WO2019019595A1 - 图片匹配方法及电子设备方法、装置、电子设备及介质 - Google Patents

图片匹配方法及电子设备方法、装置、电子设备及介质 Download PDF

Info

Publication number
WO2019019595A1
WO2019019595A1 PCT/CN2018/074841 CN2018074841W WO2019019595A1 WO 2019019595 A1 WO2019019595 A1 WO 2019019595A1 CN 2018074841 W CN2018074841 W CN 2018074841W WO 2019019595 A1 WO2019019595 A1 WO 2019019595A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature
picture
descriptor
processed
image
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.)
Ceased
Application number
PCT/CN2018/074841
Other languages
English (en)
French (fr)
Inventor
郑大明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Publication of WO2019019595A1 publication Critical patent/WO2019019595A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Definitions

  • the present application belongs to the field of picture processing technologies, and in particular, to a picture matching method, device, electronic device, and medium.
  • the embodiment of the present application provides a picture matching method and an electronic device, so as to solve the problem that the time of the user is wasted and the operation is cumbersome for all the pictures of the product are selected one by one in the prior art.
  • a first aspect of the embodiment of the present application provides a picture matching method, including:
  • the source image is at least one image
  • the to-be-processed image whose matching degree is greater than the threshold is published as the target image.
  • a second aspect of the embodiments of the present application provides a picture matching apparatus, including:
  • a feature generating module configured to acquire shape feature information and tone feature information of the target object in the source image, and generate a feature descriptor that represents the shape feature information and the tone feature information of the target object;
  • the source image is at least one image;
  • a matching module configured to match each of the to-be-processed images included in the target folder with the source image according to the feature descriptor
  • a publishing module is configured to publish a to-be-processed image with a matching degree greater than a threshold as a target image.
  • a third aspect of the embodiments of the present application provides a picture matching electronic device, including a memory, a processor, and the computer storing computer readable instructions executable on the processor, the processor executing the The computer readable instructions implement the following steps:
  • the source image is at least one image
  • the to-be-processed image whose matching degree is greater than the threshold is published as the target image.
  • a fourth aspect of the embodiments of the present application provides a computer readable storage medium storing computer readable instructions, wherein the computer readable instructions are implemented by at least one processor The following steps:
  • the source image is at least one image
  • the to-be-processed image whose matching degree is greater than the threshold is published as the target image.
  • the shape feature information and the tone feature information of the target object in the source image are obtained, and a feature descriptor that represents the shape feature information and the tone feature information of the target object is generated, and the source image and the image are processed according to the feature description.
  • the image is processed for matching, and the to-be-processed image whose matching degree is greater than the threshold is released as the target image, which can reduce the time required for selecting all the images of the target object one by one, and can reduce the operation of the user and improve the user experience.
  • FIG. 1 is a schematic flowchart of a picture matching method according to an embodiment of the present application.
  • FIG. 2 is a flowchart of an implementation of step S101 in FIG. 1;
  • FIG. 3 is a flowchart of an implementation of step S102 in FIG. 1;
  • FIG. 4 is a schematic diagram of an electronic device according to an embodiment of the present application.
  • FIG. 5 is a structural block diagram of a picture matching program according to an embodiment of the present application.
  • FIG. 1 is a flowchart showing an implementation process of a picture matching method according to Embodiment 1 of the present application, which is described in detail as follows:
  • Step S101 Acquire shape characteristic information and tone feature information of the target object in the source image, and generate a feature descriptor that represents the shape feature information and the tone feature information of the target object; the source picture is at least one picture.
  • the source image may be a specified image in a certain folder, and the specified image may be a picture of any angle of the target object, which is not limited thereto.
  • the target object may be any object, animal, etc., and is not limited thereto.
  • the target object is a product such as a table or chair.
  • generating a feature descriptor that represents the shape feature information and the tone feature information of the target object in step S101 can be implemented by the following process:
  • Step S201 constructing a scale space image of the shape feature information and the hue feature information of the target object in the source picture, and detecting the feature points in the scale space image.
  • the feature transform scale invariant feature transform
  • the feature points in the scale space image are detected.
  • the feature points may be extreme points, but are not limited thereto.
  • the scale space image may be generated by convolving the source picture with a variable-scale Gaussian function. Then, a Gaussian difference function is used to convolve with the original image to generate a Gaussian difference image sequence.
  • the maximum and minimum values of a plurality of pixel points such as the current scale and the adjacent scale of each current pixel and the neighborhood are compared, thereby obtaining an extreme point.
  • Step S202 Filter and locate each feature point in the scale space, and obtain a stable feature point that satisfies a preset condition.
  • the filtering condition may be set to filter and locate each feature point in the scale space, so that the feature points that do not meet the preset condition among the feature points detected in step S201 are removed, and the stable feature points are obtained.
  • each feature point may be positioned to detect whether the feature point is an edge point. If the feature point is an edge point, the feature point is filtered out, otherwise the feature point is retained.
  • Step S203 setting a direction for each of the stable feature points, and generating a feature descriptor that represents the shape feature information and the tone feature information of the target object.
  • a direction of each of the stable feature points may be set by using a gradient direction distribution characteristic of the neighboring pixels of the stable feature point, so that the stable feature point has rotation invariance.
  • the method for setting a direction for each of the stable feature points, and generating a feature descriptor for characterizing the shape feature information and the tone feature information of the target object is specifically: taking a predetermined size adjacent to each of the stable feature points The domain is used as a sampling window, and the relative orientation of the sampling point and the corresponding stable feature point is Gaussian weighted and then classified into the direction histogram to obtain the feature descriptor.
  • a neighborhood of 16*16 is taken as a sampling window centering on each of the stable feature points, and the relative direction of the sampling point and the corresponding stable feature point is Gaussian weighted and then classified into a direction histogram of 8 bins to obtain 4 *4*8 128-dimensional feature descriptor.
  • Step S102 Match each of the to-be-processed pictures included in the target folder with the source picture according to the feature descriptor.
  • step S102 can be specifically implemented by the following process:
  • Step S301 Acquire feature descriptors of objects to be matched in each of the to-be-processed pictures.
  • a direction is set for each of the stable feature points, and a feature descriptor that represents the shape feature information and the tone feature information of the object to be matched is generated.
  • Step S302 Obtain two feature descriptors in the feature descriptors of the to-be-processed picture that are closest to the Euclidean distance of the feature descriptor of the source picture.
  • Each feature descriptor of the to-be-processed picture is a feature descriptor of the object to be matched in the to-be-processed picture.
  • the feature descriptor of the source picture is a feature descriptor of the target object in the source picture.
  • the Euclidean distance between the feature descriptors of the target object in the source picture can be calculated according to the direction and position of the feature descriptor.
  • Step S303 determining, according to the acquired Euclidean distance relationship between the two feature descriptors of the to-be-processed picture and the feature descriptor of the source picture, determining the object to be matched and the source picture in each picture to be processed. The matching relationship between the target objects.
  • the two feature descriptors of the to-be-processed picture are a first feature descriptor and a second feature descriptor, respectively, and the first feature descriptor is first European between the feature descriptors of the source image.
  • the distance is greater than a second Euclidean distance between the second feature descriptor and a feature descriptor of the source picture.
  • the specified feature descriptor is a feature descriptor of the target object in the source picture.
  • the step S303 may be specifically: when the ratio of the second Euclidean distance to the first Euclidean distance is less than a preset value, determining that the to-be-processed picture matches the source picture.
  • the preset value may be a value greater than 0.6 and less than 0.9. More specifically, the preset value may be a value greater than 0.6 and less than 0.7.
  • Step S103 Publish the to-be-processed picture whose matching degree is greater than the threshold as the target picture.
  • the to-be-processed picture with the matching degree of the source picture that is greater than the threshold may be put into the target picture set, and after each picture to be processed is matched with the source picture, each target in the target picture set is obtained.
  • the image is published to generate image information of the target object.
  • the target picture is a to-be-processed picture whose matching degree with the source picture is greater than a threshold.
  • the image matching method obtains the shape feature information and the tone feature information of the target object in the source image, and generates a feature descriptor that represents the shape feature information and the tone feature information of the target object, and according to the feature descriptor, the target file
  • a feature descriptor that represents the shape feature information and the tone feature information of the target object
  • the target file Each of the to-be-processed pictures included in the folder is matched with the source picture, and finally the to-be-processed picture whose matching degree is greater than the threshold is released as the target picture, thereby reducing the time required for selecting all the pictures of the target object one by one. At the same time, it can reduce the user's operation and improve the user's experience.
  • FIG. 4 is a schematic diagram showing an operating environment of the picture matching program provided by the embodiment of the present application. For the convenience of explanation, only the parts related to the present embodiment are shown.
  • the picture matching program 400 is installed and runs in the electronic device 40.
  • the electronic device 40 can be a mobile terminal, a palmtop computer, a server, or the like.
  • the electronic device 40 can include, but is not limited to, a memory 401 and a processor 402.
  • FIG. 4 shows only electronic device 40 having components 401-402, but it should be understood that not all illustrated components may be implemented and that more or fewer components may be implemented instead.
  • the memory 401 may be an internal storage unit of the electronic device 40, such as a hard disk or memory of the electronic device 40, in some embodiments.
  • the memory 401 may also be an external storage device of the electronic device 40 in other embodiments, such as a plug-in hard disk equipped on the electronic device 40, a smart memory card (SMC), and a secure digital device. (Secure Digital, SD) card, flash card, etc.
  • SMC smart memory card
  • SD Secure Digital
  • flash card etc.
  • the memory 401 may also include both an internal storage unit of the electronic device 40 and an external storage device.
  • the memory 401 is configured to store application software and various types of data installed in the electronic device 40, such as program codes of the picture matching program 400.
  • the memory 401 can also be used to temporarily store data that has been output or is about to be output.
  • the processor 402 can be a central processor (Central) A processing unit (CPU), a microprocessor or other data processing chip for running program code or processing data stored in the memory 401, such as executing the picture matching program 400 and the like.
  • Central central processor
  • CPU central processor
  • microprocessor or other data processing chip for running program code or processing data stored in the memory 401, such as executing the picture matching program 400 and the like.
  • the electronic device 40 can also include a display.
  • the display may be an LED display, a liquid crystal display, a touch liquid crystal display, and an OLED (Organic) in some embodiments. Light-Emitting Diode, organic light-emitting diodes, etc.
  • the display is for displaying information processed in the electronic device 40 and a user interface for displaying visualizations, such as an application menu interface, an application icon interface, and the like.
  • the components 401-42 of the electronic device 40 communicate with one another via a system bus.
  • FIG. 5 is a functional block diagram of a picture matching program 400 provided by an embodiment of the present application.
  • the picture matching program 400 may be divided into one or more modules, and the one or more modules are stored in the memory 401 and executed by one or more processors (this implementation) For example, the processor 402) is executed to complete the application.
  • the picture matching program 400 can be divided into an information acquisition module 501, a matching module 502, and a processing module 503.
  • a module as referred to herein refers to a series of computer readable instruction instructions that are capable of performing a particular function, and are more suitable than the program to describe the execution of the picture matching program 400 in the electronic device 40. The following description will specifically describe the functions of the modules 501-503.
  • the information acquiring module 501 is configured to acquire the shape feature information and the tone feature information of the source image, and generate a feature descriptor that represents the shape feature information and the tone feature information of the target object; the source image is at least one image.
  • the matching module 502 is configured to match each of the to-be-processed pictures included in the target folder with the source picture according to the feature descriptor.
  • the processing module 503 is configured to publish the to-be-processed picture whose matching degree is greater than the threshold as the target picture.
  • the information acquiring module 501 may be divided into a building unit 601, a processing unit 602, and a feature descriptor generating unit 603.
  • the constructing unit 601 is configured to construct the scale feature image of the source image and the scale space image of the tone feature information, and detect feature points in the scale space image.
  • the processing unit 602 is configured to filter and locate each feature point in the scale space, and obtain a stable feature point that meets a preset condition.
  • the feature descriptor generation unit 603 is configured to set a direction for each of the stable feature points, and generate a feature descriptor that represents the shape feature information and the tone feature information.
  • the feature description sub-generating unit 603 is specifically configured to: take a neighborhood of a preset size centering on each of the stable feature points as a sampling window, and compare the sampling point with the corresponding stable feature point.
  • the direction is Gaussian weighted and then classified into the direction histogram to obtain the feature descriptor.
  • the matching module 502 can be divided into an obtaining unit 701 and a matching determining unit 702.
  • the obtaining unit 701 is configured to acquire a feature descriptor of the object to be matched in each of the to-be-processed images, and obtain a feature identifier of the image to be processed that is closest to the feature descriptor of the source image. Two feature descriptors.
  • the matching determining unit 702 is configured to determine, according to the acquired Euclidean distance relationship between the two feature descriptors of the to-be-processed picture and the feature descriptor of the source picture, each picture to be processed and the source picture Matching relationship between.
  • the two feature descriptors of the to-be-processed picture are a first feature descriptor and a second feature descriptor, respectively, and the first feature descriptor is to a feature descriptor of the source image.
  • the first Euclidean distance between the two is greater than the second Euclidean distance between the second feature descriptor and the feature descriptor of the source picture.
  • the matching determining unit 702 is specifically configured to: when the ratio of the second Euclidean distance to the first Euclidean distance is less than a preset value, determine that the to-be-processed picture matches the source picture.
  • each functional unit and module in the foregoing system may be integrated into one processing unit, or each unit may exist physically separately, or two or more units may be integrated into one unit, and the integrated unit may be implemented by hardware.
  • Formal implementation can also be implemented in the form of software functional units.
  • the specific names of the respective functional units and modules are only for the purpose of facilitating mutual differentiation, and are not intended to limit the scope of protection of the present application.
  • the disclosed apparatus/electronic device and method may be implemented in other manners.
  • the device/electronic device embodiment described above is merely illustrative.
  • the division of the module or unit is only a logical function division.
  • there may be another division manner for example, multiple units.
  • components may be combined or integrated into another system, or some features may be omitted or not performed.
  • the mutual coupling or direct coupling or communication connection shown or discussed may be an indirect coupling or communication connection through some interface, device or unit, and may be in electrical, mechanical or other form.
  • the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, may be located in one place, or may be distributed to multiple network units. Some or all of the units may be selected according to actual needs to achieve the purpose of the solution of the embodiment.
  • each functional unit in each embodiment of the present application may be integrated into one processing unit, or each unit may exist physically separately, or two or more units may be integrated into one unit.
  • the above integrated unit can be implemented in the form of hardware or in the form of a software functional unit.
  • the integrated modules/units if implemented in the form of software functional units and sold or used as separate products, may be stored in a computer readable storage medium.
  • the present application implements all or part of the processes in the foregoing embodiments, and may also be implemented by computer readable instructions, which may be stored in a computer readable storage medium.
  • the computer readable instructions when executed by a processor, may implement the steps of the various method embodiments described above.
  • the computer readable instructions comprise computer readable instruction code, which may be in the form of source code, an object code form, an executable file or some intermediate form or the like.
  • the computer readable medium can include any entity or device capable of carrying the computer readable instruction code, a recording medium, a USB flash drive, a removable hard drive, a magnetic disk, an optical disk, a computer memory, a read only memory (ROM, Read-Only) Memory), random access memory (RAM, Random) Access Memory), electrical carrier signals, telecommunications signals, and software distribution media.
  • ROM Read Only memory
  • RAM Random Access Memory
  • electrical carrier signals telecommunications signals
  • telecommunications signals and software distribution media. It should be noted that the content contained in the computer readable medium may be appropriately increased or decreased according to the requirements of legislation and patent practice in a jurisdiction, for example, in some jurisdictions, according to legislation and patent practice, computer readable media Does not include electrical carrier signals and telecommunication signals.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请适用于图片处理技术领域，提供了图片匹配方法及电子设备方法、装置、电子设备及介质。该方法包括：获取源图片中目标物体的外形特征信息和色调特征信息，并生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；将匹配度大于阈值的待处理图片作为目标图片进行发布。上述图片匹配方法及电子设备，通过获取源图片中目标物体的外形特征信息和色调特征信息，对源图片与待处理图片进行匹配，能够减少对目标物体的所有图片进行逐一点选需要的时间，同时能够减少用户的操作，提高用户的体验。

Description

图片匹配方法及电子设备方法、装置、电子设备及介质
本申请要求于2017年07月27日提交中国专利局、申请号为201710622209.5、发明名称为“图片匹配方法及终端设备”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请属于图片处理技术领域，尤其涉及图片匹配方法、装置、电子设备及介质。
 背景技术
随着科技的进步和经济的发展，越来越多的人在网络上开设网络商店以进行商品交易。而在对商品进行展示时，需要首先将商品各个角度的图片发布到网络上。目前在对某个商品进行图片发布时，通常需要对该商品的所有图片进行逐一点选，从而对该商品的所有图片进行发布，但是上述过程比较浪费用户的时间，而且操作较为繁琐。
 技术问题
有鉴于此，本申请实施例提供了图片匹配方法及电子设备，以解决现有技术中对商品的所有图片逐一点选进行发布浪费用户的时间以及操作繁琐的问题。
 技术解决方案
本申请实施例的第一方面提供了图片匹配方法，包括：
获取源图片中目标物体的外形特征信息和色调特征信息，并生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
将匹配度大于阈值的待处理图片作为目标图片进行发布。
本申请实施例的第二方面提供了图片匹配装置，包括：
特征生成模块，用于获取源图片中目标物体的外形特征信息和色调特征信息，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
匹配模块，用于根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
发布模块，用于将匹配度大于阈值的待处理图片作为目标图片进行发布。
本申请实施例的第三方面提供了一种图片匹配电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
获取源图片中目标物体的外形特征信息和色调特征信息，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
将匹配度大于阈值的待处理图片作为目标图片进行发布。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被至少一个处理器执行时实现如下步骤：
获取源图片中目标物体的外形特征信息和色调特征信息，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
将匹配度大于阈值的待处理图片作为目标图片进行发布。
 有益效果
本申请实施例，通过获取源图片中目标物体的外形特征信息和色调特征信息，并生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子，根据特征描述子对源图片与待处理图片进行匹配，将匹配度大于阈值的待处理图片作为目标图片进行发布，能够减少对目标物体的所有图片进行逐一点选需要的时间，同时能够减少用户的操作，提高用户的体验。
 附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图片匹配方法的流程示意图；
图2是图1中步骤S101的实现流程图；
图3是图1中步骤S102的实现流程图；
图4是本申请实施例提供的电子设备的示意图；
图5是本申请实施例提供的图片匹配程序的结构框图。
 本发明的实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
实施例一
图1示出了本申请实施例一提供的图片匹配方法的实现流程，详述如下：
步骤S101，获取源图片中目标物体的外形特征信息和色调特征信息，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片。
例如，所述源图片可以为某个文件夹中的一幅指定的图片，该指定的图片可以为所述目标物体的任一角度的图片，对此不作限定。其中，所述目标物体可以为任意物体、动物等，对此不作限制。例如，所述目标物体为桌椅等商品。
参见图2，一个实施例中，步骤S101中所述的生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子可以通过以下过程实现：
步骤S201，构建所述源图片中目标物体的外形特征信息和色调特征信息的尺度空间图像，并检测所述尺度空间图像中的特征点。
其中，可以通过sift（Scale-invariant feature transform，尺度不变特征变换）算法采集所述源图片中目标物体的外形特征信息和色调特征信息，识别所述目标物体的外形特征和色调特征，从而对所述目标物体进行识别。
在构建所述源图片中目标物体的外形特征信息和色调特征信息的尺度空间图像之后，对所述尺度空间图像中的特征点进行检测。本实施例中，所述特征点可以为极值点，但并不以此为限。
本步骤中，可以通过将所述源图片与可变尺度的高斯函数进行卷积，从而生成所述尺度空间图像。然后，使用高斯差分函数与原始图像进行卷积，生成高斯差分图像序列。在高斯差分图像序列中，对比每个当前像素与邻域的当前尺度和相邻尺度等多个像素点的最大值和最小值，从而获得极值点。
步骤S202，对所述尺度空间中的各个特征点进行过滤和定位，获取满足预设条件的稳定特征点。
其中，可以设置过滤条件，对所述尺度空间中的各个特征点进行过滤和定位，从而去除在步骤S201中检测出的各个特征点中不符合预设条件的特征点，获得稳定特征点。
具体的，可以对各个特征点进行定位，以检测该特征点是否为边缘点，若该特征点是边缘点，则将该特征点过滤掉，否则保留该特征点。
步骤S203，对各个所述稳定特征点设置方向，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子。
具体的，可以利用稳定特征点邻域像素的梯度方向分布特性为每个稳定特征点设置方向，使所述稳定特征点具有旋转不变性。
其中，所述为各个所述稳定特征点设置方向，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子具体为：以各个所述稳定特征点为中心取预设大小的邻域作为采样窗口，将采样点与相应的所述稳定特征点的相对方向通过高斯加权后归入方向直方图，得到所述特征描述子。
例如，以各个所述稳定特征点为中心取16*16的邻域作为采样窗口，将采样点与相应的稳定特征点的相对方向通过高斯加权后归入8个bin的方向直方图，得到4*4*8的128维特征描述子。
步骤S102，根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配。
参见图3，一个实施例中，步骤S102具体可以通过以下过程实现：
步骤S301，获取各幅所述待处理图片中待匹配物体的特征描述子。
本步骤中，获取各幅待处理图片中待匹配物体的特征描述子的具体过程如下：
构建所述待处理图片中待匹配物体的外形特征信息和色调特征信息的尺度空间图像，并检测所述尺度空间图像中的特征点；
对所述尺度空间中的各个特征点进行过滤和定位，获取满足预设条件的稳定特征点；
对各个所述稳定特征点设置方向，生成表征所述待匹配物体的外形特征信息和色调特征信息的特征描述子。
以上每个步骤的详细过程在此不再赘述，可以参考步骤S201至S203的过程。
步骤S302，获取所述待处理图片的各个特征描述子中与所述源图片的特征描述子的欧式距离最近的两个特征描述子。
其中，所述待处理图片的各个特征描述子为所述待处理图片中待匹配物体的各个特征描述子。所述源图片的特征描述子为所述源图片中目标物体的特征描述子。对于一幅待处理图片的各个特征描述子，与源图片中目标物体的特征描述子之间的欧氏距离都可以根据特征描述子的方向和位置计算出来。通过计算出一幅待处理图片中待匹配物体的各个特征描述子到源图片中目标物体的特征描述子之间的欧氏距离，然后获取该待处理图片中与源图片的特征描述子之间的欧氏距离最小的两个特征描述子。
步骤S303，根据所获取的所述待处理图片的两个特征描述子与所述源图片的特征描述子之间的欧式距离关系，确定各幅待处理图片中待匹配物体与所述源图片中目标物体之间的匹配关系。
其中，所述待处理图片的两个特征描述子分别为第一特征描述子和第二特征描述子，且所述第一特征描述子到所述源图片的特征描述子之间的第一欧式距离大于所述第二特征描述子到所述源图片的特征描述子之间的第二欧式距离。指定特征描述子为所述源图片中目标物体的特征描述子。步骤S303具体可以为：在所述第二欧式距离与所述第一欧氏距离的比值小于预设值时，判定所述待处理图片与所述源图片相匹配。本实施例中，预设值可以为大于0.6小于0.9的数值。更具体的，该预设值可以为大于0.6小于0.7的数值。
可以理解的，该预设值变小，匹配的特征点数会变小，但稳定性会变高。
步骤S103，将匹配度大于阈值的待处理图片作为目标图片进行发布。
具体的，可以将与源图片的匹配度大于阈值的待处理图片，放入目标图片集合中，并在将各个待处理图片均与所述源图片匹配完成后，将目标图片集合中的各个目标图片进行发布，生成目标物体的图片信息。其中，目标图片为与源图片的匹配度大于阈值的待处理图片。
上述图片匹配方法，获取源图片中目标物体的外形特征信息和色调特征信息，并生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子，根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配，最后将匹配度大于阈值的待处理图片作为目标图片进行发布，从而能够减少对目标物体的所有图片进行逐一点选需要的时间，同时能够减少用户的操作，提高用户的体验。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例二
对应于上文实施例所述的图片匹配方法，图4示出了本申请实施例提供的图片匹配程序的运行环境示意图。为了便于说明，仅示出了与本实施例相关的部分。
在本实施例中，所述的图片匹配程序400安装并运行于电子设备40中。该电子设备40可以是移动终端、掌上电脑、服务器等。该电子设备40可包括，但不仅限于，存储器401和处理器402。图4仅示出了具有组件401-402的电子设备40，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器401在一些实施例中可以是所述电子设备40的内部存储单元，例如该电子设备40的硬盘或内存。所述存储器401在另一些实施例中也可以是所述电子设备40的外部存储设备，例如所述电子设备40上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器401还可以既包括所述电子设备40的内部存储单元也包括外部存储设备。所述存储器401用于存储安装于所述电子设备40的应用软件及各类数据，例如所述图片匹配程序400的程序代码等。所述存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器402在一些实施例中可以是一中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行所述存储器401中存储的程序代码或处理数据，例如执行所述图片匹配程序400等。
该电子设备40还可包括显示器。所述显示器在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。所述显示器用于显示在所述电子设备40中处理的信息以及用于显示可视化的用户界面，例如应用菜单界面、应用图标界面等。所述电子设备40的部件401-402通过系统总线相互通信。
请参阅图5，是本申请实施例提供的图片匹配程序400的功能模块图。在本实施例中，所述的图片匹配程序400可以被分割成一个或多个模块，所述一个或者多个模块被存储于所述存储器401中，并由一个或多个处理器（本实施例为所述处理器402）所执行，以完成本申请。例如，在图5中，所述的图片匹配程序400可以被分割成信息获取模块501、匹配模块502和处理模块503。本申请所称的模块是指能够完成特定功能的一系列计算机可读指令指令段，比程序更适合于描述所述图片匹配程序400在所述电子设备40中的执行过程。以下描述将具体介绍所述模块501-503的功能。
其中，信息获取模块501，用于获取源图片的外形特征信息和色调特征信息，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片。匹配模块502，用于根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配。处理模块503，用于将匹配度大于阈值的待处理图片作为目标图片进行发布。
可选的，所述信息获取模块501可以被分割为构建单元601、处理单元602和特征描述子生成单元603。
其中，构建单元601，用于构建所述源图片的外形特征信息和色调特征信息的尺度空间图像，并检测所述尺度空间图像中的特征点。处理单元602，用于对所述尺度空间中的各个特征点进行过滤和定位，获取满足预设条件的稳定特征点。特征描述子生成单元603，用于对各个所述稳定特征点设置方向，生成表征外形特征信息和色调特征信息的特征描述子。
作为一种可实施方式，特征描述子生成单元603具体用于：以各个所述稳定特征点为中心取预设大小的邻域作为采样窗口，将采样点与相应的所述稳定特征点的相对方向通过高斯加权后归入方向直方图，得到所述特征描述子。
可选的，所述匹配模块502可以被分割为获取单元701和匹配确定单元702。
其中，获取单元701，用于获取各幅所述待处理图片中待匹配物体的特征描述子，以及获取所述待处理图片的各个特征描述子中与所述源图片的特征描述子距离最近的两个特征描述子。匹配确定单元702，用于根据所获取的所述待处理图片的两个特征描述子与所述源图片的特征描述子之间的欧式距离关系，确定各幅待处理图片与所述源图片之间的匹配关系。
作为一种可实施方式，所述待处理图片的两个特征描述子分别为第一特征描述子和第二特征描述子，且所述第一特征描述子到所述源图片的特征描述子之间的第一欧式距离大于所述第二特征描述子到所述源图片的特征描述子之间的第二欧式距离。
匹配确定单元702具体用于：在所述第二欧式距离与所述第一欧氏距离的比值小于预设值时，判定所述待处理图片与所述源图片相匹配。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (20)

  1. 图片匹配方法，其特征在于，包括：
    获取源图片中目标物体的外形特征信息和色调特征信息，并生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
    根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
    将匹配度大于阈值的待处理图片作为目标图片进行发布。
  2. 如权利要求1所述的图片匹配方法，其特征在于，所述生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子包括：
    构建所述源图片中目标物体的外形特征信息和色调特征信息的尺度空间图像，并检测所述尺度空间图像中的特征点；
    对所述尺度空间中的各个特征点进行过滤和定位，获取满足预设条件的稳定特征点；
    对各个所述稳定特征点设置方向，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子。
  3. 如权利要求2所述的图片匹配方法，其特征在于，所述为各个所述稳定特征点设置方向，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子具体为：
    以各个所述稳定特征点为中心取预设大小的邻域作为采样窗口，将采样点与相应的所述稳定特征点的相对方向通过高斯加权后归入方向直方图，得到所述特征描述子。
  4. 如权利要求2所述的图片匹配方法，其特征在于，所述根据所述特征描述子，将所述目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配包括：
    获取各幅所述待处理图片中待匹配物体的特征描述子；
    获取所述待处理图片的多个特征描述子中与所述源图片的特征描述子欧式距离最近的两个特征描述子；
    根据所获取的两个特征描述子与所述源图片中目标物体的特征描述子之间的欧式距离关系，确定各幅待处理图片中待匹配物体与所述源图片中目标物体之间的匹配关系。
  5. 如权利要求4所述的图片匹配方法，其特征在于，所述待处理图片的两个特征描述子分别为第一特征描述子和第二特征描述子，且所述第一特征描述子到所述源图片的特征描述子之间的第一欧式距离大于所述第二特征描述子到所述源图片的特征描述子之间的第二欧式距离；
    所述根据所获取的所述待处理图片的两个特征描述子与所述源图片的特征描述子之间的欧式距离关系，确定各幅待处理图片与所述源图片之间的匹配关系具体为：
    在所述第二欧式距离与所述第一欧氏距离的比值小于预设值时，判定所述待处理图片与所述源图片相匹配。
  6. 图片匹配装置，其特征在于，包括：
    特征生成模块，用于获取源图片中目标物体的外形特征信息和色调特征信息，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
    匹配模块，用于根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
    发布模块，用于将匹配度大于阈值的待处理图片作为目标图片进行发布。
  7. 如权利要求6所述的图片匹配终端装置，其特征在于，所述特征生成模块包括：
    特征检测子模块，用于构建所述源图片中目标物体的外形特征信息和色调特征信息的尺度空间图像，并检测所述尺度空间图像中的特征点；
    特征提取子模块，用于对所述尺度空间中的各个特征点进行过滤和定位，获取满足预设条件的稳定特征点；
    特征生成子模块，用于对各个所述稳定特征点设置方向，生成表征所述目标物体外形特征信息和色调特征信息的特征描述子。
  8. 如权利要求7所述的图片匹配装置，其特征在于，所述特征生成子模块，包括：
    以各个所述稳定特征点为中心取预设大小的邻域作为采样窗口，将采样点与相应的所述稳定特征点的相对方向通过高斯加权后归入方向直方图，得到所述特征描述子。
  9. 如权利要求7所述的图片匹配终端装置，其特征在于，所述匹配模块，包括：
    第一特征获取子模块，用于获取各幅所述待处理图片中待匹配物体的特征描述子；
    第二特征获取子模块，用于获取所述待处理图片的各个特征描述子中与所述源图片的特征描述子距离最近的两个特征描述子；
    匹配确定模块，用于根据所获取的两个特征描述子与所述源图片中目标物体的特征描述子之间的欧式距离关系，确定各幅待处理图片中待匹配物体与所述源图片中目标物体之间的匹配关系。
  10. 如权利要求9所述的图片匹配终端装置，其特征在于，所述待处理图片的两个特征描述子分别为第一特征描述子和第二特征描述子，且所述第一特征描述子到所述源图片的特征描述子之间的第一欧式距离大于所述第二特征描述子到所述源图片的特征描述子之间的第二欧式距离；
    所述匹配确定模块，包括：
    在所述第二欧式距离与所述第一欧氏距离的比值小于预设值时，判定所述待处理图片与所述源图片相匹配。
  11. 图片匹配电子设备，其特征在于，所述潜在客户的识别处理电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
    获取源图片中目标物体的外形特征信息和色调特征信息，并生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
    根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
    将匹配度大于阈值的待处理图片作为目标图片进行发布。
  12. 如权利要求11所述的图片匹配电子设备，其特征在于，所述生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子包括：
    构建所述源图片中目标物体的外形特征信息和色调特征信息的尺度空间图像，并检测所述尺度空间图像中的特征点；
    对所述尺度空间中的各个特征点进行过滤和定位，获取满足预设条件的稳定特征点；
    对各个所述稳定特征点设置方向，生成表征所述目标物体外形特征信息和色调特征信息的特征描述子。
  13. 如权利要求12所述的图片匹配电子设备，其特征在于，所述为各个所述稳定特征点设置方向，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子具体为：
    以各个所述稳定特征点为中心取预设大小的邻域作为采样窗口，将采样点与相应的所述稳定特征点的相对方向通过高斯加权后归入方向直方图，得到所述特征描述子。
  14. 如权利要求12所述的图片匹配电子设备，其特征在于，所述根据所述特征描述子，将所述目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配包括：
    获取各幅所述待处理图片中待匹配物体的特征描述子；
    获取所述待处理图片的各个特征描述子中与所述源图片的特征描述子距离最近的两个特征描述子；
    根据所获取的两个特征描述子与所述源图片中目标物体的特征描述子之间的欧式距离关系，确定各幅待处理图片中待匹配物体与所述源图片中目标物体之间的匹配关系。
  15. 如权利要求14所述的图片匹配电子设备，其特征在于，所述待处理图片的两个特征描述子分别为第一特征描述子和第二特征描述子，且所述第一特征描述子到所述源图片的特征描述子之间的第一欧式距离大于所述第二特征描述子到所述源图片的特征描述子之间的第二欧式距离；
    所述根据所获取的所述待处理图片的两个特征描述子与所述源图片的特征描述子之间的欧式距离关系，确定各幅待处理图片与所述源图片之间的匹配关系具体为：
    在所述第二欧式距离与所述第一欧氏距离的比值小于预设值时，判定所述待处理图片与所述源图片相匹配。
  16. 一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被至少一个处理器执行时实现如下步骤：
    获取源图片中目标物体的外形特征信息和色调特征信息，并生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子；所述源图片为至少一幅图片；
    根据所述特征描述子，将目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配；
    将匹配度大于阈值的待处理图片作为目标图片进行发布。
  17. 如权利要求16所述的计算机可读存储介质，其特征在于，所述生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子包括：
    构建所述源图片中目标物体的外形特征信息和色调特征信息的尺度空间图像，并检测所述尺度空间图像中的特征点；
    对所述尺度空间中的各个特征点进行过滤和定位，获取满足预设条件的稳定特征点；
    对各个所述稳定特征点设置方向，生成表征所述目标物体外形特征信息和色调特征信息的特征描述子。
  18. 如权利要求17所述的计算机可读存储介质，其特征在于，所述为各个所述稳定特征点设置方向，生成表征所述目标物体的外形特征信息和色调特征信息的特征描述子具体为：
    以各个所述稳定特征点为中心取预设大小的邻域作为采样窗口，将采样点与相应的所述稳定特征点的相对方向通过高斯加权后归入方向直方图，得到所述特征描述子。
  19. 如权利要求17所述的计算机可读存储介质，其特征在于，所述根据所述特征描述子，将所述目标文件夹中所包含的各幅待处理图片与所述源图片进行匹配包括：
    获取各幅所述待处理图片中待匹配物体的特征描述子；
    获取所述待处理图片的各个特征描述子中与所述源图片的特征描述子距离最近的两个特征描述子；
    根据所获取的两个特征描述子与所述源图片中目标物体的特征描述子之间的欧式距离关系，确定各幅待处理图片中待匹配物体与所述源图片中目标物体之间的匹配关系。
  20. 如权利要求19所述的计算机可读存储介质，其特征在于，所述待处理图片的两个特征描述子分别为第一特征描述子和第二特征描述子，且所述第一特征描述子到所述源图片的特征描述子之间的第一欧式距离大于所述第二特征描述子到所述源图片的特征描述子之间的第二欧式距离；
    所述根据所获取的所述待处理图片的两个特征描述子与所述源图片的特征描述子之间的欧式距离关系，确定各幅待处理图片与所述源图片之间的匹配关系具体为：
    在所述第二欧式距离与所述第一欧氏距离的比值小于预设值时，判定所述待处理图片与所述源图片相匹配。
PCT/CN2018/074841 2017-07-27 2018-01-31 图片匹配方法及电子设备方法、装置、电子设备及介质 Ceased WO2019019595A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710622209.5A CN107688824A (zh) 2017-07-27 2017-07-27 图片匹配方法及终端设备
CN201710622209.5 2017-07-27

Publications (1)

Publication Number Publication Date
WO2019019595A1 true WO2019019595A1 (zh) 2019-01-31

Family

ID=61153123

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/074841 Ceased WO2019019595A1 (zh) 2017-07-27 2018-01-31 图片匹配方法及电子设备方法、装置、电子设备及介质

Country Status (2)

Country Link
CN (1) CN107688824A (zh)
WO (1) WO2019019595A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083733A (zh) * 2019-03-16 2019-08-02 平安城市建设科技(深圳)有限公司 图片审核方法、装置、设备及计算机可读存储介质
CN110516734A (zh) * 2019-08-23 2019-11-29 腾讯科技（深圳）有限公司 一种图像匹配方法、装置、设备及存储介质
CN110941728A (zh) * 2019-10-17 2020-03-31 深圳国泰安教育技术有限公司 一种电子文件的处理方法及装置
CN111340109A (zh) * 2020-02-25 2020-06-26 深圳市景阳科技股份有限公司 图像匹配方法、装置、设备及存储介质
CN111581415A (zh) * 2020-03-18 2020-08-25 时时同云科技(成都)有限责任公司 确定相似物体的方法、物体相似度的确定方法和设备
CN112200864A (zh) * 2019-07-08 2021-01-08 深圳中科飞测科技有限公司 一种图像处理方法、定位方法、装置、设备及存储介质
CN112633369A (zh) * 2020-12-21 2021-04-09 浙江大华技术股份有限公司 图像匹配方法、装置、电子设备、计算机可读存储介质
CN113111713A (zh) * 2021-03-12 2021-07-13 北京达佳互联信息技术有限公司 一种图像检测方法、装置、电子设备及存储介质
CN113837820A (zh) * 2020-06-23 2021-12-24 阿里巴巴集团控股有限公司 数据处理方法、装置及设备
CN116152308A (zh) * 2021-11-23 2023-05-23 Oppo广东移动通信有限公司 图像配准方法及装置、电子设备、存储介质
CN116503624A (zh) * 2022-01-19 2023-07-28 腾讯科技（深圳）有限公司 图像匹配方法、装置、设备、存储介质及计算机程序产品

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776795A (zh) * 2018-06-20 2018-11-09 邯郸学院 用户身份识别方法、装置及终端设备
CN111104861B (zh) * 2019-11-20 2024-04-30 广州极飞科技股份有限公司 用于确定电线位置的方法和设备以及存储介质
CN112489230B (zh) * 2020-12-09 2023-03-24 贝壳技术有限公司 用于面片模型的色彩匹配方法、装置以及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104346833A (zh) * 2014-10-28 2015-02-11 燕山大学 一种基于单目视觉的车辆重构算法
CN106529591A (zh) * 2016-11-07 2017-03-22 湖南源信光电科技有限公司 一种基于改进的mser图像匹配算法
CN106777177A (zh) * 2016-12-22 2017-05-31 百度在线网络技术（北京）有限公司 检索方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608234A (zh) * 2016-03-18 2016-05-25 北京京东尚科信息技术有限公司 图像检索方法和装置
CN106294577A (zh) * 2016-07-27 2017-01-04 北京小米移动软件有限公司 图片检测方法及装置
CN106708994A (zh) * 2016-12-16 2017-05-24 维沃移动通信有限公司 一种图片选择方法及移动终端

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104346833A (zh) * 2014-10-28 2015-02-11 燕山大学 一种基于单目视觉的车辆重构算法
CN106529591A (zh) * 2016-11-07 2017-03-22 湖南源信光电科技有限公司 一种基于改进的mser图像匹配算法
CN106777177A (zh) * 2016-12-22 2017-05-31 百度在线网络技术（北京）有限公司 检索方法和装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083733A (zh) * 2019-03-16 2019-08-02 平安城市建设科技(深圳)有限公司 图片审核方法、装置、设备及计算机可读存储介质
CN112200864A (zh) * 2019-07-08 2021-01-08 深圳中科飞测科技有限公司 一种图像处理方法、定位方法、装置、设备及存储介质
CN110516734A (zh) * 2019-08-23 2019-11-29 腾讯科技（深圳）有限公司 一种图像匹配方法、装置、设备及存储介质
CN110941728B (zh) * 2019-10-17 2023-10-17 深圳国匠云职业教育科技有限公司 一种电子文件的处理方法及装置
CN110941728A (zh) * 2019-10-17 2020-03-31 深圳国泰安教育技术有限公司 一种电子文件的处理方法及装置
CN111340109A (zh) * 2020-02-25 2020-06-26 深圳市景阳科技股份有限公司 图像匹配方法、装置、设备及存储介质
CN111340109B (zh) * 2020-02-25 2024-01-26 深圳市景阳科技股份有限公司 图像匹配方法、装置、设备及存储介质
CN111581415A (zh) * 2020-03-18 2020-08-25 时时同云科技(成都)有限责任公司 确定相似物体的方法、物体相似度的确定方法和设备
CN113837820A (zh) * 2020-06-23 2021-12-24 阿里巴巴集团控股有限公司 数据处理方法、装置及设备
CN112633369A (zh) * 2020-12-21 2021-04-09 浙江大华技术股份有限公司 图像匹配方法、装置、电子设备、计算机可读存储介质
CN112633369B (zh) * 2020-12-21 2023-04-07 浙江大华技术股份有限公司 图像匹配方法、装置、电子设备、计算机可读存储介质
CN113111713A (zh) * 2021-03-12 2021-07-13 北京达佳互联信息技术有限公司 一种图像检测方法、装置、电子设备及存储介质
CN113111713B (zh) * 2021-03-12 2024-02-27 北京达佳互联信息技术有限公司 一种图像检测方法、装置、电子设备及存储介质
CN116152308A (zh) * 2021-11-23 2023-05-23 Oppo广东移动通信有限公司 图像配准方法及装置、电子设备、存储介质
CN116503624A (zh) * 2022-01-19 2023-07-28 腾讯科技（深圳）有限公司 图像匹配方法、装置、设备、存储介质及计算机程序产品

Also Published As

Publication number Publication date
CN107688824A (zh) 2018-02-13

Similar Documents

Publication Publication Date Title
WO2019019595A1 (zh) 图片匹配方法及电子设备方法、装置、电子设备及介质
US8515178B2 (en) Method and system for image feature extraction
US9754164B2 (en) Systems and methods for classifying objects in digital images captured using mobile devices
US8737737B1 (en) Representing image patches for matching
US20190244054A1 (en) Systems, methods, and devices for image matching and object recognition in images
CN110991533B (zh) 图像识别方法、识别装置、终端设备及可读存储介质
US9330329B2 (en) Systems, methods, and devices for image matching and object recognition in images using minimal feature points
US9349152B2 (en) Image identifiers and methods and systems of presenting image identifiers
US10339373B1 (en) Optical character recognition utilizing hashed templates
US20130315487A1 (en) Systems and methods for feature tracking
CN107492091A (zh) 基于机器视觉的标签外观检测方法及终端设备
US20170323149A1 (en) Rotation invariant object detection
CN111444964B (zh) 一种基于自适应roi划分的多目标快速图像匹配方法
CN110807110B (zh) 结合局部和全局特征的图片搜索方法、装置及电子设备
CN108256532A (zh) 图像处理方法、装置、电子设备及存储介质
US20140267793A1 (en) System and method for vehicle recognition in a dynamic setting
CN113228105B (zh) 一种图像处理方法、装置和电子设备
CN114187333A (zh) 一种图像对齐方法、图像对齐装置及终端设备
WO2019000746A1 (zh) 控件的文字颜色变换方法、系统、电子装置及存储介质
AU2017206290B2 (en) Correspondence labels for improved patch match
CN110633733A (zh) 图像智能匹配方法、装置及计算机可读存储介质
CN108805838A (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN113223184A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN108270973B (zh) 一种拍照处理方法、移动终端及计算机可读存储介质
Du et al. Block-and-octave constraint SIFT with multi-thread processing for VHR satellite image matching

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18839462

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18839462

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS (EPO FORM 1205A DATED 19.03.2020)

122 Ep: pct application non-entry in european phase

Ref document number: 18839462

Country of ref document: EP

Kind code of ref document: A1