CN111582124A - 红外热像仪的人脸识别及测温方法 - Google Patents
红外热像仪的人脸识别及测温方法 Download PDFInfo
- Publication number
- CN111582124A CN111582124A CN202010359773.4A CN202010359773A CN111582124A CN 111582124 A CN111582124 A CN 111582124A CN 202010359773 A CN202010359773 A CN 202010359773A CN 111582124 A CN111582124 A CN 111582124A
- Authority
- CN
- China
- Prior art keywords
- rectangular frame
- candidate region
- region rectangular
- temperature
- thermal infrared
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 230000036760 body temperature Effects 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 4
- WKVZMKDXJFCMMD-UVWUDEKDSA-L (5ar,8ar,9r)-5-[[(2r,4ar,6r,7r,8r,8as)-7,8-dihydroxy-2-methyl-4,4a,6,7,8,8a-hexahydropyrano[3,2-d][1,3]dioxin-6-yl]oxy]-9-(4-hydroxy-3,5-dimethoxyphenyl)-5a,6,8a,9-tetrahydro-5h-[2]benzofuro[6,5-f][1,3]benzodioxol-8-one;azanide;n,3-bis(2-chloroethyl)-2-ox Chemical compound [NH2-].[NH2-].Cl[Pt+2]Cl.ClCCNP1(=O)OCCCN1CCCl.COC1=C(O)C(OC)=CC([C@@H]2C3=CC=4OCOC=4C=C3C(O[C@H]3[C@@H]([C@@H](O)[C@@H]4O[C@H](C)OC[C@H]4O3)O)[C@@H]3[C@@H]2C(OC3)=O)=C1 WKVZMKDXJFCMMD-UVWUDEKDSA-L 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 9
- 101100205088 Caenorhabditis elegans iars-1 gene Proteins 0.000 claims description 6
- 101100452784 Caenorhabditis elegans ire-1 gene Proteins 0.000 claims description 6
- 101150030450 IRS1 gene Proteins 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外热像仪的人脸识别及测温方法,包括如下步骤:利用红外热像仪获取视场内的图像及温度信息;对图像进行行列抽样,得到采样像素点及其对应的温度值,同时,联合预设的体温阈值区间获得二值图像Y;对二值图像Y进行标记连通,得到候选区域矩形框;对候选区域矩形框进行更新、融合,得到疑似目标候选区域,接下来,截取疑似目标候选区域对应的红外灰度图像,从图像中识别人脸并得到其对应的温度。该红外热像仪的人脸识别及测温方法可减少人脸识别的计算量、提高运算速度。
Description
技术领域
本发明涉及红外热像仪人脸检测领域,特别提供了一种红外热像仪的人脸识别及测温方法。
背景技术
红外热像仪获取红外图像的一种机制是:红外探测器采集二进制数字信号,之后将二进制数字信号映射到0~255区间。对于视场内温差小且没有探测目标(人)的情况,该方法获得的图像灰度范围仍为0~255,此时,通过对该类图像直接做目标检测非常耗时。
另外,目标可能佩戴眼镜、口罩,而眼镜、口罩的佩戴会导致面部遮挡从而影响识别的准确度。
发明内容
鉴于此,本发明的目的在于提供一种红外热像仪的人脸识别及测温方法,以解决面部遮挡造成目标定位困难、无目标且温差小时运算量大、速度慢等问题。
本发明提供的技术方案是:红外热像仪的人脸识别及测温方法,包括如下步骤:
S1:利用红外热像仪获取视场内的图像S及温度信息;
S2:对图像S进行行列抽样,得到采样像素点,并利用红外热像仪获得的温度信息计算各采样像素点对应的温度值,同时,联合预设的体温阈值区间获得二值图像Y;
S3:对二值图像Y进行标记连通,得到候选区域矩形框;
S4:对各个候选区域矩形框进行更新,使其满足预设的人脸高宽比,得到更新后的候选区域矩形框;
S5:对更新后的候选区域矩形框进行融合,得到融合后的候选区域矩形框;
S6:截取融合后的候选区域矩形框对应的红外灰度图像X,从中识别人脸,并得到人脸对应的矩形框;
S7:查找人脸对应的矩形框内温度最大值对应的坐标点(a,b),并将该点温度值与其周围坐标点的温度值求和后再求平均,作为目标真实温度。
优选,S2中,预设的体温阈值区间为31℃~42℃。
进一步优选,S4中,每个候选区域矩形框的更新方法如下:若候选区域矩形框高宽比小于预设的人脸高宽比,则保持候选区域矩形框的起始列、终止列、起始行数值不变,对终止行进行下扩操作,得到最新的终止行数值,并对候选区域矩形框的坐标进行更新,使新的候选区域矩形框坐标满足预设的人脸高宽比;否则,直接将原候选区域矩形框作为更新后的候选区域矩形框。
进一步优选,预设的人脸高宽比为1.1~1.3。
进一步优选,S5中,任意两个候选区域矩形框的融合方法如下:
S51:取候选区域矩形框A和候选区域矩形框B,设候选区域矩形框A的起始行iRs1,终止行iRe1,起始列iCs1,终止列iCe1,候选矩形框B的起始行iRs2,终止行iRe2,起始列iCs2,终止列iCe2,其中,候选区域矩形框A和候选区域矩形框B分别为任意两个候选区域矩形框;
S52:根据候选区域矩形框A和候选区域矩形框B的起始行、终止行、起始列、终止列判断两者是否满足融合条件,若是,则进行融合,否则,直接将原更新后的候选区域矩形框作为融合后的候选区域矩形框,其中,融合条件为:iCs2<iCs1<iCe2或iCs2<iCe1<iCe2或iCs1<iCs2<iCe1或iCs1<iCe2<iCe1,融合后的新的矩形框坐标为:起始行:min(iRs1,iRs2);终止行:max(iRe1,iRe2);起始列:min(iCs1,iCs2);终止列:max(iCe1,iCe2)。
进一步优选,S6中还包括对候选区域矩形框的灰度图像X进行直方图均衡的步骤。
进一步优选,S7中,求和后再求平均的坐标点是以坐标点(a,b)为中心的n*n个坐标点,其中,n为大于等于3的奇数。
进一步优选,n等于3或5。
进一步优选,所述红外热像仪的人脸识别及测温方法还包括如下步骤:S8:标记并显示所述目标真实温度。
本发明提供的红外热像仪的人脸识别及测温方法,首先利用红外热像仪的温度信息对当前视场内有无目标进行粗筛选,并通过逻辑运算弱化面部遮挡因素,完成疑似目标候选区域的定位,为目标检测与识别缩小范围,之后,通过图像识别人脸并得到对应温度,相比直接从图像中识别人脸并得到对应温度,可大大提高检测速度和精度。
具体实施方式
下面将结合具体的实施方案对本发明进行进一步的解释,但并不局限本发明。
本发明提供了一种红外热像仪的人脸识别及测温方法,包括如下步骤:
S1:利用红外热像仪获取视场内的图像S及温度信息;
S2:对图像S进行行列抽样,得到采样像素点,并利用红外热像仪获得的温度信息计算各采样像素点对应的温度值,同时,联合预设的体温阈值区间获得二值图像Y,其中,预设的体温阈值区间优选为31℃~42℃;
红外热像仪采集图像灰度数据,只开放单点温度数据函数接口,本发明按行列抽样遍历整个图像并根据红外热像仪获得的温度信息得到每个采样像素点的温度值,若温度值在预设的体温阈值区间内,则将对应坐标的二值图像的灰度值设置为255;若温度值不在预设的体温阈值区间内,则将对应坐标的二值图像的灰度值设置为0;
该步骤通过采样大大降低了运算数据量,提高了运算速度,另外,该步骤还不需要对中间图像温度矩阵进行存储,直接对温度做二值处理,进一步减少了运算量。
S3:对二值图像Y进行标记连通,得到候选区域矩形框;
S4:对各个候选区域矩形框进行更新,使其满足预设的人脸高宽比,得到更新后的候选区域矩形框,其中,每个候选区域矩形框的更新规则如下:若候选区域矩形框高宽比小于预设的人脸高宽比,则保持候选区域矩形框的起始列、终止列、起始行数值不变,对终止行进行下扩操作,得到最新的终止行数值,并对候选区域矩形框的坐标进行更新,使新的候选区域矩形框坐标满足预设的人脸高宽比;否则,直接将原候选区域矩形框作为更新后的候选区域矩形框;
人脸宽度及高度存在比例关系,优选,预设的人脸高宽比为1.1~1.3;
该步骤通过对各个候选区域矩形框进行更新,可解决人面部因被遮挡(如口罩、眼镜等)而导致红外热像仪采集面部某区域温度值低,最终导致单用体温阈值区间不能完整定位全脸的问题。
S5:对S4中更新后的候选区域矩形框进行融合,得到融合后的候选区域矩形框;
其中,任意两个候选区域矩形框的融合方法如下:
S51:取候选区域矩形框A和候选区域矩形框B,设候选区域矩形框A的起始行iRs1,终止行iRe1,起始列iCs1,终止列iCe1,候选矩形框B的起始行iRs2,终止行iRe2,起始列iCs2,终止列iCe2,其中,候选区域矩形框A和候选区域矩形框B分别为任意两个候选区域矩形框;
S52:根据候选区域矩形框A和候选区域矩形框B的起始行、终止行、起始列、终止列判断两者是否满足融合条件,若是,则进行融合,否则,直接将原更新后的候选区域矩形框作为融合后的候选区域矩形框,其中,融合条件为:iCs2<iCs1<iCe2或iCs2<iCe1<iCe2或iCs1<iCs2<iCe1或iCs1<iCe2<iCe1,融合后的新的矩形框坐标为:起始行:min(iRs1,iRs2);终止行:max(iRe1,iRe2);起始列:min(iCs1,iCs2);终止列:max(iCe1,iCe2);
S6:截取融合后的候选区域矩形框对应的红外灰度图像X,从中识别人脸,并得到人脸对应的矩形框;
其中,若S5中融合后的候选区域矩形框(疑似目标候选区域)个数为0,则认为当前时刻视场内没有目标,否则,S5中融合后的候选区域矩形框个数即为目标个数。
其中,S6中还包括对候选区域矩形框的红外灰度图像X进行直方图均衡的步骤,通过直方图均衡可以凸显图像内细节信息,从红外灰度图像X识别人脸可通过现有技术实现,具体地:通过图像分割、特征提取及模式识别得到。
S7:查找人脸对应的矩形框内温度最大值对应的坐标点(a,b),并将该点温度值与其周围坐标点的温度值求和后再求平均,作为目标真实温度;
该步骤采用区域温度平均值作为目标真实温度,而非将温度最大值作为目标真实温度,可以解决单点测温数值可能存在异常、可信度不高的问题。
其中,求和后再求平均的坐标点是以坐标点(a,b)为中心的n*n个坐标点,其中,n为大于等于3的奇数,优选,n=3或5,例:当n等于3时,选择的坐标点即为3*3=9个,选取的点的坐标分别为:(a-1,b-1)、(a-1,b)、(a-1,b+1)、(a,b-1)、(a,b)、(a,b+1)、(a+1,b-1)、(a+1,b)、(a+1,b+1)。
S8:标记并显示所述目标真实温度。
该红外热像仪的人脸识别及测温方法,首先利用预设的体温阈值区间对当前视场有无目标进行粗筛选,可提高检测效率,然后,通过预设的人脸高宽比进行矩形框更新、融合得到融合后的候选区域矩形框(疑似目标候选区域),接下来,截取每个疑似目标候选区域对应的红外灰度图像X,之后,从红外灰度图像X中识别人脸并得到其对应的温度,该方法可缩减识别的计算量,提高运算速度。
本发明的具体实施方式是按照递进的方式进行撰写的,着重强调各个实施方案的不同之处,其相似部分可以相互参见。
上面对本发明的实施方式做了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (9)
1.红外热像仪的人脸识别及测温方法,其特征在于,包括如下步骤:
S1:利用红外热像仪获取视场内的图像S及温度信息;
S2:对图像S进行行列抽样,得到采样像素点,并利用红外热像仪获得的温度信息计算各采样像素点对应的温度值,同时,联合预设的体温阈值区间获得二值图像Y;
S3:对二值图像Y进行标记连通,得到候选区域矩形框;
S4:对各个候选区域矩形框进行更新,使其满足预设的人脸高宽比,得到更新后的候选区域矩形框;
S5:对更新后的候选区域矩形框进行融合,得到融合后的候选区域矩形框;
S6:截取融合后的候选区域矩形框对应的红外灰度图像X,从中识别人脸,并得到人脸对应的矩形框;
S7:查找人脸对应的矩形框内温度最大值对应的坐标点(a,b),并将该点温度值与其周围坐标点的温度值求和后再求平均,作为目标真实温度。
2.按照权利要求1所述的红外热像仪的人脸识别及测温方法,其特征在于:S2中,预设的体温阈值区间为31℃~42℃。
3.按照权利要求1所述的红外热像仪的人脸识别及测温方法,其特征在于:S4中,每个候选区域矩形框的更新方法如下:若候选区域矩形框高宽比小于预设的人脸高宽比,则保持候选区域矩形框的起始列、终止列、起始行数值不变,对终止行进行下扩操作,得到最新的终止行数值,并对候选区域矩形框的坐标进行更新,使新的候选区域矩形框坐标满足预设的人脸高宽比;否则,直接将原候选区域矩形框作为更新后的候选区域矩形框。
4.按照权利要求3所述的红外热像仪的人脸识别及测温方法,其特征在于:预设的人脸高宽比为1.1~1.3。
5.按照权利要求1所述的红外热像仪的人脸识别及测温方法,其特征在于:S5中,任意两个候选区域矩形框的融合方法如下:
S51:取候选区域矩形框A和候选区域矩形框B,设候选区域矩形框A的起始行iRs1,终止行iRe1,起始列iCs1,终止列iCe1,候选矩形框B的起始行iRs2,终止行iRe2,起始列iCs2,终止列iCe2,其中,候选区域矩形框A和候选区域矩形框B分别为任意两个候选区域矩形框;
S52:根据候选区域矩形框A和候选区域矩形框B的起始行、终止行、起始列、终止列判断两者是否满足融合条件,若是,则进行融合,否则,直接将原更新后的候选区域矩形框作为融合后的候选区域矩形框,其中,融合条件为:iCs2<iCs1<iCe2或iCs2<iCe1<iCe2或iCs1<iCs2<iCe1或iCs1<iCe2<iCe1,融合后的新的矩形框坐标为:起始行:min(iRs1,iRs2);终止行:max(iRe1,iRe2);起始列:min(iCs1,iCs2);终止列:max(iCe1,iCe2)。
6.按照权利要求1所述的红外热像仪的人脸识别及测温方法,其特征在于:S6中还包括对候选区域矩形框的灰度图像X进行直方图均衡的步骤。
7.按照权利要求1所述的红外热像仪的人脸识别及测温方法,其特征在于:S7中,求和后再求平均的坐标点是以坐标点(a,b)为中心的n*n个坐标点,其中,n为大于等于3的奇数。
8.按照权利要求7所述的红外热像仪的人脸识别及测温方法,其特征在于:n等于3或5。
9.按照权利要求1所述的红外热像仪的人脸识别及测温方法,其特征在于:还包括如下步骤:S8:标记并显示所述目标真实温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010359773.4A CN111582124A (zh) | 2020-04-30 | 2020-04-30 | 红外热像仪的人脸识别及测温方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010359773.4A CN111582124A (zh) | 2020-04-30 | 2020-04-30 | 红外热像仪的人脸识别及测温方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111582124A true CN111582124A (zh) | 2020-08-25 |
Family
ID=72124608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010359773.4A Pending CN111582124A (zh) | 2020-04-30 | 2020-04-30 | 红外热像仪的人脸识别及测温方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582124A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232309A (zh) * | 2020-12-08 | 2021-01-15 | 飞础科智慧科技(上海)有限公司 | 用于热像人脸识别的方法、电子设备和存储介质 |
CN114937320A (zh) * | 2022-02-15 | 2022-08-23 | 百廿科技(北京)有限公司 | 一种具有人脸识别和测温功能的门锁系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932847A (zh) * | 2006-10-12 | 2007-03-21 | 上海交通大学 | 复杂背景下彩色图像人脸检测的方法 |
CN105844240A (zh) * | 2016-03-23 | 2016-08-10 | 深圳云天励飞技术有限公司 | 一种红外测温系统中的人脸检测方法及装置 |
CN110398291A (zh) * | 2019-07-25 | 2019-11-01 | 中国农业大学 | 一种运动目标最高温检测方法及系统 |
-
2020
- 2020-04-30 CN CN202010359773.4A patent/CN111582124A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932847A (zh) * | 2006-10-12 | 2007-03-21 | 上海交通大学 | 复杂背景下彩色图像人脸检测的方法 |
CN105844240A (zh) * | 2016-03-23 | 2016-08-10 | 深圳云天励飞技术有限公司 | 一种红外测温系统中的人脸检测方法及装置 |
CN110398291A (zh) * | 2019-07-25 | 2019-11-01 | 中国农业大学 | 一种运动目标最高温检测方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232309A (zh) * | 2020-12-08 | 2021-01-15 | 飞础科智慧科技(上海)有限公司 | 用于热像人脸识别的方法、电子设备和存储介质 |
CN112232309B (zh) * | 2020-12-08 | 2021-03-09 | 飞础科智慧科技(上海)有限公司 | 用于热像人脸识别的方法、电子设备和存储介质 |
CN114937320A (zh) * | 2022-02-15 | 2022-08-23 | 百廿科技(北京)有限公司 | 一种具有人脸识别和测温功能的门锁系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107452015B (zh) | 一种具有重检测机制的目标跟踪系统 | |
CN108022258B (zh) | 基于单次多框检测器与卡尔曼滤波的实时多目标跟踪方法 | |
CN114241548A (zh) | 一种基于改进YOLOv5的小目标检测算法 | |
CN113344475B (zh) | 基于序列模态分解的变压器套管缺陷识别方法及系统 | |
CN111582124A (zh) | 红外热像仪的人脸识别及测温方法 | |
CN114742799B (zh) | 基于自监督异构网络的工业场景未知类型缺陷分割方法 | |
CN113608663B (zh) | 一种基于深度学习和k-曲率法的指尖跟踪方法 | |
CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
CN115862259B (zh) | 一种基于温度监测的火警预警系统 | |
CN109255799B (zh) | 一种基于空间自适应相关滤波器的目标跟踪方法及系统 | |
CN108961334A (zh) | 一种基于图像配准的视网膜血管壁厚度测量方法 | |
WO2019172172A1 (ja) | 物体追跡装置、物体追跡方法、及びコンピュータプログラム | |
CN112131976B (zh) | 一种自适应人像温度匹配和口罩识别方法及装置 | |
US10593044B2 (en) | Information processing apparatus, information processing method, and storage medium | |
CN112017157A (zh) | 一种光学元件激光损伤阈值测试中损伤点识别方法 | |
CN110751635A (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN112884782A (zh) | 生物对象分割方法、装置、计算机设备和存储介质 | |
CN105469054A (zh) | 正常行为的模型构建方法及异常行为的检测方法 | |
JP5027201B2 (ja) | テロップ文字領域検出方法,テロップ文字領域検出装置およびテロップ文字領域検出プログラム | |
CN117705815A (zh) | 一种基于机器视觉的印刷缺陷检测方法 | |
CN108764343A (zh) | 一种跟踪算法中的跟踪目标框的定位方法 | |
CN116630332B (zh) | 一种基于图像处理的pvc塑料管口缺陷检测方法 | |
CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
CN115830064B (zh) | 一种基于红外脉冲信号的弱小目标跟踪方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200825 |