CN110119733A - 书页识别方法及装置、终端设备、计算机可读存储介质 - Google Patents
书页识别方法及装置、终端设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN110119733A CN110119733A CN201910408199.4A CN201910408199A CN110119733A CN 110119733 A CN110119733 A CN 110119733A CN 201910408199 A CN201910408199 A CN 201910408199A CN 110119733 A CN110119733 A CN 110119733A
- Authority
- CN
- China
- Prior art keywords
- point
- page
- complementary features
- picture
- features point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000000295 complement effect Effects 0.000 claims description 155
- 238000012545 processing Methods 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 230000008901 benefit Effects 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 235000009508 confectionery Nutrition 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- 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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种书页识别方法及装置、终端设备、计算机可读存储介质，涉及书页识别领域，该书页识别方法包括以下步骤：获取拍摄的图片，并对所述图片进行预处理，得到处理后图片；对所述处理后图片进行初始特征点识别，估算出所述处理后图片中的理想边框位置；对所述处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，所述补充特征点为边缘交点；根据各所述补充特征点和所述初始特征点，识别出对应的目标书页。本发明将边缘交点作为补充特征点，结合初始特征点进行书页的匹配，因为特征点的总数量有了增加，可有效提高匹配的精度和稳定性。
Description
技术领域
本发明涉及书页识别领域，尤其涉及一种书页识别方法及装置、终端设备、计算机可读存储介质。
背景技术
书页识别在点读领域中被广泛使用，目前书页识别普遍采用的方式是设置一些图片上的特征点，通过对这些特征点进行图片搜索从而实现对书页的识别。
但是现有的这种书页识别方式在使用时具有较大的限制，例如：当书页中的图片局部被涂写或者被遮挡时，会严重影响识别的准确度；许多书本的封面会使用内页，内页和封面差别不大的情况下在识别的时候往往很难进行准确识别；许多书本的内容为文字，造成传统的特征点识别算法获得的特征点非常少，导致难以识别。
基于上述情况，现有的书页识别技术在识别精确度存在较大的不稳定性，无法满足不同应用场景的使用。
发明内容
本发明的目的是提供一种书页识别方法及装置、终端设备、计算机可读存储介质，提高了书页识别的精度和稳定性，应用范围广泛。
本发明提供的技术方案如下：
一种书页识别方法，包括以下步骤：获取拍摄的图片，并对所述图片进行预处理，得到处理后图片；对所述处理后图片进行初始特征点识别，估算出所述处理后图片中的理想边框位置；对所述处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，所述补充特征点为边缘交点；根据各所述补充特征点和所述初始特征点，识别出对应的目标书页。
在上述技术方案中，将边缘交点作为补充特征点，结合初始特征点进行书页的匹配，因为特征点的总数量有了增加，可有效提高匹配的精度和稳定性。
进一步，所述的根据各所述补充特征点和所述初始特征点，识别出对应的目标书页包括以下步骤：根据各所述补充特征点的描述信息在预设数据库中匹配各所述补充特征点对应的实际坐标；根据各所述补充特征点的实际坐标和所述初始特征点的实际坐标，识别出对应的目标书页。
在上述技术方案中，通过各补充特征点的描述信息来匹配各补充特征点的实际坐标，匹配方式简单方便。
进一步，一个所述补充特征点的描述信息为：构成所述补充特征点的两条线条的夹角。
在上述技术方案中，将夹角作为补充特征点的描述信息，在边缘计算过程中可方便快捷的获取。
进一步，所述的根据各所述补充特征点的描述信息在预设数据库中匹配各所述补充特征点对应的实际坐标中匹配一所述补充特征点对应的实际坐标的过程包括以下步骤：将所述补充特征点对应的夹角与预设数据库中的各预设特征点的夹角进行匹配；当所述补充特征点对应的夹角与预设数据库中的一预设特征点的夹角相同时，所述预设特征点对应的坐标为所述补充特征点对应的实际坐标。
进一步，还包括以下步骤：当根据各所述补充特征点和所述初始特征点无法识别出对应的目标书页时，根据各所述补充特征点和所述初始特征点，确定多个待识别书页；通过孪生网络计算所述处理后图片中理想边框位置内的画面内容与各所述待识别书页的相似度；将相似度最高的所述待识别书页作为所述目标书页。
在上述技术方案中，针对书页间相似度很高的场景，若初始特征点和补充特征点的结合无法精确定位目标书页，可先模糊识别出几张相似度较高的书页，再采用孪生网络进一步识别，可大大提高书页的识别精度。
本发明还提供一种书页识别装置，包括：获取模块，用于获取拍摄的图片，并对所述图片进行预处理，得到处理后图片；估算模块，用于对所述处理后图片进行初始特征点识别，估算出所述处理后图片中的理想边框位置；计算模块，用于对所述处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，所述补充特征点为边缘交点；识别模块，用于根据各所述补充特征点和所述初始特征点，识别出对应的目标书页。
在上述技术方案中，将边缘交点作为补充特征点，结合初始特征点进行书页的匹配，因为特征点的总数量有了增加，可有效提高匹配的精度和稳定性。
进一步，所述识别模块，用于根据各所述补充特征点和所述初始特征点，识别出对应的目标书页包括：坐标匹配子模块，用于根据各所述补充特征点的描述信息在预设数据库中匹配各所述补充特征点对应的实际坐标；书页识别子模块，用于根据各所述补充特征点的实际坐标和所述初始特征点的实际坐标，识别出对应的目标书页。
进一步，所述识别模块，进一步用于当根据各所述补充特征点和所述初始特征点无法识别出对应的目标书页时，根据各所述补充特征点和所述初始特征点，确定多个待识别书页；书页识别装置还包括：相似度模块，用于通过孪生网络计算所述处理后图片中理想边框位置内的画面内容与各所述待识别书页的相似度；将相似度最高的所述待识别书页作为所述目标书页。
本发明还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时实现如上述任一所述书页识别方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一所述书页识别方法的步骤。
与现有技术相比，本发明的书页识别方法及装置、终端设备、计算机可读存储介质有益效果在于：
当现有通过初始特征点无法对书页进行识别时，可采用补充特征点的方式来增加特征点，优化书页识别的精度。而当采用补充特征点和初始特征点仍不能确定目标书页时，可采用孪生网络对相似的几个待识别书页进一步识别，实现更准确的识别，适应范围广泛，提高了用户的使用体验。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种书页识别方法及装置、终端设备、计算机可读存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明书页识别方法一个实施例的流程图；
图2是本发明书页识别方法另一个实施例的流程图；
图3是本发明书页识别方法又一个实施例的流程图；
图4是本发明书页识别装置一个实施例的结构示意图；
图5是本发明终端设备一个实施例的结构示意图；
图6是本发明书页识别装置另一个实施例的结构示意图；
图7是本发明书页识别装置又一个实施例的结构示意图。
附图标号说明：
4.书页识别装置，41.获取模块，42.估算模块，43.计算模块，44.识别模块，441.坐标匹配子模块，442.书页识别子模块，45.相似度模块，5.终端设备，51.存储器，52.计算机程序，53.处理器。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
具体实现中，本申请实施例中描述的终端设备包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其他便携式设备。还应当理解的是，在某些实施例中，所述终端设备并非便携式通信设备，而是具有触摸敏感表面(例如：触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中，描述了包括显示器和触摸敏感表面的终端设备。然而，应当理解的是，终端设备可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其他物理用户接口设备。
终端设备支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、网络创建应用程序、文字处理应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄像机应用程序、Web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端设备上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。
图1示出了本发明的一种书页识别方法的实现流程图，该书页识别方法可以应用于终端设备(例如：平板计算机、家教机，本实施例中为方便理解，都以家教机作为主语解释，但本领域的技术人员均明白该书页识别方法也可应用于其他终端设备，只要能实现相应功能即可)，所述书页识别方法包括以下步骤：
S101获取拍摄的图片，并对图片进行预处理，得到处理后图片。
具体的，家教机的摄像模块对其视场角内的画面进行拍摄，得到相应的图片。本实施例中是对书页进行识别，因此，拍摄的图片中会包含书页，当然，也有可能包含其他干扰因素，例如：桌子、用户的手、旁边的书/资料等。
对图片进行预处理是为了优化图像质量，便于后续的书页识别。预处理包括但不限于反畸变处理、降噪处理、图像增强、图像补偿等。
S102对处理后图片进行初始特征点识别，估算出处理后图片中的理想边框位置。
具体的，初始特征点是根据书页上文理(例如：图片、文字、书页材质等)得到具有代表性特征的点，也是现有技术中利用特征点进行书页识别时所采用的特征点。
通过对处理后图片进行初始特征点识别，以估算出其理想边框位置，为后续进行边缘计算打下基础。
理想边框位置的估算原理为：在处理后图片中识别到若干个(至少4个)初始特征点后，根据初始特征点的实际坐标和其在处理后图片中的画面坐标，计算变换矩阵，再通过初始特征点的实际坐标和书页的实际画面边框的关系，得到此变换矩阵下摄像头画面(即处理后图片)中的理想边框位置。利用初始特征点进行边框定位是现有技术，具体的过程在此不再赘述。
在其他实施例中，在得到理想边框位置后，可删除处理后图片中理想边框位置外的画面内容，对保留的理想边框位置内的画面内容进行边缘计算。这种方式可完全避免理想边框位置外的画面内容在后续边缘计算时产生干扰的可能，提高计算精度。
当然，也可如本实施例一样，直接定位理想边框位置内的画面内容进行边缘计算。
S103对处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，补充特征点为边缘交点。
具体的，边缘计算可采用现有的一些边缘检测算法/子完成，例如：Candy边缘检测算子。
可选地，在边缘计算过程中，会对边缘进行增加和筛选，从而确定边缘交点。
具体的，本实施例中进行边缘计算是为了找边缘交点，因此，边缘的增加和筛选都是为了保证方便、快捷、精准地找到边缘交点。例如：删除一些明显不符合条件的边缘(例如：很短的、独立的一条横线)，有利于排除一定干扰信息。
每个边缘交点都可以作为一个补充特征点，补充特征点和初始特征点越多，书页的识别就更精准。
例如：处理后图片中理想边框位置内的画面内容存在一张图片，图片中画了几个正方形、三角形等几何图形，每两条线条的交点都是一个边缘交点，可作为补充特征点。
再比如：文字和图片中的线条(延长线)的交点也可作为边缘交点。
再比如：处理后图片中理想边框位置内的画面内容存在一张图片，其是老人撑着伞过马路，进行边缘计算的过程中，留下的所有边缘交点都是补充特征点。
S104根据各补充特征点和初始特征点，识别出对应的目标书页。
具体的，预设数据库中会存储有各书页的预设特征点(包括上述所说的补充特征点和初始特征点)，将识别到的各补充/初始特征点与预设数据库中各书页的预设特征点进行匹配，确认目标书页。
本实施例中，将边缘交点作为补充特征点，结合初始特征点进行书页的匹配，因为特征点的总数量有了增加，可有效提高匹配的精度和稳定性，特别是初始特征点较少的书页识别的精度和稳定性。
精度体现在：补充特征点相当于是对初始特征点数量的补充，使一个书页上能够有尽量多的特征点，提高书识别的准确度；稳定性体现在：即使某些特征点被遮挡，只要有足够多的特征点，仍能对书页进行准确识别，补充特征点的设置，也提高了书页识别的稳定性。
在本发明的另一个实施例中，针对上一实施例的改进，如图2所示，一种书页识别方法还包括以下步骤：
S201获取拍摄的图片，并对图片进行预处理，得到处理后图片；
S202对处理后图片进行初始特征点识别，估算出处理后图片中的理想边框位置；
S203对处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，补充特征点为边缘交点；
S204根据各补充特征点和初始特征点，识别出对应的目标书页。
S205当根据各补充特征点和初始特征点无法识别出对应的目标书页时，根据各补充特征点和初始特征点，确定多个待识别书页；
S206通过孪生网络计算处理后图片中理想边框位置内的画面内容与各待识别书页的相似度；
S207将相似度最高的待识别书页作为目标书页。
具体的，若根据补充特征点和初始特征点进行匹配时，发现存在多张非常相似的书页时，需要采用孪生网络进一度对相似度进行判断，保证书页的精确识别。
孪生网络是一种特殊类型的神经网络架构，由两个完全相同的神经网络组成，每个都采用两个输入图像中的一个，然后将两个网络的最后一层馈送到对比损失函数，用来计算两个图像之间的相似度。
当采用特征点无法准确识别出目标书页时，可分别计算多个用补充特征点和初始特征点定位出来的待识别书页和处理后图片中理想边框位置内的画面内容的相似度，进行目标书页的识别。
本实施例中的孪生网络及其训练好的参数设置在家教机本地，实际使用时，可直接在本地执行，不用向远程服务器反馈，响应速度较快。在其他实施例中，孪生网络及其训练好的参数可设置在远程服务器，释放了家教机本地的存储空间，降低其资源占用率。
针对书页间相似度很高的场景，例如：封面采用了其中的一张内页，初始特征点和补充特征点的结合无法精确定位目标书页，只能模糊识别出几张相似度较高的书页，再采用孪生网络进一步识别，可大大提高书页的识别精度。
在本发明的又一个实施例中，如图3所示，一种书页识别方法，包括以下步骤：
S301获取拍摄的图片，并对图片进行预处理，得到处理后图片；
S302对处理后图片进行初始特征点识别，估算出处理后图片中的理想边框位置；
S303对处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，补充特征点为边缘交点；
根据各补充特征点和初始特征点，识别出对应的目标书页包括以下步骤：
S304根据各补充特征点的描述信息在预设数据库中匹配各补充特征点对应的实际坐标；
S305根据各补充特征点的实际坐标和初始特征点的实际坐标，识别出对应的目标书页。
可选地，一个补充特征点的描述信息为：构成补充特征点的两条线条的夹角。
每个补充特征点的描述信息是代表其独特性的一个重要指标，优先采用具有唯一性的指标作为补充特征点的描述信息。本实施例中，补充特征点为边缘交点，因此，采用构成补充特征点的两条线条的夹角作为描述信息。优选地，两条线条可以为两条直线线条，方便计算。
在其他实施例中，一个补充特征点的描述信息还可以为：边缘交点到两个特定初始特征点的直线组成的夹角。建议将两个比较容易识别的初始特征点设置为特定初始特征点，方便计算和数据处理。
预设数据库中会存在各书页的预设特征点(包括：上述所说的初始特征点和补充特征点)的实际坐标，通过获取的各补充特征点的实际坐标和初始特征点的实际坐标进行匹配，从而识别出目标书页。
在实际匹配过程中，并不单单是坐标数值的匹配，而是特征点和特征点之间相对关系的匹配，也可以理解为计算两点之间的矢量关系进行匹配，利用特征点进行书页匹配为现有技术，在此不作赘述。
可选地，S304根据各补充特征点的描述信息在预设数据库中匹配各补充特征点对应的实际坐标中匹配一补充特征点对应的实际坐标的过程包括以下步骤：
将补充特征点对应的夹角与预设数据库中的各预设特征点的夹角进行匹配；
当补充特征点对应的夹角与预设数据库中的一预设特征点的夹角相同时，预设特征点对应的坐标为补充特征点对应的实际坐标。
具体的，将构成补充特征点的两条(直线)线条的夹角作为补充特征点的描述信息时，直接采用夹角的比对来确认补充特征点的实际坐标，匹配过程方便快捷。
例如：当有两个补充特征点时，补充特征点A的描述信息中其对应的夹角为60度，补充特征点B的描述信息中其对应的夹角为38度；预设数据库中有10个预设特征点，其中仅预设特征点1的夹角为38度，预设特征点5的夹角为60度，因此，预设特征点1对应的坐标即为补充特征点B的实际坐标，预设特征点5对应的坐标即为补充特征点A的实际坐标。
可选地，书页识别方法还包括以下步骤：
S306当根据各补充特征点和初始特征点无法识别出对应的目标书页时，根据各补充特征点和初始特征点，确定多个待识别书页；
S307通过孪生网络计算处理后图片中理想边框位置内的画面内容与各待识别书页的相似度；
S308将相似度最高的待识别书页作为目标书页。
具体的，当无法根据补充特征点和初始特征点识别出目标书页，可采用孪生网络进一步进行识别，提高其适应性，应用于多种场合，当将孪生网络设置在本地时，可大大提高终端设备的响应速度，从而提高用户的使用体验。
本实施例中，当现有通过初始特征点无法对书页进行识别时，可采用补充特征点的方式来增加特征点，优化书页识别的精度。而当采用补充特征点和初始特征点仍不能确定目标书页时，可采用孪生网络对相似的几个待识别书页进一步识别，实现更准确的识别，适应范围广泛，提高了用户的使用体验。
应理解，在上述实施例中，各步骤序号的大小并不意味着执行顺序的先后，各步骤的执行顺序应以功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图4是本申请提供的书页识别装置4的示意图，为了便于说明，仅示出了与本申请实施例相关的部分。
该书页识别装置4可以是内置于终端设备内的软件单元、硬件单元或者软硬结合的单元，也可以作为独立的挂件集成到终端设备中。
该书页识别装置4包括：
获取模块41，用于获取拍摄的图片，并对图片进行预处理，得到处理后图片。
具体的，终端设备的摄像模块对其视场角内的画面进行拍摄，得到相应的图片。本实施例中是对书页进行识别，因此，拍摄的图片中会包含书页，当然，也有可能包含其他干扰因素，例如：桌子、用户的手、旁边的书/资料等。
对图片进行预处理是为了优化图像质量，便于后续的书页识别。预处理包括但不限于反畸变处理、降噪处理、图像增强、图像补偿等。
估算模块42，用于对处理后图片进行初始特征点识别，估算出处理后图片中的理想边框位置。
具体的，初始特征点是根据书页上文理(例如：图片、文字、书页材质等)得到具有代表性特征的点，也是现有技术中利用特征点进行书页识别时所采用的特征点。
通过对处理后图片进行初始特征点识别，以估算出其理想边框位置，为后续进行边缘计算打下基础。
理想边框位置的估算原理为：在处理后图片中识别到若干个(至少4个)初始特征点后，根据初始特征点的实际坐标和其在处理后图片中的画面坐标，计算变换矩阵，再通过初始特征点的实际坐标和书页的实际画面边框的关系，得到此变换矩阵下摄像头画面(即处理后图片)中的理想边框位置。利用初始特征点进行边框定位是现有技术，具体的过程在此不再赘述。
在其他实施例中，书页识别装置还包括：删除模块，在得到理想边框位置后，删除处理后图片中理想边框位置外的画面内容，对保留的理想边框位置内的画面内容进行边缘计算。这种方式可完全避免理想边框位置外的画面内容在后续边缘计算时产生干扰的可能，提高计算精度。
当然，也可如本实施例一样，直接定位理想边框位置内的画面内容进行边缘计算。
计算模块43，用于对处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，补充特征点为边缘交点。
具体的，边缘计算可采用现有的一些边缘检测算法/子完成，例如：Candy边缘检测算子。
可选地，在边缘计算过程中，会对边缘进行增加和筛选，从而确定边缘交点。
具体的，本实施例中进行边缘计算是为了找边缘交点，因此，边缘的增加和筛选都是为了保证方便、快捷、精准地找到边缘交点。例如：删除一些明显不符合条件的边缘(例如：很短的、独立的一条横线)，有利于排除一定干扰信息。
每个边缘交点都可以作为一个补充特征点，补充特征点和初始特征点越多，书页的识别就更精准。
例如：处理后图片中理想边框位置内的画面内容存在一张图片，图片中画了几个正方形、三角形等几何图形，每两条线条的交点都是一个边缘交点，可作为补充特征点。
再比如：文字和图片中的线条(延长线)的交点也可作为边缘交点。
再比如：处理后图片中理想边框位置内的画面内容存在一张图片，其是老人撑着伞过马路，进行边缘计算的过程中，留下的所有边缘交点都是补充特征点。
识别模块44，用于根据各补充特征点和初始特征点，识别出对应的目标书页。
具体的，预设数据库中会存储有各书页的预设特征点(包括上述所说的补充特征点和初始特征点)，将识别到的各补充/初始特征点与预设数据库中各书页的预设特征点进行匹配，确认目标书页。
本实施例中，将边缘交点作为补充特征点，结合初始特征点进行书页的匹配，因为特征点的总数量有了增加，可有效提高匹配的精度和稳定性，特别是初始特征点较少的书页识别的精度和稳定性。
精度体现在：补充特征点相当于是对初始特征点数量的补充，使一个书页上能够有尽量多的特征点，提高书识别的准确度；稳定性体现在：即使某些特征点被遮挡，只要有足够多的特征点，仍能对书页进行准确识别，补充特征点的设置，也提高了书页识别的稳定性。
在本发明的另一个实施例中，针对上一装置实施例的改进，如图6所示，一种书页识别装置4包括：
获取模块41，用于获取拍摄的图片，并对图片进行预处理，得到处理后图片。
估算模块42，用于对处理后图片进行初始特征点识别，估算出处理后图片中的理想边框位置。
计算模块43，用于对处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，补充特征点为边缘交点。
识别模块44，用于根据各补充特征点和初始特征点，识别出对应的目标书页；以及，当根据各补充特征点和初始特征点无法识别出对应的目标书页时，根据各补充特征点和初始特征点，确定多个待识别书页。
相似度模块45，用于通过孪生网络计算处理后图片中理想边框位置内的画面内容与各待识别书页的相似度；将相似度最高的待识别书页作为目标书页。
具体的，若根据补充特征点和初始特征点进行匹配时，发现存在多张非常相似的书页时，需要采用孪生网络进一度对相似度进行判断，保证书页的精确识别。
孪生网络是一种特殊类型的神经网络架构，由两个完全相同的神经网络组成，每个都采用两个输入图像中的一个，然后将两个网络的最后一层馈送到对比损失函数，用来计算两个图像之间的相似度。
当采用特征点无法准确识别出目标书页时，可分别计算多个用补充特征点和初始特征点定位出来的待识别书页和处理后图片中理想边框位置内的画面内容的相似度，进行目标书页的识别。
本实施例中的孪生网络及其训练好的参数设置在终端设备本地，实际使用时，可直接在本地执行，不用向远程服务器反馈，响应速度较快。在其他实施例中，孪生网络及其训练好的参数可设置在远程服务器，释放了终端设备本地的存储空间，降低其资源占用率。
针对书页间相似度很高的场景，例如：封面采用了其中的一张内页，初始特征点和补充特征点的结合无法精确定位目标书页，只能模糊识别出几张相似度较高的书页，再采用孪生网络进一步识别，可大大提高书页的识别精度。
在本发明的又一个装置实施例中，如图7所示，一种书页识别装置4包括：
获取模块41，用于获取拍摄的图片，并对图片进行预处理，得到处理后图片。
估算模块42，用于对处理后图片进行初始特征点识别，估算出处理后图片中的理想边框位置。
计算模块43，用于对处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，补充特征点为边缘交点。
识别模块44，用于根据各补充特征点和初始特征点，识别出对应的目标书页包括：
坐标匹配子模块441，用于根据各补充特征点的描述信息在预设数据库中匹配各补充特征点对应的实际坐标；
书页识别子模块442，用于根据各补充特征点的实际坐标和初始特征点的实际坐标，识别出对应的目标书页。
可选地，一个补充特征点的描述信息为：构成补充特征点的两条线条的夹角。
每个补充特征点的描述信息是代表其独特性的一个重要指标，优先采用具有唯一性的指标作为补充特征点的描述信息。本实施例中，补充特征点为边缘交点，因此，采用构成补充特征点的两条线条的夹角作为描述信息。优选地，两条线条可以为两条直线线条，方便计算。
在其他实施例中，一个补充特征点的描述信息还可以为：边缘交点到两个特定初始特征点的直线组成的夹角。建议将两个比较容易识别的初始特征点设置为特定初始特征点，方便计算和数据处理。
预设数据库中会存在各书页的预设特征点(包括：上述所说的初始特征点和补充特征点)的实际坐标，通过获取的各补充特征点的实际坐标和初始特征点的实际坐标进行匹配，从而识别出目标书页。
在实际匹配过程中，并不单单是坐标数值的匹配，而是特征点和特征点之间相对关系的匹配，也可以理解为计算两点之间的矢量关系进行匹配，利用特征点进行书页匹配为现有技术，在此不作赘述。
可选地，坐标匹配子模块441，用于根据各补充特征点的描述信息在预设数据库中匹配各补充特征点对应的实际坐标中匹配一补充特征点对应的实际坐标的过程包括：
坐标匹配子模块441，将补充特征点对应的夹角与预设数据库中的各预设特征点的夹角进行匹配；以及，当补充特征点对应的夹角与预设数据库中的一预设特征点的夹角相同时，预设特征点对应的坐标为补充特征点对应的实际坐标。
具体的，将构成补充特征点的两条(直线)线条的夹角作为补充特征点的描述信息时，直接采用夹角的比对来确认补充特征点的实际坐标，匹配过程方便快捷。
例如：当有两个补充特征点时，补充特征点A的描述信息中其对应的夹角为60度，补充特征点B的描述信息中其对应的夹角为38度；预设数据库中有10个预设特征点，其中仅预设特征点1的夹角为38度，预设特征点5的夹角为60度，因此，预设特征点1对应的坐标即为补充特征点B的实际坐标，预设特征点5对应的坐标即为补充特征点A的实际坐标。
可选地，识别模块44，进一步用于当根据各补充特征点和初始特征点无法识别出对应的目标书页时，根据各补充特征点和初始特征点，确定多个待识别书页；书页识别装置还包括：相似度模块45，用于通过孪生网络计算处理后图片中理想边框位置内的画面内容与各待识别书页的相似度；将相似度最高的待识别书页作为目标书页。
具体的，当无法根据补充特征点和初始特征点识别出目标书页，可采用孪生网络进一步进行识别，提高其适应性，应用于多种场合，当将孪生网络设置在本地时，可大大提高终端设备的响应速度，从而提高用户的使用体验。
本实施例中，当现有通过初始特征点无法对书页进行识别时，可采用补充特征点的方式来增加特征点，优化书页识别的精度。而当采用补充特征点和初始特征点仍不能确定目标书页时，可采用孪生网络对相似的几个待识别书页进一步识别，实现更准确的识别，适应范围广泛，提高了用户的使用体验。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
图5是本发明一个实施例中提供的终端设备5的结构示意图。如图5所示，本实施例的终端设备5包括：处理器53、存储器51以及存储在所述存储器51中并可在所述处理器53上运行的计算机程序52，例如：书页识别程序。所述处理器53执行所述计算机程序52时实现上述各个书页识别方法实施例中的步骤，或者，所述处理器53执行所述计算机程序52时实现上述各书页识别装置实施例中各模块的功能。
所述终端设备5可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机等设备。所述终端设备5可包括，但不仅限于，处理器53、存储器51。本领域技术人员可以理解，图5仅仅是终端设备的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如：终端设备还可以包括输入输出设备、显示设备、网络接入设备、总线等。
所述处理器53可以是中央处理单元(Central Processing Unit,CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,
DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元，例如：终端设备的硬盘或内存。所述存储器也可以是所述终端设备的外部存储设备，例如：所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序52以及所述终端设备5所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。
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申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括：计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如：在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种书页识别方法，其特征在于，包括以下步骤：
获取拍摄的图片，并对所述图片进行预处理，得到处理后图片；
对所述处理后图片进行初始特征点识别，估算出所述处理后图片中的理想边框位置；
对所述处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，所述补充特征点为边缘交点；
根据各所述补充特征点和所述初始特征点，识别出对应的目标书页。
2.如权利要求1所述的书页识别方法，其特征在于，所述的根据各所述补充特征点和所述初始特征点，识别出对应的目标书页包括以下步骤：
根据各所述补充特征点的描述信息在预设数据库中匹配各所述补充特征点对应的实际坐标；
根据各所述补充特征点的实际坐标和所述初始特征点的实际坐标，识别出对应的目标书页。
3.如权利要求2所述的书页识别方法，其特征在于，一个所述补充特征点的描述信息为：构成所述补充特征点的两条线条的夹角。
4.如权利要求3所述的书页识别方法，其特征在于，所述的根据各所述补充特征点的描述信息在预设数据库中匹配各所述补充特征点对应的实际坐标中匹配一所述补充特征点对应的实际坐标的过程包括以下步骤：
将所述补充特征点对应的夹角与预设数据库中的各预设特征点的夹角进行匹配；
当所述补充特征点对应的夹角与预设数据库中的一预设特征点的夹角相同时，所述预设特征点对应的坐标为所述补充特征点对应的实际坐标。
5.如权利要求1-4任一所述的书页识别方法，其特征在于，还包括以下步骤：
当根据各所述补充特征点和所述初始特征点无法识别出对应的目标书页时，根据各所述补充特征点和所述初始特征点，确定多个待识别书页；
通过孪生网络计算所述处理后图片中理想边框位置内的画面内容与各所述待识别书页的相似度；
将相似度最高的所述待识别书页作为所述目标书页。
6.一种书页识别装置，其特征在于，包括：
获取模块，用于获取拍摄的图片，并对所述图片进行预处理，得到处理后图片；
估算模块，用于对所述处理后图片进行初始特征点识别，估算出所述处理后图片中的理想边框位置；
计算模块，用于对所述处理后图片中理想边框位置内的画面内容进行边缘计算，得到至少一个补充特征点，所述补充特征点为边缘交点；
识别模块，用于根据各所述补充特征点和所述初始特征点，识别出对应的目标书页。
7.如权利要求6所述的书页识别装置，其特征在于，所述识别模块，用于根据各所述补充特征点和所述初始特征点，识别出对应的目标书页包括：
坐标匹配子模块，用于根据各所述补充特征点的描述信息在预设数据库中匹配各所述补充特征点对应的实际坐标；
书页识别子模块，用于根据各所述补充特征点的实际坐标和所述初始特征点的实际坐标，识别出对应的目标书页。
8.如权利要求6所述的书页识别装置，其特征在于：
所述识别模块，进一步用于当根据各所述补充特征点和所述初始特征点无法识别出对应的目标书页时，根据各所述补充特征点和所述初始特征点，确定多个待识别书页；
所述书页识别装置还包括：
相似度模块，用于通过孪生网络计算所述处理后图片中理想边框位置内的画面内容与各所述待识别书页的相似度；将相似度最高的所述待识别书页作为所述目标书页。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时实现如权利要求1-5中任一项所述书页识别方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述书页识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910408199.4A CN110119733B (zh) | 2019-05-15 | 2019-05-15 | 书页识别方法及装置、终端设备、计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910408199.4A CN110119733B (zh) | 2019-05-15 | 2019-05-15 | 书页识别方法及装置、终端设备、计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110119733A true CN110119733A (zh) | 2019-08-13 |
| CN110119733B CN110119733B (zh) | 2022-10-28 |
Family
ID=67522683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910408199.4A Active CN110119733B (zh) | 2019-05-15 | 2019-05-15 | 书页识别方法及装置、终端设备、计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110119733B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110430127A (zh) * | 2019-09-03 | 2019-11-08 | 深圳市沃特沃德股份有限公司 | 基于绘本阅读的语音处理方法、装置及存储介质 |
| CN110609833A (zh) * | 2019-09-19 | 2019-12-24 | 广东小天才科技有限公司 | 一种书本页码的识别方法、装置、家教机及存储介质 |
| CN110647648A (zh) * | 2019-09-19 | 2020-01-03 | 广东小天才科技有限公司 | 纸质书本的页码识别方法、装置、家教机及存储介质 |
| CN110909196A (zh) * | 2019-10-28 | 2020-03-24 | 北京光年无限科技有限公司 | 识别绘本阅读过程中内页封面切换的处理方法和装置 |
| CN111258409A (zh) * | 2020-05-06 | 2020-06-09 | 北京深光科技有限公司 | 一种用于人机交互的特征点识别方法及设备 |
| CN114359533A (zh) * | 2021-11-18 | 2022-04-15 | 珠海读书郎软件科技有限公司 | 一种基于页面文本的页码识别方法和计算机设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957919A (zh) * | 2010-09-22 | 2011-01-26 | 上海交通大学 | 基于图像局部特征检索的文字识别方法 |
| US20110115786A1 (en) * | 2009-11-16 | 2011-05-19 | Sony Corporation | Image processing apparatus, image processing method, and program |
| CN107784321A (zh) * | 2017-09-28 | 2018-03-09 | 深圳市奇米教育科技有限公司 | 数字绘本快速识别方法、系统及计算机可读存储介质 |
| CN107977394A (zh) * | 2017-07-03 | 2018-05-01 | 北京物灵智能科技有限公司 | 绘本识别方法及电子设备 |
| CN109034002A (zh) * | 2018-07-04 | 2018-12-18 | 安徽淘云科技有限公司 | 实体书检测方法及装置 |
| CN109583389A (zh) * | 2018-12-03 | 2019-04-05 | 易视腾科技股份有限公司 | 绘本识别方法及装置 |
-
2019
- 2019-05-15 CN CN201910408199.4A patent/CN110119733B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110115786A1 (en) * | 2009-11-16 | 2011-05-19 | Sony Corporation | Image processing apparatus, image processing method, and program |
| CN101957919A (zh) * | 2010-09-22 | 2011-01-26 | 上海交通大学 | 基于图像局部特征检索的文字识别方法 |
| CN107977394A (zh) * | 2017-07-03 | 2018-05-01 | 北京物灵智能科技有限公司 | 绘本识别方法及电子设备 |
| CN107784321A (zh) * | 2017-09-28 | 2018-03-09 | 深圳市奇米教育科技有限公司 | 数字绘本快速识别方法、系统及计算机可读存储介质 |
| CN109034002A (zh) * | 2018-07-04 | 2018-12-18 | 安徽淘云科技有限公司 | 实体书检测方法及装置 |
| CN109583389A (zh) * | 2018-12-03 | 2019-04-05 | 易视腾科技股份有限公司 | 绘本识别方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 周锋飞 等: "一种基于Canny边缘的红外与可见光图像配准算法", 《应用光学》 * |
| 柳青: "基于视频图像的点读机封面识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110430127A (zh) * | 2019-09-03 | 2019-11-08 | 深圳市沃特沃德股份有限公司 | 基于绘本阅读的语音处理方法、装置及存储介质 |
| CN110609833A (zh) * | 2019-09-19 | 2019-12-24 | 广东小天才科技有限公司 | 一种书本页码的识别方法、装置、家教机及存储介质 |
| CN110647648A (zh) * | 2019-09-19 | 2020-01-03 | 广东小天才科技有限公司 | 纸质书本的页码识别方法、装置、家教机及存储介质 |
| CN110909196A (zh) * | 2019-10-28 | 2020-03-24 | 北京光年无限科技有限公司 | 识别绘本阅读过程中内页封面切换的处理方法和装置 |
| CN110909196B (zh) * | 2019-10-28 | 2022-07-01 | 北京光年无限科技有限公司 | 识别绘本阅读过程中内页封面切换的处理方法和装置 |
| CN111258409A (zh) * | 2020-05-06 | 2020-06-09 | 北京深光科技有限公司 | 一种用于人机交互的特征点识别方法及设备 |
| CN114359533A (zh) * | 2021-11-18 | 2022-04-15 | 珠海读书郎软件科技有限公司 | 一种基于页面文本的页码识别方法和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110119733B (zh) | 2022-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110119733A (zh) | 书页识别方法及装置、终端设备、计算机可读存储介质 | |
| CN109144647B (zh) | 一种表单设计方法与装置、终端设备以及存储介质 | |
| US11538096B2 (en) | Method, medium, and system for live preview via machine learning models | |
| CN108596955B (zh) | 一种图像检测方法、图像检测装置及移动终端 | |
| CN109118447B (zh) | 一种图片处理方法、图片处理装置及终端设备 | |
| CN108898082B (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN107688824A (zh) | 图片匹配方法及终端设备 | |
| CN110751218B (zh) | 图像分类方法、图像分类装置及终端设备 | |
| CN110297973A (zh) | 一种基于深度学习的数据推荐方法、装置及终端设备 | |
| CN107578659A (zh) | 电子题目的生成方法、生成装置及终端 | |
| Hao et al. | Image detail enhancement with spatially guided filters | |
| CN108898549A (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN110458644A (zh) | 一种信息处理方法及相关设备 | |
| CN106599857A (zh) | 图像识别方法、装置、计算机可读存储介质及终端设备 | |
| CN110738070A (zh) | 基于视频的行为识别方法、行为识别装置及终端设备 | |
| CN111192312A (zh) | 基于深度学习的深度图像获取方法、装置、设备及介质 | |
| CN107506494B (zh) | 文件处理方法、移动终端及计算机可读存储介质 | |
| CN109359582A (zh) | 信息搜索方法、信息搜索装置及移动终端 | |
| CN108769419A (zh) | 拍照方法、移动终端及计算机可读存储介质 | |
| CN110705653A (zh) | 图像分类方法、图像分类装置及终端设备 | |
| CN108629767B (zh) | 一种场景检测的方法、装置及移动终端 | |
| CN107329654A (zh) | 绘制元素浮层的方法、装置以及计算机可读存储介质 | |
| CN109544587A (zh) | 一种抠图处理方法、装置及终端设备 | |
| CN107133940A (zh) | 一种构图方法及终端 | |
| CN111402177A (zh) | 一种清晰度检测方法、系统、设备和介质 |
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 |