CN108932497A - 乘客人群大数据识别机构 - Google Patents
乘客人群大数据识别机构 Download PDFInfo
- Publication number
- CN108932497A CN108932497A CN201810717995.1A CN201810717995A CN108932497A CN 108932497 A CN108932497 A CN 108932497A CN 201810717995 A CN201810717995 A CN 201810717995A CN 108932497 A CN108932497 A CN 108932497A
- Authority
- CN
- China
- Prior art keywords
- image
- equipment
- passenger
- passenger seat
- connect
- 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.)
- Pending
Links
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种乘客人群大数据识别机构，包括：速度检测设备，设置在乘客座椅上，用于基于大数据分析对所述乘客座椅的当前速度进行检测；加速度检测设备，用于检测所述乘客座椅的当前加速度，并输出所述当前加速度；伞式娱乐设备，包括升降电机、乘客座椅、降落伞、拽拉钢丝绳和安全带，所述降落伞设置在所述乘客座椅的上方并与所述乘客座椅通过不锈钢竖杆连接，所述拽拉钢丝绳透过所述降落伞的伞体与所述乘客座椅连接，所述安全带位于所述乘客座椅内，所述升降电机与所述拽拉钢丝绳的顶端连接，用于带动所述拽拉钢丝绳进行升降操作。通过本发明，能够满足游乐场设备中尽可能多的乘客的视听需求。
Description
技术领域
本发明涉及大数据领域，尤其涉及一种乘客人群大数据识别机构。
背景技术
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
发明内容
为了解决当前游乐场设备自动化水平有限的技术问题，本发明提供了一种乘客人群大数据识别机构，采用大数据分析模式对伞式娱乐设备中的各个人员进行基于定制图像分析的老化程度测量，基于图像中各个面部区域的各个老化程度判断所述图像的老化程度以作为图像老化程度，并基于图像老化程度确定对应的背景光颜色变化频率，进一步丰富娱乐设备中尽可能多的人员的娱乐享受；尤为重要的是，在具体图像滤波处理中，基于图像中各个亮点区域的各个形心的位置，确定对所述图像执行滤波操作的滤波框体，形心越多的方向，所述滤波框体的延伸长度越小，实现了基于图像数据分布情况的自适应滤波处理。
根据本发明的一方面，提供了一种乘客人群大数据识别机构，所述机构包括：速度检测设备，设置在乘客座椅上，用于基于大数据分析对所述乘客座椅的当前速度进行检测，获得所述当前速度，并输出所述当前速度；加速度检测设备，设置在乘客座椅上，用于检测所述乘客座椅的当前加速度，并输出所述当前加速度；伞式娱乐设备，包括升降电机、乘客座椅、降落伞、拽拉钢丝绳和安全带，所述降落伞设置在所述乘客座椅的上方并与所述乘客座椅通过不锈钢竖杆连接，所述拽拉钢丝绳透过所述降落伞的伞体与所述乘客座椅连接，所述安全带位于所述乘客座椅内，所述升降电机与所述拽拉钢丝绳的顶端连接，用于带动所述拽拉钢丝绳进行升降操作；所述乘客座椅包括四个乘坐位置，每一个乘坐位置用于容纳一名乘客；座椅拍摄设备，设置在所述降落伞的伞体上且位于所述乘客座椅的上方，用于面向所述乘客座椅进行现场拍摄动作，以获得并输出相应的现场乘客图像；区域定位设备，与所述座椅拍摄设备连接，用于接收所述现场乘客图像，对所述现场乘客图像中的亮点检测，以获取所述现场乘客图像中的各个亮点区域，基于每一个亮点区域在所述现场乘客图像中的位置以及所述亮点区域的形心在所述亮点区域中的位置确定每一个亮点区域的形心在所述现场乘客图像中的位置；框体提取设备，与所述区域定位设备连接，用于接收所述现场乘客图像中的各个形心的各个位置，并基于所述各个形心的各个位置确定滤波框体形状，其中，形心越多的方向，所述滤波框体的延伸长度越小；颜色采集设备，分别与所述区域定位设备和所述框体提取设备连接，用于接收所述现场乘客图像，获取所述现场乘客图像中每一个像素点的红色成分值、绿色成分值和蓝色成分值，还用于接收所述滤波框体；动作执行设备，与所述颜色采集设备连接，用于将每一个像素点作为对象像素点执行以下动作：将所述现场乘客图像中以所述对象像素点为中心的滤波框体内的各个像素点作为各个参考像素点，将为亮度区域的形心的参考像素点的红色成分值、绿色成分值和蓝色成分值替换为所述对象像素点的红色成分值、绿色成分值和蓝色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的红色成分值求平均值以获得所述对象像素点的处理后红色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的绿色成分值求平均值以获得所述对象像素点的处理后绿色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的蓝色成分值求平均值以获得所述对象像素点的处理后蓝色成分值；数据组合设备，与所述动作执行设备连接，以基于所述现场乘客图像中每一个像素点的处理后红色成分值、处理后绿色成分值和处理后蓝色成分值获得所述现场乘客图像对应的颜色处理图像；人群识别设备，与所述数据组合设备连接，用于接收所述颜色处理图像，基于基准面部图案从所述颜色处理图像中匹配出各个面部区域，识别每一个面部区域的老化程度，基于所述颜色处理图像中各个面部区域的各个老化程度判断所述颜色处理图像的老化程度以作为图像老化程度输出；触发照射设备，与所述人群识别设备连接，用于接收所述图像老化程度，确定与所述图像老化程度对应的背景光颜色，并按照与所述图像老化程度对应的背景光颜色进行相应的背景光照射动作；其中，在所述触发照射设备中，确定与所述图像老化程度对应的背景光颜色包括：所述图像老化程度越低，确定的对应的背景光颜色变化频率越快。
更具体地，在所述乘客人群大数据识别机构中：在所述数据组合设备中，所述现场乘客图像的分辨率与所述处理后图像的分辨率相同。
更具体地，在所述乘客人群大数据识别机构中：所述区域定位设备还用于在所述现场乘客图像中未获取任何亮点区域时，发出亮点不存在信号。
更具体地，在所述乘客人群大数据识别机构中：所述动作执行设备包括数据接收子设备、数据处理子设备和数据发送子设备。
更具体地，在所述乘客人群大数据识别机构中：在所述动作执行设备中，所述数据接收子设备与所述数据处理子设备连接，所述数据处理子设备与所述数据发送子设备连接。
更具体地，在所述乘客人群大数据识别机构中：所述触发照射设备和所述人群识别设备被集成在同一块印刷电路板上。
更具体地，在所述乘客人群大数据识别机构中：所述触发照射设备包括LED照明光源，所述人群识别设备为ARM11控制芯片。
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乘客人群大数据识别机构中的伞式娱乐设备的结构示意图。
具体实施方式
下面将参照附图对本发明的乘客人群大数据识别机构的实施方案进行详细说明。
大数据，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。[1]
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》[2]中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。
大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
为了克服上述不足，本发明搭建了一种乘客人群大数据识别机构，能够有效解决相应的技术问题。
根据本发明实施方案示出的乘客人群大数据识别机构包括：
速度检测设备，设置在乘客座椅上，用于基于大数据分析对所述乘客座椅的当前速度进行检测，获得所述当前速度，并输出所述当前速度；
加速度检测设备，设置在乘客座椅上，用于检测所述乘客座椅的当前加速度，并输出所述当前加速度；
图1为根据本发明实施方案示出的乘客人群大数据识别机构中的伞式娱乐设备的结构示意图；
如图1所示，伞式娱乐设备，包括升降电机、乘客座椅、降落伞、拽拉钢丝绳和安全带，所述降落伞设置在所述乘客座椅的上方并与所述乘客座椅通过不锈钢竖杆连接，所述拽拉钢丝绳透过所述降落伞的伞体与所述乘客座椅连接，所述安全带位于所述乘客座椅内，所述升降电机与所述拽拉钢丝绳的顶端连接，用于带动所述拽拉钢丝绳进行升降操作；
所述乘客座椅包括四个乘坐位置，每一个乘坐位置用于容纳一名乘客；
座椅拍摄设备，设置在所述降落伞的伞体上且位于所述乘客座椅的上方，用于面向所述乘客座椅进行现场拍摄动作，以获得并输出相应的现场乘客图像；
区域定位设备，与所述座椅拍摄设备连接，用于接收所述现场乘客图像，对所述现场乘客图像中的亮点检测，以获取所述现场乘客图像中的各个亮点区域，基于每一个亮点区域在所述现场乘客图像中的位置以及所述亮点区域的形心在所述亮点区域中的位置确定每一个亮点区域的形心在所述现场乘客图像中的位置；
框体提取设备，与所述区域定位设备连接，用于接收所述现场乘客图像中的各个形心的各个位置，并基于所述各个形心的各个位置确定滤波框体形状，其中，形心越多的方向，所述滤波框体的延伸长度越小；
颜色采集设备，分别与所述区域定位设备和所述框体提取设备连接，用于接收所述现场乘客图像，获取所述现场乘客图像中每一个像素点的红色成分值、绿色成分值和蓝色成分值，还用于接收所述滤波框体；
动作执行设备，与所述颜色采集设备连接，用于将每一个像素点作为对象像素点执行以下动作：将所述现场乘客图像中以所述对象像素点为中心的滤波框体内的各个像素点作为各个参考像素点，将为亮度区域的形心的参考像素点的红色成分值、绿色成分值和蓝色成分值替换为所述对象像素点的红色成分值、绿色成分值和蓝色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的红色成分值求平均值以获得所述对象像素点的处理后红色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的绿色成分值求平均值以获得所述对象像素点的处理后绿色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的蓝色成分值求平均值以获得所述对象像素点的处理后蓝色成分值；
数据组合设备，与所述动作执行设备连接，以基于所述现场乘客图像中每一个像素点的处理后红色成分值、处理后绿色成分值和处理后蓝色成分值获得所述现场乘客图像对应的颜色处理图像；
人群识别设备，与所述数据组合设备连接，用于接收所述颜色处理图像，基于基准面部图案从所述颜色处理图像中匹配出各个面部区域，识别每一个面部区域的老化程度，基于所述颜色处理图像中各个面部区域的各个老化程度判断所述颜色处理图像的老化程度以作为图像老化程度输出；
触发照射设备，与所述人群识别设备连接，用于接收所述图像老化程度，确定与所述图像老化程度对应的背景光颜色，并按照与所述图像老化程度对应的背景光颜色进行相应的背景光照射动作；
其中，在所述触发照射设备中，确定与所述图像老化程度对应的背景光颜色包括：所述图像老化程度越低，确定的对应的背景光颜色变化频率越快。
接着，继续对本发明的乘客人群大数据识别机构的具体结构进行进一步的说明。
在所述乘客人群大数据识别机构中：在所述数据组合设备中，所述现场乘客图像的分辨率与所述处理后图像的分辨率相同。
在所述乘客人群大数据识别机构中：所述区域定位设备还用于在所述现场乘客图像中未获取任何亮点区域时，发出亮点不存在信号。
在所述乘客人群大数据识别机构中：所述动作执行设备包括数据接收子设备、数据处理子设备和数据发送子设备。
在所述乘客人群大数据识别机构中：在所述动作执行设备中，所述数据接收子设备与所述数据处理子设备连接，所述数据处理子设备与所述数据发送子设备连接。
在所述乘客人群大数据识别机构中：所述触发照射设备和所述人群识别设备被集成在同一块印刷电路板上。
在所述乘客人群大数据识别机构中：所述触发照射设备包括LED照明光源，所述人群识别设备为ARM11控制芯片。
另外，ARM11控制芯片是ARM公司近年推出的新一代RISC处理器，它是ARM新指令架构——ARMv6的第一代设计实现。该系列主要有ARM1136J，ARM1156T2和ARM1176JZ三个内核型号，分别针对不同应用领域。
对于各种无线移动应用，毫无节制的提供高性能处理器是无用的。同成本控制类似，功耗的控制也是一个重要因素。ARM11系列处理器展示了在性能上的巨大提升，首先推出350M～500MHz时钟频率的内核，在未来将上升到1GHz时钟频率ARM11处理器在提供高性能的同时，也允许在性能和功耗间做权衡以满足某些特殊应用。通过动态调整时钟频率和供应电压，开发者完全可以控制这两者的平衡。在0.13um工艺，1.2v条件下，ARM11处理器的功耗可以低至0.4mW/MHz。
ARM11处理器同时提供了可综合版本和半定制硬核两种实现。可综合版本可以让客户根据自己的半导体工艺开发出各有特色的处理器内核，并保持足够灵活性。ARM实现的硬核则是为了满足那些极高性能和速度要求的应用，同时为客户节省实现的成本和时间。为了让客户更方便地走完实现流程，ARM11处理器采用了易于综合的流水线结构，并和常用的综合工具以及ARM compiler良好结合，确保了客户可以成功并迅速的达到时序收敛。目前已有的ARM11处理器在不包含Cache的情况下面积小于2.7mm2，对于当前复杂的SoC设计来说，如此小的die size对芯片成本的降低是极其重要的。ARM11处理器在很多方面为软件开发者带来便利。一方面，它包含了更多的多媒体处理指令来加速视频和音频处理；另一方面，它的新型存储器系统进一步提高了操作系统的性能；此外，还提供了新指令来加速实时性能和中断的响应。再次，目前有很多应用要求多处理器的配置(多个ARM内核，或ARM+DSP的组合)，ARM11处理器从设计伊始就注重更容易地与其他处理器共享数据，以及从非ARM的处理器上移植软件。此外，ARM还开发了基于ARM11系列的多处理器系统即MPCORE(由二个到四个ARM11内核组成)。
采用本发明的乘客人群大数据识别机构，针对现有技术中游乐场设备自动化水平不高的技术问题，通过采用大数据分析模式对伞式娱乐设备中的各个人员进行基于定制图像分析的老化程度测量，基于图像中各个面部区域的各个老化程度判断所述图像的老化程度以作为图像老化程度，并基于图像老化程度确定对应的背景光颜色变化频率，进一步丰富娱乐设备中尽可能多的人员的娱乐享受；尤为重要的是，在具体图像滤波处理中，基于图像中各个亮点区域的各个形心的位置，确定对所述图像执行滤波操作的滤波框体，形心越多的方向，所述滤波框体的延伸长度越小，实现了基于图像数据分布情况的自适应滤波处理，从而解决了上述技术问题。
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 (7)
1.一种乘客人群大数据识别机构，其特征在于，所述机构包括：
速度检测设备，设置在乘客座椅上，用于基于大数据分析对所述乘客座椅的当前速度进行检测，获得所述当前速度，并输出所述当前速度；
加速度检测设备，设置在乘客座椅上，用于检测所述乘客座椅的当前加速度，并输出所述当前加速度；
伞式娱乐设备，包括升降电机、乘客座椅、降落伞、拽拉钢丝绳和安全带，所述降落伞设置在所述乘客座椅的上方并与所述乘客座椅通过不锈钢竖杆连接，所述拽拉钢丝绳透过所述降落伞的伞体与所述乘客座椅连接，所述安全带位于所述乘客座椅内，所述升降电机与所述拽拉钢丝绳的顶端连接，用于带动所述拽拉钢丝绳进行升降操作；
所述乘客座椅包括四个乘坐位置，每一个乘坐位置用于容纳一名乘客；
座椅拍摄设备，设置在所述降落伞的伞体上且位于所述乘客座椅的上方，用于面向所述乘客座椅进行现场拍摄动作，以获得并输出相应的现场乘客图像；
区域定位设备，与所述座椅拍摄设备连接，用于接收所述现场乘客图像，对所述现场乘客图像中的亮点检测，以获取所述现场乘客图像中的各个亮点区域，基于每一个亮点区域在所述现场乘客图像中的位置以及所述亮点区域的形心在所述亮点区域中的位置确定每一个亮点区域的形心在所述现场乘客图像中的位置；
框体提取设备，与所述区域定位设备连接，用于接收所述现场乘客图像中的各个形心的各个位置，并基于所述各个形心的各个位置确定滤波框体形状，其中，形心越多的方向，所述滤波框体的延伸长度越小；
颜色采集设备，分别与所述区域定位设备和所述框体提取设备连接，用于接收所述现场乘客图像，获取所述现场乘客图像中每一个像素点的红色成分值、绿色成分值和蓝色成分值，还用于接收所述滤波框体；
动作执行设备，与所述颜色采集设备连接，用于将每一个像素点作为对象像素点执行以下动作：将所述现场乘客图像中以所述对象像素点为中心的滤波框体内的各个像素点作为各个参考像素点，将为亮度区域的形心的参考像素点的红色成分值、绿色成分值和蓝色成分值替换为所述对象像素点的红色成分值、绿色成分值和蓝色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的红色成分值求平均值以获得所述对象像素点的处理后红色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的绿色成分值求平均值以获得所述对象像素点的处理后绿色成分值，以对所述对象像素点为中心的滤波框体内的各个像素点的蓝色成分值求平均值以获得所述对象像素点的处理后蓝色成分值；
数据组合设备，与所述动作执行设备连接，以基于所述现场乘客图像中每一个像素点的处理后红色成分值、处理后绿色成分值和处理后蓝色成分值获得所述现场乘客图像对应的颜色处理图像；
人群识别设备，与所述数据组合设备连接，用于接收所述颜色处理图像，基于基准面部图案从所述颜色处理图像中匹配出各个面部区域，识别每一个面部区域的老化程度，基于所述颜色处理图像中各个面部区域的各个老化程度判断所述颜色处理图像的老化程度以作为图像老化程度输出；
触发照射设备，与所述人群识别设备连接，用于接收所述图像老化程度，确定与所述图像老化程度对应的背景光颜色，并按照与所述图像老化程度对应的背景光颜色进行相应的背景光照射动作；
其中，在所述触发照射设备中，确定与所述图像老化程度对应的背景光颜色包括：所述图像老化程度越低，确定的对应的背景光颜色变化频率越快。
2.如权利要求1所述的乘客人群大数据识别机构，其特征在于：
在所述数据组合设备中，所述现场乘客图像的分辨率与所述处理后图像的分辨率相同。
3.如权利要求2所述的乘客人群大数据识别机构，其特征在于：
所述区域定位设备还用于在所述现场乘客图像中未获取任何亮点区域时，发出亮点不存在信号。
4.如权利要求3所述的乘客人群大数据识别机构，其特征在于：
所述动作执行设备包括数据接收子设备、数据处理子设备和数据发送子设备。
5.如权利要求4所述的乘客人群大数据识别机构，其特征在于：
在所述动作执行设备中，所述数据接收子设备与所述数据处理子设备连接，所述数据处理子设备与所述数据发送子设备连接。
6.如权利要求5所述的乘客人群大数据识别机构，其特征在于：
所述触发照射设备和所述人群识别设备被集成在同一块印刷电路板上。
7.如权利要求1-6任一所述的乘客人群大数据识别机构，其特征在于：
所述触发照射设备包括LED照明光源，所述人群识别设备为ARM11控制芯片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810717995.1A CN108932497A (zh) | 2018-07-03 | 2018-07-03 | 乘客人群大数据识别机构 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810717995.1A CN108932497A (zh) | 2018-07-03 | 2018-07-03 | 乘客人群大数据识别机构 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108932497A true CN108932497A (zh) | 2018-12-04 |
Family
ID=64446821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810717995.1A Pending CN108932497A (zh) | 2018-07-03 | 2018-07-03 | 乘客人群大数据识别机构 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108932497A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102131621A (zh) * | 2008-08-23 | 2011-07-20 | 金因相 | 用于能够乘坐的游乐设施的大型双足步行机器人和利用此的游乐园系统 |
| CN105279499A (zh) * | 2015-10-30 | 2016-01-27 | 小米科技有限责任公司 | 年龄识别方法及装置 |
| CN106469298A (zh) * | 2016-08-31 | 2017-03-01 | 乐视控股（北京）有限公司 | 基于人脸图像的年龄识别方法及装置 |
| CN106741905A (zh) * | 2017-02-09 | 2017-05-31 | 佛山市三水区希望火炬教育科技有限公司 | 一种水上乐园专用的直升式载人飞行器模型 |
| CN107346408A (zh) * | 2016-05-05 | 2017-11-14 | 鸿富锦精密电子(天津)有限公司 | 基于脸部特征的年龄识别方法 |
| CN107545249A (zh) * | 2017-08-30 | 2018-01-05 | 国信优易数据有限公司 | 一种人群年龄识别方法及装置 |
| CN107662869A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 用于乘客运送装置的大数据分析处理系统和方法 |
-
2018
- 2018-07-03 CN CN201810717995.1A patent/CN108932497A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102131621A (zh) * | 2008-08-23 | 2011-07-20 | 金因相 | 用于能够乘坐的游乐设施的大型双足步行机器人和利用此的游乐园系统 |
| CN105279499A (zh) * | 2015-10-30 | 2016-01-27 | 小米科技有限责任公司 | 年龄识别方法及装置 |
| CN107346408A (zh) * | 2016-05-05 | 2017-11-14 | 鸿富锦精密电子(天津)有限公司 | 基于脸部特征的年龄识别方法 |
| CN107662869A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 用于乘客运送装置的大数据分析处理系统和方法 |
| CN106469298A (zh) * | 2016-08-31 | 2017-03-01 | 乐视控股（北京）有限公司 | 基于人脸图像的年龄识别方法及装置 |
| CN106741905A (zh) * | 2017-02-09 | 2017-05-31 | 佛山市三水区希望火炬教育科技有限公司 | 一种水上乐园专用的直升式载人飞行器模型 |
| CN107545249A (zh) * | 2017-08-30 | 2018-01-05 | 国信优易数据有限公司 | 一种人群年龄识别方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105284102B (zh) | 计算机视觉应用处理 | |
| Alyamkin et al. | Low-power computer vision: Status, challenges, and opportunities | |
| Amir et al. | A low power, fully event-based gesture recognition system | |
| CN105631798B (zh) | 低功耗便携式实时图像目标检测与跟踪系统及方法 | |
| WO2021143266A1 (zh) | 一种活体检测方法、装置、电子设备和存储介质 | |
| CN103164315B (zh) | 基于智能视频分析的电脑使用时间提示方法及系统 | |
| CN108961157A (zh) | 图片处理方法、图片处理装置及终端设备 | |
| Kasukurthi et al. | American sign language alphabet recognition using deep learning | |
| CN103514449B (zh) | 一种图像采集装置及方法 | |
| CN109034090A (zh) | 一种基于肢体动作的情感识别系统及方法 | |
| CN109492571A (zh) | 识别人体年龄的方法、装置及电子设备 | |
| Sun et al. | Taichi: A fine-grained action recognition dataset | |
| CN108932497A (zh) | 乘客人群大数据识别机构 | |
| Wang et al. | A retrospective evaluation of energy-efficient object detection solutions on embedded devices | |
| Chu et al. | Research on identification method of tangerine peel year based on deep learning | |
| Liang et al. | Automatic basketball detection in sport video based on R-FCN and Soft-NMS | |
| Zou et al. | RhythmFormer: Extracting rPPG Signals Based on Hierarchical Temporal Periodic Transformer | |
| CN105989602A (zh) | 有噪图像中的斑点检测 | |
| Yang | Research on basketball sports neural network model based on nonlinear classification | |
| CN108786127A (zh) | 降落伞式升降主体操纵平台 | |
| Su et al. | Human action recognition method based on hierarchical framework via Kinect skeleton data | |
| CN108334602A (zh) | 数据标注方法和装置、电子设备、计算机存储介质、程序 | |
| Imran et al. | Multimodal egocentric activity recognition using multi-stream CNN | |
| WO2021253296A1 (zh) | 一种运动模型生成方法及相关设备 | |
| Sun et al. | Research on the embedded system of facial expression recognition based on HMM |
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 | ||
| CB02 | Change of applicant information |
Address after: No.91, Weijin Road, Nankai District, Tianjin 300072 Applicant after: Zhang Tingmin Address before: Room 601, Building A1, Building 6, R&D Center of Zhenjiang High-tech Industrial Park, Jiangsu Province, 2009 Applicant before: Zhang Tingmin |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181204 |
|
| RJ01 | Rejection of invention patent application after publication |