CN106056111A - 图像处理装置及图像处理方法 - Google Patents
图像处理装置及图像处理方法 Download PDFInfo
- Publication number
- CN106056111A CN106056111A CN201510631548.0A CN201510631548A CN106056111A CN 106056111 A CN106056111 A CN 106056111A CN 201510631548 A CN201510631548 A CN 201510631548A CN 106056111 A CN106056111 A CN 106056111A
- Authority
- CN
- China
- Prior art keywords
- character string
- character
- similarity
- group
- image
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000003384 imaging method Methods 0.000 claims description 26
- 239000000284 extract Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 13
- 238000012015 optical character recognition Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000003580 polydactyly Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
- Studio Devices (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像处理装置及图像处理方法,其能够从多个图像中找到与同一被摄体对应的字符串。该图像处理装置包括:计算部及判定部。计算部计算出由构成第一图像所映现的第一字符串的各字符和候选字符组中的各候选字符的相似度构成的第一相似度组,计算出由构成第二图像所映现的第二字符串的各字符和候选字符组中的各候选字符的相似度构成的第二相似度组,计算出由构成第二图像所映现的第三字符串的各字符和候选字符组中的各候选字符的相似度构成的第三相似度组。判定部通过将第一相似度组与第二相似度组及第三相似度组进行比较,判定第二字符串或者第三字符串的任意一个字符串与和第一字符串相同的第一被摄体对应。
Description
本申请主张申请日为2015年04月08日、申请号为US14/681,899的美国申请为优先权,并引用上述申请的内容。
技术领域
本发明涉及一种图像处理装置及图像处理方法。
背景技术
通常,OCR(Optical Character Recognition:光学字符识别)处理是针对用扫描仪读取了纸面上所写着(记载着)的字符的字符图像进行的。近年来,随着摄像头的高分辨率化,补正通过摄像头所摄像的字符图像,并对补正后的字符图像进行OCR处理的应用软件出现了(上市了)。
在不同的位置摄像的多个图像中的对象物的同一判定,是当多台的摄像头的摄像位置及摄像方向是已知的时通过三角测量进行的。另一方面,当在不定速移动一个摄像头的同时摄像对象物时,摄像头的摄像位置及摄像方向是不定的。因此,即使试图勉强通过三角测量计算,误差也变得较大,不能获得正确的结果的可能性高。因此,作为同一对象物的判定,有基于特征点匹配的判定方法、基于对象物所记载的固有的ID(IDentification:识别)(例如字符串、条形码、数列等)的判定方法等。
不过,在基于特征点匹配的方法中,当对象物与周围的状况相比不是特征点时,不能获得特征点本身。而且,当为了获得对象物的特征点而要取得大量的特征点时,则牵涉到误判定、处理速度降低的问题。
另一方面,在基于对象物所记载的ID的判定方法中,ID必须用高分辨率来摄像。不过,当用通常的摄像头从远处摄像ID时,则不能用高分辨率摄像ID。为了用高分辨率摄像DI,需要使摄像头变成更高分辨率,或者使画面视角变窄。因此,牵涉到成本提高、操作性降低的问题。
而且,在通过摄像头取得的字符图像的OCR处理中,对低分辨率的字符图像的字符的识别率极低。而且,在低分辨率的字符图像中,字符的识别率容易受图像的品质影响。图像的品质因字符图像的摄像定时、摄像位置、摄像环境(照明)等细微的摄像条件的差别而较大地变化。
发明内容
鉴于上述问题,本发明的目的在于提供一种图像处理装置及图像处理方法,其能够从多个图像中找到与同一被摄体对应的字符串。
为解决上述问题,本发明第一方面所涉及的图像处理装置,包括:抽取部、切出部、计算部及判定部。所述抽取部抽取第一图像所映现的第一字符串,抽取第二图像所映现的第二字符串及第三字符串。所述切出部以一字符单位切出构成所述第一字符串的各字符,以一字符单位切出构成所述第二字符串的各字符、以一字符单位切出构成所述第三字符串的各字符。所述计算部计算出由构成所述第一字符串的各字符和候选字符组中的各候选字符的相似度构成的第一相似度组,计算出由构成所述第二字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第二相似度组,计算出由构成所述第三字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第三相似度组。所述判定部通过将所述第一相似度组与所述第二相似度组及所述第三相似度组进行比较,判定所述第二字符串或者所述第三字符串的任意一个字符串与和所述第一字符串相同的第一被摄体对应。
本发明第二方面所涉及的图像处理方法,包括以下步骤:抽取第一图像所映现的第一字符串的步骤;抽取第二图像所映现的第二字符串及第三字符串的步骤;以一字符单位切出构成所述第一字符串的各字符的步骤;以一字符单位切出构成所述第二字符串的各字符的步骤;以一字符单位切出构成所述第三字符串的各字符的步骤;计算出由构成所述第一字符串的各字符和候选字符组中的各候选字符的相似度构成的第一相似度组的步骤;计算出由构成所述第二字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第二相似度组的步骤;计算出由构成所述第三字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第三相似度组的步骤;以及通过将所述第一相似度组与所述第二相似度组及所述第三相似度组进行比较,判定所述第二字符串或者所述第三字符串的任意一个字符串与和所述第一字符串相同的第一被摄体对应的步骤。
附图说明
下面,参照附图对本发明所涉及的图像处理装置及图像处理方法进行说明。当结合附图考虑时,通过参照下面的详细描述,能够更完整更好地理解本发明以及容易得知其中许多伴随的优点,但此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定,其中:
图1是作为第一实施例所涉及的一例的图像处理装置的概略图;
图2是作为第一实施例所涉及的一例的图像处理装置的框图;
图3是作为第一实施例所涉及的一例的图像处理装置的处理的流程图;
图4是表示作为第一实施例所涉及的一例的多个图像的图;以及
图5a至图5d是表示作为第一实施例所涉及的一例的多个相似度图的图。
附图说明
10 图像处理装置 11 计算机
12 移动体 13 第一摄像部
20 货架 21、22 物品
111 处理部 112 存储部
113 输入部 114 显示部
115 第一接口 1111 采集部
1112 抽取部 1113 切出部
1114 计算部 1115 判定部
1115a 推定部 1115b 确定部
1116 识别部
具体实施方式
以下,参照附图,对几个实施例进行说明。
第一实施例
对第一实施例进行说明。图1是作为第一实施例所涉及的一例的图像处理装置10的概略图。
图像处理装置10被用于仓库、店铺的多个货架所载置的多个物品(例如,纸箱)的库存管理、所在地管理等。图像处理装置10具有计算机11、移动体12、第一摄像部13。图像处理装置10无需必须具有这些全部要素。例如,图像处理装置10也可以是至少具有计算机11的装置。
计算机11是通过象后述那样的OCR处理从图像中进行字符识别的装置。计算机11诸如是PC(Personal Computer:个人计算机)。另外,字符是包含数字、记号、符号或标识等识别代码的概念。字符串是将数字、记号、符号或标识等识别代码进行了多位排列的字符串。
移动体12是可使图像处理装置10向任意方向自律行驶(行走)的台车。移动体12向在与排列成直线状的货架20的延伸方向平行的方向上进行行驶。移动体12装载有计算机11及第一摄像部13。
第一摄像部13是摄像对象的摄像头。另外,对象也有称为被摄体的情况。第一摄像部13可以是将对象作为视频进行摄像的摄像头,也可以是将对象作为静态图像进行摄像的摄像头。第一摄像部13以从不同的方向摄像同一对象的方式固定在移动体12上。第一摄像部13的摄像方向是已知的。对象是粘贴在载置在货架20上的多个物品的标签的字符串。例如,物品21的标签记载“000872”。物品22的标签记载“103371”。标签所记载的字符串是为了识别各物品而唯一地分配给各物品的ID(IDentification:识别)信息。一般粘贴在某区所管理的多个物品上的所有的标签的字符串是相同位数且预定的字符的组合。在图1所示的例子中,字符串由6位数且各位数为0~9的组合构成。第一摄像部13依次摄像粘贴在货架20所载置的多个物品上的标签。第一摄像部13向计算机11发送已取得的图像数据。
图2是作为第一实施例所涉及的一例的图像处理装置10的框图。图2主要示出计算机11的构成。计算机11具有处理部111、存储部112、输入部113、显示部114及第一接口115。
处理部111相当于计算机11的中枢部分。处理部111按照操作系统、应用程序,控制计算机11的各要素。处理部111具有采集部1111、抽取部1112、切出部1113、计算部1114、包含推定部1115a及确定部1115b的判定部1115以及识别部1116。这些要素的处理内容进行后述。
存储部112包括存储上述操作系统、应用程序的存储器。而且,存储部112包括作为处理部111的处理所需的工作区的存储器。而且,存储部112包括存储处理部111的处理所需的数据的存储器。
输入部113是可向计算机11输入命令的键盘。
显示部114是基于来自处理部111的信号显示影像的显示器。显示部114是影像的输出部。
第一接口115连接计算机11和第一摄像部13。计算机11通过第一接口115从第一摄像部13采集图像数据。
接着,对基于图像处理装置10的字符识别的处理进行说明。图像处理装置10所处理的图像,诸如是第一摄像部13从远处摄像了粘贴在货架20所载置的多个物品上的标签的低分辨率的图像。因此,第一摄像部13所摄像的图像,虽然人看后能识别(能读出)字符串,但是在基于图像处理装置10的一般OCR处理中却不能充分进行字符识别。
图3是作为第一实施例所涉及的一例的图像处理装置10的处理的流程图。
处理部111的采集部1111采集图像(Act101)。在Act101中,处理部111通过第一接口115采集第一摄像部13所取得第一图像及第二图像的数据。第一图像及第二图像是第一摄像部13从不同的方向拍摄了第一被摄体的图像。存储部112存储第一图像数据及第二图像数据。第一图像及第二图像映现有成为字符识别的对象的字符串(以下,称为第一被摄体)。另外,第一图像及第二图像也可以映现有第一被摄体以外的字符串。
处理部111的抽取部1112抽取字符串(Act102)。在Act102中,处理部111抽取第一图像所映现的所有字符串。同样地,处理部111抽取第二图像所映现的所有字符串。以下为了简化说明,示出对第一图像所映现的与第一被摄体对应的第一字符串的处理及对第二图像所映现的第二字符串及第三字符串的处理。处理部111抽取第一图像所映现的第一字符串。同样地,处理部111抽取第二图像所映现的第二字符串及第三字符串。Act102中的字符串的抽取处理可以是OCR处理所使用的任意方法。
处理部111的切出部1113切出字符(Act103)。在Act103中,处理部111以一字符单位切出构成第一字符串的各字符。同样地,处理部111以一字符单位切出构成第二字符串的各字符。同样地,处理部111以一字符单位切出构成第三字符串的各字符。在Act103中的字符的切出处理可以是OCR处理所使用的任意方法。
处理部111的计算部1114计算相似度(Act104)。在Act104中,处理部111计算出构成第一字符串的各字符和候选字符组中的各候选字符的相似度。通过这样,处理部111计算出由构成第一字符串的各字符和候选字符组中的各候选字符的相似度构成的第一相似度组。也就是,处理部111在第一字符串的各位数中,计算出与候选字符的数量对应的数量的相似度。同样地,处理部111计算出构成第二字符串的各字符和候选字符组中的各候选字符的相似度。通过这样,处理部111计算出由构成第二字符串的各字符和候选字符组中的各候选字符的相似度构成的第二相似度组。也就是,处理部111在第二字符串的各位数中,计算出与候选字符的数量对应的数量的相似度。同样地,处理部111计算出构成第三字符串的各字符和候选字符组中的各候选字符的相似度。通过这样,处理部111计算出由构成第三字符串的各字符和候选字符组中的各候选字符的相似度构成的第三相似度组。也就是,处理部111在第三字符串的各位中,计算出与候选字符的数量对应的数量的相似度。
在上述的Act104中所使用的候选字符组,由多个候选字符构成。多个候选字符由可作为用于识别各物品的字符串使用的预定的多个字符构成。例如,多个候选字符是0~9的数字。候选字符组保存在存储部112中。候选字符组有根据管理有物品的区而不同的可能性。因此,存储部112也可以用区单位保存不同的候选字符组的数据。
在上述的Act104中计算出的相似度是表示构成第一字符串的各字符、构成第二字符串的各字符及构成第三字符串的各字符与各候选字符一致的可能性(概率)的指标。在Act104中的相似度的计算方法也可以是任意方法。另外,相似度的范围尤其不限。例如,相似度的范围可以是0~1,也可以是0~100。相似度可以示出越接近上限值越与候选字符相似,示出越接近下限值越与候选字符不相似,也可以对这些相反示出。例如,处理部111能够以候选字符彼此之间没有依存关系的方式计算出各相似度。也就是,在第一字符串的各位数中,第一相似度组所包含的各相似度相互没有依存关系。用第一字符串的位数单位合计了相似度的值没有被100%标准化。对第二字符串及第三字符串中的相似度也同样。也就是,在第二字符串的各位数中,第二相似度组所包含的各相似度相互没有依存关系。同样地,在第三字符串的各位数中,第三相似度组所包含的各相似度相互没有依存关系。这时,处理部111在相同位数中计算出某候选字符的相似度时,不受其他的候选字符的相似度的值影响。因此,处理部111能够计算出候选字符彼此独立的准确度高的相似度。
与此相反,处理部111也可以用候选字符彼此之间具有依存关系的方式计算出各相似度。也就是,在第一字符串的各位数中,第一相似度组所包含的各相似度具有相互依存关系。用第一字符串的位数单位合计了相似度的值被100%标准化。关于第二字符串及第三字符串中的相似度也同样。也就是,在第二字符串的各位数中,第二相似度组所包含的各相似度相互具有依存关系。同样地,在第三字符串的各位数中,第三相似度组所包含的各相似度相互具有依存关系。这样,第一相似度组所包含的各相似度、第二相似度组所包含的各相似度及第三相似度组所包含的各相似度是似然的(likelihood)。这时,处理部111能够计算出构成第一字符串的各位字符与哪个候选字符一致的可能性高。同样地,处理部111能够计算出构成第二字符串的各位字符与哪个候选字符一致的可能性高。同样地,处理部111能够计算出构成第三字符串的各位字符与哪个候选字符一致的可能性高。
处理部111的推定部1115a推定相同字符串(Act105)。在Act105中,处理部111推定在第一图像和第二图像的两方图像中存在有与同一被摄体对应的字符串的可能性高。
处理部111的确定部1115b确定相同字符串(Act106)。在Act106中,处理部111基于根据第一图像所映现的各字符串计算出的各相似度组及根据第二图像所映现的各字符串计算出的相似度组,能够使从第一图像中抽取的哪个字符串和从第二图像中抽取的哪个字符串与同一被摄体对应的情况变得明显。
以下,对处理部111从第二图像确定第一图像的作为与第一字符串相同的被摄体的字符串的例子进行说明。在上述Act105及Act106中,处理部111的判定部1115通过将第一相似度组与第二相似度组及所述第三相似度组进行比较,判定为第二字符串或者第三字符串的任意一字符串与和第一字符串相同的第一被摄体对应。虽然下述例示了基于处理部111的各相似度组的比较方法,但是也可以是除这些之外的方法。
对基于处理部111的各相似度组的比较方法的一例进行说明。处理部111对应在第一字符串及第二字符串中相互对应的每位数且候选字符组中的每个候选字符,计算出第一相似度组所包含的相似度和所述第二相似度组所包含的相似度的差的第一绝对值组。接着,处理部111计算出将第一绝对值组中的所有绝对值加在一起的第一合计值。同样地,处理部111对应第一字符串及第三字符串中相互对应的每位数且候选字符组中的每个候选字符,计算出第一相似度组所包含的相似度和第三相似度组所包含的相似度的差的第二绝对值组。接着,处理部111计算出将第二绝对值组中的所有绝对值加在一起的第二合计值。当第一合计值与所述第二合计值相比小时,处理部111判定为第二字符串与和所述第一字符串相同的第一被摄体对应。也就是,处理部111能够判定为与第三字符串相比第二字符串与第一字符串相似或者一致。另一方面,当第二合计值与第一合计值相比小时,处理部111判定为第三字符串与和第一字符串相同的第一被摄体对应。也就是,处理部111能够判定为与第二字符串相比第三字符串与第一字符串相似或者一致。根据以上,处理部111能够使第一图像的哪个字符串和第二图像的哪个字符串与同一被摄体对应的情况变得明显。
对基于处理部111的各相似度组的比较方法的另一例进行说明。处理部111计算出第一相似度组的柱状图和第二相似度组的柱状图的相似度。同样地,处理部111计算出第一相似度组的柱状图和第三相似度组的柱状图的相似度。处理部111当第一相似度组的柱状图与第三相似度组的柱状图相比与第二相似度组的柱状图相似时,判定为第二字符串与和所述第一字符串相同的所述第一被摄体对应。也就是,处理部111能够判定为与第三字符串相比第二字符串与第一字符串相似或者一致的可能性高。另一方面,处理部111当第一相似度组的柱状图与第二相似度组的柱状图相比与第三相似度组的柱状图相似时,判定为第三字符串与和第一字符串相同的第一被摄体对应。也就是,处理部111能够判定为与第二字符串相比第三字符串与第一字符串相似或者一致的可能性高。处理部111能够采用诸如(Bhattacharyya:巴氏)系数,求出柱状图之间的相似度。另外,处理部111也可以通过其他方法求出柱状图之间的相似度。
另外,在Act105及Act106中的处理可以不在Act104之后,也可以在Act102和Act103之间或者在Act103和Act104之间。
处理部111的识别部1116执行字符识别(Act107)。在Act107中,处理部111采用与第一被摄体对应的第一字符串和在Act105及Act106中判定为与第一被摄体对应的第二图像中的字符串,识别第一被摄体的字符串。处理部111对判定为与相同被摄体对应的第一图像所映现的字符串及第二图像所映现的字符串进行OCR处理,识别第一被摄体的字符串。
当第一图像所映现的字符串的识别结果和第二图像所映现的字符串的识别结果不同时,处理部111也可以参照第一相似度组的各相似度及第二相似度组的各相似度确定最终的第一被摄体的字符串。
根据第一实施例,图像处理装置10通过采用上述的相似度,能够从低分辨率的多个图像中找到与同一被摄体对应的字符串及附加有字符串的商品。
另外,当各相似度如上述那样以候选字符彼此具有依存关系的方式计算出时,基于图像处理装置10的字符串的识别精度进一步提高。这是因为在字符串的各位数中,抽取有最一致的可能性高的候选字符的缘故。
接着,参数图4至图5,对上述的图像处理装置10的字符识别的处理的具体例进行说明。
图4是表示作为第一实施例所涉及的一例的图像的图。图4的左图及右图是由第一摄像部13摄像的第一图像及第二图像。第一图像及第二图像从不同的位置被摄像。第一图像及第二图像映现有粘贴在作为字符识别的对象的物品21上的标签的字符串“000872”(以下,称为被摄体A)及粘贴在作为字符识别的对象的物品22上的标签的字符串“103371”(以下,称为被摄体B)。如在上述Act101中说明的那样,处理部111通过第一接口115采集第一摄像部13所取得的第一图像的数据及第二图像的数据。
如在Act102中说明的那样,处理部111抽取在图4中所示的第一图像所映现的与被摄体A对应的字符串a1及与被摄体B对应的字符串b1。处理部111抽取第二图像所映现的与被摄体A对应的字符串a2及与被摄体B对应的字符串b2。如在Act103中说明的那样,处理部111以一字符单位切出构成字符串a1及字符串b1的各字符。同样地,处理部111以一字符单位切出构成字符串a2及字符串b2的各字符。
图5a至图5d是表示作为第一实施例所涉及的一例的多个相似度图的图。相似度图相当于上述的第一相似度组及第二相似度组。图5a是字符串a1相关的相似度图。图5b是字符串b1相关的相似度图。图5c是字符串a2相关的相似度图。图5d是字符串b2相关的相似度图。如在Act104中说明的那样,处理部111计算出构成字符串a1的各字符和候选字符组中的各候选字符的相似度。通过这样,处理部111计算出由构成字符串a1的各字符和候选字符组中的各候选字符的相似度构成的相似度图。同样地,处理部111计算出字符串b1相关的相似度图、字符串a2相关的相似度图及字符串b2相关的相似度图。相似度图的横轴示出字符串的位数。另外,字符串a1、字符串b1、字符串a2及字符串b2中任意一个字符串都是6位数。纵轴示出候选字符。候选字符是0~9的10个。因此,各相似度图由60个相似度构成。
图5a至图5d所示的各相似度图是如上述那样以在各位数中候选字符彼此之间没有依存关系的方式计算出各相似度的例子。图5a至图5d的相似度示出越接近1.0越与候选字符相似,越接近0.0越与候选字符不相似。
在图5a至图5d的各相似度图的下面示出有识别结果。识别结果是排列了与每位数的相似度的最大值对应的候选字符的集合。如在Act105及Act106中说明的那样,处理部111通过将字符串a1相关的相似度图与字符串a2相关的相似度图及字符串b2相关的相似度图进行比较,能够判定字符串a2或者字符串b2中的任一个字符串与和字符串a1相同的被摄体A对应。在这里,作为一例,对采用了上述相似度彼此的差的绝对值的方法进行说明。处理部111对所对应的每个项目计算出字符串a1相关的相似度图所包含的相似度和字符串a2相关的相似度图所包含的相似度的差的绝对值,计算出将所有的绝对值加在一起的第一合计值。第一合计值是:
|0.9-0.8|+|0.8-0.9|+|0.5-0.4|+|0.0-0.0|+……+|0.0-0.0|=1.8。同样地,处理部111对所对应的每个项目计算出字符串a1相关的相似度图所包含的相似度和字符串b2相关的相似度图所包含的相似度的差的绝对值,计算出将所有的绝对值加在一起的第二合计值。第二合计值是:
|0.9-0.0|+|0.8-0.7|+|0.5-0.0|+|0.0-0.0|+……+|0.0-0.0|=7.6。第一合计值与所述第二合计值相比小。因此,处理部111判定为字符串a2与和字符串a1相同的被摄体A对应。也就是,处理部111判定为与字符串b2相比字符串a2与字符串a1相似或者一致。
同样地,处理部111通过将字符串b1相关的相似度图与字符串a2相关的相似度图及字符串b2相关的相似度图进行比较,能够判定字符串b2与和字符串b1相同的被摄体B对应。
另外,在Act101中,图像处理装置10也可以采集大于等于三个图像。这时图像处理装置10从大于等于三个图像中判定与相同被摄体对应的字符串。图像处理装置10能够对判定为与相同被摄体对应的多个字符串进行OCR处理并识别字符串,并基于出现频率最高的识别结果来确定该被摄体的字符串。通过这样,图像处理装置10能够以更高的精度识别被摄体的字符串。
另外,在Act107中,处理部111也可以将判定为与相同被摄体对应的所有图像通过超分辨率处理提高画质,并对该图像进行OCR处理,确定该被摄体的字符串。通过这样,图像处理装置10能够以更高的精度识别被摄体的字符串。
另外,在Act107中,处理部111也可以基于第一图像和所述第二图像之间的移动量预测在第二图像中映现有第一被摄体的位置,当第二字符串离开该位置规定距离以上时,判断为第二字符串与第一被摄体不对应。同样地,当第三字符串离开该位置规定距离以上时,处理部111也可以判断为第三字符串与第一被摄体不对应。第一图像和第二图像之间的移动量诸如既可以基于移动体12或者装载在移动体12上的第一摄像部13的移动量,又可以基于第一图像及第二图像所映现的任意的标记的移动量。此外,当第二字符串的形状与第一字符串的形状较大不同时或者附加有第二字符串的商品的形状与附加有第一字符串的商品的形状较大不同时,处理部111也可以判断为第二字符串与第一被摄体不对应。同样地,当第三字符串的形状与第一字符串的形状较大不同时或者附加有第三字符串的商品的形状与附加有第一字符串的商品的形状较大不同时,处理部111也可以判断为第三字符串与第一被摄体不对应。通过这样,图像处理装置10能够以更高的精度识别被摄体的字符串。
执行动作的主体诸如是硬件、硬件和软件的复合体、软件及执行中的软件等的计算机所涉及的主体。执行动作的主体虽然诸如是在处理器上执行的进程、处理器、目的物、执行文件、线程、程序及计算机,但是并不限定于这些。例如,也可以图像处理装置及在这里被执行的应用程序是执行动作的主体。也可以使进程、线程起到多个执行动作的主体的作用。执行动作的主体既可以位于一个图像处理装置内,也可以为分配给多个图像处理装置的形式。
既可以在装置内部预先记录有以上说明的功能,又可以将同样功能从网络下载到装置中,还可以将存储同样功能的存储介质安装在装置中。作为记录介质,只要是光盘ROM、存储卡等能存储程序且装置可读取的存储介质,则其形态可以是任意形态。此外,通过这样预先安装、下载获得的功能也可以与装置内部的OS(操作系统)等协作来实现其功能。
虽然对本发明的几个实施例进行了说明,但是这些实施例是作为例子提出的,并不意图限定发明的范围。这些新颖的实施例可以用其他的各种形式来实施,只要不脱离本发明的主旨的范围内可以进行各种省略、替换、变更。这些实施例及其变形均包含在发明的范围或要旨中,而且包含在权利要求的范围所记载的发明及其均等的范围内。
Claims (10)
1.一种图像处理装置,包括:
抽取部,抽取第一图像所映现的第一字符串,抽取第二图像所映现的第二字符串及第三字符串;
切出部,以一字符单位切出构成所述第一字符串的各字符,以一字符单位切出构成所述第二字符串的各字符,以一字符单位切出构成所述第三字符串的各字符;
计算部,计算出由构成所述第一字符串的各字符和候选字符组中的各候选字符的相似度构成的第一相似度组,计算出由构成所述第二字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第二相似度组,计算出由构成所述第三字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第三相似度组;以及
判定部,通过将所述第一相似度组与所述第二相似度组及所述第三相似度组进行比较,判定所述第二字符串或者所述第三字符串的任意一个字符串与和所述第一字符串相同的第一被摄体对应。
2.根据权利要求1所述的图像处理装置,其中,
所述判定部对应在所述第一字符串及所述第二字符串中相互对应的每位数且所述候选字符组中的每个候选字符,计算出所述第一相似度组所包含的相似度和所述第二相似度组所包含的相似度的差的第一绝对值组,计算出将所述第一绝对值组中的所有的绝对值加在一起的第一合计值,对应在所述第一字符串及所述第三字符串中相互对应的每位数且所述候选字符组中的每个候选字符,计算出所述第一相似度组所包含的相似度和所述第三相似度组所包含的相似度的差的第二绝对值组,计算出将所述第二绝对值组中的所有的绝对值加在一起的第二合计值,当所述第一合计值与所述第二合计值相比小时,判定为所述第二字符串与和所述第一字符串相同的所述第一被摄体对应,当所述第二合计值与所述第一合计值相比小时,判定为所述第三字符串与和所述第一字符串相同的所述第一被摄体对应。
3.根据权利要求1所述的图像处理装置,其中,
所述判定部计算出所述第一相似度组的柱状图和所述第二相似度组的柱状图的相似度,计算出所述第一相似度组的柱状图和所述第三相似度组的柱状图的相似度,当所述第一相似度组的柱状图与所述第三相似度组的柱状图相比与所述第二相似度组的柱状图相似时,判定为所述第二字符串与和所述第一字符串相同的所述第一被摄体对应,当所述第一相似度组的柱状图与所述第二相似度组的柱状图相比与所述第三相似度组的柱状图相似时,判定为所述第三字符串与和所述第一字符串相同的所述第一被摄体对应。
4.根据权利要求1所述的图像处理装置,其中,
所述判定部基于所述第一图像和所述第二图像之间的移动量预测在所述第二图像中所述第一被摄体所映现的位置,当所述第二字符串离开所述位置规定距离以上时,判断为所述第二字符串与所述第一被摄体不对应,当所述第三字符串离开所述位置规定距离以上时,判断为所述第三字符串与所述第一被摄体不对应。
5.根据权利要求1所述的图像处理装置,还包括:
识别部,采用所述第一字符串和通过所述判定部判定为与所述第一被摄体对应的所述第二图像中的字符串,识别所述第一被摄体的字符串。
6.根据权利要求1所述的图像处理装置,其中,
所述第一相似度组所包含的各相似度、所述第二相似度组所包含的各相似度及所述第三相似度组所包含的各相似度是似然的。
7.根据权利要求1所述的图像处理装置,其中,
所述第一字符串及所述第二字符串被分配给物品。
8.根据权利要求1所述的图像处理装置,还包括:
摄像部,摄像所述第一被摄体。
9.根据权利要求1所述的图像处理装置,其中,
所述判定部当所述第二字符串的形状与所述第一字符串的形状较大不同时,判断为所述第二字符串与所述第一被摄体不对应,当所述第三字符串的形状与所述第一字符串的形状较大不同时,判断为所述第三字符串与所述第一被摄体不对应。
10.一种图像处理方法,包括以下步骤:
抽取第一图像所映现的第一字符串的步骤;
抽取第二图像所映现的第二字符串及第三字符串的步骤;
以一字符单位切出构成所述第一字符串的各字符的步骤;
以一字符单位切出构成所述第二字符串的各字符的步骤;
以一字符单位切出构成所述第三字符串的各字符的步骤;
计算出由构成所述第一字符串的各字符和候选字符组中的各候选字符的相似度构成的第一相似度组的步骤;
计算出由构成所述第二字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第二相似度组的步骤;
计算出由构成所述第三字符串的各字符和所述候选字符组中的各候选字符的相似度构成的第三相似度组的步骤;以及
通过将所述第一相似度组与所述第二相似度组及所述第三相似度组进行比较,判定所述第二字符串或者所述第三字符串的任意一个字符串与和所述第一字符串相同的第一被摄体对应的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/681,899 | 2015-04-08 | ||
US14/681,899 US9600731B2 (en) | 2015-04-08 | 2015-04-08 | Image processing apparatus, image processing method and computer-readable storage medium |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056111A true CN106056111A (zh) | 2016-10-26 |
CN106056111B CN106056111B (zh) | 2019-06-18 |
Family
ID=54843676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510631548.0A Active CN106056111B (zh) | 2015-04-08 | 2015-09-29 | 图像处理装置及图像处理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9600731B2 (zh) |
EP (1) | EP3079101B1 (zh) |
JP (2) | JP6619634B2 (zh) |
CN (1) | CN106056111B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127222A (zh) * | 2016-06-13 | 2016-11-16 | 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 |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017187988A (ja) | 2016-04-07 | 2017-10-12 | 東芝テック株式会社 | コード認識装置 |
US11042161B2 (en) | 2016-11-16 | 2021-06-22 | Symbol Technologies, Llc | Navigation control method and apparatus in a mobile automation system |
US11367092B2 (en) | 2017-05-01 | 2022-06-21 | Symbol Technologies, Llc | Method and apparatus for extracting and processing price text from an image set |
US10726273B2 (en) | 2017-05-01 | 2020-07-28 | Symbol Technologies, Llc | Method and apparatus for shelf feature and object placement detection from shelf images |
WO2018204342A1 (en) | 2017-05-01 | 2018-11-08 | Symbol Technologies, Llc | Product status detection system |
US10949798B2 (en) | 2017-05-01 | 2021-03-16 | Symbol Technologies, Llc | Multimodal localization and mapping for a mobile automation apparatus |
US10663590B2 (en) | 2017-05-01 | 2020-05-26 | Symbol Technologies, Llc | Device and method for merging lidar data |
US11449059B2 (en) | 2017-05-01 | 2022-09-20 | Symbol Technologies, Llc | Obstacle detection for a mobile automation apparatus |
WO2018204308A1 (en) | 2017-05-01 | 2018-11-08 | Symbol Technologies, Llc | Method and apparatus for object status detection |
US10591918B2 (en) | 2017-05-01 | 2020-03-17 | Symbol Technologies, Llc | Fixed segmented lattice planning for a mobile automation apparatus |
US11600084B2 (en) | 2017-05-05 | 2023-03-07 | Symbol Technologies, Llc | Method and apparatus for detecting and interpreting price label text |
US10572763B2 (en) | 2017-09-07 | 2020-02-25 | Symbol Technologies, Llc | Method and apparatus for support surface edge detection |
US10521914B2 (en) * | 2017-09-07 | 2019-12-31 | Symbol Technologies, Llc | Multi-sensor object recognition system and method |
US10832436B2 (en) | 2018-04-05 | 2020-11-10 | Symbol Technologies, Llc | Method, system and apparatus for recovering label positions |
US10740911B2 (en) | 2018-04-05 | 2020-08-11 | Symbol Technologies, Llc | Method, system and apparatus for correcting translucency artifacts in data representing a support structure |
US10823572B2 (en) | 2018-04-05 | 2020-11-03 | Symbol Technologies, Llc | Method, system and apparatus for generating navigational data |
US10809078B2 (en) | 2018-04-05 | 2020-10-20 | Symbol Technologies, Llc | Method, system and apparatus for dynamic path generation |
US11327504B2 (en) | 2018-04-05 | 2022-05-10 | Symbol Technologies, Llc | Method, system and apparatus for mobile automation apparatus localization |
JP7062507B2 (ja) * | 2018-05-08 | 2022-05-16 | 東芝テック株式会社 | 物品認識装置 |
JP2020027501A (ja) * | 2018-08-14 | 2020-02-20 | 東芝テック株式会社 | 画像処理装置及び画像処理方法 |
US11506483B2 (en) | 2018-10-05 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for support structure depth determination |
US11010920B2 (en) | 2018-10-05 | 2021-05-18 | Zebra Technologies Corporation | Method, system and apparatus for object detection in point clouds |
US11003188B2 (en) | 2018-11-13 | 2021-05-11 | Zebra Technologies Corporation | Method, system and apparatus for obstacle handling in navigational path generation |
US11090811B2 (en) | 2018-11-13 | 2021-08-17 | Zebra Technologies Corporation | Method and apparatus for labeling of support structures |
US11416000B2 (en) | 2018-12-07 | 2022-08-16 | Zebra Technologies Corporation | Method and apparatus for navigational ray tracing |
US11079240B2 (en) | 2018-12-07 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for adaptive particle filter localization |
US11100303B2 (en) | 2018-12-10 | 2021-08-24 | Zebra Technologies Corporation | Method, system and apparatus for auxiliary label detection and association |
US11015938B2 (en) | 2018-12-12 | 2021-05-25 | Zebra Technologies Corporation | Method, system and apparatus for navigational assistance |
US10731970B2 (en) | 2018-12-13 | 2020-08-04 | Zebra Technologies Corporation | Method, system and apparatus for support structure detection |
CA3028708A1 (en) | 2018-12-28 | 2020-06-28 | Zih Corp. | Method, system and apparatus for dynamic loop closure in mapping trajectories |
US11960286B2 (en) | 2019-06-03 | 2024-04-16 | Zebra Technologies Corporation | Method, system and apparatus for dynamic task sequencing |
US11341663B2 (en) | 2019-06-03 | 2022-05-24 | Zebra Technologies Corporation | Method, system and apparatus for detecting support structure obstructions |
US11151743B2 (en) | 2019-06-03 | 2021-10-19 | Zebra Technologies Corporation | Method, system and apparatus for end of aisle detection |
US11402846B2 (en) | 2019-06-03 | 2022-08-02 | Zebra Technologies Corporation | Method, system and apparatus for mitigating data capture light leakage |
US11080566B2 (en) | 2019-06-03 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for gap detection in support structures with peg regions |
US11662739B2 (en) | 2019-06-03 | 2023-05-30 | Zebra Technologies Corporation | Method, system and apparatus for adaptive ceiling-based localization |
US11200677B2 (en) | 2019-06-03 | 2021-12-14 | Zebra Technologies Corporation | Method, system and apparatus for shelf edge detection |
US11507103B2 (en) | 2019-12-04 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for localization-based historical obstacle handling |
US11107238B2 (en) | 2019-12-13 | 2021-08-31 | Zebra Technologies Corporation | Method, system and apparatus for detecting item facings |
US11822333B2 (en) | 2020-03-30 | 2023-11-21 | Zebra Technologies Corporation | Method, system and apparatus for data capture illumination control |
US11450024B2 (en) | 2020-07-17 | 2022-09-20 | Zebra Technologies Corporation | Mixed depth object detection |
US11593915B2 (en) | 2020-10-21 | 2023-02-28 | Zebra Technologies Corporation | Parallax-tolerant panoramic image generation |
US11392891B2 (en) | 2020-11-03 | 2022-07-19 | Zebra Technologies Corporation | Item placement detection and optimization in material handling systems |
US11847832B2 (en) | 2020-11-11 | 2023-12-19 | Zebra Technologies Corporation | Object classification for autonomous navigation systems |
US11954882B2 (en) | 2021-06-17 | 2024-04-09 | Zebra Technologies Corporation | Feature-based georegistration for mobile computing devices |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101689328A (zh) * | 2008-06-11 | 2010-03-31 | 松下电器产业株式会社 | 图案识别设备、图案识别方法、图像处理设备、以及图像处理方法 |
CN101976253A (zh) * | 2010-10-27 | 2011-02-16 | 重庆邮电大学 | 一种中文变异文本匹配识别方法 |
CN102194101A (zh) * | 2010-03-15 | 2011-09-21 | 欧姆龙株式会社 | 字符串检测装置和方法、字符评价装置和方法 |
US20130322758A1 (en) * | 2012-06-04 | 2013-12-05 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and program |
CN103714338A (zh) * | 2012-09-28 | 2014-04-09 | 欧姆龙株式会社 | 图像处理装置和图像处理方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0363895A (ja) * | 1989-08-02 | 1991-03-19 | Mitsubishi Electric Corp | 文字認識方式 |
JP2734386B2 (ja) * | 1994-12-20 | 1998-03-30 | 日本電気株式会社 | 文字列読み取り装置 |
JP3632287B2 (ja) * | 1996-04-19 | 2005-03-23 | 三菱電機株式会社 | 車両番号読み取り装置 |
IL162921A0 (en) * | 2004-07-08 | 2005-11-20 | Hi Tech Solutions Ltd | Character recognition system and method |
JP4834351B2 (ja) * | 2005-08-22 | 2011-12-14 | 株式会社東芝 | 文字認識装置及び文字認識方法 |
JP4645498B2 (ja) * | 2006-03-27 | 2011-03-09 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
WO2008099664A1 (ja) * | 2007-02-15 | 2008-08-21 | Mitsubishi Heavy Industries, Ltd. | 車両番号認識装置 |
JP4987943B2 (ja) * | 2009-11-11 | 2012-08-01 | 株式会社東芝 | 電子機器及び画像表示方法 |
JP5825172B2 (ja) | 2012-03-28 | 2015-12-02 | 富士通株式会社 | 画像判定装置、画像判定方法及び画像判定用コンピュータプログラム |
JP5869989B2 (ja) * | 2012-08-24 | 2016-02-24 | 富士フイルム株式会社 | 物品照合装置および方法並びにプログラム |
JP6286866B2 (ja) * | 2013-05-20 | 2018-03-07 | オムロン株式会社 | 画像処理装置および画像処理方法 |
JP6146209B2 (ja) * | 2013-08-28 | 2017-06-14 | 富士通株式会社 | 情報処理装置、文字認識方法、及びプログラム |
-
2015
- 2015-04-08 US US14/681,899 patent/US9600731B2/en active Active
- 2015-09-29 CN CN201510631548.0A patent/CN106056111B/zh active Active
- 2015-12-01 JP JP2015234422A patent/JP6619634B2/ja active Active
- 2015-12-04 EP EP15198042.2A patent/EP3079101B1/en active Active
-
2019
- 2019-11-15 JP JP2019206963A patent/JP6843213B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101689328A (zh) * | 2008-06-11 | 2010-03-31 | 松下电器产业株式会社 | 图案识别设备、图案识别方法、图像处理设备、以及图像处理方法 |
CN102194101A (zh) * | 2010-03-15 | 2011-09-21 | 欧姆龙株式会社 | 字符串检测装置和方法、字符评价装置和方法 |
CN101976253A (zh) * | 2010-10-27 | 2011-02-16 | 重庆邮电大学 | 一种中文变异文本匹配识别方法 |
US20130322758A1 (en) * | 2012-06-04 | 2013-12-05 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and program |
CN103714338A (zh) * | 2012-09-28 | 2014-04-09 | 欧姆龙株式会社 | 图像处理装置和图像处理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127222A (zh) * | 2016-06-13 | 2016-11-16 | 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 |
Also Published As
Publication number | Publication date |
---|---|
JP2020030857A (ja) | 2020-02-27 |
JP2016201093A (ja) | 2016-12-01 |
US20160300115A1 (en) | 2016-10-13 |
US9600731B2 (en) | 2017-03-21 |
CN106056111B (zh) | 2019-06-18 |
EP3079101A1 (en) | 2016-10-12 |
JP6843213B2 (ja) | 2021-03-17 |
EP3079101B1 (en) | 2019-01-30 |
JP6619634B2 (ja) | 2019-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6843213B2 (ja) | 画像処理装置及び画像処理方法 | |
CN106056112B (zh) | 图像处理装置及图像处理方法 | |
US10796162B2 (en) | Information processing apparatus, information processing method, and information processing system | |
JP6143111B2 (ja) | 物体識別装置、物体識別方法、及びプログラム | |
JP7102490B2 (ja) | 画像認識装置 | |
CN111199562B (zh) | 用于在机器人拣选时快速物体检测的系统和方法 | |
JP6278276B2 (ja) | 物体識別装置、物体識別方法、及びプログラム | |
CN108921204B (zh) | 电子装置、图片样本集生成方法和计算机可读存储介质 | |
KR101917354B1 (ko) | 모바일 환경 객체 신뢰도 평가와 학습을 통한 융합 객체 추적 시스템 및 방법 | |
JP6831951B2 (ja) | 画像認識システム | |
CN112036362A (zh) | 图像处理方法、装置、计算机设备和可读存储介质 | |
JP2016081355A (ja) | 異常検知方法、異常検知装置、及びプログラム | |
KR20130080743A (ko) | 특징점 집합 비교를 이용한 객체 영역 검색 방법 | |
Li et al. | VideoLoc: Video-based indoor localization with text information | |
CN111626173A (zh) | 一种更新数据库中人脸特征向量的方法 | |
Lin et al. | Invariant Hough random ferns for object detection and tracking | |
US20230377188A1 (en) | Group specification apparatus, group specification method, and computer-readable recording medium | |
JPWO2022079841A5 (ja) | グループ特定装置、グループ特定方法、及びプログラム | |
CN119398797A (zh) | 一种商品复卖检测方法、装置及电子设备 |
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 |