CN109960961A - 行人识别方法和装置 - Google Patents
行人识别方法和装置 Download PDFInfo
- Publication number
- CN109960961A CN109960961A CN201711338020.XA CN201711338020A CN109960961A CN 109960961 A CN109960961 A CN 109960961A CN 201711338020 A CN201711338020 A CN 201711338020A CN 109960961 A CN109960961 A CN 109960961A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- video image
- movement speed
- frame
- adjacent
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开公开了一种行人识别方法和装置,涉及计算机视觉领域。该方法包括:获取视频图像;通过对比相邻两帧视频图像确定视频变化区域;对视频变化区域进行识别确定目标物;若目标物的移动速度符合行人移动速度,则对视频图像进行学习和识别,确定目标物是否为行人。本公开仅对移动速度符合行人移动速度的目标物的图像进行学习和识别,确定目标物是否为行人,能够减少数据处理量,提升数据处理速度,进而提高行人识别效率。
Description
技术领域
本公开涉及计算机视觉领域,尤其涉及一种行人识别方法和装置。
背景技术
人的再识别一直以来被认为是图像检索问题,指的是在不同摄像头下的行人匹配问题。在计算机视觉识别系统中,图像内容通常用图像特征进行描述。但现有技术中,对图像中的行人进行识别时,效率非常低,并且对硬件资源消耗比较大。
发明内容
本公开要解决的一个技术问题是提供一种行人识别方法和装置,能够提高行人识别效率。
根据本公开一方面,提出一种行人识别方法,包括:获取视频图像;通过对比相邻两帧视频图像确定视频变化区域;对视频变化区域进行识别确定目标物;若目标物的移动速度符合行人移动速度,则对视频图像进行学习和识别,确定目标物是否为行人。
可选地,该方法还包括:通过对比相邻两帧视频图像,确定目标物的移动像素距离;基于比例参数确定目标物的移动真实距离;基于目标物的移动真实距离确定目标物的移动速度。
可选地,该方法还包括:若目标物的行为特征符合行人行为特征,则确定目标物为行人。
可选地,该方法还包括:若相邻两帧视频图像中没有视频变化区域,则将相邻两帧视频图像中的前一帧视频图像丢弃;和/或若目标物的移动速度不符合行人移动速度,则将相邻两帧视频图像中的前一帧视频图像丢弃。
根据本公开的另一方面,还提出一种行人识别装置,包括:图像获取单元,用于获取视频图像;图像变化确定单元,用于通过对比相邻两帧视频图像确定视频变化区域;目标物确定单元,用于对视频变化区域进行识别确定目标物;行人识别单元,用于若目标物的移动速度符合行人移动速度,则对视频图像进行学习和识别,确定目标物是否为行人。
可选地,该装置还包括:速度确定单元,用于通过对比相邻两帧视频图像,确定目标物的移动像素距离;基于比例参数确定目标物的移动真实距离;基于目标物的移动真实距离确定目标物的移动速度。
可选地,行人识别单元还用于若目标物的行为特征符合行人行为特征,则确定目标物为行人。
可选地,目标物确定单元还用于若相邻两帧视频图像中没有视频变化区域,则将相邻两帧视频图像中的前一帧视频图像丢弃;和/或行人识别单元还用于若目标物的移动速度不符合行人移动速度,则将相邻两帧视频图像中的前一帧视频图像丢弃。
根据本公开的另一方面,还提出一种行人识别装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器的指令执行如上述的行人识别方法。
根据本公开的另一方面,还提出一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现上述的行人识别方法的步骤。
本公开仅对移动速度符合行人移动速度的目标物的图像进行学习和识别,确定目标物是否为行人,能够减少数据处理量,提升数据处理速度,进而提高行人识别效率。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1为本公开行人识别方法的一个实施例的流程示意图。
图2为本公开行人识别方法的另一个实施例的流程示意图。
图3为本公开行人识别装置的一个实施例的结构示意图。
图4为本公开行人识别装置的另一个实施例的结构示意图。
图5为本公开行人识别装置的又一个实施例的结构示意图。
图6为本公开行人识别装置的再一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
图1为本公开行人识别方法的一个实施例的流程示意图。
在步骤110,获取视频图像。其中,可以获取一个摄像头拍摄的不同时间内的视频图像,也可以获取不同摄像头拍摄的不同时间内的视频图像。
在步骤120,通过对比相邻两帧视频图像确定视频变化区域。例如将相邻两帧视频图像进行对比,判断是否有变化区域,若有,则说明视频图像中有移动物。
在步骤130,对视频变化区域进行识别确定目标物。
在步骤140,若目标物的移动速度符合行人移动速度,则对目标物图像进行学习和识别,确定目标物是否为行人。先确定目标物的移动速度,判断目标物的移动速度是否符合行人移动速度,若符合,则该目标物可能为行人,则可以对视频图像进行学习和识别,进一步判断该目标物是否为行人。
在该实施例中,仅对移动速度符合行人移动速度的目标物的图像进行学习和识别,确定目标物是否为行人,能够减少数据处理量,提升数据处理速度,进而提高行人识别效率。
图2为本公开行人识别方法的另一个实施例的流程示意图。
在步骤210,接收第一帧视频图像,并进行存储。其中,可以将第一帧图像进行储存。
在步骤220,接收第二帧视频图像,并进行存储。其中,第一帧视频图像和第二帧视频图像是指相邻两帧视频图像。
在步骤230,对比第二帧视频图像与第一帧视频图像,判断是否有变化区域,若没有,则执行步骤240,若有,执行步骤250。
在步骤240,丢弃第一帧视频图像,即将相邻两帧视频图像中前一帧视频图像丢弃,不再执行后续操作。
在步骤250,确定目标物的移动像素距离。其中,若相邻两帧视频图像为同一摄像头拍摄的图像,则可以直接比对目标物在两帧视频图像中的位置确定目标物的移动像素距离。若相邻两帧视频图像为不同摄像头拍摄的图像,则需要考虑摄像头的安装位置以及目标物在视频图像中的位置确定目标物的移动像素距离。
在步骤260,基于比例参数确定目标物的移动真实距离。例如,可以根据比例尺确定移动像素距离对应的移动真实距离。
在步骤270,基于目标物的移动真实距离确定目标物的移动速度。例如,根据移动真实距离与两帧视频图像拍摄的时间间隔确定目标物的移动速度。
在步骤280,判断目标物的移动速度是否符合行人移动速度,若不符合,则执行步骤290,否则,执行步骤2100。
在步骤290,丢弃第一帧视频图像。例如,若目标物的移动速度远远大于行人移动速度,则该目标物可能为汽车等快速移动物,在进行行人识别时,无需对该目标物进行识别。
在步骤2100,对目标物图像进行学习和识别。
在步骤2110,若目标物的行为特征符合行人行为特征,则确定目标物为行人。
在上述实施例中,通过将相邻两帧视频图像进行比对,避免对静止画面的学习和识别,能够减少数据处理量;另外,再通过对目标物的移动速度的判断,不对不符合行人移动速度的目标物图像进行后续学习识别,能够进一步减少数据量的处理;仅对于符合行人移动速度的目标物图像进行后续学习识别,若目标物的行为特征符合行人行为特征,则确定目标物为行人,能够提高行人识别的效率,降低资源消耗。
图3为本公开行人识别装置的一个实施例的结构示意图。该装置包括图像获取单元310、图像变化确定单元320、目标物确定单元330和行人识别单元340,其中:
图像获取单元310用于获取视频图像。其中,图像获取单元310可以获取一个摄像头拍摄的不同时间内的视频图像,也可以获取不同摄像头拍摄的不同时间内的视频图像。
图像变化确定单元320用于通过对比相邻两帧视频图像确定视频变化区域。
目标物确定单元330用于对视频变化区域进行识别确定目标物。
行人识别单元340用于若目标物的移动速度符合行人移动速度,则对视频图像进行学习和识别,确定目标物是否为行人。其中,先确定目标物的移动速度,判断目标物的移动速度是否符合行人移动速度,若符合,则该目标物可能为行人,则可以对视频图像进行学习和识别,进一步判断该目标物是否为行人。
在该实施例中,仅对移动速度符合行人移动速度的目标物的图像进行学习和识别,确定目标物是否为行人,能够减少数据处理量,提升数据处理速度,提高行人识别效率。
图4为本公开行人识别装置的另一个实施例的结构示意图。该装置包括图像获取单元410、图像变化确定单元420、目标物确定单元430、速度确定单元440和行人识别单元450,其中:
图像获取单元410用于接收第一帧视频图像和第二帧视频图像,其中,第一帧视频图像和第二帧视频图像是指相邻两帧视频图像。
图像变化确定单元420用于对比第二帧视频图像与第一帧视频图像,判断是否有变化区域。
目标物确定单元430用于若没有视频变化区域,则将相邻两帧视频图像中的前一帧视频图像丢弃,若有则对视频变化区域进行识别确定目标物。
速度确定单元440用于通过对比相邻两帧视频图像,确定目标物的移动像素距离;基于比例参数确定目标物的移动真实距离;基于目标物的移动真实距离确定目标物的移动速度。其中,若相邻两帧视频图像为同一摄像头拍摄的图像,则可以直接比对目标物在两帧视频图像中的位置确定目标物的移动像素距离。若相邻两帧视频图像为不同摄像头拍摄的图像,则需要考虑摄像头的安装位置以及目标物在视频图像中的位置确定目标物的移动像素距离,然后根据比例尺确定移动像素距离对应的移动真实距离,根据移动真实距离与两帧视频图像拍摄的时间间隔确定目标物的移动速度。
行人识别单元450用于判断目标物的移动速度是否符合行人移动速度,若不符合,将相邻两帧视频图像中的前一帧视频图像丢弃,若符合,则对目标物图像进行学习和识别,若目标物的行为特征符合行人行为特征,则确定目标物为行人。
在上述实施例中,通过将相邻两帧视频图像进行比对,避免对静止画面的学习和识别,能够减少数据处理量;另外,再通过对目标物的移动速度的判断,不对不符合行人移动速度的目标物图像进行后续学习识别,能够进一步减少数据量的处理;仅对于符合行人移动速度的目标物图像进行后续学习识别,若目标物的行为特征符合行人行为特征,则确定目标物为行人,能够提高行人识别的效率,降低资源消耗。
图5为本公开行人识别装置的又一个实施例的结构示意图。该装置包括存储器510和处理器520。其中:存储器510可以是磁盘、闪存或其它任何非易失性存储介质。存储器510用于存储图1、2所对应实施例中的指令。处理器520耦接至存储器510,可以作为一个或多个集成电路来实施,例如微处理器或微控制器。该处理器520用于执行存储器中存储的指令。
在一个实施例中,还可以如图6所示,该装置600包括存储器610和处理器620。处理器620通过BUS总线630耦合至存储器610。该装置600的各个单元还可以通过存储接口640连接至外部存储装置650以便调用外部数据,还可以通过网络接口660连接至网络或者另外一台计算机系统(未标出),此处不再进行详细介绍。
在该实施例中,通过存储器存储数据指令,再通过处理器处理上述指令,能够减少数据处理量,提升数据处理速度,提高行人识别效率。
在另一个实施例中,一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现图1、2所对应实施例中的方法的步骤。本领域内的技术人员应明白,本公开的实施例可提供为方法、装置、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此,已经详细描述了本公开。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (10)
1.一种行人识别方法,包括:
获取视频图像;
通过对比相邻两帧所述视频图像确定视频变化区域;
对所述视频变化区域进行识别确定目标物;
若所述目标物的移动速度符合行人移动速度,则对所述视频图像进行学习和识别,确定所述目标物是否为行人。
2.根据权利要求1所述的行人识别方法,还包括:
通过对比相邻两帧所述视频图像,确定所述目标物的移动像素距离;
基于比例参数确定所述目标物的移动真实距离;
基于所述目标物的移动真实距离确定所述目标物的移动速度。
3.根据权利要求1所述的行人识别方法,还包括:
若所述目标物的行为特征符合行人行为特征,则确定所述目标物为行人。
4.根据权利要求1-3任一所述的行人识别方法,还包括:
若相邻两帧所述视频图像中没有视频变化区域,则将相邻两帧所述视频图像中的前一帧视频图像丢弃;
和/或
若所述目标物的移动速度不符合行人移动速度,则将相邻两帧所述视频图像中的前一帧视频图像丢弃。
5.一种行人识别装置,包括:
图像获取单元,用于获取视频图像;
图像变化确定单元,用于通过对比相邻两帧所述视频图像确定视频变化区域;
目标物确定单元,用于对所述视频变化区域进行识别确定目标物;
行人识别单元,用于若所述目标物的移动速度符合行人移动速度,则对所述视频图像进行学习和识别,确定所述目标物是否为行人。
6.根据权利要求5所述的行人识别装置,还包括:
速度确定单元,用于通过对比相邻两帧所述视频图像,确定所述目标物的移动像素距离;基于比例参数确定所述目标物的移动真实距离;基于所述目标物的移动真实距离确定所述目标物的移动速度。
7.根据权利要求5所述的行人识别装置,其中,
所述行人识别单元还用于若所述目标物的行为特征符合行人行为特征,则确定所述目标物为行人。
8.根据权利要求5-7任一所述的行人识别装置,其中,
所述目标物确定单元还用于若相邻两帧所述视频图像中没有视频变化区域,则将相邻两帧所述视频图像中的前一帧视频图像丢弃;
和/或
所述行人识别单元还用于若所述目标物的移动速度不符合行人移动速度,则将相邻两帧所述视频图像中的前一帧视频图像丢弃。
9.一种行人识别装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至4任一项所述的行人识别方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现权利要求1至4任一项所述的行人识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711338020.XA CN109960961A (zh) | 2017-12-14 | 2017-12-14 | 行人识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711338020.XA CN109960961A (zh) | 2017-12-14 | 2017-12-14 | 行人识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109960961A true CN109960961A (zh) | 2019-07-02 |
Family
ID=67017787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711338020.XA Pending CN109960961A (zh) | 2017-12-14 | 2017-12-14 | 行人识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109960961A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408772A (zh) * | 2020-03-16 | 2021-09-17 | 广东毓秀科技有限公司 | 一种基于深度学习的地铁有轨电车人流预测的方法 |
CN113810837A (zh) * | 2020-06-16 | 2021-12-17 | 京东方科技集团股份有限公司 | 一种显示装置的同步发声控制方法及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024348A (zh) * | 2012-11-06 | 2013-04-03 | 前卫视讯(北京)科技发展有限公司 | 视频监控的运维管理系统 |
CN104239865A (zh) * | 2014-09-16 | 2014-12-24 | 宁波熵联信息技术有限公司 | 一种基于多级检测的行人检测与跟踪方法 |
CN104282150A (zh) * | 2014-09-29 | 2015-01-14 | 北京汉王智通科技有限公司 | 运动目标的识别装置及系统 |
CN104463903A (zh) * | 2014-06-24 | 2015-03-25 | 中海网络科技股份有限公司 | 一种基于目标行为分析的行人图像实时检测方法 |
CN106407948A (zh) * | 2016-09-30 | 2017-02-15 | 防城港市港口区高创信息技术有限公司 | 基于红外夜视仪的行人检测与识别方法 |
CN107205137A (zh) * | 2017-07-07 | 2017-09-26 | 广东中星电子有限公司 | 一种监控识别方法和装置 |
CN107358190A (zh) * | 2017-07-07 | 2017-11-17 | 广东中星电子有限公司 | 一种图像关键区域管理方法和装置 |
-
2017
- 2017-12-14 CN CN201711338020.XA patent/CN109960961A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024348A (zh) * | 2012-11-06 | 2013-04-03 | 前卫视讯(北京)科技发展有限公司 | 视频监控的运维管理系统 |
CN104463903A (zh) * | 2014-06-24 | 2015-03-25 | 中海网络科技股份有限公司 | 一种基于目标行为分析的行人图像实时检测方法 |
CN104239865A (zh) * | 2014-09-16 | 2014-12-24 | 宁波熵联信息技术有限公司 | 一种基于多级检测的行人检测与跟踪方法 |
CN104282150A (zh) * | 2014-09-29 | 2015-01-14 | 北京汉王智通科技有限公司 | 运动目标的识别装置及系统 |
CN106407948A (zh) * | 2016-09-30 | 2017-02-15 | 防城港市港口区高创信息技术有限公司 | 基于红外夜视仪的行人检测与识别方法 |
CN107205137A (zh) * | 2017-07-07 | 2017-09-26 | 广东中星电子有限公司 | 一种监控识别方法和装置 |
CN107358190A (zh) * | 2017-07-07 | 2017-11-17 | 广东中星电子有限公司 | 一种图像关键区域管理方法和装置 |
Non-Patent Citations (3)
Title |
---|
夏玉华等: "图书馆学术视频快速浏览技术中的关键帧提取", 《现代图书情报技术》 * |
朱志宇: "《流形粒子滤波算法及其在视频目标跟踪中的应用》", 31 January 2015 * |
解晓萌等: "一种新的冗余关键帧去除算法", 《电视技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408772A (zh) * | 2020-03-16 | 2021-09-17 | 广东毓秀科技有限公司 | 一种基于深度学习的地铁有轨电车人流预测的方法 |
CN113810837A (zh) * | 2020-06-16 | 2021-12-17 | 京东方科技集团股份有限公司 | 一种显示装置的同步发声控制方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11538232B2 (en) | Tracker assisted image capture | |
CN113179368B (zh) | 一种车辆定损的数据处理方法、装置、处理设备及客户端 | |
CN108665373B (zh) | 一种车辆定损的交互处理方法、装置、处理设备及客户端 | |
CN107403424B (zh) | 一种基于图像的车辆定损方法、装置及电子设备 | |
KR102472767B1 (ko) | 신뢰도에 기초하여 깊이 맵을 산출하는 방법 및 장치 | |
TW202101371A (zh) | 視訊流的處理方法和裝置 | |
CN109410316B (zh) | 物体的三维重建的方法、跟踪方法、相关装置及存储介质 | |
JP7078139B2 (ja) | ビデオ安定化方法及び装置、並びに非一時的コンピュータ可読媒体 | |
CN112232293A (zh) | 图像处理模型训练、图像处理方法及相关设备 | |
US10957068B2 (en) | Information processing apparatus and method of controlling the same | |
US9971418B2 (en) | Tracker for cursor navigation | |
KR20170091496A (ko) | 양안 시차 영상의 처리 방법 및 장치 | |
KR102476022B1 (ko) | 얼굴검출 방법 및 그 장치 | |
US9324008B2 (en) | Classifier update device, information processing device, and classifier update method | |
CN111357034A (zh) | 点云生成方法、系统和计算机存储介质 | |
CN109960961A (zh) | 行人识别方法和装置 | |
CN114419102B (zh) | 一种基于帧差时序运动信息的多目标跟踪检测方法 | |
EP3109695A1 (en) | Method and electronic device for automatically focusing on moving object | |
CN114359892A (zh) | 三维目标检测方法、装置及计算机可读存储介质 | |
US9836655B2 (en) | Information processing apparatus, information processing method, and computer-readable medium | |
US9398208B2 (en) | Imaging apparatus and imaging condition setting method and program | |
CN110009683B (zh) | 基于MaskRCNN的实时平面上物体检测方法 | |
JP2017033556A (ja) | 画像処理方法及び電子機器 | |
JP2017016592A (ja) | 主被写体検出装置、主被写体検出方法及びプログラム | |
JP2019211914A (ja) | 物体らしさ推定装置、方法、およびプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190702 |
|
RJ01 | Rejection of invention patent application after publication |