CN106778537B - 一种基于图像处理的动物社交网络结构采集及分析系统及其方法 - Google Patents
一种基于图像处理的动物社交网络结构采集及分析系统及其方法 Download PDFInfo
- Publication number
- CN106778537B CN106778537B CN201611066640.8A CN201611066640A CN106778537B CN 106778537 B CN106778537 B CN 106778537B CN 201611066640 A CN201611066640 A CN 201611066640A CN 106778537 B CN106778537 B CN 106778537B
- Authority
- CN
- China
- Prior art keywords
- animal
- module
- matrix
- social network
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种基于图像处理的动物社交网络结构采集及分析系统及其方法,包括:生活场景模块、光照装置、图像采集装置和数据分析模块,生活场景模块用于动物进行交往活动的场所;光照装置用于对生活场景模块内部进行环形照射;图像采集装置用于对生活场景模块内的动物活动进行图像采集;采用图像灰度的差值绝对值和灰度和矩阵作为基本数据,建立每只动物所有动作的参考矩阵集;通过在生活场景模块中抽取动物像素集,建立目标矩阵;将每个目标矩阵与参考矩阵集逐一对比,获得每只动物在生活场景模块中的运动轨迹,最终形成动态的社会交流群体网络。通过本发明可以形成社交网络描述及描述整个社交网络产生、发展演化过程的数据,适用于动物社交行为及网络的观察与记录。
Description
技术领域
本发明属于传统动物生活和社交研究技术领域,具体涉及一种基于图像处理的动物社交网络结构采集及分析系统及其方法,适用于动物社交行为及网络的观察与记录,形成社交网络描述及描述整个社交网络产生、发展演化过程数据。
背景技术
动物的社交网络一直是生态学、动物学、心理学等多种科学所关心的研究问题。为了研究动物自然状态下大规模集体生活和社群交往,需要一种在对动物本身状态干扰最小的情况下采集其生活和社交数据的有效技术。
在传统动物生活和社交研究技术中,往往采用两种方式对动物活动区域和社群交往行为进行跟踪,第一种方式:向动物身体中植入传感器;第二种方式:对动物外形进行染色。
采用第一种跟踪方式,由于在动物身体中植入了传感器,会对动物精神造成较严重创伤,影响其正常生活社交状态,因此,使用植入传感器技术所得动物生活社交数据难以用于研究。
采用第二种跟踪方式,采用染色技术会对动物外形造成改变,影响其社群中其他个体与其交往时的态度和状态,且可用颜色有限,无法追踪大量样本;此外,动物需重复着色以防止掉色对后期数据采集产生的影响,此种染色方式非常耗时,因此染色技术也无法用于大规模动物生活和社交研究中。
发明内容
因此,本发明为了解决大规模动物社交数据采集困难的技术问题,本发明提供了一种基于图像处理的动物社交网络结构采集及分析系统及其方法,可获得动物社群社交明细数据,且数据能够区分每一个动物主体,并在此基础上构建动物社区整体网络指标及图谱。
一方面,本发明提供了一种基于图像处理的动物社交网络结构采集及分析系统,所述系统包括:
生活场景模块,用于动物进行交往活动的场所;
光照装置,设置于所述生活场景模块中,用于对生活场景模块内部进行环形照射;
图像采集装置,设置于所述生活场景模块中,用于对所述生活场景模块内的动物活动进行图像采集;
数据分析模块,与所述图像采集装置连接,采用图像灰度的差值绝对值和灰度和矩阵作为基本数据,建立每只动物所有动作的参考矩阵集;通过在所述生活场景模块中抽取动物像素集,建立目标矩阵;将每个目标矩阵与参考矩阵集逐一对比,获得每只动物在生活场景模块中的运动轨迹,最终形成动态的社会交流群体网络。
所述数据分析模块包括:
参考矩阵集生成模块,与所述图像采集装置连接,获取包含图像灰度的差值绝对值与灰度和矩阵的矩阵集,用于建立每只动物所有动作的参考矩阵集;
播放控制模块,与所述图像采集装置连接,用于从所述图像采集装置中获得的原始视频数据解压缩并转化为帧序列;
数据匹配模块,与所述的参考矩阵集生成模块和播放控制模块连接,用于顺次抽取所述播放控制模块中所解压缩出来的各个帧序列,并作为目标矩阵与所述参考矩阵集生成模块中的参考矩阵进行巴氏距离或欧氏距离逐一对比,获得目标矩阵所代表动物的匹配数据;
数据记录模块,用于将所述数据匹配模块中所获得的所有匹配数据进行保存,生成每只动物在生活场景模块中的运动轨迹。
所述生活场景模块中的外壁和底部均为透明板。
进一步地,所述透明板为透明玻璃或塑料。
优选地,所述生活场景模块的底部设有衬板,所述衬板与观测动物外表颜色亮度反差在0-255的黑白色彩空间中大于100。
所述生活场景模块的场景底部距离地面大于等于10cm;
所述的光照装置为由多盏红外灯组成的无影灯光,用于对所述生活场景模块进行环形照射。
所述的图像采集装置为红外线摄像机,用于获取所述生活场景模块中所有动物的动态社群图像数据。
另一方面,本发明还提供了一种基于图像处理的动物社交网络结构采集及分析方法,建立动物生活场景模块;通过图像采集装置对生活场景模块中的动物进行图像采集,建立每只动物所有动作的参考矩阵集;数据分析模块接收图像采集装置所采集到的动物像素集,并通过灰度图进行数据输入;抽取生活场景中的动物像素集,建立由单帧差值矩阵和灰度和矩阵组成的目标矩阵;将每个目标矩阵与参考矩阵集逐一对比,获得目标矩阵所代表的动物;对所采集动物像素集中的所有帧进行对比,获得每只动物的运动轨迹;在生活场景模块中绘制所有动物的运动轨迹,获得动态的动物社会交流群体网络。
获得目标矩阵所代表动物的具体方法是:将每个目标矩阵与参考矩阵集中的参考矩阵逐一进行巴氏距离或欧氏距离的对比;当目标矩阵与参考矩阵集中的参考矩阵之间的巴氏距离或欧氏距离最小时,即得目标矩阵所代表的动物。
对每只动物的运动轨迹做平面碰撞检测,获得动物的交往情况。
所述方法还包括通过数据分析模块对动物交往前的运动向量进行分析,以获得所有动物的主被动交往属性,其具体分析方法是:在动物达到接触时刻之前的1秒钟内,动物所在各位置的每一帧在指向接触时的速度向量之和的较大者为主动交往方,较小者为被动交往方。
本发明技术方案,具有如下优点:
A.本发明通过建立适合采集动物图像资料的生活场景模块,使动物可以在无创伤、无情境重大影响的情况下获取自然状态下的动物交往图像,通过数据分析模块建立起每个动物的运动轨迹,通过对动物运动轨迹的分析,可以获得所有动物活动的大规模动物社群社会网络真实数据,适用于动物社交行为及网络的观察与记录,形成社交网络描述及描述整个社交网络产生、发展演化过程的数据。
B.整个社会网络形成过程的数据可以用来解析社会网络形成过程中各种变量对网络的动态影响,寻找社会网络形成的规律,是左右社会网络发展的关键因素,并可以对网络形成的阶段做出划分,通过本发明可以构建整个社会网络形成过程的动态数据,而非某一时刻的网络描述,对于研究动物社交网络具有重要的意义。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的动物社交网络结构采集及分析系统示意图;
图2为使用本发明所提供的系统所绘制成的动态社会交往群体网络。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做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。
本发明提供了一种基于图像处理的动物社交网络结构采集及分析系统,所述系统包括:生活场景模块、光照装置、图像采集装置和数据分析模块。其中的生活场景模块用于动物进行交往活动的场所;光照装置设置于生活场景模块中,用于对生活场景模块的内部进行环形照射,这里的光照装置优选采用多组无影灯光;图像采集装置设置于生活场景模块中,用于对生活场景模块中的动物进行图像采集,获取生活场景模块中所有动物的动态社群图像数据,其中图像采集装置优选为红外线摄像机;数据分析模块与图像采集装置连接,其采用图像灰度的差值绝对值和灰度和矩阵作为基本数据,建立每只动物所有动作的参考矩阵集;通过在生活场景模块中抽取动物像素集,建立目标矩阵;将每个目标矩阵与参考矩阵集中的各个参考矩阵逐一对比,直至获得与目标矩阵相匹配的参考矩阵,从而获得目标矩阵所代表的动物,这里优先采用的对比方法为巴氏距离,也可以采用欧氏距离方法,依据同样方法获得每只动物在生活场景模块中的运动轨迹,最终形成动态社会交流群体网络。
如图1所示,其中的数据分析模块包括:
参考矩阵集生成模块,与所述图像采集装置连接,获取包含图像灰度的差值绝对值与灰度和矩阵的矩阵集,用于建立每只动物所有动作的参考矩阵集;
播放控制模块,其为一个数据输入输出的协调模块,与所述图像采集装置连接,用于从所述图像采集装置中获得的原始视频数据解压缩并转化为帧序列,为数据分析提供用于计算的素材;
数据匹配模块,与所述的参考矩阵集生成模块和播放控制模块连接,用于顺次抽取所述播放控制模块中所解压缩出来的各个帧序列,并作为目标矩阵与所述参考矩阵集生成模块中的参考矩阵进行巴氏距离或欧氏距离逐一对比,获得目标矩阵所代表动物的匹配数据,即目标矩阵所代表动物的参考矩阵集;
数据记录模块,用于将所述数据匹配模块中所获得的所有匹配数据进行保存,通过绘制可以形成所有动物在生活场景模块中的活动轨迹,如图2所示。这样可以对动物活动轨迹图展开分析。
其中的生活场景模块由透明材料构建的场景外壁和场景底部组成,本发明所采用的优选透明材料为透明玻璃或塑料材质,透明的外壁不会影响无影灯光的照明效果,极大地提高识别的准确性。
当然,为了更好地区分动物和背景,本发明优选地在场景底部加装一颜色衬板,其中颜色衬板是在0-255取值范围的黑白色彩空间中与观测动物身体主要颜色反差值大于100。
为了降低动物身体距离地面过近所导致的环形阴影对数据匹配模块识别动物身份正确率的消极影响,生活场景模块的场景底部距离地面大于等于10cm,以避免追踪目标形态受底部阴影的影响。
下面具体的动物社交网络结构采集及分析方法如下:
首先建立动物生活场景模块,使动物在无创伤、无情境重大影响的情况下获取自然状态下的动物交往;
通过图像采集装置对生活场景模块中的动物进行图像采集,在生活场景模块的顶部使用一部或多部红外摄像机作为图像采集装置;在无可见光照场景下,优选使用红外无影灯和红外摄像机的组合;当然,在可见光无影灯系统的辅助下,则可以使用普通的摄像机进行图像采集。
通过参考矩阵集生成模块接收图像采集装置所采集到的动物像素集,并通过灰度图进行数据输入,以灰度梯度阈值为划分、分离动物和背景,对单只动物个体每两像素求灰度差绝对值和灰度和,借此参考矩阵集生成模块为每一只动物个体建立所有动作的参考矩阵集;
匹配抽取生活场景模块中图像采集装置所采集到的动物像素集,建立由单帧差值矩阵和灰度和矩阵组成的目标矩阵;
将每个目标矩阵与参考矩阵集中的每个参考矩阵进行逐一对比,当目标矩阵的灰度差和灰度和分别与某同一对参考矩阵距离最小时,认定该目标矩阵所代表的动物个体即为该参考矩阵集所代表的动物个体;
通过数据匹配模块对所采集动物像素集中的所有帧进行巴氏距离或欧式距离对比,获得每只动物的身份并通过数据记录模块记录该只动物的运动轨迹;即,对所有帧都进行如上运算,可得每只动物的运动轨迹,对运动轨迹做平面碰撞检测,即可得到动物的交往情况。
同时,还可以对所有动物进行主被动交往属性的分析,通过数据分析模块对动物交往前的运动向量进行分析,具体分析方法是:在动物到达接触时刻的1秒钟内,在其每一帧的运动中,所在各位置指向接触点的速度向量之和的较大者,为主动交往方,较小者为被动交往方;当然,这里也可以对接触时刻之前的2秒钟内所产生的所有帧的速度向量进行求和计算,这里优选采用两动物在接触时刻之前的1秒钟内所产生的所有帧向量进行计算,由此可以建立动态社会交往群体网络。
如图2所示,显示出了动物间动态交往情况的群体网络图,每个点代表一只动物,点和点之间的连线粗细代表二者之间联系的紧密程度,每一种颜色代表一个小群体,处于网络中央的个体在整个社交网中处于更加重要的地位,处于边缘者则相对不重要,更依赖其他个体与群体保持联络。同一小群体中,对外连线最多的个体即为该小群体的社交领袖。
本发明通过建立适合采集动物图像资料的生活场景模块,使动物可以在无创伤、无情境重大影响的情况下获取自然状态下的动物交往图像,通过数据分析模块建立起每个动物的运动轨迹,通过对动物运动轨迹的分析,可以获得所有动物活动的大规模动物社群社会网络真实数据,适用于动物社交行为及网络的观察与记录,形成社交网络描述及描述整个社交网络产生、发展演化过程的数据,对于研究动物社交网络具有重要的意义。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于图像处理的动物社交网络结构采集及分析系统,其特征在于,所述系统包括:
生活场景模块,用于动物进行交往活动的场所,所述生活场景模块的底部设有衬板,所述衬板与观测动物外表颜色亮度反差在0-255的黑白色彩空间中大于100;
光照装置,设置于所述生活场景模块中,用于对生活场景模块内部进行环形照射;
图像采集装置,设置于所述生活场景模块中,用于对所述生活场景模块内的动物活动进行图像采集;
数据分析模块,与所述图像采集装置连接,采用图像灰度的差值绝对值和灰度和矩阵作为基本数据,建立每只动物所有动作的参考矩阵集;通过在所述生活场景模块中抽取动物像素集,建立由单帧差值矩阵和灰度和矩阵组成的目标矩阵;将每个目标矩阵与参考矩阵集逐一对比,获得每只动物在生活场景模块中的运动轨迹,最终形成动态的社会交流群体网络;
所述数据分析模块包括:
参考矩阵集生成模块,与所述图像采集装置连接,获取包含图像灰度的差值绝对值与灰度和矩阵的矩阵集,用于建立每只动物所有动作的参考矩阵集;
播放控制模块,与所述图像采集装置连接,用于从所述图像采集装置中获得的原始视频数据解压缩并转化为帧序列;
数据匹配模块,与所述的参考矩阵集生成模块和播放控制模块连接,用于顺次抽取所述播放控制模块中所解压缩出来的各个帧序列,并作为目标矩阵与所述参考矩阵集生成模块中的参考矩阵进行巴氏距离或欧氏距离逐一对比,获得目标矩阵所代表动物的匹配数据;
数据记录模块,用于将所述数据匹配模块中所获得的所有匹配数据进行保存,生成每只动物在生活场景模块中的运动轨迹。
2.根据权利要求1所述的动物社交网络结构采集及分析系统,其特征在于,所述生活场景模块中的外壁和底部均为透明板。
3.根据权利要求2所述的动物社交网络结构采集及分析系统,其特征在于,所述透明板为透明玻璃或塑料。
4.根据权利要求3所述的动物社交网络结构采集及分析系统,其特征在于,所述生活场景模块的场景底部距离地面大于等于10cm。
5.根据权利要求1所述的动物社交网络结构采集及分析系统,其特征在于,所述的光照装置为由多盏红外灯组成的无影灯光,用于对所述生活场景模块进行环形照射。
6.根据权利要求1所述的动物社交网络结构采集及分析系统,其特征在于,所述的图像采集装置为红外线摄像机,用于获取所述生活场景模块中所有动物的动态社群图像数据。
7.一种利用权利要求1-6任一项所述动物社交网络结构采集及分析系统的基于图像处理的动物社交网络结构采集及分析方法,其特征在于,建立动物生活场景模块;通过图像采集装置对生活场景模块中的动物进行图像采集,采用图像灰度的差值绝对值和灰度和矩阵作为基本数据,建立每只动物所有动作的参考矩阵集;数据分析模块接收图像采集装置所采集到的动物像素集,并通过灰度图进行数据输入;抽取生活场景中的动物像素集,建立由单帧差值矩阵和灰度和矩阵组成的目标矩阵;将每个目标矩阵与参考矩阵集逐一对比,获得目标矩阵所代表的动物;对所采集动物像素集中的所有帧进行对比,获得每只动物的运动轨迹;在生活场景模块中绘制所有动物的运动轨迹,获得动态的动物社会交流群体网络。
8.根据权利要求7所述的动物社交网络结构采集及分析方法,其特征在于,获得目标矩阵所代表动物的具体方法是:将每个目标矩阵与参考矩阵集中的参考矩阵逐一进行巴氏距离或欧氏距离的对比;当目标矩阵与参考矩阵集中的参考矩阵之间的巴氏距离或欧氏距离最小时,即得目标矩阵所代表的动物。
9.根据权利要求7所述的动物社交网络结构采集及分析方法,其特征在于,对每只动物的运动轨迹做平面碰撞检测,获得动物的交往情况。
10.根据权利要求7所述的动物社交网络结构采集及分析方法,其特征在于,所述方法还包括通过数据分析模块对动物交往前的运动向量进行分析,以获得所有动物的主被动交往属性,其具体分析方法是:在动物达到接触时刻之前的1秒钟内,动物所在各位置的每一帧在指向接触时的速度向量之和的较大者为主动交往方,较小者为被动交往方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611066640.8A CN106778537B (zh) | 2016-11-28 | 2016-11-28 | 一种基于图像处理的动物社交网络结构采集及分析系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611066640.8A CN106778537B (zh) | 2016-11-28 | 2016-11-28 | 一种基于图像处理的动物社交网络结构采集及分析系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106778537A CN106778537A (zh) | 2017-05-31 |
CN106778537B true CN106778537B (zh) | 2021-02-02 |
Family
ID=58904731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611066640.8A Active CN106778537B (zh) | 2016-11-28 | 2016-11-28 | 一种基于图像处理的动物社交网络结构采集及分析系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106778537B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047453A (zh) * | 2019-12-04 | 2020-04-21 | 兰州交通大学 | 基于高阶张量分解大规模社交网络社区的检测方法及装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678413B1 (en) * | 2000-11-24 | 2004-01-13 | Yiqing Liang | System and method for object identification and behavior characterization using video analysis |
US8634635B2 (en) * | 2008-10-30 | 2014-01-21 | Clever Sys, Inc. | System and method for stereo-view multiple animal behavior characterization |
CN101826197B (zh) * | 2009-03-06 | 2012-05-09 | 北京百奥金生物科技有限公司 | 一种监控动物日常活动的方法及系统 |
CN102509305B (zh) * | 2011-09-26 | 2014-08-06 | 浙江工业大学 | 基于全方位视觉的动物行为检测装置 |
CN102855465B (zh) * | 2012-04-12 | 2016-10-05 | 江苏慧眼数据科技股份有限公司 | 一种移动物体的跟踪方法 |
EP4198926A1 (en) * | 2012-05-10 | 2023-06-21 | President And Fellows Of Harvard College | Method and apparatus for automatically discovering, characterizing, classifying and semi-automatically labeling animal behavior and quantitative phenotyping of behaviors in animals |
CN104238729A (zh) * | 2013-06-20 | 2014-12-24 | 深圳富泰宏精密工业有限公司 | 体感控制实现方法及系统 |
EP3062613B1 (en) * | 2013-11-01 | 2020-06-24 | Children's Medical Center Corporation | Devices and methods for analyzing rodent behavior |
CN104751164A (zh) * | 2013-12-30 | 2015-07-01 | 鸿富锦精密工业(武汉)有限公司 | 物体运动轨迹捕捉方法及系统 |
CN104778224B (zh) * | 2015-03-26 | 2017-11-14 | 南京邮电大学 | 一种基于视频语义的目标对象社交关系识别方法 |
CN104872025B (zh) * | 2015-06-08 | 2017-04-12 | 广东省农业科学院畜牧研究所 | 一种鱼缸鱼类活动轨迹记录方法 |
CN105760849B (zh) * | 2016-03-09 | 2019-01-29 | 北京工业大学 | 基于视频的目标对象行为数据获取方法及装置 |
-
2016
- 2016-11-28 CN CN201611066640.8A patent/CN106778537B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106778537A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kliper-Gross et al. | Motion interchange patterns for action recognition in unconstrained videos | |
CN107735795A (zh) | 用于社会关系识别的方法和系统 | |
CN104851099A (zh) | 一种基于表示学习的图像融合方法 | |
CN109086754A (zh) | 一种基于深度学习的人体姿态识别方法 | |
Daroya et al. | Alphabet sign language image classification using deep learning | |
CN110348505B (zh) | 车辆颜色分类模型训练方法、装置和车辆颜色识别方法 | |
US20120093423A1 (en) | Electronic system with simulated sense perception and method of providing simulated sense perception | |
Li et al. | Improved YOLOv4 network using infrared images for personnel detection in coal mines | |
CN112507893A (zh) | 一种基于边缘计算的分布式无监督行人重识别方法 | |
CN114548256A (zh) | 一种基于对比学习的小样本珍稀鸟类识别方法 | |
CN109740527B (zh) | 一种视频帧中图像处理方法 | |
CN109241952B (zh) | 拥挤场景下人物计数方法及装置 | |
CN106778537B (zh) | 一种基于图像处理的动物社交网络结构采集及分析系统及其方法 | |
Ge et al. | Co-saliency-enhanced deep recurrent convolutional networks for human fall detection in E-healthcare | |
CN116701706B (zh) | 一种基于人工智能的数据处理方法、装置、设备及介质 | |
CN111414886A (zh) | 一种人体动态特征的智能识别系统 | |
Guo et al. | Varied channels region proposal and classification network for wildlife image classification under complex environment | |
CN108256401B (zh) | 一种获取目标属性特征语义的方法及装置 | |
Rajawat et al. | Face Recognition based Attendance System | |
CN109727218B (zh) | 一种完整图形提取方法 | |
CN113706438A (zh) | 一种图像处理的方法、相关装置、设备、系统及存储介质 | |
Psaltis et al. | Deep 3d flow features for human action recognition | |
Jurecka et al. | Impact of boosting saturation on automatic human detection in imagery acquired by unmanned aerial vehicles | |
Gavilanes et al. | Person Re-identification System in a Controlled Environment Based on Soft Biometric Features: Clothing Color and Body Silhouette Collected on Short Video Sequences Using Computer Vision and Machine Learning Algorithms | |
Shabaneh et al. | Automatic Class Attendance System Using Biometric Facial Recognition Technique Based on Raspberry Pi. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |