[go: up one dir, main page]

CN103870828B - 图像相似度判断系统及方法 - Google Patents

图像相似度判断系统及方法 Download PDF

Info

Publication number
CN103870828B
CN103870828B CN201210547372.7A CN201210547372A CN103870828B CN 103870828 B CN103870828 B CN 103870828B CN 201210547372 A CN201210547372 A CN 201210547372A CN 103870828 B CN103870828 B CN 103870828B
Authority
CN
China
Prior art keywords
image
similarity
gray
gray level
feature vector
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
Application number
CN201210547372.7A
Other languages
English (en)
Other versions
CN103870828A (zh
Inventor
朱健健
熊雨凯
陆欣
刘慧丰
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.)
Shenzhen Yuzhan Precision Technology Co ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Shenzhen Yuzhan Precision Technology Co ltd
Hon Hai Precision Industry 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 Shenzhen Yuzhan Precision Technology Co ltd, Hon Hai Precision Industry Co Ltd filed Critical Shenzhen Yuzhan Precision Technology Co ltd
Priority to CN201210547372.7A priority Critical patent/CN103870828B/zh
Priority to TW101149636A priority patent/TWI532014B/zh
Priority to US14/100,012 priority patent/US9076066B2/en
Publication of CN103870828A publication Critical patent/CN103870828A/zh
Application granted granted Critical
Publication of CN103870828B publication Critical patent/CN103870828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching

Landscapes

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

Abstract

一种图像相似度判断系统，应用于图像处理装置中。该系统将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像。其次根据第一灰度图像与第二灰度图像提取第一图像与第二图像的特征向量，该第一图像与第二图像的特征向量为每一灰度值的像素点占总像素点的比例的集合。然后根据第一图像的特征向量与第二图像的特征向量计算第一图像与第二图像之间的相似度最后将第一图像与第二图像之间相似度与预设阈值作比较以判断第一图像与第二图像是否相似并输出判断结果。本发明的图像相似度判断方法简单且可提高图像相似度判断结果的准确性。

Description

图像相似度判断系统及方法
技术领域
本发明涉及一种图像相似度判断系统及方法。
背景技术
图像检索是互联网检索领域的重要技术之一。目前的图像检索大多都是通过比较图像之间相似度的方法而实现。比较图像相似度的方法有很多，比较常用的为基于像素点比较方法和统计图像基本特征的方法。基于像素点比较的方法是将目标图像与原图像的所有像素点按照先后顺序直接逐个像素进行比较，再通过求欧氏距离得到目标图像与原图像的相似度。这种方法需要将图像中的像素点逐个进行比较，耗时比较长，算法的复杂度高。而基于统计图像的基本特征的比较方法，是通过提取原图像与目标图像的基本特征，比如灰度统计特征(灰度直方图)和图像纹理特征(对灰度共生矩阵统计的能量、熵，惯性矩，局部平稳性等)，然后将得到的原图像与目标图像的基本特征值进行比较得到图像间的相似度。这种比较图像相似度的方法是基于统计的特征，反映出来的是图像的全局性，不能很好的反映出图像的局部特征，所以比较结果会存在较大的误差。因此，如何提高图像相似度判断结果的准确性且简化算法是目前急需解决的一大课题。
发明内容
鉴于以上内容，有必要提供一种图像相似度判断系统，该系统包括：图像灰度化模块，用于将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像；特征向量提取模块，用于根据第一灰度图像与第二灰度图像提取第一图像与第二图像的特征向量，该第一图像与第二图像的特征向量为每一灰度值的像素点占总像素点的比例的集合；相似度计算模块，用于根据第一图像的特征向量与第二图像的特征向量计算第一图像与第二图像之间的相似度；相似度判断模块，用于将第一图像与第二图像之间相似度与预设阈值作比较，根据比较结果判断第一图像与第二图像是否相似并输出判断结果。
还有必要提供一种图像相似度判断方法，该方法包括：图像灰度化步骤，将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像；特征向量提取步骤，根据第一灰度图像与第二灰度图像提取第一图像与第二图像的特征向量，该第一图像与第二图像的特征向量为每一灰度值的像素点占总像素点的比例的集合；相似度计算步骤，根据第一图像的特征向量与第二图像的特征向量计算第一图像与第二图像之间的相似度；相似度判断步骤，将第一图像与第二图像之间相似度与预设阈值作比较，根据比较结果判断第一图像与第二图像是否相似并输出判断结果。
相较于现有技术，该图像相似度判断系统及方法，根据每一灰值像素点数目占像素点总数目的比例作为二图像的特征向量，然后针对二图像的特征向量计算相似度。本发明综合考虑图像的全局性特点及局部的像素特点，提高了图像相似度计算结果的准确性，且算法简单。
附图说明
图1是本发明图像相似度判断系统运行环境的硬件架构图。
图2是本发明图像相似度判断方法较佳实施例的流程图。
主要元件符号说明
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
如图1所示，是本发明图像相似度判断系统运行环境的硬件架构图。该图像相似度判断系统10应用于图像处理装置1中。在本实施例中，该图像处理装置1可以是，但不限于，个人计算机或图像处理服务器等设备。
所述图像相似度判断系统10包括图像灰度化模块101、特征向量提取模块103、相似度计算模块105及相似度判断模块107。该图像相似度判断系统10可固化在图像处理装置1的操作系统中，也可存储在图像处理装置1的存储器13中，并由该图像处理装置1的处理器11执行，以计算一第一图像Ia与一第二图像Ib之间的相似度，并判断第一图像Ia与第二图像Ib是否相似。
所述图像灰度化模块101用于将所述第一图像Ia以及第二图像Ib分别进行灰度化处理，得到第一灰度图像和第二灰度图像。在本实施例中，图像灰度化模块101可使用分量法、最大值法、平均值法或者加权平均法对所述第一图像Ia以及第二图像Ib进行灰度化处理。
所述特征向量提取模块103用于根据第一灰度图像与第二灰度图像提取第一图像Ia以及第二图像Ib的特征向量，该第一图像Ia以及第二图像Ib的特征向量为每一灰度值的像素点占总像素点的比例的集合。具体地，将第一灰度图像与第二灰度图像划分为多个灰度级的灰度直方图；由灰度直方图提取第一图像的特征向量Va与第二图像的特征向量Vb。在本实施方式中，将第一灰度图像与第二灰度图像分为n个灰度级的灰度直方图，n＝2m-1，m为大于零的正整数，由灰度直方图提取第一图像的特征向量Va＝{ga0,ga1,ga2,ga3…gai}，gai(0≤i≤n)：第一灰度图像中灰度值为i像素点占总像素点的比例，由灰度直方图提取第二图像的特征向量Vb＝{gb0,gb1,gb2,gb3…gbj}，gbj(0≤j≤n)：第二灰度图像中灰度值为j像素点占总像素点的比例。
所述相似度计算模块105用于根据得到的第一图像特征向量Va与第二图像特征向量Vb计算第一图像Ia与第二图像Ib之间的相似度S(Ia，Ib)。其中，相似度计算模块105计算S(Ia，Ib)的公式为：其中求得的相似度S(Ia，Ib)的取值范围为(0，1]，S(Ia，Ib)的取值越大，表示第一图像Ia与第二图像Ib的相似度越高。在本实施方式中，n为255，即将第一灰度图像与第二灰度图像均分为256个灰度级。
所述相似度判断模块107用于将得到的第一图像Ia与第二图像Ib的相似度S(Ia，Ib)与预设阈值作比较，根据比较结果判断第一图像Ia与第二图像Ib是否相似并输出判断结果。当相似度S(Ia，Ib)大于或等于该预设阈值时，该相似度判断模块107判断该第一图像Ia与第二图像Ib相似并输出该第一图像Ia与第二图像Ib相似；当相似度S(Ia，Ib)小于该预设阈值时，该相似度判断模块107判断该第一图像Ia与第二图像Ib不相似，并输出该第一图像Ia与第二图像Ib不相似。在本实施方式中，该第一图像Ia为用户输入图像，第二图像Ib检索目标图像，当该该第一图像Ia与第二图像Ib相似时，将第二图像Ib显示于一显示器上，在其他实施方式中，可将第一图像Ia与第二图像Ib均显示于显示器上。具体地，该预设阈值可根据图像相似度判断应用环境设定，如在图像相似度要求较高的场合，该预设阈值相应设置较高，在图像相似度要求较低的场合，该预设阈值相应设置较低。该预设阈值存储于该存储器13中。
如图2所示，是本发明图像相似度判断方法较佳实施例的流程图。
步骤S201，所述图像灰度化模块101将所述第一图像Ia以及第二图像Ib分别进行灰度化处理，得到第一灰度图像和第二灰度图像。
步骤S203，所述特征向量提取模块103根据第一灰度图像与第二灰度图像提取第一图像Ia以及第二图像Ib的特征向量，该第一图像Ia以及第二图像Ib的特征向量为每一灰度值的像素点占总像素点的比例的集合。在本实施方式中，将第一灰度图像与第二灰度图像分为n个灰度级的灰度直方图，n＝2m-1，m为大于零的正整数，由灰度直方图提取第一图像的特征向量Va＝{ga0,ga1,ga2,ga3…gai}，gai(0≤i≤n)：第一灰度图像中灰度值为i像素点占总像素点的比例，由灰度直方图提取第二图像的特征向量Vb＝{gb0,gb1,gb2,gb3…gbj}，gbj(0≤j≤n)：第二灰度图像中灰度值为j像素点占总像素点的比例。
步骤S205，所述相似度计算模块105用于根据得到的第一图像特征向量Va与第二图像特征向量Vb计算第一图像Ia与第二图像Ib之间的相似度S(Ia，Ib)。其中，相似度计算模块105计算S(Ia，Ib)的公式为其中求得的相似度S(Ia，Ib)的取值范围为(0，1]，S(Ia，Ib)的取值越大，表示第一图像Ia与第二图像Ib的相似度越高。
步骤S207，所述相似度判断模块107将得到的第一图像Ia与第二图像Ib的相似度S(Ia，Ib)与预设阈值作比较，根据比较结果判断第一图像Ia与第二图像Ib是否相似并输出判断结果。当相似度S(Ia，Ib)大于或等于该预设阈值时，该相似度判断模块107判断该第一图像Ia与第二图像Ib相似，并输出该第一图像Ia与第二图像Ib相似；当相似度S(Ia，Ib)小于该预设阈值时，该相似度判断模块107判断该第一图像Ia与第二图像Ib不相似，并输出该第一图像Ia与第二图像Ib不相似。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (8)

1.一种图像相似度判断方法，其特征在于，该方法包括：
图像灰度化步骤，将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像；
特征向量提取步骤，根据第一灰度图像与第二灰度图像提取第一图像与第二图像的特征向量，该第一图像与第二图像的特征向量为每一灰度值的像素点占总像素点的比例的集合，其中，将第一灰度图像与第二灰度图像分为n个灰度级的灰度直方图，n＝2m-1，m为大于零的正整数，由灰度直方图提取第一图像的特征向量Va＝{ga0,ga1,ga2,ga3…gai}，gai(0≤i≤n)：第一灰度图像中灰度值为i像素点占总像素点的比例，由灰度直方图提取第二图像的特征向量Vb＝{gb0,gb1,gb2,gb3…gbj}，gbj(0≤j≤n)：第二灰度图像中灰度值为j像素点占总像素点的比例；
相似度计算步骤，根据第一图像的特征向量与第二图像的特征向量计算第一图像与第二图像之间的相似度；
相似度判断步骤，将第一图像与第二图像之间相似度与预设阈值作比较，根据比较结果判断第一图像与第二图像是否相似并输出判断结果。
2.如权利要求1所述的图像相似度判断方法，其特征在于，所述相似度计算步骤计算所述相似度的公式为： 其中，S(Ia，Ib)为第一图像与第二图像之间的相似度，
3.如权利要求2所述的图像相似度判断方法，其特征在于，当相似度S(Ia，Ib)大于或等于该预设阈值时，该第一图像与第二图像相似；当相似度S(Ia，Ib)小于该预设阈值时，该第一图像与第二图像不相似。
4.如权利要求3所述的图像相似度判断方法，其特征在于，该预设阈值根据图像相似度判断的应用环境设定。
5.一种图像相似度判断系统，其特征在于，该系统包括：
图像灰度化模块，用于将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像；
特征向量提取模块，用于根据第一灰度图像与第二灰度图像提取第一图像与第二图像的特征向量，该第一图像与第二图像的特征向量为每一灰度值的像素点占总像素点的比例的集合，其中，将第一灰度图像与第二灰度图像分为n个灰度级的灰度直方图，n＝2m-1，m为大于零的正整数，由灰度直方图提取第一图像的特征向量Va＝{ga0,ga1,ga2,ga3…gai}，gai(0≤i≤n)：第一灰度图像中灰度值为i像素点占总像素点的比例，由灰度直方图提取第二图像的特征向量Vb＝{gb0,gb1,gb2,gb3…gbj}，gbj(0≤j≤n)：第二灰度图像中灰度值为j像素点占总像素点的比例；
相似度计算模块，用于根据第一图像的特征向量与第二图像的特征向量计算第一图像与第二图像之间的相似度；
相似度判断模块，用于将第一图像与第二图像之间相似度与预设阈值作比较，根据比较结果判断第一图像与第二图像是否相似并输出判断结果。
6.如权利要求5所述的图像相似度判断系统，其特征在于，所述相似度计算模块计算所述相似度的公式为： 其中，S(Ia，Ib)为第一图像与第二图像之间的相似度，
7.如权利要求6所述的图像相似度判断系统，其特征在于，当相似度S(Ia，Ib)大于或等于该预设阈值时，该第一图像与第二图像相似；当相似度S(Ia，Ib)小于该预设阈值时，该第一图像与第二图像不相似。
8.如权利要求7所述的图像相似度判断系统，其特征在于，该预设阈值根据图像相似度判断的应用环境设定。
CN201210547372.7A 2012-12-17 2012-12-17 图像相似度判断系统及方法 Active CN103870828B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201210547372.7A CN103870828B (zh) 2012-12-17 2012-12-17 图像相似度判断系统及方法
TW101149636A TWI532014B (zh) 2012-12-17 2012-12-24 圖像相似度判斷系統及方法
US14/100,012 US9076066B2 (en) 2012-12-17 2013-12-08 Image processing device and method for determining a similarity between two images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210547372.7A CN103870828B (zh) 2012-12-17 2012-12-17 图像相似度判断系统及方法

Publications (2)

Publication Number Publication Date
CN103870828A CN103870828A (zh) 2014-06-18
CN103870828B true CN103870828B (zh) 2018-06-15

Family

ID=50909344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210547372.7A Active CN103870828B (zh) 2012-12-17 2012-12-17 图像相似度判断系统及方法

Country Status (3)

Country Link
US (1) US9076066B2 (zh)
CN (1) CN103870828B (zh)
TW (1) TWI532014B (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104739452B (zh) * 2013-12-30 2019-02-12 深圳迈瑞生物医疗电子股份有限公司 一种超声成像装置及方法
US9454713B2 (en) 2014-12-30 2016-09-27 Ebay Inc. Similar item detection
CN104700353B (zh) * 2015-02-11 2017-12-05 小米科技有限责任公司 图像滤镜生成方法及装置
CN104869425A (zh) * 2015-05-13 2015-08-26 信阳师范学院 一种基于纹理图像相似性的压缩和解压缩方法
US9672445B2 (en) * 2015-08-03 2017-06-06 Yahoo! Inc. Computerized method and system for automated determination of high quality digital content
CN105139399A (zh) * 2015-08-25 2015-12-09 广州视源电子科技股份有限公司 一种二极管极性检测方法及装置
CN106127222B (zh) * 2016-06-13 2019-06-04 中国科学院信息工程研究所 一种基于视觉的字符串相似度计算方法及相似性判断方法
CN106548200A (zh) * 2016-10-31 2017-03-29 黄建文 一种图像比较系统和方法
CN108509963B (zh) * 2017-02-28 2023-04-28 株式会社日立制作所 基于深度学习的目标差异性检测方法和目标差异性检测设备
CN108109145A (zh) * 2018-01-02 2018-06-01 中兴通讯股份有限公司 图像质量检测方法、装置、存储介质和电子装置
CN109036479A (zh) * 2018-08-01 2018-12-18 曹清 剪辑点判断系统及剪辑点判断方法
CN109859053B (zh) * 2018-11-08 2023-08-29 平安科技（深圳）有限公司 图像查重的方法、装置、计算机设备及存储介质
CN109525882B (zh) * 2018-11-30 2021-08-31 中国联合网络通信集团有限公司 一种同步播放方法、桥接设备和信宿设备
CN110147792B (zh) * 2019-05-22 2021-05-28 齐鲁工业大学 基于内存优化的药品包装字符高速检测系统及方法
CN111091146B (zh) * 2019-12-10 2024-02-02 广州品唯软件有限公司 图片相似度获取方法、装置、计算机设备及存储介质
CN111191662B (zh) * 2019-12-31 2023-06-30 网易（杭州）网络有限公司 图像特征提取方法、装置、设备、介质及对象匹配方法
CN111209713B (zh) * 2020-01-03 2023-08-18 长江存储科技有限责任公司 晶圆数据处理方法和装置
CN111314613B (zh) * 2020-02-28 2021-12-24 重庆金山医疗技术研究院有限公司 图像传感器、图像处理设备、图像处理方法及存储介质
CN113971700A (zh) * 2020-07-23 2022-01-25 深圳市茁壮网络股份有限公司 一种图像比较方法及装置
CN111970405A (zh) * 2020-08-21 2020-11-20 Oppo（重庆）智能科技有限公司 摄像头遮挡检测方法、存储介质、电子设备及装置
CN111950512A (zh) * 2020-08-26 2020-11-17 上海申瑞继保电气有限公司 变电所断路器指示灯分合状态识别方法
CN114693956B (zh) * 2020-12-29 2025-02-11 杭州安存网络科技有限公司 比对视频相似度的方法与装置及电子设备
CN114693955A (zh) * 2020-12-29 2022-07-01 杭州安存网络科技有限公司 比对图像相似度的方法与装置及电子设备
CN113657169B (zh) * 2021-07-19 2023-06-20 浙江大华技术股份有限公司 一种步态识别方法、装置、系统和计算机可读存储介质
CN116996503B (zh) * 2023-08-03 2024-05-07 纽扣数字智能科技(深圳)集团有限公司 一种桌面图像传输方法、系统、电子设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110101A (zh) * 2006-07-17 2008-01-23 松下电器产业株式会社 识别图像的方法及设备
CN102375987A (zh) * 2010-08-17 2012-03-14 国基电子（上海）有限公司 图像处理设备及图像特征向量提取与图像匹配方法
CN102629325A (zh) * 2012-03-13 2012-08-08 深圳大学 图像特征提取方法和装置及图像拷贝检测方法和系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5530907A (en) * 1993-08-23 1996-06-25 Tcsi Corporation Modular networked image processing system and method therefor
WO2003009216A1 (en) * 2001-07-17 2003-01-30 Yesvideo, Inc. Automatic selection of a visual image based on quality
JP4353503B2 (ja) * 2003-04-30 2009-10-28 キヤノン株式会社 画像処理装置
US20050058476A1 (en) * 2003-09-17 2005-03-17 Canon Kabushiki Kaisha Copy-forgery-inhibited pattern density parameter determination method, copy-forgery-inhibited pattern image generation method, and image processing apparatus
US7483618B1 (en) * 2003-12-04 2009-01-27 Yesvideo, Inc. Automatic editing of a visual recording to eliminate content of unacceptably low quality and/or very little or no interest
DE102007051612B4 (de) * 2007-10-24 2009-06-25 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zum automatisierten Vergleichen zweier Sätze von Messwerten
JP2014522247A (ja) * 2011-03-29 2014-09-04 ボストン サイエンティフィック ニューロモデュレイション コーポレイション リード線位置付けのためのシステムおよび方法
EP2742482B1 (en) * 2011-08-09 2018-01-17 Boston Scientific Neuromodulation Corporation System and method for weighted atlas generation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110101A (zh) * 2006-07-17 2008-01-23 松下电器产业株式会社 识别图像的方法及设备
CN102375987A (zh) * 2010-08-17 2012-03-14 国基电子（上海）有限公司 图像处理设备及图像特征向量提取与图像匹配方法
CN102629325A (zh) * 2012-03-13 2012-08-08 深圳大学 图像特征提取方法和装置及图像拷贝检测方法和系统

Also Published As

Publication number Publication date
TW201428688A (zh) 2014-07-16
US9076066B2 (en) 2015-07-07
US20140169672A1 (en) 2014-06-19
CN103870828A (zh) 2014-06-18
TWI532014B (zh) 2016-05-01

Similar Documents

Publication Publication Date Title
CN103870828B (zh) 图像相似度判断系统及方法
Nogueira et al. Evaluating software-based fingerprint liveness detection using convolutional networks and local binary patterns
CN103295022B (zh) 图像相似度计算系统及方法
CN103503029B (zh) 检测面部特性的方法
CN104123543B (zh) 一种基于人脸识别的眼球运动识别方法
CN112257738B (zh) 机器学习模型的训练方法、装置和图像的分类方法、装置
CN105335726B (zh) 人脸识别置信度获取方法和系统
JP6071002B2 (ja) 信頼度取得装置、信頼度取得方法および信頼度取得プログラム
Shuo et al. Object tracking method based on SURF
Song et al. Feature extraction and target recognition of moving image sequences
CN115240280A (zh) 人脸活体检测分类模型的构建方法、检测分类方法及装置
CN108960142A (zh) 基于全局特征损失函数的行人再识别方法
Lin et al. A feature-based gender recognition method based on color information
CN110633691A (zh) 一种基于可见光和近红外相机的双目活体检测方法
Sushma et al. Kannada handwritten word conversion to electronic textual format using HMM model
CN108122011A (zh) 基于多种不变性混合的目标跟踪方法和系统
Teo et al. 2.5 D Face Recognition System using EfficientNet with Various Optimizers
CN113763313A (zh) 文本图像的质量检测方法、装置、介质及电子设备
Lu et al. Using LBP histogram for face recognition on Android platform
Shen et al. Unsupervised human skeleton extraction from Kinect depth images
He et al. Feature extraction of iris based on texture analysis
JP6453618B2 (ja) 算出装置、方法及びプログラム
Xie et al. Siamese network with phash for video vibration detection
Du et al. A novel method in extracranial removal of brain MR images
Du et al. AIGIF: adaptively integrated gradient and intensity feature for robust and low-dimensional description of local keypoint

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant