CN110020634B - 一种企业管理用资料展示板 - Google Patents

一种企业管理用资料展示板 Download PDF

Info

Publication number
CN110020634B
CN110020634B CN201910299495.5A CN201910299495A CN110020634B CN 110020634 B CN110020634 B CN 110020634B CN 201910299495 A CN201910299495 A CN 201910299495A CN 110020634 B CN110020634 B CN 110020634B
Authority
CN
China
Prior art keywords
image
pht
preset
processing unit
images
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.)
Expired - Fee Related
Application number
CN201910299495.5A
Other languages
English (en)
Other versions
CN110020634A (zh
Inventor
刘政操
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201910299495.5A priority Critical patent/CN110020634B/zh
Publication of CN110020634A publication Critical patent/CN110020634A/zh
Application granted granted Critical
Publication of CN110020634B publication Critical patent/CN110020634B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V40/107—Static hand or arm
    • G06V40/113—Recognition of static hand signs
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K59/00—Integrated devices, or assemblies of multiple devices, comprising at least one organic light-emitting element covered by group H10K50/00
    • H10K59/10—OLED displays

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种企业管理用资料展示板，其包括图像获取装置、识别装置、处理装置和显示装置；所述获取装置用于获取包括展示板操作者手部的图像；所述识别装置用于根据所述图像识别出其中所包括的手势类型；所述处理装置用于根据所述手势的类型进行相应的操作；所述显示装置用于显示所述操作结果。本发明使用了通过对展示板操作者手部的图像的识别，实现对展示板的远程操作，使得操作者与展示板的交互变得更为便利。

Description

一种企业管理用资料展示板
技术领域
本发明涉及一种展示板，具体涉及一种企业管理用资料展示板。
背景技术
目前企业所使用的展示板包括传统的木质展示板和电子展示板，木质的展示板只能在上面张贴内容或书写文字，电子展示板相较于木质展示板有一定的提升，可以方便地展示动态的内容。但是，对电子展示板的操作却非常的不方便，有些需要借助电脑来帮助，有些则需要靠近展示板来操作，这在向别人讲述展示板上的内容时，非常地不便利。
发明内容
针对上述问题，本发明提供了一种企业管理用资料展示板。
本发明的目的采用以下技术方案来实现：
一种企业管理用资料展示板，包括图像获取装置、识别装置、处理装置和显示装置；所述图像获取装置用于获取包括展示板操作者的手部的图像，并将所述图像输出到识别装置；所述识别装置用于根据所述图像识别出其中所包括的手势类型，并将所述手势类型输出到处理装置；所述处理装置用于根据所述手势的类型进行相应的操作，并将操作结果输出到显示装置；所述显示装置用于显示所述操作结果。
优选地，所述指定区域为展示板操作者对展示板进行手势操作的区域，其设置为一个扇形区域。
优选地，所述显示装置为OLED显示屏。
优选地，所述识别装置包括预处理模块、特征提取模块、分类识别模块；所述预处理模块用于获取经过像素点颜色调整的预处理图像；所述特征提取模块用于根据预设的特征提取规则提取所述预处理图像的特征；所述分类识别模块用于根据提取到的特征识别出图像中所包括的手势的类别。
本发明的有益效果为：
本发明使用了通过对展示板操作者手部的图像的识别，实现对展示板的远程操作，使得操作者与展示板的交互变得更为便利。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明企业管理用资料展示板的一种示例性实施例图。
附图标记：
图像获取装置1、识别装置2、处理装置3和显示装置4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本发明的一种企业管理用资料展示板，包括图像获取装置1、识别装置2、处理装置3和显示装置4；所述图像获取装置1用于获取包括展示板操作者的手部的图像，并将所述图像输出到识别装置2；所述识别装置2用于根据所述图像识别出其中所包括的手势类型，并将所述手势类型输出到处理装置3；所述处理装置3用于根据所述手势的类型进行相应的操作，并将操作结果输出到显示装置4；所述显示装置4用于显示所述操作结果。
在一种实施方式中，所述指定区域为展示板操作者对展示板进行手势操作的区域，其设置为一个扇形区域。
在一种实施方式中，所述显示装置4为OLED显示屏。
在一种实施方式中，所述识别装置2包括预处理模块、特征提取模块、分类识别模块；所述预处理模块用于获取经过像素点颜色调整的预处理图像；所述特征提取模块用于根据预设的特征提取规则提取所述预处理图像的特征；所述分类识别模块用于根据提取到的特征识别出图像中所包括的手势的类别。
在一种实施方式中，所述获取经过像素点颜色调整的预处理图像，包括：
以图像左上角为原点，建立直角坐标系描述从图像获取装置1传过来的图像的像素点的位置，用p(i,j)表示，i∈[1,Lenth]，j∈[1,Width],Lenth为图像横向像素点的总数，Width为图像纵向像素点的总数。例如，p(1,1)表示图像中最左边且最上边的那个像素点。
对于每一个像素点p(i,j)，将采用下面的公式将其从RGB颜色空间转换到YCbCr颜色空间：
Figure BDA0002027757270000021
式中，a,b,c分别为预设的权重参数，a+b+c＝1；Ri,j、Gi,j、Bi,j分别为像素点p(i,j)的红色分量、绿色分量和蓝色分量的亮度；Yi,j、Cbi,j、Cri,j分别表示像素点p(i,j)在YCbCr颜色空间中的亮度分量、蓝色分量和红色分量的值；
设置S(standCb,standCr)为YCbCr颜色空间中的一个基准点，其中，standCb和standCr均为预设的值；
通过下述式子计算每个像素点p(i,j)在YCbCr颜色空间中的坐标距离基准点S的距离Di,j：
Figure BDA0002027757270000031
并通过下式获取所述像素点p(i,j)的属于手部像素点的概率Ph(i,j)：
Ph(i,j)＝[1+Φ×(Di,j)2]-1
式中，Φ是一个预设的经验参数；Phstd为预设的概率阈值；将满足Ph(i,j)≥Phstd的像素点p(i,j)的RGB颜色空间的数据保留，其余像素点的RGB数值分别设置为Ph(i,j)×Ri,j，Ph(i,j)×Gi,j，Ph(i,j)×Bi,j，所述像素点的RGB的值的取值范围均为[0，255]，若超出所述取值范围，则直接将所述像素点的RGB值设置为[0,0，0]。
本发明上述实施方式的有益效果为：先通过计算初步对不属于手部的像素点进行了处理，使得后续需要处理的像素点的数量减少，大大地加快了图像处理的速度。
在一种实施方式中，所述根据预设的特征提取规则提取所述预处理图像的特征，包括：
根据所述预处理图像提取LBP特征描述子。
在一种实施方式中，所述分类识别模块包括预设定单元、一次处理单元、二次处理单元和三次处理单元；所述预定义单元用于预设定各类标准手势图像和背景图像；所述一次处理单元用于通过所述标准手势图像和背景图像训练出用于筛选从图像获取装置1传过来的图像的adaboost分类器；所述二次处理单元用于对通过初次筛选的图像进行初次分类，确认其在上述各类标准手势图像中的类别；所述三次处理单元用于对经过二次处理单元分类的图像进行最终分类，最终确认所述图像在上述各类标准手势图像中的类别。
在一种实施方式中，所述通过所述标准手势图像和背景图像训练出用于筛选从图像获取装置1传过来的图像的adaboost分类器，包括：
将预设定的手势图像设置为正向模板，将预设定的背景图像为反向模板，使用所述LBP特征描述子训练获取用于筛选的adaboost分类器；
对所述adaboost分类器的阈值进行调整，使得所有包含手势的预处理图像均能通过一次处理单元；
将识别不通过的预处理图像进行丢弃，将识别通过的预处理图像输出到二次处理单元。
本发明上述实施例，通过对获取装置传过来的图像进行初步的筛选，将不包括手势的图像进行筛选，减少了后续操作的工作量，能加快对手势的识别速度。
在一种实施方式中，所述对通过初次筛选的图像进行初次分类，包括：
采用预先设定的每个大小都不同的窗口对一次处理单元传过来的图像进行HOG特征描述子的提取，窗口的编号记为n,窗口的总数记为Nh；
使用下述式子对所述图像进行分类：
Figure BDA0002027757270000041
式中，
Figure BDA0002027757270000042
epht,n表示支持向量机分类器；pht表示图像的编号，用于与其它通过初次筛选的图像进行区分；dn为通过多次实验获取的调整参数，Catepht∈[1,NP]，NP表示预设定标准手势图像的类别的总数，当出现不属于[1,NP]这个范围的Catepht时，将编号为pht的图像丢弃；ζ表示预设的调整参数，
所述支持向量机分类器具体为：
epht,n＝Γn×Ωpht,n+Ψn
式中，Ωpht,n＝(δ(gpht,n,gn,1),...,δ(gpht,n,gn,trn),...,δ(gpht,n,gn,TRN))，trn∈[1,TRN]，表示支持向量机分类器使用预设定标准手势图像进行训练时，所采用的图像编号，TRN表示训练所使用的预设定标准手势图像的总数，gpht,n表示从编号为pht的图像中，使用编号为n的窗口所提取的HOG特征描述子；gn,trn表示从编号为trn的预设定标准手势图像中，使用编号为n的窗口所提取的HOG特征描述子；Γn、Ψn为通过训练获取的支持向量机分类器的参数，δ(gpht,n,gn,trn)表示预先设定的核函数；
二次处理单元将分类完成的图像传输到三次处理单元。
本发明上述实施例，采用不同大小的窗口对一次处理单元传过来的图像进行HOG特征描述子的提取，能有效地避免漏检的情况；采用支持向量机分类器，对不符合条件的图像进行丢弃，能对图像进行快速的分类处理，加快了分类的速度。
在一种实施方式中，所述对经过二次处理单元分类的图像进行最终分类，包括：
采用下述公式对从二次处理单元传输过来的图像的类别进行计算：
Figure BDA0002027757270000051
式中，Fpht＝＜A,B(D)＞，A为经验参数，B(D)＝(B1(D),...,Bn(D),...,BNh(D))，Bn(D)为基函数，Bn(D)＝(L(Ypht,X1),...,L(Ypht,Xnp),...,L(Ypht,XNP))，L(Ypht,Xnp)为核函数，Xnp表示第np种预设手势类型的全窗口Haar-like特征描述子，Ypht表示编号为pht的图像的全窗口Haar-like特征描述子，所述全窗口指的是窗口的大小和图片的大小完全一致；n为在二次处理单元中，进行HOG特征描述子的提取时，所采用的窗口的编号,Nh为窗口的总数，n∈[1,Nh]；Zpht＝(ZBpht)T×(ZSpht)T,ZBpht＝[zb1 T,...,zbnzb T,...,zbNZB T]T，zbnzb为采用标号为nzb的分辨率对类别为Catepht的标准手势图像提取的Haar-like特征描述子，nzb∈[1，NZB]，NZB为不同类型分辨率的总数；ZSpht＝[zs1 T,...,zsnzb T,...,zsNZB T]T，zsnzb为采用标号为nzb的分辨率对图像pht提取的Haar-like特征描述子；
采用下述式子对图像pht的类别进行最终确定：
PFinalpht＝α×epht+β×qDistrpht，当υnp+1＞PFinalpht≥υnp时，表示图像pht属于第np类，np∈[1,NP]，υnp和υnp+1均为预设的分类参数。
本发明上述实施例，联合了二次处理单元和三次处理单元的分类结果，且对不同分辨率下的待分类图像和标准图像的特征描述子进行计算，避免了偶然事件的发生，使得分类更加准确。
在一种实施方式中，每个预设定标准手势图像的手势对应一种对展示板的操作，所述操作至少包括：滑动、翻页、放大、缩小。
本发明使用了通过对展示板操作者手部的图像的识别，实现对展示板的远程操作，使得操作者与展示板的交互变得更为便利。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种企业管理用资料展示板，其特征在于，包括图像获取装置、识别装置、处理装置和显示装置；所述图像获取装置用于获取包括展示板操作者的手部的图像，并将所述图像输出到识别装置；所述识别装置用于根据所述图像识别出其中所包括的手势类型，并将所述手势类型输出到处理装置；所述处理装置用于根据所述手势的类型进行相应的操作，并将操作结果输出到显示装置；所述显示装置用于显示所述操作结果；
所述识别装置包括预处理模块、特征提取模块、分类识别模块；所述预处理模块用于获取经过像素点颜色调整的预处理图像；所述特征提取模块用于根据预设的特征提取规则提取所述预处理图像的特征；所述分类识别模块用于根据提取到的特征识别出图像中所包括的手势的类别；所述分类识别模块包括预设定单元、一次处理单元、二次处理单元和三次处理单元；所述预设定单元用于预设定各类标准手势图像和背景图像；所述一次处理单元用于通过所述标准手势图像和背景图像训练出用于筛选从图像获取装置传过来的图像的adaboost分类器；所述二次处理单元用于对通过初次筛选的图像进行初次分类，确认其在上述各类标准手势图像中的类别；所述三次处理单元用于对经过二次处理单元分类的图像进行最终分类，最终确认所述图像在上述各类标准手势图像中的类别；
所述对通过初次筛选的图像进行初次分类，包括：
采用预先设定的每个大小都不同的窗口对一次处理单元传过来的图像进行HOG特征描述子的提取，窗口的编号记为n,窗口的总数记为Nh；
使用下述式子对所述图像进行分类：
Figure FDA0002449123340000011
式中，
Figure FDA0002449123340000012
epht,n表示支持向量机分类器；pht表示图像的编号，用于与其它通过初次筛选的图像进行区分；dn为通过多次实验获取的调整参数，Catepht∈[1,NP]，NP表示预设定标准手势图像的类别的总数，当出现不属于[1,NP]这个范围的Catepht时，将编号为pht的图像丢弃；ζ表示预设的调整参数，
所述支持向量机分类器具体为：
epht,n＝Γn×Ωpht,n+Ψn
式中，Ωpht,n＝(δ(gpht,n,gn,1),...,δ(gpht,n,gn,trn),...,δ(gpht,n,gn,TRN))，trn∈[1,TRN]，表示支持向量机分类器使用预设定标准手势图像进行训练时，所采用的图像编号，TRN表示训练所使用的预设定标准手势图像的总数，gpht,n表示从编号为pht的图像中，使用编号为n的窗口所提取的HOG特征描述子；gn,trn表示从编号为trn的预设定标准手势图像中，使用编号为n的窗口所提取的HOG特征描述子；Γn、Ψn为通过训练获取的支持向量机分类器的参数，δ(gpht,n,gn,trn)表示预先设定的核函数；
二次处理单元将分类完成的图像传输到三次处理单元；
所述对经过二次处理单元分类的图像进行最终分类，包括：
采用下述公式对从二次处理单元传输过来的图像的类别进行计算：
Figure FDA0002449123340000021
式中，Fpht＝＜A,B(D)＞，A为经验参数，B(D)＝(B1(D),...,Bn(D),...,BNh(D))，Bn(D)为基函数，Bn(D)＝(L(Ypht,X1),...,L(Ypht,Xnp),...,L(Ypht,XNP))，L(Ypht,Xnp)为核函数，Xnp表示第np种预设手势类型的全窗口Haar-like特征描述子，Ypht表示编号为pht的图像的全窗口Haar-like特征描述子，所述全窗口指的是窗口的大小和图片的大小完全一致；n为在二次处理单元中，进行HOG特征描述子的提取时，所采用的窗口的编号,Nh为窗口的总数，n∈[1,Nh]；Zpht＝(ZBpht)T×(ZSpht)T,ZBpht＝[zb1 T,...,zbnzb T,...,zbNZB T]T，zbnzb为采用标号为nzb的分辨率对类别为Catepht的标准手势图像提取的Haar-like特征描述子，nzb∈[1，NZB]，NZB为不同类型分辨率的总数；ZSpht＝[zs1 T,...,zsnzb T,...,zsNZB T]T，zsnzb为采用标号为nzb的分辨率对图像pht提取的Haar-like特征描述子；
采用下述式子对图像pht的类别进行最终确定：
PFinalpht＝α×epht+β×qDistrpht，当υnp+1＞PFinalpht≥υnp时，表示图像pht属于第np类，np∈[1,NP]，υnp和υnp+1均为预设的分类参数。
2.如权利要求1所述的一种企业管理用资料展示板，其特征在于，指定区域为展示板操作者对展示板进行手势操作的区域，其设置为一个扇形区域。
3.如权利要求1所述的一种企业管理用资料展示板，其特征在于，所述显示装置为OLED显示屏。
4.如权利要求1所述的一种企业管理用资料展示板，其特征在于，所述获取对图像中手部的亮度进行增强的预处理图像，包括：
以图像左上角为原点，建立直角坐标系描述从图像获取装置传过来的图像的像素点的位置，用p(i,j)表示，i∈[1,Lenth]，j∈[1,Width],Lenth为图像横向像素点的总数，Width为图像纵向像素点的总数；对于每一个像素点p(i,j)，将采用下面的公式将其从RGB颜色空间转换到YCbCr颜色空间：
Figure FDA0002449123340000031
式中，a,b,c分别为预设的权重参数，a+b+c＝1；Ri,j、Gi,j、Bi,j分别为像素点p(i,j)的红色分量、绿色分量和蓝色分量的亮度；Yi,j、Cbi,j、Cri,j分别表示像素点p(i,j)在YCbCr颜色空间中的亮度分量、蓝色分量和红色分量的值；
设置S(standCb,standCr)为YCbCr颜色空间中的一个基准点，其中，standCb和standCr均为预设的值；
通过下述式子计算每个像素点p(i,j)在YCbCr颜色空间中的坐标距离基准点S的距离Di,j：
Figure FDA0002449123340000032
并通过下式获取所述像素点p(i,j)的属于手部像素点的概率Ph(i,j)：
Ph(i,j)＝[1+Φ×(Di,j)2]-1
式中，Φ是一个预设的经验参数；Phstd为预设的概率阈值；将满足Ph(i,j)≥Phstd的像素点p(i,j)的RGB颜色空间的数据保留，其余像素点的RGB数值分别设置为Ph(i,j)×Ri,j，Ph(i,j)×Gi,j，Ph(i,j)×Bi,j，所述像素点的RGB的值的取值范围均为[0，255]，若超出所述取值范围，则直接将所述像素点的RGB值设置为[0,0，0]。
5.如权利要求1所述的一种企业管理用资料展示板，其特征在于，所述根据预设的特征提取规则提取所述预处理图像的特征，包括：根据所述预处理图像提取LBP特征描述子。
6.如权利要求1所述的一种企业管理用资料展示板，其特征在于，所述通过所述标准手势图像和背景图像训练出用于筛选从图像获取装置传过来的图像的adaboost分类器，包括：
将预设定的手势图像设置为正向模板，将预设定的背景图像为反向模板，使用LBP特征描述子训练获取用于筛选的adaboost分类器；对所述adaboost分类器的阈值进行调整，使得所有包含手势的预处理图像均能通过一次处理单元；将识别不通过的预处理图像进行丢弃，将识别通过的预处理图像输出到二次处理单元。
CN201910299495.5A 2019-04-15 2019-04-15 一种企业管理用资料展示板 Expired - Fee Related CN110020634B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910299495.5A CN110020634B (zh) 2019-04-15 2019-04-15 一种企业管理用资料展示板

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910299495.5A CN110020634B (zh) 2019-04-15 2019-04-15 一种企业管理用资料展示板

Publications (2)

Publication Number Publication Date
CN110020634A CN110020634A (zh) 2019-07-16
CN110020634B true CN110020634B (zh) 2020-05-19

Family

ID=67191271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910299495.5A Expired - Fee Related CN110020634B (zh) 2019-04-15 2019-04-15 一种企业管理用资料展示板

Country Status (1)

Country Link
CN (1) CN110020634B (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901350B (zh) * 2010-07-23 2012-05-16 北京航空航天大学 一种基于特征向量的静态手势识别方法
CN102117413B (zh) * 2011-03-01 2012-11-14 金华就约我吧网络科技有限公司 基于多层特征的不良图像自动过滤方法
CN103139627A (zh) * 2013-02-07 2013-06-05 上海集成电路研发中心有限公司 智能电视及其手势控制方法
CN104992171A (zh) * 2015-08-04 2015-10-21 易视腾科技有限公司 一种基于2d视频序列的手势识别及人机交互方法和系统
CN105138122B (zh) * 2015-08-12 2018-10-26 深圳市卡迪尔通讯技术有限公司 一种通过识别手势遥控屏幕设备的方法
CN106934333B (zh) * 2015-12-31 2021-07-20 芋头科技（杭州）有限公司 一种手势识别方法及系统
TWI628623B (zh) * 2016-11-25 2018-07-01 國家中山科學研究院 全天候熱影像式行人偵測方法
US10198657B2 (en) * 2016-12-12 2019-02-05 National Chung Shan Institute Of Science And Technology All-weather thermal-image pedestrian detection method
CN107679528A (zh) * 2017-11-24 2018-02-09 广西师范大学 一种基于AdaBoost‑SVM集成学习算法的行人检测方法
CN109086589A (zh) * 2018-08-02 2018-12-25 东北大学 一种结合手势识别的智能终端人脸解锁方法

Also Published As

Publication number Publication date
CN110020634A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
WO2019169772A1 (zh) 图片处理方法、电子装置及存储介质
US9064316B2 (en) Methods of content-based image identification
US9769354B2 (en) Systems and methods of processing scanned data
US20170357869A1 (en) Mobile document detection and orientation based on reference object characteristics
US20160154469A1 (en) Mid-air gesture input method and apparatus
US20150339526A1 (en) Systems and methods for classifying objects in digital images captured using mobile devices
CN108090511B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN108830133B (zh) 合同影像图片的识别方法、电子装置及可读存储介质
WO2018233038A1 (zh) 基于深度学习的车牌识别方法、装置、设备及存储介质
US20140368891A1 (en) Method for detecting a document boundary
WO2021203832A1 (zh) 文本图像中手写内容去除方法、装置、存储介质
JP6779688B2 (ja) 画像処理装置、画像処理方法、コンピュータプログラム
JP2015197816A (ja) 画像処理装置、画像処理方法
CN107358184A (zh) 文档文字的提取方法及提取装置
US20220415008A1 (en) Image box filtering for optical character recognition
CN112396050B (zh) 图像的处理方法、设备以及存储介质
CN111553334A (zh) 问卷图像识别方法、电子装置及存储介质
WO2018193123A1 (en) Detection system, detection device and method therefor
CN112308063B (zh) 文字识别装置、翻译笔、图像翻译方法及图像翻译装置
CN108345867A (zh) 面向智能家居场景的手势识别方法
US10275888B2 (en) Algorithmic method for detection of documents in images
CN110020634B (zh) 一种企业管理用资料展示板
CN107506767B (zh) 一种图片内数字粘连识别的方法和装置
US20200154039A1 (en) Image adjusting method and image adjusting device
CN113159037B (zh) 图片矫正方法、装置、计算机设备及存储介质

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200519