CN108235002A - 基于图像检测的摆动程度识别平台 - Google Patents
基于图像检测的摆动程度识别平台 Download PDFInfo
- Publication number
- CN108235002A CN108235002A CN201810092692.5A CN201810092692A CN108235002A CN 108235002 A CN108235002 A CN 108235002A CN 201810092692 A CN201810092692 A CN 201810092692A CN 108235002 A CN108235002 A CN 108235002A
- Authority
- CN
- China
- Prior art keywords
- acnode
- forms
- image
- variance
- sliding window
- 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.)
- Withdrawn
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N2017/008—Diagnosis, testing or measuring for television systems or their details for television teletext
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像检测的摆动程度识别平台,包括:CCD采集设备,用于以预设时间间隔采集并输出多帧高清图像;所述CCD采集设备的清晰度为380TV线,最低照度为2.0Lux,视场角为140度;孤点去除设备,用于对所述高清图像中的各个孤点进行检测,实现对所述高清图像中的各个孤点的去除操作,以获得并输出去除操作后的孤点清理图像。通过本发明,能够基于图像特征实现对摆对程度的有效监控。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于图像检测的摆动程度识别平台。
背景技术
图像是日常生活中信息的最大载体之一,对于图像信息的自动获取是图像处理、机器视觉以及模式识别中的基本研究方向。图像检测是指识别图像中感兴趣区域,是对图像进行进一步处理的基础。图像在人们的生活和生产中无处不见,它在人类获取外部信息中占据着重要的地位,而随着科学技术的不断进步,很多方面利用了图像采集与识别技术。例如,使用图像采集与识别技术,对图像进行采集的同时进行行动的检测和识别等。
目前,图像检测方法大多分为传统方法和深度学习方法。其中,基于卷积神经网络的深度学习图像分割方法是一种常用的图像检测方法,该方法通过上下采样层的融合从图像中分割出感兴趣区域,达到图像检测目的。卷积神经网络能够对图像进行多分辨滤波处理,提取图像特征,实现像素的图像分割,但是卷积神经网络容易忽略细小物体或物体的微小结构,容易导致漏检或误判。
发明内容
根据本发明的技术方案,本发明具备以下三个发明点:
(1)利用了窗体目标行列相似性高的特点,建立了行相似性数据的方差和列相似性数据的方差作为匹配因子进行匹配的识别机制;
(2)采用基于预设窗体外形图案的滑动窗口搜索方式,对待识别图像中的窗体目标进行搜索,提高了后续窗体目标识别的针对性和效率;
(3)基于高精度的窗体分析结果,判断窗体摆动的剧烈程度,以确定是否需要发出相应报警信息,以避免窗体受损。
根据本发明的一方面,提供了一种窗体摆动程度识别平台,所述平台包括:
CCD采集设备,设置在被监护窗体的对面墙壁上,用于以预设时间间隔采集并输出多帧高清图像;所述CCD采集设备的清晰度为380TV线,最低照度为2.0Lux,视场角为140度,所述CCD采集设备还包括补光器,用于在当前光照不足时,为所述高清图像的数据采集提供补光操作;
孤点去除设备,与所述CCD采集设备连接,用于接收所述高清图像,并对所述高清图像中的各个孤点进行检测,实现对所述高清图像中的各个孤点的去除操作,以获得并输出去除操作后的孤点清理图像;
窗口选择设备,用于基于预设窗体外形图案,选择与预设窗体外形图案大小匹配的滑动窗口尺寸;
窗口搜索设备,与所述孤点去除设备连接,用于接收所述孤点清理图像,还用于与所述窗口选择设备连接,用于接收所述滑动窗口尺寸,以所述孤点清理图像的每一个像素点为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,其中,对于所述孤点清理图像边缘处的像素点或靠近所述孤点清理图像边缘处的像素点,以其为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,滑动窗口的一部分在所述孤点清理图像外,滑动窗口的另一部分在所述孤点清理图像内,在所述孤点清理图像外的部分的各个像素点的像素值被设定为0;
其中,在所述孤点去除设备中,对所述高清图像中的各个孤点进行检测包括:基于所述高清图像中的各个像素点的像素值确定所述高清图像中的各个孤点,具体地,当所述高清图像中的像素点的像素值大于等于周围像素点的像素值的平均值的二倍或小于等于周围像素点的像素值的平均值的二分之一时,确定其为孤点。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的窗体摆动程度识别平台的监护目标窗体的结构示意图。
图2为根据本发明实施方案示出的窗体摆动程度识别平台的结构方框图。
具体实施方式
下面将参照附图对本发明的窗体摆动程度识别平台的实施方案进行详细说明。
平开内倒窗,即通过旋转窗子的把手,带动窗子内部的连动五金机构,而使窗处于锁紧(把手垂直向下)平开(把手水平)内倒(把手垂直向上)的不同位置的窗,它的优势照比普通的平开窗主要有以下几点:1、多锁点密封,可以使窗子的密封性大大增强。密封性增强以后,它的保温性和隔音性也将随之得到提升;2、多锁点配合蘑菇头锁头的设计大大增强了窗子的防盗性能。使盗贼通过撬压窗扇进入室内的可能几乎降为零。
在窗体使用的过程中,如果因为室内外气压变化剧烈或室外风速过大的情况下,很容易出现窗体摆动频率较高,这时将带来两个问题,第一,窗体的频繁撞击,将会对窗体造成损坏,第二,频繁摆动带来的持续噪音,给用户带来音频上的冲击。现有技术中尚不存在有效检测窗体摆对程度的技术方案。
为了解决上述问题,本发明提供了一种窗体摆动程度识别平台,能够确定采集图像中窗体部分中的参照物的当前位置,基于时间轴上的多帧的高清图像分别对应的当前位置的变化程度确定窗体是否处于摆动状态,以相应发出摆动控制信号或静止控制信号,还能够在接收到所述摆动控制信号时,播放与所述摆动控制信号对应的语音报警文件,从而对用户进行有效提醒。
为了克服上述不足,本发明搭建了一种窗体摆动程度识别平台,能够基于有针对性的图像分析,及时识别到窗体摆对剧烈情况,并基于窗体摆对剧烈情况对用户进行相应报警。
图1为根据本发明实施方案示出的窗体摆动程度识别平台的监护目标窗体的结构示意图。
图2为根据本发明实施方案示出的窗体摆动程度识别平台的结构方框图,所述平台包括:
CCD采集设备,设置在被监护窗体的对面墙壁上,用于以预设时间间隔采集并输出多帧高清图像;
其中,所述CCD采集设备的清晰度为380TV线,最低照度为2.0Lux,视场角为140度;
其中,所述CCD采集设备还包括补光器,用于在当前光照不足时,为所述高清图像的数据采集提供补光操作。
接着,继续对本发明的窗体摆动程度识别平台的具体结构进行进一步的说明
在所述窗体摆动程度识别平台中,还包括:
孤点去除设备,与所述CCD采集设备连接,用于接收所述高清图像,并对所述高清图像中的各个孤点进行检测,实现对所述高清图像中的各个孤点的去除操作,以获得并输出去除操作后的孤点清理图像。
在所述窗体摆动程度识别平台中:
在所述孤点去除设备中,对所述高清图像中的各个孤点进行检测包括:基于所述高清图像中的各个像素点的像素值确定所述高清图像中的各个孤点,具体地,当所述高清图像中的像素点的像素值大于等于周围像素点的像素值的平均值的二倍或小于等于周围像素点的像素值的平均值的二分之一时,确定其为孤点。
在所述窗体摆动程度识别平台中,还包括:
窗口选择设备,用于基于预设窗体外形图案,选择与预设窗体外形图案大小匹配的滑动窗口尺寸;
窗口搜索设备,与所述孤点去除设备连接,用于接收所述孤点清理图像,还用于与所述窗口选择设备连接,用于接收所述滑动窗口尺寸,以所述孤点清理图像的每一个像素点为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,其中,对于所述孤点清理图像边缘处的像素点或靠近所述孤点清理图像边缘处的像素点,以其为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,滑动窗口的一部分在所述孤点清理图像外,滑动窗口的另一部分在所述孤点清理图像内,在所述孤点清理图像外的部分的各个像素点的像素值被设定为0;
相似性检测设备,与所述窗口搜索设备连接,用于接收所述孤点清理图像的每一个像素点对应的滑动窗口,对每一个滑动窗口的上下两行之间进行行相似性检测,以获得多个行相似性数据,多个行相似性数据的总数为对应滑动窗口的行数减1,对每一个滑动窗口的左右列之间进行列相似性检测,以获得多个列相似性数据,多个列相似性数据的总数为对应滑动窗口的列数减1,计算多个行相似性数据的方差以获得第一方差,计算多个列相似性数据的方差以获得第二方差;
主控设备,与所述相似性检测设备连接,在将每一个滑动窗口的第一方差与所述预设窗体外形图案的第一方差进行相减,获得的结果的绝对值小于等于预设数值时,且将每一个滑动窗口的第二方差与所述预设窗体外形图案的第二方差进行相减,获得的结果的绝对值小于等于预设数值时,将对应的滑动窗口作为窗体部分输出;
参照物定位设备,与所述主控设备连接,用于接收所述窗体部分,并确定所述窗体部分中的参照物的当前位置,基于时间轴上的多帧的高清图像分别对应的当前位置的变化程度确定窗体是否处于摆动状态,以相应发出摆动控制信号或静止控制信号;
声音报警设备,与所述参照物定位设备连接,用于在接收到所述摆动控制信号时,播放与所述摆动控制信号对应的语音报警文件;
CF存储设备,分别与所述窗口选择设备和所述主控设备连接,用于存储所述预设窗体外形图案和所述预设数值;
其中,所述相似性检测设备还与所述CF存储设备连接,用于接收所述预设窗体外形图案,并获得预设窗体外形图案的第一方差和第二方差,获得方式如下:对预设窗体外形图案的上下两行之间进行行相似性检测,以获得多个行相似性数据,多个行相似性数据的总数为预设窗体外形图案的行数减1,对预设窗体外形图案的左右列之间进行列相似性检测,以获得多个列相似性数据,多个列相似性数据的总数为预设窗体外形图案的列数减1,计算多个行相似性数据的方差以获得第一方差,计算多个列相似性数据的方差以获得第二方差。
在所述窗体摆动程度识别平台中:
所述窗体部分中的参照物为窗体框架上沿、窗体框架下沿或窗体把手。
同时,本发明还涉及一种窗体摆动程度识别方法,所述方法包括:
使用CCD采集设备,设置在被监护窗体的对面墙壁上,用于以预设时间间隔采集并输出多帧高清图像;
其中,所述CCD采集设备的清晰度为380TV线,最低照度为2.0Lux,视场角为140度;
其中,所述CCD采集设备还包括补光器,用于在当前光照不足时,为所述高清图像的数据采集提供补光操作。
接着,继续对本发明的窗体摆动程度识别方法的具体步骤进行进一步的说明。
所述窗体摆动程度识别方法还可以包括:
使用孤点去除设备,与所述CCD采集设备连接,用于接收所述高清图像,并对所述高清图像中的各个孤点进行检测,实现对所述高清图像中的各个孤点的去除操作,以获得并输出去除操作后的孤点清理图像。
在所述窗体摆动程度识别方法中:
在所述孤点去除设备中,对所述高清图像中的各个孤点进行检测包括:基于所述高清图像中的各个像素点的像素值确定所述高清图像中的各个孤点,具体地,当所述高清图像中的像素点的像素值大于等于周围像素点的像素值的平均值的二倍或小于等于周围像素点的像素值的平均值的二分之一时,确定其为孤点。
在所述窗体摆动程度识别方法中,还包括:
使用窗口选择设备,用于基于预设窗体外形图案,选择与预设窗体外形图案大小匹配的滑动窗口尺寸;
使用窗口搜索设备,与所述孤点去除设备连接,用于接收所述孤点清理图像,还用于与所述窗口选择设备连接,用于接收所述滑动窗口尺寸,以所述孤点清理图像的每一个像素点为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,其中,对于所述孤点清理图像边缘处的像素点或靠近所述孤点清理图像边缘处的像素点,以其为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,滑动窗口的一部分在所述孤点清理图像外,滑动窗口的另一部分在所述孤点清理图像内,在所述孤点清理图像外的部分的各个像素点的像素值被设定为0;
使用相似性检测设备,与所述窗口搜索设备连接,用于接收所述孤点清理图像的每一个像素点对应的滑动窗口,对每一个滑动窗口的上下两行之间进行行相似性检测,以获得多个行相似性数据,多个行相似性数据的总数为对应滑动窗口的行数减1,对每一个滑动窗口的左右列之间进行列相似性检测,以获得多个列相似性数据,多个列相似性数据的总数为对应滑动窗口的列数减1,计算多个行相似性数据的方差以获得第一方差,计算多个列相似性数据的方差以获得第二方差;
使用主控设备,与所述相似性检测设备连接,在将每一个滑动窗口的第一方差与所述预设窗体外形图案的第一方差进行相减,获得的结果的绝对值小于等于预设数值时,且将每一个滑动窗口的第二方差与所述预设窗体外形图案的第二方差进行相减,获得的结果的绝对值小于等于预设数值时,将对应的滑动窗口作为窗体部分输出;
使用参照物定位设备,与所述主控设备连接,用于接收所述窗体部分,并确定所述窗体部分中的参照物的当前位置,基于时间轴上的多帧的高清图像分别对应的当前位置的变化程度确定窗体是否处于摆动状态,以相应发出摆动控制信号或静止控制信号;
使用声音报警设备,与所述参照物定位设备连接,用于在接收到所述摆动控制信号时,播放与所述摆动控制信号对应的语音报警文件;
使用CF存储设备,分别与所述窗口选择设备和所述主控设备连接,用于存储所述预设窗体外形图案和所述预设数值;
其中,所述相似性检测设备还与所述CF存储设备连接,用于接收所述预设窗体外形图案,并获得预设窗体外形图案的第一方差和第二方差,获得方式如下:对预设窗体外形图案的上下两行之间进行行相似性检测,以获得多个行相似性数据,多个行相似性数据的总数为预设窗体外形图案的行数减1,对预设窗体外形图案的左右列之间进行列相似性检测,以获得多个列相似性数据,多个列相似性数据的总数为预设窗体外形图案的列数减1,计算多个行相似性数据的方差以获得第一方差,计算多个列相似性数据的方差以获得第二方差。
在所述窗体摆动程度识别方法中:
所述窗体部分中的参照物为窗体框架上沿、窗体框架下沿或窗体把手。
另外,所述主控设备为DSP芯片。DSP芯片的内部采用程序和数据分开的哈佛结构,具有专门的硬件乘法器,广泛采用流水线操作,提供特殊的DSP指令,可以用来快速的实现各种数字信号处理算法。
根据数字信号处理的要求,DSP芯片一般具有如下的一些主要特点:(1)在一个指令周期内可完成一次乘法和一次加法。(2)程序和数据空间分开,可以同时访问指令和数据。(3)片内具有快速RAM,通常可通过独立的数据总线在两块中同时访问。(4)具有低开销或无开销循环及跳转的硬件支持。(5)快速的中断处理和硬件I/O支持。(6)具有在单周期内操作的多个硬件地址产生器。(7)可以并行执行多个操作。(8)支持流水线操作,使取指、译码和执行等操作可以重叠执行。
根据DSP芯片工作的数据格式来分类的。数据以定点格式工作的DSP芯片称为定点DSP芯片,如TI公司的TMS320C1X/C2X、TMS320C2XX/C5X、TMS320C54X/C62XX系列,AD公司的ADSP21XX系列,AT&T公司的DSP16/16A,Motolora公司的MC56000等。以浮点格式工作的称为浮点DSP芯片,如TI公司的TMS320C3X/C4X/C8X,AD公司的ADSP21XXX系列,AT&T公司的DSP32/32C,Motolora公司的MC96002等。
不同浮点DSP芯片所采用的浮点格式不完全一样,有的DSP芯片采用自定义的浮点格式,如TMS320C3X,而有的DSP芯片则采用IEEE的标准浮点格式,如Motorola公司的MC96002、FUJITSU公司的MB86232和ZORAN公司的ZR35325等。
采用本发明的窗体摆动程度识别平台及方法,针对现有技术中缺乏窗体摆对程度检测方案的技术问题,通过对窗体进行高精度的图像采集和图像分析,以基于时间轴上的多帧图像分别对应的当前位置的变化程度确定窗体是否处于摆动状态,以相应发出摆动控制信号或静止控制信号,从而避免了因为窗体摆对程度过大带来的噪声影响和对窗体造成的损害。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (5)
1.一种窗体摆动程度识别平台,其特征在于,所述平台包括:
CCD采集设备,设置在被监护窗体的对面墙壁上,用于以预设时间间隔采集并输出多帧高清图像;
其中,所述CCD采集设备的清晰度为380TV线,最低照度为2.0Lux,视场角为140度;
其中,所述CCD采集设备还包括补光器,用于在当前光照不足时,为所述高清图像的数据采集提供补光操作。
2.如权利要求1所述的窗体摆动程度识别平台,其特征在于,还包括:
孤点去除设备,与所述CCD采集设备连接,用于接收所述高清图像,并对所述高清图像中的各个孤点进行检测,实现对所述高清图像中的各个孤点的去除操作,以获得并输出去除操作后的孤点清理图像。
3.如权利要求2所述的窗体摆动程度识别平台,其特征在于:
在所述孤点去除设备中,对所述高清图像中的各个孤点进行检测包括:基于所述高清图像中的各个像素点的像素值确定所述高清图像中的各个孤点,具体地,当所述高清图像中的像素点的像素值大于等于周围像素点的像素值的平均值的二倍或小于等于周围像素点的像素值的平均值的二分之一时,确定其为孤点。
4.如权利要求3所述的窗体摆动程度识别平台,其特征在于,还包括:
窗口选择设备,用于基于预设窗体外形图案,选择与预设窗体外形图案大小匹配的滑动窗口尺寸;
窗口搜索设备,与所述孤点去除设备连接,用于接收所述孤点清理图像,还用于与所述窗口选择设备连接,用于接收所述滑动窗口尺寸,以所述孤点清理图像的每一个像素点为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,其中,对于所述孤点清理图像边缘处的像素点或靠近所述孤点清理图像边缘处的像素点,以其为中心,获得与该像素点对应的采用所述滑动窗口尺寸的滑动窗口,滑动窗口的一部分在所述孤点清理图像外,滑动窗口的另一部分在所述孤点清理图像内,在所述孤点清理图像外的部分的各个像素点的像素值被设定为0;
相似性检测设备,与所述窗口搜索设备连接,用于接收所述孤点清理图像的每一个像素点对应的滑动窗口,对每一个滑动窗口的上下两行之间进行行相似性检测,以获得多个行相似性数据,多个行相似性数据的总数为对应滑动窗口的行数减1,对每一个滑动窗口的左右列之间进行列相似性检测,以获得多个列相似性数据,多个列相似性数据的总数为对应滑动窗口的列数减1,计算多个行相似性数据的方差以获得第一方差,计算多个列相似性数据的方差以获得第二方差;
主控设备,与所述相似性检测设备连接,在将每一个滑动窗口的第一方差与所述预设窗体外形图案的第一方差进行相减,获得的结果的绝对值小于等于预设数值时,且将每一个滑动窗口的第二方差与所述预设窗体外形图案的第二方差进行相减,获得的结果的绝对值小于等于预设数值时,将对应的滑动窗口作为窗体部分输出;
参照物定位设备,与所述主控设备连接,用于接收所述窗体部分,并确定所述窗体部分中的参照物的当前位置,基于时间轴上的多帧的高清图像分别对应的当前位置的变化程度确定窗体是否处于摆动状态,以相应发出摆动控制信号或静止控制信号;
声音报警设备,与所述参照物定位设备连接,用于在接收到所述摆动控制信号时,播放与所述摆动控制信号对应的语音报警文件;
CF存储设备,分别与所述窗口选择设备和所述主控设备连接,用于存储所述预设窗体外形图案和所述预设数值;
其中,所述相似性检测设备还与所述CF存储设备连接,用于接收所述预设窗体外形图案,并获得预设窗体外形图案的第一方差和第二方差,获得方式如下:对预设窗体外形图案的上下两行之间进行行相似性检测,以获得多个行相似性数据,多个行相似性数据的总数为预设窗体外形图案的行数减1,对预设窗体外形图案的左右列之间进行列相似性检测,以获得多个列相似性数据,多个列相似性数据的总数为预设窗体外形图案的列数减1,计算多个行相似性数据的方差以获得第一方差,计算多个列相似性数据的方差以获得第二方差。
5.如权利要求4所述的窗体摆动程度识别平台,其特征在于:
所述窗体部分中的参照物为窗体框架上沿、窗体框架下沿或窗体把手。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810092692.5A CN108235002A (zh) | 2018-01-31 | 2018-01-31 | 基于图像检测的摆动程度识别平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810092692.5A CN108235002A (zh) | 2018-01-31 | 2018-01-31 | 基于图像检测的摆动程度识别平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108235002A true CN108235002A (zh) | 2018-06-29 |
Family
ID=62669994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810092692.5A Withdrawn CN108235002A (zh) | 2018-01-31 | 2018-01-31 | 基于图像检测的摆动程度识别平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108235002A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034072A (zh) * | 2018-07-29 | 2018-12-18 | 张利军 | 演员体形计算机测量机构 |
CN109238225A (zh) * | 2018-09-03 | 2019-01-18 | 浙江大丰实业股份有限公司 | 移动式车台实时高度监护平台 |
-
2018
- 2018-01-31 CN CN201810092692.5A patent/CN108235002A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034072A (zh) * | 2018-07-29 | 2018-12-18 | 张利军 | 演员体形计算机测量机构 |
CN109238225A (zh) * | 2018-09-03 | 2019-01-18 | 浙江大丰实业股份有限公司 | 移动式车台实时高度监护平台 |
CN109238225B (zh) * | 2018-09-03 | 2021-02-05 | 浙江大丰实业股份有限公司 | 移动式车台实时高度监护平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527009B (zh) | 一种基于yolo目标检测的遗留物检测方法 | |
WO2022062812A1 (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
CN106251352B (zh) | 一种基于图像处理的罐盖缺陷检测方法 | |
CN103576660B (zh) | 智能家居监控方法 | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN110414559B (zh) | 智能零售柜商品目标检测统一框架的构建方法及商品识别方法 | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN109977877B (zh) | 一种安检智能辅助判图方法、系统以及系统控制方法 | |
CN108269269A (zh) | 目标跟踪方法和装置 | |
CN109977859A (zh) | 一种图标识别的方法以及相关装置 | |
CN106846362A (zh) | 一种目标检测跟踪方法和装置 | |
CN106682641A (zh) | 基于fhog‑lbph特征的图像行人识别方法 | |
CN107808126A (zh) | 车辆检索方法及装置 | |
CN107977639A (zh) | 一种人脸清晰度判断方法 | |
CN108235002A (zh) | 基于图像检测的摆动程度识别平台 | |
CN109712171B (zh) | 一种基于相关滤波器的目标跟踪系统及目标跟踪方法 | |
WO2023039781A1 (zh) | 一种遗留物检测方法、装置、电子设备及存储介质 | |
CN104615974B (zh) | 基于跟踪算法的连续支柱号牌图像识别方法 | |
CN104616006A (zh) | 一种面向监控视频的胡须人脸检测方法 | |
CN108540752A (zh) | 对视频监控中目标对象进行识别的方法、装置和系统 | |
CN111047624A (zh) | 图像弱小目标检测方法、装置、设备及存储介质 | |
CN111325133A (zh) | 一种基于人工智能识别的影像处理系统 | |
WO2023123924A1 (zh) | 目标识别方法、装置、电子设备及存储介质 | |
CN109086643B (zh) | 一种基于机器视觉的彩盒标签检测方法及系统 | |
CN109977714A (zh) | 一种仓储货物多qr码一体化视觉定位方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180629 |
|
WW01 | Invention patent application withdrawn after publication |