CN109982051A - 具有动物识别功能的监控摄像方法和监控相机 - Google Patents

具有动物识别功能的监控摄像方法和监控相机 Download PDF

Info

Publication number
CN109982051A
CN109982051A CN201910322541.9A CN201910322541A CN109982051A CN 109982051 A CN109982051 A CN 109982051A CN 201910322541 A CN201910322541 A CN 201910322541A CN 109982051 A CN109982051 A CN 109982051A
Authority
CN
China
Prior art keywords
monitoring camera
image
unit
camera
animal
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
Application number
CN201910322541.9A
Other languages
English (en)
Other versions
CN109982051B (zh
Inventor
杜明辉
杨晓东
范立斌
范振粤
杨民杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Enweishi Technology Co ltd
Original Assignee
SOUTHSTAR ELECTRONICS Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SOUTHSTAR ELECTRONICS Ltd filed Critical SOUTHSTAR ELECTRONICS Ltd
Priority to CN201910322541.9A priority Critical patent/CN109982051B/zh
Publication of CN109982051A publication Critical patent/CN109982051A/zh
Application granted granted Critical
Publication of CN109982051B publication Critical patent/CN109982051B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种具有动物识别功能的监控摄像方法及监控相机，其中监控方法包括：采集影像照片和特征识别两个步骤；监控相机通过触发传感器捕捉到的触发信号启动摄像系统，采集摄像镜头范围内的动物体的影像照片，然后将采集到的影像照片传输给设置在监控相机上的动物识别系统，通过该动物识别系统判断出影像照片中的动物体所属的类别，以此将影像照片进行分类存储；本发明具有动物识别功能的监控摄像方法包括有采集影像照片和动物识别，由此可知，采用本发明监控摄像方法的监控相机，可根据需要将所要监控的动物体的影像照片与其他干扰物分开存储，从而有效提高后期对监控动物体影像照片的浏览和分析效率，为用户带来了极大的方便。

Description

具有动物识别功能的监控摄像方法和监控相机
技术领域
本发明涉及户外拍照监控技术领域，尤其涉及一种具有动物识别功能的监控摄像方法及具有动物识别功能的监控相机。
背景技术
与传统相机不同，户外监控相机主要用于在某一区域进行自动拍照监控，当所要监控的对象进入监控区域时，被相机上的传感器感应到，相机启动拍照，并将拍摄到的照片存储，以供查看分析。现如今，户外监控相机被广泛应用在动物保护和打猎行业，目前其主要有两种工作模式，一是，拍完照片在本地存储，待过一段时间后由用户来取存储卡，另一种是通过无线网络，将所拍到的相片传到服务器，由服务器对图片进行分析，进而通知用户。然后，在第一种工作模式中，由于存储卡一段时间后往往会存储了上千张图片，用户要每张图片浏览，非常耗时，而对于第二种工作模式来说，成本比较高，不适合普通消费者。
发明内容
本发明的其中一目的是为解决上述技术问题而提供一种可智能对所拍摄到的影像照片进行分类的具有动物识别功能的监控摄像方法。
本发明的另一目的是提供一种智能对所拍摄到的影像照片进行分类的具有动物识别功能的监控相机。
为了实现上述目的，本发明公开了一种具有动物识别功能的监控摄像方法，其包括：
1)、采集影像照片；监控相机通过触发传感器捕捉到的触发信号启动摄像系统，采集摄像镜头范围内的动物体的影像照片；
2)、特征识别；将步骤1采集到的影像照片传输给设置在监控相机上的特征识别系统，通过该特征识别系统判断出所述影像照片中的动物体所属的类别，以此将所述影像照片进行分类存储。
与现有技术相比，本发明具有动物识别功能的监控摄像方法包括有采集影像照片和特征识别，通过采集摄像系统来采集进入监控相机所属监控范围内的动物体的影像照片，然后通过特征识别系统对采集的影像照片进行动物识别，通过特征识别来预测影像照片中的内容所属的类别，将监控相机采集到的影像照片进行分类存储；由此可知，通过本发明监控摄像方法，可根据需要将所要监控的动物体的影像照片与其他干扰物分开存储，从而有效提高后期对监控动物体影像照片的浏览和分析效率，为用户带来了极大的方便，另外，由于动物识别系统设置在监控相机上，相比远程服务器的庞大架构来说，结构简单，成本低，符合广大普通用户的需求。
较佳地，所述特征识别的方法具体包括：
2.1)、训练学习；将所要监控动物体的带标签和目标框的原始图像数据输入到深度卷积神经网络模型，深度卷积神经网络模型通过对原始图像数据的训练学习，得到能检测出所要监控动物体的训练模型；
2.2)、特征提取和预测；对监控相机采集到的影像照片送入到深度卷积神经网络中进行特征提取，然后用训练好的模型来预测该影像照片的类别，根据预测出来的类别对所述影像照片进行分类存储。
本发明还公开一种具有动物识别功能的监控相机，其包括一机体，所述机体上设置有摄像单元和分别与所述摄像单元电性连接的传感触发单元和图像处理单元；所述传感触发单元用于检测进入所述摄像单元所属摄像范围内的触发信号，所述摄像单元根据所述触发信号采集影像照片；所述图像处理单元包括特征识别模块和存储模块，所述特征识别模块用于提取所述摄像单元所采集到的影像照片中的动物体的特征并预测影像照片中的动物体的类别，以将所述影像照片进行分类并存储在所述存储模块中。
较佳地，所述特征识别模块包括深度卷积神经网络模型的训练学习模块和预测模块，所述训练学习模块用于通过对所要监控对象的带标签的数据进行深度学习得到能预测图像类别的模型，所述预测模块用于将所述摄像单元所采集到的影像照片进行特征提取并预测图像类别。
较佳地，所述传感触发单元包括热释电红外线传感器。
较佳地，所述具有动物识别功能的监控相机还包括一控制单元，所述控制单元分别与所述传感触发单元、所述摄像单元以及所述图像处理单元电性连接。
较佳地，所述具有动物识别功能的监控相机还包括与所述摄像单元电性连接的图像预处理单元，所述图像预处理单元用于对所述摄像单元所采集到的影像照片进行降噪预处理。
较佳地，所述具有动物识别功能的监控相机还包括一与所述控制单元电性连接的照明单元，所述照明单元用于为所述摄像单元提供亮度补偿照明。
本发明还公开一种具有动物识别功能的监控相机，其包括：
一个或多个处理器；
存储器；
以及一个或多个程序，其中一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的具有特征识别功能的监控摄像方法的指令。
本发明还公开一种计算机可读存储介质，其包括与监控相机结合使用的计算机程序，所述计算机程序可被处理器执行以完成如上所述的具有特征识别功能的监控摄像方法。
附图说明
图1为本发明实施例监控相机的原理结构示意图。
具体实施方式
为详细说明本发明的技术内容、结构特征、实现原理及所实现目的及效果，以下结合实施方式并配合附图详予说明。
本发明公开了一种具有动物识别功能的监控摄像方法，其包括采集影像照片和特征识别两个步骤。首先，监控相机通过触发传感器捕捉到的触发信号启动摄像系统，采集摄像镜头范围内的动物体的影像照片。然后，将监控相机采集到的影像照片传输给设置在监控相机上的特征识别系统，通过该特征识别系统判断出影像照片中的动物体所属的类别，以此将影像照片进行分类存储。本实施例中，对于特征识别，主要包括训练学习、特征提取和预测两个方面。对于训练学习，其包括：将所要监控动物体的带标签和目标框的原始图像数据输入到深度卷积神经网络模型，深度卷积神经网络模型通过对原始图像数据的训练学习，得到能检测出所要监控动物体的模型。对于特征提取和预测，其包括：对监控相机采集到的影像照片送入深度卷积神经网络中进行特征提取，然后用训练好的模型来预测该影像照片的类别，根据预测出来的类别对所述影像照片进行分类存储。
为实现上述监控摄像方法，本实施例还公开了一种监控相机，如图1所示，其包括一机体，机体上设置有摄像单元10和分别与摄像单元10电性连接的传感触发单元11和图像处理单元12。传感触发单元11用于检测进入摄像单元10所属摄像范围内的触发信号，摄像单元10根据触发信号采集影像照片，图像处理单元12包括特征识别模块120和存储模块121，特征识别模块120用于提取摄像单元10所采集到的影像照片中的动物体的特征，以将影像照片进行分类并存储在存储模块121中。本实施例中的监控相机的工作过程为：将相机放置在某一环境中，如将相机放置在森林中鹿群经常出没的地方，以监控鹿群的出没频率和数量，当传感触发单元11检测到有生命体进入相机监控范围内时，摄像单元10启动，抓拍进入摄像单元10范围内的鹿的影像照片，然后将抓拍到的影像照片传输给图像处理单元12处理。其中，图像处理单元12中已经预置有用于检测鹿的训练模型，特征识别模块120通过深度卷积神经网络提取上述影像照片中的特征数据并送入训练模型中进行预测，从而得出该影像照片中的动物是否为鹿，如果是，将其存储在存储模块121中的指定文件夹中，如果否，将其存储在存储模块121中的其他地方，从而当用户隔段时间查看监控相机的监控结果时，只需打开存储鹿的文件夹查看，这就为用户节省了大量的浏览和分析时间。对于本实施例中的传感触发单元11，可使用热释电红外线传感器(PIR)，PIR通过检测生命体发出的红外线来触发摄像单元10拍照。当然，根据所要监控对象的不同，也可选用其他类型的传感器。
另外，图像处理单元12中预置的神经网络训练模型可预测多种动物类别，如鹿、山羊、狐狸等，在存储模块121中分别设置与每一种动物相对应的文件夹，当图像处理单元12接收到影像照片后，特征识别模块120将影像照片通过深度卷积神经网络提取图像特征并送入训练模型来预测影像照片的类别，从而将不同的动物影像照片分别存储在不同的文件夹中。
进一步地，特征识别模块120包括基于深度卷积神经网络模型的训练学习模块1200和预测模块1201，训练学习模块1200用于通过对所要监控对象的带标签数据进行深度学习训练模型，预测模块1201用于将摄像单元10所采集到的影像照片通过深度卷积网络提取图像特征并送入训练模型进行预测。本实施例中的训练学习模块1200为深度卷积神经网络模型的智能训练学习系统，用户可根据需要让监控相机学习多种所要监控的生命体的特征，以得到所需的训练模型，这就为用户带来使用的灵活性和便利性。另外，本发明监控相机还可包括一控制单元14，控制单元14分别与传感触发单元11、摄像单元10以及图像处理单元12电性连接，传感触发单元11检测到触发信号后，传输给控制单元14，控制单元14根据接收到触发信号后，控制摄像单元10启动拍照，然后将拍到的影像照片通过控制单元14传输给图像处理单元12，通过图像处理单元12中的预测模块1201进行特征识别和预测。
为了降低比对模块1201的误差率，本发明监控相机上还设置有与摄像单元10电性连接的图像预处理单元15，图像预处理单元15用于对摄像单元10所采集到的影像照片进行降噪预处理，摄像单元10将经过降噪预处理的影像照片传输给比对模块1201进行特征识别，从而可提供比对模块1201的识别精度，降低其误差率。
再者，监控相机上还可设置一与控制单元14电性连接的照明单元13，照明单元13用于为摄像单元10提供亮度补偿照明。该照明单元13可包括LED光源和光亮度传感器，当光亮度传感器检测到周围环境亮度不够时，控制单元14控制照明LED光源打开。
另外，本发明本发明另一较佳实施例中，监控相机还可包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的具有特征识别功能的监控摄像方法的指令。
本发明还公开一种计算机可读存储介质，其包括与监控相机结合使用的计算机程序，所述计算机程序可被处理器执行以完成如上所述的具有动物识别功能的监控摄像方法。
综上，由于本发明公开的监控相机设置有包括训练学习模块1200和预测模块1201的特征识别模块120，使用前，通过训练学习模块1200获得所要监控对象的训练模型，该模型可以预测一种对象或多种对象，并将该模型数据文件存储在数据库中，当监控相机接收到PIR的触发信号后对其镜头内的环境进行拍照，然后通过比对模块1201对监控相机拍摄到的影像照片进行特征提取和预测处理，预测时，将提取处的结果特征数据送入训练模型进行预测，预测结果可能是多种类别，找出置信度最高的类别作为图像的类别，从而得到影像照片中的影像的类别，然后将该影像照片存入指定的文件夹中，以供用户浏览查看，若预测结果中两种或多种类别的置信度都大于0.85，则可能图像中可能同时出现两种或多种动物，此时将这张图片分别放到不同种类的文件夹下，从而为用户节省了大量的浏览分析影像照片的时间，使用方便。
以上所揭露的仅为本发明的较佳实例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等同变化，仍属于本发明所涵盖的范围。

Claims (10)

1.一种具有动物识别功能的监控摄像方法，其特征在于，包括：
1)、照片采集；监控相机通过触发传感器捕捉到的触发信号启动摄像系统，采集摄像镜头范围内的动物体的影像照片；
2)、特征识别；将步骤1采集到的影像照片传输给设置在监控相机上的动物识别系统，通过该特征识别系统判断出所述影像照片中的动物体所属的类别，以此将所述影像照片进行分类存储。
2.根据权利要求1所述的具有动物识别功能的监控摄像方法，其特征在于，所述特征识别的方法具体包括：
训练学习；将所要监控动物体的带标签和目标框的原始图像数据输入到深度卷积神经网络模型，深度卷积神经网络模型通过对原始图像数据的训练学习，得到能检测出所要监控动物体的模型；
特征提取和预测；对监控相机采集到的影像照片送入深度卷积神经网络中进行特征提取，然后用训练好的模型来预测该影像照片的类别，根据预测出来的类别对所述影像照片进行分类存储。
3.一种具有动物识别功能的监控相机，其特征在于，包括一机体，所述机体上设置有摄像单元和分别与所述摄像单元电性连接的传感触发单元和图像处理单元；所述传感触发单元用于检测进入所述摄像单元所属摄像范围内的触发信号，所述摄像单元根据所述触发信号采集影像照片；所述图像处理单元包括特征识别模块和存储模块，所述特征识别模块用于提取所述摄像单元所采集到的影像照片中的动物体的特征并预测影像照片中的动物体的类别，以将所述影像照片进行分类并存储在所述存储模块中。
4.根据权利要求3所述的具有动物识别功能的监控相机，其特征在于，所述特征识别模块包括深度卷积神经网络模型的训练学习模块和预测模块，所述训练学习模块用于通过对所要监控对象的带标签的数据进行深度学习得到能预测图像类别的训练模型，所述预测模块用于将所述摄像单元所采集到的影像照片进行特征提取并预测图像类别。
5.根据权利要求3所述的具有动物识别功能的监控相机，其特征在于，所述传感触发单元包括热释电红外线传感器。
6.根据权利要求3所述的具有动物识别功能的监控相机，其特征在于，还包括一控制单元，所述控制单元分别与所述传感触发单元、所述摄像单元以及所述图像处理单元电性连接。
7.根据权利要求4所述的具有动物识别功能的监控相机，其特征在于，还包括与所述摄像单元电性连接的图像预处理单元，所述图像预处理单元用于对所述摄像单元所采集到的影像照片进行降噪预处理。
8.根据权利要求7所述的具有动物识别功能的监控相机，其特征在于，还包括一与所述控制单元电性连接的照明单元，所述照明单元用于为所述摄像单元提供亮度补偿照明。
9.一种具有动物识别功能的监控相机，包括：
一个或多个处理器；
存储器；
以及一个或多个程序，其中一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1至2任一项所述的具有动物识别功能的监控摄像方法的指令。
10.一种计算机可读存储介质，其特征在于，包括与监控相机结合使用的计算机程序，所述计算机程序可被处理器执行以完成如权利要求1至2任一项所述的具有动物识别功能的监控摄像方法。
CN201910322541.9A 2019-04-19 2019-04-19 具有动物识别功能的监控摄像方法、监控相机和存储介质 Active CN109982051B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910322541.9A CN109982051B (zh) 2019-04-19 2019-04-19 具有动物识别功能的监控摄像方法、监控相机和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910322541.9A CN109982051B (zh) 2019-04-19 2019-04-19 具有动物识别功能的监控摄像方法、监控相机和存储介质

Publications (2)

Publication Number Publication Date
CN109982051A true CN109982051A (zh) 2019-07-05
CN109982051B CN109982051B (zh) 2021-06-29

Family

ID=67085533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910322541.9A Active CN109982051B (zh) 2019-04-19 2019-04-19 具有动物识别功能的监控摄像方法、监控相机和存储介质

Country Status (1)

Country Link
CN (1) CN109982051B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110692619A (zh) * 2019-11-01 2020-01-17 山东中实易通集团有限公司 基于边缘计算的视频监控-激光驱鸟一体化装置及方法
CN113852792A (zh) * 2021-09-18 2021-12-28 杭州禹疆智能科技有限公司 一种基于人工智能的监控系统及监控方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102801906A (zh) * 2012-08-02 2012-11-28 东莞市南星电子有限公司 具有日夜双光圈的监控相机
CN108009497A (zh) * 2017-11-30 2018-05-08 深圳中兴网信科技有限公司 图像识别监控方法、系统、计算设备以及可读存储介质
CN108509976A (zh) * 2018-02-12 2018-09-07 北京佳格天地科技有限公司 动物的识别装置和方法
CN108537205A (zh) * 2018-04-20 2018-09-14 广州林邦信息科技有限公司 一种动物种群多样性监测方法、装置及服务器
CN108875811A (zh) * 2018-06-01 2018-11-23 平安科技（深圳）有限公司 动物种类的分类方法、装置、计算机设备和存储介质
US20190073560A1 (en) * 2017-09-01 2019-03-07 Sri International Machine learning system for generating classification data and part localization data for objects depicted in images

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102801906A (zh) * 2012-08-02 2012-11-28 东莞市南星电子有限公司 具有日夜双光圈的监控相机
US20190073560A1 (en) * 2017-09-01 2019-03-07 Sri International Machine learning system for generating classification data and part localization data for objects depicted in images
CN108009497A (zh) * 2017-11-30 2018-05-08 深圳中兴网信科技有限公司 图像识别监控方法、系统、计算设备以及可读存储介质
CN108509976A (zh) * 2018-02-12 2018-09-07 北京佳格天地科技有限公司 动物的识别装置和方法
CN108537205A (zh) * 2018-04-20 2018-09-14 广州林邦信息科技有限公司 一种动物种群多样性监测方法、装置及服务器
CN108875811A (zh) * 2018-06-01 2018-11-23 平安科技（深圳）有限公司 动物种类的分类方法、装置、计算机设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110692619A (zh) * 2019-11-01 2020-01-17 山东中实易通集团有限公司 基于边缘计算的视频监控-激光驱鸟一体化装置及方法
CN113852792A (zh) * 2021-09-18 2021-12-28 杭州禹疆智能科技有限公司 一种基于人工智能的监控系统及监控方法

Also Published As

Publication number Publication date
CN109982051B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
US10614310B2 (en) Behavior recognition
CN109166261A (zh) 基于图像识别的图像处理方法、装置、设备及存储介质
WO2019127273A1 (zh) 一种多人脸检测方法、装置、服务器、系统及存储介质
CN102096805B (zh) 注册用于脸部识别的多个脸部图像的装置和方法
US10713536B1 (en) Camera method with animal recognition function and monitoring camera
CN107590473B (zh) 一种人脸活体检测方法、介质和相关装置
CN108881710A (zh) 图像处理方法、装置和系统及存储介质
JP5106356B2 (ja) 画像監視装置
CN103617432A (zh) 一种场景识别方法及装置
CN110619324A (zh) 一种行人和安全帽检测方法、装置及系统
JP2016015045A (ja) 画像認識装置、画像認識方法及びプログラム
CN111611880A (zh) 一种基于神经网络无监督对比学习的高效行人重识别方法
CN109740590A (zh) 基于目标跟踪辅助的roi精确提取方法及系统
CN109446946A (zh) 一种基于多线程的多摄像头实时检测方法
Yoshihashi et al. Construction of a bird image dataset for ecological investigations
JP5963525B2 (ja) 認識装置、その制御方法、および制御プログラム、並びに撮像装置および表示装置
CN109982051A (zh) 具有动物识别功能的监控摄像方法和监控相机
CN108388858B (zh) 虹膜防伪方法与装置
CN112184771B (zh) 一种社区的人员轨迹跟踪的方法及装置
CN114255562A (zh) 基于物联网的智慧消防预警系统
CN112070185A (zh) 基于Re-ID的非接触式发烧人员追踪系统及其追踪方法
JP2020009162A (ja) 画像処理装置、画像処理方法およびプログラム
KR102475752B1 (ko) 이동 경로 예측 방법 및 장치
JP5844802B2 (ja) 画像処理システム、人物同定方法、画像処理装置およびその制御方法と制御プログラム
EP4322052A1 (en) Person category attribute-based remote care method and device, and readable storage medium

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230823

Address after: Room 501, Building 15, No. 7, Keji Avenue, Houjie, Dongguan, Guangdong 523000

Patentee after: Guangdong Enweishi Technology Co.,Ltd.

Address before: No.3, Chengtian Road, mintian village, Shatian Town, Dongguan City, Guangdong Province, 523000

Patentee before: DONGGUAN SOUTHSTAR ELECTRONICS Ltd.