CN109034110A - 枪战片计算机分类方法 - Google Patents

枪战片计算机分类方法 Download PDF

Info

Publication number
CN109034110A
CN109034110A CN201810938725.3A CN201810938725A CN109034110A CN 109034110 A CN109034110 A CN 109034110A CN 201810938725 A CN201810938725 A CN 201810938725A CN 109034110 A CN109034110 A CN 109034110A
Authority
CN
China
Prior art keywords
picture
gun
pixel
template
gray value
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
Application number
CN201810938725.3A
Other languages
English (en)
Inventor
潘小亮
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 CN201810938725.3A priority Critical patent/CN109034110A/zh
Publication of CN109034110A publication Critical patent/CN109034110A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种枪战片计算机分类方法，该方法包括使用枪战片计算机分类平台来进行分类，所述枪战片计算机分类平台包括：图片捕获设备，设置在投影仪的附近，用于对投影的内容进行持续拍摄，以获得并输出时间轴上连续的多帧捕获图片；所述图片捕获设备还与所述投影仪连接，以获得所述投影仪的投影帧率，并将所述多帧捕获图片对应的帧率设定为小于等于所述投影帧率；背景分析设备，与所述图片捕获设备连接，用于将所述多帧捕获图片中每一帧捕获图片作为待比较图片与前一帧捕获图片进行内容相似度比较，当所述内容相似度超过限量时，将待比较图片从所述多帧捕获图片中删除，以获得剩余的各帧捕获图片，将剩余的每一帧捕获图片作为非背景图片输出。

Description

枪战片计算机分类方法
技术领域
本发明涉及计算机分类领域，尤其涉及一种枪战片计算机分类方法。
背景技术
计算机是由硬件系统(hardware system)和软件系统(software system)两部分组成的。
传统电脑系统的硬体单元一般可分为输入单元、输出单元、算术逻辑单元、控制单元及记忆单元，其中算术逻辑单元和控制单元合称中央处理单元(Center ProcessingUnit，CPU)。
系统软件System software,由一组控制计算机系统并管理其资源的程序组成，其主要功能包括：启动计算机，存储、加载和执行应用程序，对文件进行排序、检索，将程序语言翻译成机器语言等。实际上，系统软件可以看作用户与计算机的接口，他为应用软件和用户提供了控制、访问硬件的手段，这些功能主要由操作系统完成。此外，编译系统和各种工具软件也属此类，他们从另一方面辅助用户使用计算机。
发明内容
为了解决枪战片激烈类型无法电子化检测的技术问题，本发明提供了一种枪战片计算机分类方法。
为此，本发明需要具备以下四处关键的发明点：
(1)只对非背景图像进行枪械检测，减少了图像处理的速度，提高了图像处理的效率；
(2)基于枪械平均数量确定投影仪投影内容的枪械斗争类型包括非枪械斗争类型、平缓枪械斗争类型、较激烈枪械斗争类型或激烈枪械斗争类型；
(3)将所述多帧捕获图片中每一帧捕获图片作为待比较图片与前一帧捕获图片进行内容相似度比较，用于判断待比较图片是否为背景图片；
(4)基于待滤波图像的锐化程度对所述待滤波图像进行均匀式分区，以获得各个相同大小的图像分区，并基于所述待滤波图像中的各个椒盐噪声分别在所述待滤波图像中的各个位置确定每一个图像分区中的椒盐噪声的数量，以基于每一个图像分区中的椒盐噪声的数量对不同图像分区执行不同的滤波处理。
根据本发明的一方面，提供一种枪战片计算机分类方法，该方法包括使用一种枪战片计算机分类平台来进行分类，所述枪战片计算机分类平台包括：图片捕获设备，设置在投影仪的附近，用于对投影的内容进行持续拍摄，以获得并输出时间轴上连续的多帧捕获图片；所述图片捕获设备还与所述投影仪连接，以获得所述投影仪的投影帧率，并将所述多帧捕获图片对应的帧率设定为小于等于所述投影帧率；背景分析设备，与所述图片捕获设备连接，用于将所述多帧捕获图片中每一帧捕获图片作为待比较图片与前一帧捕获图片进行内容相似度比较，当所述内容相似度超过限量时，将待比较图片从所述多帧捕获图片中删除，以获得剩余的各帧捕获图片，将剩余的每一帧捕获图片作为非背景图片输出；均匀分区设备，与所述背景分析设备连接，用于接收所述非背景图片，获得所述非背景图片中各个像素点的各个灰度值，基于所述非背景图片中各个像素点的各个灰度值确定所述非背景图片中的各个椒盐噪声，并基于所述非背景图片的锐化程度对所述非背景图片进行均匀式分区，以获得各个相同大小的图像分区，以及基于所述非背景图片中的各个椒盐噪声分别在所述非背景图片中的各个位置确定每一个图像分区中的椒盐噪声的数量；径向长度解析设备，与所述均匀分区设备连接，用于接收所述非背景图片中的各个图像分区中的椒盐噪声的数量，并针对每一个图像分区，基于其内部椒盐噪声的数量映射相应的滤波模板的径向长度，其中，内部椒盐噪声的数量越多，映射的相应的滤波模板的径向长度越长；模板处理设备，分别与所述均匀分区设备和所述径向长度解析设备连接，用于接收每一个图像分区对应的滤波模板的径向长度，针对每一个图像分区执行以下滤波动作：基于所述图像分区对应的滤波模板的径向长度确定对应的滤波模板，采用所述对应的滤波模板对所述图像分区中各个像素点的各个灰度值进行滤波操作，以获得所述图像分区中各个像素点的各个滤波灰度值；数据输出设备，与所述模板处理设备连接，用于接收每一个图像分区中各个像素点的各个滤波灰度值，并基于每一个图像分区中各个像素点的各个滤波灰度值组合成所述非背景图片对应的模板输出图像；枪支检测设备，设置在投影仪的附近，与所述数据输出设备连接，用于接收每一个模板输出图像，基于预设枪支图像特征对每一个模板输出图像中检测出各个枪支目标以统计每一个模板输出图像中的枪支目标数量；投影内容识别设备，与所述枪支检测设备连接，用于接收各个模板输出图像中的各个枪支目标数量，累计所述各个枪支目标数量以获得枪支总数，将所述枪支总数除以各个模板输出图像的数量以获得平均枪支数量；其中，所述投影内容识别设备还基于所述平均枪支数量判断所述投影仪投影内容的枪械斗争类型。
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枪战片计算机分类平台的投影内容识别设备的引脚示意图。
具体实施方式
下面将参照附图对本发明的实施方案进行详细说明。
计算机内部电路组成，可以高速准确地完成各种算术运算。当今计算机系统的运算速度已达到每秒万亿次，微机也可达每秒亿次以上，使大量复杂的科学计算问题得以解决。例如：卫星轨道的计算、大型水坝的计算、24小时天气算需要几年甚至几十年，而在现代社会里，用计算机只需几分钟就可完成。
为了克服上述不足，本发明搭建一种枪战片计算机分类方法，该方法包括使用一种枪战片计算机分类平台来进行分类。所述枪战片计算机分类平台能够有效解决相应的技术问题。
图1为根据本发明实施方案示出的枪战片计算机分类平台的投影内容识别设备的引脚示意图。其中，U1为所述投影内容识别设备。
根据本发明实施方案示出的枪战片计算机分类平台包括：
图片捕获设备，设置在投影仪的附近，用于对投影的内容进行持续拍摄，以获得并输出时间轴上连续的多帧捕获图片；所述图片捕获设备还与所述投影仪连接，以获得所述投影仪的投影帧率，并将所述多帧捕获图片对应的帧率设定为小于等于所述投影帧率；
背景分析设备，与所述图片捕获设备连接，用于将所述多帧捕获图片中每一帧捕获图片作为待比较图片与前一帧捕获图片进行内容相似度比较，当所述内容相似度超过限量时，将待比较图片从所述多帧捕获图片中删除，以获得剩余的各帧捕获图片，将剩余的每一帧捕获图片作为非背景图片输出；
均匀分区设备，与所述背景分析设备连接，用于接收所述非背景图片，获得所述非背景图片中各个像素点的各个灰度值，基于所述非背景图片中各个像素点的各个灰度值确定所述非背景图片中的各个椒盐噪声，并基于所述非背景图片的锐化程度对所述非背景图片进行均匀式分区，以获得各个相同大小的图像分区，以及基于所述非背景图片中的各个椒盐噪声分别在所述非背景图片中的各个位置确定每一个图像分区中的椒盐噪声的数量；
径向长度解析设备，与所述均匀分区设备连接，用于接收所述非背景图片中的各个图像分区中的椒盐噪声的数量，并针对每一个图像分区，基于其内部椒盐噪声的数量映射相应的滤波模板的径向长度，其中，内部椒盐噪声的数量越多，映射的相应的滤波模板的径向长度越长；
模板处理设备，分别与所述均匀分区设备和所述径向长度解析设备连接，用于接收每一个图像分区对应的滤波模板的径向长度，针对每一个图像分区执行以下滤波动作：基于所述图像分区对应的滤波模板的径向长度确定对应的滤波模板，采用所述对应的滤波模板对所述图像分区中各个像素点的各个灰度值进行滤波操作，以获得所述图像分区中各个像素点的各个滤波灰度值；
数据输出设备，与所述模板处理设备连接，用于接收每一个图像分区中各个像素点的各个滤波灰度值，并基于每一个图像分区中各个像素点的各个滤波灰度值组合成所述非背景图片对应的模板输出图像；
枪支检测设备，设置在投影仪的附近，与所述数据输出设备连接，用于接收每一个模板输出图像，基于预设枪支图像特征对每一个模板输出图像中检测出各个枪支目标以统计每一个模板输出图像中的枪支目标数量；
投影内容识别设备，与所述枪支检测设备连接，用于接收各个模板输出图像中的各个枪支目标数量，累计所述各个枪支目标数量以获得枪支总数，将所述枪支总数除以各个模板输出图像的数量以获得平均枪支数量；
其中，所述投影内容识别设备还基于所述平均枪支数量判断所述投影仪投影内容的枪械斗争类型。
接着，继续对本发明的枪战片计算机分类平台的具体结构进行进一步的说明。
在所述枪战片计算机分类平台中：所述模板处理设备包括像素值接收单元和像素值处理单元，所述像素值接收单元与所述像素值处理单元连接。
在所述枪战片计算机分类平台中：在所述模板处理设备中，采用所述对应的滤波模板对所述图像分区中各个像素点的各个灰度值进行滤波操作包括：针对每一个像素点，采用以其为中心的滤波模板在所述非背景图片中包括的各个像素点作为各个有效像素点。
在所述枪战片计算机分类平台中：在所述模板处理设备中，采用所述对应的滤波模板对所述图像分区中各个像素点的各个灰度值进行滤波操作还包括：针对每一个像素点，基于其各个有效像素点的各个灰度值确定被进行滤波操作的像素点的滤波灰度值。
在所述枪战片计算机分类平台中：基于各个有效像素点的各个灰度值确定被进行滤波操作的像素点的滤波灰度值包括：将各个有效像素点的各个灰度值进行大小顺序排序，将中央序号的灰度值作为被进行滤波操作的像素点的滤波灰度值。
在所述枪战片计算机分类平台中：在所述投影内容识别设备中，所述投影仪投影内容的枪械斗争类型包括非枪械斗争类型、平缓枪械斗争类型、较激烈枪械斗争类型和激烈枪械斗争类型。
在所述枪战片计算机分类平台中：所述多帧捕获图片对应的帧率为所述投影帧率的二分之一或三分之一。
在所述枪战片计算机分类平台中：在所述投影内容识别设备中，所述平均枪支数量越多，所述投影仪投影内容的枪械斗争类型越激烈。
另外，在所述枪战片计算机分类平台中，还包括：Wi-Fi通信设备，与所述投影内容识别设备连接，用于无线发送所述平均枪支数量。
Wi-Fi是一种允许电子设备连接到一个无线局域网(WLAN)的技术，通常使用2.4GUHF或5G SHF ISM射频频段。连接到无线局域网通常是有密码保护的；但也可是开放的，这样就允许任何在WLAN范围内的设备可以连接上。Wi-Fi是一个无线网络通信技术的品牌，由Wi-Fi联盟所持有。目的是改善基于IEEE 802.11标准的无线网路产品之间的互通性。有人把使用IEEE 802.11系列协议的局域网就称为无线保真。甚至把Wi-Fi等同于无线网际网路(Wi-Fi是WLAN的重要组成部分)。
采用本发明的枪战片计算机分类平台，针对现有技术中枪战片类型无法电子化检测的技术问题，通过只对非背景图像进行枪械检测，减少了图像处理的速度，提高了图像处理的效率；基于枪械平均数量确定投影仪投影内容的枪械斗争类型包括非枪械斗争类型、平缓枪械斗争类型、较激烈枪械斗争类型或激烈枪械斗争类型；将所述多帧捕获图片中每一帧捕获图片作为待比较图片与前一帧捕获图片进行内容相似度比较，用于判断待比较图片是否为背景图片；其中，基于待滤波图像的锐化程度对所述待滤波图像进行均匀式分区，以获得各个相同大小的图像分区，并基于所述待滤波图像中的各个椒盐噪声分别在所述待滤波图像中的各个位置确定每一个图像分区中的椒盐噪声的数量，以基于每一个图像分区中的椒盐噪声的数量对不同图像分区执行不同的滤波处理，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 (8)

1.一种枪战片计算机分类方法，该方法包括使用一种枪战片计算机分类平台来进行分类，其特征在于，所述枪战片计算机分类平台包括：
图片捕获设备，设置在投影仪的附近，用于对投影的内容进行持续拍摄，以获得并输出时间轴上连续的多帧捕获图片；所述图片捕获设备还与所述投影仪连接，以获得所述投影仪的投影帧率，并将所述多帧捕获图片对应的帧率设定为小于等于所述投影帧率；
背景分析设备，与所述图片捕获设备连接，用于将所述多帧捕获图片中每一帧捕获图片作为待比较图片与前一帧捕获图片进行内容相似度比较，当所述内容相似度超过限量时，将待比较图片从所述多帧捕获图片中删除，以获得剩余的各帧捕获图片，将剩余的每一帧捕获图片作为非背景图片输出；
均匀分区设备，与所述背景分析设备连接，用于接收所述非背景图片，获得所述非背景图片中各个像素点的各个灰度值，基于所述非背景图片中各个像素点的各个灰度值确定所述非背景图片中的各个椒盐噪声，并基于所述非背景图片的锐化程度对所述非背景图片进行均匀式分区，以获得各个相同大小的图像分区，以及基于所述非背景图片中的各个椒盐噪声分别在所述非背景图片中的各个位置确定每一个图像分区中的椒盐噪声的数量；
径向长度解析设备，与所述均匀分区设备连接，用于接收所述非背景图片中的各个图像分区中的椒盐噪声的数量，并针对每一个图像分区，基于其内部椒盐噪声的数量映射相应的滤波模板的径向长度，其中，内部椒盐噪声的数量越多，映射的相应的滤波模板的径向长度越长；
模板处理设备，分别与所述均匀分区设备和所述径向长度解析设备连接，用于接收每一个图像分区对应的滤波模板的径向长度，针对每一个图像分区执行以下滤波动作：基于所述图像分区对应的滤波模板的径向长度确定对应的滤波模板，采用所述对应的滤波模板对所述图像分区中各个像素点的各个灰度值进行滤波操作，以获得所述图像分区中各个像素点的各个滤波灰度值；
数据输出设备，与所述模板处理设备连接，用于接收每一个图像分区中各个像素点的各个滤波灰度值，并基于每一个图像分区中各个像素点的各个滤波灰度值组合成所述非背景图片对应的模板输出图像；
枪支检测设备，设置在投影仪的附近，与所述数据输出设备连接，用于接收每一个模板输出图像，基于预设枪支图像特征对每一个模板输出图像中检测出各个枪支目标以统计每一个模板输出图像中的枪支目标数量；
投影内容识别设备，与所述枪支检测设备连接，用于接收各个模板输出图像中的各个枪支目标数量，累计所述各个枪支目标数量以获得枪支总数，将所述枪支总数除以各个模板输出图像的数量以获得平均枪支数量；
其中，所述投影内容识别设备还基于所述平均枪支数量判断所述投影仪投影内容的枪械斗争类型。
2.如权利要求1所述的方法，其特征在于：
所述模板处理设备包括像素值接收单元和像素值处理单元，所述像素值接收单元与所述像素值处理单元连接。
3.如权利要求2所述的方法，其特征在于：
在所述模板处理设备中，采用所述对应的滤波模板对所述图像分区中各个像素点的各个灰度值进行滤波操作包括：针对每一个像素点，采用以其为中心的滤波模板在所述非背景图片中包括的各个像素点作为各个有效像素点。
4.如权利要求3所述的方法，其特征在于：
在所述模板处理设备中，采用所述对应的滤波模板对所述图像分区中各个像素点的各个灰度值进行滤波操作还包括：针对每一个像素点，基于其各个有效像素点的各个灰度值确定被进行滤波操作的像素点的滤波灰度值。
5.如权利要求4所述的方法，其特征在于：
基于各个有效像素点的各个灰度值确定被进行滤波操作的像素点的滤波灰度值包括：将各个有效像素点的各个灰度值进行大小顺序排序，将中央序号的灰度值作为被进行滤波操作的像素点的滤波灰度值。
6.如权利要求5所述的方法，其特征在于：
在所述投影内容识别设备中，所述投影仪投影内容的枪械斗争类型包括非枪械斗争类型、平缓枪械斗争类型、较激烈枪械斗争类型和激烈枪械斗争类型。
7.如权利要求6任一所述的方法，其特征在于：
所述多帧捕获图片对应的帧率为所述投影帧率的二分之一或三分之一。
8.如权利要求1-7任一所述的方法，其特征在于：
在所述投影内容识别设备中，所述平均枪支数量越多，所述投影仪投影内容的枪械斗争类型越激烈。
CN201810938725.3A 2018-08-17 2018-08-17 枪战片计算机分类方法 Pending CN109034110A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810938725.3A CN109034110A (zh) 2018-08-17 2018-08-17 枪战片计算机分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810938725.3A CN109034110A (zh) 2018-08-17 2018-08-17 枪战片计算机分类方法

Publications (1)

Publication Number Publication Date
CN109034110A true CN109034110A (zh) 2018-12-18

Family

ID=64630742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810938725.3A Pending CN109034110A (zh) 2018-08-17 2018-08-17 枪战片计算机分类方法

Country Status (1)

Country Link
CN (1) CN109034110A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971135A (zh) * 2014-05-05 2014-08-06 中国民航大学 基于头肩深度信息特征的人体目标检测方法
CN105164999A (zh) * 2013-04-17 2015-12-16 松下知识产权经营株式会社 图像处理方法及图像处理装置
CN105741315A (zh) * 2015-12-30 2016-07-06 电子科技大学 一种基于降采样策略的统计背景减除方法
CN106022278A (zh) * 2016-05-26 2016-10-12 天津艾思科尔科技有限公司 一种视频图像中吉里巴甫服饰人群检测的方法及系统
CN106250820A (zh) * 2016-07-20 2016-12-21 华南理工大学 一种基于图像处理的扶梯口客流拥堵检测方法
CN106407917A (zh) * 2016-09-05 2017-02-15 山东大学 基于动态尺度分配的视网膜血管提取方法及系统
CN106778505A (zh) * 2016-11-24 2017-05-31 福州瑞芯微电子股份有限公司 一种自动图像识别分发系统及方法
CN107133610A (zh) * 2017-06-01 2017-09-05 电子科技大学 一种复杂路况下行车流量视觉检测与计数方法
CN107341488A (zh) * 2017-06-16 2017-11-10 电子科技大学 一种sar图像目标检测识别一体化方法
US9928403B2 (en) * 2016-02-09 2018-03-27 Molecular Devices, Llc System and method for image analysis of multi-dimensional data
CN108174170A (zh) * 2017-12-29 2018-06-15 安徽慧视金瞳科技有限公司 基于摄像头的投影区域尺寸自检测方法、系统及设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105164999A (zh) * 2013-04-17 2015-12-16 松下知识产权经营株式会社 图像处理方法及图像处理装置
CN103971135A (zh) * 2014-05-05 2014-08-06 中国民航大学 基于头肩深度信息特征的人体目标检测方法
CN105741315A (zh) * 2015-12-30 2016-07-06 电子科技大学 一种基于降采样策略的统计背景减除方法
US9928403B2 (en) * 2016-02-09 2018-03-27 Molecular Devices, Llc System and method for image analysis of multi-dimensional data
CN106022278A (zh) * 2016-05-26 2016-10-12 天津艾思科尔科技有限公司 一种视频图像中吉里巴甫服饰人群检测的方法及系统
CN106250820A (zh) * 2016-07-20 2016-12-21 华南理工大学 一种基于图像处理的扶梯口客流拥堵检测方法
CN106407917A (zh) * 2016-09-05 2017-02-15 山东大学 基于动态尺度分配的视网膜血管提取方法及系统
CN106778505A (zh) * 2016-11-24 2017-05-31 福州瑞芯微电子股份有限公司 一种自动图像识别分发系统及方法
CN107133610A (zh) * 2017-06-01 2017-09-05 电子科技大学 一种复杂路况下行车流量视觉检测与计数方法
CN107341488A (zh) * 2017-06-16 2017-11-10 电子科技大学 一种sar图像目标检测识别一体化方法
CN108174170A (zh) * 2017-12-29 2018-06-15 安徽慧视金瞳科技有限公司 基于摄像头的投影区域尺寸自检测方法、系统及设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
冯艳平等: "基于阈值分割和边缘检测的枪支TH_z图像识别", 《红外》 *
季春: "基于内容的视频检索中的关键帧提取技术", 《情报杂志》 *
林亚明等: "分块策略实现图像椒盐噪声密度估计", 《中国图象图形学报》 *
雷青等: "基于深度学习的安卓APP视频枪支检测技术技术研究", 《信息网络安全》 *

Similar Documents

Publication Publication Date Title
CN109447973B (zh) 一种结肠息肉图像的处理方法和装置及系统
CN107590461B (zh) 人脸识别方法及相关产品
CN107609514B (zh) 人脸识别方法及相关产品
CN109035304B (zh) 目标跟踪方法、介质、计算设备和装置
CN110135246A (zh) 一种人体动作的识别方法及设备
CN109657652A (zh) 一种人脸识别方法和装置
WO2018019194A1 (zh) 图像识别方法、终端及非易失性存储介质
CN112507786B (zh) 人体多部位检测框关联方法、装置、电子装置和存储介质
CN107657218B (zh) 人脸识别方法及相关产品
JP2016507834A (ja) ターゲットオブジェクトをトラッキングし、検出するためのシステムおよび方法
CN107093168A (zh) 皮肤区域图像的处理方法、装置和系统
CN113259029B (zh) 一种适用于无人机信号的实时自动检测识别方法
CN109948734A (zh) 图像聚类方法、装置及电子设备
CN112749645A (zh) 基于监控视频的服装颜色检测方法、装置和设备
US10853829B2 (en) Association method, and non-transitory computer-readable storage medium
CN111986163A (zh) 人脸图像选择方法和装置
CN111091106A (zh) 图像聚类方法及装置、存储介质、电子装置
CN110363075B (zh) 基于大数据服务器的可疑病态面部检测系统
CN111462190A (zh) 一种智能冰箱及食材录入方法
WO2015031350A1 (en) Systems and methods for memory utilization for object detection
CN109034110A (zh) 枪战片计算机分类方法
CN113657154A (zh) 活体检测方法、装置、电子装置和存储介质
CN112784854A (zh) 基于数理统计的服装颜色分割提取方法、装置和设备
CN112036277A (zh) 一种人脸识别方法、电子设备以及计算机可读存储介质
CN111866468B (zh) 对象跟踪分配方法、装置、存储介质及电子装置

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
DD01 Delivery of document by public notice
DD01 Delivery of document by public notice

Addressee: Wang Jingfeng

Document name: Notice of Priority in Review Procedure

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181218