CN110223284A - 一种基于智能终端的针孔摄像头的探测方法及探测装置 - Google Patents
一种基于智能终端的针孔摄像头的探测方法及探测装置 Download PDFInfo
- Publication number
- CN110223284A CN110223284A CN201910499304.XA CN201910499304A CN110223284A CN 110223284 A CN110223284 A CN 110223284A CN 201910499304 A CN201910499304 A CN 201910499304A CN 110223284 A CN110223284 A CN 110223284A
- Authority
- CN
- China
- Prior art keywords
- detection
- pinhole cameras
- intelligent terminal
- target detection
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Abstract
本发明公开了一种基于智能终端的针孔摄像头的探测方法及探测装置,探测方法包括:开启智能终端的闪光灯,照射可疑区域;通过智能终端的摄像头,采集可疑区域的检测图像;采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。通过该方法可有效检测出隐藏的针孔摄像头,并确定其准确位置,不仅方法简单,而且可以大大地提高识别准确度,降低了虚警概率。
Description
技术领域
本发明属于光电探测与识别技术领域,更具体地,涉及一种基于智能终端的针孔摄像头的探测方法及探测装置。
背景技术
随着监控技术的广泛应用,不仅在安防监控、消防监控、公安取证及道路检测等方面的积极作用,但监控技术的负面的作用也比较大,例如,针孔摄像头的泛滥使用,造成个人隐私的泄露,财产生命受到威胁。而且其安装位置相当隐蔽,口径极其狭小,防不胜防。针对此现象,市场出现了一些反偷拍的探测器,如专利109492654A提供一种图像采集分析的方法,首先采集室内的图像,然后通过图像处理分析出图像中是否有摄像头;鉴于针孔摄像头目标细小,单纯的图像采集准确率不高,而且藏在镜片后面的摄像头就无法检测到。
专利107315201A提供一种激光发射器、亮点检测元件和激光笔组成的检测装置,该装置需要固定安装,无法随身携带。
专利108226953A/108320303A提供的方法需要使用专门的检测装置,该装置由激光发射器和CCD组成,硬件成本较高,操作复杂。
鉴于此,克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于智能终端的针孔摄像头的探测方法及探测装置,其目的在于通过该方法可有效检测出隐藏的针孔摄像头,并确定其准确位置,不仅方法简单,而且可以大大地提高识别准确度,降低了虚警概率。
为实现上述目的,按照本发明的一个方面,提供了一种基于智能终端的针孔摄像头的探测方法,所述探测方法包括:
开启智能终端的闪光灯,照射可疑区域;
通过智能终端的摄像头,采集可疑区域的检测图像;
采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
优选地,所述开启智能终端的闪光灯,照射可疑区域之前还包括:
获取待探测区域的全景图像;
对所述全景图像进行解析,在所述全景图像确定可疑区域。
优选地,所述采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置包括:
采用目标检测算法建立基于深度学习的目标检测模型;
将所述检测图像输入至所述目标检测模型中进行检测,并输出检测结果;
根据所述检测结果确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
优选地,所述目标检测模型为Faster R-CNN模型、YOLOv3模型或SSD模型。
优选地,所述采用目标检测算法建立基于深度学习的目标检测模型包括:
获取训练图像,采用所述目标检测模型对所述训练图像进行分析,确定所述训练图像中是否存在针孔摄像头;
在所述训练图像中存在针孔摄像头时,通过目标检测模型得到针孔摄像头的预测位置;
将所述预测位置与针孔摄像头的实际位置进行对比,并根据对比结果调整所述目标检测模型的参数,直至预测位置与实际位置之间的差异小于预设的阈值,以提高目标检测模型的准确性。
优选地,所述开启智能终端的闪光灯,照射待探测区域包括:
按照预设的时间间隔开启智能终端的闪光灯,照射所述可疑区域。
优选地,所述采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置包括:
采用目标检测算法对所述检测图像进行分析,得到所述检测图像的亮度分布情况;
分析所述检测图像中的亮度分布情况;
根据所述亮度分布情况确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
优选地,所述智能终端的摄像头与闪光灯之间的距离为小于2cm。
按照本发明的另一方面,提供了一种探测装置,包括至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被程序设置为执行本发明所述的探测方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有如下有益效果:本发明的探测方法包括开启智能终端的闪光灯,照射可疑区域;通过智能终端的摄像头,采集可疑区域的检测图像;采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。本发明基于针孔摄像头的猫眼效应,反射光以较小的发散角沿原照射光路返回的特点,并采用目标检测算法确定在可疑区域内是否存在针孔摄像头以及针孔摄像头的位置,探测方法简单,而且具有较高的识别准确度,降低了虚警概率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述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是本发明实施例提供的探测方法的流程示意图;
图2是本发明实施例提供的训练过程的过程示意图;
图3是本发明实施例提供的预测过程的过程示意图;
图4是本发明实施例提供的猫眼效应的光线传输示意图;
图5是本发明实施例提供的一种探测装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
参阅图1,本发明实施例提供一种基于智能终端的针孔摄像头的探测方法,所述探测方法包括如下步骤:
步骤10:开启智能终端的闪光灯,照射可疑区域。
在本实施例中,可以在智能终端上安装探测软件,通过探测软件触发智能终端开启闪光灯,照射可疑区域。
在实际应用场景下,按照预设的时间间隔开启智能终端的闪光灯,照射所述可疑区域,其中,预设的时间间隔依据实际情况而定,在此不做具体限定。
具体地,通过智能终端获取待探测区域的全景图像,对所述全景图像进行解析,在所述全景图像确定可疑区域。其中,可疑区域可以墙角、床头或者照明灯附近灯较为隐蔽的区域。
步骤11:通过智能终端的摄像头,采集可疑区域的检测图像。
步骤12:采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
目前,基于深度学习的目标检测算法主要分为两类:两阶段(two stage)的目标检测算法以及单阶段(one stage)的目标检测算法。两阶段的算法也可以叫做基于候选区域(region proposal)的算法,如FasterR-CNN。这种算法首先通过对输入图片进行处理去找到可能包含目标物体的候选区域,然后再使用分类器在这些候选区域上去对目标物体进行分类。单阶段的目标检测算法不用产生候选区域,可以直接从图片中获得目标检测结果,如YOLOv3和SSD。两阶段(two stage)的算法在检测准确率和定位精度上较为有优势,而单阶段(one stage)的算法在运行效率上更有优势,可以依据实际情况进行选择。
具体地,采用目标检测算法建立基于深度学习的目标检测模型;将所述检测图像输入至所述目标检测模型中进行检测,并输出检测结果;根据所述检测结果确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
其中,所述目标检测模型为Faster R-CNN模型、YOLOv3模型或SSD模型。
在本实施例中,所述采用目标检测算法建立基于深度学习的目标检测模型包括:获取训练图像,采用所述目标检测模型对所述训练图像进行分析,确定所述训练图像中是否存在针孔摄像头;在所述训练图像中存在针孔摄像头时,通过目标检测模型得到针孔摄像头的预测位置;将所述预测位置与针孔摄像头的实际位置进行对比,并根据对比结果调整所述目标检测模型的参数,直至预测位置与实际位置之间的差异小于预设的阈值,以提高目标检测模型的准确性。
具体地,参阅图2,建立目标检测模型包括训练过程,如下:
(1)利用智能终端的闪光灯和摄像头来收集大量的包含针孔摄像头的训练图像;
(2)给收集到的训练图像进行标记,标记出针孔摄像头的实际位置;
(3)将收集的训练图像和标记有针孔摄像头的实际位置的数据作为训练数据集输入到目标检测模型;
(4)目标检测模型根据训练数据集自动调整内部的参数,并输出预测准确率;
(5)不断重复步骤(3)和步骤(4),直至输出的准确率达到预设准确率阈值。
如图3所示,将检测图像输入至训练后的目标检测模型,通过目标检测模型对检测图像进行分析,得到针孔摄像头的位置,然后在检测图像上标记出摄像头的位置,并在智能终端上进行显示,从而找出隐藏的针孔摄像头。
在实际应用场景下,所述智能终端的摄像头与闪光灯之间的距离为小于2cm。如图4所示,针孔摄像头具有猫眼效应,反射光以较小的发散角沿原照射光路返回的特点,在光源附近的小角度范围内都能接收到反射的光线,即摄像头能够捕捉到针孔摄像头反射回来的光线,在拍摄到的图像中针孔摄像头对应的亮度会比其他物体高出很多。
基于前述原理,所述采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置包括:采用目标检测算法对所述检测图像进行分析,得到所述检测图像的亮度分布情况;分析所述检测图像中的亮度分布情况;根据所述亮度分布情况确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
区别于现有技术,发明的探测方法包括开启智能终端的闪光灯,照射可疑区域;通过智能终端的摄像头,采集可疑区域的检测图像;采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。本发明基于针孔摄像头的猫眼效应,反射光以较小的发散角沿原照射光路返回的特点,并采用目标检测算法确定在可疑区域内是否存在针孔摄像头以及针孔摄像头的位置,探测方法简单,而且具有较高的识别准确度,降低了虚警概率。
实施例2:
请参阅图5,图5是本发明实施例提供的一种探测装置的结构示意图。本实施例的探测装置包括一个或多个处理器41以及存储器42。其中,图5中以一个处理器41为例。
处理器41和存储器42可以通过总线或者其他方式连接,图5中以通过总线连接为例。
存储器42作为一种探测方法的非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如实施例1中的探测方法以及对应的程序指令。处理器41通过运行存储在存储器42中的非易失性软件程序、指令以及模块,从而执行探测方法的各种功能应用以及数据处理,实现实施例1的探测方法的功能。
其中,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器42可选包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至处理器41。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
关于探测方法请参照图1~图4及相关的文字描述在此,不再赘述。
值得说明的是,上述装置和系统内的模块、单元之间的信息交互、执行过程等内容,由于与本发明的处理方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(Read Only Memory,简写为ROM)、随机存取存储器(Random AccessMemory,简写为RAM)、磁盘或光盘等。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于智能终端的针孔摄像头的探测方法,其特征在于,所述探测方法包括:
开启智能终端的闪光灯,照射可疑区域;
通过智能终端的摄像头,采集可疑区域的检测图像;
采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
2.根据权利要求1的探测方法,其特征在于,所述开启智能终端的闪光灯,照射可疑区域之前还包括:
获取待探测区域的全景图像;
对所述全景图像进行解析,在所述全景图像确定可疑区域。
3.根据权利要求1所述的探测方法,其特征在于,所述采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置包括:
采用目标检测算法建立基于深度学习的目标检测模型;
将所述检测图像输入至所述目标检测模型中进行检测,并输出检测结果;
根据所述检测结果确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
4.根据权利要求3所述的探测方法,其特征在于,所述目标检测模型为Faster R-CNN模型、YOLOv3模型或SSD模型。
5.根据权利要求3所述的探测方法,其特征在于,所述采用目标检测算法建立基于深度学习的目标检测模型包括:
获取训练图像,采用所述目标检测模型对所述训练图像进行分析,确定所述训练图像中是否存在针孔摄像头;
在所述训练图像中存在针孔摄像头时,通过目标检测模型得到针孔摄像头的预测位置;
将所述预测位置与针孔摄像头的实际位置进行对比,并根据对比结果调整所述目标检测模型的参数,直至预测位置与实际位置之间的差异小于预设的阈值,以提高目标检测模型的准确性。
6.根据权利要求1~5任一项所述的探测方法,其特征在于,所述开启智能终端的闪光灯,照射待探测区域包括:
按照预设的时间间隔开启智能终端的闪光灯,照射所述可疑区域。
7.根据权利要求1~5任一项所述的探测方法,其特征在于,所述采用目标检测算法对所述检测图像进行分析,确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置包括:
采用目标检测算法对所述检测图像进行分析,得到所述检测图像的亮度分布情况;
分析所述检测图像中的亮度分布情况;
根据所述亮度分布情况确定在所述可疑区域内是否存在针孔摄像头以及针孔摄像头的位置。
8.根据权利要求1~5任一项所述的探测方法,其特征在于,所述智能终端的摄像头与闪光灯之间的距离为小于2cm。
9.一种探测装置,其特征在于,包括至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被程序设置为执行如权利要求1~9任一项所述的探测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910499304.XA CN110223284B (zh) | 2019-06-11 | 2019-06-11 | 一种基于智能终端的针孔摄像头的探测方法及探测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910499304.XA CN110223284B (zh) | 2019-06-11 | 2019-06-11 | 一种基于智能终端的针孔摄像头的探测方法及探测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223284A true CN110223284A (zh) | 2019-09-10 |
CN110223284B CN110223284B (zh) | 2023-06-02 |
Family
ID=67816125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910499304.XA Active CN110223284B (zh) | 2019-06-11 | 2019-06-11 | 一种基于智能终端的针孔摄像头的探测方法及探测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223284B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807405A (zh) * | 2019-10-29 | 2020-02-18 | 维沃移动通信有限公司 | 一种偷拍装置检测方法及电子设备 |
CN110941020A (zh) * | 2019-12-16 | 2020-03-31 | 杭州安恒信息技术股份有限公司 | 基于电磁泄漏的盗摄器材的检测方法及装置 |
CN111553196A (zh) * | 2020-04-03 | 2020-08-18 | 北京三快在线科技有限公司 | 检测隐藏摄像头的方法、系统、装置、以及存储介质 |
CN113038375A (zh) * | 2021-03-24 | 2021-06-25 | 武汉大学 | 一种隐蔽摄像头感知、定位方法及系统 |
CN113240053A (zh) * | 2021-06-10 | 2021-08-10 | Oppo广东移动通信有限公司 | 摄像头检测方法、装置、存储介质与电子设备 |
WO2023138239A1 (zh) * | 2022-01-24 | 2023-07-27 | 华为技术有限公司 | 基于电子设备的光学摄像头检测方法及存储介质 |
WO2024067291A1 (zh) * | 2022-09-29 | 2024-04-04 | 华为技术有限公司 | 用于检测视频监控设备的方法和电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320303A (zh) * | 2017-12-19 | 2018-07-24 | 中国人民解放军战略支援部队航天工程大学 | 一种基于双目探测的针孔摄像头检测方法 |
US20190130230A1 (en) * | 2017-10-26 | 2019-05-02 | Samsung Sds Co., Ltd. | Machine learning-based object detection method and apparatus |
-
2019
- 2019-06-11 CN CN201910499304.XA patent/CN110223284B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190130230A1 (en) * | 2017-10-26 | 2019-05-02 | Samsung Sds Co., Ltd. | Machine learning-based object detection method and apparatus |
CN108320303A (zh) * | 2017-12-19 | 2018-07-24 | 中国人民解放军战略支援部队航天工程大学 | 一种基于双目探测的针孔摄像头检测方法 |
Non-Patent Citations (1)
Title |
---|
张文豪等: "基于摄像头检测的防盗拍系统开发和算法研究", 《电子设计工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807405A (zh) * | 2019-10-29 | 2020-02-18 | 维沃移动通信有限公司 | 一种偷拍装置检测方法及电子设备 |
CN110941020A (zh) * | 2019-12-16 | 2020-03-31 | 杭州安恒信息技术股份有限公司 | 基于电磁泄漏的盗摄器材的检测方法及装置 |
CN110941020B (zh) * | 2019-12-16 | 2022-06-10 | 杭州安恒信息技术股份有限公司 | 基于电磁泄漏的盗摄器材的检测方法及装置 |
CN111553196A (zh) * | 2020-04-03 | 2020-08-18 | 北京三快在线科技有限公司 | 检测隐藏摄像头的方法、系统、装置、以及存储介质 |
CN113038375A (zh) * | 2021-03-24 | 2021-06-25 | 武汉大学 | 一种隐蔽摄像头感知、定位方法及系统 |
CN113240053A (zh) * | 2021-06-10 | 2021-08-10 | Oppo广东移动通信有限公司 | 摄像头检测方法、装置、存储介质与电子设备 |
WO2023138239A1 (zh) * | 2022-01-24 | 2023-07-27 | 华为技术有限公司 | 基于电子设备的光学摄像头检测方法及存储介质 |
WO2024067291A1 (zh) * | 2022-09-29 | 2024-04-04 | 华为技术有限公司 | 用于检测视频监控设备的方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110223284B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223284A (zh) | 一种基于智能终端的针孔摄像头的探测方法及探测装置 | |
CN109711320B (zh) | 一种值班人员违规行为检测方法及系统 | |
US20210319561A1 (en) | Image segmentation method and system for pavement disease based on deep learning | |
US9767371B2 (en) | Systems and methods for identifying traffic control devices and testing the retroreflectivity of the same | |
US9299231B2 (en) | Image processing sensor systems | |
CN101868967B (zh) | 摄像装置以及摄像方法 | |
NL2024575B1 (en) | Empty container identification method and system | |
CN112115927B (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
CN112164227B (zh) | 违停车辆告警方法、装置、计算机设备和存储介质 | |
CN110189355A (zh) | 安全疏散通道占用检测方法、装置、电子设备及存储介质 | |
CN112287896A (zh) | 一种基于深度学习的无人机航拍图像目标检测方法及系统 | |
CN110956104A (zh) | 一种检测垃圾桶溢出的方法、装置及系统 | |
Cuevas et al. | Detection of stationary foreground objects using multiple nonparametric background-foreground models on a finite state machine | |
CN111489538A (zh) | 烟雾报警器位置检测平台及方法 | |
CN106469293A (zh) | 快速检测目标的方法及系统 | |
CN110263719A (zh) | 基于大数据监控的人工智能油气田防范判别系统与方法 | |
CN108073873A (zh) | 基于高清智能摄像机的人脸检测与识别系统 | |
US11592404B2 (en) | Close object detection for monitoring cameras | |
KR20200123537A (ko) | 딥러닝 및 데이터 결합을 이용한 싱크홀 탐지방법 및 이를 이용한 싱크홀 탐지시스템 | |
CN103618882A (zh) | 一种基于鱼眼镜头的多路视频智能监控系统 | |
CN113052055A (zh) | 一种基于光流改进与Yolov3的烟雾检测方法 | |
CN105572133A (zh) | 瑕疵检测方法及其装置 | |
CN101814134A (zh) | 一种基于计算机视觉监视技术的火焰智能检测方法 | |
Heidari et al. | Forest roads damage detection based on deep learning algorithms | |
US20210067683A1 (en) | Flat surface detection in photographs |
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 |