CN114399617A - 一种遮挡图案识别方法、装置、设备和介质 - Google Patents
一种遮挡图案识别方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114399617A CN114399617A CN202111592421.4A CN202111592421A CN114399617A CN 114399617 A CN114399617 A CN 114399617A CN 202111592421 A CN202111592421 A CN 202111592421A CN 114399617 A CN114399617 A CN 114399617A
- Authority
- CN
- China
- Prior art keywords
- occlusion
- candidate
- picture
- pattern
- color
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种遮挡图案识别方法、装置、电子设备和存储介质,涉及图像处理技术领域,尤其涉及计算机视觉、图像识别、文本处理技术领域。具体实现方案为:获取待识别图片;针对所述待识别图片,按照像素颜色进行聚类;根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。本公开解决了对于一些遮挡图片,由于遮挡本文类型众多,颜色不一,无法使用统一的模型进行检测,需要人工检验的问题,提升了遮挡图片的有效检测程度,避免遮挡图片影响用户体验,同时降低了人工成本。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及计算机视觉、图像识别、文本处理技术。
背景技术
在一些网站贴吧等界面中,用户会发布文本等言论信息。当其中涉及到隐私信息或敏感信息时,用户就会采用某些图案来进行遮挡。
现有技术中,由于文本中存在遮挡图案,则难以采用文本识别技术对文本中的文字内容进行识别。这种情况下,往往需要人工介入,对文本识别过程进行干预,才能去掉遮挡图案。或者,可能需要采用设定模板或规则阈值进行遮挡图案的检测。
但是,用户自行采用的遮挡图案类型众多、颜色不一,所以难以使用统一的规则或阈值进行检测。
发明内容
本公开提供了一种遮挡图案识别方法、装置、设备和介质,以有效检测识别形式多样的遮挡图案。
根据本公开实施例的一方面,提供了一种遮挡图案识别方法,包括:
获取待识别图片;
针对所述待识别图片,按照像素颜色进行聚类;
根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;
根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
根据本公开实施例的另一方面,提供了一种遮挡图案识别装置,包括:
图片获取模块,用于获取待识别图片;
颜色聚类模块,用于针对所述待识别图片,按照像素颜色进行聚类;
图片分割模块,用于根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;
遮挡确定模块,用于根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
根据本公开实施例的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任意实施例所提供的遮挡图案识别方法。
根据本公开实施例的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开任意实施例所提供的遮挡图案识别方法。
根据本公开实施例的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开任意实施例所提供的遮挡图案识别方法。
本公开实施例能够有效检测识别形式多样的遮挡图案,解决了无法使用统一的模型进行检测遮挡图片,需要人工检验的问题,提升了遮挡图片的有效检测程度,避免遮挡图片影响用户体验,同时降低了人工成本。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1a是根据本公开实施例的一种遮挡图案识别方法的示意图;
图1b是根据本公开实施例示出的一种包含遮挡图案图片的示意图;
图1c是根据本公开实施例示出的一种颜色聚类示意图;
图1d是根据本公开实施例示出的一种颜色分割示意图;
图2a是根据本公开实施例的一种遮挡图案识别方法的示意图;
图2b是根据本公开实施例示出的一种过滤候选遮挡图案的示意图;
图2c是根据本公开实施例示出的一种更新候选遮挡图案的示意图;
图3a是根据本公开实施例的一种遮挡图案识别方法的示意图;
图3b是根据本公开实施例示出的一种文本行检测结果的示意图;
图3c是根据本公开实施例示出的一种文本行聚类的结果示意图;
图4a是根据本公开实施例的一种遮挡图案识别方法的示意图;
图4b是根据本公开实施例示出的一种检测遮挡图案的结果示意图;
图5a是根据本公开实施例的一种遮挡图案识别方法的示意图;
图5b是根据本公开实施例示出的一种目标遮挡图案的示意图;
图6是根据本公开实施例的一种遮挡图案识别装置的示意图;
图7是根据本公开实施例的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是本公开实施例提供的一种遮挡图案识别方法的流程图。本实施例可适用于在图片中存在遮挡图案的情况下,对遮挡图案进行识别的场景,尤其适用于文本发布界面的图片,其中以文本为主体内容,但包含影响用户体验的遮挡图案的情形。该方法可以由一种遮挡图案识别装置来执行,该装置可以由软件和/或硬件的方式实现。该切换装置可以配置于具有数据处理的电子设备中,例如服务器。
参见图1,本公开实施例提供的遮挡图案识别方法包括:
S110、获取待识别图片。
其中,所述待识别图片可能是包含遮挡图案的图片,所述遮挡图案可以是表情包、纯色图案等用于遮挡用户想要遮挡的目标图案。示例的,所述待识别图片为文本发布界面,例如网站贴吧,用户会在贴吧中发布文本,当文本中有些隐私等敏感信息或其他想要遮挡的对象时,用户就会自选一些图案将敏感对象进行遮挡。在网上冲浪时,这样有遮挡的图片给予了用户较差的浏览体验,且难以识别文本发布界面中的文字内容,所以需要将此类有遮挡图案的界面识别出来,而后进行所需的后处理操作,示例的,图1b是本公开实施例示出的一副包含遮挡图案图片的示意图。在一个具体例子中,某用户在发表包含遮挡图案的图片后,后台服务器需要对界面的文本进行文字识别之前,可先检测界面中是否存在遮挡图案。
S120、针对所述待识别图片,按照像素颜色进行聚类。
其中,所述待识别图片包含遮挡图案,所述遮挡图案与原始图片之间存在颜色差异,尤其对于文本图片而言,分析文本为主的界面特点可知,文字、背景的颜色占据比例较大,除此外遮挡图案占据了一定比例的颜色,其余如头像、图标、按钮等占据的比例较小,在一个文本区域内部,一般一个字符内部的颜色变化不大,颜色聚类通常用于缩小颜色空间的范围,增大各个颜色间的距离,方便后续连通域的提取,因而可通过颜色聚类实现遮挡图案的定位。
在一个具体的例子中,针对所述待识别图片,采用聚类算法对各像素点的像素值进行聚类,以获取颜色聚类结果。其中,所述颜色聚类算法例如可使用,K-means,混合高斯模型(Gaussian Mixture Models,GMM), Mean shift等。待识别图片如果是RGB(红绿蓝)格式的,则根据待识别图片各像素点的颜色和灰度构成的像素值进行聚类,其中每个颜色聚类结果中颜色的像素值包括一个或多个,即每种聚类结果中包括一种颜色或几种相近颜色,种类的数量可以人为设定,也可以由聚类算法确定。具体的,可以将聚类类别设为5类,一般能够用于区分背景、文字、少量其他图案。示例的,对于文本图片,在以文本为主的界面中,占据比例较多的颜色通常是文字、背景的颜色以及遮挡区域占据的颜色,因此前5种颜色的聚类结果已经能够满足区分遮挡和不遮挡的需要。示例的,图1c是本公开实施例示出的一副对图1b进行聚类后前5种颜色的颜色聚类图,其中,前5种颜色基本包括图1b图像中主要元素:白色背景、黑色文字、黄色头像、黄色表情、浅蓝色文字底纹和蓝色链接。
在另一个具体的例子中,在读取待识别图片,对图片进行颜色聚类之前,优选是对图片进行预处理,以提高运行速度,例如,将图片进行压缩并调整图片的形状和大小,示例的,读取图片,将图片压缩为224*224的 RGB格式图像,之后通过reshape函数将图片调整为符合设定尺寸要求 (img_w*img_h,3)的图像数据,其中img_w和img_h分别为图像的宽和高。
S130、根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案。
颜色分割具体是基于颜色差异,对图片中的内容进行分割。在本实施例中,可以基于各个颜色聚类结果中的颜色,从待识别图片中提取符合任一颜色聚类结果颜色的像素点,以确定候选遮挡图案。可以针对每个颜色聚类结果分别进行颜色分割,也可以对其中的部分聚类结果进行颜色分割。
在一个具体的例子中,对所述待识别图片进行颜色分割可以是,根据所述颜色聚类结果的聚类中心值,对所述待识别图片进行二值化处理,以得到二值化图片,从所述二值化图片中提取连通区域作为候选遮挡图案。所述二值化图像是将图像上的像素点的颜色值区分为满足设定阈值要求和不满足设定阈值要求两类,从而提取区分开的图案。整个图像呈现出明显的只有黑和白的视觉效果。设定阈值要求是基于颜色聚类结果中的颜色确定的。示例的,使用连通区域标记算法从所述二值化图像中提取连通区域作为候选遮挡图案。
在一个具体的例子中,将图片从RGB颜色空间转换到HSV(Hue, Saturation,Value,色调-饱和度-明度)颜色空间,其中RGB颜色空间是一种面向硬件的颜色空间,HSV是一种面向人眼视觉系统的颜色空间,在图像处理中使用较多的是HSV颜色空间,对于基本色映射的 HSV分量通常给定一个严格的范围。
示例的,将所述颜色聚类结果的聚类中心值转换为HSV格式;将聚类中心值的HSV值,基于HSV颜色对照表进行映射,以确定聚类中心值对应的颜色上界值和颜色下界值;根据所述颜色上界值和颜色下界值,对所述待识别图片进行二值化处理,以得到二值化图片。其中,所述聚类中心值的HSV值是聚类中心值对应颜色的HSV分量,通过事先给定的严格的范围HSV颜色对照表可以确定聚类中心值对应的颜色上界值和颜色下界值。
在一个具体的例子中,对所述得到二值化图片进行腐蚀处理、膨胀处理和腐蚀处理。其中,膨胀和腐蚀是一种相互相反的操作,可以通过膨胀处理获取局部最大值,通过腐蚀处理获取局部最小值。对二值化后的图像进行腐蚀处理,分离二值化图像的各个区域,再经过先膨胀后腐蚀的开运算处理,能够有效填充区域内细小空洞,平滑边界,优化遮挡图案的分割结果,示例的,图1d是本公开实施例示出的一副根据图1c的颜色聚类图进行颜色分割、腐蚀处理、膨胀处理和腐蚀处理后的颜色分割图,分割结果显示具有三个候选遮挡图案,分别对应图1b的头像和表情部分。
S140、根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
其中,所述文本框指文本图片中包围文字部分的框,例如为包括文字部分的最大外接四边形框图。文本框的检测可以利用文字识别工具完成,检测文本框的过程,可以与候选遮挡图案提取的过程,并行完成。
具体的,可以采用现有的任意检测方案检测候选遮挡图案和文本框的交叠关系。本公开实施例中,基于颜色聚类和分割提取的连通区图案,有可能是独立于文字部分存在的图案,例如用户头像,或可能是与文字相互排列布局展示的图像,也可能是位于文字部分中间的遮挡图案。因此,可基于候选遮挡图案与文本框的交叠关系,来进一步筛选哪些可能是真实的遮挡图案。
例如,当检测到存在交叠且交叠面积大于设定阈值时,说明两个检测框相交情况的面积比例达到一定程度,认为所述待识别图片存在遮挡图案,确定当前所述候选遮挡图案是目标遮挡图案。
本公开实施例提出的遮挡图案识别方法,获取待识别图片;针对所述待识别图片,按照像素颜色进行聚类;根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。本公开实施例利用了颜色聚类和颜色分割的思路,能够适用于各种不同颜色遮挡图案的情况,有效提取潜在的遮挡图案,并进一步利用交叠关系进行筛选,解决了无法使用统一的模型进行检测遮挡图片,需要人工检验的问题,提升了遮挡图片的有效检测程度,避免遮挡图片影响用户体验,同时降低了人工成本。而且本公开实施例提出的遮挡图案识别方法可适用于遮挡文本种类众多,颜色各异,无法用常规方法检测的情况。该检测方法无需模型训练,不受遮挡类型和大小等因素的影响,还可以通过预处理提高算法速度。
图2是本公开实施例提供的一种遮挡图案识别方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2,本公开实施例包括:
S210、获取待识别图片。
S220、针对所述待识别图片,按照像素颜色进行聚类。
S230、根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案。
S240、根据所述候选遮挡图案的面积几何特征,将所述面积几何特征符合过滤条件的候选遮挡图案进行过滤筛除。
其中,所述面积几何特征包括下述至少一个:面积、宽度、高度、以及宽高比例等。
所述过滤条件包括下述至少一个:面积几何特征的绝对值上限值和绝对值下限值、面积几何特征与待识别图片的比例上限值和比例下限值、以及宽高比例上限值和宽高比例下限值。
上述操作中,如果候选遮挡图案的绝对或相对面积过大或过小,或者长宽比异常,均有可能并非遮挡图案,可以预先加以滤除。示例的,图1d 示出了三个候选遮挡图案,滤除其中两个面积明显过小的候选遮挡图案,根据图1b,这两个候选遮挡图案对应头像部分,并非图1b中的表情遮挡图案。
在一个具体例子中,可以采用任意算法计算候选遮挡图案的面积、宽度、高度,例如扫描标记法、种子填充法、区域生长法等,并计算出候选遮挡图案的宽高比例。根据所述候选遮挡图案的面积几何特征,依据过滤条件,对候选遮挡图案进行过滤,示例的,所述候选遮挡图案的面积是否处于设定的范围内;示例的,计算候选遮挡图案与待识别图片的面积比例,判断面积比例值是否处于设定范围内;示例的,计算候选遮挡图案与待识别图片的宽高比例,判断宽高比例值是否处于设定范围内;若所述候选遮挡图案的面积、面积比例值或宽高比例值超过设定范围的上限,则说明所述候选遮挡图案可能是文字或背景等,若所述候选遮挡图案的面积、面积比例值或宽高比例值低于设定范围的下限,则说明所述候选遮挡图案可能是头像、图标、按钮等,参见图2b,图2b是本公开实施例示出的一副根据图1c的颜色聚类结进行颜色分割后获得的候选遮挡图案进行过滤的示意图,其中,以文本框中的背景色为例,文本框作为遮挡框过大,远大于图片宽度一半,过滤掉;以界面背景色为例,背景色所占据的框作为遮挡框过大,远大于图片宽度一半,过滤掉。本公开可以采用上述任意一种方法过滤候选遮挡图案。
在一个具体例子中,在确定候选遮挡图案之后,还包括:确定所述候选遮挡图案的最大外接四边形,更新作为候选遮挡图案。
其中,前文确定的候选遮挡图案通常是一种不规则图形,可以通过现有的任意方法获取候选遮挡图案的最大外接四边形,将所述最大外接四边形代替原图案作为候选遮挡图案,可方便用于后续的交叠关系计算,图2 c是本公开实施例示出的根据图1d的颜色分割图更新候选遮挡图案的示意图,分别获取图1d示出的三个候选遮挡图案的最大外接四边形,更新所述三个候选遮挡图案。在一个具体例子中,在更新候选遮挡图案之后,同时输出最大外接四边形的顶点坐标[xz1,yz1,xz2,yz2,xz3,yz3,xz4,yz4]。
上述更新候选遮挡图案可以在过滤候选遮挡图案之前或之后施行,若在过滤候选遮挡图案之后施行,相应的,可以通过获取四边形的顶点坐标快速获取四边形的宽和高,并计算四边行的面积,根据四边形面积和宽高等条件过滤不符合条件的预选框。
S250、根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
本公开实施例提出的遮挡图案识别方法,获取待识别图片;针对所述待识别图片,按照像素颜色进行聚类;根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;根据所述候选遮挡图案的面积几何特征,将所述面积几何特征符合过滤条件的候选遮挡图案进行过滤筛除;根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案,本公开实施例通过设置相应的过滤条件,过滤出不符合条件的候选遮挡图案,降低了数据处理量,提高了算法速度,提升了遮挡图片的有效检测程度,降低了成本。
图3是本公开实施例提供的一种遮挡图案识别方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3,本公开实施例包括:
S310、获取待识别图片。
S320、针对所述待识别图片,按照像素颜色进行聚类。
S330、根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案。
S340、对所述待识别图片进行文本检测,以输出检测到的文本行。
在一个具体例子中,对所述待识别图片进行文本检测,可以采用OCR 识别技术,示例的,将所述待识别图片经过文本检测模型,输出检测到的文本行,所述文件检测模型可以采用任意的模型,例如east、ctpn、textboxes 等,示例的,图3b是本公开实施例示出的根据图1b进行文本行检测的结果示意图。示例的,所述文本行的输出结果可以是[left,top,w,h]类型的数据,根据所述输出结果计算出文本检测框四个顶点坐标 [x1,y1,x2,y2,x3,y3,x4,y4]。
S350、将各文本行按照所在位置进行聚合,以形成文本框。
其中,图片经过文本检测模型后,为了减少误检,可以对文本行聚类,将行间距相近的文本进行合并为独立的文本框,包括左右断行的合并。
在一个具体例子中,所述合并将各文本行按照所在位置进行聚合,以形成文本框,包括:将各所述文本行,按纵坐标从小到大排序;按照纵坐标排序进行对各文本行进行遍历,将左右间距和上下间距小于设定间距值的文本行添加至同一列表;遍历结束后,将同一列表中文本行的最大横纵坐标和最小横纵坐标,作为聚合后文本框的横纵坐标。其中,所述设定间距值可以根据具体实例自行设置,根据同一列表中文本行的最大横纵坐标和最小横纵坐标,获得聚合后文本框的顶点坐标 [xw1,yw1,xw2,yw2,xw3,yw3,xw4,yw4]。示例的,图3c是本公开实施例示出的根据图3b进行文本行聚类的结果示意图,将相近的文本行合并至同一文本框内,包括因表情遮挡导致的左右断行的合并。
上述步骤S340和步骤350可以在步骤S330之后或之前施行,也可以与步骤S330同时施行。
S360、根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
本公开实施例提出的遮挡图案识别方法,获取待识别图片;针对所述待识别图片,按照像素颜色进行聚类;根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;对所述待识别图片进行文本检测,以输出检测到的文本行;将各文本行按照所在位置进行聚合,以形成文本框;根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案,本公开通过对文本行聚类,将行间距相近的文本进行合并为独立的文本框,包括左右断行的合并,减少了误检概率,降低了数据处理量,还可以通过并行处理等优化方法提高算法速度,提升遮挡图片的有效检测程度,降低成本。
图4是本公开实施例提供的一种遮挡图案识别方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图4,本公开实施例包括:
S410、获取待识别图片。
S420、针对所述待识别图片,按照像素颜色进行聚类。
S430、根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案。
S440、计算所述候选遮挡图案和所述待识别图片中文本框的交叠面积,根据所述交叠面积与设定遮挡筛选条件,从所述候选遮挡图案中确定目标遮挡图案。
具体的,可以通过获取候选遮挡图案的四个顶点坐标 [xz1,yz1,xz2,yz2,xz3,yz3,xz4,yz4]和文本框的四个顶点坐标 [xw1,yw1,xw2,yw2,xw3,yw3,xw4,yw4]计算所述候选遮挡图案和所述待识别图片中文本框的交叠面积。
在一个具体例子中,根据所述交叠面积与设定遮挡筛选条件,从所述候选遮挡图案中确定目标遮挡图案,可以是:计算所述交叠面积相对于所述文本框面积的第一占比;计算所述交叠面积相对于所述候选遮挡图案面积的第二占比;计算所述交叠面积相对于所述文本框面积与所述候选遮挡图案面积合集之间的第三占比;根据所述第一占比、第二占比和第三占比,与设定占比阈值,从所述候选遮挡图案中确定目标遮挡图案,在一个优选实例中,可以通过如下公式进行计算:
iou1=det_1∩det_2/det_1
iou2=det_1∩det_2/det_2
iou3=det_1∩det_2/det_1∪det_2
其中,iou1为第一占比,iou2为第二占比,iou3为第三占比,det_1为文字文本检测框,det_2为预判断遮挡文本检测框。
在一个具体例子中,根据所述第一占比、第二占比和第三占比,与设定占比阈值,从所述候选遮挡图案中确定目标遮挡图案,可以是:从所述第一占比、第二占比和第三占比中取最大占比;如果所述最大占比大于或等于所述设定占比阈值,则将对应的所述候选遮挡图案确定为目标遮挡图案。在一个优选实例中,可以通过公式iou=max(iou1,iou2,iou3)计算最大占比;当iou的值大于某一设定阈值时,说明两个检测框相交情况的面积比例达到一定程度,认为存在遮挡文本,在一个优选实例中,所述阈值设置为0.2,图4b是本公开实施例示出的在阈值为0.2条件下检测图1b 遮挡图案的结果示意图。
本公开实施例提出的遮挡图案识别方法,获取待识别图片;针对所述待识别图片,按照像素颜色进行聚类;根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;计算所述候选遮挡图案和所述待识别图片中文本框的交叠面积,根据所述交叠面积与设定遮挡筛选条件,从所述候选遮挡图案中确定目标遮挡图案,解决了无法使用统一的模型进行检测遮挡图片,需要人工检验的问题,提升了遮挡图片的有效检测程度,避免遮挡图片影响用户体验,同时降低了人工成本。而且本公开实施例提出的遮挡图案识别方法可适用于遮挡文本种类众多,颜色各异,无法用常规方法检测的情况。该检测方法无需模型训练,不受遮挡类型和大小等因素的影响。可以通过预处理提高算法速度。
图5是本公开实施例提供的一种遮挡图案识别方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图5,本公开实施例包括:
S510、获取待识别图片。
S520、针对所述待识别图片,按照像素颜色进行聚类。
S530、针对各颜色聚类结果,将对应颜色的像素点进行统计;
S540、根据统计结果,对像素点数量进行排序;
S550、按照像素点数量从多到少的排序结果,从前面设定数量的颜色聚类结果中,选择像素点数量最少的颜色聚类结果,执行后续的颜色分割操作;
S560、根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案。
S570、根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
S580、当监测到确定出目标遮挡图案时,停止执行遮挡图案识别方法;否则,从排序结果去掉已经处理过的颜色聚类结果,并从前面设定数量的颜色聚类结果中,继续选择下一个像素点数量最少的颜色聚类结果,返回执行S560。
上述操作,可以根据颜色聚类结果中像素点的占比数量,逐一识别遮挡图案。如果识别到遮挡图案后则可以停止继续识别,而是将该待识别图片召回,作为有遮挡的图案进行处理。如果没有识别到遮挡图案,则继续选下一种颜色聚类结果,重复进行颜色分割和遮挡图案的检测。这样可以减少遮挡图案的识别计算量。当然,如果为了获取到全部的可能遮挡图案,则可以将全部或部分颜色聚类结果均进行识别。
对于全部颜色聚类结果,像素点占比较多的最有可能存在遮挡图案,所以可以选择前面设定数量的颜色聚类结果,例如前5个。在这些颜色聚类结果中,背景和文字颜色可能占比最多,所以再从中选像素点占比较少的开始进行遮挡图案的识别。例如,可以从前5个聚类结果中,选择第5 个颜色聚类结果。
示例的,可以获取聚类后的颜色像素点直方图从而统计出像素点的数量。
在一个具体例子中,选择像素点数量最少的颜色,执行颜色分割操作,获得候选遮挡图案,当判断所述候选遮挡图案中存在至少一个目标遮挡图案时,停止算法,所述包括遮挡图案的图片被召回,由人工处理,所述判断所述候选遮挡图案中存在至少一个目标遮挡图案可以通过前文所述的任意一种方案实现。
在一个具体例子中,识别到目标遮挡图案之后,还可以包括:将所述目标遮挡图案输入二分类模型,以校验所述目标遮挡图案的遮挡分类是否正确。示例的,所述二分类模型可以使用resnet50+focal loss等模型来实现,该模型用于进一步校验目标遮挡图案是否符合遮挡图案的特征,对其是否为遮挡图案进行分类。当所述目标遮挡图案通过校验,停止执行遮挡图案识别方法;当所述目标遮挡图案未通过校验,则可以继续执行遮挡图案识别方法,从所述聚类结果中选取下一个颜色进行颜色分割,示例的,图5b 是根据本公开实施例示出的对图1b检测遮挡图案得到目标遮挡图案的示意图,将图5b输入二分类模型校验所述目标遮挡图案的遮挡分类是否正确。
本公开实施例提出的遮挡图案识别方法,获取待识别图片;针对所述待识别图片,按照像素颜色进行聚类;针对各颜色聚类结果,将对应颜色的像素点进行统计;根据统计结果,对像素点数量进行排序;根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;当监测到确定出目标遮挡图案时,停止执行遮挡图案识别方法,本公开实施例当监测到确定出目标遮挡图案时,停止执行遮挡图案识别方法,召回图片,由人工处理,降低了数据处理量,还可以通过二分类模型校验目标遮挡图案,降低了误检概率,提升遮挡图片的有效检测程度,可以有效提高算法效率。
图6是本公开实施例提供的遮挡图案识别装置的结构示意图。如图6 所示,所述装置600包括:图片获取模块610、颜色聚类模块620、图片分割模块630和遮挡确定模块640;其中,
所述图片获取模块610,用于获取待识别图片;
所述颜色聚类模块620,用于针对所述待识别图片,按照像素颜色进行聚类;
所述图片分割模块630,用于根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;
所述遮挡确定模块640,用于根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
本公开解决了无法使用统一的模型进行检测遮挡图片,需要人工检验的问题,提升了遮挡图片的有效检测程度,避免遮挡图片影响用户体验,同时降低了人工成本。
可选的,所述颜色聚类模块具体用于:针对所述待识别图片,采用聚类算法对各像素点的像素值进行聚类,以获取颜色聚类结果。
可选的,每个颜色聚类结果中颜色的像素值包括一个或多个。
可选的,该装置还包括聚类处理模块,用于针对所述待识别图片,按照像素颜色进行聚类之后,针对各颜色聚类结果,将对应颜色的像素点进行统计;根据统计结果,对像素点数量进行排序;按照像素点数量从多到少的排序结果,从前面设定数量的颜色聚类结果中,选择像素点数量最少的颜色聚类结果,执行后续的颜色分割操作;根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案之后,当监测到确定出目标遮挡图案时,停止执行遮挡图案识别方法。
可选的,所述图片分割模块,包括:二值化处理单元,用于根据所述颜色聚类结果的聚类中心值,对所述待识别图片进行二值化处理,以得到二值化图片;连通区提取单元,用于从所述二值化图片中提取连通区域作为候选遮挡图案。
可选的,所述二值化处理单元具体用于将所述颜色聚类结果的聚类中心值转换为HSV格式;将聚类中心值的HSV值,基于HSV颜色对照表进行映射,以确定聚类中心值对应的颜色上界值和颜色下界值;根据所述颜色上界值和颜色下界值,对所述待识别图片进行二值化处理,以得到二值化图片。
可选的,所述图案分割模块还包括:后处理单元,用于得到二值化图片后,对所述得到二值化图片进行腐蚀处理、膨胀处理和腐蚀处理。
可选的,该装置还包括:图案筛选模块,用于根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案之前,根据所述候选遮挡图案的面积几何特征,将所述面积几何特征符合过滤条件的候选遮挡图案进行过滤筛除。
可选的,该装置还包括图案更新模块,用于确定候选遮挡图案之后,确定所述候选遮挡图案的最大外接四边形,更新作为候选遮挡图案。
可选的,所述面积几何特征包括下述至少一个:面积、宽度、高度、以及宽高比例;所述过滤条件包括下述至少一个:面积几何特征的绝对值上限值和绝对值下限值、面积几何特征与待识别图片的比例上限值和比例下限值、以及宽高比例上限值和宽高比例下限值。
可选的,该装置还包括文本检测模块,用于根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案之前,对所述待识别图片进行文本检测,以输出检测到的文本行;将各文本行按照所在位置进行聚合,以形成文本框。
可选的,所述文本检测模块中的形成文本框操作具体用于将各所述文本行,按纵坐标从小到大排序;按照纵坐标排序进行对各文本行进行遍历,将左右间距和上下间距小于设定间距值的文本行添加至同一列表;遍历结束后,将同一列表中文本行的最大横纵坐标和最小横纵坐标,作为聚合后文本框的横纵坐标。
可选的,所述遮挡确定模块包括:交叠面积计算单元,用于计算所述候选遮挡图案和所述待识别图片中文本框的交叠面积;交叠筛选单元,用于根据所述交叠面积与设定遮挡筛选条件,从所述候选遮挡图案中确定目标遮挡图案。
可选的,所述交叠筛选单元包括交叠计算子单元和结果处理子单元,其中,
所述交叠计算子单元,用于计算所述交叠面积相对于所述文本框面积的第一占比;计算所述交叠面积相对于所述候选遮挡图案面积的第二占比;计算所述交叠面积相对于所述文本框面积与所述候选遮挡图案面积合集之间的第三占比;
所述结果处理子单元,用于根据所述第一占比、第二占比和第三占比,与设定占比阈值,从所述候选遮挡图案中确定目标遮挡图案。
可选的,所述结果处理子单元具体用于:从所述第一占比、第二占比和第三占比中取最大占比;如果所述最大占比大于或等于所述设定占比阈值,则将对应的所述候选遮挡图案确定为目标遮挡图案。
可选的,该装置还包括图案校验模块,用于确定目标遮挡图案之后,将所述目标遮挡图案输入二分类模型,以校验所述目标遮挡图案的遮挡分类是否正确。
可选的,所述待识别图片为文本发布界面。
上述遮挡图案识别装置可执行本公开任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开任意实施例提供的遮挡图案识别方法。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元706加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在 RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O) 接口705也连接至总线704。
设备600中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如本公开所提供的遮挡图案识别方法。例如,在一些实施例中,遮挡图案识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的遮挡图案识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行遮挡图案识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/ 或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (20)
1.一种遮挡图案识别方法,包括:
获取待识别图片;
针对所述待识别图片,按照像素颜色进行聚类;
根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;
根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
2.根据权利要求1所述的方法,其中,针对所述待识别图片,按照像素颜色进行聚类包括:
针对所述待识别图片,采用聚类算法对各像素点的像素值进行聚类,以获取颜色聚类结果。
3.根据权利要求2所述的方法,其中,每个颜色聚类结果中颜色的像素值包括一个或多个。
4.根据权利要求1所述的方法,针对所述待识别图片,按照像素颜色进行聚类之后,还包括:
针对各颜色聚类结果,将对应颜色的像素点进行统计;
根据统计结果,对像素点数量进行排序;
按照像素点数量从多到少的排序结果,从前面设定数量的颜色聚类结果中,选择像素点数量最少的颜色聚类结果,执行后续的颜色分割操作;
相应的,根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案之后,还包括:当监测到确定出目标遮挡图案时,停止执行遮挡图案识别方法。
5.根据权利要求1所述的方法,其中,根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案包括:
根据所述颜色聚类结果的聚类中心值,对所述待识别图片进行二值化处理,以得到二值化图片;
从所述二值化图片中提取连通区域作为候选遮挡图案。
6.根据权利要求5所述的方法,其中,根据所述颜色聚类结果的聚类中心值,对所述待识别图片进行二值化处理包括:
将所述颜色聚类结果的聚类中心值转换为HSV格式;
将聚类中心值的HSV值,基于HSV颜色对照表进行映射,以确定聚类中心值对应的颜色上界值和颜色下界值;
根据所述颜色上界值和颜色下界值,对所述待识别图片进行二值化处理,以得到二值化图片。
7.根据权利要求5所述的方法,得到二值化图片后,还包括:
对所述得到二值化图片进行腐蚀处理、膨胀处理和腐蚀处理。
8.根据权利要求1-7任一所述的方法,根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案之前,还包括:
根据所述候选遮挡图案的面积几何特征,将所述面积几何特征符合过滤条件的候选遮挡图案进行过滤筛除。
9.根据权利要求8所述的方法,确定候选遮挡图案之后,还包括:
确定所述候选遮挡图案的最大外接四边形,更新作为候选遮挡图案。
10.根据权利要求8所述的方法,其中,所述面积几何特征包括下述至少一个:面积、宽度、高度、以及宽高比例;
所述过滤条件包括下述至少一个:面积几何特征的绝对值上限值和绝对值下限值、面积几何特征与待识别图片的比例上限值和比例下限值、以及宽高比例上限值和宽高比例下限值。
11.根据权利要求1所述的方法,根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案之前,还包括:
对所述待识别图片进行文本检测,以输出检测到的文本行;
将各文本行按照所在位置进行聚合,以形成文本框。
12.根据权利要求11所述的方法,其中,将各文本行按照所在位置进行聚合,以形成文本框包括:
将各所述文本行,按纵坐标从小到大排序;
按照纵坐标排序进行对各文本行进行遍历,将左右间距和上下间距小于设定间距值的文本行添加至同一列表;
遍历结束后,将同一列表中文本行的最大横纵坐标和最小横纵坐标,作为聚合后文本框的横纵坐标。
13.根据权利要求1所述的方法,其中,根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案包括:
计算所述候选遮挡图案和所述待识别图片中文本框的交叠面积;
根据所述交叠面积与设定遮挡筛选条件,从所述候选遮挡图案中确定目标遮挡图案。
14.根据权利要求13所述的方法,其中,根据所述交叠面积与设定遮挡筛选条件,从所述候选遮挡图案中确定目标遮挡图案包括:
计算所述交叠面积相对于所述文本框面积的第一占比;
计算所述交叠面积相对于所述候选遮挡图案面积的第二占比;
计算所述交叠面积相对于所述文本框面积与所述候选遮挡图案面积合集之间的第三占比;
根据所述第一占比、第二占比和第三占比,与设定占比阈值,从所述候选遮挡图案中确定目标遮挡图案。
15.根据权利要求13所述的方法,其中,根据所述第一占比、第二占比和第三占比,与设定占比阈值,从所述候选遮挡图案中确定目标遮挡图案包括:
从所述第一占比、第二占比和第三占比中取最大占比;
如果所述最大占比大于或等于所述设定占比阈值,则将对应的所述候选遮挡图案确定为目标遮挡图案。
16.根据权利要求1所述的方法,确定目标遮挡图案之后,还包括:
将所述目标遮挡图案输入二分类模型,以校验所述目标遮挡图案的遮挡分类是否正确。
17.根据权利要求1所述的方法,其中,所述待识别图片为文本发布界面。
18.一种遮挡图案识别装置,包括:
图片获取模块,用于获取待识别图片;
颜色聚类模块,用于针对所述待识别图片,按照像素颜色进行聚类;
图片分割模块,用于根据颜色聚类结果,对所述待识别图片进行颜色分割,以确定候选遮挡图案;
遮挡确定模块,用于根据所述候选遮挡图案和所述待识别图片中文本框的交叠关系,从所述候选遮挡图案中确定目标遮挡图案。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-17中任一项所述的遮挡图案识别方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-17中任一项所述的遮挡图案识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111592421.4A CN114399617B (zh) | 2021-12-23 | 2021-12-23 | 一种遮挡图案识别方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111592421.4A CN114399617B (zh) | 2021-12-23 | 2021-12-23 | 一种遮挡图案识别方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399617A true CN114399617A (zh) | 2022-04-26 |
CN114399617B CN114399617B (zh) | 2023-08-04 |
Family
ID=81226739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111592421.4A Active CN114399617B (zh) | 2021-12-23 | 2021-12-23 | 一种遮挡图案识别方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399617B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972336A (zh) * | 2022-07-26 | 2022-08-30 | 启东先和丝杠制造有限公司 | 基于颜色分割的丝杆螺纹烧伤检测图像增强方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050157926A1 (en) * | 2004-01-15 | 2005-07-21 | Xerox Corporation | Method and apparatus for automatically determining image foreground color |
US20170039443A1 (en) * | 2014-02-11 | 2017-02-09 | Al Ibaba Group Holding Limited | Computerized method and apparatus for determining obstructed portions of displayed digital content |
WO2018103608A1 (zh) * | 2016-12-08 | 2018-06-14 | 腾讯科技(深圳)有限公司 | 一种文字检测方法、装置及存储介质 |
CN109117843A (zh) * | 2018-08-01 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 字符遮挡检测方法及装置 |
WO2019169772A1 (zh) * | 2018-03-06 | 2019-09-12 | 平安科技(深圳)有限公司 | 图片处理方法、电子装置及存储介质 |
CN110728198A (zh) * | 2019-09-20 | 2020-01-24 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
CN111738271A (zh) * | 2020-03-04 | 2020-10-02 | 沈阳工业大学 | 自然环境中被遮挡果实的识别方法 |
CN111797830A (zh) * | 2020-07-07 | 2020-10-20 | 因凡科技(北京)有限公司 | 票据图像快速红章检测方法、系统、装置 |
CN112633183A (zh) * | 2020-12-25 | 2021-04-09 | 平安银行股份有限公司 | 影像遮挡区域自动检测方法、装置及存储介质 |
US20210110194A1 (en) * | 2019-10-14 | 2021-04-15 | Hangzhou Dianzi University | Method for automatic extraction of data from graph |
CN113095148A (zh) * | 2021-03-16 | 2021-07-09 | 深圳市雄帝科技股份有限公司 | 眉毛区域被遮挡的检测方法、系统、拍照设备和存储介质 |
-
2021
- 2021-12-23 CN CN202111592421.4A patent/CN114399617B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050157926A1 (en) * | 2004-01-15 | 2005-07-21 | Xerox Corporation | Method and apparatus for automatically determining image foreground color |
US20170039443A1 (en) * | 2014-02-11 | 2017-02-09 | Al Ibaba Group Holding Limited | Computerized method and apparatus for determining obstructed portions of displayed digital content |
WO2018103608A1 (zh) * | 2016-12-08 | 2018-06-14 | 腾讯科技(深圳)有限公司 | 一种文字检测方法、装置及存储介质 |
WO2019169772A1 (zh) * | 2018-03-06 | 2019-09-12 | 平安科技(深圳)有限公司 | 图片处理方法、电子装置及存储介质 |
CN109117843A (zh) * | 2018-08-01 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 字符遮挡检测方法及装置 |
CN110728198A (zh) * | 2019-09-20 | 2020-01-24 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
US20210110194A1 (en) * | 2019-10-14 | 2021-04-15 | Hangzhou Dianzi University | Method for automatic extraction of data from graph |
CN111738271A (zh) * | 2020-03-04 | 2020-10-02 | 沈阳工业大学 | 自然环境中被遮挡果实的识别方法 |
CN111797830A (zh) * | 2020-07-07 | 2020-10-20 | 因凡科技(北京)有限公司 | 票据图像快速红章检测方法、系统、装置 |
CN112633183A (zh) * | 2020-12-25 | 2021-04-09 | 平安银行股份有限公司 | 影像遮挡区域自动检测方法、装置及存储介质 |
CN113095148A (zh) * | 2021-03-16 | 2021-07-09 | 深圳市雄帝科技股份有限公司 | 眉毛区域被遮挡的检测方法、系统、拍照设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
ASHISH SHINDE,ET AL.: "Overlapping Character Recognition for Handwritten Text Using Discriminant Hidden Semi-Markov Model", 《INTELLIGENT COMPUTING AND INFORMATION AND COMMUNICATION》, pages 163 - 172 * |
李敏 等: "基于文本像素颜色聚类的场景文本检测算法", 《激光与光电子学进展》, vol. 56, no. 7, pages 131 - 138 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972336A (zh) * | 2022-07-26 | 2022-08-30 | 启东先和丝杠制造有限公司 | 基于颜色分割的丝杆螺纹烧伤检测图像增强方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114399617B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10896349B2 (en) | Text detection method and apparatus, and storage medium | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
WO2019085971A1 (zh) | 图像中定位文本的方法、装置、电子设备和存储介质 | |
CN110232713B (zh) | 一种图像目标定位修正方法及相关设备 | |
CN107622274B (zh) | 用于图像处理的神经网络训练方法、装置以及计算机设备 | |
US8385651B2 (en) | Character recognition device, image-reading device, computer readable medium, and character recognition method | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN111461126A (zh) | 文本行中的空格识别方法、装置、电子设备及存储介质 | |
JP2018018173A (ja) | 画像処理装置、画像処理方法、コンピュータプログラム | |
CN114399617B (zh) | 一种遮挡图案识别方法、装置、设备和介质 | |
CN107368826B (zh) | 用于文本检测的方法和装置 | |
CN112101323B (zh) | 标题列表的识别方法、系统、电子设备及存储介质 | |
CN116703925B (zh) | 一种轴承缺陷检测方法、装置、电子设备及存储介质 | |
CN113378837A (zh) | 车牌遮挡识别方法、装置、电子设备和存储介质 | |
CN113486881A (zh) | 一种文本识别方法、装置、设备及介质 | |
CN111767909B (zh) | 一种字符识别方法、设备及计算机可读存储介质 | |
KR102285269B1 (ko) | 빅데이터 기반 Geo AI를 활용한 이미지 분석 장치 및 방법 | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 | |
CN111062309B (zh) | 一种雨天交通标志检测方法、存储介质及系统 | |
JP2017228297A (ja) | テキスト検出方法および装置 | |
CN112634382A (zh) | 一种非自然对象的图像识别、替换方法和装置 | |
Kim | License plate location method unaffected by variation in size and aspect ratio | |
CN111723804B (zh) | 图文分离装置、图文分离方法及计算机可读取记录介质 | |
CN112329783B (zh) | 基于图像处理的钩尾框折断识别方法 | |
Dinh et al. | Text localization using image cues and text line information |
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 |