CN108427936B - 视角场景图像处理方法 - Google Patents
视角场景图像处理方法 Download PDFInfo
- Publication number
- CN108427936B CN108427936B CN201810267907.2A CN201810267907A CN108427936B CN 108427936 B CN108427936 B CN 108427936B CN 201810267907 A CN201810267907 A CN 201810267907A CN 108427936 B CN108427936 B CN 108427936B
- Authority
- CN
- China
- Prior art keywords
- pixel
- visual angle
- equipment
- image
- scene image
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 73
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000005206 flow analysis Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000005388 borosilicate glass Substances 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 229910052754 neon Inorganic materials 0.000 description 1
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005298 paramagnetic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000002887 superconductor Substances 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
- G09G5/10—Intensity circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Multimedia (AREA)
- Control Of Indicators Other Than Cathode Ray Tubes (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种视角场景图像处理方法，所述方法包括使用视角场景图像处理平台以控制显示驱动设备使得其在旋转云台当前旋转到车辆流量最小的两个方向时不进行显示数据的驱动。通过本发明，能够有效降低巨型显示屏的显示能耗。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种视角场景图像处理方法。
背景技术
图像处理有以下几种常见方法：1)图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。2)图像编码压缩：图像编码压缩技术可减少描述图像的数据量(即比特数)，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。3)图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。
发明内容
本发明提供了一种视角场景图像处理方法，为了减少巨型显示屏的显示时间，降低巨型显示屏的显示能耗，采用有针对性的图像识别机制对巨型显示屏周围场景的各个方向的车辆流量进行检测，并使得巨型显示屏在车辆流量最小的两个方向不进行显示动作。
更具体地，本发明至少具备以下四处重要的发明点：
(1)借用图像越亮，锐化空间越大的特征，建立了基于图像亮度等级的自定义锐化模式，提高了图像的锐化效果；
(2)基于图像中每一个像素点的R分量值、G分量值和B分量值的冗余度的分析和判断，确定目标所在区域的各个组成像素点，从而保证了后续目标检测的精度；
(3)建立了基于巨型显示屏周围场景的各个方向的车辆流量检测机制，使得巨型显示屏在车辆流量最小的两个方向不进行显示动作，从而降低了巨型显示屏的显示能耗；
(4)建立了基于周围亮度的背景光驱动机制，进一步降低了巨型显示屏的显示能耗。
根据本发明的一方面，提供了一种视角场景图像处理方法，所述方法包括使用视角场景图像处理平台以控制显示驱动设备使得其在旋转云台当前旋转到车辆流量最小的两个方向时不进行显示数据的驱动，所述视角场景图像处理平台包括：
旋转云台，设置在巨型显示屏下，用于带动场景拍摄设备和巨型显示屏进行同步旋转；
静态存储设备，用于保存亮度强度索引表，所述亮度强度索引表保存了以不同亮度等级为索引对应的不同锐化强度，其中，亮度等级越大，以亮度等级为索引对应的锐化强度越强；
场景拍摄设备，用于对所述巨型显示屏周围的场景进行旋转式拍摄，以获得每一个视角区域内的图像以作为视角场景图像，并输出多个视角场景图像；
亮度分析设备，与所述场景拍摄设备连接，用于接收每一个视角场景图像，基于每一个视角场景图像的各个像素点的各个像素值确定每一个视角场景图像的整体亮度等级，并输出每一个视角场景图像对应的整体亮度等级；
自定义锐化设备，分别与所述静态存储设备和所述亮度分析设备连接，用于在所述亮度强度索引表中查找与每一个视角场景图像对应的整体亮度等级对应的锐化强度以作为每一个视角场景图像对应的当前锐化强度，并基于每一个视角场景图像对应的当前锐化强度执行对每一个视角场景图像对应的锐化处理，以获得并输出每一个自定义锐化图像；
像素值获取设备，与所述自定义锐化设备连接，用于获得每一个自定义锐化图像中每一个像素点的R分量值、G分量值和B分量值；
冗余度计算设备，与所述像素值获取设备连接，对每一个自定义锐化图像执行以下处理：接收各个像素点的R分量值、G分量值和B分量值，对每一个像素点的R分量值进行冗余度判断以确定该像素点是否为R分量冗余像素点，对每一个像素点的G分量值进行冗余度判断以确定该像素点是否为G分量冗余像素点，对每一个像素点的B分量值进行冗余度判断以确定该像素点是否为B分量冗余像素点，当像素点属于R分量冗余像素点、G分量冗余像素点和B分量冗余像素点中的任意二种类型时，判断该像素点为待处理像素点，将所述自定义锐化图像中的所有待处理像素点所形成的图案先后进行图像腐蚀处理以及图像膨胀处理，以获得待识别图案；
车流分析设备，对每一个待识别图案进行车辆目标识别，以获得多个车辆子图像，计算所述多个车辆子图像的数目以作为所述待识别图案对应的视角场景图像对应的视角车辆数目输出。
具体实施方式
下面将对本发明的视角场景图像处理平台的实施方案进行详细说明。
户外广告是在建筑物外表或街道、广场等室外公共场所设立的霓虹灯、广告牌、海报等。户外广告是面向所有的公众，所以比较难以选择具体目标对象，但是户外广告可以在固定的地点长时期地展示企业的形象及品牌，因而对于提高企业和品牌的知名度是很有效的。
户外广告制作是在九十年代末期产生，近两年发展起来的。如今，众多的广告公司越来越关注户外广告的创意、设计效果的实现。各行各业热切希望迅速提升企业形象，传播商业信息，各级政府也希望通过户外广告树立城市形象，美化城市。这些都给户外广告制作提供了巨大的市场机会，也因此提出了更高的要求。
在科学技术迅猛发展的现代社会，户外广告也引用了不少新材料、新技术、新设备，并成为美化城市的一种艺术品，是城市经济发达程度的标志之一。顶尖的广告创意、绝佳的地理位置、超大的广告尺寸被奉为经典户外广告的制胜关键。
当前，为了尽可能抓住经过路人的眼球，广告所用的显示屏越来越大，巨型显示屏层出不穷，然而，如果巨型显示屏在车辆流量最小的方向仍进行显示动作，则在未获取有效广告效果的同时，还提升了巨型显示屏的显示能耗。
为了克服上述不足，本发明搭建了一种视角场景图像处理方法，所述方法包括使用视角场景图像处理平台以控制显示驱动设备使得其在旋转云台当前旋转到车辆流量最小的两个方向时不进行显示数据的驱动，所述视角场景图像处理平台能够大幅度降低巨型显示屏的不必要的能耗。
根据本发明实施方案示出的视角场景图像处理平台包括：
旋转云台，设置在巨型显示屏下，用于带动场景拍摄设备和巨型显示屏进行同步旋转；
静态存储设备，用于保存亮度强度索引表，所述亮度强度索引表保存了以不同亮度等级为索引对应的不同锐化强度，其中，亮度等级越大，以亮度等级为索引对应的锐化强度越强；
场景拍摄设备，用于对所述巨型显示屏周围的场景进行旋转式拍摄，以获得每一个视角区域内的图像以作为视角场景图像，并输出多个视角场景图像；
亮度分析设备，与所述场景拍摄设备连接，用于接收每一个视角场景图像，基于每一个视角场景图像的各个像素点的各个像素值确定每一个视角场景图像的整体亮度等级，并输出每一个视角场景图像对应的整体亮度等级；
自定义锐化设备，分别与所述静态存储设备和所述亮度分析设备连接，用于在所述亮度强度索引表中查找与每一个视角场景图像对应的整体亮度等级对应的锐化强度以作为每一个视角场景图像对应的当前锐化强度，并基于每一个视角场景图像对应的当前锐化强度执行对每一个视角场景图像对应的锐化处理，以获得并输出每一个自定义锐化图像；
像素值获取设备，与所述自定义锐化设备连接，用于获得每一个自定义锐化图像中每一个像素点的R分量值、G分量值和B分量值；
冗余度计算设备，与所述像素值获取设备连接，对每一个自定义锐化图像执行以下处理：接收各个像素点的R分量值、G分量值和B分量值，对每一个像素点的R分量值进行冗余度判断以确定该像素点是否为R分量冗余像素点，对每一个像素点的G分量值进行冗余度判断以确定该像素点是否为G分量冗余像素点，对每一个像素点的B分量值进行冗余度判断以确定该像素点是否为B分量冗余像素点，当像素点属于R分量冗余像素点、G分量冗余像素点和B分量冗余像素点中的任意二种类型时，判断该像素点为待处理像素点，将所述自定义锐化图像中的所有待处理像素点所形成的图案先后进行图像腐蚀处理以及图像膨胀处理，以获得待识别图案；
车流分析设备，对每一个待识别图案进行车辆目标识别，以获得多个车辆子图像，计算所述多个车辆子图像的数目以作为所述待识别图案对应的视角场景图像对应的视角车辆数目输出；
数据统计设备，与所述车流分析设备连接，用于接收各个视角场景图像分别对应的各个视角车辆数目，对各个视角车辆数目进行大小排序，将最小数值的两个视角车辆数目分别对应的两个视角作为两个目标视角输出；
显示驱动设备，分别与所述旋转云台和所述数据统计设备连接，用于接收所述两个目标视角，并在所述旋转云台当前旋转到所述两个目标视角中的任何一个时，停止驱动显示数据，以及在所述旋转云台当前旋转到所述两个目标视角之外的其他视角时，恢复驱动显示数据。
接着，继续对本发明的视角场景图像处理平台的具体结构进行进一步的说明。
所述视角场景图像处理平台中还可以包括：
巨型显示屏，与所述显示驱动设备连接，用于接收所述显示驱动设备驱动的显示数据，并实时显示所述显示驱动设备驱动的显示数据。
所述视角场景图像处理平台中还可以包括：
亮度测量设备，设置在所述巨型显示屏的附近，用于对所述巨型显示屏周围的场景亮度进行测量，以获得并输出实时场景亮度。
在所述视角场景图像处理平台中：
在所述冗余度计算设备中，对每一个像素点的R分量值进行冗余度判断以确定该像素点是否为R分量冗余像素点包括：确定以该像素点为中心的预设形状的像素点区域，基于所述像素点区域内所有像素点的R分量值确定该像素点是否为R分量冗余像素点。
在所述视角场景图像处理平台中：
在所述冗余度计算设备中，对每一个像素点的G分量值进行冗余度判断以确定该像素点是否为G分量冗余像素点包括：确定以该像素点为中心的预设形状的像素点区域，基于所述像素点区域内所有像素点的G分量值确定该像素点是否为G分量冗余像素点。
在所述视角场景图像处理平台中：
在所述冗余度计算设备中，对每一个像素点的B分量值进行冗余度判断以确定该像素点是否为B分量冗余像素点包括：确定以该像素点为中心的预设形状的像素点区域，基于所述像素点区域内所有像素点的B分量值确定该像素点是否为B分量冗余像素点。
以及在所述视角场景图像处理平台中：
所述显示驱动设备还与所述亮度测量设备连接，用于接收所述实时场景亮度，并基于所述实时场景亮度确定对应的背景光，以对所述巨型显示屏进行相应的背景光驱动控制。
另外，所述平台包括接触式温度传感器，用于实时检测巨型显示屏的当前温度，并在当前温度超限时，发出温度报警信号。
其中，所述接触式温度传感器的检测部分与被测对象有良好的接触，又称温度计。温度计通过传导或对流达到热平衡，从而使温度计的示值能直接表示被测对象的温度，一般测量精度较高，在一定的测温范围内，温度计也可测量物体内部的温度分布。但对于运动体、小目标或热容量很小的对象则会产生较大的测量误差。常用的温度计有双金属温度计、玻璃液体温度计、压力式温度计、电阻温度计、热敏电阻和温差电偶等。他们广泛应用于工业、农业、商业等部门。在日常生活中人们也常常使用这些温度计。随着低温技术在国防工程、空间技术、冶金、电子、食品、医药和石油化工等部门的广泛应用和超导技术的研究，测量120K以下温度的低温温度计得到了发展，如低温气体温度计、蒸汽压温度计、声学温度计、顺磁盐温度计、量子温度计、低温热电阻和低温温差电偶等。低温温度计要求感温元件体积小、准确度高、复现性和稳定性好。利用多孔高硅氧玻璃渗碳烧结而成的渗碳玻璃热电阻就是低温温度计的一种感温元件，可用于测量1.6～300K范围内的温度。
采用本发明的视角场景图像处理平台，针对现有技术中巨型显示屏消耗能量过多的技术问题，建立了基于巨型显示屏周围场景的各个方向的车辆流量检测机制，使得巨型显示屏在车辆流量最小的两个方向不进行显示动作，从而降低了巨型显示屏的显示能耗，更重要的是，在进行车辆流量检测时，采用了以下有针对性的技术：借用图像越亮，锐化空间越大的特征，建立了基于图像亮度等级的自定义锐化模式，提高了图像的锐化效果；基于图像中每一个像素点的R分量值、G分量值和B分量值的冗余度的分析和判断，确定目标所在区域的各个组成像素点，从而保证了后续目标检测的精度；从而提高了车辆流量检测的准确性。
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 (4)
1.一种视角场景图像处理方法，所述方法包括使用视角场景图像处理平台以控制显示驱动设备使得其在旋转云台当前旋转到车辆流量最小的两个方向时不进行显示数据的驱动，所述视角场景图像处理平台包括：
旋转云台，设置在巨型显示屏下，用于带动场景拍摄设备和巨型显示屏进行同步旋转；
静态存储设备，用于保存亮度强度索引表，所述亮度强度索引表保存了以不同亮度等级为索引对应的不同锐化强度，其中，亮度等级越大，以亮度等级为索引对应的锐化强度越强；
场景拍摄设备，用于对所述巨型显示屏周围的场景进行旋转式拍摄，以获得每一个视角区域内的图像以作为视角场景图像，并输出多个视角场景图像；
亮度分析设备，与所述场景拍摄设备连接，用于接收每一个视角场景图像，基于每一个视角场景图像的各个像素点的各个像素值确定每一个视角场景图像的整体亮度等级，并输出每一个视角场景图像对应的整体亮度等级；
自定义锐化设备，分别与所述静态存储设备和所述亮度分析设备连接，用于在所述亮度强度索引表中查找与每一个视角场景图像对应的整体亮度等级对应的锐化强度以作为每一个视角场景图像对应的当前锐化强度，并基于每一个视角场景图像对应的当前锐化强度执行对每一个视角场景图像对应的锐化处理，以获得并输出每一个自定义锐化图像；
像素值获取设备，与所述自定义锐化设备连接，用于获得每一个自定义锐化图像中每一个像素点的R分量值、G分量值和B分量值；
冗余度计算设备，与所述像素值获取设备连接，对每一个自定义锐化图像执行以下处理：接收各个像素点的R分量值、G分量值和B分量值，对每一个像素点的R分量值进行冗余度判断以确定该像素点是否为R分量冗余像素点，对每一个像素点的G分量值进行冗余度判断以确定该像素点是否为G分量冗余像素点，对每一个像素点的B分量值进行冗余度判断以确定该像素点是否为B分量冗余像素点，当像素点属于R分量冗余像素点、G分量冗余像素点和B分量冗余像素点中的任意二种类型时，判断该像素点为待处理像素点，将所述自定义锐化图像中的所有待处理像素点所形成的图案先后进行图像腐蚀处理以及图像膨胀处理，以获得待识别图案；
车流分析设备，对每一个待识别图案进行车辆目标识别，以获得多个车辆子图像，计算所述多个车辆子图像的数目以作为所述待识别图案对应的视角场景图像对应的视角车辆数目输出；
数据统计设备，与所述车流分析设备连接，用于接收各个视角场景图像分别对应的各个视角车辆数目，对各个视角车辆数目进行大小排序，将最小数值的两个视角车辆数目分别对应的两个视角作为两个目标视角输出；
显示驱动设备，分别与所述旋转云台和所述数据统计设备连接，用于接收所述两个目标视角，并在所述旋转云台当前旋转到所述两个目标视角中的任何一个时，停止驱动显示数据，以及在所述旋转云台当前旋转到所述两个目标视角之外的其他视角时，恢复驱动显示数据。
2.如权利要求1所述的方法，其特征在于，所述平台还包括：
巨型显示屏，与所述显示驱动设备连接，用于接收所述显示驱动设备驱动的显示数据，并实时显示所述显示驱动设备驱动的显示数据。
3.如权利要求2所述的方法，其特征在于，所述平台还包括：
亮度测量设备，设置在所述巨型显示屏的附近，用于对所述巨型显示屏周围的场景亮度进行测量，以获得并输出实时场景亮度。
4.如权利要求3所述的方法，其特征在于：
在所述冗余度计算设备中，对每一个像素点的R分量值进行冗余度判断以确定该像素点是否为R分量冗余像素点包括：确定以该像素点为中心的预设形状的像素点区域，基于所述像素点区域内所有像素点的R分量值确定该像素点是否为R分量冗余像素点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810267907.2A CN108427936B (zh) | 2018-03-29 | 2018-03-29 | 视角场景图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810267907.2A CN108427936B (zh) | 2018-03-29 | 2018-03-29 | 视角场景图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108427936A CN108427936A (zh) | 2018-08-21 |
| CN108427936B true CN108427936B (zh) | 2019-01-04 |
Family
ID=63159956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810267907.2A Active CN108427936B (zh) | 2018-03-29 | 2018-03-29 | 视角场景图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108427936B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201407567A (zh) * | 2012-08-09 | 2014-02-16 | Hon Hai Prec Ind Co Ltd | 展示板調整系統、方法及具有該調整系統的廣告板 |
| CN104581068A (zh) * | 2014-12-31 | 2015-04-29 | 广东光阵光电科技有限公司 | 一种大型户外广告牌监控摄像通信方法及其通信系统 |
| CN106170072B (zh) * | 2016-07-18 | 2022-06-10 | 中国科学院地理科学与资源研究所 | 视频采集系统及其采集方法 |
| CN207068430U (zh) * | 2017-06-08 | 2018-03-02 | 杨程 | 一种街头智能广告投影装置 |
-
2018
- 2018-03-29 CN CN201810267907.2A patent/CN108427936B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108427936A (zh) | 2018-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Peng et al. | A new approach for urban-rural fringe identification: Integrating impervious surface area and spatial continuous wavelet transform | |
| CN108804997A (zh) | 视角场景图像处理平台 | |
| CN101976444B (zh) | 一种基于像素类型的结构类似性图像质量客观评价方法 | |
| CN103529492B (zh) | 基于多普勒雷达反射率图像的风暴体位置及形态预测方法 | |
| Verbeeck et al. | A multi-wavelength analysis of active regions and sunspots by comparison of automatic detection algorithms | |
| Yi et al. | Novel method for rail wear inspection based on the sparse iterative closest point method | |
| Yang et al. | Using lightweight convolutional neural network to track vibration displacement in rotating body video | |
| Chen et al. | Quantify pixel-level detection of dam surface crack using deep learning | |
| CN207150638U (zh) | 一种基于传感器网络的农产品质量溯源系统 | |
| CN110503634B (zh) | 基于图像自动识别的能见度测量方法 | |
| Xie et al. | Detection algorithm for bearing roller end surface defects based on improved YOLOv5n and image fusion | |
| CN108427936B (zh) | 视角场景图像处理方法 | |
| Guo et al. | Strengthening of surface urban heat island effect driven primarily by urban size under rapid urbanization: national evidence from China | |
| Liu et al. | YOLO-IMF: an improved YOLOv8 algorithm for surface defect detection in industrial manufacturing field | |
| Zhao et al. | Quantifying morphology evolutions of urban heat islands and assessing their heat exposure in a metropolis | |
| Huo et al. | Reading recognition of pointer meters based on an improved UNet++ network | |
| CN111639672A (zh) | 一种基于多数投票的深度学习城市功能区分类方法 | |
| He | Intelligent video surveillance technology in intelligent transportation | |
| Zhang et al. | A YOLOv3‐Based Industrial Instrument Classification and Reading Recognition Method | |
| Arakane et al. | Tropical cyclone footprints in long-term mean state and multiscale climate variability in the western North Pacific as seen in the JRA-55 reanalysis | |
| Yi et al. | Tire body defect detection: From the perspective of industrial applications | |
| JP7060107B2 (ja) | 環境類似度表示装置、環境類似度表示方法および環境類似度表示アルゴリズム | |
| CN109919120B (zh) | 一种基于近红外光谱成像的火焰检测方法 | |
| Shi et al. | Spatiotemporal variations in the urban heat islands across the coastal cities in the Yangtze River Delta, China | |
| Bai et al. | A Depth Camera‐Based Intelligent Method for Identifying and Quantifying Pavement Diseases |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20181116 Address after: 237000 room 105, building 12, Singapore Yuyuan, Lu'an economic and Technological Development Zone, Anhui Applicant after: Lu'an glory innovation Intelligent Technology Co., Ltd. Address before: 224000 No. 8 Hope Road Middle Road, Ting Hu District, Yancheng City, Jiangsu Applicant before: Li Jinping |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |