CN111667479A - 目标图像的图案核验方法及装置、电子设备、存储介质 - Google Patents

目标图像的图案核验方法及装置、电子设备、存储介质 Download PDF

Info

Publication number
CN111667479A
CN111667479A CN202010526093.7A CN202010526093A CN111667479A CN 111667479 A CN111667479 A CN 111667479A CN 202010526093 A CN202010526093 A CN 202010526093A CN 111667479 A CN111667479 A CN 111667479A
Authority
CN
China
Prior art keywords
image
position information
target image
verification
template
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
CN202010526093.7A
Other languages
English (en)
Inventor
艾国
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.)
Innovation Qizhi Chengdu Technology Co ltd
Original Assignee
Innovation Qizhi Chengdu 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 Innovation Qizhi Chengdu Technology Co ltd filed Critical Innovation Qizhi Chengdu Technology Co ltd
Priority to CN202010526093.7A priority Critical patent/CN111667479A/zh
Publication of CN111667479A publication Critical patent/CN111667479A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

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

Abstract

本申请提供一种目标图像的图案核验方法及装置、电子设备、计算机可读存储介质，该方法包括：检测目标图像中的关键点坐标；根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵；依据所述旋转矩阵对所述目标图像进行旋转变换，获得校正图像；基于所述模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像；判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，输出核验结果。本申请实施例由机器完成，降低了人工成本，提高了核验效率。

Description

目标图像的图案核验方法及装置、电子设备、存储介质
技术领域
本申请涉及图像处理技术领域，特别涉及一种目标图像的图案核验方法及装置、电子设备、计算机可读存储介质。
背景技术
在成衣检测的过程中，需要对衣服上的图案进行核验，确保衣服上已经印制了原本设计的图案，且图案印制在规定的位置。印制在衣服上的图案通常包括印花图案、烫标等。目前，依靠人工对衣服上的图案进行核验。这种方式的效率低下且成本高。
发明内容
本申请实施例的目的在于提供一种目标图像的图案核验方法及装置、电子设备、计算机可读存储介质，用以解决人工核验图案成本高且效率低下的问题。
一方面，本申请提供了一种目标图像的图案核验方法，包括：
检测目标图像中的关键点坐标；
根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵；
依据所述旋转矩阵对所述目标图像进行旋转变换，获得校正图像；
基于所述模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像；
判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，输出核验结果。
在一实施例中，所述检测目标图像中的关键点坐标，所述方法还包括：
将所述目标图像作为已训练的深度学习模型的输入，获得所述目标图像的所述关键点坐标。
在一实施例中，在计算所述旋转矩阵之前，所述方法还包括：
基于所述目标图像的核验标识，查找所述核验标识对应的模板图像。
在一实施例中，查找所述核验标识对应的模板图像之前，所述方法还包括：
接收所述核验标识和所述模板图像，并建立所述核验标识和所述模板图像之间的映射关系。
在一实施例中，在所述根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵之前，所述方法还包括：
将所述模板图像作为已训练的深度学习模型的输入，获得所述模板图像的所述关键点坐标。
在一实施例中，在所述基于所述模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像之前，所述方法还包括：
获取对所述模板图像标注的图案位置信息；
将所述模板图像对应的所述关键点坐标和所述图案位置信息进行关联存储。
在一实施例中，所述判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，包括：
基于相似度算法，计算所述校正子图像与所述待核验图像之间的相似度；
判断所述相似度是否大于预设相似度阈值；
若是，确定所述校正子图像与所述待核验图像匹配；
若否，确定所述校正子图像与所述待核验图像不匹配。
另一方面，本申请还提供了一种目标图像的图案核验装置，包括：
检测模块，用于检测目标图像中的关键点坐标；
计算模块，用于根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵；
旋转模块，用于依据所述旋转矩阵对所述目标图像进行旋转变换，获得校正图像；
获取模块，用于基于预设模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像；
核验模块，用于判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，输出核验结果。
进一步，本申请还提供了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述目标图像的图案核验方法。
另外，本申请还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述目标图像的图案核验方法。
本申请实施例中，基于检测出的关键点坐标和模板图像中关键点坐标，计算出旋转矩阵，并依据该旋转矩阵旋转目标图像后，从旋转得到的校正图像中获取校正子图像，通过判断校正子图像与模板图像中的待核验图像是否匹配，完成对目标图像的核验工作；整个过程由机器完成，降低了人工成本，提高了核验效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
图1为本申请一实施例提供的目标图像的图案核验方法的应用场景示意图；
图2为本申请一实施例提供的电子设备的结构示意图；
图3为本申请一实施例提供的目标图像的图案核验方法的流程示意图；
图4为本申请一实施例提供的目标图像的示意图；
图5为本申请一实施例提供的模板图像的示意图；
图6为本申请一实施例提供的目标图像的图案核验装置的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1为本申请一实施例提供的设备的图案核验方法的应用场景示意图。如图1所示，该应用场景包括服务端30和客户端20，客户端20可以是采集目标图像的摄像机，可向服务端30传输目标图像，服务端30可以是服务器、服务器集群或者云计算中心，服务端30可以对客户端20上传的目标图像，执行图案核验的业务。
如图2所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图2中以一个处理器11为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程。在一实施例中，电子设备1可以是上述服务端30。
存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，简称EPROM)，可编程只读存储器(Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器11执行以完成本申请提供的目标图像的图案核验方法。
参见图3，为本申请一实施例提供的图案核验方法的流程示意图，如图4所示，该方法可以包括以下步骤310-步骤350。
步骤310：检测目标图像中的关键点坐标。
其中，目标图像是指接受图案核验的图像，目标图像内存在待识别对象。服务端可以从客户端获得目标图像。比如：客户端为制衣厂流水线上的摄像机，客户端拍摄流水线上衣服，将拍到的目标图像上传至服务端。
关键点指目标图像中待识别对象的关键部位的标识点。在一实施例中，若待识别对象是衣服，关键点可以包括左肩膀、右肩膀、左袖口、右袖口、左底部、右底部等位置。关键点坐标指的是关键点在图像坐标系中的像素点坐标(Pixel Coordinate)。
在一实施例中，服务端可以通过基于深度学习的图像处理技术来检测目标图像中的关键点坐标。
在一实施例中，服务端可以通过已标记的样本图像训练深度学习模型。其中，样本图像的标签为基于样本图像中关键点坐标生成的热图(heatmap)。热图的大小与样本图像相同，热图中每一像素点对应于样本图像中的像素点。每一热图对应一个关键点，热图中与关键点位置对应的像素点的值为1，其余位置的像素点的值为0。
上述深度学习模型可以是CPN(Cascaded Pyramid Network，级联金字塔网络)、HRNet(High Resolution Network，高分辨率网络)、MSPN(Multi-Stage Pose Network，多级构成网络)中的任意一种。
通过深度学习模型对样本图像计算出的热图和标签中热图之间的差异，调整深度学习模型的网络参数。重复这个过程，直到深度学习模型收敛。
服务端可以将目标图像作为已训练的深度学习模型的输入，获得目标图像的关键点坐标。
当输入的目标图像的尺寸为W*H，需要检测的K个关键点时，上述深度学习模型可以输出K个尺寸为W*H的热图。服务端可以通过上述热图确定各个关键点坐标。
步骤320：根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵。
其中，模板图像指待识别对象的摆放位置和姿态正确时的图像。在一实施例中，在执行步骤320之前，服务端可以将模板图像作为上述已训练的深度学习模型的输入，从而获得模板图像的关键点坐标。
当目标图像中待识别对象存在偏移或旋转的情况时，无法准确核验待识别对象上是否存在待核验图案。因此，通过计算旋转矩阵，用于旋转变换目标图像，从而校正待识别对象的位置和姿态。
若预设K个关键点，K个关键点坐标可以分别表示为(x1，y1)、(x2，y2)、(x3，y3)……(xk，yk)；模板图像中关键点坐标可以分别表示为(x’1，y’1)、(x’2，y’2)、(x’3，y’3)……(x’k，y’k)。
其中，关键点坐标(xi，yi)在模板图像中对应的关键点坐标为(x’i，y’i)。
服务端可以基于检测出的关键点坐标，生成尺寸为3*K的关键点坐标矩阵，该关键点坐标矩阵可表示为
Figure BDA0002532167920000081
服务端基于模板图像中的关键点坐标，生成尺寸为3*K的模板关键点坐标矩阵，该模板关键点坐标矩阵可表示为
Figure BDA0002532167920000082
关键点坐标矩阵与模板关键点坐标矩阵之间的关系可通过如下公式(1)来表示：
Figure BDA0002532167920000083
其中，
Figure BDA0002532167920000084
表示旋转矩阵；θ为目标图像需要旋转的角度，tx为目标图像在X轴方向上的平移量，ty为目标图像在Y轴方向上的平移量。
服务端可以通过关键点坐标矩阵和模板关键点坐标矩阵，计算出旋转矩阵。
步骤330：依据所述旋转矩阵对所述目标图像进行旋转变换，获得校正图像。
其中，校正图像指目标图像经过旋转变换得到的图像，校正图像中的待识别对象的摆放位置和姿态正确。通过旋转矩阵与目标图像每一像素点坐标形成的矩阵相乘，实现对目标图像的旋转变换。
服务端可以利用上述旋转矩阵，对目标图像中的每一像素点进行旋转变换。目标图像中的任意像素点坐标可表示为(xa，yb)，表示目标图像中第a行、第b列的像素点。该像素点旋转后的像素点坐标在当前坐标系中表示为(x’a，y’b)。可以通过如下公式(2)计算出新的像素点坐标。
Figure BDA0002532167920000091
其中，
Figure BDA0002532167920000092
表示旋转矩阵。
在图像坐标系中，任一像素点的横坐标或纵坐标均为整数。如果计算出的坐标中存在小数，可将坐标中的小数调整为整数，从而将该坐标调整至最接近的像素点坐标。
获得所有像素点旋转后的像素点坐标后，服务端可以筛选出位于上述目标图像所在区域的像素点，并在目标图像所在区域的其它位置填0，从而获得校正图像。在一实施例中，如果图像坐标系以目标图像的左上角为原点，通过目标图像的右下角坐标(xr，yr)可确定目标图像所在区域。服务端获得旋转后的像素点坐标后，筛选出位于左上角坐标(0，0)、右下角坐标(xr，yr)指示的矩形框内的像素点，并为该矩形框内不存在像素点的像素点坐标填0，从而可将矩形框内的图像作为校正图像。
步骤340：基于所述模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像。
其中，图案位置信息是模板图像中待核验图案所在的位置，图案位置信息可以通过待核验图案的***矩形框来表示，比如，可以是***矩形框的左上角坐标和右下角坐标。在一实施例中，图案位置信息可以经标注得到。校正子图像是指从校正图像中切取得到的图案位置信息对应的局部图像。
步骤350：判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，输出核验结果。
其中，待核验图像是包含待核验图案，且尺寸与图案位置信息指示的***矩形框相同的图像。待核验图案指在图案核验过程中，需要判断目标图像中是否存在的图案。在一实施例中，若待识别对象是衣服，待核验图案可以是衣服上的印花图案、烫标。
核验结果表征目标图像中是否存在待核验图案。匹配指校正子图像和待核验图像基本一致，在一实施例中，如果校正子图像与待核验图像之间的相似度大于阈值，可以认定两者匹配。
参见图4，为本申请一实施例提供的目标图像的示意图。图4中目标图像60中的待识别对象是衣服，关键点为图中的a、b、c、d、e、f。
参见图5，为本申请一实施例提供的模板图像的示意图。图5中模板图像70为图4中目标图像60对应的模板图像，模板图像中关键点为图中的a’、b’、c’、d’、e’、f’。虚线框71内是模板图像中的待核验图像，花体字“SPORTS”为待核验图案。
在图案核验过程中，服务端先检测目标图像60中的关键点(a、b、c、d、e、f)的坐标，然后基于模板图像70的关键点(a’、b’、c’、d’、e’、f’)的坐标，计算旋转矩阵，对目标图像60进行旋转变换，从而将目标图像60变换成与模板图像对应的标准位置，得到校正图像。之后，根据预设模板图像中的图案位置信息，可以从目标图像60中提取出校正子图像(即虚线框61内的图像)。之后，判断预设模板图像中的待核验图像(即虚线框71内的图像)与此校正子图像(即虚线框61内的图像)是否一致，如果一致，可以认为衣服上印刷了正确的图案或烫标。
在一实施例中，服务端可以基于上述图案位置信息从模板图像中切取待核验图像，并通过相似度算法计算校正子图像和待核验图像的相似度。上述相似度算法可以是SSIM(Structural Similarity Index，结构相似度指数)算法、PSNR(Peak Signal toNoise Ratio，峰值信噪比)算法、MSE(MeanSquaredError，均方误差)等任意一种。
服务端判断计算出的相似度是否大于预设相似度阈值。其中，相似度阈值可以是经验值，用于确定校正子图像与待核验图像是否足够相似。
一方面，若相似度大于相似度阈值，确定校正子图像与待核验图像匹配。此时，目标图像中存在待核验图案。
另一方面，若相似度小于相似度阈值，确定校正子图像与待核验图像不匹配。此时，目标图像中不存在待核验图案。
服务端可以输出核验结果。
在一实施例中，假设服务端需对不同类型(例如不同品牌衣物)的目标图像进行图案核验，在这种情况下，不同类型的目标图像对应的模板图像不同。比如：若目标图像中的对象为衣服，服务端核对衣服上的烫标图案。对于不同品牌、不同款式和不同尺寸的衣服而言，存在不同的模板图像。
在一实施例中，在预配置阶段，服务端可以接收核验标识和模板图像，并建立核验标识和模板图像之间的映射关系。其中，核验标识用于区分模板图像的类别，一个核验标识可以对应一种品牌的其中一个款式的某个尺寸。举例来说，核验标识可以是xx品牌女士短袖M码。上述核验标识可以是一组数据，用不同数字或字母的组合来表示不同的品牌、不同款式的衣物。比如：当服务端核对衣服上的图案时，不同品牌、不同款式和不同尺寸的衣服可以分别存在对应的模板图像，并在服务端提前存储好核验标识以及对应的模板图像。
服务端可以在模板图像表中保存该映射关系。模板图像表包括多个模板图像表项，每一模板图像表项包括核验标识和模板图像的映射关系。服务端可以为该映射关系生成一条模板图像表项，并将该模板图像表项存入模板图像表中。
在对不同类型的目标图像进行图案核验时，服务端可以获取目标图像的核验标识，从而查找核验标识对应的模板图像。
服务端可以基于目标图像的核验标识，查找上述模板图像表，基于查找到的模板图像表项，确定于核验标识对应的模板图像。
依据查找到的模板图像执行上述步骤320。
在一实施例中，在执行步骤320之前，服务端可以获取对模板图像标注的图案位置信息，并将模板图像对应的关键点坐标和图案位置信息进行关联存储。示例性的，如果存在多种模板图像，关键点坐标和图案位置信息可以存储在模板图像对应的模板图像表项中。
服务端后续可通过已存储的关键点坐标计算旋转矩阵，基于已存储的图案位置信息获取校正子图像和待核验图像。
图6是本发明一实施例提供的目标图像的图案核验装置的框图。如图6所示，该装置可以包括：检测模块610、计算模块620、旋转模块630、获取模块640、核验模块650。
检测模块610，用于检测目标图像中的关键点坐标。
计算模块620，用于根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵。
旋转模块630，用于依据所述旋转矩阵对所述目标图像进行旋转变换，获得校正图像。
获取模块640，用于基于所述模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像。
核验模块650，用于判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，输出核验结果。
在一实施例中，检测模块610，进一步用于：
将所述目标图像作为已训练的深度学习模型的输入，获得所述目标图像的所述关键点坐标。
在一实施例中，计算模块620，进一步用于：
基于所述目标图像的核验标识，查找所述核验标识对应的模板图像。
在一实施例中，计算模块620，进一步用于：
接收所述核验标识和所述模板图像，并建立所述核验标识和所述模板图像之间的映射关系。
在一实施例中，计算模块620，进一步用于：
将所述模板图像作为已训练的深度学习模型的输入，获得所述模板图像的所述关键点坐标。
在一实施例中，计算模块620，进一步用于：
获取对所述模板图像标注的图案位置信息；
将所述模板图像对应的所述关键点坐标和所述图案位置信息进行关联存储。
在一实施例中，核验模块650，进一步用于：
基于相似度算法，计算所述校正子图像与所述待核验图像之间的相似度；
判断所述相似度是否大于预设相似度阈值；
若是，确定所述校正子图像与所述待核验图像匹配；
若否，确定所述校正子图像与所述待核验图像不匹配。
上述装置中各个模块的功能和作用的实现过程具体详见上述目标图像的图案核验方法中对应步骤的实现过程，在此不再赘述。
在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种目标图像的图案核验方法，其特征在于，包括：
检测目标图像中的关键点坐标；
根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵；
依据所述旋转矩阵对所述目标图像进行旋转变换，获得校正图像；
基于所述模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像；
判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，输出核验结果。
2.根据权利要求1所述的方法，其特征在于，所述检测目标图像中的关键点坐标，所述方法还包括：
将所述目标图像作为已训练的深度学习模型的输入，获得所述目标图像的所述关键点坐标。
3.根据权利要求1所述的方法，其特征在于，在计算所述旋转矩阵之前，所述方法还包括：
基于所述目标图像的核验标识，查找所述核验标识对应的模板图像。
4.根据权利要求3所述的方法，其特征在于，查找所述核验标识对应的模板图像之前，所述方法还包括：
接收所述核验标识和所述模板图像，并建立所述核验标识和所述模板图像之间的映射关系。
5.根据权利要求1所述的方法，其特征在于，在所述根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵之前，所述方法还包括：
将所述模板图像作为已训练的深度学习模型的输入，获得所述模板图像的所述关键点坐标。
6.根据权利要求1所述的方法，其特征在于，在所述基于所述模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像之前，所述方法还包括：
获取对所述模板图像标注的图案位置信息；
将所述模板图像对应的所述关键点坐标和所述图案位置信息进行关联存储。
7.根据权利要求1所述的方法，其特征在于，所述判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，包括：
基于相似度算法，计算所述校正子图像与所述待核验图像之间的相似度；
判断所述相似度是否大于预设相似度阈值；
若是，确定所述校正子图像与所述待核验图像匹配；
若否，确定所述校正子图像与所述待核验图像不匹配。
8.一种目标图像的图案核验装置，其特征在于，包括：
检测模块，用于检测目标图像中的关键点坐标；
计算模块，用于根据所述关键点坐标与预设模板图像中的关键点坐标，计算旋转矩阵；
旋转模块，用于依据所述旋转矩阵对所述目标图像进行旋转变换，获得校正图像；
获取模块，用于基于预设模板图像中的图案位置信息，从所述校正图像中获取所述图案位置信息对应的校正子图像；
核验模块，用于判断所述校正子图像与所述模板图像中所述图案位置信息对应的待核验图像是否匹配，输出核验结果。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-7任意一项所述的目标图像的图案核验方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的目标图像的图案核验方法。
CN202010526093.7A 2020-06-10 2020-06-10 目标图像的图案核验方法及装置、电子设备、存储介质 Pending CN111667479A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010526093.7A CN111667479A (zh) 2020-06-10 2020-06-10 目标图像的图案核验方法及装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010526093.7A CN111667479A (zh) 2020-06-10 2020-06-10 目标图像的图案核验方法及装置、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN111667479A true CN111667479A (zh) 2020-09-15

Family

ID=72386739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010526093.7A Pending CN111667479A (zh) 2020-06-10 2020-06-10 目标图像的图案核验方法及装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN111667479A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464952A (zh) * 2020-11-25 2021-03-09 创新奇智(南京)科技有限公司 一种图像对齐方法以及图像匹配识别方法
CN112801976A (zh) * 2021-01-28 2021-05-14 河南省四合印务有限公司 一种用于校正书刊装订错贴的检测***、方法及计算机装置
CN113111880A (zh) * 2021-05-12 2021-07-13 中国平安人寿保险股份有限公司 证件图像校正方法、装置、电子设备及存储介质
CN114723517A (zh) * 2022-03-18 2022-07-08 唯品会(广州)软件有限公司 一种虚拟试衣方法、装置及存储介质
CN116229437A (zh) * 2023-03-14 2023-06-06 北京道达天际科技股份有限公司 一种遥感影像旋转目标检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6863218B2 (en) * 2002-07-18 2005-03-08 Sharp Kabushiki Kaisha Two-dimensional code reading apparatus, two-dimensional code reading process, two-dimensional code reading program and recording medium for said program, portable terminal and digital camera
KR20090071738A (ko) * 2007-12-28 2009-07-02 주식회사 하이닉스반도체 복수 레이아웃의 데이터를 이용한 패턴 검증 방법
CN106327483A (zh) * 2016-08-12 2017-01-11 广州视源电子科技股份有限公司 检测设备logo贴附的方法、***及装置
US20180046882A1 (en) * 2014-11-03 2018-02-15 Terrence A. CARROLL Textile matching using color and pattern recognition and methods of use
CN109214324A (zh) * 2018-08-27 2019-01-15 曜科智能科技（上海）有限公司 基于多相机阵列的最正脸图像输出方法及输出***
CN109389038A (zh) * 2018-09-04 2019-02-26 阿里巴巴集团控股有限公司 一种信息的检测方法、装置及设备
WO2020077822A1 (zh) * 2018-10-17 2020-04-23 深圳壹账通智能科技有限公司 图像特征配置及校验方法、装置、计算机设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6863218B2 (en) * 2002-07-18 2005-03-08 Sharp Kabushiki Kaisha Two-dimensional code reading apparatus, two-dimensional code reading process, two-dimensional code reading program and recording medium for said program, portable terminal and digital camera
KR20090071738A (ko) * 2007-12-28 2009-07-02 주식회사 하이닉스반도체 복수 레이아웃의 데이터를 이용한 패턴 검증 방법
US20180046882A1 (en) * 2014-11-03 2018-02-15 Terrence A. CARROLL Textile matching using color and pattern recognition and methods of use
CN106327483A (zh) * 2016-08-12 2017-01-11 广州视源电子科技股份有限公司 检测设备logo贴附的方法、***及装置
CN109214324A (zh) * 2018-08-27 2019-01-15 曜科智能科技（上海）有限公司 基于多相机阵列的最正脸图像输出方法及输出***
CN109389038A (zh) * 2018-09-04 2019-02-26 阿里巴巴集团控股有限公司 一种信息的检测方法、装置及设备
WO2020077822A1 (zh) * 2018-10-17 2020-04-23 深圳壹账通智能科技有限公司 图像特征配置及校验方法、装置、计算机设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QINGHE ZHENG: "《An End-to-End Image Retrieval System Based on Gravitational Field Deep Learning 》" *
付卓君: "《人证核验***设计与实现》" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464952A (zh) * 2020-11-25 2021-03-09 创新奇智(南京)科技有限公司 一种图像对齐方法以及图像匹配识别方法
CN112801976A (zh) * 2021-01-28 2021-05-14 河南省四合印务有限公司 一种用于校正书刊装订错贴的检测***、方法及计算机装置
CN113111880A (zh) * 2021-05-12 2021-07-13 中国平安人寿保险股份有限公司 证件图像校正方法、装置、电子设备及存储介质
CN113111880B (zh) * 2021-05-12 2023-10-17 中国平安人寿保险股份有限公司 证件图像校正方法、装置、电子设备及存储介质
CN114723517A (zh) * 2022-03-18 2022-07-08 唯品会(广州)软件有限公司 一种虚拟试衣方法、装置及存储介质
CN116229437A (zh) * 2023-03-14 2023-06-06 北京道达天际科技股份有限公司 一种遥感影像旋转目标检测方法

Similar Documents

Publication Publication Date Title
CN111667479A (zh) 目标图像的图案核验方法及装置、电子设备、存储介质
CN111680688A (zh) 字符识别方法及装置、电子设备、存储介质
CN108520254B (zh) 一种基于格式化图像的文本检测方法、装置以及相关设备
CN104584071B (zh) 物体识别装置、物体识别方法
CN110546651B (zh) 用于识别对象的方法、***和计算机可读介质
WO2017193596A1 (zh) 印制电路板图像匹配方法和***
US10824858B2 (en) Object management device
TW201419169A (zh) 物體識別裝置、物體識別方法及程式產品
US11037326B2 (en) Individual identifying device
KR101656941B1 (ko) 2차원 코드 인식률 향상 방법, 서버 및 컴퓨터 프로그램
CN107862319B (zh) 一种基于邻域投票的异源高分光学影像匹配误差剔除方法
CN112613506A (zh) 图像中的文本识别方法、装置、计算机设备和存储介质
CN108763575B (zh) 基于像控点数据库的像控点自动选取方法
KR101461108B1 (ko) 인식기, 차량모델인식장치 및 방법
CN113903024A (zh) 一种手写票据数值信息识别方法、***、介质及装置
CN114694161A (zh) 一种特定版式证件的文本识别方法、设备及存储介质
CN115497114B (zh) 一种卷烟物流收货票据的结构化信息提取方法
CN112580499A (zh) 文本识别方法、装置、设备及存储介质
CN108520533A (zh) 一种面向工件定位的多维度特征配准方法
CN112084804A (zh) 针对信息缺失条形码智能获取补足像素的工作方法
CN110660091A (zh) 一种图像配准处理方法、装置和拍照批改作业***
JP2015007919A (ja) 異なる視点の画像間で高精度な幾何検証を実現するプログラム、装置及び方法
CN108304838B (zh) 一种图片信息识别方法及终端
WO2017179728A1 (ja) 画像認識装置、画像認識方法および画像認識プログラム
CN115116073A (zh) 洗涤标签识别方法、装置、存储介质及电子装置

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