CN116258984B - 一种物体识别的*** - Google Patents
一种物体识别的*** Download PDFInfo
- Publication number
- CN116258984B CN116258984B CN202310524224.1A CN202310524224A CN116258984B CN 116258984 B CN116258984 B CN 116258984B CN 202310524224 A CN202310524224 A CN 202310524224A CN 116258984 B CN116258984 B CN 116258984B
- Authority
- CN
- China
- Prior art keywords
- target object
- information
- target
- identified
- steps
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- 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
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种物体识别的***,包括:AR设备、数据库、若干RFID标签、处理器和存储有计算机程序的存储器,所述AR设备用于对物体进行扫描,所述RFID标签安装在目标物体上,所述数据库包括:若干目标物体对应的目标物体信息列表。通过提前保存目标物体对应的外观特征信息,当发现RFID标签掉落的物体时,根据RFID标签掉落的物体的外观特征以及发现的地点和时间,确定出该RFID标签掉落的物体最有可能属于哪个用户,避免了RFID标签掉落物体找不到对应的用户的问题。
Description
技术领域
本发明涉及数据处理领域,特别是涉及一种物体识别的***。
背景技术
现有技术中,在用户乘坐飞机并对行李进行托运时,当行李上放置的RFID标签掉落或丢失,会导致无法确定出不能识别RFID标签的目标物体对应的用户的问题,尤其是在用户进行跨国旅行时,用户对应的行李也会经过多个中转站,更易存在错运、漏运和丢失行李导致的行李找不到对应的用户的问题。因此,一套行之有效的物体识别的***对于行李识别的准确性至关重要。
发明内容
针对上述技术问题,本发明采用的技术方案为:
一种物体识别的***,包括:AR设备、数据库、若干RFID标签、处理器和存储有计算机程序的存储器,AR设备用于对物体进行扫描,RFID标签安装在目标物体上,数据库包括:若干目标物体对应的目标物体信息列表A=(A1,A2,……,Ai,……,Am),i=1,2,……,m,m为目标物体信息的数量,其中,第i个目标物体信息Ai=(DAi,LAi,WAi,GAi1,GAi2,……,GAit,……,GAiT(i)),DAi为第i个目标物体对应的用户标识,LAi为DAi对应的用户ID,WAi为第i个目标物体对应的外观特征信息,t=1,2,……,T(i),T(i)为DAi对应的用户已经过的目标位置点的数量,GAit为DAi对应的第t个目标位置点的目标位置点信息,目标位置点信息包括:目标位置点的经纬度坐标以及DAi对应的用户到达目标位置点的时间。
当计算机程序被处理器执行时,实现如下步骤:
S100、响应于AR设备扫描到的待识别物体,获取待识别物体信息A0=(WA0,TA0,GA0);其中,WA0为待识别物体的外观特征信息,TA0为AR设备扫描到待识别物体的时间,GA0为待识别物体所处的经纬度坐标,所述待识别物体为RFID标签掉落的目标物体。
S200、根据WA0,遍历A,获取第一目标物体信息列表A1=(A11,A12,……,A1j,……,A1n),j=1,2,……,n,n为第一目标物体信息的数量;其中,A1j为第j个第一目标物体信息,第一目标物体信息为与WA0的匹配度大于预设匹配度阈值X0的目标物体的外观特征信息对应的目标物体信息。
S300、当n>1时,根据A0和A1,获取第二目标物体信息列表A2=(A21,A22,……,A2h,……,A2H),h=1,2,……,H,H为第二目标物体信息的数量;其中,A2h为第h个第二目标物体信息,第二目标物体信息为在预设时间范围T0内与GA0的距离在预设距离范围J0内的位置点信息的第一目标物体信息。
S400、当H>1时,根据A2和A0,获取目标优先级列表Y1=(Y11,Y12,……,Y1h,……,Y1H);其中,Y1h为A2h对应的目标优先级,Y1h符合如下条件:,其中,JL0 h为A2h对应的位置点信息中距离GA0最近的位置点WA2h与GA0之间的距离,T1h为A2h对应的位置点信息中到达WA2h的时间。
S500、将Y1max对应的第二目标物体信息作为关键物体信息,并将关键物体信息对应的用户ID传输至AR设备中;其中,Y1max=max(Y1),max()为最大值确定函数。
本发明至少具有以下有益效果:
响应于AR设备扫描到的待识别物体,获取待识别物体信息,获取与待识别物体的外观特征信息匹配度大于预设匹配度阈值的目标物体的观特征信息对应的目标物体信息作为第一目标物体信息列表,获取与在预设时间范围内且与待识别物体之间的距离小于预设距离范围的第一目标物体信息作为第二目标物体信息,根据第二目标物体信息与待识别物体之间的距离以及到达与待识别物体之间最近位置点的时间,获取每个第二目标物体信息对应的优先级以得到目标优先级列表,将目标优先级列表中最大优先级对应的第二目标物体信息作为关键物体信息,并将关键物体信息对应的用户ID传输至AR设备中。由于RFID标签容易破损或丢失,从而会导致无法确定出不能识别RFID标签的目标物体对应的用户的问题,本发明实施例通过提前保存目标物体对应的外观特征信息,当发现RFID标签掉落的物体时,根据RFID标签掉落的物体的外观特征以及发现的地点和时间,确定出该RFID标签掉落的物体最有可能属于哪个用户,避免了RFID标签掉落物体找不到对应的用户的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例提供的一种物体识别的***的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
本发明提供一种物体识别的***,所述***包括:AR设备、数据库、若干RFID标签、处理器和存储有计算机程序的存储器,所述AR设备用于对物体进行扫描,所述RFID标签安装在目标物体上,所述数据库包括:若干目标物体对应的目标物体信息列表A=(A1,A2,……,Ai,……,Am),i=1,2,……,m,m为目标物体信息的数量,其中,第i个目标物体信息Ai=(DAi,LAi,WAi,GAi1,GAi2,……,GAit,……,GAiT(i)),DAi为第i个目标物体对应的用户标识,LAi为DAi对应的用户ID,WAi为第i个目标物体对应的外观特征信息,t=1,2,……,T(i),T(i)为DAi对应的用户已经过的目标位置点的数量,GAit为DAi对应的第t个目标位置点的目标位置点信息,所述目标位置点信息包括:目标位置点的经纬度坐标以及DAi对应的用户到达目标位置点的时间。
在本发明实施例中,所述用户标识为目标用户对应的物体的唯一标识。
当计算机程序被处理器执行时,如图1所示,实现如下步骤:
S100、响应于AR设备扫描到的待识别物体,获取待识别物体信息A0=(WA0,TA0,GA0);其中,WA0为待识别物体的外观特征信息,TA0为AR设备扫描到待识别物体的时间,GA0为待识别物体所处的经纬度坐标,所述待识别物体为RFID标签掉落的目标物体。
具体地,所述AR设备可以为:AR智能眼镜、头环式AR智能眼镜、AR智能头盔和双目AR头盔。
优选地,所述AR设备为头环式AR智能眼镜。
在本发明实施例中,所述外观特征信息可以理解为外观特征向量,所述外观特征向量通过对待识别物体的外观进行特征提取以得到外观特征,对外观特征进行处理以得到外观特征向量。具体地,在本发明实施例中,任意一种对外观特征进行处理得到外观特征向量的方法均落入本发明保护范围内,在此不再赘述。
S200、根据WA0,遍历A,获取第一目标物体信息列表A1=(A11,A12,……,A1j,……,A1n),j=1,2,……,n,n为第一目标物体信息的数量;其中,A1j为第j个第一目标物体信息,所述第一目标物体信息为与WA0的匹配度大于预设匹配度阈值X0的目标物体的外观特征信息对应的目标物体信息。
具体地,所述第一目标物体信息为与WA0的匹配度可以理解为所述第一目标物体信息为与WA0的相似度。
在本发明实施例中,任意一种计算第一目标物体信息为与WA0之间相似度的方法均落入本发明保护范围内,在此不再赘述。
进一步地,X0=[85%,95%]。
优选地,X0=90%。
S300、当n>1时,根据A0和A1,获取第二目标物体信息列表A2=(A21,A22,……,A2h,……,A2H),h=1,2,……,H,H为第二目标物体信息的数量;其中,A2h为第h个第二目标物体信息,所述第二目标物体信息为在预设时间范围T0内与GA0的距离在预设距离范围J0内的位置点信息的第一目标物体信息。
在本发明实施例中,当n=1时,将A1n作为作为关键物体信息,并将关键物体信息对应的用户ID传输至AR设备中。
具体地,T0=[TA0-T10,TA0+T10],T10为第一预设时间阈值,
进一步地,T10=[1h,3h]。
在本发明实施例中,J0=[1km,3km]。
优选地,T10=2h,J0=2km;由于所述物体可以为用户的行李,在用户乘坐飞机时,有些行李不可以随身携带,需要进行托运,在行李托运过程中,与用户之间距离不会过远,且与用户到达的时间基本相同,与用户之间的距离与用户到达该地点相差时间过多的行李不会属于该用户,因此,设定适当的时间范围与距离范围对行李对应的用户进行判断,提高了对行李对应的用户进行判断的准确性。
S400、当H>1时,根据A2和A0,获取目标优先级列表Y1=(Y11,Y12,……,Y1h,……,Y1H);其中,Y1h为A2h对应的目标优先级,Y1h符合如下条件:,其中,JL0 h为A2h对应的位置点信息中距离GA0最近的位置点WA2h与GA0之间的距离,T1h为A2h对应的位置点信息中到达WA2h的时间。
在本发明实施例中,当H=1时,将Y1H作为关键物体信息,并将关键物体信息对应的用户ID传输至AR设备中。
S500、将Y1max对应的第二目标物体信息作为关键物体信息,并将关键物体信息对应的用户ID传输至AR设备中;其中,Y1max=max(Y1),max()为最大值确定函数。
在本发明实施例中,用户ID可以为目标物体对应的用户的联系方式,例如,手机号或电子邮箱账号等。
具体地,所述用户ID在AR设备右上角位置处显示。
上述,响应于AR设备扫描到的待识别物体,获取待识别物体信息,获取与待识别物体的外观特征信息匹配度大于预设匹配度阈值的目标物体的观特征信息对应的目标物体信息作为第一目标物体信息列表,获取与在预设时间范围内且与待识别物体之间的距离小于预设距离范围的第一目标物体信息作为第二目标物体信息,根据第二目标物体信息与待识别物体之间的距离以及到达与待识别物体之间最近位置点的时间,获取每个第二目标物体信息对应的优先级以得到目标优先级列表,将目标优先级列表中最大优先级对应的第二目标物体信息作为关键物体信息,并将关键物体信息对应的用户ID传输至AR设备中。由于RFID标签容易破损或丢失,从而会导致无法确定出不能识别RFID标签的目标物体对应的用户的问题,本发明实施例通过提前保存目标物体对应的外观特征信息,当发现RFID标签掉落的物体时,根据RFID标签掉落的物体的外观特征以及发现的地点和时间,确定出该RFID标签掉落的物体最有可能属于哪个用户,避免了RFID标签掉落物体找不到对应的用户的问题。
在本发明实施例中,所述***还包括物体检测设备,所述物体检测设备内部设置有n个关键摄像机,所述关键摄像机用于在检测到有目标物体经过物体检测设备时拍摄图像。
在本发明实施例中,x=3可以理解为物体检测设备内部安装有三个关键摄像机,所述三个摄像机安装在物体检测设备内部上方的中间位置、左侧的中间位置以及右侧的中间位置处。
具体地,WAi通过如下步骤获取:
S101、获取第i个目标物体对应的目标物体图像列表集TXi=(TXi1,TXi2,……,TXik,……,TXix),k=1,2,……,x,x为目标物体图像列表的数量;其中,第k个目标物体图像列表集TXik=(TXik1,TXik2,……,TXikc,……,TXikv(k)),c=1,2,……,v(k),v(k)为第k个关键摄像机拍摄的第i个目标物体的目标物体图像的数量,TXikc为第k个关键摄像机拍摄的第i个目标物体的第c个目标物体图像。
具体地,当目标物体经过物体检测设备时,关键摄像机对目标物体连续拍摄,以得到目标物体图像列表。
进一步地,在关键摄像机对目标物体进行拍摄的同时,目标物体在物体检测装置中一直向相同方向匀速移动,非静止状态。
S102、对每一目标物体图像进行图像特征提取,获取目标物体图像特征维度列表集SWi=(SWi1,SWi2,……,SWik,……,SWix);其中,TXik对应的目标物体图像特征维度列表SWik=(SWik1,SWik2,……,SWikc,……,SWikv(k)),SWikc为TXikc对应的目标物体图像特征维度。
具体地,任意一种对标物体图像进行图像特征提取,获取目标物体图像特征维度的方法均落入本发明保护范围内,在此不再赘述。
进一步地,目标物体图像特征维度越大代表该目标物体图像包含的特征越多。
S103、获取TXi对应的目标物体图像清晰度列表集QWi=(QWi1,QWi2,……,QWik,……,QWix);其中,TXik对应的目标物体图像清晰度列表QWik=(QWik1,QWik2,……,QWikc,……,QWikv(k)),QWikc为TXikc对应的目标物体图像清晰度。
具体地,任意一种获取目标物体图像对应的目标物体图像清晰度的方法均落入本发明保护范围内,在此不再赘述。
进一步地,所述清晰度的数值越大代表目标物体图像越清晰。
S104、根据SWi和QWi,获取TXi对应的第二优先级列表集Y2i=(Y2i1,Y2i2,……,Y2ik,……,Y2ix);其中,TXik对应的第二优先级列表Y2ik=(Y2ik1,Y2ik2,……,Y2ikc,……,Y2ikv(k)),Y2ikc为TXikc对应的第二优先级,Y2ikc符合如下条件:Y2ick=β×SWikc+γ×QWikc,其中,β为第一预设权重值,γ第二预设权重值,且β+γ=1。
优选地,β=0.5,γ=0.5;由于后续需要对目标物体图像进行图像特征提取,在保证目标物体图像中特征尽可能多的同时,还需要保证目标物体图像足够清晰,以保证提取到的目标物体图像特征的准确性,因此,将第一预设权重值与第二预设权重值设置为相同的大小。
S105、根据Y2i,获取第三优先级列表Y3i=(Y3i1,Y3i2,……,Y3ik,……,Y3ix);其中,Y3ik为第i个目标物体对应的第k个第三优先级,且Y3ik符合如下条件:Y3ik=max(Y2ik)。
S106、根据Y3i,获取关键物体图像列表GTi=(GTi1,GTi2,……,GTik,……,GTix);其中,GTik为第i个目标物体对应的第k个关键物体图像,所述关键物体图像为第三优先级对应的目标物体图像;
S107、对GTi中的每一关键物体图像进行图像特征提取,以得到WAi。
上述,通过获取第i个目标物体对应的目标物体图像列表集,对每一目标物体图像进行图像特征提取,获取目标物体图像特征维度列表集,并通过获取目标物体图像清晰度列表集,以得到第二优先级列表集,根据第二优先级列表集,获取第三优先级列表,获取第三优先级对应的目标物体图像作为关键物体图像以得到关键物体图像列表,对关键物体图像列表中的每一关键拍摄图像进行图像特征提取,以得到第i个目标物体对应的外观特征信息。通过设置关键摄像机,且所述关键摄像机安装在物体检测设备内部上方的中间位置、左侧的中间位置以及右侧的中间位置处,对目标物体进行全面的拍摄,并且在保证目标物体图像中特征尽可能多的同时,还考虑到了目标物体图像足够清晰,避免了获取到的关键物体图像特征少或不清晰导致的目标物体图像特征不准确的问题。
在本发明另一实施例中,所述***还包括至少一个RFID读取设备,所述RFID读取设备用于对RFID标签内的信息进行读取;将带有RFID标签的目标物体确定为目标待识别物体,当AR设备识别范围内存在1个以上目标待识别物体且目标待识别物体之间的外观匹配度大于预设外观匹配度阈值X0时,目标待识别物体的目标待识别物体读取信息列表MA通过如下步骤获取:
S1、响应于AR设备扫描到的目标待识别物体,获取目标待识别物体对应的目标待识别物体外观特征信息WM。
S2、响应于RFID读取设备读取到的目标待识别物体,获取第六目标物体读取信息列表A6=(A61,A62,……,A6p,……,A6w),p=1,2,……,w,w为第六目标物体读取信息的数量;A6p为第p个第六目标物体读取信息,所述第六目标物体读取信息为与WM的匹配度大于X0的外观特征信息对应的物体读取信息,所述物体读取信息为RFID读取设备读取到的物体信息。
具体地,所述第六目标物体读取信息包括:第六目标物体对应的用户标识、第六目标物体对应的用户ID、第六目标物体对应的外观特征信息、第六目标物体的用户标识对应的若干目标位置点信息和第六目标物体对应的若干中转站信息。
S3、响应于RFID读取设备读取到目标待识别物体RFID标签的时间,将每一第六目标物体信息根据从小到大的时间顺序进行排列,以得到第七目标物体读取信息列表A7=(A71,A72,……,A7p,……,A7w);其中,A7p为第p个第七目标物体读取信息。
S4、响应于AR设备扫描到目标待识别物体与AR设备之间的距离,获取目标待识别物体列表WD=(WD1,WD2,……,WDp,……,WDw);其中,WDp为第p个目标待识别物体,WD1距离AR设备的距离最远。
S5、将A7中每一第七目标物体读取信息与目标待识别物体匹配,以得到MA=(MA1,MA2,……,MAp,……,MAw);其中,MAp为WDp对应的目标待识别物体读取信息且MAp≌A7p。
上述,通过响应于AR设备扫描到的目标待识别物体,获取目标待识别物体对应的目标待识别物体外观特征信息,响应于RFID读取设备读取到的目标待识别物体,获取第六目标物体读取信息列表,响应于RFID读取设备读取到目标待识别物体RFID标签的时间,将每一第六目标物体信息根据从小到大的时间顺序进行排列,以得到第七目标物体读取信息列表,响应于AR设备扫描到目标待识别物体与AR设备之间的距离,获取目标待识别物体列表,将第七目标物体读取信息列表中每一第七目标物体读取信息与目标待识别物体匹配,以得到目标待识别物体的目标待识别物体读取信息列表。由于AR设备根据扫描到的物体对应的外观特征信息获取对应的用户ID,因此,当AR设备识别范围内存在1个以上外观匹配度大于预设外观匹配度阈值的目标物体时,会导致无法准确输出目标物体对应的用户ID的问题,因此,通过上述步骤避免了目标物体对应的用户ID与目标物体不匹配的问题。
在本发明实施例中,GWi通过如下步骤获取:
S10、当第i个目标物体到达任一物体中转站时,获取第i个目标物体对应的第一物体中转站信息;其中,所述第一物体中转站信息为第i个目标物体所在的物体中转站对应的物体中转站ID以及第i个目标物体到达第一物体中转站的时间。
具体地,所述中转站ID为中转站的唯一标识。
S20、将第i个目标物体对应的第一物体中转站信息加入至第i个目标物体对应的第二物体中转站信息中,以得到GWi;其中,所述第二物体中转站信息为第i个目标物体经过的每一物体中转站对应的物体中转站ID以及第i个目标物体到达每一物体中转站的时间。
S30、根据GWi,获取第三物体中转站信息Z3=(TZ3,DZ3);其中,TZ3为GWi中与当前时间最近的时间,DZ3为TZ3对应的物体中转站ID;
S40、获取GWi对应的关键用户信息GL=(DL,WL);其中,DL为关键用户对应的用户标识,WL为关键用户当前的经纬度坐标,所述关键用户为第i个目标用户;
S50、根据Z3和GL,获取关键时间差T0;其中,T0符合如下条件:T0=DT-TZ3,DT为当前时间;
S60、当DT>T20时,对处理器发送异常提示信息;否则,执行S70;其中,T20为第二预设时间阈值;
S70、根据Z3和GL,获取关键距离差GJ;其中,GJ为DZ3所处位置与WL之间的距离;
S80、当GJ>J0时,对处理器发送异常提示信息;其中,J0为预设距离阈值。
当在目标时间点后,预设位置处还存在未被提取的物体时,执行如下步骤:
获取目标时间点MT;其中,MT符合如下条件:MT=DT+T30,DT为目标物体到达预设位置的时间,T30为第三预设时间阈值。
在本发明实施例中,所述预设位置为物体放置处。
进一步地,所述预设位置处于第一拍摄位置的正下方。
进一步地,T30=[15min,45min]。
优选地,T30=30min,根据调查可知,一般情况下,用户会在半小时内从物体放置处取走自己的物体,当半小时后用户没有在物体放置处取走自己的物体时,可能是出现了异常情况,所述异常情况可以为遗漏物体或因故晚取走物体。
响应于到达MT,获取第二目标物体对应的第二目标物体图像列表A2=(A21,A22,……,A2r,……,A2R),r=1,2,……,R,R为第二目标物体的数量;其中,A2r为第r个第二目标物体的第二目标物体图像,所述第二目标物体为在MT时刻时处于预设位置的目标物体。
在本发明实施例中,当到达MT时,第一目标摄像机对预设位置处剩余的目标物体进行拍摄,以得到第二目标物体图像列表。
对每一第二目标物体图像进行图像特征提取,获取第二目标物体图像特征信息列表ZA2=(ZA21,ZA22,……,ZA2r,……,ZA2R);其中,ZA2r为A2r对应的第二目标物体图像特征信息。
根据A和ZA2,获取第二目标匹配度列表集X2=(X21,X22,……,X2r,……,X2R);其中,A2r对应的第二目标匹配度列表X2r=(X2r1,X2r2,……,X2ri,……,X2rm),X2ri为ZA2r与WAi之间的匹配度。
在本发明实施例中,所述匹配度可以理解为相似度,具体地,任意一种计算第二目标匹配度的方法均落入本发明保护范围内,在此不再赘述。
根据X2,获取第三目标匹配度列表X3=(X31,X32,……,X3r,……,X3R);其中,X3r为A2r对应的第三目标匹配度,X3r符合如下条件:X3r=max(X2r),max()为最大值确定函数。
根据X3,获取A2对应的最终物体信息列表FA=(FA1,FA2,……,FAr,……,FAR);其中,FAr为第A2r对应的最终物体信息,所述最终物体信息为第三目标匹配度对应的目标物体信息。
将FA传输至AR设备并对每个最终信息中的用户ID对应的终AR设备发送提示信息。
上述,通过响应于到达目标时间点的时刻,第一目标摄像机对在目标时间点处于预设位置的目标物体进行拍摄以得到第二目标物体图像列表,对每一第二目标物体图像进行图像特征提取,获取第二目标物体图像特征信息列表,计算第二目标物体图像特征信息与目标物体对应的外观特征信息之间的匹配度,已得到第二目标匹配度列表集,并根据第二目标匹配度列表集,得到第三目标匹配度列表,进而获取到最终物体信息列表,并将最终物体信息列表传输至AR设备并对每个最终信息中的用户ID对应的终AR设备发送提示信息。由于在用户拿取自己的物体时,易出现遗漏或误拿他人物体的情况,且AR设备存储空间有限,将在目标时间点后还没被用户取走的物体信息存储至AR设备,通过将被遗漏的物体信息提前存入AR设备中,避免了当用户着急需要自己遗漏的物体时需要在数据库中调用信息导致的时间效率低以及AR设备存储空间有限无法存储全部目标物体信息的问题,因此,在保证合理利用AR设备存储空间的前提下提高了调用物体信息的时间效率。
在本发明另一个实施例中,所述***还包括一个第二目标摄像机,所述第二目标摄像机设置在第二拍摄位置,用于拍摄已提取的目标物体的图像。
具体地,所述第二拍摄位置与所述第一拍摄位置不同。所述第二拍摄位置处于预设位置所在房间的出口处。
进一步地,FA还可通过如下步骤获取:
获取第三目标物体对应的第三目标物体信息列表A3=(A31,A32,……,A3g,……,A3G)g=1,2,……,G,G为第三目标物体信息的数量;其中,A3g为第g个第三目标物体信息,所述第三目标物体为在MT后未被所述第二目标摄像机拍摄的目标物体。
具体地,A3通过如下步骤获取:
获取在预设时间段内第二目标摄像机拍摄的第一目标物体图像列表TX1=(TX11,TX12,……,TX1b,……,TX1B),b=1,2,……,B,B为第一目标物体图像的数量;其中,TX1b为第b个第一目标物体图像,所述预设时间段为DT到MT之间的时间段。
具体地,当第二目标摄像机感应到有用户处于拍摄范围内且用户向目标方向走动时,拍摄图像。
对每一第一目标物体图像进行图像特征提取,获取第一目标物体图像特征信息列表TZ=(TZ1,TZ2,……,TZb,……,TZB);其中,TZb为TX1b对应的第一目标物体图像特征信息。
根据A和TZ,获取TX1对应的第一目标匹配度列表集XD=(XD1,XD2,……,XDb,……,XDB);其中,TX1b对应的第一目标匹配度列表XDb=(XDb1,XDb2,……,XDbi,……,XDbm),XDbi为TZb与WAi之间的第一目标匹配度。
根据XD,获取TX1对应的第二目标匹配度列表XD2=(XD21,XD22,……,XD2b,……,XD2B);其中,XD2b为TX1b对应的第二目标匹配度,XD2b=max(XDb)。
根据XD2,获取第四目标物体对应的第四目标物体信息A4=(A41,A42,……,A4b,……,A4B);其中,A4b为TX1b对应的第四目标物体信息,所述第四目标物体为XD2b对应的目标物体。
将A中除A4外的目标物体信息作为A3。
将A3作为FA并传输至AR设备。
上述,通过获取在预设时间段内第二目标摄像机拍摄的第一目标物体图像列表,对每一第一目标物体图像进行图像特征提取,获取第一目标物体图像特征信息列表,计算第一目标物体图像特征信息与目标物体对应的外观特征信息之间的匹配度,以得到第一目标匹配度列表集,根据第一目标匹配度列表集,获取第二目标匹配度列表,并根据第二目标匹配度列表,获取第四目标物体对应的第四目标物体信息,将目标物体信息列表中除第四目标物体信息外的目标物体信息作为第三目标物体信息,并将第三目标物体信息作为最终物体信息。由于在用户拿取自己的物体时,易出现遗漏或误拿他人物体的情况,且AR设备存储空间有限,将在目标时间点后还没被用户取走的物体信息存储至AR设备,通过将被遗漏的物体信息提前存入AR设备中,避免了当用户着急需要自己遗漏的物体时需要在数据库中调用信息导致的时间效率低以及AR设备存储空间有限无法存储全部目标物体信息的问题,因此,在保证合理利用AR设备存储空间的前提下提高了调用物体信息的时间效率。与本发明上一实施例相比,将摄像机设置在出口位置处用于拍摄已被提取的物体,可以更准确的判断出哪些物体已经被提取,避免了在预设位置处物体之间重叠而导致的判断不准确的问题,提高了最终物体信息列表的准确性。
在本发明另一实施例中,所述***还包括GPS定位设备和若干RFID标签,所述GPS定位设备安装在RFID标签上,用于获取目标物体的位置信息,所述RFID标签安装在目标物体上,用于记录目标物体信息。
具体地,所述RFID标签可为纸质材质、塑料材质或金属材质。
优选地,所述RFID标签为塑料材质;由于塑料材质不易被扯断且不易因误碰到水而失效,因此,提高了RFID标签的稳定性。
进一步地,所述GPS设备还可以安装在目标物体上;克服RFID标签在目标物体运输的过程中可能掉落的问题。
进一步地,FA还可通过如下步骤获取:
获取目标位置点MW;其中,所述目标位置点为物体提取处的中心位置点。
获取第五目标物体对应的第五目标物体信息列表A5=(A51,A52,……,A5q,……,A5Q),q=1,2,……,Q,Q为第五目标物体信息的数量;A5q为第q个第五目标物体信息,所述第五目标物体为在MT与MW之间的距离小于预设距离阈值J0的目标物体。
将A5作为FA并传输至AR设备。
上述,通过获取目标位置点,获取目标物体中在目标时间点与目标位置点的距离小于预设距离阈值的目标物体对应的信息作为第五目标物体信息列表,并将第五物体信息列表作为最终物体信息列表并传输至AR设备。由于在用户拿取自己的物体时,易出现遗漏或误拿他人物体的情况,且AR设备存储空间有限,将在目标时间点后还没被用户取走的物体信息存储至AR设备,通过将被遗漏的物体信息提前存入AR设备中,避免了当用户着急需要自己遗漏的物体时需要在数据库中调用信息导致的时间效率低以及AR设备存储空间有限无法存储全部目标物体信息的问题,因此,在保证合理利用AR设备存储空间的前提下提高了调用物体信息的时间效率。与本发明上一实施例相比,通过在目标物体上放置GPS设备,且每个GPS设备对应唯一且确定的一个目标物体,避免了摄像机拍摄不清楚导致最终物体信息不准确的问题,因此,提高了最终物体信息列表的准确性。
本发明的实施例还提供一种计算机程序产品,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (10)
1.一种物体识别的***,其特征在于,所述***包括:AR设备、数据库、若干RFID标签、处理器和存储有计算机程序的存储器,所述AR设备用于对物体进行扫描,所述RFID标签安装在目标物体上,所述数据库包括:若干目标物体对应的目标物体信息列表A=(A1,A2,……,Ai,……,Am),i=1,2,……,m,m为目标物体信息的数量,其中,第i个目标物体信息Ai=(DAi,LAi,WAi,GAi1,GAi2,……,GAit,……,GAiT(i)),DAi为第i个目标物体对应的用户标识,LAi为DAi对应的用户ID,WAi为第i个目标物体对应的外观特征信息,t=1,2,……,T(i),T(i)为DAi对应的用户已经过的目标位置点的数量,GAit为DAi对应的第t个目标位置点的目标位置点信息,所述目标位置点信息包括:目标位置点的经纬度坐标以及DAi对应的用户到达目标位置点的时间;
当计算机程序被处理器执行时,实现如下步骤:
S100、响应于AR设备扫描到的待识别物体,获取待识别物体信息A0=(WA0,TA0,GA0);其中,WA0为待识别物体的外观特征信息,TA0为AR设备扫描到待识别物体的时间,GA0为待识别物体所处的经纬度坐标,所述待识别物体为RFID标签掉落的目标物体;
S200、根据WA0,遍历A,获取第一目标物体信息列表A1=(A11,A12,……,A1j,……,A1n),j=1,2,……,n,n为第一目标物体信息的数量;其中,A1j为第j个第一目标物体信息,所述第一目标物体信息为与WA0的匹配度大于预设匹配度阈值X0的目标物体的外观特征信息对应的目标物体信息;
S300、当n>1时,根据A0和A1,获取第二目标物体信息列表A2=(A21,A22,……,A2h,……,A2H),h=1,2,……,H,H为第二目标物体信息的数量;其中,A2h为第h个第二目标物体信息,所述第二目标物体信息为在预设时间范围T0内与GA0的距离在预设距离范围J0内的位置点信息的第一目标物体信息;
S400、当H>1时,根据A2和A0,获取目标优先级列表Y1=(Y11,Y12,……,Y1h,……,Y1H);其中,Y1h为A2h对应的目标优先级,Y1h符合如下条件:,其中,JL0 h为A2h对应的位置点信息中距离GA0最近的位置点WA2h与GA0之间的距离,T1h为A2h对应的位置点信息中到达WA2h的时间;
S500、将Y1max对应的第二目标物体信息作为关键物体信息,并将关键物体信息对应的用户ID传输至AR设备中;其中,Y1max=max(Y1),max()为最大值确定函数。
2.根据权利要求1所述的***,其特征在于,所述***还包括物体检测设备,所述物体检测设备内部设置有n个关键摄像机,所述关键摄像机用于在检测到有目标物体经过物体检测设备时拍摄图像,WAi通过如下步骤获取:
S101、获取第i个目标物体对应的目标物体图像列表集TXi=(TXi1,TXi2,……,TXik,……,TXix),k=1,2,……,x,x为目标物体图像列表的数量;其中,第k个目标物体图像列表集TXik=(TXik1,TXik2,……,TXikc,……,TXikv(k)),c=1,2,……,v(k),v(k)为第k个关键摄像机拍摄的第i个目标物体的目标物体图像的数量,TXikc为第k个关键摄像机拍摄的第i个目标物体的第c个目标物体图像;
S102、对每一目标物体图像进行图像特征提取,获取目标物体图像特征维度列表集SWi=(SWi1,SWi2,……,SWik,……,SWix);其中,TXik对应的目标物体图像特征维度列表SWik=(SWik1,SWik2,……,SWikc,……,SWikv(k)),SWikc为TXikc对应的目标物体图像特征维度;
S103、获取TXi对应的目标物体图像清晰度列表集QWi=(QWi1,QWi2,……,QWik,……,QWix);其中,TXik对应的目标物体图像清晰度列表QWik=(QWik1,QWik2,……,QWikc,……,QWikv(k)),QWikc为TXikc对应的目标物体图像清晰度;
S104、根据SWi和QWi,获取TXi对应的第二优先级列表集Y2i=(Y2i1,Y2i2,……,Y2ik,……,Y2ix);其中,TXik对应的第二优先级列表Y2ik=(Y2ik1,Y2ik2,……,Y2ikc,……,Y2ikv(k)),Y2ikc为TXikc对应的第二优先级,Y2ikc符合如下条件:Y2ick=β×SWikc+γ×QWikc,其中,β为第一预设权重值,γ第二预设权重值,且β+γ=1;
S105、根据Y2i,获取第三优先级列表Y3i=(Y3i1,Y3i2,……,Y3ik,……,Y3ix);其中,Y3ik为第i个目标物体对应的第k个第三优先级,且Y3ik符合如下条件:Y3ik=max(Y2ik);
S106、根据Y3i,获取关键物体图像列表GTi=(GTi1,GTi2,……,GTik,……,GTix);其中,GTik为第i个目标物体对应的第k个关键物体图像,所述关键物体图像为第三优先级对应的目标物体图像;
S107、对GTi中的每一关键物体图像进行图像特征提取,以得到WAi。
3.根据权利要求1所述的***,其特征在于,所述***还包括至少一个RFID读取设备,所述RFID读取设备用于对RFID标签内的信息进行读取;将带有RFID标签的目标物体确定为目标待识别物体,当AR设备识别范围内存在1个以上目标待识别物体且目标待识别物体之间的外观匹配度大于X0时,目标待识别物体的目标待识别物体读取信息列表MA通过如下步骤获取:
S1、响应于AR设备扫描到的目标待识别物体,获取目标待识别物体对应的目标待识别物体外观特征信息WM;
S2、响应于RFID读取设备读取到的目标待识别物体,获取第六目标物体读取信息列表A6=(A61,A62,……,A6p,……,A6w),p=1,2,……,w,w为第六目标物体读取信息的数量;A6p为第p个第六目标物体读取信息,所述第六目标物体读取信息为与WM的匹配度大于X0的外观特征信息对应的物体读取信息,所述物体读取信息为RFID读取设备读取到的物体信息;
S3、响应于RFID读取设备读取到目标待识别物体RFID标签的时间,将每一第六目标物体信息根据从小到大的时间顺序进行排列,以得到第七目标物体读取信息列表A7=(A71,A72,……,A7p,……,A7w);其中,A7p为第p个第七目标物体读取信息;
S4、响应于AR设备扫描到目标待识别物体与AR设备之间的距离,获取目标待识别物体列表WD=(WD1,WD2,……,WDp,……,WDw);其中,WDp为第p个目标待识别物体,WD1距离AR设备的距离最远;
S5、将A7中每一第七目标物体读取信息与目标待识别物体匹配,以得到MA=(MA1,MA2,……,MAp,……,MAw);其中,MAp为WDp对应的目标待识别物体读取信息且MAp≌A7p。
4.根据权利要求1所述的***,其特征在于,所述数据库中还包括目标物体对应的目标物体轨迹信息列表GW=(GW1,GW2,……,GWi,……,GWm);其中,GWi为第i个目标物体对应的轨迹信息,当任一目标物体轨迹信息出现异常时,对处理器发送异常提示信息。
5.根据权利要求4所述的***,其特征在于,GWi通过如下步骤获取:
S10、当第i个目标物体到达任一物体中转站时,获取第i个目标物体对应的第一物体中转站信息;其中,所述第一物体中转站信息为第i个目标物体所在的物体中转站对应的物体中转站ID以及第i个目标物体到达第一物体中转站的时间;
S20、将第i个目标物体对应的第一物体中转站信息加入至第i个目标物体对应的第二物体中转站信息中,以得到GWi;其中,所述第二物体中转站信息为第i个目标物体经过的每一物体中转站对应的物体中转站ID以及第i个目标物体到达每一物体中转站的时间。
6.根据权利要求5所述的***,其特征在于,通过如下步骤对GWi进行判断:
S30、根据GWi,获取第三物体中转站信息Z3=(TZ3,DZ3);其中,TZ3为GWi中与当前时间最近的时间,DZ3为TZ3对应的物体中转站ID;
S40、获取GWi对应的关键用户信息GL=(DL,WL);其中,DL为关键用户对应的用户标识,WL为关键用户当前的经纬度坐标,所述关键用户为第i个目标用户;
S50、根据Z3和GL,获取关键时间差T0;其中,T0符合如下条件:T0=DT-TZ3,DT为当前时间;
S60、当DT>T20时,对处理器发送异常提示信息;否则,执行S70;其中,T20为第二预设时间阈值;
S70、根据Z3和GL,获取关键距离差GJ;其中,GJ为DZ3所处位置与WL之间的距离;
S80、当GJ>J0时,对处理器发送异常提示信息;其中,J0为预设距离阈值。
7.根据权利要求1所述的***,AR设备为头环式AR智能眼镜。
8.根据权利要求1所述的***,其特征在于,T10=[1h,3h]。
9.根据权利要求1所述的***,其特征在于,T10=2h。
10.根据权利要求2所述的***,其特征在于,β=0.5,γ=0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310524224.1A CN116258984B (zh) | 2023-05-11 | 2023-05-11 | 一种物体识别的*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310524224.1A CN116258984B (zh) | 2023-05-11 | 2023-05-11 | 一种物体识别的*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258984A CN116258984A (zh) | 2023-06-13 |
CN116258984B true CN116258984B (zh) | 2023-07-28 |
Family
ID=86688277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310524224.1A Active CN116258984B (zh) | 2023-05-11 | 2023-05-11 | 一种物体识别的*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258984B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006118882A (ja) * | 2004-10-19 | 2006-05-11 | Ntt Docomo Inc | 位置測位装置および位置測位方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150531A (zh) * | 2013-03-10 | 2013-06-12 | 周良文 | 基于rfid电子标签的私人物品监控*** |
US20180018627A1 (en) * | 2016-07-15 | 2018-01-18 | Alitheon, Inc. | Database records and processes to identify and track physical objects during transportation |
CN108805900B (zh) * | 2017-05-03 | 2021-04-16 | 杭州海康威视数字技术股份有限公司 | 一种跟踪目标的确定方法及装置 |
CN109561417B (zh) * | 2018-12-29 | 2021-12-03 | 出门问问信息科技有限公司 | 一种物品的防丢方法及装置 |
CN110443828A (zh) * | 2019-07-31 | 2019-11-12 | 腾讯科技(深圳)有限公司 | 对象跟踪方法和装置、存储介质及电子装置 |
CN112085134B (zh) * | 2020-09-09 | 2021-03-23 | 华清科盛(北京)信息技术有限公司 | 一种基于射频识别的机场行李识别***及方法 |
CN113205072A (zh) * | 2021-05-28 | 2021-08-03 | 上海高德威智能交通***有限公司 | 一种对象关联方法、装置及电子设备 |
CN114416905A (zh) * | 2022-01-19 | 2022-04-29 | 维沃移动通信有限公司 | 物品寻找方法、标签生成方法及其装置 |
CN115222341B (zh) * | 2022-09-20 | 2022-12-20 | 珠海翔翼航空技术有限公司 | 航班行李处理方法、***及设备 |
-
2023
- 2023-05-11 CN CN202310524224.1A patent/CN116258984B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006118882A (ja) * | 2004-10-19 | 2006-05-11 | Ntt Docomo Inc | 位置測位装置および位置測位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116258984A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11703345B2 (en) | Hands-free augmented reality system for picking and/or sorting assets | |
US10853702B2 (en) | Method and apparatus for checkout based on image identification technique of convolutional neural network | |
US10853705B2 (en) | Collation/retrieval system, collation/retrieval server, image feature extraction apparatus, collation/retrieval method, and program | |
CN109858435B (zh) | 一种基于脸部图像的小熊猫个体识别方法 | |
CN110033386B (zh) | 车辆事故的鉴定方法及装置、电子设备 | |
EP2985553B1 (en) | Method for managing storage product in refrigerator using image recognition, and refrigerator for same | |
US9087245B2 (en) | Portable terminal and computer program for locating objects with RFID tags based on stored position and direction data | |
US11709282B2 (en) | Asset tracking systems | |
CN111512317A (zh) | 一种多目标实时跟踪方法、装置及电子设备 | |
KR20190106853A (ko) | 텍스트 인식 장치 및 방법 | |
CN109034694B (zh) | 基于智能制造的生产原料智能存储方法及*** | |
CN115004269A (zh) | 监视装置、监视方法及程序 | |
CN111869586B (zh) | 一种动物戴标装置和动物耳标戴标及识别*** | |
US20060269100A1 (en) | Composite marker and composite marker information acquisition apparatus | |
CN114299546A (zh) | 识别宠物身份的方法、装置、存储介质及电子设备 | |
CN116258984B (zh) | 一种物体识别的*** | |
Peng et al. | Product barcode and expiry date detection for the visually impaired using a smartphone | |
CN116597182B (zh) | 一种传输物体信息的*** | |
CN115937743B (zh) | 基于图像融合的婴幼儿看护行为识别方法、装置及*** | |
CN116152675A (zh) | 一种基于深度学习的无人机救援方法及*** | |
US20220048521A1 (en) | Server apparatus, system, vehicle-mounted apparatus, medium, vehicle, and method of operating system | |
TW202004551A (zh) | 攝像裝置、影像處理系統及方法 | |
CN111079617A (zh) | 家禽识别方法、装置、可读存储介质及电子设备 | |
US20200134862A1 (en) | Mapping multiple views to an identity | |
CN113163167B (zh) | 图像获取方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |