CN112150464B - 一种图像检测方法、装置、电子设备及存储介质 - Google Patents
一种图像检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112150464B CN112150464B CN202011145231.3A CN202011145231A CN112150464B CN 112150464 B CN112150464 B CN 112150464B CN 202011145231 A CN202011145231 A CN 202011145231A CN 112150464 B CN112150464 B CN 112150464B
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- test case
- test
- feature
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 103
- 238000012360 testing method Methods 0.000 claims abstract description 183
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000006243 chemical reaction Methods 0.000 claims abstract description 26
- 230000001960 triggered effect Effects 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 71
- 230000010365 information processing Effects 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 51
- 230000009466 transformation Effects 0.000 claims description 27
- 238000013507 mapping Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 2
- 238000004904 shortening Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 12
- 230000009471 action Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 235000019800 disodium phosphate Nutrition 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004549 pulsed laser deposition Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 208000015041 syndromic microphthalmia 10 Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/80—Special adaptations for executing a specific game genre or game mode
- A63F13/837—Shooting of targets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
- A63F2300/8076—Shooting
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像检测方法,包括:获取包括至少一张图像的测试用例,并根据测试环境对所述测试用例进行坐标转换处理;基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合;基于所述第一图像的特征点集合,确定与测试终端相匹配的所述第一图像的可点击区域;接收通过所述可点击区域所触发的点击操作;响应于所述点击操作,确定经过所述点击操作形成的第二图像;基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,由此,自动化地获取测试用例并进行检测,缩短界面图像检测时间并提升测试效率,从而降低测试成本。
Description
技术领域
本发明涉及视频中图像处理技术,尤其涉及图像检测方法、装置、电子设备及存储介质。
背景技术
游戏进程中,用户可根据需求点击游戏界面不同的按钮,从而进入相应的用户界面(UI user interface)。因此,基于UI的图像测试对于游戏开发而言是非常重要的。相关技术中,可以针对UI测试用例配置对应的图像模板和检测区域,如果在检测区域内匹配到对应的图像模板,则执行点击动作,以此实现在UI场景中的图像的测试。然而,由于不同的UI场景往往具有不同的背景,而图像模板的测试方式对于背景变化而言较为敏感,因此,在背景发生变化的情况下,采用图像模板进行匹配的测试方法效果并不稳定,需要经过多次重复的测试,导致测试成本较高,同时,在UI自动化测试场景中,测试人员需要借助图像处理技术对测试用例进行回放,但是,在不同的场景中不同算法的缺点都会导致最终识别结果的不准确,从而影响测试用例中所有UI的识别精度。
发明内容
有鉴于此,本发明实施例提供一种图像检测方法、装置、电子设备及存储介质,能够实现适配不同的检测环境,自动化地获取测试用例并进行检测,缩短界面图像检测时间并提升测试效率,从而降低测试成本。
本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种图像检测方法,包括:
获取包括至少一张图像的测试用例,并根据测试环境对所述测试用例进行坐标转换处理;
基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合;
基于所述第一图像的特征点集合,确定与测试终端相匹配的所述第一图像的可点击区域;
接收通过所述可点击区域所触发的点击操作;
响应于所述点击操作,确定经过所述点击操作形成的第二图像;
基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,以实现通过点击操作的状态对所述测试用例中的图像进行检测。
本发明实施例还提供了一种图像检测装置,包括:
信息传输模块,用于获取包括至少一张图像的测试用例;
信息处理模块,用于根据测试环境对所述测试用例进行坐标转换处理;
所述信息处理模块,用于基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合;
所述信息处理模块,用于基于所述第一图像的特征点集合,确定与测试终端相匹配的所述第一图像的可点击区域;
所述信息处理模块,用于接收通过所述可点击区域所触发的点击操作;
所述信息处理模块,用于响应于所述点击操作,确定经过所述点击操作形成的第二图像;
所述信息处理模块,用于基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,以实现通过点击操作的状态对所述测试用例中的图像进行检测。
上述方案中,
所述信息处理模块,用于确定所述测试环境中的测试终端的分辨率信息;
所述信息处理模块,用于基于所述测试终端的分辨率信息,将所述测试用例中的第一图像进行坐标转换处理,以实现所述测试用例中的第一图像与测试终端的分辨率信息相匹配。
上述方案中,
所述信息处理模块,用于通过尺度不变特征变换进程,确定与坐标转换处理的结果相匹配的尺度空间极值;
所述信息处理模块,用于确定所述坐标转换处理的结果中的关键点信息与方向参数信息;
所述信息处理模块,用于基于所述关键点信息,通过所述尺度不变特征变换进程,根据所述尺度空间极值和所述方向参数信息,确定所述测试用例中第一图像的特征点集合。
上述方案中,
所述信息处理模块,用于通过所述尺度不变特征变换进程,根据所述尺度空间极值和所述方向参数信息,确定所述测试用例中标准图像的特征点集合;
所述信息处理模块,用于通过所述测试用例中标准图像的特征点集合以及所述测试用例中第一图像的特征点集合进行特征点匹配处理,以实现对所述第一图像的特征点集合中的不同特征点进行校正。
上述方案中,
所述信息处理模块,用于当通过所述通过尺度不变特征变换进程,不能确定所述测试用例中第一图像的特征点集合时,
所述信息处理模块,用于调整与所述尺度不变特征变换进程相匹配的图像侦测区域;
所述信息处理模块,用于基于经过调整的图像侦测区域,迭代触发所述尺度不变特征变换进程,对所述图像侦测区域进行匹配处理,确定所述测试用例中第一图像的特征点集合,直至到达相应的迭代次数。
上述方案中,
所述信息处理模块,用于当通过所述通过尺度不变特征变换进程,不能确定所述测试用例中第一图像的特征点集合时,对所述测试用例中第一图像进行调整;
所述信息处理模块,用于响应于所述第一图像的调整结果,触发图像金字塔模板匹配进程;
所述信息处理模块,用于通过所述图像金字塔模板匹配进程在图像侦测区域中确定所述测试用例中第一图像的特征点集合。
上述方案中,
所述信息处理模块,用于通过至少两层高斯金字塔对所述测试用例中第一图像进行图像处理,得到至少两个不同分辨率的高斯图像;
所述信息处理模块,用于将所述高斯图像和所述测试用例中第一图像进行组合,得到至少三层的图像金字塔。
上述方案中,
所述信息处理模块,用于当通过尺度不变特征变换进程确定所述特征点时,在所确定的所有特征点中获取最优特征点;
所述信息处理模块,用于将所述最优特征点的坐标映射至测试终端的显示界面中;
所述信息处理模块,用于基于所述测试终端的显示界面中最优特征点的映射坐标确定与测试终端相匹配的所述第一图像的可点击区域;
所述信息处理模块,用于当通过所图像金字塔模板匹配进程确定所述特征点时,确定匹配值最高的区域中心点作为最优特征点并将所述最优特征点的坐标映射至测试终端的显示界面中。
上述方案中,
所述信息处理模块,用于确定所述第一图像中各个灰度值的像素点数量;
所述信息处理模块,用于确定所述第二图像中各个灰度值的像素点数量;
所述信息处理模块,用于基于所述第一图像中各个灰度值的像素点数量以及所述第二图像中各个灰度值的像素点数量,确定所述第一图像和第二图像的相似度;
所述信息处理模块,用于当所述第一图像和第二图像的相似度低于相似度阈值时,确定所述点击操作的状态正常。
上述方案中,
所述信息处理模块,用于从游戏进程的视频信息中提取不同图像组成测试用例;
所述信息处理模块,用于对所述测试用例中的不同图像进行下采样,得到对应的低分辨率图像;
所述信息处理模块,用于从所述低分辨率图像中提取第一全局图像特征和第一局部图像特征;
所述信息处理模块,用于对所述第一全局图像特征和所述第一局部图像特征进行拼接处理,并对拼接处理结果进行上采样,得到逆色调映射参数;
所述信息处理模块,用于基于所述逆色调映射参数和对应的测试用例中的不同图像,生成高动态范围的测试用例。
本发明实施例还提供了一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于运行所述存储器存储的可执行指令时,实现权前序的图像检测方法。
本发明实施例还提供了一种计算机可读存储介质,存储有可执行指令,其特征在于,所述可执行指令被处理器执行时实现前序的图像检测方法。
本发明实施例具有以下有益效果:
本发明实施例通过获取包括至少一张图像的测试用例,并根据测试环境对所述测试用例进行坐标转换处理;基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合;基于所述第一图像的特征点集合,确定与测试终端相匹配的所述第一图像的可点击区域;接收通过所述可点击区域所触发的点击操作;响应于所述点击操作,确定经过所述点击操作形成的第二图像;基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,以实现通过点击操作的状态对所述测试用例中的图像进行检测。由此,可以实现适配不同的检测环境,自动化地获取测试用例并进行检测,缩短界面图像检测时间并提升测试效率,从而降低测试成本。
附图说明
图1是本发明实施例提供的图像检测方法的使用环境示意图;
图2为本发明实施例提供的图像检测装置的组成结构示意图;
图3为本申请实施例中图像检测的前端表现示意图;
图4为本发明实施例提供的图像检测方法一个可选的流程示意图;
图5为本发明实施例提供的图像检测方法一个可选的流程示意图;
图6为本发明实施例中尺度不变特征变换效果示意图;
图7为本发明实施例中尺度不变特征变换效果示意图;
图8为本发明实施例中图像检测方法一个可选的过程示意图;
图9为本发明实施例中图像金字塔的示意图;
图10为本发明实施例图像金字塔模板匹配进程效果示意图;
图11为本发明实施例中图像相似度判断示意图;
图12为本发明实施例的图像检测方法的前端显示示意图;
图13为本发明实施例提供的图像检测方法一个可选的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,所描述的实施例不应视为对本发明的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
对本发明实施例进行进一步详细说明之前,对本发明实施例中涉及的名词和术语进行说明,本发明实施例中涉及的名词和术语适用于如下的解释。
1)响应于,用于表示所执行的操作所依赖的条件或者状态,当满足所依赖的条件或状态时,所执行的一个或多个操作可以是实时的,也可以具有设定的延迟;在没有特别说明的情况下,所执行的多个操作不存在执行先后顺序的限制。
2)终端,包括但不限于:普通终端、专用终端,其中所述普通终端与发送通道保持长连接和/或短连接,所述专用终端与所述发送通道保持长连接。
3)客户端,终端中实现特定功能的载体,例如移动客户端(APP)是移动终端中特定功能的载体,例如执行支付消费功能或者是购买理财产品的功能。
4)虚拟环境:是应用程序在终端上运行时显示(或提供)的虚拟环境。该虚拟环境可以是对真实世界的仿真环境,也可以是半仿真半虚构的三维环境,还可以是纯虚构的三维环境。虚拟环境可以是二维虚拟环境、2.5维虚拟环境和三维虚拟环境中的任意一种,下述实施例以虚拟环境是三维虚拟环境来举例说明,但对此不加以限定。可选地,该虚拟环境还用于至少两个虚拟对象之间的虚拟环境对战。可选地,该虚拟环境还用于至少两个虚拟对象之间使用虚拟枪械进行对战。可选地,该虚拟环境还用于在目标区域范围内,至少两个虚拟对象之间使用虚拟枪械进行对战,该目标区域范围会随虚拟环境中的时间推移而不断变小。
本发明中提供的方法可以应用于虚拟现实应用程序、三维地图程序、第一人称射击游戏(FPS First-person shooting game)、多人在线战术竞技游戏(MOBA MultiplayerOnline Battle Arena Games)等,下述实施例是以在游戏中的应用来举例说明。
5)尺度不变特征变换(SIFT),用于图像处理领域的一种描述,具有尺度不变性,可在图像中检测出关键点,是一种局部特征描述子。
6)K最近邻匹配。给定一个已训练的数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例,这K个实例的多数属于某个类,则判定该输入实例同属此类,用该匹配器算法来匹配两张图像中相同的特征点。
7)图像金字塔。图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。
8)模板匹配,已知小图像,在一副大图像中搜寻目标,已知该图中有要找的目标,且该目标同模板有相同的尺寸、方向和图像元素。
9)图像直方图相似度:图像直方图表示一张图像中各个灰度值的像素点数量,图像直方图相似度表达两个直方图的相似程度,用于判断两张图像是否相同。
下面以游戏领域的虚拟环境游戏测试为例对本发明所提供的图像检测方法进行说明,其中,图1为本发明实施例的图像检测方法的使用环境示意图;其中,参见图1,终端(包括终端10-1和终端10-2)上设置有能够执行不同功能相应客户端,其中,所属客户端为终端(包括终端10-1和终端10-2)通过网络300从相应的服务器200中获取不同的虚拟环境(例如游戏界面)进行浏览,并进行相应的游戏测试,保证游戏开发的质量,例如对游戏的图像进行检测,保证UI界面的正确性。终端通过网络300连接服务器200,网络300可以是广域网或者局域网,又或者是二者的组合,使用无线链路实现数据传输。需要说明的是,进行游戏测试时,终端10-1和终端10-2可以初始化游戏的自动化测试环境,例如将执行该方法的游戏的自动化测试装置与待测的游戏运行于的装置进行连接。
其中,本申请可以应用于游戏用户界面图像自动化检测的场景,游戏用户界面图像自动化检测即为对各类游戏用户界面的所需点击的对象进行检测。更具体地,本申请所提供的图像检测的方法可以但不限于应用于如下几类游戏类型。
第一类游戏类型为角色扮演游戏(Role-playing game,RPG),角色扮演游戏的核心是扮演,用户扮演一位角色在一个写实或虚构的世界中活动,并且在一个结构化规则下通过一些行动令所扮演角色发展,用户在这个过程中的成功与失败取决于一个规则或行动方针的形式***。角色扮演游戏也包括但不限于角色扮演模拟游戏策略角色扮演游戏(strategy role-playing Game),动作角色扮演游戏(action role playing game)以及,大型多人在线角色扮演游戏(massivemultip layer online role-playing game)。角色扮演游戏的用户界面存在有多个功能不同的按钮,实时更新的公告以及随机出现的按钮,用户界面背景以及按钮都是实时变化,对手机配置以及用户界面图像检测都要较高要求。
第二类游戏类型为动作游戏(action game,ACT),即以"动作"作为游戏主要表现形式的游戏即可算作动作游戏,动作游戏也包含但不限于射击游戏(shooter game,STG)和格斗游戏(Fight Technology Game,FTG)。格斗游戏的内部分支一般按照不同游戏地图的“线性或非线性”及游戏人物的“活动范围”的区别进行区别,所以存在有多种类别,该类别代表的是游戏人物活动的范围。动作游戏的用户界面背景也是实时变化的,动作游戏的用户界面虽然通常存在多个按钮,但按钮通常存在于为固定区域。
第三类游戏为益智类游戏(puzzle game,PUZ),其中,用户界面背景通常为不变或变化较小的,存在的多个按钮也通常存在于固定区域。
下面对本发明实施例的图像检测装置的结构做详细说明,图像检测装置可以各种形式来实施,如带有图像检测装置处理功能的专用终端,也可以为设置有图像检测装置处理功能的电子设备(手机、或平板电脑),例如前序图1中的终端10-1或者终端10-2。图2为本发明实施例提供的图像检测装置的组成结构示意图,可以理解,图2仅仅示出了图像检测装置的示例性结构而非全部结构,根据需要可以实施图2示出的部分结构或全部结构。
本发明实施例提供的图像检测装置包括:至少一个处理器201、存储器202、用户接口203和至少一个网络接口204。图像检测装置中的各个组件通过总线***205耦合在一起。可以理解,总线***205用于实现这些组件之间的连接通信。总线***205除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图2中将各种总线都标为总线***205。
其中,用户接口203可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
可以理解,存储器202可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。本发明实施例中的存储器202能够存储数据以支持终端(如10-1)的操作。这些数据的示例包括:用于在终端(如10-1)上操作的任何计算机程序,如操作***和应用程序。其中,操作***包含各种***程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
在一些实施例中,本发明实施例提供的图像检测装置可以采用软硬件结合的方式实现,作为示例,本发明实施例提供的图像检测装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本发明实施例提供的图像检测方法。例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application Specific IntegratedCircuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
作为本发明实施例提供的图像检测装置采用软硬件结合实施的示例,本发明实施例所提供的图像检测装置可以直接体现为由处理器201执行的软件模块组合,软件模块可以位于存储介质中,存储介质位于存储器202,处理器201读取存储器202中软件模块包括的可执行指令,结合必要的硬件(例如,包括处理器201以及连接到总线***205的其他组件)完成本发明实施例提供的图像检测方法。
作为示例,处理器201可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
作为本发明实施例提供的图像检测装置采用硬件实施的示例,本发明实施例所提供的装置可以直接采用硬件译码处理器形式的处理器201来执行完成,例如,被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable GateArray)或其他电子元件执行实现本发明实施例提供的图像检测方法。
本发明实施例中的存储器202用于存储各种类型的数据以支持图像检测装置的操作。这些数据的示例包括:用于在图像检测装置上操作的任何可执行指令,如可执行指令,实现本发明实施例的从图像检测方法的程序可以包含在可执行指令中。
在另一些实施例中,本发明实施例提供的图像检测装置可以采用软件方式实现,图2示出了存储在存储器202中的图像检测装置,其可以是程序和插件等形式的软件,并包括一系列的模块,作为存储器202中存储的程序的示例,可以包括图像检测装置,图像检测装置中包括以下的软件模块:信息传输模块2081和信息处理模块2082。当图像检测装置中的软件模块被处理器201读取到RAM中并执行时,将实现本发明实施例提供的图像检测方法,其中,图像检测装置中各个软件模块的功能,包括:
信息传输模块2081,用于获取包括至少一张图像的测试用例。
信息处理模块2082,用于根据测试环境对所述测试用例进行坐标转换处理。
所述信息处理模块2082,用于基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合。
所述信息处理模块2082,用于基于所述第一图像的特征点集合,确定与测试终端相匹配的所述第一图像的可点击区域。
所述信息处理模块,用于接收通过所述可点击区域所触发的点击操作;
所述信息处理模块2082,用于响应于所述点击操作,确定经过所述点击操作形成的第二图像。
所述信息处理模块2082,用于基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,以实现通过点击操作的状态对所述测试用例中的图像进行检测。
根据图2所示的图像检测装置,在本申请的一个方面中,本申请还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述图像检测方法的各种可选实现方式中所提供的不同实施例及实施例的组合。
结合图2示出的图像检测装置说明本发明实施例提供的图像检测方法,在介绍本发明提供的图像检测方法之前,首先介绍相关技术的缺陷,
参考图3,图3为本申请实施例中图像检测的前端表现示意图,其中1和2为可点击的按钮,其中用户界面可以根据游戏内容设置多个功能不同的按钮,实时更新的公告以及随机出现的按钮,在进行游戏的过程中,用户可根据需求点击游戏界面不同的按钮,从而进入相应的用户界面。相关技术中可以针对UI测试用例配置对应的图像模板和检测区域,如果在检测区域内匹配到对应的图像模板,则执行点击动作,以此实现在UI场景中的图像的测试。然而,由于不同的UI场景往往具有不同的背景,而图像模板的测试方式对于背景变化而言较为敏感,因此,在背景发生变化的情况下,采用图像模板进行匹配的测试方法效果并不稳定,需要经过多次重复的测试,导致测试成本较高,同时,在UI自动化测试场景中,测试人员需要借助图像处理技术对测试用例进行回放,常用的有模板匹配和特征点匹配算法等。然而,各种算法都有其缺陷,在不同的场景中不同算法的缺点都会导致最终识别结果的不准确,从而影响测试用例中所有UI的识别精度,同时,全局整张图像的匹配耗时长,且极易出现误匹配,采用模板匹配需要获取大量的图片测试用例,包括同一个UI按钮在所有分辨率机型的模板,且必须要求模板在大图像内,否则匹配到的结果则是错误的也会导致测试成本升高。
为了解决上述问题,参见图4,图4为本发明实施例提供的图像检测方法一个可选的流程示意图,可以理解地,图4所示的步骤可以由运行图像检测装置的各种电子设备执行,例如可以是如带有图像检测装置的各种游戏设备,其中,带有图像检测装置的专用终端可以封装于图1所示的终端中,以执行前序图2所示的图像检测装置中的相应软件模块。下面针对图4示出的步骤进行说明。
步骤401:图像检测装置获取包括至少一张图像的测试用例,并根据测试环境对所述测试用例进行坐标转换处理。
其中,不同的用户使用的客户端各不相同,不同的客户端上对于相同的游戏也具有不同的分辨率,例如480*800,540*960或720*1280,可以理解的是,在实际应用中,分辨率还可以为1080*1920(随着测试终端显卡的功能,所呈现的分辨率还可以继续调整),因此可以确定所述测试环境中的测试终端的分辨率信息;基于所述测试终端的分辨率信息,将所述测试用例中的第一图像进行坐标转换处理,以实现所述测试用例中的第一图像与测试终端的分辨率信息相匹配。
步骤402:图像检测装置基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合。
在本发明的一些实施例中,基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合,可以通过以下方式实现:
通过尺度不变特征变换进程,确定与坐标转换处理的结果相匹配的尺度空间极值;确定所述坐标转换处理的结果中的关键点信息与方向参数信息;基于所述关键点信息,通过所述尺度不变特征变换进程,根据所述尺度空间极值和所述方向参数信息,确定所述测试用例中第一图像的特征点集合。具体来说,参考图5,图5为本发明实施例中图像检测方法一个可选的过程示意图,包括以下步骤:
步骤501:通过所述尺度不变特征变换进程,根据所述尺度空间极值和所述方向参数信息,确定所述测试用例中标准图像的特征点集合。
步骤502:通过所述测试用例中标准图像的特征点集合以及所述测试用例中第一图像的特征点集合进行特征点匹配处理。
步骤503:对所述第一图像的特征点集合中的不同特征点进行校正。
其中,参考图6和图7,图6为本发明实施例中尺度不变特征变换效果示意图;图7为本发明实施例中尺度不变特征变换效果示意图。因为UI按钮都存在文字或图案,在文字或图案的边缘存在许多特征点,因此本方案采用提取并匹配两张图像中的特征点判断UI按钮的可点击位置。可选的,在一些实施例中,可以采用尺度不变特征变换算法(Scale-invariant feature transform,SIFT)从目标图像和原图像中提取用于表征图像中的局部信息的多个特征点,SIFT算法是一种电脑视觉的算法用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度以及旋转不变量,SIFT算法具有以下优点:
(a)具有较好的稳定性和不变性,能够适应旋转、尺度缩放以及亮度的变化,能在一定程度上不受视角变化、仿射变换以及噪声的干扰;(b)区分性好,能够在海量特征数据库中进行快速准确的区分信息进行匹配;(c)多量性,就算只有单个物体,也能产生大量特征向量;(d)高速性,能够快速的进行特征向量匹配;(e)可扩展性,能够与其它形式的特征向量进行联合。具体的,首先,可以采用高斯函数对图像进行模糊以及降采样,并使用高斯卷积构建图像金字塔(高斯差分金字塔),对于图像中的一个像素点而言,该像素点需要与自身周围的8邻域、以及高斯差分金字塔中上下两层中的相邻18个点相比,进而得到关键点,然后,可以为每个关键点赋予一个方向参数,并获取每个关键点的邻域,计算在邻域内的梯度级和方向,以得到用于表征图像局部信息的特征点。
在本发明的一些实施例中,在使用测试用例的过程中,将测试用例提供的坐标转换为当前机型分辨率下的坐标,并在以该坐标为中心的矩形区域内用基于SIFT的k最近邻匹配算法识别特征点。因UI与背景不相同,则在UI的边缘区域会存在许多特征点,当没有匹配到坐标点时,以固定步长扩大矩形区域的面积继续进行特征点匹配,如仍未匹配到最佳特征点改用基于图像金字塔的模板匹配(例如超过三次未匹配到最佳特征点),大大缩短了匹配时间并提高了匹配精度。取区域的中心点作为点击坐标并计算点击前后的图像相似度判断是否点击成功。具体来说,当通过所述通过尺度不变特征变换进程,不能确定所述测试用例中第一图像的特征点集合时,可以调整与所述尺度不变特征变换进程相匹配的图像侦测区域;基于经过调整的图像侦测区域,迭代触发所述尺度不变特征变换进程,对所述图像侦测区域进行匹配处理,确定所述测试用例中第一图像的特征点集合,直至到达相应的迭代次数。
进一步地,当迭代次数到达阈值,仍未能确定特征点时,参考图8,图8为本发明实施例中图像检测方法一个可选的过程示意图,包括以下步骤:
步骤801:当通过所述通过尺度不变特征变换进程,不能确定所述测试用例中第一图像的特征点集合时,对所述测试用例中第一图像进行调整。
步骤802:响应于所述第一图像的调整结果,触发图像金字塔模板匹配进程。
其中,参考图9,图9为本发明实施例中图像金字塔的示意图;可以通过至少两层高斯金字塔对所述测试用例中第一图像进行图像处理,得到至少两个不同分辨率的高斯图像;将所述高斯图像和所述测试用例中第一图像进行组合,得到至少三层的图像金字塔。
步骤803:通过所述图像金字塔模板匹配进程在图像侦测区域中确定所述测试用例中第一图像的特征点集合。
具体来说,参考图10,图10为本发明实施例图像金字塔模板匹配进程效果示意图;由于UI按钮多是文字和图案,在一个小区域内,如果只有一个UI按钮,通过模板匹配计算出的最佳匹配就会是UI按钮所在位置。
在本发明的一些实施例中,可以采用模板匹配算法为相关匹配算法(CC OEFF),需要说明的是由于后续要结合图像金字塔,所以可以不对模板匹配的结果进行归一化。相关匹配算法将模板对其均值的相对值与图像对其均值的相关值进行匹配,参考公式1至公式3,1表示匹配,-1表示未能匹配,0表示没有任何相关性(随机序列)。
公式1中的参数可以表示为:
图像金字塔以多分辨率来解释图像的一种有效但概念简单的结构,通过对原始图像进行多尺度像素采样的方式,生成N个不同分辨率的图像。把具有最高级别分辨率的图像放在底部,以金字塔形状排列,往上是一系列像素(尺寸)逐渐降低的图像,一直到金字塔的顶部只包含一个像素点的图像,这就构成了传统意义上的图像金字塔。基于图像金字塔算法让模板匹配的模板不需要在更换检测环境的终端分辨率同步更换模板的图像分辨率,也能保持高匹配率。
步骤403:图像检测装置基于所述第一图像的特征点集合,确定与测试终端相匹配的所述第一图像的可点击区域。
在本发明的一些实施例中,当通过尺度不变特征变换进程确定所述特征点时,在所确定的所有特征点中获取最优特征点;将所述最优特征点的坐标映射至测试终端的显示界面中;基于所述测试终端的显示界面中最优特征点的映射坐标确定与测试终端相匹配的所述第一图像的可点击区域。
相反的,当通过图像金字塔模板匹配进程确定所述特征点时,确定匹配值最高的区域中心点作为最优特征点并将所述最优特征点的坐标映射至测试终端的显示界面中。
步骤404:图像检测装置接收通过所述可点击区域所触发的点击操作。
步骤405:图像检测装置响应于所述点击操作,确定经过所述点击操作形成的第二图像。
步骤406:图像检测装置基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态。
由此,可以实现通过点击操作的状态对所述测试用例中的图像进行检测。
在本发明的一些实施例中,基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,可以通过以下方式实现:
确定所述第一图像中各个灰度值的像素点数量;确定所述第二图像中各个灰度值的像素点数量;基于所述第一图像中各个灰度值的像素点数量以及所述第二图像中各个灰度值的像素点数量,确定所述第一图像和第二图像的相似度;当所述第一图像和第二图像的相似度低于相似度阈值时,确定所述点击操作的状态正常。其中,参考图11,图11为本发明实施例中图像相似度判断示意图,在相似性判断时,图像直方图相似度表达两个直方图的相似程度,用于判断两张图像是否相同。本计数衡量直方图相似度的标准为相关性对比参考公式4:
其中,公式4中
其中,在对游戏进程中的UI界面进行检测时,通过本申请提供的图像检测方法可以在背景发生变化的情况下,适配不同的检测环境,能够自动获取界面图像检测结果并且提高准确度,缩短界面图像测试时间并提升测试效率,从而降低测试成本。
下面以对射击类游戏(例如PUBG Mobile手游)的UI图像检测为例,对本申请所提供的图像检测方法进行说明,其中,第一人称射击游戏(FPS First-pe rson Shooting)为例,对本发明所提供的图像检测方法进行说明,其中,图12为本发明实施例的图像检测方法的前端显示示意图。其中,参见图12,在一些移动端的射击类游戏中,用户可以在游戏对局提供的游戏场景中,控制虚拟对象所持有的虚拟枪械进行射击,通过击败敌方虚拟对象,以达到游戏对局的胜利。在图12所示的前端示意图中,图12中的编号1-5为可在终端中点击的按钮,在图像检测中需要对按钮的点击进行检测,由于射击类游戏的类型不同,原始分辨率也不同,可以适应不同游戏终端的需要,因此可以首先从游戏进程的视频信息中提取不同图像组成测试用例;对所述测试用例中的不同图像进行下采样,得到对应的低分辨率图像;从所述低分辨率图像中提取第一全局图像特征和第一局部图像特征;对所述第一全局图像特征和所述第一局部图像特征进行拼接处理,并对拼接处理结果进行上采样,得到逆色调映射参数;基于所述逆色调映射参数和对应的测试用例中的不同图像,生成高动态范围的测试用例。
具体来说,参考图13,图13为本发明实施例提供的图像检测方法一个可选的流程示意图,游戏图像的检测过程可以包括以下步骤:
步骤1301:取小矩形区域与大图进行特征点匹配。
步骤1302:判断是否存在特征点,如果是执行步骤1303,否则,执行步骤1308。
步骤1303:取最优匹配,映射坐标到检测环境的终端屏幕分辨率并点击。
步骤1304:计算点击前后图像相似度。
步骤1305:与相似度阈值进行比较,低于阈值时结束测试,高于阈值执行步骤1306。
步骤1306:缩放测试图像,在原矩形区域内进行基于图像金字塔的模板匹配。
步骤1307:取匹配值最高的区域中心点为最优匹配点,映射坐标到检测环境的终端屏幕分辨率并点击。
步骤1308:扩大矩形区域再进行特征点匹配,当超过三次失败时返回执行步骤1306。
由此,可以对游戏进程中的游戏图像进行检测,确定可点击区域所触发的点击操作的状态。
有益技术效果:
本发明通过获取包括至少一张图像的测试用例,并根据测试环境对所述测试用例进行坐标转换处理;基于坐标转换处理的结果,确定所述测试用例中第一图像的特征点集合;基于所述第一图像的特征点集合,确定与测试终端相匹配的所述第一图像的可点击区域;接收通过所述可点击区域所触发的点击操作;响应于所述点击操作,确定经过所述点击操作形成的第二图像;基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,以实现通过点击操作的状态对所述测试用例中的图像进行检测。由此,可以实现适配不同的检测环境,自动化地获取测试用例并进行检测,缩短界面图像检测时间并提升测试效率,从而降低测试成本。
以上所述,仅为本发明的实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种图像检测方法,其特征在于,所述方法包括:
获取包括至少一张图像的测试用例;
确定测试环境中的测试终端的分辨率信息;
基于所述测试终端的分辨率信息,将所述测试用例中的第一图像进行坐标转换处理,以实现所述测试用例中的第一图像与测试终端的分辨率信息相匹配;
通过尺度不变特征变换进程,确定与坐标转换处理的结果相匹配的尺度空间极值;
确定所述坐标转换处理的结果中的关键点信息与方向参数信息;
基于所述关键点信息,通过所述尺度不变特征变换进程,根据所述尺度空间极值和所述方向参数信息,确定所述测试用例中第一图像的特征点集合;
当通过尺度不变特征变换进程确定所述特征点时,在所确定的所有特征点中获取最优特征点;
将所述最优特征点的坐标映射至测试终端的显示界面中;
基于所述测试终端的显示界面中最优特征点的映射坐标确定与测试终端相匹配的所述第一图像的可点击区域;或者,
当通过图像金字塔模板匹配进程确定所述特征点时,确定匹配值最高的区域中心点作为最优特征点并将所述最优特征点的坐标映射至测试终端的显示界面中;
接收通过所述可点击区域所触发的点击操作;
响应于所述点击操作,确定经过所述点击操作形成的第二图像;
基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,以实现通过点击操作的状态对所述测试用例中的图像进行检测。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述尺度不变特征变换进程,根据所述尺度空间极值和所述方向参数信息,确定所述测试用例中标准图像的特征点集合;
通过所述测试用例中标准图像的特征点集合以及所述测试用例中第一图像的特征点集合进行特征点匹配处理,以实现对所述第一图像的特征点集合中的不同特征点进行校正。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当通过所述通过尺度不变特征变换进程,不能确定所述测试用例中第一图像的特征点集合时,
调整与所述尺度不变特征变换进程相匹配的图像侦测区域;
基于经过调整的图像侦测区域,迭代触发所述尺度不变特征变换进程,对所述图像侦测区域进行匹配处理,确定所述测试用例中第一图像的特征点集合,直至到达相应的迭代次数。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当通过所述通过尺度不变特征变换进程,不能确定所述测试用例中第一图像的特征点集合时,对所述测试用例中第一图像进行调整;
响应于所述第一图像的调整结果,触发图像金字塔模板匹配进程;
通过所述图像金字塔模板匹配进程在图像侦测区域中确定所述测试用例中第一图像的特征点集合。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
通过至少两层高斯金字塔对所述测试用例中第一图像进行图像处理,得到至少两个不同分辨率的高斯图像;
将所述高斯图像和所述测试用例中第一图像进行组合,得到至少三层的图像金字塔。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,包括:
确定所述第一图像中各个灰度值的像素点数量;
确定所述第二图像中各个灰度值的像素点数量;
基于所述第一图像中各个灰度值的像素点数量以及所述第二图像中各个灰度值的像素点数量,确定所述第一图像和第二图像的相似度;
当所述第一图像和第二图像的相似度低于相似度阈值时,确定所述点击操作的状态正常。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从游戏进程的视频信息中提取不同图像组成测试用例;
对所述测试用例中的不同图像进行下采样,得到对应的低分辨率图像;
从所述低分辨率图像中提取第一全局图像特征和第一局部图像特征;
对所述第一全局图像特征和所述第一局部图像特征进行拼接处理,并对拼接处理结果进行上采样,得到逆色调映射参数;
基于所述逆色调映射参数和对应的测试用例中的不同图像,生成高动态范围的测试用例。
8.一种图像检测装置,其特征在于,所述装置包括:
信息传输模块,用于获取包括至少一张图像的测试用例;
信息处理模块,用于确定测试环境中的测试终端的分辨率信息;基于所述测试终端的分辨率信息,将所述测试用例中的第一图像进行坐标转换处理,以实现所述测试用例中的第一图像与测试终端的分辨率信息相匹配;
所述信息处理模块,用于通过尺度不变特征变换进程,确定与坐标转换处理的结果相匹配的尺度空间极值;确定所述坐标转换处理的结果中的关键点信息与方向参数信息;基于所述关键点信息,通过所述尺度不变特征变换进程,根据所述尺度空间极值和所述方向参数信息,确定所述测试用例中第一图像的特征点集合;
所述信息处理模块,用于当通过尺度不变特征变换进程确定所述特征点时,在所确定的所有特征点中获取最优特征点;将所述最优特征点的坐标映射至测试终端的显示界面中;基于所述测试终端的显示界面中最优特征点的映射坐标确定与测试终端相匹配的所述第一图像的可点击区域;或者,当通过图像金字塔模板匹配进程确定所述特征点时,确定匹配值最高的区域中心点作为最优特征点并将所述最优特征点的坐标映射至测试终端的显示界面中;
所述信息处理模块,用于接收通过所述可点击区域所触发的点击操作;
所述信息处理模块,用于响应于所述点击操作,确定经过所述点击操作形成的第二图像;
所述信息处理模块,用于基于所述第一图像和第二图像的相似度,确定所述通过所述可点击区域所触发的点击操作的状态,以实现通过点击操作的状态对所述测试用例中的图像进行检测。
9.根据权利要求8所述的装置,其特征在于,
所述信息处理模块,用于确定所述测试环境中的测试终端的分辨率信息;
所述信息处理模块,用于基于所述测试终端的分辨率信息,将所述测试用例中的第一图像进行坐标转换处理,以实现所述测试用例中的第一图像与测试终端的分辨率信息相匹配。
10.根据权利要求8所述的装置,其特征在于,
所述信息处理模块,用于从游戏进程的视频信息中提取不同图像组成测试用例;
所述信息处理模块,用于对所述测试用例中的不同图像进行下采样,得到对应的低分辨率图像;
所述信息处理模块,用于从所述低分辨率图像中提取第一全局图像特征和第一局部图像特征;
所述信息处理模块,用于对所述第一全局图像特征和所述第一局部图像特征进行拼接处理,并对拼接处理结果进行上采样,得到逆色调映射参数;
所述信息处理模块,用于基于所述逆色调映射参数和对应的测试用例中的不同图像,生成高动态范围的测试用例。
11.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于运行所述存储器存储的可执行指令时,实现权利要求1至7任一项所述的图像检测方法。
12.一种计算机可读存储介质,存储有可执行指令,其特征在于,所述可执行指令被处理器执行时实现权利要求1至7任一项所述的图像检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011145231.3A CN112150464B (zh) | 2020-10-23 | 2020-10-23 | 一种图像检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011145231.3A CN112150464B (zh) | 2020-10-23 | 2020-10-23 | 一种图像检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150464A CN112150464A (zh) | 2020-12-29 |
CN112150464B true CN112150464B (zh) | 2024-01-30 |
Family
ID=73954782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011145231.3A Active CN112150464B (zh) | 2020-10-23 | 2020-10-23 | 一种图像检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150464B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313125A (zh) * | 2021-06-15 | 2021-08-27 | 北京百度网讯科技有限公司 | 图像处理方法和装置、电子设备、计算机可读介质 |
CN114779975A (zh) * | 2022-03-31 | 2022-07-22 | 北京至简墨奇科技有限公司 | 指掌纹图像检视界面的处理方法、装置及电子*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009015819A (ja) * | 2007-06-06 | 2009-01-22 | Sharp Corp | 画像処理装置、画像形成装置、画像送信装置、画像読取装置、画像処理システム、画像処理方法、画像処理プログラムおよびその記録媒体 |
EP2499963A1 (en) * | 2011-03-18 | 2012-09-19 | SensoMotoric Instruments Gesellschaft für innovative Sensorik mbH | Method and apparatus for gaze point mapping |
CN103679218A (zh) * | 2013-11-19 | 2014-03-26 | 华东师范大学 | 一种手写体关键词检测方法 |
CN105976399A (zh) * | 2016-04-29 | 2016-09-28 | 北京航空航天大学 | 一种基于sift特征匹配的运动目标检测方法 |
JP2017059144A (ja) * | 2015-09-18 | 2017-03-23 | Kddi株式会社 | 情報端末装置、プログラム及びデータ構造 |
KR20170125716A (ko) * | 2016-05-04 | 2017-11-15 | 임재형 | 대상물의 위치 정보 측정 장치 그리고 그 제어 방법 |
CN107862690A (zh) * | 2017-11-22 | 2018-03-30 | 佛山科学技术学院 | 一种基于特征点匹配的电路板元器件定位方法和定位装置 |
CN109815150A (zh) * | 2019-01-29 | 2019-05-28 | 腾讯科技(深圳)有限公司 | 应用测试方法、装置、电子设备及存储介质 |
CN109933530A (zh) * | 2019-03-14 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 控件测试方法及装置、设备及存储介质 |
CN110751668A (zh) * | 2019-09-30 | 2020-02-04 | 北京迈格威科技有限公司 | 图像处理方法、装置、终端、电子设备及可读存储介质 |
CN110851368A (zh) * | 2019-11-19 | 2020-02-28 | 天津车之家数据信息技术有限公司 | 一种多设备协同测试方法、装置、计算设备和*** |
CN111429394A (zh) * | 2019-01-08 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 基于图像的检测方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101747220B1 (ko) * | 2012-08-30 | 2017-06-15 | 한화테크윈 주식회사 | 이미지 피라미드의 적응적 이미지 처리 장치 및 방법 |
-
2020
- 2020-10-23 CN CN202011145231.3A patent/CN112150464B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009015819A (ja) * | 2007-06-06 | 2009-01-22 | Sharp Corp | 画像処理装置、画像形成装置、画像送信装置、画像読取装置、画像処理システム、画像処理方法、画像処理プログラムおよびその記録媒体 |
EP2499963A1 (en) * | 2011-03-18 | 2012-09-19 | SensoMotoric Instruments Gesellschaft für innovative Sensorik mbH | Method and apparatus for gaze point mapping |
CN103679218A (zh) * | 2013-11-19 | 2014-03-26 | 华东师范大学 | 一种手写体关键词检测方法 |
JP2017059144A (ja) * | 2015-09-18 | 2017-03-23 | Kddi株式会社 | 情報端末装置、プログラム及びデータ構造 |
CN105976399A (zh) * | 2016-04-29 | 2016-09-28 | 北京航空航天大学 | 一种基于sift特征匹配的运动目标检测方法 |
KR20170125716A (ko) * | 2016-05-04 | 2017-11-15 | 임재형 | 대상물의 위치 정보 측정 장치 그리고 그 제어 방법 |
CN107862690A (zh) * | 2017-11-22 | 2018-03-30 | 佛山科学技术学院 | 一种基于特征点匹配的电路板元器件定位方法和定位装置 |
CN111429394A (zh) * | 2019-01-08 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 基于图像的检测方法、装置、电子设备和存储介质 |
CN109815150A (zh) * | 2019-01-29 | 2019-05-28 | 腾讯科技(深圳)有限公司 | 应用测试方法、装置、电子设备及存储介质 |
CN109933530A (zh) * | 2019-03-14 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 控件测试方法及装置、设备及存储介质 |
CN110751668A (zh) * | 2019-09-30 | 2020-02-04 | 北京迈格威科技有限公司 | 图像处理方法、装置、终端、电子设备及可读存储介质 |
CN110851368A (zh) * | 2019-11-19 | 2020-02-28 | 天津车之家数据信息技术有限公司 | 一种多设备协同测试方法、装置、计算设备和*** |
Also Published As
Publication number | Publication date |
---|---|
CN112150464A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034397B (zh) | 模型训练方法、装置、计算机设备及存储介质 | |
Zhang et al. | Learning to detect features in texture images | |
CN108090561B (zh) | 存储介质、电子装置、游戏操作的执行方法和装置 | |
US10235771B2 (en) | Methods and systems of performing object pose estimation | |
JP5940453B2 (ja) | 画像のシーケンス内のオブジェクトのリアルタイム表現のハイブリッド型追跡のための方法、コンピュータプログラム、および装置 | |
CN109035334B (zh) | 位姿的确定方法和装置、存储介质及电子装置 | |
RU2617557C1 (ru) | Способ воздействия на виртуальные объекты дополненной реальности | |
CN110276349B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN111744187B (zh) | 一种游戏数据处理方法、装置、计算机及可读存储介质 | |
CN112150464B (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN112882576B (zh) | Ar交互方法、装置、电子设备及存储介质 | |
CN111275734B (zh) | 物体辨识与追踪***及其方法 | |
CN113577774A (zh) | 虚拟对象生成方法、装置、电子设备及存储介质 | |
CN112221143B (zh) | 一种控制虚拟对象移动的方法、装置及存储介质 | |
JP6017343B2 (ja) | データベース生成装置、カメラ姿勢推定装置、データベース生成方法、カメラ姿勢推定方法、およびプログラム | |
CN111353325A (zh) | 关键点检测模型训练方法及装置 | |
CN113050860A (zh) | 一种控件识别方法和相关装置 | |
Zhang | Design of mobile augmented reality game based on image recognition | |
US11023781B2 (en) | Method, apparatus and device for evaluating image tracking effectiveness and readable storage medium | |
US10909752B2 (en) | All-around spherical light field rendering method | |
CN110858409A (zh) | 动画生成方法和装置 | |
CN113011326A (zh) | 图像处理方法、装置、存储介质及计算机设备 | |
CN117197405A (zh) | 三维物体的增强现实方法、***及存储介质 | |
Tan et al. | Local context attention for salient object segmentation | |
CN108304838A (zh) | 一种图片信息识别方法及终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |