CN107516099A - 一种标记图片检测的方法、装置及计算机可读存储介质 - Google Patents

一种标记图片检测的方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN107516099A
CN107516099A CN201710719860.4A CN201710719860A CN107516099A CN 107516099 A CN107516099 A CN 107516099A CN 201710719860 A CN201710719860 A CN 201710719860A CN 107516099 A CN107516099 A CN 107516099A
Authority
CN
China
Prior art keywords
pixel
detected
image
gray value
target
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.)
Granted
Application number
CN201710719860.4A
Other languages
English (en)
Other versions
CN107516099B (zh
Inventor
贾琼
赵凌
孙星
余宗桥
郭晓威
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201710719860.4A priority Critical patent/CN107516099B/zh
Publication of CN107516099A publication Critical patent/CN107516099A/zh
Application granted granted Critical
Publication of CN107516099B publication Critical patent/CN107516099B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种标记图片检测的方法，包括：获取待检测图像，通过查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，所述反正切表中包含查表索引与角度的对应关系，所述查表索引依据所述neon函数确定；将所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集；当所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。本申请实施例通可以提高图像中像素点的梯度信息的提取速度，加快了标记图片检测的速度。

Description

一种标记图片检测的方法、装置及计算机可读存储介质
技术领域
本申请涉及计算机技术领域，具体涉及一种标记图片检测的方法、装置及计算机可读存储介质。
背景技术
增强现实(Augmented Reality，英文简称：AR)也被称之为混合现实。它通过电脑技术，将虚拟的信息应用到真实世界，真实的环境和虚拟的物体实时地叠加到了同一个画面或空间。
将虚拟的物体叠加到真实的环境的过程通常是通过标记图片(Marker)的方式来实现叠加的，例如：在一本杂志上设置有标记图片，摄像头读取该杂志后，可以从图像中检测出标记图片，然后根据标记图片的位姿信息，也就是位置信息和姿态信息，将虚拟图像叠加到该真实的杂志上，从而产生AR的效果。
在检测Marker的过程中，要提取每个像素点的梯度信息，梯度信息包含角度信息，角度信息的提取过程中求取角度需要反正切三角函数，对于百万级像素的待检测图像其调用该反正切三角函数的次数也是百万级，因此优化此函数的计算耗时对降低Marker检测整体耗时非常重要。
发明内容
为解决现有技术中Marker检测耗时严重的问题，本申请实施例提供一种标记图片检测的方法，可以通过使用查表法查找梯度信息，从而提高了图像中像素点的梯度信息的提取速度，加快了Marker检测的速度。本申请实施例还提供了相应的装置及计算机可读存储介质。
本申请第一方面提供一种标记图片检测的方法，包括：
获取待检测图像，所述待检测图像中包含带有纹理的标记图片；
通过查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合；
将所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集；
当所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
本申请第二方面提供一种标记图片检测的装置，包括：
获取程序模块，用于获取待检测图像，所述待检测图像中包含带有纹理的标记图片；
提取程序模块，用于通过查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合；
匹配程序模块，用于将所述提取程序模块提取的所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集；
确定程序模块，用于当所述匹配程序模块确定的所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
本申请第三方面提供一种计算机设备，所述计算机设备包括：输入/输出(I/O)接口、处理器和存储器，所述存储器中存储有第一方面所述的标记图片检测的指令；
所述I/O接口用于接收用于获取待检测图像；
所述处理器用于执行存储器中存储的标记图片检测的指令，执行如第一方面所述的标记图片检测的方法的步骤。
本申请的又一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中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
本申请的又一方面提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
本申请实施例通过可以通过查表法查找梯度信息，从而提高了图像中像素点的梯度信息的提取速度，加快了Marker检测的速度。
附图说明
图1是AR场景的一示例示意图；
图2是AR原理的一流程示意图；
图3是使用标记图片的AR场景的一示例示意图；
图4是使用标记图片的AR场景的另一示例示意图；
图5是本申请实施例中标记图片检测的方法的一实施例示意图；
图6是本申请实施例中标记图片检测的方法的另一实施例示意图；
图7是图像金字塔的一示例示意图；
图8是本申请实施例中标记图片检测的方法的另一实施例示意图；
图9是本申请实施例中标记图片检测的装置的一实施例示意图；
图10是本申请实施例中标记图片检测的装置的另一实施例示意图；
图11是本申请实施例中终端的一实施例示意图。
具体实施方式
下面结合附图，对本申请的实施例进行描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。本领域普通技术人员可知，随着技术的发展和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请实施例提供一种标记图片检测的方法可以通过查表法查找梯度信息中的角度信息，从而提高了图像中像素点的梯度信息的提取速度，加快了Marker检测的速度。本申请实施例还提供了相应的装置及计算机可读存储介质。以下分别进行详细说明。
增强现实(Augmented Reality，AR)也被称之为混合现实，通过电脑技术，将虚拟的信息应用到真实世界，在视觉呈现上真实的环境和虚拟的物体实时地叠加到同一个画面。
如图1所示，在AR场景中，图1的(a)中所示的用户使用AR设备，例如：AR眼镜，在一个真实的场馆中就可以看到如图1的(b)中所示的画面，该画面中，场馆和观众为真实的场景，鲸鱼出海的画面为叠加的虚拟的物体，将虚拟的鲸鱼叠加到真实的场馆中在同一画面显现，用户就可以看到图1的(b)所示的画面。
AR画面的实现原理可以参阅图2进行理解。
如图2所示，通过AR设备10体验AR画面时，摄像机101采集真实世界的物体10，经过摄像机的数字成像，形成视频数据，传感器102可以是位置传感器，也可以是其他类型传感器，传感器102获取的数据称为传感器数据，然后AR设备10中的处理器103通过视频数据和传感器数据一起对三维(3D)世界进行感知理解，同时得到对三维交互的理解。3D交互理解的目的是告知AR设备要“增强”的内容。例如，在AR辅助维修***中，如果***识别出修理师翻页的手势，就将虚拟手册的下一页叠加到真实图像中。相比之下，3D环境理解的目的就是告知AR设备要在哪里“增强”。比如在上面的例子中，需要新的显示页和以前的看起来在空间位置上是完全一致的，从而达到强烈的真实感。这就要求AR设备实时对周围的真实3D世界有精准的理解。一旦***知道了要增强的内容和位置以后，就可以进行虚实结合，虚实结合的过程通常是通过渲染模块104来完成。最后，合成的视频被传递到用户的视觉***中，就达到了增强现实的效果。
在AR场景中，标记图片(Marker)被广泛应用，Marker检测就是将Marker图像的信息预先保存，通过图像识别技术，在当前的图像中查找识别Marker图像，然后在Marker图像上叠加相关信息。例如，在一本杂志上预先配置上一个Marker，通过摄像头获取该杂志上的图像内容，若检测到该图像内容中的Marker，则可以根据Marker的位姿信息，即Marker的位置信息和姿态信息在相应的位置叠加虚拟图像，得到合成图像后，就会显示出AR画面。如图3所示，通过AR设备看到一个卡通宠物走动的图像，该卡通宠物的行走过程就是移动杂志，导致Marker的位姿信息发生变化的过程。对于AR设备来说就是从待检测图像中检测标记图片P1，当检测到标记图片P1就在相应位置叠加卡通宠物P2，呈现出立体卡通宠物，当移动杂志，标记图片P1的位置就会发生变化，则会呈现出卡通宠物P2随着杂志移动的视觉效果。该图3所示的场景中标记图片的检测过程可以结合后续实施例中标记图片检测的过程进行理解。当然图3中所示的Marker只是一种比较简单的Marker，类似于简易二维码的形式。本申请实施例中的Marker不限于该种形式，可以是任何一种包含纹理的图片。
如图4所示，标记图片M1可以是一个游戏中的人物图片，通过手机从待检测图片中识别出该标记图片M1后，该游戏人物M2就可以叠加到手机的屏幕上，有一种游戏人物来到真实世界的视觉效果。手机检测标记图片M1的过程可以结合后续实施例中标记图片检测的过程进行理解。
前述图3和图4所示的示例中都涉及到了标记图片的检测，下面结合附图介绍本申请实施例中标记图片检测的方法。
如图5所示，本申请实施例提供的标记图片检测的方法的一实施例包括：
201、获取待检测图像，所述待检测图像中包含带有纹理的标记图片。
待检测图像指的是需要检测标记图片的图像，例如：通过摄像头采集预先存储有标记图片的图像，该摄像头采集的图像即为待检测图像。
202、使用查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合。
可选地，该步骤202可以是使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，所述反正切表中包含查表索引与角度的对应关系，所述查表索引依据所述neon函数确定。
neon函数可以包含于neon指令集，neon指令集中可以包含多个neon函数，neon函数的种类可以有min函数和max函数等，当然neon指令集所包含的neon函数不限于min函数和max函数，本处只是以min函数和max函数为例进行介绍。
像素点的梯度信息包括角度，确定像素点的角度时在本申请实施例中需要使用反正切表和neon函数，下面介绍反正切表。
反正切表可以参阅表1进行理解，如表1所示：
表1：查表索引与角度对应关系表
反正切表可以通过离线的方式准备，表1所示的反正切表中角度的数量可以根据离散化程度来确定，例如若反正切表中所包括的反正切函数的角度域的范围为[0,nπ/4)，n为小于8的正整数。以n＝1为例，则离线准备反正切值表格：对正切值域[0,1.0)，对应角度域进行离散化，这里将正切值分度值设为0.0001，则查表法的精度为之后对每个离散后的正切值求其对应角度，存入表中。这里使用c++标准库的std::atan(float)计算离散化后反正切值对应的角度。将离散正切值放大10000倍作为索引表的查表索引。
neon函数用于确定查表索引，查表索引确定后，就可以通过例如表1所示的反正切表查找到对应的角度，例如：通过neon函数确定的查表索引为Index6，则可以确定对应的角度为角度6。
反正切表中所包含的查表索引和角度不限于表1中的几个，本处只是举例说明，如对正切值域[0,1.0)，对应角度域进行离散化，这里将正切值分度值设为0.0001，则查表法的精度为则可以有10000个查表索引，则会对应有10000个角度。
因neon函数可以减少运算量，所以使用neon函数可以快速的确定查表索引，进而快速的确定像素点的角度。
另外，本申请实施例中，反正切表的离散化范围为[0,nπ/4)，n为小于8的正整数，在保持离散化数量不变的情况下，缩小了离散化的范围，可以提高使用反正切表进行查表确定角度的精度。
依据待检测图像中像素点的梯度信息，可以得到待检测图像的局部特征集合，该局部特征集合中包括至少一个局部特征。
角度的单位可以是度(°)、分(′)、秒(″)。
203、将所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集。
标记图片的特征集合中的特征是针对该标记图片，通过使用上述反正切表和neon函数预先提取出来的。
若用集合A标记待检测图像的局部特征集合，用集合B标记预先配置的标记图片的特征集合，则该匹配集合为集合A与集合B的交集。
204、当所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
本申请实施例通过查表法查找梯度信息，从而提高了图像中像素点的梯度信息的提取速度，加快了Marker检测的速度。还可以通过使用反正切表和neon函数相结合的方法查找梯度信息中的角度信息，从而进一步提高了图像中像素点的梯度信息的提取速度，加快了Marker检测的速度。
可选地，在上述图5对应的实施例的基础上，参阅图6，步骤202中的可选方案使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，所述反正切表中包含查表索引与角度的对应关系，所述查表索引依据所述neon函数确定可以包括：
2021、根据所述待检测图像生成图像金字塔。
对待检测图像进行不同尺度的高斯模糊和降采样，生成图像金字塔，用来抵抗“缩放”因素。
图像金字塔可以参阅图7进行理解，图像金字塔是以多分辨率来解释图像的一种结构。图像金字塔通常包含多层图像。每层图像中包含一个或多个像素点，通常像素点的数量越向顶层越少，底层像素点的分辨率较高，然后越向顶层分辨率越低。也可以将图像金字塔理解是一系列以金字塔形状排列的分辨率逐步降低的图像的集合。金字塔底部的图像层的分辨率较高，而顶部图像层的分辨率较低。图像金字塔所包含的层数和各层数之间的距离可以根据场景需求设定。
2022、使用反正切表和neon函数对所述图像金字塔中每一层图像中的像素提取梯度信息，以形成梯度图。
对图像金字塔每一层图像的每一个像素提取梯度信息。
所述使用反正切表和neon函数对所述图像金字塔中每一层图像中的像素提取梯度信息的过程可以是：
确定所述像素点在所述反正切表中的目标查表索引；
根据所述反正切表，确定所述目标查表索引所对应的所述像素点的目标角度，所述像素点的目标角度包含于所述目标点的梯度信息。
其中，确定所述像素点在所述反正切表中的目标查表索引，包括：
确定第一数值与第二数值的比值，所述第一数值为第一差值的绝对值与第二差值的绝对值中的最小值，所述第二数值为第一差值的绝对值与第二差值的绝对值中的最大值，第一差值为右灰度值与左灰度值的差值，第二差值为下灰度值与上灰度值的差值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值；
将所述比值扩大N倍，得到计算结果，所述N为离散化的比例的倒数；
对所述计算结果进行向下取整，得到所述目标查表索引。
用公式形式表示可以表示为：
其中，entry表示所述目标查表索引，dx＝右灰度值-左灰度值，dy＝下灰度值-上灰度值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值，N为离散化的比例的倒数，若离散化程度为1:10000，则N＝10000。
上述查表索引公式中，函数min、max都为neon函数，该索引公式是以离散化程度是10000举例的，所以公式中最后的扩大倍数是10000，若离散化程度是其他数值，则该公式中最后的扩大倍数会随着发生相应的变化。
例如：若依据上述公式计算出entry＝index3，则可以依据表1中的映射关系确定出该像素点的角度为角度3。
因上述的角度域范围小于[0,2π)，所以查表时会涉及到目标查表索引entry不在反正切表中的情况，针对这些情况，本申请实施例中规定：
若所述目标查表索引entry不在所述反正切表的查表索引的范围内，则所述目标角度为所述角度域中的最大的角度；
若第二差值的绝对值大于第一差值的绝对值，也就是dy|>|dx|，则所述目标角度为所述目标查表索引所对应的查表结果的余角；
若第一差值小于0，也就是dx<0，则所述目标角度为所述目标查表索引所对应的查表结果的补角；
若第二差值小于0，也就是dy<0，则所述目标角度为所述目标查表索引所对应的查表结果的相反数；
当所述目标角度包含所述目标查表索引entry所对应的查表结果的相反数时，使用neon函数将结果映射到[0,2π)。
该处可以使用neon函数做浮点数加法将结果映射到[0,2π)。
例如：若角度域的范围为则entry超出查表范围时，目标角度为
2023、确定所述梯度图上的局部极值点，所述局部极值点为所述待检测图像中不受环境影响的像素点。
局部极值点是图像中较稳定的像素点，这些像素点不会因为视角的改变、光照的变化、噪音的干扰而消失，比如角点、边缘点、暗区域的亮点以及亮区域的暗点。这样如果两幅图像中有相同的景物，那么这些较稳定的像素点就会在两幅图像的相同景物上同时出现，这样就能实现匹配。
2024、以所述局部极值点为中心，提取与所述局部极值点相邻的像素点的纹理特征，以得到包含所述纹理特征的所述待检测图像的局部特征集合。
检测梯度图上的局部极值点，并以局部极值点为中心，提取其邻域的二进制纹理特征；这种局部特征，可以抵抗“旋转、平移、复杂背景和部分遮挡”等因素。这些局部极值点得到的纹理特征的集合，用来表示整个待识别图像，并用作下一阶段的特征匹配。
可选地，参阅图8，图5中的步骤203可以包括：
2031、确定第一特征与第二特征的汉明距离，其中，所述第一特征为所述局部特征集合中的二进制特征，所述第二特征为所述标记图片的特征集合中的二进制特征。
汉明距离(Hamming distance)是一个概念，它表示两个(相同长度)字对应位不同的数量，以d(x,y)表示两个字x,y之间的汉明距离。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。
2032、当所述汉明距离小于距离阈值时，则确定所述第一特征和所述第二特征为所述匹配特征。
2033、按照所述第一特征和所述第二特征的距离比对方式，遍历所述局部特征集合与所述标记图片的特征集合中的每个所述匹配特征，以确定匹配集合。
当所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
可选地，本申请实施例提供的标记图片检测的方法的另一实施例还包括：
根据所述匹配集合中的每个匹配特征确定所述标记图片的位姿信息，所述位姿信息用于在所述待检测图像上叠加虚拟图像，所述位姿信息包括位置信息和姿态信息。
匹配集合的大小超出阈值，则认为已被检测的图像中包含标记图片；使用匹配集合中特征的像素位置，计算单应性矩阵，使尽量多的匹配以低于误差阈值的错误率满足同一个单应性矩阵。此时的单应性矩阵表征了该标记图片在被检测图像中的位置信息和姿态信息，也就是位姿信息，该位姿信息也可以称为pose矩阵，后续阶段可利用该pose矩阵做增强现实的渲染操作。
单应性(Homography)简单来说是投影的时候可以逆过来找，比如：一个物体可以通过旋转相机镜头获取两张不同的照片，这两张照片的内容不一定要完全对应，部分对应即可。可以把单应性设为一个二维矩阵M，那么照片1乘以M就是照片2。比如图像校正、图像对齐或两幅图像之间的相机运动计算(旋转和平移)等。一旦旋转和平移从所估计的单应性矩阵中提取出来，那么该信息将可被用来导航或是把3D物体模型***到图像或视频中，使其可根据正确的透视来渲染，并且成为原始场景的一部分。
以上所描述的是标记图片应用于AR的场景，实际上，本申请实施例所提供的标记图片检测的方案还可以应用于其他包含标记图片检测的场景中。
以上是对标记图片检测的方法的描述，下面结合附图介绍本申请实施例中的标记图片检测的装置。
如图9所示，本申请实施例提供的标记图片检测的装置30的一实施例包括：
获取程序模块301，用于获取待检测图像，所述待检测图像中包含带有纹理的标记图片；
提取程序模块302，用于通过查表法提取所述获取程序模块301获取的待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合；
匹配程序模块303，用于将所述提取程序模块302提取的所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集；
确定程序模块304，用于当所述匹配程序模块303确定的所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
本申请实施例通过可以通过查表法查找梯度信息中，从而提高了图像中像素点的梯度信息的提取速度，加快了Marker检测的速度。
可选地，所述提取程序模块302，用于使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，所述反正切表中包含查表索引与角度的对应关系，所述查表索引依据所述neon函数确定。
使用反正切表和neon函数相结合的方法查找梯度信息中的角度信息，从而进一步提高了图像中像素点的梯度信息的提取速度，加快了Marker检测的速度。
可选地，参阅图10，本申请实施例提供的标记图片检测的装置30的另一实施例中，所述提取程序模块302包括：
生成单元3021，用于根据所述待检测图像生成图像金字塔；
第一提取单元3022，用于使用反正切表和neon函数对所述生成单元3021生成的所述图像金字塔中每一层图像中的像素提取梯度信息，以形成梯度图，所述反正切表中所包括的反正切函数的角度域的范围为[0,nπ/4)，n为小于8的正整数；
确定单元3023，用于确定所述第一提取单元3022提取梯度信息形成的梯度图上的局部极值点，所述局部极值点为所述待检测图像中不受环境影响的像素点；
第二提取单元3024，用于以所述确定单元3023确定的所述局部极值点为中心，提取与所述局部极值点相邻的像素点的纹理特征，以得到包含所述纹理特征的所述待检测图像的局部特征集合。
可选地，所述第一提取单元3022用于：
确定所述像素点在所述反正切表中的目标查表索引；
根据所述反正切表，确定所述目标查表索引所对应的所述像素点的目标角度，所述像素点的目标角度包含于所述目标点的梯度信息。
可选地，所述第一提取单元3022用于：
确定第一数值与第二数值的比值，所述第一数值为第一差值的绝对值与第二差值的绝对值中的最小值，所述第二数值为第一差值的绝对值与第二差值的绝对值中的最大值，第一差值为右灰度值与左灰度值的差值，第二差值为下灰度值与上灰度值的差值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值；
将所述比值扩大N倍，得到计算结果，所述N为离散化的比例的倒数；
对所述计算结果进行向下取整，得到所述目标查表索引。
可以是：
使用如下公式确定所述目标查表索引：
其中，entry表示所述目标查表索引，dx＝右灰度值-左灰度值，dy＝下灰度值-上灰度值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值，N为离散化的比例的倒数。
可选地，所述匹配程序模块303用于：
确定第一特征与第二特征的汉明距离，其中，所述第一特征为所述局部特征集合中的二进制特征，所述第二特征为所述标记图片的特征集合中的二进制特征；
当所述汉明距离小于距离阈值时，则确定所述第一特征和所述第二特征为所述匹配特征；
按照所述第一特征和所述第二特征的距离比对方式，遍历所述局部特征集合与所述标记图片的特征集合中的每个所述匹配特征，以确定匹配集合。
可选地，确定程序模块304还用于根据所述匹配集合中的每个匹配特征确定所述标记图片的位姿信息，所述位姿信息用于在所述待检测图像上叠加虚拟图像，所述位姿信息包括位置信息和姿态信息。
本发明实施例还提供了另一种标记图片检测的装置，该标记图片检测的装置可以是终端，如图11所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该终端可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、电脑等任意终端设备，以终端为手机为例：
图11示出的是与本发明实施例提供的终端相关的手机的部分结构的框图。参考图11，手机包括：射频(Radio Frequency，RF)电路1110、存储器1120、输入单元1130、显示单元1140、传感器1150、音频电路1160、无线保真(wireless fidelity，WiFi)模块1170、处理器1180、以及摄像头1190等部件。本领域技术人员可以理解，图11中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图11对手机的各个构成部件进行具体的介绍：
RF电路1110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1180处理；另外，将设计上行的数据发送给基站。通常，RF电路1110包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，RF电路1110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯***(GlobalSystem of Mobile communication，GSM)、通用分组无线服务(General Packet RadioService，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
存储器1120可用于存储软件程序以及模块，处理器1180通过运行存储在存储器1120的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元1130可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1130可包括触控面板1131以及其他输入设备1132。触控面板1131，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1131上或在触控面板1131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1180，并能接收处理器1180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1131。除了触控面板1131，输入单元1130还可以包括其他输入设备1132。具体地，其他输入设备1132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1140可包括显示面板1141，可选的，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1141。进一步的，触控面板1131可覆盖显示面板1141，当触控面板1131检测到在其上或附近的触摸操作后，传送给处理器1180以确定触摸事件的类型，随后处理器1180根据触摸事件的类型在显示面板1141上提供相应的视觉输出。虽然在图11中，触控面板1131与显示面板1141是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1131与显示面板1141集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器1150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1141的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1141和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路1160、扬声器1161，传声器1162可提供用户与手机之间的音频接口。音频电路1160可将接收到的音频数据转换后的电信号，传输到扬声器1161，由扬声器1161转换为声音信号输出；另一方面，传声器1162将收集的声音信号转换为电信号，由音频电路1160接收后转换为音频数据，再将音频数据输出处理器1180处理后，经RF电路1110以发送给比如另一手机，或者将音频数据输出至存储器1120以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块1170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图11示出了WiFi模块1170，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1180是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1120内的软件程序和/或模块，以及调用存储在存储器1120内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1180可包括一个或多个处理单元；优选的，处理器1180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1180中。
摄像头1190用于采集图像。
手机还包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理***与处理器1180逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
在本发明实施例中，该终端所包括的处理器1180还具有以下功能：
获取待检测图像，所述待检测图像中包含带有纹理的标记图片；
通过查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合；
将所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集；
当所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
可选地，所述通过查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，包括：
使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，所述反正切表中包含查表索引与角度的对应关系，所述查表索引依据所述neon函数确定。
可选地，所述使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，可以包括：
根据所述待检测图像生成图像金字塔；
使用反正切表和neon函数对所述图像金字塔中每一层图像中的像素提取梯度信息，以形成梯度图，所述反正切表中所包括的反正切函数的角度域的范围为[0,nπ/4)，n为小于8的正整数；
确定所述梯度图上的局部极值点，所述局部极值点为所述待检测图像中不受环境影响的像素点；
以所述局部极值点为中心，提取与所述局部极值点相邻的像素点的纹理特征，以得到包含所述纹理特征的所述待检测图像的局部特征集合。
可选地，所述使用反正切表和neon函数对所述图像金字塔中每一层图像中的像素提取梯度信息，包括：
确定所述像素点在所述反正切表中的目标查表索引；
根据所述反正切表，确定所述目标查表索引所对应的所述像素点的目标角度，所述像素点的目标角度包含于所述目标点的梯度信息。
可选地，所述确定所述像素点在所述反正切表中的目标查表索引，可以包括：
确定第一数值与第二数值的比值，所述第一数值为第一差值的绝对值与第二差值的绝对值中的最小值，所述第二数值为第一差值的绝对值与第二差值的绝对值中的最大值，第一差值为右灰度值与左灰度值的差值，第二差值为下灰度值与上灰度值的差值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值；
将所述比值扩大N倍，得到计算结果，所述N为离散化的比例的倒数；
对所述计算结果进行向下取整，得到所述目标查表索引。
还可以是使用如下公式确定所述目标查表索引：
其中，entry表示所述目标查表索引，dx＝右灰度值-左灰度值，dy＝下灰度值-上灰度值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值，N为离散化的比例的倒数。
可选地，所述方法还包括：
若所述目标查表索引entry不在所述反正切表的查表索引的范围内，则所述目标角度为所述角度域中的最大的角度；
若第二差值的绝对值大于第一差值的绝对值，也就是dy|>|dx|，则所述目标角度为所述目标查表索引所对应的查表结果的余角；
若第一差值小于0，也就是dx<0，则所述目标角度为所述目标查表索引所对应的查表结果的补角；
若第二差值小于0，也就是dy<0，则所述目标角度为所述目标查表索引所对应的查表结果的相反数；
当所述目标角度包含所述目标查表索引entry所对应的查表结果的相反数时，使用neon函数将结果映射到[0,2π)。
可选地，所述将所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，可以包括：
确定第一特征与第二特征的汉明距离，其中，所述第一特征为所述局部特征集合中的二进制特征，所述第二特征为所述标记图片的特征集合中的二进制特征；
当所述汉明距离小于距离阈值时，则确定所述第一特征和所述第二特征为所述匹配特征；
按照所述第一特征和所述第二特征的距离比对方式，遍历所述局部特征集合与所述标记图片的特征集合中的每个所述匹配特征，以确定匹配集合。
可选地，所述方法还包括：
根据所述匹配集合中的每个匹配特征确定所述标记图片的位姿信息，所述位姿信息用于在所述待检测图像上叠加虚拟图像，所述位姿信息包括位置信息和姿态信息。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
以上对本申请实施例所提供的标记图片检测的方法、装置以及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (16)

1.一种标记图片检测的方法，其特征在于，包括：
获取待检测图像，所述待检测图像中包含带有纹理的标记图片；
通过查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合；
将所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集；
当所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
2.根据权利要求1所述的方法，其特征在于，所述通过查表法提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，包括：
使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，所述反正切表中包含查表索引与角度的对应关系，所述查表索引依据所述neon函数确定。
3.根据权利要求2所述的方法，其特征在于，所述使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，包括：
根据所述待检测图像生成图像金字塔；
使用反正切表和neon函数对所述图像金字塔中每一层图像中的像素提取梯度信息，以形成梯度图，所述反正切表中所包括的反正切函数的角度域的范围为[0,nπ/4)，n为小于8的正整数；
确定所述梯度图上的局部极值点，所述局部极值点为所述待检测图像中不受环境影响的像素点；
以所述局部极值点为中心，提取与所述局部极值点相邻的像素点的纹理特征，以得到包含所述纹理特征的所述待检测图像的局部特征集合。
4.根据权利要求3所述的方法，其特征在于，所述使用反正切表和neon函数对所述图像金字塔中每一层图像中的像素提取梯度信息，包括：
确定所述像素点在所述反正切表中的目标查表索引；
根据所述反正切表，确定所述目标查表索引所对应的所述像素点的目标角度，所述像素点的目标角度包含于所述目标点的梯度信息。
5.根据权利要求4所述的方法，其特征在于，所述确定所述像素点在所述反正切表中的目标查表索引，包括：
确定第一数值与第二数值的比值，所述第一数值为第一差值的绝对值与第二差值的绝对值中的最小值，所述第二数值为第一差值的绝对值与第二差值的绝对值中的最大值，第一差值为右灰度值与左灰度值的差值，第二差值为下灰度值与上灰度值的差值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值；
将所述比值扩大N倍，得到计算结果，所述N为离散化的比例的倒数；
对所述计算结果进行向下取整，得到所述目标查表索引。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
若所述目标查表索引不在所述反正切表的查表索引的范围内，则所述目标角度为所述角度域中的最大的角度；
若第二差值的绝对值大于第一差值的绝对值，则所述目标角度为所述目标查表索引所对应的查表结果的余角；
若第一差值小于0，则所述目标角度为所述目标查表索引所对应的查表结果的补角；
若第二差值小于0，则所述目标角度为所述目标查表索引所对应的查表结果的相反数；
当所述目标角度包含所述目标查表索引所对应的查表结果的相反数时，使用neon函数将结果映射到[0,2π)。
7.根据权利要求1-6任一所述的方法，其特征在于，所述将所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，包括：
确定第一特征与第二特征的汉明距离，其中，所述第一特征为所述局部特征集合中的二进制特征，所述第二特征为所述标记图片的特征集合中的二进制特征；
当所述汉明距离小于距离阈值时，则确定所述第一特征和所述第二特征为所述匹配特征；
按照所述第一特征和所述第二特征的距离比对方式，遍历所述局部特征集合与所述标记图片的特征集合中的每个所述匹配特征，以确定匹配集合。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
根据所述匹配集合中的每个匹配特征确定所述标记图片的位姿信息，所述位姿信息用于在所述待检测图像上叠加虚拟图像，所述位姿信息包括位置信息和姿态信息。
9.一种标记图片检测的装置，其特征在于，包括：
获取程序模块，用于获取待检测图像，所述待检测图像中包含带有纹理的标记图片；
提取程序模块，用于通过查表法提取所述获取程序模块获取的待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合；
匹配程序模块，用于将所述提取程序模块提取的所述局部特征集合与所述标记图片的特征集合进行匹配，以确定匹配集合，所述匹配集合为所述局部特征集合与所述标记图片的特征集合所构成的交集；
确定程序模块，用于当所述匹配程序模块确定的所述匹配集合中的匹配特征的数量大于数量阈值时，确定检测到所述标记图片。
10.根据权利要求9所述的装置，其特征在于，
所述提取程序模块，用于使用反正切表和neon函数提取所述待检测图像中像素点的梯度信息，以得到所述待检测图像的局部特征集合，所述反正切表中包含查表索引与角度的对应关系，所述查表索引依据所述neon函数确定。
11.根据权利要求10所述的装置，其特征在于，所述提取程序模块包括：
生成单元，用于根据所述待检测图像生成图像金字塔；
第一提取单元，用于使用反正切表和neon函数对所述生成单元生成的所述图像金字塔中每一层图像中的像素提取梯度信息，以形成梯度图，所述反正切表中所包括的反正切函数的角度域的范围为[0,nπ/4)，n为小于8的正整数；
确定单元，用于确定所述第一提取单元提取梯度信息形成的梯度图上的局部极值点，所述局部极值点为所述待检测图像中不受环境影响的像素点；
第二提取单元，用于以所述确定单元确定的所述局部极值点为中心，提取与所述局部极值点相邻的像素点的纹理特征，以得到包含所述纹理特征的所述待检测图像的局部特征集合。
12.根据权利要求11所述的装置，其特征在于，
所述第一提取单元用于：
确定所述像素点在所述反正切表中的目标查表索引；
根据所述反正切表，确定所述目标查表索引所对应的所述像素点的目标角度，所述像素点的目标角度包含于所述目标点的梯度信息。
13.根据权利要求12所述的装置，其特征在于，
所述第一提取单元用于：
确定第一数值与第二数值的比值，所述第一数值为第一差值的绝对值与第二差值的绝对值中的最小值，所述第二数值为第一差值的绝对值与第二差值的绝对值中的最大值，第一差值为右灰度值与左灰度值的差值，第二差值为下灰度值与上灰度值的差值，其中，所述右灰度值为当前被提取的像素点右侧的像素点的灰度值，所述左灰度值为所述当前被提取的像素点左侧的像素点的灰度值，所述下灰度值为所述当前被提取的像素点下方的像素点的灰度值，所述上灰度值为所述当前被提取的像素点上方的像素点的灰度值；
将所述比值扩大N倍，得到计算结果，所述N为离散化的比例的倒数；
对所述计算结果进行向下取整，得到所述目标查表索引。
14.根据权利要求9-13任一所述的装置，其特征在于，
所述匹配程序模块用于：
确定第一特征与第二特征的汉明距离，其中，所述第一特征为所述局部特征集合中的二进制特征，所述第二特征为所述标记图片的特征集合中的二进制特征；
当所述汉明距离小于距离阈值时，则确定所述第一特征和所述第二特征为所述匹配特征；
按照所述第一特征和所述第二特征的距离比对方式，遍历所述局部特征集合与所述标记图片的特征集合中的每个所述匹配特征，以确定匹配集合。
15.一种计算机设备，其特征在于，所述计算机设备包括：输入/输出(I/O)接口、处理器和存储器，所述存储器中存储有权利要求1-8任一所述的标记图片检测的指令；
所述I/O接口用于接收用于获取待检测图像；
所述处理器用于执行存储器中存储的标记图片检测的指令，执行如权利要求1-8任一所述的标记图片检测的方法的步骤。
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有标记图片检测的指令，当其在计算机上运行时，使得计算机执行上述权利要求1-8任一所述的方法。
CN201710719860.4A 2017-08-21 2017-08-21 一种标记图片检测的方法、装置及计算机可读存储介质 Active CN107516099B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710719860.4A CN107516099B (zh) 2017-08-21 2017-08-21 一种标记图片检测的方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710719860.4A CN107516099B (zh) 2017-08-21 2017-08-21 一种标记图片检测的方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN107516099A true CN107516099A (zh) 2017-12-26
CN107516099B CN107516099B (zh) 2022-11-29

Family

ID=60723490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710719860.4A Active CN107516099B (zh) 2017-08-21 2017-08-21 一种标记图片检测的方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107516099B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378169A (zh) * 2018-04-12 2019-10-25 中移（杭州）信息技术有限公司 手势区间的检测方法及装置
CN110610004A (zh) * 2019-09-03 2019-12-24 深圳追一科技有限公司 标注质量的检测方法、装置、计算机设备和存储介质
CN111968523A (zh) * 2020-09-16 2020-11-20 厦门天马微电子有限公司 显示装置及其制作方法
CN112712000A (zh) * 2020-12-24 2021-04-27 珠海新天地科技有限公司 一种信息处理装置及其控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140232636A1 (en) * 2013-02-21 2014-08-21 Fujitsu Limited Image processing device, image processing method
CN105225226A (zh) * 2015-09-02 2016-01-06 电子科技大学 一种基于图像分割的级联可变形部件模型目标检测方法
CN105844714A (zh) * 2016-04-12 2016-08-10 广州凡拓数字创意科技股份有限公司 基于增强现实的场景显示方法及***
CN106355153A (zh) * 2016-08-31 2017-01-25 上海新镜科技有限公司 一种基于增强现实的虚拟对象显示方法、装置以及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140232636A1 (en) * 2013-02-21 2014-08-21 Fujitsu Limited Image processing device, image processing method
CN105225226A (zh) * 2015-09-02 2016-01-06 电子科技大学 一种基于图像分割的级联可变形部件模型目标检测方法
CN105844714A (zh) * 2016-04-12 2016-08-10 广州凡拓数字创意科技股份有限公司 基于增强现实的场景显示方法及***
CN106355153A (zh) * 2016-08-31 2017-01-25 上海新镜科技有限公司 一种基于增强现实的虚拟对象显示方法、装置以及***

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378169A (zh) * 2018-04-12 2019-10-25 中移（杭州）信息技术有限公司 手势区间的检测方法及装置
CN110378169B (zh) * 2018-04-12 2021-06-18 中移（杭州）信息技术有限公司 手势区间的检测方法及装置
CN110610004A (zh) * 2019-09-03 2019-12-24 深圳追一科技有限公司 标注质量的检测方法、装置、计算机设备和存储介质
CN111968523A (zh) * 2020-09-16 2020-11-20 厦门天马微电子有限公司 显示装置及其制作方法
CN112712000A (zh) * 2020-12-24 2021-04-27 珠海新天地科技有限公司 一种信息处理装置及其控制方法

Also Published As

Publication number Publication date
CN107516099B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
US10963727B2 (en) Method, device and storage medium for determining camera posture information
CN109918975B (zh) 一种增强现实的处理方法、对象识别的方法及终端
EP3466070B1 (en) Method and device for obtaining image, and recording medium thereof
CN111476780B (zh) 一种图像检测方法、装置、电子设备以及存储介质
CN109213728A (zh) 基于增强现实的文物展示方法及***
CN108537889A (zh) 增强现实模型的调整方法、装置、存储介质和电子设备
CN107516099A (zh) 一种标记图片检测的方法、装置及计算机可读存储介质
KR20160003066A (ko) 일반적인 카메라 움직임 및 파노라마 카메라 움직임을 갖는 단안 시각 slam
CN104751404B (zh) 一种图像变换的方法及装置
CN107038681A (zh) 图像虚化方法、装置、计算机可读存储介质和计算机设备
US9948856B2 (en) Method and apparatus for adjusting a photo-taking direction, mobile terminal
CN109165606B (zh) 一种车辆信息的获取方法、装置以及存储介质
CN107464290A (zh) 三维信息展示方法、装置和移动终端
CN107846583A (zh) 一种图像阴影补偿方法及移动终端
CN107644395B (zh) 图像处理方法以及移动设备
CN108259743A (zh) 全景图像拍摄方法及电子设备
CN109213885A (zh) 基于增强现实的汽车展示方法及***
CN109685907A (zh) 基于增强现实的图像结合方法及***
CN111556337B (zh) 一种媒体内容植入方法、模型训练方法以及相关装置
CN107450841A (zh) 交互对象控制方法及装置
CN108347558A (zh) 一种图像优化的方法、装置以及移动终端
CN108076291A (zh) 一种图像数据的虚化处理方法、装置和移动终端
CN115170400A (zh) 一种视频修复的方法、相关装置、设备以及存储介质
CN112989198B (zh) 推送内容的确定方法、装置、设备及计算机可读存储介质
CN108322639A (zh) 一种图像处理的方法、装置以及移动终端

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant