RU2016109047A - Способ и устройство для идентификации области - Google Patents

Способ и устройство для идентификации области Download PDF

Info

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
Application number
RU2016109047A
Other languages
English (en)
Other versions
RU2633184C2 (ru
Inventor
ЛУН Фей
ЧЖАН Тао
ЧЭНЬ Чжицзюнь
Original Assignee
Сяоми Инк.
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
Application filed by Сяоми Инк. filed Critical Сяоми Инк.
Publication of RU2016109047A publication Critical patent/RU2016109047A/ru
Application granted granted Critical
Publication of RU2633184C2 publication Critical patent/RU2633184C2/ru

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/41Analysis of document content
    • G06V30/414Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/758Involving statistics of pixels or of feature values, e.g. histogram matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20016Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30176Document
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification
    • G06V40/173Classification, 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.
RU2016109047A 2015-10-30 2015-12-28 Способ и устройство для идентификации области RU2633184C2 (ru)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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