CN115937629A - 模板图像的更新方法、更新装置、可读存储介质及芯片 - Google Patents
模板图像的更新方法、更新装置、可读存储介质及芯片 Download PDFInfo
- Publication number
- CN115937629A CN115937629A CN202211543439.XA CN202211543439A CN115937629A CN 115937629 A CN115937629 A CN 115937629A CN 202211543439 A CN202211543439 A CN 202211543439A CN 115937629 A CN115937629 A CN 115937629A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- template image
- target object
- template
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本公开涉及一种模板图像的更新方法、更新装置、可读存储介质及芯片。方法包括:在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。如此,在检测设备处于运行状态时进行自动更新,提高了更新效率。
Description
技术领域
本公开涉及机器视觉技术领域,尤其涉及一种模板图像的更新方法、更新装置、可读存储介质及芯片。
背景技术
图像识别技术的发展越来越成熟,基于图像识别技术的机器视觉技术已广泛应用于自动化生产领域和质量检测领域。例如,对生产过程中的产品进行检测,以检测产品是否合格。在进行检测之前,通常需要采集待检测的目标对象的模板图像。在检测过程中,获取目标对象的检测图像,通过对该检测图像和模板图像进行识别,来实现对目标对象的定位、配准以及差异检测。但是,在实际应用中,随着生产的进行,外部环境如光照条件的变化以及不同批次物料间的差异可能导致模板图像的失效,因此,需要对模板图像进行更新,以提高对目标对象检测的准确性。
发明内容
为克服相关技术中存在的问题,本公开提供一种模板图像的更新方法、更新装置、可读存储介质及芯片。
根据本公开实施例的第一方面,提供一种模板图像的更新方法,包括:
在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;
根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;
若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;
在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
可选地,所述候选模板条件包括用于表征图像质量的条件和/或用于表征所述检测图像中的目标对象子图像与所述第一模板图像的相似度的条件。
可选地,所述候选模板条件包括用于表征图像质量的条件;所述若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像,包括:
若所述原因是目标原因,则分别确定所述检测图像和所述第一模板图像的图像质量参数;
在所述检测图像的图像质量参数与所述第一模板图像的图像质量参数的差值小于或等于质量阈值时,确定所述检测图像为候选模板图像。
可选地,所述方法还包括:
在所述检测图像的图像质量参数与所述第一模板图像的图像质量参数的差值大于所述质量阈值时,确定所述检测图像不为候选模板图像,并向诊断装置发送所述检测图像的图像质量参数。
可选地,所述候选模板条件包括用于表征所述检测图像中的目标对象子图像与所述第一模板图像的相似度的条件;所述若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像,包括:
获取所述检测图像中的目标对象子图像;
确定所述目标对象子图像与所述第一模板图像的相似度;
在所述相似度大于或等于相似度阈值的情况下,确定所述检测图像中的目标对象子图像为候选模板图像。
可选地,所述检测信息还包括检测模式,所述检测模式包括单模板图像检测模式和多模板图像检测模式;所述确定所述目标对象子图像与所述第一模板图像的相似度,包括:
在所述检测模式为多模板图像检测模式的情况下,将所述目标对象子图像与每一所述第一模板图像的相似度的平均值确定为所述目标对象子图像与所述第一模板图像的相似度。
可选地,所述在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像,包括:
在确定所述检测图像为候选模板图像的情况下,记录所述候选模板图像;
在连续检测的所述目标对象的第一预设数量帧检测图像中,记录为所述候选模板图像的数量达到第二预设数量时,在所述第二预设数量帧所述候选模板图像中确定目标候选模板图像,其中,所述第二预设数量小于或等于所述第一预设数量,且所述第二预设数量和所述第一预设数量均为大于1的整数;
根据所述目标候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
可选地,所述检测信息还包括检测模式,所述检测模式包括单模板图像检测模式和多模板图像检测模式;所述根据所述目标候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像,包括:
在所述检测模式为所述单模板图像检测模式的情况下,确定是否需要进行图像融合处理,在确定需要进行所述图像融合处理时,对所述目标候选模板图像和所述第一模板图像进行所述图像融合处理,并将处理后的图像确定为所述目标对象的第二模板图像,以及,在不需要进行所述图像融合处理时,将所述目标候选模板图像确定为所述目标对象的第二模板图像;
在所述检测模式为所述多模板图像检测模式的情况下,确定与所述目标候选模板图像的相似度最高的第一模板图像,并将所述目标对象的除所述相似度最高的第一模板图像之外的其他第一模板图像和所述目标候选模板图像确定为所述目标对象的第二模板图像。
可选地,所述根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因,包括:
若所述相似度和所述检测阈值的差值小于或等于预设差值,则确定导致所述目标对象的检测结果为不合格的原因是目标原因;以及
若所述相似度和所述检测阈值的差值大于所述预设差值,则确定导致所述目标对象的检测结果为不合格的原因是所述目标对象异常原因。
根据本公开实施例的第二方面,提供一种模板图像的更新装置,包括:
获取模块,被配置为在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;
第一确定模块,被配置为根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;
第二确定模块,被配置为若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;
更新模块,被配置为在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
根据本公开实施例的第三方面,提供一种模板图像的更新装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;
根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;
若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;
在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
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,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的模板图像的更新方法的步骤。
根据本公开实施例的第五方面,提供一种芯片,包括处理器和接口;所述处理器用于读取指令以执行本公开第一方面所提供的模板图像的更新方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
采用上述技术方案,首先,在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,并根据相似度和检测阈值,确定导致目标对象的检测结果为不合格的原因,接着,若原因是目标原因,则根据预设的候选模板条件确定检测图像是否为候选模板图像,最后,在确定检测图像为候选模板图像的情况下,根据候选模板图像更新第一模板图像,得到目标对象的第二模板图像。如此,在检测设备处于运行状态时进行自动更新,更新较为及时,且无需手动操作,提高了更新效率。此外,由于无需检测设备离线即可实现更新,提高了工厂生产效率,并且,可以避免由于离线更新操作的延后性所造成的误检问题,提高了对目标对象检测的效率。
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。
图1是根据一示例性实施例示出的一种模板图像的更新方法的流程图。
图2是根据一示例性实施例示出的一种实现图1中步骤S13的方法的流程图。
图3是根据一示例性实施例示出的一种实现图1中步骤S14的方法的流程图。
图4是根据一示例性实施例示出的一种模板图像的更新装置的框图。
图5是根据一示例性实施例示出的一种模板图像的更新装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表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。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
在相关技术中,多是通过以下方式对模板图像进行更新:首先,获取检测设备输出的异常检测结果,在检测设备离线状态下进行人工复判,将批量的目标对象的检测图像和模板库中的该目标对象的模板图像进行比对,确定是否需要更新模板库中的该目标对象的模板图像。接着,在人工确定需要更新的情况下,凭借软件手动选择新的模板图像,作为更新后的模板图像添加至模板库中,完成模板图像的更新。
在上述方案中,由于是在离线状态下更新的,具有一定的时间延后性,更新不及时,可能会使检测设备发生误检,使得生产效率较低。此外,人工进行复判,依赖于人工的经验,不同技术人员判别模板图像是否需要更新的标准不同,无法量化判别标准,导致对模板图像的更新效率较低。
有鉴于此,本公开提供一种模板图像的更新方法、更新装置、可读存储介质及芯片,在检测设备处于运行状态进行自动更新,更新较为及时,提高了更新效率。此外,由于无需离线更新,提高了工厂生产效率,同时,可以避免由于离线更新操作的延后性所造成的误检问题,提高对目标对象检测的效率。
图1是根据一示例性实施例示出的一种模板图像的更新方法的流程图。如图1所示,该方法可以包括以下步骤。
在步骤11中,在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息。
应当理解的是,本公开提供的模板图像的更新方法可以应用于具有处理能力的电子设备中。其中,该电子设备与用于检测目标对象是否合格的检测设备可以耦合到同一设备上,也可以耦合到不同的设备上。并且,无论两者是否耦合到同一设备上,执行该模板图像的更新方法的电子设备均可以从检测设备中获取到检测结果为不合格的目标对象的检测信息。示例地,检测设备在运行状态时,实时地对目标对象进行检测,在检测到目标对象的检测结果为不合格时,将该目标对象的检测信息发送至电子设备。例如,在生产目标对象的过程中,检测设备实时地获取所生成的目标对象的检测图像,并根据检测图像和目标对象的第一模板图像对目标对象进行检测,在目标对象的检测结果为不合格时,将该目标对象的检测信息发送给电子设备。
如此,电子设备可以在检测设备处于运行状态下及时执行本公开所提供的模板图像的更新方法,无需停机离线即可实现更新模板图像。其中,检测设备对目标对象的具体检测方式属于较为成熟的技术,本公开对此不作具体限定。
在本公开中,检测信息可以包括目标对象的检测图像与目标对象的第一模板图像的相似度和目标对象对应的检测阈值。应当理解的是,在一种实施例中,检测设备在检测过程中,需要确定目标对象的检测图像与目标对象的第一模板图像的相似度,并在相似度小于或等于目标对象对应的检测阈值的情况下,确定目标对象的检测结果为不合格。其中,目标对象对应的检测阈值可以是用户自定义的数值。
在步骤S12中,根据相似度和检测阈值,确定导致目标对象的检测结果为不合格的原因。
在实际应用中,若目标对象本身存在缺陷,则目标对象的检测图像与第一模板图像的相似度较低,从而检测设备确定该目标对象的检测结果为不合格。然而,考虑到在生产过程中,外部环境如光照条件的变化、图像采集设备的采集角度的变化以及不同批次物料间的差异均会影响所采集到的目标对象的检测图像,使检测图像与第一模板图像的差异较大,而生产的目标对象本身是合格的,即,由于外部环境的影响检测设备对目标对象误检。因此,在本公开中,导致目标对象的检测结果为不合格的原因可以包括目标原因和目标对象异常原因,且目标原因可称为外部环境原因。
在实际应用中,考虑到若是由于目标对象异常原因导致的检测结果为不合格,即,由于目标对象本身存在缺陷导致检测结果为不合格,则目标对象的检测图像与第一模板图像的差异较大,即,检测图像与目标对象的第一模板图像的相似度和检测阈值的差值较大。而外部环境变换通常是不明显的,所采集的目标对象的检测图像与第一模板图像的差异较小,即,若是由于目标原因导致的检测结果为不合格,则检测图像与目标对象的第一模板图像的相似度和检测阈值的差值较小。
因此,在一种可能的实施方式中,步骤S12的具体实施方式为:若相似度和检测阈值的差值小于或等于预设差值,则确定导致目标对象的检测结果为不合格的原因是目标原因;以及若相似度和检测阈值的差值大于预设差值,则确定导致目标对象的检测结果为不合格的原因是目标对象异常原因。
在本公开中,若确定的原因是目标对象异常原因,则确定该目标对象存在缺陷,此时,返回步骤S11。
在步骤S13中,若原因是目标原因,则根据预设的候选模板条件确定检测图像是否为候选模板图像。
示例地,在检测图像满足预设的候选模板条件时,确定检测图像为候选模板图像,否则该检测图像不为候选模板图像并返回步骤S11。
可选地,候选模板条件包括用于表征图像质量的条件和/或用于表征检测图像中的目标对象子图像与第一模板图像的相似度的条件。
应当理解的是,在本公开中,仅示出了候选模板条件包括用于表征图像质量的条件和/或用于表征检测图像中的目标对象子图像与第一模板图像的相似度的条件的情况,在实际应用中,该候选模板条件还可以包括更多条件,本公开对此不作具体限定。
在步骤S14中,在确定检测图像为候选模板图像的情况下,根据候选模板图像更新第一模板图像,得到目标对象的第二模板图像。
采用上述技术方案,首先,在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,并根据相似度和检测阈值,确定导致目标对象的检测结果为不合格的原因,接着,若原因是目标原因,则根据预设的候选模板条件确定检测图像是否为候选模板图像,最后,在确定检测图像为候选模板图像的情况下,根据候选模板图像更新第一模板图像,得到目标对象的第二模板图像。如此,在检测设备处于运行状态时进行自动更新,更新较为及时,且无需手动操作,提高了更新效率。此外,由于无需检测设备离线即可实现更新,提高了工厂生产效率,并且,可以避免由于离线更新操作的延后性所造成的误检问题,提高了对目标对象检测的效率。
为了便于本领域技术人员更好的理解本公开所提供的模板图像的更新方法,下面以一个完整的实施例对该模板图像的更新方法进行描述。
首先,对图1中步骤S13若原因是目标原因,则根据预设的候选模板条件确定检测图像是否为候选模板图像的具体实施方式进行说明。
在一种实施例中,候选模板条件包括用于表征图像质量的条件,步骤S13的具体实施方法可以为:若原因是目标原因,则分别确定检测图像和第一模板图像的图像质量参数;在检测图像的图像质量参数与第一模板图像的图像质量参数的差值小于或等于质量阈值时,确定检测图像为候选模板图像。
在该实施例中,若检测图像的图像质量参数与第一模板图像的图像质量参数的差值小于或等于质量阈值,则确定满足候选模板条件,此时,将检测图像确定为候选模板图像。
在该实施例中,图像质量参数可以包括亮度和/或清晰度。相应地,质量阈值可以包括亮度阈值和/或清晰度阈值。其中,亮度阈值和清晰度阈值可以相同也可以不同。
在一种可能的实施方式中,图像质量参数包括亮度。示例地,对检测图像进行中值滤波后分别计算RGB三通道的最大灰度差,根据该最大灰度差确定检测图像的亮度,以及,对第一模板图像进行中值滤波后分别计算RGB三通道的最大灰度差,根据该最大灰度差确定第一模板图像的亮度。之后,确定检测图像的亮度与第一模板图像的亮度的差值与亮度阈值的大小关系,若两者的差值小于或等于亮度阈值,则确定满足候选模板条件,此时,将检测图像确定为候选模板图像。
在另一种可能的实施方式中,图像质量参数包括清晰度。示例地,使用Brenner梯度函数分别确定检测图像和第一模板图像的清晰度。之后,确定检测图像的清晰度与第一模板图像的清晰度的差值与清晰度阈值的大小关系,若两者的差值小于或等于清晰度阈值,则确定满足候选模板条件,此时,将检测图像确定为候选模板图像。
在又一种可能的实施方式中,图像质量参数可以包括亮度和清晰度。在检测图像的亮度和第一模板图像的亮度差值小于或等于亮度阈值,且检测图像的清晰度和第一模板图像的清晰度差值小于或等于清晰度阈值时,确定满足候选模板条件,此时,将检测图像确定为候选模板图像。
此外,在该实施例中,在检测图像的图像质量参数与第一模板图像的图像质量参数的差值大于质量阈值时,确定检测图像不为候选模板图像,并向诊断装置发送检测图像的图像质量参数。
检测图像的质量与图像采集设备和采集环境有关,因此,在确定检测图像的图像质量参数与第一模板图像的图像质量参数的差值大于质量阈值时,可能是图像采集设备或者采集环境出现了异常。因此,在该实施例中,在检测图像的图像质量参数与第一模板图像的图像质量参数的差值大于质量阈值时,向诊断装置发送检测图像的图像质量参数,以由诊断设备确定检测图像的图像采集装置或者采集环境是否出现了异常,以及,根据图像质量参数对图像采集装置或者采集环境进行调整。
在另一种实施例中,候选模板条件包括用于表征检测图像中的目标对象子图像与第一模板图像的相似度的条件。步骤S13的具体实施方法可以为:获取检测图像中的目标对象子图像;确定目标对象子图像与第一模板图像的相似度;在相似度大于或等于相似度阈值的情况下,确定检测图像中的目标对象子图像为候选模板图像。
示例地,首先,采用相关技术中的图像识别技术从检测图像中识别出目标对象子图像,并利用分割技术从检测图像中截取得到目标对象子图像。接着,确定目标对象子图像与第一模板图像的相似度。例如,分别对目标对象子图像与第一模板图像进行特征提取得到各自的特征向量,该特征向量可以为LBP(Local Binary Patter,局部二值化模式)特征,并使用汉明距离进行特征相似度度量,即,使用汉明距离表征两者的相似度。又例如,利用预训练的卷积神经网络分别对目标对象子图像与第一模板图像进行特征提取,并使用L2-范数(L2-norm)进行相似度度量,即,使用L2-范数表征两者的相似度。最后,在相似度大于或等于相似度阈值的情况下,确定检测图像中的目标对象子图像为候选模板图像。
采用上述方案,从检测图像中截取得到目标子图像,并在在目标对象子图像与第一模板图像的相似度大于或等于相似度阈值的情况下,将该目标子图像确定为候选模板图像。如此,可以避免检测图像中的背景图像部分的干扰,准确地确定出候选模板图像,进而在后续可以基于准确的候选模板图像对模板图像进行更新,提高了对模板图像更新的准确度。
在该实施例中,步骤S11中所获取的目标对象的检测信息还包括检测模式,检测模式包括单模板图像检测模式和多模板图像检测模式。其中,单模板图像检测模式是指目标对象的第一模板图像的数量为一帧,利用该一帧模板图像对目标对象进行检测。多模板图像检测模式是指目标对象的第一模板图像的数量为多帧,利用多帧模板图像对目标对象进行检测。
示例地,确定目标对象子图像与第一模板图像的相似度的具体实施方式为:在检测模式为多模板图像检测模式的情况下,将目标对象子图像与每一第一模板图像的相似度的平均值确定为目标对象子图像与第一模板图像的相似度。
也就说,在第一模板图像的数量为多帧时,分别计算目标对象子图像与每一帧第一模板图像的相似度,并将多个相似度的平均值确定为目标对象子图像与第一模板图像的相似度。
在又一种实施例中,候选模板条件包括用于表征图像质量的条件和/或5用于表征检测图像中的目标对象子图像与第一模板图像的相似度的条件。示例地,图2是根据一示例性实施例示出的一种实现图1中步骤S13的方法的流程图。如图2所示,步骤S13可以包括以下步骤。
在步骤S131中,若原因是目标原因,则分别确定检测图像和第一模板图像的图像质量参数。
0在步骤S132中,在检测图像的图像质量参数与第一模板图像的图像质量参数的差值小于或等于质量阈值时,获取检测图像中的目标对象子图像。
在步骤S133中,确定目标对象子图像与第一模板图像的相似度。
在步骤S134中,在相似度大于或等于相似度阈值的情况下,确定检测图像中的目标对象子图像为候选模板图像。
5应当理解的是,通常从检测图像中截取目标对象子图像且确定目标对象子图像与第一模板图像的相似度的工作量多与确定检测图像的图像质量的工作量,因此,在该实施例中,在确定检测图像的图像质量满足条件时,再从检测图像中截取目标对象子图像以及确定目标对象子图像与第一模板图
像的相似度,即,先确定检测图像是否满足用于表征图像质量的条件,再确0定是否用于表征检测图像中的目标对象子图像与第一模板图像的相似度的条件。如此,可以减少了工作量。
下面对图1中步骤S14在确定检测图像为候选模板图像的情况下,根据候选模板图像更新第一模板图像,得到目标对象的第二模板图像的具体实施方式进行说明。
5图3是根据一示例性实施例示出的一种实现图1中步骤S14的方法的流程图。如图3所示,步骤S14可以包括以下步骤。
在步骤S141中,在确定检测图像为候选模板图像的情况下,记录候选模板图像。
示例地,在确定检测图像为候选模板图像的情况下,可以将候选模板图像保存在预设的图像库中。
在步骤S142中,在连续检测的目标对象的第一预设数量帧检测图像中,记录为候选模板图像的数量达到第二预设数量时,在第二预设数量帧候选模板图像中确定目标候选模板图像。
其中,第二预设数量小于或等于第一预设数量,且第二预设数量和第一预设数量均为大于1的整数,
在本公开中,为了提高对模板图像更新的准确度,在连续检测的目标对象的第一预设数量帧检测图像中,能够作为候选模板图像被记录的检测图像的数量达到第二预设数量时,才在第二预设数量帧候选模板图像中确定目标候选模板图像,该目标候选模板图像用于对第一模板图像进行更新。
示例地,第一预设数量为20,第二预设数量为10,在检测设备联系检测的目标对象的20帧检测图像中,记录为候选模板图像的数量达到10帧时,才在该10帧候选模板图像中确定目标候选模板图像。例如,可以将与第一模板图像的相似度最高的候选模板图像确定为目标候选模板图像。
在步骤S143中,根据目标候选模板图像更新第一模板图像,得到目标对象的第二模板图像。
示例地,在检测模式为单模板图像检测模式的情况下,确定是否需要进行图像融合处理,在确定需要进行图像融合处理时,对目标候选模板图像和第一模板图像进行图像融合处理,并将处理后的图像确定为目标对象的第二模板图像,以及,在不需要进行图像融合处理时,将目标候选模板图像确定为目标对象的第二模板图像。其中,可以根据用户设置的信息确定是否需要进行图像融合处理。例如,在用户设置的信息包括进行图像融合处理的信息,则需要进行图像融合处理。
在检测模式为多模板图像检测模式的情况下,确定与目标候选模板图像的相似度最高的第一模板图像,并将目标对象的除相似度最高的第一模板图像之外的其他第一模板图像和目标候选模板图像确定为目标对象的第二模板图像。
其中,在检测模式为多模板图像检测模式的情况下,在上述将检测图像中的目标对象子图像为候选模板图像时,除了记录候选模板图像之外,还可以记录目标对象子图像与每一第一模板图像的相似度,这样,在该示例中,根据所记录的目标对象子图像与每一第一模板图像的相似度,确定出与目标候选模板图像的相似度最高的第一模板图像,并将目标对象的除该相似度最高的第一模板图像之外的其他第一模板图像和该目标候选模板图像确定为目标对象的第二模板图像。
应当理解的是,在检测模式为多模板图像检测模式的情况下,在确定出与目标候选模板图像的相似度最高的第一模板图像之后,还可以进一步确定是否需要进行图像融合处理,在确定需要进行图像融合处理时,对目标候选模板图像和该相似度最高的第一模板图像进行图像融合处理,并将处理后的图像和将目标对象的除相似度最高的第一模板图像之外的其他第一模板图像确定为目标对象的第二模板图像,以及,在不需要进行图像融合处理时,将目标对象的除相似度最高的第一模板图像之外的其他第一模板图像和目标候选模板图像确定为目标对象的第二模板图像。
此外,在得到目标对象的第二模板图像之后,可以将该目标对象的第一模板图像从模板图像库中删除,并将得到的目标对象的第二模板图像保存在该模板图像库中。同时,更新模板图像信息,该信息可以包括第二模板图像更新至模板图像库的时间,以及在更新生成第二模板图像过程中计算的数据,例如,亮度、清晰度和相似度等。
采用上述技术方案,采用可量化的判别标准来确定候选模板图像和目标候选模板图像,减少对人工的依赖,保证生产、检测的一致性和稳定性。
基于同一发明构思,本公开还提供一种模板图像的更新装置。图4是根据一示例性实施例示出的一种模板图像的更新装置的框图。如图4所示,模板图像的更新装置400包括:
获取模块401,被配置为在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;
第一确定模块402,被配置为根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;
第二确定模块403,被配置为若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;
更新模块404,被配置为在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
可选地,所述候选模板条件包括用于表征图像质量的条件和/或用于表征所述检测图像中的目标对象子图像与所述第一模板图像的相似度的条件。
可选地,所述候选模板条件包括用于表征图像质量的条件;所述第二确定模块403包括:
第一确定子模块,被配置为若所述原因是目标原因,则分别确定所述检测图像和所述第一模板图像的图像质量参数;
第二确定子模块,被配置为在所述检测图像的图像质量参数与所述第一模板图像的图像质量参数的差值小于或等于质量阈值时,确定所述检测图像为候选模板图像。
可选地,所述模板图像的更新装置400还包括:
发送模块,被配置为在所述检测图像的图像质量参数与所述第一模板图像的图像质量参数的差值大于所述质量阈值时,确定所述检测图像不为候选模板图像,并向诊断装置发送所述检测图像的图像质量参数。
可选地,所述候选模板条件包括用于表征所述检测图像中的目标对象子图像与所述第一模板图像的相似度的条件;所述第二确定模块403包括:
获取子模块,被配置为获取所述检测图像中的目标对象子图像;
第三确定子模块,被配置为确定所述目标对象子图像与所述第一模板图像的相似度;
第四确定子模块,被配置为在所述相似度大于或等于相似度阈值的情况下,确定所述检测图像中的目标对象子图像为候选模板图像。
可选地,所述检测信息还包括检测模式,所述检测模式包括单模板图像检测模式和多模板图像检测模式;所述第三确定子模块被配置为:
在所述检测模式为多模板图像检测模式的情况下,将所述目标对象子图像与每一所述第一模板图像的相似度的平均值确定为所述目标对象子图像与所述第一模板图像的相似度。
可选地,所述更新模块404包括:
记录子模块,被配置为在确定所述检测图像为候选模板图像的情况下,记录所述候选模板图像;
第五确定子模块,被配置为在连续检测的所述目标对象的第一预设数量帧检测图像中,记录为所述候选模板图像的数量达到第二预设数量时,在所述第二预设数量帧所述候选模板图像中确定目标候选模板图像,其中,所述第二预设数量小于或等于所述第一预设数量,且所述第二预设数量和所述第一预设数量均为大于1的整数;
更新子模块,被配置为根据所述目标候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
可选地,所述检测信息还包括检测模式,所述检测模式包括单模板图像检测模式和多模板图像检测模式;所述更新子模块被配置为:
在所述检测模式为所述单模板图像检测模式的情况下,确定是否需要进行图像融合处理,在确定需要进行所述图像融合处理时,对所述目标候选模板图像和所述第一模板图像进行所述图像融合处理,并将处理后的图像确定为所述目标对象的第二模板图像,以及,在不需要进行所述图像融合处理时,将所述目标候选模板图像确定为所述目标对象的第二模板图像;
在所述检测模式为所述多模板图像检测模式的情况下,确定与所述目标候选模板图像的相似度最高的第一模板图像,并将所述目标对象的除所述相似度最高的第一模板图像之外的其他第一模板图像和所述目标候选模板图像确定为所述目标对象的第二模板图像。
可选地,所述第一确定模块402包括:
第六确定子模块,被配置为若所述相似度和所述检测阈值的差值小于或等于预设差值,则确定导致所述目标对象的检测结果为不合格的原因是目标原因;以及
第七确定子模块,被配置为若所述相似度和所述检测阈值的差值大于所述预设差值,则确定导致所述目标对象的检测结果为不合格的原因是所述目标对象异常原因。
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。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的模板图像的更新方法的步骤。
图5是根据一示例性实施例示出的一种模板图像的更新装置的框图。例如,装置500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5,装置500可以包括以下一个或多个组件:处理组件502,存储器504,电源组件506,多媒体组件508,音频组件510,输入/输出接口512,传感器组件514,以及通信组件516。
处理组件502通常控制装置500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502可以包括一个或多个处理器520来执行指令,以完成模板图像的更新方法的全部或部分步骤。此外,处理组件502可以包括一个或多个模块,便于处理组件502和其他组件之间的交互。例如,处理组件502可以包括多媒体模块,以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在装置500的操作。这些数据的示例包括用于在装置500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504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,磁盘或光盘。
电源组件506为装置500的各种组件提供电力。电源组件506可以包括电源管理系统,一个或多个电源,及其他与为装置500生成、管理和分配电力相关联的组件。
多媒体组件508包括在所述装置500和用户之间的提供一个输出接口的屏幕。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。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述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508包括一个前置摄像头和/或后置摄像头。当装置500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一个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510被配置为输出和/或输入音频信号。例如,音频组件510包括一个麦克风(MIC),当装置500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504或经由通信组件516发送。在一些实施例中,音频组件510还包括一个扬声器,用于输出音频信号。
输入/输出接口512为处理组件502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514包括一个或多个传感器,用于为装置500提供各个方面的状态评估。例如,传感器组件514可以检测到装置500的打开/关闭状态,组件的相对定位,例如所述组件为装置500的显示器和小键盘,传感器组件514还可以检测装置500或装置500一个组件的位置改变,用户与装置500接触的存在或不存在,装置500方位或加速/减速和装置500的温度变化。传感器组件514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514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514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516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件516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,所述通信组件516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,装置500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,用于执行模板图像的更新方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器504,上述指令可由装置500的处理器520执行以完成上述方法。例如,所述非临时性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。
上述装置除了可以是独立的电子设备外,也可是独立电子设备的一部分,例如在一种实施例中,该装置可以是集成电路(Integrated Circuit,IC)或芯片,其中该集成电路可以是一个IC,也可以是多个IC的集合;该芯片可以包括但不限于以下种类:GPU(GraphicsProcessing Unit,图形处理器)、CPU(Central Processing Unit,中央处理器)、FPGA(Field Programmable Gate Array,可编程逻辑阵列)、DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、SOC(System on Chip,SoC,片上系统或系统级芯片)等。上述的集成电路或芯片中可以用于执行可执行指令(或代码),以实现上述的模板图像的更新方法。其中该可执行指令可以存储在该集成电路或芯片中,也可以从其他的装置或设备获取,例如该集成电路或芯片中包括处理器、存储器,以及用于与其他的装置通信的接口。该可执行指令可以存储于该存储器中,当该可执行指令被处理器执行时实现上述的模板图像的更新方法;或者,该集成电路或芯片可以通过该接口接收可执行指令并传输给该处理器执行,以实现上述的模板图像的更新方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的模板图像的更新方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请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下面的权利要求指出。
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 (13)
1.一种模板图像的更新方法,其特征在于,包括:
在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;
根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;
若所述原因是为目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;
在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
2.根据权利要求1所述的方法,其特征在于,所述候选模板条件包括用于表征图像质量的条件和/或用于表征所述检测图像中的目标对象子图像与所述第一模板图像的相似度的条件。
3.根据权利要求1所述的方法,其特征在于,所述候选模板条件包括用于表征图像质量的条件;所述若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像,包括:
若所述原因是目标原因,则分别确定所述检测图像和所述第一模板图像的图像质量参数;
在所述检测图像的图像质量参数与所述第一模板图像的图像质量参数的差值小于或等于质量阈值时,确定所述检测图像为候选模板图像。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述检测图像的图像质量参数与所述第一模板图像的图像质量参数的差值大于所述质量阈值时,确定所述检测图像不为候选模板图像,并向诊断装置发送所述检测图像的图像质量参数。
5.根据权利要求1所述的方法,其特征在于,所述候选模板条件包括用于表征所述检测图像中的目标对象子图像与所述第一模板图像的相似度的条件;所述若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像,包括:
获取所述检测图像中的目标对象子图像;
确定所述目标对象子图像与所述第一模板图像的相似度;
在所述相似度大于或等于相似度阈值的情况下,确定所述检测图像中的目标对象子图像为候选模板图像。
6.根据权利要求5所述的方法,其特征在于,所述检测信息还包括检测模式,所述检测模式包括单模板图像检测模式和多模板图像检测模式;所述确定所述目标对象子图像与所述第一模板图像的相似度,包括:
在所述检测模式为多模板图像检测模式的情况下,将所述目标对象子图像与每一所述第一模板图像的相似度的平均值确定为所述目标对象子图像与所述第一模板图像的相似度。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像,包括:
在确定所述检测图像为候选模板图像的情况下,记录所述候选模板图像;
在连续检测的所述目标对象的第一预设数量帧检测图像中,记录为所述候选模板图像的数量达到第二预设数量时,在所述第二预设数量帧所述候选模板图像中确定目标候选模板图像,其中,所述第二预设数量小于或等于所述第一预设数量,且所述第二预设数量和所述第一预设数量均为大于1的整数;
根据所述目标候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
8.根据权利要求7所述的方法,其特征在于,所述检测信息还包括检测模式,所述检测模式包括单模板图像检测模式和多模板图像检测模式;所述根据所述目标候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像,包括:
在所述检测模式为所述单模板图像检测模式的情况下,确定是否需要进行图像融合处理,在确定需要进行所述图像融合处理时,对所述目标候选模板图像和所述第一模板图像进行所述图像融合处理,并将处理后的图像确定为所述目标对象的第二模板图像,以及,在不需要进行所述图像融合处理时,将所述目标候选模板图像确定为所述目标对象的第二模板图像;
在所述检测模式为所述多模板图像检测模式的情况下,确定与所述目标候选模板图像的相似度最高的第一模板图像,并将所述目标对象的除所述相似度最高的第一模板图像之外的其他第一模板图像和所述目标候选模板图像确定为所述目标对象的第二模板图像。
9.根据权利要求1-6中任一项所述的方法,其特征在于,所述根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因,包括:
若所述相似度和所述检测阈值的差值小于或等于预设差值,则确定导致所述目标对象的检测结果为不合格的原因是目标原因;以及
若所述相似度和所述检测阈值的差值大于所述预设差值,则确定导致所述目标对象的检测结果为不合格的原因是所述目标对象异常原因。
10.一种模板图像的更新装置,其特征在于,包括:
获取模块,被配置为在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;
第一确定模块,被配置为根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;
第二确定模块,被配置为若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;
更新模块,被配置为在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
11.一种模板图像的更新装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
在检测设备处于运行状态时,获取检测结果为不合格的目标对象的检测信息,其中,所述检测信息包括所述目标对象的检测图像与所述目标对象的第一模板图像的相似度和所述目标对象对应的检测阈值;
根据所述相似度和所述检测阈值,确定导致所述目标对象的检测结果为不合格的原因;
若所述原因是目标原因,则根据预设的候选模板条件确定所述检测图像是否为候选模板图像;
在确定所述检测图像为候选模板图像的情况下,根据所述候选模板图像更新所述第一模板图像,得到所述目标对象的第二模板图像。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
13.一种芯片,其特征在于,包括处理器和接口;所述处理器用于读取指令以执行权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211543439.XA CN115937629B (zh) | 2022-12-02 | 2022-12-02 | 模板图像的更新方法、更新装置、可读存储介质及芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211543439.XA CN115937629B (zh) | 2022-12-02 | 2022-12-02 | 模板图像的更新方法、更新装置、可读存储介质及芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937629A true CN115937629A (zh) | 2023-04-07 |
CN115937629B CN115937629B (zh) | 2023-08-29 |
Family
ID=86653779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211543439.XA Active CN115937629B (zh) | 2022-12-02 | 2022-12-02 | 模板图像的更新方法、更新装置、可读存储介质及芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937629B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256561A (zh) * | 2017-04-28 | 2017-10-17 | 纳恩博(北京)科技有限公司 | 目标跟踪方法和装置 |
CN111767802A (zh) * | 2020-06-05 | 2020-10-13 | 京东数字科技控股有限公司 | 一种对象异常状态的检测方法和装置 |
CN111986178A (zh) * | 2020-08-21 | 2020-11-24 | 北京百度网讯科技有限公司 | 产品缺陷检测方法、装置、电子设备和存储介质 |
WO2021056450A1 (zh) * | 2019-09-27 | 2021-04-01 | 深圳市汇顶科技股份有限公司 | 图像模板的更新方法、设备及存储介质 |
CN113887523A (zh) * | 2021-11-03 | 2022-01-04 | 南京市城市与交通规划设计研究院股份有限公司 | 数据集更新方法、装置、电子设备和存储介质 |
CN115375929A (zh) * | 2022-10-25 | 2022-11-22 | 杭州华橙软件技术有限公司 | 目标模板集合的更新方法、装置及计算机可读存储介质 |
-
2022
- 2022-12-02 CN CN202211543439.XA patent/CN115937629B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107256561A (zh) * | 2017-04-28 | 2017-10-17 | 纳恩博(北京)科技有限公司 | 目标跟踪方法和装置 |
WO2021056450A1 (zh) * | 2019-09-27 | 2021-04-01 | 深圳市汇顶科技股份有限公司 | 图像模板的更新方法、设备及存储介质 |
CN111767802A (zh) * | 2020-06-05 | 2020-10-13 | 京东数字科技控股有限公司 | 一种对象异常状态的检测方法和装置 |
CN111986178A (zh) * | 2020-08-21 | 2020-11-24 | 北京百度网讯科技有限公司 | 产品缺陷检测方法、装置、电子设备和存储介质 |
CN113887523A (zh) * | 2021-11-03 | 2022-01-04 | 南京市城市与交通规划设计研究院股份有限公司 | 数据集更新方法、装置、电子设备和存储介质 |
CN115375929A (zh) * | 2022-10-25 | 2022-11-22 | 杭州华橙软件技术有限公司 | 目标模板集合的更新方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115937629B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2977956B1 (en) | Method, apparatus and device for segmenting an image | |
CN106651955B (zh) | 图片中目标物的定位方法及装置 | |
EP3200125B1 (en) | Fingerprint template input method and device | |
CN109446994B (zh) | 手势关键点检测方法、装置、电子设备及存储介质 | |
EP3163498A2 (en) | Alarming method and device | |
US9892314B2 (en) | Method and device for determining associated user | |
CN107480665B (zh) | 文字检测方法、装置及计算机可读存储介质 | |
EP3125135A1 (en) | Picture processing method and device | |
CN112258381A (zh) | 模型训练方法、图像处理方法、装置、设备及存储介质 | |
CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
CN108509944B (zh) | 指纹识别方法及装置 | |
CN105357425A (zh) | 图像拍摄方法及装置 | |
CN105069426A (zh) | 相似图片判断方法以及装置 | |
CN112927122A (zh) | 水印去除方法、装置及存储介质 | |
CN105631803A (zh) | 滤镜处理的方法和装置 | |
CN106408567A (zh) | 相机成像质量检测方法及装置 | |
CN112200040A (zh) | 遮挡图像检测方法、装置及介质 | |
CN105208284A (zh) | 拍摄提醒方法及装置 | |
CN115937629B (zh) | 模板图像的更新方法、更新装置、可读存储介质及芯片 | |
CN115861741A (zh) | 目标标定方法、装置、电子设备、存储介质及车辆 | |
CN114723715A (zh) | 车辆目标检测方法、装置、设备、车辆及介质 | |
CN111507202B (zh) | 图像处理方法、装置及存储介质 | |
CN117636451A (zh) | 作业检测方法、装置、电子设备及可读存储介质 | |
CN115690221A (zh) | 摄像头标定的异常定位方法、装置及存储介质 | |
CN117520834A (zh) | 检测方法、装置、终端及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |