CN113436201B - 物品指纹区域选取方法及装置 - Google Patents

物品指纹区域选取方法及装置 Download PDF

Info

Publication number
CN113436201B
CN113436201B CN202110580614.1A CN202110580614A CN113436201B CN 113436201 B CN113436201 B CN 113436201B CN 202110580614 A CN202110580614 A CN 202110580614A CN 113436201 B CN113436201 B CN 113436201B
Authority
CN
China
Prior art keywords
area
fingerprint area
fingerprint
candidate
isolated
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
Application number
CN202110580614.1A
Other languages
English (en)
Other versions
CN113436201A (zh
Inventor
柴跃廷
冯天煜
黄亚东
刘义
缪谨蔚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202110580614.1A priority Critical patent/CN113436201B/zh
Publication of CN113436201A publication Critical patent/CN113436201A/zh
Application granted granted Critical
Publication of CN113436201B publication Critical patent/CN113436201B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种物品指纹区域选取方法及装置，该方法包括：获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。该方法根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域，能够避免人工选取物品指纹区域所带来的同类别物品指纹区域不统一的问题，避免人工选取物品指纹区域图像特征不够明显导致的物品身份鉴别精确度差的问题，以及能够避免因为使用不同分辨率和放大倍数的相机拍摄指纹区域面积不统一导致的指纹区域定位错误。

Description

物品指纹区域选取方法及装置
技术领域
本发明涉及计算机图形技术领域，尤其涉及一种物品指纹区域选取方法及装置。
背景技术
商品、工艺品或者文物，由于产地不同，制造时间、工艺不同，存在冒名顶替、制假掺假等问题。例如，陶瓷制品、玉器和名人字画等。它们由于每个个体都有自己独特的纹路、外观等具有区分度的特征，因此这些特征可以被看作这类物品的指纹。当收到这类物品后，可以通过特定方法提取物品的指纹信息进行比对，鉴别真伪，或得到该物品的来源、生产日期等。
物品指纹是通过特定算法提取的物品表面图像特征，由于物品指纹对应的图像区域面积较小，定位较困难。
发明内容
针对现有技术存在的问题，本发明提供一种物品指纹区域选取方法及装置。
本发明提供一种物品指纹区域选取方法，包括：获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。
根据本发明一个实施例的物品指纹区域选取方法，所述根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域，包括：根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域的指标值；根据候选指纹区域的指标值大小，确定目标指纹区域。
根据本发明一个实施例的物品指纹区域选取方法，所述获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量之前，还包括：将物品图像转换为灰度图像，并进行二值化；确定所有连通域，并对二值化图像进行处理以消除小的连通域，直至连通域的数量小于预设阈值，将处理后的多个连通域，作为孤立区域。
根据本发明一个实施例的物品指纹区域选取方法，所述获取候选指纹区域的边缘明显程度，包括：根据带有梯度方向的灰度梯度图像，选取梯度方向的极大值点作为边缘，根据边缘的像素数量确定边缘明显程度；或根据无梯度方向的灰度梯度图，选取梯度大于一半以上的八邻接像素点梯度的像素点作为边缘，根据边缘的像素数量确定边缘明显程度。
根据本发明一个实施例的物品指纹区域选取方法，所述获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量之前，还包括：根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割，得到所述候选指纹区域。
根据本发明一个实施例的物品指纹区域选取方法，所述根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割之前，还包括：根据相机参数和物品实际尺寸信息，计算候选指纹区域的尺寸大小。
根据本发明一个实施例的物品指纹区域选取方法，所述根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割之前，还包括：获取物品图像和同条件拍摄的包括候选指纹区域的图像；根据图像缩放和特征匹配，获取候选指纹区域在物品表面占据的比例或者像素数量，以确定选候选指纹区域的尺寸大小。
本发明还提供一种物品指纹区域选取装置，包括：获取模块，用于获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；处理模块，用于根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述物品指纹区域选取方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述物品指纹区域选取方法的步骤。
本发明提供的物品指纹区域选取方法及装置，根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域，能够避免人工选取物品指纹区域所带来的同类别物品指纹区域不统一的问题，避免人工选取物品指纹区域图像特征不够明显导致的物品身份鉴别精确度差的问题，以及能够适应因为使用不同分辨率和放大倍数的相机拍摄指纹区域面积不统一导致的指纹区域定位错误。
附图说明
为了更清楚地说明本发明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是本发明提供的物品指纹区域选取方法的流程示意图；
图2是本发明提供的孤立区域选取流程示意图；
图3a是本发明提供的确定边缘明显程度的有方向梯度图像；
图3b是本发明提供的确定边缘明显程度的无方向梯度图像；
图4是本发明提供的基于相机参数的指纹区域估算方法流程示意图；
图5是本发明提供的基于图像匹配的指纹区域估算方法流程示意图；
图6是本发明提供的指纹区域分割方法流程示意图；
图7是本发明提供的物品指纹区域选取装置的结构示意图；
图8本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
下面结合图1-图8描述本发明的物品指纹区域选取方法及装置。图1是本发明提供的物品指纹区域选取方法的流程示意图，如图1所示，本发明提供物品指纹区域选取方法，包括：
101、获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量。
孤立区域为一特定区域，该区域内特征点与区域外特征点存在明显差别。例如区域内为具有较深颜色的物体，区域外为较浅的底色，则该区域为孤立区域。待选指纹区域与孤立区域关联状态包含如下几种情况：指纹区域∈孤立区域，孤立区域∈指纹区域和指纹区域∩孤立区域≠
Figure BDA0003085978400000041
相应地，边缘明显程度为图案边缘与邻居区域的差别大小。例如，可以为颜色差值的大小，而物体的边缘与外围的邻近区域色差往往较大。特征点为与邻近区域差别大的点，如根据色差大小确定特征点。例如，单一颜色的四边形，则具有四个特征点。
102、根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。
在一个实施例中，根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域，包括：根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域的指标值。根据候选指纹区域的指标值大小，确定目标指纹区域。
最终根据是否关联完全孤立区域，指纹区域内边缘明显程度和特征点数量计算指纹区域推荐分数，即指标值。一种实施方式如公式(1)所示，PR,PE,PF分别代表是否关联孤立区域，边缘明显程度和特征点数量，α,β,γ可以是常量，也可以是一个与物品类别或其他特征相关的函数。根据指纹区域推荐分数排序，选取得分最高的区域作为物品指纹区域位置，即目标指纹区域。
Cuse＝α·sgn(PR)+β·PE+γ·PF (1)
本实施例提供的物品指纹区域选取方法，根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域，能够避免人工选取物品指纹区域所带来的同类别物品指纹区域不统一的问题，避免人工选取物品指纹区域图像特征不够明显导致的物品身份鉴别精确度差的问题，以及能够适应因为使用不同分辨率和放大倍数的相机拍摄指纹区域面积不统一导致的指纹区域定位错误。
在一个实施例中，所述获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量之前，还包括：将物品图像转换为灰度图像，并进行二值化；确定所有连通域，并对二值化图像进行处理以消除小的连通域，直至连通域的数量小于预设阈值，将处理后的多个连通域，作为孤立区域。
图2是本发明提供的孤立区域选取流程示意图，如图2所示，对于区域G，如果在其中任做一条简单闭曲线，而闭曲线的内部总属于G，就称G为单连通区域。一个区域如果不是单连通区域，就为多连通区域，孤立区域至少为单连通区域。连通域数量判断的阈值可设为10，当连通域数量小于10时，进行孤立区域标注。否则进行处理，例如腐蚀膨胀处理，消除较小的连通域，直至连通域数量小于10。
在一个实施例中，所述获取候选指纹区域的边缘明显程度，包括：根据带有梯度方向的灰度梯度图像，选取梯度方向的极大值点作为边缘，根据边缘的像素数量确定边缘明显程度；或根据无梯度方向的灰度梯度图，选取梯度大于一半以上的八邻接像素点梯度的像素点作为边缘，根据边缘的像素数量确定边缘明显程度。
边缘明显程度可用图像区域对应的边缘所包含像素数量表示，设为num_edge，其可用梯度图像局部极大值像素点数量衡量，同样大小区域内，num_edge越大，边缘越明显。可以采用带有梯度方向的灰度梯度图像和无梯度方向的灰度梯度图像确定num_edge。
如果采用带有梯度方向的灰度梯度图像则选取梯度方向的极大值点作为边缘，如图3a所示，额外有下划线的方格，边缘数量num_edge＝12。
如果采用无梯度方向的灰度梯度图像，则边缘选取需要该像素点的梯度大于一半以上的八邻接像素点对应梯度，如图3b所示，额外有下划线的方格，边缘数量num_edge＝15。
在一个实施例中，所述获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量之前，还包括：根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割，得到所述候选指纹区域。
考虑到指纹验证的问题，指纹区域的大小必须严格。在本发明实施例中，根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割，得到所述候选指纹区域，确保指纹区域的可控，避免指纹区域面积不统一导致的指纹区域定位错误。
在一个实施例中，所述根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割之前，还包括：根据相机参数和物品实际尺寸信息，计算候选指纹区域的尺寸大小。
指纹区域面积估算包括至少两种，基于相机参数的方法和基于图像匹配的方法。其中，基于相机参数的方法是通过相机参数、提取物品指纹时相机的放大倍数和物品实际尺寸进行计算，具体算法流程如图4所示。
在一个实施例中，所述根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割之前，还包括：获取物品图像和同条件拍摄的包括候选指纹区域的图像；根据图像缩放和特征匹配，获取候选指纹区域在物品表面占据的比例或者像素数量，以确定选候选指纹区域的尺寸大小。
基于图像匹配的方法是通过物品实际图像和图像范围内任意生成物品指纹所用图像同条件(方法、距离和放大倍数等)拍摄的参考区域图像一张。通过图像缩放与特征匹配获取其在物品表面占据的比例或者像素数量，算法流程与实际效果示意图如图5所示。
图6为指纹区域的分割方法流程示意图，指纹区域选取不能包含物品边缘。首先，通过对图像进行二值化、腐蚀和膨胀等方法判断物品区域内是否存在孤立区域。如果存在孤立区域，则优先将与孤立区域相关联的指纹区域作为可选区域建立的参考原点(指其他参考选择区域建立需要以该区域作为参考，以一定间隔紧密排列)；否则，优先选择特征点多或者图像边缘明显的指纹区域大小作为建立可选区域参考原点。
下面对本发明提供的物品指纹区域选取装置进行描述，下文描述的物品指纹区域选取装置与上文描述的物品指纹区域选取方法可相互对应参照。
图7是本发明提供的物品指纹区域选取装置的结构示意图，如图7所示，该物品指纹区域选取装置包括：获取模块701和处理模块702。其中，获取模块701用于获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；处理模块702用于根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。
在一个装置实施例中，所述处理模块具体用于：根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域的指标值；根据候选指纹区域的指标值大小，确定目标指纹区域。
在一个装置实施例中，该装置还包括候选区域分割模块，用于在获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量之前，根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割，得到所述候选指纹区域。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的物品指纹区域选取装置，根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域，能够避免人工选取物品指纹区域所带来的同类别物品指纹区域不统一的问题，避免人工选取物品指纹区域图像特征不够明显导致的物品身份鉴别精确度差的问题，以及能够适应因为使用不同分辨率和放大倍数的相机拍摄指纹区域面积不统一导致的指纹区域定位错误。
图8是本发明提供的电子设备的结构示意图，如图8所示，该电子设备可以包括：处理器(processor)801、通信接口(Communications Interface)802、存储器(memory)803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信。处理器801可以调用存储器803中的逻辑指令，以执行物品指纹区域选取方法，该方法包括：获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。
此外，上述的存储器803中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的物品指纹区域选取方法，该方法包括：获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的物品指纹区域选取方法，该方法包括：获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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 (7)

1.一种物品指纹区域选取方法，其特征在于，包括：
根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割，得到所述候选指纹区域；
获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；
所述获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量之前，还包括：将物品图像转换为灰度图像，并进行二值化；确定所有连通域，并对二值化图像进行处理以消除小的连通域，直至连通域的数量小于预设阈值，将处理后的多个连通域，作为孤立区域；
根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域；
所述根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域，包括：根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域的指标值；根据候选指纹区域的指标值大小，确定目标指纹区域；
其中，所述候选指纹区域与所述孤立区域关联状态包括：指纹区域属于孤立区域，孤立区域属于指纹区域以及指纹区域与孤立区域的交集不为空。
2.根据权利要求1所述的物品指纹区域选取方法，其特征在于，所述获取候选指纹区域的边缘明显程度，包括：
根据带有梯度方向的灰度梯度图像，选取梯度方向的极大值点作为边缘，根据边缘的像素数量确定边缘明显程度；
或根据无梯度方向的灰度梯度图，选取梯度大于一半以上的八邻接像素点梯度的像素点作为边缘，根据边缘的像素数量确定边缘明显程度。
3.根据权利要求1所述的物品指纹区域选取方法，其特征在于，所述根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割之前，还包括：
根据相机参数和物品实际尺寸信息，计算候选指纹区域的尺寸大小。
4.根据权利要求1所述的物品指纹区域选取方法，其特征在于，所述根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割之前，还包括：
获取物品图像和同条件拍摄的包括候选指纹区域的图像；
根据图像缩放和特征匹配，获取候选指纹区域在物品表面占据的比例或者像素数量，以确定选候选指纹区域的尺寸大小。
5.一种物品指纹区域选取装置，其特征在于，包括：
候选区域分割模块，用于根据物品尺寸和指纹区域尺寸的对应关系，对物品图像进行候选指纹区域的分割，得到所述候选指纹区域；
获取模块，用于获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量；
所述获取候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量之前，所述装置还用于：将物品图像转换为灰度图像，并进行二值化；确定所有连通域，并对二值化图像进行处理以消除小的连通域，直至连通域的数量小于预设阈值，将处理后的多个连通域，作为孤立区域；
处理模块，用于根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域是否作为目标指纹区域；
所述处理模块，具体用于：根据候选指纹区域的孤立区域关联状态，边缘明显程度和特征点数量，确定候选指纹区域的指标值；根据候选指纹区域的指标值大小，确定目标指纹区域；
其中，所述候选指纹区域与所述孤立区域关联状态包括：指纹区域属于孤立区域，孤立区域属于指纹区域以及指纹区域与孤立区域的交集不为空。
6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述物品指纹区域选取方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述物品指纹区域选取方法的步骤。
CN202110580614.1A 2021-05-26 2021-05-26 物品指纹区域选取方法及装置 Active CN113436201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110580614.1A CN113436201B (zh) 2021-05-26 2021-05-26 物品指纹区域选取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110580614.1A CN113436201B (zh) 2021-05-26 2021-05-26 物品指纹区域选取方法及装置

Publications (2)

Publication Number Publication Date
CN113436201A CN113436201A (zh) 2021-09-24
CN113436201B true CN113436201B (zh) 2023-01-06

Family

ID=77802866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110580614.1A Active CN113436201B (zh) 2021-05-26 2021-05-26 物品指纹区域选取方法及装置

Country Status (1)

Country Link
CN (1) CN113436201B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413120A (zh) * 2013-07-25 2013-11-27 华南农业大学 基于物体整体性和局部性识别的跟踪方法
CN105303189A (zh) * 2014-07-29 2016-02-03 阿里巴巴集团控股有限公司 一种用于检测预定区域中特定标识图像的方法及装置
US10007860B1 (en) * 2015-12-21 2018-06-26 Amazon Technologies, Inc. Identifying items in images using regions-of-interest
JP2020135616A (ja) * 2019-02-22 2020-08-31 株式会社豊田自動織機 物体検出装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413120A (zh) * 2013-07-25 2013-11-27 华南农业大学 基于物体整体性和局部性识别的跟踪方法
CN105303189A (zh) * 2014-07-29 2016-02-03 阿里巴巴集团控股有限公司 一种用于检测预定区域中特定标识图像的方法及装置
US10007860B1 (en) * 2015-12-21 2018-06-26 Amazon Technologies, Inc. Identifying items in images using regions-of-interest
JP2020135616A (ja) * 2019-02-22 2020-08-31 株式会社豊田自動織機 物体検出装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi-channel optical anti-counterfeiting of micro-mirror arrays;Quanlong Miao等;《Optik》;20140131;全文 *
基于语义的三维CAD模型可重用区域自动提取;白静;《计算机科学》;20130415(第04期);全文 *

Also Published As

Publication number Publication date
CN113436201A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN109977886B (zh) 货架空置率计算方法及装置、电子设备、存储介质
CN107784321B (zh) 数字绘本快速识别方法、系统及计算机可读存储介质
US9251614B1 (en) Background removal for document images
US10275677B2 (en) Image processing apparatus, image processing method and program
CN109740606B (zh) 一种图像识别方法及装置
CN110059702B (zh) 一种物体轮廓识别方法及装置
CN111161222B (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
CN110490190B (zh) 一种结构化图像文字识别方法及系统
CN108197644A (zh) 一种图像识别方法和装置
CN104282027B (zh) 一种基于Hough变换的圆检测方法
CN109472792A (zh) 结合局部熵的局部能量泛函与非凸正则项的图像分割方法
CN110942076B (zh) 一种陶瓷产品防伪标识生成方法及系统
CN111222507B (zh) 数字式仪表读数的自动识别方法、计算机可读存储介质
CN111598076B (zh) 一种标签图像中日期检测处理方法及装置
CN112634301A (zh) 设备区域图像提取方法及装置
Adi et al. Beef quality identification using thresholding method and decision tree classification based on android smartphone
CN109784328B (zh) 定位条码的方法、终端及计算机可读存储介质
CN114241463A (zh) 签名验证方法、装置、计算机设备和存储介质
CN113436201B (zh) 物品指纹区域选取方法及装置
CN111339974B (zh) 一种现代陶瓷与古陶瓷的鉴别方法
CN111898408A (zh) 一种快速人脸识别方法及装置
CN109657083B (zh) 纺织品图片特征库的建立方法和装置
CN113643290B (zh) 一种基于图像处理的吸管计数方法、装置及存储介质
JP6151908B2 (ja) 学習装置、識別装置、およびそのプログラム
US20230267710A1 (en) Method, system and apparatus for training object recognition model

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