[发明专利]屏幕检测定位方法、装置、电子设备和存储介质在审

专利信息
申请号: 202011552295.5 申请日: 2020-12-24
公开(公告)号: CN112669276A 公开(公告)日: 2021-04-16
发明(设计)人: 任将 申请(专利权)人: 苏州华兴源创科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06N3/08
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 215000 江苏省苏州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 屏幕 检测 定位 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种屏幕检测定位方法,其特征在于,所述方法包括:

获取屏幕产品的待识别图像的矩形特征;

根据预先训练的多级分类器和所述矩形特征确定所述待识别图像的定位区域。

2.根据权利要求1所述的方法,其特征在于,所述训练所述多级分类器的过程包括:

提取图片训练样本的矩形特征,其中,所述矩形特征至少包括Haar-like特征和/或Tamura特征中一种;

通过弱分类器按照所述矩形特征对图像训练样本的样本图像进行分类,并确定所述弱分类器的分类容错率;

确定所述弱分类器的分类容错率满足训练阈值时,完成所述多级分类器的训练,否则,在所述弱分类器的基础上级联分类器后继续获取分类容错率直到所述分类容错率满足训练阈值。

3.根据权利要求2所述的方法,其特征在于,所述通过弱分类器按照所述矩形特征对图像训练样本的样本图像进行分类,并确定所述弱分类器的分类容错,包括:

在所述弱分类器按照所述矩形特征的特征信息分类所述样本图像,其中,所述特征信息为所述Haar-like特征和所述Tamura特征中至少一种;

根据各所述样本图像的分类结果与所述图像训练样本的真实分类结果的比例关系确定所述弱分类器的分类容错率。

4.根据权利要求2或3中所述的方法,其特征在于,所述图片训练样本中包括背景样本图像和十字定位样本图像。

5.根据权利要求3所述的方法,其特征在于,所述确定所述弱分类器的分类容错率满足训练阈值时,完成所述多级分类器的训练,否则,在所述弱分类器的基础上级联分类器后继续获取分类容错率直到所述分类容错率满足训练阈值,包括:

确定所述分类容错率是否小于或等于训练阈值;

若是,则将所述分类容错率对应的弱分类器作为训练完成的多级分类器;

若否,则在所述分类容错率对应的弱分类器后级联分类器作为新的弱分类器,在所述分类容错率对应的分类结果的基础上获取所述新的弱分类器的分类容错率,并返回执行确定所述分类容错率是否小于或等于训练阈值。

6.根据权利要求2所述的方法,其特征在于,所述Haar-like特征至少包括边缘特征、特定方向特征、圆心环绕特征和线性特征。

7.根据权利要求1或2所述的方法,其特征在于,所述获取屏幕产品的待识别图像的矩形特征,包括:

控制图像传感器采集所述屏幕产品的产品图片;

对所述产品图片进行灰度处理以生成待识别图像,并提取所述待识别图像中的矩形特征。

8.一种屏幕检测定位装置,其特征在于,所述装置包括:

图像获取模块,用于获取屏幕产品的待识别图像的矩形特征;

定位执行模块,用于根据预先训练的多级分类器和所述矩形特征确定所述待识别图像的定位区域。

9.一种电子设备,其特征在于,所述电子设备包括:

一个或多个处理器;

存储器,用于存储一个或多个程序;

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的屏幕检测定位方法。

10.一种计算机可读存储介质,其上存储有计算机程序,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1-7中任一所述的屏幕检测定位方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州华兴源创科技股份有限公司,未经苏州华兴源创科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011552295.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top