CN114549876A - 图像处理方法、设备以及系统 - Google Patents
图像处理方法、设备以及系统 Download PDFInfo
- Publication number
- CN114549876A CN114549876A CN202210021657.0A CN202210021657A CN114549876A CN 114549876 A CN114549876 A CN 114549876A CN 202210021657 A CN202210021657 A CN 202210021657A CN 114549876 A CN114549876 A CN 114549876A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- global
- current target
- current
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000004891 communication Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 15
- 239000002994 raw material Substances 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 235000019580 granularity Nutrition 0.000 description 3
- 241000227653 Lycopersicon Species 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图像处理方法、设备以及系统,涉及计算机技术领域。图像处理方法包括:接收当前目标图像,获取所述当前目标图像中的当前目标物,并对所述当前目标物进行置信度评分;判断全局目标物与所述当前目标物是否重复;若全局目标物与所述当前目标物重复,设置所述当前目标物和所述全局目标物中置信度评分高的目标物作为全局目标物;若全局目标物与所述当前目标物不重复,输出所述全局目标物,并利用所述当前目标物替换所述全局目标物;接收下一目标图像。本发明中,适应于当前目标图像包含单个目标物的应用场景的图像去重。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种图像处理方法、设备以及系统。
背景技术
近些年随着人工智能技术的飞速发展,其所能够应用的领域也不断的扩大。例如餐饮行业的智能化出餐,而智能化出餐过程中,菜品品质的管理则是其中非常重要的一环。
目前,一般通过在商家门店安装摄像头,对菜品的制作过程进行实时监控,连续拍摄多张菜品图片进行菜品品质识别并存储,以供管理人员进行查看,来实现菜品品质的智能化管理。
然而,在菜品品质管理的过程中,每个菜品一般都会被连续抓拍多张图片,为了减少同一菜品的多张图片占用过多的计算资源,一般会通过识别图片中菜品的类型来进行图片的过滤,准确性较低。
发明内容
本发明的目的是提供了一种图像处理方法、设备以及系统,能够针对目标图像包含单个当前目标物的应用场景进行图像去重。
为实现上述目的,本发明提供了一种图像处理方法,包括:接收当前目标图像,获取所述当前目标图像中的当前目标物,并对所述当前目标物进行置信度评分;判断全局目标物与所述当前目标物是否重复;若全局目标物与所述当前目标物重复,设置所述当前目标物和所述全局目标物中置信度评分高的目标物作为全局目标物;若全局目标物与所述当前目标物不重复,输出所述全局目标物,并利用所述当前目标物替换所述全局目标物;接收下一目标图像。
本发明还提供了一种图像识别设备,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上的图像处理方法。
本发明还提供了一种图像识别系统,包括图像采集设备与上述的图像识别设备,所述图像采集设备与所述图像识别设备通信连接;所述图像采集设备用于采集预设区域的目标图像,并将采集的当前目标图像发送到所述图像识别设备。
本发明实施例中,在当前目标图像仅包括单个当前目标物时,通过当前目标物与全局目标物进行对比的方式来去除重复的目标物,提升了目标图像去重的准确性。
在一个实施例中,所述判断全局目标物与所述当前目标物是否重复,包括:判断全局目标物的类型与所述当前目标物的类型是否相同;若全局目标物的类型与所述当前目标物的类型相同,判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件;若所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件,判定所述全局目标物与所述当前目标物重复;若全局目标物的类型与所述当前目标物的类型不相同,或者所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件,判定所述全局目标物与所述当前目标物不重复。
在一个实施例中,所述判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件,包括:获取所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离;若所述全局目标物的图像与所述当前目标物的图像之间的特征距离小于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件;若所述全局目标物的图像与所述当前目标物的图像之间的特征距离大于或等于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件。
在一个实施例中,所述判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件,包括:获取所述当前目标物的图像与所述全局目标物的图像之间的汉明距离;若所述当前目标物的图像与所述全局目标物的图像之间的汉明距离大于或等于预设的汉明距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件;若所述当前目标物的图像与所述全局目标物的图像之间的汉明距离小于预设的汉明距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件。
在一个实施例中,所述判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件,包括:判断所述当前目标物的图像与所述全局目标物的图像之间的汉明距离是否小于预设的汉明距离阈值;若所述当前目标图像与所述全局目标物的图像之间的汉明距离大于或等于预设的汉明距离阈值,判定所述全局目标物与所述当前目标物之间的相似度参数不满足预设条件;若所述当前目标物的图像与所述全局目标物的图像之间的汉明距离小于预设的汉明距离阈值,进一步判断所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离是否小于预设的特征距离阈值;若所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离大于或等于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件;若所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离小于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件。
在一个实施例中,在接收当前目标图像后,且在获取所述当前目标图像中的当前目标物之前,还包括:判断所述当前目标图像是否包含当前目标物;若所述当前目标图像不包含当前目标物,接收下一目标图像;若所述当前目标图像包含当前目标物,进入所述获取所述当前目标图像中的当前目标物的步骤。
在一个实施例中,若所述当前目标图像不包含当前目标物,输出所述全局目标物后,再接收下一目标图像,以将所述下一目标图像中包含的当前目标物替换为所述全局目标物。
附图说明
图1是根据本发明第一实施例中的图像处理方法的具体流程图;
图2是根据本发明第二实施例中的图像处理方法的具体流程图;
图3是根据本发明第二实施例中的图像处理方法的一种应用场景的示意图;
图4是根据本发明第三实施例中的图像处理方法的具体流程图,其中利用当前目标物的图像与全局目标物的图像之间的特征距离进行相似度判断;
图5是根据本发明第三实施例中的图像处理方法的具体流程图,其中利用当前目标物的图像与全局目标物的图像之间的汉明距离进行相似度判断;
图6是根据本发明第三实施例中的图像处理方法的具体流程图,其中利用当前目标物的图像与全局目标物的图像的特征距离与汉明距离相结合的方式进行相似度判断;
图7是根据本发明第四实施例中的图像处理方法的具体流程图;
图8是根据本发明第五实施例中的图像处理设备的示意图;
图9是根据本发明第六实施例中的图像处理系统的示意图。
具体实施方式
以下将结合附图对本发明的各实施例进行详细说明,以便更清楚理解本发明的目的、特点和优点。应理解的是,附图所示的实施例并不是对本发明范围的限制,而只是为了说明本发明技术方案的实质精神。
在下文的描述中,出于说明各种公开的实施例的目的阐述了某些具体细节以提供对各种公开实施例的透彻理解。但是,相关领域技术人员将认识到可在无这些具体细节中的一个或多个细节的情况来实践实施例。在其它情形下,与本申请相关联的熟知的装置、结构和技术可能并未详细地示出或描述从而避免不必要地混淆实施例的描述。
除非语境有其它需要,在整个说明书和权利要求中,词语“包括”和其变型,诸如“包含”和“具有”应被理解为开放的、包含的含义,即应解释为“包括,但不限于”。
在整个说明书中对“一个实施例”或“一实施例”的提及表示结合实施例所描述的特定特点、结构或特征包括于至少一个实施例中。因此,在整个说明书的各个位置“在一个实施例中”或“在一实施例”中的出现无需全都指相同实施例。另外,特定特点、结构或特征可在一个或多个实施例中以任何方式组合。
如该说明书和所附权利要求中所用的单数形式“一”和“”包括复数指代物,除非文中清楚地另外规定。应当指出的是术语“或”通常以其包括“或/和”的含义使用,除非文中清楚地另外规定。
在以下描述中,为了清楚展示本发明的结构及工作方式,将借助诸多方向性词语进行描述,但是应当将“前”、“后”、“左”、“右”、“外”、“内”、“向外”、“向内”、“上”、“下”等词语理解为方便用语,而不应当理解为限定性词语。
本发明第一实施方式涉及一种图像处理方法,应用于图像识别设备,图像识别设备例如为服务器、台式主机、笔记本电脑、手机等。图像识别设备可以采用本实施例中的图像处理方法对图像采集设备发送的目标图像进行处理。其中,图像采集设备例如为具有图像采集功能的电子设备,例如为摄像头、摄影机等。
本实施方式的图像处理方法的具体流程如图1所示。
步骤101,接收当前目标图像,获取当前目标图像中的当前目标物,并对当前目标物进行置信度评分。
具体而言,图像采集设备被安装在设定位置后,能够对预设区域进行图像采集,图像采集设备可以按照预设周期对预设区域的目标图像进行采集,并在每次完成采集后,将采集的当前目标图像发送到图像识别设备进行处理。
图像识别设备在接收到当前目标图像后,先对当前目标图像进行目标物识别,通过区域分割、语义分割、实例分割等图像分割方法对当前目标图像进行分割,从当前目标图像中分割得到目标物,并在对分割得到的当前目标物进行置信度评分后,进入步骤102;目标物可以各类食品、饮品等。其中,当前目标物的置信度评分方式可以通过图像识别来实现,以当前目标物为菜品为例,通过当前目标物的图像的菜品色泽、原料分配比例、摆盘方式等维度进行评价,得到该菜品的置信度评分。
步骤102,判断全局目标物与当前目标物是否重复。若是,则进入步骤103;若否,则进入步骤104。
步骤103,设置当前目标物和全局目标物中置信度评分高的目标物作为全局目标物。
步骤104,输出全局目标物,并利用当前目标物替换全局目标物。
具体而言,图像识别设备中预设有全局目标集合,全局目标集合用于存储全局目标物,对于在当前目标图像中识别出的当前目标物,图像识别设备将当前目标物与全局目标集合中的全局目标物进行对比,判断全局目标物与当前目标物是否重复,判断全局目标物与当前目标物是否重复,即判断全局目标物与当前目标物是否为同一个目标物。举例来说,以全局目标物为麻辣香锅为例,若当前目标物与全局目标物重复,则说明当前目标物与全局目标物为同一份麻辣香锅;若当前目标物与全局目标物不重复,则当前目标物可能是另外一种菜品或者是另一份麻辣香锅。
若全局目标物与当前目标物是同一个目标物,即全局目标物的图像与当前目标物的图像所拍摄的是同一个目标物,说明全局目标物与当前目标物重复,此时采用择优选取的方式对全局目标物进行更新,即将当前目标物的置信度评分与全局目标物进行置信度评分进行对比,选取二者中置信度评分高的目标物作为全局目标物,由此对于每个目标物,能够保证所输出的全局目标物是该目标物被采集的多张图像包含的多个目标物中置信度评分最高的目标物,即能够输出每个目标物品质最高的一张图像。
若全局目标物与当前目标物不是同一个目标物,即全局目标物的图像与当前目标物的图像所拍摄的不是同一个目标物,说明全局目标物与当前目标物不重复,先输出全局目标物,用当前目标图像替换全局目标物的图像,并用当前目标物替换全局目标物。其中,图像识别设备中可以建立有输出目标物管理表格,表格中存储有输出的全局目标物的图像、类型以及置信度评分等。需要说明的是,本实施例以及之后的实施例中图像识别装置所输出的全局目标物可以用于继续进行图像识别业务。
步骤105,接收下一目标图像。
具体而言,图像识别设备在完成了上述图像处理过程后,继续接收图像采集设备发送的下一目标图像,并返回步骤101重复上述图像处理过程;即图像采集设备能够基于目标图像的采集时间顺序将采集到的目标图像发送到图像识别设备,在图像识别设备中形成了按照采集时间排序的目标图像队列,图像识别设备执行上述的图像识别方法依次对该目标图像队列中的目标图像进行图像处理,实现了目标物图像的实时处理,能够对制作时间短、频次高的目标物的图像有效的进行去重,降低了目标物图像去重管理难度,提升了图像去重的精度和效率。
本实施例中,用于针对当前目标图像仅包含单个当前目标物的应用场景进行图像处理,在获取当前目标图像中所包含的当前目标物后,对当前目标物进行置信度评分;全局目标集合中可能包括一个或多个全局目标物,图像识别设备先判断全局目标集合中是否包含与该当前目标物重复的全局目标物;若全局目标集合中包含与该当前目标物重复的全局目标物,将当前目标物与该全局目标物(即与当前目标物重复的全局目标物)进行置信度评分的对比,选取置信度评分高的目标物作为全局目标物,即在当前目标物的置信度评分小于或等于全局目标物的置信度评分时,保持全局目标集合中的全局目标物不变;在当前目标物的置信度评分大于全局目标物的置信度评分时,用当前目标物替换全局目标集合中与其重复的全局目标物,能够确保输出的全局目标物是属于同一目标物的多张目标图像包含的目标物中置信度评分最高的目标物。
本实施例提供了一种图像处理方法,在接收到每张目标图像时,先获取当前目标图像中的当前目标物,并对当前目标物进行置信度评分,随后判断全局目标物与当前目标物是否重复;若全局目标物与当前目标物重复,设置当前目标物和全局目标物中置信度评分高的目标物作为全局目标物,由此,对于每个目标物,能够保证所输出的全局目标物是该目标物被采集的多张图像包含的多个目标物中置信度评分最高的目标物,即提升了输出的全局目标物的质量。若全局目标物与当前目标物不重复,输出全局目标物,并利用当前目标物替换全局目标物。由此,在当前目标图像仅包括单个当前目标物时,通过当前目标物与全局目标物进行对比的方式来去除重复的目标物,提升了目标图像去重的准确性。
本发明的第二实施例涉及一种图像处理方法,本实施方式相对于第一实施方式而言,主要改进之处在于:本实施例中提供了判断全局目标物与当前目标物是否重复的一种具体实现方式。
本实施例的图像处理方法的具体流程如图2所示。
步骤201,接收当前目标图像,获取当前目标图像中的当前目标物,并对当前目标物进行置信度评分。
步骤202,包括以下子步骤:
子步骤2021,判断全局目标物的类型与当前目标物的类型是否相同。若是,则进入子步骤2022;若否,则进入步骤204。
具体而言,图像识别设备在获取了当前目标图像中所包含的当前目标物后,基于对当前目标物的图像分析得到当前目标物的类型,图像识别设备会存储接收到的各目标图像中的目标物的类型,即存储了当前的全局目标物的类型。图像识别设备在识别出当前目标图像中的当前目标物的类型之后,会将当前目标物的类型与全局目标物的类型进行对比,以判断当前目标物与全局目标物的类型是否相同;若当前目标物的类型与全局目标物的类型相同,则说明当前目标物与全局目标物是同一类型的目标物,但可能并不是同一个目标物,继而进入子步骤2022,进行进一步判断当前目标物与全局目标物是否为同一个目标物;若当前目标物的类型与全局目标物的类型不同,则说明当前目标物与全局目标物是类型不同的目标物,此时当前目标物与全局目标物不是同一个目标物,进入步骤204,先输出全局目标物,用当前目标图像替换全局目标物的图像,并用当前目标物替换全局目标物。
其中,获取当前目标图像中的当前目标物的类型的方式可以为:先获取当前目标图像中的当前目标物包含的至少一个特征物;再基于预设的特征物与类型的对应关系,得到当前目标物的类型。以目标物为菜品为例,原材料即为当前目标物包含的特征物,通过图像识别获取当前目标物中所包含的至少一种原材料,然后基于当前目标物所包含的原材料,在预设的特征物组合与类型的对应关系中进行查询,得到包含这些原材料的菜品的类型,该类型即为当前目标物的类型;举例来说,获取的当前目标物所包含的原材料为:西红柿、鸡蛋和水,则可以得到当前目标物的类型为西红柿蛋汤。
子步骤2022,判断全局目标物与当前目标物之间的相似度参数是否满足预设条件。若是,则进入步骤204;若否,则进入步骤205。
具体而言,图像识别设备在当前目标物与全局目标物类型相同时,获取全局目标物的图像与当前目标物的图像之间的相似度参数,相似度参数用于指示当前目标物的图像与全局目标物的图像之间的相似度,若相似度参数满足预设条件,则说明当前目标物的图像与全局目标物的图像之间的相似度较高,即当前目标物与全局目标物是同一个目标物,判定当前目标物与全局目标物重复,进入步骤203,采用择优选取的方式对全局目标物进行更新,即将当前目标物与全局目标物进行置信度评分的对比,选取二者中置信度评分高的目标物作为全局目标物,由此对于每个目标物,能够保证所输出的全局目标物是该目标物被采集的多张图像包含的多个目标物中置信度评分最高的目标物。
若相似度参数不满足预设条件,则说明当前目标物与全局目标物是同一类型的目标物,但并不是同一个目标物,即当前目标物与全局目标物不是同一个目标物,判定当前目标物与全局目标物不重复,进入步骤204,先输出全局目标物,用当前目标物的图像替换全局目标物的图像,并用当前目标物替换全局目标物。
步骤203,设置当前目标物和全局目标物中置信度评分高的目标物作为全局目标物。
步骤204,输出全局目标物,并利用当前目标物替换全局目标物。
步骤205,接收下一目标图像。
下面以目标物为菜品为例,结合图3所示的应用场景对本实施例中的图像处理方法进行说明。其中,图3包括10张菜品图像,MXN表示第M份菜品X的第N张图像中的目标物。
在图3中,图像识别设备在接收到的前3张菜品图像中未识别出菜品,则判定前3张图像为空图像,不作任何处理。
图像识别设备识别出接收的第4张菜品图像中包括菜品,菜品类型为A,获取其所包括的当前目标物的置信度评分S4A,此时图像识别设备中未存储有全局目标物的图像与全局目标物,则第4张菜品图像为第一份菜品A的第一张图像作为全局目标物的图像,以第一份菜品A的第一张图像包含的目标物1A1作为全局目标物。
图像识别设备识别出接收的第5张菜品图像中包括菜品,菜品类型为A,并获取其所包括的当前目标物的置信度评分S5A,当前目标物与全局目标物1A1的类型相同,判断当前目标物与全局目标物之间的相似度参数是否满足预设条件;由于当前目标物的图像与全局目标物的图像之间的相似度参数满足预设条件,判定当前目标物的图像与全局目标物的图像拍摄的是同一份菜品,第5张菜品图像为第一份菜品A的第二张图像,将第5张菜品图像包含当前目标物1A2的置信度评分S5A与全局目标物1A1的置信度评分S4A进行对比,若S5A>S4A,则使用当前目标物1A2替换全局目标物1A1(后续以S5A>S4A为例进行说明),此时第5张菜品图像为全局目标物的图像;若S5A<S4A,则无需修改全局目标物。
图像识别设备识别出接收的第6张菜品图像中未包括菜品,则判定第6张菜品图像为空图像,不作任何处理。
图像识别设备识别出接收的第7张菜品图像中包括菜品,菜品类型为A,并获取其所包括的当前目标物的置信度评分S7A,当前目标物与全局目标物1A2的类型相同,判断当前目标物的图像与全局目标物的图像之间的相似度参数是否满足预设条件;由于当前目标物的图像与全局目标物的图像之间的相似度参数不满足预设条件,判定当前目标物的图像与全局目标物的图像拍摄的不是同一份菜品,第7张菜品图像为第二份菜品A的第一张图像,输出全局目标物1A2,并利用第二份菜品A的第一张图像包含的当前目标物2A1替换全局目标物1A2,此时第7张菜品图像为全局目标物的图像。
图像识别设备识别出接收的第8张菜品图像中包括菜品,菜品类型为A,并获取其所包括的当前目标物的置信度评分S8A,当前目标物与全局目标物2A1的类型相同,判断当前目标物的图像与全局目标物的图像之间的相似度参数是否满足预设条件;由于当前目标物的图像与全局目标物的图像之间的相似度参数满足预设条件,判定当前目标物的图像与全局目标物的图像拍摄的是同一份菜品,第8张菜品图像为第二份菜品A的第二张图像,将第8张菜品图像包含当前目标物2A2的置信度评分S8A与全局目标物1A1的置信度评分S7A进行对比,若S8A>S7A,则使用当前目标物2A2替换全局目标物2A1,此时第8张菜品图像为全局目标物的图像;若S8A<S7A,则无需修改全局目标物(后续以S8A<S7A为例进行说明)。
图像识别设备识别出接收的第9张菜品图像中包括菜品,菜品类型为B,并获取其所包括的当前目标物的置信度评分S9A,其与全局目标物2A1的类型不同,判定当前目标物的图像与全局目标物的图像拍摄的不是同一份菜品,第9张菜品图像为第一份菜品B的第一张图像,输出全局目标物2A1,并利用第一份菜品B的第一张图像包含的当前目标物1B1替换全局目标物2A1,此时第9张菜品图像为全局目标物的图像。
图像识别设备识别出接收的第10张菜品图像中包括菜品,菜品类型为B,并获取其所包括的当前目标物的置信度评分S10A,其与全局目标物1B1的类型相同,判断当前目标物的图像与全局目标物的图像之间的相似度参数满足预设条件;由于当前目标物的图像与全局目标物的图像之间的相似度参数不满足预设条件,判定当前目标物的图像与全局目标物的图像拍摄的是同一份菜品,第10张菜品图像为第一份菜品B的第二张图像,将第10张菜品图像包含当前目标物1B2的置信度评分S10A与全局目标物1B1的置信度评分S9A进行对比,若S10A>S9A,则使用当前目标物1B2替换全局目标物1B1,此时第10张菜品图像为全局目标物的图像;若S8A<S7A,则无需修改全局目标物(后续以S8A<S7A为例进行说明)。
后续图像处理过程不再一一赘述,具体处理方式与上述过程类似。
本实施例中,在对目标图像进行去重时,先利用当前目标物与全局目标物之间的类型判断进行粗粒度去重;在当前目标物与全局目标物类型相同时,还会利用当前目标物与全局目标物之间的相似度参数判断进行细粒度去重,避免了同一类型的不同目标物被错误识别为同一个目标物,提升了目标图像去重的准确性。另外,采用两种粒度进行去重,基于类型的粗粒度去重计算量较小,能够去除大部分重复目标图像,由此减小了基于相似度参数的细粒度去重的计算量,提升了目标图像的去重效率。
本发明第三实施方式涉及一种图像处理方法,本实施方式相对于第二实施方式而言,主要区别之处在于:本实施例提供了对当前目标物的图像与全局目标物的图像之间的相似度参数是否满足预设条件的判断的具体实现方式。
本实施例中提供了对当前目标物的图像与全局目标物的图像之间的相似度参数是否满足预设条件进行判断的三种实现方式。
方式一,利用当前目标物的图像与全局目标物的图像之间的特征距离相似度参数是否满足预设条件,图像处理方法的具体流程如图4所示。
其中,步骤301、子步骤3021、步骤302至步骤305分别与步骤201、子步骤2021、步骤202至步骤205大致相同,在此不再赘述,主要区别之处在于:子步骤3022判断全局目标物的图像与当前目标物的图像之间的相似度参数是否满足预设条件,包括以下子步骤:
子步骤30221,获取全局目标物的图像的特征信息与当前目标物的图像的特征信息之间的特征距离。
子步骤30222,判断全局目标物的图像与当前目标物的图像之间的特征距离是否小于预设的特征距离阈值。若是,则进入步骤304;若否,则进入步骤303。
具体而言,图像识别设备中预设有特征提取模型,能够利用该特征提取模型提取接收到的每张目标图像的特征信息;从而在需要进行特征距离对比时,将提取的当前目标物的图像的特征信息与全局目标物的图像的特征信息进行对比,得到当前目标物的图像与全局目标物的图像之间的特征距离。本实施例中用特征距离来表征当前目标物的图像与全局目标物的图像之间的相似度,即相似度参数包括:当前目标物的图像与全局目标物的图像之间的特征距离,图像识别设备中预设有特征距离阈值,若特征距离大于或等于特征距离阈值,判定相似度参数满足预设条件;若特征距离小于特征距离阈值,判定相似度参数不满足预设条件。
图像识别设备在当前目标物与全局目标物类型相同时,会对得到的当前目标物的图像与全局目标物的图像之间的特征距离与该特征距离阈值的大小关系进行判断,若该特征距离大于或等于特征距离阈值,则判定相似度参数满足预设条件,即当前目标物与全局目标物重复,当前目标物与全局目标物是同一个目标物,此时进入步骤303采用择优选取的方式对全局目标物进行更新,即将当前目标物与全局目标物进行置信度评分的对比,选取二者中置信度评分高的目标物作为全局目标物;若当前目标物的图像与全局目标物的图像之间的特征距离小于特征距离阈值,则判定相似度参数不满足预设条件,即当前目标物与全局目标物是同一类型的目标物,但当前目标物与全局目标物不是同一个目标物,进入步骤304,先输出全局目标物,用当前目标物的图像替换全局目标物的图像,并用当前目标物替换全局目标物。
方式二,利用当前目标物的图像与全局目标物的图像之间的汉明距离判断相似度参数是否满足预设条件,图像处理方法的具体流程如图5所示。
其中,步骤401、子步骤4021、步骤402至步骤405分别与步骤201、子步骤2021、步骤202至步骤205大致相同,在此不再赘述,主要区别之处在于:子步骤4022判断全局目标物的图像与当前目标物的图像之间的相似度参数是否满足预设条件,包括以下子步骤:
子步骤40221,获取当前目标物的图像与全局目标物的图像之间的汉明距离。
子步骤40222,判断当前目标物的图像与全局目标物的图像之间的汉明距离是否小于预设的汉明距离阈值。若是,则进入步骤403;若否,则进入步骤404。
具体而言,图像识别设备能够基于感知哈希算法生成该目标图像的指纹信息,指纹信息为一个字符串;由此可以将当前目标物的图像的指纹信息与全局目标物的图像的指纹信息进行对比,得到当前目标物的图像与全局目标物的图像之间的汉明距离。本实施例中用汉明距离来表征当前目标物的图像与全局目标物的图像之间的相似度,即相似度参数包括:当前目标物的图像与全局目标物的图像之间的汉明距离,图像识别设备中预设有汉明距离阈值,若汉明距离小于汉明距离阈值,判定相似度参数满足预设条件;若汉明距离大于或等于汉明距离阈值,判定相似度参数不满足预设条件。
图像识别设备在当前目标物与全局目标物类型相同时,会对得到的当前目标物的图像与全局目标物的图像之间的汉明距离与该汉明距离阈值的大小关系进行判断,若当前目标物的图像与全局目标物的图像之间的汉明距离小于该汉明距离阈值,则判定相似度参数满足预设条件,即当前目标物与全局目标物重复,当前目标物与全局目标物是同一个目标物,此时进入步骤403采用择优选取的方式对全局目标物进行更新,即将当前目标物与全局目标物进行置信度评分的对比,选取二者中置信度评分高的目标物作为全局目标物;若当前目标物的图像与全局目标物的图像之间的汉明距离大于或等于该汉明距离阈值,则判定相似度参数不满足预设条件,即当前目标物与全局目标物是同一类型的目标物,但当前目标物与全局目标物不是同一个目标物,进入步骤404,先输出全局目标物,用当前目标物的图像替换全局目标物的图像,并用当前目标物替换全局目标物。
方式三,利用当前目标物的图像与全局目标物的图像的特征距离与汉明距离相结合的方式进行相似度判断,图像处理方法的具体流程如图6所示。
其中,步骤501、子步骤5021、步骤502至步骤505分别与步骤201、子步骤2021、步骤202至步骤205大致相同,在此不再赘述,主要区别之处在于:子步骤5022判断全局目标物的图像与当前目标物的图像之间的相似度参数是否满足预设条件,包括以下子步骤:
子步骤50221,判断当前目标物的图像与全局目标物的图像之间的汉明距离是否小于预设的汉明距离阈值。若是,则进入子步骤50222;若否,进入步骤504。
子步骤50222,判断当前目标物的图像与全局目标物的图像之间的特征距离是否小于预设的特征距离阈值。若是,则进入步骤504;若否,进入步骤503。
具体而言,本实施例中用汉明距离与特征距离综合来表征当前目标物的图像与全局目标物的图像之间的相似度,即相似度参数包括:当前目标物的图像与全局目标物的图像之间的汉明距离,以及当前目标物的图像与全局目标物的图像之间的特征距离。图像识别设备中预设有特征距离阈值与汉明距离阈值,当汉明距离大于或等于汉明距离阈值,或者汉明距离小于汉明距离阈值且特征距离小于特征距离阈值时,判定相似度参数不满足预设条件;当汉明距离小于汉明距离阈值且特征距离大于或等于特征距离阈值,判定相似度参数满足预设条件。
图像识别设备在当前目标物与全局目标物类型相同时,会对得到的当前目标物的图像与全局目标物的图像之间的汉明距离与汉明距离阈值的大小关系进行判断,若当前目标物的图像与全局目标物的图像之间的汉明距离大于或等于汉明距离阈值,则判定相似度参数不满足预设条件,即当前目标物与全局目标物是同一类型的目标物,但当前目标物与全局目标物不是同一个目标物,进入步骤504,先输出全局目标物,用当前目标物的图像替换全局目标物的图像,并用当前目标物替换全局目标物。
若当前目标物的图像与全局目标物的图像之间的汉明距离小于汉明距离阈值,则进入子步骤50222对当前目标物的图像与全局目标物的图像之间的特征距离与特征距离阈值的大小关系进行判断,若该特征距离大于或等于特征距离阈值,则判定相似度参数满足预设条件,即当前目标物与全局目标物重复,当前目标物与全局目标物是同一个目标物,此时进入步骤503采用择优选取的方式对全局目标物进行更新,即将当前目标物与全局目标物进行置信度评分的对比,选取二者中置信度评分高的目标物作为全局目标物。
若当前目标物的图像与全局目标物的图像之间的特征距离小于特征距离阈值,则判定相似度参数不满足预设条件,即当前目标物与全局目标物是同一类型的目标物,但当前目标物与全局目标物不是同一个目标物,进入步骤504,先输出全局目标物,用当前目标物的图像替换全局目标物的图像,并用当前目标物替换全局目标物。
在方式三中,实现了基于相似度的目标图像多级去重,先利用当前目标物的图像与全局目标物的图像之间的汉明距离与预设的汉明距离阈值的大小关系过滤容易去重的目标图像,从而能够减小后续通过特征距离进行去重的计算量,进一步提升了目标图像的去重效率。
在本实施例的,特征信息包括:图像上各像素点的特征值;获取当前目标物的图像的特征信息与全局目标物的图像的特征信息之间的特征距离的获取方式为:将当前目标物的图像与全局目标物的图像上对应的各像素点的特征值分别进行对比,得到当前目标物的图像与全局目标物的图像之间的特征距离。
具体的,图像识别设备在需要进行特征距离对比时,获取当前目标物的图像的特征信息以及全局目标物的图像的特征信息,特征信息包括图像上各像素点的特征值,在将当前目标物的图像的特征信息与全局目标物的图像的特征信息进行对比时,由于当前目标物的图像与全局目标物的图像的尺寸相同,可以将当前目标物的图像上的像素与全局目标物的图像上的像素一一对应,然后将两张图像上对应的像素的特征值进行对比,得到两张图像上对应的像素之间的差异度,然后将所有的差异度之和的均值作为当前目标物的图像与全局目标物的图像之间的特征距离;其中,差异度的计算方式可以为:先计算对应的两个像素的特征值之间的差值与两个像素的特征值之间的均值,然后将差值除以均值的商值的绝对值作为对应的两个像素之间的差异度。
本发明的第四实施例涉及一种图像处理方法,本实施方式相对于第一实施方式而言,主要改进之处在于:本实施例中增加了对当前目标图像是否包含当前目标物的判断。
本实施例的图像处理方法的具体流程如图7所示。其中,步骤603至步骤606与步骤102至步骤105大致相同,在此不再赘述。
步骤601,接收当前目标图像,判断当前目标图像是否包含当前目标物。若是,则进入步骤602;若否,进入步骤606。
步骤602,获取当前目标图像中的当前目标物,并对当前目标物进行置信度评分。
具体而言,图像识别设备在接收到当前目标图像后,先对当前目标图像进行目标物识别,通过图像识别的方式判断当前目标图像中是否包含当前目标物,若当前目标图像中包含当前目标物,则可以通过区域分割、语义分割、实例分割等图像分割方法对当前目标图像进行分割,从当前目标图像中分割得到目标物,并在对分割得到的当前目标物进行置信度评分后,进入步骤603;若当前目标图像中不包含当前目标物,则说明当前目标图像为无效图像,图像采集设备预设区域中目标物在更换过程或者图像采集设备被遮挡,此时进入步骤606接收下一目标图像,并回到步骤601重新开始图像处理流程。
步骤603,判断全局目标物与当前目标物是否重复。若是,则进入步骤604;若否,则进入步骤605。
步骤604,设置当前目标物和全局目标物中置信度评分高的目标物作为全局目标物。
步骤605,输出全局目标物,并利用当前目标物替换全局目标物。
步骤606,接收下一目标图像。
在一个实施例中,若所述当前目标图像不包含当前目标物,输出所述全局目标物后,再接收下一目标图像,以将所述下一目标图像中包含的当前目标物替换为所述全局目标物;即若当前目标图像中不包含当前目标物,则说明当前目标图像为无效图像,图像采集设备预设区域中目标物在更换过程中,图像识别设备直接输出全局目标物,并进入步骤607接收下一目标图像,若下一目标图像中包含当前目标物,则可以直接将下一目标图像中的当前目标物替换为全局目标物,无需执行后续重复判断的步骤,进一步提升了图像处理的效率;若下一目标图像中仍不包含当前目标物,由于全局目标物已被输出,则直接结束,等待接收图像采集设备发送的下一目标图像。以第二实施例中的图3为例,在图像识别设备接收到第6张菜品图像时,其识别出第6张菜品图像中未包括菜品,则判定第6张菜品图像为空图像,直接输出全局目标物1A2,当接收到第7张菜品图像时,完成了第7张菜品图像包含的目标物的类型识别与置信度评分后,可以直接用第7张菜品图像包含的当前目标物2A1替换全局目标物1A2,无需执行类型判断的步骤。
本发明的第五施例涉及一种图像识别设备,图像识别设备例如为服务器、台式主机、笔记本电脑、手机等。请参考图8,图像识别设备包括至少一个处理器101;以及,与至少一个处理器101通信连接的存储器102;其中,存储器102存储有可被至少一个处理器101执行的指令,指令被至少一个处理器101执行,以使至少一个处理器101能够执行第一实施方式至第四实施方式任一的图像处理方法。
其中,存储器102和处理器101采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器101和存储器102的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器101处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器101。
处理器101负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器102可以被用于存储处理器101在执行操作时所使用的数据。
本发明第六实施例涉及一种图像识别系统,请参考图9,图像识别系统包括:图像采集设备1与第四实施例中的图像识别设备2,图像采集设备1与图像识别设备2通信连接。
图像采集设备1用于采集预设区域的目标图像,并将采集的当前目标图像发送到图像识别设备2;具体的,图像采集设备1被安装在设定位置后,能够对预设区域进行图像采集,图像采集设备1可以按照预设周期对预设区域的目标图像进行采集,并在每次完成采集后,将采集的当前目标图像发送到图像识别设备2,图像识别设备2则能够执行第一实施方式至第四实施方式任一的图像处理方法。
以上已详细描述了本发明的较佳实施例,但应理解到,若需要,能修改实施例的方面来采用各种专利、申请和出版物的方面、特征和构思来提供另外的实施例。
考虑到上文的详细描述,能对实施例做出这些和其它变化。一般而言,在权利要求中,所用的术语不应被认为限制在说明书和权利要求中公开的具体实施例,而是应被理解为包括所有可能的实施例连同这些权利要求所享有的全部等同范围。
Claims (9)
1.一种图像处理方法,其特征在于,包括:
接收当前目标图像,获取所述当前目标图像中的当前目标物,并对所述当前目标物进行置信度评分;
判断全局目标物与所述当前目标物是否重复;
若全局目标物与所述当前目标物重复,设置所述当前目标物和所述全局目标物中置信度评分高的目标物作为全局目标物;
若全局目标物与所述当前目标物不重复,输出所述全局目标物,并利用所述当前目标物替换所述全局目标物;
接收下一目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述判断全局目标物与所述当前目标物是否重复,包括:
判断全局目标物的类型与所述当前目标物的类型是否相同;
若全局目标物的类型与所述当前目标物的类型相同,判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件;
若所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件,判定所述全局目标物与所述当前目标物重复;
若全局目标物的类型与所述当前目标物的类型不相同,或者所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件,判定所述全局目标物与所述当前目标物不重复。
3.根据权利要求2所述的图像处理方法,其特征在于,所述判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件,包括:
获取所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离;
若所述全局目标物的图像与所述当前目标物的图像之间的特征距离小于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件;
若所述全局目标物的图像与所述当前目标物的图像之间的特征距离大于或等于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件。
4.根据权利要求2所述的图像处理方法,其特征在于,所述判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件,包括:
获取所述当前目标物的图像与所述全局目标物的图像之间的汉明距离;
若所述当前目标物的图像与所述全局目标物的图像之间的汉明距离大于或等于预设的汉明距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件;
若所述当前目标物的图像与所述全局目标物的图像之间的汉明距离小于预设的汉明距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件。
5.根据权利要求2所述的图像处理方法,其特征在于,所述判断所述全局目标物的图像与所述当前目标物的图像之间的相似度参数是否满足预设条件,包括:
判断所述当前目标物的图像与所述全局目标物的图像之间的汉明距离是否小于预设的汉明距离阈值;
若所述当前目标图像与所述全局目标物的图像之间的汉明距离大于或等于预设的汉明距离阈值,判定所述全局目标物与所述当前目标物之间的相似度参数不满足预设条件;
若所述当前目标物的图像与所述全局目标物的图像之间的汉明距离小于预设的汉明距离阈值,进一步判断所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离是否小于预设的特征距离阈值;
若所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离大于或等于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数满足预设条件;
若所述全局目标物的图像的特征信息与所述当前目标物的图像的特征信息之间的特征距离小于预设的特征距离阈值,判定所述全局目标物的图像与所述当前目标物的图像之间的相似度参数不满足预设条件。
6.根据权利要求1至5中任一项所述的图像处理方法,其特征在于,在接收当前目标图像后,且在获取所述当前目标图像中的当前目标物之前,还包括:
判断所述当前目标图像是否包含当前目标物;
若所述当前目标图像不包含当前目标物,接收下一目标图像;若所述当前目标图像包含当前目标物,进入所述获取所述当前目标图像中的当前目标物的步骤。
7.根据权利要求6中任一项所述的图像处理方法,其特征在于,若所述当前目标图像不包含当前目标物,输出所述全局目标物后,再接收下一目标图像,以将所述下一目标图像中包含的当前目标物替换为所述全局目标物。
8.一种图像识别设备,其特征在于,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如权利要求1至7中任一项所述的图像处理方法。
9.一种图像识别系统,其特征在于,包括:图像采集设备与权利要求8所述的图像识别设备,所述图像采集设备与所述图像识别设备通信连接;
所述图像采集设备用于采集预设区域的目标图像,并将采集的当前目标图像发送到所述图像识别设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021657.0A CN114549876A (zh) | 2022-01-10 | 2022-01-10 | 图像处理方法、设备以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021657.0A CN114549876A (zh) | 2022-01-10 | 2022-01-10 | 图像处理方法、设备以及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549876A true CN114549876A (zh) | 2022-05-27 |
Family
ID=81669487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210021657.0A Pending CN114549876A (zh) | 2022-01-10 | 2022-01-10 | 图像处理方法、设备以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549876A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875561A (zh) * | 2018-04-27 | 2018-11-23 | 山东信通电子股份有限公司 | 一种输电线路监控隐患预警图像的隐患重复判别方法 |
WO2018223955A1 (zh) * | 2017-06-09 | 2018-12-13 | 北京深瞐科技有限公司 | 目标监控方法、目标监控装置、摄像机及计算机可读介质 |
CN111553259A (zh) * | 2020-04-26 | 2020-08-18 | 北京宙心科技有限公司 | 一种图像去重方法及系统 |
CN113255722A (zh) * | 2021-04-13 | 2021-08-13 | 北京迈格威科技有限公司 | 图像标注方法及装置 |
CN113656630A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 检索图像的方法、装置和系统 |
-
2022
- 2022-01-10 CN CN202210021657.0A patent/CN114549876A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018223955A1 (zh) * | 2017-06-09 | 2018-12-13 | 北京深瞐科技有限公司 | 目标监控方法、目标监控装置、摄像机及计算机可读介质 |
CN108875561A (zh) * | 2018-04-27 | 2018-11-23 | 山东信通电子股份有限公司 | 一种输电线路监控隐患预警图像的隐患重复判别方法 |
CN111553259A (zh) * | 2020-04-26 | 2020-08-18 | 北京宙心科技有限公司 | 一种图像去重方法及系统 |
CN113255722A (zh) * | 2021-04-13 | 2021-08-13 | 北京迈格威科技有限公司 | 图像标注方法及装置 |
CN113656630A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 检索图像的方法、装置和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941594B (zh) | 一种视频文件的拆分方法、装置、电子设备及存储介质 | |
US11538232B2 (en) | Tracker assisted image capture | |
US10699170B2 (en) | Apparatuses and methods for semantic image labeling | |
EP3295424B1 (en) | Systems and methods for reducing a plurality of bounding regions | |
CN108388879B (zh) | 目标的检测方法、装置和存储介质 | |
CN110163076B (zh) | 一种图像数据处理方法和相关装置 | |
US10395136B2 (en) | Image processing apparatus, image processing method, and recording medium | |
US20170300744A1 (en) | Method and apparatus for determining identity identifier of face in face image, and terminal | |
CN103116754B (zh) | 基于识别模型的批量图像分割方法及系统 | |
JP2018523877A (ja) | オブジェクト追跡のためのシステムおよび方法 | |
CN107273458B (zh) | 深度模型训练方法及装置、图像检索方法及装置 | |
EP3268933A1 (en) | Systems and methods for object tracking | |
CN109829397B (zh) | 一种基于图像聚类的视频标注方法、系统以及电子设备 | |
CN111612820A (zh) | 多目标跟踪方法、特征提取模型的训练方法和装置 | |
CN111079613B (zh) | 姿势识别方法和装置、电子设备及存储介质 | |
CN114639143B (zh) | 基于人工智能的人像归档方法、设备及存储介质 | |
CN114549876A (zh) | 图像处理方法、设备以及系统 | |
CN114298992B (zh) | 一种视频帧去重方法、装置、电子设备及存储介质 | |
CN113743251B (zh) | 一种基于弱监督场景的目标搜索方法及装置 | |
CN113255484B (zh) | 视频匹配方法、视频处理方法、装置、电子设备及介质 | |
CN114549877A (zh) | 图像处理方法、设备以及系统 | |
CN112601029B (zh) | 一种已知背景先验信息的视频分割方法、终端和存储介质 | |
CN111160066B (zh) | 人脸识别方法、装置、设备和介质 | |
Kaimkhani et al. | UAV with Vision to Recognise Vehicle Number Plates | |
CN114998906B (zh) | 文本检测方法、模型的训练方法、装置、电子设备及介质 |
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 |