CN110751635B - 一种基于帧间差分和hsv颜色空间的口腔检测方法 - Google Patents
一种基于帧间差分和hsv颜色空间的口腔检测方法 Download PDFInfo
- Publication number
- CN110751635B CN110751635B CN201910966466.XA CN201910966466A CN110751635B CN 110751635 B CN110751635 B CN 110751635B CN 201910966466 A CN201910966466 A CN 201910966466A CN 110751635 B CN110751635 B CN 110751635B
- Authority
- CN
- China
- Prior art keywords
- image
- oral cavity
- area
- color space
- hsv
- 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.)
- Active
Links
- 210000000214 mouth Anatomy 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 2
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 206010023825 Laryngeal cancer Diseases 0.000 description 1
- 208000003445 Mouth Neoplasms Diseases 0.000 description 1
- 208000007027 Oral Candidiasis Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 208000007565 gingivitis Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 206010023841 laryngeal neoplasm Diseases 0.000 description 1
- 208000012987 lip and oral cavity carcinoma Diseases 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
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
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于帧间差分和HSV颜色空间的口腔检测方法,包括从视频流中截取单帧图像;基于帧间差分法的前景目标检测;基于HSV的口腔检测方法;对检测到的口腔区域首先计算其面积,再通过和特定面积值作比较来进一步排除干扰;对符合判定条件边界距离以得到其坐标值,并把该坐标值加入空的数组;最后根据坐标数组是否为空,来判断是否检测到口腔,再把最终得到的口腔图片实时输出并显示。本发明避免身体直接接触、对运行的硬件环境要求较低、且适用于动态背景和静态背景检测,实践证明,整个检测过程精准高效。
Description
技术领域
本发明属于图像处理和机器视觉领域,具体涉及一种基于帧间差分和HSV颜色空间的口腔检测方法。
背景技术
随着人工智能技术的发展,一些公共卫生防控和个人疾病筛查及健康管理可以依靠人工智能技术来实现,其中,一些疾病的临床病例特征在口腔中有所表现,比如口腔癌及喉癌、鹅口疮、口腔溃烂、牙龈炎等,所以,在临床医学检测中如果可以自动检测出口腔,对于人工智能的疾病筛查和检测有着重要的意义。
当前已有基于机器视觉的口腔检测全是基于深度学习来完成的,基于传统数字图像处理的口腔检测少有研究。而显然深度学习不是解决所有问题的灵丹妙药,且深度学习检测存在着训练周期长、算法迭代慢、对服务器硬件设备性能要求高等特点。
发明内容
针对上述问题,本发明提供了一种基于帧间差分和HSV颜色空间的口腔检测方法。
一种基于帧间差分和HSV颜色空间的口腔检测方法,具体包括以下步骤:
过程一:从视频流中截取单帧图像,并设置视频输出格式为RGB,分辨率为480P;
过程二:首先,获取连续三帧图像中的中间帧,并将RGB图像转换为灰度图像;其次,将连续两帧对应的灰度图像进行差分得到两幅差分图像;然后,将两幅差分图像进行与运算;接着,由设定的阈值T1来对与运算后的差分图像进行二值化运算,得到前景目标的二值化图像;最后,将前景目标的二值化图像和中间帧图像进行按位与运算,最终得到融合后的前景目标图像;
过程三:首先,将得到的前景目标图像由RGB颜色空间转换为HSV颜色空间,得到HSV图像;其次,由设定的两个阈值T2和T3对得到的HSV图像进行二值化处理,从而得到口腔目标的二值化图像,具体二值化处理的规则为:如果HSV图像中的数值位于阈值T2和阈值T3之间,则图像数值变成255;否则图像数值变成0;
具体地,阈值T2和阈值T3都是一维数组,其值分别为[150,34,36]和[178,255,200];
然后,对得到的口腔目标二值化图像进行腐蚀化操作;
具体地,腐蚀化操作的方法是以7*7的卷积核对图像进行卷积运算;
接着,对腐蚀化操作后的图像进行膨胀化处理;最后,对经历过二值化、腐蚀、膨胀操作步骤后的图像进行轮廓检测,并分割出每一块轮廓区域;
过程四:首先,对检测的每一块轮廓区域,计算出轮廓区域的面积;然后,通过判断轮廓区域的面积值是否大于设置的面积值,来进一步排除干扰;
具体地,设置的面积值为1500;
过程五:首先,对大于设置面积值的轮廓区域进行垂直边界距离计算以得到轮廓区域的坐标值;
然后,把得到的坐标值加入空的数组;
过程六:首先,根据数组是否为空来判断是否检测到口腔;然后,将口腔目标的二值化图像与前景目标的融合图像进行混合运算;
最后,将最终得到的口腔图像进行实时输出并显示,得到最终图像im″n的方法为:
im″n=(1-a)G′n+a*im′n
其中,G′n为口腔目标的二值化图像,im′n为前景目标的融合图像。
本发明提出了一种基于帧间差分和HSV颜色空间的口腔检测方法,与现有的技术相比,具有以下有益效果:
首先,在利用摄像头进行口腔检测时,先转化到HSV颜色空间,然后设定阈值[150,34,36]和[178,255,200],基于这两个阈值来对HSV颜色空间进行二值化,得到要检测的HSV颜色空间范围,进一步地,对目标二值图进行膨胀和腐蚀操作;其次,对最终得到的图像进行轮廓检测,并计算出轮廓区域的面积,根据面积的大小来判断是否是真正的口腔目标区域,并排除一部分相似颜色的干扰;然后,首创性的提出动态检测来进一步排除背景区域中相似颜色的干扰,具体的,利用帧间差分法来得到运动目标区域的图像;最后,基于帧间差分和HSV颜色空间的口腔检测方法对复杂背景的鲁棒性较好,适用于静态或者动态背景,且不依赖于高性能的服务器,整个检测算法可以在嵌入式设备上运行,在得到口腔区域的图像后,能直接判断是否检测到口腔,并实时输出口腔的坐标信息,整个检测过程实时高效,检测方法精确可信。
附图说明
图1为本发明总的流程示意图;
图2为过程一至过程二的流程图;
图3为过程三至过程六的流程图。
具体实施方式
为了使本发明的目的、特征及优点能够更加的明显和易懂,下面通过实施例并结合附图对本技术方案进行详细说明。
如图1所示,一种基于帧间差分和HSV颜色空间的口腔检测方法,具体包括以下步骤:
过程一:从视频流中截取单帧图像,并设置视频输出格式为RGB,分辨率为480P。
过程二为基于帧间差分法的前景目标检测过程,具体步骤如图2所示:
S21:从视频流中截取n+1帧、n帧、n-1帧连续三帧得到图像imn-1、imn和imn+1。
S22:将图像imn-1、imn、imn+1由RGB色彩空间用加权平均的方式转为灰度图像,其转化方法为:
f(x,y)=0.3IR(x,y)+0.59IG(x,y)+0.11IB(x,y)
其中,IR、IG和IB分别为图像中的R通道分量、G通道分量和B通道分量,x和y分别为图像中横坐标和纵坐标上的像素值。
设定三帧图像对应的灰度图像为fn+1(x,y)、fn(x,y)、fn-1(x,y),将连续两帧对应的灰度图像进行差分并得到差分图像In+1、In。
S23:将得到的差分图像In+1、In进行与运算得到图像I′n,其计算方法为:
In+1=|fn+1(x,y)-fn(x,y)|
In=|fn(x,y)-fn-1(x,y)|
I′n=(|fn+1(x,y)-fn(x,y)|∩|fn(x,y)-fn-1(x,y)|)
S24:设定阈值T1,将图像I′n进行二值化运算,得到前景目标的二值化图像Dn,其计算方法为:
S25:得到前景目标后,再对前景目标的二值化图像Dn与中间帧图像imn进行融合得到RGB图像im′n,具体地,融合的方法是将前景目标的二值化图像Dn和中间帧图像imn进行按位与运算,计算公式为:
im′n=(|Dn∩imn|)
过程三、过程四、过程五和过程六为基于HSV的口腔检测过程,如图3所示,各个过程包括步骤:
过程三包括以下步骤:
S31:将得到的前景目标图像由RGB颜色空间转换到HSV颜色空间,具体是将过程二得到的im′n,由RGB颜色空间转换到HSV颜色空间并得到图像Gn,转换方法如下:
R′=R/255
G′=G/255
B′=B/255
Cmax=max(R′,G′,B′)
Cmin=min(R′,G′,B′)
V=Cmax
其中,R、G和B分别为前景目标图像在RGB颜色空间中的R分量、G分量和B分量,H、S和V分别为前景目标图像在HSV颜色空间中的H分量、S分量和V分量。
S32:设定两个一维数组[150,34,36]和[178,255,200]分别为阈值T2、T3,并用这两个阈值来对Gn进行二值化处理,从而得到口腔目标的二值化图像G′n,具体二值化处理的规则为:如果HSV图像中的数值位于阈值T2和阈值T3之间,则图像数值变成255;否则图像数值变成0。
S33:对口腔目标的二值化图像G′n进行腐蚀化操作,具体方法是以7*7的卷积核对图像进行卷积运算,得到腐蚀化图像G″n。
S34:再对腐蚀化图像G″n进行膨胀处理,得到膨胀处理后图像G″′n。
S35:对膨胀处理后图像G″′n进行轮廓检测并分割出每一块轮廓区域,具体方法是用边界跟踪的方法,从左到右、从上到下扫描一遍图像,直到抽取出所有区域的边界为止。
过程四包括以下步骤:
S41:对过程三分割出每一块轮廓区域,根据每一块轮廓区域统计到的像素点的数量,来计算轮廓区域的面积。
S42:设定有效面积值为1500,对每个轮廓区域进行遍历,如果检测到的轮廓区域面积大于1500,则认为有效检测到口腔轮廓,否则认为检测到的目标是无效的。
过程五括以下步骤:
首先,对大于设置面积值的轮廓区域进行垂直边界距离计算以得到轮廓区域的坐标值;然后,把得到的坐标值加入空的数组。
过程六包括以下步骤:
S61:根据数组是否为空来判断是否检测到口腔。
S62:如果判断检测到口腔,则将口腔的二值图像G′n与前景目标的融合图像im′n进行混合运算得到im″n,并将最终图像im″n进行实时输出并显示,具体混合运算方法为:
im″n=(1-a)G′n+a*im′n
其中,G′n为口腔目标的二值化图像,imn为前景目标的融合图像,a的取值为0.5。
Claims (5)
1.一种基于帧间差分和HSV颜色空间的口腔检测方法,其特征在于,具体为以下过程:
过程一:从视频流中截取单帧图像,并设置视频输出格式为RGB,分辨率为480P;
过程二:首先,获取连续三帧图像中的中间帧,并将RGB图像转换为灰度图像;其次,将连续两帧对应的灰度图像进行差分得到两幅差分图像;然后,将两幅差分图像进行与运算;接着,由设定的阈值T1来对与运算后的差分图像进行二值化运算,得到前景目标的二值化图像;最后,将前景目标的二值化图像和中间帧图像进行按位与运算,最终得到融合后的前景目标图像;
过程三:首先,将得到的前景目标图像由RGB颜色空间转换为HSV颜色空间,得到HSV图像;其次,由设定的两个阈值T2和T3对得到的HSV图像进行二值化处理,从而得到口腔目标的二值化图像,具体二值化处理的规则为:
如果HSV图像中的数值位于阈值T2和阈值T3之间,则图像数值变成255;否则图像数值变成0;
然后,对得到的口腔目标二值化图像进行腐蚀化操作;接着,对腐蚀化操作后的图像进行膨胀化处理;最后,对经历过二值化、腐蚀、膨胀操作步骤后的图像进行轮廓检测,并分割出每一块轮廓区域;
过程四:首先,对检测的每一块轮廓区域,计算出轮廓区域的面积;然后,通过判断轮廓区域的面积值是否大于设置的面积值,来进一步排除干扰;
过程五:首先,对大于设置面积值的轮廓区域进行垂直边界距离计算以得到轮廓区域的坐标值;
然后,把得到的坐标值加入空的数组;
过程六:首先,根据数组是否为空来判断是否检测到口腔;然后,将口腔目标的二值化图像与前景目标的融合图像进行混合运算;最后,将最终得到的口腔图像进行实时输出并显示。
2.根据权利要求1所述的一种基于帧间差分和HSV颜色空间的口腔检测方法,其特征在于,过程三设置的阈值为两个一维数组,其值为[150,34,36]和[178,255,200]。
3.根据权利要求1所述的一种基于帧间差分和HSV颜色空间的口腔检测方法,其特征在于,过程三的腐蚀化操作的方法为:以7*7的卷积核对图像进行卷积运算。
4.根据权利要求1所述的一种基于帧间差分和HSV颜色空间的口腔检测方法,其特征在于,过程四设置的面积值为1500。
5.根据权利要求1所述的一种基于帧间差分和HSV颜色空间的口腔检测方法,其特征在于,过程六得到最终图像im″n的方法为:
im″n=(1-a)G′n+a*im′n
其中,G′n为口腔目标的二值化图像,im′n为前景目标的融合图像,a的取值为0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910966466.XA CN110751635B (zh) | 2019-10-12 | 2019-10-12 | 一种基于帧间差分和hsv颜色空间的口腔检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910966466.XA CN110751635B (zh) | 2019-10-12 | 2019-10-12 | 一种基于帧间差分和hsv颜色空间的口腔检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751635A CN110751635A (zh) | 2020-02-04 |
CN110751635B true CN110751635B (zh) | 2024-03-19 |
Family
ID=69278146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910966466.XA Active CN110751635B (zh) | 2019-10-12 | 2019-10-12 | 一种基于帧间差分和hsv颜色空间的口腔检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751635B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283107A (zh) * | 2020-09-18 | 2022-04-05 | 强生(中国)有限公司 | 口腔检测方法、口腔检测装置以及计算机可读存储介质 |
CN112380962A (zh) * | 2020-11-11 | 2021-02-19 | 成都摘果子科技有限公司 | 一种基于深度学习的动物图像识别方法及系统 |
CN113486841A (zh) * | 2021-07-23 | 2021-10-08 | 北京林业大学 | 一种基于视觉的森林雷击火检测方法 |
CN113554008B (zh) * | 2021-09-18 | 2021-12-31 | 深圳市安软慧视科技有限公司 | 静态物体区域内检测方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007188294A (ja) * | 2006-01-13 | 2007-07-26 | Central Res Inst Of Electric Power Ind | 画像処理による移動体候補の検出方法及び移動体候補から移動体を検出する移動体検出方法、移動体検出装置及び移動体検出プログラム |
CN104599511A (zh) * | 2015-02-06 | 2015-05-06 | 中国石油大学(华东) | 一种基于背景建模的车流量检测方法 |
CN106548488A (zh) * | 2016-10-25 | 2017-03-29 | 电子科技大学 | 一种基于背景模型及帧间差分的前景检测方法 |
CN107833242A (zh) * | 2017-10-30 | 2018-03-23 | 南京理工大学 | 一种基于边缘信息和改进vibe运动目标检测方法 |
CN109087363A (zh) * | 2018-06-28 | 2018-12-25 | 江南大学 | 一种基于hsv颜色空间的污水排放检测方法 |
CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
CN109816692A (zh) * | 2019-01-11 | 2019-05-28 | 南京理工大学 | 一种基于Camshift算法的运动目标跟踪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006039689A (ja) * | 2004-07-22 | 2006-02-09 | Nara Institute Of Science & Technology | 画像処理装置、画像処理方法、画像処理プログラムおよびそのプログラムを記録した記録媒体 |
JP5869822B2 (ja) * | 2011-09-30 | 2016-02-24 | 株式会社アドバンス | 歯科用画像処理システム |
KR20160112494A (ko) * | 2015-03-19 | 2016-09-28 | (주)바텍이우홀딩스 | 파노라마에서의 효율적인 구강 병변 발병여부 예측감지 방법 및 시스템 |
CN106846359B (zh) * | 2017-01-17 | 2019-09-20 | 湖南优象科技有限公司 | 基于视频序列的运动目标快速检测方法 |
CN108492305B (zh) * | 2018-03-19 | 2020-12-22 | 深圳牙领科技有限公司 | 一种嘴唇内侧轮廓线的分割方法、系统和介质 |
-
2019
- 2019-10-12 CN CN201910966466.XA patent/CN110751635B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007188294A (ja) * | 2006-01-13 | 2007-07-26 | Central Res Inst Of Electric Power Ind | 画像処理による移動体候補の検出方法及び移動体候補から移動体を検出する移動体検出方法、移動体検出装置及び移動体検出プログラム |
CN104599511A (zh) * | 2015-02-06 | 2015-05-06 | 中国石油大学(华东) | 一种基于背景建模的车流量检测方法 |
CN106548488A (zh) * | 2016-10-25 | 2017-03-29 | 电子科技大学 | 一种基于背景模型及帧间差分的前景检测方法 |
CN107833242A (zh) * | 2017-10-30 | 2018-03-23 | 南京理工大学 | 一种基于边缘信息和改进vibe运动目标检测方法 |
CN109087363A (zh) * | 2018-06-28 | 2018-12-25 | 江南大学 | 一种基于hsv颜色空间的污水排放检测方法 |
CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
CN109816692A (zh) * | 2019-01-11 | 2019-05-28 | 南京理工大学 | 一种基于Camshift算法的运动目标跟踪方法 |
Non-Patent Citations (4)
Title |
---|
Detection of fire using image processing techniques with LUV color space;Divya Pritam等;2017 2nd International Conference for Convergence in Technology (I2CT);1158-1162 * |
Moving target detection combining five frame difference and codebook model;Li Chunmin等;Electronic Science and Technology;第31卷(第11期);51-55 * |
视频中运动目标的检测与跟踪算法研究;郭志壮;中国优秀硕士学位论文全文数据库(信息科技辑)(第6期);138-675 * |
视频序列中运动目标检测和识别技术研究;黄洋文;中国优秀硕士学位论文全文数据库(信息科技辑)(第5期);138-888 * |
Also Published As
Publication number | Publication date |
---|---|
CN110751635A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751635B (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN103400150B (zh) | 一种基于移动平台进行道路边缘识别的方法及装置 | |
Huang et al. | An advanced single-image visibility restoration algorithm for real-world hazy scenes | |
CN103093203B (zh) | 一种人体再识别方法以及人体再识别系统 | |
CN111539273A (zh) | 一种交通视频背景建模方法及系统 | |
WO2017012581A1 (zh) | 二维码加权平均灰度法解码方法及系统 | |
CN108550159B (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
EP1359543A3 (en) | Method for detecting subject matter regions in images | |
CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN104952256A (zh) | 一种基于视频信息的交叉口处车辆的检测方法 | |
WO2014183246A1 (zh) | 一种医学影像处理方法与系统 | |
Huerta et al. | Exploiting multiple cues in motion segmentation based on background subtraction | |
CN106934819A (zh) | 一种提高图像中运动物体检测精度的方法 | |
CN112528861A (zh) | 应用于铁路隧道内道床的异物检测方法及装置 | |
CN107563985A (zh) | 一种红外图像空中运动目标的检测方法 | |
CN111985314B (zh) | 一种基于ViBe与改进LBP的烟雾检测方法 | |
TWI394097B (zh) | 移動物體的偵測方法以及偵測系統 | |
TW201032180A (en) | Method and device for keeping image background by multiple gauss models | |
CN105989583B (zh) | 一种图像去雾方法 | |
CN111583357A (zh) | 一种基于matlab系统的物体运动图像捕捉合成方法 | |
CN112634179B (zh) | 一种防摄像头抖动的变电设备图像变化检测方法和系统 | |
CN111667498B (zh) | 一种面向光学卫星视频的运动舰船目标自动检测方法 | |
CN111582076A (zh) | 一种基于像素运动智能感知的画面冻结检测方法 | |
CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
CN115359094A (zh) | 一种基于深度学习的运动目标检测方法 |
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 |