KR20130105542A - 이미지들 또는 이미지 시퀀스들에서의 객체 식별 - Google Patents

이미지들 또는 이미지 시퀀스들에서의 객체 식별 Download PDF

Info

Publication number
KR20130105542A
KR20130105542A KR1020130028134A KR20130028134A KR20130105542A KR 20130105542 A KR20130105542 A KR 20130105542A KR 1020130028134 A KR1020130028134 A KR 1020130028134A KR 20130028134 A KR20130028134 A KR 20130028134A KR 20130105542 A KR20130105542 A KR 20130105542A
Authority
KR
South Korea
Prior art keywords
superpixels
image
grouped
images
search engine
Prior art date
Application number
KR1020130028134A
Other languages
English (en)
Inventor
마르코 빈터
볼프람 푸츠케-로밍
요에른 잭할스키
Original Assignee
톰슨 라이센싱
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from EP12305534.5A external-priority patent/EP2665018A1/en
Application filed by 톰슨 라이센싱 filed Critical 톰슨 라이센싱
Publication of KR20130105542A publication Critical patent/KR20130105542A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

이미지 또는 이미지들의 시퀀스에서 객체를 식별하기 위한 해결책이 설명된다. 세그멘터(22)가 제1 이미지를 수퍼픽셀들로 분리한다(10). 분석기(23)에 의해 또는 사용자 인터페이스(24)를 통한 사용자 입력에 의해 이들 수퍼픽셀들로부터 그룹화된 수퍼픽셀들의 세트가 결정된다(11). 그룹화된 수퍼픽셀들의 세트는 검색 엔진(30)에 전송되고(12), 검색 엔진(30)은 상기 그룹화된 수퍼픽셀들의 세트에 대해 상기 검색 엔진(30)에 의해 수행된(14) 검색의 결과들을 리턴한다(15).

Description

이미지들 또는 이미지 시퀀스들에서의 객체 식별{OBJECT IDENTIFICATION IN IMAGES OR IMAGE SEQUENCES}
본 발명은 이미지에서 또는 이미지들의 시퀀스(a sequence of images)에서 객체를 식별하기 위한 방법 및 장치에 관한 것이다. 더욱 구체적으로, 본 발명은, 수퍼픽셀들(superpixels)을 이용하는, 이미지에서 또는 이미지들의 시퀀스에서 객체를 식별하기 위한 방법 및 장치에 관한 것이다.
2D 또는 3D 비디오 시퀀스들에서 또는 단일 이미지들에서 객체들을 식별하기 위한 다수의 접근법들이 존재한다. 예를 들어, 얼굴 인식은 콤팩트 카메라들에 대해 최첨단이고, 즉, 그것은 이미 저성능 CPU들에 대한 실시간 애플리케이션으로서 구현되어 있다. 그러나, 모든 이들 알고리즘들은 보통 특정 애플리케이션들에 대해 전용이다. 더욱 일반적인 접근법들은 통상적으로 매우 정교한 알고리즘들 및 증가된 프로세싱 능력을 요구한다.
따라서, 본 발명의 목적은 이미지에서 또는 이미지들의 시퀀스에서 객체를 식별하기 위한 단순하고 요구가 적은 해결책을 제안하는 것이다.
본 발명에 따르면, 이 목적은 이미지 또는 이미지들의 시퀀스에서 객체를 식별하기 위한 방법에 의해 실현되며, 상기 방법은,
- 제1 이미지를 수퍼픽셀들로 세그먼트화하는(segmenting) 단계;
- 그룹화된 수퍼픽셀들의 세트를 결정하는 단계;
- 상기 그룹화된 수퍼픽셀들의 세트를 검색 엔진에 전송하는 단계; 및
- 상기 그룹화된 수퍼픽셀들의 세트에 대해 상기 검색 엔진에 의해 수행된 검색의 결과들을 수신하는 단계
를 포함한다.
유사하게, 이미지 또는 이미지들의 시퀀스에서 객체를 식별하기 위한 장치는,
- 제1 이미지를 수퍼픽셀들로 세그먼트화하기 위한 세그멘터(segmenter);
- 그룹화된 수퍼픽셀들의 세트를 결정하기 위한 분석기 또는 사용자 인터페이스; 및
- 상기 그룹화된 수퍼픽셀들의 세트를 검색 엔진에 전송하고, 상기 그룹화된 수퍼픽셀들의 세트에 대해 상기 검색 엔진에 의해 수행된 검색의 결과들을 수신하기 위한 인터페이스
를 포함한다.
본 발명에 따른 해결책은 2D 또는 3D 또는 멀티-뷰(multi-view) 이미지 시퀀스에서 또는 단일 이미지에서 객체를 식별하기 위하여 2개의 상이한 접근법을 결합한다. 먼저, 하나 이상의 이미지들은 수퍼픽셀들로 세그먼트화된다. 그 다음에, 사용자는 더 조사되어야 하는 수퍼픽셀들을 표시(mark)하거나, 객체에 속하는 그룹화된 수퍼픽셀들의 세트가 자동으로 검출된다. 자동 검출은 예를 들어, 이미지들의 시퀀스의 경우에 수퍼픽셀들의 시간적 분석에, 입체 또는 멀티-뷰 이미지들의 세트의 2개 이상의 이미지들의 공간적 분석에, 또는 다른 이미지 분석 절차들에 기초한다. 임의의 경우, 일단 식별될 수퍼픽셀들의 세트가 알려지면, 이 수퍼픽셀들의 세트의 특성들의 리스트가 확립된다. 이들 특성들은 이들 특성들에 대한 가장 적절한 객체를 결정하는 특수 수퍼픽셀 객체 데이터베이스에 대해 질의로서 전송된다. 그 다음에, 식별된 타입의 객체는 사용자에게 보내진다. 본 발명은 대부분의 객체들이 특징적인 수퍼픽셀들의 세트를 갖는다는 발견을 활용한다. 따라서, 수퍼픽셀들에 기초하여 이미지 또는 이미지 시퀀스에서 객체를 식별하는 것이 가능하다. 데이터베이스들은 계속해서 점점 더 커지고 모두를 아우르기 때문에, 검색 엔진 능력의 성장은 셋톱박스들, 스마트폰들, 태블릿들 유사 장치들을 위한 편리한 객체 검색 툴을 가능하게 한다.
유리하게는, 부가적인 정보, 예를 들어, 식별될 객체를 포함하는 이미지 또는 이미지들의 시퀀스에 관한 메타데이터가 수퍼픽셀 객체 데이터베이스에 전송된다. 이러한 메타데이터의 예는 영화 제목, 영화의 배우들의 리스트 등이다. 이들 부가적인 메타데이터는 특정 정도로 올바르지 않은 분류를 배제할 것이기 때문에 분류를 안정화하는 데 도움을 준다. 또한, 검색 결과들을 향상시키기 위하여 관측된 객체의 시간적 이동이 분석되어 데이터베이스에 전송될 수 있다.
더 나은 이해를 위해, 본 발명은 이제 도면들을 참조하여 다음의 설명에서 더욱 상세히 설명될 것이다. 본 발명은 이 예시적인 실시예로 한정되지 않고, 특정 특징들이 또한 첨부된 청구항들에 정의된 바와 같은 본 발명의 범위에서 벗어나지 않고 편의상 결합 및/또는 수정될 수 있다는 것을 이해한다.
도 1은 원래 이미지를 도시한다.
도 2는 도 1의 이미지의 인간 표시 세그먼트화(human-marked segmentation)를 도시한다.
도 3은 도 1의 이미지로부터 얻어지는 수퍼픽셀들을 도시한다.
도 4는 도 3의 수퍼픽셀들을 이용하여 도 2의 인간 표시 세그먼트화의 재구성을 도시한다.
도 5는 사용자에 의해 표시된 다수의 수퍼픽셀들을 갖는 얼룩말의 이미지를 도시한다.
도 6은 사용자에 의해 표시된 수퍼픽셀들을 갖는 도 5의 확대된 일부를 도시한다.
도 7은 수퍼픽셀들로 세그먼트화된 물고기의 이미지를 도시한다.
도 8은 수퍼픽셀들로 세그먼트화된 빌딩의 이미지를 도시한다.
도 9는 객체 식별을 위한 본 발명에 따른 방법을 개략적으로 예시한다.
도 10은 객체 식별을 위한 본 발명에 따른 장치를 개략적으로 도시한다.
수퍼픽셀들, 더 정확히 말하면, 수퍼픽셀 맵들(superpixel maps)의 발생과, 객체 인식을 위한 그것들의 이용은 현재 이미지 프로세싱을 위한 고려사항에 있다. 예를 들어, 기사 X.　Ren et al.: "Learning a Classification Model for Segmentation", 9th IEEE International Conference on Computer Vision (ICCV 2003), pp. 10-17은 이미지들의 복잡성을 줄이기 위해서 이미지의 수퍼픽셀들로의 과세그먼트화(oversegmentation)를 설명한다.
X.　Ren et al.에 의한 위의 기사로부터 취해진 도 1 내지 4는 수퍼픽셀들로 세그먼트화된 이미지의 예를 도시하였다. 도 1은 원래 이미지를 도시하고, 도 2는 이 이미지의 인간 표시 세그먼트화를 도시한다. 도 3은 정규화 절단(Normalized Cuts) 알고리즘을 적용함으로써 얻어지는 200개의 수퍼픽셀들로의 이미지의 세그먼트화를 도시한다. 도 4는 도 3의 수퍼픽셀들로부터 도 2의 인간 세그먼트화의 재구성이다. 이 목적을 위해, 각각의 수퍼픽셀들은 최대 중첩 영역(maximum overlapping area)을 갖는 도 2의 세그먼트에 할당되고, 수퍼픽셀 경계들이 추출된다.
도 5는 사용자에 의해 표시된 다수의 수퍼픽셀들을 갖는 얼룩말의 이미지를 도시한다. 표시된 수퍼픽셀들이 더욱 분명하게 보이는 이 이미지의 확대된 일부가 도 6에 도시된다.
수퍼픽셀들로 세그먼트화되는 이미지들의 추가 예들이 도 7 및 8에 예시되고, 이것은 물고기의 이미지 및 빌딩의 이미지를 각각 도시한다.
본 발명에 따른 방법은 도 9에 개략적으로 예시된다. 대용량 데이터베이스들이 오늘날 보편적이다. 예를 들어, 인터넷 검색 엔진들은 전세계 서버 팜들에서의 막대한 양의 매우 강력한 데이터베이스들에 기초한다. 이용가능한 검색 기술들은 셋톱박스들, 스마트폰들, 태블릿 컴퓨터들, 등을 위해서도 강력한 객체 인식을 구현할 수 있게 한다. 이 목적을 위해, 제1 단계에서, 이미지가 수퍼픽셀들로 분리 또는 세그먼트화된다(10). 그 다음에, 사용자는 도 5 및 6에서 보이는 바와 같이, 객체에 속하는 수퍼픽셀들의 그룹을 선택하거나(11) 또는 장치 자체가 자동으로 그룹화된 수퍼픽셀들의 세트를 결정한다. 그 다음에, 장치는 그룹화된 수퍼픽셀들을 검색 엔진에 전송한다(12). 옵션으로, 장치는 이미지에 관한 부가적인 메타데이터 또는 다른 데이터, 예를 들어, 이미지가 특정 영화의 부분인지 등등을 전송한다(13). 그 다음에, 검색 엔진은 데이터베이스 검색을 이용하여 그룹화된 수퍼픽셀들에 의해 설명되는 객체를 식별한다(14). 결과가 그룹화되어 장치에 보내진다(15).
본 발명에 따른 장치(20)가 도 10에 도시된다. 장치(20)는 이미지 또는 이미지 시퀀스를 수신하기 위한 입력(21)을 포함한다. 세그멘터(22)가 이미지를 수퍼픽셀들로 분리한다. 분석기(23)가 그룹화된 수퍼픽셀들의 세트를 결정한다. 대안적으로, 사용자는 사용자 인터페이스(24)를 통해 객체에 속하는 수퍼픽셀들의 그룹을 선택할 수 있다. 검색 엔진(30)에 그룹화된 수퍼픽셀들을 전송하고 검색 엔진(30)에 의해 얻어진 검색의 결과들을 수신하기 위한 인터페이스(25)가 제공된다.
검색 결과는, 객체(예를 들어, 동물)의 대략적인(coarse) 분류; 더욱 특정한 분류(예를 들어, 얼룩말); 대안적인 분류(예를 들어, 콰가(quagga)); 현재 보는 영화의 다른 곳에서 이 객체가 보이는 곳(즉, 타임 스탬프들); 또는 그러한 객체를 갖는 다른 영화들(예를 들어, 험프리 보가트(Humphrey Bogart)를 갖는 다른 영화들)과 같은, 상이한 타입들의 정보를 커버할 수 있다. 분류와 함께, 분류의 확률치가 또한 제공될 수 있다.
배우들의 얼굴들; 동물들의 타입들; 유명한 성들 또는 빌딩들의 이름들; 집의 정면도를 표시함으로써 방송 필름(film) 또는 다큐멘테이션(documentation) 또는 뉴스 등에 나오는 집의 주소; 자동차 타입들; 예를 들어, 영화의 파이널 크레디트들(final credits)의 부분들을 표시함으로써 영화 제목들; 위치를 식별하기 위한 도시들의 특수 표지판, 차량 번호판, 빌딩 간판들 등; 그림 및 다른 미술 객체들, 예를 들어, 조각상; 예를 들어, 제품들에 관한 부가적인 정보를 획득하기 위한, 제품들의 상표들; 나무 타입, 나뭇잎 타입, 열매 타입 등; 예를 들어, 와인의 타입을 식별하기 위한 병 타입과 같은, 매우 다양한 상이한 객체들이 검출될 수 있다.
검색을 지원하기 위해 상이한 접근법들이 이용된다. 장치는 바람직하게는 객체들의 시간적 이동들을 주의함으로써 수퍼픽셀 발생을 최적화한다. 이 목적을 위해, 수퍼픽셀들의 경계들은 바람직하게는 객체 경계들과 일치한다. 이것은 객체 선택을 단순화한다. 그러나, 객체들의 완벽한 "컷(cut)"을 갖는 것은 필요하지 않고, 즉, 표시된 얼굴이 머리카락으로 둘러싸여 있는지 여부는 관련이 적다. 그룹화된 수퍼픽셀들의 이동은 객체의 타입을 식별하는 데 도움이 되는 특징적인 거동(characteristic behavior)을 가질 수 있다. 예를 들어, 자동차는 사람과 상이하게 이동하고, 사람은 영양(antelope)과 상이하게 이동하고, 영양은 독수리와 상이하게 이동하는 등등이다. 또한, 이동의 타입은 객체의 상태, 예를 들어, 영양이 달리거나, 서 있거나, 먹고 있거나, 또는 누워 있는지에 대한 힌트를 줄 수 있다. 이 분석은 유리하게는 장치에 의해 수행되어 메타데이터로서 검색 엔진에 전송된다.
21: 입력
22: 세그멘터
23: 분석기
24: 사용자 인터페이스
25: 인터페이스
30: 검색 엔진

Claims (6)

  1. 이미지 또는 이미지들의 시퀀스에서 객체를 식별하기 위한 방법으로서,
    - 제1 이미지를 수퍼픽셀들(superpixels)로 세그먼트화하는(segmenting) 단계(10);
    - 그룹화된 수퍼픽셀들의 세트를 결정하는 단계(11);
    - 상기 그룹화된 수퍼픽셀들의 세트를 검색 엔진(30)에 전송하는 단계(12); 및
    - 상기 그룹화된 수퍼픽셀들의 세트에 대해 상기 검색 엔진(30)에 의해 수행된(14) 검색의 결과들을 수신하는 단계(15)
    를 포함하는 객체 식별 방법.
  2. 제1항에 있어서, 상기 그룹화된 수퍼픽셀들의 세트는 사용자 입력에 의해 또는 상기 수퍼픽셀들의 분석에 의해 결정되는 객체 식별 방법.
  3. 제2항에 있어서, 상기 수퍼픽셀들의 분석은 상기 제1 이미지의 수퍼픽셀들과 제2 이미지의 대응하는 수퍼픽셀들 사이의 상대 시프트(relative shift)를 분석하는 것을 포함하는 객체 식별 방법.
  4. 제3항에 있어서, 상기 제1 이미지 및 상기 제2 이미지는 이미지들의 시퀀스의 시간적으로 인접한 이미지들 또는 입체 또는 멀티-뷰(multi-view) 이미지들의 세트의 공간적으로 인접한 이미지들인 객체 식별 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 이미지에 관한 부가적인 데이터는 상기 검색 엔진(30)에 전송되는(13) 객체 식별 방법.
  6. 이미지 또는 이미지들의 시퀀스에서 객체를 식별하기 위한 장치(20)로서,
    - 제1 이미지를 수퍼픽셀들로 세그먼트화(10)하기 위한 세그멘터(segmenter)(22);
    - 그룹화된 수퍼픽셀들의 세트를 결정(11)하기 위한 분석기(23) 또는 사용자 인터페이스(24); 및
    - 상기 그룹화된 수퍼픽셀들의 세트를 검색 엔진(30)에 전송(12)하고, 상기 그룹화된 수퍼픽셀들의 세트에 대해 상기 검색 엔진(30)에 의해 수행(14)된 검색의 결과들을 수신(15)하기 위한 인터페이스(25)
    를 포함하는 객체 식별 장치.
KR1020130028134A 2012-03-16 2013-03-15 이미지들 또는 이미지 시퀀스들에서의 객체 식별 KR20130105542A (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
EP12305317 2012-03-16
EP12305317.5 2012-03-16
EP12305534.5A EP2665018A1 (en) 2012-05-14 2012-05-14 Object identification in images or image sequences
EP12305534.5 2012-05-14

Publications (1)

Publication Number Publication Date
KR20130105542A true KR20130105542A (ko) 2013-09-25

Family

ID=47750552

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130028134A KR20130105542A (ko) 2012-03-16 2013-03-15 이미지들 또는 이미지 시퀀스들에서의 객체 식별

Country Status (5)

Country Link
US (1) US20130243307A1 (ko)
EP (1) EP2639745A1 (ko)
JP (1) JP2013196703A (ko)
KR (1) KR20130105542A (ko)
CN (1) CN103310189A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202014007202U1 (de) 2014-09-03 2014-11-24 Lg Electronics Inc. Wäschebehandlungsvorrichtung
US10671881B2 (en) 2017-04-11 2020-06-02 Microsoft Technology Licensing, Llc Image processing system with discriminative control

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2013248207A1 (en) * 2012-11-15 2014-05-29 Thomson Licensing Method for superpixel life cycle management
US9646386B2 (en) * 2013-08-16 2017-05-09 Thomson Licensing Method and apparatus for generating temporally consistent superpixels
DE102014113817A1 (de) * 2013-10-15 2015-04-16 Electronics And Telecommunications Research Institute Vorrichtung und Verfahren zur Erkennung eines Objekts in Einem Bild
US9626462B2 (en) * 2014-07-01 2017-04-18 3M Innovative Properties Company Detecting tooth wear using intra-oral 3D scans
KR101720685B1 (ko) * 2014-11-04 2017-04-10 한국전자통신연구원 웹 데이터 기반 방송 콘텐츠 객체 식별 검증 장치 및 방법
US9762934B2 (en) 2014-11-04 2017-09-12 Electronics And Telecommunications Research Institute Apparatus and method for verifying broadcast content object identification based on web data
US9524666B2 (en) * 2014-12-03 2016-12-20 Revolution Display, Llc OLED display modules for large-format OLED displays
CN105457908B (zh) * 2015-11-12 2018-04-13 孙高磊 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及系统
JP6736334B2 (ja) * 2016-04-07 2020-08-05 東芝テック株式会社 画像処理装置
US10650233B2 (en) 2018-04-25 2020-05-12 International Business Machines Corporation Identifying discrete elements of a composite object
CN110638477B (zh) * 2018-06-26 2023-08-11 佳能医疗系统株式会社 医用图像诊断装置以及对位方法
CN110968711B (zh) * 2019-10-24 2021-04-02 湖南大学 一种基于序列图像特征的自主无人系统位置识别定位方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000513897A (ja) * 1997-02-06 2000-10-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 画像分割およびオブジェクト追跡方法と、対応するシステム
US20120113273A1 (en) * 2004-11-29 2012-05-10 Ariel Inventions Llc System, Method, and Devices for Searching for a Digital Image over a Communication Network
TWI403912B (zh) * 2006-06-08 2013-08-01 Univ Nat Chiao Tung 圖像檢索之方法及系統
US9195898B2 (en) * 2009-04-14 2015-11-24 Qualcomm Incorporated Systems and methods for image recognition using mobile devices
CN102378992B (zh) * 2009-12-28 2014-12-24 松下电器产业株式会社 关节状区域检测装置及其方法
US8554011B2 (en) * 2011-06-07 2013-10-08 Microsoft Corporation Automatic exposure correction of images

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202014007202U1 (de) 2014-09-03 2014-11-24 Lg Electronics Inc. Wäschebehandlungsvorrichtung
US10671881B2 (en) 2017-04-11 2020-06-02 Microsoft Technology Licensing, Llc Image processing system with discriminative control

Also Published As

Publication number Publication date
CN103310189A (zh) 2013-09-18
EP2639745A1 (en) 2013-09-18
US20130243307A1 (en) 2013-09-19
JP2013196703A (ja) 2013-09-30

Similar Documents

Publication Publication Date Title
KR20130105542A (ko) 이미지들 또는 이미지 시퀀스들에서의 객체 식별
US10628673B2 (en) Fast recognition algorithm processing, systems and methods
US10779037B2 (en) Method and system for identifying relevant media content
CN110198432B (zh) 视频数据的处理方法、装置、计算机可读介质及电子设备
US9754166B2 (en) Method of identifying and replacing an object or area in a digital image with another object or area
US9323785B2 (en) Method and system for mobile visual search using metadata and segmentation
US9204112B2 (en) Systems, circuits, and methods for efficient hierarchical object recognition based on clustered invariant features
US9424461B1 (en) Object recognition for three-dimensional bodies
US20130148898A1 (en) Clustering objects detected in video
RU2018142028A (ru) Обнаружение объектов из запросов визуального поиска
US10104345B2 (en) Data-enhanced video viewing system and methods for computer vision processing
US9881084B1 (en) Image match based video search
EP2587826A1 (en) Extraction and association method and system for objects of interest in video
US9544655B2 (en) Visual hash tags via trending recognition activities, systems and methods
EP2665018A1 (en) Object identification in images or image sequences
CN106778449B (zh) 动态影像的物件辨识方法及自动截取目标图像的互动式影片建立方法
EP3115927A1 (en) Method and apparatus for processing a scene
TW201340036A (zh) 影像或影像序列中客體之識別方法和裝置
GB2562814B (en) Method and system for identifying relevant media content
KR20230076716A (ko) 객체 맥락화를 이용한 영상 검색 시스템
CN115424216A (zh) 图像处理方法和处理器
CN116091147A (zh) 一种产品推荐方法、装置及设备
CN117011562A (zh) 一种图像处理方法、装置、设备及存储介质
Bartoli User interest profiling by real time person detection and coarse gaze estimation
CN111382650A (zh) 商品购物处理系统、方法、装置及电子设备

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid