TW202122764A - 用於在自然及/或人工光下之物件辨識之系統及方法 - Google Patents
用於在自然及/或人工光下之物件辨識之系統及方法 Download PDFInfo
- Publication number
- TW202122764A TW202122764A TW109119097A TW109119097A TW202122764A TW 202122764 A TW202122764 A TW 202122764A TW 109119097 A TW109119097 A TW 109119097A TW 109119097 A TW109119097 A TW 109119097A TW 202122764 A TW202122764 A TW 202122764A
- Authority
- TW
- Taiwan
- Prior art keywords
- spectral
- scene
- light source
- luminescence spectrum
- spectrum pattern
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000003595 spectral effect Effects 0.000 claims abstract description 180
- 238000013500 data storage Methods 0.000 claims abstract description 37
- 238000004020 luminiscence type Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000001748 luminescence spectrum Methods 0.000 claims description 58
- 230000005855 radiation Effects 0.000 claims description 34
- 238000000295 emission spectrum Methods 0.000 claims description 21
- 230000000903 blocking effect Effects 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 239000000049 pigment Substances 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 238000000411 transmission spectrum Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000009500 colour coating Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 235000015927 pasta Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006862 quantum yield reaction Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Vascular Medicine (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Spectrometry And Color Measurement (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
Abstract
本發明係關於一種用於經由一電腦視覺應用軟體而進行物件辨識之系統及方法，該系統包括至少以下組件：
至少一個待辨識物件，該物件具有物件特有反射及發光光譜型樣，
一光源，其經組態以照明包含該至少一個物件之一場景，該光源經設計以在照明該場景時忽略一光譜範圍之至少一個光譜頻帶，該至少一個經忽略光譜頻帶係處於該至少一個物件之該發光光譜型樣中，
至少一個感測器，其經組態以在該場景由該光源照明時在該至少一個經忽略光譜頻帶中之至少一者中排他地量測該場景之輻射資料，
一資料儲存單元，其包括發光光譜型樣連同經適當指派各別物件，
一資料處理單元，其經組態以自該場景之該所量測輻射資料提取該至少一個待辨識物件之該物件特有發光光譜型樣且將該所提取物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
Description
本發明係關於一種用於使用濾光器在自然及/或人工光下之物件辨識之系統及方法。
由於電子裝置之大量使用，因此電腦視覺係迅速發展之一領域，該等電子裝置能夠基於結構化光或立體視覺(僅舉幾例)經由感測器(諸如攝影機)、距離感測器(諸如LiDAR或雷達)及深度攝影機系統而收集關於其周圍環境之資訊。此等電子裝置提供將由一電腦處理單元處理之原始影像資料且因此使用人工智慧及/或電腦輔助演算法來形成對一環境或一場景之一瞭解。存在可形成對環境之此瞭解之多種方式。一般而言，形成二維或三維影像及/或地圖，且分析此等影像及/或地圖以用於形成對場景及彼場景中之物件之一瞭解。用於改良電腦視覺之一種前景係量測場景中之物件之化學組成之成分。儘管可使用環境中獲取為二維或三維影像之物件之形狀及外觀來形成對環境之一瞭解，但此等技術具有某些缺點。
在電腦視覺領域中之一種挑戰係能夠使用感測器、計算能力、光探頭等中之一最小量之資源以高準確性及低延時來在每一場景內識別儘可能多之物件。多年來，已將物件識別程序稱作遠端感測、物件識別、分類、鑑認或辨識。在本發明之範疇中，將一電腦視覺系統識別一場景中之一物件之能力稱作「物件辨識」。舉例而言，一電腦分析一圖像並識別/標記彼圖像中之一球(有時利用更進一步資訊，諸如一球之類型(籃球、足球、棒球)、品牌、內容脈絡等)歸於術語「物件辨識」。
一般而言，用於在電腦視覺系統中辨識一物件之技術可如下進行分類：技術 1 ：
實體標籤(基於影像)：條碼、QR碼、序列號、文字、圖案、全像圖等。技術 2 ：
實體標籤(基於掃描/緊密接觸)：觀看角度相依顏料、上轉換顏料、異染性材料、色彩(紅色/綠色)、發光材料。技術 3 ：
電子標籤(被動)：RFID標籤等。附接至所關注物件之裝置不具有電源、未必可見但可在其他頻率(舉例而言，無線電)下進行操作。技術 4 ：
電子標籤(主動)：無線通信、光、無線電、交通工具至交通工具、交通工具至任何事物(X)等。所關注物件上之經供電裝置發出呈各種形式之資訊。技術 5 ：
特徵檢測(基於影像)：影像分析及識別，亦即，自側面看一汽車在特定距離處之兩個輪子；針對臉部辨識之兩隻眼睛、一鼻子及嘴巴(以彼次序)等。此依賴於已知幾何形狀/形狀。技術 6 ：
基於深度學習/CNN (基於影像)：利用汽車、臉部等之經標記影像之諸多圖像來訓練一電腦，且該電腦判定將檢測之特徵並預測所關注物件是否存在於新區域中。需要針對每一類別之待識別物件而重複進行訓練程序。技術 7 ：
物件追蹤方法：以一特定次序來組織一場景中之物品並在開始時標記經排序物件。此後利用已知色彩/幾何形狀/三維座標來跟隨場景中之物件。若物件離開場景且重新進入，則「辨識」丟失。
在以下內容中，呈現上文所提及技術之某些缺點。技術 1 ：
當影像中之一物件被遮蔽或物件之僅一小部分處於視野中時，可無法讀取條碼、標誌等。此外，撓性物品上之條碼等可被扭曲，從而限制可見性。一物件之所有側面將必須攜載自一定距離處可見之較大條碼，否則僅可在近距離且具有正確定向之情況下辨識物件。舉例而言，當將要掃描一商店之貨架上之一物體上之一條碼時，此將係一問題。當在一整個場景內進行操作時，技術1依賴於可變化之周圍光照。技術 2 ：
上轉換顏料由於其較小量子產率而具有低位準之發射光，因此在觀看距離上具有限制。該等上轉換顏料需要強光探頭。該等上轉換顏料通常係不透明的且係大顆粒，從而限制塗層之選項。以下事實使該等上轉換顏料之使用進一步複雜化：與螢光及光反射相比，上轉換回應係較慢的。儘管某些應用取決於所使用之化合物而利用此獨特回應時間，但此僅在預先知曉彼感測器/物件系統之飛行距離時間時係可能的。在電腦視覺應用軟體中很少出現此情形。出於此等原因，防偽感測器具有經覆蓋/暗區段以用於讀取、具有1級或2級雷射作為探頭以及距所關注物件之一固定且有限距離以確保準確性。
類似地，觀看角度相依顏料系統僅在近距離起作用且需要在多個角度下進行觀看。而且，為了視覺上令人愉快之效果，色彩並非係均勻的。必須管理入射光光譜來獲得正確量測。在一單個影像/場景內，具有角度相依色彩塗層之一物件將沿著樣本尺寸具有對攝影機可見之多種色彩。
基於色彩之辨識係困難的，此乃因所量測色彩部分地取決於周圍光照條件。因此，針對每一場景需要參考樣本及/或受控制光照條件。不同感測器亦將具有用以區分不同色彩之不同能力，且將自一種感測器類型/製造商至另一感測器類型/製造商而不同，從而針對每一感測器需要校準檔案。
在周圍光照下基於發光之辨識係一挑戰性任務，此乃因物件之反射及發光成分被添加在一起。通常，基於發光之辨識將替代地利用一暗量測條件及對發光材料之激發區之一先驗知曉，因此可使用正確光探頭/光源。技術 3 ：
諸如RFID標籤之電子標籤需要將一電路、集電器及天線附接至所關注物品/物件，從而增加設計之成本及複雜性。RFID標籤提供當前類型資訊或不提供類型信息，但不提供精確位置資訊，除非使用場景內之諸多感測器。技術 4 ：
此等主動方法需要將所關注物件連接至一電源，此對於如一足球、一襯衫或一麵食盒之簡單物品而言係成本高昂的且因此係不實際的。技術 5 ：
預測準確性在很大程度上取決於影像之品質及攝影機在場景內之位置，此乃因遮蔽、不同觀看角度及諸如此類可容易改變結果。標誌類型影像可存在於場景內之多個位置中(亦即，一標誌可位於一球、一T恤、一帽子或一咖啡杯上)且物件辨識係藉由推斷。必須盡力將物件之視覺參數轉換為數學參數。可改變其形狀之撓性物件係成問題的，此乃因每一可能形狀必須包含於資料庫中。總是存在固有之模糊性，此乃因類似形狀之物件可被誤認為所關注物件。技術 6 ：
訓練資料集之品質決定方法之成功。針對待辨識/分類之每一物件，需要諸多訓練影像。如針對技術5之相同遮蔽及撓性物件形狀限制適用。需要利用數千個或更多影像來訓練每一類別之材料。技術 7 ：
此技術在對場景進行預組織時起作用，但此係很少實際的。若所關注物件離開場景或被完全遮蔽，則無法辨識該物件，除非與以上其他技術組合。
除現有技術之上文所提及缺點之外，亦存在值得提及之某些其他挑戰。用以看到一長距離之能力、用以看到小物件之能力或用以看到足夠詳細之物件之能力皆需要高解析度成像系統，亦即，高解析度攝影機、LiDAR、雷達等。高解析度需要增加相關聯感測器成本且增加待處理之資料量。
針對如自主駕駛或安全之需要即時回應之應用，延時係另一重要態樣。需要處理之資料量判定邊緣或雲端計算是否適合於應用，該雲端計算僅在資料載入較小之情況下係可能的。當邊緣計算與繁重處理一起使用時，操作系統之裝置變得更龐大且限制易用性並因此限制實施。
因此，需要適合於改良電腦視覺應用軟體之物件辨識能力之系統及方法。
本發明提供一種具有獨立技術方案之特徵之系統及方法。實施例係附屬技術方案及說明以及圖式之主題。
根據技術方案1，提供一種用於經由一電腦視覺應用軟體而進行物件辨識之系統，該系統包括至少以下組件：
至少一個待辨識物件，該物件具有一物件特有反射光譜型樣及一物件特有發光光譜型樣，
一自然及/或人工光源，其經組態以照明包含該至少一個物件之一場景，該光源經設計以在照明該場景時忽略一光譜範圍之至少一個光譜頻帶，該至少一個經忽略光譜頻帶係處於該至少一個物件之該發光光譜型樣中，
一感測器，其經組態以在包含該至少一個物件之該場景由該光源照明時量測該場景之輻射資料，且在該至少一個經忽略光譜頻帶上進行讀取，
一資料儲存單元，其包括發光光譜型樣連同經適當指派各別物件，
一資料處理單元，其經組態以自在該至少一個經忽略光譜頻帶內之該場景之該所量測輻射資料計算/提取/導出該至少一個待辨識物件之該物件特有發光光譜型樣且將該所計算/所提取/所導出物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
根據該系統之一項可能實施例，該光源係一LED光源，該LED光源經組態以在照明該場景時有意地且固有地省略(忽略)該光譜範圍之至少一個個別光譜頻帶。該LED光源可由複數個窄頻帶LED組成，每一LED經組態以發射一窄光譜頻帶中之光，該等LED之該等光譜頻帶利用其間的經忽略個別光譜頻帶而彼此間隔開。
在所提出系統之一進一步態樣中，該光源配備有至少一個濾光器，該至少一個濾光器經設計以阻擋該光譜範圍之該至少一個個別光譜頻帶進入該場景。
術語「個別光譜頻帶」(在下文中亦簡單地稱作「光譜頻帶」)指示橫跨光譜範圍內之僅一個或相當小數目個連續光波長之一光譜頻帶，該光譜範圍橫跨相當高數目個連續光波長。
在本發明之範疇內，周圍光可為自然光或人工/室內光，但通常並非此兩者兼有。在某些情形中，該周圍光可為此兩者且可在相同光譜頻帶上對此兩者進行濾光。在太陽透過一房間之一窗而照射且該房間由一電燈泡進一步照明時給出此等情形中之一者。舉例而言，自然光可為陽光、月光、星光等。人工光可為來自燈泡之光等。
在本發明之範疇內，同義地使用術語「螢光(fluorescent)」及「發光(luminescent)」。此同樣適用於術語「螢光(fluorescence)」及「發光(luminescence)」。
根據本發明之一項態樣，將該至少一個濾光器設計為一動態濾光器，該動態濾光器經組態以一次阻擋至少一個光譜頻帶進入該場景且改變將動態地阻擋之該至少一個光譜頻帶，從而隨時間阻擋該光譜範圍之至少一個部分。
預先給出複數個個別光譜頻帶且使該系統隨機地選擇將在照明該場景時忽略/阻擋哪一(些)光譜頻帶係可能的，每一光譜頻帶係處於該至少一個物件之該發光光譜型樣中。藉由以下操作而執行此選擇：在複數個光源當中選擇及/或啟動至少一個適合光源，該複數個光源中之每一光源經組態以忽略複數個光譜頻帶中之一光譜頻帶，及/或控制一光源，該光源經組態以選擇性地忽略/阻擋複數個光譜頻帶中之所有光譜頻帶，使得光源隨機地忽略光譜頻帶中之一或多者(啟動/撤銷啟動該光源所配備之一濾光器，及/或啟動/選擇一LED光源之一或多個單個LED)。
此外，該動態濾光器經組態以在所關注光譜範圍內連續操作且按需提供對至少一個所關注頻帶(特定而言，在由該至少一個物件之發光光譜型樣覆蓋之波長上)之阻擋。
根據所提出系統之一進一步實施例，該系統包括位於照明該場景之同一自然及/或人工光源上及/或多個自然或人工光源上之複數個動態濾光器，其中該等濾光器經組態以彼此同步來同時阻擋相同的一或若干光譜頻帶。
在所主張系統之仍另一實施例中，將該至少一個濾光器設計為一陷波濾光器，該陷波濾光器經組態以連續在至少一個不同光譜頻帶上阻擋如在自然光照中自一窗或自一人工光照元件進入該場景之光。
該陷波濾光器可經設計以阻擋該光譜範圍內之複數個不同光譜頻帶。
藉由使用窄頻帶或寬頻帶陷波濾光器，阻擋光譜之特定部分進入一場景/一環境係可能的。此等陷波濾光器可經設計以具有寬廣或窄阻擋頻帶，該等寬廣或窄阻擋頻帶具有高或低阻擋效能。此等陷波濾光器可經設計以經由多個膜之分層或其他技術而包含一個或數個阻擋頻帶(多陷波濾光器)。另一選擇係，可藉由使用如下濾光元件而達成相同目標：一次阻擋光譜頻帶之部分，但具有動態地改變阻擋頻帶波長之能力(動態濾光器)。此等動態濾光器可經操作以連續掃描光譜範圍且按需在一所關注波長頻帶上提供阻擋(如一陷波濾光器)。
根據所提出系統之另一實施例，至少一個感測器係一攝影機，該攝影機經組態以對該場景進行成像且以所關注時間間隔(特定而言，以在忽略個別光譜頻帶時(例如，在濾光發生時)之時間間隔)在該光譜範圍之不同波長範圍內記錄該場景內之輻射資料。
該感測器可為一超光譜攝影機或一多光譜攝影機。該感測器一般係具有光子計數能力之一光學感測器。更具體而言，該感測器可為一單色攝影機或一RGB攝影機或者一多光譜攝影機或一超光譜攝影機。該感測器可為以上各項中之任何者之一組合，或者以上各項中之任何者與一可調諧或可選擇濾光器集合(例如，一單色感測器與特定濾光器)之組合。該感測器可一次量測場景之一單個像素或量測諸多像素。該光學感測器可經組態以對一特定光譜範圍、特定而言三個以上頻帶內之光子進行計數。該光學感測器可為具有多個像素以獲得一較大視域之一攝影機，從而特定而言同時讀取所有頻帶或在不同時間讀取不同頻帶。
一多光譜攝影機跨越電磁光譜而擷取特定波長範圍內之影像資料。波長可藉由濾光器或藉由使用對特定波長(包含來自超出可見光範圍之頻率(亦即，紅外線及紫外線)之光)敏感之儀器而分離。光譜成像可允許提取人眼無法利用其紅色、綠色及藍色受體擷取之額外資訊。一多光譜攝影機量測較小數目個(通常3個至15個)光譜頻帶中之光。一超光譜攝影機係光譜攝影機之一特殊情形，其中通常數百個連續光譜頻帶係可用的。
在一進一步態樣中，該資料處理單元經組態以基於在被忽略/被阻擋/被濾光之光譜頻帶內之該場景之該輻射資料(例如，基於該至少一個濾光器之光譜分佈)而計算該至少一個待辨識物件之該物件特有發光光譜型樣，且將該所計算物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
本發明進一步係關於一種用於經由一電腦視覺應用軟體而進行物件辨識之方法，該方法包括至少以下步驟：
提供一待辨識物件，該物件具有物件特有反射及發光光譜型樣，
使用一自然及/或人工光源來照明包含該物件之一場景，該光源經設計以在照明該場景時忽略一光譜範圍之至少一個個別光譜頻帶，該至少一個光譜頻帶適於該至少一個物件之該發光光譜型樣且覆蓋該發光光譜型樣之至少一個波長，亦即，該至少一個經濾光光譜頻帶係處於該物件之該發光光譜範圍中，
當包含該物件之該場景由該光源照明時，藉助於一感測器而量測該場景之輻射資料，且在該至少一個經忽略光譜頻帶上進行讀取，
提供一資料儲存單元，該資料儲存單元包括發光光譜型樣連同經適當指派各別物件，
藉助於一資料處理單元而自該場景之該所量測輻射資料提取該待辨識物件之該物件特有發光光譜型樣，
將該所提取物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，及
識別一最佳匹配發光光譜型樣及因此其所指派物件。
根據所提出方法之一項實施例，該光源配備有至少一個濾光器，該至少一個濾光器經設計以阻擋至少一個個別光譜頻帶。另一選擇係，將該光源選擇為具有一或多個LED之一LED光源，每一LED經組態以發射一窄光譜頻帶中之光，該等LED之該等光譜頻帶利用其間的經忽略個別光譜頻帶而彼此間隔開。
在一進一步態樣中，該方法進一步包括將該至少一個濾光器選擇為一動態濾光器且掃描所關注光譜範圍並且按需在一所關注波長/光譜頻帶上(特定而言，在由該至少一個物件之發光光譜型樣覆蓋之波長上)提供阻擋。
根據仍一進一步態樣，所提出方法包括將該至少一個濾光器選擇為一陷波濾光器，該陷波濾光器經組態以永久地阻擋至少一個不同光譜頻帶，特定而言阻擋該光譜範圍內之複數個不同光譜頻帶。該陷波濾光器可經組態以連續在至少一個不同光譜頻帶上阻擋如在自然光照中自一窗或自一人工光照元件進入該場景之光。
根據所提出方法之仍另一實施例，提取該物件特有發光光譜型樣包括：基於在被忽略之該至少一個光譜頻帶內之該場景之該輻射資料(例如，基於至少一個濾光器以及該場景之該所量測輻射資料之光譜分佈)而計算該至少一個待辨識物件之該物件特有發光光譜型樣，且將該所計算物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
一般而言，至少該光源、該感測器、該資料處理單元及該資料儲存單元(資料庫)經由各別通信連接而彼此網路連結。因此，監測裝置之不同組件之間的通信連接中之每一者可分別係一直接連接或一間接連接。每一通信連接可為一有線或一無線連接。可使用每一適合通信技術。該資料處理單元、該感測器、該資料儲存單元、該光源各自可包含用於彼此進行通信之一或多個通信介面。可使用一有線資料傳輸協定(諸如光纖分散式資料介面(FDDI)、數位訂戶線(DSL)、乙太網路、異步傳送模式(ATM)或任何其他有線傳輸協定)來執行此通信。另一選擇係，可使用多種協定(諸如一般封包無線電服務(GPRS)、通用行動電信系統(UMTS)、分碼多重存取(CDMA)、長期演進(LTE)、無線通用串列匯流排(USB)及/或任何其他無線協定)中之任一者經由無線通信網路而無線地進行該通信。各別通信可為一無線通信與一有線通信之一組合。
該資料處理單元可包含一或多個輸入單元(諸如一觸控螢幕、一音訊輸入、一移動輸入、一滑鼠、一小鍵盤輸入及/或諸如此類)或者可與該一或多個輸入單元進行通信連接。此外，該資料處理單元可包含一或多個輸出單元(諸如一音訊輸出、一視訊輸出、螢幕/顯示器輸出及/或諸如此類)或者可與該一或多個輸出單元進行通信(亦即，進行通信連接)。
本發明之實施例可與一電腦系統一起使用或併入於該電腦系統中，該電腦系統可為一獨立單元或包含經由一網路(例如，網際網路或一內部網路)而與位於(舉例而言)一雲端中之一中央電腦進行通信之一或多個遠端終端或裝置。如此，本文中所闡述之資料處理單元及相關組件可為一區域電腦系統或一遠端電腦或一線上系統或者其等之一組合之一部分。本文中所闡述之資料庫，亦即，資料儲存單元及軟體可儲存於電腦內部記憶體中或一非暫時性電腦可讀媒體中。在本發明之範疇內，資料庫可為資料儲存單元之一部分或可表示資料儲存單元本身。同義地使用術語「資料庫」及「資料儲存單元」。
本發明進一步係關於一種具有可由一電腦執行之指令之電腦程式產品，該電腦程式產品包括用以進行以下操作之指令：
提供一待辨識物件，該物件具有物件特有反射及發光光譜型樣，
使用一自然及/或人工光源來照明包含該物件之一場景，該光源經設計以在照明該場景時忽略一光譜範圍之至少一個個別光譜頻帶，該至少一個光譜頻帶適於該至少一個物件之該發光光譜型樣且覆蓋該發光光譜型樣之至少一個波長，亦即，該至少一個經忽略光譜頻帶係處於該物件之該發光光譜範圍中，
當包含該物件之該場景由該光源照明時，量測該場景之輻射資料，且在至少一個經濾光光譜頻帶上進行讀取，
提供一資料儲存單元，該資料儲存單元包括發光光譜型樣連同經適當指派各別物件，
自該場景之該所量測輻射資料提取該待辨識物件之該物件特有發光光譜型樣，及
將該所提取物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，以及
識別一最佳匹配發光光譜型樣及因此其所指派物件。
該光源可配備有至少一個濾光器，該至少一個濾光器經設計以阻擋至少一個個別光譜頻帶進入該場景。
在一項態樣中，該電腦程式產品進一步具有用以進行以下操作之指令：基於在該至少一個光譜頻帶內之該場景之該輻射資料而計算該至少一個待辨識物件之該物件特有發光光譜型樣且將該所計算物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
本發明闡述一種用以在不變(穩態)周圍光照條件下檢測一場景內之一物件/材料之一螢光發射光譜之系統及方法。該系統可包括：陷波濾光器，其應用於一室內空間中之光源(各種類型之電燈泡及/或窗等)，或者使用相同經濾光光源之室外之暗或低周圍光條件；一感測器/攝影機，其能夠掃描場景且在不同波長範圍內記錄該場景內之回應；及一資料處理單元，其經組態以基於該等陷波濾光器之光譜分佈(亦即，基於來自該感測器/攝影機的已在該光源之經忽略光譜頻帶內被量測之所量測輻射資料)而計算螢光發射光譜。另一選擇係，可使用放置於一場景之光源上之動態濾光器來構建該系統，該等動態濾光器可一次阻擋光譜之部分且隨時間而掃描光譜範圍。若對該系統使用多個動態濾光器，則可使每一濾光器同步以同時阻擋相同光譜頻帶來適應目標物件在彼經阻擋光譜頻帶下之發光讀數。同時阻擋多個不同光譜頻帶亦係可能的。另一選擇係，將該光源選擇為具有一或多個LED之一LED光源，每一LED經組態以發射一窄光譜頻帶中之光，該等LED之該等光譜頻帶利用其間的經忽略個別光譜頻帶而彼此間隔開。該系統進一步包含具有發光材料/物件之一資料庫之一資料儲存單元以及使用各種演算法來計算此等發光物件之光譜匹配之一資料/電腦處理單元。所提出系統及方法使得能夠在具有或不具有陽光進入場景且無需高頻率可變照明源之情況下針對室內環境以及低光室外環境使用發光物件/材料進行基於色彩空間之物件辨識。
在以下實例中進一步定義本發明。應理解，藉由指示本發明之較佳實施例而僅以圖解說明方式給出此等實例。依據以上論述及實例，熟習此項技術者可確定本發明之基本特性，且可在不背離本發明之精神及範疇之情況下作出本發明之各種改變及修改以使本發明適用於各種用途及條件。
圖1a展示具有一水平軸101以及兩個垂直軸102及103之一圖式。針對用於經由一電腦視覺應用軟體之物件辨識之所提出系統之一實施例而展示該圖式。系統包括至少一自然及/或人工光源，該自然及/或人工光源包括用以照明包含至少一個待辨識物件之一場景之至少一個照明體。至少一個待辨識物件具有物件特有反射及發光光譜型樣。光源配備有至少一個陷波濾光器，該陷波濾光器經設計以阻擋一光譜範圍內之至少一個預定義光譜頻帶進入該場景，其中至少一個經濾光光譜頻帶位於至少一個物件之發光光譜型樣(亦即，發光光譜範圍)內。沿著水平軸101標繪光譜範圍之波長。沿著垂直軸103標繪陷波濾光器之透射，其中以百分比給出該透射。沿著垂直軸102標繪光源(亦即，由光源構成之照明體)之一輻射強度。曲線110指示光源之輻射強度值依據波長之發展，且曲線111指示依據波長之陷波濾光器之透射。因此，在圖1a之圖式中，彼此獨立地分別依據波長而標繪一未經濾光照明體光譜及一陷波濾光器透射光譜。
圖1b展示一圖式，其中來自圖1a之曲線110與111彼此疊加，從而形成曲線120，因此指示哪些光譜頻帶被濾光/被阻擋進入該場景。如上文已提及，將經濾光光譜頻帶選擇為與待辨識物件之發光光譜型樣相關，使得必須將由彼等光譜頻帶(被阻擋進行照明)產生且由感測器量測之輻射資料明確指派給至少一個物件之發光光譜型樣，且因此給出對至少一個物件之清晰指示。此處所展示之陷波濾光器沿著波長範圍(其沿著水平軸101而標繪)阻擋五個光譜頻帶。由於經阻擋光譜頻帶內之光無法進入該場景，因此彼等光譜頻帶內之光無法被反射且因此，可由感測器在彼等光譜頻帶內感測到/量測到之所有光必定係由至少一個物件之發光光譜型樣產生。
圖2展示包括光源、陷波濾光器及一各別感測器之一系統之一示意圖，該各別感測器經組態以在包含至少一個物件之場景由光源照明時量測該場景之輻射資料。該圖式具有一水平軸201以及兩個垂直軸202及203。沿著水平軸201標繪進入場景之光波長及自該場景被輻射之光波長。沿著垂直軸202標繪一感測器敏感度。沿著軸203標繪陷波濾光器之一透射能力。以百分比給出該透射。將陷波濾光器選擇為一多頻帶陷波濾光器，亦即，陷波濾光器經組態以阻擋光譜範圍之多個光譜頻帶進入該場景，該光譜範圍由水平軸201之開始及結束界定。在此處所展示之情形中，如由曲線210所指示，陷波濾光器沿著由水平軸201界定之光譜範圍而阻擋五個光譜頻帶。如由曲線220所指示，感測器經組態以特定而言量測恰好由陷波濾光器阻擋進入該場景之光譜範圍之五個光譜頻帶內之輻射資料。因此，感測器明確地經組態以僅感測作為對進入光之發光回應而自場景被發射之光。該場景之經反射回應被遮蔽，此乃因感測器並不經組態以量測並未由陷波濾光器阻擋之光譜頻帶內之輻射資料。因此，使由感測器做出之量測聚焦於該場景之發光回應係可能的。若陷波濾光器之被阻擋之光譜頻帶適於至少一個待辨識物件之發光光譜型樣，則感測器可清晰地量測由該物件之發光光譜型樣產生之輻射資料且使得能夠由於該物件之所量測發光光譜型樣而清晰地識別該物件。
圖3展示圖式之一進一步實例。沿著水平軸301標繪進入一場景或自場景發射之光波長。再次沿著垂直軸302標繪一感測器敏感度。再次沿著一垂直軸303標繪一陷波濾光器之一透射能力。在由水平軸301界定之波長範圍內，陷波濾光器具有被阻擋之兩個光譜頻帶及未被阻擋之三個光譜頻帶，如由曲線310所指示。在此處所展示之實例中，感測器經組態以量測陷波濾光器之每一經阻擋光譜頻帶內之兩個光譜頻帶，如由曲線320所指示。彼意指多個感測器頻帶位於每一陷波濾光器頻帶內，亦即位於由陷波濾光器阻擋之每一光譜頻帶內。在將具有其感測器頻帶之感測器選擇為適於/相關於待辨識物件之發光光譜型樣且具有其阻擋光譜頻帶之陷波濾光器亦適於該物件之發光光譜型樣之情形中，可由於該物件之發光光譜型樣(其可由各別感測器詳細地量測)而明確識別該物件。
用於量測來自含有螢光發射及反射之一物件之一螢光發射光譜之方法係已知的。此等方法中之大多數方法依賴於在必須係已知之兩個或兩個以上光照條件下量測物件之一輻射光譜且使用各種計算來分離出對該物件之總輻射之反射及發射貢獻。然而，使用多個光照條件對於非實驗室環境係不理想的，此乃因額外光照條件增加光源之成本且在使光源與所使用感測器同步時增加複雜性挑戰。存在闡述在一單個光照條件下之一分離螢光發射與反射(Zheng、Fu、Lam、Sato及Sato，ICCV2015 3523至3531)之一個論文。在此論文內，使用一「尖峰(spiky)」照明源，亦即主要用於汽車前照燈之一高強度放電燈泡。因此，仍需要用於在單個光源條件下分離反射與螢光發射之可一般化方法及系統。
所提出系統及方法使得能夠在一照明光譜中有意地建立暗區且然後量測彼等暗區內之一輻射。不具有螢光之物件將不會在暗區內記錄一輻射，此乃因不存在照明使該等物件在此等波長下反射。具有與暗區重疊之螢光發射之物件將由於較高能量光之轉換而具有一輻射。可藉由應用陷波濾光器而建立此等暗區，該等陷波濾光器係如下濾光器：在其有效範圍內透射大部分光，惟光譜之一相對小部分除外，該相對小部分應儘可能接近於零透射。陷波濾光器(包含在一單個濾光器中具有多個「陷波」之濾光器)係可商業購得的。提出將陷波濾光器應用於照明源(諸如電燈泡及外部窗)以建立其中將對一物件進行辨識之一環境/一場景。亦需要在照明體光譜之暗區內具有光譜敏感度之一感測器、特定而言一攝影機。為獲得一螢光光譜形狀，將需要多個暗區(圖2)或一較大暗區(在彼區內具有多個感測器頻帶) (圖3)。另外，動態陷波濾光器可為可用的，其中光譜之「陷波」部分可隨時間改變。利用動態陷波濾光器，可隨時間掃描一整個光譜，從而允許對一各別待辨識物件之一螢光光譜進行較佳識別。
圖4展示所提出系統之一實施例。系統400包括一待辨識物件420、一光源410、一感測器440、一資料儲存單元460及一資料處理單元450。物件420具有一物件特有反射光譜型樣及一物件特有發光光譜型樣。光源410經組態以發射在一光譜範圍內之UV、可見或紅外線光。一般而言，光源410經組態以發射橫跨整個光譜範圍之光係可能的。在彼情形中，光源與一濾光器415耦合/配備有該濾光器，該濾光器經設計以在光源410朝向包含物件420之一場景430發射光時阻擋光譜範圍之至少一個個別光譜頻帶進入場景430。光源410亦可為太陽且濾光器415可為裝配有濾光器並視情況裝配有一感測器(諸如一攝影機440 (參見圖4))之一窗。被阻擋之至少一個個別光譜頻帶位於物件420之發光光譜型樣內。另一選擇係，光源410經設計以固有地省略至少一個個別光譜頻帶，亦即，光源410在照明包含物件420之場景430時並不發射該個別光譜頻帶內之光。根據該系統之一項可能實施例，光源係一LED光源，該LED光源經組態以在照明該場景時有意地且固有地省略(忽略)光譜範圍之至少一個光譜頻帶。該LED光源可由複數個窄頻帶LED組成，每一LED經組態以發射一窄光譜頻帶中之光，LED之光譜頻帶利用其間的經忽略光譜頻帶而彼此間隔開。
此光源與一濾光器之一組合亦係可能的。圖4中所展示之系統400進一步包括一感測器440，該感測器經組態以在場景430內感測/記錄在照明場景430時已被省略之至少一個光譜頻帶上之輻射資料/回應。彼意指僅記錄包含待辨識物件420之場景430之一螢光回應(亦即，物件420之螢光回應)，前提係在該場景內不存在具有一類似螢光光譜型樣之其他物品。系統400進一步包括一資料處理單元450及一資料儲存單元460。資料儲存單元包括複數個不同物件之螢光光譜型樣之一資料庫。資料處理單元與資料儲存單元且亦與感測器440進行通信連接。因此，資料處理單元450可計算待辨識物件420之發光發射光譜且搜尋資料儲存單元之資料庫460以找到與所計算發光發射光譜之一匹配。因此，若可在資料庫460內找到一匹配，則可識別待辨識物件420。
101:水平軸
102:垂直軸
103:垂直軸
110:曲線
111:曲線
120:曲線
201:水平軸
202:垂直軸
203:垂直軸
210:曲線
220:曲線
301:水平軸
302:垂直軸
303:垂直軸
310:曲線
320:曲線
400:系統
410:光源
415:濾光器
420:待辨識物件/物件
430:場景
440:感測器/攝影機
450:資料處理單元
460:資料儲存單元/資料庫
圖1a展示一未經濾光照明體光譜及一陷波濾光器透射光譜之一示意圖。
圖1b展示在濾光之後的一所得照明體光譜之一示意圖，亦即圖1a之未經濾光照明體光譜與陷波濾光器透射光譜之一疊加。
圖2展示一陷波濾光器透射光譜及位於每一陷波濾光器阻擋頻帶內之一個感測器頻帶之一示意圖。
圖3展示一陷波濾光器透射光譜及位於每一陷波濾光器阻擋頻帶內之多個感測器頻帶之一示意圖。
圖4示意性地展示所提出系統之一項實施例。
201:水平軸
202:垂直軸
203:垂直軸
210:曲線
220:曲線
Claims (20)
- 一種用於經由一電腦視覺應用軟體而進行物件辨識之系統，該系統包括至少以下組件： 至少一個待辨識物件，該物件具有物件特有反射及發光光譜型樣， 一光源，其經組態以照明包含該至少一個物件之一場景，該光源經設計以在照明該場景時忽略一光譜範圍之至少一個光譜頻帶，該至少一個經忽略光譜頻帶係處於該至少一個物件之該發光光譜型樣中， 至少一個感測器，其經組態以在該場景由該光源照明時在該至少一個經忽略光譜頻帶中之至少一者中排他地量測該場景之輻射資料， 一資料儲存單元，其包括發光光譜型樣連同經適當指派各別物件， 一資料處理單元，其經組態以自該場景之該所量測輻射資料提取該至少一個待辨識物件之該物件特有發光光譜型樣且將該所提取物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
- 如請求項1之系統，其中該光源係一LED光源，該LED光源經組態以在照明該場景時有意地且固有地省略該光譜範圍之該至少一個光譜頻帶。
- 如請求項2之系統，其中該LED光源經組態以忽略複數個光譜頻帶且由複數個窄頻帶LED組成，每一LED經組態以發射一窄光譜頻帶中之光，該等LED之該等光譜頻帶利用其間的該等經忽略光譜頻帶而彼此間隔開。
- 如前述請求項中任一項之系統，其中該光源配備有至少一個濾光器，該至少一個濾光器經設計以阻擋該光譜範圍之該至少一個光譜頻帶進入該場景。
- 如請求項4之系統，其中將該至少一個濾光器設計為一動態濾光器，該動態濾光器經組態以一次阻擋至少一個光譜頻帶進入該場景且改變將動態地阻擋之該至少一個光譜頻帶，從而隨時間阻擋該光譜範圍之至少一個部分。
- 如請求項5之系統，其中該動態濾光器經組態以在所關注光譜範圍內連續操作且按需提供對至少一個所關注光譜頻帶中之至少一者之阻擋。
- 如請求項4至6中任一項之系統，其包括位於照明該場景之同一自然及/或人工光源上及/或多個自然及/或人工光源上之複數個動態濾光器，其中該等濾光器經組態以彼此同步來同時阻擋該至少一個光譜頻帶中之同一者之至少一部分。
- 如請求項4之系統，其中將該至少一個濾光器設計為一陷波濾光器，該陷波濾光器經組態以連續在至少一個不同光譜頻帶上阻擋如在自然光照中自一窗或自一人工光照元件進入該場景之光。
- 如請求項8之系統，其中該陷波濾光器經設計以阻擋該光譜範圍內之複數個不同光譜頻帶。
- 如前述請求項中任一項之系統，其中該至少一個感測器係一攝影機，該攝影機經組態以在該場景由該光源照明時對該場景進行成像且以時間間隔在該光譜範圍之該至少一個光譜頻帶中之不同光譜頻帶上排他地記錄該場景內之輻射資料。
- 如請求項10之系統，其中該感測器係一超光譜攝影機或一多光譜攝影機。
- 如前述請求項中任一項之系統，其中該資料處理單元經組態以基於該場景之該所量測輻射資料之光譜分佈而計算該至少一個待辨識物件之該物件特有發光光譜型樣且將該所計算物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
- 一種用於經由一電腦視覺應用軟體而進行物件辨識之方法，該方法包括至少以下步驟： 提供一待辨識物件，該物件具有物件特有反射及發光光譜型樣， 使用一光源來照明包含該物件之一場景，該光源經設計以在照明該場景時忽略一光譜範圍之至少一個光譜頻帶，該至少一個經忽略光譜頻帶係處於該至少一個物件之該發光光譜型樣中， 當該場景由該光源照明時，藉助於至少一個感測器而在該至少一個經忽略光譜頻帶上排他地量測該場景之輻射資料， 提供一資料儲存單元，該資料儲存單元包括發光光譜型樣連同經適當指派各別物件， 藉助於一資料處理單元而自該場景之該所量測輻射資料提取該待辨識物件之該物件特有發光光譜型樣， 將該所提取物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，及 識別一最佳匹配發光光譜型樣及因此其所指派物件。
- 如請求項13之方法，其中將該光源選擇為一LED光源，該LED光源經組態以在照明該場景時有意地且固有地省略該光譜範圍之該至少一個光譜頻帶。
- 如請求項13或14之方法，其中該光源配備有至少一個濾光器，該至少一個濾光器經設計以阻擋該光譜範圍之該至少一個光譜頻帶進入該場景。
- 如請求項15之方法，其進一步包括將該至少一個濾光器選擇為一動態濾光器且在所關注光譜範圍內進行操作並且按需提供對至少一個所關注光譜頻帶中之至少一者之阻擋。
- 如請求項15之方法，其進一步包括將該至少一個濾光器選擇為一陷波濾光器，該陷波濾光器經組態以連續在至少一個不同光譜頻帶上阻擋光如在自然光照中自一窗或自一人工光照元件進入該場景，特定而言阻擋該光譜範圍內之複數個不同光譜頻帶。
- 如請求項13至17中任一項之方法，其進一步包括基於該場景之該至少一個經忽略光譜頻帶及該所量測輻射資料之光譜分佈而計算該至少一個待辨識物件之該物件特有發光光譜型樣且將該所計算物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
- 一種儲存指令之非暫時性電腦可讀媒體，該等指令在由一或多個處理器執行時致使一機器： 提供一待辨識物件，該物件具有物件特有反射及發光光譜型樣， 使用一光源來照明包含該物件之一場景，該光源經設計以在照明該場景時忽略一光譜範圍之至少一個光譜頻帶，該至少一個經忽略光譜頻帶係處於該至少一個物件之該發光光譜型樣中， 當該場景由該光源照明時，在該至少一個經忽略光譜頻帶上排他地量測該場景之輻射資料， 提供一資料儲存單元，該資料儲存單元包括發光光譜型樣連同經適當指派各別物件， 自該場景之該所量測輻射資料提取該待辨識物件之該物件特有發光光譜型樣，及 將該所提取物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，以及 識別一最佳匹配發光光譜型樣及因此其所指派物件。
- 如請求項19之電腦可讀媒體，其進一步儲存指令以基於該場景之該至少一個經忽略光譜頻帶及該輻射資料之光譜分佈而計算該至少一個待辨識物件之該物件特有發光光譜型樣且將該所計算物件特有發光光譜型樣與儲存於該資料儲存單元中之該等發光光譜型樣匹配，並且識別一最佳匹配發光光譜型樣及因此其所指派物件。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962858356P | 2019-06-07 | 2019-06-07 | |
| EP19179181 | 2019-06-07 | ||
| EP19179181.3 | 2019-06-07 | ||
| US62/858,356 | 2019-06-07 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW202122764A true TW202122764A (zh) | 2021-06-16 |
Family
ID=70977983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109119097A TW202122764A (zh) | 2019-06-07 | 2020-06-05 | 用於在自然及/或人工光下之物件辨識之系統及方法 |
Country Status (12)
| Country | Link |
|---|---|
| US (1) | US20220319149A1 (zh) |
| EP (1) | EP3980936A1 (zh) |
| JP (1) | JP2022535884A (zh) |
| KR (1) | KR20220004740A (zh) |
| CN (1) | CN114127797A (zh) |
| AU (1) | AU2020288852A1 (zh) |
| BR (1) | BR112021018998A2 (zh) |
| CA (1) | CA3140200A1 (zh) |
| MX (1) | MX2021014925A (zh) |
| SG (1) | SG11202111153YA (zh) |
| TW (1) | TW202122764A (zh) |
| WO (1) | WO2020245442A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4348592A1 (en) * | 2021-05-26 | 2024-04-10 | BASF Coatings GmbH | System and method for object recognition utilizing reflective light blocking |
| WO2023180178A1 (en) | 2022-03-23 | 2023-09-28 | Basf Coatings Gmbh | System and method for object recognition utilizing color identification and/or machine learning |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3240081A1 (de) * | 1981-11-07 | 1984-05-03 | Licentia Gmbh | Vorrichtung zur erkennung und verarbeitung von zeichen und/oder vorgegebenen optischen details |
| US20060118738A1 (en) * | 2003-06-26 | 2006-06-08 | Ncr Corporation | Security markers for ascertaining navigational information |
| US8295548B2 (en) * | 2009-06-22 | 2012-10-23 | The Johns Hopkins University | Systems and methods for remote tagging and tracking of objects using hyperspectral video sensors |
| CN111329450A (zh) * | 2013-04-23 | 2020-06-26 | 雪松-西奈医学中心 | 用于从荧光团同时录制可见光图像和红外光图像的系统和方法 |
| CN108449958A (zh) * | 2015-09-01 | 2018-08-24 | 凯杰器械有限公司 | 高通量核酸测序系统中用于颜色探测的系统和方法 |
| US10228283B2 (en) * | 2016-08-12 | 2019-03-12 | Spectral Insights Private Limited | Spectral imaging system |
| US9922251B2 (en) * | 2016-08-18 | 2018-03-20 | Raytheon Company | Cued hybrid enhanced spectral system (CHESS) |
| JP6422616B1 (ja) * | 2016-12-22 | 2018-11-14 | 国立大学法人 筑波大学 | データ作成方法及びデータ使用方法 |
| US11073423B2 (en) * | 2018-03-27 | 2021-07-27 | Flying Gybe Inc. | Hyperspectral sensing system and processing methods for hyperspectral data |
| US10996169B2 (en) * | 2019-02-27 | 2021-05-04 | Microsoft Technology Licensing, Llc | Multi-spectral fluorescent imaging |
-
2020
- 2020-06-05 TW TW109119097A patent/TW202122764A/zh unknown
- 2020-06-05 US US17/616,258 patent/US20220319149A1/en not_active Abandoned
- 2020-06-05 SG SG11202111153YA patent/SG11202111153YA/en unknown
- 2020-06-05 CN CN202080034871.9A patent/CN114127797A/zh active Pending
- 2020-06-05 EP EP20730648.1A patent/EP3980936A1/en not_active Withdrawn
- 2020-06-05 CA CA3140200A patent/CA3140200A1/en active Pending
- 2020-06-05 JP JP2021572381A patent/JP2022535884A/ja active Pending
- 2020-06-05 BR BR112021018998A patent/BR112021018998A2/pt not_active IP Right Cessation
- 2020-06-05 WO PCT/EP2020/065749 patent/WO2020245442A1/en active Application Filing
- 2020-06-05 AU AU2020288852A patent/AU2020288852A1/en not_active Abandoned
- 2020-06-05 MX MX2021014925A patent/MX2021014925A/es unknown
- 2020-06-05 KR KR1020217039559A patent/KR20220004740A/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020245442A1 (en) | 2020-12-10 |
| US20220319149A1 (en) | 2022-10-06 |
| JP2022535884A (ja) | 2022-08-10 |
| BR112021018998A2 (pt) | 2022-04-26 |
| CN114127797A (zh) | 2022-03-01 |
| KR20220004740A (ko) | 2022-01-11 |
| AU2020288852A1 (en) | 2022-01-06 |
| SG11202111153YA (en) | 2021-11-29 |
| EP3980936A1 (en) | 2022-04-13 |
| CA3140200A1 (en) | 2020-12-10 |
| MX2021014925A (es) | 2022-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220319205A1 (en) | System and method for object recognition using three dimensional mapping tools in a computer vision application | |
| US20200279383A1 (en) | Method and system for object recognition via a computer vision application | |
| CA3125937A1 (en) | Method and system for object recognition via a computer vision application | |
| TW202122764A (zh) | 用於在自然及/或人工光下之物件辨識之系統及方法 | |
| JP7277615B2 (ja) | 光の３ｄマッピングとモデリングを使用した物体認識システム及び方法 | |
| US20220245842A1 (en) | System and method for object recognition using fluorescent and antireflective surface constructs | |
| US20220307981A1 (en) | Method and device for detecting a fluid by a computer vision application |