CN114066823A - 检测色块的方法及其相关产品 - Google Patents

检测色块的方法及其相关产品 Download PDF

Info

Publication number
CN114066823A
CN114066823A CN202111257516.0A CN202111257516A CN114066823A CN 114066823 A CN114066823 A CN 114066823A CN 202111257516 A CN202111257516 A CN 202111257516A CN 114066823 A CN114066823 A CN 114066823A
Authority
CN
China
Prior art keywords
color block
color
image
detected
characteristic 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
Application number
CN202111257516.0A
Other languages
English (en)
Inventor
朱杰
王库
冯文澜
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.)
Suirui Technology Tianjin Co ltd
Suirui Technology Group Co Ltd
Original Assignee
Suirui Technology Tianjin Co ltd
Suirui Technology Group Co Ltd
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 Suirui Technology Tianjin Co ltd, Suirui Technology Group Co Ltd filed Critical Suirui Technology Tianjin Co ltd
Priority to CN202111257516.0A priority Critical patent/CN114066823A/zh
Publication of CN114066823A publication Critical patent/CN114066823A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Abstract

本发明涉及一种检测色块的方法、设备、计算机程序产品以及系统。其中，该方法包括：获取状态指示色块的图像，所述色块包括标准色块和待测色块；从所述图像中提取各个色块的特征维度信息；基于所述特征维度信息，确定待测色块与各标准色块之间的特征值距离；以及将所述待测色块识别为所述特征值距离最近的标准色块。通过本发明的技术方案，无需引入大量的样本训练，即可实现对不同应用场景下的色块的识别，从而提高色块识别算法的通用性和易用性。

Description

检测色块的方法及其相关产品
技术领域
本发明一般地涉及数字图像处理技术领域。更具体地，本发明涉及一种用于检测色块的方法、设备、计算机程序产品以及系统。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述可包括可以探究的概念，但不一定是之前已经想到或者已经探究的概念。因此，除非在此指出，否则在本部分中描述的内容对于本申请的说明书和权利要求书而言不是现有技术，并且并不因为包括在本部分中就承认是现有技术。
在各种自动化控制系统(例如配电室等电力系统)中，设备的安全运行是最重要的安全保障之一，而各种设备的运行状态是确保系统安全运行的重要保障。通常可以借助显示屏中的色块的不同颜色来指示设备各种不同运行状态，因此对色块状态的判断和监控显得尤为重要。例如，在配电室显示屏的应用场景中，首先给出特定有限的几种标准颜色来代表不同的状态，而状态指示色块会在这几种颜色之中根据当前的状态进行不同颜色展示，因此需要通过检测色块所属标准颜色来判断其状态。
相关技术中对颜色的识别多采用机器学习方式。这种方式需要对不同色块的颜色进行机器学习模型的训练，以及利用训练好的模型对状态颜色进行识别判断。而在实际应用过程中，其不仅需要关于应用场景的大量且具有多样性的学习样本，而且仅限于标准颜色的数量和具体颜色与训练类型完全一致的场景识别，使得该方法使用范围非常有限，且识别过程繁琐。
发明内容
为了至少解决上述背景技术部分所描述的技术问题，本发明提出了一种检测色块的方案。利用本发明的方案，无需引入大量的样本训练，即可实现对不同应用场景下的色块的识别，从而使得本发明的方案可以有效提高色块识别算法的通用性和易用性。鉴于此，本发明在如下的多个方面提供解决方案。
本发明的第一方面提供了一种检测色块的方法，包括：获取状态指示色块的图像，所述色块包括标准色块和待测色块；从所述图像中提取各个色块的特征维度信息；基于所述特征维度信息，确定待测色块与各标准色块之间的特征值距离；以及将所述待测色块识别为所述特征值距离最近的标准色块。
在一个实施例中，其中所述特征维度信息包括特征值向量，其中确定待测色块与各标准色块之间的特征值距离包括：计算所述待测色块的特征值向量与所述各标准色块的特征值向量之间的马氏距离。
在一个实施例中，其中所述各标准色块和所述待测色块包括多个特征维度，其中计算所述待测色块的特征值向量与所述各标准色块的特征值向量之间的马氏距离包括：获取所述待测色块和所述各标准色块的特征值向量；获取关于所述多个特征维度的样本向量协方差矩阵；以及基于所述待测色块和所述各标准色块的特征值向量以及所述样本向量协方差矩阵确定所述马氏距离。
在一个实施例中，其中获取所述待测色块和所述各标准色块的特征值向量包括：获取所述多个特征维度中每个特征维度的统计平均值；以及基于所述多个特征维度中每个特征维度的统计平均值，确定所述各标准色块和所述待测色块的特征值向量。
在一个实施例中，其中获取关于所述多个特征维度的样本向量协方差矩阵包括：获取所述多个特征维度的样本向量；以及基于所述多个特征维度的样本向量，确定所述样本向量协方差矩阵。
在一个实施例中，其中根据以下公式计算所述马氏距离：
Figure BDA0003324571160000021
其中，E表示所述待测色块的特征值向量，Ej表示第j个标准色块的特征值向量，C表示所述样本向量协方差矩阵。
在一个实施例中，其中获取状态指示色块的图像包括：获取关于所述状态指示色块的模板图像，其中所述模板图像中标注有关于色块颜色区域的关键区域信息；
获取关于所述状态指示色块的待测图像；将所述待测图像投影变换到所述模板图像中，以得到待识别图像；以及基于所述关键区域信息，从所述待识别图像中提取各个色块的图像。
在一个实施例中，其中所述关键区域信息包括用于表示色块颜色区域的最小内接矩形的关键区域和所述关键区域的顶点坐标，其中提取各个色块的图像包括：根据所述关键区域的顶点坐标，从所述待识别图像中提取出各个色块的图像。
在一个实施例中，还包括：获取并展示所述特征值距离最近的标准色块所标识的事件状态。
本发明的第二方面提供了一种检测色块的设备，包括：处理器；以及存储器，其存储有检测色块的计算机指令，当所述计算机指令由所述处理器运行时，使得所述设备执行前文第一方面以及在下文多个实施例中所述的方法。
本发明的第三方面提供了一种计算机程序产品，包括检测色块的计算机指令，当所述计算机指令由所述处理器运行时，使得实现前文第一方面以及在下文多个实施例中所述的方法。
本发明的第四方面提供了一种检测色块的系统，包括：状态指示装置，其配置有用于标识事件状态的状态指示色块；以及设备，其配置成执行前文第一方面以及在下文多个实施例中所述的方法，以实现对所述状态指示装置的色块的识别。
利用本发明所提供的方案，可以利用图像中标准色块和待测色块之间的特征值距离来实现对色块的识别。可以看出，本发明的方案主要以数值运算方式实现颜色识别，无需提前大量引入样本数据，从而大大简化整个识别处理过程。在一些实施例中，识别过程中还可以根据不同场景进行模板图像的调换，从而能够完成对不同场景下色块的识别，有效提高了识别算法的通用性和易用性。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是示出其中应用本发明的检测色块的方案的示例性场景图；
图2是示出根据本发明实施例的检测色块的一个方法的流程图；
图3是示出根据本发明实施例的获取状态指示色块的图像的流程图；
图4是示出根据本发明实施例的检测色块的另一个方法的流程图；以及
图5是示出根据本发明实施例的检测色块的系统的结构图。
具体实施方式
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
应当理解，本发明的权利要求、说明书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。本发明的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施方式的目的，而并不意在限定本发明。如在本发明说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本发明说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合附图来详细描述本发明的具体实施方式。
图1是示出其中应用本发明的检测色块的方案的示例性场景100的示图。在本发明的上下文中，前述的场景可以是对各种自动化控制系统中状态指示装置中色块的识别场景。可以理解的是，本发明的方案可以支持对不同场景的色块识别(例如对不同状态指示装置中色块的识别以及同一状态指示装置在不同外界场景下的色块识别等)。图1中的状态指示装置101可以是各种中控显示屏，或者各种能够展示色块的设备(例如配电系统的机柜、带有各种状态指示灯的设备等)。可以理解的是，这里对状态指示装置的描述仅是示例性说明，本发明的方案并不受此限制。
在具体应用过程中，可以先采集状态指示色块的图像，并进而获取到图像中的标准色块和待测色块。然后，基于待测色块与各标准色块之间的特征值距离来完成色块识别。在一些实施例中，如图1所示，可以采用图像采集装置(例如相机、摄像机器人等)来采集图像，然后可将采集到的图像发送至设备侧(图1未示出)进行后续的识别处理。这里对图像的采集和识别过程仅是一种示例性说明，本发明的方案并不受此限制。例如，还可以是利用支持拍照功能的设备来完成图像的采集并进行后续识别处理。
图2是示出根据本发明实施例的检测色块的方法200的流程图。可以理解的是，这里的色块可以是前文结合图1所描述的状态指示装置所展示的色块。因此，前文结合图1中的细节描述同样适用于下文。
在步骤S201处，可以获取状态指示色块的图像。其中前述的色块可以包括标准色块和待测色块。
上述图像可以采取多种方式来获取。图3示出了在一些实施例中获取前述图像的具体步骤。如图3所示，在步骤S201-1处，可以获取关于前述的状态指示色块的模板图像。在一些实施例中，可以获取图像采集装置(例如相机)采集到的状态指示设备的整体图像，并将其作为模板图像。然后在图像中标注出状态指示色块矩形区域为关键区域。可以理解的是，这里对获取模板图像的描述仅是示例性说明，本发明的方案并不受此限制。
接着，在步骤S201-2处，可以获取关于前述的状态指示色块的待测图像。在一些实施例中，待测图像也可以来自外部的图像采集设备。具体可以采用和模板图像同样的拍摄条件来采集待测图像。其中和模板图像同样的拍摄条件可以包括同一图像采集装置在距离状态指示设备相同位置处来采集状态指示设备的整体图像。这里的图像可以是图片或者视频。
接着，在步骤S201-3中，可以将前述的待测图像投影变换到模板图像中，以得到待识别图像。在一些实施例中，可以根据模板图像和待测图像的图像特征来确定由待测图像变换到模板图像的投影矩阵，并利用投影矩阵将待测图像投影变换到模板图像中。其中前述的图像特征可以包括尺度不变特征变换特征(Scale-invariant feature transform，SIFT)、加速稳健特征(Speeded Up Robust Features，SURF)和ORB(Oriented Fast andRotated Brief)特征等。可以理解的是，这里对关于待测图像的描述仅是示例性说明，本发明的方案并不受此限制。
最后，在步骤S201-4处，可以基于关键区域信息从前述待识别图像中提取各个色块的图像。在一些实施例中，前述的关键区域信息可以包括用于表示色块颜色区域的最小内接矩形的关键区域和关键区域的顶点坐标。基于此，可以根据前述的关键区域的顶点坐标，从待识别图像中提取出各个色块的图像。可以理解的是，这里对关键区域信息和色块的提取的描述仅是示例性说明，本发明的方案并不受此限制。
在完成图像的获取之后，继续图2，在步骤S202处，可以从前述的图像中提取各个色块的特征维度信息。在一些实施例中，前述的特征维度信息可以包括特征值向量，例如红色分量r、绿色分量g、蓝色分量b、色度h、亮度v和饱和度s等。需要说明的是，这里对特征维度信息的内容和数量的描述仅是示例性说明，具体可以根据计算需求增加或减少。
接着，在步骤S203处，可以基于前述的特征维度信息来确定待测色块与各标准色块之间的特征值距离。在一些实施例中，如前所述，该特征维度信息可以包含特征值向量，可以通过计算前述的待测色块的特征值向量与各标准色块的特征值向量之间的马氏距离。例如，在各标准色块和待测色块包括多个特征维度时，可以获取待测色块和各标准色块的特征值向量以及多个特征维度的样本向量协方差矩阵，然后利用待测色块和各标准色块的特征值向量以及样本向量协方差矩阵来确定马氏距离。
在一些实施例中，具体可以通过公式(1)来确定前述的马氏距离：
Figure BDA0003324571160000071
其中，公式(1)中E表示待测色块的特征值向量，Ej表示第j个标准色块的特征值向量，C表示样本向量协方差矩阵。在一些实施例中，可以获取多个特征维度中每个特征维度的统计平均值，并基于前述的统计平均值来确定前述各标准色块和待测色块的特征值向量。而前述的特征维度的样本向量协方差矩阵具体可以根据多个特征维度的样本向量来确定。可以理解的是，这里对特征值向量和样本向量协方差矩阵的计算过程的描述仅是一种示例性说明，本发明的方案并不受此限制。
在另一些实施例中，还可以利用欧式距离来计算待测色块与各标准色块之间的特征值距离。需要说明的是，本发明的方案可以优选马氏距离来计算前述的特征值距离，有利于提高色块识别精准度。
接着，在步骤S204处，可以将前述的待测色块识别为特征值距离最近的标准色块，以完成对色块的识别。在一些实施例中，如前所述，可以将前述待测色块识别为马氏距离最近的标准色块。替换地，还可以是将待测色块识别为欧式距离最近的标准色块。可以看出，本发明的方案主要利用数值运算来实现颜色识别，无需提前大量引入样本数据，从而大大简化整个识别处理过程，同时也提高了识别算法的通用性和易用性。
进一步地，还可以获取并展示前述的特征值距离最近的标准色块所标识的事件状态。在一些实施例中，可以预先存储关于标准色块所标识的事件状态(例如运行状况、进度状况等)，查找并展示识别出的标准色块对应的事件状态进行展示。例如，可以在本地侧对该事件状态进行展示，也可以将该事件状态推送至指定终端，以便相关人员及时跟进。
图4是示出根据本发明实施例的检测色块的另一个方法400的流程图。可以理解的是，这里的色块可以是前文结合图1所描述的状态指示装置所展示的色块。另外，图4也可以是前文结合图2和图3所描述的各个步骤的一种可能的实施方式。因此，前文结合图1至图3的细节描述同样适用于下文。
如图4所示，在步骤S401处，可以输入状态指示色块的图像。在一些实施例中，可以获取关于状态指示色块的模板图像和待检测图像，然后将待检测图像投影变换到模板图像中以得到待识别图像。而前述的色块既包括作为标准的n1个标准色块，也包括待检测的指示设备状态的n2个检测色块，色块总数为n＝n1+n2。
在一些实施例中，具体各个图像采集过程可以涉及：S401-1、在实际检测前，可以利用相机拍摄状态指示装置的整体图像以作为模板图像。然后，可以手动标注图像中状态指示色块的矩形区域(该区域为色块颜色区域的最小内接矩形)以作为关键区域，并记录下n个关键区域的4个顶点坐标点。本发明的上下文中所涉及坐标以图像左上角顶点为起始点坐标(1，1)，横坐标向右增大，纵坐标向下增大。
S401-2、实际检测时，在同一位置用同一相机拍摄状态指示装置的整体图像以作为待测图像。然后分别计算模板图像与待测图像的图像特征，并将两图的特征进行匹配，以获取由检测图像变换到模板图像的投影矩阵M。
S401-3、可以利用前述的投影矩阵M，将待测图像(xp,yp)投影变换到模板图像中，以获取待识别图像(xt,yt)。在一些实施例中，其具体可以参考公式(2)来计算：
Figure BDA0003324571160000081
其中，公式(2)中(xt′,yt′)是未进行缩放的投影变换后的图像坐标，这里的k表示缩放因子，一般选取为1。
S401-4、可以在前述的待识别图像中，按照记录下的n个关键区域的4个顶点坐标点来提取n个色块的图像。
接着，在步骤S402处，可以计算所有色块的特征值。例如，前述的各个色块的特征值维度可以为m(m≤n)。基于此，特征值的维度和具体内容包括但不限于以下情况：当m＝5时，取色块的红色分量r、绿色分量g、蓝色分量b、色度h和亮度v作为特征值(其他情况如m＝3时，可选取其中任意3个维度；m＝6时，可以增加饱和度s作为第6个维度等)。某个特定色块i的特征值向量Ei为
Figure BDA0003324571160000091
其中各个维度的特征值均为该色块对应维度分量的统计平均值，包括红色分量
Figure BDA0003324571160000092
绿色分量
Figure BDA0003324571160000093
蓝色分量
Figure BDA0003324571160000094
色度
Figure BDA0003324571160000095
亮度
Figure BDA0003324571160000096
其具体计算公式(3)如下：
Figure BDA0003324571160000097
其中，i＝1、2、…、n，Mi为色块i水平方向像素数，Ni为色块i垂直方向像素数。x为色块像素点的横坐标，y为色块像素点的纵坐标，ri(x，y)、gi(x，y)、bi(x，y)、hi(x，y)和vi(x，y)分别为色块i像素点(x，y)上的红色分量值、绿色分量值、蓝色分量值、色度值和亮度值。
接着，在步骤S403处，可以计算m个特征维度的样本向量协方差矩阵。在一些实施例中，可以获取m个特征维度的样本向量。以步骤S402中所选取的m＝5为例，红色分量特征样本向量R、绿色分量特征样本向量G、蓝色分量特征样本向量B、色度特征样本向量H和亮度特征样本向量V分别为：
R＝[R1 R2 ... Rn-1 Rn]
G＝[G1 G2 ... Gn-1 Gn]
B＝[B1 B2 ... Bn-1Bn]
H＝[H1 H2 ... Hn-1Hn]
V＝[V1 V2 ... Vn-1 Vn]
其中，样本向量中的值即来源于步骤402中获得的各个维度的统计平均值：
Figure BDA0003324571160000101
在完成m个特征维度的样本向量的获取之后，可以计算协方差矩阵。具体地，m个特征维度的样本向量协方差矩阵C为公式：
Figure BDA0003324571160000102
其中，任意维度X和Y的协方差为公式(4)：
Figure BDA0003324571160000103
接着，在步骤S404处，可以计算待测色块与标准色块的马氏距离。在以一些实施例中，前述的马氏距离的具体算法可以参考图2中相关部分描述，这里不再进行赘述。
接着，在步骤S405处，可以输出具有最小马氏距离的标准色块作为最终识别结果。在一些实施例中，可以求待测色块与所有标准色块的马氏距离的最小值Dl(Dl＝min(D1，D2，...Dn1-1，Dn1))，其中n1为标准色块数量。其中Dl对应的色块的颜色即为所识别出的颜色。进一步地，还可以输出该标准色块对应的指示状态。
基于上述色块识别过程，可以在算法不做调整的情况下，仅针对不同的场景取对应的模板图像，即可识别不同的场景中的色块颜色。另外，在进行颜色识别过程中也不需要提前获取大量样本数据，从而简化了识别过程，进而提高了实际使用中的易用性和通用性。
需要说明的是，上述计算过程中所使用的到公式仅是示例性说明，并不对本发明的方案进行限制。
图5是示出根据本发明实施例的检测色块的系统500的示意框图。该检测色块的系统500可以包括状态指示装置(图5中未示出)、根据本发明实施例的设备501以及其外围设备和外部网络。其中，状态指示装置配置有用于标识事件状态的状态指示色块。在一些实施例中，其可以是能够展示状态指示色块的设备。例如，可以是通过显示屏展示状态指示色块的设备(如配电室机柜、监控设备等)。而设备501实现基于图像中标准色块和待测色块自检的特征值距离实现色块识别等操作，以实现前述结合图2至图4所述的本发明的方案。
如图5中所示，设备501可以包括CPU5011，其可以是通用CPU、专用CPU或者其他信息处理以及程序运行的执行单元。进一步，设备501还可以包括大容量存储器5012和只读存储器ROM 5013，其中大容量存储器5012可以配置用于存储各类数据以及计算特征值距离所需的各种程序，ROM 5013可以配置成存储对于设备501的加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据。
进一步，设备501还包括其他的硬件平台或组件，例如示出的TPU(TensorProcessing Unit，张量处理单元)5014、GPU(Graphic Processing Unit，图形处理器)5015、FPGA(Field Programmable Gate Array，现场可编程逻辑门阵列)5016和MLU(MemoryLogic Unit)，存储器逻辑单元)5017。可以理解的是，尽管在设备501中示出了多种硬件平台或组件，但这里仅仅是示例性的而非限制性的，本领域技术人员可以根据实际需要增加或移除相应的硬件。例如，设备501可以仅包括CPU作为公知硬件平台和另一硬件平台作为本发明的测试硬件平台。
本发明的设备501还包括通信接口5018，从而可以通过该通信接口5018连接到局域网/无线局域网(LAN/WLAN)505，进而可以通过LAN/WLAN连接到本地服务器506或连接到因特网(“Internet”)507。替代地或附加地，本发明的设备501还可以通过通信接口5018基于无线通信技术直接连接到因特网或蜂窝网络，例如基于第三代(“3G”)、第四代(“4G”)或第5代(“5G”)的无线通信技术。在一些应用场景中，本发明的设备501还可以根据需要访问外部网络的服务器508以及可能的数据库509。
设备501的外围设备可以包括显示装置502、输入装置503以及数据传输接口504。在一个实施例中，显示装置502可以例如包括一个或多个扬声器和/或一个或多个视觉显示器。输入装置503可以包括例如键盘、鼠标、麦克风、姿势捕捉相机，或其他输入按钮或控件，其配置用于接收数据的输入或用户指令。数据传输接口504可以包括例如串行接口、并行接口或通用串行总线接口(“USB”)、小型计算机系统接口(“SCSI”)、串行ATA、火线(“FireWire”)、PCI Express和高清多媒体接口(“HDMI”)等，其配置用于与其他设备或系统的数据传输和交互。
本发明的设备501的上述CPU 5011、大容量存储器5012、只读存储器ROM 5013、TPU5014、GPU 5015、FPGA 5016、MLU 5017和通信接口5018可以通过总线5019相互连接，并且通过该总线与外围设备实现数据交互。在一个实施例中，通过该总线5019，CPU 5011可以控制设备501中的其他硬件组件及其外围设备。
在工作中，本发明的设备501的处理器CPU 5011可以通过输入装置503或数据传输接口504获取状态指示色块的图像，并调取存储于存储器5012中的计算机程序指令或代码对图像进行处理，以完成对色块的识别。
从上面关于本发明模块化设计的描述可以看出，本发明的系统可以根据应用场景或需求进行灵活地布置而不限于附图所示出的架构。进一步，还应当理解，本发明示例的执行操作的任何模块、单元、组件、服务器、计算机或设备可以包括或以其他方式访问计算机可读介质，诸如存储介质、计算机存储介质或数据存储设备(可移除的)和/或不可移动的)例如磁盘、光盘或磁带。计算机存储介质可以包括以用于存储信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质，例如计算机可读指令、数据结构、程序模块或其他数据。基于此，本发明也公开了一种计算机可读存储介质，其上存储有检测色块的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现在前结合附图所描述的方法和操作。
虽然本说明书已经示出和描述了本发明的多个实施方式，但对于本领域技术人员显而易见的是，这样的实施方式是仅以示例的方式提供的。本领域技术人员在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解在实践本发明的过程中，可以采用本文所描述的本发明实施方式的各种替代方案。所附权利要求书旨在限定本发明的保护范围，并因此覆盖这些权利要求范围内的模块组成、等同或替代方案。

Claims (10)

1.一种检测色块的方法，其特征在于，包括：
获取状态指示色块的图像，所述色块包括标准色块和待测色块；
从所述图像中提取各个色块的特征维度信息；
基于所述特征维度信息，确定待测色块与各标准色块之间的特征值距离；以及
将所述待测色块识别为所述特征值距离最近的标准色块。
2.根据权利要求1所述的方法，其特征在于，其中所述特征维度信息包括特征值向量，其中确定待测色块与各标准色块之间的特征值距离包括：
计算所述待测色块的特征值向量与所述各标准色块的特征值向量之间的马氏距离。
3.根据权利要求2所述的方法，其特征在于，其中所述各标准色块和所述待测色块包括多个特征维度，其中计算所述待测色块的特征值向量与所述各标准色块的特征值向量之间的马氏距离包括：
获取所述待测色块和所述各标准色块的特征值向量；
获取关于所述多个特征维度的样本向量协方差矩阵；以及
基于所述待测色块和所述各标准色块的特征值向量以及所述样本向量协方差矩阵确定所述马氏距离。
4.根据权利要求3所述的方法，其特征在于，其中获取所述待测色块和所述各标准色块的特征值向量包括：
获取所述多个特征维度中每个特征维度的统计平均值；以及
基于所述多个特征维度中每个特征维度的统计平均值，确定所述各标准色块和所述待测色块的特征值向量。
5.根据权利要求3所述的方法，其特征在于，其中获取关于所述多个特征维度的样本向量协方差矩阵包括：
获取所述多个特征维度的样本向量；以及
基于所述多个特征维度的样本向量，确定所述样本向量协方差矩阵。
6.根据权利要求3所述的方法，其特征在于，其中根据以下公式计算所述马氏距离：
Figure FDA0003324571150000021
其中，E表示所述待测色块的特征值向量，Ej表示第j个标准色块的特征值向量，C表示所述样本向量协方差矩阵。
7.根据权利要求1至6中任一项所述的方法，其特征在于，其中获取状态指示色块的图像包括：
获取关于所述状态指示色块的模板图像，其中所述模板图像中标注有关于色块颜色区域的关键区域信息；
获取关于所述状态指示色块的待测图像；
将所述待测图像投影变换到所述模板图像中，以得到待识别图像；以及
基于所述关键区域信息，从所述待识别图像中提取各个色块的图像。
8.根据权利要求7所述的方法，其特征在于，其中所述关键区域信息包括用于表示色块颜色区域的最小内接矩形的关键区域和所述关键区域的顶点坐标，其中提取各个色块的图像包括：
根据所述关键区域的顶点坐标，从所述待识别图像中提取出各个色块的图像。
9.根据权利要求7所述的方法，其特征在于，还包括：
获取并展示所述特征值距离最近的标准色块所标识的事件状态。
10.一种检测色块的设备，其特征在于，包括：
处理器；以及
存储器，其存储有用于检测色块的计算机指令，当所述计算机指令由所述处理器运行时，使得所述设备执行根据权利要求1-9的任意一项所述的方法。
CN202111257516.0A 2021-10-27 2021-10-27 检测色块的方法及其相关产品 Pending CN114066823A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111257516.0A CN114066823A (zh) 2021-10-27 2021-10-27 检测色块的方法及其相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111257516.0A CN114066823A (zh) 2021-10-27 2021-10-27 检测色块的方法及其相关产品

Publications (1)

Publication Number Publication Date
CN114066823A true CN114066823A (zh) 2022-02-18

Family

ID=80235958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111257516.0A Pending CN114066823A (zh) 2021-10-27 2021-10-27 检测色块的方法及其相关产品

Country Status (1)

Country Link
CN (1) CN114066823A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116382993A (zh) * 2023-05-26 2023-07-04 苏州浪潮智能科技有限公司 Vga接口测试方法、装置、计算机设备和存储介质
CN117291911A (zh) * 2023-11-24 2023-12-26 山东通广电子股份有限公司 一种用于电力设备的缺陷检测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116382993A (zh) * 2023-05-26 2023-07-04 苏州浪潮智能科技有限公司 Vga接口测试方法、装置、计算机设备和存储介质
CN116382993B (zh) * 2023-05-26 2023-08-15 苏州浪潮智能科技有限公司 Vga接口测试方法、装置、计算机设备和存储介质
CN117291911A (zh) * 2023-11-24 2023-12-26 山东通广电子股份有限公司 一种用于电力设备的缺陷检测方法及系统
CN117291911B (zh) * 2023-11-24 2024-02-09 山东通广电子股份有限公司 一种用于电力设备的缺陷检测方法及系统

Similar Documents

Publication Publication Date Title
CN111028213B (zh) 图像缺陷检测方法、装置、电子设备及存储介质
CN108229288B (zh) 神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备
CN106951346B (zh) 一种响应时间的测试方法和装置
CN112308095A (zh) 图片预处理及模型训练方法、装置、服务器及存储介质
JP5843000B2 (ja) カラーチャート検出装置、カラーチャート検出方法及びカラーチャート検出用コンピュータプログラム
CN110493595B (zh) 摄像头的检测方法和装置、存储介质及电子装置
CN114066823A (zh) 检测色块的方法及其相关产品
CN109803172B (zh) 一种直播视频的处理方法、装置及电子设备
US10424068B2 (en) Image processing apparatus and image processing method for person identification
CN109934873B (zh) 标注图像获取方法、装置及设备
WO2023160312A1 (zh) 基于自监督学习的行人重识别方法、装置、设备及存储介质
CN110930296A (zh) 图像处理方法、装置、设备及存储介质
CN112559341A (zh) 一种画面测试方法、装置、设备及存储介质
CN114374760A (zh) 图像测试方法、装置、计算机设备及计算机可读存储介质
CN112396610A (zh) 一种图像处理方法、计算机设备、存储介质
CN106960188B (zh) 天气图像分类方法及装置
CN111080683A (zh) 图像处理方法、装置、存储介质及电子设备
CN111784574B (zh) 单屏多画面边界显示方法、装置、电子设备及存储介质
CN109141457A (zh) 导航评估方法、装置、计算机设备和存储介质
CN114663570A (zh) 贴图生成方法、装置、电子装置及可读存储介质
JP2001167273A5 (zh)
WO2020107196A1 (zh) 一种对拍摄装置的拍摄质量评测方法、装置及终端设备
CN113034449A (zh) 目标检测模型训练方法、装置及通信设备
CN115965848B (zh) 一种图像处理方法和相关装置
CN115509351B (zh) 一种感官联动情景式数码相框交互方法与系统

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