CN104077569A - 一种图像识别方法及*** - Google Patents
一种图像识别方法及*** Download PDFInfo
- Publication number
- CN104077569A CN104077569A CN201410289078.XA CN201410289078A CN104077569A CN 104077569 A CN104077569 A CN 104077569A CN 201410289078 A CN201410289078 A CN 201410289078A CN 104077569 A CN104077569 A CN 104077569A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- carried out
- proper vector
- library
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像识别领域,公开了一种图像识别方法及其***,该方法包括以下步骤:采集图像,并对图像进行预处理,分离图像的背景和图像区,提取图像信息;对预处理后得到的图像信息进行特征提取,提取出表示图像唯一性的特征向量;根据提取得到的特征向量将图像分配到预设的相应图像库中;在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。本发明可以将庞大的图像特征与客户端分离,节省了用户的下载时间和流量,并做到了后期新增数据的同步更新。
Description
技术领域
本发明涉及数据识别技术领域,尤其是一种图像识别方法及***。
背景技术
在传统的图像识别***中,匹配算法是直接提取角点或边缘。由于这种算法对环境的适应能力差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等不同情况下识别目标的方法。
SIFT,尺度不变特征转换(Scale-invariant featuretransform,SIFT),是用于图像处理领域的一种描述子。具有尺度、旋转、平移的不变性,而且对光照变化、仿射变换和3维投影变换具有一定的鲁棒性。
SIFT特征除具有前面所述的优点外,还具有很好的独特性,适于在海量特征数据库中进行快速、准确的匹配;另外,算法产生的特征点在图像中的密度很大,速度可以达到实时要求;由于SIFT特征描述子是向量的形式,它可以与其他形式的特征向量进行联合。
所以,SIFT的应用十分广泛,包括目标识别、机器人视觉、图像拼接、3D建模、视频跟踪和运动匹配等。
发明内容
本发明所要解决的技术问题是提供一种图像识别方法及***,可以将庞大的图像特征与客户端分离,节省了用户的下载时间和流量,并做到了后期新增数据的同步更新。
本发明具体的技术方案如下:一种图像识别方法,包括以下步骤:
步骤1,采集图像,并对图像进行预处理,分离图像的背景和图像区,提取图像信息。
步骤2,对预处理后得到的图像信息进行特征提取,提取出表示图像唯一性的特征向量。
步骤3,根据提取得到的特征向量将图像分配到预设的相应图像库中。
步骤4,在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步的,所述步骤1中对图像进行预处理具体包括:
步骤Sa1:将采集到的图像信息进行大小归一化处理。
步骤Sa2:通过灰度拉伸增强图像对比度。
步骤Sa3:通过二值化处理实现图像中背景和对象的分割。
步骤Sa4:采用动态阈值法确定图像二值化的关键阈值,使用带修正的自适应邻域平均法消除图像的干扰和噪音。
步骤Sa5:使用Hough变幻方法和选装投影结合方式处理图像的倾斜校正。
进一步的,所述步骤2中对预处理后得到的图像信息进行特征提取具体包括:
步骤Sb1:构建尺度空间,检测极值点,获得尺度不变性。
步骤Sb2:特征点过滤并进行精确定位。
步骤Sb3:为每个关键点分配方向值。
步骤Sb4:生成特征描述子,即生成了SIFT特征向量,所述SIFT特征向量就是步骤2中所述的表示图像唯一性的特征向量。
进一步的,所述步骤3具体为根据所述步骤Sb5中得到的SIFT特征向量将采集到的图像分配到预设好的与其类别向量一致的图像库中。
进一步的,所述步骤4具体为在分配好的图像库中根据所述步骤Sb5中得到的SIFT特征向量进行匹配,寻找得到最邻近关键点的最邻近值,采用霍夫变换进行聚类实现图像匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
本发明还提供了一种图像识别***,包括用户交互模块和相似性检索模块。
所述用户交互模块用于对数据信息进行查询、交互和交换以及在显示器中进行显示。
所述相似性检索模块包括图像预处理模块、图像特征提取模块、图像分类模块和图像匹配模块。
所述图像预处理模块用于接收所述用户交互模块提交的图像,并对接收的图像进行预处理,分离图像的背景和图像区,提取图像信息。
所述图像特征提取模块用于对预处理后的图像进行特征提取,提取出表示图像唯一性的特征向量。
所述图像分类模块用于根据特征提取后的特征向量进行图像库分配。
所述图像匹配模块用于在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步的,所述用户交互模块包括用户界面、查询接口、交互接口和结果显示模块;所述用户界面通过所述查询接口对所述相似性检索模块的数据进行查询;所述用户界面通过所述交互接口与所述相似性检索模块进行图像信息的交换;所述用户界面通过所述结果显示模块对所述相似性检索模块得到的数据进行显示。
进一步的,所述图像预处理模块包括归一化处理模块、图像灰度拉伸模块、二值化处理模块、图像去噪模块和图像倾斜校正模块,其中,所述归一化处理模块将采集到的图像信息进行大小归一化处理;所述图像灰度拉伸模块通过灰度拉伸增强图像对比度;所述二值化处理模块通过二值化处理实现图像中背景和对象的分割;所述图像去噪模块通过动态阈值法确定图像二值化的关键阈值,采用带修正的自适应邻域平均法消除图像的干扰和噪音;所述图像倾斜校正模块通过Hough变幻方法和选装投影结合方式处理图像的倾斜校正。
进一步的,所述图像特征提取模块包括尺度空间构建模块、特征点过滤定位模块、方向值分配模块、特征描述子生成模块和向量生成模块;所述尺度空间构建模块通过构建尺度空间,检测极值点,获得尺度不变性;所述特征点过滤定位模块对特征点进行过滤并精确定位;所述方向值分配模块为每个关键点分配方向值;所述特征描述子生成模块用于生成特征描述子,即生成了SIFT特征向量。
本发明的有益效果是:
1)提高了识别效率:由于SIFT算法具有局部特征稳定性、高速性、独特性,适用于在海量特征数据库中进行快速、准确的匹配,甚至可以达到实时的要求。所以本发明明显加快了图像匹配的运算速度、提高了图像识别的精度。
2)节省时间及资源:传统的图像识别技术在客户端需要安装庞大的数据库,用户仅在下载步骤就需浪费许多流量及时间,并且后期新增的数据库难以做到同步更新。本***通过网络进行云计算,在云端增加图像识别技术,节省了用户的下载时间及流量,并且实现了后期新增数据的同步更新。
3)操作简单:只需将测试图像上传至服务器,通过服务器端对图像的分析,处理及对比,快速返回相应图像,无需客户端做其它任何操作。
附图说明
图1为本发明的方法流程图;
图2为本发明***的原理框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种图像识别方法,包括以下步骤:
步骤1,采集图像,并对图像进行预处理,分离图像的背景和图像区,提取图像信息。
步骤2,对预处理后得到的图像信息进行特征提取,提取出表示图像唯一性的特征向量。
步骤3,根据提取得到的特征向量将图像分配到预设的相应图像库中。
步骤4,在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
所述图像预处理的具体步骤为:
步骤Sa1:将采集到的图像信息进行大小归一化处理。
步骤Sa2:通过灰度拉伸增强图像对比度。
步骤Sa3:通过二值化处理实现图像中背景和对象的分割。
步骤Sa4:采用动态阈值法确定图像二值化的关键阈值,使用带修正的自适应邻域平均法消除图像的干扰和噪音。
步骤Sa5:使用Hough变幻方法和选装投影结合方式处理图像的倾斜校正。
所述特征提取的具体步骤为:
步骤Sb1:构建尺度空间,检测极值点,获得尺度不变性。
步骤Sb2:特征点过滤并进行精确定位。
步骤Sb3:为每个关键点分配方向值。
步骤Sb4:生成特征描述子,即生成了SIFT特征向量,所述SIFT特征向量就是步骤2中所述的表示图像唯一性的特征向量。
所述步骤3具体为根据所述步骤Sb5中得到的SIFT特征向量将采集到的图像分配到预设好的与其类别向量一致的图像库中。
所述步骤4具体为在分配好的图像库中根据所述步骤Sb5中得到的SIFT特征向量进行匹配,寻找得到最邻近关键点的最邻近值,采用霍夫变换进行聚类实现图像匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
如图2所示,本发明还提供了一种采用上述图像识别方法的***,包括用户交互模块和相似性检索模块。
所述用户交互模块用于对数据信息进行查询、交互和交换以及在显示器中进行显示。
所述相似性检索模块包括图像预处理模块、图像特征提取模块、图像分类模块和图像匹配模块。
所述图像预处理模块用于接收所述用户交互模块提交的图像,并对接收的图像进行预处理,分离图像的背景和图像区,提取图像信息。
所述图像特征提取模块用于对预处理后的图像进行特征提取,提取出表示图像唯一性的特征向量。
所述图像分类模块用于根据特征提取后的特征向量进行图像库分配。
所述图像匹配模块用于在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
所述用户交互模块包括用户界面、查询接口、交互接口和结果显示模块;所述用户界面通过所述查询接口对所述相似性检索模块的数据进行查询;所述用户界面通过所述交互接口与所述相似性检索模块进行图像信息的交换;所述用户界面通过所述结果显示模块对所述相似性检索模块得到的数据进行显示。
所述图像预处理模块包括归一化处理模块、图像灰度拉伸模块、二值化处理模块、图像去噪模块和图像倾斜校正模块,其中,所述归一化处理模块将采集到的图像信息进行大小归一化处理;所述图像灰度拉伸模块通过灰度拉伸增强图像对比度;所述二值化处理模块通过二值化处理实现图像中背景和对象的分割;所述图像去噪模块通过动态阈值法确定图像二值化的关键阈值,采用带修正的自适应邻域平均法消除图像的干扰和噪音;所述图像倾斜校正模块通过Hough变幻方法和选装投影结合方式处理图像的倾斜校正。
所述图像特征提取模块包括尺度空间构建模块、特征点过滤定位模块、方向值分配模块、特征描述子生成模块和向量生成模块;所述尺度空间构建模块通过构建尺度空间,检测极值点,获得尺度不变性;所述特征点过滤定位模块对特征点进行过滤并精确定位;所述方向值分配模块为每个关键点分配方向值;所述特征描述子生成模块用于生成特征描述子,即生成了SIFT特征向量。
在一具体实施方式中,以采集***景区内一石像的图像为例,通过扫描该石像,在海量未知的图片中快速精确的找出该石像是成都“***”景区内的景物,具体方法步骤如下:
(1)扫描该石像,将石像扫描图以http请求方式通过交互接口进入图像预处理模块进行处理。
图像预处理模块对石像扫描图的处理步骤为:
第一,将石像扫描图进行大小归一化处理;
第二,通过灰度拉伸增强图像对比度;
第三,通过二值化处理实现图像中背景和对象的分割;
第四,采用动态阈值法确定图像二值化的关键阈值,使用带修正的自适应邻域平均法消除石像扫描图干扰和噪音;
第五,使用Hough变幻方法和选装投影相结合方式处理图像的倾斜校正。(2)将经过图像预处理的石像扫描图片进行特征提取。
特征提取负责把能够表示该图唯一性的特征点用数值的形式表达出来,比如角点、边缘点、暗区域的亮点以及亮区域的暗点等,即使用SIFT算法,生成SIFT特征向量。
SIFT特征向量生成一般包括以下几个步骤:
第一,构建尺度空间,检测极值点,获得尺度不变性;
第二,特征点过滤并进行精确定位;
第三,为每个关键点分配方向值;
第四,生成特征描述子,即生成了SIFT特征向量。
(3)图像分类模块根据上述步骤得到的图像SIFT特征向量,将石像扫描图划入与其SIFT特征向量相同的图像库中。
(4)在与石像扫描图对应的图像库中,对其进行匹配。
采用特征向量的欧式距离来作为石像扫描图与图像库中的另一图像的关键点的相似性判定度量,如果最近邻值除以次最近邻的相对值少于某个比例阈值,则判定为一对匹配点,具体步骤如下:
第一,根据所述步骤Sb5中得到的SIFT特征向量进行匹配,寻找得到最近邻关键点;
第二,采用霍夫变换进行聚类实现图像匹配;
第三,将匹配结果输出。
如果在图像库中找到与***石像扫描图相同或相似的图片,则在结果显示模块中显示该图片或“***石像”,没有找到则不显示。结果输出方式以HTTP请求方式发生。
通过以上具体实施例,可以看出本发明的优点为:本发明主要采用Opencv库中SIFT算法,提高了图像识别效率,同时将庞大的图像特征库与客户端剥离,节省了用户的下载时间及流量,并且能够实现后期新增数据的同步更新。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种图像识别方法,其特征在于,包括以下步骤:
步骤1,采集图像,并对图像进行预处理,分离图像的背景和图像区,提取图像信息;
步骤2,对预处理后得到的图像信息进行特征提取,提取出表示图像唯一性的特征向量;
步骤3,根据提取得到的特征向量将图像分配到预设的相应图像库中;
步骤4,在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
2.根据权利要求1所述的一种图像识别方法,其特征在于,所述步骤1中对图像进行预处理具体包括:
步骤Sa1:将采集到的图像信息进行大小归一化处理;
步骤Sa2:通过灰度拉伸增强图像对比度;
步骤Sa3:通过二值化处理实现图像中背景和对象的分割;
步骤Sa4:采用动态阈值法确定图像二值化的关键阈值,使用带修正的自适应邻域平均法消除图像的干扰和噪音;
步骤Sa5:使用Hough变幻方法和选装投影结合方式处理图像的倾斜校正。
3.根据权利要求1所述的一种图像识别方法,其特征在于,所述步骤2中对预处理后得到的图像信息进行特征提取具体包括:
步骤Sb1:构建尺度空间,检测极值点,获得尺度不变性的特征点;
步骤Sb2:对特征点过滤并进行精确定位;
步骤Sb3:为每个关键点分配方向值;
步骤Sb4:生成特征描述子,即生成了SIFT特征向量。
4.根据权利要求3所述的一种图像识别方法,其特征在于,所述步骤3具体为根据所述步骤Sb5中得到的SIFT特征向量将采集到的图像分配到预设好的与其类别向量一致的图像库中。
5.根据权利要求4所述的一种图像识别方法,其特征在于,所述步骤4具体为在分配好的图像库中根据所述步骤Sb5中得到的SIFT特征向量进行匹配,寻找得到最邻近关键点的最邻近值,采用霍夫变换进行聚类实现图像匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
6.一种图像识别***,其特征在于,包括用户交互模块和相似性检索模块;
所述用户交互模块用于对数据信息进行查询、交互和交换以及在显示器中进行显示;
所述相似性检索模块包括图像预处理模块、图像特征提取模块、图像分类模块和图像匹配模块;
所述图像预处理模块,其用于接收所述用户交互模块提交的图像,并对接收的图像进行预处理,分离图像的背景和图像区,提取图像信息;
所述图像特征提取模块,其用于对预处理后的图像进行特征提取,提取出表示图像唯一性的特征向量;
所述图像分类模块,其用于根据特征提取后的特征向量进行图像库分配;
所述图像匹配模块,其用于在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配,获得与采集到的图像相匹配的图像及预存好的图像信息。
7.根据权利要求6所述的一种图像识别***,其特征在于,所述用户交互模块包括用户界面、查询接口、交互接口和结果显示模块;所述用户界面通过所述查询接口对所述相似性检索模块的数据进行查询;所述用户界面通过所述交互接口与所述相似性检索模块进行图像信息的交换;所述用户界面通过所述结果显示模块对所述相似性检索模块得到的数据进行显示。
8.根据权利要求6所述的一种图像识别***,其特征在于,所述图像预处理模块包括归一化处理模块、图像灰度拉伸模块、二值化处理模块、图像去噪模块和图像倾斜校正模块;
所述归一化处理模块将采集到的图像信息进行大小归一化处理;所述图像灰度拉伸模块通过灰度拉伸增强图像对比度;
所述二值化处理模块通过二值化处理实现图像中背景和对象的分割;所述图像去噪模块通过动态阈值法确定图像二值化的关键阈值,采用带修正的自适应邻域平均法消除图像的干扰和噪音;
所述图像倾斜校正模块通过Hough变幻方法和选装投影结合方式处理图像的倾斜校正。
9.根据权利要求6所述的一种图像识别***,其特征在于,所述图像特征提取模块包括尺度空间构建模块、特征点过滤定位模块、方向值分配模块、特征描述子生成模块和向量生成模块;
所述尺度空间构建模块通过构建尺度空间,检测极值点,获得尺度不变性;
所述特征点过滤定位模块对特征点进行过滤并精确定位;
所述方向值分配模块为每个关键点分配方向值;
所述特征描述子生成模块用于生成特征描述子,即生成了SIFT特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410289078.XA CN104077569A (zh) | 2014-06-24 | 2014-06-24 | 一种图像识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410289078.XA CN104077569A (zh) | 2014-06-24 | 2014-06-24 | 一种图像识别方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104077569A true CN104077569A (zh) | 2014-10-01 |
Family
ID=51598817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410289078.XA Pending CN104077569A (zh) | 2014-06-24 | 2014-06-24 | 一种图像识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104077569A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868814A (zh) * | 2015-01-23 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 图像码的解析方法及装置、图像码的生成方法及装置 |
CN106354738A (zh) * | 2015-07-18 | 2017-01-25 | 严之鸿 | 一种平面图像录入及匹配的方法和*** |
CN106682713A (zh) * | 2017-01-03 | 2017-05-17 | 上海同凝节能科技有限公司 | 一种预制混凝土构件的唯一性识别方法及*** |
CN108133695A (zh) * | 2018-01-02 | 2018-06-08 | 京东方科技集团股份有限公司 | 一种图像显示方法、装置、设备和介质 |
CN108243602A (zh) * | 2017-01-06 | 2018-07-03 | 广东华志珹智能科技有限公司 | 一种屏蔽盖贴片机图像识别***及方法 |
WO2018121414A1 (zh) * | 2016-12-30 | 2018-07-05 | 中兴通讯股份有限公司 | 电子设备、目标图像识别方法及装置 |
CN108304880A (zh) * | 2018-02-05 | 2018-07-20 | 福建汇川物联网技术科技股份有限公司 | 一种基于图像标记的工地试样见证取样方法 |
CN108664921A (zh) * | 2018-05-10 | 2018-10-16 | 江苏大学 | 一种安卓平台下基于词袋模型的图像识别方法及*** |
CN110162656A (zh) * | 2019-05-05 | 2019-08-23 | 南京师范大学 | 一种增强图像特征点信息的方法及*** |
CN110334673A (zh) * | 2019-07-10 | 2019-10-15 | 青海中水数易信息科技有限责任公司 | 具有智能识别图像功能的河长制信息化***及方法 |
CN110737364A (zh) * | 2019-11-06 | 2020-01-31 | 广州炫视智能科技有限公司 | 一种安卓***下触摸书写加速的控制方法 |
CN111415450A (zh) * | 2019-01-08 | 2020-07-14 | 深圳怡化电脑股份有限公司 | 票据涂改的检测方法及其检测装置、计算机存储介质 |
CN112829848A (zh) * | 2019-11-25 | 2021-05-25 | 深圳市优必选科技股份有限公司 | 一种机器人的运动控制方法、运动控制装置及机器人 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008150002A1 (en) * | 2007-05-31 | 2008-12-11 | Aisin Aw Co., Ltd. | Feature extraction method, and image recognition method and feature database creation method using the same |
CN102693424A (zh) * | 2012-05-28 | 2012-09-26 | 上海交通大学 | 基于Harr-like特征的文档倾斜校正方法 |
CN102915372A (zh) * | 2012-11-06 | 2013-02-06 | 成都理想境界科技有限公司 | 图像检索方法、装置及*** |
-
2014
- 2014-06-24 CN CN201410289078.XA patent/CN104077569A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008150002A1 (en) * | 2007-05-31 | 2008-12-11 | Aisin Aw Co., Ltd. | Feature extraction method, and image recognition method and feature database creation method using the same |
CN102693424A (zh) * | 2012-05-28 | 2012-09-26 | 上海交通大学 | 基于Harr-like特征的文档倾斜校正方法 |
CN102915372A (zh) * | 2012-11-06 | 2013-02-06 | 成都理想境界科技有限公司 | 图像检索方法、装置及*** |
Non-Patent Citations (2)
Title |
---|
张德丰: "《数字图像处理 MATLAB版》", 31 October 2009 * |
王殿君等: "《移动机器人自主定位技术》", 30 June 2013 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868814A (zh) * | 2015-01-23 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 图像码的解析方法及装置、图像码的生成方法及装置 |
CN106354738A (zh) * | 2015-07-18 | 2017-01-25 | 严之鸿 | 一种平面图像录入及匹配的方法和*** |
WO2018121414A1 (zh) * | 2016-12-30 | 2018-07-05 | 中兴通讯股份有限公司 | 电子设备、目标图像识别方法及装置 |
CN106682713A (zh) * | 2017-01-03 | 2017-05-17 | 上海同凝节能科技有限公司 | 一种预制混凝土构件的唯一性识别方法及*** |
CN108243602A (zh) * | 2017-01-06 | 2018-07-03 | 广东华志珹智能科技有限公司 | 一种屏蔽盖贴片机图像识别***及方法 |
CN108133695B (zh) * | 2018-01-02 | 2020-08-14 | 京东方科技集团股份有限公司 | 一种图像显示方法、装置、设备和介质 |
CN108133695A (zh) * | 2018-01-02 | 2018-06-08 | 京东方科技集团股份有限公司 | 一种图像显示方法、装置、设备和介质 |
CN108304880A (zh) * | 2018-02-05 | 2018-07-20 | 福建汇川物联网技术科技股份有限公司 | 一种基于图像标记的工地试样见证取样方法 |
CN108664921A (zh) * | 2018-05-10 | 2018-10-16 | 江苏大学 | 一种安卓平台下基于词袋模型的图像识别方法及*** |
CN111415450A (zh) * | 2019-01-08 | 2020-07-14 | 深圳怡化电脑股份有限公司 | 票据涂改的检测方法及其检测装置、计算机存储介质 |
CN110162656A (zh) * | 2019-05-05 | 2019-08-23 | 南京师范大学 | 一种增强图像特征点信息的方法及*** |
CN110162656B (zh) * | 2019-05-05 | 2021-04-06 | 南京师范大学 | 一种增强图像特征点信息的方法及*** |
CN110334673A (zh) * | 2019-07-10 | 2019-10-15 | 青海中水数易信息科技有限责任公司 | 具有智能识别图像功能的河长制信息化***及方法 |
CN110737364A (zh) * | 2019-11-06 | 2020-01-31 | 广州炫视智能科技有限公司 | 一种安卓***下触摸书写加速的控制方法 |
CN110737364B (zh) * | 2019-11-06 | 2023-12-12 | 广州炫视智能科技有限公司 | 一种安卓***下触摸书写加速的控制方法 |
CN112829848A (zh) * | 2019-11-25 | 2021-05-25 | 深圳市优必选科技股份有限公司 | 一种机器人的运动控制方法、运动控制装置及机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104077569A (zh) | 一种图像识别方法及*** | |
KR101940718B1 (ko) | Rgb-d 영상 기반 사람 영역 추출 장치 및 그 방법 | |
US9465774B2 (en) | Optical character recognition system using multiple images and method of use | |
US10558844B2 (en) | Lightweight 3D vision camera with intelligent segmentation engine for machine vision and auto identification | |
Khan et al. | An efficient contour based fine-grained algorithm for multi category object detection | |
Katartzis et al. | A stochastic framework for the identification of building rooftops using a single remote sensing image | |
CN1655144A (zh) | 图形比较装置及方法 | |
WO2019171628A1 (en) | Image processing system and image processing method | |
JP2012068690A (ja) | 手指ジェスチャ検出装置 | |
CN112329587B (zh) | 饮料瓶的分类方法、装置及电子设备 | |
Merino-Gracia et al. | Fast perspective recovery of text in natural scenes | |
Khurana et al. | A survey on object recognition and segmentation techniques | |
CN108182704A (zh) | 基于形状上下文特征的定位方法 | |
CN104036259A (zh) | 人脸相似度识别方法和*** | |
CN105930842A (zh) | 字符识别方法及装置 | |
Aissaoui et al. | DLBP: A novel descriptor for depth image based face recognition | |
Setiawan et al. | The use of scale invariant feature transform (SIFT) algorithms to identification garbage images based on product label | |
CN113689365B (zh) | 一种基于Azure Kinect的目标跟踪定位方法 | |
JP5337252B2 (ja) | 特徴抽出装置 | |
Herrera et al. | A novel 2D to 3D video conversion system based on a machine learning approach | |
JP2019021100A (ja) | 画像探索装置、商品認識装置および画像探索プログラム | |
Skoryukina et al. | 2D art recognition in uncontrolled conditions using one-shot learning | |
Saranya et al. | An approach towards ear feature extraction for human identification | |
Valiente et al. | A process for text recognition of generic identification documents over cloud computing | |
JP5051671B2 (ja) | 情報処理装置、情報処理方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141001 |