CN112365521B - 终端设备的速度监测方法、装置、介质和计算设备 - Google Patents

终端设备的速度监测方法、装置、介质和计算设备 Download PDF

Info

Publication number
CN112365521B
CN112365521B CN202011424922.7A CN202011424922A CN112365521B CN 112365521 B CN112365521 B CN 112365521B CN 202011424922 A CN202011424922 A CN 202011424922A CN 112365521 B CN112365521 B CN 112365521B
Authority
CN
China
Prior art keywords
fitting
feature point
vector
sub
queue
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
Application number
CN202011424922.7A
Other languages
English (en)
Other versions
CN112365521A (zh
Inventor
曾凡
李静
张燕
易锐
邰海军
柯钦瑜
黄勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuanwei Beijing Biotechnology Co ltd
First Affiliated Hospital of Zhengzhou University
Original Assignee
Xuanwei Beijing Biotechnology Co ltd
First Affiliated Hospital of Zhengzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xuanwei Beijing Biotechnology Co ltd, First Affiliated Hospital of Zhengzhou University filed Critical Xuanwei Beijing Biotechnology Co ltd
Priority to CN202011424922.7A priority Critical patent/CN112365521B/zh
Publication of CN112365521A publication Critical patent/CN112365521A/zh
Application granted granted Critical
Publication of CN112365521B publication Critical patent/CN112365521B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
    • G01P3/68—Devices characterised by the determination of the time taken to traverse a fixed distance using optical means, i.e. using infrared, visible, or ultraviolet light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明的实施方式提供了一种终端设备的速度监测方法、装置、介质和计算设备。该方法包括：从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组；根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度。本发明的上述技术能够基于获取的多帧图像的特征点坐标数组计算采集视频的终端设备的运动速度，以使操作终端设备的操作人员可以随时获悉终端设备的当前的运动速度，从而实现对终端设备的精准控制，尽量避免操作人员对终端设备或待探测的空间造成的伤害，提升了终端设备使用的安全性。

Description

终端设备的速度监测方法、装置、介质和计算设备
技术领域
本发明的实施方式涉及机器视觉技术领域，更具体地，本发明的实施方式涉及一种终端设备的速度监测方法、装置、介质和计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
当前，为了探测逼仄、狭窄、肉眼难以直接观察的空间（例如隧道，涵洞、食道、消化道、胃肠道等），往往采用可控制的探头进行探测，为了不伤及探头或待探测的空间，往往需要对探头的运动速度进行精确地控制，这对控制探头的操作人员有着非常高的要求，需要拥有大量经验积累的操作人员操作，操作人员稍有不慎可能会对探头或待探测的空间造成伤害。
发明内容
在本上下文中，本发明的实施方式期望提供一种终端设备的速度监测方法、装置、介质和计算设备。
在本发明实施方式的第一方面中，提供了一种终端设备的速度监测方法，包括：
从终端设备采集的视频中获取每一帧图像的特征点坐标数组；
根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；
对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度。
在本实施方式的一个实施例中，所述从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组，包括：
对所述终端设备采集的视频进行预处理，得到所述视频中每一帧图像对应的结果图像；
通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组。
在本实施方式的一个实施例中，所述通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组之后，所述方法还包括：
将预设数量帧的图像的特征点坐标数组插入特征点队列，同时将所述预设数量帧的图像对应的时刻插入时刻队列；
所述根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组的方式具体为：
根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组。
在本实施方式的一个实施例中，所述根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组，包括：
分别将所述预设数量帧的图像转换为张量矩阵，并获取每一个张量矩阵的矩阵宽和矩阵高；
基于所述矩阵宽、所述矩阵高以及预设方式将每一个张量矩阵进行分割，得到每一个张量矩阵对应的多个子矩阵；
从所述特征点队列中确定多个所述子矩阵分别对应的多个特征点坐标子数组。
在本实施方式的一个实施例中，所述对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度，包括：
对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列；
分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列；
从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度。
在本实施方式的一个实施例中，所述对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列，包括：
根据预设中心点计算公式对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点；
根据预设插入方式将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列。
在本实施方式的一个实施例中，所述分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列，包括：
通过二阶拟合方程分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果；
将各个所述拟合结果插入与其对应的拟合队列，所述拟合队列与所述子矩阵特征点数组队列一一对应。
在本实施方式的一个实施例中，所述从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度，包括：
从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数；
基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量；
将所述均值向量平均速度标量和所述拟合向量平均速度标量确定为所述终端设备的运动速度。
在本实施方式的一个实施例中，所述从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数，包括：
从所述子矩阵特征点数组队列中获取特征点均值向量，并将所述特征点均值向量存储至第一临时向量；
从所述拟合队列中获取拟合向量，并将所述拟合向量存储至第二临时向量；
根据预设范数计算公式对所述第一临时向量和所述第二临时向量进行计算，得到均值向量L2范数和拟合向量L2范数。
在本实施方式的一个实施例中，所述基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量，包括：
根据预设距离计算公式对所述均值向量L2范数进行计算，得到均值向量平均距离标量，并根据预设距离计算公式对所述拟合向量L2范数进行计算，得到拟合向量平均距离标量；
从所述时刻队列中获取最大时刻和最小时刻；
基于所述均值向量平均距离标量、所述最大时刻以及所述最小时刻计算得到均值向量平均速度标量；
基于所述拟合向量平均距离标量、所述最大时刻以及所述最小时刻计算得到拟合向量平均速度标量。
在本实施方式的一个实施例中，所述对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度之后，所述方法还包括：
当监测到所述运动速度为0时，输出模糊提示信息，所述模糊提示信息用于提示所述终端设备采集的视频出现模糊的情况。
在本发明实施方式的第二方面中，提供了一种终端设备的速度监测装置，包括：
获取单元，用于从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组；
分割单元，用于根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；
计算单元，用于对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度。
在本实施方式的一个实施例中，所述获取单元包括：
处理子单元，用于对所述终端设备采集的视频进行预处理，得到所述视频中每一帧图像对应的结果图像；
所述处理子单元，还用于通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组。
在本实施方式的一个实施例中，所述装置还包括：
插入单元，用于在所述处理子单元得到所述每一帧图像对应的特征点坐标数组之后，将预设数量帧的图像的特征点坐标数组插入特征点队列，同时将所述预设数量帧的图像对应的时刻插入时刻队列；
所述分割单元根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组的方式具体为：
根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组。
在本实施方式的一个实施例中，所述分割单元包括：
转换子单元，用于分别将所述预设数量帧的图像转换为张量矩阵，并获取每一个张量矩阵的矩阵宽和矩阵高；
分割子单元，用于基于所述矩阵宽、所述矩阵高以及预设方式将每一个张量矩阵进行分割，得到每一个张量矩阵对应的多个子矩阵；
确定子单元，用于从所述特征点队列中确定多个所述子矩阵分别对应的多个特征点坐标子数组。
在本实施方式的一个实施例中，所述计算单元包括：
计算子单元，用于对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列；
拟合子单元，用于分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列；
获取子单元，用于从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度。
在本实施方式的一个实施例中，所述计算子单元包括：
第一计算模块，用于根据预设中心点计算公式对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点；
第一插入模块，用于根据预设插入方式将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列。
在本实施方式的一个实施例中，所述拟合子单元包括：
拟合模块，用于通过二阶拟合方程分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果；
第二插入模块，用于将各个所述拟合结果插入与其对应的拟合队列，所述拟合队列与所述子矩阵特征点数组队列一一对应。
在本实施方式的一个实施例中，所述获取子单元包括：
获取模块，用于从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数；
第二计算模块，用于基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量；
确定模块，用于将所述均值向量平均速度标量和所述拟合向量平均速度标量确定为所述终端设备的运动速度。
在本实施方式的一个实施例中，所述获取模块包括：
存储子模块，用于从所述子矩阵特征点数组队列中获取特征点均值向量，并将所述特征点均值向量存储至第一临时向量；
所述存储子模块，还用于从所述拟合队列中获取拟合向量，并将所述拟合向量存储至第二临时向量；
第一计算子模块，用于根据预设范数计算公式对所述第一临时向量和所述第二临时向量进行计算，得到均值向量L2范数和拟合向量L2范数。
在本实施方式的一个实施例中，所述第二计算模块包括：
第二计算子模块，用于根据预设距离计算公式对所述均值向量L2范数进行计算，得到均值向量平均距离标量，并根据预设距离计算公式对所述拟合向量L2范数进行计算，得到拟合向量平均距离标量；
获取子模块，用于从所述时刻队列中获取最大时刻和最小时刻；
所述第二计算子模块，还用于基于所述均值向量平均距离标量、所述最大时刻以及所述最小时刻计算得到均值向量平均速度标量；
所述第二计算子模块，还用于基于所述拟合向量平均距离标量、所述最大时刻以及所述最小时刻计算得到拟合向量平均速度标量。
在本实施方式的一个实施例中，所述装置还包括：
输出单元，用于在所述计算单元得到所述终端设备的运动速度之后，以及当监测到所述运动速度为0时，输出模糊提示信息，所述模糊提示信息用于提示所述终端设备采集的视频出现模糊的情况。
在本发明实施方式的第三方面中，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序在被处理器执行时能够实现第一方面中任一项所述的方法。
在本发明实施方式的第四方面中，提供了一种计算设备，包括如上所述的存储介质。
根据本发明实施方式的终端设备的速度监测方法、装置、介质和计算设备，能够获取采集到的视频中的每一帧图像的特征点坐标数组，并且可以基于特征点坐标数组计算采集视频的终端设备的运动速度，以使操作终端设备的操作人员可以随时获悉终端设备的当前的运动速度，从而实现对终端设备的精准控制，尽量避免操作人员因操作不当对终端设备或待探测的空间造成的伤害，提升了终端设备使用的安全性。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1为本发明一实施例提供的终端设备的速度监测方法的流程示意图；
图2为本发明另一实施例提供的终端设备的速度监测方法的流程示意图；
图3为本发明另一实施例提供的终端设备的速度监测方法的流程示意图；
图4为本发明一实施例提供的终端设备的速度监测装置的结构示意图；
图5示意性地示出了本发明实施例的一种介质的结构示意图；
图6示意性地示出了本发明实施例的一种计算设备的结构示意图。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件（包括固件、驻留软件、微代码等），或者硬件和软件结合的形式。
根据本发明的实施方式，提出了一种终端设备的速度监测方法、装置、介质和计算设备。
在本文中，需要理解的是，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
示例性方法
下面参考图1，图1为本发明一实施例提供的终端设备的速度监测方法的流程示意图。需要注意的是，本发明的实施方式可以应用于适用的任何场景。
图1所示的本发明一实施例提供的终端设备的速度监测方法的流程100，包括：
步骤S110，从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组；
步骤S120，根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；
步骤S130，对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度。
本申请中提出的终端设备的速度监测方法所针对的是基于图像识别技术在内窥镜以及探头等设备的使用场景中，基于内窥镜或者探头等设备采集到的图像计算得到内窥镜或者探头的运动速度，包括但不限于内窥镜以及探头等设备的使用场景，例如监控设备、机器人、汽车、无人机、潜水器等搭载图像采集设备的终端。
本发明的上述技术能够获取采集到的视频中的每一帧图像的特征点坐标数组，并且可以基于特征点坐标数组计算采集视频的终端设备的运动速度，以使操作终端设备的操作人员可以随时获悉终端设备的当前的运动速度，从而实现对终端设备的精准控制，尽量避免操作人员因操作不当对终端设备或待探测的空间造成的伤害，提升了终端设备使用的安全性。
下面结合附图说明如何确定采集视频的终端设备的运动速度，从而实现对终端设备的精准控制，尽量避免操作人员因操作不当对终端设备或待探测的空间造成的伤害，提升终端设备使用的安全性：
其中，终端设备上可以设置有图像采集设备，终端设备采集到的视频可以为终端设备的图像采集设备采集到的视频，终端设备可以为内窥镜、探头等设备，对此，本申请不做限定。
此外，可以对终端设备采集的视频的每一帧图像进行特征点提取，得到每一帧图像的特征点坐标数组，可以基于视频设置坐标系，在提取出图像的特征点时，基于该坐标系确定该特征点对应的特征点坐标，通常情况下，一张图像中可以提取出一个或多个特征点，当一张图像中存在多个特征点时，可以从坐标系中确定每一个特征点对应的特征点坐标，并且，可以将一张图像中提取出的所有特征点对应的特征点坐标添加至特征点坐标数组，即一张图像对应一个特征点坐标数组，一个特征点坐标数组中可以包含一个或多个特征点坐标。
本申请实施例中，将图像进行分割的预设方式可以为能够将图像分割为多个子图像的方式，例如：预设方式可以为将图像分割为形状相同的两个、三个或者四个等数量的子图像的分割方式，预设方式还可以为根据图像的长和宽等信息将图像进行分割的方式。由于图像被分割之后可以得到图像对应的多个子图像，且从图像中提取的特征点通常是分布在整张图像中的，因此，每个子图像中可以包含特征点，也可以不包含特征点，如果子图像中包含特征点，则一个子图像中可能包含一个或者多个特征点，进而可以获取子图像中包含的特征点对应的子图像特征点坐标，还可以根据子图像特征点坐标生成该子图像对应的特征点坐标子数组。可见，任意一张图像可以分割为多个子图像，且每个子图像都可以对应一个特征点坐标子数组。
本申请实施例中，由于终端设备采集到的视频中的前后相邻的图像都是连贯的，因此，连续的图像中提取的特征点的移动轨迹也可以认为是连贯的，通过对分割后的图像对应的多个特征点坐标子数组进行计算，可以得到提取的特征点在采集视频的时间段内的移动轨迹，更进一步可以基于特征点的移动轨迹和移动的时长，计算得到特征点的移动速度，特征点的移动速度可以认为是采集所述视频的终端设备的运动速度。
作为一种可选的实施方式，对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度的方式具体可以为：终端设备采集到的视频中可以包含多帧图像，且每帧图像的分割方式均相同，即可以认为每一帧图像分割后得到的子图像的布局都相同，因此，可以针对多个图像中方位相同的多个子图像对应的特征点坐标子数组进行计算，得到各个视频中的各个方位上提取到的特征点的移动轨迹，此外，还可以获取到提取特征点的时间段，进而可以基于特征点的移动轨迹和提取特征点的时间段计算得到特征点的移动速度，该移动速度可以认为是采集视频的终端设备的移动速度。可见，实施上述实施方式，可以对视频中不同方位的特征点的移动轨迹进行运算，进而可以计算得到终端设备的运动速度，提高了运动速度计算的准确性。
此外，在检测到终端设备的运动速度如果达到预设最大速度时，可以发出提示信息，该提示信息可以用于提示终端设备的操作人员当前移动终端设备的速度过快，可能会导致终端设备损坏或者终端设备所处空间被损坏的情况，提升了终端设备和终端设备所处空间的安全性。其中，提示信息的输出方式可以为通过提示灯闪烁的方式进行提示，还可以为通过扬声器输出提示音的方式进行提示，还可以为通过振动器振动的方式进行提示，另外，提示信息的输出方式还可以为上述任意两项或者三项输出方式相结合，对此，本申请实施例不做限定。
请参阅图2，图2为本发明另一实施例提供的终端设备的速度监测方法的流程示意图，图2所示的本发明另一实施例提供的终端设备的速度监测方法的流程200包括：
步骤S210，对所述终端设备采集的视频进行预处理，得到所述视频中每一帧图像对应的结果图像；
步骤S220，通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组；
实施上述的步骤S210~步骤S220，可以通过对终端设备采集的视频进行预处理，并且通过特征点提取算法对预处理的视频中的图像再次进行处理，可以得到视频中每一帧图像分别对应的特征点坐标数组，基于每一帧图像的特征点坐标数组可以简化后续对每一帧图像的分析方式，提升了对视频中每一帧图像的处理效率。
其中，对终端设备采集的视频进行预处理的方式具体可以为：可以基于预设卷积核对终端设备采集的视频中的每帧视频图像进行卷积操作，得到每帧视频图像对应的结果图像，预设卷积核可以以二阶微分卷积核为依据来确定，预设卷积核可以参考拉普拉斯的二阶微分卷积核[[1, 1, 1], [1, -8, 1], [1, 1, 1]]来设置，例如，预设卷积核可以为[[1, 1, 1], [1, -9, 1], [1, 1, 1]]或者[[1, 1, 1], [1, -10, 1], [1, 1, 1]]，操作人员可以通过对不同参数进行测试，选择卷积效果最好的参数，并根据该参数确定预设卷积核。
此外，特征点提取算法可以为快速特征点提取和描述（Oriented FAST andRotated BRIEF，ORB）算法，ORB算法可以用来对结果图像进行计算，并得到结果图像的特征点坐标数组。例如，基于预设的坐标系，可以确定结果图像的特征点在结果图像中的坐标Kp=(高，宽)，进而可以确定由一帧结果图像中包含的多个特征点坐标生成的特征点坐标数组Kps=[Kp1,Kp2,…,Kpn]。
更进一步，特征点提取算法还可以为尺度不变特征变换（Scale-InvariantFeature Transform，SIFT）算法、加速稳健特征（Speeded Up Robust Features，SURF）算法、Harris角点提取算法以及特征点检测（Features from Accelerated Segment Test，FAST）算法等，对此，本申请实施例不做限定。
步骤S230，将预设数量帧的图像的特征点坐标数组插入特征点队列，同时将所述预设数量帧的图像对应的时刻插入时刻队列；
步骤S240，根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组；
实施上述的步骤S230~步骤S240，可见特征点队列和时刻队列中插入的特征点坐标数组与该特征点坐标数组对应的图像的采集时刻是对应的，保证了插入特征点队列和时刻队列中的内容的对应关系，并且还可以通过预设方式对图像进行分割，将图像分为多个不同的区域，并且可以分别计算各个区域中图像的运动方向、运动速度以及运动距离，之后对上述的数据进行综合处理，可以计算得到终端设备的移动方向和综合的移动速度，如果不对图像进行分割，则只能得到终端设备在平面上的移动方向，无法计算终端设备的前进或后退的移动方向，进而使得计算得到的终端设备的移动速度不够准确，因此，通过对图像进行分割，可以得到更加准确的终端设备的移动方向和移动速度。
其中，终端设备在采集视频时，通常会一并记录采集视频的时间，即可以认为视频中的每一帧图像都可以对应唯一的时刻。可以预先设置需要插入特征点队列的图像的帧数，该帧数可以预先设置，可以设置为不大于视频中总帧数的任意数量帧。
举例来说，可以先定义特征点队列为Q，时刻队列可以定义为QT，可以通过先入先出（First In First Out，FIFO）的方式将特征点坐标数组插入Q，Q=[Kps1,Kps2,…,Kpsn]，同时，将特征点坐标数组的图像对应的时刻插入QT，QT=[t1,t2,…,tn]，如果特征点队列长度大于预设长度时，则可以自动删除特征点队列中最先入队的特征点坐标数组，同时可以一并删除时刻队列中与最先入队的特征点坐标数组对应的最先入队的时刻。
步骤S250，对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度；
步骤S260，当监测到所述运动速度为0时，输出模糊提示信息，所述模糊提示信息用于提示所述终端设备采集的视频出现模糊的情况。
实施上述的步骤S260，可以在监测到终端设备的运动速度为0时，即可以认为从终端设备采集的视频中无法计算得到终端设备的运动速度，进而可以认为终端设备的采集图像的设备出现模糊的情况，并且可以及时的对终端设备的操作人员做出提醒，避免了终端设备被损坏，同时也避免了终端设备所处空间被损坏。
请参阅图3，图3为本发明另一实施例提供的终端设备的速度监测方法的流程示意图，图3所示的本发明另一实施例提供的终端设备的速度监测方法的流程300包括：
步骤S310，对所述终端设备采集的视频进行预处理，得到所述视频中每一帧图像对应的结果图像；
步骤S320，通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组；
步骤S330，将预设数量帧的图像的特征点坐标数组插入特征点队列，同时将所述预设数量帧的图像对应的时刻插入时刻队列；
步骤S340，分别将所述预设数量帧的图像转换为张量矩阵，并获取每一个张量矩阵的矩阵宽和矩阵高；
步骤S350，基于所述矩阵宽、所述矩阵高以及预设方式将每一个张量矩阵进行分割，得到每一个张量矩阵对应的多个子矩阵；
步骤S360，从所述特征点队列中确定多个所述子矩阵分别对应的多个特征点坐标子数组；
实施上述的步骤S340~步骤S360，可以基于图像转换得到的张量矩阵的宽和高对图像的张量矩阵进行分割，以使对图像的张量矩阵的分割方式更加合理，进而使得基于张量矩阵分割得到的子矩阵对应的特征点坐标子数据中的数据也更为合理。
其中，转换为的张量矩阵可以为M’，由于每一帧图像都是从终端设备采集到的视频中获取的，因此每一帧图像的尺寸大小均相同，即可以认为基于图像转换的张量矩阵的矩阵宽和矩阵高也都相同。因此，可以从张量矩阵中获取矩阵宽w和矩阵高h。
更进一步，基于矩阵宽、矩阵高以及预设方式将每一个张量矩阵进行分割的方式具体可以为：
基于矩阵宽w和矩阵高h可以按照预设方式计算得到两条直线line1和line2，计算line1和line2的预设方式可以为：line1=（（0，w/2），（h，w/2））和line2=（（h/2，0），（h/2，w）），进而可以将视频中每一帧图像对应的张量矩阵均分割为四个子矩阵：
Figure 293957DEST_PATH_IMAGE001
其中，A1为张量矩阵的左上角部分，即图像的左上角部分；A2为张量矩阵的右上角部分，即图像的右上角部分；A3为张量矩阵的左下角部分，即图像的左下角部分；A4为张量矩阵的右下角部分，即图像的右下角部分；之后，可以从图像对应的特征点坐标数组Kps中获取到四个区域分别对应的特征点坐标子数组，A1对应的特征点坐标子数组可以为A1Kps，A2对应的特征点坐标子数组可以为A2Kps，A3对应的特征点坐标子数组可以为A3Kps，A4对应的特征点坐标子数组可以为A4Kps。此外，还可以将每一帧图像的不同区域的特征点坐标子数组插入对应的队列中进行存储，例如，可以将每一帧图像的A1Kps插入队列Q1，以及将A2Kps插入队列Q2，以及将A3Kps插入队列Q3，以及将A4Kps插入队列Q4，其中，插入方式可以为FIFO的方式。
步骤S370，对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列；
步骤S380，分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列；
步骤S390，从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度。
实施上述的步骤S370~步骤S390，可以分别对各个特征点坐标子数组进行计算，得到各个特征点坐标子数组的特征点中心点，进而对多个特征点中心点进行拟合等计算，可以得到终端设备的运动速度，提升了终端设备的运动速度计算的准确性。
作为一种可选的实施方式，步骤S370，对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列的方式具体可以包括以下步骤：
根据预设中心点计算公式对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点；
根据预设插入方式将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列。
可见，实施上述实施方式，可以将每张图像的不同子矩阵的特征点中心点分别插入不同的子矩阵特征点数组队列中，可以对每张图像不同子矩阵的特征点中心点进行分类存储，保证了后续计算每张图像不同子区域的特征的准确性。
其中，由于每个子区域的特征点数量很多，所以需要计算每个子矩阵的特征点之间的特征点中心点，预设中心点计算公式可以为：
Figure 820884DEST_PATH_IMAGE002
其中，当n=1时，计算得到的P1Avg就可以定义为是子矩阵A1的特征点坐标子数组A1Kps的特征点中心点；当n=2时，计算得到的P2Avg就可以定义为是子矩阵A2的特征点坐标子数组A2Kps的特征点中心点；当n=3时，计算得到的P3Avg就可以定义为是子矩阵A3的特征点坐标子数组A3Kps的特征点中心点；当n=4时，计算得到的P4Avg就可以定义为是子矩阵A4的特征点坐标子数组A4Kps的特征点中心点。
更进一步，可以将每一帧图像的子矩阵A1的特征点中心点插入与A1对应的子矩阵特征点数组队列QAvg1=[P1Avg1,P2Avg2,…,PnAvgn]，重复上述的步骤，可以得到与A2对应的子矩阵特征点数组队列QAvg2，以及得到与A3对应的子矩阵特征点数组队列QAvg3，以及得到与A4对应的子矩阵特征点数组队列QAvg4。
作为一种可选的实施方式，步骤S380，分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列的方式具体可以包括以下步骤：
通过二阶拟合方程分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果；
将各个所述拟合结果插入与其对应的拟合队列，所述拟合队列与所述子矩阵特征点数组队列一一对应。
可见，实施上述实施方式，可以对各个子矩阵特征点数组队列进行拟合，并将得到的拟合结果插入到拟合队列中，以使得到的拟合结果更加准确，并且保证了拟合结果的全面性。
其中，由于特征点中心点在图像中的分布不均匀，以使观测到的特征点中心点的移动方向混乱，因此，可以采用二阶拟合方程（如基于最小二乘的2阶线性拟合方程）分别对子矩阵特征点数组队列QAvg1、QAvg2、QAvg3以及QAvg4进行拟合，得到拟合结果，从而实现离散的特征点中心点的线性回归，且得到的拟合结果可以为直线方程，进而可以将拟合结果一一对应地插入不同的拟合队列QFAvg1、QFAvg2、QFAvg3和QFAvg4。
作为一种可选的实施方式，步骤S390，从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度的方式具体可以包括以下步骤：
从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数；
基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量；
将所述均值向量平均速度标量和所述拟合向量平均速度标量确定为所述终端设备的运动速度。
可见，实施上述实施方式，可以对拟合得到的特征点均值向量和拟合向量分别进行计算，从而可以得到特征点均值向量对应的均值向量平均速度标量以及拟合向量对应的拟合向量平均速度标量，并将均值向量平均速度标量和拟合向量平均速度标量都确定为终端设备的运动速度，提高了终端设备运动速度的全面性。
其中，均值向量平均速度标量为计算得到的终端设备的实际的运动速度，拟合向量平均速度标量为计算得到的终端设备的拟合后的运动速度，前者变化率比较高、速度跳动频率高且实时性强（操作停，速度马上就变成0）；后者速度跳动平缓，方便进行观测。
更进一步，从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数的具体实施方式可以包括：
从所述子矩阵特征点数组队列中获取特征点均值向量，并将所述特征点均值向量存储至第一临时向量；
从所述拟合队列中获取拟合向量，并将所述拟合向量存储至第二临时向量；
根据预设范数计算公式对所述第一临时向量和所述第二临时向量进行计算，得到均值向量L2范数和拟合向量L2范数。
其中，实施上述实施方式，可以从子矩阵特征点数组队列中获取到第一临时向量，并通过对第一临时向量计算得到均值向量L2范数，还可以从拟合队列中获取到第二临时向量，并通过对第二临时向量计算得到拟合向量L2范数，保证了计算得到的各个子区域对应的均值向量L2范数和拟合向量L2范数的准确性。
其中，可以从子矩阵特征点数组队列QAvg1、QAvg2、QAvg3以及QAvg4中获取特征点均值向量，并将特征点均值向量存储至第一临时向量Arr1、Arr2、Arr3以及Arr4，且子矩阵特征点数组队列与第一临时向量一一对应。此外，还可以从拟合队列QFAvg1、QFAvg2、QFAvg3和QFAvg4中获取拟合向量，并将拟合向量存储至第二临时向量ArrF1、ArrF2、ArrF3以及ArrF4，且拟合队列与第二临时向量一一对应。
更进一步，基于特征点均值向量和拟合向量计算得到均值向量L2范数和拟合向量L2范数的公式为（以子矩阵特征点数组队列QAvg1举例）：
Figure 335042DEST_PATH_IMAGE003
其中，由于计算的是L2范数距离，所以p=2；由于计算的是均值特征点起始坐标的距离，则n=2。根据上述公式可以计算得到均值向量L2范数L1、L2、L3以及L4，还可以得到拟合向量L2范数LF1、LF2、LF3以及LF4。
更进一步，基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量的具体实施方式可以包括：
根据预设距离计算公式对所述均值向量L2范数进行计算，得到均值向量平均距离标量，并根据预设距离计算公式对所述拟合向量L2范数进行计算，得到拟合向量平均距离标量；
从所述时刻队列中获取最大时刻和最小时刻；
基于所述均值向量平均距离标量、所述最大时刻以及所述最小时刻计算得到均值向量平均速度标量；
基于所述拟合向量平均距离标量、所述最大时刻以及所述最小时刻计算得到拟合向量平均速度标量。
其中，实施上述实施方式，可以基于均值向量L2范数和拟合向量L2范数以及时刻队列中的最大时刻和最小时刻计算得到均值向量平均速度标量和拟合向量平均速度标量，提高了均值向量平均速度标量和拟合向量平均速度标量计算结果的准确性。
其中，可以遍历均值向量L2范数L1、L2、L3以及L4，以及遍历拟合向量L2范数LF1、LF2、LF3以及LF4，进而根据公式获取均值向量平均移动长度AvgL和拟合向量平均移动长度AvgLF：
Figure 261410DEST_PATH_IMAGE004
Figure 246421DEST_PATH_IMAGE005
由于这里的长度是历史中多帧后的产物，因此，需要从时刻队列中获取到最大时刻argmaxQT(t)和最小时刻argminQT(t)，进而可a以基于最大时刻、最小时刻以及均值向量平均移动长度计算得到均值向量平均速度标量AvgV：
Figure 600042DEST_PATH_IMAGE006
还可以基于最大时刻、最小时刻以及拟合向量平均移动长度计算得到均值向量平均速度标量AvgVF：
Figure 8021DEST_PATH_IMAGE007
根据上述过程，可得到拟合向量平均距离标量
Figure DEST_PATH_IMAGE009
，拟合向量平均速度标量AvgVF。
本发明的上述技术方案能够对终端设备采集到的视频进行预先的处理，以使基于处理后的视频可以更加高效的计算出采集视频的终端设备的运动速度；还可以基于图像转换得到的张量矩阵的宽和高对图像的张量矩阵进行分割，以使对图像的张量矩阵的分割方式更加合理；还可以对每张图像分割出的不同子矩阵的特征点中心点进行分类存储，保证了后续计算每张图像不同子区域的特征的准确性；还可以对各个子矩阵特征点数组队列进行拟合，并将得到的拟合结果插入到拟合队列中，以使得到的拟合结果更加准确，并且保证了拟合结果的全面性；还可以对拟合得到的特征点均值向量和拟合向量分别进行计算，得到包含均值向量平均速度标量和拟合向量平均速度标量的终端设备的运动速度，提高了终端设备运动速度的全面性；此外，还可以在判断出终端设备用于采集图像的设备出现模糊的情况下，及时的对终端设备的操作人员做出提醒，避免终端设备被损坏，同时也避免终端设备所处空间被损坏。
示例性装置
在介绍了本发明示例性实施方式的方法之后，接下来，参考图4对本发明示例性实施方式的一种终端设备的速度监测装置进行说明，该装置包括：
获取单元410，用于从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组；
分割单元420，用于根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；
计算单元430，用于对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度。
本发明的上述技术能够获取采集到的视频中的每一帧图像的特征点坐标数组，并且可以基于特征点坐标数组计算采集视频的终端设备的运动速度，以使操作终端设备的操作人员可以随时获悉终端设备的当前的运动速度，从而实现对终端设备的精准控制，尽量避免操作人员因操作不当对终端设备或待探测的空间造成的伤害，提升了终端设备使用的安全性。
作为一种可选的实施方式，该装置的获取单元410可以包括：
处理子单元，用于对所述终端设备采集的视频进行预处理，得到所述视频中每一帧图像对应的结果图像；
所述处理子单元，还用于通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组。
其中，实施这种实施方式，可以通过对终端设备采集的视频进行预处理，并且通过特征点提取算法对预处理的视频中的图像再次进行处理，可以得到视频中每一帧图像分别对应的特征点坐标数组，基于每一帧图像的特征点坐标数组可以简化后续对每一帧图像的分析方式，提升了对视频中每一帧图像的处理效率。
作为一种可选的实施方式，该装置还可以包括：
插入单元，用于在所述处理子单元得到所述每一帧图像对应的特征点坐标数组之后，将预设数量帧的图像的特征点坐标数组插入特征点队列，同时将所述预设数量帧的图像对应的时刻插入时刻队列；
所述分割单元420根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组的方式具体为：
根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组。
其中，实施这种实施方式，可见特征点队列和时刻队列中插入的特征点坐标数组与该特征点坐标数组对应的图像的采集时刻是对应的，保证了插入特征点队列和时刻队列中的内容的对应关系，并且还可以通过预设方式对图像进行分割，以使图像中不同区域的特征点更明显，提升了对图像进行分析的准确性。
作为一种可选的实施方式，该装置的分割单元420可以包括：
转换子单元，用于分别将所述预设数量帧的图像转换为张量矩阵，并获取每一个张量矩阵的矩阵宽和矩阵高；
分割子单元，用于基于所述矩阵宽、所述矩阵高以及预设方式将每一个张量矩阵进行分割，得到每一个张量矩阵对应的多个子矩阵；
确定子单元，用于从所述特征点队列中确定多个所述子矩阵分别对应的多个特征点坐标子数组。
其中，实施这种实施方式，可以基于图像转换得到的张量矩阵的宽和高对图像的张量矩阵进行分割，以使对图像的张量矩阵的分割方式更加合理，进而使得基于张量矩阵分割得到的子矩阵对应的特征点坐标子数据中的数据也更为合理。
作为一种可选的实施方式，该装置的计算单元430可以包括：
计算子单元，用于对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列；
拟合子单元，用于分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列；
获取子单元，用于从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度。
其中，实施这种实施方式，可以分别对各个特征点坐标子数组进行计算，得到各个特征点坐标子数组的特征点中心点，进而对多个特征点中心点进行拟合等计算，可以得到终端设备的运动速度，提升了终端设备的运动速度计算的准确性。
作为一种可选的实施方式，该装置的计算子单元可以包括：
第一计算模块，用于根据预设中心点计算公式对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点；
第一插入模块，用于根据预设插入方式将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列。
其中，实施这种实施方式，可以将每张图像的不同子矩阵的特征点中心点分别插入不同的子矩阵特征点数组队列中，可以对每张图像不同子矩阵的特征点中心点进行分类存储，保证了后续计算每张图像不同子区域的特征的准确性。
作为一种可选的实施方式，该装置的拟合子单元可以包括：
拟合模块，用于通过二阶拟合方程分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果；
第二插入模块，用于将各个所述拟合结果插入与其对应的拟合队列，所述拟合队列与所述子矩阵特征点数组队列一一对应。
其中，实施这种实施方式，可以对各个子矩阵特征点数组队列进行拟合，并将得到的拟合结果插入到拟合队列中，以使得到的拟合结果更加准确，并且保证了拟合结果的全面性。
作为一种可选的实施方式，该装置的获取子单元可以包括：
获取模块，用于从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数；
第二计算模块，用于基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量；
确定模块，用于将所述均值向量平均速度标量和所述拟合向量平均速度标量确定为所述终端设备的运动速度。
其中，实施这种实施方式，可以对拟合得到的特征点均值向量和拟合向量分别进行计算，从而可以得到特征点均值向量对应的均值向量平均速度标量以及拟合向量对应的拟合向量平均速度标量，并将均值向量平均速度标量和拟合向量平均速度标量都确定为终端设备的运动速度，提高了终端设备运动速度的全面性。
作为一种可选的实施方式，该装置的获取模块可以包括：
存储子模块，用于从所述子矩阵特征点数组队列中获取特征点均值向量，并将所述特征点均值向量存储至第一临时向量；
所述存储子模块，还用于从所述拟合队列中获取拟合向量，并将所述拟合向量存储至第二临时向量；
第一计算子模块，用于根据预设范数计算公式对所述第一临时向量和所述第二临时向量进行计算，得到均值向量L2范数和拟合向量L2范数。
其中，实施这种实施方式，可以从子矩阵特征点数组队列中获取到第一临时向量，并通过对第一临时向量计算得到均值向量L2范数，还可以从拟合队列中获取到第二临时向量，并通过对第二临时向量计算得到拟合向量L2范数，保证了计算得到的各个子区域对应的均值向量L2范数和拟合向量L2范数的准确性。
作为一种可选的实施方式，该装置的第二计算模块可以包括：
第二计算子模块，用于根据预设距离计算公式对所述均值向量L2范数进行计算，得到均值向量平均距离标量，并根据预设距离计算公式对所述拟合向量L2范数进行计算，得到拟合向量平均距离标量；
获取子模块，用于从所述时刻队列中获取最大时刻和最小时刻；
所述第二计算子模块，还用于基于所述均值向量平均距离标量、所述最大时刻以及所述最小时刻计算得到均值向量平均速度标量；
所述第二计算子模块，还用于基于所述拟合向量平均距离标量、所述最大时刻以及所述最小时刻计算得到拟合向量平均速度标量。
其中，实施这种实施方式，可以基于均值向量L2范数和拟合向量L2范数以及时刻队列中的最大时刻和最小时刻计算得到均值向量平均速度标量和拟合向量平均速度标量，提高了均值向量平均速度标量和拟合向量平均速度标量计算结果的准确性。
作为一种可选的实施方式，该装置还可以包括：
输出单元，用于在所述计算单元得到所述终端设备的运动速度之后，以及当监测到所述运动速度为0时，输出模糊提示信息，所述模糊提示信息用于提示所述终端设备采集的视频出现模糊的情况。
其中，实施这种实施方式，可以在监测到终端设备的运动速度为0时，即可以认为从终端设备采集的视频中无法计算得到终端设备的运动速度，进而可以认为终端设备的采集图像的设备出现模糊的情况，并且可以及时的对终端设备的操作人员做出提醒，避免了终端设备被损坏，同时也避免了终端设备所处空间被损坏。
示例性介质
在介绍了本发明示例性实施方式的方法和装置之后，接下来，参考图5对本发明示例性实施方式的计算机可读存储介质进行说明，请参考图5，其示出的计算机可读存储介质为光盘50，其上存储有计算机程序（即程序产品），所述计算机程序在被处理器运行时，会实现上述方法实施方式中所记载的各步骤，例如，从终端设备采集的视频中获取每一帧图像的特征点坐标数组；根据预设方式将图像进行分割，从图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；对分割后的图像对应的多个特征点坐标子数组进行计算，得到终端设备的运动速度；各步骤的具体实现方式在此不再重复说明。
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
示例性计算设备
在介绍了本发明示例性实施方式的方法、介质和装置之后，接下来，参考图6对本发明示例性实施方式的用于监测终端设备的运动速度的计算设备。
图6示出了适于用来实现本发明实施方式的示例性计算设备60的框图，该计算设备60可以是计算机系统或服务器。图6显示的计算设备60仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算设备60的组件可以包括但不限于：一个或者多个处理器或者处理单元601，系统存储器602，连接不同系统组件（包括系统存储器602和处理单元601）的总线603。
计算设备60典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算设备60访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器602可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（RAM）6021和/或高速缓存存储器6022。计算设备60可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，ROM6023可以用于读写不可移动的、非易失性磁介质（图6中未显示，通常称为“硬盘驱动器”）。尽管未在图6中示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如CD-ROM，DVD-ROM或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线603相连。系统存储器602中可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组（至少一个）程序模块6024的程序/实用工具6025，可以存储在例如系统存储器602中，且这样的程序模块6024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块6024通常执行本发明所描述的实施例中的功能和/或方法。
计算设备60也可以与一个或多个外部设备604（如键盘、指向设备、显示器等）通信。这种通信可以通过输入/输出（I/O）接口605进行。并且，计算设备60还可以通过网络适配器606与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图6所示，网络适配器606通过总线603与计算设备60的其它模块（如处理单元601等）通信。应当明白，尽管图6中未示出，可以结合计算设备60使用其它硬件和/或软件模块。
处理单元601通过运行存储在系统存储器602中的程序，从而执行各种功能应用以及数据处理，例如，从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组；根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度。各步骤的具体实现方式在此不再重复说明。应当注意，尽管在上文详细描述中提及了终端设备的速度监测装置的若干单元/模块或子单元/子模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

Claims (20)

1.一种终端设备的速度监测方法，包括：
从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组；
根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；
对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度；
其中，所述对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度，包括：
对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列；
分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列；
从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度；
其中，从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度，包括：
从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数；
基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量；
将所述均值向量平均速度标量和所述拟合向量平均速度标量确定为所述终端设备的运动速度。
2.根据权利要求1所述的终端设备的速度监测方法，从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组，包括：
对所述终端设备采集的视频进行预处理，得到所述视频中每一帧图像对应的结果图像；
通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组。
3.根据权利要求2所述的终端设备的速度监测方法，所述通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组之后，所述方法还包括：
将预设数量帧的图像的特征点坐标数组插入特征点队列，同时将所述预设数量帧的图像对应的时刻插入时刻队列；
所述根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组的方式具体为：
根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组。
4.根据权利要求3所述的终端设备的速度监测方法，所述根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组，包括：
分别将所述预设数量帧的图像转换为张量矩阵，并获取每一个张量矩阵的矩阵宽和矩阵高；
基于所述矩阵宽、所述矩阵高以及预设方式将每一个张量矩阵进行分割，得到每一个张量矩阵对应的多个子矩阵；
从所述特征点队列中确定多个所述子矩阵分别对应的多个特征点坐标子数组。
5.根据权利要求4所述的终端设备的速度监测方法，对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列，包括：
根据预设中心点计算公式对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点；
根据预设插入方式将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列。
6.根据权利要求5所述的终端设备的速度监测方法，所述分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列，包括：
通过二阶拟合方程分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果；
将各个所述拟合结果插入与其对应的拟合队列，所述拟合队列与所述子矩阵特征点数组队列一一对应。
7.根据权利要求6所述的终端设备的速度监测方法，所述从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数，包括：
从所述子矩阵特征点数组队列中获取特征点均值向量，并将所述特征点均值向量存储至第一临时向量；
从所述拟合队列中获取拟合向量，并将所述拟合向量存储至第二临时向量；
根据预设范数计算公式对所述第一临时向量和所述第二临时向量进行计算，得到均值向量L2范数和拟合向量L2范数。
8.根据权利要求7所述的终端设备的速度监测方法，所述基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量，包括：
根据预设距离计算公式对所述均值向量L2范数进行计算，得到均值向量平均距离标量，并根据预设距离计算公式对所述拟合向量L2范数进行计算，得到拟合向量平均距离标量；
从所述时刻队列中获取最大时刻和最小时刻；
基于所述均值向量平均距离标量、所述最大时刻以及所述最小时刻计算得到均值向量平均速度标量；
基于所述拟合向量平均距离标量、所述最大时刻以及所述最小时刻计算得到拟合向量平均速度标量。
9.根据权利要求1～5任一项所述的终端设备的速度监测方法，所述对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度之后，所述方法还包括：
当监测到所述运动速度为0时，输出模糊提示信息，所述模糊提示信息用于提示所述终端设备采集的视频出现模糊的情况。
10.一种终端设备的速度监测装置，包括：
获取单元，用于从所述终端设备采集的视频中获取每一帧图像的特征点坐标数组；
分割单元，用于根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组；
计算单元，用于对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述终端设备的运动速度；
其中，所述计算单元包括：
计算子单元，用于对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点，并将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列；
拟合子单元，用于分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果，将各个所述拟合结果插入与其对应的拟合队列；
获取子单元，用于从所述子矩阵特征点数组队列和所述拟合队列中获取特征点均值向量和拟合向量，并基于所述特征点均值向量和所述拟合向量进行计算，得到所述终端设备的运动速度；
其中，所述获取子单元包括：
获取模块，用于从所述子矩阵特征点数组队列中获取特征点均值向量，并且从所述拟合队列中获取拟合向量，以及根据所述特征点均值向量和所述拟合向量计算得到均值向量L2范数和拟合向量L2范数；
第二计算模块，用于基于所述均值向量L2范数和所述拟合向量L2范数计算得到均值向量平均速度标量和拟合向量平均速度标量；
确定模块，用于将所述均值向量平均速度标量和所述拟合向量平均速度标量确定为所述终端设备的运动速度。
11.根据权利要求10所述的终端设备的速度监测装置，所述获取单元包括：
处理子单元，用于对所述终端设备采集的视频进行预处理，得到所述视频中每一帧图像对应的结果图像；
所述处理子单元，还用于通过特征点提取算法对所述结果图像进行处理，得到所述每一帧图像对应的特征点坐标数组。
12.根据权利要求11所述的终端设备的速度监测装置，所述装置还包括：
插入单元，用于在所述处理子单元得到所述每一帧图像对应的特征点坐标数组之后，将预设数量帧的图像的特征点坐标数组插入特征点队列，同时将所述预设数量帧的图像对应的时刻插入时刻队列；
所述分割单元根据预设方式将所述图像进行分割，从所述图像对应的特征点坐标数组中确定分割后的图像对应的多个特征点坐标子数组的方式具体为：
根据预设方式将所述预设数量帧的图像进行分割，从所述特征点队列中确定分割后的图像对应的多个特征点坐标子数组。
13.根据权利要求12所述的终端设备的速度监测装置，所述分割单元包括：
转换子单元，用于分别将所述预设数量帧的图像转换为张量矩阵，并获取每一个张量矩阵的矩阵宽和矩阵高；
分割子单元，用于基于所述矩阵宽、所述矩阵高以及预设方式将每一个张量矩阵进行分割，得到每一个张量矩阵对应的多个子矩阵；
确定子单元，用于从所述特征点队列中确定多个所述子矩阵分别对应的多个特征点坐标子数组。
14.根据权利要求13所述的终端设备的速度监测装置，所述计算子单元包括：
第一计算模块，用于根据预设中心点计算公式对所述分割后的图像对应的多个特征点坐标子数组进行计算，得到所述分割后的图像对应的每个子矩阵的特征点中心点；
第一插入模块，用于根据预设插入方式将各个所述特征点中心点插入与其对应的子矩阵特征点数组队列。
15.根据权利要求14所述的终端设备的速度监测装置，所述拟合子单元包括：
拟合模块，用于通过二阶拟合方程分别对各个所述子矩阵特征点数组队列进行拟合，得到各个所述子矩阵特征点数组队列的拟合结果；
第二插入模块，用于将各个所述拟合结果插入与其对应的拟合队列，所述拟合队列与所述子矩阵特征点数组队列一一对应。
16.根据权利要求15所述的终端设备的速度监测装置，所述获取模块包括：
存储子模块，用于从所述子矩阵特征点数组队列中获取特征点均值向量，并将所述特征点均值向量存储至第一临时向量；
所述存储子模块，还用于从所述拟合队列中获取拟合向量，并将所述拟合向量存储至第二临时向量；
第一计算子模块，用于根据预设范数计算公式对所述第一临时向量和所述第二临时向量进行计算，得到均值向量L2范数和拟合向量L2范数。
17.根据权利要求16所述的终端设备的速度监测装置，所述第二计算模块包括：
第二计算子模块，用于根据预设距离计算公式对所述均值向量L2范数进行计算，得到均值向量平均距离标量，并根据预设距离计算公式对所述拟合向量L2范数进行计算，得到拟合向量平均距离标量；
获取子模块，用于从所述时刻队列中获取最大时刻和最小时刻；
所述第二计算子模块，还用于基于所述均值向量平均距离标量、所述最大时刻以及所述最小时刻计算得到均值向量平均速度标量；
所述第二计算子模块，还用于基于所述拟合向量平均距离标量、所述最大时刻以及所述最小时刻计算得到拟合向量平均速度标量。
18.根据权利要求10～14任一项所述的终端设备的速度监测装置，所述装置还包括：
输出单元，用于在所述计算单元得到所述终端设备的运动速度之后，以及当监测到所述运动速度为0时，输出模糊提示信息，所述模糊提示信息用于提示所述终端设备采集的视频出现模糊的情况。
19.一种存储有程序的存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1到9中的任一项所述的终端设备的速度监测方法。
20.一种计算设备，包括如权利要求19所述的存储介质。
CN202011424922.7A 2020-12-08 2020-12-08 终端设备的速度监测方法、装置、介质和计算设备 Active CN112365521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011424922.7A CN112365521B (zh) 2020-12-08 2020-12-08 终端设备的速度监测方法、装置、介质和计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011424922.7A CN112365521B (zh) 2020-12-08 2020-12-08 终端设备的速度监测方法、装置、介质和计算设备

Publications (2)

Publication Number Publication Date
CN112365521A CN112365521A (zh) 2021-02-12
CN112365521B true CN112365521B (zh) 2021-08-27

Family

ID=74535926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011424922.7A Active CN112365521B (zh) 2020-12-08 2020-12-08 终端设备的速度监测方法、装置、介质和计算设备

Country Status (1)

Country Link
CN (1) CN112365521B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129340B (zh) * 2021-06-15 2021-09-28 萱闱(北京)生物科技有限公司 操作设备的运动轨迹分析方法、装置、介质和计算设备
CN113793334B (zh) * 2021-11-16 2022-02-08 武汉大学 设备监测方法和设备监测装置
CN117152044A (zh) * 2022-05-24 2023-12-01 腾讯科技（深圳）有限公司 一种图像清晰度的评价方法、相关装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679497A (zh) * 2017-10-11 2018-02-09 齐鲁工业大学 视频面部贴图特效处理方法及生成系统
CN110012425A (zh) * 2016-05-05 2019-07-12 广东小天才科技有限公司 一种用户提醒方法及用户终端
CN110458875A (zh) * 2019-07-30 2019-11-15 广州市百果园信息技术有限公司 异常点对的检测方法、图像拼接方法、相应装置及设备
CN111726533A (zh) * 2020-06-30 2020-09-29 RealMe重庆移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5471626B2 (ja) * 2010-03-09 2014-04-16 ソニー株式会社 情報処理装置、マップ更新方法、プログラム及び情報処理システム
US8577092B2 (en) * 2010-11-11 2013-11-05 Lg Electronics Inc. Multimedia device, multiple image sensors having different types and method for controlling the same
CN106980843B (zh) * 2017-04-05 2019-09-06 南京航空航天大学 目标跟踪的方法及装置
CN107292231A (zh) * 2017-05-10 2017-10-24 广东技术师范学院 一种基于三维重建下的姿态识别的方法及系统
CN107729144B (zh) * 2017-09-30 2020-01-14 Oppo广东移动通信有限公司 应用控制方法、装置、存储介质及电子设备
CN109657080B (zh) * 2018-09-29 2022-09-13 中国科学院上海高等研究院 高分卫星遥感数据的分布式处理方法/系统和介质
CN110298914B (zh) * 2019-05-29 2023-05-09 江苏大学 一种建立果园中果树冠层特征地图的方法
CN110457518A (zh) * 2019-07-29 2019-11-15 腾讯科技（深圳）有限公司 一种室内定位方法、装置及存储介质
CN110569849B (zh) * 2019-08-19 2022-04-12 北京猫眼视觉科技有限公司 一种基于ar眼镜的多仪表同时识别及空间定位方法及系统
CN110443931B (zh) * 2019-09-05 2021-06-01 郑州大学第一附属医院 一种医院门禁控制系统及控制方法
CN111210275B (zh) * 2020-01-06 2023-07-21 平安科技（深圳）有限公司 基于vr数据的用户画像构建方法、装置及计算机设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110012425A (zh) * 2016-05-05 2019-07-12 广东小天才科技有限公司 一种用户提醒方法及用户终端
CN107679497A (zh) * 2017-10-11 2018-02-09 齐鲁工业大学 视频面部贴图特效处理方法及生成系统
CN110458875A (zh) * 2019-07-30 2019-11-15 广州市百果园信息技术有限公司 异常点对的检测方法、图像拼接方法、相应装置及设备
CN111726533A (zh) * 2020-06-30 2020-09-29 RealMe重庆移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GIS状态监测综合管理系统;张健;《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅱ辑》;20040615(第6期);C042-156 *
Motion segmentation at any speed;Shrinivas J et al;《Proceedings of the British Machine Vision Conference 2006》;20061231;1-10 *
基于L2范数组合云的风电场短期风速–功率拟合方法;刘文颖等;《中国电机工程学报》;20191231;第39卷(第4期);1029-1039 *

Also Published As

Publication number Publication date
CN112365521A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN112365521B (zh) 终端设备的速度监测方法、装置、介质和计算设备
CN109272509B (zh) 一种连续图像的目标检测方法、装置、设备及存储介质
US8897539B2 (en) Using images to create measurements of structures through the videogrammetric process
CN108875931B (zh) 神经网络训练及图像处理方法、装置、系统
CN107220647B (zh) 一种叶片交叉条件下作物中心点定位方法及系统
US20200175702A1 (en) Image processing apparatus, three-dimensional shape data generation method, and non-transitory computer readable storage medium
WO2013190862A1 (ja) 画像処理装置及び画像処理方法
CN105957068B (zh) 构建三维重建模型表面的方法和系统
CN111260037A (zh) 图像数据的卷积运算方法、装置、电子设备及存储介质
JP2017068608A (ja) 演算装置、方法及びプログラム
EP3316212A1 (en) Method for deblurring a video, corresponding device and computer program product
JP7165353B2 (ja) 画像特徴量出力装置、画像認識装置、画像特徴量出力プログラム、及び画像認識プログラム
CN109587572A (zh) 一种展示产品的方法、装置、存储介质及电子设备
CN111507999B (zh) 一种基于fdsst算法的目标追踪方法及装置
CN105631938B (zh) 一种图像处理方法及电子设备
CN109871814B (zh) 年龄的估计方法、装置、电子设备和计算机存储介质
CN112652056B (zh) 一种3d信息展示方法及装置
CN112258550B (zh) 终端设备的运动方向监测方法、介质、装置和计算设备
CN110675369B (zh) 联轴器失配检测方法及相关设备
CN112287951B (zh) 基于图像分析的数据输出方法、装置、介质和计算设备
US11202000B2 (en) Learning apparatus, image generation apparatus, learning method, image generation method, and program
CN115619698A (zh) 电路板缺陷的检测方法、装置及模型训练方法
CN112419413B (zh) 终端设备的运动方向监测方法、介质、装置和计算设备
JP4920525B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN104932868B (zh) 一种数据处理方法及电子设备

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
GR01 Patent grant
GR01 Patent grant