CN111476214A - 一种图像区域匹配方法和相关装置 - Google Patents
一种图像区域匹配方法和相关装置 Download PDFInfo
- Publication number
- CN111476214A CN111476214A CN202010435120.XA CN202010435120A CN111476214A CN 111476214 A CN111476214 A CN 111476214A CN 202010435120 A CN202010435120 A CN 202010435120A CN 111476214 A CN111476214 A CN 111476214A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- area
- target
- distance
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种图像区域匹配方法和相关装置，确定图像中多个对象分别对应的第一图像区域和第二图像区域；确定所述第一图像区域和所述第二图像区域间的目标距离。根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高。确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。该方法中，由于属于同一对象的第一图像区域和第二图像区域间的目标距离符合相关条件，通过目标距离的方式，实现了对第一图像区域与第二图像区域间匹配关系的准确确定。
Description
技术领域
本申请涉及图像处理领域，特别是涉及一种图像区域匹配方法和相关装置。
背景技术
在通过视频、图像等进行目标对象跟踪如人体跟踪时，通常需要人体信息和对应的人脸信息等，以实现对人体的准确识别及跟踪。可见，在进行跟踪时，对图像中的人体和人脸进行准确匹配是十分必要的。
目前，主要通过贪心算法来进行人脸和人体匹配。其中，贪心算法是指在对问题求解时，可以做出在当前看来最好的选择。贪心算法不从整体最优上加以考虑，而确定在某种意义上的局部最优解。然而，对于人员密集的场景，通过该算法进行匹配时很容易发生匹配错误的情况，实际效果并不好。
可见，如何提高人体及人脸的匹配准确性，是目前亟需解决的问题。
发明内容
为了解决上述技术问题，本申请提供了一种图像区域匹配方法和相关装置，实现了对第一图像区域与第二图像区域间匹配关系的准确确定。
本申请实施例公开了如下技术方案：
一方面，本申请实施例提供了一种图像区域匹配方法，所述方法包括：
确定图像中多个对象分别对应的第一图像区域和第二图像区域；所述第一图像区域和所述第二图像区域分别对应于对象中不同的目标部位；
确定所述第一图像区域和所述第二图像区域间的目标距离，所述目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度；所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的；
根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高；
确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。
另一方面，本申请实施例提供了一种图像区域匹配方法，所述方法包括：
确定图像中多个对象分别对应的第一区域、第二区域和第三区域，所述第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位；
确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系；所述目标匹配关系是通过上述方法确定的，当所述目标匹配关系为所述第一匹配关系时，所述第一图像区域为所述第一区域，所述第二图像区域为所述第二区域；当所述目标匹配关系为所述第二匹配关系时，所述第一图像区域为所述第二区域，所述第二图像区域为所述第三区域；
根据所述第一匹配关系和所述第二匹配关系，确定所述第一区域和所述第三区域间的第三匹配关系。
另一方面，本申请实施例提供了一种图像区域匹配装置，所述装置包括：
第一确定单元，用于确定图像中多个对象分别对应的第一图像区域和第二图像区域；所述第一图像区域和所述第二图像区域分别对应于对象中不同的目标部位；
第二确定单元，用于确定所述第一图像区域和所述第二图像区域间的目标距离，所述目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度；所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的；
第三确定单元，用于根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高；
第四确定单元，用于确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。
另一方面，本申请实施例提供了一种图像区域匹配装置，所述装置包括：
第一确定单元，用于确定图像中多个对象分别对应的第一区域、第二区域和第三区域，所述第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位；
第二确定单元，用于确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系；所述目标匹配关系是通过上述方法确定的，当所述目标匹配关系为所述第一匹配关系时，所述第一图像区域为所述第一区域，所述第二图像区域为所述第二区域；当所述目标匹配关系为所述第二匹配关系时，所述第一图像区域为所述第二区域，所述第二图像区域为所述第三区域；
第三确定单元，用于根据所述第一匹配关系和所述第二匹配关系，确定所述第一区域和所述第三区域间的第三匹配关系。
另一方面，本申请实施例提供了一种设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述图像区域匹配方法。
另一方面，本申请实施例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用于存储计算机程序，所述计算机程序用于执行上述方法。
由上述技术方案可以看出，确定图像中多个对象分别对应的第一图像区域和第二图像区域；其中，第一图像区域和所述第二图像区域分别对应于对象中不同的目标部位。确定所述第一图像区域和所述第二图像区域间的目标距离，目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度，所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的。根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高。确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。该方法中，由于属于同一对象的第一图像区域和第二图像区域间的目标距离符合相关条件，由此，通过目标距离的方式，实现了对第一图像区域与第二图像区域间匹配关系的准确确定。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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为本申请实施例提供的一种图像区域匹配方法流程图；
图2a为本申请实施例提供的一种图像示意图；
图2b为本申请实施例提供的另一种图像示意图；
图2c为本申请实施例提供的一种图像区域示意图；
图3为本申请实施例提供的一种计算距离的场景示意图；
图4为本申请实施例提供的一种第一图像区域与第二图像区域间重叠的场景示意图；
图5为本申请实施例提供的一种第一图像区域与第二图像区域间重叠的场景示意图；
图6a为本申请实施例提供的一种人体框与人头框间具有第一匹配关系的示意图；
图6b为本申请实施例提供的一种人头框与人脸框间具有第二匹配关系的示意图；
图6c为本申请实施例提供的一种人体框与人脸框间具有第三匹配关系的示意图；
图7为本申请实施例提供的一种图像区域匹配方法流程图；
图8为本申请实施例提供的一种图像区域匹配装置示意图；
图9为本申请实施例提供的一种图像区域匹配装置示意图。
具体实施方式
下面结合附图，对本申请的实施例进行描述。
目前，主要通过贪心算法来进行人脸和人体匹配。然而，对于人员密集的场景，通过该算法进行匹配时很容易发生匹配错误的情况，实际效果并不好。可见，如何提高人体及人脸的匹配准确性，是目前亟需解决的问题。
为此，本申请实施例提供了一种图像区域匹配方法，实现了对第一图像区域与第二图像区域间匹配关系的准确确定。
首先，对本申请实施例的该图像区域匹配方法的执行主体进行介绍。该图像区域方法可以通过数据处理设备执行，该数据处理设备可以是终端设备或者服务器。
下面对本申请实施例提供的匹配方法进行介绍。
参见图1，该图示出了本申请实施例提供了一种图像区域匹配方法流程图，如图1所示，所述方法包括：
S101：确定图像中多个对象分别对应的第一图像区域和第二图像区域。
其中，该图像中可以包括多个对象，本申请实施例不对该对象进行限定，该对象可以是任意实体对象，如可以是人、动物、物品等。
其中，第一图像区域和第二图像区域分别对应于对象中不同的目标部位，该目标部位可以是指对象中的任意一个部位、或者对象中两个或多个部位的组合，其中，当目标部位为对象中的部位组合时，该部位组合中的各部位间具有相连接的关系。
在一种可能的实现方式中，该对象可以为人体，则第一图像区域(或第二图像区域)可以为人体框内的图像区域、人头框内的图像区域或人脸框内的图像区域。
例如，参见图2a，该图示出了本申请实施例提供的一种图像示意图，如图2a所示，该图中包括三个人。参见图2b，该图示出了本申请实施例提供的另一种图像示意图，如图2b所示，从该图像中检测出这三个人的人体框、人头框和人脸框。其中，人体框可以是以图像中人体的长和宽确定的长方体框，人头框可以是以图像中人头的长和宽确定的长方体框，人脸框可以是以图像中人脸的长和宽确定的长方体框。参见图2c，该图示出了本申请实施例提供的一种图像区域示意图，如图2c所示，分别展示了这三个人的人体框、人头框和人脸框。
S102：确定所述第一图像区域和所述第二图像区域间的目标距离。
其中，目标距离用于体现第一图像区域和所述第二图像区域间的匹配程度。目标距离可以是根据面积重叠率和距离中的任意一种或多种组合确定的。
其中，该目标距离可以用于体现第一图像区域和第二图像区域间的匹配程度。也可以将该第一图像区域和第二图像区域间的目标距离记为这两个图像区域间的权重。
在一种可能的实现方式中，该S102中确定所述第一图像区域和所述第二图像区域间的目标距离的方法，包括：
下面以第一图像区域可以对应于完整对象，第二图像区域可以对应对象的一个部位为例进行说明。例如，第一图像区域为人体框内的图像区域，所述第二图像区域为人头框内的图像区域。
确定第一图像区域的目标位置和第二图像区域的目标位置间的距离。其中，该目标位置可以是根据预设方式在第一图像区域和第二图像区域上确定的位置。在一些实施例中，该目标位置可以是第一图像区域所对应人体框顶边中心点的位置，也可以是第二图像区域所对应人头框顶边中心点的位置。
也就是说，针对图像中的多个人，可以确定每个人体框与每个人头框的顶边中心点位置间的距离。
需要说明，本申请实施例不限定该距离的类型，在一种可能的实现方式中，该距离可以是垂直距离、欧式距离、曼哈顿距离和包括权重的曼哈顿距离中的任意一种。其中，该垂直距离可以是竖直方向上的距离。
参见图3，该图示出了本申请实施例提供的一种计算距离的场景示意图，令在图像坐标系中人体框顶边中心点为(xbc,ybc)，人头框顶边中心点为 (xhc,yhc)，则，确定人体框和人头框的顶边中心点间的垂直距离、欧式距离、曼哈顿距离、基于权重的曼哈顿距离：
垂直距离：d＝|ybc-yhc|；
欧式距离：
曼哈顿距离：d＝|xbc-xhc|+|ybc-yhc|；
不同权重的曼哈顿距离：d＝t*|xbc-xhc|+w*|ybc-yhc|，其中，t和w为权重。
其中，第一图像区域的目标位置和第二图像区域的目标位置间的距离可以体现该第一图像区域与第二图像区域间的匹配程度，当该距离越小时，体现第一图像区域与第二图像区域更有可能为同一个对象，即第一图像区域与第二图像区域间的匹配程度越高。
从而，根据第一图像区域的目标位置和第二图像区域的目标位置间的距离，确定第一图像区域与第二图像区域间的目标距离。
在具体实现中，可以将该距离直接作为该第一图像区域与第二图像区域间的目标距离。
由于检测模型出来的第一图像区域、第二图像区域等并不是那么完美，它们可能存在各种各样的问题，由此可能存在漏检或误检的情形。基于此，在一种可能的实现方式中，上述根据距离，确定目标距离的方法，可以包括：
当确定距离满足第一条件时，增大距离。
本申请实施例不限定对该距离增大的程度。在一种可能的实现方式中，可以将该距离增大至无穷大。
其中，第一条件包括：
该距离大于距离阈值。
另外，当第一图像区域对应的目标部位包括第二图像区域对应的目标部位时，该目标条件还包括：
该第一图像区域和第二图像区域间的面积重叠率小于第一重叠率阈值，该面积重叠率可以是根据第一图像区域、第二图像区域以及第一图像区域和第二图像区域间的重叠区域确定的。
其中，可以将第一图像区域与第二图像区域间的重叠区域面积即面积交集记为A，第一图像区域与第二图像区域中的最小面积即为B，将第一图像区域与第二图像区域间的面积的并集记为C，则该面积重叠率可以是A/B，也可以是A/C。其中，可以将A/B记为单重叠率，A/C记为双重叠率。
例如，参见图4，该图示出了本申请实施例提供的一种第一图像区域与第二图像区域间重叠的场景示意图，如图4所示，由于第一图像区域的面积与人体框的面积相同，第二图像区域的面积与人头框的面积相同，如此，可以通过人体框和人头框确定第一图像区域与第二图像区域间的面积重叠率。如图4所示，灰色区域标识人体框与人头框间的重叠区域面积，面积为人体框面积∩人头框面积。人体框与人头框的面积重叠率如单重叠率＝(人体框面积∩人头框面积)/(min(人体框面积，人头框面积))；双重叠率＝(人体框面积∩人头框面积)/(人体框面积∪人头框面积)。
其中，上述面积重叠率可以是第一图像区域与第二图像区域间的单重叠率或双重叠率，优选的，可以将单重叠率作为面积重叠率。
从而，根据该增大后的距离，确定第一图像区域与第二图像区域间的目标距离。
也就是说，对第一图像区域的目标位置和第二图像区域的目标位置间的距离加入了两个约束条件。第一个约束条件为：正常情况下，同一个人体的人体框和人头框的顶边中心点是重合或是比较接近的，由此人体框和人头框顶边中心点的垂直距离应该小于或等于设定的距离阈值(如200)，如果大于该距离阈值，说明检测到的人体框和人头框间有较大可能不属于一个人即不匹配，由此将该人体框与人体框间的距离设为无穷大。第二个约束条件为：正常情况下，同一个人的人体框内包含该人的人头框，即人体框和人头框的第一重叠率应该大于或等于设定的第一重叠率阈值(如0.8)，如果小于该第一重叠率阈值，说明人体框和人头框重合面积太小，即检测到的人体框和人头框根更有可能不属于同一个人，由此将该人体框与人体框间的距离设为无穷大。
所设置的人体框和人头框间的目标距离为：当人体框与人体框顶边中心点间的距离小于或等于距离阈值和/或人体框与人体框间的面积重叠率小于或等于第一重叠率阈值时，确定目标距离为所确定的距离；当人体框与人头框顶边中心点间的距离大于距离阈值或人体框与人头框间的面积重叠率大于第一重叠率阈值时，确定目标距离为无穷大(即∞)。
该方法中，当第一图像区域与第二图像区域间的距离满足第一条件时，即表示第一图像区域与第二图像区域相匹配的可能性较低，由此，通过将该距离进行增大，并根据该增大后的距离确定该第一图像区域与第二图像区域间的目标距离，使得在后续S103根据目标距离，确定第一图像区域和第二图像区域间的最优距离之和时，降低了将该第一图像区域与第二图像区域间的匹配关系确定为该最优距离之和对应的匹配关系的可能性，降低了错误匹配的概率。
在具体实现中，针对x个第一图像区域(对应于人体框)和y个第二图像区域(对应于人头框)中的每个第一图像区域和第二图像区域，所确定的它们间的目标距离可以以矩阵形式表示：
在一种可能的实现方式中，当第一图像区域对应的目标部位包括所述第二图像区域对应的目标部位时，该S102中确定所述第一图像区域和所述第二图像区域间的目标距离的方法，包括：
确定所述第一图像区域和所述第二图像区域间的面积重叠率。
其中，面积重叠率是根据第一图像区域、所述第二图像区域以及所述第一图像区域和所述第二图像区域间的重叠区域确定的。可以将第一图像区域与第二图像区域间的重叠区域面积记为A’，第一图像区域与第二图像区域中的最小面积记为B’，将第一图像区域与第二图像区域间的面积的并集记为C’，则该面积重叠率可以是A’/B’，也可以是A’/C’。其中，可以将A’/B’记为单重叠率，A’/C’记为双重叠率。
下面以第一图像区域为人头框内的图像区域，第二图像区域为人脸框内的图像区域为例进行说明。
例如，参见图5，该图示出了本申请实施例提供的一种第一图像区域与第二图像区域间重叠的场景示意图，如图5所示，由于第一图像区域的面积与人头框的面积相同，第二图像区域的面积与人脸框的面积相同。如此，可以通过人头框和人脸框确定第一图像区域与第二图像区域间的面积重叠率。如图5所示，灰色区域标识人头框与人脸框间的重叠区域，面积为人头框面积∩人脸框面积。人头框与人脸框的面积重叠率如单重叠率＝(人头框面积∩人脸框面积)/(min(人头框面积，人脸框面积))；双重叠率＝(人头框面积∩人脸框面积)/(人头框面积∪人脸框面积)。
其中，上述面积重叠率可以是第一图像区域与第二图像区域间的单重叠率或双重叠率，优选的，可以将该单重叠率作为面积重叠率。
从而，根据面积重叠率，确定目标距离。在具体实现中，可以将面积重叠率的倒数，作为目标距离。
在一种可能的实现方式中，上述根据所述面积重叠率，确定所述目标距离的方法，可以包括：
当确定所述面积重叠率满足第二条件时，减小所述面积重叠率。
根据减小后的面积重叠率，确定所述目标距离；
其中，所述第二条件包括：所述面积重叠率小于第二重叠率阈值。
也就是说，对第一图像区域和第二图像区域间的面积重叠率加入了约束条件。正常情况下人头框包含人脸框，由此对人头框与人脸框间的面积重叠率设定第二重叠率阈值如0.4，如果人脸框与人头框间的面积重叠率小于该第二重叠率阈值，说明人脸框和人头框根更有可能不属于同一个对象即人体，可以设置该人头框和人脸框间的面积重叠率，使该面积重叠率的倒数为无穷大。
所设置的人头框和人脸框间的目标距离为：当人头框与人脸框间的面积重叠率大于或等于第二重叠率阈值，可以确定人头框与人脸框间的目标距离为该面积重叠率的倒数，当人头框与人脸框间的面积重叠率小于第二重叠率阈值时，可以确定人头框与人脸框间的目标距离为无穷大(即∞)。
该方法中，当第一图像区域与第二图像区域间的面积重叠率满足第二条件时，即表示第一图像区域与第二图像区域相匹配的可能性较低，由此，通过将该面积重叠率进行减小，并根据该减小后的面积重叠率确定该第一图像区域与第二图像区域间的目标距离，使得在后续S103根据目标距离，确定第一图像区域和第二图像区域间的最优距离之和时，降低了将该第一图像区域与第二图像区域间的匹配关系确定为该最优距离之和对应的匹配关系的可能性，降低了错误匹配的概率。在具体实现中，针对x个第一图像区域(对应于人头框)和y个第二图像区域(对应于人脸框)中的每个第一图像区域和第二图像区域，所确定的它们间的目标距离可以以矩阵形式表示：
S103：根据目标距离，确定第一图像区域和所述第二图像区域间的最优距离之和。
其中，该最优距离之和可以用于体现第一图像区域和第二图像区域间的匹配程度最高。当目标距离与匹配程度呈负相关时，最优距离之和可以是第一图像区域与第二图像区域间的目标距离之和的最小值。
在具体实现中，可以通过KM算法或最大流最小割算法执行该S103的方法。其中，KM算法可以是指是求解带权二分图权重最大(或最小)的匹配问题的一种算法。最大流最小割算法可以是指在一个网络流中，能够从源点到达汇点的最大流量等于如果从网络中移除就能够导致网络流中断的边的集合的最小容量和。即在任何网络中，最大流的值等于最小割的容量。当通过这两种算法确定第一图像区域与第二图像区域间的最优距离之和时，可以将第一图像区域与第二图像区域间的目标距离作为两个图像区域间的权重。
S104：确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。
针对最优距离之和对应的第一图像区域与第二图像区域间的匹配关系，为所述第一图像区域和所述第二图像区域间的目标匹配关系。
由上述技术方案可以看出，确定图像中多个对象分别对应的第一图像区域和第二图像区域；其中，第一图像区域和所述第二图像区域分别对应于对象中不同的目标部位。确定所述第一图像区域和所述第二图像区域间的目标距离，目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度，所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的。根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高。确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。该方法中，由于属于同一对象的第一图像区域和第二图像区域间的目标距离符合相关条件，由此，通过目标距离的方式，实现了对第一图像区域与第二图像区域间匹配关系的准确确定。
本申请实施例提供了一种图像区域匹配方法，参见图7，该图示出了本申请实施例提供的一种图像区域匹配方法流程图，如图7所示，所述方法包括：
S701：确定图像中多个对象分别对应的第一区域、第二区域和第三区域。
其中，第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位，针对目标部位的介绍如前所述，此处不再赘述。
其中，针对图像中的多个对象，该图像中包括了每个对象对应的第一区域、第二区域和第三区域。在一种可能的实现方式中，对象为人体，第一区域为人体框内的图像区域，第二区域为人头框内的图像区域，所述第三区域为人脸框内的图像区域。
接下来，将以对象为人体的场景为例，对本申请实施例提供的图像区域匹配方法进行介绍。
S702：确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系。
其中，该目标匹配关系可以是通过上述S101-S104提供的方法确定的，当所述目标匹配关系为所述第一匹配关系时，所述第一图像区域为所述第一区域，所述第二图像区域为所述第二区域；当所述目标匹配关系为所述第二匹配关系时，所述第一图像区域为所述第二区域，所述第二图像区域为所述第三区域。
S703：根据所述第一匹配关系和所述第二匹配关系，确定所述第一区域和所述第三区域间的第三匹配关系。其中，当目标匹配关系为第一匹配关系时，参见图6a，该图示出了本申请实施例提供的一种人体框与人头框间具有第一匹配关系的示意图，如图6a所示，通过上述KM算法或最大流最小割算法，确定出多个人体框与人头框间的匹配关系。
当目标匹配关系为第二匹配关系时，参见图6b，该图示出了本申请实施例提供的一种人头框与人脸框间具有第二匹配关系的示意图，如图6b所示，通过上述KM算法或最大流最小割算法，确定出多个人头框与人脸框间的匹配关系。
