RU2016109047A - Способ и устройство для идентификации области - Google Patents
Способ и устройство для идентификации области Download PDFInfo
- Publication number
- RU2016109047A RU2016109047A RU2016109047A RU2016109047A RU2016109047A RU 2016109047 A RU2016109047 A RU 2016109047A RU 2016109047 A RU2016109047 A RU 2016109047A RU 2016109047 A RU2016109047 A RU 2016109047A RU 2016109047 A RU2016109047 A RU 2016109047A
- Authority
- RU
- Russia
- Prior art keywords
- target
- edge
- predetermined
- pixels
- region
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
- Image Processing (AREA)
Claims (59)
1. Способ для идентификации области, содержащий:
идентификацию заданного края в изображении идентификатора, причем заданный край является краем в заданном направлении идентификатора;
когда были идентифицированы n предполагаемых заданных краев, определение одного из n предполагаемых заданных краев в качестве целевого заданного края, при этом n≥2; и
идентификацию по меньшей мере одной информационной области в изображении идентификатора на основе целевого заданного края.
2. Способ по п. 1, отличающийся тем, что определение одного из n предполагаемых заданных краев в качестве целевого заданного края, когда были идентифицированы n предполагаемых заданных краев, содержит:
сортировку n предполагаемых заданных краев;
попытку идентификации целевой информационной области в изображении идентификатора с использованием i-го предполагаемого заданного края и первого относительного расположения, причем 1≤i≤n, и при этом первое относительное расположение является относительным расположением между целевым заданным краем и целевой информационно областью;
если целевая информационная область успешно идентифицирована, определение i-го предполагаемого заданного края в качестве целевого заданного края; и
если целевая информационная область не идентифицирована, задание i как i+1 и повторение этапа попытки идентификации целевой информационной области в изображении идентификатора с использованием i-го предполагаемого заданного края и первого относительного расположения.
3. Способ по п. 2, отличающийся тем, что сортировка n предполагаемых заданных краев содержит:
пересечение предполагаемого заданного края с пикселями основного цвета в одинаковом положении в обработанном изображении идентификатора для каждого предполагаемого заданного края с целью получения ряда точек пересечения, соответствующих предполагаемому заданному краю, причем обработанное изображение идентификатора является изображением, подвергнутым фильтрации на горизонтальном фильтре Собеля и бинаризации; и
сортировку n предполагаемых заданных краев на основе указанного ряда точек пересечения в порядке убывания.
4. Способ по п. 2, отличающийся тем, что попытка идентификации целевой информационной области в изображении идентификатора с использованием i-го предполагаемого заданного края и первого относительного расположения содержит:
обрезку интересующей области в изображении идентификатора с использованием i-го предполагаемого заданного края и первого относительного расположения; и
идентификацию в интересующей области наличия символьной области, удовлетворяющей заданным характеристикам, при этом заданные характеристики представляют собой характеристики, которыми обладает символьная область в целевой информационной области.
5. Способ по п. 4, отличающийся тем, что идентификация в интересующей области наличия символьной области, удовлетворяющей заданным характеристикам, содержит:
бинаризацию интересующей области для получения бинаризованной интересующей области;
вычисление первой гистограммы для бинаризованной интересующей области в горизонтальном направлении, причем первая гистограмма содержит вертикальные координаты пикселей в каждой строке и количество пикселей основного цвета среди пикселей в каждой строке;
вычисление второй гистограммы для бинаризованной интересующей области в вертикальном направлении, причем вторая гистограмма содержит горизонтальные координаты пикселей в каждом столбце и количество пикселей основного цвета среди пикселей в каждом столбце;
при этом если высота множества последовательных строк, состоящего из строк, в которых количество пикселей основного цвета в первой гистограмме превышает первое пороговое значение, соответствует заданному диапазону высоты, и количество множеств последовательных столбцов, состоящих из столбцов, в которых количество пикселей основного цвета во второй гистограмме превышает второе пороговое значение, соответствует заданному условию, то определяют, что символьная область, удовлетворяющая заданным характеристикам, успешно идентифицирована в интересующей области; а
если высота множества последовательных строк, состоящего из строк, в которых количество пикселей основного цвета в первой гистограмме превышает первое пороговое значение, не соответствует заданному диапазону высоты, или количество множеств последовательных столбцов, состоящих из столбцов, в которых количество пикселей основного цвета во второй гистограмме превышает второе пороговое значение, не соответствует заданному условию, то определяют, что символьная область, удовлетворяющая заданным характеристикам, не идентифицирована в интересующей области.
6. Способ по любому из пп. 1-5, отличающийся тем, что идентификация заданного края в изображении идентификатора содержит:
фильтрацию на горизонтальном фильтре Собеля и бинаризацию изображения идентификатора для получения обработанного изображения идентификатора;
выполнение обнаружения прямой линии в заданной области в обработанном изображении идентификатора для получения по меньшей мере одной прямой линии; и
когда получены n прямых линий, идентификацию n прямых линий в качестве n предполагаемых заданных краев, причем n≥2.
7. Способ по любому из пп. 1-5, отличающийся тем, что идентификация по меньшей мере одной информационной области в изображении идентификатора на основе целевого заданного края содержит определение по меньшей мере одной информационной области на основе целевого заданного края и второго относительного расположения, при этом второе относительное расположение представляет собой относительное расположение между целевым заданным краем и информационной областью.
8. Устройство для идентификации области, содержащее
модуль идентификации, выполненный с возможностью идентификации заданного края в изображении идентификатора, при этом заданный край является краем в заданном направлении идентификатора;
модуль определения, выполненный с возможностью определения одного из n предполагаемых заданных краев в качестве целевого заданного края, когда были идентифицированы n предполагаемых заданных краев, при этом n≥2; и
модуль идентификации области, выполненный с возможностью идентификации по меньшей мере одной информационной области в изображении идентификатора на основе целевого заданного края.
9. Устройство по п. 8, отличающееся тем, что модуль определения содержит
первый подмодуль сортировки, выполненный с возможностью сортировки n предполагаемых заданных краев;
первый подмодуль идентификации, выполненный с возможностью осуществления попытки идентификации целевой информационной области в изображении идентификатора с использованием i-го предполагаемого заданного края и первого относительного расположения, при этом 1≤i≤n, и при этом первое относительное расположение является относительным расположением между целевым заданным краем и целевой информационной областью;
второй подмодуль идентификации, выполненный с возможностью определения i-го предполагаемого заданного края в качестве целевого заданного края, если целевая информационная область успешно идентифицирована; и
третий подмодуль идентификации, выполненный с возможностью задания i как i+1 и возврата к первому подмодулю идентификации, если целевая информационная область не идентифицирована.
10. Устройство по п. 9, отличающееся тем, что первый подмодуль сортировки содержит
подмодуль пересечения, выполненный с возможностью пересечения предполагаемого заданного края с пикселями основного цвета в одинаковом положении в обработанном изображении идентификатора для каждого предполагаемого заданного края с целью получения ряда точек пересечения, соответствующих предполагаемому заданному краю, при этом обработанное изображение идентификатора является изображением, подвергнутым фильтрации на горизонтальном фильтре Собеля и бинаризации; и
второй подмодуль сортировки, выполненный с возможностью сортировки n предполагаемых заданных краев на основе указанного ряда точек пересечения в порядке убывания.
11. Устройство по п. 9, отличающееся тем, что первый подмодуль идентификации содержит
подмодуль обрезки, выполненный с возможностью обрезки интересующей области в изображении идентификатора с использованием i-го предполагаемого заданного края и первого относительного расположения; и
четвертый подмодуль идентификации, выполненный с возможностью идентификации в интересующей области наличия символьной области, удовлетворяющей заданным характеристикам, при этом заданные характеристики представляют собой характеристики, которыми обладает символьная область в целевой информационной области.
12. Устройство по п. 11, отличающееся тем, что четвертый подмодуль идентификации содержит
подмодуль бинаризации, выполненный с возможностью бинаризации интересующей области для получения бинаризированной интересующей области;
первый подмодуль вычисления, выполненный с возможностью вычисления первой гистограммы для бинаризированной интересующей области в горизонтальном направлении, причем первая гистограмма содержит вертикальные координаты пикселей в каждой строке и количество пикселей основного цвета среди пикселей в каждой строке;
второй подмодуль вычисления, выполненный с возможностью вычисления второй гистограммы для бинаризированной интересующей области в вертикальном направлении, причем вторая гистограмма содержит горизонтальные координаты пикселей в каждом столбце и количество пикселей основного цвета среди пикселей в каждом столбце;
подмодуль символьной идентификации, выполненный с возможностью определения того, что символьная область, удовлетворяющая заданным характеристикам, успешно идентифицирована в интересующей области, если высота множества последовательных строк, состоящего из строк, в которых количество пикселей основного цвета в первой гистограмме превышает первое пороговое значение, соответствует заданному диапазону высоты, и количество множеств последовательных столбцов, состоящих из столбцов, в которых количество пикселей основного цвета во второй гистограмме превышает второе пороговое значение, соответствует заданному условию; и
пятый подмодуль идентификации, выполненный с возможностью определения того, что символьная область, удовлетворяющая заданным характеристикам, не идентифицирована в интересующей области, если высота множества последовательных строк, состоящего из строк, в которых количество пикселей основного цвета в первой гистограмме превышает первое пороговое значение, не соответствует заданному диапазону высоты, или количество множеств последовательных столбцов, состоящих из столбцов, в которых количество пикселей основного цвета во второй гистограмме превышает второе пороговое значение, не соответствует заданному условию.
13. Устройство по любому из пп. 8-12, отличающееся тем, что модуль идентификации содержит
подмодуль фильтрации, выполненный с возможностью фильтрации на горизонтальном фильтре Собеля и бинаризации изображения идентификатора для получения обработанного изображения идентификатора;
подмодуль обнаружения, выполненный с возможностью выполнения обнаружения прямой линии в заданной области в обработанном изображении идентификатора для получения по меньшей мере одной прямой линии; и
подмодуль идентификации края, выполненный с возможностью идентификации n линий в качестве n предполагаемых заданных краев, когда получены n прямых линий, причем n≥2.
14. Устройство по любому из пп. 8-12, отличающееся тем, что модуль идентификации области выполнен с возможностью определения по меньшей мере одной информационной области на основе целевого заданного края и второго относительного расположения, при этом второе относительное расположение представляет собой относительное расположение между целевым заданным краем и информационной областью.
15. Устройство для идентификации области, содержащее
процессор; и
память для хранения инструкций, выполняемых процессором;
при этом процессор выполнен с возможностью:
идентификации заданного края в изображении идентификатора, при этом заданный край является краем в заданном направлении идентификатора;
определения одного из n предполагаемых заданных краев в качестве целевого заданного края, когда были идентифицированы n предполагаемых заданных краев, при этом n≥2; и
идентификации по меньшей мере одной информационной области в изображении идентификатора на основе целевого заданного края.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510726012.7 | 2015-10-30 | ||
CN201510726012.7A CN105550633B (zh) | 2015-10-30 | 2015-10-30 | 区域识别方法及装置 |
PCT/CN2015/099286 WO2017071061A1 (zh) | 2015-10-30 | 2015-12-28 | 区域识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2016109047A true RU2016109047A (ru) | 2017-09-19 |
RU2633184C2 RU2633184C2 (ru) | 2017-10-11 |
Family
ID=55829816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016109047A RU2633184C2 (ru) | 2015-10-30 | 2015-12-28 | Способ и устройство для идентификации области |
Country Status (8)
Country | Link |
---|---|
US (1) | US10095949B2 (ru) |
EP (1) | EP3163503A1 (ru) |
JP (1) | JP6392467B2 (ru) |
KR (1) | KR101758580B1 (ru) |
CN (1) | CN105550633B (ru) |
MX (1) | MX2016003318A (ru) |
RU (1) | RU2633184C2 (ru) |
WO (1) | WO2017071061A1 (ru) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106710372A (zh) * | 2017-01-11 | 2017-05-24 | 成都市极米科技有限公司 | 拼音卡片识别方法、装置以及终端设备 |
CN107358150B (zh) * | 2017-06-01 | 2020-08-18 | 深圳赛飞百步印社科技有限公司 | 物体边框识别方法、装置和高拍仪 |
CN109559344B (zh) * | 2017-09-26 | 2023-10-13 | 腾讯科技(上海)有限公司 | 边框检测方法、装置及存储介质 |
US10740644B2 (en) * | 2018-02-27 | 2020-08-11 | Intuit Inc. | Method and system for background removal from documents |
KR102063036B1 (ko) * | 2018-04-19 | 2020-01-07 | 한밭대학교 산학협력단 | 딥러닝과 문자인식으로 구현한 시각주의 모델 기반의 문서 종류 자동 분류 장치 및 방법 |
JP6574921B1 (ja) * | 2018-07-06 | 2019-09-11 | 楽天株式会社 | 画像処理システム、画像処理方法、及びプログラム |
JP7018372B2 (ja) * | 2018-08-30 | 2022-02-10 | 株式会社Pfu | 画像処理装置及び画像処理方法 |
US10331966B1 (en) * | 2018-10-19 | 2019-06-25 | Capital One Services, Llc | Image processing to detect a rectangular object |
CN111325197B (zh) * | 2018-11-29 | 2023-10-31 | 北京搜狗科技发展有限公司 | 数据处理方法和装置、用于数据处理的装置 |
WO2020229517A1 (de) * | 2019-05-13 | 2020-11-19 | Prismade Labs Gmbh | Vorrichtung und verfahren zur kontrolle von elektrisch leitfähigen sicherheitsmerkmalen und kontrollvorrichtung für elektrisch leitfähige sicherheitsmerkmale |
CN110399872B (zh) * | 2019-06-20 | 2023-04-28 | 创新先进技术有限公司 | 图像处理方法以及装置 |
CN110738204B (zh) * | 2019-09-18 | 2023-07-25 | 平安科技(深圳)有限公司 | 一种证件区域定位的方法及装置 |
CN111260631B (zh) * | 2020-01-16 | 2023-05-05 | 成都地铁运营有限公司 | 一种高效刚性接触线结构光光条提取方法 |
CN111724346A (zh) * | 2020-05-21 | 2020-09-29 | 北京配天技术有限公司 | 直线边缘检测方法、机器人及存储装置 |
CN113835582B (zh) * | 2021-09-27 | 2024-03-15 | 青岛海信移动通信技术有限公司 | 一种终端设备、信息显示方法和存储介质 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08161423A (ja) * | 1994-12-06 | 1996-06-21 | Dainippon Printing Co Ltd | 照明装置および文字読取装置 |
DE19958553A1 (de) * | 1999-12-04 | 2001-06-07 | Luratech Ges Fuer Luft Und Rau | Verfahren zur Kompression von gescannten Farb- und/oder Graustufendokumenten |
JP3823782B2 (ja) * | 2001-08-31 | 2006-09-20 | 日産自動車株式会社 | 先行車両認識装置 |
KR100608443B1 (ko) | 2004-06-30 | 2006-08-02 | 노틸러스효성 주식회사 | 형태복원을 통한 지로인식방법 |
RU2309456C2 (ru) * | 2005-12-08 | 2007-10-27 | "Аби Софтвер Лтд." | Способ распознавания текстовой информации из векторно-растрового изображения |
US8265393B2 (en) * | 2007-05-01 | 2012-09-11 | Compulink Management Center, Inc. | Photo-document segmentation method and system |
KR101291195B1 (ko) | 2007-11-22 | 2013-07-31 | 삼성전자주식회사 | 문자인식장치 및 방법 |
CN101751568B (zh) * | 2008-12-12 | 2012-07-18 | 汉王科技股份有限公司 | 证件号码定位和识别方法 |
US8345106B2 (en) * | 2009-09-23 | 2013-01-01 | Microsoft Corporation | Camera-based scanning |
US9639949B2 (en) * | 2010-03-15 | 2017-05-02 | Analog Devices, Inc. | Edge orientation for second derivative edge detection methods |
JP5742399B2 (ja) * | 2011-04-06 | 2015-07-01 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
CN102693421B (zh) * | 2012-05-31 | 2013-12-04 | 东南大学 | 基于sift 特征包的牛眼虹膜图像识别方法 |
CN103577817B (zh) | 2012-07-24 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 表单识别方法与装置 |
CN102982160B (zh) | 2012-12-05 | 2016-04-20 | 上海合合信息科技发展有限公司 | 方便电子化的专业笔记本及其电子化文档的自动分类方法 |
CN104217444B (zh) * | 2013-06-03 | 2018-06-05 | 支付宝(中国)网络技术有限公司 | 定位卡片区域的方法和设备 |
JP6161484B2 (ja) | 2013-09-19 | 2017-07-12 | 株式会社Pfu | 画像処理装置、画像処理方法及びコンピュータプログラム |
CN103488984B (zh) * | 2013-10-11 | 2017-04-12 | 瑞典爱立信有限公司 | 基于智能移动设备的二代身份证识别方法及装置 |
CN104573616A (zh) * | 2013-10-29 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种信息识别方法、相关装置及系统 |
KR101663790B1 (ko) | 2014-04-11 | 2016-10-10 | (주) 엠티콤 | 얼굴인식장치 및 그 동작 방법 |
CN104268864B (zh) * | 2014-09-18 | 2017-04-12 | 小米科技有限责任公司 | 卡片边缘提取方法和装置 |
CN104408450A (zh) * | 2014-11-21 | 2015-03-11 | 深圳天源迪科信息技术股份有限公司 | 身份证识别方法、装置及系统 |
CN105528600A (zh) | 2015-10-30 | 2016-04-27 | 小米科技有限责任公司 | 区域识别方法及装置 |
-
2015
- 2015-10-30 CN CN201510726012.7A patent/CN105550633B/zh active Active
- 2015-12-28 KR KR1020167005597A patent/KR101758580B1/ko active IP Right Grant
- 2015-12-28 MX MX2016003318A patent/MX2016003318A/es active IP Right Grant
- 2015-12-28 RU RU2016109047A patent/RU2633184C2/ru active
- 2015-12-28 JP JP2017547044A patent/JP6392467B2/ja active Active
- 2015-12-28 WO PCT/CN2015/099286 patent/WO2017071061A1/zh active Application Filing
-
2016
- 2016-10-20 US US15/298,340 patent/US10095949B2/en active Active
- 2016-10-21 EP EP16195105.8A patent/EP3163503A1/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
KR20170061633A (ko) | 2017-06-05 |
US20170124419A1 (en) | 2017-05-04 |
RU2633184C2 (ru) | 2017-10-11 |
JP6392467B2 (ja) | 2018-09-19 |
CN105550633A (zh) | 2016-05-04 |
US10095949B2 (en) | 2018-10-09 |
MX2016003318A (es) | 2018-06-22 |
JP2018500703A (ja) | 2018-01-11 |
EP3163503A1 (en) | 2017-05-03 |
KR101758580B1 (ko) | 2017-07-14 |
CN105550633B (zh) | 2018-12-11 |
WO2017071061A1 (zh) | 2017-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2016109047A (ru) | Способ и устройство для идентификации области | |
RU2016110434A (ru) | Способ и устройство для идентификации области | |
US10140529B2 (en) | Method, apparatus and device for detecting lane lines | |
JP6347815B2 (ja) | 車線境界を検出する方法、装置、およびデバイス | |
US11074443B2 (en) | Method and device for acquiring slant value of slant image, terminal and storage medium | |
US20160055392A1 (en) | Estimating degree of deterioration of road surface | |
JP2014059875A5 (ru) | ||
EP3309705A1 (en) | Qr code feature detection method and system | |
US9152866B2 (en) | Lane departure warning system and method | |
US10282629B2 (en) | Main-subject detection method, main-subject detection apparatus, and non-transitory computer readable storage medium | |
US20180173918A1 (en) | Primary Localization Method and System for QR Codes | |
Wang et al. | Car license plate detection based on MSER | |
US9589213B2 (en) | Apparatus for recognizing turnoff from vehicle roadway | |
JP6338429B2 (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
CN105261021A (zh) | 去除前景检测结果阴影的方法及装置 | |
US11030749B2 (en) | Image-processing apparatus, image-processing method, and storage medium storing image-processing program | |
US9508000B2 (en) | Object recognition apparatus | |
US20160307050A1 (en) | Method and system for ground truth determination in lane departure warning | |
CN111508017B (zh) | 一种弱对比度定位标记中心的方法和系统 | |
CN107784644B (zh) | 一种不相溶液体分界面的确定方法及装置 | |
JP6772059B2 (ja) | 電子制御装置、電子制御システムおよび電子制御方法 | |
Pandit et al. | A system for nail color analysis in healthcare | |
CN109214230B (zh) | 数据矩阵码识别方法、装置及电子设备 | |
CN113255637A (zh) | 图像边界的定位方法、图像处理设备、装置和存储介质 | |
JP6580201B2 (ja) | 被写体検出装置、被写体検出方法及びプログラム |