JP6778314B1 - 画像処理システム、画像処理方法、及び画像処理プログラム - Google Patents
画像処理システム、画像処理方法、及び画像処理プログラム Download PDFInfo
- Publication number
- JP6778314B1 JP6778314B1 JP2019236257A JP2019236257A JP6778314B1 JP 6778314 B1 JP6778314 B1 JP 6778314B1 JP 2019236257 A JP2019236257 A JP 2019236257A JP 2019236257 A JP2019236257 A JP 2019236257A JP 6778314 B1 JP6778314 B1 JP 6778314B1
- Authority
- JP
- Japan
- Prior art keywords
- image
- predetermined
- unit
- moving image
- image processing
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
図1は、本発明の実施の形態に係る画像処理システムの概要を示す。
本実施形態に係る画像処理システム1は、複数のオブジェクトを含む領域の動画を撮像し、撮像した動画から所定のオブジェクト及び/又は当該所定のオブジェクトに記載されている情報を自動的に抽出するシステムである。例えば、画像処理システム1は、撮像領域に複数の領収書(複数の領収書は、互いに形状・サイズ、表面の記載様式が異なっていてよい)、名刺、その他の紙片が複数存在している状態を動画撮像した場合に、これらの中から特定のオブジェクト、一例として、当該複数の領収書及び/又は当該複数の領収書に記載の情報を自動的に抽出する。画像処理システム1は、撮像領域にオブジェクトの少なくとも一部が含まれ、当該オブジェクトが所定のオブジェクトであるか否かを適切に抽出できないと判断した場合、適切に抽出できないと判断したオブジェクトが存在すると推定される領域をユーザにリアルタイムで分かりやすく通知することができる。この通知により、ユーザが当該オブジェクトについて再び動画を撮像することで、画像処理システム1は当該オブジェクトを動画から適切に抽出することができる。
図2は、本発明の実施の形態に係る画像処理システムの機能構成の一例を示す。
画像処理システム1は、動画を撮像する動画撮像部10と、動画から動画構成画像を抽出する構成画像抽出部12と、動画構成画像中のオブジェクトを検出するオブジェクト判断部14と、オブジェクトの特徴量を抽出する特徴量抽出部16と、オブジェクトのエッジを検出するエッジ検出部18と、関心領域を検出する関心領域検出部20と、動画構成画像間の類似度を判断するマッチング処理部22と、クラスタリングを実行するクラスタリング部26と、ノイズを除去するノイズフィルタリング部28と、オーバーレイを実行するオーバーレイ部30と、代表画像を選択する代表画像選択部32と、画像に所定の処理を施す画像処理部34と、オブジェクトの方向を調整する方向調整部36と、所定の情報を格納する情報格納部38と、学習モデルを生成する学習モデル生成部40と、所定の情報の入力を受け付ける入力部42と、所定の情報を出力する出力部44と、オブジェクト表面のテキストデータ等を読み取る読取部46とを備える。
(動画撮像部10、構成画像抽出部12)
動画撮像部10は、撮像領域の動画を撮像する。動画撮像部10は、撮像領域に含まれる複数のオブジェクトを動画で撮像する。なお、動画撮像部10は、フレームレートを適宜調整して動画を撮像してもよい。動画撮像部10は、撮像した動画を構成画像抽出部12に供給する。構成画像抽出部12は、動画撮像部10から受け取った動画から動画構成画像を抽出する。構成画像抽出部12は、動画から複数の動画構成画像を抽出する。ここで、動画構成画像とは、フレーム画像、フィールド画像、及びその他の動画を構成する様々な形式の画像である。構成画像抽出部12は、抽出した動画構成画像をオブジェクト判断部14、特徴量抽出部16、エッジ検出部18、及び関心領域検出部20に供給する。
オブジェクト判断部14は、構成画像抽出部12から受け取った動画構成画像に所定のオブジェクトが含まれているか否か(所定のオブジェクトが存在している可能性があるか否かを含む。以下同じ。)を判断する。オブジェクト判断部14は、動画構成画像に所定のオブジェクトが含まれているか否かや、所定のオブジェクトの動画構成画像中における位置及び/又は所定のオブジェクトが動画構成画像中で占める領域を判断する。オブジェクト判断部14は、既知の画像認識技術や機械学習を用いて当該判断を実行できる。例えば、オブジェクト判断部14は、所定のオブジェクトの特徴(オブジェクトの画像等の特徴)に関する予め準備した学習モデルを用いて動画構成画像に所定のオブジェクトが含まれているか否か判断する。すなわち、オブジェクト判断部14は、ニューラルネットワークを用いて大量の所定のオブジェクトの画像について学習させることにより構築された学習モデルを用いた推論処理により、所定のオブジェクトが動画構成画像に含まれているか否かを判断する。例えば、オブジェクト判断部14は、動画構成画像から抽出されるオブジェクトの画像中での特徴と当該学習モデルとを用い、動画構成画像に所定のオブジェクトが存在している可能性があるか否か、及び動画構成画像の各オブジェクトが所定のオブジェクトであるか否かを判断する。なお、後述する特徴量抽出部16の抽出結果とエッジ検出部18の検出結果との双方を併用することで、オブジェクト判断部14における判断の精度を向上させることができる。
特徴量抽出部16は、動画構成画像に含まれるオブジェクトの特徴点等の特徴量を抽出する。特徴量抽出部16は、構成画像抽出部12から受け取った動画構成画像に含まれるオブジェクトであって、オブジェクト判断部14が所定のオブジェクト及び/又は所定のオブジェクトである可能性があると判断したオブジェクトの特徴点等の特徴量を抽出する(以下、特に言及しない限り、「所定のオブジェクト」とは、所定のオブジェクト及び所定のオブジェクトである可能性があるオブジェクトの双方を含むものとする。)。特徴量抽出部16は、動画構成画像に含まれる1つ以上の所定のオブジェクトそれぞれの1つ以上の特徴点及び各特徴点等の特徴量を抽出できる。本実施形態において、一のオブジェクトの1つ以上の特徴点を特徴点群と称する場合がある。また、特徴量抽出部16は、動画構成画像において、所定のオブジェクトが含まれていないと判断された領域の特徴量を削除することもできる。つまり、特徴量抽出部16は、所定のオブジェクトの特徴量(群)を除く他の特徴量(群)を削除できる。なお、特徴量抽出部16が抽出した特徴量(群)からオブジェクトのエッジ推定が可能である場合、エッジ検出部18のエッジ検出処理及び/又は後述する関心領域検出部20の関心領域検出処理を省略できる。
エッジ検出部18は、構成画像抽出部12から受け取った動画構成画像に含まれるオブジェクトのエッジを動画構成画像の各ピクセル間の輝度差等に基づいて検出する。なお、本実施形態においては、特徴量抽出部16が抽出した特徴量を用いてオブジェクトのエッジ推定ができる。ここで、画像処理システム1は、エッジ検出部18を併用することで、エッジ検出の精度を向上させることができる。例えば、オブジェクトの色と背景の色とのコントラストが所定レベル以上の場合であってオブジェクトの形状が略四辺形の場合、エッジ検出部18がオブジェクトのエッジを検出することで、当該オブジェクトのエッジをより精度よく特定できる。エッジ検出部18は、検出したエッジに関する情報をオブジェクト判断部14に供給する。
関心領域検出部20は、構成画像抽出部12から受け取った動画構成画像から関心領域(Region of Interest:ROI)を検出する。関心領域検出部20は、検出した関心領域を用い関心領域画像を生成してもよい。関心領域検出部20における関心領域の検出アルゴリズムとしては、従来公知の様々なアルゴリズムを採用できる。関心領域検出部20は、例えば、動画構成画像から所定のオブジェクトの表面に記載された各種の情報の領域を検出する。具体的に、関心領域検出部20は、所定のオブジェクトを認識する場合において、予め関心領域を検出する学習をさせることで、所定のオブジェクトの表面に記載された各種の情報の領域を認識することができるようになる。例えば、所定のオブジェクトが領収書である場合、関心領域検出部20は、領収書に記載の日付、金額、電話番号等の領域を認識し、検出する。関心領域検出部20の検出結果を特徴量抽出部16の抽出結果等と併用することで、後述するマッチング処理部22でのマッチング処理や情報の読み取り、そして情報抽出の精度を向上させることができる。
マッチング処理部22は、特徴量抽出部16が抽出した1以上の特徴量の情報、及び/又は関心領域検出部20が検出した関心領域の情報に基づいて、動画構成画像間の類似性の情報を取得する。具体的に、マッチング処理部22は、所定のオブジェクトの複数の特徴量の動画構成画像間の類似度を判断する。マッチング処理部22は、所定のオブジェクトが動画構成画像に含まれているとオブジェクト判断部14が判断した場合、一の動画構成画像に含まれている1以上の所定のオブジェクトそれぞれと、他の動画構成画像に含まれている1以上の所定のオブジェクトそれぞれとの類似度を判断する。すなわち、マッチング処理部22は、特徴量抽出部16が抽出した複数の特徴量に基づいて類似度を判断する。例えば、マッチング処理部22は、一の動画構成画像に含まれている1以上の所定のオブジェクトそれぞれの1以上の特徴量と、他の動画構成画像に含まれている対応する1以上の所定のオブジェクトそれぞれの1以上の特徴量とを比較する。そして、マッチング処理部22は、例えば、一の動画構成画像に含まれる一の所定のオブジェクトの複数の特徴量と他の動画構成画像に含まれる一の所定のオブジェクトの複数の特徴量との重なり度合いが高いほど、一の動画構成画像の一の所定のオブジェクトと他の動画構成画像の一の所定のオブジェクトとの類似度が高いと判断する。マッチング処理部22は、マッチング結果を示す情報(類似度の判断結果を示す情報)を、クラスタリング部26、オーバーレイ部30、代表画像選択部32に供給する。
クラスタリング部26は、特徴量、特徴量群、及び/又は関心領域に関する情報に基づき動画構成画像を分類する。すなわち、クラスタリング部26は、画像の特徴量に基づいて動画構成画像を分類することができる(一例として、クラスタリング部26は、Deep NeuralNetwork(DNN)を用いて分類を実行できる。)。また、例えば、クラスタリング部26は、マッチング処理部22から受け取ったマッチング結果を示す情報を用い、動画構成画像を分類(クラスタリング)することができる。クラスタリング部26は、動画撮像中、リアルタイムでクラスタリングを実行することもできる。これにより、複数の動画構成画像のそれぞれに表示されている一のオブジェクトが、すべて同一の一のオブジェクトと認識されることになる。なお、クラスタリング部26は、従来公知のクラスタリングのアルゴリズムを用いてよい。クラスタリング部26は、クラスタリングの結果をノイズフィルタリング部28、代表画像選択部32に供給する。
図4は、本実施形態に係るノイズフィルタリングの一例の概要を示す。図4においては左から右に向けて時間が進行している様子を示す。
オーバーレイ部30は、類似度に基づき、動画構成画像中の所定のオブジェクトが存在する領域、及び/又は所定のオブジェクトが存在している可能性がある領域に所定の情報をオーバーレイする。具体的に、オーバーレイ部30は、マッチング処理部22から受け取ったマッチング結果を示す情報、すなわち、類似度の判断結果を示す情報と、オブジェクト判断部14が所定のオブジェクト及び/又は所定のオブジェクトが存在している可能性があると判断した結果(所定のオブジェクトの動画構成画像中での位置情報を含む)とに基づいて、動画構成画像中の所定のオブジェクトが存在する領域、及び所定のオブジェクトが存在している可能性がある領域に所定の情報をオーバーレイする。オーバーレイ部30は、オブジェクト判断部14及びマッチング処理部22の結果に基づき、オーバーレイをリアルタイムで実行することもできる。
代表画像選択部32は、所定のオブジェクトを含む複数の動画構成画像から、所定のオブジェクトが存在する領域が認識された動画構成画像を代表画像として、特徴量に基づいて選択する。代表画像選択部32は、後述する画像処理部34における画像処理や、読取部46における情報の読み取りを適切に実行する観点から、複数の動画構成画像から質の高い動画構成画像を選択する。例えば、代表画像選択部32は、クラスタリング部26の分類結果に基づいて代表画像を選択する。すなわち、代表画像選択部32は、クラスタリング部26によって分類された一のグループに含まれる1以上の動画構成画像を参照し、各動画構成画像に含まれる一の所定のオブジェクトの1以上の特徴量をそれぞれ比較して、一例として、特徴量の数がより多い一の所定のオブジェクトを含む動画構成画像を代表画像として選択してよい。
図5は、本実施形態に係る画像処理の一例の概要を示す。
方向調整部36は、代表画像に含まれる所定のオブジェクトの方向を調整する。すなわち、画像処理部34において画像処理が施された画像に含まれる所定のオブジェクトの向きは、所定の方向に揃っているとは限らない。したがって、方向調整部36は、後述する読取部46における情報の取り込み/入力を適切に実行することを目的として、画像に含まれる所定のオブジェクトの向きを所定の方向に揃える処理を実行する。例えば、画像処理部34におけるアフィン変換を経て長方形に変更された画像の向きは、当該長方形の長辺を規準にした場合、一例として、当該基準に対して長辺が、0°、90°、180°、270°等の4つの状況をとることが考えられる。方向調整部36は、画像処理部34におけるアフィン変換等の画像処理後に得られる画像に含まれる所定のオブジェクト(例えば、領収書等の長方形状を有するオブジェクト)の向きを、一例として、正面視にて縦長の方向(つまり、情報端末2等の表示部を正面から観察した場合に、水平方向に短辺が位置し、垂直方向に長辺が位置する方向)になるように画像を回転する処理を実行する。これにより、方向調整部36は、代表画像に含まれる所定のオブジェクトの方向を所定の方向に揃えることができる。方向調整部36は、方向を調整した後の代表画像を情報格納部38、読取部46に供給する。
情報格納部38は、方向が調整された代表画像、すなわち、読取部46における読取処理に適した代表画像を格納する。情報格納部38は、ユーザを識別するユーザIDに対応付けて、当該代表画像、当該代表画像を含む動画の撮像年月日、撮像時刻等の情報を格納する。なお、情報格納部38に格納される各種の情報は、情報端末2や、外部のサーバ(例えば、画像処理システム1の外部のサーバであって、会計処理や経理処理等に用いるサーバ等)に供給することができる。
読取部46は、方向調整部36から受け取った方向が調整された代表画像に含まれるオブジェクト表面に記載された各種の情報を読み取る。読取部46は、例えば、Optical Character Recognition/Reader(OCR)等を利用し、オブジェクト表面に記載された各種の情報を読み取る。一例として、オブジェクトが領収書である場合、読取部46が読み取る情報は、日付、金額、電話番号等の情報である。読取部46は、読み取った情報を情報格納部38に格納させることができる。情報格納部38は、ユーザIDに対応付けて、情報の読み取りに用いた代表画像の撮像年月日、撮像時刻に関する情報と共に、読み取った情報を格納する。
入力部42は、ユーザからの各種情報や所定の指示の入力を受け付ける。入力部42は、例えば、情報端末2のタッチパネル、キーボード、マウス、マイク等である。入力部42は、画像処理システム1の所定の構成要素に当該所定の指示を供給する。当該所定の指示を受け付けた各構成要素はそれぞれ所定の機能を発揮する。
出力部44は、画像処理システム1において実行された各種の処理結果を出力する。出力部44は、各種の処理結果や格納している情報をユーザが知覚可能に出力する。具体的に出力部44は、各種処理結果や格納している情報を、静止画像、動画像、音声、テキスト、及び/又は振動や光等の物理現象等として出力する。例えば、出力部44は、情報端末2の表示部、スピーカー等である。
図6は、本実施形態に係る画像処理システムの処理の流れの一例を示す。また、図7は、本実施形態に係る画像処理システムの処理の流れの一部の概要を示す。
図1〜図8に示した本実施形態に係る画像処理システム1が備える各構成要素は、中央演算処理装置(Central Processing Unit:CPU)等の演算処理装置にプログラム(すなわち、画像処理プログラム)を実行させること、つまり、ソフトウェアによる処理により実現できる。また、集積回路(Integrated Circuit:IC)等の電子部品としてのハードウェアにプログラムを予め書き込むことで実現することもできる。なお、ソフトウェアとハードウェアとを併用することもできる。
本実施の形態に係る画像処理システム1は、各種のオブジェクトを撮像した動画の動画構成画像に所定のオブジェクトが含まれているか否か判断し、所定のオブジェクト及び/又は所定のオブジェクトと考えられるオブジェクトが含まれていると判断した場合に、各所定のオブジェクト及び/又は各所定のオブジェクトと考えられるオブジェクトの特徴量群を抽出する。そして、画像処理システム1は、抽出した特徴量群の動画構成画像間における類似度を判断し、この判断結果に基づいて、所定のオブジェクトが存在している領域、及び/又は所定のオブジェクトと考えられるオブジェクトが存在している可能性のある領域に所定のマークや画像をオーバーレイし、情報端末2に出力させることができる。
2 情報端末
3 サーバ
4 通信網
10 動画撮像部
12 構成画像抽出部
14 オブジェクト判断部
16 特徴量抽出部
18 エッジ検出部
20 関心領域検出部
22 マッチング処理部
26 クラスタリング部
28 ノイズフィルタリング部
30 オーバーレイ部
32 代表画像選択部
34 画像処理部
36 方向調整部
38 情報格納部
40 学習モデル生成部
42 入力部
44 出力部
46 読取部
80、80a、81、82、83、84、85、86、87、88、89、89a オブジェクト
90 オブジェクト
100 撮像領域
200 結果
202、204 内容
300、302、304 特徴量群
600、602、604、606 クラスタ
610 クラスタ群
700 クラスタ群
800 クラスタ
Claims (10)
- 複数のオブジェクトを動画で撮像する動画撮像部と、
前記動画の動画構成画像を抽出する構成画像抽出部と、
前記動画構成画像に所定のオブジェクトが含まれているか否か判断するオブジェクト判断部と、
前記オブジェクト判断部が前記所定のオブジェクトの少なくとも一部が含まれていると判断した一の動画構成画像及び他の動画構成画像について、前記一の動画構成画像内の前記所定のオブジェクトの特徴量と前記他の動画構成画像内の前記所定のオブジェクトの特徴量との間の類似度を判断するマッチング処理部と、
前記類似度が所定値以上の場合、前記動画構成画像中の前記所定のオブジェクトが占める領域に所定の情報をオーバーレイし、前記類似度が所定値未満の場合、前記所定のオブジェクトの一部が占める領域に前記所定の情報とは異なる所定の情報をオーバーレイするオーバーレイ部と
を備える画像処理システム。 - 前記オブジェクト判断部が、前記所定のオブジェクトの特徴量に関する予め準備した学習モデルを用いて前記判断を実行する請求項1に記載の画像処理システム。
- 前記オーバーレイ部が、前記オーバーレイをリアルタイムで実行する請求項1又は2に記載の画像処理システム。
- 前記動画構成画像に含まれる前記オブジェクトのエッジを検出するエッジ検出部
を更に備え、
前記オブジェクト判断部が、前記特徴量と前記エッジ検出部の検出結果との双方に基づいて前記判断を実行する請求項1〜3のいずれか1項に記載の画像処理システム。 - 前記動画構成画像から、前記所定のオブジェクトが存在する領域が認識された代表画像を選択する代表画像選択部
を更に備える請求項1〜4のいずれか1項に記載の画像処理システム。 - 前記特徴量に基づき、前記動画構成画像をクラスタリングするクラスタリング部
を更に備え、
前記代表画像選択部が、前記クラスタリングの結果を用い、前記代表画像を選択する請求項5に記載の画像処理システム。 - 前記代表画像に所定の画像処理を施す画像処理部と、
前記代表画像に含まれる前記所定のオブジェクトの方向を調整する方向調整部と
を更に備える請求項5又は6に記載の画像処理システム。 - 画像処理システム用の画像処理方法であって、
複数のオブジェクトを含む動画の動画構成画像を抽出する構成画像抽出工程と、
前記動画構成画像に所定のオブジェクトが含まれているか否か判断するオブジェクト判断工程と、
前記オブジェクト判断工程において前記所定のオブジェクトの少なくとも一部が含まれていると判断された一の動画構成画像及び他の動画構成画像について、前記一の動画構成画像内の前記所定のオブジェクトの特徴量と前記他の動画構成画像内の前記所定のオブジェクトの特徴量との間の類似度を判断するマッチング処理工程と、
前記類似度が所定値以上の場合、前記動画構成画像中の前記所定のオブジェクトが占める領域に所定の情報をオーバーレイし、前記類似度が所定値未満の場合、前記所定のオブジェクトの一部が占める領域に前記所定の情報とは異なる所定の情報をオーバーレイするオーバーレイ工程と
を備える画像処理方法。 - 画像処理システム用の画像処理プログラムであって、
コンピュータに、
複数のオブジェクトを含む動画の動画構成画像を抽出する構成画像抽出機能と、
前記動画構成画像に所定のオブジェクトが含まれているか否か判断するオブジェクト判断機能と、
前記オブジェクト判断機能において前記所定のオブジェクトの少なくとも一部が含まれていると判断された一の動画構成画像及び他の動画構成画像について、前記一の動画構成画像内の前記所定のオブジェクトの特徴量と前記他の動画構成画像内の前記所定のオブジェクトの特徴量との間の類似度を判断するマッチング処理機能と、
前記類似度が所定値以上の場合、前記動画構成画像中の前記所定のオブジェクトが占める領域に所定の情報をオーバーレイし、前記類似度が所定値未満の場合、前記所定のオブジェクトの一部が占める領域に前記所定の情報とは異なる所定の情報をオーバーレイするオーバーレイ機能と
を実現させる画像処理プログラム。 - 複数のオブジェクトを含む動画の動画構成画像を抽出する構成画像抽出部と、
前記動画構成画像に所定のオブジェクトが含まれているか否か判断するオブジェクト判断部と、
前記オブジェクト判断部が前記所定のオブジェクトの少なくとも一部が含まれていると判断した一の動画構成画像及び他の動画構成画像について、前記一の動画構成画像内の前記所定のオブジェクトの特徴量と前記他の動画構成画像内の前記所定のオブジェクトの特徴量との間の類似度を判断するマッチング処理部と、
前記類似度が所定値以上の場合、前記動画構成画像中の前記所定のオブジェクトが占める領域に所定の情報をオーバーレイし、前記類似度が所定値未満の場合、前記所定のオブジェクトの一部が占める領域に前記所定の情報とは異なる所定の情報をオーバーレイするオーバーレイ部と
を備える画像処理サーバ。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019236257A JP6778314B1 (ja) | 2019-12-26 | 2019-12-26 | 画像処理システム、画像処理方法、及び画像処理プログラム |
JP2020170888A JP2021105983A (ja) | 2019-12-26 | 2020-10-09 | 画像処理システム、画像処理方法、及び画像処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019236257A JP6778314B1 (ja) | 2019-12-26 | 2019-12-26 | 画像処理システム、画像処理方法、及び画像処理プログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020170888A Division JP2021105983A (ja) | 2019-12-26 | 2020-10-09 | 画像処理システム、画像処理方法、及び画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6778314B1 true JP6778314B1 (ja) | 2020-10-28 |
JP2021105802A JP2021105802A (ja) | 2021-07-26 |
Family
ID=72938172
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019236257A Active JP6778314B1 (ja) | 2019-12-26 | 2019-12-26 | 画像処理システム、画像処理方法、及び画像処理プログラム |
JP2020170888A Pending JP2021105983A (ja) | 2019-12-26 | 2020-10-09 | 画像処理システム、画像処理方法、及び画像処理プログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020170888A Pending JP2021105983A (ja) | 2019-12-26 | 2020-10-09 | 画像処理システム、画像処理方法、及び画像処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP6778314B1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2023074235A1 (ja) * | 2021-10-27 | 2023-05-04 | ||
WO2023171412A1 (ja) * | 2022-03-08 | 2023-09-14 | 三菱電機株式会社 | 設計支援装置、および学習装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6090927B2 (ja) * | 2013-06-28 | 2017-03-08 | Kddi株式会社 | 映像区間設定装置及びプログラム |
JP6305856B2 (ja) * | 2014-07-11 | 2018-04-04 | Kddi株式会社 | 画像処理装置、画像処理方法、およびプログラム |
JP6539844B2 (ja) * | 2015-03-27 | 2019-07-10 | 株式会社日本デジタル研究所 | 証憑イメージ取得方法およびこれを用いた会計処理システム |
JP6554193B1 (ja) * | 2018-01-30 | 2019-07-31 | 三菱電機インフォメーションシステムズ株式会社 | 記入領域抽出装置および記入領域抽出プログラム |
JP7188906B2 (ja) * | 2018-04-24 | 2022-12-13 | 東芝テック株式会社 | 動画配信装置及び情報処理プログラム |
-
2019
- 2019-12-26 JP JP2019236257A patent/JP6778314B1/ja active Active
-
2020
- 2020-10-09 JP JP2020170888A patent/JP2021105983A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2021105802A (ja) | 2021-07-26 |
JP2021105983A (ja) | 2021-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9754164B2 (en) | Systems and methods for classifying objects in digital images captured using mobile devices | |
CN110008944A (zh) | 基于模板匹配的ocr识别方法及装置、存储介质 | |
CN103975342B (zh) | 用于移动图像捕获和处理的***和方法 | |
US8373905B2 (en) | Semantic classification and enhancement processing of images for printing applications | |
JP5050075B2 (ja) | 画像判別方法 | |
US9241102B2 (en) | Video capture of multi-faceted documents | |
US20080104011A1 (en) | Retrieval System and Retrieval Method | |
WO2019061658A1 (zh) | 眼镜定位方法、装置及存储介质 | |
US10140510B2 (en) | Machine print, hand print, and signature discrimination | |
CN109903210B (zh) | 水印的去除方法、装置和服务器 | |
US10455163B2 (en) | Image processing apparatus that generates a combined image, control method, and storage medium | |
CN109559344B (zh) | 边框检测方法、装置及存储介质 | |
JP6778314B1 (ja) | 画像処理システム、画像処理方法、及び画像処理プログラム | |
WO2022089170A1 (zh) | 字幕区域识别方法、装置、设备及存储介质 | |
US11574492B2 (en) | Efficient location and identification of documents in images | |
US10452943B2 (en) | Information processing apparatus, control method of information processing apparatus, and storage medium | |
CN114445843A (zh) | 固定版式的卡证图像文字识别方法和装置 | |
JP2014229314A (ja) | テキスト検出の方法及び装置 | |
CN111062377B (zh) | 一种题号检测方法、***、存储介质及电子设备 | |
JP6815712B1 (ja) | 画像処理システム、画像処理方法、画像処理プログラム、画像処理サーバ、及び学習モデル | |
JP2007011762A (ja) | 領域抽出装置及び領域抽出方法 | |
US20240095971A1 (en) | Image processing system, image processing method, and non-transitory computer-readable medium | |
EP4202857A1 (en) | Texture-based authentication of digital identity documents | |
Elmore et al. | A morphological image preprocessing suite for ocr on natural scene images | |
Kofler et al. | Gestural interaction for an automatic document capture system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191226 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191226 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200703 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200706 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200814 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201009 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6778314 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |