CN108877009B - 一种基于人脸识别的智能门禁系统 - Google Patents

一种基于人脸识别的智能门禁系统 Download PDF

Info

Publication number
CN108877009B
CN108877009B CN201810726819.4A CN201810726819A CN108877009B CN 108877009 B CN108877009 B CN 108877009B CN 201810726819 A CN201810726819 A CN 201810726819A CN 108877009 B CN108877009 B CN 108877009B
Authority
CN
China
Prior art keywords
face image
value
face
image
pixel point
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
Application number
CN201810726819.4A
Other languages
English (en)
Other versions
CN108877009A (zh
Inventor
邱林新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCI China Co Ltd
Original Assignee
CCI China Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CCI China Co Ltd filed Critical CCI China Co Ltd
Priority to CN201810726819.4A priority Critical patent/CN108877009B/zh
Publication of CN108877009A publication Critical patent/CN108877009A/zh
Application granted granted Critical
Publication of CN108877009B publication Critical patent/CN108877009B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于人脸识别的智能门禁系统，包括数据库、人脸采集装置、处理器、控制器、电磁锁和报警器；数据库，用于存储有门禁权限的用户人脸图像的特征向量；人脸采集装置，用于采集开门人的人脸图像，并将采集的人脸图像发送至处理器；处理器，用于对采集的人脸图像进行处理，并把相应的结果发送至控制器；控制器，用于根据处理结果，向电磁锁和报警器发出相应的控制指令。本发明利用人脸识别方式对开门人的身份进行识别，保证了门禁系统认证的准确率和唯一性，从而提高了门限系统的安全性、可靠性和防伪性。

Description

一种基于人脸识别的智能门禁系统
技术领域
本发明涉及安防系统技术领域，具体涉及一种基于人脸识别的智能门禁系统。
背景技术
随着当今社会科技的不断进步，人们正感受着高科技带来的方便和益处，同时，人们对于高科技服务与生活的要求也越来越高。但是随着科技的发展，也带来了许多不安全的方面，例如，运用高科技手段进行盗窃、抢劫和间谍等犯罪行为与日俱增。
怎样才能使人们的安全防范措施跟得上科技的发展，并且更有效的阻止这些犯罪行为的侵犯行为成为人们亟待解决的问题。仅仅依靠普通的门锁、防盗门或者固定的存储介质已经不能满足人们对安全性能的要求。
发明内容
针对上述问题，本发明提供一种基于人脸识别的智能门禁系统。
本发明的目的采用以下技术方案来实现：一种基于人脸识别的智能门禁系统，该智能门禁系统包括：数据库、人脸采集装置、处理器、控制器、电磁锁和报警器；数据库，用于存储有门禁权限的用户人脸图像的特征向量；人脸采集装置，用于采集开门人的人脸图像，并将采集的人脸图像发送至处理器；处理器，用于对采集的人脸图像进行处理，并把相应的结果发送至控制器；控制器，用于根据处理结果，向电磁锁和报警器发出相应的控制指令，若处理结果显示开门人具有门禁权限，控制器控制电磁锁开启，若处理结果显示开门人不具有门禁权限，控制器向报警器发出报警指令，报警器进行报警。
有益效果：本发明利用人脸识别方式对开门人的身份进行识别，保证了门禁系统认证的准确率和唯一性，从而提高了门限系统的安全性、可靠性和防伪性。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图；
图2是本发明处理器的框架结构图。
附图标记：数据库1；人脸采集装置2；处理器3；控制器4；电磁锁5；报警器6；预处理模块31；图像分割模块32；特征提取模块33；识别模块34；第一处理单元311；第二处理单元312。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，一种基于人脸识别的智能门禁系统，该智能门禁系统包括：数据库1、人脸采集装置2、处理器3、控制器4、电磁锁5和报警器6；数据库1，用于存储有门禁权限的用户人脸图像的特征向量；人脸采集装置2，用于采集开门人的人脸图像，并将采集的人脸图像发送至处理器；处理器3，用于对采集的人脸图像进行处理，并把相应的结果发送至控制器4；控制器4，用于根据处理结果，向电磁锁5和报警器6发出相应的控制指令，若处理结果显示开门人具有门禁权限，控制器4控制电磁锁5开启，若处理结果显示开门人不具有门禁权限，控制器4向报警器6发出报警指令，报警器6进行报警。
有益效果：本发明利用人脸识别方式对开门人的身份进行识别，保证了门禁系统认证的准确率和唯一性，从而提高了门禁系统的安全性、可靠性和防伪性。
优选地，人脸采集装置2是CCD摄像机。
优选地，控制器4为单片机。
优选的，处理器3包括预处理模块31、图像分割模块32、特征提取模块33和识别模块34；预处理模块31，用于对采集的人脸图像进行预处理，并将经预处理后的人脸图像传输至图像分割模块；图像分割模块32，用于对预处理后的人脸图像进行分割处理，得到能够描述开门人身份信息的前景图像；特征提取模块33，用于从前景图像中提取能够描述开门人身份信息的特征向量；识别模块34，用于将得到的特征向量与数据库中预存的具有开门权限的人脸图像的特征向量进行比对，判断开门人是否具有开门权限。
优选地，预处理模块31包括第一处理单元311和第二处理单元312；第一处理单元311，用于对采集的人脸图像进行增强处理；第二处理单元312，用于去除增强后的人脸图像中的随机噪声。
优选地，对采集的人脸图像进行增强处理，具体为：
(1)获取人脸图像内每个像素点的原始RGB分量集合，所述RGB分量集合包括R分量、G分量和B分量；
(2)基于每个像素点的原始RGB分量集合，获取经增强后的RGB分量集合，其中像素点(i，j)经增强后的RGB分量集合的计算公式为：
Figure BDA0001719972720000021
Figure BDA0001719972720000031
Figure BDA0001719972720000032
式中，Fr′(i,j)、Fg′(i,j)和Fb′(i,j)分别是经增强后的像素点(i,j)的R分量的值、G分量的值和B分量的值，Fr(i,j)、Fg(i,j)和Fb(i,j)是人脸图像中像素点(i,j)的R分量的值、G分量的值和B分量的值，Frmin是人脸图像中所有像素点R分量的最小值，Fgmin是人脸图像中所有像素点G分量的最小值，Fbmin是人脸图像中所有像素点B分量的最小值，Frmax是人脸图像中所有像素点R分量的最大值，Fgmax是人脸图像中所有像素点G分量的最大值，Fbmax是人脸图像中所有像素点B分量的最大值，γ是增强系数，
Figure BDA0001719972720000033
是Frmin、Fgmin、Fbmin三者之和的平均值；
Figure BDA0001719972720000034
是Frmax、Fgmax、Fbmax三者之和的平均值，int[·]是取整运算，i、j分别为人脸图像中像素点的横坐标和纵坐标；
(3)对所述人脸图像中所有像素点进行增强处理，即可得到增强后的人脸图像。
有益效果：本实施例中，利用上式对人脸图像中每个像素点的三个通道分量进行增强处理，使得增强后的人脸图像中的阴暗区域的颜色亮度得到了明显的加强，增强了人脸图像的清晰度，能够有效地降低环境、天气、物体遮挡等干扰因素带来的影响，提高了后续对交通标志识别的速度和准确率。
在一个实施例中，去除增强后的人脸图像的随机噪声，包括：
(1)将增强后的人脸图像进行灰度化处理，得到人脸灰度化图像；
(2)以像素点p(m,n)为中心，选取一个大小为E×E的滑动窗口Φp，根据所述滑动窗口内所有像素点的灰度值以及人脸灰度化图像的灰度值均值，计算除像素点p(m,n)以外，滑动窗口内剩余像素点的加权系数，其中，像素点q(a,b)的加权系数的计算公式为：
Figure BDA0001719972720000035
式中，ωq(a,b)是像素点q(a,b)的加权系数，Gq(a,b)是像素点q(a,b)的灰度值，ν1、ν2是预设的大于零的参数因子，用于分别描述滑动窗口内像素点的平均灰度值
Figure BDA0001719972720000036
和人脸灰度化图像的平均灰度值
Figure BDA0001719972720000037
的贡献程度，且满足ν1+ν2＝1，δ是设定的常数因子(很小的值)，用来避免分母为零的情况，像素点q(a,b)是滑动窗口Φp内、除去像素点p(m,n)以外的剩余像素点；
(3)根据得到的滑动窗口Φp内剩余像素点的权重系数和预设定的全局阈值T，计算滑动窗口Φp的局部阈值，其中，所述滑动窗口Φp的局部阈值
Figure BDA0001719972720000041
的计算式子为：
Figure BDA0001719972720000042
当滑动窗口Φp内任一像素点的灰度值大于
Figure BDA0001719972720000043
则该像素点是噪声点，利用下式估算出该噪声点的去噪估计值，并用得到的去噪估计值替换对应像素点的灰度值，当滑动窗口内任一像素点的灰度值不大于
Figure BDA0001719972720000044
则该像素点是非噪声点，其中，噪声点的去噪估计值的计算公式为：
Figure BDA0001719972720000045
式中，
Figure BDA0001719972720000046
是噪声点kp(s,t)的去噪估计值，Gkp(s,t)是滑动窗口Φp内的噪声点kp(s,t)的灰度值；
(4)遍历人脸灰度化图像中所有像素点，从而得到预处理后的人脸图像。
有益效果：利用所述第二处理单元312对增强后的人脸图像的灰度化图像进行去噪处理，通过步骤(2)中的式子计算滑动窗口内除中心点之外所有像素点的权重系数，进而计算滑动窗口内像素点的局部阈值，根据计算得到的局部阈值对滑动窗口内所有像素点进行去噪处理，该算法能够自适应的过滤掉随机噪声，同时并估算出噪声点的去噪估计值取代对应像素点的灰度值，能够在保留图像的细节信息的同时，有效地去除图像中的随机噪声，获取清晰度高的去噪后的人脸图像。
在一个实施例中，所述对预处理后的人脸图像进行分割处理，得到能够表述交通标志信息的前景图像，方法是：
(1)将所述预处理后的人脸图像划分为成多个大小为M×N的子图像块；
(2)对每个子图像块进行阈值分割，其子图像块的阈值计算公式为：
Figure BDA0001719972720000047
当λef(c,d)＞λe,f，该像素点为前景像素点，反之，该像素点为背景像素点；
式中，λe,f为第e行第f列的子图像块的最优阈值，g(c,d)为子图像块中第c行第d列处像素点的灰度值,ρ(c,d)为子图像块中第c行第d列处像素点在该子图像块中所占的权重，且满足
Figure BDA0001719972720000051
σef为第e行第f列子图像块的灰度值的方差，σ为预处理后的人脸图像的方差，uef为第e行第f列子图像块的灰度值均值，u为预处理后的人脸图像的灰度值均值，k1，k2为权重系数,
Figure BDA0001719972720000052
是预处理后第一图像的平均灰度值，
Figure BDA0001719972720000053
为设定的常数因子，用于防止指数为零，λth为设定的全局分割阈值；
(3)获取所有前景像素点，前景像素点构成的集合即为前景图像。
有益效果：将经预处理后的人脸图像划分成多个子图像块，并选择不同的阈值对各个子图像块进行分割处理，该算法更加灵活，自适应强，且该阈值由子图像块的灰度值和灰度值图像的灰度值和预设定的全局分割阈值共同决定，该方法能够免受外界环境的干扰，如光照、遮挡、图像脏污等的干扰，有利于获取与人脸信息相关的图像区域，降低了后续人脸识别过程的复杂度，提高了处理速度和处理精度，从而提高了门禁系统的安全性、可靠性和防伪性。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种基于人脸识别的智能门禁系统，其特征在于，包括：数据库、人脸采集装置、处理器、控制器、电磁锁和报警器；
所述数据库，用于存储有门禁权限的用户人脸图像的特征向量；
所述人脸采集装置，用于采集开门人的人脸图像，并将采集的人脸图像发送至所述处理器；
所述处理器，用于对采集的人脸图像进行处理，并把相应的结果发送至控制器；
所述控制器，用于根据处理结果，向所述电磁锁和报警器发出相应的控制指令，若处理结果显示开门人具有门禁权限，所述控制器控制所述电磁锁开启，若处理结果显示开门人不具有门禁权限，所述控制器向所述报警器发出报警指令，所述报警器进行报警；
所述处理器包括预处理模块、图像分割模块、特征提取模块和识别模块；
所述预处理模块，用于对采集的人脸图像进行预处理，并将经预处理后的人脸图像传输至所述图像分割模块；
所述图像分割模块，用于对预处理后的人脸图像进行分割处理，得到能够描述开门人身份信息的前景图像；
所述特征提取模块，用于从所述前景图像中提取能够描述开门人身份信息的特征向量；
所述识别模块，用于将得到的特征向量与所述数据库中预存的具有开门权限的人脸图像的特征向量进行比对，判断开门人是否具有开门权限；
所述预处理模块包括第一处理单元和第二处理单元；
所述第一处理单元，用于对采集的人脸图像进行增强处理；
所述第二处理单元，用于去除增强后的人脸图像中的随机噪声；
所述对采集的人脸图像进行增强处理，具体为：
(1)获取人脸图像内每个像素点的原始RGB分量集合，所述RGB分量集合包括R分量、G分量和B分量；
(2)基于每个像素点的原始RGB分量集合，获取经增强后的RGB分量集合，其中像素点(i，j)经增强后的RGB分量集合的计算公式为：
Figure FDA0002284627860000011
Figure FDA0002284627860000012
Figure FDA0002284627860000013
式中，Fr'(i,j)、Fg'(i,j)和Fb'(i,j)分别是经增强后的像素点(i,j)的R分量的值、G分量的值和B分量的值，Fr(i,j)、Fg(i,j)和Fb(i,j)是人脸图像中像素点(i,j)的R分量的值、G分量的值和B分量的值，Frmin是人脸图像中所有像素点R分量的最小值，Fgmin是人脸图像中所有像素点G分量的最小值，Fbmin是人脸图像中所有像素点B分量的最小值，Frmax是人脸图像中所有像素点R分量的最大值，Fgmax是人脸图像中所有像素点G分量的最大值，Fbmax是人脸图像中所有像素点B分量的最大值，γ是增强系数，
Figure FDA0002284627860000026
是Frmin、Fgmin、Fbmin三者之和的平均值；
Figure FDA0002284627860000027
是Frmax、Fgmax、Fbmax三者之和的平均值，int[·]是取整运算，i、j分别为人脸图像中像素点的横坐标和纵坐标；
(3)对所述人脸图像中所有像素点进行增强处理，即可得到增强后的人脸图像；
所述去除增强后的人脸图像的随机噪声，包括：
(1)将增强后的人脸图像进行灰度化处理，得到人脸灰度化图像；
(2)以像素点p(m,n)为中心，选取一个大小为E×E的滑动窗口Φp，根据所述滑动窗口内所有像素点的灰度值以及人脸灰度化图像的灰度值均值，计算除像素点p(m,n)以外，滑动窗口内剩余像素点的加权系数，其中，像素点q(a,b)的加权系数的计算公式为：
Figure FDA0002284627860000021
式中，ωq(a,b)是像素点q(a,b)的加权系数，Gq(a,b)是像素点q(a,b)的灰度值，ν1、ν2是预设的大于零的参数因子，用于分别描述滑动窗口内像素点的平均灰度值
Figure FDA0002284627860000022
和人脸灰度化图像的平均灰度值
Figure FDA0002284627860000023
的贡献程度，且满足ν1+ν2＝1，δ是设定的常数因子(很小的值)，用来避免分母为零的情况，像素点q(a,b)是滑动窗口Φp内、除去像素点p(m,n)以外的剩余像素点；
(3)根据得到的滑动窗口Φp内剩余像素点的权重系数和预设定的全局阈值T，计算滑动窗口Φp的局部阈值，其中，所述滑动窗口Φp的局部阈值
Figure FDA0002284627860000024
的计算式子为：
Figure FDA0002284627860000025
当滑动窗口Φp内任一像素点的灰度值大于
Figure FDA0002284627860000031
则该像素点是噪声点，利用下式估算出该噪声点的去噪估计值，并用得到的去噪估计值替换对应像素点的灰度值，当滑动窗口内任一像素点的灰度值不大于
Figure FDA0002284627860000032
则该像素点是非噪声点，其中，噪声点的去噪估计值的计算公式为：
Figure FDA0002284627860000033
式中，
Figure FDA0002284627860000034
是噪声点kp(s,t)的去噪估计值，Gkp(s,t)是滑动窗口Φp内的噪声点kp(s,t)的灰度值；
(4)遍历人脸灰度化图像中所有像素点，从而得到预处理后的人脸图像。
2.根据权利要求1所述的智能门禁系统，其特征在于，所述人脸采集装置是CCD摄像机。
3.根据权利要求1所述的智能门禁系统，其特征在于，所述控制器为单片机。
CN201810726819.4A 2018-07-04 2018-07-04 一种基于人脸识别的智能门禁系统 Active CN108877009B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810726819.4A CN108877009B (zh) 2018-07-04 2018-07-04 一种基于人脸识别的智能门禁系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810726819.4A CN108877009B (zh) 2018-07-04 2018-07-04 一种基于人脸识别的智能门禁系统

Publications (2)

Publication Number Publication Date
CN108877009A CN108877009A (zh) 2018-11-23
CN108877009B true CN108877009B (zh) 2020-04-21

Family

ID=64299125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810726819.4A Active CN108877009B (zh) 2018-07-04 2018-07-04 一种基于人脸识别的智能门禁系统

Country Status (1)

Country Link
CN (1) CN108877009B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711293A (zh) * 2018-12-13 2019-05-03 佛山单常科技有限公司 一种基于人脸识别的道闸装置
CN109584423A (zh) * 2018-12-13 2019-04-05 佛山单常科技有限公司 一种智能开锁系统
CN112417930B (zh) * 2019-08-23 2023-10-13 深圳市优必选科技股份有限公司 一种处理图像的方法及机器人
CN110737728B (zh) * 2019-10-15 2023-05-30 深圳供电局有限公司 基于大数据分析技术的项目域主题分析系统
CN111928088B (zh) * 2020-08-14 2022-08-12 广州卓邦科技有限公司 一种公园大数据采集用图像采集装置
CN113593583B (zh) * 2021-08-17 2024-02-13 深圳云基智能科技有限公司 一种实现家电协同工作的智能手机
CN113903143A (zh) * 2021-09-26 2022-01-07 深圳市爱深盈通信息技术有限公司 一种电动车监控方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205210991U (zh) * 2015-11-09 2016-05-04 中通服公众信息产业股份有限公司 基于二代身份证与人脸识别的门禁系统
CN106204815A (zh) * 2016-06-23 2016-12-07 江西洪都航空工业集团有限责任公司 一种基于人脸检测和识别的门禁系统
CN106548551A (zh) * 2016-10-27 2017-03-29 江苏金米智能科技有限责任公司 基于人脸识别和键盘输入的社区门禁系统的自动开门方法
CN107274517A (zh) * 2017-04-25 2017-10-20 合肥中科奔巴科技有限公司 融合三维人脸与掌静脉识别的智能门禁系统
CN107293002A (zh) * 2017-04-27 2017-10-24 贾华淇 一种基于人脸识别的智能门禁系统
CN206921175U (zh) * 2017-07-07 2018-01-23 南京甄视智能科技有限公司 基于人脸识别的atm自助服务区域门禁系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205210991U (zh) * 2015-11-09 2016-05-04 中通服公众信息产业股份有限公司 基于二代身份证与人脸识别的门禁系统
CN106204815A (zh) * 2016-06-23 2016-12-07 江西洪都航空工业集团有限责任公司 一种基于人脸检测和识别的门禁系统
CN106548551A (zh) * 2016-10-27 2017-03-29 江苏金米智能科技有限责任公司 基于人脸识别和键盘输入的社区门禁系统的自动开门方法
CN107274517A (zh) * 2017-04-25 2017-10-20 合肥中科奔巴科技有限公司 融合三维人脸与掌静脉识别的智能门禁系统
CN107293002A (zh) * 2017-04-27 2017-10-24 贾华淇 一种基于人脸识别的智能门禁系统
CN206921175U (zh) * 2017-07-07 2018-01-23 南京甄视智能科技有限公司 基于人脸识别的atm自助服务区域门禁系统

Also Published As

Publication number Publication date
CN108877009A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108877009B (zh) 一种基于人脸识别的智能门禁系统
CN107423690B (zh) 一种人脸识别方法及装置
CN108986342B (zh) 一种基于云计算平台的人脸识别寄存柜系统
WO2018169639A1 (en) Recognition in unlabeled videos with domain adversarial learning and knowledge distillation
CN109493470B (zh) 一种基于区块链的智能门禁系统
EP3245613B1 (en) Process and system for video spoof detection based on liveness evaluation
CN110532746B (zh) 人脸校验方法、装置、服务器及可读存储介质
CN112052830B (zh) 人脸检测的方法、装置和计算机存储介质
CN112991345A (zh) 图像真伪检测方法、装置、计算机设备和存储介质
CN109325472B (zh) 一种基于深度信息的人脸活体检测方法
CN109377601B (zh) 一种基于指纹识别的智能办公室门禁系统
CN109166220B (zh) 一种基于区块链的智能门禁系统
CN108205663B (zh) 一种基于指纹识别的汽车启动系统
CN112257831A (zh) 一种基于rfid与人脸识别技术的定位系统
JP5179329B2 (ja) 顔認証システム
CN111259787B (zh) 开锁方法、装置、计算机设备和存储介质
CN111845632A (zh) 一种基于指纹识别的电动车防盗系统及电动车
Teja Real-time live face detection using face template matching and DCT energy analysis
CN115620117A (zh) 一种用于网络访问权限认证的人脸信息加密方法及系统
CN112070956A (zh) 一种基于人脸图像的身份识别系统
CN109398306B (zh) 一种无人驾驶汽车
KR102212358B1 (ko) 실시간 영상에서의 마스킹 방법 및 장치
Nasuha et al. Lip segmentation and tracking based on Chan-Vese model
CN113553993A (zh) 一种电扶梯通行人员行为检测方法及系统
CN115082326A (zh) 视频去模糊的处理方法、边缘计算设备及中心处理器

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
TA01 Transfer of patent application right

Effective date of registration: 20200402

Address after: Hangzhou City, Zhejiang province 310052 Binjiang District River Street South Road No. 588 building, 17 storey main building, Hengxin 18

Applicant after: CCI (CHINA) Co.,Ltd.

Address before: 518000 room 713, block A, 1, Hongfa District, Gongming office, Shenzhen, Guangdong.

Applicant before: SHENZHEN DATU KECHUANG TECHNOLOGY DEVELOPMENT Co.,Ltd.

TA01 Transfer of patent application right