CN108960253A - 一种目标检测系统 - Google Patents

一种目标检测系统 Download PDF

Info

Publication number
CN108960253A
CN108960253A CN201810677030.4A CN201810677030A CN108960253A CN 108960253 A CN108960253 A CN 108960253A CN 201810677030 A CN201810677030 A CN 201810677030A CN 108960253 A CN108960253 A CN 108960253A
Authority
CN
China
Prior art keywords
image
module
detection
feature parameter
indicate
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Withdrawn
Application number
CN201810677030.4A
Other languages
English (en)
Inventor
魏巧萍
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810677030.4A priority Critical patent/CN108960253A/zh
Publication of CN108960253A publication Critical patent/CN108960253A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • 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
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种目标检测系统，包括第一检测子系统和第二检测子系统，所述第一检测子系统包括图像获取模块、预处理模块、第一目标检测模块，所述图像获取模块用于获取检测图像，所述预处理模块用于对检测图像进行滤波处理，所述第一目标检测模块用于对检测图像的目标进行检测，所述第二检测子系统包括参数确定模块、滤除模块和第二目标检测模块，所述参数确定模块用于确定图像的特征参数，所述滤除模块用于根据图像的特征参数滤除不合格的检测图像，所述第二目标检测模块用于根据滤除不合格检测图像后的检测图像对目标进行检测。本发明的有益效果：克服了以往目标检测过程中使用可能破坏背景模型的图像进行目标检测，提升了目标检测的鲁棒性。

Description

一种目标检测系统
技术领域
本发明涉及目标检测技术领域，具体涉及一种目标检测系统。
背景技术
目前世界各国都在积极发展服务机器人，日本在“技术战略路线图2009”中指出在服务领域，日本主要发展与高龄老人进行情感交流的机器人技术系统和与人共存的自动搬运机器人技术系统等；韩国政府在2004年提出“IT839”计划及其“无所不在的机器人伙伴”项目，目的是通过机器人技术与通信技术的结合，研发出能够随时随地提供各种服务的机器人。中国《国家中长期科学和技术发展规划纲要(2006-2020年)》明确指出将服务机器人作为未来优先发展的战略高技术。
目标检测作为服务机器人的关键技术，对服务机器人的发展起着重要的推动作用。
发明内容
针对上述问题，本发明旨在提供一种目标检测系统。
本发明的目的采用以下技术方案来实现：
提供了一种目标检测系统，包括第一检测子系统和第二检测子系统，所述第一检测子系统包括图像获取模块、预处理模块、第一目标检测模块，所述图像获取模块用于获取检测图像，所述预处理模块用于对检测图像进行滤波处理，所述第一目标检测模块用于对检测图像的目标进行检测，所述第二检测子系统包括参数确定模块、滤除模块和第二目标检测模块，所述参数确定模块用于确定图像的特征参数，所述滤除模块用于根据图像的特征参数滤除不合格的检测图像，所述第二目标检测模块用于根据滤除不合格检测图像后的检测图像对目标进行检测。
本发明的有益效果为：通过对图像进行筛选，克服了以往目标检测过程中使用可能破坏背景模型的图像进行目标检测，提升了目标检测的鲁棒性。
可选的，所述参数确定模块包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于确定图像的第一特征参数，所述第二处理模块用于确定图像的第二特征参数，所述第三处理模块用于确定图像的第三特征参数，所述第四处理模块用于确定图像的第四特征参数。
可选的，所述第一处理模块用于确定图像的第一特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第一特征参数：
式中，E1(t，0)、E1(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示色调的最大值，Hi(t)表示P(t)中色调值为i的像素的个数，Hi(0)表示P(0)中色调值为i的像素的个数，Hi(t-1)表示P(t-1)中色调值为i的像素的个数；所述第一特征参数越大，表示两幅图像色调变化越大。
可选的，所述第二处理模块用于确定图像的第二特征参数，具体为：
将图像在灰度空间表示，用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa，采用下式将灰度差分图像转化为二值边缘图像Pb：式中，Pb(x，y)表示二值边缘图像Pb在位置(x，y)的像素值，Pa(x，y)表示灰度差分图像Pa在位置(x，y)的像素值，T2表示预先设定的二值化阈值；
设P(0)的边缘图像为Pb(0)，P(t)的边缘图像为Pb(t)，P(t-1)的边缘图像为Pb(t-1)，采用下式确定图像第二特征参数E2(t，0)、E2(t，t-1)：
式中，E2(t，0)、E2(t，t-1)表示图像的第二特征参数，表示异或操作，∪表示或操作，S[Pb(t)∪Pb(0)]、S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(0)]、[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数；所述第二特征参数越大，表示两幅图像边缘之间的差异程度越大。
可选的，所述第三处理模块用于确定图像的第三特征参数，具体为：
采用下式确定图像第三特征参数E3(t)：
式中，E3(t)表示图像的第三特征参数，Pf(t)表示t时刻二值图像，目标像素的值为255，背景像素的值为0，S(Pf(t))表示Pf(t)中值不等于0的像素的个数；所述第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高。
可选的，所述第四处理模块用于确定图像的第四特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第四特征参数：
式中，E4(t，0)、E4(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示亮度的最大值，Bj(t)表示P(t)中亮度值为i的像素的个数，Bj(0)表示P(0)中亮度值为i的像素的个数，Bj(t-1)表示P(t-1)中亮度值为i的像素的个数；所述第四特征参数越大，表示两幅图像亮度变化越大。
可选的，所述滤除模块包括第一图像滤除模块、第二图像滤除模块和第三图像滤除模块，所述第一图像滤除模块用于对相似图像进行滤除，所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除。
可选的，所述第一图像滤除模块用于对相似图像进行滤除，具体为：若同时满足E2(t，0)＜Z0，E2(t，t-1)＜Z0，E3(t-1)＜Z1，则将该图像作为相似图像进行滤除，其中，Z0表示判断两幅图像边缘是否相同的阈值，若小于该阈值，则认为两幅图像相同，Z1表示判断目标物体是否可以忽略的阈值，若小于该阈值，则认为目标可以忽略；
所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，具体为：若满足E1(t，0)＞Z2、E1(t，t-1)＞z2、E4(t，0)＞Z3，E4(t，t-1)＞Z3中任意条件，则认为该图像场景变化剧烈，进行滤除，其中，Z2表示判断图像色调是否发生大幅变化的阈值，若大于该阈值，则图像色调发生大幅变化，Z3表示判断图像亮度是否发生大幅变化的阈值，若大于该阈值，则图像亮度发生大幅变化；
所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除，具体为：若满足E3(t)＞Z5，Z5表示判断目标物体过大的阈值，则将该图像作为发生错误目标检测的图像进行滤除。
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；
附图标记：
第一检测子系统1、第二检测子系统2。
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，本实施例的一种目标检测系统，包括第一检测子系统1和第二检测子系统2，所述第一检测子系统1包括图像获取模块、预处理模块、第一目标检测模块，所述图像获取模块用于获取检测图像，所述预处理模块用于对检测图像进行滤波处理，所述第一目标检测模块用于对检测图像的目标进行检测，所述第二检测子系统2包括参数确定模块、滤除模块和第二目标检测模块，所述参数确定模块用于确定图像的特征参数，所述滤除模块用于根据图像的特征参数滤除不合格的检测图像，所述第二目标检测模块用于根据滤除不合格检测图像后的检测图像对目标进行检测。
本实施例通过对图像进行筛选，克服了以往目标检测过程中使用可能破坏背景模型的图像进行目标检测，提升了目标检测的鲁棒性。
优选的，所述参数确定模块包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于确定图像的第一特征参数，所述第二处理模块用于确定图像的第二特征参数，所述第三处理模块用于确定图像的第三特征参数，所述第四处理模块用于确定图像的第四特征参数；
所述第一处理模块用于确定图像的第一特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第一特征参数：
式中，E1(t，0)、E1(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示色调的最大值，Hi(t)表示P(t)中色调值为i的像素的个数，Hi(0)表示P(0)中色调值为i的像素的个数，Hi(t-1)表示P(t-1)中色调值为i的像素的个数；所述第一特征参数越大，表示两幅图像色调变化越大；
所述第二处理模块用于确定图像的第二特征参数，具体为：
将图像在灰度空间表示，用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa，采用下式将灰度差分图像转化为二值边缘图像Pb：式中，Pb(x，y)表示二值边缘图像Pb在位置(x，y)的像素值，Pa(x，y)表示灰度差分图像Pa在位置(x，y)的像素值，T2表示预先设定的二值化阈值；
设P(0)的边缘图像为Pb(0)，P(t)的边缘图像为Pb(t)，P(t-1)的边缘图像为Pb(t-1)，采用下式确定图像第二特征参数E2(t，0)、E2(t，t-1)：
式中，E2(t，0)、E2(t，t-1)表示图像的第二特征参数，表示异或操作，∪表示或操作，S[Pb(t)∪Pb(0)]、S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(0)]、[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数；所述第二特征参数越大，表示两幅图像边缘之间的差异程度越大；
所述第三处理模块用于确定图像的第三特征参数，具体为：
采用下式确定图像第三特征参数E3(t)：
式中，E3(t)表示图像的第三特征参数，Pf(t)表示t时刻二值图像，目标像素的值为255，背景像素的值为0，S(Pf(t))表示Pf(t)中值不等于0的像素的个数；所述第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高；
所述第四处理模块用于确定图像的第四特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第四特征参数：
式中，E4(t，0)、E4(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示亮度的最大值，Bj(t)表示P(t)中亮度值为i的像素的个数，Bj(0)表示P(0)中亮度值为i的像素的个数，Bj(t-1)表示P(t-1)中亮度值为i的像素的个数；所述第四特征参数越大，表示两幅图像亮度变化越大；
本优选实施例将图像亮度、色调和边缘特征的变化作为图像参数，通过图像特征变化的参数来描述输入图像和目标检测结果。通过描述输入图像，避免使用可能破坏背景模型的图像进行背景模型的更新；具体的，第一特征参数越大，表示两幅图像色调变化越大，第二特征参数越大，表示两幅图像边缘之间的差异程度越大，第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高，第四特征参数越大，表示两幅图像亮度变化越大；
优选的，所述滤除模块包括第一图像滤除模块、第二图像滤除模块和第三图像滤除模块，所述第一图像滤除模块用于对相似图像进行滤除，所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除；
所述第一图像滤除模块用于对相似图像进行滤除，具体为：若同时满足E2(t，0)＜Z0，E2(t，t-1)＜Z0，E3(t-1)＜Z1，则将该图像作为相似图像进行滤除，其中，Z0表示判断两幅图像边缘是否相同的阈值，若小于该阈值，则认为两幅图像相同，Z1表示判断目标物体是否可以忽略的阈值，若小于该阈值，则认为目标可以忽略；
所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，具体为：若满足E1(t，0)＞Z2、E1(t，t-1)＞Z2、E4(t，0)＞Z3，E4(t，t-1)＞Z3中任意条件，则认为该图像场景变化剧烈，进行滤除，其中，Z2表示判断图像色调是否发生大幅变化的阈值，若大于该阈值，则图像色调发生大幅变化，Z3表示判断图像亮度是否发生大幅变化的阈值，若大于该阈值，则图像亮度发生大幅变化；
所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除，具体为：若满足E3(t)＞Z5，Z5表示判断目标物体过大的阈值，则将该图像作为发生错误目标检测的图像进行滤除；
本优选实施例实现了图像的滤除，保证了图像目标检测的准确性，具体的，根据第一特征参数、第二特征参数、第三特征图像和第四特征参数对相似图像、场景剧烈变化图像和发生错误目标检测的图像进行滤除，实现了图像的准确滤除。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
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，本领域的普通技术目的地应当理解，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 (8)

1.一种目标检测系统，其特征在于，包括第一检测子系统和第二检测子系统，所述第一检测子系统包括图像获取模块、预处理模块、第一目标检测模块，所述图像获取模块用于获取检测图像，所述预处理模块用于对检测图像进行滤波处理，所述第一目标检测模块用于对检测图像的目标进行检测，所述第二检测子系统包括参数确定模块、滤除模块和第二目标检测模块，所述参数确定模块用于确定图像的特征参数，所述滤除模块用于根据图像的特征参数滤除不合格的检测图像，所述第二目标检测模块用于根据滤除不合格检测图像后的检测图像对目标进行检测。
2.根据权利要求1所述的目标检测系统，其特征在于，所述参数确定模块包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于确定图像的第一特征参数，所述第二处理模块用于确定图像的第二特征参数，所述第三处理模块用于确定图像的第三特征参数，所述第四处理模块用于确定图像的第四特征参数。
3.根据权利要求2所述的目标检测系统，其特征在于，所述第一处理模块用于确定图像的第一特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第一特征参数：
式中，E1(t，0)、E1(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示色调的最大值，Hi(t)表示P(t)中色调值为i的像素的个数，Hi(0)表示P(0)中色调值为i的像素的个数，Hi(t-1)表示P(t-1)中色调值为i的像素的个数；所述第一特征参数越大，表示两幅图像色调变化越大。
4.根据权利要求3所述的目标检测系统，其特征在于，所述第二处理模块用于确定图像的第二特征参数，具体为：
将图像在灰度空间表示，用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa，采用下式将灰度差分图像转化为二值边缘图像Pb：式中，Pb(x，y)表示二值边缘图像Pb在位置(x，y)的像素值，Pa(x，y)表示灰度差分图像Pa在位置(x，y)的像素值，T2表示预先设定的二值化阈值；
设P(0)的边缘图像为Pb(0)，P(t)的边缘图像为Pb(t)，P(t-1)的边缘图像为Pb(t-1)，采用下式确定图像第二特征参数E2(t，0)、E2(t，t-1)：
式中，E2(t，0)、E2(t，t-1)表示图像的第二特征参数，表示异或操作，∪表示或操作，S[Pb(t)∪Pb(0)]、S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(0)]、[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数；所述第二特征参数越大，表示两幅图像边缘之间的差异程度越大。
5.根据权利要求4所述的目标检测系统，其特征在于，所述第三处理模块用于确定图像的第三特征参数，具体为：
采用下式确定图像第三特征参数E3(t)：
式中，E3(t)表示图像的第三特征参数，Pf(t)表示t时刻二值图像，目标像素的值为255，背景像素的值为0，S(Pf(t))表示Pf(t)中值不等于0的像素的个数；所述第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高。
6.根据权利要求5所述的目标检测系统，其特征在于，所述第四处理模块用于确定图像的第四特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第四特征参数：
式中，E4(t，0)、E4(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示亮度的最大值，Bj(t)表示P(t)中亮度值为i的像素的个数，Bj(0)表示P(0)中亮度值为i的像素的个数，Bj(t-1)表示P(t-1)中亮度值为i的像素的个数；所述第四特征参数越大，表示两幅图像亮度变化越大。
7.根据权利要求6所述的目标检测系统，其特征在于，所述滤除模块包括第一图像滤除模块、第二图像滤除模块和第三图像滤除模块，所述第一图像滤除模块用于对相似图像进行滤除，所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除。
8.根据权利要求7所述的目标检测系统，其特征在于，所述第一图像滤除模块用于对相似图像进行滤除，具体为：若同时满足E2(t，0)＜Z0，E2(t，t-1)＜Z0，E3(t-1)＜Z1，则将该图像作为相似图像进行滤除，其中，Z0表示判断两幅图像边缘是否相同的阈值，若小于该阈值，则认为两幅图像相同，Z1表示判断目标物体是否可以忽略的阈值，若小于该阈值，则认为目标可以忽略；
所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，具体为：若满足E1(t，0)＞Z2、E1(t，t-1)＞Z2、E4(t，0)＞Z3，E4(t，t-1)＞Z3中任意条件，则认为该图像场景变化剧烈，进行滤除，其中，Z2表示判断图像色调是否发生大幅变化的阈值，若大于该阈值，则图像色调发生大幅变化，Z3表示判断图像亮度是否发生大幅变化的阈值，若大于该阈值，则图像亮度发生大幅变化；
所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除，具体为：若满足E3(t)＞Z5，Z5表示判断目标物体过大的阈值，则将该图像作为发生错误目标检测的图像进行滤除。
CN201810677030.4A 2018-06-27 2018-06-27 一种目标检测系统 Withdrawn CN108960253A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810677030.4A CN108960253A (zh) 2018-06-27 2018-06-27 一种目标检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810677030.4A CN108960253A (zh) 2018-06-27 2018-06-27 一种目标检测系统

Publications (1)

Publication Number Publication Date
CN108960253A true CN108960253A (zh) 2018-12-07

Family

ID=64486943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810677030.4A Withdrawn CN108960253A (zh) 2018-06-27 2018-06-27 一种目标检测系统

Country Status (1)

Country Link
CN (1) CN108960253A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112858351A (zh) * 2019-11-28 2021-05-28 北京金自天正智能控制股份有限公司 一种基于机器视觉的x射线无损探伤方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101064010A (zh) * 2006-12-28 2007-10-31 华中科技大学 红外小目标检测的图像预处理装置
CN101739686A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标跟踪方法及其系统
CN102175693A (zh) * 2011-03-08 2011-09-07 中南大学 医用药剂中可见异物的机器视觉检测方法
CN105069790A (zh) * 2015-08-06 2015-11-18 潍坊学院 一种齿轮外观缺陷快速影像检测方法
CN105261037A (zh) * 2015-10-08 2016-01-20 重庆理工大学 一种自适应复杂场景的运动目标检测方法
CN106355602A (zh) * 2016-08-26 2017-01-25 杨百川 一种多目标定位跟踪视频监控方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101064010A (zh) * 2006-12-28 2007-10-31 华中科技大学 红外小目标检测的图像预处理装置
CN101739686A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标跟踪方法及其系统
CN102175693A (zh) * 2011-03-08 2011-09-07 中南大学 医用药剂中可见异物的机器视觉检测方法
CN105069790A (zh) * 2015-08-06 2015-11-18 潍坊学院 一种齿轮外观缺陷快速影像检测方法
CN105261037A (zh) * 2015-10-08 2016-01-20 重庆理工大学 一种自适应复杂场景的运动目标检测方法
CN106355602A (zh) * 2016-08-26 2017-01-25 杨百川 一种多目标定位跟踪视频监控方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马琼雄: "基于视觉的服务机器人人机交互技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112858351A (zh) * 2019-11-28 2021-05-28 北京金自天正智能控制股份有限公司 一种基于机器视觉的x射线无损探伤方法

Similar Documents

Publication Publication Date Title
CN111246204B (zh) 一种基于相对亮度偏差的脏污检测方法和装置
CN105453153B (zh) 交通灯检测
CN104749184B (zh) 自动光学检测方法和系统
JP5308062B2 (ja) 偽輪郭を探知及び除去する方法並びに装置
CN108896278A (zh) 一种滤光片丝印缺陷检测方法、装置及终端设备
Chen et al. Image splicing detection via camera response function analysis
CN103201769A (zh) 图像处理装置、图像处理方法、程序、集成电路
TW201140040A (en) Defect inspection system and filming device for defect inspection, image processing device for defect inspection, image processing program for defect inspection, recording media, and image processing method for defect inspection used therein
CN112184639B (zh) 圆孔检测方法、装置、电子设备及存储介质
CN111175318A (zh) 屏幕划痕碎裂检测方法及设备
CN104809716B (zh) 一种确定图像偏移量的方法及设备
CN116363140B (zh) 一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质
JP2012248945A (ja) 画像処理装置及び画像処理プログラム
KR20120130684A (ko) 화상 처리 장치, 화상 처리 방법, 및 컴퓨터 판독 가능한 매체
CN116503414B (zh) 屏幕缺陷检测方法、装置、计算机设备和存储介质
CN112950837A (zh) 基于深度学习的纸币破损情况识别方法及装置
CN113947613B (zh) 目标区域检测方法、装置、设备及存储介质
CN108960253A (zh) 一种目标检测系统
CN201611253U (zh) 一种残币面积检测系统
CN108107611A (zh) 一种自适应缺陷检测方法、装置及电子设备
CN104063878B (zh) 运动对象检测装置、运动对象检测方法以及电子设备
CN112669272A (zh) 一种aoi快速检测方法及快速检测系统
CN108876845B (zh) 菲涅尔纹中心的确定方法和装置
CN115880683A (zh) 一种基于深度学习的城市内涝积水智能水位检测方法
CN108921834A (zh) 一种人体前景检测系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20181207