CN109117457A - 体形弯曲度大数据计算方法 - Google Patents
体形弯曲度大数据计算方法 Download PDFInfo
- Publication number
- CN109117457A CN109117457A CN201810860002.6A CN201810860002A CN109117457A CN 109117457 A CN109117457 A CN 109117457A CN 201810860002 A CN201810860002 A CN 201810860002A CN 109117457 A CN109117457 A CN 109117457A
- Authority
- CN
- China
- Prior art keywords
- filtering
- image
- bodily form
- equipment
- adaptive
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 143
- 238000012545 processing Methods 0.000 claims description 31
- 238000012937 correction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种体形弯曲度大数据计算方法，该方法包括运行体形弯曲度大数据计算平台来计算体形弯曲度大数据，所述平台包括：作用力测量设备，设置在拉杆箱的把手上，用于检测当前作用在拉杆箱的把手上的作用力，以作为当前作用力输出；作用力报警设备，用于在所述当前作用力小于把手受力极限的差值达到预设差值阈值时，发出把手断裂预警信号；体形采集设备，设置在拉杆箱的侧面，用于面对拉杆箱的持有人进行体形拍摄，以获得并输出持有人体形图像；大数据计算节点，通过网络与数据汇并设备连接，设置在拉杆箱的顶部，用于接收数据汇并图像，对所述数据汇并图像中的人体体形进行提取，以获得对应的体形图案，确定所述体形图案的当前弯曲度。
Description
技术领域
本发明涉及大数据计算领域，尤其涉及一种体形弯曲度大数据计算方法。
背景技术
随着大数据的数据量越来越大，地理数据数据处理与分析的时间耗费就越大。因此，传统的数据处理技术和串行计算技术难以满足高精细地理大数据处理的需求。SuperMap支持并行计算，有效的提高了大数据处理的效率。
并行计算是将一个任务分解成若干个小任务并协同执行以完成求解的过程，是增强复杂问题解决能力和提升性能的有效途径。并行计算可以通过多种途径实现，包括多进程、多线程以及其他多种方式，SuperMap是通过多线程方式实现并行计算的，可充分和更加高效地利用多核计算资源，从而降低单个问题的求解时间，节省成本，也能够满足更大规模或更高精度要求的问题求解需求。
发明内容
为了解决当前拉杆箱缺乏有效助力机制的技术问题，本发明提供了一种体形弯曲度大数据计算方法，引入大数据计算节点对拉杆箱持有人的当前体形弯曲度进行辨识，以基于辨识结果确定是否执行拉杆箱推动助力动作，以增强拉杆箱的智能化等级，方便拉杆箱持有人的使用；其中，利用图像边缘信息越多，图像越复杂的特性，在图像边缘信息多时，选择更精确的第二小波滤波设备进行滤波处理，在图像边缘信息少时，选择性价比更高的第一小波滤波设备进行滤波处理，从而避免出现滤波策略的粗糙定制。
根据本发明的一方面，提供一种体形弯曲度大数据计算方法，该方法包括运行一种体形弯曲度大数据计算平台来计算体形弯曲度大数据，所述体形弯曲度大数据计算平台包括：作用力测量设备，设置在拉杆箱的把手上，用于检测当前作用在拉杆箱的把手上的作用力，以作为当前作用力输出；作用力报警设备，与所述作用力测量设备连接，用于接收所述当前作用力，并在所述当前作用力小于把手受力极限的差值达到预设差值阈值时，发出把手断裂预警信号。
更具体地，在所述体形弯曲度大数据计算平台中，还包括：
体形采集设备，设置在拉杆箱的侧面，用于面对拉杆箱的持有人进行体形拍摄，以获得并输出持有人体形图像；旋转处理设备，与所述体形采集设备连接，用于接收所述持有人体形图像，获取所述持有人体形图像中各个对象的放置角度，并基于预设角度阈值对所述持有人体形图像中的每一个对象进行放置角度的纠正，以使得所述持有人体形图像中的每一个对象的放置角度与所述预设角度阈值的偏差小于预设角度阈值，其中，所述旋转处理设备输出旋转处理图像。
更具体地，在所述体形弯曲度大数据计算平台中，还包括：
变步长自适应滤波设备，与所述旋转处理设备连接，用于接收所述旋转处理图像，用于对所述旋转处理图像执行变步长自适应滤波处理，以获得对应的自适应滤波图像；边缘点测量设备，与所述变步长自适应滤波设备连接，用于接收所述自适应滤波图像，对所述自适应滤波图像中的每一个像素点进行是否为边缘像素点的检测动作，并输出所述自适应滤波图像的全部像素点数量和所述自适应滤波图像的全部边缘像素点数量；倍数识别设备，与所述边缘点测量设备连接，用于接收所述自适应滤波图像的全部像素点数量和所述自适应滤波图像的全部边缘像素点数量，将所述自适应滤波图像的全部像素点数量除以所述自适应滤波图像的全部边缘像素点数量以获得边缘参考倍数；模式选择设备，与所述倍数识别设备连接，用于接收所述边缘参考倍数，并在所述边缘参考倍数超过限量时，发出第一滤波切换信号，以及在所述边缘参考倍数未超过限量时，发出第二滤波切换信号；第一小波滤波设备，分别与所述模式选择设备和所述边缘点测量设备连接，用于在接收到所述第二滤波切换信号时，从省电状态进入工作状态，并在所述工作状态下执行以下操作：对所述自适应滤波图像执行小波域的WIENER滤波处理，以获得相应的滤波图像以作为第一滤波图像输出；第二小波滤波设备，分别与所述模式选择设备和所述边缘点测量设备连接，用于在接收到所述第一滤波切换信号时，从省电状态进入工作状态，并在所述工作状态下执行以下操作：对所述自适应滤波图像进行小波分割以获得第一层到第P层的各个高频系数以及获得第P层的各个低频系数，将数值低于预设阈值的高频系数设置为零，数值不低于预设阈值的高频系数设置为其原值的三分之一，并基于第P层的各个低频系数和处理后的第一层到第P层的各个高频系数进行图像的重新构建，以获得所述自适应滤波图像对应的滤波图像以作为第二滤波图像输出；数据汇并设备，分别与所述第一小波滤波设备和所述第二小波滤波设备连接，用于将所述第一滤波图像或所述第二滤波图像作为数据汇并图像，并输出所述数据汇并图像；大数据计算节点，通过网络与所述数据汇并设备连接，设置在拉杆箱的顶部，用于接收所述数据汇并图像，对所述数据汇并图像中的人体体形进行提取，以获得对应的体形图案，确定所述体形图案的当前弯曲度，以作为当前体形弯曲度输出；助力启动设备，设置在拉杆箱的顶部，与所述大数据计算节点连接，用于接收所述当前体形弯曲度，并在所述当前体形弯曲度超限时，向助力电机发送助力启动控制指令；其中，所述助力启动设备还用于在所述当前体形弯曲度未超限时，向助力电机发送助力关闭控制指令。
更具体地，在所述体形弯曲度大数据计算平台中：所述第一小波滤波设备在省电状态下和工作状态下耗电量不同，所述第二小波滤波设备在省电状态下和工作状态下耗电量不同。
更具体地，在所述体形弯曲度大数据计算平台中：所述第一小波滤波设备在接收到所述第一滤波切换信号时，从工作状态进入省电状态。
更具体地，在所述体形弯曲度大数据计算平台中，还包括：
电力供应设备，分别与所述第一小波滤波设备和所述第二小波滤波设备连接，用于为所述第一小波滤波设备和所述第二小波滤波设备提供电力供应。
更具体地，在所述体形弯曲度大数据计算平台中：所述第一小波滤波设备在进入省电状态时，停止对所述自适应滤波图像执行小波域的WIENER滤波处理，直接将所述自适应滤波图像作为第一滤波图像输出。
更具体地，在所述体形弯曲度大数据计算平台中：所述第二小波滤波设备在接收到所述第二滤波切换信号时，从工作状态进入省电状态。
更具体地，在所述体形弯曲度大数据计算平台中：所述第二小波滤波设备在进入省电状态时，停止对所述自适应滤波图像进行小波分割，直接将所述自适应滤波图像作为第二滤波图像输出。
更具体地，在所述体形弯曲度大数据计算平台中：所述作用力报警设备还用于在所述当前作用力小于把手受力极限的差值未达到所述预设差值阈值时，发出把手状态正常信号。
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体形弯曲度大数据计算平台所应用的拉杆箱的侧面示意图。
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。
大数据的输入是大数据D，问题求解是F(D)。我们通常讲的时候总是讲查询、挖掘、分析，实际上已经远远超出了这个范围。大数据是一个多学科大范围的研究领域，涉及到很多的学科。大数据计算方面可以分5个方面。1是大数据的获取、2是大数据的传输、3是大数据的存储、4是大数据的质量管理。最终，要支持大数据的问题求解。所有的五个阶段里面的问题集中起来，称之为大数据计算问题的空间。
把求解这个空间里面的每一个问题的过程叫做大数据计算，对每一个问题要研究它的可计算性、计算复杂性和求解算法。
为了克服上述不足，本发明搭建一种体形弯曲度大数据计算方法，该方法包括运行一种体形弯曲度大数据计算平台来计算体形弯曲度大数据。所述体形弯曲度大数据计算平台有效解决了相应的技术问题。
图1为根据本发明实施方案示出的体形弯曲度大数据计算平台所应用的拉杆箱的侧面示意图。其中，1为杆体固定件，2为体形采集设备，3为箱体帆布侧面，4为底轮。
根据本发明实施方案示出的体形弯曲度大数据计算平台包括：
作用力测量设备，设置在拉杆箱的把手上，用于检测当前作用在拉杆箱的把手上的作用力，以作为当前作用力输出；
作用力报警设备，与所述作用力测量设备连接，用于接收所述当前作用力，并在所述当前作用力小于把手受力极限的差值达到预设差值阈值时，发出把手断裂预警信号。
接着，继续对本发明的体形弯曲度大数据计算平台的具体结构进行进一步的说明。
在所述体形弯曲度大数据计算平台中，还包括：
体形采集设备，设置在拉杆箱的侧面，用于面对拉杆箱的持有人进行体形拍摄，以获得并输出持有人体形图像；
旋转处理设备，与所述体形采集设备连接，用于接收所述持有人体形图像，获取所述持有人体形图像中各个对象的放置角度，并基于预设角度阈值对所述持有人体形图像中的每一个对象进行放置角度的纠正，以使得所述持有人体形图像中的每一个对象的放置角度与所述预设角度阈值的偏差小于预设角度阈值，其中，所述旋转处理设备输出旋转处理图像。
在所述体形弯曲度大数据计算平台中，还包括：
变步长自适应滤波设备，与所述旋转处理设备连接，用于接收所述旋转处理图像，用于对所述旋转处理图像执行变步长自适应滤波处理，以获得对应的自适应滤波图像；
边缘点测量设备，与所述变步长自适应滤波设备连接，用于接收所述自适应滤波图像，对所述自适应滤波图像中的每一个像素点进行是否为边缘像素点的检测动作，并输出所述自适应滤波图像的全部像素点数量和所述自适应滤波图像的全部边缘像素点数量；
倍数识别设备，与所述边缘点测量设备连接，用于接收所述自适应滤波图像的全部像素点数量和所述自适应滤波图像的全部边缘像素点数量，将所述自适应滤波图像的全部像素点数量除以所述自适应滤波图像的全部边缘像素点数量以获得边缘参考倍数；
模式选择设备，与所述倍数识别设备连接，用于接收所述边缘参考倍数，并在所述边缘参考倍数超过限量时，发出第一滤波切换信号，以及在所述边缘参考倍数未超过限量时，发出第二滤波切换信号；
第一小波滤波设备，分别与所述模式选择设备和所述边缘点测量设备连接，用于在接收到所述第二滤波切换信号时，从省电状态进入工作状态，并在所述工作状态下执行以下操作：对所述自适应滤波图像执行小波域的WIENER滤波处理，以获得相应的滤波图像以作为第一滤波图像输出；
第二小波滤波设备，分别与所述模式选择设备和所述边缘点测量设备连接，用于在接收到所述第一滤波切换信号时，从省电状态进入工作状态，并在所述工作状态下执行以下操作：对所述自适应滤波图像进行小波分割以获得第一层到第P层的各个高频系数以及获得第P层的各个低频系数，将数值低于预设阈值的高频系数设置为零，数值不低于预设阈值的高频系数设置为其原值的三分之一，并基于第P层的各个低频系数和处理后的第一层到第P层的各个高频系数进行图像的重新构建，以获得所述自适应滤波图像对应的滤波图像以作为第二滤波图像输出；
数据汇并设备，分别与所述第一小波滤波设备和所述第二小波滤波设备连接，用于将所述第一滤波图像或所述第二滤波图像作为数据汇并图像，并输出所述数据汇并图像；
大数据计算节点，通过网络与所述数据汇并设备连接，设置在拉杆箱的顶部，用于接收所述数据汇并图像，对所述数据汇并图像中的人体体形进行提取，以获得对应的体形图案，确定所述体形图案的当前弯曲度，以作为当前体形弯曲度输出；
助力启动设备，设置在拉杆箱的顶部，与所述大数据计算节点连接，用于接收所述当前体形弯曲度，并在所述当前体形弯曲度超限时，向助力电机发送助力启动控制指令；
其中，所述助力启动设备还用于在所述当前体形弯曲度未超限时，向助力电机发送助力关闭控制指令。
在所述体形弯曲度大数据计算平台中：所述第一小波滤波设备在省电状态下和工作状态下耗电量不同，所述第二小波滤波设备在省电状态下和工作状态下耗电量不同。
在所述体形弯曲度大数据计算平台中：所述第一小波滤波设备在接收到所述第一滤波切换信号时，从工作状态进入省电状态。
在所述体形弯曲度大数据计算平台中，还包括：
电力供应设备，分别与所述第一小波滤波设备和所述第二小波滤波设备连接，用于为所述第一小波滤波设备和所述第二小波滤波设备提供电力供应。
在所述体形弯曲度大数据计算平台中：所述第一小波滤波设备在进入省电状态时，停止对所述自适应滤波图像执行小波域的WIENER滤波处理，直接将所述自适应滤波图像作为第一滤波图像输出。
在所述体形弯曲度大数据计算平台中：所述第二小波滤波设备在接收到所述第二滤波切换信号时，从工作状态进入省电状态。
在所述体形弯曲度大数据计算平台中：所述第二小波滤波设备在进入省电状态时，停止对所述自适应滤波图像进行小波分割，直接将所述自适应滤波图像作为第二滤波图像输出。
在所述体形弯曲度大数据计算平台中，还包括：所述作用力报警设备还用于在所述当前作用力小于把手受力极限的差值未达到所述预设差值阈值时，发出把手状态正常信号。
另外，在所述第一小波滤波设备和所述第二小波滤波设备中，小波(Wavelet)这一术语，顾名思义，“小波”就是小的波形。所谓“小”是指他具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，他通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。
小波分析的应用是与小波分析的理论研究紧密地结合在一起地。他已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域，他的重要方面是图像和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复)。从数学地角度来看，信号与图像处理可以统一看作是信号处理(图像可以看作是二维信号)，在小波分析地许多分析的许多应用中，都可以归结为信号处理问题。对于其性质随时间是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析。
采用本发明的体形弯曲度大数据计算平台，针对现有技术中拉杆箱电子化程度低下的技术问题，通过引入大数据计算节点，对拉杆箱持有人的当前体形弯曲度进行辨识，以基于辨识结果确定是否执行拉杆箱推动助力动作，以增强拉杆箱的智能化等级，方便拉杆箱持有人的使用；其中，利用图像边缘信息越多，图像越复杂的特性，在图像边缘信息多时，选择更精确的第二小波滤波设备进行滤波处理，在图像边缘信息少时，选择性价比更高的第一小波滤波设备进行滤波处理，避免出现滤波策略的粗糙定制，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 (10)
1.一种体形弯曲度大数据计算方法，该方法包括运行一种体形弯曲度大数据计算平台来计算体形弯曲度大数据，其特征在于，所述体形弯曲度大数据计算平台包括：
作用力测量设备，设置在拉杆箱的把手上，用于检测当前作用在拉杆箱的把手上的作用力，以作为当前作用力输出；
作用力报警设备，与所述作用力测量设备连接，用于接收所述当前作用力，并在所述当前作用力小于把手受力极限的差值达到预设差值阈值时，发出把手断裂预警信号。
2.如权利要求1所述的方法，其特征在于，所述平台还包括：
体形采集设备，设置在拉杆箱的侧面，用于面对拉杆箱的持有人进行体形拍摄，以获得并输出持有人体形图像；
旋转处理设备，与所述体形采集设备连接，用于接收所述持有人体形图像，获取所述持有人体形图像中各个对象的放置角度，并基于预设角度阈值对所述持有人体形图像中的每一个对象进行放置角度的纠正，以使得所述持有人体形图像中的每一个对象的放置角度与所述预设角度阈值的偏差小于预设角度阈值，其中，所述旋转处理设备输出旋转处理图像。
3.如权利要求2所述的方法，其特征在于，所述平台还包括：
变步长自适应滤波设备，与所述旋转处理设备连接，用于接收所述旋转处理图像，用于对所述旋转处理图像执行变步长自适应滤波处理，以获得对应的自适应滤波图像；
边缘点测量设备，与所述变步长自适应滤波设备连接，用于接收所述自适应滤波图像，对所述自适应滤波图像中的每一个像素点进行是否为边缘像素点的检测动作，并输出所述自适应滤波图像的全部像素点数量和所述自适应滤波图像的全部边缘像素点数量；
倍数识别设备，与所述边缘点测量设备连接，用于接收所述自适应滤波图像的全部像素点数量和所述自适应滤波图像的全部边缘像素点数量，将所述自适应滤波图像的全部像素点数量除以所述自适应滤波图像的全部边缘像素点数量以获得边缘参考倍数；
模式选择设备，与所述倍数识别设备连接，用于接收所述边缘参考倍数，并在所述边缘参考倍数超过限量时，发出第一滤波切换信号，以及在所述边缘参考倍数未超过限量时，发出第二滤波切换信号；
第一小波滤波设备，分别与所述模式选择设备和所述边缘点测量设备连接，用于在接收到所述第二滤波切换信号时，从省电状态进入工作状态，并在所述工作状态下执行以下操作：对所述自适应滤波图像执行小波域的WIENER滤波处理，以获得相应的滤波图像以作为第一滤波图像输出；
第二小波滤波设备，分别与所述模式选择设备和所述边缘点测量设备连接，用于在接收到所述第一滤波切换信号时，从省电状态进入工作状态，并在所述工作状态下执行以下操作：对所述自适应滤波图像进行小波分割以获得第一层到第P层的各个高频系数以及获得第P层的各个低频系数，将数值低于预设阈值的高频系数设置为零，数值不低于预设阈值的高频系数设置为其原值的三分之一，并基于第P层的各个低频系数和处理后的第一层到第P层的各个高频系数进行图像的重新构建，以获得所述自适应滤波图像对应的滤波图像以作为第二滤波图像输出；
数据汇并设备，分别与所述第一小波滤波设备和所述第二小波滤波设备连接，用于将所述第一滤波图像或所述第二滤波图像作为数据汇并图像，并输出所述数据汇并图像；
大数据计算节点，通过网络与所述数据汇并设备连接，设置在拉杆箱的顶部，用于接收所述数据汇并图像，对所述数据汇并图像中的人体体形进行提取，以获得对应的体形图案，确定所述体形图案的当前弯曲度，以作为当前体形弯曲度输出；
助力启动设备，设置在拉杆箱的顶部，与所述大数据计算节点连接，用于接收所述当前体形弯曲度，并在所述当前体形弯曲度超限时，向助力电机发送助力启动控制指令；
其中，所述助力启动设备还用于在所述当前体形弯曲度未超限时，向助力电机发送助力关闭控制指令。
4.如权利要求3所述的方法，其特征在于：
所述第一小波滤波设备在省电状态下和工作状态下耗电量不同，所述第二小波滤波设备在省电状态下和工作状态下耗电量不同。
5.如权利要求4所述的方法，其特征在于：
所述第一小波滤波设备在接收到所述第一滤波切换信号时，从工作状态进入省电状态。
6.如权利要求5所述的方法，其特征在于，所述平台还包括：
电力供应设备，分别与所述第一小波滤波设备和所述第二小波滤波设备连接，用于为所述第一小波滤波设备和所述第二小波滤波设备提供电力供应。
7.如权利要求6所述的方法，其特征在于：
所述第一小波滤波设备在进入省电状态时，停止对所述自适应滤波图像执行小波域的WIENER滤波处理，直接将所述自适应滤波图像作为第一滤波图像输出。
8.如权利要求7所述的方法，其特征在于：
所述第二小波滤波设备在接收到所述第二滤波切换信号时，从工作状态进入省电状态。
9.如权利要求8所述的方法，其特征在于：
所述第二小波滤波设备在进入省电状态时，停止对所述自适应滤波图像进行小波分割，直接将所述自适应滤波图像作为第二滤波图像输出。
10.如权利要求3-9任一所述的方法，其特征在于：
所述作用力报警设备还用于在所述当前作用力小于把手受力极限的差值未达到所述预设差值阈值时，发出把手状态正常信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810860002.6A CN109117457B (zh) | 2018-08-01 | 2018-08-01 | 体形弯曲度大数据计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810860002.6A CN109117457B (zh) | 2018-08-01 | 2018-08-01 | 体形弯曲度大数据计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109117457A true CN109117457A (zh) | 2019-01-01 |
| CN109117457B CN109117457B (zh) | 2020-01-14 |
Family
ID=64862439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810860002.6A Active CN109117457B (zh) | 2018-08-01 | 2018-08-01 | 体形弯曲度大数据计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109117457B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111241900A (zh) * | 2019-04-12 | 2020-06-05 | 泰州阿法光电科技有限公司 | 交通环境现场维护方法 |
| CN112785612A (zh) * | 2020-08-28 | 2021-05-11 | 青岛经济技术开发区海尔热水器有限公司 | 基于小波变换的图像边缘检测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070145700A1 (en) * | 2005-10-17 | 2007-06-28 | Richard Ambrose | Method and apparatus for portable container with integrated seat and stabilization mechanism |
| KR20080101639A (ko) * | 2007-05-18 | 2008-11-21 | 김동성 | 표시장치가 부착된 휴대용 하드케이스 가방 |
| US20130057694A1 (en) * | 2011-09-01 | 2013-03-07 | Robert Bosch Gmbh | Luggage security device |
| CN203314292U (zh) * | 2013-06-09 | 2013-12-04 | 王大海 | 旅行拉杆箱 |
| CN204091223U (zh) * | 2014-10-22 | 2015-01-14 | 俞汉成 | 一种具有称重功能的拉杆箱 |
| US20150136552A1 (en) * | 2013-11-20 | 2015-05-21 | Pack And Track L.L.C. | Pack and Track |
| CN104905521A (zh) * | 2015-06-08 | 2015-09-16 | 上海应用技术学院 | 智能助力拉杆箱 |
| CN205285360U (zh) * | 2015-12-24 | 2016-06-08 | 泉州市范特西智能科技有限公司 | 具有智能特征识别功能的行李箱 |
-
2018
- 2018-08-01 CN CN201810860002.6A patent/CN109117457B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070145700A1 (en) * | 2005-10-17 | 2007-06-28 | Richard Ambrose | Method and apparatus for portable container with integrated seat and stabilization mechanism |
| KR20080101639A (ko) * | 2007-05-18 | 2008-11-21 | 김동성 | 표시장치가 부착된 휴대용 하드케이스 가방 |
| US20130057694A1 (en) * | 2011-09-01 | 2013-03-07 | Robert Bosch Gmbh | Luggage security device |
| CN203314292U (zh) * | 2013-06-09 | 2013-12-04 | 王大海 | 旅行拉杆箱 |
| US20150136552A1 (en) * | 2013-11-20 | 2015-05-21 | Pack And Track L.L.C. | Pack and Track |
| CN204091223U (zh) * | 2014-10-22 | 2015-01-14 | 俞汉成 | 一种具有称重功能的拉杆箱 |
| CN104905521A (zh) * | 2015-06-08 | 2015-09-16 | 上海应用技术学院 | 智能助力拉杆箱 |
| CN205285360U (zh) * | 2015-12-24 | 2016-06-08 | 泉州市范特西智能科技有限公司 | 具有智能特征识别功能的行李箱 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111241900A (zh) * | 2019-04-12 | 2020-06-05 | 泰州阿法光电科技有限公司 | 交通环境现场维护方法 |
| CN111241900B (zh) * | 2019-04-12 | 2021-02-05 | 宁夏爱特云翔信息技术有限公司 | 交通环境现场维护方法 |
| CN112785612A (zh) * | 2020-08-28 | 2021-05-11 | 青岛经济技术开发区海尔热水器有限公司 | 基于小波变换的图像边缘检测方法 |
| CN112785612B (zh) * | 2020-08-28 | 2022-09-13 | 青岛经济技术开发区海尔热水器有限公司 | 基于小波变换的图像边缘检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109117457B (zh) | 2020-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109948647B (zh) | 一种基于深度残差网络的心电图分类方法及系统 | |
| US8041136B2 (en) | System and method for signal processing using fractal dimension analysis | |
| CN104268883B (zh) | 一种基于边缘检测的时频谱曲线提取方法 | |
| WO2019100827A1 (zh) | 一种脉搏波信号中提取血压数据的方法及装置 | |
| CN106618542A (zh) | 一种去噪心率信号检测装置及方法 | |
| Wang et al. | An MVMD-CCA recognition algorithm in SSVEP-based BCI and its application in robot control | |
| CN109117457A (zh) | 体形弯曲度大数据计算方法 | |
| CN110236530A (zh) | 一种心电信号qrs波群定位方法、装置及计算机存储介质 | |
| CN110840401B (zh) | 一种心率值测定方法、装置、设备及可读存储介质 | |
| CN109363652A (zh) | 基于深度学习的ppg信号重构方法及设备 | |
| CN106874872A (zh) | 工频噪声滤除装置与方法 | |
| CN116172517A (zh) | 基于双视角特征融合框架的发作间期癫痫样放电检测方法及装置 | |
| CN104463197B (zh) | 基于频谱校正与逆向组合的欠定盲信号分离方法及其装置 | |
| CN103829944A (zh) | 基于模式识别的胸阻抗信号处理方法 | |
| CN104655965B (zh) | 一种电力系统中相量测量方法 | |
| Choi et al. | Attention-lrcn: long-term recurrent convolutional network for stress detection from photoplethysmography | |
| Lu et al. | An improved method for CT/MRI image fusion on bandelets transform domain | |
| CN110288026A (zh) | 一种基于度量关系图学习的图像分割方法及装置 | |
| CN114557685A (zh) | 一种非接触式运动鲁棒心率测量方法及测量装置 | |
| Gao et al. | Analyses of geographical observations in the Heihe River Basin: Perspectives from complexity theory | |
| CN113693578B (zh) | 一种心率估计方法、装置、设备、系统及存储介质 | |
| CN113925482B (zh) | 心率计算方法、可穿戴电子设备和存储介质 | |
| CN109858341A (zh) | 一种基于嵌入式系统的快速多人脸检测和跟踪方法 | |
| CN104545890A (zh) | 一种基于心电信号的身份识别方法和装置 | |
| CN205031255U (zh) | 微伏级t波交替实时检测系统 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100189 room 1010, 10th floor, No.1, Zhongguancun Street, Haidian District, Beijing Applicant after: Zhang Yunjuan Address before: No. 11 Jianghai Road, Yangzhou Development Zone, Jiangsu Province, 225101 Applicant before: Zhang Yunjuan |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191218 Address after: 518111 no.6c-005-6c-008, phase II, South China International leather and leather materials logistics zone, No.1, South China Avenue, Pinghu street, Longgang District, Shenzhen, Guangdong Province Applicant after: Shenzhen Saiwei e-commerce Co., Ltd Address before: 100189 room 1010, 10th floor, No.1, Zhongguancun Street, Haidian District, Beijing Applicant before: Zhang Yunjuan |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 518111 no.6c-005-6c-008, phase II, South China International leather and leather materials logistics zone, No.1, South China Avenue, Pinghu street, Longgang District, Shenzhen, Guangdong Province Patentee after: Saiwei times Technology Co., Ltd Address before: 518111 no.6c-005-6c-008, phase II, South China International leather and leather materials logistics zone, No.1, South China Avenue, Pinghu street, Longgang District, Shenzhen, Guangdong Province Patentee before: Shenzhen Saiwei e-commerce Co., Ltd |