CN108509913B - 一种室内人数统计方法 - Google Patents
一种室内人数统计方法 Download PDFInfo
- Publication number
- CN108509913B CN108509913B CN201810286789.XA CN201810286789A CN108509913B CN 108509913 B CN108509913 B CN 108509913B CN 201810286789 A CN201810286789 A CN 201810286789A CN 108509913 B CN108509913 B CN 108509913B
- Authority
- CN
- China
- Prior art keywords
- image
- contour
- edge
- counting
- continuous
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种室内人数统计方法,包括:步骤一:获取图像;步骤二:对图像进行预处理;步骤三:对图像进行人头轮廓检测,统计出人数;所述步骤三包括:确定边缘点备选组和轮廓备选组;对图像进行遍历搜索,找到图像中所有的连续边缘轮廓,对搜索到的连续边缘轮廓组进行挑选,确定最终的边缘点备选组和轮廓备选组。本发明提供的室内人数统计方法,设计科学,统计过程耗时短,实时性效果好,对图像的处理效果好,人数识别和统计准确率高,误差小,统计结果准确,可以很好地满足实际应用的需要。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种室内人数统计方法。
背景技术
随着科技的进步,信息化管理水平日益提高,针对室内例如影院、会场、教室或电梯等建筑物内的人数统计资料成为公共区域管理的重要资料。目前对室内例如影院、会场、教室或电梯等建筑物内的人数进行统计的方法主要包括:
1)人工计数统计;人工计数统计方式的缺陷在于:统计人员的注意力不可能长时间的保持高度集中,极易在疲倦的时候漏计人数,很难保证统计的准确性,采用人工的方式统计室内人数所产生的人力成本太高,毫无疑问要比采用设备统计的成本要高出许多,而且设备属于一次性投入,而人力成本属于持续性投入;
2)基于图像处理方法来判断照片中的人数,例如申请号为201210263414.4名称为“一种基于视频图像处理的人数统计方法”的专利申请,公开了一种基于视频图像处理的人数统计方法,通过对视频图像进行图像处理来统计图像中的人数,但是跟现有技术的绝大多数基于图像处理的人数统计方法存在同样的缺陷就是算法设计不够科学,整个统计过程耗时长,实时性效果不佳,且该图像处理算法误差较大,对图像的处理效果不佳,导致统计结果不够准确;
3)通过门口感应设备来统计人数,方法是:在门口安装红外感应设备,对从红外感应区域经过的人体,切断或阻挡红外线使其产生脉冲来判断人数;利用门口感应方式来识别的缺陷:公共场所入口通常都有人进进出出,导致操作难度较大,给统计的准确性带来了很大的干扰,使统计数据不准,准确率较低,不能满足对建筑物内人数识别准确率更高的需求,给统计单位带来损失。
发明内容
针对上述现有技术中存在的问题,本发明的目的在于提供一种可避免出现上述技术缺陷的室内人数统计方法。
为了实现上述发明目的,本发明提供的技术方案如下:
一种室内人数统计方法,包括:
步骤一:获取图像;
步骤二:对图像进行预处理;
步骤三:对图像进行人头轮廓检测,统计出人数。
进一步地,所述对图像进行预处理的步骤包括:将获取的图像进行灰度化处理;对图像进行增强处理;对图像进行边缘检测处理;对图像进行二值化处理;对图像进行边缘细化处理。
进一步地,对图像进行增强处理的过程的公式为:
其中,f(x,y)代表输入图像,g(x,y)代表输出图像;v代表分数阶微分的阶次,σg代表全局标准差,Eg代表全局均值,σs代表局部标准差;k0、k1和k2均为小于1的正数(取值范围优选为0.01<k0<0.3,0.01<k1<0.9,0.1<k2<0.9);Es代表局部均值。
进一步地,对图像进行边缘检测处理的步骤具体为:利用Sobel算子对图像进行边缘检测处理,对人头部边缘进行提取处理,得到人头部边缘轮廓。
进一步地,所述步骤三包括:
步骤(1)确定边缘点备选组和轮廓备选组;对图像进行遍历搜索,找到图像中所有的连续边缘轮廓,对搜索到的连续边缘轮廓组进行挑选,确定最终的边缘点备选组和轮廓备选组;
步骤(2)找到轮廓备选组中的第i个轮廓上的第一个像素点,按照逆时针方向,将该轮廓对应的所有像素点按照编码顺序依次存入一个堆栈中;
步骤(3)按照设定的步长值,对所述堆栈中的像素点进行霍夫变换圆检测,然后,将累加器中的值记为Ei;
步骤(4)比较步骤(3)中的Ei与阈值Ti的大小;若Ei>Ti,则转到步骤(5);否则转到步骤(6);
步骤(5)保留半径值在人头正常半径值范围内的圆,删除半径值不在该范围内的圆;
步骤(6)若i<n,则i值自动加1,转步骤2;否则进入下一步。
步骤(7)输出保留下来的所有圆的个数,即为人头数。
进一步地,对搜索到的连续边缘轮廓点组的挑选包括初选和再选两个步骤;初选的步骤为:定义一个数组A[r],用于存储搜索到的连续边缘轮廓;定义一个数组B[p],用于存储对应的边缘点;从图像的左上角开始,按照由上而下、由左到右的顺序进行搜索,每搜索到一个封闭的单像素连续轮廓,便将该轮廓标号存入数组A[r]中,对该连续轮廓中的像素点按逆时针方向进行编码并统计总像素点数,将统计结果存入数组B[p]中,直至完成对整个图像的遍历为止;设定下限阈值Tmin,对数组B[p]进行初选,将数组数据过小的连续边缘轮廓清除掉;
再选的步骤为:在连续边缘轮廓上取互不重合的4个点J、K、I和Z,点J、K、I和Z四点的坐标值分别为(xJ,yJ),(xK,yK),(xI,yI),(xZ,yZ),构造函数:f(x,y)=(y-yK)(xI-xK)-(x-xK)(yI-yK),将点M和点Q的坐标值分别代入该式中,若f(xJ,yJ)·f(xZ,yZ)=0,则判定该连续轮廓不是圆形;对初选得到的所有连续轮廓进行判断,将确定为非圆形的图形排除掉,更新数组A[r]和对应的数组B[p],确定最终的边缘点备选组及对应的轮廓备选组;
经过初选和再选后的B[p]和A[r]分别作为边缘点备选组和轮廓备选组,边缘点备选组和轮廓备选组分别记为C[k]和D[n]。
进一步地,阈值为自适应阈值,自适应阈值Ti=Ni/kb,kb=30。
进一步地,所述步长值为自适应步长值,定义为di=Ni/ka,Ni代表连续轮廓所包含的像素点数,ka=6。
进一步地,所述人头正常半径值范围为8.0cm-10cm。
本发明提供的室内人数统计方法,设计科学,统计过程耗时短,实时性效果好,对图像的处理效果好,人数识别和统计准确率高,误差小,统计结果准确,可以很好地满足实际应用的需要。
附图说明
图1为本发明的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明做进一步说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
如图1所示,一种室内人数统计方法,包括以下步骤:
步骤1)获取图像;摄像机设置在室内人群的上方,例如可以设置在天花板上,利用摄像机拍摄室内人群的视频,然后选取拍摄效果较好的一帧图像;
步骤2)对获取的图像进行灰度化处理;
步骤3)对图像进行增强处理;采用改进的分数阶微分图像增强方法对图像进行增强处理,处理过程的公式优选为:
其中,f(x,y)代表输入图像,g(x,y)代表输出图像;v代表分数阶微分的阶次,σg代表全局标准差,Eg代表全局均值,σs代表局部标准差;k0、k1和k2均为小于1的正数(取值范围优选为0.01<k0<0.3,0.01<k1<0.9,0.1<k2<0.9);Es代表局部均值;该公式是一种改进的分数阶微分图像增强方法,灵活性好,既能够增强图像上亮度低但是细节较复杂的部分的对比度,又不会对图像上亮度高且细节较复杂的部分产生影响,图像增强效果好;
步骤4)利用Sobel算子对图像进行边缘检测处理,对人头部边缘进行提取处理,得到人头部边缘轮廓;
步骤5)对得到人头部边缘轮廓的图像进行二值化处理;
步骤6)对图像进行边缘细化处理;
步骤7)对图像进行人头轮廓检测,统计出人数。
步骤7)具体包括以下步骤:
步骤(1)确定边缘点备选组和轮廓备选组;对图像进行遍历搜索,找到图像中所有的连续边缘轮廓,对搜索到的连续边缘轮廓组进行挑选,确定最终的边缘点备选组和轮廓备选组;
对搜索到的连续边缘轮廓点组的挑选包括初选和再选两个步骤;初选的步骤为:定义一个数组A[r],用于存储搜索到的连续边缘轮廓;定义一个数组B[p],用于存储对应的边缘点;从图像的左上角开始,按照由上而下、由左到右的顺序进行搜索,每搜索到一个封闭的单像素连续轮廓,便将该轮廓标号存入数组A[r]中,对该连续轮廓中的像素点按逆时针方向进行编码并统计总像素点数,将统计结果存入数组B[p]中,直至完成对整个图像的遍历为止;设定下限阈值Tmin,对数组B[p]进行初选,将数组数据过小的连续边缘轮廓清除掉,这样做的有益效果是既能清除孤立的噪声点,同时又避免遗漏半径较小的圆。完成初选的步骤之后就得到了所有符合条件的连续边缘轮廓,包括矩形、圆形和三角形以及其它形状的图形。Tmin的值优选为6。
再选的步骤为:在连续边缘轮廓上取互不重合的4个点J、K、I和Z,点J、K、I和Z四点的坐标值分别为(xJ,yJ),(xK,yK),(xI,yI),(xZ,yZ),构造函数:f(x,y)=(y-yK)(xI-xK)-(x-xK)(yI-yK),将点M和点Q的坐标值分别代入该式中,若f(xJ,yJ)·f(xZ,yZ)=0,则判定该连续轮廓不是圆形;对初选得到的所有连续轮廓进行判断,将诸如三角形、矩形等这些明显被确定为非圆形的图形排除掉,然后更新数组A[r]和对应的数组B[p],确定最终的边缘点备选组及对应的轮廓备选组;
B[p]经过初选和再选后作为边缘点备选组,A[r]经过初选和再选后作为轮廓备选组,边缘点备选组和轮廓备选组分别记为C[k]和D[n]。
步骤(2)找到轮廓备选组D[n]中的第i个轮廓上的第一个像素点,按照逆时针方向,将该轮廓对应的所有像素点按照编码顺序依次存入一个堆栈中,i的初始值设为0,0≤i≤n,且i为整数,n代表轮廓备选组D[n]中的轮廓个数。
步骤(3)按照设定的步长值(步长值为自适应步长值或固定步长值),对所述堆栈中的像素点进行霍夫变换圆检测,然后,将累加器中的值记为Ei;计算得到对应的圆心坐标值和半径值。自适应步长值定义为di=Ni/ka,Ni代表连续轮廓所包含的像素点数,优选取参数ka=6。霍夫变换也写作Hough变换。
步骤(4)比较步骤(3)中的Ei与阈值Ti(阈值为自适应阈值或固定阈值)的大小;若Ei>Ti,则转到步骤(5);否则转到步骤(6)。若阈值为自适应阈值,则取自适应阈值Ti=Ni/kb,优选取kb=30。
步骤(5)保留半径值在8.0cm-10cm范围内的圆,删除半径值不在该范围内的圆。8.0cm-10cm为人头的正常半径值范围,也可以根据需要适当扩大或缩小该范围。
步骤(6)若i<n,则i值自动加1,转步骤2;否则进入下一步。
步骤(7)输出保留下来的所有圆的个数,即为人头数。
如下表所示为利用现有技术中常用的一种基于图像处理的人数统计方法和本发明的方法分别对摄像机拍摄的室内的四张照片进行人数统计的统计结果:
通过上表可以看出,与现有技术的统计结果相比,本发明的统计方法运算耗时短,误差小,统计结果更加准确。
本发明提供的室内人数统计方法,设计科学,统计过程耗时短,实时性效果好,对图像的处理效果好,人数识别和统计准确率高,误差小,统计结果准确,可以很好地满足实际应用的需要。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种室内人数统计方法,其特征在于,包括:
步骤一:获取图像;
步骤二:对图像进行预处理;
步骤三:对图像进行人头轮廓检测,统计出人数;
所述步骤三包括:
步骤(1)确定边缘点备选组和轮廓备选组;对图像进行遍历搜索,找到图像中所有的连续边缘轮廓,对搜索到的连续边缘轮廓组进行挑选,确定最终的边缘点备选组和轮廓备选组;
步骤(2)找到轮廓备选组中的第i个轮廓上的第一个像素点,按照逆时针方向,将该轮廓对应的所有像素点按照编码顺序依次存入一个堆栈中;
步骤(3)按照设定的步长值,对所述堆栈中的像素点进行霍夫变换圆检测,然后,将累加器中的值记为Ei;
步骤(4)比较步骤(3)中的Ei与阈值Ti的大小;若Ei>Ti,则转到步骤(5);否则转到步骤(6);
步骤(5)保留半径值在人头正常半径值范围内的圆,删除半径值不在该范围内的圆;
步骤(6)若i<n,则i值自动加1,转步骤2;否则进入下一步,n代表轮廓备选组中的轮廓个数;
步骤(7)输出保留下来的所有圆的个数,即为人头数;
对搜索到的连续边缘轮廓点组的挑选包括初选和再选两个步骤;初选的步骤为:定义一个数组A[r],用于存储搜索到的连续边缘轮廓;定义一个数组B[p],用于存储对应的边缘点;从图像的左上角开始,按照由上而下、由左到右的顺序进行搜索,每搜索到一个封闭的单像素连续轮廓,便将该轮廓标号存入数组A[r]中,对该连续轮廓中的像素点按逆时针方向进行编码并统计总像素点数,将统计结果存入数组B[p]中,直至完成对整个图像的遍历为止;设定下限阈值Tmin,对数组B[p]进行初选,将数组数据过小的连续边缘轮廓清除掉。
2.根据权利要求1所述的室内人数统计方法,其特征在于,所述对图像进行预处理的步骤包括:将获取的图像进行灰度化处理;对图像进行增强处理;对图像进行边缘检测处理;对图像进行二值化处理;对图像进行边缘细化处理。
4.根据权利要求1-2中任一项所述的室内人数统计方法,其特征在于,对图像进行边缘检测处理的步骤具体为:利用Sobel算子对图像进行边缘检测处理,对人头部边缘进行提取处理,得到人头部边缘轮廓。
5.根据权利要求1-2中任一项所述的室内人数统计方法,其特征在于,对搜索到的连续边缘轮廓点组的挑选包括初选和再选两个步骤;
再选的步骤为:在连续边缘轮廓上取互不重合的4个点J、K、I和Z,点J、K、I和Z四点的坐标值分别为(xJ,yJ),(xK,yK),(xI,yI),(xZ,yZ),构造函数:f(x,y)=(y-yK)(xI-xK)-(x-xK)(yI-yK),将点M和点Q的坐标值分别代入该式中,若f(xJ,yJ)·f(xZ,yZ)=0,则判定该连续轮廓不是圆形;对初选得到的所有连续轮廓进行判断,将确定为非圆形的图形排除掉,更新数组A[r]和对应的数组B[p],确定最终的边缘点备选组及对应的轮廓备选组;
经过初选和再选后的B[p]和A[r]分别作为边缘点备选组和轮廓备选组,边缘点备选组和轮廓备选组分别记为C[k]和D[n]。
6.根据权利要求1-2中任一项所述的室内人数统计方法,其特征在于,阈值Ti为自适应阈值,自适应阈值Ti=Ni/kb,kb=30,Ni代表连续轮廓所包含的像素点数。
7.根据权利要求1-2中任一项所述的室内人数统计方法,其特征在于,所述步长值为自适应步长值,定义为di=Ni/ka,Ni代表连续轮廓所包含的像素点数,ka=6。
8.根据权利要求1-2中任一项所述的室内人数统计方法,其特征在于,所述人头正常半径值范围为8.0cm-10cm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810286789.XA CN108509913B (zh) | 2018-03-30 | 2018-03-30 | 一种室内人数统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810286789.XA CN108509913B (zh) | 2018-03-30 | 2018-03-30 | 一种室内人数统计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108509913A CN108509913A (zh) | 2018-09-07 |
CN108509913B true CN108509913B (zh) | 2021-03-02 |
Family
ID=63379764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810286789.XA Active CN108509913B (zh) | 2018-03-30 | 2018-03-30 | 一种室内人数统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108509913B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836619A (zh) * | 2021-01-28 | 2021-05-25 | 合肥英睿系统技术有限公司 | 嵌入式车载远红外行人检测方法、系统、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831472A (zh) * | 2012-08-03 | 2012-12-19 | 无锡慧眼电子科技有限公司 | 一种基于视频流图像处理的人数统计方法 |
CN104794790A (zh) * | 2015-04-23 | 2015-07-22 | 南京信息工程大学 | 一种景区游客统计与疏导方法 |
CN106022458A (zh) * | 2016-05-13 | 2016-10-12 | 中国人民解放军国防科学技术大学 | 面向校车安全的人数快速统计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6608130B2 (ja) * | 2014-11-06 | 2019-11-20 | キヤノン株式会社 | 計測装置、リソグラフィ装置、及び物品の製造方法 |
WO2017223530A1 (en) * | 2016-06-23 | 2017-12-28 | LoomAi, Inc. | Systems and methods for generating computer ready animation models of a human head from captured data images |
-
2018
- 2018-03-30 CN CN201810286789.XA patent/CN108509913B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831472A (zh) * | 2012-08-03 | 2012-12-19 | 无锡慧眼电子科技有限公司 | 一种基于视频流图像处理的人数统计方法 |
CN104794790A (zh) * | 2015-04-23 | 2015-07-22 | 南京信息工程大学 | 一种景区游客统计与疏导方法 |
CN106022458A (zh) * | 2016-05-13 | 2016-10-12 | 中国人民解放军国防科学技术大学 | 面向校车安全的人数快速统计方法 |
Non-Patent Citations (1)
Title |
---|
分数阶微分在图像增强中的应用研究;吴瑞芳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131215;论文第18-19页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108509913A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688987B (zh) | 一种行人位置检测与跟踪方法及系统 | |
US11263434B2 (en) | Fast side-face interference resistant face detection method | |
CN109819208B (zh) | 一种基于人工智能动态监控的密集人群安防监控管理方法 | |
JP6719457B2 (ja) | 画像の主要被写体を抽出する方法とシステム | |
CN111611643B (zh) | 户型矢量化数据获得方法、装置、电子设备及存储介质 | |
CN103093212B (zh) | 基于人脸检测和跟踪截取人脸图像的方法和装置 | |
US8737740B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
US20100278426A1 (en) | Systems and methods for rule-based segmentation for objects with full or partial frontal view in color images | |
CN109767422A (zh) | 基于深度学习的管道检测识别方法、存储介质及机器人 | |
Burić et al. | Adapting YOLO network for ball and player detection | |
CN104036278A (zh) | 人脸算法标准脸部图像的提取方法 | |
CN102609724B (zh) | 一种基于双摄像头的周围环境信息提示方法 | |
CN108830152B (zh) | 深度学习网络和人工特征相联合的行人检测方法及系统 | |
CN108615229B (zh) | 基于曲率点聚类及决策树的碰撞检测优化方法 | |
CN112836625A (zh) | 人脸活体检测方法、装置、电子设备 | |
CN115908774B (zh) | 一种基于机器视觉的变形物资的品质检测方法和装置 | |
Surkutlawar et al. | Shadow suppression using rgb and hsv color space in moving object detection | |
CN113837065A (zh) | 一种图像处理方法和装置 | |
CN108509913B (zh) | 一种室内人数统计方法 | |
CN112926392B (zh) | 一种基于轮廓筛选的建筑平面图纸房间识别方法 | |
CN105631405A (zh) | 基于多级分块的交通视频智能识别背景建模方法 | |
CN111709305A (zh) | 一种基于局部图像块的人脸年龄识别方法 | |
CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
CN109344758B (zh) | 基于改进局部二值模式的人脸识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |