CN112364717A - 利用数据统计的即时驱动系统 - Google Patents
利用数据统计的即时驱动系统 Download PDFInfo
- Publication number
- CN112364717A CN112364717A CN202011147077.3A CN202011147077A CN112364717A CN 112364717 A CN112364717 A CN 112364717A CN 202011147077 A CN202011147077 A CN 202011147077A CN 112364717 A CN112364717 A CN 112364717A
- Authority
- CN
- China
- Prior art keywords
- learning
- preset
- data statistics
- frame
- ear
- 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.)
- Withdrawn
Links
- 230000007246 mechanism Effects 0.000 claims abstract description 51
- 230000009471 action Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 3
- 230000036544 posture Effects 0.000 abstract description 27
- 238000012937 correction Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 15
- 238000012544 monitoring process Methods 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000012431 wafers Nutrition 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
-
- 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
- G06V10/752—Contour matching
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种利用数据统计的即时驱动系统,所述系统包括:智能录影机构,设置在学习桌的侧面,用于从侧面对学习桌的学习场景执行均匀时间间隔的多帧捕获动作,以获得与各个时间戳分别对应的各个学习场景帧;内容统计机构,用于在最近的预设时间间隔中错误姿态帧的数量占据学习场景帧的总量的比例大于等于预设比例阈值时,发出提醒启动指令;现场投影机构,用于投影各种标准学习姿态。本发明的利用数据统计的即时驱动系统工作稳定、运行智能。由于能够在可变帧率调节机制的控制下对预设时间间隔内的错误姿态帧数进行分析以确定是否执行现场姿态投影式提醒动作,从而实现对固定学生对象的学习姿态的现场矫正。
Description
技术领域
本发明涉及信号处理领域,尤其涉及一种利用数据统计的即时驱动系统。
背景技术
信号处理最基本的内容有变换、滤波、调制、解调、检测以及谱分析和估计等。
其中,变换诸如类型的傅里叶变换、正弦变换、余弦变换、沃尔什变换等;滤波包括髙通滤波、低通滤波、带通滤波、维纳滤波、卡尔曼滤波、线性滤波、非线性滤波以及自适应滤波等;谱分析方面包括确知信号的分析和随机信号的分析,通常研究最普遍的是随机信号的分析,也称统计信号分析或估计,他通常又分线性谱估计与非线性谱估计;谱估计有周期图估计、最大熵谱估计等;随着信号类型的复杂化,在要求分析的信号不能满足高斯分布、非最小相位等条件时,又有髙阶谱分析的方法。高阶谱分析可以提供信号的相位信息、非高斯类信息以及非线性信息;自适应滤波与均衡也是应用研究的一大领域。自适应滤波包括横向LMS自适应滤波、格型自适应滤波,自适应对消滤波,以及自适应均衡等。此外,对于阵列信号还有阵列信号处理等。
在具体的视觉监控的细分应用领域中,目前,家人们都希望对自家学生的学习姿态进行错误姿态识别和正确姿态提醒,然而存在以下三个难题需要解决:第一,需要对固定学生对象进行监控和提醒,不需要对所有处于学习座位上的人员进行监控和提醒;第二,监控的数据必须可靠且高精度;第三,需要在发现固定学生对象当前错误姿态发生次数较多时如何进行现场提醒提供解决方案。
发明内容
为了解决现有技术中的相关技术问题,本发明提供了一种利用数据统计的即时驱动系统,能够在可变帧率调节机制的控制下对预设时间间隔内的错误姿态帧数进行分析以确定是否执行现场姿态投影式提醒动作,从而有效实现对固定学生对象的学习姿态的现场矫正。
为此,本发明至少需要具备以下几处关键的发明点:
(1)对预设时间间隔内的错误姿态帧数进行分析以确定现场学生的姿态是否需要被提醒和被纠正,并在需要时执行现场姿态投影式提醒动作;
(2)在现场预览帧中存在预设人员的耳体轮廓时方启动高帧率监控,否则维持低帧率监控,从而实现可变帧率调节机制,有效降低现场电子设备的功耗。
根据本发明的一方面,提供了一种利用数据统计的即时驱动系统,所述系统包括:
智能录影机构,设置在学习桌的侧面,用于从侧面对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作,以获得与各个时间戳分别对应的各个学习场景帧。
更具体地,在所述利用数据统计的即时驱动系统中:
所述智能录影机构中包括预览检测设备、帧率调节设备和捕获执行设备。
更具体地,在所述利用数据统计的即时驱动系统中,所述系统还包括:
所述帧率调节设备分别与所述预览检测设备和所述捕获执行设备连接,所述预览检测设备用于检测当前时间戳对应的学习场景帧中是否存在与预设耳体轮廓匹配的人体耳体对象,所述帧率调节设备与所述预览检测设备连接,用于在存在与预设耳体轮廓匹配的人体耳体对象时,提升所述捕获执行设备的捕获帧率,还用于在不存在与预设耳体轮廓匹配的人体耳体对象时,保持所述捕获执行设备的捕获帧率为默认值;
姿态识别设备,与所述智能录影机构连接,用于对接收到的每一个学习场景帧执行边缘锐化处理,以获得当前锐化图像,对所述当前锐化图像中的人体轮廓进行提取,将提取到的人体轮廓分别与各种标准学习姿态进行匹配,当所述提取到的人体轮廓与任何一种标准学习姿态的匹配度都低于预设百分比阈值时,判断所述学习场景帧为错误姿态帧,当所述提取到的人体轮廓与某一种标准学习姿态的匹配度高于等于所述预设百分比阈值时,判断所述学习场景帧为正确姿态帧;
内容统计机构,与所述姿态识别设备连接,用于在最近的预设时间间隔中错误姿态帧的数量占据学习场景帧的总量的比例大于等于预设比例阈值时,发出提醒启动指令;
所述内容统计机构还用于在最近的预设时间间隔中错误姿态帧的数量占据学习场景帧的总量的比例小于所述预设比例阈值时,发出提醒关闭指令;
现场投影机构,设置在学习桌的斜上方,用于面对所述学习桌的学生位置对面的墙体,与所述内容统计机构连接,用于在接收到提醒启动指令时,将各种标准学习姿态次序投影到所述学习桌的学生位置对面的墙体;
其中,所述预设耳体轮廓为预先对被监控的学生的耳体进行图像采集所获得的只包括所述被监控的学生的耳体的图案;
其中,在所述智能录影机构从学习桌的左侧对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作时,所述预设耳体轮廓为预先对被监控的学生的左耳进行图像采集所获得的只包括所述被监控的学生的左耳的图案。
本发明的利用数据统计的即时驱动系统工作稳定、运行智能。由于能够在可变帧率调节机制的控制下对预设时间间隔内的错误姿态帧数进行分析以确定是否执行现场姿态投影式提醒动作,从而实现对固定学生对象的学习姿态的现场矫正。
具体实施方式
下面将对本发明的利用数据统计的即时驱动系统的实施方案进行详细说明。
视频监控是安全防范系统的重要组成部分。传统的监控系统包括前端摄像机、传输线缆、视频监控平台。摄像机可分为网络数字摄像机和模拟摄像机,可作为前端视频图像信号的采集。它是一种防范能力较强的综合系统。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来,随着计算机、网络以及图像处理、传输技术的飞速发展,视频监控技术也有了长足的发展。最新的监控系统可以使用智能手机担当,同时对图像进行自动识别、存储和自动报警。视频数据通过4G/5G/WIFI传回控制主机(也可以是智能手机担当),主机可对图像进行实时观看、录入、回放、调出及储存等操作。从而实现移动互联的视频监控。
目前,家人们都希望对自家学生的学习姿态进行错误姿态识别和正确姿态提醒,然而存在以下三个难题需要解决:第一,需要对固定学生对象进行监控和提醒,不需要对所有处于学习座位上的人员进行监控和提醒;第二,监控的数据必须可靠且高精度;第三,需要在发现固定学生对象当前错误姿态发生次数较多时如何进行现场提醒提供解决方案。
为了克服上述不足,本发明搭建了一种利用数据统计的即时驱动系统,能够有效解决相应的技术问题。
根据本发明实施方案示出的利用数据统计的即时驱动系统包括:
智能录影机构,设置在学习桌的侧面,用于从侧面对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作,以获得与各个时间戳分别对应的各个学习场景帧。
接着,继续对本发明的利用数据统计的即时驱动系统的具体结构进行进一步的说明。
所述利用数据统计的即时驱动系统中:
所述智能录影机构中包括预览检测设备、帧率调节设备和捕获执行设备。
所述利用数据统计的即时驱动系统中还可以包括:
所述帧率调节设备分别与所述预览检测设备和所述捕获执行设备连接,所述预览检测设备用于检测当前时间戳对应的学习场景帧中是否存在与预设耳体轮廓匹配的人体耳体对象,所述帧率调节设备与所述预览检测设备连接,用于在存在与预设耳体轮廓匹配的人体耳体对象时,提升所述捕获执行设备的捕获帧率,还用于在不存在与预设耳体轮廓匹配的人体耳体对象时,保持所述捕获执行设备的捕获帧率为默认值;
姿态识别设备,与所述智能录影机构连接,用于对接收到的每一个学习场景帧执行边缘锐化处理,以获得当前锐化图像,对所述当前锐化图像中的人体轮廓进行提取,将提取到的人体轮廓分别与各种标准学习姿态进行匹配,当所述提取到的人体轮廓与任何一种标准学习姿态的匹配度都低于预设百分比阈值时,判断所述学习场景帧为错误姿态帧,当所述提取到的人体轮廓与某一种标准学习姿态的匹配度高于等于所述预设百分比阈值时,判断所述学习场景帧为正确姿态帧;
内容统计机构,与所述姿态识别设备连接,用于在最近的预设时间间隔中错误姿态帧的数量占据学习场景帧的总量的比例大于等于预设比例阈值时,发出提醒启动指令;
所述内容统计机构还用于在最近的预设时间间隔中错误姿态帧的数量占据学习场景帧的总量的比例小于所述预设比例阈值时,发出提醒关闭指令;
现场投影机构,设置在学习桌的斜上方,用于面对所述学习桌的学生位置对面的墙体,与所述内容统计机构连接,用于在接收到提醒启动指令时,将各种标准学习姿态次序投影到所述学习桌的学生位置对面的墙体;
其中,所述预设耳体轮廓为预先对被监控的学生的耳体进行图像采集所获得的只包括所述被监控的学生的耳体的图案;
其中,在所述智能录影机构从学习桌的左侧对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作时,所述预设耳体轮廓为预先对被监控的学生的左耳进行图像采集所获得的只包括所述被监控的学生的左耳的图案。
所述利用数据统计的即时驱动系统中:
在所述智能录影机构从学习桌的左侧对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作时,所述预设耳体轮廓为预先对被监控的学生的右耳进行图像采集所获得的只包括所述被监控的学生的右耳的图案
所述利用数据统计的即时驱动系统中:
所述现场投影机构还用于在接收到提醒关闭指令时,停止将各种标准学习姿态次序投影到所述学习桌的学生位置对面的墙体。
所述利用数据统计的即时驱动系统中还可以包括:
MMC存储芯片,分别与所述现场投影机构、所述姿态识别设备和所述内容统计机构连接,用于存储各种标准学习姿态、所述预设比例阈值以及所述预设百分比阈值。
所述利用数据统计的即时驱动系统中:
所述姿态识别设备内置有温度传感器,用于测量所述姿态识别设备的内部温度并实时输出;
其中,所述姿态识别设备内置有湿度传感器,用于测量所述姿态识别设备的内部湿度并实时输出;
其中,所述姿态识别设备内置有压力传感器,用于测量所述姿态识别设备的外壳所承受的压力并实时输出。
所述利用数据统计的即时驱动系统中:
所述内容统计机构内置有温度传感器,用于测量所述内容统计机构的内部温度并实时输出;
其中,所述内容统计机构内置有湿度传感器,用于测量所述内容统计机构的内部湿度并实时输出。
所述利用数据统计的即时驱动系统中:
所述内容统计机构内置有压力传感器,用于测量所述内容统计机构的外壳所承受的压力并实时输出。
另外,在所述利用数据统计的即时驱动系统中,可以采用ASIC芯片来实现所述姿态识别设备。ASIC即专用集成电路,是指应特定用户要求和特定电子系统的需要而设计、制造的集成电路。目前用CPLD(复杂可编程逻辑器件)和FPGA(现场可编程逻辑阵列)来进行ASIC设计是最为流行的方式之一,他们的共性是都具有用户现场可编程特性,都支持边界扫描技术,但两者在集成度、速度以及编程方式上具有各自的特点。目前,在集成电路界ASIC被认为是一种为专门目的而设计的集成电路。是指应特定用户要求和特定电子系统的需要而设计、制造的集成电路。ASIC的特点是面向特定用户的需求,ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。集成电路是一种微型电子器件或部件。采用一定的工艺,把一个电路中所需的晶体管、电阻、电容和电感等元件及布线互连一起,制作在一块或几小块半导体晶片或介质基片上,然后封装在一个管壳内,成为具有所需电路功能的微型结构;其中所有元件在结构上已组成一个整体,使电子元件向着微小型化、低功耗、智能化和高可靠性方面迈进了一大步。
最后应说明的是:以上各实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述各实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的范围,其均应涵盖在本公开的权利要求和说明书的范围当中。
Claims (9)
1.一种利用数据统计的即时驱动系统,其特征在于,包括:
智能录影机构,设置在学习桌的侧面,用于从侧面对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作,以获得与各个时间戳分别对应的各个学习场景帧。
2.如权利要求1所述的利用数据统计的即时驱动系统,其特征在于:
所述智能录影机构中包括预览检测设备、帧率调节设备和捕获执行设备。
3.如权利要求2所述的利用数据统计的即时驱动系统,其特征在于,所述系统还包括:
所述帧率调节设备分别与所述预览检测设备和所述捕获执行设备连接,所述预览检测设备用于检测当前时间戳对应的学习场景帧中是否存在与预设耳体轮廓匹配的人体耳体对象,所述帧率调节设备与所述预览检测设备连接,用于在存在与预设耳体轮廓匹配的人体耳体对象时,提升所述捕获执行设备的捕获帧率,还用于在不存在与预设耳体轮廓匹配的人体耳体对象时,保持所述捕获执行设备的捕获帧率为默认值;
姿态识别设备,与所述智能录影机构连接,用于对接收到的每一个学习场景帧执行边缘锐化处理,以获得当前锐化图像,对所述当前锐化图像中的人体轮廓进行提取,将提取到的人体轮廓分别与各种标准学习姿态进行匹配,当所述提取到的人体轮廓与任何一种标准学习姿态的匹配度都低于预设百分比阈值时,判断所述学习场景帧为错误姿态帧,当所述提取到的人体轮廓与某一种标准学习姿态的匹配度高于等于所述预设百分比阈值时,判断所述学习场景帧为正确姿态帧;
内容统计机构,与所述姿态识别设备连接,用于在最近的预设时间间隔中错误姿态帧的数量占据学习场景帧的总量的比例大于等于预设比例阈值时,发出提醒启动指令;
所述内容统计机构还用于在最近的预设时间间隔中错误姿态帧的数量占据学习场景帧的总量的比例小于所述预设比例阈值时,发出提醒关闭指令;
现场投影机构,设置在学习桌的斜上方,用于面对所述学习桌的学生位置对面的墙体,与所述内容统计机构连接,用于在接收到提醒启动指令时,将各种标准学习姿态次序投影到所述学习桌的学生位置对面的墙体;
其中,所述预设耳体轮廓为预先对被监控的学生的耳体进行图像采集所获得的只包括所述被监控的学生的耳体的图案;
其中,在所述智能录影机构从学习桌的左侧对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作时,所述预设耳体轮廓为预先对被监控的学生的左耳进行图像采集所获得的只包括所述被监控的学生的左耳的图案。
4.如权利要求3所述的利用数据统计的即时驱动系统,其特征在于:
在所述智能录影机构从学习桌的左侧对所述学习桌的学习场景执行均匀时间间隔的多帧捕获动作时,所述预设耳体轮廓为预先对被监控的学生的右耳进行图像采集所获得的只包括所述被监控的学生的右耳的图案。
5.如权利要求4所述的利用数据统计的即时驱动系统,其特征在于:
所述现场投影机构还用于在接收到提醒关闭指令时,停止将各种标准学习姿态次序投影到所述学习桌的学生位置对面的墙体。
6.如权利要求5所述的利用数据统计的即时驱动系统,其特征在于,所述系统还包括:
MMC存储芯片,分别与所述现场投影机构、所述姿态识别设备和所述内容统计机构连接,用于存储各种标准学习姿态、所述预设比例阈值以及所述预设百分比阈值。
7.如权利要求6所述的利用数据统计的即时驱动系统,其特征在于:
所述姿态识别设备内置有温度传感器,用于测量所述姿态识别设备的内部温度并实时输出;
其中,所述姿态识别设备内置有湿度传感器,用于测量所述姿态识别设备的内部湿度并实时输出;
其中,所述姿态识别设备内置有压力传感器,用于测量所述姿态识别设备的外壳所承受的压力并实时输出。
8.如权利要求7所述的利用数据统计的即时驱动系统,其特征在于:
所述内容统计机构内置有温度传感器,用于测量所述内容统计机构的内部温度并实时输出;
其中,所述内容统计机构内置有湿度传感器,用于测量所述内容统计机构的内部湿度并实时输出。
9.如权利要求8所述的利用数据统计的即时驱动系统,其特征在于:
所述内容统计机构内置有压力传感器,用于测量所述内容统计机构的外壳所承受的压力并实时输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011147077.3A CN112364717A (zh) | 2020-10-23 | 2020-10-23 | 利用数据统计的即时驱动系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011147077.3A CN112364717A (zh) | 2020-10-23 | 2020-10-23 | 利用数据统计的即时驱动系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112364717A true CN112364717A (zh) | 2021-02-12 |
Family
ID=74511901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011147077.3A Withdrawn CN112364717A (zh) | 2020-10-23 | 2020-10-23 | 利用数据统计的即时驱动系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364717A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113850163A (zh) * | 2021-09-12 | 2021-12-28 | 泰州蝶金软件有限公司 | 利用区块链存储的参数解析平台 |
CN116055684A (zh) * | 2023-01-18 | 2023-05-02 | 訸和文化科技(苏州)有限公司 | 基于画面监控的在线体育教学系统 |
-
2020
- 2020-10-23 CN CN202011147077.3A patent/CN112364717A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113850163A (zh) * | 2021-09-12 | 2021-12-28 | 泰州蝶金软件有限公司 | 利用区块链存储的参数解析平台 |
CN113850163B (zh) * | 2021-09-12 | 2022-05-17 | 深圳市思贝克工业智联有限公司 | 利用区块链存储的参数解析平台 |
CN116055684A (zh) * | 2023-01-18 | 2023-05-02 | 訸和文化科技(苏州)有限公司 | 基于画面监控的在线体育教学系统 |
CN116055684B (zh) * | 2023-01-18 | 2023-12-12 | 广州乐体科技有限公司 | 基于画面监控的在线体育教学系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299703B (zh) | 对鼠情进行统计的方法、装置以及图像采集设备 | |
JP6134825B2 (ja) | コンテクストデータを使用して端末によって画像キャプチャの確率を自動的に決定する方法 | |
US11913970B2 (en) | Wireless motion detection using multiband filters | |
CN112364717A (zh) | 利用数据统计的即时驱动系统 | |
US20150229839A1 (en) | Adaptive data path for computer-vision applications | |
CN113128368B (zh) | 一种人物交互关系的检测方法、装置及系统 | |
US11521473B2 (en) | Audio/video electronic device | |
EP3940633A1 (en) | Image alignment method and apparatus, electronic device, and storage medium | |
EP3282387A1 (en) | Fire detection method, fire detection apparatus and electronic equipment | |
CN109410278A (zh) | 一种目标定位方法、装置及系统 | |
CN108055431A (zh) | 实时野外图像采集系统及方法 | |
CN111369557B (zh) | 图像处理方法、装置、计算设备和存储介质 | |
US10592775B2 (en) | Image processing method, image processing device and image processing system | |
CN104715470A (zh) | 一种klt角点检测装置及方法 | |
CN109655816A (zh) | 获取声源位置的方法、装置及设备终端 | |
CN112906651B (zh) | 目标检测方法及装置 | |
CN110188783A (zh) | 一种图像分类方法、装置及电子设备 | |
CN112541429A (zh) | 一种智能抓图方法、装置、电子设备以及存储介质 | |
CN110572618B (zh) | 一种非法拍照行为监控方法、装置及系统 | |
CN111726569A (zh) | 监控内容替换检测系统及方法 | |
CN112800816A (zh) | 一种基于多模型的视频动作识别检测方法 | |
CN112380987B (zh) | 有效学习时长统计系统 | |
CN109389089A (zh) | 基于人工智能算法的多人行为识别方法及装置 | |
CN113591549B (zh) | 一种视频事件检测方法、计算机设备以及装置 | |
CN110855930B (zh) | 一种网络设备智能识别方法和系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210212 |
|
WW01 | Invention patent application withdrawn after publication |