CN102201064A - 一种敏感视频过滤方法及装置 - Google Patents
一种敏感视频过滤方法及装置 Download PDFInfo
- Publication number
- CN102201064A CN102201064A CN2010101331766A CN201010133176A CN102201064A CN 102201064 A CN102201064 A CN 102201064A CN 2010101331766 A CN2010101331766 A CN 2010101331766A CN 201010133176 A CN201010133176 A CN 201010133176A CN 102201064 A CN102201064 A CN 102201064A
- Authority
- CN
- China
- Prior art keywords
- skin color
- field picture
- area
- image
- sensitive
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001914 filtration Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 35
- 210000000056 organ Anatomy 0.000 claims description 31
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 241000282320 Panthera leo Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种敏感视频过滤方法及装置。所述方法包括:步骤A1:从视频图像中获取一帧图像;步骤A2:根据肤色模型对所述一帧图像进行肤色检测,获得第一肤色区域;步骤A3:对所述第一肤色区域进行纹理处理,确定是否存在基于人的第二肤色区域,如果存在基于人的第二肤色区域,则进入下一步;步骤A4:过滤掉包含所述一帧图像的视频图像。本发明所述技术方案能够更加精确的确定视频图像中是否存在敏感图像,从而准确的过滤敏感视频。
Description
技术领域
本发明主要涉及图像处理领域,特别是指图像处理领域的一种敏感视频过滤方法及装置。
背景技术
随着科技的发展,互联网在人们的生活中发挥着越来越重要的作用,随着互联网飞速发展的还有网络色情的泛滥,网络色情视频等泛滥的现象已引起了广泛关注,一些预防网络色情的软件和方法相继被推出。例如在我国境内大部分网站多媒体视频检索中都采用了关键词分级方法。这种过滤方法在打击黄毒蔓延中起到了一定作用,但存在着技术缺陷:如1、网址数据库不能及时跟踪网页域名或IP(Internet Protocol,网络互连协议)地址的变化;2、关键字过滤局限性比较大;如果不良网站躲避了网址过滤和关键字过滤,传统的过滤器没有任何防范措施;因此必须从源头上对网络色情进行遏制。
近年来,基于内容的视频图像过滤技术已经引起了人们的广泛关注。主要采用的方法有:
一、用计算机视觉和图像理解技术对裸体图像等色情图像识别进行研究,通过对肤色分割和人体姿态的几何特征检测来判别图像是否含有裸体等色情图像。该技术方案对于一幅经过皮肤检测,并进一步通过人体表现姿态检测确定为可疑图像。
二、用Daubechies小波和颜色直方图特征进行敏感图像检测。
发明人在实现本发明的过程中发现,现有技术中各种方案对敏感图像的检测和过滤都不够精确。
发明内容
本发明提出一种敏感视频过滤方法及装置,能够更加精确的确定视频图像中是否存在敏感图像。
本发明实施例的技术方案是这样实现的:
一种敏感视频过滤方法,包括:
步骤A1:从视频图像中获取一帧图像;
步骤A2:根据肤色模型对所述一帧图像进行肤色检测,获得第一肤色区域;
步骤A3:对所述第一肤色区域进行纹理处理,确定是否存在基于人的第二肤色区域,如果存在基于人的第二肤色区域,则进入下一步;
步骤A4:过滤掉包含所述一帧图像的视频图像。
优选的,所述步骤A4前还包括:
步骤B1:根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官,如果存在敏感器官,则进入所述步骤A4。
优选的,所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
优选的,所述肤色模型为双色反射模型。
优选的,所述步骤A1前还包括:
步骤A0:根据人脸识别模型检测所述视频图像中是否存在人脸,如果所述视频图像中存在人脸,则进入所述步骤A1。
一种敏感视频过滤装置,包括:
获取单元,用于从视频图像中获取一帧图像;
第一检测单元,用于根据肤色模型对所述一帧图像进行肤色检测,获得第一肤色区域;
处理单元,用于对所述第一肤色区域进行纹理处理,确定是否存在基于人的第二肤色区域;
过滤单元,用于过滤掉包含所述一帧图像的视频图像。
优选的,还包括:
第二检测单元,用于根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官;
其中,所述过滤单元在所述一帧图像中存在敏感器官时过滤掉包含所述一帧图像的视频图像。
优选的,所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
优选的,所述肤色模型为双色反射模型。
优选的,还包括:
第三检测单元,用于根据人脸识别模型检测所述视频图像中是否存在人脸。
本发明技术方案通过进行纹理处理,确定视频图像中是否存在基于人的肤色区域,从而能够更加精确的确定视频图像中是否存在敏感图像。进一步,本发明技术方案对含有较小肤色区域但明显含有敏感器官的敏感图像根据区域检测模型检测是否存在敏感器官,从而能够更加精确的确定视频图像中是否存在敏感图像,最终达到更加准确过滤敏感视频的目的。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明一种敏感视频过滤方法第一实施例的流程示意图;
图2为本发明一种敏感视频过滤装置第一实施例的结构示意图。
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。基于本发明中的实施例,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。
参照图1,示出了本发明一种敏感视频过滤方法第一实施例的流程示意图,包括步骤:
步骤S110、从视频图像中获取一帧图像。
视频图像是由一系列连续的帧组成的;帧是组成视频的最小单位,因此本发明中可以以帧为单位确定敏感视频。
步骤S120、根据肤色模型对所述一帧图像进行肤色检测,获得第一肤色区域。
敏感图像的光照条件比较特殊,涉及到人体各个部位的肤色。所述肤色模型在一定程度上反映了人的皮肤特征。所述肤色模型主要依靠颜色特征,特别是HSV(hue色调,saturation饱和度,value亮度)的值进行肤色检测,所述肤色模型在现有技术中已经有充分的公开,在此不再赘述。
进行肤色检测时,传统的肤色检测算法是基于像素的,由于受光照条件和噪声等信息的干扰,导致许多肤色点不能被正确识别。因此,在本发明中,优选采用基于区域的肤色特征提取算法,在基于点的肤色特征检测的基础上,考虑了被检测点周围像素的颜色特征,并根据一定区域内像素的相似性质来确定被检测像素点的特征。
进一步,为了使肤色模型能适应各种光照的变化,本发明优选应用双色反射模型来描述皮肤的反射光谱,并以此为基础进行肤色检测,所述双色反射模型在现有技术中已经有充分的公开,在此不再赘述。
步骤S130、对所述第一肤色区域进行纹理处理,确定是否存在基于人的第二肤色区域。
如果存在基于人的第二肤色区域,则进入下一步,否则,退出流程。
在所述步骤S120中,单靠颜色特征,特别是HSV的值进行肤色检测,还并不能准确的确定所述第一肤色区域是否为人的皮肤区域。这是因为,在现实世界中,有很多物体的颜色和人类肤色具有相似性,如黄色桌面、狮子毛皮的颜色都与人类肤色相似。由于人类的肤色区域是均一纹理区域,因此,在所述步骤S120中检测出的肤色区域上,进一步加入纹理处理,从而可以进一步确定是否是人的皮肤区域。
本发明采用局部二值模式(Local Byte Pattern)进行纹理处理,所述模式概括了局部灰度级结构,利用相应的算子分别将各像素与其邻域像素比较,得到每个像素的二进制取值,即:
其中,LBP(xc,yc)表示像素c的局部二值模式灰度值,pc表示像素c的实际灰度值,pi表示像素c的第i个邻域像素的实际灰度值,sign为符号函数。
步骤S140、根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官,如果存在敏感器官,则进入步骤S150,否则,退出流程。
在现有技术中,无法实现对于含有较小肤色区域但明显含有裸露器官等敏感器官的敏感图像进行检测,在本发明技术方案中,根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官,通过对特定区域的定位和识别,可以精确的实现对于含有较小肤色区域但明显含有裸露器官等敏感器官的敏感图像进行检测。
其中,所述区域检测模型采用AdaBoost分类器通过对大量的敏感器官图像区域进行训练和学习获得。
AdaBoost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的,它根据每次训练集之中每个样本的分类是否正确,以及上次的总体分类的准确率,来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练,然后将每次训练得到的分类器再最后融合起来,作为最后的决策分类器。
步骤S150、过滤掉包含所述一帧图像的视频图像。
如果存在第二肤色区域的所述一帧图像中存在敏感器官,如裸露器官,则表明所述一帧图像中敏感图像,从而过滤掉包含所述一帧图像的视频图像。
在本发明的另一个实施例中,也可以不包括所述步骤S140,即从所述步骤S130直接至所述步骤S150,当然中,该实施例中对敏感视频的过滤效果肯定没有图1实施例所述技术方案的过滤效果精确。
在本发明的另一实施例中,所述步骤S110前还可以包括:
步骤S100、根据人脸识别模型检测所述视频图像中是否存在人脸。如果所述视频图像中存在人脸,则进入步骤S110,否则直接退出流程。
本发明技术方案通过进行纹理处理,确定视频图像中是否存在基于人的肤色区域,从而能够更加精确的确定视频图像中是否存在敏感图像。进一步,本发明技术方案对含有较小肤色区域但明显含有敏感器官的敏感图像根据区域检测模型检测是否存在敏感器官,从而能够更加精确的确定视频图像中是否存在敏感图像,最终达到更加准确过滤敏感视频的目的。
参照图2,示出了本发明一种敏感视频过滤装置第一实施例的结构示意图。所述敏感视频过滤装置200包括:
获取单元210,用于从视频图像中获取一帧图像。
第一检测单元220,用于根据肤色模型对所述一帧图像进行肤色检测,获得第一肤色区域。
所述肤色模型优选为双色反射模型。
处理单元230,用于对所述第一肤色区域进行纹理处理,确定是否存在基于人的第二肤色区域。
过滤单元250,用于过滤掉包含所述一帧图像的视频图像。
在本发明的另一实施例中,所述敏感视频过滤装置200还包括:
第二检测单元240,用于根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官。
其中,所述过滤单元250在所述一帧图像中存在敏感器官时过滤掉包含所述一帧图像的视频图像。
其中,所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
在本发明另一实施例中,所述敏感视频过滤装置200还包括:
第三检测单元(图未示),用于根据人脸识别模型检测所述视频图像中是否存在人脸。如果视频图像中不存在人脸,即当然不可能存在敏感图像,因此也就没必要进视频进行过滤了。
所述敏感视频过滤装置200的各组成部分的工作过程和工作原理已经在图1所述实施例中进行了详细描述,为了篇幅考虑,在此不再赘述,在装置实施例中未详细描述的部分参照方法实施例相关部分的描述即可。
本发明技术方案通过进行纹理处理,确定视频图像中是否存在基于人的肤色区域,从而能够更加精确的确定视频图像中是否存在敏感图像。进一步,本发明技术方案对含有较小肤色区域但明显含有敏感器官的敏感图像根据区域检测模型检测是否存在敏感器官,从而能够更加精确的确定视频图像中是否存在敏感图像,最终达到更加准确过滤敏感视频的目的。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括如上述方法实施例的步骤,所述的存储介质,如:磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。在本发明各方法实施例中,所述各步骤的序号并不能用于限定各步骤的先后顺序,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,对各步骤的先后变化也在本发明的保护范围之内。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种敏感视频过滤方法,其特征在于,包括:
步骤A1:从视频图像中获取一帧图像;
步骤A2:根据肤色模型对所述一帧图像进行肤色检测,获得第一肤色区域;
步骤A3:对所述第一肤色区域进行纹理处理,确定是否存在基于人的第二肤色区域,如果存在基于人的第二肤色区域,则进入下一步;
步骤A4:过滤掉包含所述一帧图像的视频图像。
2.根据权利要求1所述的敏感视频过滤方法,其特征在于,所述步骤A4前还包括:
步骤B1:根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官,如果存在敏感器官,则进入所述步骤A4。
3.根据权利要求2所述的敏感视频过滤方法,其特征在于,所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
4.根据权利要求1至3任一项所述的敏感视频过滤方法,其特征在于,所述肤色模型为双色反射模型。
5.根据权利要求4所述的敏感视频过滤方法,其特征在于,所述步骤A1前还包括:
步骤A0:根据人脸识别模型检测所述视频图像中是否存在人脸,如果所述视频图像中存在人脸,则进入所述步骤A1。
6.一种敏感视频过滤装置,其特征在于,包括:
获取单元,用于从视频图像中获取一帧图像;
第一检测单元,用于根据肤色模型对所述一帧图像进行肤色检测,获得第一肤色区域;
处理单元,用于对所述第一肤色区域进行纹理处理,确定是否存在基于人的第二肤色区域;
过滤单元,用于过滤掉包含所述一帧图像的视频图像。
7.根据权利要求6所述的敏感视频过滤装置,其特征在于,还包括:
第二检测单元,用于根据区域检测模型检测存在第二肤色区域的所述一帧图像中是否存在敏感器官;
其中,所述过滤单元在所述一帧图像中存在敏感器官时过滤掉包含所述一帧图像的视频图像。
8.根据权利要求7所述的敏感视频过滤装置,其特征在于,所述区域检测模型采用AdaBoost分类器对敏感器官图像区域进行训练和学习获得。
9.根据权利要求6至8任一项所述的敏感视频过滤装置,其特征在于,所述肤色模型为双色反射模型。
10.根据权利要求9所述的敏感视频过滤装置,其特征在于,还包括:
第三检测单元,用于根据人脸识别模型检测所述视频图像中是否存在人脸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101331766A CN102201064A (zh) | 2010-03-25 | 2010-03-25 | 一种敏感视频过滤方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101331766A CN102201064A (zh) | 2010-03-25 | 2010-03-25 | 一种敏感视频过滤方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102201064A true CN102201064A (zh) | 2011-09-28 |
Family
ID=44661726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101331766A Pending CN102201064A (zh) | 2010-03-25 | 2010-03-25 | 一种敏感视频过滤方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102201064A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164687A (zh) * | 2011-12-15 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种色情图像侦测的方法和系统 |
CN106446803A (zh) * | 2016-09-07 | 2017-02-22 | 北京小米移动软件有限公司 | 直播内容识别处理方法、装置及设备 |
CN106599938A (zh) * | 2016-12-30 | 2017-04-26 | 南京睿观信息科技有限公司 | 一种基于深度网络模型敏感旗帜内容的层次分类方法 |
CN106682694A (zh) * | 2016-12-27 | 2017-05-17 | 复旦大学 | 一种基于深度学习的敏感图像识别方法 |
WO2017107209A1 (zh) * | 2015-12-25 | 2017-06-29 | 王晓光 | 一种视频软件中图像识别的方法及系统 |
CN108280454A (zh) * | 2018-01-18 | 2018-07-13 | 天津市国瑞数码安全系统股份有限公司 | 基于hsv与lbp特征相结合的敏感图像识别方法 |
CN111985419A (zh) * | 2020-08-25 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 视频处理方法及相关设备 |
CN115633166A (zh) * | 2022-09-27 | 2023-01-20 | 北京星绚文化传播有限公司 | 一种视频检测方法、装置及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101344922A (zh) * | 2008-08-27 | 2009-01-14 | 华为技术有限公司 | 一种人脸检测方法及其装置 |
-
2010
- 2010-03-25 CN CN2010101331766A patent/CN102201064A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101344922A (zh) * | 2008-08-27 | 2009-01-14 | 华为技术有限公司 | 一种人脸检测方法及其装置 |
Non-Patent Citations (5)
Title |
---|
刘伟锋等: "特征点LBP信息在表情识别中的应用", 《计算机工程与应用》 * |
刘伟锋等: "特征点LBP信息在表情识别中的应用", 《计算机工程与应用》, vol. 45, no. 31, 21 December 2009 (2009-12-21), pages 138 - 139 * |
舒小仙等: "互联网敏感信息识别系统研究", 《中国科技论文在线》 * |
赵灵芝等: "一种基于LTP特征的图像匹配方法", 《计算机应用研究》 * |
韩合民等: "基于兴趣点颜色及纹理特征的图像检索算法", 《计算机工程》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164687A (zh) * | 2011-12-15 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种色情图像侦测的方法和系统 |
CN103164687B (zh) * | 2011-12-15 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 一种色情图像侦测的方法和系统 |
WO2017107209A1 (zh) * | 2015-12-25 | 2017-06-29 | 王晓光 | 一种视频软件中图像识别的方法及系统 |
CN106446803A (zh) * | 2016-09-07 | 2017-02-22 | 北京小米移动软件有限公司 | 直播内容识别处理方法、装置及设备 |
CN106682694A (zh) * | 2016-12-27 | 2017-05-17 | 复旦大学 | 一种基于深度学习的敏感图像识别方法 |
CN106599938A (zh) * | 2016-12-30 | 2017-04-26 | 南京睿观信息科技有限公司 | 一种基于深度网络模型敏感旗帜内容的层次分类方法 |
CN108280454A (zh) * | 2018-01-18 | 2018-07-13 | 天津市国瑞数码安全系统股份有限公司 | 基于hsv与lbp特征相结合的敏感图像识别方法 |
CN111985419A (zh) * | 2020-08-25 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 视频处理方法及相关设备 |
CN111985419B (zh) * | 2020-08-25 | 2022-10-14 | 腾讯科技(深圳)有限公司 | 视频处理方法及相关设备 |
CN115633166A (zh) * | 2022-09-27 | 2023-01-20 | 北京星绚文化传播有限公司 | 一种视频检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102201064A (zh) | 一种敏感视频过滤方法及装置 | |
CN106682635B (zh) | 一种基于随机森林特征选择的烟雾检测方法 | |
CN109886238A (zh) | 基于语义分割的无人机航拍图像变化检测算法 | |
CN104318225B (zh) | 车牌检测方法及装置 | |
Qu et al. | A pedestrian detection method based on yolov3 model and image enhanced by retinex | |
CN106228565B (zh) | 一种基于x射线图像的输油管道焊缝缺陷检测方法 | |
CN108229458A (zh) | 一种基于运动检测和多特征提取的火焰智能识别方法 | |
CN106780485A (zh) | 基于超像素分割和特征学习的sar图像变化检测方法 | |
CN108647625A (zh) | 一种表情识别方法及装置 | |
CN107480607B (zh) | 一种智能录播系统中站立人脸检测定位的方法 | |
Jeong et al. | Appearance-based nude image detection | |
CN109523524B (zh) | 一种基于集成学习的眼底图像硬性渗出检测方法 | |
CN108805116A (zh) | 图像文本检测方法及其系统 | |
CN107305691A (zh) | 基于图像匹配的前景分割方法及装置 | |
CN109255326A (zh) | 一种基于多维信息特征融合的交通场景烟雾智能检测方法 | |
CN108921215A (zh) | 一种基于局部极值共生模式和能量分析的烟雾检测 | |
CN104794479A (zh) | 基于局部笔画宽度变换的自然场景图片中文本检测方法 | |
CN109858570A (zh) | 图像分类方法及系统、计算机设备及介质 | |
CN109472259A (zh) | 基于能量优化的图像协同显著性检测方法 | |
CN108509950A (zh) | 基于概率特征加权融合的铁路接触网支柱号牌检测识别法 | |
CN104680189A (zh) | 基于改进词袋模型的不良图像检测方法 | |
CN110414505A (zh) | 图像的处理方法、处理系统及计算机可读存储介质 | |
CN108921006B (zh) | 手写签名图像真伪鉴别模型建立方法及真伪鉴别方法 | |
Ranjitha et al. | A hybrid Ostu based niblack binarization for degraded image documents | |
CN106650824B (zh) | 基于支持向量机的运动目标分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160524 Address after: 519031 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105, 478 Applicant after: GUANGDONG ZHONGXING ELECTRONICS CO., LTD. Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Applicant before: Beijing Vimicro Corporation |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110928 |
|
RJ01 | Rejection of invention patent application after publication |