CN109319619A - 一种电梯智能监控系统的工作方法 - Google Patents
一种电梯智能监控系统的工作方法 Download PDFInfo
- Publication number
- CN109319619A CN109319619A CN201811079722.5A CN201811079722A CN109319619A CN 109319619 A CN109319619 A CN 109319619A CN 201811079722 A CN201811079722 A CN 201811079722A CN 109319619 A CN109319619 A CN 109319619A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- imaging system
- spectral information
- main control
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种电梯智能监控系统的工作方法，所述电梯智能监控系统包括：云服务器，与该云服务器相连的监控装置和监控终端；其中所述监控装置包括：控制模块，与该控制模块相连的移动模块和视频监控模块；所述视频监控模块固定在移动模块上；所述工作方法包括：所述控制模块适于控制移动模块带动视频监控模块在电梯轿厢顶部内移动；所述视频监控模块采集电梯内的视频数据，并通过一通信模块发送至云服务器；以及所述云服务器存储视频数据，并将视频数据发送至监控终端；本发明电梯智能监控系统的工作方法通过移动模块使视频监控模块在电梯轿厢顶部进行移动，实现对轿厢内部的全方位监控，通过云服务器实现远程监控，提高了监控质量。
Description
技术领域
本发明涉及电梯监控技术领域，尤其涉及一种电梯智能监控系统的工作方法。
背景技术
随着生活水平的提高，电梯在日常生活中的应用也越来越广，为了提高电梯轿厢的安全性，在电梯内安装监控系统已经是必然趋势。
发明内容
本发明的目的是提供一种电梯智能监控系统的工作方法。
为了解决上述技术问题，本发明提供了一种电梯智能监控系统的工作方法，所述电梯智能监控系统包括：云服务器，与该云服务器相连的监控装置和监控终端；其中所述监控装置包括：控制模块，与该控制模块相连的移动模块和视频监控模块；所述视频监控模块固定在移动模块上；所述工作方法包括：所述控制模块适于控制移动模块带动视频监控模块在电梯轿厢顶部内移动；所述视频监控模块采集电梯内的视频数据，并通过一通信模块发送至云服务器；以及所述云服务器存储视频数据，并将视频数据发送至监控终端。
优选地，所述视频监控模块采用多光普相机；所述多光普相机适于实时识别被监控目标位置，且实时识别被监控目标位置的方法包括如下步骤：
步骤1：通过多光谱成像系统获取目标区域的光谱图像，所述多光谱成像系统所涉及滤光片波长范围涵盖可见光波长至红外波长；步骤2：提取所述多光谱成像系统任一成像通道的光谱图像的光谱信息，将所述光谱信息导入至所述多光谱成像系统的光谱信息数据库进行数据匹配，完成初步信息筛选；步骤3：若所述光谱信息匹配失败，则所述多光谱成像系统中的主控芯片控制进行下一帧目标区域光谱图像的获取；步骤4：若所述光谱信息数据库中匹配到对应的光谱信息，所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标，并根据所述位置坐标，所述主控芯片控制所述多光谱成像系统进行目标区域的全方位摄像扫描，分别获得可见光波长及红外波长尺度下的光谱图像，并对所述可见光波长及红外波长尺度下的光谱图像进行图像融合处理；步骤5：将所述融合处理后的图像进行非均匀校正。
优选地，所述主控芯片包括FPGA，所述光谱信息在FPGA的内部RAM中进行数据匹配。
优选地，所述步骤4具体包括：步骤4.1：所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标后，确定出匹配成功的所述光谱信息的中心位置，计算出所述成像系统的成像标板与水平方向的夹角，并确定出所述成像标板与所述成像系统中的摄像模组之间的偏转角度，所述主控芯片控制所述多光谱成像系统沿着所述偏转角度进行分辨率扫描，完成目标区域的全方位摄像扫描；步骤4.2：在所述多光谱成像系统沿着所述偏转角度进行分辨率扫描时，所述主控芯片通过对可见光波长内的光谱信息识别区域以及红外波长内的光谱信息识别区域进行运动检测，确定其运动轨迹，并完成两个运动轨迹的拟合，选取尺度变换矩阵，使用该矩阵生成待融合的可见光图像以及红外图像；步骤4.3：所述主控芯片进一步控制FPGA中的图像融合处理单元对所述可见光图像以及红外图像进行亮度调节、去噪、中心配准、融合以及图像增强等操作，其中，所述图像融合处理单元包括DSP，FLASH以及尺度校正存储器；所述FPGA结合尺度校正存储器共同完成红外图像的细节提取以及轮廓提取，并完成光谱图像与红外图像之间的配准几何尺度变换，以及图像细节和轮廓融合；所述DSP连接图像编码器，并结合连接FLASH以及FPGA中的RAM，用于将经过处理的数字视频信号结合行、场同步信号合成为模拟视频信号并进行驱动以便于显示；步骤4.4：当所述主控芯片控制进行所述可见光图像以及红外图像融合时，所述图像融合处理单元对所述可见光图像以及红外图像各自分成不重叠的块，分别计算其中的信息量，将所述可见光图像以及红外图像使用高斯金字塔分成不同尺度的图像，所述FPGA在不同尺度提取细节特征，并根据所述信息量特征进行加权评估，最后采用拉普拉斯金字塔进行合成，形成新的融合图像；步骤4.5：对融合后的图像进行亮度检测，并与一标准亮度进行对比，当所述图像亮度低于所述标准亮度时，对图像亮度进行处理以达到适于测试的亮度值；步骤4.6：对融合后的图像进行图像去噪，所述图像去噪仅针对所述光谱信息识别区域进行去噪，以减少所述主控芯片的运算消耗；步骤4.7：采用自适应图像增强技术对融合后的图像进行图像增强处理；
优选地，在所述步骤5中，对所述融合处理后的图像进行非均匀校正方法，其具体包括：
步骤5.1：在所述多光谱成像系统用于目标区域成像前，分别采集所述多光谱成像系统的各个成像通道的光敏元在各温度值下的响应数据，并利用如下公式分别计算各温度段的增益系数Gij和偏置系数Qij
其中Xij(H)和Xij(L)分别是像元(i，j)在高温和低温均匀辐射背景下的响应，VH和VL分别是所述红外相机中所有像元的平均输出；
步骤5.2：所述成像系统的主控芯片将上述各温度段的增益系数Gij和偏置系数Qij实时存储至FPGA内部RAM，以备后续使用；
步骤5.3：在所述步骤4完成后，针对融合后的图像，利用融合图像的纹理和边缘特征对融合图像中的光谱信息识别区域进行深度识别；步骤5.4：依据融合图像的不同光谱信息分布，将目标光谱区域进行图像分割，形成各个特征区域；步骤5.5：基于FPGA的并行处理能力，分别对所述融合图像的各个特征区域同时进行非均匀校正；针对每一个特征区域，所述主控芯片首先计算所述特征区域中各点的平均温度，然后根据所述平均温度，从所述FPGA中的RAM中读取相应的校正参数，并根据如下公式完成非均匀校正
其中表示均匀辐照度条件下红外探测器输出的图像；
步骤5.6：校正后的融合图像采用均值滤波法对边界灰度值进行补偿。
本发明的有益效果是：本发明电梯智能监控系统的工作方法通过移动模块使视频监控模块在电梯轿厢顶部进行移动，实现对轿厢内部的全方位监控，通过云服务器实现远程监控，提高了监控质量。
附图说明
图1是本发明中电梯智能监控系统的原理框图；
图2是本发明中实时识别被监控目标位置的方法的流程图；
图3是本发明中实时识别被监控目标位置的方法的图像融合处理流程图；
图4是本发明中实时识别被监控目标位置的方法的图像非均匀校正流程图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
实施例
如图1所示，本实施例提供了一种电梯智能监控系统的工作方法，所述电梯智能监控系统包括：云服务器，与该云服务器相连的监控装置和监控终端；其中所述监控装置包括：控制模块，与该控制模块相连的移动模块和视频监控模块；所述视频监控模块固定在移动模块上；所述工作方法包括：所述控制模块适于控制移动模块带动视频监控模块在电梯轿厢顶部内移动；所述视频监控模块采集电梯内的视频数据，并通过一通信模块发送至云服务器；以及所述云服务器存储视频数据，并将视频数据发送至监控终端。
本发明电梯智能监控系统的工作方法通过移动模块使视频监控模块在电梯轿厢顶部进行移动，实现对轿厢内部的全方位监控，通过云服务器实现远程监控，提高了监控质量。
进一步，为了提高视频监控模块的监控精度，从而进一步提高本发明的监控质量，所述视频监控模块采用多光普相机；所述多光普相机适于实时识别被监控目标位置，且实时识别被监控目标位置的方法包括如下步骤：
步骤1：通过多光谱成像系统获取目标区域的光谱图像，所述多光谱成像系统所涉及滤光片波长范围涵盖可见光波长至红外波长；
步骤2：提取所述多光谱成像系统任一成像通道的光谱图像的光谱信息，将所述光谱信息导入至所述多光谱成像系统的光谱信息数据库进行数据匹配，完成初步信息筛选；
步骤3：若所述光谱信息匹配失败，则所述多光谱成像系统中的主控芯片控制进行下一帧目标区域光谱图像的获取；
步骤4：若所述光谱信息数据库中匹配到对应的光谱信息，所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标，并根据所述位置坐标，所述主控芯片控制所述多光谱成像系统进行目标区域的全方位摄像扫描，分别获得可见光波长及红外波长尺度下的光谱图像，并对所述可见光波长及红外波长尺度下的光谱图像进行图像融合处理；
步骤5：将所述融合处理后的图像进行非均匀校正。
优选地，所述主控芯片包括FPGA，所述光谱信息在FPGA的内部RAM中进行数据匹配。
优选地，如图2所示，所述步骤4具体包括：
步骤4.1：所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标后，确定出匹配成功的所述光谱信息的中心位置，计算出所述成像系统的成像标板与水平方向的夹角，并确定出所述成像标板与所述成像系统中的摄像模组之间的偏转角度，所述主控芯片控制所述多光谱成像系统沿着所述偏转角度进行分辨率扫描，完成目标区域的全方位摄像扫描；
步骤4.2：在所述多光谱成像系统沿着所述偏转角度进行分辨率扫描时，所述主控芯片通过对可见光波长内的光谱信息识别区域以及红外波长内的光谱信息识别区域进行运动检测，确定其运动轨迹，并完成两个运动轨迹的拟合，选取尺度变换矩阵，使用该矩阵生成待融合的可见光图像以及红外图像；
步骤4.3：所述主控芯片进一步控制FPGA中的图像融合处理单元对所述可见光图像以及红外图像进行亮度调节、去噪、中心配准、融合以及图像增强等操作，其中，所述图像融合处理单元包括DSP，FLASH以及尺度校正存储器；所述FPGA结合尺度校正存储器共同完成红外图像的细节提取以及轮廓提取，并完成光谱图像与红外图像之间的配准几何尺度变换，以及图像细节和轮廓融合；所述DSP连接图像编码器，并结合连接FLASH以及FPGA中的RAM，用于将经过处理的数字视频信号结合行、场同步信号合成为模拟视频信号并进行驱动以便于显示；
步骤4.4：当所述主控芯片控制进行所述可见光图像以及红外图像融合时，所述图像融合处理单元对所述可见光图像以及红外图像各自分成不重叠的块，分别计算其中的信息量，将所述可见光图像以及红外图像使用高斯金字塔分成不同尺度的图像，所述FPGA在不同尺度提取细节特征，并根据所述信息量特征进行加权评估，最后采用拉普拉斯金字塔进行合成，形成新的融合图像；
步骤4.5：对融合后的图像进行亮度检测，并与一标准亮度进行对比，当所述图像亮度低于所述标准亮度时，对图像亮度进行处理以达到适于测试的亮度值；
步骤4.6：对融合后的图像进行图像去噪，所述图像去噪仅针对所述光谱信息识别区域进行去噪，以减少所述主控芯片的运算消耗；
步骤4.7：采用自适应图像增强技术对融合后的图像进行图像增强处理；
优选地，如图3所示，在所述步骤5中，对所述融合处理后的图像进行非均匀校正方法，其具体包括：
步骤5.1：在所述多光谱成像系统用于目标区域成像前，分别采集所述多光谱成像系统的各个成像通道的光敏元在各温度值下的响应数据，并利用如下公式分别计算各温度段的增益系数Gij和偏置系数Qij
其中Xij(H)和Xij(L)分别是像元(i，j)在高温和低温均匀辐射背景下的响应，VH和VL分别是所述红外相机中所有像元的平均输出；
步骤5.2：所述成像系统的主控芯片将上述各温度段的增益系数Gij和偏置系数Qij实时存储至FPGA内部RAM，以备后续使用；
步骤5.3：在所述步骤4完成后，针对融合后的图像，利用融合图像的纹理和边缘特征对融合图像中的光谱信息识别区域进行深度识别；
步骤5.4：依据融合图像的不同光谱信息分布，将目标光谱区域进行图像分割，形成各个特征区域；
步骤5.5：基于FPGA的并行处理能力，分别对所述融合图像的各个特征区域同时进行非均匀校正；针对每一个特征区域，所述主控芯片首先计算所述特征区域中各点的平均温度，然后根据所述平均温度，从所述FPGA中的RAM中读取相应的校正参数，并根据如下公式完成非均匀校正
其中表示均匀辐照度条件下红外探测器输出的图像；
步骤5.6：校正后的融合图像采用均值滤波法对边界灰度值进行补偿。
上述基于多光谱成像系统的目标识别方法简单易操作，采用FPGA作为成像系统的主控芯片，使得成像系统具有较高的运算效率，算法精确，能够较快速对待识别目标进行实时识别，具备简单易行、精确度较高等优点，适于普及应用。
本实施例实时识别被监控目标位置的方法中通过对提取的光谱信息进行初步筛选，匹配成功后主控芯片控制多光谱成像系统进行全方位成像扫描，通过对获得的可见光图像和红外图像进行图像融合处理以及非均匀校正，完成最终的目标识别，避免了单一的可见光图像以及单一的红外图像在清晰度、纹理以及凸显程度方面不适于目标识别的缺陷，使得多光谱成像系统可快速、准确地进行待识别目标的实时图像识别；本实施例实时识别被监控目标位置的方法中成像系统可以实现自适应，通过图像融合处理单元对可见光图像和红外图像进行亮度调节、去噪、融合、图像增强等处理，再对融合图像进行非均匀校正，使得融合图像分辨率进一步得到提高，从而提高了待识别目标的识别精度；本实施例的多光谱相机采用FPGA作为成像系统主控芯片的核心处理单元，充分利用其并行处理能力对图像中的每一个分割区域进行非均匀校正，极大地提高了图像处理速度，使得成像系统的识别反馈更加及时。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方法可以有任何形式或修改。
Claims (5)
1.一种电梯智能监控系统的工作方法，其特征在于，所述电梯智能监控系统包括：云服务器，与该云服务器相连的监控装置和监控终端；其中
所述监控装置包括：控制模块，与该控制模块相连的移动模块和视频监控模块；
所述视频监控模块固定在移动模块上；
所述工作方法包括：
所述控制模块适于控制移动模块带动视频监控模块在电梯轿厢顶部内移动；所述视频监控模块采集电梯内的视频数据，并通过一通信模块发送至云服务器；以及
所述云服务器存储视频数据，并将视频数据发送至监控终端。
2.根据权利要求1所述的电梯智能监控系统的工作方法，其特征在于，
所述视频监控模块采用多光普相机；
所述多光普相机适于实时识别被监控目标位置，且实时识别被监控目标位置的方法包括如下步骤：
步骤1：通过多光谱成像系统获取目标区域的光谱图像，所述多光谱成像系统所涉及滤光片波长范围涵盖可见光波长至红外波长；
步骤2：提取所述多光谱成像系统任一成像通道的光谱图像的光谱信息，将所述光谱信息导入至所述多光谱成像系统的光谱信息数据库进行数据匹配，完成初步信息筛选；
步骤3：若所述光谱信息匹配失败，则所述多光谱成像系统中的主控芯片控制进行下一帧目标区域光谱图像的获取；
步骤4：若所述光谱信息数据库中匹配到对应的光谱信息，所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标，并根据所述位置坐标，所述主控芯片控制所述多光谱成像系统进行目标区域的全方位摄像扫描，分别获得可见光波长及红外波长尺度下的光谱图像，并对所述可见光波长及红外波长尺度下的光谱图像进行图像融合处理；
步骤5：将所述融合处理后的图像进行非均匀校正。
3.根据权利要求2所述的电梯智能监控系统的工作方法，其特征在于，所述主控芯片包括FPGA，所述光谱信息在FPGA的内部RAM中进行数据匹配。
4.根据权利要求3所述的电梯智能监控系统的工作方法，其特征在于，所述步骤4具体包括：
步骤4.1：所述主控芯片自动定位出所述光谱信息在光谱图像中的位置坐标后，确定出匹配成功的所述光谱信息的中心位置，计算出所述成像系统的成像标板与水平方向的夹角，并确定出所述成像标板与所述成像系统中的摄像模组之间的偏转角度，所述主控芯片控制所述多光谱成像系统沿着所述偏转角度进行分辨率扫描，完成目标区域的全方位摄像扫描；
步骤4.2：在所述多光谱成像系统沿着所述偏转角度进行分辨率扫描时，所述主控芯片通过对可见光波长内的光谱信息识别区域以及红外波长内的光谱信息识别区域进行运动检测，确定其运动轨迹，并完成两个运动轨迹的拟合，选取尺度变换矩阵，使用该矩阵生成待融合的可见光图像以及红外图像；
步骤4.3：所述主控芯片进一步控制FPGA中的图像融合处理单元对所述可见光图像以及红外图像进行亮度调节、去噪、中心配准、融合以及图像增强等操作，其中，所述图像融合处理单元包括DSP，FLASH以及尺度校正存储器；所述FPGA结合尺度校正存储器共同完成红外图像的细节提取以及轮廓提取，并完成光谱图像与红外图像之间的配准几何尺度变换，以及图像细节和轮廓融合；所述DSP连接图像编码器，并结合连接FLASH以及FPGA中的RAM，用于将经过处理的数字视频信号结合行、场同步信号合成为模拟视频信号并进行驱动以便于显示；
步骤4.4：当所述主控芯片控制进行所述可见光图像以及红外图像融合时，所述图像融合处理单元对所述可见光图像以及红外图像各自分成不重叠的块，分别计算其中的信息量，将所述可见光图像以及红外图像使用高斯金字塔分成不同尺度的图像，所述FPGA在不同尺度提取细节特征，并根据所述信息量特征进行加权评估，最后采用拉普拉斯金字塔进行合成，形成新的融合图像；
步骤4.5：对融合后的图像进行亮度检测，并与一标准亮度进行对比，当所述图像亮度低于所述标准亮度时，对图像亮度进行处理以达到适于测试的亮度值；
步骤4.6：对融合后的图像进行图像去噪，所述图像去噪仅针对所述光谱信息识别区域进行去噪，以减少所述主控芯片的运算消耗；
步骤4.7：采用自适应图像增强技术对融合后的图像进行图像增强处理。
5.根据权利要求4所述的电梯智能监控系统的工作方法，其特征在于，在所述步骤5中，对所述融合处理后的图像进行非均匀校正方法，其具体包括：
步骤5.1：在所述多光谱成像系统用于目标区域成像前，分别采集所述多光谱成像系统的各个成像通道的光敏元在各温度值下的响应数据，并利用如下公式分别计算各温度段的增益系数Gij和偏置系数Qij
其中Xij(H)和Xij(L)分别是像元(i，j)在高温和低温均匀辐射背景下的响应，VH和VL分别是所述红外相机中所有像元的平均输出；
步骤5.2：所述成像系统的主控芯片将上述各温度段的增益系数Gij和偏置系数Qij实时存储至FPGA内部RAM，以备后续使用；
步骤5.3：在所述步骤4完成后，针对融合后的图像，利用融合图像的纹理和边缘特征对融合图像中的光谱信息识别区域进行深度识别；
步骤5.4：依据融合图像的不同光谱信息分布，将目标光谱区域进行图像分割，形成各个特征区域；
步骤5.5：基于FPGA的并行处理能力，分别对所述融合图像的各个特征区域同时进行非均匀校正；针对每一个特征区域，所述主控芯片首先计算所述特征区域中各点的平均温度，然后根据所述平均温度，从所述FPGA中的RAM中读取相应的校正参数，并根据如下公式完成非均匀校正
其中表示均匀辐照度条件下红外探测器输出的图像；
步骤5.6：校正后的融合图像采用均值滤波法对边界灰度值进行补偿。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811079722.5A CN109319619A (zh) | 2018-09-14 | 2018-09-14 | 一种电梯智能监控系统的工作方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811079722.5A CN109319619A (zh) | 2018-09-14 | 2018-09-14 | 一种电梯智能监控系统的工作方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109319619A true CN109319619A (zh) | 2019-02-12 |
Family
ID=65265544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811079722.5A Pending CN109319619A (zh) | 2018-09-14 | 2018-09-14 | 一种电梯智能监控系统的工作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109319619A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116679579A (zh) * | 2023-08-03 | 2023-09-01 | 天津鑫宝龙电梯集团有限公司 | 一种基于数字孪生的安全控制方法、装置、设备及介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673396A (zh) * | 2009-09-07 | 2010-03-17 | 南京理工大学 | 基于动态目标检测的图像融合方法 |
| CN102663743A (zh) * | 2012-03-23 | 2012-09-12 | 西安电子科技大学 | 一种复杂场景中多摄影机协同的人物追踪方法 |
| CN103177433A (zh) * | 2013-04-09 | 2013-06-26 | 南京理工大学 | 红外与微光图像融合方法 |
| CN103292909A (zh) * | 2013-03-22 | 2013-09-11 | 珠海一多监测科技有限公司 | 单窗口双通道视频监控系统 |
| CN103390281A (zh) * | 2013-07-29 | 2013-11-13 | 西安科技大学 | 一种双光谱夜视仪车载系统及双光谱融合设计方法 |
| CN105865723A (zh) * | 2016-05-25 | 2016-08-17 | 山东中安科创光电科技有限公司 | 气体泄漏检测非均匀校正方法及气体泄漏检测装置 |
| CN106441804A (zh) * | 2015-08-04 | 2017-02-22 | 宁波舜宇光电信息有限公司 | 解像力测试方法 |
| CN106882664A (zh) * | 2017-04-17 | 2017-06-23 | 成都赋阳技术开发有限公司 | 一种环保节能型的电梯监控系统 |
| WO2017164287A1 (ja) * | 2016-03-23 | 2017-09-28 | 日本電気株式会社 | 情報処理システム、情報処理方法及びプログラム |
| CN108447041A (zh) * | 2018-01-30 | 2018-08-24 | 中国航天电子技术研究院 | 一种基于增强学习的多源图像融合方法 |
-
2018
- 2018-09-14 CN CN201811079722.5A patent/CN109319619A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673396A (zh) * | 2009-09-07 | 2010-03-17 | 南京理工大学 | 基于动态目标检测的图像融合方法 |
| CN102663743A (zh) * | 2012-03-23 | 2012-09-12 | 西安电子科技大学 | 一种复杂场景中多摄影机协同的人物追踪方法 |
| CN103292909A (zh) * | 2013-03-22 | 2013-09-11 | 珠海一多监测科技有限公司 | 单窗口双通道视频监控系统 |
| CN103177433A (zh) * | 2013-04-09 | 2013-06-26 | 南京理工大学 | 红外与微光图像融合方法 |
| CN103390281A (zh) * | 2013-07-29 | 2013-11-13 | 西安科技大学 | 一种双光谱夜视仪车载系统及双光谱融合设计方法 |
| CN106441804A (zh) * | 2015-08-04 | 2017-02-22 | 宁波舜宇光电信息有限公司 | 解像力测试方法 |
| WO2017164287A1 (ja) * | 2016-03-23 | 2017-09-28 | 日本電気株式会社 | 情報処理システム、情報処理方法及びプログラム |
| CN105865723A (zh) * | 2016-05-25 | 2016-08-17 | 山东中安科创光电科技有限公司 | 气体泄漏检测非均匀校正方法及气体泄漏检测装置 |
| CN106882664A (zh) * | 2017-04-17 | 2017-06-23 | 成都赋阳技术开发有限公司 | 一种环保节能型的电梯监控系统 |
| CN108447041A (zh) * | 2018-01-30 | 2018-08-24 | 中国航天电子技术研究院 | 一种基于增强学习的多源图像融合方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116679579A (zh) * | 2023-08-03 | 2023-09-01 | 天津鑫宝龙电梯集团有限公司 | 一种基于数字孪生的安全控制方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109308702A (zh) | 一种目标实时识别定位方法 | |
| CN107730445B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
| EP0932114B1 (en) | A method of and apparatus for detecting a face-like region | |
| CN109270853A (zh) | 一种智能生态水资源管理系统的工作方法 | |
| CN107798652A (zh) | 图像处理方法、装置、可读存储介质和电子设备 | |
| CN107862657A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
| CN107113408B (zh) | 图像处理装置、图像处理方法、程序和系统 | |
| WO2016175234A1 (ja) | 色画像処理方法、色画像処理プログラム、物体認識方法及び装置 | |
| CN107800965B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN110210292A (zh) | 一种基于深度学习的目标识别方法 | |
| CN103927741A (zh) | 增强目标特征的sar图像合成方法 | |
| CN107993209A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN107945106B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
| CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
| CN109816697A (zh) | 一种无人模型车建立地图的系统及方法 | |
| CN112361990A (zh) | 激光图案提取方法、装置、激光测量设备和系统 | |
| US20190253592A1 (en) | Imaging device with white balance compensation and related systems and methods | |
| CN105374051A (zh) | 智能移动终端防镜头抖动视频运动目标检测方法 | |
| CN109886195A (zh) | 基于深度相机近红外单色灰度图的皮肤识别方法 | |
| CN118154687B (zh) | 基于单目视觉的送餐机器人目标定位与避障方法及系统 | |
| CN109345541A (zh) | 一种智能监控系统的工作方法 | |
| CN111881924B (zh) | 结合光照不变性与短曝光光照增强的暗光车照识别方法 | |
| CN109319619A (zh) | 一种电梯智能监控系统的工作方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190212 |