CN110941991B - 一种多通道结构化数据采集系统及数据采集方法 - Google Patents
一种多通道结构化数据采集系统及数据采集方法 Download PDFInfo
- Publication number
- CN110941991B CN110941991B CN201911028088.7A CN201911028088A CN110941991B CN 110941991 B CN110941991 B CN 110941991B CN 201911028088 A CN201911028088 A CN 201911028088A CN 110941991 B CN110941991 B CN 110941991B
- Authority
- CN
- China
- Prior art keywords
- image information
- module
- target object
- image
- matting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 3
- 230000003139 buffering effect Effects 0.000 claims 2
- 230000003993 interaction Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数据采集技术领域,具体涉及一种多通道结构化数据采集系统及数据采集方法,包括图像采集模块和解码模块,用于将采集到的图像信息进行解码、缩放;结构化检测识别模组,通过调整的参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;抠图模块,根据目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后目标物边沿落点的坐标信息,对原始图像上目标物进行抠图。本发明可以将低算力的人脸识别处理器进行高效应用,通过多通道图像拼接方法和通道坐标转换系统,达到检测和识别人脸的目的,同时算力模组可灵活替换,针对不同的目标物,不同的场景,产生不同的算法产品,提高信息识别精度和效率。
Description
技术领域
本发明涉及数据采集技术领域,具体涉及一种多通道结构化数据采集系统及数据采集方法。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。人脸识别系统成功的关键在于是否拥有尖端的核心算法,并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,同时需结合中间值处理的理论与实现,是生物特征识别的最新应用,其核心技术的实现,展现了弱人工智能向强人工智能的转化。
传统的人脸识别技术主要是基于可见光图像的人脸识别,这也是人们熟悉的识别方式,已有30多年的研发历史。但这种方式有着难以克服的缺陷,尤其在环境光照发生变化时,识别效果会急剧下降,无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别,和热成像人脸识别。但这两种技术还远不成熟,识别效果不尽人意。迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响,已经取得了卓越的识别性能,在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速,使人脸识别技术逐渐走向实用化。
现有的人脸识别技术中,如中国专利公开号CN108171223A公开的一种基于多模型多通道的人脸识别方法及系统,通过普通摄像头获取人脸图像,利用人脸检测算法检测是否出现人脸,在有人脸的基础上分割人脸区域,对分割出来的图像做预处理,对预处理后的图像提取不同模型所对应的特征,然后对这些特征进行特征处理,最后使用余弦距离来度量待识别人员与数据库中已注册人员的特征的相似度。该系统克服了现有技术存在的方法精确度不高,对于人脸环境变化(光照、表情、姿态、遮挡)鲁棒性低的缺点,能有效的提高人脸识别的准确率。但是该系统仅能对人脸信息进行识别采集,无法对物品进行识别。
为此,本发明提供一种可以对人、交通工具和生活用品进行信息识别采集的多通道结构化数据采集系统及数据采集方法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种多通道结构化数据采集系统及数据采集方法,可以将低算力的人脸识别处理器进行高效应用,通过多通道图像拼接方法和通道坐标转换系统,达到检测和识别人脸的目的;通过多物联硬件接口,通过硬件设计方法,使该人脸检测系统同时具备传感器接入能力,软件上兼容各传感器的数据采集与分析,形成人脸加感知数据的网关;将多通道结构化数据采集系统进行模块化硬件设计,算力模组可灵活替换,针对不同的目标物,不同的场景,产生不同的算法产品,提高信息识别精度和效率。
本发明的目的是通过以下技术方案来实现的:
一种多通道结构化数据采集系统,包括
图像采集模块,用于采集图像信息;
解码模块,用于将采集到的图像信息进行解码、缩放,并将缩放后的图像信息传递至结构化检测识别模组;
结构化检测识别模组,通过调整参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;
抠图模块,根据结构化检测识别模组锁定的目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后的目标物边沿落点的坐标信息,对原始图像上的目标物进行抠图;
储存模块,用于对抠图模块抠图得到的图像信息进行储存。
进一步地,所述图像采集模块通过GB/T 28181控制技术要求或者ONVIF协议与摄像机连接,视频码流与解码模块连接,解码后获取图像。
进一步地,所述图像采集模块将采集到的原始图像信息分为四块,然后分别通过4条通道传递至解码模块。优选地,所述解码模块为具有对4条通道的4K图像同时进行解码的功能。
进一步地,所述解码模块将图像采集模块采集到的图像信息进行解码、缩放,然后按通道组合进行拼接,并将拼接后的图像信息打上时间戳,再传递至结构化检测识别模组。
进一步地,打上时间戳的图像信息通过BT1120视频接口传递至结构化检测识别模组。
进一步地,所述储存模块为两级缓存,其中,一级缓存用于储存包含目标物的原始图像信息,二级缓存用于对抠图模块对目标物进行抠图得到的图像信息进行储存。
进一步地,所述目标物包括人、交通工具和生活用品。
进一步地,所述数据采集系统包括人机交互模块和控制模块,所述控制模块分别与图像采集模块、解码模块、结构化检测识别模组、抠图模块、人机交互模块连接,所述人机交互模块用于使用者输入指令和查看反馈信息。
进一步地,所述数据采集系统还包括电源,所述电源与控制模块连接。
一种多通道结构化数据采集方法,包括以下步骤:
步骤S1,采集图像信息,然后将采集到的原始图像分为四块,然后分别通过4条通道传递至解码模块;
步骤S2,将采集到的图像信息进行解码、缩放,然后按通道组合进行拼接,并将拼接后的图像信息打上时间戳,再传递至结构化检测识别模组;
步骤S3,识别图像信息中是否包含目标物图像,确认包含目标物图像时,对该原始图像信息进行储存,然后通过调整参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;
步骤S4,根据锁定的目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后目标物边沿落点的坐标信息,对原始图像上目标物进行抠图,并对抠图得到的图像信息进行储存。
进一步地,在步骤S2中,将采集到的图像信息缩放至960*540。
进一步地,对包含目标物的原始图像信息进行一级缓存,对目标物进行抠图得到的图像信息进行二级缓存。
进一步地,在一级缓存和二级缓存中寻找目标物的图像信息,完成识别信息采集。
本发明的有益效果是:本发明多通道结构化数据采集系统及数据采集方法,可以将低算力的人脸识别处理器进行高效应用,通过多通道图像拼接方法和通道坐标转换系统,达到检测和识别人脸的目的;通过多物联硬件接口,通过硬件设计方法,使该人脸检测系统同时具备传感器接入能力,软件上兼容各传感器的数据采集与分析,形成人脸加感知数据的网关;将多通道结构化数据采集系统进行模块化硬件设计,算力模组可灵活替换,针对不同的目标物,不同的场景,产生不同的算法产品,提高信息识别精度和效率。
附图说明
图1为本发明提出的多通道结构化数据采集系统的模块连接示意图;
图2为本发明提出的多通道结构化数据采集方法的流程图。
具体实施方式
下面结合具体实施例和附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种多通道结构化数据采集系统,包括:
图像采集模块,用于采集图像信息;
解码模块,用于将采集到的图像信息进行解码、缩放,并将缩放后的图像信息传递至结构化检测识别模组;
所述结构化检测识别模组,通过调整的参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;
抠图模块,根据结构化检测识别模组锁定的目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后目标物边沿落点的坐标信息,对原始图像上的目标物进行抠图;
储存模块,用于对抠图模块抠图得到的图像信息进行储存。
具体地,所述图像采集模块通过GB/T 28181控制技术要求或者ONVIF协议与摄像机连接,视频码流与解码模块连接,解码后获取图像。
具体地,所述图像采集模块将采集到的原始图像信息分为四块,然后分别通过4条通道传递至解码模块。优选地,所述解码模块为具有对4条通道的4K图像同时进行解码的功能。
具体地,所述解码模块将采集到的图像信息进行解码、缩放,然后按通道组合进行拼接,并将拼接后的图像信息打上时间戳,再传递至结构化检测识别模组。
具体地,打上时间戳的图像信息通过BT1120视频接口传递至结构化检测识别模组。
具体地,所述储存模块为两级缓存,其中,一级缓存用于储存包含目标物的原始图像信息,二级缓存用于将抠图模块对目标物进行抠图得到的图像信息进行储存。
具体地,所述目标物包括人、交通工具和生活用品。
具体地,所述数据采集系统包括人机交互模块和控制模块,所述控制模块分别与图像采集模块、解码模块、结构化检测识别模组、抠图模块和人机交互模块连接,所述人机交互模块用于使用者输入指令和查看反馈信息。
具体地,所述数据采集系统还包括电源,所述电源与控制模块连接。
在一个具体实施例中,对目标物进行多通道结构化数据采集,如图2所示,具体包括以下步骤:
步骤S1,采集图像信息,然后将采集到的原始图像分为四块,然后分别通过4条通道传递至解码模块;
步骤S2,将采集到的图像信息进行解码、缩放,然后按通道组合进行拼接,并将拼接后的图像信息打上时间戳,再传递至结构化检测识别模组;
步骤S3,识别图像信息中是否包含目标物图像,确认包含目标物图像时,对该原始图像信息进行储存,然后通过调整的参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;
步骤S4,根据锁定的目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后目标物边沿落点的坐标信息,对原始图像上目标物进行抠图,并对抠图得到的图像信息进行储存。
具体地,在步骤S2中,将采集到的图像信息缩放至960*540。
具体地,对包含目标物的原始图像信息进行一级缓存,对目标物进行抠图得到的图像信息进行二级缓存。
具体地,在一级缓存和二级缓存中寻找目标物的图像信息,完成识别信息采集。
试验例:
(1)通过本发明提出的多通道结构化数据采集系统进行人脸识别信息采集,通过摄像机进行图像信息采集,系统具有双千兆网络接口,通过GB/T 28181控制技术要求或者ONVIF协议与摄像机连接,视频码流与解码模块连接,解码后获取图像,并将摄像机的视频流拉取到系统中,具体为将原始图像分为四块,然后分别通过4条通道传递至解码模块;
(2)解码模块将采集到的图像信息进行解码、缩放至960*540大小,然后按通道组合进行拼接,并将拼接后的图像信息打上时间戳,通过BT1120视频接口再传递至结构化检测识别模组;
(3)结构化检测识别模组识别图像信息中是否包含目标物图像,确认包含目标物图像时,对该原始图像信息进行储存,然后通过调整的参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;
(4)根据锁定的目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后目标物边沿落点的坐标信息,通过抠图模块对原始图像上的目标物进行抠图,并对抠图得到的图像信息进行储存;
(5)结构化检测识别模组向使用者反馈识别结果信息,根据识别结果信息,使用者可以从一级缓存和二级缓存中寻找对应人脸跟踪ID的扣图,完成识别信息采集。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种多通道结构化数据采集系统,其特征在于,包括:
图像采集模块,用于采集图像信息;
解码模块,用于将采集到的图像信息进行解码、缩放,并将缩放后的图像信息传递至结构化检测识别模组;
结构化检测识别模组,通过调整参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;
抠图模块,根据结构化检测识别模组锁定的目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后的目标物边沿落点的坐标信息,对原始图像上的目标物进行抠图;
储存模块,用于对抠图模块抠图得到的图像信息进行储存;
所述图像采集模块将采集到的原始图像信息分为四块,然后分别通过4条通道传递至解码模块;
所述解码模块将图像采集模块采集到的图像信息进行解码、缩放,然后按通道组合进行拼接,并将拼接后的图像信息打上时间戳,再传递至结构化检测识别模组。
2.根据权利要求1所述的一种多通道结构化数据采集系统,其特征在于,所述图像采集模块通过GB/T 28181控制技术要求或者ONVIF协议与摄像机连接,视频码流与解码模块连接,解码后获取图像。
3.根据权利要求1所述的一种多通道结构化数据采集系统,其特征在于,打上时间戳的图像信息通过BT1120视频接口传递至结构化检测识别模组。
4.根据权利要求1所述的一种多通道结构化数据采集系统,其特征在于,所述储存模块为两级缓存,其中,一级缓存用于储存包含目标物的原始图像信息,二级缓存用于将抠图模块对目标物进行抠图得到的图像信息进行储存。
5.一种多通道结构化数据采集方法,其特征在于,包括以下步骤:
步骤S1,采集图像信息,然后将采集到的原始图像信息分为四块,然后分别通过4条通道传递至解码模块;
步骤S2,将采集到的图像信息进行解码、缩放,然后按通道组合进行拼接,并将拼接后的图像信息打上时间戳,再传递至步骤S3;
步骤S3,识别图像信息中是否包含目标物图像,确认包含目标物图像时,对该原始图像信息进行储存,然后通过调整参数使算法模型匹配目标物的像素级别,锁定目标物边沿落点的坐标信息;
步骤S4,根据锁定的目标物边沿落点的坐标信息,在进行坐标换算后,根据换算后目标物边沿落点的坐标信息,对原始图像上的目标物进行抠图,并对抠图得到的图像信息进行储存。
6.根据权利要求5所述的一种多通道结构化数据采集方法,其特征在于,在步骤S2中,将采集到的图像信息缩放至960*540。
7.根据权利要求5所述的一种多通道结构化数据采集方法,其特征在于,对包含目标物的原始图像信息进行一级缓存,对目标物进行抠图得到的图像信息进行二级缓存。
8.根据权利要求7所述的一种多通道结构化数据采集方法,其特征在于,在一级缓存和二级缓存中寻找目标物的图像信息,完成识别信息采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028088.7A CN110941991B (zh) | 2019-10-28 | 2019-10-28 | 一种多通道结构化数据采集系统及数据采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028088.7A CN110941991B (zh) | 2019-10-28 | 2019-10-28 | 一种多通道结构化数据采集系统及数据采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110941991A CN110941991A (zh) | 2020-03-31 |
CN110941991B true CN110941991B (zh) | 2023-05-23 |
Family
ID=69906267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911028088.7A Active CN110941991B (zh) | 2019-10-28 | 2019-10-28 | 一种多通道结构化数据采集系统及数据采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941991B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105163095A (zh) * | 2015-10-16 | 2015-12-16 | 湖南智慧平安科技有限公司 | 面向偏僻地段的人体目标监控方法 |
CN105654732A (zh) * | 2016-03-03 | 2016-06-08 | 上海图甲信息科技有限公司 | 一种基于深度图像的道路监控系统及方法 |
CN108171223A (zh) * | 2018-02-27 | 2018-06-15 | 北京中晟信达科技有限公司 | 一种基于多模型多通道的人脸识别方法及系统 |
CN108537861A (zh) * | 2018-04-09 | 2018-09-14 | 网易(杭州)网络有限公司 | 贴图生成方法、装置、设备和存储介质 |
CN110033487A (zh) * | 2019-02-25 | 2019-07-19 | 上海交通大学 | 基于深度联想感知算法的受遮挡蔬果采收方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10496353B2 (en) * | 2016-09-29 | 2019-12-03 | Jiang Chang | Three-dimensional image formation and color correction system and method |
-
2019
- 2019-10-28 CN CN201911028088.7A patent/CN110941991B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105163095A (zh) * | 2015-10-16 | 2015-12-16 | 湖南智慧平安科技有限公司 | 面向偏僻地段的人体目标监控方法 |
CN105654732A (zh) * | 2016-03-03 | 2016-06-08 | 上海图甲信息科技有限公司 | 一种基于深度图像的道路监控系统及方法 |
CN108171223A (zh) * | 2018-02-27 | 2018-06-15 | 北京中晟信达科技有限公司 | 一种基于多模型多通道的人脸识别方法及系统 |
CN108537861A (zh) * | 2018-04-09 | 2018-09-14 | 网易(杭州)网络有限公司 | 贴图生成方法、装置、设备和存储介质 |
CN110033487A (zh) * | 2019-02-25 | 2019-07-19 | 上海交通大学 | 基于深度联想感知算法的受遮挡蔬果采收方法 |
Non-Patent Citations (4)
Title |
---|
Behzad Sharif等.OPTIMAL MULTI-CHANNEL TIME-SEQUENTIAL ACQUISITION IN DYNAMIC MRI WITH PARALLEL COILS.《ISBI 2006》.2005,第45-48页. * |
Zahra Hosseini等.Multi-Channel MR Phase Image Processing for Non-Contrast Tissue Characterization.《Electronic Thesis and Dissertation Repository》.2018,第1-210页. * |
禄金波.TDICCD大视场多通道图像自动拼接方法.《中国硕士学位论文全文数据库信息科技辑》.2012,I138-2496. * |
陈涛.分布式的多通道画面融合软件的设计与实现.《中国硕士学位论文全文数据库信息科技辑》.2016,I138-875. * |
Also Published As
Publication number | Publication date |
---|---|
CN110941991A (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10614310B2 (en) | Behavior recognition | |
CN104881637B (zh) | 基于传感信息及目标追踪的多模信息系统及其融合方法 | |
US20110025834A1 (en) | Method and apparatus of identifying human body posture | |
CN110428449B (zh) | 目标检测跟踪方法、装置、设备及存储介质 | |
Kaâniche et al. | Recognizing gestures by learning local motion signatures of HOG descriptors | |
CN110555408B (zh) | 一种基于自适应映射关系的单摄像头实时三维人体姿态检测方法 | |
CN103049459A (zh) | 一种基于特征识别的快速录像检索方法 | |
CN104821010A (zh) | 基于双目视觉的人手三维信息实时提取方法及系统 | |
CN114998934B (zh) | 基于多模态智能感知和融合的换衣行人重识别和检索方法 | |
CN107038400A (zh) | 人脸识别装置及方法和利用其的目标人跟踪装置及方法 | |
CN103593654A (zh) | 一种人脸定位的方法与装置 | |
CN110688980B (zh) | 基于计算机视觉的人体姿态分类方法 | |
CN110084192A (zh) | 基于目标检测的快速动态手势识别系统及方法 | |
CN113435236A (zh) | 居家老人姿态检测方法、系统、存储介质、设备及应用 | |
CN113920326A (zh) | 基于人体骨骼关键点检测的摔倒行为识别方法 | |
Liu et al. | Learning-based hand motion capture and understanding in assembly process | |
CN112989889A (zh) | 一种基于姿态指导的步态识别方法 | |
Zheng et al. | Sign language recognition using depth images | |
Whitehill et al. | A discriminative approach to frame-by-frame head pose tracking | |
CN104182747A (zh) | 基于多个立体相机的对象检测跟踪方法及装置 | |
CN110941991B (zh) | 一种多通道结构化数据采集系统及数据采集方法 | |
Zhao et al. | SPACE: Finding key-speaker in complex multi-person scenes | |
CN109492513B (zh) | 光场监控的人脸空间去重方法 | |
Kanagamalliga et al. | Survey and Analysis of Real-Time Face Detection Techniques in Video Scenes: Current Advancements and Future Prospects | |
Kim et al. | Tiny frontal face detection for robots |
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 |