CN111372062A - 人工智能图像通信系统及记录方法 - Google Patents

人工智能图像通信系统及记录方法 Download PDF

Info

Publication number
CN111372062A
CN111372062A CN202010369315.9A CN202010369315A CN111372062A CN 111372062 A CN111372062 A CN 111372062A CN 202010369315 A CN202010369315 A CN 202010369315A CN 111372062 A CN111372062 A CN 111372062A
Authority
CN
China
Prior art keywords
image
input device
information
intelligent terminal
matching circuit
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
CN202010369315.9A
Other languages
English (en)
Other versions
CN111372062B (zh
Inventor
连芷萱
王忠斌
闵松阳
杨嘉琪
张瑜佳
马志
席跃东
席跃君
李敏
宋蔚旗
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.)
Beijing Hualande Technology Consulting Service Co ltd
Original Assignee
Beijing Hualande Technology Consulting Service Co 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 Beijing Hualande Technology Consulting Service Co ltd filed Critical Beijing Hualande Technology Consulting Service Co ltd
Priority to CN202010369315.9A priority Critical patent/CN111372062B/zh
Publication of CN111372062A publication Critical patent/CN111372062A/zh
Application granted granted Critical
Publication of CN111372062B publication Critical patent/CN111372062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V10/7515—Shifting the patterns to accommodate for positional errors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种人工智能图像通信系统及方法，其包括外置图像输入装置，其包括匹配电路，匹配电路用于与智能终端通过无线信道进行连接与通信，处理器用于控制匹配电路以与智能终端进行匹配连接，并用于调用图像处理程序对摄像头输入的图像信息进行图像处理生成特征图，对特征图进行编码生成字符串，而后通过匹配电路经天线发送给智能终端。本发明提供的图像通信系统及方法，使外置图像输入装置与智能终端分开设置，外置图像输入装置传送的是特征图的编码信息，需要传送的二进制码流大大减小，大大节省了无线资源。

Description

人工智能图像通信系统及记录方法
技术领域
本发明涉及一种人工智能图像通信系统及记录方法，属于人工智能技术领域。
背景技术
现有技术中提供的图像传输，传输是一幅图像的每像像素的信息，而每幅图像包含大量的除关注对象以外的非关注信息，如此导致传送的信息量大。
发明内容
本发明提供一种人工智能图像通信系统及记录方法，使外置图像输入装置与智能终端分开设置，外置图像输入装传送的是特征图的编码信息，能大大节省无线资源。
为实现所述发明目的，本发明提供一种图像通信系统，其包括外置图像输入装置和智能终端，所述外置图像输入装置包括摄像头、第一匹配电路、第一处理器和第一存储器，其中，摄像头用于获取图像并传送给第一处理器，第一存储器用于存储图像数据及图像图像处理程序, 定位授时模块用于获取佩戴者的位置信息及拍摄图像的时间信息，其特征在于，图像输入装置还包括第一匹配电路，第一匹配电路用于与智能终端通过无线信道进行连接与通信，第一处理器用于控制第一匹配电路以与智能终端进行匹配连接，并用于调用图像处理程序对摄像头输入的图像信息进行图像处理生成特征图，对特征图进行编码生成字符串，而后通过第一匹配电路经天线发送给智能终端。
优选地，所述图像识别通过包括使用卷积神经网络的图像识别模块实现，所述图像识别模块至少包括：生成单元、获取单元、校正单元和提取单元，其中，生成单元根据输入的图像生成分辨率随着从第1级向第N级而变低的特征图，使用第N级特征图生成第一特征图；获取单元，检测上述图像中拍摄的包含关注对象的图像，获取关注对象在所述第一特征图上的位置信息；校正单元，其校正所述位置信息，使得位置信息对应于第二特征图的分辨率，第二特征图是在第N级之前生成的特征图上的关注对象图像的范围；提取单元，用于在所述第一特征图上设置位于由校正后的位置信息表示的位置的关注区域，从所述关注区域中提取与关注对象有关的特征信息。
优选地，外置图像输入装置还包括定位授时模块，其用于获取图像输入装置的位置信息的拍摄图像时的时间信息，并传送给第一处理器，所述第一处理器对位置信息和时间信息进行编码也通过匹配电路传送给智能终端。
优选地，摄像头固定于眼镜架鼻托上部或者固定于眼罩、面罩眼部之间的位置，摄像头具有调焦机构，用户将摄像头佩戴于头部时，调焦机构使摄像头的视角大于或等于用户的两眼视角。
优选地，智能终端包括第二匹配电路、第二处理器、显示器和第二存储器，其中，第二存储器用于存储图像库及图像合成程序；第二匹配电路用于与图像输入装置进行连接与通信，将接收的字符串传送给第二处理器；第二处理器用于控制第二匹配电路以与图像输入装置进行匹配连接，将通过第二匹配电路获取的外置图像输入装置传送来的信息存储于第二存储器、对信息进行处理在显示器上进行显示和/或通过网络传送给服务器或其它终端。
优选地，智能终端还包括内置摄摄像头、内置电声转换器和选择模块，其被配置为根据用户的选择，选择采用内置摄像头获取图像还是采用外置图像输入装置获取图像。
优选地，智能终端还包括内置摄摄像头、内置电声转换器和切换模块，切换模块被配置当检测到外置图像输入装置与智能终端匹配成功且外置图像输入装置工作正常时，切断内置摄像头与第二处理器的连接。
优选地，第二存储器中存储有图像数据库，智能终端还包括图像合成模块，其被配置为根据接收的外置图像输入装置提供的信息及图像数据库中提供的信息进行图像合成，合成背景与图像输入装置拍摄的背景不同，而关注对象相同的图像。
为实现所述发明目的，本发明还提供一种图像记录方法，用于实施上述的图像通信系统。
与现有技术相比，本发明提供的图像通信系统及记录方法，使外置图像输入装置与智能终端分开设置，外置图像输入装传送的是特征图的编码信息，能大大节省无线资源。
附图说明
图1是本发明提供的图像通信系统的组成框图；
图2是本发明提供的外置图像输入装置的组成框图；
图3是本发明提供的智能终端的组成框图；
图4是本明提供的图像识别模块的工作流程图；
图5是具有关注对象图像范围的第一特征图；
图6是校正了关注对象位置信息的第一特征图。
具体实施方式
下面结合附图详细地说明本发明。
本发明中，单数形式“一”，“一个”，“所述”和“该”包括复数引用，除非上下文另外明确指出。除非另有定义，本文所用的所有技术和科学术语具有与本领域普通技术人员通常理解的相同的含义。本发明中，术语"包括"是指"包括但不限于"，除非另有定义
术语 “编码模块”、“解码模块”、“图像识别模块”、“合成模块”中的每一个都指被配置可通过为具有编程功能的集成电路硬件或者软件来实现，集成电路"包含半导体材料（例如硅）上的电子电路，用于执行某些功能。例如，集成电路可以是微处理器，可编程阵列逻辑（PAL ）器件、专用集成电路（ ASIC ）或其它。
图1是本发明提供的人工智能图像通信系统的组成框图，如图1所示，人工智能图像通信系统1包括通过短程无线通信协议连接的外置图像输入装置2和智能终端3,所述短程无线通信协议例如为蓝牙通信协议。外置图像输入装置2和智能终端3通过匹配电路匹配连接，外置图像输入装置2用于获取图像并对所获取的图像进行图像识别生成特征图，而后通过编码器对特征图进行编码生二进制字符串，通过匹配电路传送给智能终端3。智能终端3对接收的二进制码进行解码、并进行图像合成等，生成前景为外置图像输入装置2获取的关注对象，背景为从图像库中选择的图片的图像，并通过触摸显示屏进行显示。
图2是本发明提供的外置图像输入装置的组成框图，如图2所示，所述外置图像输入装置2包括摄像头22、第一匹配电路24、第一处理器21、定位授时模块23和第一存储器25，其中，摄像头22用于获取图像并传送给第一处理器21，第一存储器25用于存储图像数据及图像图像处理程序, 定位授时模块23用于获取外置图像输入装置的位置信息及拍摄图像的时间信息。第一匹配电路24用于与智能终端3通过无线信道进行连接与通信，第一处理器21用于控制第一匹配电路24以与智能终端进行匹配连接，并用于调用图像处理程序对摄像头22输入的图像信息进行图像处理生成特征图，对特征图进行编码生成字符串，而后通过第一匹配电路24经天线发送给智能终端。
外置图像输入装置包括利用软件实现的图像识别模块211和编码模块212,所述图像识别模块211对从摄像头22获取的图像进行特征提取生成包含关注对象细节的特征图，编码模块对特征图进行编码成生发送给智能终端3的二进制字符串。
外置图像输入装置2的摄像头22固定于眼镜架鼻托上部或者固定于眼罩、面罩眼部之间的位置，摄像头具有调焦机构26，用户将摄像22头佩戴于头部时，调焦机构26根据智能终端发送来的指令对摄像头进行调焦使摄像头的22视角大于或等于佩戴者的两眼视角。
图3是本发明提供的智能终端的组成框图，如图3所示，智能终端3包括第二匹配电路32、第二处理器31、触摸显示屏38和第二存储器37，其中，第二存储器37用于存储图像库及图像合成程序；第二匹配电路32用于与图像输入装置2进行连接与通信，将接收的字符串传送给第二处理器31；第二处理器31用于控制第二匹配电路32以与图像输入装置2进行匹配连接，将通过第二匹配电路32获取的外置图像输入装置2传送来的信息存储于第二存储器37、对信息进行处理在触摸显示屏38上进行显示和/或经通信模块36通过网络传送给服务器或其它终端。
根据本发明一个实施例，智能终端3还包括内置摄摄像头35、内置电声转换器34和选择模块314，选择模块314被配置为根据用户的选择，选择采用内置摄像头35获取图像还是采用外置图像输入装置2获取图像，内置电声转换器用于播放声音。
根据本发明一个实施例，智能终端3还包括切换模块，切换模块被配置当检测到外置图像输入装置2与智能终端3匹配成功且外置图像输入装置2工作正常时，切断内置摄像头35与第二处理器31的连接，仅采用外置图像输入装置获取图像。
根据本发明一个实施例，第二存储器37中存储有图像数据库，智能终端3还包括图像合成模块312，其被配置为根据接收的外置图像输入装置2提供的信息及图像数据库中提供的信息进行图像合成，合成背景与图像输入装置拍摄的背景不同，而关注对象相同的图像。
根据本发明一个实施例，智能终端3还包括拾音器33,其用于将声音信息转换为电信息并提供给第二处理器31。
图4是本发明提供图像识别模块的工作流程图，如图4所示，所述识别模块至少包括使用卷积神经网络的图像识别模块，所述图像识别模块至少包括：生成单元、获取单元、校正单元和提取单元，其中，生成单元根据输入的图像生成分辨率随着从第1级向第N级而变低的特征图，使用第N级特征图生成第一特征图；获取单元，检测上述图像中拍摄的关注对象，获取关注对象在所述第一特征图上的位置信息；校正单元，其校正所述位置信息，使得位置信息对应于第二特征图的分辨率，第二特征图是在第N级之前生成的特征图上的关注对象图像的范围；提取单元，用于在所述第一特征图上设置位于由校正后的位置信息表示的位置的关注区域，从所述关注区域中提取与关注对像相关的特征信息。
例如，生成单元包括输入层51及N级特征提取单元,所述N大于等于2，例如N=5，卷积层52-1和池化层53-1的组成第1级，卷积层52-1对输入层51输入的图像进行卷积生成10个特征图M1-M10，这些特征图的尺寸与图像Im的尺寸1024像素×1024像素相同，池化层53-1分别对10个特征图进行池化生成1O个特征图M11-M20，这些特征图的尺寸比特征图M1-M10要小，为512像素×512像素；卷积层52-2和池化层53-2的组成第2级，卷积层52-2分别对10个特征图M11-M20进行卷积处理，生成10个特征图M21-M30，尺寸为512像素×512像素，池化层53-2分别对10个特征图M21-M30进行池化生成1O个的特征图M31-M40，尺寸为256像素×256像素；卷积层52-3和池化层53-3的组成第3级，卷积层52-3分别对10个特征图M31-M40进行卷积处理，生成10个特征图M41-M50，尺寸为256像素×256像素，池化层53-3分别对10个特征图M41-M50进行池化生成1O个特征图M51-M60，尺寸为128像素×128像素；卷积层52-4和池化层53-4的组成第4级，卷积层52-4分别对10个特征图M51-M60进行卷积处理，生成10个特征图M61-M70，尺寸为128像素×128像素，池化层53-4分别对10个特征图M61-M70进行池化生成10特征图为M71-M80，尺寸为64像素×64像素；卷积层52-5和池化层53-5的组成第5级，卷积层52-5分别对10个特征图M71-M80进行卷积处理，生成10个特征图M81-M90，尺寸为64像素×64像素，池化层53-5分别对10个特征图M81-M90进行池化生成10个特征图M91-M100，尺寸为32像素×32像素。在可选的实施例中，可不具有池化层53。随着从第1级到第5级，特征图M的分辨率变低，如果特征图M的纵向尺寸和横向尺寸变为一半，则范围S的纵向尺寸和横向尺寸变为一半。
RPN层54根据特征图M91-M100的特征，检测出的关注对象及其位置信息P。RPN层54具有获取单元的功能，使用在多级中的最后一级生成的第一特征图，检测上述图像Im中拍摄的人物OB，获取人物在所述第一特征图上的位置信息P。在实施方例中，第一特征图是特征图M91-M100。
参照图4，选择单元59从除了在最后级获得的第一特征图之外的级获得第二特征图。更具体地，第二特征图是在位于第5级之前的级中生成的特征图M上的关注对象图像范围S。选择单元59通过切换开关，由第1级的池化层53-1得到的特征图M11-M20上的关注对象图像范围S（48像素×48像素），第2级的池化层53-2得到的特征图M31-M40上的关注对像图像范围S（24像素×24像素），第3级的池化层53-3得到的特征图M51-M60的关注对象图像范围S（12像素×12像素），以及第4级的池化层53-4得到的特征图M71-M80上的关注图像范围S（6像素×6像素）。
例如，选择由第3级的池化层53-3得到的特征图M51-M60上的关注图像范围S（12像素×12像素）作为第二特征图，记为关注区域R。如果关注区域R的尺寸过小，则在特征信息F中不包含与位置相关的信息，所以预先决定关注区域R的尺寸的下限值，使得与位置相关的信息包含在特征信息F中。随着从第1级朝向第5级，特征图M的分辨率变低，因此在图像Im中拍摄的关注对象的范围S（成为检测对象的范围）也随着从第1级朝向第5级而变小。
参照图5，校正单元58修正RPN层54生成的位置信息P。原因如下：位置信息P为特征图M91-M100上的关注对象图像范围S的位置信息。位置信息P例如设为坐标C1、C2、C3和C4。
在实施方式中，特征图M51-M60的分辨率高于特征图M91-M100。因此，图4所示的校正单元58修正第一特征图上的位置信息P，使其与特征图M51-M60上的人物图像范围（第二特征图）的分辨率对应。M11-M20特征图上关注对象图像范围分辨率为48像素×48像素；M31-M40特征图上关注对象图像范围S的分辨率为24像素×24像素；M51-M60特征图上关注对象图像范围S的分辨率为12像素×12像素；M71-M80特征图上关注对象图像范围S的分辨率为6像素×6像素；M91-M100特征图像上关注图像范围的分辨率为3像素×3像素。
校正单元58对第一特征图上的位置信息P进行校正，使得由位置信息P表示的关注区域R的面积扩大到4倍，如图6所示。具体而言，修正单元58将坐标C1修正为坐标C5，将坐标C2修正为坐标C6，将坐标C3修正为坐标C7，将坐标C4修正为坐标C8。由坐标C5、C6、C7和C8确定位置的关注区域R以由坐标C1、C2、C3和C4所形成的位置区域为中心。
校正单元58将修正了位置信息P的第一特征图向RoI池化层55输送。RoI池化层55作为提取单元发挥功能，从所述关注区域R中提取与关注对象的特征信息F。
RoI池化层55通过对关注区域R分别进行池化，来表示与关注对象相关的特征信息F1-F10，通过池化处理被整形为全部相同的尺寸，如都是4像素×4像素。
进一步详细说明以上说明的RoI池化。如上所述，RoI池化是提取关注区域R，将其作为固定尺寸（例如4像素×4像素）的特征图的处理，该特征图M成为特征信息F。例如，在关注区域R的尺寸为12像素×12像素，将其设为4像素×4像素的特征图（特征信息F）的情况下，RoI池化层55将12像素×12像素的关注区域R分割为3×3的网格。在关注区域R的尺寸不能被网格的尺寸整除的情况下，也进行同样的处理。
参照图4，RoI池化层55将特征信息F1-F10送往全结合层56。全结合层56对特征信息F1-F10进行回归分析，生成回归结果RR，而后送往输出层57。输出层57将回归结果RR送往图1所示的图像编码模块212。
本发明中，第二特征图的分辨率比第一特征图上的关注对象范围S的分辨率高。因此，从设定在第二特征图上的关注区域R中抽出的特征信息F，与从设定在第一特征图上的关注对象图像范围S中抽出特征信息F相比，包含更多的与位置相关的信息。因此，如果使用从设定在第一特征图中的关注区域R中提取出的特征信息F，则能够估计关注对象的细节信息。
本发明中，由于外置图像输入装置2给智能终端传送的是从关注区域中提取的与关注对象有关的特征信息的编码信息，因此需要传送的二进制码流大大减小，从而节省了无线频谱资源。
容易理解的是，本发明在说明书和附图的总体描述总体解决方案可以被设计成多种不同的结构。因此，如说明书和附图中所表示的各种实现方式更详细的描述并非旨在限制本公开的范围，而仅表示各种示例性的实现方式。虽然在附图中示出了本解决方案的各个方面，但是除非特别指出，否则附图不必按比例绘制。本发明所描述的实施例在所有方面都被认为仅仅是说明性的而不是限制性的。因此，本发明的保护范围是：由权利要求而不是该说明书的详细描述确定。在权利要求的等同物的含义和范围内的所有改变都包括在其范围内。

Claims (9)

1.一种图像通信系统，其包括外置图像输入装置和智能终端，所述外置图像输入装置包括摄像头、第一匹配电路、第一处理器和第一存储器，其中，摄像头用于获取图像并传送给第一处理器，第一存储器用于存储图像数据及图像图像处理程序, 定位授时模块用于获取佩戴者的位置信息及拍摄图像的时间信息，其特征在于，图像输入装置还包括第一匹配电路，第一匹配电路用于与智能终端通过无线信道进行连接与通信，第一处理器用于控制第一匹配电路以与智能终端进行匹配连接，并用于调用图像处理程序对摄像头输入的图像信息进行图像处理生成特征图，对特征图进行编码生成字符串，而后通过第一匹配电路经天线发送给智能终端。
2.根据权利要求1所述的图像通信系统，其特征在于，所述图像识别通过包括使用卷积神经网络的图像识别模块实现，所述图像识别模块至少包括：生成单元、获取单元、校正单元和提取单元，其中，生成单元根据输入的图像生成分辨率随着从第1级向第N级而变低的特征图，使用第N级特征图生成第一特征图；获取单元，检测上述图像中拍摄的包含关注对象的图像，获取关注对象在所述第一特征图上的位置信息；校正单元，其校正所述位置信息，使得位置信息对应于第二特征图的分辨率，第二特征图是在第N级之前生成的特征图上的关注对象图像的范围；提取单元，用于在所述第一特征图上设置位于由校正后的位置信息表示的位置的关注区域，从所述关注区域中提取与关注对象有关的特征信息。
3.根据权利要求1所述的图像通信系统，其特征在于，外置图像输入装置还包括定位授时模块，其用于获取图像输入装置的位置信息的拍摄图像时的时间信息，并传送给第一处理器，所述第一处理器对位置信息和时间信息进行编码也通过匹配电路传送给智能终端。
4.根据权利要求1-3任一所述的图像通信系统，其特征在于，摄像头固定于眼镜架鼻托上部或者固定于眼罩、面罩眼部之间的位置，摄像头具有调焦机构，用户将摄像头佩戴于头部时，调焦机构使摄像头的视角大于或等于用户的两眼视角。
5.根据权利要求4所述的图像通信系统，其特征在于，智能终端包括第二匹配电路、第二处理器、显示器和第二存储器，其中，第二存储器用于存储图像库及图像合成程序；第二匹配电路用于与图像输入装置进行连接与通信，将接收的字符串传送给第二处理器；第二处理器用于控制第二匹配电路以与图像输入装置进行匹配连接，将通过第二匹配电路获取的外置图像输入装置传送来的信息存储于第二存储器、对信息进行处理在显示器上进行显示和/或通过网络传送给服务器或其它终端。
6.根据权利要求5所述的图像通信系统，其特征在于，智能终端还包括内置摄摄像头、内置电声转换器和选择模块，其被配置为根据用户的选择，选择采用内置摄像头获取图像还是采用外置图像输入装置获取图像。
7.根据权利要求6所述的图像通信系统，其特征在于，智能终端还包括内置摄摄像头、内置电声转换器和切换模块，切换模块被配置当检测到外置图像输入装置与智能终端匹配成功且外置图像输入装置工作正常时，切断内置摄像头与第二处理器的连接。
8.根据权利要求7所述的图像通信系统，其特征在于，第二存储器中存储有图像数据库，智能终端还包括图像合成模块，其被配置为根据接收的外置图像输入装置提供的信息及图像数据库中提供的信息进行图像合成，合成背景与图像输入装置拍摄的背景不同，而关注对象相同的图像。
9.一种图像记录方法，其特征在于，用于实施权利要求1-8任一所述的图像通信系统。
CN202010369315.9A 2020-05-02 2020-05-02 人工智能图像通信系统及记录方法 Active CN111372062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010369315.9A CN111372062B (zh) 2020-05-02 2020-05-02 人工智能图像通信系统及记录方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010369315.9A CN111372062B (zh) 2020-05-02 2020-05-02 人工智能图像通信系统及记录方法

Publications (2)

Publication Number Publication Date
CN111372062A true CN111372062A (zh) 2020-07-03
CN111372062B CN111372062B (zh) 2021-04-20

Family

ID=71212251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010369315.9A Active CN111372062B (zh) 2020-05-02 2020-05-02 人工智能图像通信系统及记录方法

Country Status (1)

Country Link
CN (1) CN111372062B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101610421A (zh) * 2008-06-17 2009-12-23 深圳华为通信技术有限公司 视频通讯方法、装置及系统
CN103187083A (zh) * 2011-12-29 2013-07-03 深圳中兴力维技术有限公司 一种基于时域视频融合的存储方法及其系统
US20160092736A1 (en) * 2014-09-30 2016-03-31 C/O Canon Kabushiki Kaisha System and method for object re-identification
CN105654471A (zh) * 2015-12-24 2016-06-08 武汉鸿瑞达信息技术有限公司 应用于互联网视频直播的增强现实ar系统及方法
CN106210612A (zh) * 2015-04-30 2016-12-07 杭州海康威视数字技术股份有限公司 视频编码方法、解码方法及其装置
CN106341658A (zh) * 2016-08-31 2017-01-18 广州精点计算机科技有限公司 一种城市安全状况智能监控系统
CN107071344A (zh) * 2017-01-22 2017-08-18 深圳英飞拓科技股份有限公司 一种大规模分布式监控视频数据处理方法及装置
CN109040691A (zh) * 2018-08-29 2018-12-18 石数字技术成都有限公司 一种基于前端目标检测的场景视频还原装置
CN110457974A (zh) * 2018-05-07 2019-11-15 浙江宇视科技有限公司 图像叠加方法、装置、电子设备及可读存储介质
CN111028302A (zh) * 2019-11-27 2020-04-17 华南师范大学 一种基于深度学习的压缩对象成像方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101610421A (zh) * 2008-06-17 2009-12-23 深圳华为通信技术有限公司 视频通讯方法、装置及系统
CN103187083A (zh) * 2011-12-29 2013-07-03 深圳中兴力维技术有限公司 一种基于时域视频融合的存储方法及其系统
US20160092736A1 (en) * 2014-09-30 2016-03-31 C/O Canon Kabushiki Kaisha System and method for object re-identification
CN106210612A (zh) * 2015-04-30 2016-12-07 杭州海康威视数字技术股份有限公司 视频编码方法、解码方法及其装置
CN105654471A (zh) * 2015-12-24 2016-06-08 武汉鸿瑞达信息技术有限公司 应用于互联网视频直播的增强现实ar系统及方法
CN106341658A (zh) * 2016-08-31 2017-01-18 广州精点计算机科技有限公司 一种城市安全状况智能监控系统
CN107071344A (zh) * 2017-01-22 2017-08-18 深圳英飞拓科技股份有限公司 一种大规模分布式监控视频数据处理方法及装置
CN110457974A (zh) * 2018-05-07 2019-11-15 浙江宇视科技有限公司 图像叠加方法、装置、电子设备及可读存储介质
CN109040691A (zh) * 2018-08-29 2018-12-18 石数字技术成都有限公司 一种基于前端目标检测的场景视频还原装置
CN111028302A (zh) * 2019-11-27 2020-04-17 华南师范大学 一种基于深度学习的压缩对象成像方法及系统

Also Published As

Publication number Publication date
CN111372062B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
CN108885784B (zh) 使用基于神经网络的机器学习的实时目光接触校正
WO2016101883A1 (zh) 一种即时视频中的人脸美化方法和电子设备
EP3435655B1 (en) Electronic device for acquiring image using plurality of cameras and method for processing image using the same
KR102385188B1 (ko) 외부 전자 장치에서 생성된 정보를 이용하여 이미지 데이터를 처리하는 방법 및 전자 장치
CN109756763B (zh) 用于基于优先级处理图像的电子装置及其操作方法
EP2652677A1 (en) Augmented reality processing based on eye capture in handheld device
KR102386385B1 (ko) 전자 장치 및 전자 장치의 이미지 압축 방법
CN109658338A (zh) 使用外部电子装置处理原始图像的方法和电子装置
CN107424117B (zh) 图像美颜方法、装置、计算机可读存储介质和计算机设备
US11393078B2 (en) Electronic device and method for correcting image on basis of image transmission state
CN108965889A (zh) 图像压缩方法、图像恢复方法及计算机可读记录介质
CN108898650B (zh) 人形素材创建方法及相关装置
US20240013432A1 (en) Image processing method and related device
CN111372062B (zh) 人工智能图像通信系统及记录方法
CN115885314A (zh) 图像的处理方法、装置、设备以及存储介质
CN116341586B (zh) 扫码方法、电子设备及存储介质
CN115565213B (zh) 图像处理方法及装置
CN111886874A (zh) 用于通知图像信号处理的更新的电子设备及用于操作电子设备的方法
JP2020027956A (ja) 処理装置
CN115358937A (zh) 图像去反光方法、介质及电子设备
CN113298829A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
US20190349519A1 (en) Electronic device and image processing method therefor
CN112655015A (zh) 电子装置及控制该电子装置的方法
JPH10149447A (ja) ジェスチャー認識方法および装置
CN113744130B (zh) 一种人脸图像生成方法、存储介质及终端设备

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