CN101363722A - 一种身高测量方法及其测量装置 - Google Patents
一种身高测量方法及其测量装置 Download PDFInfo
- Publication number
- CN101363722A CN101363722A CNA2008101987706A CN200810198770A CN101363722A CN 101363722 A CN101363722 A CN 101363722A CN A2008101987706 A CNA2008101987706 A CN A2008101987706A CN 200810198770 A CN200810198770 A CN 200810198770A CN 101363722 A CN101363722 A CN 101363722A
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- facial image
- unit
- height
- 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
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种身高测量方法及其测量装置,其中,所述方法包括:检测人体位置,判断所述人体位置是否进入预定范围;判断为是则采集人体视频图像;从所述人体视频图像中检测人脸图像并获取最佳人脸图像;由所述最佳人脸图像确定人体身高。实施本发明实施例,由于是基于视频人脸图像来进行人体身高的测量,可针对入口通道中特定身高的人群,在不改变现有固定的入口通道设施的情况下,预先设置一定的范围,方便准确地计算人体的身高。
Description
技术领域
本发明涉及人体身高测量领域,具体地涉及一种用于售检票系统上的特定身高人群的筛分方法以及实施装置。
背景技术
轨道交通日益成为城市客运交通的重要组成部分,自动售检票系统(Automatic Fare Collection,AFC)是轨道交通的核心系统之一,闸机是实现自动检票的重要模块。目前自动检票系统存在的不足是对免票和半票儿童的身高没有较好的测量方法,而且免票和半票儿童的身高在各个城市的规定也不尽相同。现有的闸机多数采用透过型光电管传感器检测行人高度,这种方法检测身高有以下3个制约因素:
(1)考虑到整机成本、地铁业主的需求和人流通过的顺畅性等因素,闸机整机高度一般在1.1米以下,也就是说光电管的安装高度一般不超过1.1米。
(2)即使光电管的安装高度可以超过1.1米,其位置是固定的,但是儿童平均身高会随着生活质量的提高而增高,对儿童票身高的规定也会随各地法规改变,使用光电管检测身高需要改变设备外形设计来满足各种要求,并且如果闸机的实际高度太高,会使人在闸机通道中产生压抑的感觉。为此,需要一种无需改变现有闸机外型设计,检测范围可调的身高检测方法。
(3)射光电管的安装密度决定测量的精度,如果想提高身高测量精度,成本会相应增加。
因此,设计一种检测灵活、成本较低的入口通道人体身高检测的方法以及实施该方法的检测装置具有广泛而重要的应用价值。
发明内容
本发明所要解决的技术问题在于,提供一种检测灵活、成本较低的入口通道人体身高检测的方法以及实施该方法的检测装置。
为了解决上述技术问题,本发明实施例提出了一种身高测量方法,其特征在于,所述方法包括:
检测人体位置,判断所述人体位置是否进入预定范围;
判断为是则采集人体视频图像;
从所述人体视频图像中检测人脸图像并获取最佳人脸图像;
由所述最佳人脸图像确定人体身高。
相应地,本发明实施例还提供了一种身高测量装置,其特征在于,所述装置包括:
检测单元,用于侦测人体位置并判断所述人体位置是否进入预定范围;
采集单元,用于根据所述检测单元的判断结果采集和存储人体视频图像;
处理单元,用于从所述采集单元存储的人体视频图像中检测和筛选人脸图像;
计算单元,用于根据所述处理单元筛选的最佳人脸图像计算人体身高。
实施本发明实施例,由于是基于视频人脸图像来进行人体身高的测量,可针对入口通道中特定身高的人群,在不改变现有固定的入口通道设施的情况下,预先设置一定的范围,方便准确的采集人体视频图像和筛选最佳人脸图像,通过最佳人脸图像在图像中的位置确定人体身高,在通道检测中也可以根据在特定监测范围图像内是否出现人脸来达到筛分特定身高人群的目的。本发明实施例测量灵活而且节约成本。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的身高测量方法的一个实施例流程示意图;
图2是本发明实施例的身高测量方法的具体流程图;
图3是本发明实施例的身高测量装置的一个实施例结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图对本发明实施例进一步详细说明。
图1示出了本发明中实施例的身高测量方法的一个实施例流程示意图,参照图1,所述身高测量方法包括:
步骤S101,检测人体位置。步骤S102,判断所述人体位置是否进入预定范围。具体实现中,通过预先设定侦测范围,检测人体位置,判断行人是否进入侦测范围,当判断行人到来并进入侦测范围时,就执行步骤S103;当判断行人离开并走出侦测范围时,就结束检测。
步骤S103,当判断所述人体位置进入预定范围后采集人体视频图像。具体实现中,当判断所述人体位置进入预定范围后对行人进行人体视频图像采集,并将采集的人体视频图像进行存储以供选择调用。所述采集人体视频图像时,采集平面与人体所在平面的夹角为45度至90度。
步骤S104,从所述人体视频图像中检测人脸图像并获取最佳人脸图像。具体包括从采集的人体视频图像中搜索可能人脸图像;将所述搜索的可能人脸图像输入神经网络模型,对输出值进行比较;根据所述输出值的比较结果获取最佳的人脸图像。具体实现中所述输出值为最大值所对应的人脸图像即为最佳人脸图像。这只是其中一种获取最佳人脸图像的方法,当然还可以通过其它的模型或算法来获取最佳人脸图像。
步骤S105,由所述最佳人脸图像确定人体身高。具体实现中,由于入口通道和行人的位置距离关系,根据光学成像原理,行人所成的图像保持恒定的几何比例关系。因此,根据筛选的最佳人脸图像在整幅图像中的位置与标准人脸图像在整幅图像中的位置的比例,就可确定出行人的身高。
图2是本发明实施例的身高测量方法的具体流程图,参照图2,所述身高测量方法包括:
步骤S201,神经网络模型训练,获取神经网络模型的权值。具体实现中,采用多个人脸图像对一神经网络模型进行训练,直至所述神经网络模型达到最佳神经网络性能,获取所述神经网络模型的权值。本实施例的神经网络模型为一人工神经网络模型,包括输入层、输出层和隐含层。首先将多个人脸图像从彩色图像转化为灰度图像,采用如下公式实现转化:grayValue=0.30×redValue+0.59×greenValue+0.11×blueValue。转化后采用人工神经网络分类:在通过肤色锁定的区域对应的图像作为所述神经网络模型的输入向量对所述神经网络模型进行训练。人工神经网络的输入层的节点数为锁定区域像素数,而对于人脸检测只有人脸与非人脸两种状态,所以输出层只有一层,当输出大于0.5则是人脸,当小于等于0.5则是非人脸,并且输出值越大,输入图像越逼近人脸。基于隐含层提取特征的作用和训练的时间和复杂度,本发明实施例采用试错法最终确定本网络的隐单元数为17层。在确定人工神经网络的层数后,对网络进行训练,首先选取30张不同的人脸图像,然后再选取20张非人脸图像,其中非人脸图像包括10张人身体其他部位图像,10张半人脸图像(接近预先设定人体身高范围边缘的半人脸图像)。测试神经网络,将被认成人脸的非人脸图像继续作为样本反复训练。把训练好的神经网络进行测试,如果出现非人脸错认为人脸的情况,把它加入到非人脸图像测试样本中,继续进行训练,通过边训练边学习的方式使所述神经网络模型达到最佳神经网络性能,获取所述神经网络模型的权值,当网络再次遇到人脸图像输入时,能够做出迅速、准确的判断和识别。
步骤S202,标准身高人体标定,获取标准人脸图像。具体实现中,对标准身高人体进行人体视频图像采集,从所述采集的人体视频图像中搜索出人脸图像,将所述人脸图像输入神经网络模型,对输出值进行比较,获取标准人脸图像。本发明实施例中,标准身高人体的标定只针对特定身高范围人群,即1.1米~1.4米的人群进行,先对标准身高人体进行人体视频图像采集,从所述采集的人体视频图像中搜索出人脸图像,将所述人脸图像输入神经网络模型,对输出值进行比较,最大输出值对应的人脸图像就是最佳标准人脸图像。实际中标准人脸图像就是采集角度与标准身高人体成90度,垂直拍摄的人脸图像,此图像清晰度、分辨率和像素值最高。
步骤S203,检测人体位置。步骤S204,判断所述人体位置是否进入预定范围。具体实现中,通过预先设定侦测范围,检测人体位置,判断行人是否进入侦测范围,当判断行人到来并进入侦测范围时,就执行步骤S205;当判断行人离开并走出侦测范围时,就结束检测。
步骤S205,当判断所述人体位置进入预定范围后采集人体视频图像。具体实现中,当判断所述人体位置进入预定范围后对行人进行人体视频图像采集,并将采集的人体视频图像进行存储以供选择调用。所述采集人体视频图像时,采集平面与人体所在平面的夹角为45度至90度。
步骤S206,从采集的人体视频图像中搜索人脸图像。具体实现中,当完成人体视频图像采集后,数字信号处理设备会自动分析存储的每一帧人体视频图像,从中搜索人脸图像。首先框定人脸的搜索范围,通道的宽度框定左右搜索范围,而预先设定的人体身高范围是上下行搜索范围。在这个大致范围内,通过人脸肤色公式确定最可能出现人脸的位置。此过程为搜索人脸图像。其中人脸肤色公式对大多数像素点符合:redValue>green Value,redValue>blue Value,abs(green Value-blue Value)<T(T是一阈值)。实际中由于售检票通道一般是多个连在一起,一个通道摄像装置可能会摄到多个通道的人群而造成混乱,因此实际使用时筛分1.1米~1.4米人群,而通道宽度一般为0.5米,所以实际搜索处理的范围大约是高为1.1米~1.4米,宽为0.5米的图像区域,,判断该范围区域没有人脸就可以判断不属于1.1米~1.4米的人群。采用该方式可以使处理图像面积变小,有利于加快数据处理和降低对硬件的要求。
步骤S207,将所述搜索的可能人脸图像输入所述神经网络模型,对输出值进行比较。具体实现中,由于所述神经网络模型已具备最佳神经网络性能,将所述搜索的可能人脸图像输入所述神经网络模型可快速准确地获得输出值,将所述输出值进行比较,输出值越大越接近最佳人脸图像。
步骤S208,根据所述输出值的比较结果获取最佳人脸图像。具体实现中,将所述搜索的人脸图像对应输出值进行对比后,选取输出值最大的,最大输出值对应所述的人脸图像就是最佳人脸图像。
步骤S209,由所述最佳人脸图像确定人体身高。具体实现中,由于入口通道和行人的位置距离关系,根据光学成像原理,行人所成的图像保持恒定的几何比例关系。因此,根据筛选的最佳人脸图像在图像中位置与标准人脸图像在标准图像中位置的比例,就可确定出行人的身高。本实施例中,依据待测人体身高与标准人体身高的比例和筛选的最佳人脸在图像中位置与标准人脸图像位置的比例相同,因而将标准行人身高和所遴选的最佳人脸图像在图像中的位置与标准人脸图像在图像中位置的比例相乘就可以计算出待测人体身高。
图3是本发明实施例的身高测量装置的结构示意图,参照图3,所述的身高测量装置是基于视频人脸图像来测量人体身高的,主要应用于入口通道中人体身高的测量。该装置首先检测人体位置,根据所述人体位置采集人体视频图像,从所述人体视频图像中检测人脸图像并获取最佳人脸图像,最后由所述最佳人脸图像确定人体身高。所述装置按照功能模块划分具体包括训练单元31、检测单元32、采集单元33、处理单元34以及计算单元35,其中检测单元32、采集单元33、处理单元34和计算单元35依次相连,训练单元31与处理单元34相连。
训练单元31,用于对神经网络模型进行训练并获取所述神经网络模型权值。具体实现中,采用多个人脸图像对神经网络模型进行训练,获取最佳神经网络性能,获取所述神经网络模型的权值,当所述神经网络再次遇到人脸图像输入时,能够做出迅速、准确的判断和识别。
检测单元32,用于侦测人体的位置并判断所述人体位置是否进入预定范围。具体实现中,所述检测单元32测定行人是否进入侦测范围,当行人到来并进入侦测范围时,发出信号触发采集单元进行人体视频图像采集;当行人离开并走出侦测范围时,所述检测单元31停止检测。所述的检测单31元可以为光电传感器或超声波检测器,本发明实施例为光电位置传感器。
采集单元33,用于根据所述检测单元判断的人体位置进入预定范围后来采集和存储人体视频图像,具体实现中,包括用于拍摄人体视频图像的摄像单元331和用于将所述摄像单元拍摄的人体视频图像进行存储的存储单元332。采集单元33收到检测单元32的触发信号后对行人进行人体视频图像采集,并将采集的人体视频图像进行存储以供选择调用。所述采集单元的采集平面与人体所在平面的夹角为45度至90度。本发明实施例摄像单元331为摄像头,所述摄像头安装在人口通道侧壁迎着行人前进的方向,呈水平偏上角度,与检测单元32水平方向的最佳距离为1米以上。
处理单元34,用于对采集的人体视频图像进行人脸图像检测和筛选。具体实现中,所述处理单元34包括用于根据所述采集的人体视频图像进行人脸图像搜索的搜索单元341,用于将所述搜索的人脸图像输入所述网络模型并对输出值进行比较的比较单元342和根据所述输出值的比较结果获取最佳人脸图像的获取单元343。本发明实施例处理单元34是数字信号处理设备,选用视频6713作为视频信号处理板。
计算单元35,用于根据所述处理单元34筛选的最佳人脸图像计算人体身高。具体实现中,由于采集单元33和检测单元32的安装位置固定,故行人和采集单元33距离恒定,根据光学成像原理,行人经采集单元33所成的图像保持恒定的几何比例关系。因此,根据筛选的最佳人脸图像在图像中的位置与标准人脸图像在标准图像中位置的比例,就可确定出行人的身高。本发明实施例依据待测人体身高与标准人体身高的比例和筛选的最佳人脸图像在图像中的位置与标准人脸图像在图像中位置的比例相同,因而将标准行人身高和筛选的最佳人脸图像在图像中的位置与标准人脸图像在标准人脸图像中位置的比例相乘,就可以计算出待测人体身高。
实施本发明实施例,由于是基于视频人脸图像来进行人体身高的测量,可针对入口通道中特定身高的人群,在不改变现有固定的入口通道设施的情况下,预先设置一定的范围,方便准确的采集人体视频图像和筛选最佳人脸图像,通过最佳人脸图像在图像中的位置确定人体身高,在通道检测中也可以根据在特定监测范围图像内是否出现人脸来达到筛分特定身高人群的目的。本发明实施例测量灵活而且节约成本。
以上所揭露的仅为本发明的较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1、一种身高测量方法,其特征在于,所述方法包括:
检测人体位置,判断所述人体位置是否进入预定范围;
判断为是则采集人体视频图像;
从所述人体视频图像中检测人脸图像并获取最佳人脸图像;
由所述最佳人脸图像确定人体身高。
2、如权利要求1所述的方法,其特征在于,所述检测人体位置之前还包括:
采用多个人脸图像对一神经网络模型进行训练,直至所述神经网络模型达到最佳神经网络性能,获取所述神经网络模型的权值;
对标准身高人体进行人体视频图像采集,从所述采集的人体视频图像中搜索出人脸图像,将所述人脸图像输入所述神经网络模型,对输出值进行比较,获取标准人脸图像。
3、如权利要求2所述的方法。其特征在于,所述从人体视频图像中检测人脸图像并获取最佳人脸图像具体包括步骤:
从采集的人体视频图像中搜索可能人脸图像;
将所述搜索的可能人脸图像输入所述神经网络模型,对输出值进行比较;
根据所述输出值的比较结果获取最佳的人脸图像。
4、如权利要求1所述的方法,其特征在于,所述由最佳人脸图像确定人体身高的步骤具体为:
将标准人体身高和最佳人脸图像在整个图像中位置与标准人脸图像在整个图像中位置的比例相乘,获得待测人体身高。
5、如权利要求1所述的方法,其特征在于,所述采集人体视频图像时,采集平面与人体所在平面的夹角为45度至90度。
6、一种身高测量装置,其特征在于,所述装置包括:
检测单元,用于侦测人体位置并判断所述人体位置是否进入预定范围;
采集单元,用于根据所述检测单元的判断结果采集和存储人体视频图像;
处理单元,用于从所述采集单元存储的人体视频图像中检测和筛选人脸图像;
计算单元,用于根据所述处理单元筛选的最佳人脸图像计算人体身高。
7、如权利要求6所述的装置,其特征在于,所述装置还包括:
训练单元,用于对神经网络模型进行训练并获取所述神经网络模型权值。
8、如权利要求6所述的装置,其特征在于,所述的采集单元包括:
摄像单元,用于拍摄人体视频图像;
存储单元,用于将所述摄像单元拍摄的人体视频图像进行存储。
9、如权利要求6所述的装置,其特征在于,所述的处理单元包括:
搜索单元,用于根据所述采集的人体视频图像进行可能人脸图像搜索;
比较单元,用于将所述搜索的可能人脸图像输入所述神经网络模型并对输出值进行比较;
获取单元,用于根据所述输出值的比较结果获取最佳人脸图像。
10、如权利要求6所述的装置,其特征在于,所述的检测单元为光电传感器或者超声波检测器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810198770A CN100582654C (zh) | 2008-09-25 | 2008-09-25 | 一种身高测量方法及其测量装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810198770A CN100582654C (zh) | 2008-09-25 | 2008-09-25 | 一种身高测量方法及其测量装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101363722A true CN101363722A (zh) | 2009-02-11 |
CN100582654C CN100582654C (zh) | 2010-01-20 |
Family
ID=40390224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810198770A Active CN100582654C (zh) | 2008-09-25 | 2008-09-25 | 一种身高测量方法及其测量装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100582654C (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306404A (zh) * | 2011-04-20 | 2012-01-04 | 铁道部运输局 | 安全区内的检票方法及装置 |
CN102522054A (zh) * | 2011-11-30 | 2012-06-27 | 苏州奇可思信息科技有限公司 | 基于身高识别的公众广告终端内容控制方法 |
CN102697505A (zh) * | 2012-04-19 | 2012-10-03 | 广州海特天高信息系统工程有限公司 | 一种自动检票机身高检测仪 |
CN104257385A (zh) * | 2014-10-16 | 2015-01-07 | 辽宁省颅面复原技术重点实验室 | 视频图像中人体身高的测量方法 |
CN104434113A (zh) * | 2014-12-01 | 2015-03-25 | 江西洪都航空工业集团有限责任公司 | 一种身高测量方法 |
CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
CN106073786A (zh) * | 2016-06-15 | 2016-11-09 | 四川谛达诺科技有限公司 | 一种身高测量装置及测量方法 |
CN106295657A (zh) * | 2016-08-04 | 2017-01-04 | 天津汉光祥云信息科技有限公司 | 一种视频数据结构化过程中提取人体高度特征的方法 |
CN107280118A (zh) * | 2016-03-30 | 2017-10-24 | 深圳市祈飞科技有限公司 | 一种人体身高信息获取方法以及采用该方法的试衣柜系统 |
CN108596171A (zh) * | 2018-03-29 | 2018-09-28 | 青岛海尔智能技术研发有限公司 | 开门控制方法和系统 |
CN108596042A (zh) * | 2018-03-29 | 2018-09-28 | 青岛海尔智能技术研发有限公司 | 开门控制方法和系统 |
CN109189226A (zh) * | 2018-08-23 | 2019-01-11 | 凌宇科技(北京)有限公司 | 一种标定高度的方法及系统 |
CN109583276A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种基于cnn的赤足或穿袜足迹的身高判定方法及系统 |
CN110672016A (zh) * | 2019-09-12 | 2020-01-10 | 四川农业大学 | 一种基于图像识别的牛体尺寸测定系统及方法 |
CN110895797A (zh) * | 2019-04-04 | 2020-03-20 | 王俊芝 | 智能化网络收发平台 |
CN111476820A (zh) * | 2020-04-01 | 2020-07-31 | 深圳力维智联技术有限公司 | 一种对被追踪的目标进行定位的方法和装置 |
CN113405505A (zh) * | 2020-03-16 | 2021-09-17 | 同方威视技术股份有限公司 | 基于多传感器的距离与身高的确定方法及其装置 |
CN115984970A (zh) * | 2023-03-13 | 2023-04-18 | 浙江宇视科技有限公司 | 行人身高确定方法、装置、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1687956A (zh) * | 2005-04-28 | 2005-10-26 | 上海电力学院 | 基于超声波测距的自主式人脸图像采集系统 |
JP2007208745A (ja) * | 2006-02-02 | 2007-08-16 | Victor Co Of Japan Ltd | 監視装置及び監視方法 |
-
2008
- 2008-09-25 CN CN200810198770A patent/CN100582654C/zh active Active
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306404A (zh) * | 2011-04-20 | 2012-01-04 | 铁道部运输局 | 安全区内的检票方法及装置 |
CN102522054A (zh) * | 2011-11-30 | 2012-06-27 | 苏州奇可思信息科技有限公司 | 基于身高识别的公众广告终端内容控制方法 |
CN102697505A (zh) * | 2012-04-19 | 2012-10-03 | 广州海特天高信息系统工程有限公司 | 一种自动检票机身高检测仪 |
CN104257385B (zh) * | 2014-10-16 | 2016-05-11 | 辽宁省颅面复原技术重点实验室 | 视频图像中人体身高的测量方法 |
CN104257385A (zh) * | 2014-10-16 | 2015-01-07 | 辽宁省颅面复原技术重点实验室 | 视频图像中人体身高的测量方法 |
CN104434113A (zh) * | 2014-12-01 | 2015-03-25 | 江西洪都航空工业集团有限责任公司 | 一种身高测量方法 |
CN107280118A (zh) * | 2016-03-30 | 2017-10-24 | 深圳市祈飞科技有限公司 | 一种人体身高信息获取方法以及采用该方法的试衣柜系统 |
CN107280118B (zh) * | 2016-03-30 | 2019-11-12 | 深圳市祈飞科技有限公司 | 一种人体身高信息获取方法以及采用该方法的试衣柜系统 |
CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
CN105956539B (zh) * | 2016-04-27 | 2019-06-25 | 武汉大学 | 一种应用背景建模和双目视觉原理的人体身高测量方法 |
CN106073786A (zh) * | 2016-06-15 | 2016-11-09 | 四川谛达诺科技有限公司 | 一种身高测量装置及测量方法 |
CN106295657A (zh) * | 2016-08-04 | 2017-01-04 | 天津汉光祥云信息科技有限公司 | 一种视频数据结构化过程中提取人体高度特征的方法 |
CN109583276B (zh) * | 2017-09-29 | 2020-12-15 | 大连恒锐科技股份有限公司 | 一种基于cnn的赤足或穿袜足迹的身高判定方法及系统 |
CN109583276A (zh) * | 2017-09-29 | 2019-04-05 | 大连恒锐科技股份有限公司 | 一种基于cnn的赤足或穿袜足迹的身高判定方法及系统 |
CN108596171A (zh) * | 2018-03-29 | 2018-09-28 | 青岛海尔智能技术研发有限公司 | 开门控制方法和系统 |
CN108596042A (zh) * | 2018-03-29 | 2018-09-28 | 青岛海尔智能技术研发有限公司 | 开门控制方法和系统 |
CN109189226A (zh) * | 2018-08-23 | 2019-01-11 | 凌宇科技(北京)有限公司 | 一种标定高度的方法及系统 |
CN109189226B (zh) * | 2018-08-23 | 2022-03-04 | 凌宇科技(北京)有限公司 | 一种标定高度的方法及系统 |
CN110895797A (zh) * | 2019-04-04 | 2020-03-20 | 王俊芝 | 智能化网络收发平台 |
CN110672016A (zh) * | 2019-09-12 | 2020-01-10 | 四川农业大学 | 一种基于图像识别的牛体尺寸测定系统及方法 |
CN113405505A (zh) * | 2020-03-16 | 2021-09-17 | 同方威视技术股份有限公司 | 基于多传感器的距离与身高的确定方法及其装置 |
WO2021185031A1 (zh) * | 2020-03-16 | 2021-09-23 | 同方威视技术股份有限公司 | 基于多传感器的距离与身高的确定方法及其装置 |
CN111476820A (zh) * | 2020-04-01 | 2020-07-31 | 深圳力维智联技术有限公司 | 一种对被追踪的目标进行定位的方法和装置 |
CN111476820B (zh) * | 2020-04-01 | 2023-11-03 | 深圳力维智联技术有限公司 | 一种对被追踪的目标进行定位的方法和装置 |
CN115984970A (zh) * | 2023-03-13 | 2023-04-18 | 浙江宇视科技有限公司 | 行人身高确定方法、装置、电子设备和存储介质 |
CN115984970B (zh) * | 2023-03-13 | 2023-08-18 | 浙江宇视科技有限公司 | 行人身高确定方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN100582654C (zh) | 2010-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100582654C (zh) | 一种身高测量方法及其测量装置 | |
Avery et al. | Length-based vehicle classification using images from uncalibrated video cameras | |
CN100520362C (zh) | 基于彩色ccd图像分析的森林火情烟雾检测方法 | |
CN109716358B (zh) | 一种使用wi-fi探针检测行人流量的方法 | |
CN110085029A (zh) | 基于轨道式巡检机器人的高速公路巡检系统与方法 | |
CN104517095B (zh) | 一种基于深度图像的人头分割方法 | |
CN101847206A (zh) | 基于交通监控设施的行人流量统计方法与系统 | |
CN109711322A (zh) | 一种基于rfcn的人车分离方法 | |
CN106611160A (zh) | 一种基于卷积神经网络的图像头发识别方法及其装置 | |
CN108280952A (zh) | 一种基于前景目标分割的旅客尾随监测方法 | |
EP3203447B1 (en) | Detection of fraudulent access at control gates | |
CN111426637A (zh) | 一种利用无人机获取城市黑臭河流水质参数的方法 | |
CN102013009A (zh) | 烟雾图像识别方法及装置 | |
CN111079589B (zh) | 基于深度摄像和身高阈值像素标定的自动身高检测方法 | |
CN110255318B (zh) | 基于图像语义分割的电梯轿厢闲置物品检测的方法 | |
CN105404856B (zh) | 一种公交车辆座位占用状态检测方法 | |
CN115482474B (zh) | 一种基于高空航拍图像的桥面车辆荷载识别方法和系统 | |
CN109598947A (zh) | 一种车辆识别方法及系统 | |
CN106339657A (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN106846297A (zh) | 基于激光雷达的行人流量检测系统及方法 | |
CN107016353A (zh) | 一种变分辨率目标探测与识别一体化的方法与系统 | |
CN103065163A (zh) | 一种基于静态图片的快速目标检测识别系统及方法 | |
CN114845260B (zh) | 一种基于物联网的水文监测数据采集系统 | |
CN207233038U (zh) | 人脸点名与计数系统 | |
CN106778800A (zh) | 一种AdaBoost级联分类器快速检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C56 | Change in the name or address of the patentee | ||
CP02 | Change in the address of a patent holder |
Address after: Guangdong Province, Guangzhou City, Luogang District Science City Ke Lin Lu No. 9 Patentee after: Guangdian Yuntong Financial Electronic Co., Ltd., Guangzhou Address before: Guangdong province Guangzhou city Whampoa road Xiping Yun Road No. 163 Patentee before: Guangdian Yuntong Financial Electronic Co., Ltd., Guangzhou |