CN104298970A - 一种基于颜色特征的摄像头识别和检测方法 - Google Patents
一种基于颜色特征的摄像头识别和检测方法 Download PDFInfo
- Publication number
- CN104298970A CN104298970A CN201410502643.6A CN201410502643A CN104298970A CN 104298970 A CN104298970 A CN 104298970A CN 201410502643 A CN201410502643 A CN 201410502643A CN 104298970 A CN104298970 A CN 104298970A
- Authority
- CN
- China
- Prior art keywords
- camera
- color characteristic
- value
- examined object
- surveyed area
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于颜色特征的摄像头识别和检测方法,包括以下步骤:1)初始化摄像头和图像处理单元;2)提取背景颜色特征均值为阈值;3)逐步移动待检测物体进入摄像头检测区域,获取检测区域像素点值的颜色特征值的平均值作为该时间点的颜色特征均值;①颜色特征均值等于阈值,待检测物体未在检测区域范围内;②颜色特征均值大于阈值,待检测物体进入检测区域,当检测物体大于检测区域时,颜色特征均值的最大值为待检测物体的颜色特征均值;③颜色特征均值小于阈值,待检测物体进入检测区域,当检测物体大于检测区域时,颜色特征均值的最小值为待检测物体的颜色特征均值;4)获得待检测物体的颜色特征均值后,计算出被检测物体的测量值。
Description
技术领域
本发明涉及一种识别和检测方法,特别是关于一种基于颜色特征的摄像头识别和检测方法。
背景技术
近年来,随着经济社会的不断发展,各种各样的检测需求不断增大。生物芯片检测具有低消耗、高通量、易集成的特点,因为提高化学和生物学分析的速度﹑效率、使分析装置小型化而备受关注。在生物、医学、化学等各类检测中,以检测物体颜色作为检测指标的应用最为广泛,在生物芯片的检测中,以生物芯片反应单元的颜色作为检测指标进行测定的方法也较为常见。
在传统的检测方法中,多个物体的检测主要分为手动和自动检测两种。手动检测对于多个检测物体来说,不但效率低,人力成本高,而且非常容易出错;而自动检测在多个物体检测中,往往需要限定检测物体的运动速度、位置、位移、角度等物理量,以确保待检物体能够进入检测区,并被检测到。这些限定条件不但对仪器精密化复杂化程度要求高,而且也使仪器的价格比较昂贵且体积庞大;一旦在各种限定条件下的物体与检测器的定位出现误差时,检测结果将出现严重偏差。
发明内容
针对上述问题,本发明的目的是提供一种可以判断待检测物体是否在检测区域,且能获取待检测物体颜色特征均值的基于颜色特征的摄像头识别和检测方法。
为实现上述目的,本发明采取以下技术方案:一种基于颜色特征的摄像头识别和检测方法,包括以下步骤:1)检测开始,启动包括摄像头、图像处理单元和显示单元在内的摄像头识别和检测系统,初始化摄像头和图像处理单元;2)摄像头采集检测区域的背景颜色像素点并将其发送至图像处理单元,图像处理单元提取每一像素点值的颜色特征值,计算得到背景颜色的颜色特征均值,并将计算得到的背景颜色特征均值设为阈值,同时将背景颜色特征均值发送至显示单元;3)将待检测物体逐步移动进入摄像头检测区域,摄像头采集检测区域的像素点并将其发送到图像处理单元,图像处理单元实时提取检测区域内的颜色特征均值,并将颜色特征均值传输至显示单元;当待检测物体不断接近直到完全进入或从完全进入直到远离摄像头检测区域时,显示单元显示的颜色特征均值会出现波动;检测区域的颜色特征均值的提取包括以下情况:①如果实时提取摄像头检测区域的颜色特征均值等于阈值,则认为待检测物体未在摄像头检测区域内;②如果实时提取摄像头检测区域的颜色特征均值大于阈值,则认为待检测物体已进入摄像头检测区域,对于颜色特征均值大于阈值直至颜色特征均值等于阈值的这组数据,进行滤波处理后得到的最大值为峰值,从波形图出现到该波形图消失说明摄像头检测到了一个待检测物体;当待检测物体完全进入摄像头检测区域,且待检测物体完全覆盖摄像头检测区域时,此时得到的颜色特征均值的最大值为待检测物体的颜色特征均值;③如果实时提取摄像头检测区域的颜色特征均值小于阈值,则认为待检测物体进入摄像头检测区域,对于颜色特征均值小于阈值直至颜色特征均值等于阈值的这组数据,进行滤波处理后得到的最小值为谷值,从波形图出现到该波形图消失说明摄像头检测到了一个待检测物体;当待检测物体完全进入摄像头检测区域,且待检测物体完全覆盖摄像头检测区域时,此时得到的颜色特征均值的最小值为待检测物体的颜色特征均值。
当获得待检测物体的颜色特征均值后,利用颜色特征均值与待检测物体的浓度、色度等测量值之间的相关计算公式,计算出被检测物体的浓度、色度等的测量值。
所述步骤2)中,颜色特征均值为摄像头所拍摄图像的所有像素点在同一颜色模式通道下的颜色特征值的平均值,其中,颜色模式的通道采用RGB、HSB、CMYK、Grayscale和Lab中的一种或一种以上组合。
所述步骤3)中,在摄像头实时记录的情况下,若两个待检测物体间距离已知,利用两个待测物体所形成的波峰值或波谷值的时间间隔,计算出两个待检测物体的平均移动速度。
所述步骤3)中,在摄像头实时记录的情况下,若两个待检测物体的直线移动速度已知,利用两个待测物体所形成的波峰值或波谷值的时间间隔,计算出两个待检测物体之间的距离。
所述步骤3)中,对于圆周运动的待检测物体,当速度是匀速时,在介质旋转一周所需时间已知的情况下,利用波峰值或波谷值的时间间隔,计算出两个待检测物体间的旋转角度。
本发明由于采取以上技术方案,其具有以下优点:1、本发明通过摄像头实时拍摄获取检测区域的像素点值,图形处理单元从像素点中提取颜色特征均值,经过滤波处理后,就可以获得波峰值或波谷值,进而判定被检测物体是否正好在检测区域内,因此,采用本发明方法进行检测,检测区域不受环境影响,不需要被检测物体与检测器具有十分精确的定位和对位,避免了需要待检物体按照一定规则和限定条件才能达到检测要求的问题。2、本发明可以根据待检测物体的颜色特征均值,通过与其相关的公式计算,得到待检测物体的温度、浓度、色度等一系列检测值,因此采取本发明方法可以保证测量结果精密度高,受环境影响小,操作也十分方便。3、本发明由于不需要价格昂贵和体积庞大的检测器,而是利用摄像头对需要以颜色特征均值为测量依据的物体进行检测,无论物体以何种速度和方式通过摄像头,都能够提取到颜色特征均值,因此测量成本低,性能稳定。4、本发明由于是使用非接触式的测量和检测方法,因此安全度高,不受恶劣工作环境的影响。本发明可以广泛用于对各种能够以颜色特征均值为测量依据的待检测物体的检测过程中。
附图说明
图1是本发明摄像头实时检测背景颜色特征数据后得到的波形图;
图2是本发明实施例1得到的波形图;
图3是本发明实施例2得到的波形图。
具体实施方式
本发明的基于颜色特征的摄像头识别和检测方法,是通过摄像头在检测区域内实时提取各像素点的颜色特征值,并取所有像素点的颜色特征值的平均值作为该时间点检测区域的颜色特征均值,这一系列颜色特征均值形成波形图,通过波形图的波峰或波谷来判定待检测物体是否正好在检测区域内进而确定待检测物体的颜色特征,根据待检测物体的颜色特征均值,利用相关公式计算出待检测物体的浓度、色度等一系列与颜色特征值相关的检测值。
本发明的基于颜色特征的摄像头识别和检测方法,包括以下步骤:
1)检测开始,启动包括摄像头、图像处理单元和显示单元在内的摄像头识别和检测系统,初始化摄像头和图像处理单元;
2)摄像头采集检测区域的背景颜色像素点并将其发送至图像处理单元,图像处理单元提取每一像素点值的颜色特征值,计算得到背景颜色的颜色特征均值,并将计算得到的背景颜色特征均值设为阈值(如图1中C所示),同时将背景颜色特征均值发送至显示单元,本发明中的背景颜色为单一色;
3)将待检测物体逐步移动进入摄像头检测区域,摄像头实时拍摄检测区域内的颜色,采集检测区域的像素点并将其发送到图像处理单元,图像处理单元实时提取检测区域内的颜色特征均值,并将颜色特征均值传输至显示单元;当待检测物体不断接近直到完全进入或从完全进入直到远离摄像头的检测区域时,显示单元显示的颜色特征均值会出现波动;检测区域的颜色特征均值的提取包括以下情况:
①如果实时提取摄像头检测区域的颜色特征均值等于阈值,则认为待检测物体未在摄像头检测区域范围内(如图1中的OD所示);
②如果实时提取摄像头检测区域的颜色特征均值大于阈值,则认为待检测物体已进入摄像头检测区域,对于颜色特征均值大于阈值直至颜色特征均值等于阈值的这组数据,进行滤波处理后得到的最大值为波峰值(如图1中的A所示),从波形图出现到该波形图消失(如图1中的DE所示)说明摄像头检测到了一个待检测物体;当待检测物体完全进入摄像头检测区域,且待检测物体完全覆盖摄像头检测区域时,此时得到的颜色特征均值的最大值为待检测物体的颜色特征均值,;
③如果实时提取摄像头检测区域的颜色特征均值小于阈值,则认为待检测物体进入摄像头检测区域,对于颜色特征均值小于阈值直至颜色特征均值等于阈值的这组数据,进行滤波处理后得到的最小值为波谷值(如图1中的B所示),从波形图出现到该波形图消失说明摄像头检测到了一个待检测物体;当待检测物体完全进入检测区域,且待检测物体完全覆盖摄像头检测区域时,此时得到的颜色特征均值的最小值为待检测物体的颜色特征均值;
当获得待检测物体的颜色特征均值后,利用已有技术中颜色特征均值与待检测物体的浓度、色度等测量值之间的相关计算公式,计算出被检测物体的浓度、色度等的测量值。
上述步骤3)中,如果颜色特征值连续出现步骤3)中的步骤②或/和步骤③的情况(如图1所示),则说明检测到了多个待检测物体。
上述实施例中,颜色特征均值为摄像头所拍摄图像的所有像素点在同一颜色模式通道下的颜色特征值的平均值,其中,颜色模式的通道可以采用RGB(红、绿、蓝)、HSB(色相、饱和度、亮度)、CMYK(青、品红、黄、黑)、Grayscale(灰度)或Lab(L表示明度通道,a,b表示色彩通道)中的一种或一种以上组合。
本发明获得待检测物体的颜色特征均值后,可以间接获得许多以下物理量,比如:在摄像头实时记录的情况下,若两个待检测物体在同一介质上随介质一同运动通过摄像头检测区域时,则两个待检测物体之间的距离已知,利用两个待检测物体所形成的波峰值或波谷值的时间间隔,就可以计算出两个待检测物体的平均移动速度。又比如:若在两个待检测物体运动速度已知的情况下,利用两个待检测物体所形成的波峰值或波谷值的时间间隔,就可以计算出两个待检测物体之间的距离。还比如:对于圆周运动的待检测物体,当速度是匀速时,在介质旋转一周所需时间已知的情况下,利用波峰值或波谷值的时间间隔可以计算出任意两个待检测物体间的旋转角度。
下面列举几个应用实施例:
实施例1:
本实施例使用CMOS摄像头对具有显色反应单元的试纸条进行识别和检测。试纸条上分布有不同数量的显色反应单元,将检测液体滴加在显色反应单元上能够引起颜色变化,检测液体的浓度和显色颜色具有对应关系,识别和检测步骤包括:
1)检测开始时,启动摄像头识别和检测系统,初始化摄像头和图像处理单元。
2)用摄像头检测试纸条的背景颜色,并从CMYK(青、品红、黄、黑)颜色模式中提取M的颜色特征值A,设A为阈值。
3)在试纸条完成显色反应后,移动试纸条进入摄像头检测区域,摄像头在试纸条移动过程中实时拍摄检测区域,图形处理单元从CMYK颜色模式中快速提取检测区域的M颜色特征均值,经过滤波、峰值计算处理,输出波形的波谷值(如图2所示),每当出现一个波形图则可以判定为试剂条上的一个显色反应单元进入摄像头检测区域,由于显色反应区域面积大于摄像头的检测区域,此时波形图的波峰值或波谷值即为试纸条上每一显色反应单元的M颜色特征均值。
4)根据每一显色反应单元的M颜色特征均值可以经过相关的公式计算得到待检测液体的浓度。
5)在摄像头实时记录的情况下,当试纸条通过摄像头的检测区域时,任意两显色反应单元之间的距离为已知的情况下,利用两个显色反应单元所形成的波峰值或波谷值的时间间隔,就可以计算出试纸条或者显色反应单元的平均运动速度;
在试纸条运动速度已知的情况下,利用试纸条上两个显色反应单元所形成的波峰值或波谷值之间的时间间隔,也可以计算出两个显色单元之间的距离。
实施例2:
本实施例利用CMOS摄像头对具有显色反应单元的芯片进行检测。该检测芯片基板的颜色为透明色,本实施例中将芯片基板的透明色用作背景颜色,从RGB颜色模式中提取颜色特征均值。已知透明色区域的颜色特征均值为R:65、G:180、B:32。检测芯片上分布有不同数量的显色反应单元,将检测液体滴入显色反应单元内,检测液体同反应单元内的物质发生反应并产生颜色变化,最终得到的反应色为红色,反应后液体的颜色与反应单元内物质的浓度具有对应关系。假定(已知)此检测液体反应后显出的红色对应的颜色特征均值为R:80、G:120、B:25。本实施例检测芯片反应单元的面积要求大于摄像头检测区域,采用本发明方法对显色反应单元进行检测,其包括以下步骤:
1)检测开始时,启动摄像头识别和检测系统,初始化摄像头和图像处理单元。
2)将检测芯片的非检测区域(即检测芯片上没有反应单元的空白区域)放置在摄像头检测区域内,利用摄像头对检测芯片上的非检测区域进行实时拍摄,图像处理单元提取非检测区域的G颜色特征均值,并将此值定义为阈值G0,并将其传输至显示单元实时进行显示。
3)移动检测芯片使检测芯片上的显色反应单元逐步进入摄像头检测区域,利用摄像头对检测区域进行连续、实时拍摄,图像处理单元从接收到的检测区域图像的RGB颜色模式中提取颜色特征均值G,并将拍摄区域的颜色特征均值G发送至显示单元进行实时显示(如图3所示),几个不同时刻检测区域的颜色特征均值G如下(如表1所示):
表1不同时刻拍摄区域的颜色特征均值G
4)图像处理单元实时将接收到的检测区域的颜色特征均值G与阈值G0进行比较,根据比较结果判断检测芯片上的显色反应单元是否进入摄像头检测区域内。
由表1可以看出,检测芯片上的显色反应单元在第5s之前未处于摄像头检测区域内,从第5s开始,检测芯片上的显色反应单元开始进入摄像头检测区域内,图像处理单元将上述判断结果发送至显示单元进行显示。
5)图像处理单元将第5s到第25s之间的G进行滤波处理后(如图3所示),得到时间-颜色特征均值的波形图及其波谷值。由于检测芯片反应单元的面积大于摄像头检测区域面积,因此该波谷值120可以作为检测芯片上反应单元的颜色特征均值。图像处理单元将上述结果发送至显示单元进行实时显示。
检测芯片上显色反应单元的颜色特征均值G与显色反应单元内检测液体的浓度Y之间的关系为:
Y=-3G+363 (1)
将检测芯片上显色反应单元的颜色特征均值120代入式(1),计算得到检测液体的浓度为3mmol/L。
6)当检测芯片上另一个显色反应单元进入到摄像头的检测区域时,重复步骤3)~步骤5),得到每一显色单元相对应的不同的颜色特征均值。根据式(1)计算得到检测芯片上每一反应单元内物质的浓度。
7)在摄像头实时记录的情况下,当显色反应单元通过摄像头检测区域时,若任意两显色反应单元之间的运动轨迹距离已知的情况下,利用两个显色反应单元所形成的波峰值或波谷值的时间间隔,就可以计算出检测芯片的平均移动速度;若检测芯片移动速度已知的情况下,利用两个显色反应单元所形成的波峰值或波谷值的时间间隔,就可以计算出该显色反应单元的移动距离;若检测芯片进行圆周运动,在检测芯片旋转一周所需时间已知的情况下,当转动速度是匀速时,利用波峰值或波谷值的时间间隔,就可以计算出检测芯片或任意两显色反应单元间的旋转角度。
上述各实施例仅用于说明本发明,本发明方法的检测内容和操作步骤等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (7)
1.一种基于颜色特征的摄像头识别和检测方法,包括以下步骤:
1)检测开始,启动包括摄像头、图像处理单元和显示单元在内的摄像头识别和检测系统,初始化摄像头和图像处理单元;
2)摄像头采集检测区域的背景颜色像素点并将其发送至图像处理单元,图像处理单元提取每一像素点值的颜色特征值,计算得到背景颜色的颜色特征均值,并将计算得到的背景颜色特征均值设为阈值,同时将背景颜色特征均值发送至显示单元;
3)将待检测物体逐步移动进入摄像头检测区域,摄像头采集检测区域的像素点并将其发送到图像处理单元,图像处理单元实时提取检测区域内的颜色特征均值,并将颜色特征均值传输至显示单元;当待检测物体不断接近直到完全进入或从完全进入直到远离摄像头检测区域时,显示单元显示的颜色特征均值会出现波动;检测区域的颜色特征均值的提取包括以下情况:
①如果实时提取摄像头检测区域的颜色特征均值等于阈值,则认为待检测物体未在摄像头检测区域内;
②如果实时提取摄像头检测区域的颜色特征均值大于阈值,则认为待检测物体已进入摄像头检测区域,对于颜色特征均值大于阈值直至颜色特征均值等于阈值的这组数据,进行滤波处理后得到的最大值为峰值,从波形图出现到该波形图消失说明摄像头检测到了一个待检测物体;当待检测物体完全进入摄像头检测区域,且待检测物体完全覆盖摄像头检测区域时,此时得到的颜色特征均值的最大值为待检测物体的颜色特征均值;
③如果实时提取摄像头检测区域的颜色特征均值小于阈值,则认为待检测物体进入摄像头检测区域,对于颜色特征均值小于阈值直至颜色特征均值等于阈值的这组数据,进行滤波处理后得到的最小值为谷值,从波形图出现到该波形图消失说明摄像头检测到了一个待检测物体;当待检测物体完全进入摄像头检测区域,且待检测物体完全覆盖摄像头检测区域时,此时得到的颜色特征均值的最小值为待检测物体的颜色特征均值。
2.如权利要求1所述一种基于颜色特征的摄像头识别和检测方法,其特征在于:当获得待检测物体的颜色特征均值后,利用颜色特征均值与待检测物体的浓度、色度等测量值之间的相关计算公式,计算出被检测物体的浓度、色度等的测量值。
3.如权利要求1所述的一种基于颜色特征的摄像头识别和检测方法,其特征在于:所述步骤2)中,颜色特征均值为摄像头所拍摄图像的所有像素点在同一颜色模式通道下的颜色特征值的平均值,其中,颜色模式的通道采用RGB、HSB、CMYK、Grayscale和Lab中的一种或一种以上组合。
4.如权利要求2所述的一种基于颜色特征的摄像头识别和检测方法,其特征在于:所述步骤2)中,颜色特征均值为摄像头所拍摄图像的所有像素点在同一颜色模式通道下的颜色特征值的平均值,其中,颜色模式的通道采用RGB、HSB、CMYK、Grayscale和Lab中的一种或一种以上组合。
5.如权利要求1或2或3或4所述的一种基于颜色特征的摄像头识别和检测方法,其特征在于:所述步骤3)中,在摄像头实时记录的情况下,若两个待检测物体间距离已知,利用两个待测物体所形成的波峰值或波谷值的时间间隔,计算出两个待检测物体的平均移动速度。
6.如权利要求1~5任一项所述的一种基于颜色特征的摄像头识别和检测方法,其特征在于:所述步骤3)中,在摄像头实时记录的情况下,若两个待检测物体的直线移动速度已知,利用两个待测物体所形成的波峰值或波谷值的时间间隔,计算出两个待检测物体之间的距离。
7.如权利要求1~6任一项所述的一种基于颜色特征的摄像头识别和检测方法,其特征在于:所述步骤3)中,对于圆周运动的待检测物体,当速度是匀速时,在介质旋转一周所需时间已知的情况下,利用波峰值或波谷值的时间间隔,计算出两个待检测物体间的旋转角度。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410502643.6A CN104298970B (zh) | 2014-09-26 | 2014-09-26 | 一种基于颜色特征的摄像头识别和检测方法 |
US14/866,552 US9818204B2 (en) | 2014-09-26 | 2015-09-25 | Method for monitoring, identification, and/or detection using a camera based on a color feature |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410502643.6A CN104298970B (zh) | 2014-09-26 | 2014-09-26 | 一种基于颜色特征的摄像头识别和检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104298970A true CN104298970A (zh) | 2015-01-21 |
CN104298970B CN104298970B (zh) | 2017-10-27 |
Family
ID=52318691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410502643.6A Active CN104298970B (zh) | 2014-09-26 | 2014-09-26 | 一种基于颜色特征的摄像头识别和检测方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9818204B2 (zh) |
CN (1) | CN104298970B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106405118A (zh) * | 2016-09-27 | 2017-02-15 | 北京爱康泰科技有限责任公司 | 一种排卵试纸检测方法及系统 |
CN110268267A (zh) * | 2017-02-14 | 2019-09-20 | 富士胶片株式会社 | 免疫检查装置 |
CN110548179A (zh) * | 2019-09-03 | 2019-12-10 | 苏州元禾医疗器械有限公司 | 一种创面渗出液渗出量监测方法 |
CN111579505A (zh) * | 2020-04-23 | 2020-08-25 | 河南中烟工业有限责任公司 | 一种基于数字图像处理的卷烟包装材料色差检测方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104266673B (zh) | 2014-09-26 | 2016-06-08 | 博奥生物集团有限公司 | 一种利用摄像头识别反应单元种类的方法 |
DE102015116572A1 (de) * | 2015-09-30 | 2017-03-30 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Erkennen von Störungen einer Erntegutbergungsanordnung |
WO2023158854A2 (en) * | 2022-02-21 | 2023-08-24 | Rf Code, Inc. | System, apparatus, and method for monitoring edge compute sites |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11281325A (ja) * | 1998-03-27 | 1999-10-15 | Toshiba Corp | 画像認識システムおよびこれを用いた画像認識方法 |
CN101141633A (zh) * | 2007-08-28 | 2008-03-12 | 湖南大学 | 一种复杂场景中的运动目标检测与跟踪方法 |
CN101599122A (zh) * | 2009-07-02 | 2009-12-09 | 阿里巴巴集团控股有限公司 | 一种图像识别方法及装置 |
CN103488987A (zh) * | 2013-10-15 | 2014-01-01 | 浙江宇视科技有限公司 | 一种基于视频检测交通信号灯的方法及装置 |
CN103839032A (zh) * | 2012-11-20 | 2014-06-04 | 联想(北京)有限公司 | 一种识别方法及电子设备 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5999581A (ja) | 1982-11-30 | 1984-06-08 | Fujitsu Ltd | パタ−ン認識方法及びその装置 |
JPH06259678A (ja) | 1993-03-02 | 1994-09-16 | Mitsubishi Heavy Ind Ltd | プラント監視装置 |
DE19516664C1 (de) * | 1995-05-05 | 1996-08-29 | Siemens Ag | Verfahren zum Aufbau einer Farbtabelle in einer Computereinheit zur Klassifikation von Bildpunkten in einem Bild |
JP3114668B2 (ja) * | 1997-10-03 | 2000-12-04 | 日本電気株式会社 | 物体検出・背景除去方法、装置およびプログラムを記録した記録媒体 |
KR100304663B1 (ko) * | 1998-12-04 | 2001-09-29 | 윤종용 | 칼라조명색온도검출방법및장치 |
JP3766803B2 (ja) * | 1999-08-04 | 2006-04-19 | クロマビジョン メディカル システムズ インコーポレイテッド | 光学顕微鏡使用における色彩閾値を与える方法およびその装置 |
AU2002232817A1 (en) * | 2000-12-21 | 2002-07-01 | Digimarc Corporation | Methods, apparatus and programs for generating and utilizing content signatures |
JP2004348674A (ja) * | 2003-05-26 | 2004-12-09 | Noritsu Koki Co Ltd | 領域検出方法及びその装置 |
JP2006011608A (ja) | 2004-06-23 | 2006-01-12 | Nec Electronics Corp | パターン認識装置およびパターン認識方法 |
JP4001162B2 (ja) * | 2005-11-04 | 2007-10-31 | オムロン株式会社 | 画像処理方法、画像処理用のプログラムならびにその記憶媒体、および画像処理装置 |
KR100735565B1 (ko) * | 2006-05-17 | 2007-07-04 | 삼성전자주식회사 | 구조광을 이용한 물체 검출 방법 및 이를 이용한 로봇 |
KR101271098B1 (ko) * | 2008-09-24 | 2013-06-04 | 삼성테크윈 주식회사 | 디지털 촬영장치, 추적방법 및 추적방법을 실행시키기 위한프로그램을 저장한 기록매체 |
US8355567B2 (en) * | 2008-12-12 | 2013-01-15 | Tektronix, Inc. | Method and apparatus for implementing moving image color appearance model for video quality ratings prediction |
TWI389559B (zh) * | 2009-08-14 | 2013-03-11 | Ind Tech Res Inst | 前景影像分離方法 |
US8320622B2 (en) * | 2010-03-29 | 2012-11-27 | Sharp Laboratories Of America, Inc. | Color gradient object tracking |
FI20125278L (fi) * | 2012-03-14 | 2013-09-15 | Mirasys Business Analytics Oy | Menetelmä ja järjestely ja tietokoneohjelmatuote videoitujen kohteiden tunnistamiseksi |
CN102799861B (zh) | 2012-06-29 | 2015-07-01 | 上海大学 | 一种利用颜色快速识别仪表读数的方法 |
JP6021541B2 (ja) * | 2012-09-13 | 2016-11-09 | キヤノン株式会社 | 画像処理装置及び方法 |
IL229490A (en) * | 2013-11-18 | 2017-11-30 | Tidhar Gil | A multichannel flash detection system |
CN104266673B (zh) | 2014-09-26 | 2016-06-08 | 博奥生物集团有限公司 | 一种利用摄像头识别反应单元种类的方法 |
US9449252B1 (en) * | 2015-08-27 | 2016-09-20 | Sony Corporation | System and method for color and brightness adjustment of an object in target image |
-
2014
- 2014-09-26 CN CN201410502643.6A patent/CN104298970B/zh active Active
-
2015
- 2015-09-25 US US14/866,552 patent/US9818204B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11281325A (ja) * | 1998-03-27 | 1999-10-15 | Toshiba Corp | 画像認識システムおよびこれを用いた画像認識方法 |
CN101141633A (zh) * | 2007-08-28 | 2008-03-12 | 湖南大学 | 一种复杂场景中的运动目标检测与跟踪方法 |
CN101599122A (zh) * | 2009-07-02 | 2009-12-09 | 阿里巴巴集团控股有限公司 | 一种图像识别方法及装置 |
CN103839032A (zh) * | 2012-11-20 | 2014-06-04 | 联想(北京)有限公司 | 一种识别方法及电子设备 |
CN103488987A (zh) * | 2013-10-15 | 2014-01-01 | 浙江宇视科技有限公司 | 一种基于视频检测交通信号灯的方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106405118A (zh) * | 2016-09-27 | 2017-02-15 | 北京爱康泰科技有限责任公司 | 一种排卵试纸检测方法及系统 |
CN110268267A (zh) * | 2017-02-14 | 2019-09-20 | 富士胶片株式会社 | 免疫检查装置 |
CN110548179A (zh) * | 2019-09-03 | 2019-12-10 | 苏州元禾医疗器械有限公司 | 一种创面渗出液渗出量监测方法 |
CN110548179B (zh) * | 2019-09-03 | 2021-10-19 | 苏州元禾医疗器械有限公司 | 一种创面渗出液渗出量监测方法 |
CN111579505A (zh) * | 2020-04-23 | 2020-08-25 | 河南中烟工业有限责任公司 | 一种基于数字图像处理的卷烟包装材料色差检测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20160092719A1 (en) | 2016-03-31 |
US9818204B2 (en) | 2017-11-14 |
CN104298970B (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104298970A (zh) | 一种基于颜色特征的摄像头识别和检测方法 | |
Tao et al. | Smartphone-based detection of leaf color levels in rice plants | |
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
Chen et al. | Human shadow removal with unknown light source | |
CN105300482B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN104198497B (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
CN104048744A (zh) | 一种非接触式的基于影像的实时在线振动测量方法 | |
CN104036522A (zh) | 一种基于视频中运动目标识别的流水速度监测方法 | |
CN105223196B (zh) | 一种基于智能终端的尿液分析方法 | |
CN102819740A (zh) | 一种单帧红外图像弱小目标检测和定位方法 | |
CN107240112B (zh) | 一种复杂场景下个体x角点提取方法 | |
CN103234475B (zh) | 一种基于激光三角测量法的亚像素表面形态检测方法 | |
CN106323977A (zh) | 基于移动终端的变色诊断试纸定量成像系统 | |
CN102663778B (zh) | 一种基于多视点视频的目标跟踪方法和系统 | |
CN105893957A (zh) | 基于视觉湖面船只检测识别与跟踪方法 | |
CN104266673A (zh) | 一种利用摄像头识别反应单元种类的方法 | |
KR20130076378A (ko) | 차량용 색상검출기 | |
CN105319210A (zh) | 尿液分析方法 | |
CN102565044A (zh) | 基于图像处理的农药残留速测卡检测方法 | |
CN108387542A (zh) | 一种基于智能手机的水中氟离子比色传感器及其应用 | |
CN105374045B (zh) | 一种基于形态学的图像特定形状尺寸目标快速分割方法 | |
CN103063674A (zh) | 一种铜块的铜品位检测方法及其检测系统 | |
CN102937602B (zh) | 一种具有机器视觉的智能显微熔点仪及熔点测量方法 | |
CN109241819A (zh) | 基于快速多尺度及联合模板匹配的多目标行人检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180419 Address after: 101111 Beijing branch of Beijing economic and Technological Development Zone Street 88 Hospital No. 10 Building Room 101 Patentee after: CAPITALBIO TECHNOLOGY CO., LTD. Address before: 102206 Beijing City, Changping District Life Science Park Road No. 18 Patentee before: CAPITALBIO CORPORATION |