CN109144442A - 一种智能云白板 - Google Patents
一种智能云白板 Download PDFInfo
- Publication number
- CN109144442A CN109144442A CN201810769011.4A CN201810769011A CN109144442A CN 109144442 A CN109144442 A CN 109144442A CN 201810769011 A CN201810769011 A CN 201810769011A CN 109144442 A CN109144442 A CN 109144442A
- Authority
- CN
- China
- Prior art keywords
- image
- intelligent cloud
- blank
- cloud
- segmentation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
- G06F3/1454—Digital output to display device ; Cooperation and interconnection of the display device with other functional units involving copying of the display data of a local workstation or window to a remote workstation or window so that an actual copy of the data is displayed simultaneously on two or more displays, e.g. teledisplay
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种智能云白板,其具有如下功能:实现圆规,量角器等增强绘图功能。智能笔功能,对手工绘图进行智能修正。多图索引功能、操作回退功能。白板与点播云服务结合,利用云服务的CDN技术优化共享视频的观看体验。作为优选,还包括无线传感器接收模块,能搜集现场信息进行计算,达到进一步提升的智能效果。
Description
本发明涉及一种智能云白板,属于智能家电技术领域。
背景技术
电子白板是一个较新的产品,它汇集了尖端电子技术、软件技术等多种高科技手段研发的高新技术产品,结合计算机和投影机,可以实现无纸化办公及教学,它使用触摸屏进行输入,相对于投影机、普通白板,电子白板有其自身的优点。
电子白板涉及的关键技术:图形图像绘制,GDI(Graphics Device nterface),图形设备接口,负责系统与绘图程序之间的信息交换理所有Windows程序的图形输出。QT,一种跨平台C++图形用户界面应用程序开发框架。录制回放,网络共享。
现有的技术方案,绘图功能不足,缺圆规,量角器等增强绘图功能,多图没有索引功能,操作不能回退。
发明内容
针对现有技术的缺点,本发明通过对电子白板进行改进,实现圆规,量角器等增强绘图功能。智能笔功能,对手工绘图进行智能修正。多图索引功能、操作回退功能。白板与点播云服务结合,利用云服务的CDN技术优化共享视频的观看体验。此外,还能搜集现场信息进行计算,达到进一步提升的智能效果。
本发明的技术方案如下:
一种智能云白板,其具有如下功能:
实现圆规,量角器等增强绘图功能。智能笔功能,对手工绘图进行智能修正。多图索引功能、操作回退功能。白板与点播云服务结合,利用云服务的CDN技术优化共享视频的观看体验。
作为优选,还包括无线传感器接收模块,能搜集现场信息进行计算,达到进一步提升的智能效果。
通过无线传感器网络技术实现了智能云白板现场工作参数的采集,并通过对现场工作参数进行分析处理,在现场工作参数超出设定的阈值范围时输出相应的报警信号,能够在现场工作参数超出设定的阈值范围时进行报警,以便观察者针对智能云白板的操作工况及时做出合理安排,避免意外状况发生。
优选的,通过摄像机实时采集智能云白板的图像,综合数据场理论和模糊C均值聚类算法对预处理的智能云白板图像进行目标分割,能够有效的弥补智能云白板图像背景灰度分布不均以及目标微弱的问题,提高了智能云白板图像的目标分割精度,从而提高了对智能云白板的判断精度,实现了对智能云白板质量的有效监控。
优选地,包括图像采集模块1、图像预处理模块2、图像分割模块3、质量分析模块4和监控显示模块5,所述图像采集模块1用于对处的原始图像进行实时采集,所述图像预处理模块2用于对所述原始图像进行滤波处理,并将滤波后的图像进行二值化操作,所述图像分割模块3采用基于数据场的模糊C均值聚类算法对预处理后的图像进行目标分割,得到图像中的目标图像,所述质量分析模块4用于从分割得到的目标图像中进行特征提取,并根据提取得到的特征对焊缝进行分析和识别,从而完成对质量的判断,所述监控显示模块5用于实时显示分割得到的目标图像和判断所得的质量,并在质量低于要求时即进行预警。图像分割模块包括图像转换单元31和图像分割单元32,所述图像转换单元31用于将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间,得到图像数据场,所述图像分割单元32用于对图像数据场中的势值进行聚类分割。
优选地,所述图像转换单元31用于将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间,得到图像数据场,其采用一种改进的势值计算公式,具体为:
给定图像空间p,在距离不超过的几何邻域Ω中,任何一个像素p处的势值为:
式中,E(p)表示智能云白板图像中像素p的几何邻域Ω中灰度值的均值,E(q)表示智能云白板图像中像素q的几何邻域Ω中灰度值的均值,σ表示相互作用力程,x(p)和y(p)分别表示像素点p的横、纵坐标,x(q)和y(q)分别表示智能云白板图像中像素q的横、纵坐标。
本优选实施例通过对势值计算公式进行改进,在将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间中,实现了智能云白板图像背景的均衡化,突出了智能云白板图像中背景和目标的势值的差异,从而提高了弱小目标的提取精度。
优选地,图像分割单元32采用模糊C均值聚类算法对所述图像数据场进行聚类分割,定义采用的模糊C均值聚类算法在数据场中第k次迭代后的隶属度函数为则的计算为:
式中,表示图像数据场中第k次迭代后势值和第i个聚类中心的距离,表示图像数据场中第k次迭代后势值和第r个聚类中心的距离,s(j)表示智能云白板图像中像素j的几何邻域Ω中灰度值的方差,s(i)表示智能云白板图像中第i个聚类中心所对应像素的几何邻域Ω中灰度值的方差,s(r)表示智能云白板图像中第r个聚类中心所对应像素的几何邻域Ω中灰度值的方差,c是聚类数,m为加权因子。
本发明改进的模糊C均值聚类算法的隶属度函数计算过程中,综合考虑了数据场的势值和灰度图的方差,解决了由于基于单一图像数据场聚类而造成的目标分割后内部及边缘区域不连续的问题。
优选地,图像分割单元32采用模糊C均值聚类算法对所述图像数据场进行聚类分割,定义采用的模糊C均值聚类算法的目标函数为则的计算公式为:
式中,表示图像数据场中像素j属于第i类的隶属度,dij表示图像数据场中势值和第i个聚类中心的距离,c表示聚类数,n表示图像数据场中势值的个数,m表示加权因子;
定义采用的模糊C均值聚类算法的第i个模糊聚类中心为ci,则模糊聚类中心ci的计算公式为:
式中,第k次迭代后的隶属度函数,表示图像数据场中像素j处的势值,m表示加权因子,n表示图像数据场中势值的个数。
本发明的优点:
本发明通过对电子白板进行改进,实现圆规,量角器等增强绘图功能。智能笔功能,对手工绘图进行智能修正。多图索引功能、操作回退功能。白板与点播云服务结合,利用云服务的CDN技术优化共享视频的观看体验。此外,还能搜集现场信息进行计算,达到进一步提升的智能效果。
附图说明
图1位本发明智能白板的结构示意图,
具体实施方式
下面详细描述本发明的实施例,所述实施例仅用于解释本发明,而不能理解为对本发明的限制。
一种智能云白板,其具有如下功能:
实现圆规,量角器等增强绘图功能。智能笔功能,对手工绘图进行智能修正。多图索引功能、操作回退功能。白板与点播云服务结合,利用云服务的CDN技术优化共享视频的观看体验。
还包括无线传感器接收模块,能搜集现场信息进行计算,达到进一步提升的智能效果。
通过无线传感器网络技术实现了智能云白板现场工作参数的采集,并通过对现场工作参数进行分析处理,在现场工作参数超出设定的阈值范围时输出相应的报警信号,能够在现场工作参数超出设定的阈值范围时进行报警,以便观察者针对智能云白板的操作工况及时做出合理安排,避免意外状况发生。
通过摄像机实时采集智能云白板的图像,综合数据场理论和模糊C均值聚类算法对预处理的智能云白板图像进行目标分割,能够有效的弥补智能云白板图像背景灰度分布不均以及目标微弱的问题,提高了智能云白板图像的目标分割精度,从而提高了对智能云白板的判断精度,实现了对智能云白板质量的有效监控。
进一步包括图像采集模块1、图像预处理模块2、图像分割模块3、质量分析模块4和监控显示模块5,所述图像采集模块1用于对处的原始图像进行实时采集,所述图像预处理模块2用于对所述原始图像进行滤波处理,并将滤波后的图像进行二值化操作,所述图像分割模块3采用基于数据场的模糊C均值聚类算法对预处理后的图像进行目标分割,得到图像中的目标图像,所述质量分析模块4用于从分割得到的目标图像中进行特征提取,并根据提取得到的特征对焊缝进行分析和识别,从而完成对质量的判断,所述监控显示模块5用于实时显示分割得到的目标图像和判断所得的质量,并在质量低于要求时即进行预警。图像分割模块包括图像转换单元31和图像分割单元32,所述图像转换单元31用于将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间,得到图像数据场,所述图像分割单元32用于对图像数据场中的势值进行聚类分割。
所述图像转换单元31用于将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间,得到图像数据场,其采用一种改进的势值计算公式,具体为:
给定图像空间P,在距离不超过的几何邻域Ω中,任何一个像素p处的势值为:
式中,E(p)表示智能云白板图像中像素p的几何邻域Ω中灰度值的均值,E(q)表示智能云白板图像中像素q的几何邻域Ω中灰度值的均值,σ表示相互作用力程,x(p)和y(p)分别表示像素点p的横、纵坐标,x(q)和y(q)分别表示智能云白板图像中像素q的横、纵坐标。
本优选实施例通过对势值计算公式进行改进,在将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间中,实现了智能云白板图像背景的均衡化,突出了智能云白板图像中背景和目标的势值的差异,从而提高了弱小目标的提取精度。
图像分割单元32采用模糊C均值聚类算法对所述图像数据场进行聚类分割,定义采用的模糊C均值聚类算法在数据场中第k次迭代后的隶属度函数为则的计算为:
式中,表示图像数据场中第k次迭代后势值和第i个聚类中心的距离,表示图像数据场中第k次迭代后势值和第r个聚类中心的距离,s(j)表示智能云白板图像中像素j的几何邻域Ω中灰度值的方差,s(i)表示智能云白板图像中第i个聚类中心所对应像素的几何邻域Ω中灰度值的方差,s(r)表示智能云白板图像中第r个聚类中心所对应像素的几何邻域Ω中灰度值的方差,c是聚类数,m为加权因子。
本发明改进的模糊C均值聚类算法的隶属度函数计算过程中,综合考虑了数据场的势值和灰度图的方差,解决了由于基于单一图像数据场聚类而造成的目标分割后内部及边缘区域不连续的问题。
图像分割单元32采用模糊C均值聚类算法对所述图像数据场进行聚类分割,定义采用的模糊C均值聚类算法的目标函数为则的计算公式为:
式中,表示图像数据场中像素j属于第i类的隶属度,dij表示图像数据场中势值和第i个聚类中心的距离,c表示聚类数,n表示图像数据场中势值的个数,m表示加权因子;
定义采用的模糊C均值聚类算法的第i个模糊聚类中心为ci,则模糊聚类中心ci的计算公式为:
式中,第k次迭代后的隶属度函数,表示图像数据场中像素j处的势值,m表示加权因子,n表示图像数据场中势值的个数。
本发明通过对电子白板进行改进,实现圆规,量角器等增强绘图功能。智能笔功能,对手工绘图进行智能修正。多图索引功能、操作回退功能。白板与点播云服务结合,利用云服务的CDN技术优化共享视频的观看体验。此外,还能搜集现场信息进行计算,达到进一步提升的智能效果。此外,本发明采用在模糊C均值聚类算法中综合考虑了数据场的势值和灰度图的灰度值对图像分割的影响,能够有效的弥补数据场中目标区域内势值分布不均的问题,提高了焊接图像中微弱目标的分割效果,并且有效的提高了模糊C均值聚类算法的抗噪性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种智能云白板,其特征在于,具有如下功能:
实现圆规,量角器等增强绘图功能;
智能笔功能,对手工绘图进行智能修正;
多图索引功能、操作回退功能。白板与点播云服务结合,利用云服务的CDN技术优化共享视频的观看体验。
2.权利要求1所述的智能云白板,还包括无线传感器接收模块,能搜集现场信息进行计算,达到进一步提升的智能效果。
3.权利要求2所述的智能云白板,通过摄像机实时采集智能云白板的图像,综合数据场理论和模糊C均值聚类算法对预处理的智能云白板图像进行目标分割,能够有效的弥补智能云白板图像背景灰度分布不均以及目标微弱的问题,提高了智能云白板图像的目标分割精度,从而提高了对智能云白板的判断精度,实现了对智能云白板质量的有效监控。
4.权利要求3所述的智能云白板,还进一步包括图像采集模块1、图像预处理模块2、图像分割模块3、质量分析模块4和监控显示模块5,所述图像采集模块1用于对处的原始图像进行实时采集,所述图像预处理模块2用于对所述原始图像进行滤波处理,并将滤波后的图像进行二值化操作,所述图像分割模块3采用基于数据场的模糊C均值聚类算法对预处理后的图像进行目标分割,得到图像中的目标图像,所述质量分析模块4用于从分割得到的目标图像中进行特征提取,并根据提取得到的特征对焊缝进行分析和识别,从而完成对质量的判断,所述监控显示模块5用于实时显示分割得到的目标图像和判断所得的质量,并在质量低于要求时即进行预警。图像分割模块包括图像转换单元31和图像分割单元32,所述图像转换单元31用于将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间,得到图像数据场,所述图像分割单元32用于对图像数据场中的势值进行聚类分割。
5.权利要求4所述的智能云白板,所述图像转换单元31用于将预处理后的智能云白板图像从灰度值空间映射到数据场的势空间,得到图像数据场,其采用一种改进的势值计算公式,具体为:
给定图像空间P,在距离不超过的几何邻域Ω中,任何一个像素p处的势值为:
式中,E(p)表示智能云白板图像中像素p的几何邻域Ω中灰度值的均值,E(q)表示智能云白板图像中像素q的几何邻域Ω中灰度值的均值,σ表示相互作用力程,x(p)和y(p)分别表示像素点p的横、纵坐标,x(q)和y(q)分别表示智能云白板图像中像素q的横、纵坐标。
6.权利要求5所述的智能云白板,图像分割单元32采用模糊C均值聚类算法对所述图像数据场进行聚类分割,定义采用的模糊C均值聚类算法在数据场中第k次迭代后的隶属度函数为则的计算为:
式中,表示图像数据场中第k次迭代后势值和第i个聚类中心的距离,表示图像数据场中第k次迭代后势值和第r个聚类中心的距离,s(j)表示智能云白板图像中像素j的几何邻域Ω中灰度值的方差,s(i)表示智能云白板图像中第i个聚类中心所对应像素的几何邻域Ω中灰度值的方差,s(r)表示智能云白板图像中第r个聚类中心所对应像素的几何邻域Ω中灰度值的方差,c是聚类数,m为加权因子。
7.权利要求6所述的智能云白板,图像分割单元32采用模糊C均值聚类算法对所述图像数据场进行聚类分割,定义采用的模糊C均值聚类算法的目标函数为则的计算公式为:
式中,表示图像数据场中像素j属于第i类的隶属度,dij表示图像数据场中势值和第i个聚类中心的距离,c表示聚类数,n表示图像数据场中势值的个数,m表示加权因子;
定义采用的模糊C均值聚类算法的第i个模糊聚类中心为ci,则模糊聚类中心ci的计算公式为:
式中,第k次迭代后的隶属度函数,表示图像数据场中像素j处的势值,m表示加权因子,n表示图像数据场中势值的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810769011.4A CN109144442B (zh) | 2018-07-13 | 2018-07-13 | 一种智能云白板 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810769011.4A CN109144442B (zh) | 2018-07-13 | 2018-07-13 | 一种智能云白板 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109144442A true CN109144442A (zh) | 2019-01-04 |
CN109144442B CN109144442B (zh) | 2019-11-08 |
Family
ID=64800637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810769011.4A Active CN109144442B (zh) | 2018-07-13 | 2018-07-13 | 一种智能云白板 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109144442B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727656A (zh) * | 2008-10-31 | 2010-06-09 | 李德毅 | 一种基于数据场的图像分割方法 |
KR101254181B1 (ko) * | 2012-12-13 | 2013-04-19 | 위아코퍼레이션 주식회사 | 하이브리드 방식의 영상 데이터 전처리 기법 및 방사형 기저함수 기반 신경회로망을 이용한 얼굴 인식 방법 |
CN103353987A (zh) * | 2013-06-14 | 2013-10-16 | 山东大学 | 一种基于模糊理论的超像素分割方法 |
CN106846326A (zh) * | 2017-01-17 | 2017-06-13 | 合肥工业大学 | 基于多核局部信息fcm算法的图像分割方法 |
CN106982357A (zh) * | 2017-04-11 | 2017-07-25 | 广州市奥威亚电子科技有限公司 | 一种基于分布云的智能拍摄系统 |
CN107220977A (zh) * | 2017-06-06 | 2017-09-29 | 合肥工业大学 | 基于模糊聚类的有效性指标的图像分割方法 |
-
2018
- 2018-07-13 CN CN201810769011.4A patent/CN109144442B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727656A (zh) * | 2008-10-31 | 2010-06-09 | 李德毅 | 一种基于数据场的图像分割方法 |
KR101254181B1 (ko) * | 2012-12-13 | 2013-04-19 | 위아코퍼레이션 주식회사 | 하이브리드 방식의 영상 데이터 전처리 기법 및 방사형 기저함수 기반 신경회로망을 이용한 얼굴 인식 방법 |
CN103353987A (zh) * | 2013-06-14 | 2013-10-16 | 山东大学 | 一种基于模糊理论的超像素分割方法 |
CN106846326A (zh) * | 2017-01-17 | 2017-06-13 | 合肥工业大学 | 基于多核局部信息fcm算法的图像分割方法 |
CN106982357A (zh) * | 2017-04-11 | 2017-07-25 | 广州市奥威亚电子科技有限公司 | 一种基于分布云的智能拍摄系统 |
CN107220977A (zh) * | 2017-06-06 | 2017-09-29 | 合肥工业大学 | 基于模糊聚类的有效性指标的图像分割方法 |
Non-Patent Citations (4)
Title |
---|
张成文: "交互白板在初中数学教学中的应用探究", 《中学生数理化 教与学》 * |
王文珍: "电子白板为课堂教学激趣增效", 《学周刊》 * |
王芳军: "电子白板在数学教学中的有效作用", 《甘肃教育》 * |
皮强华: "基于Java的交互式电子白板系统设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109144442B (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106356757B (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN110555412B (zh) | 基于rgb和点云相结合的端到端人体姿态识别方法 | |
CN106600625A (zh) | 检测小型生物的图像处理方法及装置 | |
CN106530281B (zh) | 基于边缘特征的无人机图像模糊判断方法及系统 | |
CN104821056A (zh) | 基于雷达与视频融合的智能警戒方法 | |
CN105426837B (zh) | 移动网络视觉雾霾检测系统 | |
CN103489006A (zh) | 一种基于计算机视觉的水稻病虫草害诊断方法 | |
CN108363482A (zh) | 一种基于双目结构光的三维手势控制智能电视的方法 | |
CN104821010A (zh) | 基于双目视觉的人手三维信息实时提取方法及系统 | |
Li et al. | A robot vision navigation method using deep learning in edge computing environment | |
CN102932638B (zh) | 基于计算机建模的3d视频监控方法 | |
CN104167006A (zh) | 一种任意手形的手势跟踪方法 | |
CN105741326B (zh) | 一种基于聚类融合的视频序列的目标跟踪方法 | |
CN111783675A (zh) | 基于车辆语义感知的智慧城市视频自适应hdr控制方法 | |
CN111399634B (zh) | 一种手势引导物体识别的方法及装置 | |
CN104159088A (zh) | 一种远程智能车辆监控系统及方法 | |
CN108960287A (zh) | 一种实现地形和目标检测的盲人辅助眼镜 | |
CN106709432A (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、系统及存储介质 | |
Yan et al. | Robust infrared superpixel image separation model for small target detection | |
CN117763186A (zh) | 遥感图像检索方法、系统、计算机设备及存储介质 | |
CN109144442B (zh) | 一种智能云白板 | |
CN110852335B (zh) | 一种基于多颜色特征融合与深度网络的目标跟踪系统 | |
Xu et al. | 3D joints estimation of the human body in single-frame point cloud | |
Hua et al. | Kinect‐based real‐time acquisition algorithm of crop growth depth images |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Shao Wei Inventor before: Shao Min |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200519 Address after: 300385 block d15-2-1, Saida international industrial city, Xiqing Economic and Technological Development Zone, Xiqing District, Tianjin Patentee after: Tianjin Mingpai Technology Co., Ltd Address before: 100000 Block B 1025, Xinlong Building, Xisanqi Bridge, Haidian District, Beijing Patentee before: BEIJING MINGPAI TECHNOLOGY Co.,Ltd. |