CN111832366B - 图像识别装置及方法 - Google Patents
图像识别装置及方法 Download PDFInfo
- Publication number
- CN111832366B CN111832366B CN201910324818.1A CN201910324818A CN111832366B CN 111832366 B CN111832366 B CN 111832366B CN 201910324818 A CN201910324818 A CN 201910324818A CN 111832366 B CN111832366 B CN 111832366B
- Authority
- CN
- China
- Prior art keywords
- image
- processing module
- frame
- identified
- image frame
- 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 26
- 238000012545 processing Methods 0.000 claims abstract description 92
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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
Abstract
一种图像识别方法,包括:利用第一处理模块获取待处理的视频流,并对所述视频流进行预处理得到按帧播放顺序排列的图像队列;将所述图像队列存储至存储模块;及利用第二处理模块从所述存储模块中读取待识别的图像帧,并对所述图像帧进行识别,以检测所述图像帧中的至少一目标物;其中,所述第二处理模块根据所述图像队列的图像帧排序进行依次读取。本发明还提供一种图像识别装置。上述图像识别装置及方法,可提高图像识别效率,实现对每一超高清帧图像进行实时目标物检测。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像识别装置及方法。
背景技术
随着高清显示技术的发展,市面上出现了4K(像素分辨率4096*2160)的视频播放设备,未来甚至可上市8K(像素分辨率7680*4320)的视频播放设备。该些视频播放设备的帧频一般为30FPS,或者更高。当需要对每帧图像进行一个或多个目标物检测时,由于视频帧的像素较高且帧频较大,导致图像识别工作量较大且识别速度要求要快,现有的图像识别模块的处理器处理速度有限,无法做到对每一播放的超高清帧图像进行实时目标物检测。
发明内容
有鉴于此,有必要提供一种图像识别装置及方法,能够提高图像识别效率,实现对每一超高清帧图像进行实时目标物检测。
本发明一实施方式提供一种图像识别方法,应用于图像识别装置,所述图像识别装置包括第一处理模块、存储模块、第二处理模块,所述方法包括:
利用所述第一处理模块获取待处理的视频流,并对所述视频流进行预处理得到按帧播放顺序排列的图像队列;
将所述图像队列存储至所述存储模块;及
利用所述第二处理模块从所述存储模块中读取待识别的图像帧,并对所述图像帧进行识别,以检测所述图像帧中的至少一目标物;
其中,所述第二处理模块根据所述图像队列的图像帧排序进行依次读取。
优选地,所述利用所述第一处理模块获取待处理的视频流的步骤包括:
利用所述第一处理模块从所述存储模块中读取所述待处理的视频流。
优选地,所述第二处理模块包括多个线程及多个处理器单元,每一所述线程一一对应每一所述处理器单元,所述利用所述第二处理模块从所述存储模块中读取待识别的图像帧,并对所述图像帧进行识别的步骤包括:
控制所述线程每次从所述存储模块中读取一帧待识别的图像并传送至所述处理器单元;及
利用所述处理器单元对所述读取的一帧待识别的图像进行识别;
其中,每一所述处理器单元均包括至少一个图像识别模型,每一所述图像识别模型用于识别一种类型的目标物。
优选地,所述利用所述第二处理模块对所述图像帧进行识别,以检测所述图像帧中的至少一目标物的步骤包括:
利用所述第二处理模块对所述图像帧进行识别,以得到所述至少一目标物的物体类别信息;及
将所述物体类别信息作为所述目标物的标签信息保存至所述图像帧。
优选地,所述利用所述第二处理模块对所述图像帧进行识别的步骤包括:
利用所述第二处理模块对所述图像帧进行参数调整,再对参数调整后的图像帧进行识别;
其中所述参数调整至少包括像素调整和/或亮度调整。
本发明一实施方式还提供一种图像识别装置,包括第一处理模块、存储模块、第二处理模块及通信总线,所述第一处理模块、所述存储模块及所述第二处理模块通过所述通信总线进行相互间的通信;所述第一处理模块用于获取待处理的视频流,并对所述视频流进行预处理得到按帧播放顺序排列的图像队列;所述第一处理模块还用于将所述图像队列存储至所述存储模块;所述第二处理模块用于从所述存储模块中读取待识别的图像帧,并对所述图像帧进行识别,以检测所述图像帧中的至少一目标物;其中,所述第二处理模块根据所述图像队列的图像帧排序进行依次读取。
优选地,所述第一处理模块用于从所述存储模块中读取所述待处理的视频流。
优选地,所述第二处理模块包括多个线程及多个处理器单元,每一所述线程一一对应每一所述处理器单元,所述线程用于每次从所述存储模块中读取一帧待识别的图像并传送至所述处理器单元,每一所述处理器单元均包括图像识别模型,以对所述至少一目标物进行识别。
优选地,所述第二处理模块还用于将识别得到的所述目标物的物体类别信息作为所述目标物的标签信息保存至所述图像帧。
优选地,所述第二处理模块还用于对所述待识别的图像帧进行参数调整,并对参数调整后的图像帧进行识别,其中所述参数调整至少包括像素调整和/或亮度调整。
与现有技术相比,上述图像识别装置及方法,利用第一处理模块进行视频流解码得到待识别的图像帧,利用第二处理模块的多线程对图像帧进行识别,从而提高图像识别效率,实现对每一超高清帧图像进行实时目标物检测。
附图说明
图1是本发明一实施方式的图像识别装置的架构示意图。
图2是本发明一实施方式的图像识别装置的功能模块图。
图3是本发明一实施方式的图像识别方法的流程图。
主要元件符号说明
第一处理模块 | 10 |
存储模块 | 20 |
第二处理模块 | 30 |
通信总线 | 40 |
图像识别装置 | 100 |
线程 | P#1~P#N |
处理器单元 | PU#1~PU#N |
具体实施方式
如下具体实施方式将结合上述附图进一步说明本发明。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
进一步需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
请参阅图1,为本发明图像识别装置一较佳实施例的示意图。
所述图像识别装置100包括第一处理模块10、存储模块20、第二处理模块30及通信总线40。所述第一处理模块10、所述存储模块20及所述第二处理模块30通过所述通信总线40来完成相互间的通信。
所述存储模块20可以包括至少一存储器。所述存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。所述通信总线40包括但不限于数据总线、电源总线、控制总线、状态信号总线等。
所述第一处理模块10用于获取待处理的视频流,并对所述视频流进行预处理得到按帧播放顺序排列的图像队列。
在一实施方式中,所述第一处理模块10可以从具有视频录制功能的设备、视频播放设备、存储设备等中获取待处理的视频流。所述预处理可以包括视频流的解码与帧图像分割处理,帧图像分割处理可以是将一视频分割成多个图像帧。可以理解的,视频播放原理即快速连续地播放图像帧,所述第一处理模块10优选将所述视频流处理成按帧播放顺序排列的图像队列,该图像队列的起始图像帧可以是该视频流的第一帧图像,该图像队列的末端图像帧可以是该视频流的最后一帧图像。
为了便于后续对图像帧的识别工作,所述第一处理模块10还用于将所述图像队列存储至所述存储模块20。
可以理解的,所述待处理的视频流可以是存储在存储模块20中的视频流,进而所述第一处理模块10可以从所述存储模块20中获取所述待处理的视频流。
在一实施方式中,所述第一处理模块10可以包括一个或多个处理器,所述处理器可以是中央处理单元(Central Processing Unit,CPU),微处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。当所述第一处理模块10包括多个处理器时,所述第一处理模块10可以采用多线程来对所述视频流进行预处理得到按帧播放顺序排列的图像队列。
所述第二处理模块30用于从所述存储模块20中读取待识别的图像帧,并对所述图像帧进行识别,以检测所述图像帧中的至少一目标物。
在一实施方式中,所述待识别的图像帧可以是所述图像队列中未进行图像识别的图像帧。所述第二处理模块30可以包括至少一个图像识别模型,以对所述图像帧进行识别。所述图像识别模型可以是通过机器学习算法训练得到的识别模型,比如深度残差网络算法、卷积神经网络算法等。
可以理解的,所述目标物可以根据实际使用需求进行设定,比如所述目标物可以是人、包(手提包、背包)等。当所述第二处理模块30需要识别多个类型的目标时,每一类型的目标物可以对应一图像识别模型。比如所述第二处理模块30包括有第一图像识别模型及第二图像识别模型,所述第一图像识别模型用于识别图像帧中的人,所述第二图像识别模型用于识别图像帧中的包,则所述第二处理模块30可以实现检测图像帧中的人和包。
在一实施方式中,所述第二处理模块30优选根据所述图像队列的图像帧排序进行依次读取与识别,即图像队列中排序靠前的图像帧会优先被所述第二处理模块30读取与识别。
在一实施方式中,所述第二处理模块30从所述存储模块20中读取到图像帧后,还对所述图像帧进行参数调整,然后再对参数调整后的图像帧进行识别,其中所述参数调整可以至少包括像素调整和/或亮度调整,进而可以提高图像识别的效率与准确度。所述像素调整比如可以是将图像帧的像素缩小以减少计算量。
在一实施方式中,所述第二处理模块30还用于将识别得到的所述目标物的物体类别信息作为所述目标物的标签信息保存至所述图像帧。
请同时参阅图2,所述第二处理模块30可以是一处理器集群,所述处理器集群支持硬件扩展。所述处理器集群包括多个线程P#1~P#N及多个处理器单元PU#1~PU#N,N为大于1的自然数。每一线程一一对应每一处理器单元。比如,所述线程P#1用于每次从所述存储模块20中读取一帧待识别的图像并传送至所述处理器单元PU#1,以对所述至少一目标物进行识别。每一所述处理器单元PU#1~PU#N均包括至少一图像识别模型。所述第二处理模块30通过多线程P#1~P#N与多处理器单元PU#1~PU#N的配合可以极大提高图像识别速度,实现对超高清图像帧进行实时目标物检测。
在一实施方式中,由于超高清图像帧的数据量较大,所述线程P#1每次从所述存储模块20中读取一帧待识别的图像,避免数据量读取过大影响识别速度,然后传送给处理器单元PU#1进行识别,当处理器单元PU#1识别完成一帧图像后,线程P#1再读取下一帧待识别图像。
可以理解的是,当所述存储模块20存储有未识别的图像帧时,多个线程程P#1~P#N会并行去读取所述未识别的图像帧。比如所述处理器集群包括八个线程P#1~P#8及八个处理器单元PU#1~PU#8,线程P#1读取所述图像队列的第一图像帧并传送给处理器单元PU#1进行识别,线程P#2读取所述图像队列的第二图像帧并传送给处理器单元PU#2进行识别,线程P#8读取所述图像队列的第八图像帧并传送给处理器单元PU#8进行识别。当处理器单元PU#1完成第一图像帧的识别后,线程P#1会再次读取所述图像队列的第九图像帧并传送给处理器单元PU#1进行识别。
在一实施方式中,所述处理器单元PU#1~PU#N可以是中央处理单元(CentralProcessing Unit,CPU),微处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
图3为本发明一实施方式中图像识别方法的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S300,利用所述第一处理模块10获取待处理的视频流,并对所述视频流进行预处理得到按帧播放顺序排列的图像队列。
步骤S302,将所述图像队列存储至所述存储模块20。
步骤S304,利用所述第二处理模块30从所述存储模块20中读取待识别的图像帧,并对所述图像帧进行识别,以检测所述图像帧中的至少一目标物。
在一实施方式中,所述第二处理模块30优选根据所述图像队列的图像帧排序进行依次读取。
上述图像识别装置及方法,利用第一处理模块进行视频流解码得到待识别的图像帧,利用第二处理模块的多线程对图像帧进行识别,从而提高图像识别效率,实现对每一超高清帧图像进行实时目标物检测。
对本领域的技术人员来说,可以根据本发明的发明方案和发明构思结合生产的实际需要做出其他相应的改变或调整,而这些改变和调整都应属于本发明所公开的范围。
Claims (8)
1.一种图像识别方法,应用于图像识别装置,其特征在于,所述图像识别装置包括第一处理模块、存储模块、和第二处理模块,所述第二处理模块包括多个线程及多个处理器单元,每一所述线程一一对应每一所述处理器单元,所述方法包括:
利用所述第一处理模块获取待处理的视频流,并对所述视频流进行预处理得到按帧播放顺序排列的图像队列;
将所述图像队列存储至所述存储模块;及
利用所述第二处理模块从所述存储模块中读取待识别的图像帧,并对所述图像帧进行识别,以检测所述图像帧中的至少一目标物;
其中,所述第二处理模块根据所述图像队列的图像帧排序进行依次读取;
所述利用所述第二处理模块从所述存储模块中读取待识别的图像帧,并对所述图像帧进行识别的步骤包括:
控制所述多个线程并行读取所述待识别的图像帧,其中,每个所述线程每次从所述存储模块中读取一帧待识别的图像并传送至所述线程对应的所述处理器单元;
利用所述处理器单元对所述读取的一帧待识别的图像进行识别;
其中,每一所述处理器单元均包括至少一个图像识别模型,每一所述图像识别模型用于识别一种类型的目标物。
2.如权利要求1所述的方法,其特征在于,所述利用所述第一处理模块获取待处理的视频流的步骤包括:
利用所述第一处理模块从所述存储模块中读取所述待处理的视频流。
3.如权利要求1所述的方法,其特征在于,所述利用所述第二处理模块对所述图像帧进行识别,以检测所述图像帧中的至少一目标物的步骤包括:
利用所述第二处理模块对所述图像帧进行识别,以得到所述至少一目标物的物体类别信息;及
将所述物体类别信息作为所述目标物的标签信息保存至所述图像帧。
4.如权利要求1所述的方法,其特征在于,所述利用所述第二处理模块对所述图像帧进行识别的步骤包括:
利用所述第二处理模块对所述图像帧进行参数调整,再对参数调整后的图像帧进行识别;
其中所述参数调整至少包括像素调整和/或亮度调整。
5.一种图像识别装置,其特征在于,包括第一处理模块、存储模块、第二处理模块及通信总线,所述第一处理模块、所述存储模块及所述第二处理模块通过所述通信总线进行相互间的通信;
所述第一处理模块用于获取待处理的视频流,并对所述视频流进行预处理得到按帧播放顺序排列的图像队列;
所述第一处理模块还用于将所述图像队列存储至所述存储模块;
所述第二处理模块用于从所述存储模块中读取待识别的图像帧,并对所述图像帧进行识别,以检测所述图像帧中的至少一目标物;
其中,所述第二处理模块根据所述图像队列的图像帧排序进行依次读取;
所述第二处理模块包括多个线程及多个处理器单元,每一所述线程一一对应每一所述处理器单元,所述多个线程用于并行读取所述待识别的图像帧,且每个所述线程用于每次从所述存储模块中读取一帧待识别的图像并传送至所述线程对应的所述处理器单元,每一所述处理器单元均包括图像识别模型,以对所述至少一目标物进行识别。
6.如权利要求5所述的装置,其特征在于,所述第一处理模块用于从所述存储模块中读取所述待处理的视频流。
7.如权利要求5所述的装置,其特征在于,所述第二处理模块还用于将识别得到的所述目标物的物体类别信息作为所述目标物的标签信息保存至所述图像帧。
8.如权利要求5所述的装置,其特征在于,所述第二处理模块还用于对所述待识别的图像帧进行参数调整,并对参数调整后的图像帧进行识别,其中所述参数调整至少包括像素调整和/或亮度调整。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324818.1A CN111832366B (zh) | 2019-04-22 | 2019-04-22 | 图像识别装置及方法 |
US16/509,601 US11080883B2 (en) | 2019-04-22 | 2019-07-12 | Image recognition device and method for recognizing images |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324818.1A CN111832366B (zh) | 2019-04-22 | 2019-04-22 | 图像识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832366A CN111832366A (zh) | 2020-10-27 |
CN111832366B true CN111832366B (zh) | 2024-04-02 |
Family
ID=72832642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910324818.1A Active CN111832366B (zh) | 2019-04-22 | 2019-04-22 | 图像识别装置及方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11080883B2 (zh) |
CN (1) | CN111832366B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11134180B2 (en) * | 2019-07-25 | 2021-09-28 | Shenzhen Skyworth-Rgb Electronic Co., Ltd. | Detection method for static image of a video and terminal, and computer-readable storage medium |
CN114697705B (zh) * | 2020-12-29 | 2024-03-22 | 深圳云天励飞技术股份有限公司 | 视频流对象处理方法、装置、视频流处理系统、电子设备 |
CN115393781A (zh) * | 2021-05-08 | 2022-11-25 | 华为技术有限公司 | 视频监控数据的处理方法及装置 |
CN113840091B (zh) * | 2021-10-29 | 2023-07-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN115665507B (zh) * | 2022-12-26 | 2023-03-21 | 海马云(天津)信息技术有限公司 | 含虚拟形象的视频流数据的生成方法、装置、介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123714A (zh) * | 2013-04-27 | 2014-10-29 | 华中科技大学 | 一种人流量统计中最优目标检测尺度的生成方法 |
CN106358003A (zh) * | 2016-08-31 | 2017-01-25 | 华中科技大学 | 一种基于线程级流水线的视频分析加速方法 |
CN106375793A (zh) * | 2016-08-29 | 2017-02-01 | 东方网力科技股份有限公司 | 一种视频结构化信息的叠加方法、用户终端及叠加系统 |
JP2017182676A (ja) * | 2016-03-31 | 2017-10-05 | キヤノンマーケティングジャパン株式会社 | 情報処理システム、会議サーバ、その制御方法及びプログラム |
CN107480587A (zh) * | 2017-07-06 | 2017-12-15 | 阿里巴巴集团控股有限公司 | 一种模型配置以及图像识别的方法及装置 |
CN108564028A (zh) * | 2018-04-11 | 2018-09-21 | 开放智能机器(上海)有限公司 | 一种基于嵌入式系统的多线程人脸识别系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10091419B2 (en) | 2013-06-14 | 2018-10-02 | Qualcomm Incorporated | Computer vision application processing |
US20160205341A1 (en) * | 2013-08-20 | 2016-07-14 | Smarter Tv Ltd. | System and method for real-time processing of ultra-high resolution digital video |
WO2015192239A1 (en) * | 2014-06-20 | 2015-12-23 | Miovision Technologies Incorporated | Machine learning platform for performing large scale data analytics |
CN105528587B (zh) * | 2015-12-29 | 2019-04-30 | 生迪智慧科技有限公司 | 目标检测的方法及装置 |
US20170277955A1 (en) * | 2016-03-23 | 2017-09-28 | Le Holdings (Beijing) Co., Ltd. | Video identification method and system |
CN110546960B (zh) * | 2017-05-01 | 2022-09-06 | 真实网络公司 | 多层视频流传输系统和方法 |
US20190034735A1 (en) * | 2017-07-25 | 2019-01-31 | Motionloft, Inc. | Object detection sensors and systems |
US20190034734A1 (en) * | 2017-07-28 | 2019-01-31 | Qualcomm Incorporated | Object classification using machine learning and object tracking |
WO2019046820A1 (en) * | 2017-09-01 | 2019-03-07 | Percipient.ai Inc. | IDENTIFICATION OF INDIVIDUALS IN A DIGITAL FILE USING MULTIMEDIA ANALYSIS TECHNIQUES |
US20190122082A1 (en) * | 2017-10-23 | 2019-04-25 | Motionloft, Inc. | Intelligent content displays |
US10699126B2 (en) * | 2018-01-09 | 2020-06-30 | Qualcomm Incorporated | Adaptive object detection and recognition |
US10684626B1 (en) * | 2018-04-05 | 2020-06-16 | Ambarella International Lp | Handling intersection navigation without traffic lights using computer vision |
-
2019
- 2019-04-22 CN CN201910324818.1A patent/CN111832366B/zh active Active
- 2019-07-12 US US16/509,601 patent/US11080883B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123714A (zh) * | 2013-04-27 | 2014-10-29 | 华中科技大学 | 一种人流量统计中最优目标检测尺度的生成方法 |
JP2017182676A (ja) * | 2016-03-31 | 2017-10-05 | キヤノンマーケティングジャパン株式会社 | 情報処理システム、会議サーバ、その制御方法及びプログラム |
CN106375793A (zh) * | 2016-08-29 | 2017-02-01 | 东方网力科技股份有限公司 | 一种视频结构化信息的叠加方法、用户终端及叠加系统 |
CN106358003A (zh) * | 2016-08-31 | 2017-01-25 | 华中科技大学 | 一种基于线程级流水线的视频分析加速方法 |
CN107480587A (zh) * | 2017-07-06 | 2017-12-15 | 阿里巴巴集团控股有限公司 | 一种模型配置以及图像识别的方法及装置 |
CN108564028A (zh) * | 2018-04-11 | 2018-09-21 | 开放智能机器(上海)有限公司 | 一种基于嵌入式系统的多线程人脸识别系统 |
Non-Patent Citations (2)
Title |
---|
An efficient vehicle queue detection system based on image processing;M. Zanin等;《12th International Conference on Image Analysis and Processing, 2003.Proceedings》;20030929;232-237 * |
基于DSP的运动目标检测系统;高文刚;李锦明;张虎威;郭淳;;仪表技术与传感器(11);54-57 * |
Also Published As
Publication number | Publication date |
---|---|
US20200334847A1 (en) | 2020-10-22 |
CN111832366A (zh) | 2020-10-27 |
US11080883B2 (en) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111832366B (zh) | 图像识别装置及方法 | |
US10599958B2 (en) | Method and system for classifying an object-of-interest using an artificial neural network | |
US10002313B2 (en) | Deeply learned convolutional neural networks (CNNS) for object localization and classification | |
US9268995B2 (en) | Smile detection techniques | |
US20230021661A1 (en) | Forgery detection of face image | |
CN111552837A (zh) | 基于深度学习的动物视频标签自动生成方法、终端及介质 | |
EP2774080A1 (en) | Object detection using extended surf features | |
CN113496208B (zh) | 视频的场景分类方法及装置、存储介质、终端 | |
US20170185870A1 (en) | Method of image processing | |
CN110781856B (zh) | 异质人脸识别模型训练方法、人脸识别方法及相关装置 | |
CN111401474B (zh) | 视频分类模型的训练方法、装置、设备及存储介质 | |
US11455801B2 (en) | Generating signatures within a network that includes a plurality of computing devices of varying processing capabilities | |
CN112613508A (zh) | 一种物体识别方法、装置及设备 | |
CN110796145B (zh) | 基于智能决策的多证件分割关联方法及相关设备 | |
US10957048B2 (en) | Image segmentation method, apparatus and non-transitory computer readable medium of the same | |
EP4332910A1 (en) | Behavior detection method, electronic device, and computer readable storage medium | |
US20230196558A1 (en) | Medicine image recognition method, electronic device and readable storage medium | |
TWI723383B (zh) | 圖像識別裝置及方法 | |
CN110969602B (zh) | 一种图像清晰程度检测方法及装置 | |
CN113780116A (zh) | 发票分类方法、装置、计算机设备和存储介质 | |
US20190304273A1 (en) | Image surveillance device and method of processing images | |
US20230111876A1 (en) | System and method for animal disease management | |
Kumaki et al. | Realization of efficient and low-power parallel face-detection with massive-parallel memory-embedded SIMD matrix | |
Wang et al. | Research on Pedestrian Detection Algorithm Based on Improved YOLOv5 | |
CN117036384A (zh) | 一种医学图像分割方法、装置、设备和存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No. 36, North Street, West District, economic and Technological Development Zone, Binhai New Area, Tianjin Applicant after: Fulian precision electronics (Tianjin) Co.,Ltd. Address before: No.80 Haiyun street, Binhai New Area Economic and Technological Development Zone, Tianjin 300457 Applicant before: HONGFUJIN PRECISION ELECTRONICS (TIANJIN) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |