CN117788863A - 局部模板生成方法和局部模板生成装置 - Google Patents
局部模板生成方法和局部模板生成装置 Download PDFInfo
- Publication number
- CN117788863A CN117788863A CN202311849822.2A CN202311849822A CN117788863A CN 117788863 A CN117788863 A CN 117788863A CN 202311849822 A CN202311849822 A CN 202311849822A CN 117788863 A CN117788863 A CN 117788863A
- Authority
- CN
- China
- Prior art keywords
- target
- initial boundary
- points
- boundary point
- boundary points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
Abstract
本申请公开了一种局部模板生成方法和局部模板生成装置,属于畸变定位技术领域。所述局部模板生成方法,包括:对检测图像中的目标对象进行边界点提取,得到多个初始边界点以及各所述初始边界点对应的梯度方向;基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象;所述目标范围以所述目标初始边界点为中心;基于目标数量的所述初始边界点对各所述目标链对象进行分割,得到至少一个局部模板。本申请的局部模板生成方法,生成的用于定位的局部模板,有效降低畸变对定位的影响,提升定位的准确率,避免定位不准确以及定位错误的技术问题。
Description
技术领域
本申请属于畸变定位技术领域,尤其涉及一种局部模板生成方法和局部模板生成装置。
背景技术
图像匹配根据已知的图像模式在另一幅图像中搜索类似模板的目标。相关技术中,主要采用基于像素灰度值以及图像几何特征的图像匹配算法,上述图像匹配算法应用于刚性搜索空间,与实时图像中的目标进行匹配。但是在实际应用场景中,进行实时搜索的图像可能具有局部变形,上述方法在定位过程中受图像畸变的影响大,定位匹配度低,容易导致定位不准确以及定位错误的技术问题。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种局部模板生成方法和局部模板生成装置,生成用于定位的局部模板,有效降低畸变对定位的影响,提升定位的准确率,避免定位不准确以及定位错误的技术问题。
第一方面,本申请提供了一种局部模板生成方法,该方法包括:
对检测图像中的目标对象进行边界点提取,得到多个初始边界点以及各所述初始边界点对应的梯度方向;
基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象;所述目标范围以所述目标初始边界点为中心;
基于目标数量的所述初始边界点对各所述目标链对象进行分割,得到至少一个局部模板。
根据本申请的局部模板生成方法,通过对检测图像中的目标对象提取边缘点,得到目标对象的多个初始边界点以及各初始边界点对应的梯度方向,有效获取目标对象的信息,基于各初始边界点及其对应的梯度方向,在多个初始边界点中的目标初始边界点的周围目标范围内搜索与目标初始边界点连接的初始边界点,将连接的各初始边界点确定为目标链对象,有效提取目标对象的边缘轮廓信息,获取更多目标对象的描述信息,基于目标链对象以及目标数量对目标链对象进行分割得到一个或多个局部模板,基于分割得到的一个或多个局部模板进行畸变定位,提升畸变图像在进行模板匹配过程中的稳定性以及匹配度,生成的用于定位的局部模板,有效降低畸变对定位的影响,提升定位的准确率,避免定位不准确以及定位错误的技术问题。
根据本申请的局部模板生成方法,所述基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象,包括:
基于所述梯度方向,确定所述目标范围内各像素点对应的搜索路径;
基于所述搜索路径依次搜索所述目标范围内的像素点,将搜索得到的第一个所述初始边界点确定为所述目标初始边界点的相邻边界点;
将所述目标初始边界点与所述相邻边界点连接,得到所述至少一个目标链对象;
将所述相邻边界点确定为新的目标初始边界点,对所述新的目标初始边界点周围目标范围内的像素点进行搜索以及连接处理。
根据本申请的局部模板生成方法,所述将所述目标初始边界点与所述相邻边界点连接,得到所述至少一个目标链对象,包括:
将所述目标初始边界点与所述相邻边界点连接,并确定所述目标初始边界点的相邻边界点对应的相邻边界点;
在确定所述目标初始边界点的相邻边界点对应的相邻边界点与所述目标初始边界点不一致的情况下,断开所述目标初始边界点与所述相邻边界点的连接;
在确定所述目标初始边界点的相邻边界点对应的相邻边界点与所述目标初始边界点一致的情况下,将所述目标初始边界点的相邻边界点确定为新的所述目标初始边界点,对新的目标初始边界点周围所述目标范围内的像素点进行搜索以及连接处理,得到所述至少一个目标链对象。
根据本申请的局部模板生成方法,所述搜索路径包括搜索方向和基于所述搜索方向的搜索顺序;所述基于所述搜索路径依次搜索所述目标范围内的像素点,将搜索得到的第一个所述初始边界点确定为所述目标初始边界点的相邻边界点,包括:
从所述目标范围内的像素点中确定与目标搜索方向一致的像素点,得到至少一个第一像素点;
基于各所述第一像素点对应的搜索顺序,对所述至少一个第一像素点进行搜索,并将搜索得到的第一个所述初始边界点确定为所述目标初始边界点的相邻边界点;所述目标搜索方向包括第一方向或第二方向。
根据本申请的局部模板生成方法,所述基于目标数量的所述初始边界点对各所述目标链对象进行分割,得到至少一个局部模板;包括:
在所述目标链对象包括的所述初始边界点的数量为所述目标数量的整数倍的情况下,基于所述目标数量对所述目标链对象进行分割,得到多个所述局部模板;
在所述目标链对象包括的所述初始边界点的数量不为所述目标数量的整数倍的情况下,基于所述初始边界点的数量与所述目标数量的目标第一倍数和目标余数值,对所述目标链对象进行分割,得到至少一个所述局部模板。
根据本申请的局部模板生成方法,所述基于所述初始边界点的数量与所述目标数量的目标第一倍数和目标余数值,对所述目标链对象进行分割,得到至少一个所述局部模板,包括:
在所述目标余数值大于目标阈值的情况下,将所述目标第一倍数增加第一数值;在所述目标余数值不大于所述目标阈值的情况下,保持所述目标第一倍数的数值;
基于所述目标第一倍数和所述目标数量,对所述目标链对象进行分割,得到第一模板;
在所述目标链对象包括的剩余初始边界点数量大于第四数值的情况下,将所述剩余初始边界点数量平均分割,得到两个第二模板;所述剩余初始边界点数量为基于所述目标第一倍数和所述目标数量对所述目标链对象进行分割之后,所述目标链对象剩余的所述初始边界点的数量;
在所述剩余初始边界点数量不大于第四数值的情况下,将所述剩余初始边界点数量确定为第三模板;
基于所述第一模板、所述第二模板以及所述第三模板中的至少一个,得到所述至少一个局部模板。
根据本申请的局部模板生成方法,在所述基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象之后,所述方法还包括:
在所述目标链对象包括的所述初始边界点数量不大于目标分割数量的情况下,不对所述目标链对象进行分割;所述目标分割数量小于所述目标数量。
第二方面,本申请提供了一种局部模板生成装置,该装置包括:
第一处理模块,用于对检测图像中的目标对象进行边界点提取,得到多个初始边界点以及各所述初始边界点对应的梯度方向;
第二处理模块,用于基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象;所述目标范围以所述目标初始边界点为中心;
第三处理模块,用于基于目标数量的所述初始边界点对各所述目标链对象进行分割,得到至少一个局部模板。
根据本申请的局部模板生成装置,通过对检测图像中的目标对象提取边缘点,得到目标对象的多个初始边界点以及各初始边界点对应的梯度方向,有效获取目标对象的信息,基于各初始边界点及其对应的梯度方向,在多个初始边界点中的目标初始边界点的周围目标范围内搜索与目标初始边界点连接的初始边界点,将连接的各初始边界点确定为目标链对象,有效提取目标对象的边缘轮廓信息,获取更多目标对象的描述信息,基于目标链对象以及目标数量对目标链对象进行分割得到一个或多个局部模板,基于分割得到的一个或多个局部模板进行畸变定位,提升畸变图像在进行模板匹配过程中的稳定性以及匹配度,生成的用于定位的局部模板,有效降低畸变对定位的影响,提升定位的准确率,避免定位不准确以及定位错误的技术问题。
第三方面,本申请提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的局部模板生成方法。
第四方面,本申请提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的局部模板生成方法。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的局部模板生成方法。
本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
通过对检测图像中的目标对象提取边缘点,得到目标对象的多个初始边界点以及各初始边界点对应的梯度方向,有效获取目标对象的信息,基于各初始边界点及其对应的梯度方向,在多个初始边界点中的目标初始边界点的周围目标范围内搜索与目标初始边界点连接的初始边界点,将连接的各初始边界点确定为目标链对象,有效提取目标对象的边缘轮廓信息,获取更多目标对象的描述信息,基于目标链对象以及目标数量对目标链对象进行分割得到一个或多个局部模板,基于分割得到的一个或多个局部模板进行畸变定位,提升畸变图像在进行模板匹配过程中的稳定性以及匹配度,生成的用于定位的局部模板,有效降低畸变对定位的影响,提升定位的准确率,避免定位不准确以及定位错误的技术问题。
进一步地,通过将目标初始边界点与相邻边界点连接,并通过确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点一致性,检查目标初始边界点连接的相邻边界点是否正确,在正确的情况下,继续进行搜索以连接其他初始边界点,在不正确的情况下,断开该目标初始边界点与相邻边界点的连接,有效保障各初始边界点之间的连接正确性,提供准确的目标对象的边界信息。
更进一步地,通过从目标范围内的像素点中确定与目标搜索方向一致的像素点,确定多个第一像素点,基于各第一像素点对应的搜索顺序,对目标范围内的各第一像素点进行搜索,将搜索到的第一个初始边界点确定为该目标初始边界点的相邻边界点,有效确定初始边界点的连接方式,保障各初始边界点连接的正确性。
再进一步地,通过确定目标余数值与目标阈值的关系,进一步确定分割目标链对象的方式,在目标余数值大于目标阈值的情况下,确定新的目标余数值,在目标余数值不大于目标阈值的情况下,保持目标余数值不变,基于得到的目标余数值确定第一模板的数量,从而确定剩余初始边界点数量及其分割方式,通过上述方法有效对目标链对象进行分割,准确保留目标对象的信息,提高后续搜索局部模板的效率以及准确性。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的局部模板生成方法的流程示意图之一;
图2是本申请实施例提供的局部模板生成方法的原理图之一;
图3是本申请实施例提供的局部模板生成方法的原理图之二;
图4是本申请实施例提供的局部模板生成方法的流程示意图之二;
图5是本申请实施例提供的局部模板生成装置的结构示意图;
图6是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的局部模板生成方法、局部模板生成装置、电子设备和可读存储介质进行详细地说明。
其中,局部模板生成方法可应用于终端,具体可由,终端中的硬件或软件执行。
该终端包括但不限于移动电话或平板电脑等便携式通信设备。还应当理解的是,在某些实施例中,该终端可以不是便携式通信设备,而是台式计算机。
以下各个实施例中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和控制杆的一个或多个其它物理用户接口设备。
本申请实施例提供的局部模板生成方法,该局部模板生成方法的执行主体可以为电子设备或者电子设备中能够实现该局部模板生成方法的功能模块或功能实体,本申请实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等,下面以电子设备作为执行主体为例对本申请实施例提供的局部模板生成方法进行说明。
如图1所示,该局部模板生成方法包括:步骤110、步骤120和步骤130。
步骤110、对检测图像中的目标对象进行边界点提取,得到多个初始边界点以及各初始边界点对应的梯度方向;
在该步骤中,检测图像为通过图像传感器获取的用于定位的图像。
目标对象为检测图像中需要进行图像匹配的对象。
初始边界点为通过边缘检测算子得到的目标对象的边界点。
梯度方向为将初始边界点与相邻像素点的灰度值进行比较,得到的灰度值变化最快的方向,梯度方向的范围为0-360度。
在实际执行过程中,在通过图像传感器获取检测图像之后,可以通过边缘检测算子得到检测图像中目标对象的多个初始边界点以及各初始边界点的梯度方向。边缘检测算子的具体选择,本申请不作限定;例如,边缘检测算子可以是sobel算子。
将检测图像的灰度图输入至边缘检测算子中,边缘检测算子将输出目标对象的初始边界点列表。
初始边界点列表包括该初始边界点的位置、梯度大小和梯度方向。
步骤120、基于梯度方向,对多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象;
在该步骤中,目标初始边界点为多个初始边界点中的任意一个。
目标范围以目标初始边界点为中心。
目标范围的大小可以基于实际情况确定,本申请不作限定。
连接处理为将该目标初始边界点与另一初始边界点连接。
目标链对象为将多个初始边界点连接得到的链对象。
在实际执行过程中,以多个初始边界点中的目标初始边界点为中心,对该目标初始边界点周围目标范围内的像素点进行搜索,将搜索得到的初始边界点与该目标初始边界点进行连接,得到该目标初始边界点对应的目标链对象,对多个初始边界点进行重复操作,得到至少一个目标链对象。
在得到的目标链对象的长度较短或者目标链对象的梯度幅值和较小的情况下,可以将该目标链对象删除。
需要删除的目标链对象的具体长度以及梯度幅值和的具体数值可以基于实际情况确定,本申请不作限定。
如图2所示,在一些实施例中,步骤120还可以包括:
基于梯度方向,确定目标范围内各像素点对应的搜索路径;
基于搜索路径依次搜索目标范围内的像素点,将搜索得到的第一个初始边界点确定为目标初始边界点的相邻边界点;
将目标初始边界点与相邻边界点连接,得到至少一个目标链对象;
将相邻边界点确定为新的目标初始边界点,对新的目标初始边界点周围目标范围内的像素点进行搜索以及连接处理。
在该实施例中,搜索路径为搜索目标范围内可以与目标初始边界点连接的初始边界点的路径。
第一个初始边界点为基于搜索路径搜索得到的第一个初始边界点。
相邻边界点为与目标初始边界点相邻的初始边界点。
新的目标初始边界点为与目标初始边界点连接的相邻边界点。
在实际执行过程中,在确定目标初始边界点之后,基于该目标初始边界点的梯度方向,确定以目标初始边界点为中心的目标范围内各像素点对应的搜索路径,在基于搜索路径搜索得到的第一个初始边界点为该目标初始边界点的相邻边界点,在搜索到相邻边界点的情况下,将目标初始边界点与该相邻边界点连接,然后将该相邻边界点作为新的目标初始边界点,基于以新的目标初始边界点为中心的目标范围内的各像素点对应的搜索路径,搜索该新的目标初始边界点的相邻边界点,依次循环,重复步骤120,直至搜索不到新的目标初始边界点的相邻边界点,得到目标链对象。
对多个初始边界点进行相同方式的搜索可以得到多个目标链对象。
根据本申请实施例提供的局部模板生成方法,通过目标初始边界点的梯度方向,确定目标范围内各像素点对应的搜索路径,有效确定搜索相邻边界点的方式,将基于搜索路径在目标范围内的像素点搜索得到的第一个初始边界点确定为目标初始边界点的相邻边界点,将相邻边界点与目标初始边界点连接得到至少一个目标链对象,有效提取目标对象的边界信息。
在一些实施例中,将目标初始边界点与相邻边界点连接,得到至少一个目标链对象,还可以包括:
将目标初始边界点与相邻边界点连接,并确定目标初始边界点的相邻边界点对应的相邻边界点;
在确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点不一致的情况下,断开目标初始边界点与相邻边界点的连接;
在确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点一致的情况下,将目标初始边界点的相邻边界点确定为新的目标初始边界点,对新的目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象。
在该实施例中,确定目标初始边界点的相邻边界点对应的相邻边界点为对目标初始边界点连接的相邻边界点进行一致性检查。
相邻边界点包括:左邻边界点和右邻边界点。
在实际执行过程中,确定目标初始边界点的相邻边界点对应的相邻边界点可以为以目标初始边界点为基准进行一致性检查。
例如,在目标初始边界点的左邻边界点的右邻边界点不是目标初始边界点的情况下,表示该目标初始边界点不满足一致性检查。
又如,在目标初始边界点的右邻边界点的左邻边界点不是目标初始边界点的情况下,也表示该目标初始边界点不满足一致性检查。
在确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点不一致的情况下,断开目标初始边界点与相邻边界点的连接。
在确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点一致的情况下,保持该目标初始边界点与相邻边界点的连接,并将该相邻边界点确定为新的目标初始边界点,对新的目标初始边界点周围目标范围内的像素点进行搜索。
在搜索到新的相邻边界点的情况下,将新的目标初始边界点与新的相邻边界点进行连接,继续将新的相邻边界点确定为新的目标初始边界点进行搜索,直至搜索不到新的相邻边界点,结束搜索,获取最终的目标链对象。
根据本申请实施例提供的局部模板生成方法,通过将目标初始边界点与相邻边界点连接,并通过确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点一致性,检查目标初始边界点连接的相邻边界点是否正确,在正确的情况下,继续进行搜索以连接其他初始边界点,在不正确的情况下,断开该目标初始边界点与相邻边界点的连接,有效保障各初始边界点之间的连接正确性,提供准确的目标对象的边界信息。
如图3所示,在一些实施例中,搜索路径包括搜索方向和基于搜索方向的搜索顺序;基于搜索路径依次搜索目标范围内的像素点,将搜索得到的第一个初始边界点确定为目标初始边界点的相邻边界点,还可以包括:
从目标范围内的像素点中确定与目标搜索方向一致的像素点,得到至少一个第一像素点;
基于各第一像素点对应的搜索顺序,对至少一个第一像素点进行搜索,并将搜索得到的第一个初始边界点确定为目标初始边界点的相邻边界点。
在该实施例中,目标搜索方向为以目标初始边界点为中心搜索相邻边界点的方向。
目标搜索方向包括:第一方向和第二方向。
第一方向可以是搜索目标边界点的左邻边界点的方向。
第二方向可以是搜索目标边界点的右邻边界点的方向。
第一像素点为目标范围内与目标搜索方向一致的像素点。
可以理解的是,目标范围内的像素点都对应有一个第一像素点。
搜索顺序包括:第一方向的搜索顺序和第二方向的搜索顺序。
第一方向的搜索顺序可以表示为:+1、+2、+3以及+4。
第二方向的搜索顺序可以表示为:-1、-2、-3以及-4。
第一个初始边界点可能为右邻边界点,也可能为左邻边界点。
在实际执行过程中,基于搜索方向从目标范围内的像素点中确定与目标搜索方向一致的像素点,得到多个第一像素点,基于各第一像素点对应的搜索顺序,对多个第一像素点进行搜索,在搜索到的第一个初始边界点的情况下,将第一个初始边界点确定为目标初始边界点的相邻边界点。
例如,如图2(a)所示,中间位置为目标初始边界点,在搜索目标初始边界点的左邻边界点的过程中,先搜索+1所在的第一像素点,在该第一像素点存在初始边界点的情况下,将该初始边界点确定为初始边界点的左邻边界点,在该第一像素点不存在初始边界点的情况下,继续搜索+2所在的第一像素点,在+2所在的第一像素点仍不存在初始边界点的情况下,继续搜索+3所在的第一像素点,依次搜索,直至按照搜索顺序搜索结束。
根据本申请实施例提供的局部模板生成方法,通过从目标范围内的像素点中确定与目标搜索方向一致的像素点,确定多个第一像素点,基于各第一像素点对应的搜索顺序,对目标范围内的各第一像素点进行搜索,将搜索到的第一个初始边界点确定为该目标初始边界点的相邻边界点,有效确定初始边界点的连接方式,保障各初始边界点连接的正确性。
步骤130、基于目标数量的初始边界点对各目标链对象进行分割,得到至少一个局部模板。
在该步骤中,目标数量为分割目标链对象的预设数量。
目标数量的具体数值可以基于实际执行情况确定,本申请不作限定。
局部模板为对目标链对象进行分割得到的。
在实际执行过程中,以目标数量的初始边界点为基准对各目标链对象进行分割,在分割过程中,基于目标链对象上包括的初始边界点的数量进行相应的分割处理。
可以理解的是目标数量不同,最终得到的局部模板以及局部模板的数量也可能不同。
根据本申请实施例提供的局部模板生成方法,通过对检测图像中的目标对象提取边缘点,得到目标对象的多个初始边界点以及各初始边界点对应的梯度方向,有效获取目标对象的信息,基于各初始边界点及其对应的梯度方向,在多个初始边界点中的目标初始边界点的周围目标范围内搜索与目标初始边界点连接的初始边界点,将连接的各初始边界点确定为目标链对象,有效提取目标对象的边缘轮廓信息,获取更多目标对象的描述信息,基于目标链对象以及目标数量对目标链对象进行分割得到一个或多个局部模板,基于分割得到的一个或多个局部模板进行畸变定位,提升畸变图像在进行模板匹配过程中的稳定性以及匹配度,生成的用于定位的局部模板,有效降低畸变对定位的影响,提升定位的准确率,避免定位不准确以及定位错误的技术问题。
在一些实施例中,步骤130还可以包括:
在目标链对象包括的初始边界点的数量为目标数量的整数倍的情况下,基于目标数量对目标链对象进行分割,得到多个局部模板;
在目标链对象包括的初始边界点的数量不为目标数量的整数倍的情况下,基于初始边界点的数量与目标数量的目标第一倍数和目标余数值,对目标链对象进行分割,得到至少一个局部模板。
在该实施例中,目标第一倍数为目标链对象包括的初始边界点的数量除以目标数量的商。
目标余数值为目标链对象包括的初始边界点的数量除以目标数量的余数。
在实际执行过程中,在目标链对象包括的初始边界点的数量为目标数量的整数倍,即目标余数值为0的情况下,以目标数量为基准,将目标链对象平均分割。
例如,在目标链对象包括的初始边界点的数量为21个且目标数量为7个的情况下,每7个初始边界点为一组,将目标链对象平均分割为3个局部模板。
在目标链对象包括的初始边界点的数量不为目标数量的整数倍,即目标余数值不为0的情况下,基于目标余数值与目标数量进一步确定目标链对象的分割方式。
根据本申请实施例提供的局部模板生成方法,通过目标数量以及目标链对象包括的初始边界点的数量对目标链对象进行分割,得到至少一个局部模板,有效对目标链对象进行划分,使具有畸变的模型也可以在后续匹配过程中找到稳定的匹配特征,提高后续模型匹配的准确性。
如图4所示,在一些实施例中,基于初始边界点的数量与目标数量的目标第一倍数和目标余数值,对目标链对象进行分割,得到至少一个局部模板,还可以包括:
在目标余数值大于目标阈值的情况下,将目标第一倍数增加第一数值;在目标余数值不大于目标阈值的情况下,保持目标第一倍数的数值;
基于目标第一倍数和目标数量,对目标链对象进行分割,得到第一模板;
在目标链对象包括的剩余初始边界点数量大于第四数值的情况下,将剩余初始边界点数量平均分割,得到两个第二模板;
在剩余初始边界点数量不大于第四数值的情况下,将剩余初始边界点数量确定为第三模板;
基于第一模板、第二模板以及第三模板中的至少一个,得到至少一个局部模板。
在该实施例中,第一数值为对增加目标第一倍数的数值。
第一数值可以基于实际情况确定,本申请不作限定;例如,第一数值可以是1。
剩余初始边界点数量为基于目标第一倍数和目标数量对目标链对象进行分割之后,目标链对象剩余的初始边界点的数量。
第四数值为确定剩余初始边界点分割方式的预设值。
第四数值的具体数值可以基于实际情况确定,本申请不作限定;例如,第四数值可以是10或者12。
第一模板为基于目标数量对目标链对象进行分割得到的模板。
第二模板为在得到第一模板之后,在目标链对象包括的剩余初始边界点数量大于第四数值的情况下,对目标链对象包括的剩余初始边界点数量进行分割得到的模板。
第三模板为在得到第一模板之后,在目标链对象包括的剩余初始边界点数量不大于第四数值的情况下,对目标链对象包括的剩余初始边界点数量进行分割得到的模板。
在实际执行过程中,在基于目标链对象包括的初始边界点与目标数量得到目标第一倍数和目标余数值之后,确定目标余数值与目标阈值的关系,在目标余数值大于目标阈值的情况下,将目标第一倍数增加第一数值,在目标余数值不大于目标阈值的情况下,目标第一倍数保持不变。
基于当前的目标第一倍数和目标数量对目标链对象进行分割,得到0到目标第一倍数减2个第一模板,在基于目标数量和目标第一倍数对目标链对象进行分割得到第一模板之后,继续对目标链对象的剩余初始边界点数量进行分割,在剩余初始边界点数量大于第四数值的情况下,将剩余初始边界点平均分割,得到两个第二模板;在剩余初始边界点数量不大于第四数值的情况下,将剩余初始边界点确定为第三模板,基于第一模板、第二模板和第三模板中的至少一个,得到一个或多个局部模板。
继续参考图4,例如,在目标链对象包括的初始边界点的数量为19个、目标数量为7、目标阈值为4、第一数值为1以及第四数值为10的情况下,目标第一倍数为2,目标余数值为5,目标余数值5大于目标阈值4,将目标第一倍数增加第一数值,此时目标第一倍数为3,基于目标数量7,对目标链对象分割得到0到目标第一倍数减2个第一模板,即1个第一模板,在得到第一模板之后,目标链对象的剩余初始边界点数量为12,剩余初始边界点数量大于第四阈值,将该12个剩余初始边界点平均分割,得到2个第二模板,基于得到的1个第一模板和2个第二模板,得到最终的3个局部模板。
又如,在目标链对象包括的初始边界点的数量为16个、目标数量为7、目标阈值为4、第一数值为1以及第四数值为10的情况下,目标第一倍数为2,目标余数值为2,目标余数值2不大于目标阈值4,此时目标第一倍数保持为2,基于目标数量7,对目标链对象分割得到0到目标第一倍数减2个第一模板,即0个第一模板,此时目标链对象的剩余初始边界点数量为16,剩余初始边界点数量大于第四阈值,将该16个剩余初始边界点平均分割,得到2个第二模板,基于得到的0个第一模板和2个第二模板,得到最终的2个局部模板。
根据本申请实施例提供的局部模板生成方法,通过确定目标余数值与目标阈值的关系,进一步确定分割目标链对象的方式,在目标余数值大于目标阈值的情况下,确定新的目标余数值,在目标余数值不大于目标阈值的情况下,保持目标余数值不变,基于得到的目标余数值确定第一模板的数量,从而确定剩余初始边界点数量及其分割方式,通过上述方法有效对目标链对象进行分割,准确保留目标对象的信息,提高后续搜索局部模板的效率以及准确性。
在一些实施例中,在步骤120之前,该方法还可以包括:
在目标链对象包括的初始边界点数量不大于目标分割数量的情况下,不对目标链对象进行分割。
在该实施例中,目标分割数量为可以进行分割的目标链对象需要包括的初始边界点的最少数量。
目标分割数量小于目标数量。
目标分割数量可以基于实际情况确定,本申请不作限定;例如目标分割数量可以是5。
根据本申请实施例提供的局部模板生成方法,通过确定进行分割的目标链对象包括的初始边界点的最少数量,在目标链对象包括的初始边界点的数量不大于目标分割数量的情况下,不对目标链对象进行分割,减少不必要的分割操作,提升分割效率,减少分割所用的时间。
在一些实施例中,该方法还可以包括:基于上述任意实施例所述的局部模板生成方法训练生成局部模板的模型。
在应用过程中,只需将待测图像输入至该模型,即可由该模型自动输出待测图像对应的局部模板;基于获取的局部模板进行畸变定位。
根据本申请实施例提供的局部模板生成方法,通过局部模板生成方法训练生成局部模板的模型,有效获取待测图像的局部模板,基于局部模板对具有畸变的图像进行定位,降低畸变对定位过程的影响,提高定位的匹配度以及定位的准确性。
通过生成局部模板的模型对待测图像进行训练,生成用于畸变定位的训练模版;在待测图像的全局模板建立时,可以生成多层金字塔,每一层金字塔都会生成相对应的局部模版组;基于每一层金字塔的局部模板组再进行畸变定位,获取定位结果和局部模版的偏移向量,根据局部模版的偏移向量生成校正图像,将校正图像与模板图像做差,可以获得高亮的缺陷区域,完成缺陷检测需求。
本申请实施例提供的局部模板生成方法,执行主体可以为局部模板生成装置。本申请实施例中以局部模板生成装置执行局部模板生成方法为例,说明本申请实施例提供的局部模板生成装置。
本申请实施例还提供一种局部模板生成装置。
如图5所示,该局部模板生成装置包括:第一处理模块510、第二处理模块520和第三处理模块530。
第一处理模块510,用于对检测图像中的目标对象进行边界点提取,得到多个初始边界点以及各初始边界点对应的梯度方向;
第二处理模块520,用于基于梯度方向,对多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象;目标范围以目标初始边界点为中心;
第三处理模块530,用于基于目标数量的初始边界点对各目标链对象进行分割,得到至少一个局部模板。
根据本申请实施例提供的局部模板生成装置,通过对检测图像中的目标对象提取边缘点,得到目标对象的多个初始边界点以及各初始边界点对应的梯度方向,有效获取目标对象的信息,基于各初始边界点及其对应的梯度方向,在多个初始边界点中的目标初始边界点的周围目标范围内搜索与目标初始边界点连接的初始边界点,将连接的各初始边界点确定为目标链对象,有效提取目标对象的边缘轮廓信息,获取更多目标对象的描述信息,基于目标链对象以及目标数量对目标链对象进行分割得到一个或多个局部模板,基于分割得到的一个或多个局部模板进行畸变定位,提升畸变图像在进行模板匹配过程中的稳定性以及匹配度,生成的用于定位的局部模板,有效降低畸变对定位的影响,提升定位的准确率,避免定位不准确以及定位错误的技术问题。
在一些实施例中,第二处理模块520还可以用于:
基于梯度方向,确定目标范围内各像素点对应的搜索路径;
基于搜索路径依次搜索目标范围内的像素点,将搜索得到的第一个初始边界点确定为目标初始边界点的相邻边界点;
将目标初始边界点与相邻边界点连接,得到至少一个目标链对象;
将相邻边界点确定为新的目标初始边界点,对新的目标初始边界点周围目标范围内的像素点进行搜索以及连接处理。
在一些实施例中,该装置还可以包括第四处理模块,用于:
将目标初始边界点与相邻边界点连接,并确定目标初始边界点的相邻边界点对应的相邻边界点;
在确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点不一致的情况下,断开目标初始边界点与相邻边界点的连接;
在确定目标初始边界点的相邻边界点对应的相邻边界点与目标初始边界点一致的情况下,将目标初始边界点的相邻边界点确定为新的目标初始边界点,对新的目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象。
在一些实施例中,该装置还可以包括第五处理模块,用于:
从目标范围内的像素点中确定与目标搜索方向一致的像素点,得到至少一个第一像素点;
基于各第一像素点对应的搜索顺序,对至少一个第一像素点进行搜索,并将搜索得到的第一个初始边界点确定为目标初始边界点的相邻边界点;目标搜索方向包括第一方向或第二方向。
在一些实施例中,第三处理模块530还可以用于:
在目标链对象包括的初始边界点的数量为目标数量的整数倍的情况下,基于目标数量对目标链对象进行分割,得到多个局部模板;
在目标链对象包括的初始边界点的数量不为目标数量的整数倍的情况下,基于初始边界点的数量与目标数量的目标第一倍数和目标余数值,对目标链对象进行分割,得到至少一个局部模板。
在一些实施例中,该装置还可以包括第六处理模块,用于:
在目标余数值大于目标阈值的情况下,将目标第一倍数增加第一数值;在目标余数值不大于目标阈值的情况下,保持目标第一倍数的数值;
基于目标第一倍数和目标数量,对目标链对象进行分割,得到第一模板;
在目标链对象包括的剩余初始边界点数量大于第四数值的情况下,将剩余初始边界点数量平均分割,得到两个第二模板;剩余初始边界点数量为基于目标第一倍数和目标数量对目标链对象进行分割之后,目标链对象剩余的初始边界点的数量;
在剩余初始边界点数量不大于第四数值的情况下,将剩余初始边界点数量确定为第三模板;
基于第一模板、第二模板以及第三模板中的至少一个,得到至少一个局部模板。
在一些实施例中,该装置还可以包括第七处理模块,用于:
在目标链对象包括的初始边界点数量不大于目标分割数量的情况下,不对目标链对象进行分割;目标分割数量小于目标数量。
本申请实施例中的局部模板生成装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的局部模板生成装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为IOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的局部模板生成装置能够实现图1至图4的方法实施例实现的各个过程,为避免重复,这里不再赘述。
在一些实施例中,如图6所示,本申请实施例还提供一种电子设备600,包括处理器601、存储器602及存储在存储器602上并可在处理器601上运行的计算机程序,该程序被处理器601执行时实现上述局部模板生成方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述局部模板生成方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述局部模板生成方法。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述局部模板生成方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施例,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
Claims (10)
1.一种局部模板生成方法,其特征在于,包括:
对检测图像中的目标对象进行边界点提取,得到多个初始边界点以及各所述初始边界点对应的梯度方向;
基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象;所述目标范围以所述目标初始边界点为中心;
基于目标数量的所述初始边界点对各所述目标链对象进行分割,得到至少一个局部模板。
2.根据权利要求1所述的局部模板生成方法,其特征在于,所述基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象,包括:
基于所述梯度方向,确定所述目标范围内各像素点对应的搜索路径;
基于所述搜索路径依次搜索所述目标范围内的像素点,将搜索得到的第一个所述初始边界点确定为所述目标初始边界点的相邻边界点;
将所述目标初始边界点与所述相邻边界点连接,得到所述至少一个目标链对象;
将所述相邻边界点确定为新的目标初始边界点,对所述新的目标初始边界点周围目标范围内的像素点进行搜索以及连接处理。
3.根据权利要求2所述的局部模板生成方法,其特征在于,所述将所述目标初始边界点与所述相邻边界点连接,得到所述至少一个目标链对象,包括:
将所述目标初始边界点与所述相邻边界点连接,并确定所述目标初始边界点的相邻边界点对应的相邻边界点;
在确定所述目标初始边界点的相邻边界点对应的相邻边界点与所述目标初始边界点不一致的情况下,断开所述目标初始边界点与所述相邻边界点的连接;
在确定所述目标初始边界点的相邻边界点对应的相邻边界点与所述目标初始边界点一致的情况下,将所述目标初始边界点的相邻边界点确定为新的所述目标初始边界点,对新的目标初始边界点周围所述目标范围内的像素点进行搜索以及连接处理,得到所述至少一个目标链对象。
4.根据权利要求2所述的局部模板生成方法,其特征在于,所述搜索路径包括搜索方向和基于所述搜索方向的搜索顺序;所述基于所述搜索路径依次搜索所述目标范围内的像素点,将搜索得到的第一个所述初始边界点确定为所述目标初始边界点的相邻边界点,包括:
从所述目标范围内的像素点中确定与目标搜索方向一致的像素点,得到至少一个第一像素点;
基于各所述第一像素点对应的搜索顺序,对所述至少一个第一像素点进行搜索,并将搜索得到的第一个所述初始边界点确定为所述目标初始边界点的相邻边界点;所述目标搜索方向包括第一方向或第二方向。
5.根据权利要求1-3任一项所述的局部模板生成方法,其特征在于,所述基于目标数量的所述初始边界点对各所述目标链对象进行分割,得到至少一个局部模板;包括:
在所述目标链对象包括的所述初始边界点的数量为所述目标数量的整数倍的情况下,基于所述目标数量对所述目标链对象进行分割,得到多个所述局部模板;
在所述目标链对象包括的所述初始边界点的数量不为所述目标数量的整数倍的情况下,基于所述初始边界点的数量与所述目标数量的目标第一倍数和目标余数值,对所述目标链对象进行分割,得到至少一个所述局部模板。
6.根据权利要求5所述的局部模板生成方法,其特征在于,所述基于所述初始边界点的数量与所述目标数量的目标第一倍数和目标余数值,对所述目标链对象进行分割,得到至少一个所述局部模板,包括:
在所述目标余数值大于目标阈值的情况下,将所述目标第一倍数增加第一数值;在所述目标余数值不大于所述目标阈值的情况下,保持所述目标第一倍数的数值;
基于所述目标第一倍数和所述目标数量,对所述目标链对象进行分割,得到第一模板;
在所述目标链对象包括的剩余初始边界点数量大于第四数值的情况下,将所述剩余初始边界点数量平均分割,得到两个第二模板;所述剩余初始边界点数量为基于所述目标第一倍数和所述目标数量对所述目标链对象进行分割之后,所述目标链对象剩余的所述初始边界点的数量;
在所述剩余初始边界点数量不大于第四数值的情况下,将所述剩余初始边界点数量确定为第三模板;
基于所述第一模板、所述第二模板以及所述第三模板中的至少一个,得到所述至少一个局部模板。
7.根据权利要求1-3任一项所述的局部模板生成方法,其特征在于,在所述基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象之后,所述方法还包括:
在所述目标链对象包括的所述初始边界点数量不大于目标分割数量的情况下,不对所述目标链对象进行分割;所述目标分割数量小于所述目标数量。
8.一种局部模板生成装置,其特征在于,包括:
第一处理模块,用于对检测图像中的目标对象进行边界点提取,得到多个初始边界点以及各所述初始边界点对应的梯度方向;
第二处理模块,用于基于所述梯度方向,对所述多个初始边界点中目标初始边界点周围目标范围内的像素点进行搜索以及连接处理,得到至少一个目标链对象;所述目标范围以所述目标初始边界点为中心;
第三处理模块,用于基于目标数量的所述初始边界点对各所述目标链对象进行分割,得到至少一个局部模板。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7任一项所述的局部模板生成方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述局部模板生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311849822.2A CN117788863A (zh) | 2023-12-28 | 2023-12-28 | 局部模板生成方法和局部模板生成装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311849822.2A CN117788863A (zh) | 2023-12-28 | 2023-12-28 | 局部模板生成方法和局部模板生成装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117788863A true CN117788863A (zh) | 2024-03-29 |
Family
ID=90394337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311849822.2A Pending CN117788863A (zh) | 2023-12-28 | 2023-12-28 | 局部模板生成方法和局部模板生成装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117788863A (zh) |
-
2023
- 2023-12-28 CN CN202311849822.2A patent/CN117788863A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10936911B2 (en) | Logo detection | |
CN108960211B (zh) | 一种多目标人体姿态检测方法以及系统 | |
US8483440B2 (en) | Methods and systems for verifying automatic license plate recognition results | |
CN114186632B (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN112336342B (zh) | 手部关键点检测方法、装置及终端设备 | |
US20190333242A1 (en) | Method and apparatus for three-dimensional object pose estimation, device and storage medium | |
US20200005078A1 (en) | Content aware forensic detection of image manipulations | |
CN114187333A (zh) | 一种图像对齐方法、图像对齐装置及终端设备 | |
CN110827301A (zh) | 用于处理图像的方法和装置 | |
CN110956131B (zh) | 单目标追踪方法、装置及系统 | |
CN110210279A (zh) | 目标检测方法、装置及计算机可读存储介质 | |
CN115409951B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN117788863A (zh) | 局部模板生成方法和局部模板生成装置 | |
CN112801045B (zh) | 一种文本区域检测方法、电子设备及计算机存储介质 | |
CN116295466A (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
CN110287943B (zh) | 图像的对象识别方法、装置、电子设备及存储介质 | |
CN114495132A (zh) | 文字识别方法、装置、设备及存储介质 | |
CN113344994A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN112084874A (zh) | 一种物体检测方法、装置及终端设备 | |
CN112232361A (zh) | 图像处理的方法及装置、电子设备及计算机可读存储介质 | |
CN116994002B (zh) | 一种图像特征提取方法、装置、设备及存储介质 | |
CN117788442A (zh) | 畸变定位方法和畸变定位装置 | |
CN113643318B (zh) | 图像分割方法、图像分割装置及终端设备 | |
CN115797934B (zh) | 仪表示数方法、装置、电子设备以及存储介质 |
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 |