,电子设备可以利用该图像采集装置采集待识别物品中,各个指定区域的图像,并将所采集到的图像转换为灰度图,得到各个指定区域的灰度图。
其中,当电子设备利用图像采集装置所采集到的各个指定区域的图像为GRB色彩模式(GRB color mode)的图像时,电子设备可以通过如下公式,将所采集到的各个指定区域的图像转换为灰度图,该公式为:
其中,为第j个指定区域的灰度图中,第i个像素的灰度值;/>为所采集到的第j个指定区域的灰度图中,第i个像素的R通道的通道值;/>为所采集到的第j个指定区域的灰度图中,第i个像素的G通道的通道值;/>为所采集到的第j个指定区域的灰度图中,第i个像素的B通道的通道值;1≤i≤n,n为所采集到的第j个指定区域的图像中的像素点数量;1≤j≤m,m为各个指定区域的数量;R为RED(红色)的缩写,G为GREEN(绿色)的缩写,B为BLUE(蓝色)的缩写。
可选的,一种具体实现方式中,可以通过其他设备得到待识别物品中,各个指定区域的灰度图,从而,电子设备可以直接从该其他设备处获取到待识别物品中,各个指定区域的灰度图。
可选的,一种具体实现方式中,可以通过其他设备采集待识别物品中,各个指定区域的图像,并将所采集到的各个图像发送给电子设备,从而,电子设备便可以在得到各个指定区域的图像后,将各个指定区域的图像转换为灰度图,以得到各个指定区域的灰度图。
可选的,一种具体实现方式中,电子设备中设置有图像采集装置,从而,电子设备可以利用该图像采集装置采集待识别物品中,各个指定区域的图像,并将各个指定区域的图像发送给其他设备,以使其他设备将各个指定区域的图像转换为灰度图,并反馈给电子设备。这样,电子设备便可以得到各个指定区域的灰度图。
S102:针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值;
其中,该指定区域的目标特征值用于表征:该待识别物品中,该指定区域的灰度图的边缘对比度的变化程度。
在获取到每一指定区域的灰度图后,针对每一指定区域,便可以针对该指定区域的灰度图,确定用于表征该指定区域的灰度图的边缘对比度的变化程度的目标特征值。
所谓灰度图的边缘对比度是指:灰度图的图像边缘的亮度变化信息,而随着灰度图的图像边缘的延展,图像边缘不同部分的边缘对比度可以发生变化,从而,可以得到灰度图的边缘对比度的变化程度。这样,便可以得到表征灰度图的边缘对比度的变化程度的特征值。其中,灰度图的边缘对比度的变化程度可以称为:灰度图的边缘对比度反差。
其中,本发明实施例可以通过多种方式执行上述步骤S102,对此,本发明实施例不做具体限定。为了行文清晰,后续将会对上述步骤S102的具体实现方式进行举例说明。
S103:基于每一指定区域的目标特征值与标定特征值的差异,确定待识别物品是否属于第一类识别结果;
其中,每一指定区域的标定特征值用于表征:属于第一类识别结果的多个样本物品中,该指定区域的灰度图的边缘对比度的平均变化程度。
在得到每一指定区域的目标特征值后,便可以基于每一指定区域的目标特征值与该指定区域的标定特征值的差异,确定待识别物品是否属于第一类识别结果。
其中,为了能够确定每一指定区域的目标特征值与该指定区域的标定特征值的差异,待识别物品和属于第一类识别结果的每个样本物品中,各个指定区域的分布是相同的。
也就是说,可以预先确定属于第一类识别结果的多个样本物品,并在每个样本物品中选取分布相同的各个指定区域。从而,针对每个样本物品,可以获取该样本物品中,各个指定区域的灰度图,并且,针对该样本物品中的每个指定区域,可以根据该指定区域的灰度图,确定用于表征该指定区域的灰度图的边缘对比度的变化程度的特征值。
这样,针对多个样本物品中,在物品中的区域位置相同的指定区域,可以计算多个样本物品中,用于表征该指定区域的灰度图的边缘对比度的变化程度的特征值的平均值,从而,所计算得到的平均值即为:多个样本物品中,该指定区域的灰度图的边缘对比度的平均变化程度。也就是说,所计算得到的平均值即为该指定区域的标定特征值。
这样,在得到待识别物品中的各个指定区域的目标特征值后,针对待识别物品中的每一指定区域,便可以确定该指定区域的标定特征值,并进一步计算该指定区域的目标特征值与该指定区域的标定特征值的差异。
其中,针对待识别物品中的每个指定区域,该指定区域的标定特征值是多个样本物品中,用于表征该指定区域的灰度图的边缘对比度的变化程度的特征值的平均值。并且,用于确定该标定特征值的指定区域在各个样本物品中的区域位置,与待识别物品中的该指定区域在待识别物品中的区域位置相同。
可选的,为了能够准确表征不同样本物品中,各个指定区域之间的对应关系,可以为位于不同样本中的同一区域位置的指定区域设置相同的标识,并且,在待识别物品中,位于该同一区域位置的指定区域也具有相同的标识。
例如,存在样本物品a和b,待识别物品c,其中,样本物品a中选取有指定区域1和2,样本物品b中也选取有指定区域1和2,待识别物品c同样选取有指定区域1和2,则样本物品a中的指定区域1所在的区域位置、样本物品b中的指定区域1所在的区域位置和待识别物品c中的指定区域1所在的区域位置相同,并且,样本物品a中的指定区域2所在的区域位置、样本物品b中的指定区域2所在的区域位置和待识别物品c中的指定区域2所在的区域位置相同。
这样,针对指定区域1,便可以确定表征样本物品a中的指定区域1的灰度图的边缘对比度的变化程度的特征值,以及表征样本物品b中的指定区域1的灰度图的边缘对比度的变化程度的特征值,并计算上述两个特征值的平均值,得到指定区域1的标定特征值。
进而,在确定待识别物品c中的指定区域1的目标特征值后,便可以计算待识别物品c中的指定区域1的目标特征值与上述指定区域1的标定特征值的差异。
同样的,针对指定区域2,便可以确定表征样本物品a中的指定区域2的灰度图的边缘对比度的变化程度的特征值,以及表征样本物品b中的指定区域2的灰度图的边缘对比度的变化程度的特征值,并计算上述两个特征值的平均值,得到指定区域2的标定特征值。
进而,在确定待识别物品c中的指定区域2的目标特征值后,便可以计算待识别物品c中的指定区域2的目标特征值与上述指定区域2的标定特征值的差异。
其中,本发明实施例可以通过多种方式执行上述步骤S102,对此,本发明实施例不做具体限定。为了行文清晰,后续将会对上述步骤S102的具体实现方式进行举例说明。
基于此,应用本发明实施例提供的方案,可以利用待识别物品的各个指定区域的目标特征值与该指定区域的标定特征值的差异,确定该待识别物品是否属于第一类识别结果,从而,在判断待识别物品的真假时,便可以将真或假设置为第一类识别结果,从而,可以利用各个指定区域的目标特征值与该指定区域的标定特征值的差异,对待识别物品的真假进行识别。由于待识别物品中,各个指定区域的灰度图是通过对待识别物品中的各个指定区域进行图像采集得到的,并且,待识别物品中的各个指定区域是待识别物品的外表中的区域,因此,在获取待识别物品中,各个执行区域的灰度图时可以无需破坏待识别物品,因此,能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。
下面,对上述步骤S102,针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值的具体实现方式,进行举例说明。
可选的,一种具体实现方式中,如图3所示,上述步骤S102可以包括如下步骤S1021-S1022:
S1021:针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息;
S1022:针对每一指定区域,基于该指定区域的灰度图的边缘对比度信息,确定该指定区域的目标特征值。
在本具体实现方式中,针对每一指定区域,在获取到该指定区域灰度图后,便可以确定该指定区域的灰度图的边缘对比度信息,进而,便可以基于该指定区域的灰度图的边缘对比度信息,确定该指定区域的目标特征值。
其中,可以通过多种方式执行上述步骤1和步骤2,对此,本发明实施例不做具体限定。
可选的,一种具体实现方式中,如图4所示,上述S1021,针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息,可以包括如下步骤S11-S12:
S11:针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果;
S12:针对每一指定区域,基于所得到的第一处理结果和第二处理结果,确定该指定区域的灰度图的边缘对比度信息;
在本具体实现方式中,针对每一指定区域,可以利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并且,可以利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果。这样,便可以基于所得到的第一处理结果和第二处理结果,确定该指定区域的灰度图的边缘对比度信息。
可选的,上述第一图像处理方式可以为膨胀处理,相应的,上述第二图像处理方式便可以为腐蚀处理。这样,便可以计算膨胀处理后所得到的第一处理结果与腐蚀处理后所得到的第二处理结果的差值,得到该指定区域的灰度图的边缘对比度信息。
其中,上述膨胀处理的膨胀核与上述腐蚀处理的腐蚀核可以相同,也可以不同。
可选的,上述第一图像处理方式可以为基于第一高斯滤波参数的滤波处理,相应的,上述第二图像处理方式便可以为基于第二高斯滤波参数的滤波处理,并且,上述第一高斯滤波参数与第二高斯滤波参数不同。
其中,上述高斯滤波参数可以为高斯滤波处理中的delta参数,并且,在上述第一高斯滤波参数与第二高斯滤波参数不同的情况下,上述第一高斯滤波参数所对应的算子与上述第二高斯滤波参数所对应的算子也可以不同。
例如,上述第一高斯滤波参数可以为0.5,且第一高斯滤波参数所对应的算子为三维矩阵上述第二高斯滤波参数可以为0.9,且第二高斯滤波参数所对应的算子为三维矩阵/>
这样,便可以利用基于第一高斯滤波参数的滤波处理后所得到的第一处理结果,与基于第二高斯滤波参数的滤波处理后所得到的第二处理结果,确定该指定区域的灰度图的边缘对比度信息。
其中,可选的,在上述第一图像处理方式为基于第一高斯滤波参数的滤波处理,上述第二图像处理方式为基于第二高斯滤波参数的滤波处理的情况下,可以通过如下公式,得到该指定区域的灰度图的边缘对比度信息。该公式为:
其中,为第j个指定区域的灰度图中,第i个像素的边缘对比度信息;/>为所采集到的第j个指定区域的灰度图中,第i个像素的灰度值;K1为上述第一高斯滤波参数所对应的算子,K2为上述第二高斯滤波参数所对应的算子。
可以理解的,在一些情况下,由于待识别物品上存在污染物,例如,油渍、霉点等,那么,可能导致所得到的待识别物品中,某个或某几个指定区域的灰度图中存在噪声点,从而,导致最终所得到的待识别物品中,上述某个或某几个指定区域的目标特征值的准确性较差,从而,最终影响对待识别物品是否属于第一类识别结果的识别结果的准确性。
基于此,可选的,一种具体实现方式中,如图5所示,本发明实施例提供的一种物品识别方法,还可以包括如下步骤S10:
S10:针对每一指定区域,对该指定区域的灰度图进行高斯滤波处理,得到滤波后的灰度图。
相应的,在本具体实现方式中,上述步骤S11,便可以包括如下步骤S11A。
S11A:针对每一指定区域,利用第一图像处理方式对该指定区域的滤波后的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的滤波后的灰度图进行处理,得到第二处理结果。
在本具体实现方式中,为了消减所得到的待识别物品中,各个指定区域的灰度图中的噪声点,在得到上述各个指定区域的灰度图后,针对每一指定区域,可以首先对该指定区域的灰度图进行高斯滤波处理,从而,得到该指定区域的滤波后的灰度图。
其中,本发明实施例不对上述步骤10中,进行高斯滤波时所采用的高斯核的进行限定,例如,该高斯核可以为三维矩阵等,这都是合理的。
此外,可选的,为了能够尽可能多地消减所得到的待识别物品中,各个指定区域的灰度图中的噪声点,针对每一指定区域,可以对该指定区域的灰度图进行多次高斯滤波处理,从而,得到该指定区域的滤波后的灰度图。例如,针对每一指定区域,可以对该指定区域的灰度图进行3次高斯滤波处理。
这样,针对每一指定区域,在得到该指定区域的滤波后的灰度图后,便可以利用第一图像处理方式对所得到的滤波后的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对所得到的滤波后的灰度图进行处理,得到第二处理结果;基于所得到的第一处理结果和第二处理结果,确定该指定区域的灰度图的边缘对比度信息。
示例性的,则如图6(a)-图6(d),假设上述第一图像处理方式为膨胀处理,上述第二图像处理方式便为腐蚀处理,且上述膨胀处理的膨胀核与上述腐蚀处理的腐蚀核均为三维矩阵并且,对灰度图进行高斯滤波处理的高斯核为三维矩阵/>高斯滤波处理的次数为3次。
其中,图6(a)为待识别物品中某一指定区域的灰度图;图6(b)为利用上述高斯核对图6(a)进行三次高斯滤波处理,得到的该指定区域的滤波后的灰度图;图6(c)为利用上述膨胀核,对图6(b)进行膨胀处理,所得到的第一处理结果;图6(d)为利用上述腐蚀核,对图6(b)进行腐蚀处理,所得到的第二处理结果;图6(e)为图6(c)与图6(b)做差后,得到的该指定区域的灰度图的边缘对比度信息的示意图。
可选的,一种具体实现方式中,如图7所示,上述步骤S1022,针对每一指定区域,基于该指定区域的灰度图的边缘对比度信息,确定该指定区域的目标特征值,可以包括如下步骤S21-S22。
S21:针对每一特征区域,对该特征区域的灰度图的边缘对比度信息进行直方图统计,得到该指定区域的第一直方图;
在本具体实现方式中,针对每一指定区域,在得到该指定区域的灰度图的边缘对比度信息后,便可以对该特征区域的灰度图的边缘对比度信息进行直方图统计,从而,得到该指定区域的第一直方图。
例如,如图6(f)所示,为对图6(e)进行直方图统计,所得到的第一直方图。
S22:针对每一特征区域,利用该指定区域的第一直方图,确定该指定区域的目标特征值。
进而,针对每一指定区域,在得到该指定区域的第一直方图,便可以利用该指定区域的第一直方图,确定该指定区域的目标特征值。
其中,可选的,一种具体实现方式中,如图8所示,上述步骤S22,针对每一特征区域,利用该指定区域的第一直方图,确定该指定区域的目标特征值,可以包括如下步骤S221-S223。
S221:针对每一指定区域,计算该指定区域的第一直方图的第一质心,并将该指定区域的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图;
S222:针对每一指定区域,计算所得到的第二直方图的第二质心,并确定所得到的第二直方图的极大值对应的目标横坐标;
S223:针对每一指定区域,基于所得到的第二质心和所确定的目标横坐标,确定该指定区域的目标特征值。
在本具体实现方式中,针对每一指定区域,在得到该指定区域的第一直方图后,便可以计算该第一直方图的第一质心。
其中,所谓直方图的质心为:直方图分布区域的加权平均值,并且该直方图的质心的计算方法为:计算直方图中,各个横坐标与该横坐标所对应的纵坐标的乘积,并计算各个横坐标所对应的纵坐标的和值,进而,计算上述乘积与上述和值的比值,得到直方图的质心。其中,直方图的横坐标所在范围为[0,255]。
这样,在计算得到该指定区域的第一直方图的第一质心后,便可以确定该第一直方图中,横坐标小于该第一质心的部分,从而,将该部分的各个横坐标所对应的纵坐标设置为0。这样,便可以将该指定区域的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到该指定区域的第二直方图。
其中,该第二直方图即为上述第一直方图中,横坐标不小于上述第一质心的部分,并且,该第二直方图可以称为该指定区域的第二直方图。
这样,在得到该指定区域的第二直方图后,便可以计算该第二直方图的第二质心,并确定该第二直方图的极大值所对应的横坐标,作为目标横坐标。
进而,便可以基于所得到的第二质心和目标横坐标,确定该指定区域的目标特征值。
其中,可选的,一种具体实现方式中,上述步骤S223,可以包括如下步骤223A:
步骤223A:针对每一指定区域,利用预设公式,确定该指定区域的目标特征值,其中,预设公式为:
featurei=centeri/maxi
其中,featurei为第i个指定区域的目标特征值,centeri为针对第i个指定区域,所得到的第二质心,maxi为针对第i个指定区域,所确定的目标横坐标。
显然,centeri是利用第i个指定区域的第一直方图所得到第二直方图的第二质心,而maxi即为利用第i个指定区域的第一直方图所得到第二直方图中,极大值对应的目标横坐标。
此外,可以理解的,针对每一指定区域,在得到该指定区域的第一直方图后,该第一直方图内可能存在噪声点,从而,导致最终所得到的待识别物品中,上述某个或某几个指定区域的目标特征值的准确性较差,从而,最终影响对待识别物品是否属于第一类识别结果的识别结果的准确性。
基于此,可选的,一种具体实现方式中,如图9所示,本发明实施例提供的一种物品识别方法,还可以包括如下步骤S220:
S220:针对每一指定区域,对该指定区域的第一直方图进行均值滤波处理,得到该指定区域的滤波后的第一直方图。
相应的,在本具体实现方式中,上述步骤S221,便可以包括如下步骤S221A。
S221A:针对每一指定区域,计算该指定区域的滤波后的第一直方图的第一质心,并将该指定区域的滤波后的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图。
在本具体实现方式中,针对每一指定区域,为了消减所得到的该指定区域的第一直方图中的噪声点,在得到该指定区域的第一直方图后,可以首先对该指定区域的第一直方图进行均值滤波处理,从而,得到该指定区域的滤波后的第一直方图。
其中,本发明实施例不对上述步骤S220中,进行均值滤波所采用的维度和半径进行限定,例如,进行均值滤波所采用的维度可以为1维,半径可以为7。
示例性的,图6(g)即为对图6(f)进行维度为1维,且半径为7的均值滤波处理后,所得到的滤波后的第一直方图。
这样,针对每一指定区域,在得到该指定区域的滤波后的第一直方图后,便可以计算该指定区域的滤波后的第一直方图的第一质心,并将该指定区域的滤波后的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图。
可选的,另一种具体实现方式中,如图10所示,上述步骤S22,针对每一特征区域,利用该指定区域的第一直方图,确定该指定区域的目标特征值,可以包括如下步骤S22A-S22B。
S22A:针对每一指定区域,利用预设选取方式,从该指定区域的第一直方图中选取第一纵坐标值和第二纵坐标值;
在本具体实现方式中,针对每一指定区域,可以利用预设选取方式,从该指定区域的第一直方图中选取第一纵坐标值和第二纵坐标值。
其中,本发明实施例不对上述预设选取方式进行限定。
可选的,一种具体实现方式中,上述步骤S22A,可以包括如下步骤1:
步骤1:针对每一特征区域,计算该特征区域的第一直方图的第一质心;将该特征区域的第一直方图中,横坐标小于所得到的第一质心的部分的峰值,确定为第一纵坐标值;将该特征区域的第一直方图中,横坐标大于所得到的第一质心的部分的峰值,确定为第二纵坐标值;
在本具体实现方式中,针对每一特征区域,在得到该特征区域的第一直方图后,可以计算该特征区域的第一直方图的第一质心。从而,便可以确定该特征区域的第一直方图中,横坐标小于所得到的第一质心的部分,并将该部分的峰值确定为第一纵坐标值;并且,可以确定该特征区域的第一直方图中,横坐标大于所得到的第一质心的部分,并将该部分的峰值确定为第二纵坐标值。
其中,由于该特征区域的第一直方图中,横坐标小于所得到的第一质心的部分位于第一质心所对应位置的左侧,因此,上述第一纵坐标值也可以称为该特征区域的第一直方图的左峰值;相应的,由于该特征区域的第一直方图中,横坐标大于所得到的第一质心的部分位于第一质心所对应位置的右侧,因此,上述第一纵坐标值也可以称为该特征区域的第一直方图的右峰值。
可选的,另一种具体实现方式中,上述步骤22A,可以包括如下步骤2:
步骤2:针对每一特征区域,将该特征区域的第一直方图的各个极大值中的最大值,确定为第一纵坐标值;将确定该特征区域的第一直方图的各个极大值中的次最大值,确定为第二纵坐标值;
其中,次最大值为:该特征区域的第一直方图的各个极大值中,仅小于所确定的第一纵坐标值的值。
在本具体实现方式中,针对每一特征区域,在得到该特征区域的第一直方图后,可以确定该特征区域的第一直方图的各个极大值,以及各个极大值之间的大小关系,从而,便可以根据该大小关系,从各个极大值中确定最大值和次最大值。从而,可以将所确定的最大值确定为第一纵坐标值,将所确定的次极大值确定为第二纵坐标值。
S22B:针对每一指定区域,计算所得到的第一纵坐标值和第二纵坐标值的比值,得到该指定区域的目标特征值。
这样,针对每一指定区域,在利用预设选取方式,从该指定区域的第一直方图中选取第一纵坐标值和第二纵坐标值后,便可以计算所得到的第一纵坐标值和第二纵坐标值的比值,得到该指定区域的目标特征值。
同样的,针对每一指定区域,考虑到该指定区域的第一直方图中可能存在的噪声点对待识别物品的最终识别结果的准确性的影响,可选的,一种具体实现方式中,如图11所示,本发明实施例提供的一种物品识别方法,还可以包括如下步骤S22C:
S22C:针对每一指定区域,对该指定区域的第一直方图进行均值滤波处理,得到该指定区域的滤波后的第一直方图。
相应的,在本具体实现方式中,上述步骤S22A便可以包括如下步骤S22D:
S22D:针对每一指定区域,利用预设选取方式,从该指定区域的滤波后的第一直方图中选取第一纵坐标值和第二纵坐标值。
其中,上述步骤S22C与上述图9所示具体实现方式中的步骤S220相同,在此不再赘述,上述步骤S22D与上述图10所示具体实现方式中的步骤S22A类似,在此同样不再赘述。
下面,对上述步骤S103,基于每一指定区域的目标特征值与标定特征值的差异,确定待识别物品是否属于第一类识别结果,进行举例说明。
可选的,一种具体实现方式中,如图12所示,上述步骤S103,可以包括如下步骤S1031-1033。
S1031:针对每一指定区域,判断该指定区域的目标特征值与标定特征值的差值是否小于该指定区域的预设识别阈值;
在本具体实现方式中,在得到待识别物品的各个指定区域的目标特征值后,针对每一指定区域,可以计算该指定区域的目标特征值与该指定区域的标定特征值的差值,并进一步判断该差值是否小于该指定区域的预设识别阈值,得到判断结果。
其中,可选的,一种具体实现方式中,针对每一指定区域,该指定区域的预设识别阈值是基于多个样本物品中,每个样本物品的该指定区域的灰度图的特征值的方差所确定的。
其中,每个样本物品的该指定区域的灰度图的特征值用于表征:该每个样本物品的该指定区域的灰度图的边缘对比度的变化程度。
在本具体实现方式中,针对每一指定区域,在计算得到每个样本物品的该指定区域的灰度图的特征值后,可以计算所得到的各个特征值的方差,从而,根据该方差,设定该指定区域的预设识别阈值。
其中,当所计算得到的方差较大时,所设定的该指定区域的预设识别阈值可以较大;相应的,当所计算得到的方差较小时,所设定的该指定区域的预设识别阈值可以较小。
其中,可选的,另一种具体实现方式中,针对每一指定区域,该指定区域的预设识别阈值是基于该指定区域对应的多个差值绝对值中的最大值确定的。
其中,该指定区域对应的多个差值绝对值为:多个样本物品中,每个样本物品的该指定区域的灰度图的特征值分别与该指定区域的标定特征值的差值绝对值;每个样本物品的该指定区域的灰度图的特征值用于表征:该每个样本物品的该指定区域的灰度图的边缘对比度的变化程度。
在本具体实现方式中,针对每一指定区域,在计算得到每个样本物品的该指定区域的灰度图的特征值后,可以计算所得到的各个特征值的平均值,即得到该指定区域的标定特征值,从而,可以进一步计算每个特征值与该标定特征值的差值绝对值。这样,便可以根据所得到的各个差值绝对值中的最大值,设定该指定区域的预设识别阈值。
具体的,当所得到的各个差值绝对值中的最大值较大时,所设定的该指定区域的预设识别阈值可以较大;相应的,当所得到的各个差值绝对值中的最大值较小时,所设定的该指定区域的预设识别阈值可以较小。
S1032:若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定待识别物品属于第一类识别结果;
S1033:若所得到的判断结果为小于的指定区域的数量不满足预设数量条件,则确定待识别物品不属于第一类识别结果。
进而,在针对每一指定区域的判断结果后,便可以确定所得到的各个判断结果中,表征差值小于预设识别阈值的判断结果的数量,作为所得到的判断结果为小于的指定区域的数量,并进一步判断该数量是否满足预设数量条件,从而,可以根据该进一步的判断结果,确定待识别物品是否属于第一类识别结果。
其中,若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定待识别物品属于第一类识别结果;相应的,若所得到的判断结果为小于的指定区域的数量不满足预设数量条件,则确定待识别物品不属于第一类识别结果。
其中,可选的,一种具体实现方式中,上述步骤S1032可以包括如下步骤1032A。
步骤1032A:若针对每一指定区域,所得到的判断结果均为小于,则确定待识别物品属于第一类识别结果。
在本具体实现方式中,若针对每一指定区域,该指定区域的目标特征值与标定特征值的差值均小于该指定区域的预设识别阈值,则可以确定待识别物品属于第一类识别结果。
也就是说,在本具体实现方式中,上述预设数量条件即为等于待识别物品中,各个指定区域的数量。
相应的,在本具体实现方式中,若存在目标特征值与标定特征值的差值不小于预设识别阈值的指定区域,则可以确定待识别物品不属于第一类识别结果。
可选的,另一种具体实现方式中,上述步骤S1032可以包括如下步骤1032B:
步骤1032B:若所得到的判断结果为小于的指定区域的数量大于预设数量,则确定待识别物品属于第一类识别结果。
在本具体实现方式中,若所得到的各个判断结果中,表征差值小于预设识别阈值的判断结果的数量大于预设数量,即所得到的判断结果为小于的指定区域的数量大于预设数量,则可以确定待识别物品属于第一类识别结果。
也就是说,在本具体实现方式中,上述预设数量条件即为大于预设数量。
相应的,在本具体实现方式中,若所得到的各个判断结果中,表征差值小于预设识别阈值的判断结果的数量不大于预设数量,即所得到的判断结果为小于的指定区域的数量不大于预设数量,则可以确定待识别物品不属于第一类识别结果。
相应于上述本发明实施例提供的一种物品识别方法,本发明实施例还提供了一种物品识别装置。图13为本发明实施例提供的一种物品识别装置的结构示意图。如图13所示,该装置可以包括如下模块:
灰度图获取模块1301,用于获取待识别物品中,各个指定区域的灰度图;
特征值确定模块1302,用于针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值;其中,该指定区域的目标特征值用于表征:该待识别物品中,该指定区域的灰度图的边缘对比度的变化程度;
识别结果确定模块1303,用于基于每一指定区域的目标特征值与标定特征值的差异,确定所述待识别物品是否属于第一类识别结果;
其中,每一指定区域的标定特征值用于表征:属于所述第一类识别结果的多个样本物品中,该指定区域的灰度图的边缘对比度的平均变化程度。
基于此,应用本发明实施例提供的方案,可以利用待识别物品的各个指定区域的目标特征值与该指定区域的标定特征值的差异,确定该待识别物品是否属于第一类识别结果,从而,在判断待识别物品的真假时,便可以将真或假设置为第一类识别结果,从而,可以利用各个指定区域的目标特征值与该指定区域的标定特征值的差异,对待识别物品的真假进行识别。由于待识别物品中,各个指定区域的灰度图是通过对待识别物品中的各个指定区域进行图像采集得到的,并且,待识别物品中的各个指定区域是待识别物品的外表中的区域,因此,在获取待识别物品中,各个执行区域的灰度图时可以无需破坏待识别物品,因此,能够在不破坏待识别物品的情况下,对待识别物品的真假进行识别。
可选的,一种具体实现方式中,所述特征值确定模块1302包括:
对比度信息确定子模块,用于针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息;
特征值确定子模块,用于针对每一指定区域,基于该指定区域的灰度图的边缘对比度信息,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述特征值确定子模块具体用于:针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果;基于所得到的第一处理结果和第二处理结果,确定该指定区域的灰度图的边缘对比度信息;其中,所述第一图像处理方式包括:膨胀处理,相应的,所述第二图像处理方式包括:腐蚀处理;或者,所述第一图像处理方式包括:基于第一高斯滤波参数的滤波处理,相应的,所述第二图像处理方式包括:基于第二高斯滤波参数的滤波处理,所述第一高斯滤波参数与所述第二高斯滤波参数不同。
可选的,一种具体实现方式中,所述装置还包括:
高斯滤波模块,用于在所述针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果之前,对该指定区域的灰度图进行高斯滤波处理,得到滤波后的灰度图;
所述特征值确定子模块具体用于:利用第一图像处理方式对所得到的滤波后的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对所得到的滤波后的灰度图进行处理,得到第二处理结果。
可选的,一种具体实现方式中,所述特征值确定子模块包括:
第一直方图确定单元,用于针对每一特征区域,对该特征区域的灰度图的边缘对比度信息进行直方图统计,得到该指定区域的第一直方图;
特征值确定单元,用于针对每一特征区域,利用该特征区域的第一直方图,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述特征值确定单元包括:
第二直方图确定子单元,用于针对每一特征区域,计算该特征区域的第一直方图的第一质心,并将该特征区域的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图;
横坐标确定子单元,用于针对每一特征区域,计算所得到的第二直方图的第二质心,并确定所得到的第二直方图的极大值对应的目标横坐标;
特征值确定子单元,用于针对每一特征区域,基于所得到的第二质心和所确定的目标横坐标,确定该指定区域的目标特征值。
可选的,一种具体实现方式中,所述装置还包括:
均值滤波处理模块,用于在所述针对每一特征区域,计算该特征区域的第一直方图的第一质心之前,针对每一特征区域,对该特征区域的第一直方图进行均值滤波处理,得到该特征区域的滤波后的第一直方图;
所述第二直方图确定子单元具体用于:针对每一特征区域,计算该特征区域的滤波后的第一直方图的第一质心,并将该特征区域的滤波后的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到该指定区域的第二直方图。
可选的,一种具体实现方式中,所述特征值计算子单元具体用于:针对每一特征区域,利用预设公式,确定该指定区域的目标特征值,其中,所述预设公式为:
featurei=centeri/maxi
其中,featurei为第i个指定区域的目标特征值,centeri为针对所述第i个指定区域,所得到的第二质心,maxi为针对所述第i个指定区域,所确定的目标横坐标。
可选的,一种具体实现方式中,所述特征值确定单元包括:
纵坐标选取子单元,用于针对每一特征区域,利用预设选取方式,从该特征区域的第一直方图中选取第一纵坐标值和第二纵坐标值;
特征值计算子单元,用于针对每一特征区域,计算所得到的第一纵坐标值与第二纵坐标值的比值,得到该指定区域的目标特征值。
可选的,一种具体实现方式中,所述纵坐标选取子单元具体用于:针对每一特征区域,计算该特征区域的第一直方图的第一质心;将该特征区域的第一直方图中,横坐标小于所得到的第一质心的部分的峰值,确定为第一纵坐标值;将该特征区域的第一直方图中,横坐标大于所得到的第一质心的部分的峰值,确定为第二纵坐标值;或者,针对每一特征区域,将该特征区域的第一直方图的各个极大值中的最大值,确定为第一纵坐标值;将确定该特征区域的第一直方图的各个极大值中的次最大值,确定为第二纵坐标值;其中,所述次最大值为:该特征区域的第一直方图的各个极大值中,仅小于所确定的第一纵坐标值的值。
可选的,一种具体实现方式中,所述识别结果确定模块1303包括:
预设判断子单元,用于针对每一指定区域,判断该指定区域的目标特征值与标定特征值的差值是否小于该指定区域的预设识别阈值;
第一结果确定子单元,用于针对每一指定区域,若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定所述待识别物品属于第一类识别结果;
第二结果确定子单元,用于针对每一指定区域,若所得到的判断结果为小于的指定区域的数量不满足预设数量条件,则确定所述待识别物品不属于第一类识别结果。
可选的,一种具体实现方式中,所述第一结果确定子单元具体用于:若针对每一指定区域,所得到的判断结果均为小于,则确定所述待识别物品属于第一类识别结果;或者,若所得到的判断结果为小于的指定区域的数量大于预设数量,则确定所述待识别物品属于第一类识别结果。
可选的,一种具体实现方式中,针对每一指定区域,该指定区域的预设识别阈值是基于所述多个样本物品中,每个样本物品的该指定区域的灰度图的特征值的方差所确定的;或者,针对每一指定区域,该指定区域的预设识别阈值是基于该指定区域对应的多个差值绝对值中的最大值确定的;其中,该指定区域对应的多个差值绝对值为:所述多个样本物品中,每个样本物品的该指定区域的灰度图的特征值分别与该指定区域的标定特征值的差值绝对值;其中,每个样本物品的该指定区域的灰度图的特征值用于表征:该每个样本物品的该指定区域的灰度图的边缘对比度的变化程度。
相应于上述本发明实施例提供的一种物品识别方法,本发明实施例还提供了一种电子设备,如图14所示,包括处理器1401、通信接口1402、存储器1403和通信总线1404,其中,处理器1401,通信接口1402,存储器1403通过通信总线1404完成相互间的通信,
存储器1403,用于存放计算机程序;
处理器1401,用于执行存储器1403上所存放的程序时,实现上述本发明实施例提供的任一物品识别方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述本发明实施例提供的任一物品识别方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述本发明实施例提供的任一物品识别方法的步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、电子设备实施例、计算机可读存储介质实施例,以及计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种物品识别方法,其特征在于,所述方法包括:
获取待识别物品中,各个指定区域的灰度图;
针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值;其中,该指定区域的目标特征值用于表征:该待识别物品中,该指定区域的灰度图的边缘对比度的变化程度;
基于每一指定区域的目标特征值与标定特征值的差异,确定所述待识别物品是否属于第一类识别结果;
其中,每一指定区域的标定特征值用于表征:属于所述第一类识别结果的多个样本物品中,该指定区域的灰度图的边缘对比度的平均变化程度;所述灰度图的边缘对比度是指:所述灰度图的图像边缘的亮度变化信息;
其中,所述针对每一指定区域,基于该指定区域的灰度图,确定该指定区域的目标特征值的步骤,包括:
针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息,并基于所确定的边缘对比度信息,确定该指定区域的目标特征值;
所述针对每一指定区域,确定该指定区域的灰度图的边缘对比度信息的步骤,包括:
针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果;基于所得到的第一处理结果和第二处理结果,确定该指定区域的灰度图的边缘对比度信息;
其中,所述第一图像处理方式包括:膨胀处理,相应的,所述第二图像处理方式包括:腐蚀处理;或者,
所述第一图像处理方式包括:基于第一高斯滤波参数的滤波处理,相应的,所述第二图像处理方式包括:基于第二高斯滤波参数的滤波处理,所述第一高斯滤波参数与所述第二高斯滤波参数不同。
2.根据权利要求1所述的方法,其特征在于,在所述针对每一指定区域,利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果的步骤之前,所述方法还包括:
对该指定区域的灰度图进行高斯滤波处理,得到滤波后的灰度图;
所述利用第一图像处理方式对该指定区域的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对该指定区域的灰度图进行处理,得到第二处理结果的步骤,包括:
利用第一图像处理方式对所得到的滤波后的灰度图进行处理,得到第一处理结果,并利用第二图像处理方式对所得到的滤波后的灰度图进行处理,得到第二处理结果。
3.根据权利要求1所述的方法,其特征在于,所述基于所确定的边缘对比度信息,确定该指定区域的目标特征值的步骤,包括:
对所确定的边缘对比度信息进行直方图统计,得到该指定区域的第一直方图,并利用所得到的第一直方图,确定该指定区域的目标特征值。
4.根据权利要求3所述的方法,其特征在于,所述利用所得到的第一直方图,确定该指定区域的目标特征值的步骤,包括:
计算所得到的第一直方图的第一质心,并将所得到的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图;
计算所得到的第二直方图的第二质心,并确定所得到的第二直方图的极大值对应的目标横坐标;
基于所得到的第二质心和所确定的目标横坐标,确定该指定区域的目标特征值。
5.根据权利要求4所述的方法,其特征在于,在所述计算所得到的第一直方图的第一质心的步骤之前,所述方法还包括:
对所得到的第一直方图进行均值滤波处理,得到滤波后的第一直方图;
所述计算所得到的第一直方图的第一质心,并将所得到的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图的步骤,包括:
计算滤波后的第一直方图的第一质心,并将滤波后的第一直方图中,横坐标小于所得到的第一质心的部分清零,得到第二直方图。
6.根据权利要求4或5所述的方法,其特征在于,所述基于所得到的第二质心和所确定的目标横坐标,确定该指定区域的目标特征值的步骤,包括:
利用预设公式,确定该指定区域的目标特征值,其中,所述预设公式为:
featurei=centeri/maxi
其中,featurei为第i个指定区域的目标特征值,centeri为针对所述第i个指定区域,所得到的第二质心,maxi为针对所述第i个指定区域,所确定的目标横坐标。
7.根据权利要求1所述的方法,其特征在于,所述基于每一指定区域的目标特征值与标定特征值的差异,确定所述待识别物品是否属于第一类识别结果的步骤,包括:
针对每一指定区域,判断该指定区域的目标特征值与标定特征值的差值是否小于该指定区域的预设识别阈值;
若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定所述待识别物品属于第一类识别结果;
否则,则确定所述待识别物品不属于第一类识别结果。
8.根据权利要求7所述的方法,其特征在于,所述若所得到的判断结果为小于的指定区域的数量满足预设数量条件,则确定所述待识别物品属于第一类识别结果的步骤,包括:
若针对每一指定区域,所得到的判断结果均为小于,则确定所述待识别物品属于第一类识别结果;或者,
若所得到的判断结果为小于的指定区域的数量大于预设数量,则确定所述待识别物品属于第一类识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011622600.3A CN112733902B (zh) | 2020-12-30 | 2020-12-30 | 烟盒识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011622600.3A CN112733902B (zh) | 2020-12-30 | 2020-12-30 | 烟盒识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733902A CN112733902A (zh) | 2021-04-30 |
CN112733902B true CN112733902B (zh) | 2023-09-05 |
Family
ID=75608531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011622600.3A Active CN112733902B (zh) | 2020-12-30 | 2020-12-30 | 烟盒识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733902B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011074067A1 (ja) * | 2009-12-15 | 2011-06-23 | 富士通フロンテック株式会社 | 文字認識方法、文字認識装置および文字認識プログラム |
US8712163B1 (en) * | 2012-12-14 | 2014-04-29 | EyeNode, LLC | Pill identification and counterfeit detection method |
CN107067000A (zh) * | 2017-03-31 | 2017-08-18 | 深圳怡化电脑股份有限公司 | 一种纸币污损程度的识别方法及装置 |
CN107331032A (zh) * | 2017-07-11 | 2017-11-07 | 中央民族大学 | 一种鉴别纸币真伪的方法 |
CN110505412A (zh) * | 2018-05-18 | 2019-11-26 | 杭州海康威视数字技术股份有限公司 | 一种感兴趣区域亮度值的计算方法及装置 |
CN111898520A (zh) * | 2020-07-28 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 证件真伪识别方法、装置、计算机可读介质及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890840B (zh) * | 2012-08-22 | 2016-03-23 | 山东新北洋信息技术股份有限公司 | 纸币鉴别方法和装置 |
-
2020
- 2020-12-30 CN CN202011622600.3A patent/CN112733902B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011074067A1 (ja) * | 2009-12-15 | 2011-06-23 | 富士通フロンテック株式会社 | 文字認識方法、文字認識装置および文字認識プログラム |
US8712163B1 (en) * | 2012-12-14 | 2014-04-29 | EyeNode, LLC | Pill identification and counterfeit detection method |
CN107067000A (zh) * | 2017-03-31 | 2017-08-18 | 深圳怡化电脑股份有限公司 | 一种纸币污损程度的识别方法及装置 |
CN107331032A (zh) * | 2017-07-11 | 2017-11-07 | 中央民族大学 | 一种鉴别纸币真伪的方法 |
CN110505412A (zh) * | 2018-05-18 | 2019-11-26 | 杭州海康威视数字技术股份有限公司 | 一种感兴趣区域亮度值的计算方法及装置 |
CN111898520A (zh) * | 2020-07-28 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 证件真伪识别方法、装置、计算机可读介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
基于曲波纹理分析和SVM-KNN分类的假指纹检测算法;张永良等;计算机科学(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112733902A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399890B (zh) | 图像识别方法、装置、电子设备及可读存储介质 | |
CN108228761B (zh) | 支持区域自定义的图像检索方法和装置、设备、介质 | |
CN109740417B (zh) | 发票类型识别方法、装置、存储介质和计算机设备 | |
CN106778814B (zh) | 一种基于投影谱聚类算法的去除sar图像斑点的方法 | |
CN112580668B (zh) | 一种背景欺诈检测方法、装置及电子设备 | |
CN115273115A (zh) | 一种文档元素标注方法、装置、电子设备和存储介质 | |
CN108229583B (zh) | 一种基于主方向差分特征的快速模板匹配的方法及装置 | |
CN111199186A (zh) | 图像质量评分模型训练方法、装置、设备及存储介质 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
CN109376782B (zh) | 基于眼部影像特征的支持向量机白内障分级方法及装置 | |
Sintorn et al. | Gradient based intensity normalization | |
CN112733902B (zh) | 烟盒识别方法 | |
CN111222558B (zh) | 图像处理方法及存储介质 | |
CN111199228A (zh) | 一种车牌定位的方法及装置 | |
CN111523605B (zh) | 一种图像识别方法、装置、电子设备及介质 | |
CN114463764A (zh) | 表格线检测方法、装置、计算机设备和存储介质 | |
CN114612923A (zh) | 基于目标检测的户型图墙体处理方法、系统、介质及设备 | |
Ustubioglu et al. | Improved copy-move forgery detection based on the CLDs and colour moments | |
CN114119952A (zh) | 一种基于边缘信息的图像匹配方法及装置 | |
CN113627611A (zh) | 一种模型训练方法、装置、电子设备及存储介质 | |
CN113569792B (zh) | 一种基于精准指纹识别的智能保险柜应用方法及装置 | |
CN110276050A (zh) | 对高维向量相似性比较的方法及装置 | |
CN117690030B (zh) | 基于图像处理的多面发花识别方法及系统 | |
CN113139579B (zh) | 一种基于图像特征自适应卷积网络的图像分类方法和系统 | |
CN116071625B (zh) | 深度学习模型的训练方法、目标检测方法及装置 |
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 |