CN106682187B - 用于建立图像底库的方法及装置 - Google Patents
用于建立图像底库的方法及装置 Download PDFInfo
- Publication number
- CN106682187B CN106682187B CN201611247448.9A CN201611247448A CN106682187B CN 106682187 B CN106682187 B CN 106682187B CN 201611247448 A CN201611247448 A CN 201611247448A CN 106682187 B CN106682187 B CN 106682187B
- Authority
- CN
- China
- Prior art keywords
- image
- type
- base
- images
- different types
- 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
Classifications
-
- 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
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种用于建立图像底库的方法及装置,所述方法包括:接收针对同一对象采集的至少两种不同类型的图像;基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别;以及基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库。根据本发明实施例的用于建立图像底库的方法及装置基于已有的图像底库来识别相应类型图像中的对象,并基于识别结果将所识别的对象与针对该对象所采集的另一类型图像关联起来以用于建立另一类型的图像底库,能够实现快速高效地建立新的图像底库,大大降低人工和时间成本。
Description
技术领域
本发明涉及图像识别技术领域,更具体地涉及一种用于建立图像底库的方法及装置。
背景技术
目前的图像识别,例如人脸图像的识别,多数以彩色图像识别为主。彩色图像的识别依赖于彩色图像底库。在一些高安全级别的应用领域(例如安防、金融领域等),为防止采用盗用的图像冒名识别,还需要对待识别的人脸进行活体检测。基于这样的需求,可采用红外摄像头拍摄红外图像进行辅助识别,因此需要建立红外图像底库来支持红外图像的识别。
目前,彩色图像底库的图像比较普遍存在,如身份证录入时产生的底库照片等,因此彩色图像底库相对容易建立。但红外图像底库相对没有较为广泛的应用,需要重新建立。然而,现有的建立图像底库的方法非常繁琐。例如,建立红外图像底库时,需要基于红外摄像头重新采集图像、然后手动标注各种相关信息后录入红外底库,流程很繁琐,很难快速建立一个庞大的数据库。
发明内容
为了解决上述问题提出了本发明。根据本发明一方面,提供了一种用于建立图像底库的方法,所述方法包括:接收针对同一对象采集的至少两种不同类型的图像;基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别;以及基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库。
在本发明的一个实施例中,所述方法还包括:建立所述不同类型的图像之间的对应关系。
在本发明的一个实施例中,所述不同类型的图像是针对同一对象同时采集的。
在本发明的一个实施例中,所述不同类型的图像是通过不同类型的图像采集设备针对同一对象采集的。
在本发明的一个实施例中,所述第一类型图像为彩色图像,所述第二类型图像为红外图像,所述第一图像底库为彩色图像底库,所述第二图像底库为红外图像底库。
在本发明的一个实施例中,所述识别的步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象。
在本发明的一个实施例中,如果在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则对与所述第一类型图像具有对应关系的所述第二类型图像进行标注,所述标注包括建立所述第二类型图像与所述目标对象的对应关系。
在本发明的一个实施例中,所述建立所述第二类型图像与所述目标对象的对应关系的步骤包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。
在本发明的一个实施例中,所述目标对象的所述相关信息包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息。
在本发明的一个实施例中,所述识别的步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象,如果在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则所述标注包括建立所述第二类型图像与所述第一类型图像的对应关系。
在本发明的一个实施例中,所述对象为人脸。
根据本发明另一方面,提供了一种用于建立图像底库的装置,所述装置包括:接收模块,用于接收针对同一对象采集的至少两种不同类型的图像;识别模块,用于基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别;以及标注模块,用于基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库。
在本发明的一个实施例中,所述标注模块还用于:建立所述不同类型的图像之间的对应关系。
在本发明的一个实施例中,所述不同类型的图像是针对同一对象同时采集的。
在本发明的一个实施例中,所述不同类型的图像是通过不同类型的图像采集设备针对同一对象采集的。
在本发明的一个实施例中,所述第一类型图像为彩色图像,所述第二类型图像为红外图像,所述第一图像底库为彩色图像底库,所述第二图像底库为红外图像底库。
在本发明的一个实施例中,所述识别模块的识别步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象。
在本发明的一个实施例中,如果所述识别模块在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则所述标注模块对与所述第一类型图像具有对应关系的所述第二类型图像进行标注,所述标注模块的标注步骤包括建立所述第二类型图像与所述目标对象的对应关系。
在本发明的一个实施例中,所述标注模块建立所述第二类型图像与所述目标对象的对应关系的步骤包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。
在本发明的一个实施例中,所述目标对象的所述相关信息包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息。
在本发明的一个实施例中,所述识别模块的识别步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象,如果所述识别模块在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则所述标注模块的标注步骤包括建立所述第二类型图像与所述第一类型图像的对应关系。
在本发明的一个实施例中,所述对象为人脸。
根据本发明又一方面,还提供了一种用于建立图像底库的装置,所述装置包括处理器、存储器以及存储于所述存储器中的计算机程序,其中,所述计算机程序在被所述处理器运行时执行如下步骤:接收针对同一对象采集的至少两种不同类型的图像;基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别;以及基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库。
根据本发明实施例的用于建立图像底库的方法及装置基于已有的图像底库来识别相应类型图像中的对象,并基于识别结果将所识别的对象与针对该对象所采集的另一类型图像关联起来以用于建立另一类型的图像底库,能够实现快速高效地建立新的图像底库,大大降低人工和时间成本。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1示出用于实现根据本发明实施例的用于建立图像底库的方法和装置的示例电子设备的示意性框图;
图2示出根据本发明实施例的用于建立图像底库的方法的示意性流程图;
图3示出根据本发明实施例的用于建立图像底库的装置的示意性框图;以及
图4示出根据本发明实施例的用于建立图像底库的系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
首先,参照图1来描述用于实现本发明实施例的用于建立图像底库的方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像传感器110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像传感器110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的用于建立图像底库的方法和装置的示例电子设备可以被实现为诸如智能手机、平板电脑等。
下面,将参考图2描述根据本发明实施例的用于建立图像底库的方法200。
在步骤S210,接收针对同一对象采集的至少两种不同类型的图像。
在一个实施例中,所接收的图像类型可以取决于已有的图像底库类型以及将要建立的图像底库的类型。例如,在一个示例中,假定已有的图像底库为彩色图像(RGB图像)底库,将要建立的图像底库为红外图像底库,则在该示例中,所接收的图像可以包括针对同一对象所采集的彩色图像和红外图像。在另一个示例中,假定已有的图像底库为灰度图像底库,将要建立的图像底库为彩色图像底库和红外图像底库,则在该示例中,所接收的图像可以包括针对同一对象所采集的灰度图像、彩色图像以及红外图像。在其他示例中,所接收的图像类型可以为针对同一对象采集的任何需要的图像类型。
在一个示例中,可以通过不同类型的图像采集设备来针对同一对象采集相应类型的图像。例如,在上述的第一个示例中,可分别通过RGB摄像头和红外摄像头来针对同一对象采集彩色图像和红外图像。在另一个示例中,也可以通过同一个或彼此相同的图像采集设备来采集一种类型的图像,然后通过一定的图像处理生成所需要的另一种类型的图像,通过该示例,能够实现无需增设新的图像采集设备即可通过算法获得所需要的另一种类型的图像,使得所需要的另一种类型的图像便于获取。例如,在上述的第二个示例中,可以分别通过RGB摄像头和红外摄像头来针对同一对象采集彩色图像和红外图像,至于灰度图像,可以通过将采集的彩色图像进行一定的处理而生成。总之,可根据实际情况设置图像采集设备来采集在步骤S210需要接收的图像。当然,也可以从任何源直接获取所需的图像,而无需进行采集。也就是说,可以将步骤S210中的“采集”理解为实时采集,也可以理解为非实时获取。
进一步地,对同一对象采集的不同类型的图像可以是同时进行的。例如,在上述第一个示例中,可以通过RGB摄像头和红外摄像头来针对同一对象同时采集彩色图像和红外图像。这样不但可以确保所采集的不同类型的图像是针对同一对象的,而且节省采集图像的时间,还可以无需被采集图像的对象的配合,只要在需要采集图像的地点设置相应类型的图像采集设备即可。
在步骤S220,基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别。
在一个实施例中,第一类型图像可以是与已有图像底库相对应的类型的图像。相应地,第一图像底库可以为与第一类型图像相对应的图像底库。示例性地,“相对应”(或“相应”)的意思可以是第一图像底库包括第一类型图像这一类型的图像,或者第一图像底库包括第一类型图像这一类型的图像的特征模板等。
在步骤S210所接收的至少两种不同类型的图像中,可以将已具有相应的图像底库的类型的图像称为第一类型图像,将其他一种或多种没有相应图像底库(即,将要建立其相应图像底库)的类型的图像均称为第二类型图像。此处,“第一”与“第二”仅是为了区别彼此而定义,并非起到任何限定性作用。
接着上面的示例,假定已有的图像底库为彩色图像底库,将要建立的图像底库为红外图像底库,则在该示例中,在步骤S210所接收的图像可以包括针对同一对象所采集的彩色图像和红外图像。其中,彩色图像即为第一类型图像,已有的彩色图像底库即为第一图像底库。红外图像为第二类型图像,将要建立的红外图像底库即为第二图像底库。
在一个实施例中,利用第一图像底库对所述对象进行识别的步骤可以包括在所述第一图像底库中搜索与所述对象相匹配的目标对象。例如,针对对象A采集或获取了第一类型图像,则该识别的步骤可以包括如下的过程:在第一类型图像中检测对象A、对其进行预处理、然后进行特征提取、基于第一图像底库进行匹配识别。在其他示例中,也可以通过任何其他合适的过程或步骤利用第一图像底库对所述对象进行识别,此处不对其进行限定。
在该步骤,是为了在已知不同类型的图像时,利用与其中一种类型的图像相对应的图像底库作为桥梁来建立与另一种或多种类型的图像相对应的图像底库,因此该步骤的中的“识别”过程或方法不受限制,不论是现有的方法还是未来开发的方法,均应落在本发明的范围之内。
在步骤S230,基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库。
基于步骤S220的“识别”,可得到识别结果,该识别结果可以包括“在所述第一图像底库中搜索到与所述对象相匹配的目标对象”以及“在所述第一图像底库中未搜索到与所述对象相匹配的目标对象”。
在一个实施例中,如果在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则步骤S230中的“标注”可以包括建立所述第二类型图像与所述目标对象的对应关系。
例如,当在所述第一图像底库中搜索到与所述对象(例如上面示例中的对象A)相匹配的目标对象(例如称为目标对象A1)时,则可直接获取所述第一图像底库中关于该目标对象A1的相关信息。将该相关信息与所述对象(例如上面示例中的对象A)的第二类型图像关联对应起来,即可建立与第二类型图像相对应的第二图像底库,从而无需额外单独对所述对象的第二类型图像进行相关信息添加,仅通过匹配现有的第一图像底库并获取第一图像底库中的现有相关信息即可完成第二图像底库的建立,使得第二图像底库的建立方便快捷。
在一个实施例中,所述建立所述第二类型图像与所述目标对象的对应关系的步骤可以包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。示例性地,所述目标对象的相关信息可以包括与所述目标对象相关的各种信息,例如,相关信息可以包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息。
接着上面的示例,可以基于在第一图像底库中搜索到与对象A相匹配的目标对象A1的识别结果,将目标对象A1的相关信息,例如对象A(即目标对象A1)的名称或姓名添加到第二类型图像作为标注,从而可建立该名称或姓名与针对对象A所采集的第二类型图像的对应关系。此外,除了名称或姓名,也可以添加其他的关于对象A(即目标对象A1)的附加属性信息,例如当对象A(即目标对象A1)为人时,其附加属性信息可以包括其年龄、性别、身高等等。进一步地,可以仅将包含对象A(即目标对象A1)的详细信息的标识符或链接添加到第二类型图像作为标注,这样不仅可以减少标注的数据量,还可以基于较少的数据量获得大量的详细信息,同时,由于添加到第二图像底库中的相关信息来来源于第一图像底库,这就保证了相关信息来源的可靠性与准确性,避免了单独添加相关信息可能会导致的信息添加错误。
在另一个实施例中,如果在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则步骤S230中的“标注”可以包括建立所述第二类型图像与所述第一类型图像的对应关系。在该实施例中,由于识别结果是未搜到相匹配的目标对象,因此无法基于第一图像底库直接“得知”第一类型图像和第二类型图像中的对象(例如上面示例中的对象A)“是谁”。此时,可以先建立第二类型图像与第一类型图像的对应关系,该对应关系例如可以为:确定第二类型图像和第一类型图像中的对象为同一对象。那么,基于这样的对应关系,如果一旦得知第二类型图像和第一类型图像中的任何一个中的对象的相关信息,则可直接得知第二类型图像和第一类型图像中的另一个中对象的相关信息。基于所得知的关于对象的相关消息,即可快速地建立与它们相对应的图像底库。
在又一个实施例中,在接收第一类型图像和第二类型图像后,可以先建立第一类型图像和第二类型图像之间的对应关系,然后再基于第一类型图像在第一图像底库中搜索与所述对象(例如上面示例中的对象A)相匹配的目标对象(例如称为目标对象A1)。当在第一图像底库中搜索到与所述对象相匹配的目标对象时,可以根据已建立的第一类型图像和第二类型图像之间的对应关系,建立搜索到的匹配的目标对象与第二类型图像之间的对应关系,从而快速建立第二图像底库。在该实施例中,可以针对多个对象分别采集每个对象各自的不同类型的图像,基于对每个对象各自的不同类型的图像之间的对应关系的建立,在针对多个对象采集图像后的任何时间,均可准确无误地针对每个对象的不同类型的图像实施后续的“识别”步骤和“标注”步骤,无需针对每个对象采集图像后立刻实施后续的“识别”步骤和“标注”步骤,从而更加便利和高效地建立包括多个对象的图像的新的图像底库。
基于上面的描述,根据本发明实施例的用于建立图像底库的方法基于已有的图像底库来识别相应类型图像中的对象,并基于识别结果将所识别的对象与针对该对象所采集的另一类型图像关联起来以用于建立另一类型的图像底库,能够实现快速高效地建立新的图像底库,大大降低人工和时间成本。
示例性地,根据本发明实施例的用于建立图像底库的方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的用于建立图像底库的方法可以应用于安防应用领域或金融应用领域,例如可在门禁系统的人脸图像采集端处设置不同类型的图像采集设备(例如彩色图像摄像头和红外图像摄像头),通过根据本发明实施例的用于建立图像底库的方法在已有彩色图像底库的基础上再快速建立红外图像底库,可以在门禁系统的应用时加上红外图像的辅助识别,可以实现活体检测,避免采用照片冒充的人脸识别。类似地,在金融应用领域,也可以加上红外图像的辅助识别,实现活体检测,从而进一步保证交易安全。
根据本发明实施例的用于建立图像底库的方法可以部署在个人终端处,诸如智能电话、平板电脑、个人计算机等。替代地,根据本发明实施例的用于建立图像底库的方法还可以部署在服务器端(或云端)。替代地,根据本发明实施例的用于建立图像底库的方法还可以分布地部署在服务器端(或云端)和个人终端处。
以上示例性地描述了根据本发明实施例的用于建立图像底库的方法所包括的示例性步骤流程。
下面结合图3描述本发明另一方面提供的用于建立图像底库的装置。图3示出了根据本发明实施例的用于建立图像底库的装置300的示意性框图。
如图3所示,根据本发明实施例的用于建立图像底库的装置300包括接收模块310、识别模块320以及标注模块330。所述各个模块可分别执行上文中结合图2描述的用于建立图像底库的方法的各个步骤/功能。以下仅对用于建立图像底库的装置300的各单元的主要功能进行描述,而省略以上已经描述过的细节内容。
接收模块310用于接收针对同一对象采集的至少两种不同类型的图像。识别模块320用于基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别。标注模块330用于基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的第二类型图像建立第二图像底库。接收模块310、识别模块320以及标注模块330均可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
在一个实施例中,接收模块310所接收的图像类型可以取决于已有的图像底库类型以及将要建立的图像底库的类型。例如,在一个示例中,假定已有的图像底库为彩色图像(RGB图像)底库,将要建立的图像底库为红外图像底库,则在该示例中,接收模块310所接收的图像可以包括针对同一对象所采集的彩色图像和红外图像。在另一个示例中,假定已有的图像底库为灰度图像底库,将要建立的图像底库为彩色图像底库和红外图像底库,则在该示例中,接收模块310所接收的图像可以包括针对同一对象所采集的灰度图像、彩色图像以及红外图像。在其他示例中,接收模块310所接收的图像类型可以为针对同一对象采集的任何需要的图像类型。
在一个示例中,接收模块310所接收的不同类型的图像可以通过不同类型的图像采集设备针对同一对象进行采集。例如,在上述的第一个示例中,可分别通过RGB摄像头和红外摄像头来针对同一对象采集彩色图像和红外图像。在另一个示例中,也可以通过同一个或彼此相同的图像采集设备来采集一种类型的图像,然后通过一定的图像处理生成所需要的另一种类型的图像,通过该示例,能够实现无需增设新的图像采集设备即可通过算法获得所需要的另一种类型的图像,使得所需要的另一种类型的图像便于获取。总之,可根据实际情况设置图像采集设备来采集在接收模块310需要接收的图像。当然,接收模块310也可以从任何源直接获取所需的图像,而无需由图像采集设备进行采集。
进一步地,接收模块310所接收的不同类型的图像可以是图像采集设备针对同一对象同时采集的。例如,在上述第一个示例中,可以通过RGB摄像头和红外摄像头来针对同一对象同时采集彩色图像和红外图像。这样不但可以确保所采集的不同类型的图像是针对同一对象的,而且节省采集图像的时间,还可以无需被采集图像的对象的配合,只要在需要采集图像的地点设置相应类型的图像采集设备即可。
在一个实施例中,第一类型图像可以是与已有图像底库相对应的类型的图像。相应地,第一图像底库可以为与第一类型图像相对应的图像底库。示例性地,“相对应”(或“相应”)的意思可以是第一图像底库包括第一类型图像这一类型的图像,或者第一图像底库包括第一类型图像这一类型的图像的特征模板等。
在接收模块310所接收的至少两种不同类型的图像中,可以将已具有相应的图像底库的类型的图像称为第一类型图像,将其他一种或多种没有相应图像底库(即,将要建立其相应图像底库)的类型的图像均称为第二类型图像。此处,“第一”与“第二”仅是为了区别彼此而定义,并非起到任何限定性作用。
接着上面的示例,假定已有的图像底库为彩色图像底库,将要建立的图像底库为红外图像底库,则在该示例中,接收模块310所接收的图像可以包括针对同一对象所采集的彩色图像和红外图像。其中,彩色图像即为第一类型图像,已有的彩色图像底库即为第一图像底库。红外图像为第二类型图像,将要建立的红外图像底库即为第二图像底库。
在一个实施例中,识别模块320利用第一图像底库对所述对象进行识别的步骤可以包括在所述第一图像底库中搜索与所述对象相匹配的目标对象。例如,针对对象A采集或获取了第一类型图像,则识别模块320进行识别的步骤可以包括如下的过程:在第一类型图像中检测对象A、对其进行预处理、然后进行特征提取、基于第一图像底库进行匹配识别。在其他示例中,识别模块320也可以通过任何其他合适的过程或步骤利用第一图像底库对所述对象进行识别,此处不对其进行限定。
基于识别模块320的“识别”,可得到识别结果,该识别结果可以包括“在所述第一图像底库中搜索到与所述对象相匹配的目标对象”以及“在所述第一图像底库中未搜索到与所述对象相匹配的目标对象”。
在一个实施例中,如果识别模块320在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则标注模块330的“标注”可以包括建立所述第二类型图像与所述目标对象的对应关系。
在一个实施例中,所述建立所述第二类型图像与所述目标对象的对应关系的步骤可以包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。示例性地,所述目标对象的相关信息可以包括与所述目标对象相关的各种信息,例如,相关信息可以包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息,其中附加属性信息可以为对象名称或姓名之外的其他属性信息,例如年龄、性别、身高、籍贯、犯罪记录、体貌特征等信息。
接着上面的示例,基于识别模块320在第一图像底库中搜索到与对象A相匹配的目标对象A1的识别结果,标注模块330可以将目标对象A1的相关信息,例如对象A(即目标对象A1)的名称或姓名添加到第二类型图像作为标注,从而可建立该名称或姓名与针对对象A所采集的第二类型图像的对应关系。此外,除了名称或姓名,标注模块330也可以添加其他的关于对象A(即目标对象A1)的附加属性信息,例如当对象A(即目标对象A1)为人时,其附加属性信息可以包括其年龄、性别、身高等等。进一步地,标注模块330可以仅将包含对象A(即目标对象A1)的详细信息的标识符或链接添加到第二类型图像作为标注,这样不仅可以减少标注的数据量,还可以基于较少的数据量获得大量的详细信息,同时,由于添加到第二图像底库中的相关信息来来源于第一图像底库,这就保证了相关信息来源的可靠性与准确性,避免了单独添加相关信息可能会导致的信息添加错误。
在另一个实施例中,如果识别模块320在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则标注模块330的“标注”可以包括建立所述第二类型图像与所述第一类型图像的对应关系。在该实施例中,由于识别结果是未搜到相匹配的目标对象,因此无法基于第一图像底库直接“得知”第一类型图像和第二类型图像中的对象(例如上面示例中的对象A)“是谁”。此时,标注模块330可以先建立第二类型图像与第一类型图像的对应关系,该对应关系例如可以为:确定第二类型图像和第一类型图像中的对象为同一对象。那么,基于这样的对应关系,如果一旦得知第二类型图像和第一类型图像中的任何一个中的对象的相关信息,则可直接得知第二类型图像和第一类型图像中的另一个中对象的相关信息。基于所得知的关于对象的相关消息,即可快速地建立与它们相对应的图像底库。
在又一个实施例中,在接收模块310接收第一类型图像和第二类型图像后,可以先由标注模块330建立第一类型图像和第二类型图像之间的对应关系,然后再由识别模块320基于第一类型图像在第一图像底库中搜索与所述对象(例如上面示例中的对象A)相匹配的目标对象(例如称为目标对象A1)。当识别模块320在第一图像底库中搜索到与所述对象相匹配的目标对象时,标注模块330可以根据已建立的第一类型图像和第二类型图像之间的对应关系,建立搜索到的匹配的目标对象与第二类型图像之间的对应关系,从而快速建立第二图像底库。
基于上面的描述,根据本发明实施例的用于建立图像底库的装置基于已有的图像底库来识别相应类型图像中的对象,并基于识别结果将所识别的对象与针对该对象所采集的另一类型图像关联起来以用于建立另一类型的图像底库,能够实现快速高效地建立新的图像底库,大大降低人工和时间成本。
图4示出了根据本发明实施例的用于建立图像底库的系统400的示意性框图。用于建立图像底库的系统400包括存储装置410以及处理器420。
其中,存储装置410存储用于实现根据本发明实施例的用于建立图像底库的方法中的相应步骤的程序代码。处理器420用于运行存储装置410中存储的程序代码,以执行根据本发明实施例的用于建立图像底库的方法的相应步骤,并且用于实现根据本发明实施例的用于建立图像底库的装置中的相应模块。此外,用于建立图像底库的系统400还可以包括图像采集装置(未在图4中示出),其可以用于采集针对同一对象的至少两种不同类型的图像。当然,图像采集装置不是必需的,可直接接收来自其他源的针对同一对象的至少两种不同类型的图像的输入。
在一个实施例中,在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行以下步骤:接收针对同一对象采集的至少两种不同类型的图像;基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别;以及基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库。
在一个实施例中,在所述程序代码被处理器420运行时还使得用于建立图像底库的系统400执行以下步骤:建立所述不同类型的图像之间的对应关系。
在一个实施例中,所述不同类型的图像是针对同一对象同时采集的。
在一个实施例中,所述不同类型的图像是通过不同类型的图像采集设备针对同一对象采集的。
在一个实施例中,所述第一类型图像为彩色图像,所述第二类型图像为红外图像,所述第一图像底库为彩色图像底库,所述第二图像底库为红外图像底库。
在一个实施例中,在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行的基于所述不同类型的图像中的第一类型图像利用第一图像底库对所述对象进行识别的步骤包括:在所述第一图像底库中搜索与所述对象相匹配的目标对象。
在一个实施例中,如果在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行的识别步骤在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行以下步骤:对与所述第一类型图像具有对应关系的所述第二类型图像进行标注,所述标注包括建立所述第二类型图像与所述目标对象的对应关系。
在一个实施例中,在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行的所述建立所述第二类型图像与所述目标对象的对应关系的步骤包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。
在一个实施例中,所述目标对象的所述相关信息包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息。
在一个实施例中,在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行的基于所述不同类型的图像中的第一类型图像利用第一图像底库对所述对象进行识别的步骤包括:在所述第一图像底库中搜索与所述对象相匹配的目标对象,如果在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行的识别步骤在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则在所述程序代码被处理器420运行时使得用于建立图像底库的系统400执行的所述标注包括建立所述第二类型图像与所述第一类型图像的对应关系。
在一个实施例中,所述对象为人脸。
此外,根据本发明实施例,还提供了一种存储介质,在所述存储介质上存储了程序指令,在所述程序指令被计算机或处理器运行时用于执行本发明实施例的用于建立图像底库的方法的相应步骤,并且用于实现根据本发明实施例的用于建立图像底库的装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质包含接收图像的计算机可读的程序代码,另一个计算机可读存储介质包含识别对象的计算机可读的程序代码,又一个计算机可读存储介质包含标注图像的计算机可读的程序代码。
在一个实施例中,所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的用于建立图像底库的装置的各个功能模块,并且/或者可以执行根据本发明实施例的用于建立图像底库的方法。
在一个实施例中,所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤:接收针对同一对象采集的至少两种不同类型的图像;基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别;以及基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库。
在一个实施例中,所述计算机程序指令在被计算机或处理器运行时还使计算机或处理器执行以下步骤:建立所述不同类型的图像之间的对应关系。
在一个实施例中,所述不同类型的图像是针对同一对象同时采集的。
在一个实施例中,所述不同类型的图像是通过不同类型的图像采集设备针对同一对象采集的。
在一个实施例中,所述第一类型图像为彩色图像,所述第二类型图像为红外图像,所述第一图像底库为彩色图像底库,所述第二图像底库为红外图像底库。
在一个实施例中,在所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的基于所述不同类型的图像中的第一类型图像利用第一图像底库对所述对象进行识别的步骤包括:在所述第一图像底库中搜索与所述对象相匹配的目标对象。
在一个实施例中,如果所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的识别步骤在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则在所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤:对与所述第一类型图像具有对应关系的所述第二类型图像进行标注,所述标注包括建立所述第二类型图像与所述目标对象的对应关系。
在一个实施例中,所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的所述建立所述第二类型图像与所述目标对象的对应关系的步骤包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。
在一个实施例中,所述目标对象的所述相关信息包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息。
在一个实施例中,在所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的基于所述不同类型的图像中的第一类型图像利用第一图像底库对所述对象进行识别的步骤包括:在所述第一图像底库中搜索与所述对象相匹配的目标对象,如果所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的识别步骤在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行的所述标注包括建立所述第二类型图像与所述第一类型图像的对应关系。
在一个实施例中,所述对象为人脸。
根据本发明实施例的用于建立图像底库的方法、装置、系统以及存储介质基于已有的图像底库来识别相应类型图像中的对象,并基于识别结果将所识别的对象与针对该对象所采集的另一类型图像关联起来以用于建立另一类型的图像底库,能够实现快速高效地建立新的图像底库,大大降低人工和时间成本。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (21)
1.一种用于建立图像底库的方法,其特征在于,所述方法包括:
接收针对同一对象采集的至少两种不同类型的图像;
基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别,所述第一图像底库是用于对所述第一类型图像中的对象进行识别的图像底库;以及
基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库,所述第二图像底库是用于对所述第二类型图像中的对象进行识别的图像底库。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:建立所述不同类型的图像之间的对应关系。
3.根据权利要求1或2所述的方法,其特征在于,所述不同类型的图像是针对同一对象同时采集的,或者,所述不同类型的图像是通过不同类型的图像采集设备针对同一对象采集的。
4.根据权利要求1或2所述的方法,其特征在于,所述第一类型图像为彩色图像,所述第二类型图像为红外图像,所述第一图像底库为彩色图像底库,所述第二图像底库为红外图像底库。
5.根据权利要求2所述的方法,其特征在于,所述识别的步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象。
6.根据权利要求5所述的方法,其特征在于,如果在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则对与所述第一类型图像具有对应关系的所述第二类型图像进行标注,所述标注包括建立所述第二类型图像与所述目标对象的对应关系。
7.根据权利要求6所述的方法,其特征在于,所述建立所述第二类型图像与所述目标对象的对应关系的步骤包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。
8.根据权利要求7所述的方法,其特征在于,所述目标对象的所述相关信息包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息。
9.根据权利要求1所述的方法,其特征在于,所述识别的步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象,如果在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则所述标注包括建立所述第二类型图像与所述第一类型图像的对应关系。
10.根据权利要求1所述的方法,其特征在于,所述对象为人脸。
11.一种用于建立图像底库的装置,其特征在于,所述装置包括:
接收模块,用于接收针对同一对象采集的至少两种不同类型的图像;
识别模块,用于基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别,所述第一图像底库是用于对所述第一类型图像中的对象进行识别的图像底库;以及
标注模块,用于基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库,所述第二图像底库是用于对所述第二类型图像中的对象进行识别的图像底库。
12.根据权利要求11所述的装置,其特征在于,所述标注模块还用于:建立所述不同类型的图像之间的对应关系。
13.根据权利要求11或12所述的装置,其特征在于,所述不同类型的图像是针对同一对象同时采集的,或者,所述不同类型的图像是通过不同类型的图像采集设备针对同一对象采集的。
14.根据权利要求11或12所述的装置,其特征在于,所述第一类型图像为彩色图像,所述第二类型图像为红外图像,所述第一图像底库为彩色图像底库,所述第二图像底库为红外图像底库。
15.根据权利要求12所述的装置,其特征在于,所述识别模块的识别步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象。
16.根据权利要求15所述的装置,其特征在于,如果所述识别模块在所述第一图像底库中搜索到与所述对象相匹配的目标对象,则所述标注模块对与所述第一类型图像具有对应关系的所述第二类型图像进行标注,所述标注模块的标注步骤包括建立所述第二类型图像与所述目标对象的对应关系。
17.根据权利要求16所述的装置,其特征在于,所述标注模块建立所述第二类型图像与所述目标对象的对应关系的步骤包括:将所述第一图像底库中的所述目标对象的相关信息添加到所述第二类型图像。
18.根据权利要求17所述的装置,其特征在于,所述目标对象的所述相关信息包括所述对象的名称或姓名,或者还包括所述目标对象的附加属性信息。
19.根据权利要求11所述的装置,其特征在于,所述识别模块的识别步骤包括在所述第一图像底库中搜索与所述对象相匹配的目标对象,如果所述识别模块在所述第一图像底库中未搜索到与所述对象相匹配的目标对象,则所述标注模块的标注步骤包括建立所述第二类型图像与所述第一类型图像的对应关系。
20.根据权利要求11所述的装置,其特征在于,所述对象为人脸。
21.一种用于建立图像底库的装置,其特征在于,所述装置包括处理器、存储器以及存储于所述存储器中的计算机程序,其中,所述计算机程序在被所述处理器运行时执行如下步骤:
接收针对同一对象采集的至少两种不同类型的图像;
基于所述不同类型的图像中的第一类型图像,利用第一图像底库对所述对象进行识别,所述第一图像底库是用于对所述第一类型图像中的对象进行识别的图像底库;以及
基于所述识别的结果对所述不同类型的图像中的第二类型图像进行标注,以用于基于经标注后的所述第二类型图像建立第二图像底库,所述第二图像底库是用于对所述第二类型图像中的对象进行识别的图像底库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611247448.9A CN106682187B (zh) | 2016-12-29 | 2016-12-29 | 用于建立图像底库的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611247448.9A CN106682187B (zh) | 2016-12-29 | 2016-12-29 | 用于建立图像底库的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106682187A CN106682187A (zh) | 2017-05-17 |
CN106682187B true CN106682187B (zh) | 2020-04-17 |
Family
ID=58873073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611247448.9A Active CN106682187B (zh) | 2016-12-29 | 2016-12-29 | 用于建立图像底库的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682187B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545241B (zh) | 2017-07-19 | 2022-05-27 | 百度在线网络技术(北京)有限公司 | 神经网络模型训练及活体检测方法、装置及存储介质 |
CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
CN112395436B (zh) * | 2019-08-14 | 2024-07-02 | 天津极豪科技有限公司 | 一种底库录入方法及装置 |
CN111866376B (zh) * | 2020-06-22 | 2022-03-22 | 上海摩象网络科技有限公司 | 特征识别方法、装置、云台相机及存储介质 |
CN118537690B (zh) * | 2024-07-25 | 2024-10-22 | 浙江大华技术股份有限公司 | 基于异构硬件的精度验证方法、设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101202845A (zh) * | 2007-11-14 | 2008-06-18 | 北京大学 | 红外图像转换为可见光图像的方法及其装置 |
CN101526991A (zh) * | 2008-03-03 | 2009-09-09 | 联想(北京)有限公司 | 一种笔记本电脑及其人脸识别方法 |
CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
CN104217503A (zh) * | 2014-08-26 | 2014-12-17 | 杭州摩科商用设备有限公司 | 自助终端的身份识别方法及对应的房产证明打印方法 |
CN104700087A (zh) * | 2015-03-23 | 2015-06-10 | 上海交通大学 | 可见光与近红外人脸图像的相互转换方法 |
CN106101545A (zh) * | 2016-06-30 | 2016-11-09 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
-
2016
- 2016-12-29 CN CN201611247448.9A patent/CN106682187B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101202845A (zh) * | 2007-11-14 | 2008-06-18 | 北京大学 | 红外图像转换为可见光图像的方法及其装置 |
CN101526991A (zh) * | 2008-03-03 | 2009-09-09 | 联想(北京)有限公司 | 一种笔记本电脑及其人脸识别方法 |
CN103413270A (zh) * | 2013-08-15 | 2013-11-27 | 北京小米科技有限责任公司 | 一种图像的处理方法、装置和终端设备 |
CN104217503A (zh) * | 2014-08-26 | 2014-12-17 | 杭州摩科商用设备有限公司 | 自助终端的身份识别方法及对应的房产证明打印方法 |
CN104700087A (zh) * | 2015-03-23 | 2015-06-10 | 上海交通大学 | 可见光与近红外人脸图像的相互转换方法 |
CN106101545A (zh) * | 2016-06-30 | 2016-11-09 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN106682187A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543663B (zh) | 一种犬只身份识别方法、装置、系统及存储介质 | |
CN106446816B (zh) | 人脸识别方法及装置 | |
CN109117714B (zh) | 一种同行人员识别方法、装置、系统及计算机存储介质 | |
CN106682187B (zh) | 用于建立图像底库的方法及装置 | |
CN111476227B (zh) | 基于ocr的目标字段识别方法、装置及存储介质 | |
CN107545241B (zh) | 神经网络模型训练及活体检测方法、装置及存储介质 | |
CN106203305B (zh) | 人脸活体检测方法和装置 | |
CN105938552B (zh) | 底图自动更新的人脸识别方法及装置 | |
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
US9805331B2 (en) | Smartphone-based asset management system | |
US8649602B2 (en) | Systems and methods for tagging photos | |
CN110033018B (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
CN106385640B (zh) | 视频标注方法及装置 | |
US20130243249A1 (en) | Electronic device and method for recognizing image and searching for concerning information | |
CN106203425B (zh) | 字符识别方法及装置 | |
CN108875476B (zh) | 自动近红外人脸注册与识别方法、装置和系统及存储介质 | |
WO2016015621A1 (zh) | 人脸图片人名识别方法和系统 | |
US9355338B2 (en) | Image recognition device, image recognition method, and recording medium | |
WO2016199662A1 (ja) | 画像情報処理システム | |
CN106156794B (zh) | 基于文字风格识别的文字识别方法及装置 | |
CN110031697B (zh) | 目标识别设备的测试方法、装置、系统和计算机可读介质 | |
JP2020514681A (ja) | 物質検出方法、装置、電子機器、およびコンピュータ可読記憶媒体 | |
CN111695405B (zh) | 一种狗脸特征点的检测方法、装置、系统及存储介质 | |
CN109117882B (zh) | 获取用户轨迹的方法、装置、系统和存储介质 | |
CN115546831A (zh) | 一种多粒度注意力机制跨模态行人搜索方法和系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |