图像整合方法及系统与流程

1.本发明涉及图像整合方法，更详细地，涉及将在不同时间点拍摄的增强现实图像整合并存储为一个图像的方法以及系统。
背景技术：
：：2.随着配备高性能相机的智能手机以及平板电脑等终端的普及，拍摄周围事物的高画质的照片或影像等的图像变得更加容易。并且，由于这种终端大多支持高速无线通信，因此也很容易通过因特网将这种图像上传到服务器。3.最近，不仅支持使用这种终端仅在一个方向拍摄事物的方法，还支持终端旋绕事物周边的至少一部分并在多方向进行拍摄的方法。当使用这种方法时，由于对事物的两个以上时间点的信息进行聚合，因此具有可以更好的表现实际事物的形状信息的优点。4.目前，正在尝试使用这种从多方向拍摄的图像信息的多种服务。为了顺利地提供这种服务，需要从尽可能多的方向拍摄的事物的图像。然而，一般用户对旋绕事物的整体(360°)进行拍摄会感到相当不适并且缺乏经验。5.假设上述服务是从任意方向拍摄事物也能识别事物的功能的服务，并且预先存储的图像是旋绕事物的一半(180°)(而不是整体)拍摄的图像，则当用户拍摄的不是预先拍摄的一半，而是拍摄相同事物的其他方向时，存在服务提供者无法识别用户拍摄的事物的问题。6.因此，正在尝试各种能够解决这种问题的方法。7.现有技术文献8.韩国授权专利第10-2153990号技术实现要素：9.技术问题10.本发明所要解决的问题为，提供一种通过将拍摄相同对象而得到的不同图像整合为一个图像来进行存储并进行管理的方法。11.本发明所要解决的另一个问题为，提供对于从不同终端在不同时间点拍摄的不同的两个图像计算两个图像的对象为相同对象的概率指标的计算方法。12.用于解决问题的手段13.用于解决上述问题的本发明的图像整合方法是在计算机系统执行的图像整合方法，该方法包括：图像存储步骤，通过包括在上述计算机系统的至少一个处理器，存储对于第一对象的第一图像以及对于第二对象的第二图像；对象特征信息生成步骤，通过上述至少一个处理器，基于上述第一图像以及上述第二图像分别生成与对于对象的外形以及外表面的信息中的至少一种相关的第一对象特征信息以及第二对象特征信息；指标计算步骤，通过上述至少一个处理器，对上述第一对象特征信息以及上述第二对象特征信息进行比较，计算出上述第一对象与上述第二对象为相同对象的概率指标；以及图像整合步骤，当上述概率指标为基准值以上时，通过上述至少一个处理器，将上述第一图像和上述第二图像整合并存储为对于相同对象的图像。14.根据本发明一实施例的图像整合方法可以是，上述第一图像以及上述第二图像为增强现实图像的图像整合方法。15.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即上述第一图像以及上述第二图像是通过在一定范围内对上述第一对象以及上述第二对象的周边进行旋绕并拍摄而成的图像。16.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即在上述对象特征信息生成步骤中，由水平方向的分割线分割上述对象的外形并分割成沿着垂直方向排列的多个局部图像，上述对象特征信息包括上述局部图像的形态、颜色、长度、间隔以及比例中的任一种信息。17.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即在上述对象特征信息生成步骤中，通过分析上述对象的外形来使上述对象的形态选择预先存储在上述计算机系统中的多个参考外形中的任一种，上述对象特征信息包括与选择的任一种上述参考外形有关的信息。18.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即在上述对象特征信息生成步骤中，由垂直方向的分割线分割上述对象的外表面并分割成沿着水平方向排列的多个局部图像，上述对象特征信息包括上述局部图像的图案、颜色以及包括在上述局部图像的文本中的任一种信息。19.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即上述对象特征信息生成步骤包括：高度识别步骤，从上述第一图像或上述第二图像识别上述对象的拍摄高度；以及高度校正步骤，校正上述第一图像或上述第二图像以使上述拍摄高度成为预定基准高度。20.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即上述指标计算步骤包括：垂直局部图像识别步骤，基于上述第一对象特征信息以及上述第二对象特征信息识别由垂直方向的分割线分割的垂直局部图像；以及重叠区域选择步骤，通过对上述第一对象特征信息和上述第二对象特征信息各自的垂直局部图像进行比较，来选择对应于重叠区域的至少一个垂直局部图像。21.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即在上述指标计算步骤中，上述概率指标是基于上述第一对象特征信息和上述第二对象特征信息中的上述对应于重叠区域的至少一个垂直局部图像是否有关联性来计算的。22.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即上述对应于重叠区域的至少一个垂直局部图像是连续的多个垂直局部图像。23.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法。即，上述图像存储步骤包括：第一图像存储步骤，用于存储上述第一图像，以及第二图像存储步骤，用于存储上述第二图像。上述对象特征信息生成步骤包括：第一对象特征信息生成步骤，用于生成上述第一对象特征信息；以及第二对象特征信息生成步骤，用于生成上述第二对象特征信息。上述第二图像存储步骤是在上述第一对象特征信息生成步骤之后执行。并且，在上述概率指标为基准值以上时，还包括：附加第二图像存储步骤，通过上述至少一个处理器，存储附加到上述第二图像的附加第二图像。24.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即上述第二图像以及上述附加第二图像是由通过网络与上述计算机系统连接的一个终端拍摄而成。25.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即在上述概率指标为基准值以上的情况下，还包括：提供附加第二图像登记模式的步骤，通过上述至少一个处理器，来支持通过网络与上述计算机系统连接的终端的上述附加第二图像的拍摄和传输。26.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即上述提供附加第二图像登记模式的步骤中，上述至少一个处理器以在上述终端能区分显示与上述第二图像对应的部分和与上述附加第二图像对应的部分的方式提供上述附加第二图像登记模式。27.根据本发明一实施例的图像整合方法可以是，如下的图像整合方法，即在上述提供附加第二图像登记模式的步骤中，与上述第二图像对应的部分和与上述附加第二图像对应的部分以包围上述第二对象的虚拟圆形态显示，并且，与上述第二图像对应的部分和与上述附加第二图像对应的部分以不同的颜色显示。28.此外，用于解决上述问题的本发明的图像整合计算机系统可以是如下的计算机系统。即，计算机系统包括：存储器；以及至少一个处理器，与上述存储器相连接并配置为执行指令。并且，上述至少一个处理器包括：图像存储部，用于存储对于第一对象的第一图像以及对于第二对象的第二图像；对象特征信息生成部，基于上述第一图像以及上述第二图像分别生成与对于对象的外形以及外表面的信息中的至少一种相关的第一对象特征信息以及第二对象特征信息；指标计算部，对上述第一对象特征信息以及上述第二对象特征信息进行比较，计算出上述第一对象与上述第二对象为相同对象的概率指标；以及图像整合部，当上述概率指标为基准值以上时，将上述第一图像和上述第二图像整合并存储为对于相同对象的图像。29.发明效果30.根据本发明一实施例的图像整合方法可通过将拍摄相同对象的不同图像整合为一个图像来进行存储并进行管理。31.此外，根据本发明一实施例的图像整合方法可对于从不同终端在不同时间点拍摄的不同的两个图像计算出当两个图像的对象为相同对象的概率指标。附图说明32.图1是简要示出执行本发明的图像整合方法的计算机系统的连接关系的图。33.图2是示出执行本发明的图像整合方法的计算机系统的框图。34.图3是示出本发明的图像整合方法的流程图。35.图4是示意性示出本发明一实施例的第一图像和第二图像的内容的图。36.图5是简要示出本发明一实施例的处理器根据对象(object)生成对象特征信息的例示性方法的图。37.图6是示出本发明一实施例的局部图像的图。38.图7是示出对于本发明一实施例的指标计算步骤的示例的图。39.图8是示出对于本发明一实施例的图像整合步骤的示例的图。40.图9是示出对于本发明一实施例的附加图像登记模式提供步骤的示例的图。41.图10是示出对于本发明一实施例的附加图像存储步骤的示例的图。42.(附图标记的说明)43.10：计算机系统ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ20：网络44.30：第一终端ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ40：第二终端45.100：存储器ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ200：处理器46.210：图像登记模式提供部ꢀꢀꢀꢀꢀꢀ220：图像存储部47.230：对象特征信息生成部ꢀꢀꢀꢀꢀꢀ240：指标计算部48.250：图像整合部ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ300：第一对象49.310：第一图像ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ320：局部图像50.330：附加图像ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ321：垂直局部图像51.400：第二对象ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ410：第二图像具体实施方式52.以下，参照附图详细说明本发明的实施例。在本发明的说明中，如果确定添加对本领域已知的技术或结构的具体说明可能会模糊本发明的主旨，则将在详细说明中省略其中的一些。另外，本说明书中使用的术语是用来恰当地表达本发明实施例的术语，可能会因相关领域的人或惯例而有所不同。因此，这些术语的定义应基于整个说明书的内容。53.这里使用的术语仅用于提及特定实施例，并不旨在限制本发明。除非有明确相反的意思，这里使用的单数形式的表述也包括复数形式含义。本说明中使用的“包括”的含义是具体化特定特征、区域、整数、步骤、操作、元素和/或组件，但不排除其他特定特征、区域、整数、步骤、操作、元素、组件和/或组的存在或添加。54.以下，参照附图1至图10，说明本发明一实施例的图像整合方法。55.图1是简要示出执行本发明的图像整合方法的计算机系统10的连接关系的图。56.参照图1，本发明的计算机系统10可以被配置为与网络20相连接的服务器。计算机系统10可通过网络20与多个终端相连接。57.其中，网络20的通信方式不受限制，各结构要素之间的连接可以不以相同的网络20方式相连接。网络20不仅包括使用通信网络(作为一例，移动通信网络、有线互联网、无线互联网、广播网络、卫星网络等)的通信方式，还可以包括设备之间的近距离无线通信。例如，网络20可包括客体与客体之间能够联网的所有通信方法，不限于有限通信、无线通信、3g、4g、5g、或其他的方法。例如，有线和/或网络20可以是基于选自由局域网(localareanetwork，lan)、城域网(metropolitanareanetwork，man)、全球移动通信系统(globalsystemformobilenetwork，gsm)、增强数据gsm环境(enhanceddatagsmenvironment，edge)、高速下行链路分组接入(highspeeddownlinkpacketaccess，hsdpa)、宽带码分多址(widebandcodedivisionmultipleaccess，w-cdma)、码分多址(codedivisionmultipleaccess，cdma)、时分多址(timedivisionmultipleaccess，tdma)、蓝牙(bluetooth)、紫蜂(zigbee)、无线通信技术(wi-fi)、互联网语音协议(voiceoverinternetprotocol，voip)、高级长期演进技术(lteadvanced)、ieee802.16m、高级无线城域网(wirelessman-advanced)、hspa 、3gpp长期演进技术(3gpplte)、全球微波互联移动通信技术(mobilewimax(ieee802.16e))、umb(formerlyev-dorev.c)、无缝切换正交频分复用技术(flash-ofdm)、iburst和移动宽带无线接入(mbwa)(ieee802.20)系统、高性能城域网(hiperman)、波分多址(beam-divisionmultipleaccess，bdma)、全球微波接入互操作性(worldinteroperabilityformicrowaveaccess，wi-max)以及使用超声波的通信组成的组中的一种以上的通信方法的通信网络，但不限于此。58.优选地，终端配备有能够拍摄图像的相机(camera)装置。终端可包括手机、智能手机(smartphone)、笔记本电脑(laptopcomputer)、数字广播终端、个人数字助理(personaldigitalassistants，pda)、便携式多媒体播放器(portablemultimediaplayer，pmp)、导航、平板计算机(slatepc)、平板电脑(tabletpc)、超极本(ultrabook)、可穿戴设备(wearabledevice)(例如，手表型终端(smartwatch)、眼镜型终端(smartglass)、头戴式显示器(headmounteddisplay，hmd))等。59.终端可包括通信模块，可在根据用于移动通信的技术标准或通信方式(例如，全球移动通信系统(globalsystemformobilecommunication，gsm)、码分多址(codedivisionmultiaccess，cdma)、cdma2000(codedivisionmultiaccess2000)、增强型优化语音数据或增强型仅语音数据(enhancedvoice-dataoptimizedorenhancedvoice-dataonly，ev-do)、宽带cdma(widebandcdma)、高速下行链路分组接入(highspeeddownlinkpacketaccess，hsdpa)、高速上行链路分组接入(highspeeduplinkpacketaccess，hsupa)、长期演进(longtermevolution，lte)、高级长期演进技术(longtermevolution-advanced)等)构建的移动通信网上与基站、外部终端、服务器中的至少一种进行无线信号的发送和接收。60.图2是示出执行本发明的图像整合方法的计算机系统10的框图。61.参照图2，计算机系统10包括存储器100以及处理器200。此外，计算机还可以包括能够连接到网络20的通信部。62.其中，处理器200与存储器100连接，用于执行指令。指令是指包括在存储器100的计算机可读指令。63.处理器包括图像登记模式提供部210、图像存储部220、对象特征信息生成部230、指标计算部240以及图像整合部250。64.存储器100中可以存储包括多个图像以及对于多个图像的对象特征信息的数据库。65.以下，将在说明图像整合方法之后，对上述处理器的各部分进行说明。66.图3是示出本发明的图像整合方法的流程图。67.参照图3，本发明的图像整合方法包括图像存储步骤、对象特征信息生成步骤、指标计算步骤、图像整合步骤、附加图像330登记模块提供步骤以及附加图像330存储步骤。68.上述各步骤在计算机系统10中执行。具体地，上述各个步骤通过包括在计算机系统10中的至少一个处理器200执行。69.上述各个步骤可以以与所列出的顺序无关的方式执行，除非由于特殊的因果关系而必须按照所列出的顺序执行。70.以下，对图像存储步骤进行说明。71.将参照图4，对图像存储步骤进行说明。72.图像存储步骤是如下步骤：即通过包括在计算机系统10的至少一个处理器200，存储对于第一对象300的第一图像310以及对于第二对象400的第二图像410。73.这种图像存储步骤可以是在执行图像登记模式提供步骤，且用户终端响应于接收到的图像登记模式进行拍摄后执行。74.计算机系统10通过网络20从至少一个终端接收拍摄的图像。计算机系统10将接收到的图像存储在存储器100中。75.其中，图像可以包括多个图像。为了便于说明，以假设图像有第一图像310以及第二图像410的情况进行说明。并且，假设第一图像310是对于第一对象300的图像，第二图像410是对于第二对象400的图像。76.其中，图像可以是增强现实(augmentedreality，ar)图像。此外，图像可以是在一定范围内旋绕对象的周边的同时拍摄而生成的图像。图像也可以是拍摄对象周边整体范围(360°)的图像，但在下面假设为是拍摄部分范围(小于360°)的图片并进行说明。77.详细地，图像存储步骤可包括：第一图像310存储步骤，用于存储第一图像310；以及第二图像410存储步骤，用于存储第二图像410。而且，第一图像310存储步骤和第二图像410存储步骤可以在时间上彼此间隔执行。78.如以下上述，在执行第一图像310存储步骤后，可以在执行第一对象300特征信息生成步骤之后执行第二图像410存储步骤。79.图4是示意性示出本发明一实施例的第一图像310和第二图像410的内容的图。80.将参照图4，对第一图像310和第二图像410的内容进行简单说明。81.如上所述，第一图像310是对于第一对象300的图像，第二图像410是对于第二对象400的图像。其中，第一对象300和第二对象400可以是相同对象。然而，若第一图像310和第二图像410分别是由不同主体在不同时间点以对象为基准拍摄不同部分的图像时，则在计算机系统10中，可能难以立即确定第一对象300和第二对象400是否是相同对象。82.其中，所谓第一对象30和第二对象400是相同对象，不仅包括物理上是相同的对象的情况，而且还包括虽然物理上是不同对象但外形以及外表面等的特征相同，即相同种类的对象的情况。83.如图4所示，第一图像310可以是对于第一对象300以任意的特定基准点为基准拍摄0°～90°的范围的图像。并且，第二图像410可以是对于与第一对象300相同的第二对象400以相同的任意的特定基准点为基准拍摄60°～120°的范围的图像。84.以下，对对象特征信息生成步骤进行详细说明。85.将参照图5至图7，对对象特征信息生成步骤进行说明。86.对象特征信息生成步骤是如下步骤：即通过包括在计算机系统10中的至少一个处理器200，基于第一图像310以及第二图像410分别生成与对于对象的外形以及外表面的信息中的至少一种相关的第一对象300特征信息以及第二对象400特征信息。87.对象特征信息是指处理器200基于图像提取与对于对象的外形以及外表面的信息中的至少一种相关的特征的信息。88.对象特征信息可包括第一对象300特征信息和第二对象400特征信息。第一对象300特征信息是从第一图像310提取的与第一对象300的外形以及外表面中至少一种相关的信息。第二对象400特征信息是从第二图像410提取的与第二对象400的外形以及外表面中的至少一种相关的信息。89.详细地，对象特征信息生成步骤可包括：第一对象300特征信息生成步骤，用于生成第一对象300特征信息；以及第二对象400特征信息生成步骤，用于生成第二对象400特征信息。而且，第一对象300特征信息生成步骤和第二对象400特征信息生成步骤可以在时间上彼此间隔执行。90.具体地，首先，可以执行第一图像310存储步骤，执行第一对象300特征信息生成步骤。之后，可以执行第二图像410存储步骤，执行第二对象400特征信息生成步骤。91.图5是简要示出处理器200根据对象生成对象特征信息的例示性方法的图。92.参照图5，对象特征信息可包括局部图像320的形态、颜色、长度、间隔以及比例中的任一种信息。93.其中，局部图像320是指由一个方向的分割线分割对象的外形的图像。如图5所示，局部图像320可以是由水平方向的分割线分割对象的外形，并沿着垂直方向排列的图像。一个图像可由多个这种局部图像320组成。94.这种局部图像320可以根据视觉特征进行分割。以图5为例，一个对象可基于轮廓线的弯曲由多个分割线分割。95.这种局部图像320可以具有多种视觉特征。以图5为例，一个局部图像320可以具有固有的形态、颜色、长度、间隔以及比例等特征。具体地，图5所示的多个局部图像320中的一个局部图像320可具有如下特征：即垂直方向的长度为hl，颜色为浅金色，剖面形状为下部宽的梯形。96.图6以及图7是简要示出处理器200根据对象生成对象特征信息的另一例示性方法的图。97.参照图6，对象特征信息可包括局部图像320的图案、颜色以及包括在局部图像320的文本(text)中的任一种信息。98.其中，局部图像320是指由一个方向的分割线分割对象的外形的图像。如图6所示，局部图像320可以是由垂直方向的分割线分割对象的外表面，并沿着水平方向排列的图像。同样，一个图像可由多个这种局部图像320组成。99.这种局部图像320可以根据相机以对象的中心为基准移动的角度来分割。以图7为例，局部图像320可根据拍摄角度以10°的范围进行分割。100.这种局部图像320可以具有多种视觉特征。以图6为例，一个局部图像320可具有固有图案以及颜色等特征。此外，一个局部图像320可具有对于其所包含文本的特征。具体地，图6所示的多个局部图像320中的一个局部图像320可具有如下特征：即在白色背景上有两个心形图像，以及写有b的文本。101.虽然图中未示出，对象特征信息可以包括与通过分析对象的外形而推测的参考外形有关的信息。与参考外形有关的信息是指预先存储在计算机系统10的多种对象的一般形态的外形信息。例如，计算机系统10可以将对于啤酒瓶预先收集的一般的多种的啤酒瓶的外形信息存储在存储器100中。处理器200可以从图像分析对象的外形，并从预先存储在计算机系统10中的多个参考外形中选择与对象的形态相对应的。而且，处理器200可以以包括选择的参考外形信息的方式生成相应图像的对象特征信息。102.此外，虽然图中未示出，对象特征信息生成步骤可包括高度识别步骤以及高度校正步骤。103.高度识别步骤是从图像识别对象的拍摄高度的步骤。高度校正步骤是校正图像以使拍摄高度成为预定基准高度的步骤。104.通过这种高度校正步骤，可以减少由于拍摄对象的高度不同而产生的图像的差异。因此，还可以减少由于拍摄高度不同而产生的对象特征信息的差异。105.以下，对指标计算步骤进行说明。106.将参照图7，对指标计算步骤进行说明。107.指标计算步骤可以是如下步骤：即通过包括在计算机系统10中的至少一个处理器200，对第一对象300特征信息以及第二对象400特征信息进行比较，计算出第一对象300与第二对象400为相同对象的概率指标的步骤。108.指标计算步骤可包括垂直局部图像321识别步骤以及重叠区域选择步骤。109.垂直局部图像321识别步骤是基于第一对象300特征信息以及第二对象400特征信息识别由垂直方向的分割线分割的垂直局部图像321的步骤。这种垂直局部图像321可以根据相机以对象的中心为基准移动的角度来分割。以图7为例，垂直局部图像321可根据拍摄角度以10°的范围进行分割。110.重叠区域选择步骤是通过对第一对象300特征信息和第二对象400特征信息各自的垂直局部图像321进行比较，来选择对应于重叠区域的至少一个垂直局部图像321的步骤。例如，参照图7，对于对象，以任意的特定基准点为基准对应于60°～90°范围的3个10°范围的垂直局部图像321可对应于重叠区域。111.这种重叠区域可由一个或多个垂直局部图像321组成。当重叠区域由多个垂直局部图像321组成时，多个垂直局部图像321可以是彼此连续的。以图7为例，3个垂直局部图像321是在60°～90°的范围内彼此连续的。112.是否对应于重叠区域可以通过对各垂直局部图像321的外形以及外表面的信息进行综合比较来确定。113.第一对象300与第二对象400为相同对象的概率指标是基于第一对象300特征信息和第二对象400特征信息中的对应于重叠区域的至少一个垂直局部图像321是否有关联性来计算的。即优选地，第一对象300特征信息中的不对应于重叠区域的与0°～60°范围对应的垂直局部图像321和第二对象400特征信息中的不对应于重叠区域的与90°～120°范围对应的垂直局部图像321不用于计算概率指标。114.以下，对图像整合步骤进行详细说明。115.将参照图8，对图像整合步骤进行说明。116.图像整合步骤是如下步骤：即通过包括在计算机系统10中的至少一个处理器200，将第一图像310和第二图像410整合并存储为对于相同对象的图像步骤。这种图像整合步骤是在指标计算步骤中的概率指标为预设基准值以上时执行。117.参照图8，当概率指标为预设基准值以上时，处理器200不再以将第一图像310和第二图像410视为对于第一对象300和第二对象400各自的图像的方式进行判断并由此进行存储和管理，而是整合并存储为对于相同对象的图像。118.以下，对附加图像330登记模式提供步骤进行说明。119.将参照图9，对附加图像330登记模式提供步骤进行说明。120.附加图像330登记模式提供步骤是在如下情况下执行：即首先，执行第一图像310存储步骤，执行第一对象300特征信息生成步骤，之后，执行第二图像410存储步骤，执行第二对象400特征信息生成步骤的情况下执行。而且，附加图像330登记模式提供步骤是在指标计算步骤中的概率指标为预设基准值以上时执行。121.其中，附加图像330是指附加到第二图像410的图像。而且，附加图像330是指由通过计算机系统10和网络20连接的一个终端拍摄的图像。122.附加图像330登记模式提供步骤是如下步骤：即通过包括在计算机系统10中的至少一个处理器200，存储附加到第二图像410的附加图像330的步骤。123.附加图像330可以是从第二图像410的拍摄终点连续的范围的图像。参照图9，附加图像330可以是从作为第二图像410的拍摄终点的120°附加并连续的120°～150°范围的图像。124.具体地，由于发现了对于与第二对象400相同的对象的图像，附加图像330登记模式向提供第二图像410的终端提供能够额外拍摄图像并进行整合，并由此进行存储来进行登记的用户接口。为此，附加图像330登记模式提供支持附加图像330的拍摄和传输的用户接口。125.如图9所示，这种用户接口可以在终端以能区分与第二图像410对应部分和与附加图像330对应部分的方式显示。具体地，与第二图像410对应的部分和与附加图像330对应的部分可以以围绕第二对象400的虚拟圆形态显示，与第二图像410对应的部分和与附加图像330对应的部分可以以不同的颜色显示。126.以下，对附加图像330存储步骤进行说明。127.将参照图10，对附加图像330存储步骤进行说明。128.附加图像330存储步骤是通过包括在计算机系统10中至少一个处理器200，将附加图像330存储到存储器100的步骤。129.如图10所示，存储的附加图像330可以以与第一图像310以及第二图像410一同作为对于相同对象的图像整合的方式进行存储和管理。130.以下，对本发明的图像整合系统进行说明，将参照图2，对图像整合系统进行说明。131.图像整合系统是执行上述图像整合方法的系统，因此对其的详细说明可以参照对于图像整合方法的说明来代替。132.图像整合系统以计算机系统10体现。这种计算机系统10包括存储器100以及处理器200。此外，计算机可以包括能够连接到网络20的通信部。133.其中，处理器200被设置成与存储器100连接，并用于执行指令。指令是指包括在存储器100的计算机可读指令。134.处理器包括图像登记模式提供部210、图像存储部220、对象特征信息生成部230、指标计算部240以及图像整合部250。135.存储器100中可以存储包括多个图像以及对于多个图像的对象特征信息的数据库。136.图像登记模式提供部210向终端提供拍摄图像并且能够向计算机系统10进行传输的用户接口。137.图像存储部220用于存储对于第一对象300的第一图像310以及对于第二对象400的第二图像410。图像存储部220执行上述图像存储步骤。138.对象特征信息生成部230基于第一图像310以及第二图像410分别生成与对于对象的外形以及外表面的信息中的至少一种相关的第一对象特征信息以及第二对象特征信息。对象特征信息生成部230执行上述对象特征信息生成步骤。139.指标计算部240用于对第一对象特征信息以及第二对象特征信息进行比较，计算出第一对象300与第二对象400为相同对象的概率指标。指标计算部240执行上述指标计算步骤。140.当概率指标为基准值以上时，图像整合部250将第一图像310和第二图像410整合并存储为对于相同对象的图像。图像整合部250执行上述图像整合步骤。141.本发明的各个实施例中公开的技术特征不仅限于该实施例，除非它们彼此不兼容，否则各个实施例中公开的技术特征可以组合并应用于不同的实施例。142.以上，对于本发明的图像整合方法以及系统的实施例进行了说明。本发明不限于上述实施例和附图，从本发明所属领域的普通技术人员的观点来看，可以进行各种修改和变形。因此，本发明的范围不仅由本说明书的权利要求书限定，还应由这些权利要求书及其等同物来确定。当前第1页12当前第1页12