举例来说，根据上述图6a和图6b对应的匹配关系，可以确定人体框与人脸框间的第三匹配关系。参见图6c，该图示出了本申请实施例提供的一种人体框与人脸框间具有第三匹配关系的示意图，如图6c所示，确定出多个人体框与人脸框间的匹配关系。
由上述技术方案可以看出，在需要对图像中多个对象间的第一区域与第三区域的匹配时，首先，可以确定该多个对象的第一区域、第二区域和第三区域，第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位。然后，可以确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系。从而，根据第一匹配关系和第二匹配关系，确定第一区域和第三区域间的第三匹配关系。该方法中，通过引入第二区域，该第二区域可以用于准确确定其与第一区域间的第一匹配关系，也可以用于确定其与第三区域间的第二匹配关系，由此，通过将第二区域作为第一区域与第三区域间进行匹配的中间量，从而实现了对第一区域与第三区域间匹配关系的准确确定。
下面结合具体场景，对本申请实施例提供的匹配方法进行介绍。
假设该方法用于对图像中多人的人体和人脸进行匹配。其中，该图像可以是视频中的一帧图像。该方法包括：从视频中读取一帧图像，将该图像输入检测模型，该检测模型可以用于检测人体、人头和人脸。然后，构建该多人的人体框和人头框间的目标距离(权重)矩阵，人头框与人脸框间的目标距离(权重)矩阵。从而，通过KM算法或最大流最小割算法求解人体框与人头框间的第一匹配关系，人头框与人脸框间的第二匹配关系。进而得出人体框与人脸框间的第三匹配关系。
参见图8，该图示出了本申请实施例提供的一种图像区域匹配装置示意图，如图8所示，所述装置包括：
第一确定单元801，用于确定图像中多个对象分别对应的第一图像区域和第二图像区域；所述第一图像区域和所述第二图像区域分别对应于对象中不同的目标部位；
第二确定单元802，用于确定所述第一图像区域和所述第二图像区域间的目标距离，所述目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度；所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的；
第三确定单元803，用于根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高；
第四确定单元804，用于确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。
在一种可能的实现方式中，所述第二确定单元802，具体用于：
确定所述第一图像区域的目标位置和所述第二图像区域的目标位置间的距离；所述目标位置是根据预设方式在所述第一图像区域和所述第二图像区域上确定的位置；
根据所述距离，确定所述目标距离。
在一种可能的实现方式中，所述第二确定单元802，具体用于：
当确定所述距离满足第一条件时，增大所述距离；
根据增大后的距离，确定所述目标距离；
其中，所述第一条件包括：
所述距离大于距离阈值。
在一种可能的实现方式中，当所述第一图像区域对应的目标部位包括所述第二图像区域对应的目标部位时，所述目标条件还包括：
所述第一图像区域和所述第二图像区域间的面积重叠率小于第一重叠率阈值，所述面积重叠率是根据所述第一图像区域、所述第二图像区域以及所述第一图像区域和所述第二图像区域间的重叠区域确定的。
在一种可能的实现方式中，所述距离为垂直距离、欧式距离、曼哈顿距离和包括权重的曼哈顿距离中的任意一种。
在一种可能的实现方式中，所述第二确定单元802，具体用于：
当所述第一图像区域对应的目标部位包括所述第二图像区域对应的目标部位时，确定所述第一图像区域和所述第二图像区域间的面积重叠率；所述面积重叠率是根据所述第一图像区域、所述第二图像区域以及所述第一图像区域和所述第二图像区域间的重叠区域确定的；
根据所述面积重叠率，确定所述目标距离。
在一种可能的实现方式中，所述第二确定单元802，具体用于：
当确定所述面积重叠率满足第二条件时，减小所述面积重叠率；
根据减小后的面积重叠率，确定所述目标距离；
其中，所述第二条件包括：所述面积重叠率小于第二重叠率阈值。
由上述技术方案可以看出，确定图像中多个对象分别对应的第一图像区域和第二图像区域；其中，第一图像区域和所述第二图像区域分别对应于确定的。确定所述第一图像区域和所述第二图像区域间的目标距离，目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度，所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的。根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高。确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。该方法中，由于属于同一对象的第一图像区域和第二图像区域间的目标距离符合相关条件，由此，通过目标距离的方式，实现了对第一图像区域与第二图像区域间匹配关系的准确确定。
参见图9，该图示出了本申请实施例提供的一种图像区域匹配装置示意图，如图9所示，所述装置包括：
第一确定单元901，用于确定图像中多个对象分别对应的第一区域、第二区域和第三区域，所述第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位；
第二确定单元902，用于确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系；所述目标匹配关系是通过权利要求1-7任意一项所述的方法确定的，当所述目标匹配关系为所述第一匹配关系时，所述第一图像区域为所述第一区域，所述第二图像区域为所述第二区域；当所述目标匹配关系为所述第二匹配关系时，所述第一图像区域为所述第二区域，所述第二图像区域为所述第三区域；
第三确定单元903，用于根据所述第一匹配关系和所述第二匹配关系，确定所述第一区域和所述第三区域间的第三匹配关系。
在一种可能的实现方式中，所述对象为人体，所述第一区域为人体框内的图像区域，所述第二区域为人头框内的图像区域，所述第三区域为人脸框内的图像区域。
由上述技术方案可以看出，在需要对图像中多个对象间的第一区域与第三区域的匹配时，首先，可以确定该多个对象的第一区域、第二区域和第三区域，第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位。然后，可以确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系。从而，根据第一匹配关系和第二匹配关系，确定第一区域和第三区域间的第三匹配关系。该方法中，通过引入第二区域，该第二区域可以用于准确确定其与第一区域间的第一匹配关系，也可以用于确定其与第三区域间的第二匹配关系，由此，通过将第二区域作为第一区域与第三区域间进行匹配的中间量，从而实现了对第一区域与第三区域间匹配关系的准确确定。
本申请实施例提供了一种设备，可以是执行该身份识别方法的数据处理设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述方法。
本申请实施例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用于存储计算机程序，所述计算机程序用于执行上述方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种图像区域匹配方法，其特征在于，所述方法包括：
确定图像中多个对象分别对应的第一图像区域和第二图像区域；所述第一图像区域和所述第二图像区域分别对应于对象中不同的目标部位；
确定所述第一图像区域和所述第二图像区域间的目标距离，所述目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度；所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的；
根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高；
确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一图像区域和所述第二图像区域间的目标距离，包括：
确定所述第一图像区域的目标位置和所述第二图像区域的目标位置间的距离；所述目标位置是根据预设方式在所述第一图像区域和所述第二图像区域上确定的位置；
根据所述距离，确定所述目标距离。
3.根据权利要求2所述的方法，其特征在于，所述根据所述距离，确定所述目标距离，包括：
当确定所述距离满足第一条件时，增大所述距离；
根据增大后的距离，确定所述目标距离；
所述第一条件包括：所述距离大于距离阈值。
4.根据权利要求3所述的方法，其特征在于，当所述第一图像区域对应的目标部位包括所述第二图像区域对应的目标部位时，所述第一条件还包括：
所述第一图像区域和所述第二图像区域间的面积重叠率小于第一重叠率阈值，所述面积重叠率是根据所述第一图像区域、所述第二图像区域以及所述第一图像区域和所述第二图像区域间的重叠区域确定的。
5.根据权利要求2所述的方法，其特征在于，所述距离为垂直距离、欧式距离、曼哈顿距离和包括权重的曼哈顿距离中的任意一种。
6.根据权利要求1所述的方法，其特征在于，当所述第一图像区域对应的目标部位包括所述第二图像区域对应的目标部位时，所述确定所述第一图像区域和所述第二图像区域间的目标距离，包括：
确定所述第一图像区域和所述第二图像区域间的面积重叠率；所述面积重叠率是根据所述第一图像区域、所述第二图像区域以及所述第一图像区域和所述第二图像区域间的重叠区域确定的；
根据所述面积重叠率，确定所述目标距离。
7.根据权利要求6所述的方法，其特征在于，所述根据所述面积重叠率，确定所述目标距离，包括：
当确定所述面积重叠率满足第二条件时，减小所述面积重叠率；
根据减小后的面积重叠率，确定所述目标距离；
其中，所述第二条件包括：所述面积重叠率小于第二重叠率阈值。
8.一种图像区域匹配方法，其特征在于，所述方法包括：
确定图像中多个对象分别对应的第一区域、第二区域和第三区域，所述第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位；
确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系；所述目标匹配关系是通过权利要求1-7任意一项所述的方法确定的，当所述目标匹配关系为所述第一匹配关系时，所述第一图像区域为所述第一区域，所述第二图像区域为所述第二区域；当所述目标匹配关系为所述第二匹配关系时，所述第一图像区域为所述第二区域，所述第二图像区域为所述第三区域；
根据所述第一匹配关系和所述第二匹配关系，确定所述第一区域和所述第三区域间的第三匹配关系。
9.根据权利要求8所述的方法，其特征在于，所述对象为人体，所述第一区域为人体框内的图像区域，所述第二区域为人头框内的图像区域，所述第三区域为人脸框内的图像区域。
10.一种图像区域匹配装置，其特征在于，所述装置包括：
第一确定单元，用于确定图像中多个对象分别对应的第一图像区域和第二图像区域；所述第一图像区域和所述第二图像区域分别对应于对象中不同的目标部位；
第二确定单元，用于确定所述第一图像区域和所述第二图像区域间的目标距离，所述目标距离用于体现所述第一图像区域和所述第二图像区域间的匹配程度；所述目标距离是根据面积重叠率和距离中的任意一种或多种组合确定的；
第三确定单元，用于根据所述目标距离，确定所述第一图像区域和所述第二图像区域间的最优距离之和，所述最优距离之和用于体现所述第一图像区域和所述第二图像区域间的匹配程度最高；
第四确定单元，用于确定所述最优距离之和对应的所述第一图像区域和所述第二图像区域间的匹配关系为所述第一图像区域和所述第二图像区域间的目标匹配关系。
11.一种图像区域匹配装置，其特征在于，所述装置包括：
第一确定单元，用于确定图像中多个对象分别对应的第一区域、第二区域和第三区域，所述第一区域、所述第二区域和所述第三区域分别对应于对象中不同的目标部位；
第二确定单元，用于确定分别作为目标匹配关系的所述第一区域与所述第二区域间的第一匹配关系和所述第二区域与所述第三区域间的第二匹配关系；所述目标匹配关系是通过权利要求1-7任意一项所述的方法确定的，当所述目标匹配关系为所述第一匹配关系时，所述第一图像区域为所述第一区域，所述第二图像区域为所述第二区域；当所述目标匹配关系为所述第二匹配关系时，所述第一图像区域为所述第二区域，所述第二图像区域为所述第三区域；
第三确定单元，用于根据所述第一匹配关系和所述第二匹配关系，确定所述第一区域和所述第三区域间的第三匹配关系。
12.一种设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任意一项所述的图像区域匹配方法或权利要求8或9所述的图像区域匹配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010435120.XA CN111476214A (zh) | 2020-05-21 | 2020-05-21 | 一种图像区域匹配方法和相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010435120.XA CN111476214A (zh) | 2020-05-21 | 2020-05-21 | 一种图像区域匹配方法和相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111476214A true CN111476214A (zh) | 2020-07-31 |
Family
ID=71764586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010435120.XA Pending CN111476214A (zh) | 2020-05-21 | 2020-05-21 | 一种图像区域匹配方法和相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111476214A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022910A (zh) * | 2022-01-10 | 2022-02-08 | 杭州巨岩欣成科技有限公司 | 泳池防溺水监管方法、装置、计算机设备及存储介质 |
| WO2022198821A1 (zh) * | 2021-03-25 | 2022-09-29 | 深圳市商汤科技有限公司 | 人脸和人体匹配的方法、装置、电子设备、存储介质及程序 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105160297A (zh) * | 2015-07-27 | 2015-12-16 | 华南理工大学 | 基于肤色特征的蒙面人事件自动检测方法 |
| US20160203525A1 (en) * | 2015-01-12 | 2016-07-14 | Ebay Inc. | Joint-based item recognition |
| CN109190454A (zh) * | 2018-07-17 | 2019-01-11 | 北京新唐思创教育科技有限公司 | 用于识别视频中的目标人物的方法、装置、设备及介质 |
| CN109948494A (zh) * | 2019-03-11 | 2019-06-28 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN110070005A (zh) * | 2019-04-02 | 2019-07-30 | 腾讯科技（深圳）有限公司 | 图像目标识别方法、装置、存储介质及电子设备 |
| CN110163096A (zh) * | 2019-04-16 | 2019-08-23 | 北京奇艺世纪科技有限公司 | 人物识别方法、装置、电子设备和计算机可读介质 |
| CN110427905A (zh) * | 2019-08-08 | 2019-11-08 | 北京百度网讯科技有限公司 | 行人跟踪方法、装置以及终端 |
| CN110674719A (zh) * | 2019-09-18 | 2020-01-10 | 北京市商汤科技开发有限公司 | 目标对象匹配方法及装置、电子设备和存储介质 |
-
2020
- 2020-05-21 CN CN202010435120.XA patent/CN111476214A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160203525A1 (en) * | 2015-01-12 | 2016-07-14 | Ebay Inc. | Joint-based item recognition |
| CN105160297A (zh) * | 2015-07-27 | 2015-12-16 | 华南理工大学 | 基于肤色特征的蒙面人事件自动检测方法 |
| CN109190454A (zh) * | 2018-07-17 | 2019-01-11 | 北京新唐思创教育科技有限公司 | 用于识别视频中的目标人物的方法、装置、设备及介质 |
| CN109948494A (zh) * | 2019-03-11 | 2019-06-28 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN110070005A (zh) * | 2019-04-02 | 2019-07-30 | 腾讯科技（深圳）有限公司 | 图像目标识别方法、装置、存储介质及电子设备 |
| CN110163096A (zh) * | 2019-04-16 | 2019-08-23 | 北京奇艺世纪科技有限公司 | 人物识别方法、装置、电子设备和计算机可读介质 |
| CN110427905A (zh) * | 2019-08-08 | 2019-11-08 | 北京百度网讯科技有限公司 | 行人跟踪方法、装置以及终端 |
| CN110674719A (zh) * | 2019-09-18 | 2020-01-10 | 北京市商汤科技开发有限公司 | 目标对象匹配方法及装置、电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 谭园芳: "视频图像中的运动人体检测与跟踪算法研究" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022198821A1 (zh) * | 2021-03-25 | 2022-09-29 | 深圳市商汤科技有限公司 | 人脸和人体匹配的方法、装置、电子设备、存储介质及程序 |
| CN114022910A (zh) * | 2022-01-10 | 2022-02-08 | 杭州巨岩欣成科技有限公司 | 泳池防溺水监管方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108734162B (zh) | 商品图像中目标识别方法、***、设备及存储介质 | |
| US8996033B1 (en) | Systems and methods for statistically associating mobile devices to households | |
| US7848545B2 (en) | Method of and system for image processing and computer program | |
| CN105404860A (zh) | 用于管理走失人员信息的方法和设备 | |
| EP2418588A1 (en) | Visual localization method | |
| US20120321193A1 (en) | Method, apparatus, and computer program product for image clustering | |
| US20130226667A1 (en) | Methods and apparatus to analyze markets based on aerial images | |
| WO2019007253A1 (zh) | 图像识别方法、装置及设备、可读介质 | |
| US20200356800A1 (en) | Polygonal region detection | |
| JP2017033547A (ja) | 情報処理装置及びその制御方法及びプログラム | |
| CN111476214A (zh) | 一种图像区域匹配方法和相关装置 | |
| US20210049390A1 (en) | Image processing method and apparatus, terminal device, server and system | |
| US20240087368A1 (en) | Companion animal life management system and method therefor | |
| CN111601380B (zh) | 基于位置指纹的位置定位方法、装置、设备及存储介质 | |
| CN111383246A (zh) | 条幅检测方法、装置及设备 | |
| WO2024001617A1 (zh) | 玩手机行为识别方法及装置 | |
| KR20160044858A (ko) | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 | |
| Kim et al. | Cooperative localization considering estimated location uncertainty in distributed ad hoc networks | |
| WO2007077694A1 (ja) | 鼻紋情報生成装置及び鼻紋情報照合装置及び鼻紋情報生成プログラム及び鼻紋情報生成方法 | |
| CN107121661B (zh) | 定位方法、装置及***和服务器 | |
| CN112528925B (zh) | 行人跟踪、图像匹配方法及相关设备 | |
| CN116152675A (zh) | 一种基于深度学习的无人机救援方法及*** | |
| EP3076370B1 (en) | Method and system for selecting optimum values for parameter set for disparity calculation | |
| CN115222621A (zh) | 图像校正方法、电子设备、存储介质及计算机程序产品 | |
| US9542043B2 (en) | Facilitation of error tolerant image tracing optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |