CN112347981A - 一种签名识别方法及系统 - Google Patents
一种签名识别方法及系统 Download PDFInfo
- Publication number
- CN112347981A CN112347981A CN202011352501.8A CN202011352501A CN112347981A CN 112347981 A CN112347981 A CN 112347981A CN 202011352501 A CN202011352501 A CN 202011352501A CN 112347981 A CN112347981 A CN 112347981A
- Authority
- CN
- China
- Prior art keywords
- signature
- data
- model library
- background
- identification
- 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 49
- 238000010276 construction Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer 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
- G06V40/30—Writer recognition; Reading and verifying signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Library & Information Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种签名识别方法及系统,该方法包括:采集所有相关工作人员的签名数据,将这些签名数据传输至后台数据库,然后对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库,再调用后台模型库,并根据后台模型库搭建当前施工现场的终端站级模型库;建立完毕两层模型库之后,获取当前施工现场的待识别签名;根据终端站级模型库,对待识别签名进行识别,获取识别结果;最后输出识别结果。该系统包括:数据采集模块、后台数据库、移动终端、待识别签名获取模块、识别模块、输出模块和传输模块。通过本申请,能够有效提高手写签名的识别效率。
Description
技术领域
本申请涉及人工智能图像识别技术领域,特别是涉及一种签名识别方法及系统。
背景技术
在工程施工过程中,根据施工规程的要求,通常需要对进入施工现场的工作人员和管理人员进行签名,从而实现身份登记和确认。这就需要对现场签名和施工规程中规定的授权人的签名进行识别,从而确保进入施工现场的人员符合施工规程的要求,提高施工安全以及施工责任管理效率。因此,在施工现场采用何种签名识别方法是个重要的问题。
目前的签名识别方法,通常是根据已建立的签名系统,相当于建立一个签名系统库,将现场签名人员的签名字迹与签名系统中的字迹进行比对,如果识别为一致,则可以进入现场,否则如果识别为不一致。
然而,目前的签名识别方法中,由于只有一个签名系统库,每个施工现场只能单独一一识别,针对同时在多个施工现场统一识别的情况无法实现,也就是无法同时在多地进行识别任务,签名识别效率较低。
发明内容
本申请提供了一种签名识别方法及系统,以解决现有技术中签名识别效率较低的问题。
为了解决上述技术问题,本申请实施例公开了如下技术方案:
一种签名识别方法,所述方法包括:
采集所有相关工作人员的签名数据,所述签名数据包括:签名模型和工作人员个人信息;
将所述签名数据传输至后台数据库;
对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库;
调用所述后台模型库,并根据所述后台模型库搭建当前施工现场的终端站级模型库;
获取当前施工现场的待识别签名;
根据所述终端站级模型库,对所述待识别签名进行识别,获取识别结果;
输出所述识别结果。
可选地,采集所有相关工作人员的签名数据之后,所述方法还包括:
对所述签名数据进行滤波,剔除多余笔画特征点。
可选地,所述对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库的方法,具体为:
采用边缘算法,对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库。
可选地,所述获取当前施工现场的待识别签名包括:
通过摄像头扫描待识别签名;或者,
通过手机输入签名。
可选地,输出所述识别结果的方法包括:
显示识别结果;和/或,
通过语音播报识别结果。
可选地,根据所述终端站级模型库,对所述待识别签名进行识别,获取识别结果之后,所述方法还包括:
根据所述识别结果,提取最新签名特征点;
保存所述最新签名特征点,并将所述最新签名特征点上传至后台模型库。
一种签名识别系统,所述系统包括:
数据采集模块,用于采集所有相关工作人员的签名数据,并将所述签名数据传输至后台数据库,所述签名数据包括:签名模型和工作人员个人信息;
后台数据库,用于存储所述签名数据,并对所述签名数据进行深度训练,提取数据特征点并搭建后台模型库;
移动终端,用于根据所获取的指令,将后台模型库中的数据调取到现场,并根据所述后台模型库搭建当前施工现场的终端站级模型库;
待识别签名获取模块,用于获取当前施工现场的待识别签名;
识别模块,用于根据所述终端站级模型库,对所述待识别签名进行识别,获取识别结果;
输出模块,用于输出所述识别结果;
传输模块,用于连接识别模块和移动终端。
可选地,所述系统中还包括:
滤波模块,用于对所述签名数据进行滤波,剔除多余笔画特征点,所述滤波模块的输入端连接数据采集模块,所述滤波模块的输出端连接后台数据库。
可选地,所述待识别签名获取模块包括:摄像头或者手机;
所述摄像头用于扫描待识别签名,且所述摄像头与识别模块连接;
所述手机用于获取输入签名,且所述手机与移动终端连接。
可选地,所述系统中还包括:
后台模型库更新模块,用于根据所述识别结果,对后台模型库进行更新。
本申请的实施例提供的技术方案可以包括以下有益效果:
本申请提供一种签名识别方法,该方法主要包括两部分:建立后台模型库和终端站级模型库两层模型库,以及利用所建立的两层模型库进行签名识别。也就是,首先采集所有相关工作人员的签名数据,将这些签名数据传输至后台数据库,然后对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库,再调用后台模型库,并根据后台模型库搭建当前施工现场的终端站级模型库;建立完毕两层模型库之后,获取当前施工现场的待识别签名;根据终端站级模型库,对待识别签名进行识别,获取识别结果;最后输出识别结果。本实施例通过建立后台模型库和终端站级模型库两层模型库,能够在确保识别精度的前提下,同时在多个施工现场进行统一识别,可以实现多地识别任务的同时执行,从而大大提高识别效率。
本申请还提供一种签名识别系统,该系统主要包括:数据采集模块、后台数据库、移动终端、待识别签名获取模块、识别模块、输出模块和传输模块,通过后台数据库能够存储所有签名数据并搭建后台模型库,通过移动终端,能够将后台模型库中的数据及时调取到现场,且能够搭建当前施工现场的终端站级模型库,不同的施工现场匹配不同的移动终端,从而实现两层模型库,这种两层数据库的签名识别系统架构,能够在确保识别精度的前提下,实现多地识别任务的同时执行,从而大大提高识别效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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为本申请实施例所提供的一种签名识别方法的流程示意图;
图2为本申请实施例所提供的一种签名识别系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
为了更好地理解本申请,下面结合附图来详细解释本申请的实施方式。
实施例一
参见图1,图1为本申请实施例所提供的一种签名识别方法的流程示意图。由图1可知,本实施例中的签名识别方法,主要包括如下过程:
S1:采集所有相关工作人员的签名数据。
本实施例中的签名识别方法主要是手写签名识别方法,签名数据包括:签名模型和工作人员个人信息。也就是采集所有工作人员的签名模型和个人信息,本实施例中对签名数据及时更新,可以实时更新,也可以根据设定的时间间隔定时更新,当有新的工作人员加入时,及时采集其签名数据,有利于提高所采集数据的准确性,提高后台数据中数据的准确性,从而提高签名识别的准确性。
采集到签名数据后,执行步骤S3:将签名数据传输至后台数据库。
进一步地,为提高所采集数据的准确性,从而提高签名识别方法的准确性,增加步骤S2:对签名数据进行滤波,剔除多余笔画特征点。
然后将滤波后的数据执行步骤S3传输至后台数据库中。
继续参见图1可知,将签名数据传输至后台数据库后,执行步骤S4:对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库。
具体地,本实施例中采用边缘算法对数据进行深度训练,并搭建后台模型库。具体利用边缘算法对数据进行深度训练的过程采用现有技术中的边缘算法,在此不再赘述。
搭建后台模型库后,执行步骤S5:调用后台模型库,并根据后台模型库搭建当前施工现场的终端站级模型库。
也就是根据后台模型库的数据,对其进行进一步的边缘算法处理,训练搭建新的适用于当前施工现场的模型,即终端站级模型库,在签名识别时,可以利用该终端站级模型库对当前施工现场的签名进行识别,大大提高识别效率。
通过步骤S4和S5,搭建完成后台模型库和终端站级模型库,后台模型库为基础数据库,每个移动终端匹配一个终端站级模型库,每个移动终端匹配一个施工现场,终端站级模型库的数量根据不同的施工现场数量而定,搭建当前施工现场的终端站级模型库之后,就可以通过移动终端的终端站级模型库进行现场签名识别,且由于采用两层模型库的方式,能够实现多个施工现场分别利用自身的终端站级模型库同时进行签名识别,从而能够在确保识别精度的情况下,大大提高签名识别的效率。
继续参见图1可知,搭建完毕两层模型库之后,执行步骤S6:获取当前施工现场的待识别签名。
具体地,步骤S6有两种实现方式,第一种方法为:通过摄像头扫描识别待识别签名。第二种是:通过手机输入签名。
S7:根据终端站级模型库,对待识别签名进行识别,获取识别结果。
S8:输出识别结果。
具体地,步骤S8包括三种输出识别结果的方法。第一种方法为:显示识别结果。第二种方法为:通过语音播报识别结果。第三种方法为:同时采用显示和语音播报的方式,能够使工作人员更加直观而及时地获取识别结果,提高识别效率。
综上所述,本实施例中的签名识别方法主要包括两个部分,搭建双层模型库和利用双层模型库进行签名识别。通过步骤S1-S5完成搭建双层模型库部分,通过步骤S6-S8完成签名识别部分。
进一步地,本实施例中步骤S7之后,还包括步骤S9:根据识别结果,提取最新签名特征点。
S10:保存最新签名特征点,并将最新签名特征点上传至后台模型库。
通过步骤S9和S10,利用当前的识别结果提取最新签名特征点,并将其上传至后台模型库,能够进一步扩充后台模型库的内容,为后续施工现场签名识别提供有效依据,有利于进一步提高签名识别的准确性。
实施例二
在图1所示实施例的基础之上参见图2,图2为本申请实施例所提供的一种签名识别系统的结构示意图。由图2可知,本实施例中的签名识别系统主要包括:数据采集模块、后台数据库、移动终端、待识别签名获取模块、识别模块、输出模块和传输模块。其中,数据采集模块,用于采集所有相关工作人员的签名数据,并将所述签名数据传输至后台数据库,所述签名数据包括:签名模型和工作人员个人信息;
后台数据库,用于存储签名数据,并对签名数据进行深度训练,提取数据特征点并搭建后台模型库;移动终端,用于根据所获取的指令,将后台模型库中的数据调取到现场,并根据后台模型库搭建当前施工现场的终端站级模型库;待识别签名获取模块,用于获取当前施工现场的待识别签名;识别模块,用于根据终端站级模型库,对待识别签名进行识别,获取识别结果;输出模块,用于输出识别结果;传输模块,用于连接识别模块和移动终端。
本实施例中在后台数据库中搭建后台模型库时,可以采用边缘算法对数据进行训练,有利于提高模型库搭建效率和准确性。通过传输模块的设置,实现识别模块和移动终端的连接,从而及时将移动终端内的终端站级模型库传输至识别模块,提高手写签名识别效率。传输模块可以采用蓝牙。
本实施例中的识别模块可以采用CPU,CPU中预存签名识别算法,具体的签名识别算法采用现有技术中的方法。
进一步地,本实施例的签名识别系统中还包括滤波模块,用于对签名数据进行滤波,剔除多余笔画特征点,有利于剔除干扰因素,提高签名识别的准确性。其中,滤波模块的输入端连接数据采集模块,滤波模块的输出端连接后台数据库。
本实施例中待识别签名获取模块包括:摄像头或者手机。摄像头用于扫描待识别签名,且摄像头与识别模块连接,通过摄像头扫描到现场待识别签名之后,直接通过识别模块进行识别。手机用于获取输入签名,且手机与移动终端连接,通过手机进行手写签名,然后利用移动终端中的终端站级模型库进行签名识别。
进一步地,本实施例的签名识别系统中还包括后台模型库更新模块,用于根据识别结果,对后台模型库进行更新。具体地,后台模型库更新模块包括签名特征点提取单元和上传单元,其中,签名特征点提取单元,用于根据识别结果,提取最新签名特征点。上传单元用于保存最新签名特征点,并将最新签名特征点上传至后台模型库。
该实施例中未详细描述的部分可以参见图1所示的实施例,两个实施例之间可以互相参照,在此不再赘述。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种签名识别方法,其特征在于,所述方法包括:
采集所有相关工作人员的签名数据,所述签名数据包括:签名模型和工作人员个人信息;
将所述签名数据传输至后台数据库;
对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库;
调用所述后台模型库,并根据所述后台模型库搭建当前施工现场的终端站级模型库;
获取当前施工现场的待识别签名;
根据所述终端站级模型库,对所述待识别签名进行识别,获取识别结果;
输出所述识别结果。
2.根据权利要求1所述的一种签名识别方法,其特征在于,采集所有相关工作人员的签名数据之后,所述方法还包括:
对所述签名数据进行滤波,剔除多余笔画特征点。
3.根据权利要求1所述的一种签名识别方法,其特征在于,所述对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库的方法,具体为:
采用边缘算法,对后台数据库中的数据进行深度训练,提取数据特征点并搭建后台模型库。
4.根据权利要求1所述的一种签名识别方法,其特征在于,所述获取当前施工现场的待识别签名包括:
通过摄像头扫描待识别签名;或者,
通过手机输入签名。
5.根据权利要求1所述的一种签名识别方法,其特征在于,输出所述识别结果的方法包括:
显示识别结果;和/或,
通过语音播报识别结果。
6.根据权利要求1-5中任一所述的一种签名识别方法,其特征在于,根据所述终端站级模型库,对所述待识别签名进行识别,获取识别结果之后,所述方法还包括:
根据所述识别结果,提取最新签名特征点;
保存所述最新签名特征点,并将所述最新签名特征点上传至后台模型库。
7.一种签名识别系统,其特征在于,所述系统包括:
数据采集模块,用于采集所有相关工作人员的签名数据,并将所述签名数据传输至后台数据库,所述签名数据包括:签名模型和工作人员个人信息;
后台数据库,用于存储所述签名数据,并对所述签名数据进行深度训练,提取数据特征点并搭建后台模型库;
移动终端,用于根据所获取的指令,将后台模型库中的数据调取到现场,并根据所述后台模型库搭建当前施工现场的终端站级模型库;
待识别签名获取模块,用于获取当前施工现场的待识别签名;
识别模块,用于根据所述终端站级模型库,对所述待识别签名进行识别,获取识别结果;
输出模块,用于输出所述识别结果;
传输模块,用于连接识别模块和移动终端。
8.根据权利要求7所述的一种签名识别系统,其特征在于,所述系统中还包括:
滤波模块,用于对所述签名数据进行滤波,剔除多余笔画特征点,所述滤波模块的输入端连接数据采集模块,所述滤波模块的输出端连接后台数据库。
9.根据权利要求7所述的一种签名识别系统,其特征在于,所述待识别签名获取模块包括:摄像头或者手机;
所述摄像头用于扫描待识别签名,且所述摄像头与识别模块连接;
所述手机用于获取输入签名,且所述手机与移动终端连接。
10.根据权利要求7-9中任一所述的一种签名识别系统,其特征在于,所述系统中还包括:
后台模型库更新模块,用于根据所述识别结果,对后台模型库进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011352501.8A CN112347981A (zh) | 2020-11-26 | 2020-11-26 | 一种签名识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011352501.8A CN112347981A (zh) | 2020-11-26 | 2020-11-26 | 一种签名识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112347981A true CN112347981A (zh) | 2021-02-09 |
Family
ID=74365009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011352501.8A Pending CN112347981A (zh) | 2020-11-26 | 2020-11-26 | 一种签名识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347981A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424252A (zh) * | 2017-05-10 | 2017-12-01 | 杭州班博科技有限公司 | 一种工地人员实名管理系统及其方法 |
CN107944336A (zh) * | 2017-10-11 | 2018-04-20 | 中国科学院自动化研究所 | 基于云计算的手写签名鉴别系统 |
CN108053530A (zh) * | 2017-12-17 | 2018-05-18 | 深圳禾思众成科技有限公司 | 一种基于面部识别的云加端的智能门禁系统 |
CN109190351A (zh) * | 2018-09-19 | 2019-01-11 | 宁辛 | 基于移动终端的在线签名者身份认证系统、设备及方法 |
CN109766825A (zh) * | 2019-01-08 | 2019-05-17 | 哈尔滨理工大学 | 基于神经网络的手写签名识别系统 |
CN109977821A (zh) * | 2019-03-14 | 2019-07-05 | 上海古鳌电子科技股份有限公司 | 一种数据签名验证系统 |
CN110992627A (zh) * | 2019-11-26 | 2020-04-10 | 合肥中科奔巴科技有限公司 | 基于视觉终端-平台近视分析预警系统及方法 |
-
2020
- 2020-11-26 CN CN202011352501.8A patent/CN112347981A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424252A (zh) * | 2017-05-10 | 2017-12-01 | 杭州班博科技有限公司 | 一种工地人员实名管理系统及其方法 |
CN107944336A (zh) * | 2017-10-11 | 2018-04-20 | 中国科学院自动化研究所 | 基于云计算的手写签名鉴别系统 |
CN108053530A (zh) * | 2017-12-17 | 2018-05-18 | 深圳禾思众成科技有限公司 | 一种基于面部识别的云加端的智能门禁系统 |
CN109190351A (zh) * | 2018-09-19 | 2019-01-11 | 宁辛 | 基于移动终端的在线签名者身份认证系统、设备及方法 |
CN109766825A (zh) * | 2019-01-08 | 2019-05-17 | 哈尔滨理工大学 | 基于神经网络的手写签名识别系统 |
CN109977821A (zh) * | 2019-03-14 | 2019-07-05 | 上海古鳌电子科技股份有限公司 | 一种数据签名验证系统 |
CN110992627A (zh) * | 2019-11-26 | 2020-04-10 | 合肥中科奔巴科技有限公司 | 基于视觉终端-平台近视分析预警系统及方法 |
Non-Patent Citations (3)
Title |
---|
吴坤帅等: "基于笔划三维深度特征的签名识别", 《液晶与显示》 * |
胥玉龙等: "基于深度学习的离线手写签名真伪识别方法", 《电脑知识与技术》 * |
马小晴等: "基于LBP和深度学习的手写签名识别算法", 《量子电子学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103984579B (zh) | 多设备间分享当前应用程序实时运行状态的方法 | |
CN110147471A (zh) | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 | |
CN109542216B (zh) | 人机交互方法、系统、计算机设备及存储介质 | |
CN102253995B (zh) | 一种利用位置信息实现图像搜索的方法和系统 | |
CN107544272A (zh) | 终端控制方法、装置及存储介质 | |
KR20170101455A (ko) | 빅데이터 플랫폼 기반의 인공지능 딥러닝 네트워크 구축을 활용한 3d 카메라를 장착한 로봇의 트레이닝 방법 | |
CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
CN107368202B (zh) | 识别驾驶员使用手机行为的方法、装置和计算设备 | |
CN107315774A (zh) | 基于移动互联网的营配调一体化数据普查系统及普查方法 | |
CN111401193B (zh) | 获取表情识别模型的方法及装置、表情识别方法及装置 | |
CN110889404A (zh) | 一种基于修正网络的不规则文本识别系统及方法 | |
CN112347981A (zh) | 一种签名识别方法及系统 | |
CN109903323A (zh) | 用于透明物体识别的训练方法、装置、存储介质及终端 | |
CN113554610A (zh) | 一种光伏组件运行状态检测方法及其应用装置 | |
CN110135274B (zh) | 一种基于人脸识别的人流量统计方法 | |
CN112308492A (zh) | 基于深度学习与知识图谱融合的仓库管理方法及系统 | |
CN114520749B (zh) | 基于云平台部署物模型的Modbus数据监控方法及系统 | |
CN113887964B (zh) | 一种基于人机法的生产线仿真系统 | |
CN111597896B (zh) | 异常人脸的识别方法、识别装置、识别设备和存储介质 | |
CN113341825B (zh) | 设备运维智能监测方法及系统 | |
CN110582091A (zh) | 定位无线质量问题的方法和装置 | |
CN111046243B (zh) | 一种基于网络拓扑图配置sonic的方法、设备及介质 | |
CN113744253A (zh) | 一种基于人工智能图像识别系统 | |
CN114372120A (zh) | 一种基于聊天场景的自动化运维系统 | |
CN112148724A (zh) | 一种设备标识处理方法、系统、计算机设备及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210209 |
|
RJ01 | Rejection of invention patent application after publication |