[發(fā)明專利]對移動(dòng)設(shè)備捕獲的數(shù)字圖像中的對象進(jìn)行分類

在審

• 申請?zhí)枺?/td>: 201480013621.1
• 申請日: 2014-03-13
• 公開（公告）號(hào): CN105283884A
• 公開（公告）日: 2016-01-27
• 發(fā)明（設(shè)計(jì)）人: 簡·W·阿姆特魯普;安東尼·馬喬拉;斯蒂芬·邁克爾·湯普森;馬繼勇
• 申請（專利權(quán)）人: 柯法克斯公司
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46
• 代理公司: 北京市磐華律師事務(wù)所 11336
• 代理人: 董巍;謝栒

1.一種方法，包括：

利用移動(dòng)設(shè)備接收或捕獲數(shù)字圖像；

利用所述移動(dòng)設(shè)備的處理器：

確定所述數(shù)字圖像中描述的對象是否屬于多個(gè)對象類別中的特定對象類別；

至少部分響應(yīng)于確定所述對象屬于所述特定對象類別，至少部分基于所述特定對象類別確定所述對象的一個(gè)或多個(gè)對象特征；

至少部分基于一個(gè)或多個(gè)確定的對象特征建立或選擇提取模型；并且

利用提取模型從數(shù)字圖像中提取數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其中所述提取模型進(jìn)一步包括：執(zhí)行光學(xué)字符識(shí)別(OCR)，其中所述OCR在所選擇的所述數(shù)字圖像的部分上執(zhí)行，所述所選擇的所述數(shù)字圖像的部分不包括接收或捕獲的圖像的一個(gè)或多個(gè)部分。

3.根據(jù)權(quán)利要求1所述的方法，其中所述一個(gè)或多個(gè)所述對象特征包括所述對象的一個(gè)或多個(gè)感興趣區(qū)域。

4.根據(jù)權(quán)利要求3所述的方法，其中所述一個(gè)或多個(gè)所述感興趣區(qū)域包括一個(gè)或多個(gè)文本字符。

5.根據(jù)權(quán)利要求1所述的方法，其中建立所述提取模型，其中建立所述提取模型包括：

將一個(gè)或多個(gè)特征矢量、特征矢量清單以及特征矩陣映射到一個(gè)或多個(gè)所述對象特征；并且

將至少一個(gè)元數(shù)據(jù)標(biāo)簽與每個(gè)經(jīng)映射的對象特征相關(guān)聯(lián)。

6.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括：基于屬于所述對象類別的至少一個(gè)附加對象的一個(gè)或多個(gè)附加對象特征訓(xùn)練提取模型。

7.根據(jù)權(quán)利要求6所述的方法，其中所述提取模型利用所述移動(dòng)設(shè)備的所述處理器進(jìn)行訓(xùn)練；并且進(jìn)一步包括儲(chǔ)存和/或輸出所述經(jīng)訓(xùn)練的提取模型。

8.根據(jù)權(quán)利要求7所述的方法，其中所述至少一個(gè)所述附加對象包括至少4個(gè)附加對象。

9.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括：在對應(yīng)于一個(gè)或多個(gè)所述對象特征和/或其他對象特征的所述數(shù)字圖像的一個(gè)或多個(gè)區(qū)域上執(zhí)行OCR。

10.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括：檢測所述對象中的一個(gè)或多個(gè)文本行。

11.根據(jù)權(quán)利要求10所述的方法，所述檢測包括：

將所述數(shù)字圖像投影到單一維度；沿著所述投影確定亮區(qū)和暗區(qū)分布；

確定多個(gè)暗像素密度，每個(gè)暗像素密度與沿所述投影的位置相對應(yīng)；

確定每個(gè)暗像素密度是否比可能的文本行閾值大；

并且

當(dāng)確定對應(yīng)的暗像素密度比可能的所述文本行閾值大時(shí)，指定每個(gè)位置作為文本行。

12.根據(jù)權(quán)利要求11所述的方法，進(jìn)一步包括：將所述數(shù)字圖像的每個(gè)顏色通道沿所述單一維度投影到單個(gè)通道。

13.一種方法，包括：

利用移動(dòng)設(shè)備接收或捕獲數(shù)字圖像；

利用所述移動(dòng)設(shè)備的處理器：

確定所述數(shù)字圖像中描繪的對象是否屬于多個(gè)對象類別中的特定對象類別；

當(dāng)確定所述對象不屬于任何多個(gè)對象類別時(shí)，將所述數(shù)字圖像顯示在所述移動(dòng)設(shè)備的顯示器上；

經(jīng)由所述移動(dòng)設(shè)備的所述顯示器接收用戶輸入，所述用戶輸入識(shí)別所述對象中的一個(gè)或多個(gè)感興趣區(qū)域；

至少部分基于所述用戶輸入建立和/或選擇提取模型；并且

至少部分基于所述提取模型從所述數(shù)字圖像中提取數(shù)據(jù)。

14.根據(jù)權(quán)利要求13所述的方法，其中所述提取進(jìn)一步包括執(zhí)行光學(xué)字符識(shí)別(OCR)，其中所述OCR在不包括接收或捕獲的圖像的一個(gè)或多個(gè)部分的所選擇的所述數(shù)字圖像的部分上執(zhí)行。

15.根據(jù)權(quán)利要求13所述的方法，其中一個(gè)或多個(gè)所述感興趣區(qū)域包括一個(gè)或多個(gè)文本字符。

16.根據(jù)權(quán)利要求13所述的方法，進(jìn)一步包括至少部分基于所述用戶輸入生成新的對象類別。

17.根據(jù)權(quán)利要求16所述的方法，其中所述提取模型配置為從屬于所述新的對象類別的多個(gè)對象中提取數(shù)據(jù)。

18.根據(jù)權(quán)利要求16所述的方法，其中所述用戶輸入包括指定多個(gè)對象中的多個(gè)感興趣區(qū)域。