CN113785327A - 图像处理方法、装置、边缘计算设备和计算机存储介质 - Google Patents
图像处理方法、装置、边缘计算设备和计算机存储介质 Download PDFInfo
- Publication number
- CN113785327A CN113785327A CN202180001718.0A CN202180001718A CN113785327A CN 113785327 A CN113785327 A CN 113785327A CN 202180001718 A CN202180001718 A CN 202180001718A CN 113785327 A CN113785327 A CN 113785327A
- Authority
- CN
- China
- Prior art keywords
- fund
- game platform
- frames
- attribute data
- substitute
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims description 80
- 230000008859 change Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 240000006413 Prunus persica var. persica Species 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3241—Security aspects of a gaming system, e.g. detecting cheating, device integrity, surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3202—Hardware aspects of a gaming system, e.g. components, construction, architecture thereof
- G07F17/3216—Construction aspects of a gaming system, e.g. housing, seats, ergonomic aspects
- G07F17/322—Casino tables, e.g. tables having integrated screens, chip detection means
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3225—Data transfer within a gaming system, e.g. data sent between gaming machines and users
- G07F17/3232—Data transfer within a gaming system, e.g. data sent between gaming machines and users wherein the operator is informed
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3244—Payment aspects of a gaming system, e.g. payment schemes, setting payout ratio, bonus or consolation prizes
- G07F17/3248—Payment aspects of a gaming system, e.g. payment schemes, setting payout ratio, bonus or consolation prizes involving non-monetary media of fixed value, e.g. casino chips of fixed value
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3286—Type of games
- G07F17/3293—Card games, e.g. poker, canasta, black jack
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/289—Intermediate processing functionally located close to the data consumer application, e.g. in same machine, in same home or in same sub-network
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/30—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device
- A63F2300/308—Details of the user interface
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本公开实施例提出了一种图像处理方法、装置、边缘计算设备和计算机存储介质,该方法包括:确定多帧游戏平台图像中每帧游戏平台图像的识别结果,识别结果至少包括资金替代物品信息;在利用滑动窗口每次确定多帧游戏平台图像中的N帧游戏平台图像的情况下,根据滑动窗口内的N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,滑动窗口的滑动顺序为多帧游戏平台图像的帧顺序,N为大于1的整数,目标帧图像为滑动窗口内N帧游戏平台图像中的一帧图像。
Description
相关申请的交叉引用
本公开要求在2021年6月18日提交新加坡知识产权局、申请号为10202106600X的新加坡专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本公开涉及计算机视觉处理技术,涉及但不限于一种图像处理方法、装置、边缘计算设备和计算机存储介质。
背景技术
目前,可以通过在图像采集设备来采集游戏平台图像,从而对游戏平台图像中的资金替代物品进行检测,然而,资金替代物品之间的遮挡、玩家对资金替代物品的遮挡以及现场灯光等因素会对资金替代物品检测结果的准确性造成影响,在一定程度上降低了资金替代物品检测的识别精度。
发明内容
本公开实施例可以提供图像处理方法、装置、边缘计算设备和计算机存储介质,能够较为准确地得出资金替代物品的检测结果。
本公开实施例提供了一种图像处理方法,所述方法包括:
确定多帧游戏平台图像中每帧游戏平台图像的识别结果,所述识别结果至少包括资金替代物品信息;
利用滑动窗口每次确定所述多帧游戏平台图像中的N帧游戏平台图像的情况下,根据所述滑动窗口内的所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,所述滑动窗口的滑动顺序为所述多帧游戏平台图像的帧顺序,N为大于1的整数,所述目标帧图像为所述滑动窗口内所述N帧游戏平台图像中的一帧图像。
在一些实施例中,所述根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述同一资金替代物品的属性数据中,确定出现次数最多的属性数据;将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的属性数据。
可以理解地,由于现场灯光的亮暗影响、资金替代物品之间的遮挡,玩家游戏过程中对资金替代物品的遮挡、资金替代物品移动等因素的存在,目标帧图像中的资金替代物品信息可能是不准确地,在本公开实施例中,在N帧游戏平台图像的属性数据中确定出现次数最多的属性数据,从而确定目标帧图像中的资金替代物品信息,在一定程度上可以提高目标帧图像中的资金替代物品信息的准确性。
在一些实施例中,所述根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述属性数据中确定出置信度大于或等于置信度阈值的属性数据,为所述资金替代物品的目标属性数据;
在所述同一资金替代物品的目标属性数据中,确定出现次数最多的目标属性数据;将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的目标属性数据。
可以理解地,在本公开实施例中,在N帧游戏平台图像的属性数据中确定出置信度大于或等于置信度阈值的属性数据,即确定出目标属性数据,从而根据出现次数最多的目标属性数据,确定目标帧图像中的资金替代物品信息,在一定程度上可以提高目标帧图像中的资金替代物品信息的准确性。
在一些实施例中,所述根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,确定所述N帧游戏平台图像的识别结果中至少两个资金替代物品的属性数据;
在所述至少两个资金替代物品的属性数据中,通过所述至少两个资金替代物品各自的追踪标识,确定所述至少两个资金替代物品各自的属性数据;
针对所述至少两个资金替代物品中每一个资金替代物品,分别确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:针对每一个所述资金替代物品确定出的所述出现次数最多的属性数据。
可以理解地,在本公开实施例中,可以根据资金替代物品的追踪标识,确定出在N帧游戏平台图像中不同资金替代物品各自的属性数据,从而,可以针对至少两个资金替代物品各自的属性数据,确定出现次数最多的属性数据,从而确定目标帧图像中的资金替代物品信息,在一定程度上可以提高目标帧图像中的资金替代物品信息的准确性。
在一些实施例中,所述资金替代物品的属性数据包括以下至少一项:资金替代物品的面额、资金替代物品的类型、资金替代物品的数量、资金替代物品的拥有者的信息。
可以看出,本公开实施例可以准确地确定资金替代物品的的面额、数量、类型等信息。
在一些实施例中,所述N帧游戏平台图像为所述多帧游戏平台图像中连续的N帧图像。
本公开实施例可以基于连续的N帧图像的资金替代物品信息,更加准确地得出目标帧图像中的资金替代物品信息。
在一些实施例中,所述目标帧图像为所述N帧游戏平台图像中采集时间最早的一帧图像。
如此,本公开实施例可以得出N帧图像中采集时间最早的一帧图像的资金替代物品信息,从而及时获取到准确的资金替代物品信息。
在一些实施例中,所述方法还包括:
根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
本公开实施例可以在准确地得出目标帧图像中的资金替代物品信息的基础上,准确地执行与资金替代物品相关的业务检测逻辑,在一定程度上可以降低由于错误的资金替代物品信息导致的误告警等现象的发生概率。
在一些实施例中,所述根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
确定所述目标帧图像中的人手检测框与资金替代物品检测框;
在所述人手检测框与资金替代物品检测框不重叠的情况下,根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
可以看出,本公开实施例可以针对人手和资金替代物品没有重叠的资金替代物品,执行与资金替代物品相关的业务检测逻辑,从而可以在确定人手未遮挡资金替代物品的情况下,进行与资金替代物品相关的业务检测逻辑,从而在一定程度上可以降低由于人手对资金替代物品的遮挡导致的业务检测逻辑错误的出现概率。
在一些实施例中,所述根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
根据按时间顺序排列的多个目标帧图像中的重新确定的资金替代物品信息,确定资金替代物品信息在所述多个目标帧图像中的变化信息;
向游戏平台的管理设备推送所述变化信息。
可以看出,本公开实施例可以及时将资金替代物品的变化信息进行推送,有利于在管理设备一端针对资金替代物品的变化信息进行后续处理。
在一些实施例中,所述确定多帧游戏平台图像中每帧游戏平台图像的识别结果,包括:
识别所述每帧图像中的目标对象,将识别到的所述目标对象映射到预先确定的区域划分图中,得到所述每帧图像的每一个预设区域的识别结果。
本公开实施例中,预先确定的区域划分图可以准确表示游戏平台中各个区域的目标对象,因而,识别到的目标对象映射到预先确定的区域划分图中,可以较为准确地得到每帧图像的识别结果。
本公开实施例还提供了一种图像处理装置,所述装置包括:
确定模块,用于确定多帧游戏平台图像中每帧游戏平台图像的识别结果,所述识别结果至少包括资金替代物品信息;
处理模块,用于在利用滑动窗口每次确定所述多帧游戏平台图像中的N帧游戏平台图像的情况下,根据所述滑动窗口内的所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,所述滑动窗口的滑动顺序为所述多帧游戏平台图像的帧顺序,所述N为大于1的整数,所述目标帧图像为所述滑动窗口内所述N帧游戏平台图像中的一帧图像。
在一些实施例中,所述处理模块,用于根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述同一资金替代物品的所述属性数据中,确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的属性数据。
在一些实施例中,所述处理模块,用于根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述属性数据中确定出置信度大于或等于置信度阈值的属性数据,为所述资金替代物品的目标属性数据;
在所述同一资金替代物品的目标属性数据中,确定出现次数最多的目标属性数据;
将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的目标属性数据。
在一些实施例中,所述处理模块,用于根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,确定所述N帧游戏平台图像的识别结果中至少两个资金替代物品的属性数据;
在所述至少两个资金替代物品的属性数据中,通过所述至少两个资金替代物品各自的追踪标识,确定所述至少两个资金替代物品各自的属性数据;
针对所述至少两个资金替代物品中每一个资金替代物品,分别确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:针对每一个所述资金替代物品确定出的所述出现次数最多的属性数据。
在一些实施例中,所述资金替代物品的属性数据包括以下至少一项:资金替代物品的面额、资金替代物品的类型、资金替代物品的数量、资金替代物品的拥有者的信息。
在一些实施例中,所述N帧游戏平台图像为所述多帧游戏平台图像中连续的N帧图像。
在一些实施例中,所述目标帧图像为所述N帧游戏平台图像中采集时间最早的一帧图像。
在一些实施例中,所述处理模块,还用于根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
在一些实施例中,所述处理模块,用于根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
确定所述目标帧图像中的人手检测框与资金替代物品检测框;
在所述人手检测框与资金替代物品检测框不重叠的情况下,根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
在一些实施例中,所述处理模块,用于根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
根据按时间顺序排列的多个目标帧图像中的重新确定的资金替代物品信息,确定资金替代物品信息在所述多个目标帧图像中的变化信息;
向游戏平台的管理设备推送所述变化信息。
在一些实施例中,所述确定模块,用于确定多帧游戏平台图像中每帧游戏平台图像的识别结果,包括:
识别所述每帧图像中的目标对象,将识别到的所述目标对象映射到预先确定的区域划分图中,得到所述每帧图像的每一个预设区域的识别结果。
本公开实施例还提供了一种边缘计算设备,所述边缘计算设备用于接收图像采集设备发送的多帧游戏平台图像;所述多帧游戏平台图像是由所述图像采集设备采集的图像;
所述边缘计算设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,
所述处理器用于运行所述计算机程序以执行上述任意一种图像处理方法。
本公开实施例还提供了一种计算机存储介质,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上述任意一种图像处理方法。
本公开实施例提出的图像处理方法、装置、边缘计算设备和计算机存储介质中,确定多帧游戏平台图像中每帧游戏平台图像的识别结果,识别结果至少包括资金替代物品信息;在利用滑动窗口每次确定多帧游戏平台图像中的N帧游戏平台图像的情况下,根据滑动窗口内的N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,滑动窗口的滑动顺序为所述多帧游戏平台图像的帧顺序,N为大于1的整数,目标帧图像为滑动窗口内N帧游戏平台图像中的一帧图像。
可以看出,在本公开实施例中,可以利用滑动窗口内N帧游戏平台图像的识别结果确定目标帧图像的资金替代物品信息,由于N帧游戏平台图像的识别结果包含了更多更准确的资金替代物品信息,因而,本公开实施例可以较为准确地得出目标帧图像的资金替代物品信息,有效提高资金替代物品的识别精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1为本公开实施例的图像处理方法的流程图;
图2A为本公开实施例中游戏平台图像的基准示意图;
图2B为在图2A的基础上得出的资金替代物品区域的划分图;
图3为本公开实施例的图像处理装置的组成结构示意图;
图4为本公开实施例的边缘计算设备的结构示意图。
具体实施方式
以下结合附图及实施例,对本公开进行进一步详细说明。应当理解,此处所提供的实施例仅仅用以解释本公开,并不用于限定本公开。另外,以下所提供的实施例是用于实施本公开的部分实施例,而非提供实施本公开的全部实施例,在不冲突的情况下,本公开实施例记载的技术方案可以任意组合的方式实施。
需要说明的是,在本公开实施例中,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方法或者装置不仅包括所明确记载的要素,而且还包括没有明确列出的其他要素,或者是还包括为实施方法或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括该要素的方法或者装置中还存在另外的相关要素(例如方法中的步骤或者装置中的单元,例如的单元可以是部分电路、部分处理器、部分程序或软件等等)。
例如,本公开实施例提供的图像处理方法包含了一系列的步骤,但是本公开实施例提供的图像处理方法不限于所记载的步骤,同样地,本公开实施例提供的图像处理装置包括了一系列模块,但是本公开实施例提供的装置不限于包括所明确记载的模块,还可以包括为获取相关信息、或基于信息进行处理时所需要设置的模块。
本文中术语“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,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
本公开实施例可以应用于游戏场景的边缘计算设备中,并可以与众多其它通用或专用计算系统环境或配置一起操作。这里,边缘计算设备可以是瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统,等等。
边缘计算设备可以通过程序模块执行指令。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
在相关技术中,在游戏场景中,游戏结果的计算、资金替代物品的告警检测(例如资金替代物品最少面额、资金替代物品最多面额)等都需要使用到资金替代物品信息,只有得到准确的资金替代物品信息,才能准确地执行与资金替代物品相关的业务检测逻辑,以符合游戏场景的要求;但是,在实际的游戏场景中,存在大量的客观因素响资金替代物品的识别结果,造成资金替代物品信息的错误。例如,现场灯光的亮暗影响、资金替代物品之间的遮挡(资金替代物品距离之间较近,并且不同的资金替代物品处于不同的高度),玩家游戏过程中对资金替代物品的遮挡、资金替代物品移动等因素会造成资金替代物品检测结果的跳变,因而,如何提高资金替代物品检测结果的准确性,是亟待解决的技术问题。
针对上述技术问题,在本公开的一些实施例中,提出了一种图像处理的技术方案,可以应用于游戏场景。
下面对本公开实施例的应用场景进行示例性说明。
在游戏场景中,可以通过计算机视觉处理技术对各种游戏的运行状态进行监控,这里,每种游戏的运行均与资金替代物品相关。
在一些实施例中,游戏场景中的游戏可以是游戏平台上的扑克牌游戏或其它游戏,本公开实施例对此并不进行限制。
本公开实施例中,计算机视觉(Computer vision)是一门研究如何使机器“看”的科学,是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量,并进一步做图像处理。在游戏过程中可以使用三个摄像头来检测游戏平台上发生的事情,已进行进一步分析;游戏平台可以是实体的桌面平台或其它实体平台。
图1为本公开实施例的图像处理方法的流程图,如图1所示,该流程可以包括:
步骤101:确定多帧游戏平台图像中每帧游戏平台图像的识别结果,识别结果至少包括资金替代物品信息。
本公开实施例中,可以利用至少一个摄像头拍摄游戏平台,得到视频数据或图像数据,然后从视频数据或图像数据中获取多帧游戏平台图像;在一些实施例中,拍摄游戏平台的摄像头可以是位于游戏平台正上方用于拍摄游戏平台俯视图的摄像头,也可以是从其它角度拍摄游戏平台的摄像头;相应地,每帧游戏平台图像可以是俯视图或其它视角的游戏平台图像;在另一些实施例中,每帧游戏平台图像还可以是将俯视图和它视角的游戏平台图像进行融合处理得到的图像。
在得到每帧图像后,可以通过计算机视觉处理技术对每帧游戏平台图像进行处理,得到每帧游戏平台图像的识别结果;在一些实施例中,可以对每帧游戏平台图像进行目标识别,得出每帧游戏平台图像中的目标对象,该目标对象至少包括资金替代物品,示例性地,目标对象还可以包括人体、扑克牌,目标对象中的人体可以包括人体的整体,也可以包括人手、人脸等部分人体;目标对象中的扑克牌可以是黑桃、红桃、方块、梅花等类型的纸牌。在得出每帧图像中的目标对象后,可以基于每帧图像中目标对象,确定相应的识别结果,这里,识别结果可以是目标对象的信息。
在一些实施例中,资金替代物品信息可以包括资金替代物品的属性数据,资金替代物品的属性数据可以包括以下至少一项:资金替代物品的面额、资金替代物品的类型、资金替代物品的数量、资金替代物品的拥有者的信息;在实际应用中,可以针对一个资金替代物品确定资金替代物品的信息,在这种情况下,资金替代物品的数量为1;也可以将多个相互接触的资金替代物品作为同一资金替代物品,从而对分析该同一资金替代物品的信息,在这种情况下,资金替代物品的数量大于1,例如,对于一摞资金替代物品而言,可以将一摞资金替代物品作为同一资金替代物品,一摞资金替代物品的资金替代物品数量大于1。资金替代物品的拥有者的信息可以包括资金替代物品的拥有者的身份信息。
在一些实施例中,可以通过资金替代物品图像的分析,确定资金替代物品的面额、资金替代物品的类型、资金替代物品的数量等信息;可以根据与资金替代物品接触的人体图像,确定资金替代物品的拥有者的信息。
步骤102:利用滑动窗口每次确定多帧游戏平台图像中的N帧游戏平台图像的情况下,根据滑动窗口内的N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,滑动窗口的滑动顺序为多帧游戏平台图像的帧顺序,N为大于1的整数,目标帧图像为所述滑动窗口内所述N帧游戏平台图像中的一帧图像。
在一些实施例中,可以通过配置文件预先设置滑动窗口的大小,即可以通过配置文件配置N的值。在得到各帧游戏平台图像的识别结果后,可以按照时间顺序依次将各帧游戏平台图像的识别结果存入至滑动窗口对应的存储区。在一些实施例中,各帧游戏平台图像的识别结果位于消息队列中,可以通过读取消息队列中每帧的识别结果,将读取的每帧图像的识别结果依次存入至滑动窗口对应的存储区中,当滑动窗口中识别结果的数量达到N时,如果要读取消息队列中新的一帧图像的识别结果,则滑动窗口移动,从而推出一帧图像,可以得到该被推出的一帧图像的识别结果。目标帧图像的识别结果表示:在滑动窗口移动后,从滑动窗口内变化至滑动窗口外的一帧图像的识别结果。
在一些实施例中,可以利用边缘计算设备接收图像采集设备发送的多帧游戏平台图像;多帧游戏平台图像是由图像采集设备采集的图像;图像采集设备可以包括至少一个上述记载的摄像头。
相应地,可以利用边缘计算设备对多帧游戏平台图像中每帧游戏平台图像进行检测识别,得到多帧游戏平台图像中每帧游戏平台图像的识别结果;利用边缘计算设备根据滑动窗口内所述N帧游戏平台图像的识别结果,确定目标帧图像中的资金替代物品信息。
在实际应用中,步骤101至步骤102可以利用边缘计算设备中的处理器实现,上述处理器可以为特定用途集成电路(Application Specific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital SignalProcessing Device,DSPD)、可编程逻辑装置(Programmable Logic Device,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、中央处理器(Central ProcessingUnit,CPU)、控制器、微控制器、微处理器中的至少一种。
可以看出,在本公开实施例中,可以利用滑动窗口内多帧游戏平台图像的识别结果确定目标帧图像的资金替代物品信息,由于多帧游戏平台图像的识别结果包含了更多更准确的资金替代物品信息,因而,本公开实施例可以较为准确地得出目标帧图像的资金替代物品信息,有效提高资金替代物品的识别精度。
进一步地,本公开实施例不仅可以应用于扑克牌游戏场景,还可以复用在各种使用资金替代物品的场景中,因而,可以降低使用成本,并且能够以较快的速度实现资金替代物品信息的精确识别,具有容易实现的特点。
在一些实施例中,上述确定多帧游戏平台图像中每帧游戏平台图像的识别结果,可以包括:识别每帧图像中的目标对象,将识别到的目标对象映射到预先确定的区域划分图中,得到每帧图像的每一个预设区域的识别结果。
目标对象可以包括上述资金替代物品,还可以包括游戏平台图像中的诸如游戏道具等其他对象。示例性地,每帧图像中的目标对象可以是一个,也可以是多个;区域划分图可以用于表示各种类型的目标对象所处在的正确区域,在将任意一个目标对象映射到预先确定的区域划分图后,如果该目标对象处于区域划分图中对应的正确区域,则在每帧游戏平台图像的识别结果保留该目标对象的信息;如果该目标对象不处于区域划分图中对应的正确区域,则可以在每帧游戏平台图像的识别结果中过滤删除该目标对象的信息。
示例性地,图2A为本公开实施例中游戏平台图像的基准示意图,图2A中,D1、D2、D3、D4、D5、D6和D7表示游戏平台中不同的区域。
图2B为在图2A的基础上得出的资金替代物品区域的划分图,可以看出,图2B中示出了资金替代物品区域201,资金替代物品区域201包括图2A中区域D1至区域D7。
参照图2B,在目标对象为资金替代物品的情况下,如果资金替代物品位于图2B中的资金替代物品区域201,则保留资金替代物品的信息,如果资金替代物品位于图2B所示的资金替代物品区域201之外,则删除资金替代物品的信息。
可以看出,预先确定的区域划分图可以准确表示游戏平台中各个区域的目标对象,因而,识别到的目标对象映射到预先确定的区域划分图中,可以较为准确地得到每帧图像的每一个预设区域的识别结果。
在一些实施例中,上述N帧游戏平台图像可以是多帧游戏平台图像中非连续的N帧图像,也可以是多帧游戏平台图像中连续的N帧图像;在上述N帧游戏平台图像为连续的N帧图像的情况下,本公开实施例可以基于连续的N帧图像的资金替代物品信息,更加准确地得出目标帧图像中的资金替代物品信息。
在一些实施例中,上述目标帧图像为所述N帧游戏平台图像中采集时间最早的一帧图像;如此,本公开实施例可以得出N帧图像中采集时间最早的一帧图像的资金替代物品信息,从而及时获取到准确的资金替代物品信息。
在一种实现方式中,N的取值为5,可以依次将第1帧图像至第5帧图像的识别结果存入至滑动窗口,当滑动窗口内的识别结果的数量达到5时,如果要将第6帧图像的识别结果存入至滑动窗口中,则滑动窗口的右边缘向右移动,从而将第1帧图像的识别结果推出至滑动窗口外,此时,第1帧图像为上述目标帧图像;在将第1帧图像的识别结果推出至滑动窗口外时,滑动窗口内的数据为第2帧图像至第6帧图像的识别结果。之后,如果要将7帧图像的识别结果存入至滑动窗口中,则滑动窗口的右边缘向右移动,从而将第2帧图像的识别结果推出至滑动窗口外,此时,第2帧图像为上述目标帧图像;在将第2帧图像的识别结果推出至滑动窗口外时,滑动窗口内的数据为第3帧图像至第7帧图像的识别结果。依次类推,通过滑动窗口的滑动机制,可以依次确定出多个目标帧图像以及各个目标帧图像的识别结果。
在一些实施例中,上述根据滑动窗口内N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,可以包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在N帧游戏平台图像的每一帧的识别结果中的属性数据;在所述同一资金替代物品的属性数据中,确定出现次数最多的属性数据;将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的属性数据。
本公开实施例中,上述同一资金替代物品包括至少一个资金替代物品,对于N帧游戏平台图像的识别结果,可以采用目标跟踪方法确定N帧游戏平台图像的识别结果中同一资金替代物品的属性数据;在一些实施例中,通过目标检测方法确定目标帧图像中资金替代物品的追踪标识,然后以目标帧图像中资金替代物品的追踪id为基准,在滑动窗口内N帧游戏平台图像的识别结果中,进行目标追踪,从而确定N帧游戏平台图像的识别结果中同一资金替代物品的属性数据。示例性地,追踪标识可以是追踪id(track identitydocument)。
本公开实施例中,在确定同一资金替代物品的属性数据后,可以在所述同一资金替代物品的属性数据中,通过选举的方式确定出现次数最多的属性数据。
在一些实施例中,在属性数据包括资金替代物品的面额的情况下,可以在同一资金替代物品的属性数据中,通过选举的方式确定出现次数最多的面额数据;例如,N的取值为5,滑动窗口内的数据为第1帧图像至第5帧图像的识别结果,目标帧图像为第1帧图像,根据第1帧图像至第5帧图像的识别结果,可以识别第1帧图像至第5帧图像中同一资金替代物品的面额;在第1帧图像、第2帧图像、第3帧图像、第4帧图像和第5帧图像中追踪id相同的资金替代物品的面额分别识别为200、200、300、300和300的情况下,通过选举的方式可以确定出现次数最多的面额为300,如此,可以认为第1帧图像中相应的资金替代物品的面额是不准确的,可以将第1帧图像中相应的资金替代物品的面额更新为300;在第1帧图像、第2帧图像、第3帧图像、第4帧图像和第5帧图像中追踪id相同的资金替代物品的面额分别识别为400、400、400、400和300的情况下,可以通过选举的方式确定出现次数最多的面额为400,如此,可以认为第1帧图像中的资金替代物品的面额是准确的,可以将第1帧图像中的资金替代物品的面额保持400不变。
如此,在重新确定第1帧图像中的资金替代物品的面额之后,可以向后移动滑动窗口,将第1帧图像从滑动窗口中推出,继而第2帧图像成为滑动窗口中的首帧,此时根据滑动窗口内的第2至第7帧图像的识别结果对第2帧图像中的资金替代物品信息进行更新。由此,通过滑动窗口按照帧顺序依次向后移动,可以逐次对第1帧、第2帧、第3帧、…中的资金替代物品信息进行更新从而得到对视频帧序列的可靠的识别结果。
在一些实施例中,在属性数据包括资金替代物品的数量的情况下,可以在同一资金替代物品的属性数据中,通过选举的方式确定出现次数最多的资金替代物品数量信息;例如,N的取值为5,滑动窗口内的数据为第1帧图像至第5帧图像的识别结果,目标帧图像为第1帧图像,根据第1帧图像至第5帧图像的识别结果,可以识别第1帧图像至第5帧图像中同一资金替代物品的数量;在第1帧图像、第2帧图像、第3帧图像、第4帧图像和第5帧图像中追踪id相同的资金替代物品的数量分别识别为3、3、4、4和4的情况下,可以通过选举的方式确定出现次数最多的资金替代物品数量为4,如此,可以认为第1帧图像中的资金替代物品的数量是不准确的,可以将第1帧图像中的资金替代物品的数量更新为4;在第1帧图像、第2帧图像、第3帧图像、第4帧图像和第5帧图像中追踪id相同的资金替代物品的数量分别识别为4、4、4、4和3的情况下,可以通过选举的方式确定出现次数最多的资金替代物品的数量为4,如此,可以认为第1帧图像中的资金替代物品的数量是准确的,可以将第1帧图像中的资金替代物品的数量保持4不变。
可以理解地,由于现场灯光的亮暗影响、资金替代物品之间的遮挡,玩家游戏过程中对资金替代物品的遮挡、资金替代物品移动等因素的存在,目标帧图像中的资金替代物品信息可能是不准确地,在本公开实施例中,可以在N帧游戏平台图像的资金替代物品信息中确定出现次数最多的资金替代物品信息,在一定程度上可以提高目标帧图像中的资金替代物品信息的准确性。
在一些实施例中,上述根据滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,可以包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在N帧游戏平台图像的每一帧的识别结果中的属性数据;在所述属性数据中确定出置信度大于或等于置信度阈值的属性数据,为所述资金替代物品的目标属性数据;在所述同一资金替代物品的目标属性数据中,确定出现次数最多的目标属性数据;将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的目标属性数据。
这里,置信度阈值可以根据实际应用需求预先设置,示例性地,置信度阈值可以是0.9或1。通过选举的方式确定出现次数最多的属性数据的实现方式,已经在前述记载的内容中作出说明,这里不再赘述。
可以理解地,在本公开实施例中,在N帧游戏平台图像的属性数据中确定出置信度大于或等于置信度阈值的属性数据,即确定出目标属性数据,从而根据出现次数最多的目标属性数据,确定目标帧图像中的资金替代物品信息,在一定程度上可以提高目标帧图像中的资金替代物品信息的准确性。
在一些实施例中,上述根据滑动窗口内N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,可以包括:针对每一个滑动窗口内的N帧游戏平台图像,确定所述N帧游戏平台图像的识别结果中至少两个资金替代物品的属性数据;在所述至少两个资金替代物品的属性数据中,通过所述至少两个资金替代物品各自的追踪标识,确定所述至少两个资金替代物品各自的属性数据;针对所述至少两个资金替代物品中每一个资金替代物品,分别确定出现次数最多的属性数据;将所述目标帧图像中的资金替代物品信息确定为:针对每一个所述资金替代物品确定出的所述出现次数最多的属性数据。
在一些实施例中,属性数据包括资金替代物品的面额,不同的资金替代物品的追踪id分别为id-1和id-2,以id-1为基准,在滑动窗口内N帧游戏平台图像的识别结果中,进行目标追踪,从而确定N帧游戏平台图像的识别结果中追踪id为id-1的资金替代物品的属性数据;然后在N帧游戏平台图像对应的追踪id为id-1的资金替代物品的属性数据中,通过上述记载的选举的方式确定出现次数最多的属性数据,将目标帧图像中追踪id为id-1的资金替代物品信息确定为:确定出的出现次数最多的属性数据。同理,针对追踪id为id-2的资金替代物品,也可以确定出目标帧图像中追踪id为id-2的资金替代物品信息。
可以理解地,在本公开实施例中,可以根据资金替代物品的追踪标识,确定出在N帧游戏平台图像中至少两个资金替代物品各自的属性数据,从而,可以针对至少两个资金替代物品中每一个资金替代物品,确定出现次数最多的属性数据,从而确定目标帧图像中的资金替代物品信息,在一定程度上可以提高目标帧图像中的资金替代物品信息的准确性。
在一些实施例中,在确定目标帧图像中的资金替代物品信息后,可以根据目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
本公开实施例中,与资金替代物品相关的业务检测逻辑可以是:判定当前游戏平台的游戏是否允许特定类型的资金替代物品、判断资金替代物品的面额是否小于游戏规定的面额下限、判断资金替代物品的面额是否大于游戏规定的面额上限、获取资金替代物品的拥有者在游戏中使用的资金替代物品信息等等;需要说明的是,上述记载的内容仅仅是对与资金替代物品相关的业务检测逻辑的示例性说明,本公开实施例不局限于此。
在一些实施例中,上述根据目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,可以包括:确定目标帧图像中的人手检测框与资金替代物品检测框;在人手检测框与资金替代物品检测框不重叠的情况下,根据目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
本公开实施例中,通过对目标帧图像进行人手检测和资金替代物品检测,可以确定目标帧图像的人手检测框和资金替代物品检测框;在一些实施例中,可以将目标帧图像帧分别输入至用于进行人手检测的第一神经网络和用于进行资金替代物品检测的第二神经网络,利用第一神经网络和第二神经网络对目标帧图像进行处理,得到目标帧图像的人手检测框和资金替代物品检测框;本公开实施例并不对第一神经网络和第二神经网络的网络结构进行限定,例如,第一神经网络和第二神经网络尽可以是单步多框检测器(SingleShot MultiBox Detector,SSD)、你只看一次(You Only Look Once,)、快速区域卷积神经网络(Faster Region-Convolutional Neural Networks,Faster RCNN)或其他基于深度学习的神经网络。
本公开实施例,可以根据目标帧图像中的人手检测框与资金替代物品检测框,计算目标帧图像中的人手检测框与资金替代物品检测框的重叠度,在重叠度大于0时,可以认为目标帧图像中的人手检测框与资金替代物品检测框存在重叠;在重叠度等于0时,可以认为目标帧图像中的人手检测框与资金替代物品检测框不重叠。
在一些实施例中,在人手检测框与资金替代物品检测框存在重叠的情况下,可以在目标帧图像的识别结果中,获取该资金替代物品检测框对应的资金替代物品信息,即,不根据该资金替代物品检测框对应的资金替代物品信息进行相关的业务检测逻辑处理。
在执行与资金替代物品相关的业务检测逻辑的一种实现方式中,在人手检测框与资金替代物品检测框不重叠的情况下,可以确定目标帧图像中相应的资金替代物品为识别稳定的资金替代物品,此时,可以根据预先配置的配置文件,确定当前该游戏平台允许资金替代物品的类型,从而根据识别稳定的资金替代物品的类型,判断该游戏平台是否允许该识别稳定的资金替代物品进行游戏。
可以看出,本公开实施例可以针对人手和资金替代物品没有重叠的资金替代物品,执行与资金替代物品相关的业务检测逻辑,从而可以在确定人手未遮挡资金替代物品的情况下,进行与资金替代物品相关的业务检测逻辑,从而在一定程度上可以降低由于人手对资金替代物品的遮挡导致的业务检测逻辑错误的出现概率。
在一些实施例中,可以根据按时间顺序排列的多个目标帧图像中的重新确定的资金替代物品信息,确定资金替代物品信息在多个目标帧图像中的变化信息;向游戏平台的管理设备推送上述变化信息。
在实际应用中,对于多个目标帧图像中追踪id相同的资金替代物品,资金替代物品的数量或面额等信息可能发生变化,为了便于管理人员及时了解资金替代物品的变化信息,在本公开实施例中,可以在确定资金替代物品信息在多个目标帧图像中发生变化后,将相应的变化信息进行推送,有利于在管理设备一端针对资金替代物品的变化信息进行后续处理。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
在前述实施例提出的图像处理方法的基础上,本公开实施例提出了一种图像处理装置。
图3为本公开实施例的图像处理装置的组成结构示意图,如图3所示,该装置可以包括:
确定模块301,用于确定多帧游戏平台图像中每帧游戏平台图像的识别结果,所述识别结果至少包括资金替代物品信息;
处理模块302,用于在利用滑动窗口每次确定所述多帧游戏平台图像中的N帧游戏平台图像的情况下,根据所述滑动窗口内的所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,所述滑动窗口的滑动顺序为所述多帧游戏平台图像的帧顺序,所述N为大于1的整数,所述目标帧图像为所述滑动窗口内所述N帧游戏平台图像中的一帧图像。
在一些实施例中,处理模块302,用于根据滑动窗口内N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述同一资金替代物品的所述属性数据中,确定出现次数最多的属性数据;
将目标帧图像中的资金替代物品信息确定为:出现次数最多的属性数据。
在一些实施例中,处理模块302,用于根据滑动窗口内N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述属性数据中确定出置信度大于或等于置信度阈值的属性数据,为所述资金替代物品的目标属性数据;
在所述同一资金替代物品的目标属性数据中,确定出现次数最多的目标属性数据;
将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的目标属性数据。
在一些实施例中,所述处理模块302,用于根据滑动窗口内N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,确定所述N帧游戏平台图像的识别结果中至少两个资金替代物品的属性数据;
在所述至少两个资金替代物品的属性数据中,通过所述至少两个资金替代物品各自的追踪标识,确定所述至少两个资金替代物品各自的属性数据;
针对所述至少两个资金替代物品中每一个资金替代物品,分别确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:针对每一个所述资金替代物品确定出的所述出现次数最多的属性数据。
在一些实施例中,资金替代物品的属性数据包括以下至少一项:资金替代物品的面额、资金替代物品的类型、资金替代物品的数量、资金替代物品的拥有者的信息。
在一些实施例中,N帧游戏平台图像为多帧游戏平台图像中连续的N帧图像。
在一些实施例中,目标帧图像为N帧游戏平台图像中采集时间最早的一帧图像。
在一些实施例中,处理模块302,还用于根据目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
在一些实施例中,处理模块302,用于根据目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
确定目标帧图像中的人手检测框与资金替代物品检测框;
在人手检测框与资金替代物品检测框不重叠的情况下,根据目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
在一些实施例中,处理模块302,用于根据目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
根据按时间顺序排列的多个目标帧图像中的重新确定的资金替代物品信息,确定资金替代物品信息在多个目标帧图像中的变化信息;
向游戏平台的管理设备推送所述变化信息。
在一些实施例中,确定模块301,用于确定多帧游戏平台图像中每帧游戏平台图像的识别结果,包括:
识别每帧图像中的目标对象,将识别到的目标对象映射到预先确定的区域划分图中,得到每帧图像的每一个预设区域的识别结果。
实际应用中,确定模块301和处理模块302均可以利用边缘计算设备中的处理器实现,上述处理器可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。
另外,在本实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,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,本实施例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全部或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)或processor(处理器)执行本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(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
具体来讲,本实施例中的一种图像处理方法对应的计算机程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与一种图像处理方法对应的计算机程序指令被一电子设备读取或被执行时,实现前述实施例的任意一种图像处理方法。
基于前述实施例相同的技术构思,本公开实施例还提供了一种边缘计算设备,边缘计算设备用于接收图像采集设备发送的多帧游戏平台图像;多帧游戏平台图像是由图像采集设备采集的图像。
参见图4,其示出了本公开实施例提供的一种边缘计算设备4,可以包括:存储器401和处理器402;其中,
所述存储器401,用于存储计算机程序和数据;
所述处理器402,用于执行所述存储器中存储的计算机程序,以实现前述实施例的任意一种图像处理方法。
在实际应用中,上述存储器401可以是易失性存储器(volatile memory),例如RAM;或者非易失性存储器(non-volatile memory),例如ROM,快闪存储器(flash memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器402提供指令和数据。
上述处理器402可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本公开实施例不作具体限定。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述
本申请所提供的各方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的各产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的各方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (21)
1.一种图像处理方法,所述方法包括:
确定多帧游戏平台图像中每帧游戏平台图像的识别结果,所述识别结果至少包括资金替代物品信息;
利用滑动窗口每次确定所述多帧游戏平台图像中的N帧游戏平台图像的情况下,根据所述滑动窗口内的所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,所述滑动窗口的滑动顺序为所述多帧游戏平台图像的帧顺序,N为大于1的整数,所述目标帧图像为所述滑动窗口内所述N帧游戏平台图像中的一帧图像。
2.根据权利要求1所述的方法,其中,所述根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述同一资金替代物品的所述属性数据中,确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的属性数据。
3.根据权利要求1所述的方法,其中,所述根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述属性数据中确定出置信度大于或等于置信度阈值的属性数据,为所述资金替代物品的目标属性数据;
在所述同一资金替代物品的目标属性数据中,确定出现次数最多的目标属性数据;
将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的目标属性数据。
4.根据权利要求1所述的方法,其中,所述根据所述滑动窗口内所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,包括:
针对每一个滑动窗口内的N帧游戏平台图像,确定所述N帧游戏平台图像的识别结果中至少两个资金替代物品的属性数据;
在所述至少两个资金替代物品的属性数据中,通过所述至少两个资金替代物品各自的追踪标识,确定所述至少两个资金替代物品各自的属性数据;
针对所述至少两个资金替代物品中每一个资金替代物品,分别确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:针对每一个所述资金替代物品确定出的所述出现次数最多的属性数据。
5.根据权利要求2至4任一项所述的方法,其中,所述资金替代物品的属性数据包括以下至少一项:资金替代物品的面额、资金替代物品的类型、资金替代物品的数量、资金替代物品的拥有者的信息。
6.根据权利要求1至4任一项所述的方法,其中,所述N帧游戏平台图像为所述多帧游戏平台图像中连续的N帧图像。
7.根据权利要求1至4任一项所述的方法,其中,所述目标帧图像为所述N帧游戏平台图像中采集时间最早的一帧图像。
8.根据权利要求1至4任一项所述的方法,其中,所述方法还包括:
根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
9.根据权利要求8所述的方法,其中,所述根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
确定所述目标帧图像中的人手检测框与资金替代物品检测框;
在所述人手检测框与资金替代物品检测框不重叠的情况下,根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑。
10.根据权利要求8所述的方法,其特征在于,所述根据所述目标帧图像中的资金替代物品信息,执行与资金替代物品相关的业务检测逻辑,包括:
根据按时间顺序排列的多个目标帧图像中的重新确定的资金替代物品信息,确定资金替代物品信息在所述多个目标帧图像中的变化信息;
向游戏平台的管理设备推送所述变化信息。
11.根据权利要求1至4任一项所述的方法,其中,所述确定多帧游戏平台图像中每帧游戏平台图像的识别结果,包括:
识别所述每帧图像中的目标对象,将识别到的所述目标对象映射到预先确定的区域划分图中,得到所述每帧图像的每一个预设区域的识别结果。
12.一种图像处理装置,所述装置包括:
确定模块,用于确定多帧游戏平台图像中每帧游戏平台图像的识别结果,所述识别结果至少包括资金替代物品信息;
处理模块,用于在利用滑动窗口每次确定所述多帧游戏平台图像中的N帧游戏平台图像的情况下,根据所述滑动窗口内的所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,所述滑动窗口的滑动顺序为所述多帧游戏平台图像的帧顺序,所述N为大于1的整数,所述目标帧图像为所述滑动窗口内所述N帧游戏平台图像中的一帧图像。
13.一种边缘计算设备,其特征在于,所述边缘计算设备用于接收图像采集设备发送的多帧游戏平台图像;所述多帧游戏平台图像是由所述图像采集设备采集的图像;
所述边缘计算设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,
所述处理器用于运行所述计算机程序以:
确定多帧游戏平台图像中每帧游戏平台图像的识别结果,所述识别结果至少包括资金替代物品信息;
利用滑动窗口每次确定所述多帧游戏平台图像中的N帧游戏平台图像的情况下,根据所述滑动窗口内的所述N帧游戏平台图像的识别结果,重新确定目标帧图像中的资金替代物品信息,其中,所述滑动窗口的滑动顺序为所述多帧游戏平台图像的帧顺序,N为大于1的整数,所述目标帧图像为所述滑动窗口内所述N帧游戏平台图像中的一帧图像。
14.根据权利要求13所述的边缘计算设备,其中,所述处理器配置为:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述同一资金替代物品的所述属性数据中,确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的属性数据。
15.根据权利要求13所述的边缘计算设备,其中,所述处理器配置为:
针对每一个滑动窗口内的N帧游戏平台图像,通过目标跟踪确定同一资金替代物品在所述N帧游戏平台图像的每一帧的所述识别结果中的属性数据;
在所述属性数据中确定出置信度大于或等于置信度阈值的属性数据,为所述资金替代物品的目标属性数据;
在所述同一资金替代物品的目标属性数据中,确定出现次数最多的目标属性数据;
将所述目标帧图像中的资金替代物品信息确定为:所述出现次数最多的目标属性数据。
16.根据权利要求13所述的边缘计算设备,其中,所述处理器配置为:
针对每一个滑动窗口内的N帧游戏平台图像,确定所述N帧游戏平台图像的识别结果中至少两个资金替代物品的属性数据;
在所述至少两个资金替代物品的属性数据中,通过所述至少两个资金替代物品各自的追踪标识,确定所述至少两个资金替代物品各自的属性数据;
针对所述至少两个资金替代物品中每一个资金替代物品,分别确定出现次数最多的属性数据;
将所述目标帧图像中的资金替代物品信息确定为:针对每一个所述资金替代物品确定出的所述出现次数最多的属性数据。
17.根据权利要求14至16任一项所述的边缘计算设备,其中,所述资金替代物品的属性数据包括以下至少一项:资金替代物品的面额、资金替代物品的类型、资金替代物品的数量、资金替代物品的拥有者的信息。
18.根据权利要求13至16任一项所述的边缘计算设备,其中,所述N帧游戏平台图像为所述多帧游戏平台图像中连续的N帧图像。。
19.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至11任一项所述的图像处理方法。
20.一种计算机程序,存储在存储器中,其中,所述计算机程序在被处理器执行时实现权利要求1至11中任一项所述方法中的步骤。
21.一种计算机程序,其中,所述计算机程序包括计算机可读代码,所述计算机可读代码在电子设备中执行时使所述电子设备中的处理器执行权利要求1-11任一项所述方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SG10202106600X | 2021-06-18 | ||
SG10202106600X | 2021-06-18 | ||
PCT/IB2021/055682 WO2022096954A1 (en) | 2021-06-18 | 2021-06-25 | Image processing method and device, edge computing device, and computer storage medium |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113785327A true CN113785327A (zh) | 2021-12-10 |
Family
ID=78873911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180001718.0A Pending CN113785327A (zh) | 2021-06-18 | 2021-06-25 | 图像处理方法、装置、边缘计算设备和计算机存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220405509A1 (zh) |
JP (1) | JP2023504315A (zh) |
KR (1) | KR20220169469A (zh) |
CN (1) | CN113785327A (zh) |
AU (1) | AU2021204572A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023118935A1 (en) * | 2021-12-20 | 2023-06-29 | Sensetime International Pte. Ltd. | Method and apparatus for detecting game prop in game region, device, and storage medium |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636749A (zh) * | 2013-11-14 | 2015-05-20 | 中国移动通信集团公司 | 目标对象检测方法及装置 |
CN105869148A (zh) * | 2016-03-24 | 2016-08-17 | 北京小米移动软件有限公司 | 目标检测方法及装置 |
JP2016197345A (ja) * | 2015-04-03 | 2016-11-24 | キヤノン株式会社 | 画像解析装置、画像解析方法、およびプログラム |
US20170310901A1 (en) * | 2016-04-20 | 2017-10-26 | Samsung Electronics Co., Ltd | Methodology and apparatus for generating high fidelity zoom for mobile video |
CN107784315A (zh) * | 2016-08-26 | 2018-03-09 | 深圳光启合众科技有限公司 | 目标对象的识别方法和装置,及机器人 |
US20180211110A1 (en) * | 2017-01-24 | 2018-07-26 | Angel Playing Cards Co., Ltd. | Chip recognizing and learning system |
US20200034629A1 (en) * | 2016-05-16 | 2020-01-30 | Sensen Networks Group Pty Ltd | System and method for automated table game activity recognition |
CN111054080A (zh) * | 2019-12-06 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 智能检测透视外挂方法、装置、设备及其存储介质 |
-
2021
- 2021-06-25 AU AU2021204572A patent/AU2021204572A1/en not_active Abandoned
- 2021-06-25 CN CN202180001718.0A patent/CN113785327A/zh active Pending
- 2021-06-25 KR KR1020217031282A patent/KR20220169469A/ko unknown
- 2021-06-25 JP JP2021549539A patent/JP2023504315A/ja not_active Withdrawn
- 2021-06-30 US US17/363,438 patent/US20220405509A1/en not_active Abandoned
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636749A (zh) * | 2013-11-14 | 2015-05-20 | 中国移动通信集团公司 | 目标对象检测方法及装置 |
JP2016197345A (ja) * | 2015-04-03 | 2016-11-24 | キヤノン株式会社 | 画像解析装置、画像解析方法、およびプログラム |
CN105869148A (zh) * | 2016-03-24 | 2016-08-17 | 北京小米移动软件有限公司 | 目标检测方法及装置 |
US20170310901A1 (en) * | 2016-04-20 | 2017-10-26 | Samsung Electronics Co., Ltd | Methodology and apparatus for generating high fidelity zoom for mobile video |
US20200034629A1 (en) * | 2016-05-16 | 2020-01-30 | Sensen Networks Group Pty Ltd | System and method for automated table game activity recognition |
CN107784315A (zh) * | 2016-08-26 | 2018-03-09 | 深圳光启合众科技有限公司 | 目标对象的识别方法和装置,及机器人 |
US20180211110A1 (en) * | 2017-01-24 | 2018-07-26 | Angel Playing Cards Co., Ltd. | Chip recognizing and learning system |
CN108339261A (zh) * | 2017-01-24 | 2018-07-31 | 天使游戏纸牌股份有限公司 | 筹码的识别学习系统 |
CN111054080A (zh) * | 2019-12-06 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 智能检测透视外挂方法、装置、设备及其存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023118935A1 (en) * | 2021-12-20 | 2023-06-29 | Sensetime International Pte. Ltd. | Method and apparatus for detecting game prop in game region, device, and storage medium |
Also Published As
Publication number | Publication date |
---|---|
KR20220169469A (ko) | 2022-12-27 |
AU2021204572A1 (en) | 2023-01-19 |
US20220405509A1 (en) | 2022-12-22 |
JP2023504315A (ja) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110858394B (zh) | 一种图像质量评估方法、装置、电子设备及计算机可读存储介质 | |
US11748401B2 (en) | Generating congruous metadata for multimedia | |
CN109727275B (zh) | 目标检测方法、装置、系统和计算机可读存储介质 | |
CN107679578B (zh) | 目标识别算法的测试方法、装置及系统 | |
CN106663196A (zh) | 视频中的计算机显著人物识别 | |
CN111368619B (zh) | 可疑人员的检测方法、装置及设备 | |
CN110020581B (zh) | 一种基于多帧脸部图像的比对方法、装置和电子设备 | |
JP2016201094A (ja) | 画像処理装置及び画像処理方法 | |
US20080175447A1 (en) | Face view determining apparatus and method, and face detection apparatus and method employing the same | |
CN111666915A (zh) | 监控方法、装置、设备以及存储介质 | |
CN110516572B (zh) | 一种识别体育赛事视频片段的方法、电子设备及存储介质 | |
CN113785327A (zh) | 图像处理方法、装置、边缘计算设备和计算机存储介质 | |
CN111860122B (zh) | 一种现实场景下的阅读综合行为的识别方法及系统 | |
US20220122352A1 (en) | Method and apparatus for detecting game prop in game region, device, and storage medium | |
US20220122341A1 (en) | Target detection method and apparatus, electronic device, and computer storage medium | |
CN113631237A (zh) | 游戏图像的处理方法、装置、电子设备、计算机存储介质和计算机程序 | |
CN110648314A (zh) | 一种识别翻拍图像的方法、装置及设备 | |
CN112528818B (zh) | 数据统计方法、装置、电子设备及机器可读存储介质 | |
CN111160156B (zh) | 一种移动物体的识别方法及装置 | |
CN112989869B (zh) | 人脸质量检测模型的优化方法、装置、设备及存储介质 | |
CN114127782A (zh) | 图像处理方法、装置、电子设备和计算机存储介质 | |
CN111143626A (zh) | 团伙识别方法、装置、设备及计算机可读存储介质 | |
CN117523678B (zh) | 一种基于光学动作数据的虚拟主播区分方法及系统 | |
WO2022096954A1 (en) | Image processing method and device, edge computing device, and computer storage medium | |
CN114937267B (zh) | 文本识别模型的训练方法、装置和电子设备 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40064140 Country of ref document: HK |