CN113888742A - 图像识别方法、装置、电子设备及存储介质 - Google Patents
图像识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113888742A CN113888742A CN202110979344.1A CN202110979344A CN113888742A CN 113888742 A CN113888742 A CN 113888742A CN 202110979344 A CN202110979344 A CN 202110979344A CN 113888742 A CN113888742 A CN 113888742A
- Authority
- CN
- China
- Prior art keywords
- candidate
- region
- color
- image
- metric value
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开关于一种图像识别方法、装置、电子设备及存储介质,该方法包括:确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到各候选区域的第一度量值;根据各候选区域对应的区域位置与图像的中心位置的像素距离,得到各候选区域的第二度量值;基准颜色为根据视觉效果预先确定的颜色;根据各候选区域的第一度量值与第二度量值,从多个候选区域中确定出目标区域,作为图像的焦点区域。采用本方法,应用了颜色特征以及不同区域在图像中的位置特征,通过较少的计算量,实现了对图像中焦点区域进行快速识别,提高了对图像进行识别的效率。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像识别方法、装置、电子设备及存储介质。
背景技术
随着计算机技术的发展,需要应用到图像处理的场景逐渐变多,图像处理的频次也随之加强;
相关技术中,通常是通过神经网络技术识别图像中内容物的识别,但是这种方式对算力要求较高,耗时也相应较长,导致对图像进行识别的效率还较低。
发明内容
本公开提供一种图像识别方法、装置、电子设备及存储介质,以至少解决相关技术中图像进行识别的效率还较低的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种图像识别方法,包括:
确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;
根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到所述各候选区域的第一度量值;根据所述各候选区域对应的区域位置与所述图像的中心位置的像素距离,得到所述各候选区域的第二度量值;所述基准颜色为根据视觉效果预先确定的颜色;
根据所述各候选区域的第一度量值与第二度量值,从所述多个候选区域中确定出目标区域,作为所述图像的焦点区域。
在一示例性实施例中,若所述图像为彩色图像,在确定图像中多个元素所对应的多个候选区域之前,还包括:
对所述图像进行二值化处理,得到二值化图像;
识别出所述二值化图像中的封闭图形,作为所述图像中元素的边缘轮廓。
在一示例性实施例中,所述获取各候选区域对应的区域颜色,包括:
针对每个候选区域,获取在该候选区域中,各种颜色的所占比例;
确定所占比例最大的颜色为所述该候选区域的区域颜色。
在一示例性实施例中,所述获取各候选区域的区域位置,包括:
针对每个候选区域,生成该候选区域的外接几何图形;
获取所述外接几何图形的几何中心,作为所述该候选区域的区域位置。
在一示例性实施例中,所述根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到所述各候选区域的第一度量值,包括:
针对每一候选区域,根据该候选区域的区域颜色与基准颜色的色彩差异程度,得到该候选区域的第一度量值:
将所述区域颜色、所述基准颜色分别映射至预设颜色图谱中,得到对应的第一图谱位置、第二图谱位置;
获取所述第一图谱位置与所述第二图谱位置在所述预设颜色图谱中的图谱距离;所述图谱距离的大小正相关于所述区域颜色与所述基准颜色的色彩差异程度;
基于单位图谱距离对应的权重值对所述图谱距离进行标准化处理,将标准化处理后的图谱距离作为所述第一度量值。
在一示例性实施例中,所述根据所述各候选区域对应的区域位置与所述图像的中心位置的像素距离,得到所述各候选区域的第二度量值,包括:
获取在所述图像中,所述各候选区域对应的区域位置与所述图像的中心位置的像素距离;
基于单位像素距离对应的权重值对所述像素距离进行标准化处理,将标准化处理后的像素距离作为所述第二度量值。
在一示例性实施例中,所述根据所述各候选区域的第一度量值与第二度量值,从所述多个候选区域中确定出目标区域,作为所述图像的焦点区域,包括:
针对每个候选区域,获取该候选区域的所述第一度量值与所述第二度量值的加权和,作为衡量该候选区域是否为焦点区域的目标度量值;所述目标度量值的大小与该候选区域为焦点区域的概率高低之间呈负相关关系;
将所述多个候选区域中所述目标度量值最小的候选区域,确定为所述图像的焦点区域。
在一示例性实施例中,所述根据该候选区域的所述第一度量值与所述第二度量值,确定出所述候选区域的目标度量值,包括:
分别获取所述第一度量值的第一调整系数,以及获取所述第二度量值的第二调整系数;所述第一调整系数及所述第二调整系数分别用于平衡色彩差异程度与像素距离对焦点区域识别的影响程度;
获取所述第一度量值与所述第一调整系数的第一乘积,以及所述第二度量值与所述第二调整系数的第二乘积,将所述第一乘积与所述第二乘积的和作为所述候选区域的目标度量值。
在一示例性实施例中,所述基准颜色通过以下方式确定:
响应于预设颜色展示页面中对目标颜色区域的触发操作,获取所述目标颜色区域的标识;
根据所述标识确定出所述目标颜色区域对应的颜色信息,将所述颜色信息所对应的颜色作为所述基准颜色。
根据本公开实施例的第二方面,提供一种图像识别装置,包括:
候选区域确定单元,被配置为执行确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;
度量值确定单元,被配置为执行根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到所述各候选区域的第一度量值;根据所述各候选区域对应的区域位置与所述图像的中心位置的像素距离,得到所述各候选区域的第二度量值;所述基准颜色为根据视觉效果预先确定的颜色;
焦点区域确定单元,被配置为执行根据所述各候选区域的第一度量值与第二度量值,从所述多个候选区域中确定出目标区域,作为所述图像的焦点区域。
在一示例性实施例中,若所述图像为彩色图像,所述候选区域确定单元,还被配置为执行对所述图像进行二值化处理,得到二值化图像;识别出所述二值化图像中的封闭图形,作为所述图像中元素的边缘轮廓。
在一示例性实施例中,所述候选区域确定单元,还被配置为执行针对每个候选区域,获取在该候选区域中,各种颜色的所占比例;确定所占比例最大的颜色为所述该候选区域的区域颜色。
在一示例性实施例中,所述候选区域确定单元,还被配置为执行针对每个候选区域,生成该候选区域的外接几何图形;获取所述外接几何图形的几何中心,作为所述该候选区域的区域位置。
在一示例性实施例中,所述度量值确定单元,还被配置为针对每一候选区域,根据该候选区域的区域颜色与基准颜色的色彩差异程度,得到该候选区域的第一度量值:执行将所述区域颜色、所述基准颜色分别映射至预设颜色图谱中,得到对应的第一图谱位置、第二图谱位置;获取所述第一图谱位置与所述第二图谱位置在所述预设颜色图谱中的图谱距离;所述图谱距离的大小正相关于所述区域颜色与所述基准颜色的色彩差异程度;基于单位图谱距离对应的权重值对所述图谱距离进行标准化处理,将标准化处理后的图谱距离作为所述第一度量值。
在一示例性实施例中,所述度量值确定单元,还被配置为执行获取在所述图像中,所述各候选区域对应的区域位置与所述图像的中心位置的像素距离;基于单位像素距离对应的权重值对所述像素距离进行标准化处理,将标准化处理后的像素距离作为所述第二度量值。
在一示例性实施例中,所述焦点区域确定单元,还被配置为执行针对每个候选区域,获取该候选区域的所述第一度量值与所述第二度量值的加权和,作为衡量该候选区域是否为焦点区域的目标度量值;所述目标量值的大小与该候选区域为焦点区域的概率高低之间呈负相关关系;将所述多个候选区域中所述目标度量值最小的候选区域,确定为所述图像的焦点区域。
在一示例性实施例中,所述焦点区域确定单元,还被配置为执行分别获取所述第一度量值的第一调整系数,以及获取所述第二度量值的第二调整系数;所述第一调整系数及所述第二调整系数分别用于平衡色彩差异程度与像素距离对焦点区域识别的影响程度;获取所述第一度量值与所述第一调整系数的第一乘积,以及所述第二度量值与所述第二调整系数的第二乘积,将所述第一乘积与所述第二乘积的和作为所述候选区域的目标度量值。
在一示例性实施例中,所述度量值确定单元,还被配置为执行响应于预设颜色展示页面中对目标颜色区域的触发操作,获取所述目标颜色区域的标识;根据所述标识确定出所述目标颜色区域对应的颜色信息,将所述颜色信息所对应的颜色作为所述基准颜色。
根据本公开实施例的第三方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现第一方面的任一项实施例中所述的图像识别方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行第一方面的任一项实施例中所述的图像识别方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,所述计算机程序产品中包括指令,所述指令被电子设备的处理器执行时,使得所述电子设备能够执行第一方面的任一项实施例中所述的图像识别方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;然后根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到各候选区域的第一度量值;根据各候选区域对应的区域位置与图像的中心位置的像素距离,得到各候选区域的第二度量值;基准颜色为根据视觉效果预先确定的颜色;最后根据各候选区域的第一度量值与第二度量值,从多个候选区域中确定出目标区域,作为图像的焦点区域;这样,从图像中通过边缘轮廓确定出多个候选区域,根据候选区域的颜色和位置分别对各候选区域进行相应度量,根据得到的度量值确定出目标区域并作为焦点区域;本公开应用了颜色特征以及不同区域在图像中的位置特征,通过较少的计算量,实现了对图像中焦点区域进行快速识别,提高了对图像进行识别的效率。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种图像识别方法的流程图。
图2是根据一示例性实施例示出的得到各候选区域的第一度量值的步骤的流程图。
图3是根据一示例性实施例示出的得到各候选区域的第二度量值的步骤的流程图。
图4是根据一示例性实施例示出的从多个候选区域中确定出目标区域并作为图像的焦点区域的步骤的流程图。
图5是根据一示例性实施例示出的另一种图像识别方法的流程图。
图6a是根据一示例性实施例示出的一种图像中元素的边缘轮廓的示意图。
图6b是根据一示例性实施例示出的一种在预设颜色图谱上获取图谱距离的示意图。
图6c是根据一示例性实施例示出的一种候选区域与图像的中心位置的像素距离的示意图。
图7是根据一示例性实施例示出的一种图像识别装置的框图。
图8是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不区域与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
还需要说明的是,本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本公开所提供的图像识别方法中,终端确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;终端根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到各候选区域的第一度量值;根据各候选区域对应的区域位置与图像的中心位置的像素距离,得到各候选区域的第二度量值;基准颜色为根据视觉效果预先确定的颜色;终端根据各候选区域的第一度量值与第二度量值,从多个候选区域中确定出目标区域,作为图像的焦点区域。其中,终端可以是但不限于各种智能手机、平板电脑、笔记本电脑或穿戴式设备等。
图1是根据一示例性实施例示出的一种图像识别方法的流程图,图像识别方法用于终端中,包括以下步骤:
在步骤S110中,确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置。
其中,边缘轮廓是指能够描述该元素形状,同时能够将该元素与背景及其他元素进行区分的轮廓特征。
其中,候选区域是指各个独立元素所占图像内的区域;区域颜色是指该元素对应的候选区域的至少一种颜色或能够代表该元素候选区域的主体颜色等;区域位置是指能够代表该元素对应候选区域的位置信息,例如边缘上的一点所在图像的位置,或者边缘轮库哟所构成图形的中心点所对应位置等。
具体地,终端对图像进行处理,识别出图像中包含的至少一个元素;提取出所识别出元素的完整轮廓作为个元素的边缘轮廓;根据元素的边缘轮廓,确定各个元素在图像中对应的候选区域;根据各候选区域中能够代表该候选区域的点的坐标,作为区域位置;再根据候选区域与原始彩色图像,确定出能够代表各候选区域的颜色作为区域颜色。边缘轮廓的提取过程可以通过多种方式实现,例如首先进行二值化处理将图像转换为黑白二值化图像,对黑白二值化图像进行开运算与闭运算,消除图像背景区域以及各个元素对应候选区域中的噪声点;对图像进行锐化处理能够补偿各个元素对应的轮廓,图像平滑能够突出图像中的各个元素,抑制图像噪声,改善图像质量等。边缘检测可以通过多种检测算子以及深度学习方式实现,例如检测算子可以采用Sobel算子、Isotropic Sobel算子、Roberts 算子、Prewitt算子等,具体可以根据图像的特点以及各个元素的分布进行适应性选取。
在步骤S120中,根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到各候选区域的第一度量值;根据各候选区域对应的区域位置与图像的中心位置的像素距离,得到各候选区域的第二度量值;基准颜色为根据视觉效果预先确定的颜色。
其中,基准颜色是指用于进行比较采用的标准颜色,例如在HSL颜色体系中,可以选择红色作为基准颜色;在视觉的注意力效果机制中,红色较为容易被观众注意到,因此红色的视觉效果较好,可以选取红色作为基准颜色,在HSL颜色体系中距离红色越近的颜色越容易被注意到,即越容易成为视觉上的焦点区域。
其中,色彩差异程度是指区域颜色与基准颜色在特定颜色评价体系中的差距;例如 HSL颜色体系可以呈现为圆形图谱的形式,每个颜色都对应于该圆形图谱内的一个角度;其中,基准颜色为0度;即色彩差异程度可以根据区域颜色对应的角度距离基准颜色所在直线的角度的差值来确定,并在处理后得到候选区域的第一度量值。
其中,候选区域对应的区域位置是指能够代表该候选区域整体位置的位置点,可以是在图像中的具体坐标;具体可以取候选区域边缘及内部的任意一点,或者计算各个点的平均值,或者获取候选区域的外接矩形后取该矩形的中心点作为区域位置;具体区域位置的确定方式不做限定。图像的中心位置是指图像的中心点所对应位置,例如圆形图像则中心为圆心,矩形图像则为矩形的中心等。
具体地,在一特定颜色评价体系中,对区域颜色以及基准颜色进行定位,并根据定位结果确定两者的差异作为色彩差异程度;根据差异的具体数值确定出候选区域的第一度量值;以图像中各个像素建立坐标系,分别获取候选区域对应的区域位置的坐标,以及确定图像中心位置的坐标,将两个坐标所间隔的距离以像素标识,得到像素距离;根据像素距离得到候选区域的第二度量值。
在步骤S130中,根据各候选区域的第一度量值与第二度量值,从多个候选区域中确定出目标区域,作为图像的焦点区域。
其中,目标区域是指从多个候选区域中选取的能够作为焦点区域的候选区域。焦点区域是指在图像中根据位置和颜色最容易聚集观众注意力的图像区域。
具体地,分别获取与第一度量值与第二度量值对应的权重参数,利用权重参数对第一度量值以及第二度量值进行加权计算,使得两个度量值相统一,以便于比较;经过权重处理后,多个候选区域的多个第一度量值和第二度量值可以相互比较,即根据比较结果从多个候选区域中选出一个候选区域作为目标区域,并同时作为图像的焦点区域。
上述图像识别中,通过确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;然后根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到各候选区域的第一度量值;根据各候选区域对应的区域位置与图像的中心位置的像素距离,得到各候选区域的第二度量值;基准颜色为根据视觉效果预先确定的颜色;最后根据各候选区域的第一度量值与第二度量值,从多个候选区域中确定出目标区域,作为图像的焦点区域;这样,从图像中通过边缘轮廓确定出多个候选区域,根据候选区域的颜色和位置分别对各候选区域进行相应度量,根据得到的度量值确定出目标区域并作为焦点区域;本公开应用了颜色特征以及不同区域在图像中的位置特征,通过较少的计算量,实现了对图像中焦点区域进行快速识别,提高了对图像进行识别的效率。
在一示例性实施例中,若图像为彩色图像,上述步骤S110,在确定图像中多个元素所对应的多个候选区域之前,还包括:对图像进行二值化处理,得到二值化图像;识别出二值化图像中的封闭图形,作为图像中元素的边缘轮廓。
其中,二值化处理是指将彩色图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。
具体地,针对于彩色图像,可以通过二值化处理的方式将彩色图像转换为黑白图像,以更好地识别出二值化图像中的封闭图形,作为图像中元素的边缘轮廓。首先对图像进行黑白二值化处理,获取图像的所有像素的RGBA信息,以128作为预设阈值,与各个像素的RGBA值作对比,即将低于128的像素的数值设置为0,高于128的像素的数值设置为 255;经过此阶段处理后,图像中只保留黑、白两个颜色,图像的集合性质只与像素值为 0或255的点的位置有关,不再涉及像素的多级值,并且黑色和白色的交接处即为物体的边缘。需要说明的是,对图像进行二值化处理可以不限于彩色图像,也可以是灰度图像等,彩色图像经二值化处理后更易识别出其中的封闭图形。
本公开实施例提供的技术方案,通过对彩色图像进行二值化处理,使得二值化图像中的封闭图像,即元素的边缘轮廓更易被识别,提高了图像中多个元素的边缘轮廓提取效率。
在一示例性实施例中,在步骤S110中,获取各候选区域对应的区域颜色,具体可以通过以下步骤实现:针对每个候选区域,获取在该候选区域中,各种颜色的所占比例;确定所占比例最大的颜色为该候选区域的区域颜色。
其中,颜色的所占比例是指选取的颜色所占面积与该图像中所有颜色所占面积之间的比例;颜色所占比例可通过计算像素点数量得到,例如A颜色的所占比例=A颜色像素点数量/图像像素点总数量。
具体地,识别出候选区域中包含的至少一种颜色,并计算出至少一个颜色所占候选区域的面积,得到该颜色的所占比例;从至少一种颜色中选取所占比例最大的颜色作为能够代表候选区域的颜色,作为区域颜色。
还可以将候选区域中各个像素值进行求和平均得到平均像素值,将平均像素值对应的颜色作为区域颜色。
本公开实施例提供的技术方案,通过计算各种颜色所占比例,确定出能够代表该候选区域的作为区域颜色;利用了颜色在注意力机制中的作用,提高了焦点区域选定的准确度。
在一示例性实施例中,在步骤S110中,获取各候选区域的区域位置,具体可以通过以下步骤实现:针对每个候选区域,生成该候选区域的外接几何图形;获取外接几何图形的几何中心,作为该候选区域的区域位置。
具体地,外接集合图形是指标准的外接图形,例如外接矩形、外接圆形、外接三角形等。获取外界集合图形的集合中心在图像中的坐标,作为该候选区域在图像中的区域位置。
本公开实施例提供的技术方案,利用了外接几何图形较为标准的特征,将外接几何图形的中心作为候选区域的中心,得到了较为准确的候选区域的区域位置。
在一示例性实施例中,如图2所示,在步骤S120中,根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到各候选区域的第一度量值,具体可以通过以下步骤实现:
针对每一候选区域,根据该候选区域的区域颜色与基准颜色的色彩差异程度,得到该候选区域的第一度量值:
在步骤S210中,将区域颜色、基准颜色分别映射至预设颜色图谱中,得到对应的第一图谱位置、第二图谱位置;
在步骤S220中,获取第一图谱位置与第二图谱位置在预设颜色图谱中的图谱距离;图谱距离的大小正相关于区域颜色与基准颜色的色彩差异程度;
在步骤S230中,基于单位图谱距离对应的权重值对图谱距离进行标准化处理,将标准化处理后的图谱距离作为第一度量值。
其中,预设颜色图谱中包含有多种颜色,且各种颜色相互之间具有次序,或者具有一定数值;因此在预设颜色图谱中能够实现多种颜色的比较。图谱距离是指图谱中两个位置之间的距离,距离可以是角度差异、长度差异、数值差异等。权重值是指不同的单位图谱距离所对应的调整系数,使得不同大小的图谱距离能够通过权重值的计算处于同一数值范围内;例如图谱距离为10,权重值为1;单位图谱距离为5,权重值为0.5。标准化处理是指利用单位图谱距离对图谱距离进行计算,使得利用不同类型预设颜色图谱的图谱距离能够在同一标准下进行比较。
具体地,在预设颜色图谱中通过映射区域颜色以及基准颜色,两个颜色在预设颜色图谱中的位置,记作图谱位置;获取两个图谱位置之间的距离作为图谱距离,该图谱距离同时表征区域颜色与基准颜色的色彩差异程度,且图谱距离与色彩差异程度的大小成正比;根据预设颜色图谱的种类获取对应的单位图谱距离,利用单位图谱距离对应的权重值对图谱距离进行标准化处理,得到第一度量值。
本公开实施例提供的技术方案,利用了颜色在预设颜色图谱中的差异特征,在图谱中对不同颜色进行定位的同时也确定出了不同颜色之间的色彩差异程度,以此得到相应的度量值,提高了度量值确定的准确性。
在一示例性实施例中,如图3所示,在步骤S120中,根据各候选区域对应的区域位置与图像的中心位置的像素距离,得到各候选区域的第二度量值,具体可以通过以下步骤实现:
在步骤S310中,获取在图像中,各候选区域对应的区域位置与图像的中心位置的像素距离;
在步骤S320中,基于单位像素距离对应的权重值对像素距离进行标准化处理,将标准化处理后的像素距离作为第二度量值。
其中,权重值是指不同的单位像素距离所对应的调整系数,使得不同大小的像素距离能够通过权重值的计算处于同一数值范围内;例如像素距离为10度,权重值为1;像素距离为5度,权重值为0.5。标准化处理是指利用单位像素距离对像素距离进行计算,使得利用不同长度的像素距离能够在同一标准下进行比较。
具体地,分别获取候选区域在图像中的位置,以及图像的中心位置,据像素为单位计算出两个位置之间的像素距离;获取单位像素距离对应的权重值,对像素距离进行计算,实现像素距离的标准化,同时得到描述各候选区域在图像中位置的第二度量值。
本公开实施例提供的技术方案,通过计算区域位置与中心位置的像素距离得到第二度量值,数据较为简单,提高了图像中焦点区域识别的数据处理速度;同时标准化后的像素距离能够与其他候选区域的像素距离进行比较,提高了度量值确定的准确性。
在一示例性实施例中,如图4所示,根据各候选区域的第一度量值与第二度量值,从多个候选区域中确定出目标区域,作为图像的焦点区域,具体可以通过以下步骤实现:
在步骤S410中,针对每个候选区域,获取该候选区域的第一度量值与第二度量值的加权和,作为衡量该候选区域是否为焦点区域的目标度量值;目标度量值的大小与该候选区域为焦点区域的概率高低之间呈负相关关系;
在步骤S420中,将多个候选区域中目标度量值最小的候选区域,确定为图像的焦点区域。
具体地,第一度量值表征候选区域的区域颜色与基准颜色的差异程度,即第一度量值越小则区域颜色越接近基准颜色;同理,第二度量值表征候选区域的区域位置与图像中心位置的差异程度,即第二度量值越小则候选区域越接近图像中心;因此将第一度量值与第二度量值进行加权和计算,能够对该候选区域是否为焦点区域进行度量;即第一度量值与第二度量值的加权和越小,即目标度量值越小,则候选区域越可能为焦点区域。
本公开实施例提供的技术方案,通过将第一度量值与第二度量值的加权和,作为衡量该候选区域是否为焦点区域的目标度量值,数据处理较较为简单,提高了图像的焦点区域的确定效率以及准确程度。
在一示例性实施例中,根据该候选区域的第一度量值与第二度量值,确定出候选区域的目标度量值,包括:分别获取第一度量值的第一调整系数,以及获取第二度量值的第二调整系数;第一调整系数及第二调整系数分别用于平衡色彩差异程度与像素距离对焦点区域识别的影响程度;获取第一度量值与第一调整系数的第一乘积,以及第二度量值与第二调整系数的第二乘积,将第一乘积与第二乘积的和作为候选区域的目标度量值。
其中,第一调整系数和第二调整系数分别用于调整色彩差异程度及像素距离,对焦点区域的整体影响程度;第一调整系数、第二调整系数可以为经验参数,即由人工根据经验进行相应设定。
具体地,将第一度量值与第一调整系数进行相乘,实现对第一度量值的调整;再将第二度量值与第二调整系数进行相乘,实现对第二度量值的调整;以此得到的第一乘积与第二乘积的和均实现调整,目标度量值的确定较为准确。需要说明的是,第一调整系数以及第二调整系数可以不同时应用,即在任意调整系数能够对相应度量值进行调整,目标度量值能够改善的前提下可以只适用其中一个或都不适用,以此提高目标度量值的确定效率。
本实施例通过第一调整系数及第二调整系数,分别实现对色彩差异程度与像素距离对焦点区域识别的影响程度的调整,提高了目标度量值确定过程中的准确性。
在一示例性实施例中,基准颜色通过以下方式确定:响应于预设颜色展示页面中对目标颜色区域的触发操作,获取目标颜色区域的标识;根据标识确定出目标颜色区域对应的颜色信息,将颜色信息所对应的颜色作为基准颜色。具体地,预设颜色展示页面中可以显示多种颜色,通过触发操作可以确定出被选做基准颜色的具体颜色。预设颜色展示页面中,各个颜色信息可以利用视觉效果进行显示,也可以利用选项方式进行显示,例如提醒操作的对象从动态的显示图像中选取第一时间注意到的颜色作为基准颜色,或者提供多个固定的颜色区域直接根据对象的选择确定出基准颜色。
本实施例通过提供预设颜色展示页面与外界对象进行互动,根据互动结果确定出作为基准颜色的颜色信息,实现了对基准颜色的准确获取及确定。
图5是根据一示例性实施例示出的另一种图像识别方法的流程图,该方法应用于终端,包括以下步骤:
步骤S510中,对图像进行二值化处理,得到二值化图像;识别出二值化图像中的封闭图形,作为图像中元素的边缘轮廓。
步骤S520中,确定图像中多个元素所对应的多个候选区域;获取在该候选区域中,各种颜色的所占比例,确定所占比例最大的颜色为该候选区域的区域颜色;生成该候选区域的外接几何图形;获取外接几何图形的几何中心,作为该候选区域的区域位置。
步骤S530中,针对每一候选区域,根据该候选区域的区域颜色与基准颜色的色彩差异程度,得到该候选区域的第一度量值:将区域颜色、基准颜色分别映射至预设颜色图谱中,得到对应的第一图谱位置、第二图谱位置;获取第一图谱位置与第二图谱位置在预设颜色图谱中的图谱距离;图谱距离的大小正相关于区域颜色与基准颜色的色彩差异程度;基于单位图谱距离对应的权重值对图谱距离进行标准化处理,将标准化处理后的图谱距离作为第一度量值。
步骤S540中,获取在图像中,各候选区域对应的区域位置与图像的中心位置的像素距离;基于单位像素距离对应的权重值对像素距离进行标准化处理,将标准化处理后的像素距离作为第二度量值。
步骤S550中,针对每个候选区域,获取该候选区域的第一度量值与第二度量值的加权和,作为衡量该候选区域是否为焦点区域的目标度量值;目标度量值的大小与该候选区域为焦点区域的概率高低之间呈负相关关系;将多个候选区域中目标度量值最小的候选区域,确定为图像的焦点区域。
具体地,在图6a中,6a-1为待进行焦点区域识别的图像;对如图6a-1所示的图像进行二值化处理,得到如图6a-2所示的二值化图像;识别出二值化图像中的多个封闭图形,如图6a-3所示,二值化图像中包括5个封闭图像的元素,分别进行标记,封闭图像的边缘即为元素的边缘轮廓;将各个元素的边缘轮廓还原回原始图像中进行显示,以此得到图像中元素的边缘轮廓。
如图6b所示,为预设颜色图谱的图谱示意图;可见该图谱中,每一个颜色是以角度的方式进行记录的,例如红色为0度,而绿色为120度;例如基准颜色为红色,则即基准位置的第二图谱位置为0度,若区域颜色为橙色,则记区域颜色的第一图谱位置为橙色 30度;图谱距离为两个图谱位置的差值,即30度与0度的差值,记图谱距离为30度。
如图6c所示,以候选区域4为例,生成候选区域4的外接几何图形;获取外接几何图形的几何中心为B点,作为候选区域4的区域位置;同时获取图像的中心位置为A点。A点与B点的距离即为候选区域4与图像的中心位置的像素距离。
通过以上方式进行计算,假设分别得到候选区域1-5在预设颜色图谱中的图谱距离为:10度、14度、24度、5度、3度;若单位图谱距离对应的权重值为1,则标准化处理后,得到候选区域1-5的第一度量值分别为10、14、24、5、3。
假设分别得到候选区域1-5到图像的中心位置的像素距离为:208PX、210PX、282PX、 5PX、55PX;若单位像素距离对应的权重值为1,则标准化处理后,得到候选区域1-5的第二度量值分别为208、210、282、5、55。
获取候选区域1-5的第一度量值与第二度量值之和分别为:218、224、306、10、58;可见候选区域4为第一度量值与第二度量值之和最小的目标候选区域,则确定候选区域4为为图像的焦点区域。
本公开实施例提供的技术方案,从图像中通过边缘轮廓确定出多个候选区域,根据候选区域的颜色和位置分别对各候选区域进行相应度量,根据得到的度量值确定出目标区域并作为焦点区域;本公开应用了颜色特征以及不同区域在图像中的位置特征,通过较少的计算量,实现了对图像中焦点区域进行快速识别,提高了对图像进行识别的效率。
应该理解的是,虽然图1-图6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-图5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
可以理解的是,本说明书中上述方法的各个实施例之间相同/相似的部分可互相参见,每个实施例重点说明的是与其他实施例的不同之处,相关之处参见其他方法实施例的说明即可。
图7是根据一示例性实施例示出的一种图像识别装置框图。参照图7,该装置包括候选区域确定单元702,度量值确定单元704和焦点区域确定单元706。
该候选区域确定单元702被配置为执行确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置。
该度量值确定单元704被配置为执行根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到各候选区域的第一度量值;根据各候选区域对应的区域位置与图像的中心位置的像素距离,得到各候选区域的第二度量值;基准颜色为根据视觉效果预先确定的颜色。
该焦点区域确定单元706被配置为执行根据各候选区域的第一度量值与第二度量值,从多个候选区域中确定出目标区域,作为图像的焦点区域。
在一示例性实施例中,若图像为彩色图像,候选区域确定单元702,还被配置为执行对图像进行二值化处理,得到二值化图像;识别出二值化图像中的封闭图形,作为图像中元素的边缘轮廓。
在一示例性实施例中,候选区域确定单元702,还被配置为执行针对每个候选区域,获取在该候选区域中,各种颜色的所占比例;确定所占比例最大的颜色为该候选区域的区域颜色。
在一示例性实施例中,候选区域确定单元702,还被配置为执行针对每个候选区域,生成该候选区域的外接几何图形;获取外接几何图形的几何中心,作为该候选区域的区域位置。
在一示例性实施例中,度量值确定单元704,还被配置为针对每一候选区域,根据该候选区域的区域颜色与基准颜色的色彩差异程度,得到该候选区域的第一度量值,执行将区域颜色、基准颜色分别映射至预设颜色图谱中,得到对应的第一图谱位置、第二图谱位置;获取第一图谱位置与第二图谱位置在预设颜色图谱中的图谱距离;图谱距离的大小正相关于区域颜色与基准颜色的色彩差异程度;基于单位图谱距离对应的权重值对图谱距离进行标准化处理,将标准化处理后的图谱距离作为第一度量值。
在一示例性实施例中,度量值确定单元704,还被配置为执行获取在图像中,各候选区域对应的区域位置与图像的中心位置的像素距离;基于单位像素距离对应的权重值对像素距离进行标准化处理,将标准化处理后的像素距离作为第二度量值。
在一示例性实施例中,焦点区域确定单元706,还被配置为执行针对每个候选区域,获取该候选区域的第一度量值与第二度量值的加权和,作为衡量该候选区域是否为焦点区域的目标度量值;目标度量值的大小与该候选区域为焦点区域的概率高低之间呈负相关关系;将多个候选区域中目标度量值最小的候选区域,确定为图像的焦点区域。
在一示例性实施例中,焦点区域确定单元706,还被配置为执行分别获取第一度量值的第一调整系数,以及获取第二度量值的第二调整系数;第一调整系数及第二调整系数分别用于平衡色彩差异程度与像素距离对焦点区域识别的影响程度;获取第一度量值与第一调整系数的第一乘积,以及第二度量值与第二调整系数的第二乘积,将第一乘积与第二乘积的和作为候选区域的目标度量值。
在一示例性实施例中,度量值确定单元704,还被配置为执行响应于预设颜色展示页面中对目标颜色区域的触发操作,获取目标颜色区域的标识;根据标识确定出目标颜色区域对应的颜色信息,将颜色信息所对应的颜色作为基准颜色。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种用于图像识别的电子设备800的框图。例如,电子设备800可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。
参照图8,电子设备800可以包括以下一个或多个组件:处理组件802、存储器804、电源组件806、多媒体组件808、音频组件810、输入/输出(I/O)的接口812、传感器组件814以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘、光盘或石墨烯存储器。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在电子设备800和用户之间的提供输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件 808包括前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800 或电子设备800组件的位置改变,用户与电子设备800接触的存在或不存在,设备800 方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或 5G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器804,上述指令可由电子设备800的处理器820执行以完成上述方法。例如,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,计算机程序产品中包括指令,上述指令可由电子设备800的处理器820执行以完成上述方法。
需要说明的,上述的装置、电子设备、计算机可读存储介质、计算机程序产品等根据方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像识别方法,其特征在于,包括:
确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;
根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到所述各候选区域的第一度量值;根据所述各候选区域对应的区域位置与所述图像的中心位置的像素距离,得到所述各候选区域的第二度量值;所述基准颜色为根据视觉效果预先确定的颜色;
根据所述各候选区域的第一度量值与第二度量值,从所述多个候选区域中确定出目标区域,作为所述图像的焦点区域。
2.根据权利要求1所述的方法,其特征在于,所述获取各候选区域对应的区域颜色,包括:
针对每个候选区域,获取在该候选区域中,各种颜色的所占比例;
确定所占比例最大的颜色为所述该候选区域的区域颜色。
3.根据权利要求1所述的方法,其特征在于,所述获取各候选区域的区域位置,包括:
针对每个候选区域,生成该候选区域的外接几何图形;
获取所述外接几何图形的几何中心,作为所述该候选区域的区域位置。
4.根据权利要求1所述的方法,其特征在于,所述根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到所述各候选区域的第一度量值,包括:
针对每一候选区域,根据该候选区域的区域颜色与基准颜色的色彩差异程度,得到该候选区域的第一度量值:
将所述区域颜色、所述基准颜色分别映射至预设颜色图谱中,得到对应的第一图谱位置、第二图谱位置;
获取所述第一图谱位置与所述第二图谱位置在所述预设颜色图谱中的图谱距离;所述图谱距离的大小正相关于所述区域颜色与所述基准颜色的色彩差异程度;
基于单位图谱距离对应的权重值对所述图谱距离进行标准化处理,将标准化处理后的图谱距离作为所述第一度量值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述各候选区域对应的区域位置与所述图像的中心位置的像素距离,得到所述各候选区域的第二度量值,包括:
获取在所述图像中,所述各候选区域对应的区域位置与所述图像的中心位置的像素距离;
基于单位像素距离对应的权重值对所述像素距离进行标准化处理,将标准化处理后的像素距离作为所述第二度量值。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述各候选区域的第一度量值与第二度量值,从所述多个候选区域中确定出目标区域,作为所述图像的焦点区域,包括:
针对每个候选区域,获取该候选区域的所述第一度量值与所述第二度量值的加权和,作为衡量该候选区域是否为焦点区域的目标度量值;所述目标度量值的大小与该候选区域为焦点区域的概率高低之间呈负相关关系;
将所述多个候选区域中所述目标度量值最小的候选区域,确定为所述图像的焦点区域。
7.一种图像识别装置,其特征在于,包括:
候选区域确定单元,被配置为执行确定图像中多个元素所对应的多个候选区域,并获取各候选区域对应的区域颜色及区域位置;
度量值确定单元,被配置为执行根据各候选区域对应的区域颜色与基准颜色的色彩差异程度,得到所述各候选区域的第一度量值;根据所述各候选区域对应的区域位置与所述图像的中心位置的像素距离,得到所述各候选区域的第二度量值;所述基准颜色为根据视觉效果预先确定的颜色;
焦点区域确定单元,被配置为执行根据所述各候选区域的第一度量值与第二度量值,从所述多个候选区域中确定出目标区域,作为所述图像的焦点区域。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至6中任一项所述的图像识别方法。
9.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至6中任一项所述的图像识别方法。
10.一种计算机程序产品,所述计算机程序产品中包括指令,其特征在于,所述指令被电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至6中任一项所述的图像识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979344.1A CN113888742A (zh) | 2021-08-25 | 2021-08-25 | 图像识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979344.1A CN113888742A (zh) | 2021-08-25 | 2021-08-25 | 图像识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888742A true CN113888742A (zh) | 2022-01-04 |
Family
ID=79011446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110979344.1A Pending CN113888742A (zh) | 2021-08-25 | 2021-08-25 | 图像识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888742A (zh) |
-
2021
- 2021-08-25 CN CN202110979344.1A patent/CN113888742A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9953506B2 (en) | Alarming method and device | |
CN106651955B (zh) | 图片中目标物的定位方法及装置 | |
RU2577188C1 (ru) | Способ, аппарат и устройство для сегментации изображения | |
US9924226B2 (en) | Method and device for processing identification of video file | |
CN107025419B (zh) | 指纹模板录入方法及装置 | |
CN107480665B (zh) | 文字检测方法、装置及计算机可读存储介质 | |
CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
CN106228556B (zh) | 图像质量分析方法和装置 | |
CN109029720B (zh) | 光照强度检测方法及装置 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN108921178B (zh) | 获取图像模糊程度分类的方法、装置、电子设备 | |
CN107025441B (zh) | 肤色检测方法及装置 | |
CN107038428B (zh) | 活体识别方法和装置 | |
US11574415B2 (en) | Method and apparatus for determining an icon position | |
CN112927122A (zh) | 水印去除方法、装置及存储介质 | |
CN111666941B (zh) | 一种文本检测方法、装置及电子设备 | |
CN107845094A (zh) | 图像文字检测方法、装置及计算机可读存储介质 | |
CN109509195B (zh) | 前景处理方法、装置、电子设备及存储介质 | |
CN109784327B (zh) | 边界框确定方法、装置、电子设备及存储介质 | |
CN107292901B (zh) | 边缘检测方法及装置 | |
CN113888543A (zh) | 肤色分割方法、装置、电子设备及存储介质 | |
CN106469446B (zh) | 深度图像的分割方法和分割装置 | |
CN108830194B (zh) | 生物特征识别方法及装置 | |
CN115100253A (zh) | 图像对比方法、装置、电子设备及存储介质 | |
CN113920465A (zh) | 片尾识别方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |