CN106407997A - 一种使用移动设备识别对象的***及其识别方法 - Google Patents

一种使用移动设备识别对象的***及其识别方法 Download PDF

Info

Publication number
CN106407997A
CN106407997A CN201610551918.4A CN201610551918A CN106407997A CN 106407997 A CN106407997 A CN 106407997A CN 201610551918 A CN201610551918 A CN 201610551918A CN 106407997 A CN106407997 A CN 106407997A
Authority
CN
China
Prior art keywords
mobile device
image
pretreatment
digital picture
device identification
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
Application number
CN201610551918.4A
Other languages
English (en)
Inventor
戴平
戴一平
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.)
Kunshan Love Intelligent Technology Co Ltd
Original Assignee
Kunshan Love Intelligent Technology 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 Kunshan Love Intelligent Technology Co Ltd filed Critical Kunshan Love Intelligent Technology Co Ltd
Priority to CN201610551918.4A priority Critical patent/CN106407997A/zh
Publication of CN106407997A publication Critical patent/CN106407997A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种使用移动设备识别对象的***及其识别方法,包括：捕获数字图像的移动设备，接收数字图像的信息并降低图像分辨率的预处理模块，接收预处理模块的信息并比较、分类特征向量的模板特征矩阵模块。本发明提供一种使用移动设备识别对象的***及其识别方法，本发明通过降低到合适的分辨率，最大限度地减少了移动设备处理器的负担，并优化了计算效率，具有很强的鲁棒性。

Description

一种使用移动设备识别对象的***及其识别方法
技术领域
本发明涉及移动图像捕获及处理领域，特别是一种使用移动设备识别对象的***及其识别方法。
背景技术
众所周知，在数字图像处理领域，通过使用电脑连接特定的外部设备比如扫描仪，多功能设备，可以很好的完成图像捕获及处理的任务，而且技术也非常成熟。然而，在每天的日常活动中，由于其非常的便利性，人们越来越倾向于使用移动设备，这大大推动了通过移动设备进行图像采集及处理的需求。
在移动设备上使用传统的图像采集和处理技术手段面临着明显的挑战，比如，移动设备的处理能力以及图像分辨率的限制，使得常规的基于扫描仪的处理算法在使用移动设备捕获的数字图像处理表现不佳。
此外，使用常规图像处理算法会耗费相当的***资源，在移动设备上有限的处理能力和存储也导致了使用常规图像处理算法的性能瓶颈。
再一个挑战是通过手机拍摄的图像与传统的扫描仪不同，后者能够忠实地反映实际的长宽比，尺寸和形状，移动设备捕获的图像通常不能保证这样的效果，而会有变形的偏差。
对于上述的挑战，有必要提供一种图像捕获及处理的算法及应用，以便使用移动设备采集，处理及识别对象，同时利用有效的处理方法以维持较低的计算成本。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种使用移动设备识别对象的***及其识别方法，本发明通过降低到合适的分辨率，最大限度地减少了移动设备处理器的负担，并优化了计算效率，具有很强的鲁棒性。
为了实现上述目标，本发明采用如下的技术方案：
一种使用移动设备识别对象的***,包括：捕获数字图像的移动设备，接收数字图像的信息并降低图像分辨率的预处理模块，接收预处理模块的信息并比较、分类特征向量的模板特征矩阵模块。
前述的一种使用移动设备识别对象的***,预处理模块将数字图像分割成具有维水平和维垂直像素的降低了分辨率的预处理图像。
前述的一种使用移动设备识别对象的识别方法,包括如下步骤：
步骤一，使用移动设备捕获数字图像；
步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；
步骤三，使用处理器对预处理后的信息用模板特征矩阵比较及分类特征向量。
前述的一种使用移动设备识别对象的识别方法,步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；由移动设备捕获的数字图像300可以被划分成S个部分304，每个部分304可以包含多个像素306，形成包含维水平像素和维垂直像素的S x S栅格。
前述的一种使用移动设备识别对象的识别方法,步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；通过二值化算法将多色调的数字图像变换成为黑白图像。
前述的一种使用移动设备识别对象的识别方法,步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；通过二值化算法将多色调的数字图像变换成为黑白图像；二值化算法包括：1）确定一个对象的类的颜色配置文件和方案，2）调整对象的类的颜色配置文件或色彩方案的详细二值化参数，3）使用阈值调整图像的二值化参数。
前述的一种使用移动设备识别对象的识别方法,步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；通过二值化算法将多色调的数字图像变换成为黑白图像；二值化算法包括：1）通过对象的类掩模确定对象的背景区域，2）调整对象的背景区域的颜色配置文件或色彩方案的详细二值化参数，3）使用阈值调整图像的二值化参数。
前述的一种使用移动设备识别对象的识别方法,对象的类掩模确定一个或多个对象的背景区域。
本发明的有益之处在于：本发明提供一种使用移动设备识别对象的***及其识别方法，本发明通过移动设备捕获数字图像，通过预处理将数字图像的分辨率降低，再与多元模板特征矩阵的比较及分类，基于对象特征，识别一个或多个属于特定对象类中的对象；通过降低到合适的分辨率，最大限度地减少了移动设备处理器的负担，并优化了计算效率，具有很强的鲁棒性。
附图说明
图1为本发明对象的一种实施例的数字图像；
图2为图1分割成多个用于产生预处理图像；
图3为图1降低分辨率后特征化后的预处理图像；
图4为为本发明的多个子区域的数字图像的示意图；
图5为图4的一种实施例的掩码展示；
图6为图4的另一实施例的掩码展示；
图7为图4的另一实施例的掩码展示；
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
一种使用移动设备识别对象的***,包括：捕获数字图像的移动设备，接收数字图像的信息并降低图像分辨率的预处理模块，接收预处理模块的信息并比较、分类特征向量的模板特征矩阵模块。
预处理模块可以将一个数字图像R（具有y.sub.R维垂直和x.sub.R维水平像素分辨率）分割成具有S.sub.x维水平和S.sub.y维垂直像素的降低了分辨率的预处理图像。
移动设备为市场上普遍使用的智能手机；处理器是手机自带的处理器，比如安卓手机是骁龙，苹果手机是A4,A5。
一种使用移动设备识别对象的识别方法,包括如下步骤：
步骤一，使用移动设备捕获数字图像；
步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；
步骤三，使用处理器对预处理后的信息用模板特征矩阵比较及分类特征向量。
降低图像分辨率的预处理具体方法如下：
方法一；如图1-2, 由移动设备捕获的数字图像300可以被划分成多个部分304，每个部分304可以包含多个像素306，形成包含p.sub.S(x)维水平像素和p.sub.S(y)维垂直像素的矩形栅格。p.sub.S(x)= p.sub.S(y)=4。在此实例中，数字图像300被划分为S个部分，其中每个部分304对应于S x S 栅格的302的一个部分。在预处理图像左上角的像素312对应于左上角部304的数字图像。需要说明的是，为了降低分辨率，也可以采用其它的方法生成预处理图像，图像的特征值（分辨率，照明，模糊度）物体和背景的对比，文字和其它符号的使用，等等。
方法二；参照图4-7，通过二值化算法将多色调的数字图像变换成为黑白图像；二值化算法包括：1）确定一个对象的类的颜色配置文件和方案，2）调整对象的类的颜色配置文件或色彩方案的详细二值化参数，3）使用阈值调整图像的二值化参数。
作为一种实施例，图4-5，改善二值化可以包括确定一个对象的类的颜色配置文件和方案，调整一个或基于所述对象类的颜色配置文件或色彩方案的详细二值化参数；和使用阈值调整图像的二值化参数。
作为一种优选，二值化算法采用类掩模确定对象的背景区域；二值化算法包括：1）通过对象的类掩模确定对象的背景区域，2）调整对象的背景区域的颜色配置文件或色彩方案的详细二值化参数，3）使用阈值调整图像的二值化参数。
需要说明的是，对象的类掩模确定一个或多个对象的背景区域。改进的二值化方法可以包括确定一个对象的类掩模。对象的类掩模可以是任何类型的掩模，提供了感兴趣的特征的特定区域的类。
如图5所示，改进的二值化包括确定一个对象的类掩模420所确定的区域，以排除数字图像400的除了感兴趣的单个区域外的其它所有的区域。可以通过获得对象类掩模既与物体的颜色配置文件和/或颜色方案，调整基于所述对象的背景区域的颜色信息和/或颜色方案，并且使用调整后的二值化参数阈值。
如图5所示，对于多个感兴趣区域也可以使用对象类掩模420，以选择性地指定区域和/或参数值化，产生高品质的双色调图像的分层方法。例如，如图6多个文字区404，406可以被保留为二值化（可以使用调整的参数）将对象类后掩模420，以从二进制化排除所有非文本区域，等等。
本发明提供一种使用移动设备识别对象的***及其识别方法，本发明通过移动设备捕获数字图像，通过预处理将数字图像的分辨率降低，再与多元模板特征矩阵的比较及分类，基于对象特征，识别一个或多个属于特定对象类中的对象；通过降低到合适的分辨率，最大限度地减少了移动设备处理器的负担，并优化了计算效率，具有很强的鲁棒性。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (8)

1.一种使用移动设备识别对象的***,其特征在于，包括：捕获数字图像的移动设备，接收上述数字图像的信息并降低图像分辨率的预处理模块，接收上述预处理模块的信息并比较、分类特征向量的模板特征矩阵模块。
2.根据权利要求1所述的一种使用移动设备识别对象的***,其特征在于，上述预处理模块将数字图像分割成具有维水平和维垂直像素的降低了分辨率的预处理图像。
3.根据权利要求1所述的一种使用移动设备识别对象的识别方法,其特征在于，包括如下步骤：
步骤一，使用移动设备捕获数字图像；
步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；
步骤三，使用处理器对预处理后的信息用模板特征矩阵比较及分类特征向量。
4.根据权利要求3所述的一种使用移动设备识别对象的识别方法,其特征在于，步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；由移动设备捕获的数字图像300可以被划分成S个部分304，每个部分304可以包含多个像素306，形成包含维水平像素和维垂直像素的S x S栅格。
5.根据权利要求3所述的一种使用移动设备识别对象的识别方法,其特征在于，步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；通过二值化算法将多色调的数字图像变换成为黑白图像。
6.根据权利要求3所述的一种使用移动设备识别对象的识别方法,其特征在于，步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；通过二值化算法将多色调的数字图像变换成为黑白图像；二值化算法包括：1）确定一个对象的类的颜色配置文件和方案，2）调整上述对象的类的颜色配置文件或色彩方案的详细二值化参数，3）使用阈值调整图像的二值化参数。
7.根据权利要求3所述的一种使用移动设备识别对象的识别方法,其特征在于，步骤二，使用处理器对接收到的数字图像进行降低图像分辨率的预处理；通过二值化算法将多色调的数字图像变换成为黑白图像；二值化算法包括：1）通过对象的类掩模确定对象的背景区域，2）调整对象的背景区域的颜色配置文件或色彩方案的详细二值化参数，3）使用阈值调整图像的二值化参数。
8.根据权利要求7所述的一种使用移动设备识别对象的识别方法,其特征在于，上述对象的类掩模确定一个或多个对象的背景区域。
CN201610551918.4A 2016-07-14 2016-07-14 一种使用移动设备识别对象的***及其识别方法 Pending CN106407997A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610551918.4A CN106407997A (zh) 2016-07-14 2016-07-14 一种使用移动设备识别对象的***及其识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610551918.4A CN106407997A (zh) 2016-07-14 2016-07-14 一种使用移动设备识别对象的***及其识别方法

Publications (1)

Publication Number Publication Date
CN106407997A true CN106407997A (zh) 2017-02-15

Family

ID=58006927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610551918.4A Pending CN106407997A (zh) 2016-07-14 2016-07-14 一种使用移动设备识别对象的***及其识别方法

Country Status (1)

Country Link
CN (1) CN106407997A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014160426A1 (en) * 2013-03-13 2014-10-02 Kofax, Inc. Classifying objects in digital images captured using mobile devices
CN104537339A (zh) * 2014-12-19 2015-04-22 汉王科技股份有限公司 信息识别方法和信息识别***
CN105308944A (zh) * 2013-03-13 2016-02-03 柯法克斯公司 对移动设备捕获的数字图像中的对象进行分类的***和方法
CN105684058A (zh) * 2016-01-19 2016-06-15 冯旋宇 智能交通的号牌识别方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014160426A1 (en) * 2013-03-13 2014-10-02 Kofax, Inc. Classifying objects in digital images captured using mobile devices
CN105283884A (zh) * 2013-03-13 2016-01-27 柯法克斯公司 对移动设备捕获的数字图像中的对象进行分类
CN105308944A (zh) * 2013-03-13 2016-02-03 柯法克斯公司 对移动设备捕获的数字图像中的对象进行分类的***和方法
CN104537339A (zh) * 2014-12-19 2015-04-22 汉王科技股份有限公司 信息识别方法和信息识别***
CN105684058A (zh) * 2016-01-19 2016-06-15 冯旋宇 智能交通的号牌识别方法及***

Similar Documents

Publication Publication Date Title
CN107067389B (zh) 一种图像篡改盲取证方法
Fadl et al. Robust copy–move forgery revealing in digital images using polar coordinate system
CN105426829B (zh) 基于人脸图像的视频分类方法和装置
EP2366170B1 (en) Media fingerprints that reliably correspond to media content with projection of moment invariants
CN104598933A (zh) 一种基于多特征融合的图像翻拍检测方法
CN102136065B (zh) 基于凸优化的人脸超分辨率方法
CN104573674A (zh) 面向实时嵌入式***的一维条码识别方法
CN112232204B (zh) 基于红外图像的活体检测方法
Yang et al. Efficient reversible data hiding algorithm based on gradient-based edge direction prediction
Dorai et al. Detecting dynamic behavior in compressed fingerprint videos: Distortion
CN110222647B (zh) 一种基于卷积神经网络的人脸活体检测方法
CN106713739B (zh) 一种基于电子屏幕显示的二维码的识别方法
CN1241389C (zh) 多媒体产品中面向对象的自同步水印检测方法
CN102842133A (zh) 一种局部特征描述方法
CN114612980A (zh) 基于多方位交融注意力的变形人脸检测
Hadis et al. The impact of preprocessing on face recognition using pseudorandom pixel placement
CN112232205B (zh) 移动端cpu实时多功能人脸检测方法
CN111079689B (zh) 一种指纹图像增强方法
CN106407997A (zh) 一种使用移动设备识别对象的***及其识别方法
CN106446904A (zh) 基于全局二值化的图像识别方法
Kim et al. Vehicle model recognition using SRGAN for low-resolution vehicle images
Hämmerle-Uhl et al. Improving compressed iris recognition accuracy using jpeg2000 roi coding
CN115731591A (zh) 一种化妆进度检测方法、装置、设备及存储介质
CN109685839B (zh) 图像对齐方法、移动终端以及计算机存储介质
Wen High-fidelity reversible data hiding using discrete cosine transform coefficients energy analysis-based predictor and optimized embedding

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: 20170215