CN113312936A - 一种图像定位标识识别方法及服务器 - Google Patents
一种图像定位标识识别方法及服务器 Download PDFInfo
- Publication number
- CN113312936A CN113312936A CN202110523590.6A CN202110523590A CN113312936A CN 113312936 A CN113312936 A CN 113312936A CN 202110523590 A CN202110523590 A CN 202110523590A CN 113312936 A CN113312936 A CN 113312936A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- matching degree
- subgraph
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000012545 processing Methods 0.000 claims description 9
- 230000004807 localization Effects 0.000 claims 5
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的图像定位标识识别方法及服务器,应用于图像识别技术领域,该方法在从原始图像中获取目标子图之后,在目标子图中识别定位标识,如果目标子图中未识别到定位标识且未达到预设退出条件,则扩大目标子图的范围,并继续在目标子图中识别定位标识,直至达到预设结束条件或者识别定位标识。本发明提供的方法,重复的在目标子图中识别定位标识,并在每一次失败后扩大目标子图的范围,即增大识别的范围,从而有效解决现有技术中因为图像内容偏移而无法准确找到定位标识的问题,提高识别成功率。
Description
技术领域
本发明涉及图像识别技术领域,特别涉及一种图像定位标识识别方法及服务器。
背景技术
目前,图像识别技术已经广泛应用在电气设备部署以及信息获取等诸多方面,比如,在光伏电站部署逆变器等电气设备的过程中,往往会用到用于记录设备部署位置的设备位置表,该设备位置表是根据光伏电站中呈行、列对其方式布置的电气设备预先制作好的。在电气设备安装过程中,由工人将每台电气设备上的二维码标签撕下,并根据设备所在的行列号将标签贴在纸质的设备位置表中对应的表格内,即通过设备记录表统计电站内各个设备的部署信息。在光伏电站部署完成后,使用图像采集设备采集纸质的设备位置表的原始图像,并进一步通过对原始图像进行图像识别,得到相应的数字化信息。
大部分图像识别过程,往往是基于原始图像中的定位标识展开的,准确的识别定位标识是完成图像内容识别最为重要的前期工作。现有技术中的图像定位标识识别方法,大都对原始图像中定位标识的位置有着严格的要求,当采集得到的原始图像出现严重的图像内容偏移时,现有技术难以有效识别到定位标识,定位标识的识别成功率较低,无法满足实际应用需求。
发明内容
本发明提供一种图像定位标识识别方法及服务器,在定位标识的识别过程中不断扩大子图的范围,有助于提高识别到定位标识的几率,进而提高识别成功率。
为实现上述目的,本发明提供的技术方案如下:
第一方面,本发明提供一种图像定位标识识别方法,包括:
从原始图像中获取目标子图,所述原始图像包括定位标识;
在所述目标子图中识别所述定位标识;
若所述目标子图中未识别到所述定位标识且未达到预设退出条件,扩大所述目标子图的范围;
返回执行所述在所述目标子图中识别所述定位标识步骤,直至达到所述预设结束条件,或在所述目标子图中识别到所述定位标识。
可选的,所述在所述目标子图中识别所述定位标识,包括:
获取目标匹配度阈值和与所述定位标识对应的模板图像;
计算所述目标子图与所述模板图像的当前匹配度;
根据所述当前匹配度与所述目标匹配度阈值的大小关系,确定所述目标子图中是否识别到所述定位标识。
可选的,所述计算所述目标子图与所述模板图像的当前匹配度,包括:
获取目标二值化阈值;
基于所述目标二值化阈值对所述目标子图进行二值化处理,得到二值化目标子图;
利用预设匹配度算法计算所述二值化目标子图与所述模板图像的当前匹配度;
将所述二值化目标子图与所述模板图像的当前匹配度,作为所述目标子图与所述模板图像的当前匹配度。
可选的,所述根据所述当前匹配度与所述目标匹配度阈值的大小关系,确定所述目标子图中是否识别到所述定位标识,包括:
若所述当前匹配度大于等于所述目标匹配度阈值,确定所述目标子图中识别到所述定位标识;
若所述当前匹配度小于所述目标匹配度阈值,确定所述目标子图中未识别到所述定位标识。
可选的,在所述从原始图像中获取目标子图之前,还包括:
从原始图像中获取多个初始子图;
分别在各所述初始子图中识别所述定位标识;
若识别到所述定位标识的初始子图的数量小于预设个数阈值,执行所述从原始图像中获取目标子图步骤。
可选的,所述分别在各所述初始子图中识别所述定位标识,包括:
针对每一所述初始子图,执行如下操作:
基于所述初始子图对应的二值化阈值,对所述初始子图进行二值化处理,得到二值化初始子图;
利用所述预设匹配度算法计算所述二值化初始子图与所述模板图像的参考匹配度;
根据所述参考匹配度与参考匹配度阈值的大小关系,确定所述初始子图中是否识别到所述定位标识。
可选的,所述获取目标二值化阈值,包括:
计算各所述初始子图对应的二值化阈值的平均值,得到第一阈值均值;
将所述第一阈值均值和预设二值化阈值最大值中的最小者,作为目标二值化阈值。
可选的,所述获取目标匹配度阈值,包括:
计算各所述参考匹配度的平均值,得到第二阈值均值;
计算所述第二阈值均值与预设匹配系数的乘积,得到候选匹配度阈值;
将所述候选匹配度阈值和预设匹配度阈值最小值中的最大者,作为目标匹配度阈值。
可选的,所述扩大所述目标子图的范围,包括:
按照预设比例或预设步长扩大所述目标子图的范围。
可选的,所述根据所述二值化初始子图对应的匹配度阈值,判断所述初始子图中是否识别到所述定位标识,包括:
利用所述预设匹配度算法计算所述二值化初始子图与所述模板图像的匹配度,得到参考匹配度;
若所述参考匹配度大于等于所述二值化初始子图对应的匹配度阈值,判定所述初始子图中识别到所述定位标识;
若所述参考匹配度小于所述二值化初始子图对应的匹配度阈值,判定所述初始子图中未识别到所述定位标识。
可选的,所述从原始图像中获取目标子图,包括:
获取预设宽度比例和预设长度比例;
其中,所述预设宽度比例和所述预设长度比例分别基于预设标准图像中的定位标识在所述标准图像中的位置关系得到;
根据所述预设宽度比例和所述预设长度比例,在所述原始图像中确定目标定位基准点;
基于所述目标定位基准点获取目标子图。
可选的,所述预设结束条件包括:所述目标子图的宽度大于预设子图宽度阈值,或者,所述目标子图的长度大于预设子图长度阈值。
可选的,若在所述目标子图中识别到所述定位标识,基于所述定位标识对所述原始图像进行校正。
第二方面,本发明提供一种服务器,包括:存储器和处理器;所述存储器存储有适于所述处理器执行的程序,以实现本发明第一方面任一项所述的图像定位标识识别方法。
本发明提供的图像定位标识识别方法,在从原始图像中获取目标子图之后,在目标子图中识别定位标识,如果目标子图中未识别到定位标识且未达到预设退出条件,则扩大目标子图的范围,并继续在目标子图中识别定位标识,直至达到预设结束条件或者识别定位标识。本发明提供的方法,重复的在目标子图中识别定位标识,并在每一次失败后扩大目标子图的范围,即增大识别的范围,从而有效解决现有技术中因为图像内容偏移而无法准确找到定位标识的问题,提高识别成功率。
进一步的,由于目标子图的扩大过程是随着识别过程逐步进行的,识别范围逐步增大,可以使得对识别效率的影响降到最低。
附图说明
为了更清楚地说明本发明实施例或现有技术内的技术方案,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,下面描述内的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是现有技术中一种设备位置表图像的示意图;
图2是现有技术中另一种设备位置表图像的示意图;
图3是本发明实施例提供的一种图像定位标识识别方法的流程图;
图4是应用本发明实施例提供的图像定位标识识别方法进行定位标识识别的过程示意图;
图5是本发明实施例提供的另一种图像定位标识识别方法的流程图;
图6是本发明实施例提供的图像定位标识识别方法的一种应用场景示意图;
图7是本发明实施例提供的图像定位标识识别方法的另一种应用场景示意图;
图8是本发明实施例提供的一种服务器的结构框图。
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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在实际应用中,采集得到的原始图像除了可能出现图1所示的缺陷以外,还有可能出现图2所示的缺陷,定位标识严重原理预设的子图采集区域,进而导致无法识别到任何定位标识。当然,原始图像还有可能出现其他缺陷,此处不再一一列举。
为解决上述实际应用中图像识别所遇到的问题,本发明实施例提供一种图像定位标识识别方法,本方法可以应用于电子设备,该电子设备可以是笔记本电脑、个人计算机、平板电脑以及数据服务器等能够运行预设控制程序,进行数据分析的电子设备,当然,在某些情况下,该电子设备也可以通过网络侧的服务器实现。参见图3,本发明实施例提供的图像定位标识识别方法的流程,可以包括:
S100、从包括定位标识的原始图像中获取目标子图。
可以想到的是,在从原始图像中获取目标子图之前,首先需要得到包括定位标识的原始图像。对于原始图像的采集或获取方法,可以基于现有技术实现,本发明对此不做限定。至于原始图像中定位标识的具体形式,同样可以基于现有技术实现,本发明对此亦不限定。
可选的,本发明实施例提供一种获取目标子图的方法,首先获取预设宽度比例和预设长度比例。其中,本实施例中述及的预设宽度比例和预设长度比例分别基于预设标准图像中的定位标识在标准图像中的位置关系得到。
在现有技术中,进行图像识别之前需要预先准备好与待识别图像相对应的标准图像,所谓标准图像是指图像中各个元素的位置、大小,以及元素间的比例和相对位置关系都是确定的。在进行原始图像校正前,电子设备中已经存储有标准图像的信息,并定义好标准图像中各个元素(比如定位标识)在像素坐标系中的相关信息,比如定位标识的具体比例,在图像中的相对位置,与图像中待识别线框的相对距离等,需要强调的是,定位标识包括一预设的定位基准点,通过该定位基准点在像素坐标系中的坐标来表征定位标识的位置。对于确定的标准图像而言,定位标识的基准定位点坐标中的横坐标与标准图像的标准长度的比例是固定的,相应的,基准定位点坐标中的纵坐标与标准图像的标准宽度的比例也是固定的。实际采集得到原始图像中的图像内容往往是成比例缩放的,因此,如果原始图像中的内容是正常的,未发生偏移或缩放,按照预设宽度比例和预设长度比例提取的目标子图中必然包括有定位标识。
基于上述内容,在获得预设宽度比例和预设长度比例之后,即可根据预设宽度比例确定目标定位基准点的纵坐标,根据预设长度比例确定目标定位基准点的横坐标,即确定目标定位基准点,然后即可将以目标定位基准点为中心的预设区域作为目标子图。当然,至于预设范围的具体选取,需要结合定位标识的具体形状和大小以及经验选取。在本方案中,目标子图的范围可以不断扩大,因此,首次获取的目标子图可以选取的相对的小一些。
当然,对于目标子图的获取,还可以按照现有技术中的子图获取方法实现,此处不再详述。
S110、在目标子图中识别定位标识。
首先,获取目标匹配度阈值和与定位标识对应的模板图像。其中,模板图像是指为识别或寻找目标图像元素而预先准备好的图像,可以理解为定位标识的标准。而目标匹配度阈值则是确定是否识别到定位标识的判断依据,在实际应用中,目标匹配度阈值可以结合设计经验选取,也可以按照一定的算法确定,本发明实施例提供了一种目标匹配度阈值的计算方法,在后续内容中展开,此处暂不详述。
得到定位标识对应的模板图像后,计算目标子图与模板图像的当前匹配度。可选的,本发明实施例提供一种计算当前匹配度的实现方法。获取目标二值化阈值,其中,目标二值化阈值用于对目标子图进行二值化处理,与目标匹配度阈值类似,目标二值化阈值可以基于实际设计经验选取,也可以按照本发明在后续内容中提供的方法确定,此处暂不详述。得到二值化阈值后,基于目标二值化阈值对目标子图进行二值化处理,得到二值化目标子图,然后利用预设匹配度算法计算二值化目标子图与模板图像的当前匹配度,并将所得二值化目标子图与模板图像的当前匹配度,作为目标子图与模板图像的当前匹配度。需要说明的是,对于预设匹配度算法,可以基于现有技术中的算法实现,本发明对此不做限定。
最后,在得到目标子图的当前匹配度之后,根据当前匹配度与目标匹配度阈值的大小关系,确定目标子图中是否识别到定位标识。
S120、判断目标子图中是否识别到定位标识,若否,执行S130。
基于前述内容可知,如果所得当前匹配度大于等于目标匹配度阈值,则确定目标子图中识别到定位标识,相反的,如果当前匹配度小于目标匹配度阈值,则确定目标子图中未识别到定位标识。
在目标子图中未识别到定位标识的情况下,执行S130,如果在目标子图中识别到定位标识,则退出当前控制过程,进一步基于所得定位标识对原始图像进行校正。
S130、判断是否达到预设退出条件,若否,执行S140。
可选的,本发明实施例提供的预设退出条件包括:目标子图的宽度大于预设子图宽度阈值,或者,目标子图的长度大于预设子图长度阈值。当然,预设退出条件还可以是循环的次数等,在不超出本发明核心思想范围的前提下,同样属于本发明保护的范围内。
可以想到的是,如果目标子图是同时向四周扩大的,会出现目标子图的某一边首先扩大至原始图像边缘的情况,此种情况下,目标子图在该边所在的方向即可停止扩大,达到在一定程度上降低计算量的目的,有助于提高识别效率。
S140、扩大目标子图的范围,并返回S110。
如果目标子图中未识别到定位标识且未达到预设退出条件,则按照预设比例或预设步长扩大目标子图的范围。
可以想到的是,预设比例可以用于目标子图的整体扩大,也可以用于目标子图宽度和长度的扩大,而预设步长,则主要用于目标子图宽度和长度的增加,当然,也可以根据需求在宽度方向和长度方向设置不同大小的步长,实现对某一方向上的重点识别。
对于预设步长的选取,可以基于设备的实际计算能力以及识别精度的要求选择,实际应用中可以采用像素数量来表征。
可选的,参见图4,图4是应用本发明实施例提供的图像定位标识识别方法进行定位标识识别的过程示意图,如图4所示,fsp表示首次识别时目标子图的范围,incrP表示预设步长,而maxSW则表示前述内容中的预设子图长度阈值,maxSH表示前述内容中的预设子图宽度,通过不断以incrP扩大目标子图的范围,直至达到maxSW和maxSH对应的子图范围。
在扩大目标子图的范围后,返回执行S110,继续在目标子图中识别定位标识。
综上所述,本发明提供的方法,重复的在目标子图中识别定位标识,并在每一次失败后扩大目标子图的范围,即增大识别的范围,从而有效解决现有技术中因为图像内容偏移而无法准确找到定位标识的问题,提高识别成功率。
进一步的,由于目标子图的扩大过程是随着识别过程逐步进行的,识别范围逐步增大,避免直接采用尺寸最大的目标子图进行识别,可以使得对识别效率的影响降到最低。
需要强调说明的是,在现有技术中,原始图像中包括多个定位标识,最常用的是个定位标识,这意味图3所示实施例有两种应用方式,一种是按照一定的顺序依次应用该方法对各个定位标识进行识别,这种应用方式对设备的运算能力要求较小,但是整个过程耗时较长,特别是定位标识数量较多的情况;另一种是同时对各个定位标识进行识别,这种应用方式对设备的运算能力要求较高,但整个识别过程耗时较短,效率高。具体如何选择,还需结合实际的硬件设备以及识别效率要求确定。
可选的,在图3所示实施例的基础上,本发明实施例提供另一种图像定位标识识别方法,参见图5,在图3所示实施例的基础上,本实施例提供的方法还包括:
S200、从原始图像中获取多个初始子图。
对于初始子图的获取,可以按照现有技术实现,也可以按照图3中S100提供的方法实现,本发明对此不做限定。
S210、分别在各初始子图中识别定位标识。
在得到多个初始子图之后,即可针对每一初始子图,执行如下操作:
首先,基于初始子图对应的二值化阈值,对初始子图进行二值化处理,得到二值化初始子图。进一步的,考虑到本步骤中各个初始子图对应的二值化阈值将用于前述目标二值化阈值的计算,本步骤中述及的各个初始子图对应的二值化阈值优选相应的自适应阈值。对初始子图进行二值化的过程,具体可参照现有技术实现,此处不再详细展开。
然后,利用前述实施例中述及的预设匹配度算法计算二值化初始子图与定位标识的模板图像的匹配度,得到参考匹配度,然后根据参考匹配度与预设的的参考匹配度阈值的大小关系判断初始子图中是否识别到定位标识。
具体的,如果参考匹配度大于等于参考匹配度阈值,判定初始子图中识别到定位标识;相反的,如果参考匹配度小于参考匹配度阈值,则判定初始子图中未识别到定位标识。
需要说明的是,本实施例提供的方法,需要对初始子图进行相对于现有技术更为严格的识别标准,因此,前述判断初始子图中是否识别到定位标识过程中使用的参考匹配度阈值,应结合实际识别过程中的历史数据,尽可能选取更严格的阈值,执行从严的判断标准,以提高识别到定位标识的准确度。
进一步的,本步骤中述及的各初始子图对应的二值化阈值和参考匹配度阈值,均可以基于现有技术确定,此处不再详述。
S220、判断识别到定位标识的初始子图的数量是否小于预设个数阈值,若是,执行S100。
结合定位标识在图像识别中的应用可知,在大部分情况下,识别到的定位标识的数量应大于等于三个,如果小于三个,就难以基于三角定位原理确定原始图像中需要识别内容的位置。
基于此,在完成对各个初始子图的识别后,如果识别到定位标识的初始子图的数量小于预设个数阈值,说明当前识别到的定位标识难以用于后续的图像识别,则继续执行S100及后续步骤,具体可参见图3所示实施例的实现过程,此处不再复述。
相应的,如果识别到定位标识的初始子图的数量大于等于预设个数阈值,即可基于识别到的定位标识进行后续的图像识别操作,不再执行S100及后续步骤。
可以想到的是,预设个数阈值的设置,主要取决于图像识别过程中对图像内容进行定位的实现原理,如前所述,如果至少需要三个定位标识,则预设个数阈值即可取为三个,本发明对于预设个数阈值的具体取值不做限定。
综上所述,本发明实施例提供的图像定位标识识别方法,在执行图3所示实施例的识别过程之前,首先按照一种更为严格的识别方式,判断是否经过一次识别即可得到满足图像识别要求的定位标识,如果在经过一次严格识别后确实得到了满足要求的定位标识,则不必再执行后续的循环增大子图范围的过程,能够有效缩短识别定位标识的耗时,进而提高整个定位标识识别的执行效率。
可选的,本发明基于图5所示实施例的上述内容,还提供一种计算图3所示实施例中述及的目标二值化阈值和目标匹配度阈值的方法。
具体的,在对初始子图进行二值化处理时,使用到各个初始子图对应的二值化阈值,基于此,计算各初始子图对应的二值化阈值的平均值,得到第一阈值均值,并将第一阈值均值和预设二值化阈值最大值中的最小者,作为目标二值化阈值。
可以想到的是,如果原始图像出现图2所示的图像内容缩放,初始子图是空白的,没有任何图像内容,此种情况下各初始子图所对应的二值化阈值是非常大的,不能将其平均值作为目标二值化阈值,因此,本发明实施例根据历史数据以及设计经验,设置预设二值化阈值,如果所得第一阈值均值大于预设二值化阈值,则将预设二值化阈值作为目标二值化阈值。
与目标二值化阈值的确定过程类似,基于S210中各二值化初始子图对应的参考匹配度确定目标匹配度阈值,首先,计算各二值化初始子图对应的参考匹配度的平均值,得到第二阈值均值,进一步计算第二阈值均值与预设匹配系数的乘积,得到候选匹配度阈值,最后将所得候选匹配度阈值和预设匹配度阈值最小值中的最大者,作为目标匹配度阈值。当然,此处述及的预设匹配度阈值和预设匹配系数同样可以根据实际经验以及识别精度的要求灵活选择,本发明对于预设匹配度阈值和预设匹配系数的具体取值不做限定。
可选的,本发明上述各个实施例提供的图像定位标识识别方法,可以应用于多种场景中的定位标识,比如,可以应用于图6所示的答题卡中的定位标识识别,也可以应用于图7所示的光伏组件或光伏阵列的监控图像的定位标识的识别,当然,还以应用于其他基于定位标识进行图像识别的场景中,此处不再一一列举。
可选的,参见图8,图8为本发明实施例提供的服务器的结构框图,参见图8所示,可以包括:至少一个处理器100,至少一个通信接口200,至少一个存储器300和至少一个通信总线400;
在本发明实施例中,处理器100、通信接口200、存储器300、通信总线400的数量为至少一个,且处理器100、通信接口200、存储器300通过通信总线400完成相互间的通信;显然,图8所示的处理器100、通信接口200、存储器300和通信总线400所示的通信连接示意仅是可选的;
可选的,通信接口200可以为通信模块的接口,如与车载OBD接口相适配的接口或其他CAN网络接口;
处理器100可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器300,存储有应用程序,可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
其中,处理器100具体用于执行存储器内的应用程序,以实现上述所述的图像定位标识识别方法的任一实施例。
本发明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。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (14)
1.一种图像定位标识识别方法,其特征在于,包括:
从原始图像中获取目标子图,所述原始图像包括定位标识;
在所述目标子图中识别所述定位标识;
若所述目标子图中未识别到所述定位标识且未达到预设退出条件,扩大所述目标子图的范围;
返回执行所述在所述目标子图中识别所述定位标识步骤,直至达到所述预设结束条件,或在所述目标子图中识别到所述定位标识。
2.根据权利要求1所述的图像定位标识识别方法,其特征在于,所述在所述目标子图中识别所述定位标识,包括:
获取目标匹配度阈值和与所述定位标识对应的模板图像;
计算所述目标子图与所述模板图像的当前匹配度;
根据所述当前匹配度与所述目标匹配度阈值的大小关系,确定所述目标子图中是否识别到所述定位标识。
3.根据权利要求2所述的图像定位标识识别方法,其特征在于,所述计算所述目标子图与所述模板图像的当前匹配度,包括:
获取目标二值化阈值;
基于所述目标二值化阈值对所述目标子图进行二值化处理,得到二值化目标子图;
利用预设匹配度算法计算所述二值化目标子图与所述模板图像的当前匹配度;
将所述二值化目标子图与所述模板图像的当前匹配度,作为所述目标子图与所述模板图像的当前匹配度。
4.根据权利要求2所述的图像定位标识识别方法,其特征在于,所述根据所述当前匹配度与所述目标匹配度阈值的大小关系,确定所述目标子图中是否识别到所述定位标识,包括:
若所述当前匹配度大于等于所述目标匹配度阈值,确定所述目标子图中识别到所述定位标识;
若所述当前匹配度小于所述目标匹配度阈值,确定所述目标子图中未识别到所述定位标识。
5.根据权利要求3所述的图像定位标识识别方法,其特征在于,在所述从原始图像中获取目标子图之前,还包括:
从原始图像中获取多个初始子图;
分别在各所述初始子图中识别所述定位标识;
若识别到所述定位标识的初始子图的数量小于预设个数阈值,执行所述从原始图像中获取目标子图步骤。
6.根据权利要求5所述的图像定位标识识别方法,其特征在于,所述分别在各所述初始子图中识别所述定位标识,包括:
针对每一所述初始子图,执行如下操作:
基于所述初始子图对应的二值化阈值,对所述初始子图进行二值化处理,得到二值化初始子图;
利用所述预设匹配度算法计算所述二值化初始子图与所述模板图像的参考匹配度;
根据所述参考匹配度与参考匹配度阈值的大小关系,确定所述初始子图中是否识别到所述定位标识。
7.根据权利要求6所述的图像定位标识识别方法,其特征在于,所述获取目标二值化阈值,包括:
计算各所述初始子图对应的二值化阈值的平均值,得到第一阈值均值;
将所述第一阈值均值和预设二值化阈值最大值中的最小者,作为目标二值化阈值。
8.根据权利要求6所述的图像定位标识识别方法,其特征在于,所述获取目标匹配度阈值,包括:
计算各所述参考匹配度的平均值,得到第二阈值均值;
计算所述第二阈值均值与预设匹配系数的乘积,得到候选匹配度阈值;
将所述候选匹配度阈值和预设匹配度阈值最小值中的最大者,作为目标匹配度阈值。
9.根据权利要求1所述的图像定位标识识别方法,其特征在于,所述扩大所述目标子图的范围,包括:
按照预设比例或预设步长扩大所述目标子图的范围。
10.根据权利要求6所述的图像定位标识识别方法,其特征在于,所述根据所述二值化初始子图对应的匹配度阈值,判断所述初始子图中是否识别到所述定位标识,包括:
利用所述预设匹配度算法计算所述二值化初始子图与所述模板图像的匹配度,得到参考匹配度;
若所述参考匹配度大于等于所述二值化初始子图对应的匹配度阈值,判定所述初始子图中识别到所述定位标识;
若所述参考匹配度小于所述二值化初始子图对应的匹配度阈值,判定所述初始子图中未识别到所述定位标识。
11.根据权利要求1所述的图像定位标识识别方法,其特征在于,所述从原始图像中获取目标子图,包括:
获取预设宽度比例和预设长度比例;
其中,所述预设宽度比例和所述预设长度比例分别基于预设标准图像中的定位标识在所述标准图像中的位置关系得到;
根据所述预设宽度比例和所述预设长度比例,在所述原始图像中确定目标定位基准点;
基于所述目标定位基准点获取目标子图。
12.根据权利要求1-11任一项所述的图像定位标识识别方法,其特征在于,所述预设结束条件包括:所述目标子图的宽度大于预设子图宽度阈值,或者,所述目标子图的长度大于预设子图长度阈值。
13.根据权利要求1-11任一项所述的图像定位标识识别方法,其特征在于,若在所述目标子图中识别到所述定位标识,基于所述定位标识对所述原始图像进行校正。
14.一种服务器,其特征在于,包括:存储器和处理器;所述存储器存储有适于所述处理器执行的程序,以实现权利要求1至13任一项所述的图像定位标识识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523590.6A CN113312936A (zh) | 2021-05-13 | 2021-05-13 | 一种图像定位标识识别方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523590.6A CN113312936A (zh) | 2021-05-13 | 2021-05-13 | 一种图像定位标识识别方法及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113312936A true CN113312936A (zh) | 2021-08-27 |
Family
ID=77373273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110523590.6A Pending CN113312936A (zh) | 2021-05-13 | 2021-05-13 | 一种图像定位标识识别方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113312936A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241537A (zh) * | 2021-12-31 | 2022-03-25 | 智慧眼科技股份有限公司 | 指静脉图像真伪识别方法、装置、计算机设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639952A (zh) * | 2015-01-23 | 2015-05-20 | 小米科技有限责任公司 | 台标识别方法及装置 |
WO2019007253A1 (zh) * | 2017-07-06 | 2019-01-10 | 阿里巴巴集团控股有限公司 | 图像识别方法、装置及设备、可读介质 |
CN109934041A (zh) * | 2019-03-26 | 2019-06-25 | 杭州网易再顾科技有限公司 | 信息处理方法、信息处理***、介质和计算设备 |
CN110689535A (zh) * | 2019-09-29 | 2020-01-14 | 歌尔股份有限公司 | 一种工件识别方法、装置及电子设备和存储介质 |
CN110751682A (zh) * | 2019-10-28 | 2020-02-04 | 普联技术有限公司 | 一种提取和标识图像的方法、装置、终端设备及存储介质 |
CN111079613A (zh) * | 2019-12-09 | 2020-04-28 | 北京明略软件***有限公司 | 姿势识别方法和装置、电子设备及存储介质 |
CN111191570A (zh) * | 2019-12-26 | 2020-05-22 | 国网北京市电力公司 | 图像识别方法和装置 |
CN111368572A (zh) * | 2018-12-26 | 2020-07-03 | 顺丰科技有限公司 | 一种二维码的识别方法及*** |
WO2020253119A1 (zh) * | 2019-06-18 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 图形验证码识别方法、装置、可读存储介质及终端设备 |
WO2020259365A1 (zh) * | 2019-06-27 | 2020-12-30 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、计算机可读存储介质 |
-
2021
- 2021-05-13 CN CN202110523590.6A patent/CN113312936A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639952A (zh) * | 2015-01-23 | 2015-05-20 | 小米科技有限责任公司 | 台标识别方法及装置 |
WO2019007253A1 (zh) * | 2017-07-06 | 2019-01-10 | 阿里巴巴集团控股有限公司 | 图像识别方法、装置及设备、可读介质 |
CN111368572A (zh) * | 2018-12-26 | 2020-07-03 | 顺丰科技有限公司 | 一种二维码的识别方法及*** |
CN109934041A (zh) * | 2019-03-26 | 2019-06-25 | 杭州网易再顾科技有限公司 | 信息处理方法、信息处理***、介质和计算设备 |
WO2020253119A1 (zh) * | 2019-06-18 | 2020-12-24 | 深圳壹账通智能科技有限公司 | 图形验证码识别方法、装置、可读存储介质及终端设备 |
WO2020259365A1 (zh) * | 2019-06-27 | 2020-12-30 | Oppo广东移动通信有限公司 | 一种图像处理方法及装置、计算机可读存储介质 |
CN110689535A (zh) * | 2019-09-29 | 2020-01-14 | 歌尔股份有限公司 | 一种工件识别方法、装置及电子设备和存储介质 |
CN110751682A (zh) * | 2019-10-28 | 2020-02-04 | 普联技术有限公司 | 一种提取和标识图像的方法、装置、终端设备及存储介质 |
CN111079613A (zh) * | 2019-12-09 | 2020-04-28 | 北京明略软件***有限公司 | 姿势识别方法和装置、电子设备及存储介质 |
CN111191570A (zh) * | 2019-12-26 | 2020-05-22 | 国网北京市电力公司 | 图像识别方法和装置 |
Non-Patent Citations (3)
Title |
---|
MAX E. VIZCARRA MELGAR ET AL.: "A High Density Colored 2D-Barcode: CQR Code-9", 《IEEE XPLORE》, 16 January 2017 (2017-01-16) * |
曾子剑: "基于QR二维码编解码技术的研究与实现", 《万方数据库》, 15 February 2011 (2011-02-15) * |
蔡波, 朱玉玉: "车牌识别中的快速区域定位方法研究", 西南科技大学学报, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241537A (zh) * | 2021-12-31 | 2022-03-25 | 智慧眼科技股份有限公司 | 指静脉图像真伪识别方法、装置、计算机设备及存储介质 |
CN114241537B (zh) * | 2021-12-31 | 2022-12-23 | 智慧眼科技股份有限公司 | 指静脉图像真伪识别方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753953B (zh) | 图像中定位文本的方法、装置、电子设备和存储介质 | |
CN111461170A (zh) | 车辆图像检测方法、装置、计算机设备及存储介质 | |
CN111242126A (zh) | 不规则文本校正方法、装置、计算机设备和存储介质 | |
CN108154149B (zh) | 基于深度学习网络共享的车牌识别方法 | |
CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
US11823457B2 (en) | Image recognition method and apparatus, based on context representation, and computer-readable storage medium | |
CN109118476B (zh) | 一种零部件边缘轮廓完整性检测方法及装置 | |
CN111912846A (zh) | 一种基于机器视觉的表面缺陷与边缘毛刺检测方法 | |
CN110705560A (zh) | 轮胎文本的获取方法及装置、轮胎规格的检测方法 | |
CN114581446B (zh) | 一种叠片电池的电芯异常检测方法及*** | |
CN113312936A (zh) | 一种图像定位标识识别方法及服务器 | |
CN112149713A (zh) | 基于绝缘子图像检测模型检测绝缘子图像的方法及装置 | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
CN113139399A (zh) | 一种图像线框识别方法及服务器 | |
CN107194402A (zh) | 一种并行细化骨架提取方法 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN105374032A (zh) | 连通区域标记方法 | |
CN103544495A (zh) | 一种识别图像类别的方法及*** | |
JP5010627B2 (ja) | 文字認識装置及び文字認識方法 | |
CN111667463A (zh) | 线缆检测方法、机器人和存储装置 | |
CN116542926A (zh) | 电池的二维码缺陷识别方法、装置、设备及存储介质 | |
CN113128247B (zh) | 一种图像定位标识验证方法及服务器 | |
CN106650719B (zh) | 识别图片文字的方法及装置 | |
JP5439069B2 (ja) | 文字認識装置及び文字認識方法 | |
CN111967460A (zh) | 文本检测方法、装置、电子设备及计算机存储介质 |
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 |