CN109813434A - 一种基于温度检测的人体识别方法、装置及终端设备 - Google Patents
一种基于温度检测的人体识别方法、装置及终端设备 Download PDFInfo
- Publication number
- CN109813434A CN109813434A CN201811566621.0A CN201811566621A CN109813434A CN 109813434 A CN109813434 A CN 109813434A CN 201811566621 A CN201811566621 A CN 201811566621A CN 109813434 A CN109813434 A CN 109813434A
- Authority
- CN
- China
- Prior art keywords
- human body
- target area
- sensor
- head
- temperature
- 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
Landscapes
- Radiation Pyrometers (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种基于温度检测的人体识别方法、装置及终端设备,适用于数据处理技术领域,该方法包括:获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值;从多个红外传感器头中筛选出当前温度值处于预设温度范围的目标传感器头,并获取目标传感器头的位置信息;基于位置信息识别目标区域中是否包含人体。本发明实施例实现了对目标区域人体准确有效的检测,且无需进行视频图像等采集,保障了用户的隐私安全。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及基于温度检测的人体识别方法及终端设备。
背景技术
目前对目标区域内的人体检测,普遍是使用摄像头进行拍摄识别以判断目标区域内是否存在人体,但这存在极大的隐私隐患,为了保护隐患隐私,也有使用如PIR或微波传感器之类的传感器进行人体检测,而这些虽然能实现对移动人体的检测,但对人体的检测效果并不理想,因此急需一种可以更为准确识别目标区域内是否包含人体的方法。
发明内容
有鉴于此,本发明实施例提供了一种基于温度检测的人体识别方法及终端设备,以解决现有技术中无法准确识别目标区域内是否包含人体的问题。
本发明实施例的第一方面提供了一种基于温度检测的人体识别方法,包括:
获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值;
从多个所述红外传感器头中筛选出当前温度值处于预设温度范围的目标传感器头,并获取所述目标传感器头的位置信息;
基于所述位置信息识别所述目标区域中是否包含人体。
本发明实施例的第二方面提供了一种基于温度检测的人体识别装置,包括:
温度采集模块,用于获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值;
筛选模块,用于从多个所述红外传感器头中筛选出当前温度值处于预设温度范围的目标传感器头,并获取所述目标传感器头的位置信息;
人体识别模块,用于基于所述位置信息识别所述目标区域中是否包含人体。
本发明实施例的第三方面提供了一种终端设备,所述终端设备包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤。
本发明实施例与现有技术相比存在的有益效果是:通过多个阵列排布的传感器头来对目标区域进行温度检测,由于人体实际温度取值范围已知且区间较小,从而当人体处于目标区域时,可以通过温度范围区间很容易地将属于人体温度的温度值筛选出来,同时考虑到对人体进行热成像时,其热成像区域的面积或形状是具有一定规律的,因此通过对热成像时,采集的温度值处于人体实际温度范围内的传感器头在红外阵列传感器内的位置信息进行分析,即可以确定出这些传感器头采集的对象是否满足规律性,是否为人体,从而实现了对目标区域人体准确有效的检测,且无需进行视频图像等采集,保障了用户的隐私安全。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的基于温度检测的人体识别方法的实现流程示意图;
图2是本发明实施例二提供的基于温度检测的人体识别方法的实现流程示意图;
图3是本发明实施例三提供的基于温度检测的人体识别方法的实现流程示意图;
图4是本发明实施例四提供的基于温度检测的人体识别方法的实现流程示意图;
图5是本发明实施例五提供的基于温度检测的人体识别方法的实现流程示意图;
图6是本发明实施例六提供的基于温度检测的人体识别方法的实现流程示意图;
图7是本发明实施例七提供的基于温度检测的人体识别装置的结构示意图;
图8是本发明实施例八提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
为了便于理解本发明,此处先对本发明实施例进行简要说明:为了实现对目标区域内人体的准确识别,本发明实施例中采用了阵列排布的多个红外传感器头来进行目标区域的温度检测,并会对检测到的温度值来进行筛选,确定出其中满足人体体温温度范围以及人体正常活动规律的温度值,再根据这些满足要求的温度值对应的红外传感器头的位置关系,来进行人体热成像的识别,从而实现了对人体的精确识别,详述如下:
图1示出了本发明实施例一提供的基于温度检测的人体识别方法的实现流程图,详述如下:
S101,获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值。
在本发明实施例中,红外传感器头以阵列形式进行排布对目标区域进行检测,以实现对目标区域中各个位置的精确温度采集。其中,红外传感器头的具体数量,可由技术人员根据实际情况需求进行设定。应当说明地,本发明实施例对人体的识别既可以是实时进行的,即当前时刻采集到温度值时,就直接进行处理识别人体,也可以是利用之前已经采集到的某一时刻的温度值进行处理,识别此时刻目标区域是否存在人体,而对应于两者不同应用场景,本发明实施例中的当前温度值的意义也存在差异,若是需要实时识别人体,则当前温度值就是指当前时刻实时采集到的温度值,若是需要识别历史时刻目标区域内是否存在人体,则当前温度值就是指该历史时刻采集到的温度值,具体由技术人员根据实际需求进行设定。
应当理解地,本发明实施例中仅对红外传感器头之间的排布规则进行了设定,而未对红外传感器头排布后的整体形状,以及红外传感器头在空间的分布等进行任何限定,即技术人员可以根据实际情况需求来设定红外传感器头排布后的整体形状以及空间分布,例如,可以以矩形、圆形或者多边形的形式作为红外传感器头排布后的整体形状,如将红外传感器头设置于一个红外阵列传感器之中,此时红外传感器头排布后的整体形状由红外阵列传感器的实际形状决定,同时既可以将红外传感器头集中设置于某一空间位置,如将所有红外传感器头集中设置于某一房间的一个角落,也可以分散设置于各个空间位置,如将红外传感器头分组设置于某一房间的多个位置,此处不予限定。
作为本发明的一个实施例,将所有红外传感器头设置于一个红外阵列传感器之中,红外传感器头具体的数量可以通过红外传感器头排布的分辨率和红外阵列传感器面积来进行调控,其中红外传感器头分辨率m×n,其中m和n均为正整数,且m和n既可以相等也可以不相等,在进行红外传感器头数量设置时,如需要设置较少红外传感器头时,可以选用如8×8、16×16、32×24和32×32等低分辨率的红外传感器头排布,同时也可以选取面积较小的红外阵列传感器,若需要设置较多红外传感器头时,则可以选用如80×64和120×90等高分辨率的红外传感器头排布,同时也可以选取面积较大的红外阵列传感器,具体对红外传感器头数量、红外传感器头排布的分辨率以及红外阵列传感器面积的设置选取,均可由技术人员根据实际需求设定,此处不予限定。
S102,从多个红外传感器头中筛选出当前温度值处于预设温度范围的目标传感器头,并获取目标传感器头的位置信息。
由于实际情况中一个空间区域内的热源往往不只有人体,如电视、热水杯和取暖器等同样也是热源,在利用红外传感器头进行温度采集和热成像的时候,这些热源往往会干扰对人体的识别,因此本发明实施例会预设一个人体温度范围,如可以设置为34度~40度,并在获取到所有红外传感器头的当前温度值之后,基于预设的温度范围对当前温度值进行筛选,并仅对处于该温度范围的目标传感器头进行后续处理。
其中,目标传感器头的位置信息,可以是指目标传感器头在阵列中的坐标位置,如阵列中的第几行第几列,也可以是目标传感器头的空间坐标位置,如使用经纬度来进行表示其空间坐标位置,或者基于目标区域进行三维直角坐标系构建,并确定出目标传感器头在该三维直角坐标系中的空间坐标位置等,具体使用何种方式作为本发明实施例中目标传感器头的位置信息,可由技术人员根据实际需求设定,优选地,可以将目标传感器头的坐标位置作为本发明实施例中目标传感器头的位置信息。由于在本发明实施例中,每个红外传感器头都是预先设置好的,只需要技术人员根据实际放置情况来存储好每个红外传感器头的位置信息即可,因此其对应的位置信息也是已知数据,因此在本发明实施例中,只需要直接读取存储好的每个目标传感器头的位置信息即可。
S103,基于位置信息识别目标区域中是否包含人体。
考虑到实际情况中,一些热源的温度值也可能处于预设的人体温度范围内,如恒温箱和电视机等,因此若仅在确定出红外传感器头中包含采集的温度值满足人体温度值范围的目标传感器头,还不足以说明目标区域中是包含人体的。为了实现对人体的精确识别,本发明实施例在获取到目标传感器头的位置信息之后,还会进一步地对位置信息进行分析,以确定出这些目标传感器头采集的对应是否是人体,具体而言,由于人体在目标区域势必是会占据一定空间体积的,因此在温度采集时,势必不止一个目标传感器头会采集到人体的温度值,而且由于人体是一个整体,其在热成像时对应温度采集的目标传感器头也必然时连续的,因此一方面可以通过位置连续目标传感器头的数量来识别热源是否为人体,另一方面来说,由于人体热成像时得到的人体温度区域轮廓,往往都是一些可以预知的图案,如对人体正面进行温度采集得到的人体温度区域,就是一个典型的具有四肢、躯干和头颅的人形图案,而即使是人体正常活动过程中,热成像可能得到的人体温度区域轮廓,也仍属于可以预知的一些图案,因此也可以通过目标传感器头对应的轮廓图形来识别热源是否为人体。
由上述说明知,由于人体热成像时对应的目标传感器头的数量或者轮廓图形使具有一定规律的,因此本发明实施例中会由技术人员预先根据这些规律设置一些识别规则,再根据实际目标传感器头的位置信息进行处理,判断是否满足这些识别规则,若满足,则说明目标传感器头对应的热源极有可能是人体,即目标区域中包含人体,若不满足,则说明目标传感器头对应的热源可能只是温度值满足人体温度范围的热源,但不是人体。其中,具体的识别规则可由技术人员根据实际情况设置,也可以参考本发明的其他实施例内容。
本发明实施例通过多个阵列排布的传感器头来对目标区域进行温度检测,由于人体实际温度取值范围已知且区间较小,从而当人体处于目标区域时,可以通过温度范围区间很容易地将属于人体温度的温度值筛选出来,同时考虑到对人体进行热成像时,其热成像区域的目标传感器头数量或形状是具有一定规律的,因此通过对热成像时,采集的温度值处于人体实际温度范围内的传感器头在红外阵列传感器内的位置信息进行分析,即可以确定出这些传感器头采集的对象是否满足规律性,是否为人体,从而实现了对目标区域人体准确有效的检测,且无需进行视频图像等采集,保障了用户的隐私安全。
作为本发明的一个实施例,考虑到实际情况中红外传感器头的温度测量范围较大,如测量上限有些可达几百甚至上千度,若直接使用这些红外传感器头进行目标区域的温度检测,会导致检测效果不佳,因此在本发明实施例中,会预先针对常用的环境温度范围对红外传感器头进行热校准,如将常用环境温度设置为-20度~50度,此时会针对这个温度范围对红外传感器头进行热校准,以提高红外传感器头的响应精度,从而提高对人体的识别准确度,提升识别效果。
作为本发明实施例一中对目标传感器头位置信息获取的一中具体实现方式,考虑到实际情况中一些环境中温度接近于人体温度的热源,如上述提到的恒温箱和电视机等,仅通过预设人体温度范围往往难以准确剔除,但实际生活中,这些环境中的热源往往都具有一个共同点:位置固定不变,对于温度检测而言,采集到这些热源的红外传感器头,其采集到的温度值会长时间地基本不变,且属于人体温度范围,因此为了实现对这些干扰较大的热源的剔除,以提升对人体识别的准确性,如图2所示,本发明实施例二,包括:
S201,获取目标传感器头的历史温度记录,历史温度纪录中包含多个采集时刻以及对应的历史温度值。
S202,从历史温度值中查找出对应的采集时刻距离当前时间最近,且不属于预设温度范围的历史温度值,并计算该历史温度值对应的采集时刻到当前时间的时长值,得到每个目标传感器头分别对应的时长值。
为了实现对每个目标传感器头检测的热源的存在时长的识别,首先本发明实施例会读取每个目标传感器头的历史温度记录,即目标传感器头在之前每个不同的采集时刻所采集到的历史温度值,虽然热源是长时间存在的,但在其出现之前,负责对热源空间位置进行温度采集的目标传感器头所采集到的温度值,必然是不处于人体温度范围的,因此本发明实施例会并从历史温度值和对应的采集时刻中,确定出目标传感器头上一次采集到的历史温度值不是处于人体温度范围的采集时刻,将其作为时间起点,再计算该时间起点到当前时间之间的时长值,从而得到该目标传感器头对应的热源存在的时长值。虽然每个目标传感器头对应的热源可能相同也可能不同,但每个目标传感器头都会对应用一个热源存在时长值。
S203,将目标传感器头中时长值大于预设时长阈值的传感器头剔除,并获取剔除后的目标传感器头的位置信息。
由上述说明可知,环境中温度接近人体温度范围的热源,往往存在时长较长,因此本发明实施例会将检测到的每个目标传感器头对应的热源的存在时长值,与预设时长阈值进行比较,以判断这些热源的存在时长是否较长,若大于预设时长阈值,则会判定为存在时长过长,并会作为环境中干扰的热源进行剔除,并仅保留存在时间不是过长的热源对应的目标传感器头,再获取这些保留下来的目标传感器头的位置信息。其中,预设时长阈值的具体值可由技术人员自行设定,如可以设置为5分钟或者其他值。
作为上述本发明实施例一或二中基于目标传感器头位置信息识别目标区域识别包含人体的一中具体实现方式,由于人体在目标区域势必是会占据一定空间体积的,因此在温度采集时,势必不止一个目标传感器头会采集到人体的温度值,而且由于人体是一个整体,其在热成像时对应温度采集的目标传感器头也必然时连续的,因此,为了准确识别人体,如图3所示,本发明实施例三,包括:
S301,基于位置信息,统计目标传感器头中位置相邻的传感器头数量,若该数量大于预设阈值,判定目标区域中包含人体。
其中,位置相邻是指两个红外传感器头之间的没有其他红外传感器头存在。在本发明实施例中,通过位置相邻来筛选出所有位置连续的目标传感器头,因此在本发明实施例中,对于单个目标传感器头而言,只要有与其位置相邻的目标传感器头即可归属于位置连续的目标传感器头之中,而不需要其与位置连续的每个目标传感器头都是位置相邻,例如,设处于同一列的4个连续目标传感器头编号依次为a、b、c、d,其中,a与b位置相邻,b与c位置相邻,c与d位置相邻,仅从位置相邻关系来说,a和d是不相邻的,但在本发明实施例中是为了筛选出所有位置连续的目标传感器头,而a和d都具有与其位置相邻的目标传感器头,且可以通过位置相邻共同构成一组位置连续的目标传感器头,因此,在进行位置相邻目标传感器头数量统计时,只要与已统计的目标传感器头中任意一个目标传感器头位置相邻,均属于本发明实施例位置相邻的统计范围之中。
当位置连续的目标传感器头的数量大于预设阈值时,说明目标传感器头对应的热源是一个空间位置连续且具有一定空间体积的事物,同时由于其温度又满足人体温度范围,因此本发明实施例会将该热源判定为人体,从而实现对目标区域内人体的精确识别。
作为上述本发明实施例一或二中基于目标传感器头位置信息识别目标区域识别包含人体的一中具体实现方式,由于人体在目标区域势必是会占据一定空间体积的,因此在温度采集时,势必不止一个目标传感器头会采集到人体的温度值,而且由于人体是一个整体,其在热成像时对应温度采集的目标传感器头也必然时连续的,因此一方面可以通过位置连续目标传感器头的数量来识别热源是否为人体,另一方面来说,由于人体热成像时得到的人体温度区域轮廓,往往都是一些可以预知的图案,如对人体正面进行温度采集得到的人体温度区域,就是一个典型的具有四肢、躯干和头颅的人形图案,而即使是人体正常活动过程中,热成像可能得到的人体温度区域轮廓,也仍属于可以预知的一些图案,因此,为了实现对人体的精确识别,如图4所示,本发明实施例四,包括:
S401,基于位置信息,筛选出目标传感器头中位置相邻的传感器头。
本发明实施例中关于位置相邻的传感器头的定义以及筛选规则与本发明实施例三中相同,也是为了查找出位置连续的目标传感器头,因此,具体可参考本发明实施例三中的相关说明,此处不予赘述。
S402,根据位置相邻的传感器头对应的位置信息,筛选出其中的位于位置边缘的传感器头,并基于该位置边缘的传感器头绘制位置相邻的传感器头对应的边缘封闭的轮廓图形。
在基于位置相邻的目标传感器头确定出目标传感器头中位置连续的传感器头之后,本发明实施例会对这些位置连续的传感器头进行轮廓图形的绘制,具体而言,先确定出这些位置连续的传感器头中处于最外围的传感器头,并将这些传感器头进行连线,从而得到一个边缘封闭的轮廓图形。
S403,检测预设图形库中是否包含与轮廓图形相似度大于预设相似度阈值的相似图形,若包含,判定目标区域中包含人体。或者
由上述说明可知,人体正常活动过程中热成像可能得到的人体温度区域轮廓属于可以预知的一些图案,因此本发明实施例会由技术人员预先对实际人体活动中可能出现的人体温度区域轮廓图形进行绘制,并得到对应的一个预设图形库,在得到实际绘制的边缘封闭的轮廓图形之后,再将其在预设图形库中进行匹配,判断是否有相似的图形,若有则说明对应的热源极有可能是人体,此时本发明实施例会将该热源判定为人体,以实现对目标区域人体的精确识别。
S404,检测轮廓图形中包含的传感器头数量,若该数量大于预设阈值,判定目标区域中包含人体。
考虑到另一方面,由于实际人体活动过程中的可能出现的人体温度区域轮廓图形情况极多,技术人员在进行绘制时不一定能够绘制完全,因此仅根据边缘封闭的轮廓图形的匹配有时难以保证识别的准确性,因此,本发明实施例中还会根据边缘封闭的轮廓图形中包含的传感器头的数量来进行人体识别,以实现对人体识别精确度的双重保证。
作为本发明的一个实施例,考虑到实际情况中目标区域内可能会同时有多个人体,为了实现对多个人体的精确识别,在本发明实施例四的基础上,本发明实施例,包括:
若位置相邻的传感器头对应有多个与预设图形库内图形匹配,或者包含的传感器头数量大于预设阈值的轮廓图形,判定目标区域中包含多个人体。
由于本发明实施例四中已经对目标传感器头进行了处理,并实现了对其边缘封闭的轮廓图形的绘制,当存在多个人体时,每个人体都会对应于一个不同的边缘封闭的轮廓图形,因此,通过对绘制出的每个边缘封闭的轮廓图形分别进行预设图形库的匹配,或者对每个边缘封闭的轮廓图形内包含的传感器头数量进行识别,即可确定出满足预设图形库要求的轮廓图形的数量,即对应热源为人体的数量,若有多个边缘封闭的轮廓图形满足要求,则说明目标区域中包含多个人体。
作为本发明的一个实施例,在通过上述本发明实施例一至四确定出目标区域内存在人体,并获取到对应的目标传感器头的位置信息之后,为了实现对人体在目标区域内精确的空间定位,本发明实施例包括:
若检测结果为目标区域中包含人体,基于预设的位置信息与空间位置的对应关系对位置信息进行处理,识别人体在目标区域中的空间位置。
由于实际应用中红外传感器头在空间中的放置位置都是技术人员或者用户可自由选择的,但无论放置在空间何处,一旦红外传感器头空间位置固定,其对应检测的目标区域也是固定可知的(实际应用中,都是先确定所需检测的目标区域,再进行红外传感器头空间位置放置的,因此目标区域比如是已知),例如将红外传感器头放置于房间的一个角落,并调整角度使其正对于房间沙发以检测沙发上是否有人。而当红外传感器头空间位置和目标区域都固定已知的时候,每个红外传感器头具体在目标区域对应的空间位置也是已知的,例如上述实例中,红外传感器头用于检测沙发,此时可以根据实际红外传感器头与沙发的对应角度,确定出每个红外传感器头对应的沙发区域,即对应的空间位置。实际应用中,可以在目标区域不同空间位置放置热源,并根据热源实际空间位置以及采集到热源温度值的红外传感器头的位置信息,确定出每个红外传感器头位置信息与实际检测的空间位置的对应关系。
在得到人体对应的目标传感器头的位置信息之后,本发明实施例会基于技术人员原先设置好的位置信息与空间位置的对应关系,来来查询出人体在目标区域内对应的空间位置,从而实现了对人体精确的空间定位。
作为本发明实施例五,在上述本发明实施例可以确定人体在目标区域的空间位置的基础上,本发明实施例会进一步地识别出用户在目标区域内的移动情况,以方便对人体的实时状态进行监测,如图5所示,包括:
S501,将识别得到的空间位置记录为人体对应的历史空间位置,并在预设时间周期后,返回执行获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值的操作,直至得到人体对应的空间位置。
S502,基于预设时间周期后得到的空间位置及历史空间位置,识别人体在目标区域中的移动方向。
在得到上述本发明实施例得到人体的空间位置之后,本发明实施例会将其记录为人体的历史空间位置,并会每隔预设的时间周期,重新返回本发明实施例一对目标区域内的人体进行检测,并会对人体所处的空间位置进行更新,得到人体在目标区域内新的空间位置,具体对人体进行检测以及空间位置的获取操作,可参考本发明实施例一至四相关说明,此处不予赘述。其中,预设时间周期值越小,对人体空间位置更新的频率越高,但对数据处理的负荷也更大,因此其具体值由技术人员根据实际需求自行设定,如,可以设置为1秒。
在获取到两次识别的人体空间位置后,通过将时间前后的空间位置进行矢量连线,并将时间在后的空间位置作为矢量方向,即可确定出人体移动的方向。
作为本发明实施例六,在上述本发明实施例一至五确定出目标区域内包含人体时,本发明实施例还可以进一步地对人体存在于目标区域内的时间进行统计,如图6所示,包括:
S601,若检测结果为目标区域中包含人体,记录得到该检测结果的时间为人体对应的第一时间。
S602,在预设时间周期后,返回执行获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值的操作,直至检测结果为目标区域内不包含人体,并记录得到该检测结果的时间为人体对应的第二时间。
S603,基于第二时间和第一时间,计算人体存在于目标区域内的时长。
本发明实施例在每次检测出目标区域内包含人体时,都会记录对应的检测结果时间,一直到检测出目标区域内不包含人体时,本发明实施例则根据已经记录的检测结果时间,来计算出人体存在的时长,例如第一次检测出人体存在的时间为8:00,在这之后第一次检测出不存在人体的时间为8:45,则说明人体共在目标区域内存在了45分钟。
作为本发明的一个实施例,上述本发明实施例一至六均是对如何对人体进行相关属性检测的方法,本发明实施例将本发明实施例一至六结合至实际应用场景之中,将红外传感器头阵列排布于红外阵列传感器之中,从而使得在进行红外传感器头空间放置时,只需要放置红外阵列传感器即可。同时,负责进行上述本发明实施例一至六处理的处理装置,既可以独立于红外阵列传感器进行放置,例如红外阵列传感器中仅包含红外传感器头和传输模块,由传输模块将红外传感器头采集到的当前温度值传输至独立的处理装置中进行上述处理,也可以将处理装置设置于红外阵列传感器之中,即作为红外阵列传感器中的一部分,此时红外阵列传感器在采集到的当前温度值,直接由其内部的处理装置进行处理即可。其中,处理装置通过红外传感器头现有的采集接口,例如I2C、SPI、DCMI等,连续获取环境的阵列温度,同时处理装置在识别出人体之后,既可以从其对应的通信串口主动输出人体的空间位置,也可以是被动输出的,即在获取到外部的设备发送获取信息指令后,红外阵列传感器再从通信串口中输出人体的空间位置。对于处理装置而言,其可以是DSP期间,也可以是带软核的FPGA,其直接采用相关的处理库/函数来进行上述本发明实施例的数据处理,可大大减少算法运算时间,从而提高红外阵列传感器的实时性。
在上述本发明实施例一至六得到最终人体识别的结果之后,红外阵列传感器会通过串口UART输出,可以是标准的Modbus接口或其它自定义的协议,以便将本传感器测量到的结果输出给其它的控制器或模块,例如ZigBee模块、BLE模块,也可以是其它的接口,如I2C、SPI等。在输出时,不仅可以输出人体检测的结果,同时还可以输出人体存在时长、人体移动方向以及检测到的人体对应的轮廓图形面积等信息中的任意一种或多种信息,具体由技术人员自行设定输出的信息内容。
本发明实施例,通过多个阵列排布的传感器头来对目标区域进行温度检测,由于人体实际温度取值范围已知且区间较小,从而当人体处于目标区域时,可以通过温度范围区间很容易地将属于人体温度的温度值筛选出来,同时考虑到对人体进行热成像时,其热成像区域的目标传感器头数量或轮廓形状是具有一定规律的,如会包含多个目标传感器头或者轮廓图形满足一定图形要求,因此通过对热成像时,采集的温度值处于人体实际温度范围内的传感器头在红外阵列传感器内的位置信息进行分析,即可以确定出这些传感器头采集的对象是否满足规律性,是否为人体,从而实现了对目标区域人体准确有效的检测,且无需进行视频图像等采集,保障了用户的隐私安全。其中,通过对人体数量的检测以及人体移动方向的检测,使得无论人体是静止还是移动以及数量多少,本发明实施例都可以实现精确的人体检测,同时根据传感器头位置信息与空间位置的对应关系,本发明实施例还可以实现对人体在目标区域内空间位置的精确定位,空间位置定位精度至少可以达到0.5m~1m(米),远高于普通的PIR、微波传感器的输出精度。
作为本发明的又一个实施例,本发明实施例会将上述所有本发明实施例与实际的应用场景进行结合,以实现对上述本发明实施例的实际应用,具体而言:本发明实施例会将上述本发明实施例与灯光控制场景进行结合,在确定出目标区域中包含人体时,向灯光控制装置发送人体检测成功信息,以使得灯光控制装置基于人体检测成功信息,对灯光控制装置对应的灯光控制区域内的灯光进行控制。例如,当检测出目标区域有人体时,开启/关闭灯光控制区域内的灯光,或者调整灯光亮度色彩等。
同样,在得到人体具体的空间位置、移动方向和存在时长之后,可以根据其中任意一种或多种信息,来对灯光控制区域内的灯光进行相应控制,例如基于人体空间位置和移动方向,提前为用户想去的区域开灯,基于空间位置和存在时长,对用户空间位置处的灯光进行调节,若是卧室客厅灯,可以调低亮度等等。
本发明实施例中仅仅只是结合灯光控制场景列举了一些可选的灯光控制方法,实际应用时,可由技术人员或用户,根据用户的实际需求来进行设置,此处不予限定。
对应于上文实施例的方法,图7示出了本发明实施例提供的基于温度检测的人体识别装置的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。图7示例的基于温度检测的人体识别装置可以是前述实施例一提供的基于温度检测的人体识别方法的执行主体。
参照图7,该基于温度检测的人体识别装置包括:
温度采集模块71,用于获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值。
筛选模块72,用于从多个所述红外传感器头中筛选出当前温度值处于预设温度范围的目标传感器头,并获取所述目标传感器头的位置信息。
人体识别模块73,用于基于所述位置信息识别所述目标区域中是否包含人体。
进一步地,筛选模块72,包括:
获取所述目标传感器头的历史温度记录,所述历史温度纪录中包含多个采集时刻以及对应的历史温度值。
从所述历史温度值中查找出对应的所述采集时刻距离当前时间最近,且不属于所述预设温度范围的历史温度值,并计算该历史温度值对应的所述采集时刻到当前时间的时长值,得到每个所述目标传感器头分别对应的所述时长值。
将所述目标传感器头中所述时长值大于预设时长阈值的传感器头剔除,并获取剔除后的所述目标传感器头的所述位置信息。
进一步地,人体识别模块73,包括:
基于所述位置信息,统计所述目标传感器头中位置相邻的传感器头数量,若该数量大于预设阈值,判定所述目标区域中包含人体。
进一步地,人体识别模块73,包括:
基于所述位置信息,筛选出所述目标传感器头中位置相邻的传感器头。
根据所述位置相邻的传感器头对应的所述位置信息,筛选出其中的位于位置边缘的传感器头,并基于该位置边缘的传感器头绘制所述位置相邻的传感器头对应的边缘封闭的轮廓图形。
检测预设图形库中是否包含与所述轮廓图形相似度大于预设相似度阈值的相似图形,若包含,判定所述目标区域中包含人体。或者
检测所述轮廓图形中包含的传感器头数量,若该数量大于预设阈值,判定所述目标区域中包含人体。
进一步地,人体识别模块73,包括:
若所述位置相邻的传感器头对应有多个与所述预设图形库内图形匹配,或者包含的传感器头数量大于所述预设阈值的所述轮廓图形,判定所述目标区域中包含多个人体。
进一步地,该基于温度检测的人体识别装置,还包括:
若检测结果为所述目标区域中包含人体,基于预设的位置信息与空间位置的对应关系对所述位置信息进行处理,识别所述人体在所述目标区域中的空间位置。
进一步地,该基于温度检测的人体识别装置,还包括:
将识别得到的空间位置记录为所述人体对应的历史空间位置,并在预设时间周期后,返回执行所述获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值的操作,直至得到所述人体对应的空间位置。
基于所述预设时间周期后得到的空间位置及所述历史空间位置,识别所述人体在所述目标区域中的移动方向。
进一步地,该基于温度检测的人体识别装置,还包括:
若检测结果为所述目标区域中包含人体,记录得到该检测结果的时间为所述人体对应的第一时间。
在预设时间周期后,返回执行所述获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值的操作,直至检测结果为所述目标区域内不包含所述人体,并记录得到该检测结果的时间为所述人体对应的第二时间。
基于所述第二时间和所述第一时间,计算所述人体存在于所述目标区域内的时长。
本发明实施例提供的基于温度检测的人体识别装置中各模块实现各自功能的过程,具体可参考前述图1所示实施例一的描述,此处不再赘述。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
还应理解的是,虽然术语“第一”、“第二”等在文本中在一些本发明实施例中用来描述各种元素,但是这些元素不应该受到这些术语的限制。这些术语只是用来将一个元素与另一元素区分开。例如,第一表格可以被命名为第二表格,并且类似地,第二表格可以被命名为第一表格,而不背离各种所描述的实施例的范围。第一表格和第二表格都是表格,但是它们不是同一表格。
图8是本发明一实施例提供的终端设备的示意图。如图8所示,该实施例的终端设备8包括:处理器80、存储器81,所述存储器81中存储有可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个基于温度检测的人体识别方法实施例中的步骤,例如图1所示的步骤101至103。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图7所示模块71至73的功能。
所述终端设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是终端设备8的示例,并不构成对终端设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入发送设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述终端设备8的内部存储单元,例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备,例如所述终端设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括所述终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经发送或者将要发送的数据。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使对应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于温度检测的人体识别方法,其特征在于,包括:
获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值;
从多个所述红外传感器头中筛选出当前温度值处于预设温度范围的目标传感器头,并获取所述目标传感器头的位置信息;
基于所述位置信息识别所述目标区域中是否包含人体。
2.如权利要求1所述的基于温度检测的人体识别方法,其特征在于,所述获取所述目标传感器头的位置信息,包括;
获取所述目标传感器头的历史温度记录,所述历史温度纪录中包含多个采集时刻以及对应的历史温度值;
从所述历史温度值中查找出对应的所述采集时刻距离当前时间最近,且不属于所述预设温度范围的历史温度值,并计算该历史温度值对应的所述采集时刻到当前时间的时长值,得到每个所述目标传感器头分别对应的所述时长值;
将所述目标传感器头中所述时长值大于预设时长阈值的传感器头剔除,并获取剔除后的所述目标传感器头的所述位置信息。
3.如权利要求1或2所述的基于温度检测的人体识别方法,其特征在于,所述基于所述位置信息识别所述目标区域中是否包含人体,包括:
基于所述位置信息,统计所述目标传感器头中位置相邻的传感器头数量,若该数量大于预设阈值,判定所述目标区域中包含人体。
4.如权利要求1或2所述的基于温度检测的人体识别方法,其特征在于,所述基于所述位置信息识别所述目标区域中是否包含人体,还包括:
基于所述位置信息,筛选出所述目标传感器头中位置相邻的传感器头;
根据所述位置相邻的传感器头对应的所述位置信息,筛选出其中的位于位置边缘的传感器头,并基于该位置边缘的传感器头绘制所述位置相邻的传感器头对应的边缘封闭的轮廓图形;
检测预设图形库中是否包含与所述轮廓图形相似度大于预设相似度阈值的相似图形,若包含,判定所述目标区域中包含人体;或者
检测所述轮廓图形中包含的传感器头数量,若该数量大于预设阈值,判定所述目标区域中包含人体。
5.如权利要求4所述的基于温度检测的人体识别方法,其特征在于,还包括:
若所述位置相邻的传感器头对应有多个与所述预设图形库内图形匹配,或者包含的传感器头数量大于所述预设阈值的所述轮廓图形,判定所述目标区域中包含多个人体。
6.如权利要求1或2所述的基于温度检测的人体识别方法,其特征在于,还包括:
若检测结果为所述目标区域中包含人体,基于预设的位置信息与空间位置的对应关系对所述位置信息进行处理,识别所述人体在所述目标区域中的空间位置。
7.如权利要求6所述的基于温度检测的人体识别方法,其特征在于,在所述识别所述人体在所述目标区域中的空间位置之后,还包括:
将识别得到的空间位置记录为所述人体对应的历史空间位置,并在预设时间周期后,返回执行所述获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值的操作,直至得到所述人体对应的空间位置;
基于所述预设时间周期后得到的空间位置及所述历史空间位置,识别所述人体在所述目标区域中的移动方向。
8.如权利要求1或2所述的基于温度检测的人体识别方法,其特征在于,还包括:
若检测结果为所述目标区域中包含人体,记录得到该检测结果的时间为所述人体对应的第一时间;
在预设时间周期后,返回执行所述获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值的操作,直至检测结果为所述目标区域内不包含所述人体,并记录得到该检测结果的时间为所述人体对应的第二时间;
基于所述第二时间和所述第一时间,计算所述人体存在于所述目标区域内的时长。
9.一种基于温度检测的人体识别装置,其特征在于,包括:
温度采集模块,用于获取通过阵列排布的多个红外传感器头对目标区域进行温度采集时的当前温度值;
筛选模块,用于从多个所述红外传感器头中筛选出当前温度值处于预设温度范围的目标传感器头,并获取所述目标传感器头的位置信息;
人体识别模块,用于基于所述位置信息识别所述目标区域中是否包含人体。
10.一种终端设备,其特征在于,所述终端设备包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811566621.0A CN109813434B (zh) | 2018-12-19 | 2018-12-19 | 一种基于温度检测的人体识别方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811566621.0A CN109813434B (zh) | 2018-12-19 | 2018-12-19 | 一种基于温度检测的人体识别方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109813434A true CN109813434A (zh) | 2019-05-28 |
CN109813434B CN109813434B (zh) | 2020-07-10 |
Family
ID=66601715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811566621.0A Active CN109813434B (zh) | 2018-12-19 | 2018-12-19 | 一种基于温度检测的人体识别方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109813434B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111132429A (zh) * | 2019-12-17 | 2020-05-08 | 珠海格力电器股份有限公司 | 一种照明控制方法、终端及计算机可读介质 |
CN111192604A (zh) * | 2019-12-12 | 2020-05-22 | 秒针信息技术有限公司 | 录音设备控制方法和装置 |
CN111579119A (zh) * | 2020-04-22 | 2020-08-25 | 深圳市优必选科技股份有限公司 | 一种测温方法、装置、计算机可读存储介质及机器人 |
CN111579080A (zh) * | 2020-04-30 | 2020-08-25 | 沈阳天眼智云信息科技有限公司 | 红外热像体温监测仪的自校准方法 |
CN112418038A (zh) * | 2020-11-13 | 2021-02-26 | 深圳市优必选科技股份有限公司 | 人体检测方法、装置、电子设备及介质 |
CN113063223A (zh) * | 2021-03-23 | 2021-07-02 | 深圳麦格米特电气股份有限公司 | 一种检测人体位置的方法、装置和空调设备 |
CN113495493A (zh) * | 2021-07-30 | 2021-10-12 | 青岛海尔空调器有限总公司 | 用于识别人体高度的方法及装置、家电设备、可读存储介质 |
CN113640897A (zh) * | 2021-08-05 | 2021-11-12 | 上海上实龙创智能科技股份有限公司 | 空间中人体检测方法、装置、电子设备及存储介质 |
CN114576816A (zh) * | 2022-03-16 | 2022-06-03 | 武汉高德智感科技有限公司 | 基于红外传感器的空调调节方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008124064A1 (en) * | 2007-04-04 | 2008-10-16 | Network Biosystems, Inc. | Plastic microfluidic separation and detection platforms |
CN104422524A (zh) * | 2013-09-04 | 2015-03-18 | 海尔集团公司 | 一种基于红外热源探测的人体探测装置 |
CN105357809A (zh) * | 2015-12-14 | 2016-02-24 | 天津工业大学 | 基于物联网技术的教室灯光智能控制系统 |
CN105928148A (zh) * | 2016-04-29 | 2016-09-07 | 合肥美的暖通设备有限公司 | 智能送风空调器和空调器的送风控制方法 |
CN106503615A (zh) * | 2016-09-20 | 2017-03-15 | 北京工业大学 | 基于多传感器的室内人体检测跟踪和身份识别系统 |
CN107703556A (zh) * | 2017-09-13 | 2018-02-16 | 广东美的制冷设备有限公司 | 人体位置检测方法、装置和计算机可读存储介质 |
CN108391302A (zh) * | 2017-07-26 | 2018-08-10 | 漳州立达信光电子科技有限公司 | 一种配网方法、系统及终端设备 |
CN207995472U (zh) * | 2018-01-25 | 2018-10-19 | 南京和贤电子科技有限公司 | 一种智慧教室管理系统 |
-
2018
- 2018-12-19 CN CN201811566621.0A patent/CN109813434B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008124064A1 (en) * | 2007-04-04 | 2008-10-16 | Network Biosystems, Inc. | Plastic microfluidic separation and detection platforms |
CN104422524A (zh) * | 2013-09-04 | 2015-03-18 | 海尔集团公司 | 一种基于红外热源探测的人体探测装置 |
CN105357809A (zh) * | 2015-12-14 | 2016-02-24 | 天津工业大学 | 基于物联网技术的教室灯光智能控制系统 |
CN105928148A (zh) * | 2016-04-29 | 2016-09-07 | 合肥美的暖通设备有限公司 | 智能送风空调器和空调器的送风控制方法 |
CN106503615A (zh) * | 2016-09-20 | 2017-03-15 | 北京工业大学 | 基于多传感器的室内人体检测跟踪和身份识别系统 |
CN108391302A (zh) * | 2017-07-26 | 2018-08-10 | 漳州立达信光电子科技有限公司 | 一种配网方法、系统及终端设备 |
CN107703556A (zh) * | 2017-09-13 | 2018-02-16 | 广东美的制冷设备有限公司 | 人体位置检测方法、装置和计算机可读存储介质 |
CN207995472U (zh) * | 2018-01-25 | 2018-10-19 | 南京和贤电子科技有限公司 | 一种智慧教室管理系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192604A (zh) * | 2019-12-12 | 2020-05-22 | 秒针信息技术有限公司 | 录音设备控制方法和装置 |
CN111132429A (zh) * | 2019-12-17 | 2020-05-08 | 珠海格力电器股份有限公司 | 一种照明控制方法、终端及计算机可读介质 |
CN111579119A (zh) * | 2020-04-22 | 2020-08-25 | 深圳市优必选科技股份有限公司 | 一种测温方法、装置、计算机可读存储介质及机器人 |
CN111579080A (zh) * | 2020-04-30 | 2020-08-25 | 沈阳天眼智云信息科技有限公司 | 红外热像体温监测仪的自校准方法 |
CN111579080B (zh) * | 2020-04-30 | 2021-09-14 | 沈阳天眼智云信息科技有限公司 | 红外热像体温监测仪的自校准方法 |
CN112418038A (zh) * | 2020-11-13 | 2021-02-26 | 深圳市优必选科技股份有限公司 | 人体检测方法、装置、电子设备及介质 |
CN113063223A (zh) * | 2021-03-23 | 2021-07-02 | 深圳麦格米特电气股份有限公司 | 一种检测人体位置的方法、装置和空调设备 |
CN113063223B (zh) * | 2021-03-23 | 2022-07-26 | 深圳麦格米特电气股份有限公司 | 一种检测人体位置的方法、装置和空调设备 |
CN113495493A (zh) * | 2021-07-30 | 2021-10-12 | 青岛海尔空调器有限总公司 | 用于识别人体高度的方法及装置、家电设备、可读存储介质 |
CN113640897A (zh) * | 2021-08-05 | 2021-11-12 | 上海上实龙创智能科技股份有限公司 | 空间中人体检测方法、装置、电子设备及存储介质 |
CN114576816A (zh) * | 2022-03-16 | 2022-06-03 | 武汉高德智感科技有限公司 | 基于红外传感器的空调调节方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109813434B (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109813434A (zh) | 一种基于温度检测的人体识别方法、装置及终端设备 | |
US11189078B2 (en) | Automated understanding of three dimensional (3D) scenes for augmented reality applications | |
US20130159351A1 (en) | Asset Identity Resolution Via Automatic Model Mapping Between Systems With Spatial Data | |
Zhou et al. | Computer vision enabled building digital twin using building information model | |
CN105426820B (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
CN108323204A (zh) | 一种检测人脸瑕疵点的方法和智能终端 | |
CN102507592A (zh) | 表面缺陷仿蝇视觉在线检测装置及检测方法 | |
TW200820099A (en) | Target moving object tracking device | |
CN111954886A (zh) | 对象追踪的系统和方法 | |
CN110458940A (zh) | 动作捕捉的处理方法和处理装置 | |
CN107563978A (zh) | 人脸去模糊方法及装置 | |
CN109508583A (zh) | 一种人群分布特征的获取方法和装置 | |
CN109752855A (zh) | 一种光斑发射装置和检测几何光斑的方法 | |
CN113449570A (zh) | 图像处理方法和装置 | |
CN109711241A (zh) | 物体检测方法、装置与电子设备 | |
CN107851301A (zh) | 用于选择图像变换的系统和方法 | |
CN110084797A (zh) | 平面检测方法、装置、电子设备和存储介质 | |
CN107133967A (zh) | 提取目标图像的方法及装置 | |
CN114202819A (zh) | 一种基于机器人的变电站巡检方法、系统及计算机 | |
CN116976721A (zh) | 一种配电作业行为规范性评价方法、系统、计算设备 | |
CN103324281B (zh) | 一种非接触互动展示系统的滤波方法 | |
Zhang et al. | Optimization for 3D model-based multi-camera deployment | |
CN109146973A (zh) | 机器人场地特征识别和定位方法、装置、设备和存储介质 | |
Sambasivan et al. | Computer graphics meets estimation theory: Parameter estimation lower bounds for plenoptic imaging systems | |
Li et al. | Overall well-focused catadioptric image acquisition with multifocal images: a model-based method |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |