CN112380987A - 有效学习时长统计系统 - Google Patents

有效学习时长统计系统 Download PDF

Info

Publication number
CN112380987A
CN112380987A CN202011267105.5A CN202011267105A CN112380987A CN 112380987 A CN112380987 A CN 112380987A CN 202011267105 A CN202011267105 A CN 202011267105A CN 112380987 A CN112380987 A CN 112380987A
Authority
CN
China
Prior art keywords
frame
unit
image
duration
effective
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.)
Granted
Application number
CN202011267105.5A
Other languages
English (en)
Other versions
CN112380987B (zh
Inventor
杨丽
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.)
Hailan Home Brand Management Co ltd
Original Assignee
Wuxi Zhenyong Technology Co ltd
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 Wuxi Zhenyong Technology Co ltd filed Critical Wuxi Zhenyong Technology Co ltd
Priority to CN202011267105.5A priority Critical patent/CN112380987B/zh
Publication of CN112380987A publication Critical patent/CN112380987A/zh
Application granted granted Critical
Publication of CN112380987B publication Critical patent/CN112380987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种有效学习时长统计系统,所述系统包括:布控球设备,设置在具有矩形桌面的桌体的桌面长度方向中央位置的前方,用于面对桌体执行视觉监控操作,以获得现场监控图像,所述布控球设备包括预览图像获取单元、桌面识别单元、焦距调节单元、第一控制单元和第二控制单元;时长判断机构,用于累计各帧现场监控图像中的有效图像的数量作为第二数量,将第二数量与时间间隔长度的乘积作为有效学习时长的估算值输出。本发明的有效学习时长统计系统设计可靠、方便监控。由于能够引入针对性的解析机制对每一张桌面前方的人员学习的有效学习时长进行解析,从而为后续的学习有效性的判断和监控提供数据基础。

Description

有效学习时长统计系统
技术领域
本发明涉及智能控制领域,尤其涉及一种有效学习时长统计系统。
背景技术
智能控制以控制理论、计算机科学、人工智能、运筹学等学科为基础,扩展了相关的理论和技术,其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论,以及自适应控制、自组织控制和自学习控制等技术。专家系统是利用专家知识对专门的或困难的问题进行描述的控制系统。尽管专家系统在解决复杂的高级推理中获得了较为成功的应用,但是专家系统的实际应用相对还是比较少的。模糊逻辑用模糊语言描述系统,既可以描述应用系统的定量模型,也可以描述其定性模型。模糊逻辑可适用于任意复杂的对象控制。遗传算法作为一种非确定的拟自然随机优化工具,具有并行计算、快速寻找全局最优解等特点,他可以和其他技术混合使用,用于智能控制的参数、结构或环境的最优控制。神经网络是利用大量的神经元,按一定的拓扑结构进行学习和调整的自适应控制方法。它能表示出丰富的特性,具体包括并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习。这些特性是人们长期追求和期望的系统特性。神经网络在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力。
现有技术中,对于一些网课教育、视频学习以及其他教育场所需要对桌体前方的人员的有效学习时长进行监控,进而对教育的效果进行判断,现有技术中存在一些通过对视频间断性点击的督促性设计方案,然而,不是所有的教育场所都采用视频模式进行教育,同时,视频间断性点击的设计模式也影响了学员的正常观看。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种有效学习时长统计系统,能够引入针对性的解析机制对每一张桌面前方的人员学习的有效学习时长进行解析,从而为后续的学习有效性的判断和监控提供数据基础。
为此,本发明至少需要具备以下两处重要的发明点:
(1)在对预览图像分析的基础上,通过焦距的调控使得调控后的图像的视野仅仅包括桌面目标,为后续的学习时长的分析提供可靠数据;
(2)对仅仅包括桌面目标的视野范围内存在人体的帧数和拍摄时间间隔解析人员的有效学习时长,从而提升了有效学习时长检测的智能化水准。
根据本发明的一方面,提供了一种有效学习时长统计系统,所述系统包括:
布控球设备,设置在具有矩形桌面的桌体的桌面长度方向中央位置的前方,用于面对桌体执行视觉监控操作,以获得现场监控图像;
其中,所述布控球设备包括预览图像获取单元、桌面识别单元、焦距调节单元、第一控制单元和第二控制单元。
更具体地,在所述有效学习时长统计系统中:
所述第一控制单元用于调节所述布控球设备输出的现场监控图像的清晰度。
更具体地,在所述有效学习时长统计系统中:
所述第二控制单元用于调节所述布控球设备连续输出现场监控图像的时间间隔长度;
更具体地,在所述有效学习时长统计系统中,所述系统还包括:
所述预览图像获取单元用于获取所述现场监控图像对应的预览图像,所述桌面识别单元与所述预览图像获取单元连接,用于基于桌面成像特征识别所述预览图像中的桌面对象;所述焦距调节单元与所述桌面识别单元连接,用于对所述布控球设备的成像焦距进行调节以使得所述布控球设备输出的现场监控图像的成像视野刚好包括所述桌面对象;
数据优化机构,包括即时变换单元、图像锐化单元和背景虚化单元,所述即时变换单元与所述布控球设备连接,用于对接收到的现场监控图像执行仿射变换处理,所述图像锐化单元与所述即时变换单元连接,用于对接收到的、所述即时变换单元输出的图像信号执行锐化处理,所述背景虚化单元用于对接收到的、所述图像锐化单元输出的图像信号执行背景虚化处理,以获得当前优化图像;
逐帧分析设备,与所述数据优化机构连接,用于获得所述布控球设备连续输出的各帧现场监控图像分别对应的各帧当前优化图像,并将所述各帧当前优化图像中存在面积超过预设面积阈值的人体目标成像区域的当前优化图像作为有效图像,其他当前优化图像作为无效图像;
时长判断机构,与所述逐帧分析设备连接,用于累计各帧现场监控图像的数量作为第一数量,累计各帧现场监控图像中的有效图像的数量作为第二数量,将所述第二数量与所述时间间隔长度的乘积作为有效学习时长的估算值输出;
金属外壳,封装在具有矩形桌面的桌体内部,用于容置所述数据优化机构、所述逐帧分析设备和所述时长判断机构;
数据反馈设备,内置有移动通信接口,与所述时长判断机构连接,用于将有效学习时长的估算值无线发送给具有矩形桌面的桌体的管理人员的监控终端。
本发明的有效学习时长统计系统设计可靠、方便监控。由于能够引入针对性的解析机制对每一张桌面前方的人员学习的有效学习时长进行解析,从而为后续的学习有效性的判断和监控提供数据基础。
具体实施方式
下面将对本发明的有效学习时长统计系统的实施方案进行详细说明。
信号处理是对各种类型的电信号,按各种预期的目的及要求进行加工过程的统称。对模拟信号的处理称为模拟信号处理,对数字信号的处理称为数字信号处理。所谓"信号处理",就是要把记录在某种媒体上的信号进行处理,以便抽取出有用信息的过程,他是对信号进行提取、变换、分析、综合等处理过程的统称。人们为了利用信号,就要对他进行处理。例如,电信号弱小时,需要对他进行放大;混有噪声时,需要对它进行滤波;当频率不适应于传输时,需要进行调制以及解调;信号遇到失真畸变时,需要对他均衡;当信号类型很多时,需要进行识别等等。与信号有关的理化或数学过程有:信号的发生、信号的传送、信号的接收、信号的分析(即了解某种信号的特征)、信号的处理(即把某一个信号变为与其相关的另一个信号,例如滤除噪声或干扰,把信号变换成容易分析与识别的形式)、信号的存储、信号的检测与控制等。也可以把这些与信号有关的过程统称为信号处理。
现有技术中,对于一些网课教育、视频学习以及其他教育场所需要对桌体前方的人员的有效学习时长进行监控,进而对教育的效果进行判断,现有技术中存在一些通过对视频间断性点击的督促性设计方案,然而,不是所有的教育场所都采用视频模式进行教育,同时,视频间断性点击的设计模式也影响了学员的正常观看。
为了克服上述不足,本发明搭建了一种有效学习时长统计系统,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有效学习时长统计系统包括:
布控球设备,设置在具有矩形桌面的桌体的桌面长度方向中央位置的前方,用于面对桌体执行视觉监控操作,以获得现场监控图像;
其中,所述布控球设备包括预览图像获取单元、桌面识别单元、焦距调节单元、第一控制单元和第二控制单元。
接着,继续对本发明的有效学习时长统计系统的具体结构进行进一步的说明。
所述有效学习时长统计系统中:
所述第一控制单元用于调节所述布控球设备输出的现场监控图像的清晰度。
所述有效学习时长统计系统中:
所述第二控制单元用于调节所述布控球设备连续输出现场监控图像的时间间隔长度;
所述有效学习时长统计系统中还可以包括:
所述预览图像获取单元用于获取所述现场监控图像对应的预览图像,所述桌面识别单元与所述预览图像获取单元连接,用于基于桌面成像特征识别所述预览图像中的桌面对象;所述焦距调节单元与所述桌面识别单元连接,用于对所述布控球设备的成像焦距进行调节以使得所述布控球设备输出的现场监控图像的成像视野刚好包括所述桌面对象;
数据优化机构,包括即时变换单元、图像锐化单元和背景虚化单元,所述即时变换单元与所述布控球设备连接,用于对接收到的现场监控图像执行仿射变换处理,所述图像锐化单元与所述即时变换单元连接,用于对接收到的、所述即时变换单元输出的图像信号执行锐化处理,所述背景虚化单元用于对接收到的、所述图像锐化单元输出的图像信号执行背景虚化处理,以获得当前优化图像;
逐帧分析设备,与所述数据优化机构连接,用于获得所述布控球设备连续输出的各帧现场监控图像分别对应的各帧当前优化图像,并将所述各帧当前优化图像中存在面积超过预设面积阈值的人体目标成像区域的当前优化图像作为有效图像,其他当前优化图像作为无效图像;
时长判断机构,与所述逐帧分析设备连接,用于累计各帧现场监控图像的数量作为第一数量,累计各帧现场监控图像中的有效图像的数量作为第二数量,将所述第二数量与所述时间间隔长度的乘积作为有效学习时长的估算值输出;
金属外壳,封装在具有矩形桌面的桌体内部,用于容置所述数据优化机构、所述逐帧分析设备和所述时长判断机构;
数据反馈设备,内置有移动通信接口,与所述时长判断机构连接,用于将有效学习时长的估算值无线发送给具有矩形桌面的桌体的管理人员的监控终端。
所述有效学习时长统计系统中还可以包括:
供电机构和时钟产生机构,设置在所述金属外壳内;
其中,所述供电机构用于分别为所述数据优化机构、所述逐帧分析设备和所述时长判断机构提供电力供应信号;
其中,所述时钟产生机构分别为所述数据优化机构、所述逐帧分析设备和所述时长判断机构提供参考时钟信号;
其中,所述数据优化机构、所述逐帧分析设备和所述时长判断机构分别采用不同型号的ASIC芯片来实现;
其中,所述数据优化机构、所述逐帧分析设备和所述时长判断机构被设置在同一柔性电路板上。
所述有效学习时长统计系统中还可以包括:
电流检测机构,与所述时长判断机构连接,用于检测所述时长判断机构的各个工作时刻的内部电流;
异常分析设备,与所述电流检测机构连接,用于基于所述时长判断机构的各个工作时刻的内部电流判断所述时长判断机构是否被供应电流过度。
所述有效学习时长统计系统中还可以包括:
现场警示机构,与所述异常分析设备连接,用于在所述异常分析设备判断所述时长判断机构被供应电流过度时,进行红灯高亮显示;
其中,所述现场警示机构还用于在所述异常分析设备判断所述时长判断机构未被供应电流过度时,进行蓝灯高亮显示。
所述有效学习时长统计系统中:
所述现场警示机构设置在所述时长判断机构的左侧,包括微控制器、红色LED矩阵和蓝色LED矩阵。
以及所述有效学习时长统计系统中:
所述异常分析设备设置在所述时长判断机构的右侧且与所述现场警示机构以及电流检测机构共用同一存储芯片。
另外,在所述有效学习时长统计系统中,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(integrated circuit)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。集成电路发明于上世纪70年代,发明者为杰克•基尔比。集成电路规模越大,组建系统时就越难以针对特殊要求加以改变为解决这些问题。所以就出现了以用户参加设计为特征的专用集成电路(ASIC),他能实现整机系统的优化设计,性能优越,保密性强。专用集成电路可以把分别承担一些功能的数个,数十个,甚至上百个通用中,小规模集成电路的功能集成在一块芯片上,进而可将整个系统集成在一块芯片上,实现系统的需要。它使整机电路优化,元件数减少,布线缩短,体积和重量减小,提高系统可靠性。
在上文中,尽管本公开讨论了本发明的实施例,但是本发明不限于此,而是在不脱离所附权利要求中要求保护的本公开的精神和范围的情况下可以由本公开所属领域的技术人员进行各种不同的修改和改变。

Claims (9)

1.一种有效学习时长统计系统,其特征在于,所述系统包括:
布控球设备,设置在具有矩形桌面的桌体的桌面长度方向中央位置的前方,用于面对桌体执行视觉监控操作,以获得现场监控图像;
其中,所述布控球设备包括预览图像获取单元、桌面识别单元、焦距调节单元、第一控制单元和第二控制单元。
2.如权利要求1所述的有效学习时长统计系统,其特征在于:
所述第一控制单元用于调节所述布控球设备输出的现场监控图像的清晰度。
3.如权利要求2所述的有效学习时长统计系统,其特征在于:
所述第二控制单元用于调节所述布控球设备连续输出现场监控图像的时间间隔长度。
4.如权利要求3所述的有效学习时长统计系统,其特征在于,所述系统还包括:
所述预览图像获取单元用于获取所述现场监控图像对应的预览图像,所述桌面识别单元与所述预览图像获取单元连接,用于基于桌面成像特征识别所述预览图像中的桌面对象;所述焦距调节单元与所述桌面识别单元连接,用于对所述布控球设备的成像焦距进行调节以使得所述布控球设备输出的现场监控图像的成像视野刚好包括所述桌面对象;
数据优化机构,包括即时变换单元、图像锐化单元和背景虚化单元,所述即时变换单元与所述布控球设备连接,用于对接收到的现场监控图像执行仿射变换处理,所述图像锐化单元与所述即时变换单元连接,用于对接收到的、所述即时变换单元输出的图像信号执行锐化处理,所述背景虚化单元用于对接收到的、所述图像锐化单元输出的图像信号执行背景虚化处理,以获得当前优化图像;
逐帧分析设备,与所述数据优化机构连接,用于获得所述布控球设备连续输出的各帧现场监控图像分别对应的各帧当前优化图像,并将所述各帧当前优化图像中存在面积超过预设面积阈值的人体目标成像区域的当前优化图像作为有效图像,其他当前优化图像作为无效图像;
时长判断机构,与所述逐帧分析设备连接,用于累计各帧现场监控图像的数量作为第一数量,累计各帧现场监控图像中的有效图像的数量作为第二数量,将所述第二数量与所述时间间隔长度的乘积作为有效学习时长的估算值输出;
金属外壳,封装在具有矩形桌面的桌体内部,用于容置所述数据优化机构、所述逐帧分析设备和所述时长判断机构;
数据反馈设备,内置有移动通信接口,与所述时长判断机构连接,用于将有效学习时长的估算值无线发送给具有矩形桌面的桌体的管理人员的监控终端。
5.如权利要求4所述的有效学习时长统计系统,其特征在于,所述系统还包括:
供电机构和时钟产生机构,设置在所述金属外壳内;
其中,所述供电机构用于分别为所述数据优化机构、所述逐帧分析设备和所述时长判断机构提供电力供应信号;
其中,所述时钟产生机构分别为所述数据优化机构、所述逐帧分析设备和所述时长判断机构提供参考时钟信号;
其中,所述数据优化机构、所述逐帧分析设备和所述时长判断机构分别采用不同型号的ASIC芯片来实现;
其中,所述数据优化机构、所述逐帧分析设备和所述时长判断机构被设置在同一柔性电路板上。
6.如权利要求5所述的有效学习时长统计系统,其特征在于,所述系统还包括:
电流检测机构,与所述时长判断机构连接,用于检测所述时长判断机构的各个工作时刻的内部电流;
异常分析设备,与所述电流检测机构连接,用于基于所述时长判断机构的各个工作时刻的内部电流判断所述时长判断机构是否被供应电流过度。
7.如权利要求6所述的有效学习时长统计系统,其特征在于,所述系统还包括:
现场警示机构,与所述异常分析设备连接,用于在所述异常分析设备判断所述时长判断机构被供应电流过度时,进行红灯高亮显示;
其中,所述现场警示机构还用于在所述异常分析设备判断所述时长判断机构未被供应电流过度时,进行蓝灯高亮显示。
8.如权利要求7所述的有效学习时长统计系统,其特征在于:
所述现场警示机构设置在所述时长判断机构的左侧,包括微控制器、红色LED矩阵和蓝色LED矩阵。
9.如权利要求8所述的有效学习时长统计系统,其特征在于:
所述异常分析设备设置在所述时长判断机构的右侧且与所述现场警示机构以及电流检测机构共用同一存储芯片。
CN202011267105.5A 2020-11-13 2020-11-13 有效学习时长统计系统 Active CN112380987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011267105.5A CN112380987B (zh) 2020-11-13 2020-11-13 有效学习时长统计系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011267105.5A CN112380987B (zh) 2020-11-13 2020-11-13 有效学习时长统计系统

Publications (2)

Publication Number Publication Date
CN112380987A true CN112380987A (zh) 2021-02-19
CN112380987B CN112380987B (zh) 2021-12-17

Family

ID=74583832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011267105.5A Active CN112380987B (zh) 2020-11-13 2020-11-13 有效学习时长统计系统

Country Status (1)

Country Link
CN (1) CN112380987B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180115797A1 (en) * 2016-10-26 2018-04-26 Orcam Technologies Ltd. Wearable device and methods for determining a level of detail provided to user
CN108665662A (zh) * 2018-05-23 2018-10-16 吴秋琴 多功能监控式书桌
CN108734136A (zh) * 2018-05-23 2018-11-02 钱文浩 基于人员检测的防占座式书桌
EP3425590A1 (en) * 2017-07-04 2019-01-09 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and storage medium
CN110334697A (zh) * 2018-08-11 2019-10-15 昆山美卓智能科技有限公司 具有状态监控功能的智能桌、监控系统服务器及监控方法
CN110533857A (zh) * 2018-05-23 2019-12-03 吴秋琴 书桌多功能监控方法
CN110623631A (zh) * 2019-09-23 2019-12-31 刘靖哲 一种基于近视眼镜的学习监护系统
CN111190374A (zh) * 2020-01-21 2020-05-22 星络智能科技有限公司 一种儿童学习监控方法、智能家居控制器及存储介质
CN111325132A (zh) * 2020-02-17 2020-06-23 深圳龙安电力科技有限公司 一种智能监控系统
CN211608515U (zh) * 2019-05-06 2020-10-02 东莞市长建电子有限公司 具备自动防疲劳的智能书桌

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180115797A1 (en) * 2016-10-26 2018-04-26 Orcam Technologies Ltd. Wearable device and methods for determining a level of detail provided to user
EP3425590A1 (en) * 2017-07-04 2019-01-09 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and storage medium
CN108665662A (zh) * 2018-05-23 2018-10-16 吴秋琴 多功能监控式书桌
CN108734136A (zh) * 2018-05-23 2018-11-02 钱文浩 基于人员检测的防占座式书桌
CN110533857A (zh) * 2018-05-23 2019-12-03 吴秋琴 书桌多功能监控方法
CN110334697A (zh) * 2018-08-11 2019-10-15 昆山美卓智能科技有限公司 具有状态监控功能的智能桌、监控系统服务器及监控方法
CN211608515U (zh) * 2019-05-06 2020-10-02 东莞市长建电子有限公司 具备自动防疲劳的智能书桌
CN110623631A (zh) * 2019-09-23 2019-12-31 刘靖哲 一种基于近视眼镜的学习监护系统
CN111190374A (zh) * 2020-01-21 2020-05-22 星络智能科技有限公司 一种儿童学习监控方法、智能家居控制器及存储介质
CN111325132A (zh) * 2020-02-17 2020-06-23 深圳龙安电力科技有限公司 一种智能监控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张玉伽 等: ""智能学习桌的设计与实现"", 《信息技术》 *

Also Published As

Publication number Publication date
CN112380987B (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
Serrano-Gotarredona et al. AER building blocks for multi-layer multi-chip neuromorphic vision systems
CN104063719B (zh) 基于深度卷积网络的行人检测方法及装置
Bartlett et al. Viewpoint invariant face recognition using independent component analysis and attractor networks
US11631246B2 (en) Method for outputting a signal from an event-based sensor, and event-based sensor using such method
Serrano-Gotarredona et al. CAVIAR: A 45k neuron, 5M synapse, 12G connects/s AER hardware sensory–processing–learning–actuating system for high-speed visual object recognition and tracking
CN108875708A (zh) 基于视频的行为分析方法、装置、设备、系统及存储介质
CN108764059A (zh) 一种基于神经网络的人体行为识别方法及系统
CN109101933A (zh) 一种基于人工智能的情绪行为可视化分析方法
Huang et al. Visual heart rate estimation from facial video based on CNN
CN112380987B (zh) 有效学习时长统计系统
Yan et al. Image-based process monitoring via adversarial autoencoder with applications to rolling defect detection
Leonida et al. A Motion-Based Tracking System Using the Lucas-Kanade Optical Flow Method
Krishnan et al. Benchmarking conventional vision models on neuromorphic fall detection and action recognition dataset
Zhou et al. Configuration-adaptive wireless visual sensing system with deep reinforcement learning
Chandrapala et al. Invariant feature extraction from event based stimuli
Vogelstein et al. Saliency-driven image acuity modulation on a reconfigurable array of spiking silicon neurons
CN116708724B (zh) 基于机器视觉的样品监控方法和系统
CN117520942A (zh) 一种基于双线性卷积神经网络的故障诊断方法及装置
Ganta et al. Human action recognition using computer vision and deep learning techniques
DE202020004150U1 (de) System basierend auf Edge Devices mit einem oder mehreren Tiefensensoren zur präzisen Detektion und Zählung von Menschen, Tieren und Objekten in Echtzeit
Chevitarese et al. Real-time face tracking and recognition on IBM neuromorphic chip
Vázquez et al. Low frequency response and random feature selection applied to face recognition
Mehta et al. Real-time student surveillance system using machine learning and computer vision
Vega et al. Automatic power quality disturbances detection and classification based on Discrete Wavelet Transform and Support Vector Machines
CN113516093B (zh) 标识信息的标注方法及装置、存储介质及电子装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211105

Address after: No. 1303, Xicheng Road, Qingyang Town, Jiangyin City, Wuxi City, Jiangsu Province, 214401

Applicant after: Wuxi Li water pipe industry Co.,Ltd.

Address before: Room 801-02, 855 Nanhu Avenue, Liangxi District, Wuxi City, Jiangsu Province, 214000

Applicant before: Wuxi Zhenyong Technology Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211126

Address after: 214426 No.8 Taoxin Road, Xinqiao Town, Jiangyin City, Wuxi City, Jiangsu Province

Applicant after: SANCANAL CLOTHING Co.,Ltd.

Address before: No. 1303, Xicheng Road, Qingyang Town, Jiangyin City, Wuxi City, Jiangsu Province, 214401

Applicant before: Wuxi Li water pipe industry Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230117

Address after: 214400 No.8 Taoxin Road, Xinqiao Town, Jiangyin City, Wuxi City, Jiangsu Province

Patentee after: Hailan Home Brand Management Co.,Ltd.

Address before: 214426 No.8 Taoxin Road, Xinqiao Town, Jiangyin City, Wuxi City, Jiangsu Province

Patentee before: SANCANAL CLOTHING Co.,Ltd.