CN113361300A - 标识信息识别方法、装置、设备和存储介质 - Google Patents
标识信息识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113361300A CN113361300A CN202010143962.8A CN202010143962A CN113361300A CN 113361300 A CN113361300 A CN 113361300A CN 202010143962 A CN202010143962 A CN 202010143962A CN 113361300 A CN113361300 A CN 113361300A
- Authority
- CN
- China
- Prior art keywords
- image
- identification information
- feature
- images
- object contained
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种标识信息识别方法、装置、设备和存储介质,该方法包括:用户先对第一图像中包含物体的第一目标区域进行选取,第一目标区域通常是物体上特殊的标记或者图案所在的图像区域。然后,提取第一目标区域的第一特征以及第二图像的第二特征。若第一特征与第二特征之间的第一相似度满足预设条件,则将第二图像中包含的物体的标识信息确定为第一图像中包含的物体的标识信息。可见,本发明提供了一种通过识别物体上的特殊标志或图案来确定物体标识信息的方法。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种标识信息识别方法、装置、设备和存储介质。
背景技术
随着社会的不断发展,汽车拥有量也逐年增加,因此,如何高效地识别车辆并对车辆的行为进行管理就成为一个重要的课题。尤其是当车辆出现违章行为时,通过识别车辆来追究相关责任的需求就显得更加必要。
道路上安装的摄录设备在车辆行驶过程中可以对车辆进行拍摄,以通过拍得的图像实现车辆的识别。一种最常见的方式就是通过识别图像中车辆的车牌号来实现。但在实际应用中,摄录设备很有可能出现没有拍摄到清晰的车牌号的情况。这种情况下,如何识别车辆就成为一个亟待解决的问题。
发明内容
有鉴于此,本发明实施例提供一种标识信息识别方法、装置、设备和存储介质,用以准确识别车辆身份。
第一方面,本发明实施例提供一种标识信息识别方法,包括:
响应于用户的选择操作,选取第一图像中包含的物体的第一目标区域;
提取所述第一目标区域的第一特征;
提取第二图像的第二特征,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型,且所述第二图像中包含的物体的标识信息已知,所述第二图像是第一候选集中的任一张图像;
若所述第一特征和所述第二特征之间的第一相似度满足预设条件,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
第二方面,本发明实施例提供一种标识信息识别装置,包括:
区域确定模块,用于响应于用户的选择操作,选取第一图像中包含的物体的第一目标区域。
提取模块,用于提取所述第一目标区域的第一特征;以及提取第二图像的第二特征,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型,且所述第二图像中包含的物体的标识信息已知,所述第二图像是第一候选集中的任一张图像;
标识确定模块,用于若所述第一特征和所述第二特征之间的第一相似度满足预设条件,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
第三方面,本发明实施例提供一种电子设备,包括处理器和存储器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的标识信息识别方法。该电子设备还可以包括通信接口,用于与其他设备或通信网络通信。
第四方面,本发明实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现如第一方面所述的标识信息识别方法。
第五方面,本发明实施例提供一种标识信息识别方法,包括:
响应于用户输入,确定第一图像中包含的物体的第一目标区域;
提取所述第一目标区域的第一特征;
基于第一候选集,选取第一候选集中的第二图像,其中,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型;
确定所述第二图像的第二特征与所述第一图像的第一特征满足第一预设条件;
设置所述第一图像中包含的物体的标识信息为第二图像中包含的物体的标识信息。
第六方面,本发明实施例提供一种标识信息识别装置,包括:
第一确定模块,用于响应于用户输入,确定第一图像中包含的物体的第一目标区域;
提取模块,用于提取所述第一目标区域的第一特征;
选取模块,用于基于第一候选集,选取第一候选集中的第二图像,其中,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型;
第二确定模块,用于所述第二图像的第二特征与所述第一图像的第一特征满足第一预设条件;
设置模块,用于设置所述第一图像中包含的物体的标识信息为第二图像中包含的物体的标识信息。
第七方面,本发明实施例提供一种电子设备,包括处理器和存储器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现上述第五方面中的标识信息识别方法。该电子设备还可以包括通信接口,用于与其他设备或通信网络通信。
第八方面,本发明实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现如第五方面所述的标识信息识别方法。
本发明实施例提供的标识信息识别方法,用户对第一图像中包含物体的第一目标区域进行选择。在实际应用中,用户选择的第一目标区域通常是物体上的特殊标志或图案所在的图像区域。然后,识别设备响应于用户的选择操作,确定第一目标区域。再提取第一目标区域的第一特征以及第二图像的第二特征。其中,第一图像和第二图像中包含的物体的类型相同并且第二图像中包含的物体的标识信息是已知的。若第一特征与第二特征之间的第一相似度满足预设条件,则将第二图像中包含的物体的标识信息确定为第一图像中包含的物体的标识信息。
根据上述描述可知,本发明提供的方法是通过识别物体上的特殊标志或图案来实现物体标识信息识别的。以背景技术中提到的车辆为例,第一目标区域通常可以是车身、车窗上粘贴或者喷涂的标志、图案等等。使用上述方法即使在第一图像中不包含清晰的车牌号时,也能够识别出车辆的标识信息。
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一简单地介绍,显而易见地,下面描述中的附图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标识信息识别方法的流程图;
图2a为本发明实施例提供的用户确定第一目标区域的操作示意图;
图2b为本发明实施例提供的一种车辆姿态的示意图;
图2c为本发明实施例提供的另一种车辆姿态的示意图;
图3为本发明实施例提供的一种坐标转换方式的流程图;
图4为本发明实施例提供的参考图像中车辆姿态的示意图;
图5为本发明实施例提供的参考坐标与参考图像中车辆之间位置关系的示意图;
图6为本发明实施例提供的另一种标识信息识别方法的流程图;
图7为本发明实施例提供的又一种标识信息识别方法的流程图;
图8为本发明实施例提供的又一种标识信息识别方法的流程图;
图9为本发明实施例提供的又一种标识信息识别方法的流程图;
图10为本发明实施例提供的一种标识信息识别装置的结构示意图;
图11为与图10所示实施例提供的标识信息识别装置对应的电子设备的结构示意图;
图12为本发明实施例提供的另一种标识信息识别装置的结构示意图;
图13为与图12所示实施例提供的标识信息识别装置对应的电子设备的结构示意图;
图14为本发明实施例提供的标识信息识别方法应用于交通场景下的示意图;
图15为本发明实施例提供的标识信息识别方法应用于视频场景下的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例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,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于识别”。类似地,取决于语境,短语“如果确定”或“如果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述的条件或事件)时”或“响应于识别(陈述的条件或事件)”。
还需要说明的是,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商品或者系统不仅包括那些要素,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商品或者系统所固有的要素。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商品或者系统中还存在另外的相同要素。
下面以识别车辆的标识信息场景为例,对本发明实施例提供的标识信息识别方法进行说明。而在此之前,还需要先对该标识信息识别的现实意义进行示例性说明:
在行驶道路的特定位置处可以设置摄录设备,比如卡口摄像机,车辆在行驶过程中产生的各种行驶行为均可以被卡口摄像机拍摄到。当车辆出现违章行为时,则可以对卡口摄像机拍得的图像进行识别,以得到车辆的标识信息,并进一步对相应的驾驶员进行处罚。其中,上述的标识信息可以是车辆的车牌号、驾驶员信息等等。
但在实际应用中,由于卡口摄像机设置的位置较为固定又或者驾驶员的故意遮挡,因此,卡口摄像机拍得的图像中很有可能不包含清晰的车牌号。这种情况下,就需要使用本发明提供的方法来实现车辆标识信息的识别。
基于上述背景,下面结合附图对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
图1为本发明实施例提供的一种标识信息识别方法的流程图,本发明实施例提供的该标识信息识别方法可以由识别设备来执行。可以理解的是,该识别设备可以实现为软件、或者软件和硬件的组合。本实施例以及下述各实施例中的识别设备具体来说可以是服务器。如图1所示,该方法包括如下步骤:
S101,响应于用户的选择操作,确定第一图像中包含的物体的第一目标区域。
道路上设置的卡口摄像机可以拍得第一图像,第一图像中包含的物体即为车辆。识别设备可以定期获取卡口摄像机拍得第一图像,以便用户可以在识别设备提供的屏幕上触发选择操作。识别设备对用户的选择操作进行响应后,便可以确定第一图像中的第一目标区域。
其中,可选地,用户通常可以是交通管理部门的工作人员。第一图像中包含的车辆上可以具有特殊标志或图案,比如汽车挡风玻璃或者车窗上粘贴的车检标志、停车证等,又或者是车身上喷涂的特殊图案等。在第一图像中,用户选择的第一目标区域通常也是这些特殊标志或者图案所在的位置。用户对第一目标区域的选择的过程可以如图2a所示。
S102,提取第一目标区域的第一特征。
接着,可以对此第一目标区域进行特征提取。可选地,特征的提取可以借助特征提取模型来实现,即将第一目标区域输入至模型中,以由此模型提取出第一目标区域的第一特征。可选地,特征提取模型具体可以是卷积神经网络模型。
S103,提取第二图像的第二特征,第二图像包含的物体与第一图像中包含的物体属于同种类型,且第二图像中包含的物体的标识信息已知。
然后,识别设备还可以对第二图像进行特征提取,以得到第二特征。其中,第二图像可以是第一候选集中的任意一张图像。第二特征提取的方式与第一特征相同,可以参见上述相关描述,在此不再赘述。
对于第一候选集,可选地,其可以预先建立并存储于识别设备本地。对于第一候选集中的任意一张图像,一方面,图像中包含的物体与第一图像中包含物体类型相同,比如都是轿车或者都是货车等等。另一方面,图像中包含的物体的标识信息也都是已知的,此标识信息可以与图像关联。车辆的标识信息比如可以为车牌号、车辆型号、颜色、驾驶员信息等等。
另外,可选地,在第一候选集中可以有多张第二图像都对应于同一车辆。并且是从不同角度对车辆进行拍摄得到的这多张第二图像。以车辆A为例,当车辆A沿第一方向行驶时,卡口摄像机可以拍得一张车辆A的第二图像,如图2a所示,此时车辆A的车头与卡口摄像机之间成第一角度,也即认为图中的车辆A具有姿态1。当车辆A沿第二方向行驶时,摄像机还可以拍得另一张车辆A的第二图像,如图2b所示,此时车辆A的车头与卡口摄像机之间成第二角度,图中的车辆A具有姿态2。
S104,若第一特征和第二特征之间的第一相似度满足预设条件,则确定第一图像中包含的物体的标识信息与第二图像中包含的物体的标识信息相同。
对于提取出的第一特征和第二特征,可以进一步确定二者的第一相似度。若第一相似度满足预设条件,比如大于预设阈值,可以认为第一图像中包含的车辆与第二图像中包含的车辆相同,此时,则可以获得与此第二图像关联的标识信息,并直接将此标识信息确定为第一图像中包含的车辆的标识信息。
在实际应用中,可选地,特征之间的相似度具体可以表现为特征之间的距离,比如欧式距离、汉明距离等等。此时,也即是计算第一特征和第二特征之间的距离。若距离大于预设阈值,则确定第一图像中包含的车辆的标识信息与第二图像中包含的车辆的标识信息相同。
本发明实施例中,响应于用户的选择操作,识别设备确定第一图像中包含物体的第一目标区域。然后,提取此第一目标区域的第一特征以及第二图像的第二特征。若第一特征与第二特征之间的第一相似度满足预设条件,则将第二图像中包含的物体的标识信息确定为第一图像中包含的物体的标识信息。可见,本实施例提供了一种通过识别车辆上的特殊标志或图案来确定物体标识信息的方法。当第一图像中不包含清晰的车牌号时,也能够利用此方法识别出车辆的标识信息。
正如上述步骤103中的描述,由于卡口摄像机设置位置的固定,因此,第一图像与第二图像通常是卡口摄像机从不同角度对车辆拍摄后得到的,比如图2a以及图2b中所示的情况,第一图像中车辆面向第一方向,第二图像中的车辆面向第二方向,也可理解成车辆在两图像中的姿态不同。姿态的差异当然也会对车辆上特殊标记或图案的识别造成影响。
为了避免上述问题,可选地,可以根据预设的物体模型分别对第一图像和第二图像中包含的车辆的姿态进行调整。对于姿态的调整方式,可选地,可以通过图像坐标转换的方式实现,具体地,如图3所示:
S201,分别检测第一图像中包含的多个关键点的第一坐标以及第二图像中包含的多个关键点的第二坐标。
具体来说,可以将第一图像输入至关键点检测模型中,以由此模型输出第一图像中关键点的第一坐标。可选地,关键点检测模型可以为级联姿势回归(Cascaded PoseRegression,简称CPR)模型、主动外观模型(active appearance model,AAM)等等。同样的,也可以将第二图像也输入至关键点检测模型中,以得到第二坐标。
可选地,还可以对上述的第一坐标和第二坐标进行归一化处理。
S202,根据预设物体模型中多个关键点的参考坐标和第一坐标,确定与第一图像对应的第一转换矩阵。
S203,根据参考坐标和第二坐标,确定与第二图像对应的第二转换矩阵。
然后,获取预设物体模型中多个关键点的参考坐标。可选地,也可以对此参考坐标进行归一化处理。
其中,假设预先收集一参考图像,此参考图像中包含的车辆的姿态可以如图4所示,即车辆的车头垂直于卡口摄像机。则可以根据参考图像中各像素点的像素坐标以及各像素点与车辆部位之间的对应性建立一个车辆模型。当然,预设物体模型对应的车辆类型是与第一图像、第二图像中包含车辆的类型是相同的。
其中,预设物体模型中的关键点、第一图像中的关键点以及第二图像中的关键点的数量都是相等,并且它们均对应于车辆上一些特定的位置。假设关键点的数量为10个,则它们可以分别对应于车辆车头的左上角、右上角,车窗左上角、中线上端点、右上角、左下角、中线下端点、右下角,车头左下角、右下角等等,关键点所在的位置可以如图5所示。当然,关键点也可以对应于车辆上的其他位置,可以具体根据实际需求进行调整。
由于根据预设物体模型中关键点的数量与第一图像中关键点的数量相等,因此,模型中关键点的参考坐标与第一图像中关键点的第一坐标之间具有一一对应关系,可以根据此对应关系确定第一图像对应的第一转换矩阵。相似地,也可以根据参考坐标与第二坐标之间的对应关系确定第二转换矩阵。
S204,根据第一转换矩阵对第一图像进行坐标转换。
S205,根据第二转换矩阵对第二图像进行坐标转换。
根据第一转换矩阵对第一图像中的所有像素点都进行坐标转换,以得到的转换后的第一图像。同样的,根据第二转换矩阵对第二图像中的像素点进行坐标转换,以得到转换后的第二图像。
本实施例中,转换后第一图像以及转换后第二图像中车辆的姿态均与参考图像中包含的车辆姿态是相同的,即车辆的车头垂直于卡口摄像机。此时,车辆上的特殊标记或图案是可以清晰、完整的显示出来的。通过对此清晰的特殊标记或图案进行识别也就能够进一步车辆的标识信息的准确性。
另外,在得到转换后的第一图像之后,其可以显示于识别设备的屏幕上。此时,图6为本发明实施例提供的另一种标识信息识别方法的流程图。如图6所示,该方法可以包括如下步骤:
S301,响应于用户的选择操作,确定转换后的第一图像中包含的物体的第一目标区域。
识别设备在显示转换后的第一图像后,用户则可以在屏幕上触发选择操作,以使识别设备响应此操作后确定第一目标区域。
并且与图1所示实施例相同的,用户选择的第一目标区域中同样可以包含车辆上的特殊标记或图案。只不过由于车辆在第一图像和转换后的第一图像中的姿态不同,因此,相应的,特殊标记或图案在第一图像中的显示是具有一定角度的,而在转换后的第一图像中则可以完整、清晰的显示出来。
S302,提取第一目标区域的第一特征。
上述步骤102的执行过程与前述实施例的相应步骤相似,可以参见如图1所示实施例中的相关描述,在此再不赘述。
S303,在转换后的第二图像中确定与第一目标区域对应的第二目标区域。
S304,提取第二目标区域的第二特征。
识别设备确定出第一目标区域后,则可以获取第一目标区域内各像素点的像素坐标。由于转换后的第一图像和转换后的第二图像的尺寸相同,也即是其中包含相同的像素点个数,因此,在转换后的第二图像中,可以确定具有相同像素坐标的像素点,以由这些像素点组成第二目标区域。然后,利用特征提取模型在此第二目标区域内提取第二特征,特征提取方式与第一特征的提取方式相同,在此不再赘述。
S305,若第一特征和第二特征之间的第一相似度满足预设条件,则确定第一图像中包含的物体的标识信息与第二图像中包含的物体的标识信息相同。
上述步骤105的执行过程与前述实施例的相应步骤相似,可以参见如图1所示实施例中的相关描述,在此再不赘述。
本实施例中,第二目标区域是由第一目标区域映射过来的,此第二目标区域可以认为是第二图像中特殊标记或图案出现概率最高的区域。再通过对第一目标区域与第二目标区域进行特征比对,即可实现车辆标识信息的识别。一方面,相比于将第一目标区域和全部的第二图像进行特征比对,本实施例提供的方式具有更小的计算量。另一方面,用户只需在第一图像中选取第一目标区域,通过映射的方式识别设备即可自动确定第二目标区域,无需人工选取。上述两方面结合,能够提高车辆标识信息的识别效率。
图7为本发明实施例提供的又一种标识信息识别方法的流程图,在步骤101之前,如图7所示,该方法还可以包括如下步骤:
S401,提取第一图像的第三特征和第二候选集中多张图像的第四特征,多张图像中包含的物体与第一图像中包含的物体属于同种类型,且多张图像中包含的物体的标识信息已知。
识别设备本地可以存储一个预先建立的第二候选集,第二候选集中图像的数量可以是十万数量级的。且对于第二候选集中的任意一张图像,一方面,图像中包含的物体与第一图像中包含物体类型相同,比如都是轿车或者都是货车等等。另一方面,图像中包含的物体的标识信息也都是已知的,此标识信息可以与图像关联。车辆的标识信息比如可以为车牌号、车辆型号、颜色、驾驶员信息等等。
然后,对第一图像和第二候选集中的多张图像均进行特征提取,以得到第一图像的第三特征以及多张图像各自的第四特征。而特征提取的具体过程可以参见图1所示实施例中的相关描述,在此不再赘述。
S402,确定第三特征分别与多张图像的第四特征之间的第二相似度。
然后,分别确定第三特征和第四特征之间的第二相似度。与图1所示实施例相同的,此第二相似度同样可以具体表现为特征之间距离。
S403,根据第二相似度确定N张图像中包含的物体的标识信息是否相同,若相同,则执行步骤404,否则执行步骤405~406。
S404,确定第一图像中包含的物体的标识信息与N张图像中包含的物体的标识信息相同,N张图像是多张图像中最高的前N个第二相似度对应的图像,N>1。
假设第二候选集中有P张图像,则经过步骤302之后可以得到P个第二相似度,识别设备提供的屏幕上按照第二相似度的降序排序依次显示第二相似度对应的图像,即显示识别结果列表。
对于P个第二相似度,一种情况,最高的N个第二相似度对应的N张图像中包含车辆的标识信息都是相同的,此时,可以认为此识别结果是有效的,可以直接确定这N张图像中包含车辆的标识信息即为第一图像中包含车辆的标识信息,举例来说,N=5。
S405,生成提示信息,以使用户根据提示信息触发选择操作。
S406,从多张图像中选出最高的前M个第二相似度所对应的M张图像构成第一候选集,M>N。
另一种情况,最高的N个第二相似度对应的N张图像中包含车辆的标识信息不相同,此时可以认为识别结果无效,识别设备可以生成提示信息。用户在识别设备的屏幕上看到此提示信息后,则可以触发选择操作,以选择第一图像中的第一目标区域。此时便可以继续执行图1~图6所示的实施例。
另外,在生成提示信息的之后,识别设备还可以从多张图像中选出最高的前M个第二相似度所对应的M张图像构成图1~图6所示的实施例中的第一候选集,其中,M>N。举例来说,M=100。
本实施例中,在得到第一图像后,识别设备可以利用先第二候选集中的多张图像进行第一次识别,以得到识别结果。若识别结果有效,则对第一图像中包含的标识信息识别完成。若识别结果无效,则用户会进一步在第一图像中选取第一目标区域,同时识别设备还会根据第二相似度从第二候选集中筛选出部分图像组成第一候选集。再执行如图1~图6所示实施例中的标识信息识别方法,对第一图像进行第二次识别,最终得到第一图像中包含的车辆的标识信息。
图8为本发明实施例提供的又一种标识信息识别方法的流程图,如图8所示,该方法包括如下步骤:
S501,响应于用户输入,确定第一图像中包含的物体的第一目标区域。
S502,提取第一目标区域的第一特征。
首先,用户可以通过识别设备触发输入操作,此输入操作,可选地,可以是用户在显示有第一图像的识别设备上触发的图像区域选取操作,也可以是用户通过识别设备提供的操作界面触发的语音或者文字的输入操作,用以输入特殊标记或者图案在车辆上的位置,比如车辆的车身或者前挡风玻璃。
在识别设备得到第一图像后,若用户触发的输入操作是前述的选择操作,则识别设备可以直接响应于此选取操作,得到第一图像中的第一目标区域,并进一步对第一图像进行特征提取,以得到第一特征。若用户触发的输入操作是前述的文字或语音的输入操作,则识别设备可以先根据用户输入的内容识别出第一图像中的第一目标区域,再提取出第一目标区域的第一特征。
S503,基于第一候选集,选取第一候选集中的第二图像,其中,第二图像包含的物体与第一图像中包含的物体属于同种类型。
S504,确定第二图像的第二特征与第一图像的第一特征满足第一预设条件。
S505,设置第一图像中包含的物体的标识信息为第二图像中包含的物体的标识信息。
接着,识别设备从预先建立的第一候选集中选取第二图像,第二图像的选取可以是随机选取或者按照预设规则选取出的一张图像,并且此图像中包含的物体与第一图像中包含的物体的类型是相同的,也即是二者都包含车辆,比如都是货车或者轿车等等。其中,对于与第一候选集相关的内容可以参见图1所示实施例中的相关描述,在此不再赘述。
再对第二图像进行特征提取,以得到第二特征,并进一步判断第一特征与第二特征是否满足第一预设条件,比如可以是判断两特征之间的相似度是否满足预设阈值。最终,当第一特征和第二特征之间的相似度大于预设阈值时,表明两张图像中包含的物体即车辆是相同的,则识别设备会将第二图像中包含物体的标识信息确定为第一图像中包含物体的标识信息。
本实施例中未详细描述的内容,可以参见图1所示实施例中的相关内容,在此不再赘述。
本实施例与图1所示实施例相似,实际上也是提供了通过识别车辆上的特殊标志或图案来确定物体标识信息的方法。当第一图像中不包含清晰的车牌号时,也能够利用此方法识别出车辆的标识信息。
另外,正如上文中提到的由于卡口摄像机设置位置的固定,因此,第一图像与第二图像通常是卡口摄像机从不同角度对车辆拍摄后得到的,也即是车辆在两图像中的姿态不同。而车辆姿态的差异也会对标识信息的识别造成影响。
为了避免上述问题,可选地,可以根据预设的物体模型分别对第一图像和第二图像中包含的车辆的姿态进行调整。对于姿态的调整方式,可以参见上述图3所示实施例中的相关描述。
在图8所示实施例的基础上,图9为本发明实施例提供的又一种标识信息识别方法的流程图,在步骤501之前,如图9所示,该方法还可以包括如下步骤:
S601,提取第一图像的第三特征和第二候选集中多张图像的第四特征,多张图像中包含的物体与第一图像中包含的物体属于同种类型。
S602,确定第三特征分别与多种图像中N张图像的第四特征满足第二预设条件,N>1。
S603,若根据N张图像中包含的物体的标识信息相同,则设置第一图像中包含的物体的标识信息为N张图像中包含的物体的标识信息。
具体的,识别设备在得到第一图像后,可以直接以全图像为单位提取其的第三特征,同时还可以提取第二候选集中多张图像各自的第四特征。其中第二候选集中图像包含的物体的类型与第一图像中包含的是相同的。
然后,依次确定第三特征与第二候选集中的N张图像的第四特征是否满足第二预设条件,其中,N>1。这种预设条件具体来说可以是:确定第三特征分别与N张图像的第四特征之间的相似度是否大于预设相似度。其中,前述的N张图像是多张图像中最高的前N个相似度对应的图像。
若N张图像中包含的物体标识信息相同,则确定第一图像中包含物体的标识信息为N张图像中包含物体的标识信息。若N张图像中包含的物体标识信息不相同,则识别设备会生成提示信息,以使用户根据提示信息触发输入操作。此时识别设备会根据第二候选集确定出第一候选集,二者之间的关系可以参见图7中的相关描述。此后,识别设备还会进一步执行图8所示实施例的步骤,从而实现标识信息的再一次识别。
本实施例中未详细描述的内容,可以参见图7所示实施例中的相关内容,在此不再赘述。
本实施例与图7所示实施例相似,在得到第一图像后,识别设备可以利用先第二候选集中的多张图像进行第一次识别。若识别结果无效,则用户会进一步在第一图像中选取第一目标区域,同时识别设备还会根据第二相似度从第二候选集中筛选出部分图像组成第一候选集。再执行如图8所示实施例中的标识信息识别方法,对第一图像进行第二次识别,最终得到第一图像中包含的车辆的标识信息。
以下将详细描述本发明的一个或多个实施例的标识信息识别装置。本领域技术人员可以理解,这些图像替换装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图10为本发明实施例提供的一种标识信息识别装置的结构示意图,如图10所示,该装置包括:
区域确定模块11,用于响应于用户的选择操作,确定第一图像中包含的物体的第一目标区域。
提取模块12,用于提取所述第一目标区域的第一特征;以及提取第二图像的第二特征,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型,且所述第二图像中包含的物体的标识信息已知,所述第二图像是第一候选集中的任一张图像。
标识确定模块13,用于若所述第一特征和所述第二特征之间的第一相似度满足预设条件,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
可选地,所述装置还包括:转换模块21,用于根据预设物体模型分别对所述第一图像和所述第二图像进行坐标转换,以调整所述第一图像包含的物体的姿态与所述第二图像中包含的物体的姿态相同。
可选地,所述转换模块21具体包括:
检测单元211,用于分别检测所述第一图像中包含的多个关键点的第一坐标以及所述第二图像中包含的多个关键点的第二坐标。
矩阵确定单元212,用于根据预设物体模型中多个关键点的参考坐标和所述第一坐标,确定与所述第一图像对应的第一转换矩阵;以及根据所述参考坐标和所述第二坐标,确定与所述第二图像对应的第二转换矩阵。
转换单元213,用于根据所述第一转换矩阵对所述第一图像进行坐标转换;以及根据所述第二转换矩阵对所述第二图像进行坐标转换。
可选地,所述区域确定模块11还用于:确定转换后的第一图像中包含的物体的所述第一目标区域。
所述提取模块12还用于:在所述转换后的第二图像中确定与所述第一目标区域对应的第二目标区域;以及提取所述第二目标区域的第二特征。
可选地,所述提取模块12具体用于:将所述第一目标区域和所述第二目标区域分别输入特征提取模型,以通过所述特征提取模型提取所述第一目标区域的第一特征以及所述第二目标区域的第二特征。
可选地,所述标识确定模块13包括:
距离确定单元131,用于确定所述第一特征与所述第二特征之间的距离。
标识确定单元132,用于若所述距离大于预设距离,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
可选地,所述提取模块12还用于:提取所述第一图像的第三特征和第二候选集中多张图像的第四特征,所述多张图像中包含的物体与所述第一图像中包含的物体属于同种类型,且所述多张图像中包含的物体的标识信息已知。
所述标识确定模块13还用于:确定所述第三特征分别与所述多张图像的第四特征之间的第二相似度;以及若根据所述第二相似度确定出N张图像中包含的物体的标识信息相同,则确定所述第一图像中包含的物体的标识信息与所述N张图像中包含的物体的标识信息相同,所述N张图像是所述多张图像中最高的前N个所述第二相似度对应的图像,N>1。
所述装置还包括:生成模块22,用于若根据所述第二相似度确定出所述N张图像中包含的物体的标识信息各不相同,则生成提示信息,以使所述用户根据所述提示信息触发选择操作。
所述装置还包括:选取模块23,用于若根据所述第二相似度确定出所述N张图像中包含的物体的标识信息不相同,则从所述多张图像中选出最高的前M个第二相似度所对应的M张图像构成所述第一候选集,M>N。
图10所示装置可以执行图1至图7所示实施例的方法,本实施例未详细描述的部分,可参考对图1至图7所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1至图7所示实施例中的描述,在此不再赘述。
以上描述了一种标识信息识别装置的内部功能和结构,在一个可能的设计中,标识信息识别装置的结构可实现为一电子设备,该电子设备可以是保存有应用程序内全部文件的服务器,如图11所示,该电子设备可以包括:处理器31和存储器32。其中,所述存储器32用于存储支持该电子设备执行上述图1至图7所示实施例中提供的标识信息识别方法的程序,所述处理器31被配置为用于执行所述存储器32中存储的程序。
所述程序包括一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器31执行时能够实现如下步骤:
响应于用户的选择操作,确定第一图像中包含的物体的第一目标区域;
提取所述第一目标区域的第一特征;
提取第二图像的第二特征,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型,且所述第二图像中包含的物体的标识信息已知,所述第二图像是第一候选集中的任一张图像;
若所述第一特征和所述第二特征之间的第一相似度满足预设条件,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
可选地,所述处理器31还用于执行前述图1至图7所示实施例中的全部或部分步骤。
其中,所述电子设备的结构中还可以包括通信接口33,用于该电子设备与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存上述电子设备所用的计算机软件指令,其包含用于执行上述图1至图7所示方法实施例中标识信息识别方法所涉及的程序。
图12为本发明实施例提供的另一种标识信息识别装置的结构示意图,如图12所示,该装置包括:
第一确定模块41,用于响应于用户输入,确定第一图像中包含的物体的第一目标区域。
提取模块42,用于提取所述第一目标区域的第一特征。
选取模块43,用于基于第一候选集,选取第一候选集中的第二图像,其中,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型。
第二确定模块44,用于所述第二图像的第二特征与所述第一图像的第一特征满足第一预设条件。
设置模块45,用于设置所述第一图像中包含的物体的标识信息为第二图像中包含的物体的标识信息。
可选地,所述装置还包括:转换模块51,用于根据预设物体模型分别对所述第一图像和所述第二图像进行坐标转换,以调整所述第一图像包含的物体的姿态与所述第二图像中包含的物体的姿态相同。
可选地,所述提取模块42还用于:提取所述第一图像的第三特征和第二候选集中多张图像的第四特征,所述多张图像中包含的物体与所述第一图像中包含的物体属于同种类型。
所述第二确定模块44还用于:确定所述第三特征分别与所述多种图像中N张图像的第四特征满足第二预设条件,N>1。
所述设置模块45,还用于若根据所述N张图像中包含的物体的标识信息相同,则设置所述第一图像中包含的物体的标识信息为所述N张图像中包含的物体的标识信息。
可选地,所述第二确定模块44,还用于确定所述第三特征分别与所述N张图像的第四特征之间的相似度满足所述第二预设条件,所述N张图像是所述多张图像中最高的前N个所述相似度对应的图像。
可选地,所述装置还包括:生成模块52,用于若根据所述N张图像中包含的物体的标识信息不相同,则生成提示信息,以使所述用户根据所述提示信息触发输入操作。
图12所示装置可以执行图8至图9所示实施例的方法,本实施例未详细描述的部分,可参考对图8至图9所示实施例的相关说明。该技术方案的执行过程和技术效果参见图8至图9所示实施例中的描述,在此不再赘述。
以上描述了另一种标识信息识别装置的内部功能和结构,在一个可能的设计中,标识信息识别装置的结构可实现为一电子设备,该电子设备可以是保存有应用程序内全部文件的服务器,如图13所示,该电子设备可以包括:处理器61和存储器62。其中,所述存储器62用于存储支持该电子设备执行上述图8至图9所示实施例中提供的标识信息识别方法的程序,所述处理器61被配置为用于执行所述存储器62中存储的程序。
所述程序包括一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器61执行时能够实现如下步骤:
响应于用户输入,确定第一图像中包含的物体的第一目标区域;
提取所述第一目标区域的第一特征;
基于第一候选集,选取第一候选集中的第二图像,其中,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型;
确定所述第二图像的第二特征与所述第一图像的第一特征满足第一预设条件;
设置所述第一图像中包含的物体的标识信息为第二图像中包含的物体的标识信息。
可选地,所述处理器71还用于执行前述图8至图9所示实施例中的全部或部分步骤。
其中,所述电子设备的结构中还可以包括通信接口63,用于该电子设备与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存上述电子设备所用的计算机软件指令,其包含用于执行上述图8至图9所示方法实施例中标识信息识别方法所涉及的程序。
为便于理解,结合如下的应用场景对以上提供的标识信息识别方法的具体实现过程进行示例性说明。
在交通场景中,正如背景技术以及上述各实施例中已经描述的,存在需要对车辆的标识信息比如对车牌号进行识别的需求,也即是存在对车辆身份进行识别的需求。而在实际应用中,对于道路上卡口摄像头拍得的包含车辆A的第一图像,当其中不包含车辆A的标识信息时,则需要通过识别车辆上的其他特征来确定出车辆A的身份。
具体地,第一图像可以显示于终端设备上,用户可以在终端设备提供的触摸屏上触发选择操作,比如将位于车辆A前挡风玻璃上的特殊图案给框选出来,以得到第一目标区域。然后,在仅对第一目标区域区域进行特征提取的同时,也对第一候选集中的第二图像进行特征提取。其中,第二图像可以是第一候选集中的任意一张图像。同时第一候选集中的图像当然也是包含车辆的,并且这些图像中包含的车辆的标识信息即车辆身份都是已知的。
接着,可以通过计算特征相似度的方式确定第一图像中的车辆A与第二图像中的车辆A1是否是相同。若二者的相似度大于预设阈值,则确定车辆A1即为车辆A1,也即是得到了车辆A的标识信息。若二者的相似度小于预设阈值,表明车辆A不是车辆A1,则可以再从第一候选集中选取另一张第二图像,以进行上述步骤判断另一第二图像中的车辆A2是否是第一图像中的车辆A,以此类推,直到确定出车辆A的标识信息。
最终,确定出的车辆A的标识信息可以显示于终端设备上,用户即可了解到识别结果。上述整体的识别过程可以结合图14进行理解。
在实际应用中,卡口摄像头拍得的第一图像以及第二图像中车辆的姿态可能为图2b或者图2c所示的状态,这种姿态会影响标识信息识别结果的准确性。因此,可选地,还可以对图像中的车辆姿态进行调整,以保证车辆的车头可以完整的展示于图像中,如图4所示的姿态。
另外,可选地,为了提高标识信息识别的效率同时方便用户操作,还可以先不经过人工框选,而直接对第一图像和第二候选集中的多张图像进行特征提取,并进行特征比对。将特征之间的相似度降序排列可以得到标识信息的识别结果。识别结果用于表明第一图像包含的车辆A分别与多张图像各自包含的车辆之间相似度。其中,第二候选集中的图像也是包含车辆的,这些图像中包含的车辆的标识信息都是已知的。
一种可选地方式,上述的识别结果可以以列表形式显示于终端设备上,则用户可以根据识别结果列表人工确定车辆A的标识信息。若用户认为结果列表中前N位对应的车辆的标识信息都与车辆A的不符,表明当前的识别结果欠佳,则用户可以手动触发上述的框选操作,以在第一图像中框选车辆A的特殊图案,再基于框选结果进行第二次标识信息的识别,第二次识别的具体过程可以参见上述描述。
另一种可选地方式,若识别结果中,与第一图像相似度最高的前N张图像中包含的车辆分别对应于不同车辆的标识信息,则终端设备可以生成提示信息,以提示用户触发框选操作,以进一步根据框选结果进行第二次标识信息的识别。
同时,在第二候选集中,还可以将与第一图像相似度最高的前M图像组成上述的第一候选集,以便在此第一候选集内进行第二次标识信息识别。其中,M>N。
本场景中未详细描述的处理过程均可以参见上述实施例中详细描述,在此不再赘述。
除了上述场景之外,上述方法还可以应用到视频场景中,用以识别视频中的logo,可以通过判断视频中是否包含特定logo来确定视频的来源或者确定视频是否侵权。
视频片段1可以显示于终端设备上,对于其中的第一图像,用户可以在终端设备提供的触摸屏上触发选择操作,比如将第一图像中logo所在的第一目标区域框选出来。其中,第一图像可以是视频片段1中的任一帧图像。
然后,在仅对第一目标区域进行特征提取的同时,也对第一候选集中的第二图像进行特征提取。其中,第二图像可以是第一候选集中的任意一张图像。同时,第一候选集由多张包含logo的图像组成。
接着,可以通过计算特征相似度的方式确定第一图像包含的logo与第二图像中的logo是否是相同。若二者的相似度大于预设阈值,则确定第一图像和第二图像包含相同的logo,从而可以确定视频片段1来源于哪个视频网站,或者若第一图像中包含logo,则确定此视频片段1侵权。
若二者的相似度小于预设阈值,表明两图像中的logo不同,则可以再从第一候选集中选取另一张第二图像,以进行上述步骤判断另一第二图像中的logo是否与第一图像中的logo相同,以此类推,直到确定出第一图像中的logo与某一张第二图像中的logo相同。
最终,logo的识别结果可以显示于终端设备上,用户即可了解到识别结果。上述具体的识别过程可以结合图15进行理解。
最后应说明的是: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 (20)
1.一种标识信息识别方法,其特征在于,包括:
响应于用户的选择操作,确定第一图像中包含的物体的第一目标区域;
提取所述第一目标区域的第一特征;
提取第二图像的第二特征,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型,且所述第二图像中包含的物体的标识信息已知,所述第二图像是第一候选集中的任一张图像;
若所述第一特征和所述第二特征之间的第一相似度满足预设条件,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据预设物体模型分别对所述第一图像和所述第二图像进行坐标转换,以调整所述第一图像包含的物体的姿态与所述第二图像中包含的物体的姿态相同。
3.根据权利要求2所述的方法,其特征在于,所述根据预设物体模型分别对所述第一图像和所述第二图像进行坐标转换,包括:
分别检测所述第一图像中包含的多个关键点的第一坐标以及所述第二图像中包含的多个关键点的第二坐标;
根据预设物体模型中多个关键点的参考坐标和所述第一坐标,确定与所述第一图像对应的第一转换矩阵;
根据所述参考坐标和所述第二坐标,确定与所述第二图像对应的第二转换矩阵;
根据所述第一转换矩阵对所述第一图像进行坐标转换;
根据所述第二转换矩阵对所述第二图像进行坐标转换。
4.根据权利要求2所述的方法,其特征在于,所述确定第一图像中包含的物体的第一目标区域,包括:
确定转换后的第一图像中包含的物体的所述第一目标区域;
所述提取第二图像的第二特征,包括:
在所述转换后的第二图像中确定与所述第一目标区域对应的第二目标区域;
提取所述第二目标区域的第二特征。
5.根据权利要求4所述的方法,其特征在于,所述提取所述第一目标区域的第一特征,以及提取所述第二目标区域的第二特征,包括:
将所述第一目标区域和所述第二目标区域分别输入特征提取模型,以通过所述特征提取模型提取所述第一目标区域的第一特征以及所述第二目标区域的第二特征。
6.根据权利要求1所述的方法,其特征在于,所述若所述第一特征和所述第二特征之间的第一相似度满足预设条件,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同,包括:
确定所述第一特征与所述第二特征之间的距离;
若所述距离大于预设距离,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
7.根据权利要求1所述的方法,其特征在于,所述响应于用户的选择操作,确定第一图像中包含的物体的第一目标区域之前,所述方法还包括:
提取所述第一图像的第三特征和第二候选集中多张图像的第四特征,所述多张图像中包含的物体与所述第一图像中包含的物体属于同种类型,且所述多张图像中包含的物体的标识信息已知;
确定所述第三特征分别与所述多张图像的第四特征之间的第二相似度;
若根据所述第二相似度确定出N张图像中包含的物体的标识信息相同,则确定所述第一图像中包含的物体的标识信息与所述N张图像中包含的物体的标识信息相同,所述N张图像是所述多张图像中最高的前N个所述第二相似度对应的图像,N>1。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
若根据所述第二相似度确定出所述N张图像中包含的物体的标识信息不相同,则生成提示信息,以使所述用户根据所述提示信息触发选择操作。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
若根据所述第二相似度确定出所述N张图像中包含的物体的标识信息不相同,则从所述多张图像中选出最高的前M个第二相似度所对应的M张图像构成所述第一候选集,M>N。
10.一种标识信息识别方法,其特征在于,包括:
响应于用户输入,确定第一图像中包含的物体的第一目标区域;
提取所述第一目标区域的第一特征;
基于第一候选集,选取第一候选集中的第二图像,其中,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型;
确定所述第二图像的第二特征与所述第一图像的第一特征满足第一预设条件;
设置所述第一图像中包含的物体的标识信息为第二图像中包含的物体的标识信息。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
根据预设物体模型分别对所述第一图像和所述第二图像进行坐标转换,以调整所述第一图像包含的物体的姿态与所述第二图像中包含的物体的姿态相同。
12.根据权利要求10所述的方法,其特征在于,所述响应于用户输入,确定第一图像中包含的物体的第一目标区域之前,所述方法还包括:
提取所述第一图像的第三特征和第二候选集中多张图像的第四特征,所述多张图像中包含的物体与所述第一图像中包含的物体属于同种类型;
确定所述第三特征分别与所述多种图像中N张图像的第四特征满足第二预设条件,N>1;
若根据所述N张图像中包含的物体的标识信息相同,则设置所述第一图像中包含的物体的标识信息为所述N张图像中包含的物体的标识信息。
13.根据权利要求12所述的方法,其特征在于,所述确定所述第三特征分别与所述多种图像中N张图像的第四特征满足第二预设条件,包括:
确定所述第三特征分别与所述N张图像的第四特征之间的相似度满足预设相似度,所述N张图像是所述多张图像中最高的前N个所述相似度对应的图像。
14.根据权利要求12所述的方法,其特征在于,所述方法还包括:
若根据所述N张图像中包含的物体的标识信息不相同,则生成提示信息,以使所述用户根据所述提示信息触发输入操作。
15.一种标识信息识别装置,其特征在于,包括:
区域确定模块,用于响应于用户的选择操作,确定第一图像中包含的物体的第一目标区域;
提取模块,用于提取所述第一目标区域的第一特征;以及提取第二图像的第二特征,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型,且所述第二图像中包含的物体的标识信息已知,所述第二图像是第一候选集中的任一张图像;
标识确定模块,用于若所述第一特征和所述第二特征之间的第一相似度满足预设条件,则确定所述第一图像中包含的物体的标识信息与所述第二图像中包含的物体的标识信息相同。
16.一种标识信息识别装置,其特征在于,包括:
第一确定模块,用于响应于用户输入,确定第一图像中包含的物体的第一目标区域;
提取模块,用于提取所述第一目标区域的第一特征;
选取模块,用于基于第一候选集,选取第一候选集中的第二图像,其中,所述第二图像包含的物体与所述第一图像中包含的物体属于同种类型;
第二确定模块,用于所述第二图像的第二特征与所述第一图像的第一特征满足预设条件;
设置模块,用于设置所述第一图像中包含的物体的标识信息为第二图像中包含的物体的标识信息。
17.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1至9中任一项所述的标识信息识别方法。
18.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求10至14中任一项所述的标识信息识别方法。
19.一种非暂时性机器可读存储介质,其特征在于,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至9中任一项所述的标识信息识别方法。
20.一种非暂时性机器可读存储介质,其特征在于,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求10至14中任一项所述的标识信息识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010143962.8A CN113361300A (zh) | 2020-03-04 | 2020-03-04 | 标识信息识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010143962.8A CN113361300A (zh) | 2020-03-04 | 2020-03-04 | 标识信息识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361300A true CN113361300A (zh) | 2021-09-07 |
Family
ID=77523532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010143962.8A Pending CN113361300A (zh) | 2020-03-04 | 2020-03-04 | 标识信息识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361300A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605965A (zh) * | 2013-11-25 | 2014-02-26 | 苏州大学 | 一种多姿态人脸识别方法和装置 |
CN108133207A (zh) * | 2017-11-24 | 2018-06-08 | 阿里巴巴集团控股有限公司 | 辅助物品的图像合规的方法、装置和电子设备 |
CN108230375A (zh) * | 2017-12-27 | 2018-06-29 | 南京理工大学 | 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法 |
CN108596277A (zh) * | 2018-05-10 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 一种车辆身份识别方法、装置和存储介质 |
CN108985232A (zh) * | 2018-07-18 | 2018-12-11 | 平安科技(深圳)有限公司 | 人脸图像比对方法、装置、计算机设备及存储介质 |
CN109543524A (zh) * | 2018-10-18 | 2019-03-29 | 同盾控股有限公司 | 一种图像识别方法、装置 |
CN110084775A (zh) * | 2019-05-09 | 2019-08-02 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110192168A (zh) * | 2017-12-29 | 2019-08-30 | 深圳市大疆创新科技有限公司 | 一种无人机拍照方法、图像处理方法和装置 |
-
2020
- 2020-03-04 CN CN202010143962.8A patent/CN113361300A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605965A (zh) * | 2013-11-25 | 2014-02-26 | 苏州大学 | 一种多姿态人脸识别方法和装置 |
CN108133207A (zh) * | 2017-11-24 | 2018-06-08 | 阿里巴巴集团控股有限公司 | 辅助物品的图像合规的方法、装置和电子设备 |
CN108230375A (zh) * | 2017-12-27 | 2018-06-29 | 南京理工大学 | 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法 |
CN110192168A (zh) * | 2017-12-29 | 2019-08-30 | 深圳市大疆创新科技有限公司 | 一种无人机拍照方法、图像处理方法和装置 |
CN108596277A (zh) * | 2018-05-10 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 一种车辆身份识别方法、装置和存储介质 |
CN108985232A (zh) * | 2018-07-18 | 2018-12-11 | 平安科技(深圳)有限公司 | 人脸图像比对方法、装置、计算机设备及存储介质 |
CN109543524A (zh) * | 2018-10-18 | 2019-03-29 | 同盾控股有限公司 | 一种图像识别方法、装置 |
CN110084775A (zh) * | 2019-05-09 | 2019-08-02 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
李海彦 等: "基于仿射变换的多姿态人脸矫正和识别", 《计算机应用研究》 * |
韩晓微 等: "《数字图像融合技术》", 31 December 2010 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009543B (zh) | 一种车牌识别方法及装置 | |
US9082038B2 (en) | Dram c adjustment of automatic license plate recognition processing based on vehicle class information | |
US20190019278A1 (en) | Dynamic Image Recognition Model Updates | |
WO2018205467A1 (zh) | 车损部位的识别方法、系统、电子装置及存储介质 | |
JP7051267B2 (ja) | 画像検出方法、装置、電子設備、記憶媒体、及びプログラム | |
CN110751012B (zh) | 目标检测评估方法、装置、电子设备及存储介质 | |
CN111860352B (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
US9792301B2 (en) | Multi-query privacy-preserving parking management system and method | |
WO2017072955A1 (ja) | 駐車支援装置及び駐車支援方法 | |
CN111382735B (zh) | 夜间车辆检测方法、装置、设备及存储介质 | |
CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN111860219B (zh) | 一种高速占道判断方法、装置及电子设备 | |
CN112078571B (zh) | 自动泊车方法、设备、存储介质及装置 | |
CN113673281B (zh) | 限速信息确定方法、装置、设备以及存储介质 | |
CN111488883A (zh) | 车架号识别方法、装置、计算机设备和存储介质 | |
CN117528035B (zh) | 一种基于主动通知的物体跨境头追踪方法及系统 | |
CN111401362A (zh) | 车辆vin码的篡改检测方法、装置、设备和存储介质 | |
CN112580457A (zh) | 车辆视频的处理方法、装置、计算机设备和存储介质 | |
CN106934345B (zh) | 车辆伤痕库及其构建方法、车辆伤痕信息显示方法及系统 | |
CN113160272A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN111368728A (zh) | 安全监测方法、装置、计算机设备和存储介质 | |
CN111985448A (zh) | 车辆图像识别方法、装置、计算机设备及可读存储介质 | |
CN110660000A (zh) | 数据预测方法、装置、设备及计算机可读存储介质 | |
CN113361300A (zh) | 标识信息识别方法、装置、设备和存储介质 | |
CN116363628A (zh) | 标志检测方法、装置、非易失性存储介质及计算机设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |