CN111524189A - 门开关状态检测方法、装置及计算机存储介质 - Google Patents
门开关状态检测方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN111524189A CN111524189A CN202010389038.8A CN202010389038A CN111524189A CN 111524189 A CN111524189 A CN 111524189A CN 202010389038 A CN202010389038 A CN 202010389038A CN 111524189 A CN111524189 A CN 111524189A
- Authority
- CN
- China
- Prior art keywords
- marker
- door
- image
- current
- detected
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种门开关状态检测方法、装置以及计算机存储介质,该方法包括:获取待检测门关闭时的图像作为基准图像,采集待检测门的当前图像,待检测门上设置有标识物;提取基准图像中的标识物的基准特征,以及获取标识物的基准位置坐标;基于标识物的基准特征,识别当前图像中标识物的当前位置坐标;比较当前位置坐标和基准位置坐标的差异度;若差异度大于预设的阈值,则确定待检测门处于开启状态。通过上述方式,本发明可以优化检测结果并降低成本。
Description
技术领域
本发明涉及门开关状态检测领域,特别是涉及一种门开关状态检测方法、装置及计算机存储介质。
背景技术
门开关状态自动检测是管理人员实时掌握闸门开启状态的有效手段,现有技术中一般采用电子传感器进行检测,但是由于门多安装于河流、水渠等近水环境中,空气潮湿,及易造成电子传感器的损坏或者异常,因此采用电子传感器构成的闸门开关状态检测方案具有安装不便、后期维护困难以及可能出现的检测效果较差的问题。
发明内容
本发明提供一种门开关状态检测方法、装置及计算机存储介质,以解决现有技术采用电子传感器检测效果较差的问题。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种门开关状态检测方法,所述方法包括:获取待检测门关闭时的图像作为基准图像,采集所述待检测门的当前图像,所述待检测门上设置有标识物;提取所述基准图像中的所述标识物的基准特征,以及获取所述标识物的基准位置坐标;基于所述标识物的基准特征,识别所述当前图像中所述标识物的当前位置坐标;比较所述当前位置坐标和基准位置坐标的差异度;若所述差异度大于预设的阈值,则确定所述待检测门处于开启状态。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种门开关状态检测装置,所述一种门开关状态检测装置包括处理器和存储器;所述存储器中存储有计算机程序,所述处理器用于执行所述计算机程序以实现如上述中任一项所述方法的步骤。
为解决上述技术问题,本发明采用的另一个技术方案是提供一种计算机存储介质,其中存储有计算机程序,计算机程序被执行时实现上述门开关状态检测方法的步骤。
区别于现有技术,本发明通过提取所述基准图像中的标识物的基准特征,以及获取标识物的基准位置坐标;基于标识物的基准特征,识别当前图像中标识物的当前位置坐标;比较当前位置坐标和基准位置坐标的差异度;若差异度大于预设的阈值,则确定待检测门处于开启状态。即通过判断标识物在基准图像与当前图像中的位置变化,从而判断待检测门是否发生了较大的移位,进而确定该待检测门是否开启或关闭。一方面,通过图像采集的方式而非电子传感器,无需与待检测门进行直接接触,因此待检测门的频繁开启以及待检测门的环境不会影响到检测结果。又一方面,本申请的识别对象主要为便于识别的标识物,而非复杂度且种类较多的待检测门,可以较大的提高检测准确性和稳定性。再一方面,本申请通过比较标识物的基准位置坐标与当前位置坐标,且基准位置坐标与标识物的轮廓有较为灵活的设定,因此可以便于用户进行设定,从而调整待检测门的开启或关闭的判断尺度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对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是本发明门开关状态检测方法第一实施例的流程示意图;
图2是图1步骤S12的子步骤一流程示意图;
图3是图1步骤S12的子步骤另一流程示意图;
图4是图1步骤S12的子步骤另一流程示意图;
图5是图1步骤S13的子步骤的流程示意图;
图6是本发明门开关状态检测方法第二实施例的流程示意图;
图7是本发明门开关状态检测方法第三实施例的流程示意图;
图8是本发明提供的基准图像的一实施方式示意图;
图9是本发明提供的当前图像的一实施方式示意图;
图10是本发明门开关状态检测装置第一实施例的结构示意图;
图11是本发明门开关状态检测装置第二实施例的结构示意图;
图12是本发明计算机存储介质一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1是本申请提供的门开关状态检测方法的第一实施例的流程示意图。该流程示意图具体包括如下步骤:
S11,获取待检测门关闭时的图像作为基准图像,采集所述待检测门的当前图像,所述待检测门上设置有标识物。
在可选实施例中,可以先通过图像传感器在关闭时的待检测门进行拍摄形成码流,随后获取该码流并进行解码从而获取到基准图像。
其中,该待检测门上设置有标识物,可选的,该标识物具体可以几何图形如“▲”、“▎”或者“■”等等,也可以是特殊的符号如“★”,“卍”等等,可选的,该标识物可以利用夜间可视材料所绘制或制备,如荧光材料等等,从而使得标识物在不同的光照条件下均有较高的识别度,可以大幅度提高检测准确性和稳定性。
随后,在进行门开关状态检测时,则可以采集该待检测门的当前图像,相似的,可以利用图像传感器在采集基准图像时的角度对待检测门进行拍摄并获取码流,随后获取该码流并解码从而获取到当前图像。
S12,提取基准图像中的标识物的基准特征,以及获取标识物的基准位置坐标。
提取基准图像中的标识物的基准特征,并获取到该标识物的基准位置坐标。
请参阅图2,图2是图1步骤S12的子步骤,具体提取基准图像中的标识物的基准特征的子步骤,包括有如下步骤:
S121,提取基准图像中标识物的边缘特征。
提取基准图像中标识物的边缘特征。
在可选场景中,可以通过获取人工标记的方式从而从基准图像上确定标识物,并获取该标识物的边缘特征。
在另一可选场景中,可以基于标识物的颜色或灰度等信息从基准图像中识别标识物,并获取该标识物的边缘特征。
可选的,该边缘特征具体可以是标识物的边线或者顶点等几何特征信息。
S122,根据边缘特征获取到标识物的周长信息与面积信息。
随后根据边缘特征获取到该标识物的周长信息与面积信息,具体可以根据常规的几何算法从而获取到该标识物的周长信息与面积信息。
S123,计算标识物的面积周长比。
在获取到周长信息与面积信息后,则将周长信息与面积信息作除运算,进而得到该标识物的面积周长比。
S124,将面积周长比作为基准特征。
随后可以将面积周长比作为基准特征,即作为该标识物的基准特征。
请参阅图3,图3是图1步骤S12的另一子步骤,具体是获取标识物的基准位置坐标的第一实施例的子步骤,包括有如下步骤:
S125a,基于基准图像建立坐标系。
基于基准图像建立坐标系,具体可以以基准图像的中心点或者左下角为原点建立直角坐标系。
S126a,获取标识物在坐标系中的边缘坐标。
获取标识物在坐标系中的边缘坐标,即标识物的边线的坐标信息。
S127a,根据边缘坐标得到标识物的基准位置坐标。
随后根据边缘坐标得到标识物的基准位置坐标,具体而言,可以按照预设的比例将标识物的边缘坐标进行扩大,从而得到基准位置坐标。
可选的,该基准位置坐标实际为一个坐标区域或者坐标集合,以用于确定标识物的在基准图像上的整体位置。
请参阅图4,图4是图1步骤S12的另一子步骤,具体是获取标识物的基准位置坐标的第二实施例的子步骤,包括有如下步骤:
S125b,基于基准图像建立坐标系。
基于基准图像建立坐标系,具体可以以基准图像的中心点或者左下角为原点建立直角坐标系。
S126b,获取所输入的标准框,标准框围绕标识物设置。
在另一场景中,可以获取到所述的标准框,且该标准款围绕标识物进行设置。即可以通过标记的方式,在基准图像上围绕标识物设置标准框。
在可选场景中,该标准框的轮廓与标识物的轮廓并非需要是相似图像,如标识物的轮廓可以是三角形,而标准框的轮廓可以是四边形等。
S127b,获取标准框在坐标系的坐标信息并将坐标信息作为基准位置坐标。
随后获取标准框在坐标系的坐标信息,具体如标准框各条边线的坐标信息,并将坐标信息作为基准位置坐标。
S13,基于标识物的基准特征,识别当前图像中标识物的当前位置坐标。
在获取到标识物的基准特征后,则可以基于标识物的基准特征从当前图像中去识别标识物,并获取到标识物的当前位置坐标。
请参阅图5,图5是图1步骤S13的一子步骤,包括有如下步骤:
S131,基于基准特征,从当前图像中识别标识物。
首先可以基于基准特征,从当前图像中识别该标识物。
可选的,可以通过颜色或者灰度信息等先从当前图像上初步确定候选标识物,随后提取候选标识物的边缘特征,并根据边缘特征获取到周长信息与面积信息,进而获取到面积周长比并作为候选标识物的当前特征,将该当前特征与基准特征进行比较,如果相似度大于预设的相似度阈值,则确定该候选标识物为标识物。
S132,基于采集图像建立坐标系。
基于采集图像建立坐标系,与步骤S125a相似,可以以采集图像的中心点或者左下角为原点建立直角坐标系。且原点需要与步骤S125a或步骤S125b中的原点在图像中的位置保持一致。如在步骤S125a或步骤S125b中的原点为图像的左下角,则本步骤中的坐标系的原点是图像的左下角。
S133,获取标识物在坐标系中的边缘坐标。
获取标识物在坐标系中的边缘坐标,随后获取标识物在坐标系中的边缘坐标,即该标识物的边线的坐标信息。
S134,根据边缘坐标得到标识物的当前位置坐标。
根据标识物所有的边缘坐标的集合获取到标识物的当前位置坐标。
S14,比较当前位置坐标和基准位置坐标的差异度。
比较当前位置坐标和基准位置坐标的差异度。具体可以比较当前位置坐标相对基准位置坐标的平移值,如果平移值较低,则表示差异度较低。
则其他场景中,如基准位置坐标是通过图4步骤所获取的,则可能出现当前位置坐标与基准位置坐标的所表示的区域轮廓具有一定差异性,则可以通过重合率来比较,如果重合率较大,则表示差异度较低。
S15,若差异度大于预设的阈值,则确定待检测门处于开启状态。
如果差异度大于预设的阈值,则确定待检测门处于开启状态。
上述实施例中,通过提取所述基准图像中的标识物的基准特征,以及获取标识物的基准位置坐标;基于标识物的基准特征,识别当前图像中标识物的当前位置坐标;比较当前位置坐标和基准位置坐标的差异度;若差异度大于预设的阈值,则确定待检测门处于开启状态。即通过判断标识物在基准图像与当前图像中的位置变化,从而判断待检测门是否发生了较大的移位,进而确定该待检测门是否开启或关闭。一方面,通过图像采集的方式而非电子传感器,无需与待检测门进行直接接触,因此待检测门的频繁开启以及待检测门的环境不会影响到检测结果。又一方面,本申请的识别对象主要为便于识别的标识物,而非复杂度且种类较多的待检测门,可以较大的提高检测准确性和稳定性。再一方面,本申请通过比较标识物的基准位置坐标与当前位置坐标,且基准位置坐标与标识物的轮廓有较为灵活的设定,因此可以便于用户进行设定,从而调整待检测门的开启或关闭的判断尺度。
请参阅图6,图6是本申请提供的门开关状态检测方法的第二实施例的流程示意图。该流程示意图具体包括如下步骤:
S21,获取标识物在基准图像中的检测区域坐标。
获取标识物在基准图像中的检测区域坐标。
可选的,可以通过获取所输入的检测区域信息在基准图像上生成检测区域,具体的,该标识物位于检测区域内。随后与步骤S13等相似的方法获取到检测区域的检测区域坐标。
S22,根据检测区域坐标在当前图像中确定当前检测区域。
随后可以根据检测区域坐标进而在当前图像中确定当前检测区域。
S23,从当前检测区域中识别标识物。
随后可以基于标识物的基准特征从而从当前检测区域中去识别标识物,而无需直接从整个当前图像中去识别,可以极大的减少识别区域,从而提高运算效率。
请参阅图7,图7是本申请提供的门开关状态检测方法的第三实施例的流程示意图。该流程示意图具体包括如下步骤:
S31,若基于标识物的基准特征,从当前图像中未识别到标识物,则确定待检测门处于开启状态。
在另一场景中,若基于标识物的基准特征,从当前图像中没有识别到标识物,则可能该待检测门已经具有较大的移位,即已经处于开启状态。
S32,若待检测门处于开启状态,则发出警报。
若待检测门处于开启状态,则发出警报,以提醒相关工作人员注意。
请一并参阅图8-图9,以一具体场景为例:
如图8所示,图8为基准图像的一实施方式示意图,以基准图像的左下角建立坐标系,识别基准图像的标识物,并获取到标识物的基准特征,其基准特征在上述实施例已经有详细介绍,具体可以为该标识物的基准特征,随后获取到该标识物的基准位置的基准位置坐标。如图9所示,图9为当前图像的一实施方式示意图。在获取到当前图像后,可以基于基准检测区域在基准图像上的检测区域坐标在当前图像上确定当前检测区域,随后从当前检测区域识别出标识物,并获取到标识物的当前位置的当前位置坐标,并比较当前位置坐标和基准位置坐标的差异度,且若该差异度大于预设的阈值,则确定待检测门处于开启状态。
上述门开关状态检测方法一般由门开关状态检测装置实现,因而本发明还提出一种门开关状态检测装置。请参阅图10,图10是本发明门开关状态检测装置一实施例的结构示意图。本实施例门开关状态检测装置300包括有获取模块31、提取模块32、识别模块33、比较模块34以及确定模块35。其中,获取模块31用于获取待检测门关闭时的图像作为基准图像,采集待检测门的当前图像,待检测门上设置有标识物。提取模块32用于提取基准图像中的标识物的基准特征,以及获取标识物的基准位置坐标;识别模块33用于基于标识物的基准特征,识别当前图像中标识物的当前位置坐标;比较模块34比较当前位置坐标和基准位置坐标的差异度;确定模块35用于若差异度大于预设的阈值,则确定待检测门处于开启状态。
上述门开关状态检测方法一般由门开关状态检测装置实现,因而本发明还提出一种门开关状态检测装置。请参阅图11,图11是本发明门开关状态检测装置一实施例的结构示意图。本实施例门开关状态检测装置100包括处理器12和存储器11;存储器11中存储有计算机程序,处理器12用于执行计算机程序以实现如上述门开关状态检测方法的步骤。
上述门开关状态检测方法的逻辑过程以计算机程序呈现,在计算机程序方面,若其作为独立的软件产品销售或使用时,其可存储在计算机存储介质中,因而本发明提出一种计算机存储介质。请参阅图12,图12是本发明计算机存储介质一实施例的结构示意图,本实施例计算机存储介质200中存储有计算机程序21,计算机程序被处理器执行时实现上述配网方法或控制方法。
该计算机存储介质200具体可以为U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory,)、磁碟或者光盘等可以存储计算机程序的介质,或者也可以为存储有该计算机程序的服务器,该服务器可将存储的计算机程序发送给其他设备运行,或者也可以自运行该存储的计算机程序。该计算机存储介质200从物理实体上来看,可以为多个实体的组合,例如多个服务器、服务器加存储器、或存储器加移动硬盘等多种组合方式。
综上所述,本发明通过提取所述基准图像中的标识物的基准特征,以及获取标识物的基准位置坐标;基于标识物的基准特征,识别当前图像中标识物的当前位置坐标;比较当前位置坐标和基准位置坐标的差异度;若差异度大于预设的阈值,则确定待检测门处于开启状态。即通过判断标识物在基准图像与当前图像中的位置变化,从而判断待检测门是否发生了较大的移位,进而确定该待检测门是否开启或关闭。一方面,通过图像采集的方式而非电子传感器,无需与待检测门进行直接接触,因此待检测门的频繁开启以及待检测门的环境不会影响到检测结果。又一方面,本申请的识别对象主要为便于识别的标识物,而非复杂度且种类较多的待检测门,可以较大的提高检测准确性和稳定性。再一方面,本申请通过比较标识物的基准位置坐标与当前位置坐标,且基准位置坐标与标识物的轮廓有较为灵活的设定,因此可以便于用户进行设定,从而调整待检测门的开启或关闭的判断尺度。另一方面,通过设置检测区域,则可以基于标识物的基准特征从而从当前检测区域中去识别标识物,而无需直接从整个当前图像中去识别,可以极大的减少识别区域,从而提高运算效率。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种门开关状态检测方法,其特征在于,所述方法包括:
获取待检测门关闭时的图像作为基准图像,采集所述待检测门的当前图像,所述待检测门上设置有标识物;
提取所述基准图像中的所述标识物的基准特征,以及获取所述标识物的基准位置坐标;
基于所述标识物的基准特征,识别所述当前图像中所述标识物的当前位置坐标;
比较所述当前位置坐标和基准位置坐标的差异度;
若所述差异度大于预设的阈值,则确定所述待检测门处于开启状态。
2.根据权利要求1所述的方法,其特征在于,所述提取所述基准图像中所述标识物的基准特征,包括:
提取所述基准图像中所述标识物的边缘特征;
根据所述边缘特征获取到所述标识物的周长信息与面积信息;
计算所述标识物的面积周长比;
将所述面积周长比作为所述基准特征。
3.根据权利要求2所述的方法,其特征在于,所述获取所述标识物的基准位置坐标,包括:
基于所述基准图像建立坐标系;
获取所述标识物在所述坐标系中的边缘坐标;
根据所述边缘坐标得到所述标识物的基准位置坐标。
4.根据权利要求2所述的方法,其特征在于,所述获取所述标识物的基准位置坐标,包括:
基于所述基准图像建立坐标系;
获取所输入的标准框,所述标准框围绕所述标识物设置;
获取所述标准框在所述坐标系的坐标信息并将所述坐标信息作为所述基准位置坐标。
5.根据权利要求1所述的方法,其特征在于,所述基于所述标识物的基准特征,识别所述当前图像中所述标识物的当前位置坐标,包括:
基于所述基准特征,从所述当前图像中识别所述标识物;
基于所述采集图像建立坐标系;
获取所述标识物在所述坐标系中的边缘坐标;
根据所述边缘坐标得到所述标识物的当前位置坐标。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述标识物在所述基准图像中的检测区域坐标;
所述从所述当前图像中识别所述标识物,包括:
根据所述检测区域坐标在所述当前图像中确定当前检测区域;
从所述当前检测区域中识别所述标识物。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若基于所述标识物的基准特征,从所述当前图像中未识别到所述标识物,则确定所述待检测门处于开启状态。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
若所述待检测门处于开启状态,则发出警报。
9.一种门开关状态检测装置,其特征在于,所述门开关状态检测装置包括处理器和存储器;所述存储器中存储有计算机程序,所述处理器用于执行所述计算机程序以实现如权利要求1-8中任一项所述方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序被执行时实现如权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010389038.8A CN111524189A (zh) | 2020-05-09 | 2020-05-09 | 门开关状态检测方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010389038.8A CN111524189A (zh) | 2020-05-09 | 2020-05-09 | 门开关状态检测方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111524189A true CN111524189A (zh) | 2020-08-11 |
Family
ID=71907029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010389038.8A Pending CN111524189A (zh) | 2020-05-09 | 2020-05-09 | 门开关状态检测方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111524189A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902072A (zh) * | 2021-09-30 | 2022-01-07 | 广州中爆数字信息科技股份有限公司 | 二维码检测仓库门状态的方法、装置、计算机设备和介质 |
WO2023070456A1 (zh) * | 2021-10-28 | 2023-05-04 | 深圳真伊科技有限公司 | 一种车库门状态监控方法、系统、监控设备和存储介质 |
CN117114031A (zh) * | 2023-07-17 | 2023-11-24 | 广东金朋科技有限公司 | 开门状态检测方法、系统及智能家居系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464951A (zh) * | 2007-12-21 | 2009-06-24 | 北大方正集团有限公司 | 图像识别方法及系统 |
CN101585478A (zh) * | 2008-05-23 | 2009-11-25 | 株式会社日立制作所 | 电梯门的安全装置和安全控制方法 |
CN106559647A (zh) * | 2015-09-28 | 2017-04-05 | 株式会社日立制作所 | 开门关门检测装置和方法、人流检测系统和交通工具 |
CN106986248A (zh) * | 2017-05-23 | 2017-07-28 | 四川长虹电器股份有限公司 | 基于摄像图像的电梯开关门检测方法 |
US20180111480A1 (en) * | 2016-10-24 | 2018-04-26 | GM Global Technology Operations LLC | Method and apparatus for door status detection |
CN108154078A (zh) * | 2017-11-20 | 2018-06-12 | 爱图瓴(上海)信息科技有限公司 | 食材管理装置及方法 |
CN108764166A (zh) * | 2018-05-30 | 2018-11-06 | 天仁民防建筑工程设计有限公司 | 一种基于支撑杆的人防门位置状态检测系统及方法 |
CN108804987A (zh) * | 2017-05-04 | 2018-11-13 | 株式会社日立制作所 | 门开闭状态检测方法和装置、以及人流检测系统 |
CN109684976A (zh) * | 2018-12-18 | 2019-04-26 | 浙江大华技术股份有限公司 | 门状态监测方法、装置、设备和系统及存储介质 |
CN110264520A (zh) * | 2019-06-14 | 2019-09-20 | 北京百度网讯科技有限公司 | 车载传感器与车辆位姿关系标定方法、装置、设备和介质 |
CN110263692A (zh) * | 2019-06-13 | 2019-09-20 | 北京数智源科技有限公司 | 大场景下集装箱开关门状态识别方法 |
-
2020
- 2020-05-09 CN CN202010389038.8A patent/CN111524189A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464951A (zh) * | 2007-12-21 | 2009-06-24 | 北大方正集团有限公司 | 图像识别方法及系统 |
CN101585478A (zh) * | 2008-05-23 | 2009-11-25 | 株式会社日立制作所 | 电梯门的安全装置和安全控制方法 |
CN106559647A (zh) * | 2015-09-28 | 2017-04-05 | 株式会社日立制作所 | 开门关门检测装置和方法、人流检测系统和交通工具 |
US20180111480A1 (en) * | 2016-10-24 | 2018-04-26 | GM Global Technology Operations LLC | Method and apparatus for door status detection |
CN108804987A (zh) * | 2017-05-04 | 2018-11-13 | 株式会社日立制作所 | 门开闭状态检测方法和装置、以及人流检测系统 |
CN106986248A (zh) * | 2017-05-23 | 2017-07-28 | 四川长虹电器股份有限公司 | 基于摄像图像的电梯开关门检测方法 |
CN108154078A (zh) * | 2017-11-20 | 2018-06-12 | 爱图瓴(上海)信息科技有限公司 | 食材管理装置及方法 |
CN108764166A (zh) * | 2018-05-30 | 2018-11-06 | 天仁民防建筑工程设计有限公司 | 一种基于支撑杆的人防门位置状态检测系统及方法 |
CN109684976A (zh) * | 2018-12-18 | 2019-04-26 | 浙江大华技术股份有限公司 | 门状态监测方法、装置、设备和系统及存储介质 |
CN110263692A (zh) * | 2019-06-13 | 2019-09-20 | 北京数智源科技有限公司 | 大场景下集装箱开关门状态识别方法 |
CN110264520A (zh) * | 2019-06-14 | 2019-09-20 | 北京百度网讯科技有限公司 | 车载传感器与车辆位姿关系标定方法、装置、设备和介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902072A (zh) * | 2021-09-30 | 2022-01-07 | 广州中爆数字信息科技股份有限公司 | 二维码检测仓库门状态的方法、装置、计算机设备和介质 |
WO2023070456A1 (zh) * | 2021-10-28 | 2023-05-04 | 深圳真伊科技有限公司 | 一种车库门状态监控方法、系统、监控设备和存储介质 |
CN117114031A (zh) * | 2023-07-17 | 2023-11-24 | 广东金朋科技有限公司 | 开门状态检测方法、系统及智能家居系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sirmacek et al. | Building detection from aerial images using invariant color features and shadow information | |
CN111524189A (zh) | 门开关状态检测方法、装置及计算机存储介质 | |
US9679354B2 (en) | Duplicate check image resolution | |
CN109919002B (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
Xu | Robust traffic sign shape recognition using geometric matching | |
CN105321350A (zh) | 套牌车检测方法及装置 | |
CN112669287B (zh) | 基于图像识别的电气设备温度监测方法 | |
CN105121620A (zh) | 图像处理设备、图像处理方法、程序和存储介质 | |
CN104680145A (zh) | 一种门的开关状态变化检测方法及装置 | |
Wang et al. | Building detection in high resolution satellite urban image using segmentation, corner detection combined with adaptive windowed hough transform | |
CN114581658A (zh) | 一种基于计算机视觉的目标检测方法及装置 | |
CN107274382A (zh) | 一种硬压板的状态辨识方法、装置及电子设备 | |
Michelin et al. | Quality evaluation of 3D city building models with automatic error diagnosis | |
CN105590086A (zh) | 一种基于视觉标签识别的物品防盗检测方法 | |
KR101380329B1 (ko) | 영상의 변화를 검출하는 방법 | |
CN111104857A (zh) | 一种基于步态能量图的身份识别方法及系统 | |
WO2022198507A1 (zh) | 障碍物检测方法、装置、设备和计算机存储介质 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN115410153A (zh) | 一种门开关状态的判定方法、装置、电子终端及存储介质 | |
Si-ming et al. | Moving shadow detection based on Susan algorithm | |
CN112329572B (zh) | 一种基于边框和闪光点的快速静态活体检测方法及装置 | |
CN110853059B (zh) | 一种靶子环数的图像识别方法 | |
CN112183556B (zh) | 一种基于空间聚类与分水岭变换的港口矿堆轮廓提取方法 | |
CN114005060A (zh) | 图像数据的确定方法及装置 |
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 |