CN112561142A - 一种排队信息查询系统 - Google Patents
一种排队信息查询系统 Download PDFInfo
- Publication number
- CN112561142A CN112561142A CN202011415009.0A CN202011415009A CN112561142A CN 112561142 A CN112561142 A CN 112561142A CN 202011415009 A CN202011415009 A CN 202011415009A CN 112561142 A CN112561142 A CN 112561142A
- Authority
- CN
- China
- Prior art keywords
- queuing
- queue
- people
- time
- total
- 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
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
- G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像识别领域,具体是一种排队信息查询系统,包括采集模块,用于采集当前排队通道的照片或者视频;识别模型,用于识别采集模块中排队队列的人数;计算模块,用于计算队列的前进速率、排队时长、队伍人数变化速度和平均排队人数;存储模块,用于记录、保存识别模型的计算结果;预测模块,用于预测当天的最优时间段、预测总排队时长和预测排队总人数;查询模块,用于用户获取排队信息,包括查询队列的人数、队列的前进速率、排队时长、队伍人数变化速度、平均排队人数、最优时间段、预测总排队时长、预测排队总人数和用户自身排队记录;通过整个系统自动预估排队信息,用户能实时了解最佳的排队时机。
Description
技术领域
本发明涉及图像识别领域,具体是指一种排队信息查询系统。
背景技术
在校园生活中,需要人们排队的办事的情况非常普遍,例如学校食堂打饭就餐,图书馆书本借还、企业校园招聘入场等,一般情况下,人们会根据当前自己的习惯预判选择选择前往排队的时机,然而,由于这些场所距离教室、宿舍通常较远,导致人们缺乏知晓排队等待时长的实时性和准确性,容易造成拥堵,从而浪费时间。
在游乐场、公园景区、停车场、告诉公路、医院、汽车站/火车站等场所同样需要排队,特别是节假日,也是需要决策排队的时间和排那列队伍,从而优选高效。
发明内容
基于以上问题,本发明提供了一种排队信息查询系统,通过系统自动预估排队信息,用户能实时了解最佳的排队时机。
为解决以上技术问题,本发明采用的技术方案如下:
一种排队信息查询系统,包括
采集模块,用于采集当前排队通道的照片或者视频;
识别模型,用于识别采集模块中排队队列的人数;
计算模块,用于计算队列的前进速率、排队时长、队伍人数变化速度和平均排队人数;
存储模块,用于记录、保存识别模型的计算结果;
预测模块,用于预测当天的最优时间段、预测总排队时长和预测排队总人数;
查询模块,用于用户获取排队信息,包括查询队列的人数、队列的前进速率、排队时长、队伍人数变化速度、平均排队人数、最优时间段、预测总排队时长、预测排队总人数和用户自身排队记录。
进一步,所述识别模型的训练方法包括:
S1、将采集模块采集到的图像输入识别模型,生成低分辨率的密度图;
S2、将生成的低分辨率的密度图和非低分辨率的密度图再次输入识别模型,生成高分辨率的密度图;
S3、通过生成的高分辨率的密度图获取图像中队列的人数。
进一步,低分辨率的密度图公式为:
使用双线性插值的方法将低分辨率的密度图还原为原图像,其公式为:
利用损失函数L(θl,θh)来学习θl、θh,公式为:
其中,λl、λh表示超参数,n表示输入的图像数量。
进一步,所述队列的前进速率的计算方法为:
从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差N,间隔时间T内连续多次计算特定对象与队列终点之间的人数差分别为N1、N2、N3......Nn,队列的前进速率V的计算公式为:
V=((N-N1)+(N1-N2)+(N2-N3)......(Nn-1-Nn))/(T*n);
其中,n的取值比总拍照数少1。
进一步,所述排队时长的计算方法为:
从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差,利用特定对象与队列终点之间的人数差除以队列的前进速率得到该特定对象预计的排队时长。
进一步,所述队伍人数变化速度的计算方法为:
连续多次等时间间隔T'提取并计算每张照片中的人数S,一共收集m张照片,队伍人数变化速度V'的公式为:
V'=((Sm-Sm-1)+(Sm-1-Sm-2)+......+(S2-S1))/T'*(m-1);
其中,队伍人数变化速度V'的结果为正则表示队伍人数在该时间段内增加且速度为V',队伍人数变化速度V'的结果为负则表示队伍人数在该段时间内减少且速度为|V'|。
进一步,所述平均排队人数的计算方法为:
持续在排队期间等时间间隔T”提取并计算每张照片中的人数P,一共采集j张照片,平均排队人数N'的公式为:
N'=(P1+P2+......+Pj)/j。
进一步,所述最优时间段的计算方法为:
当队伍人数变化速度为负且此时队列的人数小于平均排队人数时,被认定为最优时间段。
进一步,所述预测总排队时长和预测排队总人数的计算方法为:
计算分段时间平均速度V”,从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差Z,连续多次在分段时间内,等时间间隔T”内连续多次提取并计算该特定对象距离终点人数Z1、Z2、Z3......Zn,分段时间平均速度V”的公式为:
V”=((Z-Z1)+(Z1-Z2)+(Z2-Z3)......(Zn-1-Zn))/(T”*n');
其中,n'的取值比总拍照数少1;
预测排队总人数L的计算公式为:
L=(V1”*t1+b1)+(V2”*t2+b2)+......+(Vi”*ti+bi);
其中,Vi”表示第i分段时间平均速度,ti表示第i分段时间总时长,bi表示第i分段时间的队列的人数修正数;
预测总排队时长Tz的公式为:
Tz=L/((V1”+V2”+......+Vi”)/i)。
与现有技术相比,本发明的有益效果是:使用采集模块连续定时的时间间隔采集排队队列,在使用大量排队关键数据的训练后,可以计算出当前时间段排队队列的多种关键信息,用户可以通过服务器实时获取自己想要知道的数据信息,可以做出优化排队时间的选择,减少浪费在排队上的时间。
附图说明
图1为本实施例的结构示意图;
图2为本实施例原图像输入识别模型后生成高分辨率的密度图的效果图。
具体实施方式
下面结合附图对本发明作进一步的说明。本发明的实施方式包括但不限于下列实施例。
如图1所示,一种排队信息查询系统,包括
采集模块,用于采集当前排队通道的照片或者视频,可以采用摄像头进行拍摄,在拍摄时,需录入整个队伍,保证图像能覆盖队伍的起点和终点;
识别模型,于识别采集模块中排队队列的人数,识别模型的训练方法包括:
S1、将采集模块采集到的图像输入识别模型,生成低分辨率的密度图,其公式为:
S2、将生成的低分辨率的密度图和非低分辨率的密度图再次输入识别模型,生成高分辨率的密度图,原理为使用双线性插值的方法将低分辨率的密度图还原为原图像,其公式为:
另外,利用损失函数L(θl,θh)来学习θl、θh,公式为:
其中,λl、λh表示超参数,n表示输入的图像数量;
S3、通过生成的高分辨率的密度图获取图像中队列的人数;
本实施例中,当识别模型能够获取队列的人数后即可通过计算模块计算队列的前进速率、排队时长、队伍人数变化速度和平均排队人数。
其中,队列的前进速率的计算方法为:
从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差N,间隔时间T内连续多次计算特定对象与队列终点之间的人数差分别为N1、N2、N3......Nn,队列的前进速率V的计算公式为:
V=((N-N1)+(N1-N2)+(N2-N3)......(Nn-1-Nn))/(T*n);
其中,n的取值比总拍照数少1;
另外,排队时长的计算方法为:
从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差,利用特定对象与队列终点之间的人数差除以队列的前进速率得到该特定对象预计的排队时长;
另外,队伍人数变化速度的计算方法为:
连续多次等时间间隔T'提取并计算每张照片中的人数S,一共收集m张照片,队伍人数变化速度V'的公式为:
V'=((Sm-Sm-1)+(Sm-1-Sm-2)+......+(S2-S1))/T'*(m-1);
其中,队伍人数变化速度V'的结果为正则表示队伍人数在该时间段内增加且速度为V',队伍人数变化速度V'的结果为负则表示队伍人数在该段时间内减少且速度为|V'|;
另外,平均排队人数的计算方法为:
持续在排队期间等时间间隔T”提取并计算每张照片中的人数P,一共采集j张照片,平均排队人数N'的公式为:
N'=(P1+P2+......+Pj)/j;
另外,还包括预测模块,用于计算预测当天的最优时间段、预测总排队时长和预测排队总人数,其中,最优时间段的计算方法为:
当队伍人数变化速度为负且此时队列的人数小于平均排队人数时,被认定为最优时间段;
另外,预测总排队时长和预测排队总人数的计算方法为:
计算分段时间平均速度V”,从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差Z,连续多次在分段时间内,等时间间隔T”内连续多次提取并计算该特定对象距离终点人数Z1、Z2、Z3......Zn,分段时间平均速度V”的公式为:
V”=((Z-Z1)+(Z1-Z2)+(Z2-Z3)......(Zn-1-Zn))/(T”*n');
其中,n'的取值比总拍照数少1;
预测排队总人数L的计算公式为:
L=(V1”*t1+b1)+(V2”*t2+b2)+......+(Vi”*ti+bi);
其中,Vi”表示第i分段时间平均速度,ti表示第i分段时间总时长,bi表示第i分段时间的队列的人数修正数,通过不断优化训练ti的时长和队列的人数修正数可以得到预测排队总人数L;
预测总排队时长Tz的公式为:
Tz=L/((V1”+V2”+......+Vi”)/i)。
本实施例中,还包括存储模块,用于记录、保存识别模型的计算结果以及计算模块、预测模块的结果,上述所有数据均存储在储存模块中,当用户想获知队伍排队的历史数据,调取存储模块中的数据即可;
查询模块,本申请可应用在例如校园、游乐场、公园景区、汽车站以及火车站等公共场所,利用该查询模块提供用户查询数据的网络接口,可以是分布式边缘网络服务器,也可以是集中式网络服务器,用户可以使用手机、电脑等设备进行访问,获取排队信息,包括查询队列的人数、队列的前进速率和队列的排队时长以及用户自身排队记录,与此同时,可在此类公共场所新增显示屏和引导屏,显示排队的状况,以及推荐的排队队伍。
如上即为本发明的实施例。上述实施例以及实施例中的具体参数仅是为了清楚表述发明人的发明验证过程,并非用以限制本发明的专利保护范围,本发明的专利保护范围仍然以其权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (9)
1.一种排队信息查询系统,其特征在于:包括
采集模块,用于采集当前排队通道的照片或者视频;
识别模型,用于识别采集模块中排队队列的人数;
计算模块,用于计算队列的前进速率、排队时长、队伍人数变化速度和平均排队人数;
存储模块,用于记录、保存识别模型的计算结果;
预测模块,用于预测当天的最优时间段、预测总排队时长和预测排队总人数;
查询模块,用于用户获取排队信息,包括查询队列的人数、队列的前进速率、排队时长、队伍人数变化速度、平均排队人数、最优时间段、预测总排队时长、预测排队总人数和用户自身排队记录。
2.根据权利要求1所述的一种排队信息查询系统,其特征在于:所述识别模型的训练方法包括:
S1、将采集模块采集到的图像输入识别模型,生成低分辨率的密度图;
S2、将生成的低分辨率的密度图和非低分辨率的密度图再次输入识别模型,生成高分辨率的密度图;
S3、通过生成的高分辨率的密度图获取图像中队列的人数。
4.根据权利要求1所述的一种排队信息查询系统,其特征在于:所述队列的前进速率的计算方法为:
从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差N,间隔时间T内连续多次计算特定对象与队列终点之间的人数差分别为N1、N2、N3......Nn,队列的前进速率V的计算公式为:
V=((N-N1)+(N1-N2)+(N2-N3)......(Nn-1-Nn))/(T*n);
其中,n的取值比总拍照数少1。
5.根据权利要求4所述的一种排队信息查询系统,其特征在于:所述排队时长的计算方法为:
从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差,利用特定对象与队列终点之间的人数差除以队列的前进速率得到该特定对象预计的排队时长。
6.根据权利要求5所述的一种排队信息查询系统,其特征在于:所述队伍人数变化速度的计算方法为:
连续多次等时间间隔T'提取并计算每张照片中的人数S,一共收集m张照片,队伍人数变化速度V'的公式为:
V'=((Sm-Sm-1)+(Sm-1-Sm-2)+......+(S2-S1))/T'*(m-1);
其中,队伍人数变化速度V'的结果为正则表示队伍人数在该时间段内增加且速度为V',队伍人数变化速度V'的结果为负则表示队伍人数在该段时间内减少且速度为|V'|。
7.根据权利要求6所述的一种排队信息查询系统,其特征在于:所述平均排队人数的计算方法为:
持续在排队期间等时间间隔T”提取并计算每张照片中的人数P,一共采集j张照片,平均排队人数N'的公式为:
N'=(P1+P2+......+Pj)/j。
8.根据权利要求7所述的一种排队信息查询系统,其特征在于:所述最优时间段的计算方法为:
当队伍人数变化速度为负且此时队列的人数小于平均排队人数时,被认定为最优时间段。
9.根据权利要求8所述的一种排队信息查询系统,其特征在于:所述预测总排队时长和预测排队总人数的计算方法为:
计算分段时间平均速度V”,从排队队列中选取某一人作为特定对象,计算特定对象与队列终点之间的人数差Z,连续多次在分段时间内,等时间间隔T”内连续多次提取并计算该特定对象距离终点人数Z1、Z2、Z3......Zn,分段时间平均速度V”的公式为:
V”=((Z-Z1)+(Z1-Z2)+(Z2-Z3)......(Zn-1-Zn))/(T”*n');
其中,n'的取值比总拍照数少1;
预测排队总人数L的计算公式为:
L=(V1”*t1+b1)+(V2”*t2+b2)+......+(Vi”*ti+bi);
其中,Vi”表示第i分段时间平均速度,ti表示第i分段时间总时长,bi表示第i分段时间的队列的人数修正数;
预测总排队时长Tz的公式为:
Tz=L/((V1”+V2”+......+Vi”)/i)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415009.0A CN112561142B (zh) | 2020-12-04 | 2020-12-04 | 一种排队信息查询系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415009.0A CN112561142B (zh) | 2020-12-04 | 2020-12-04 | 一种排队信息查询系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561142A true CN112561142A (zh) | 2021-03-26 |
CN112561142B CN112561142B (zh) | 2022-07-01 |
Family
ID=75059155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415009.0A Active CN112561142B (zh) | 2020-12-04 | 2020-12-04 | 一种排队信息查询系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561142B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158462A (zh) * | 2021-04-21 | 2021-07-23 | 电子科技大学成都学院 | 一种出租车发车方式的选择方法 |
CN114819235A (zh) * | 2022-05-19 | 2022-07-29 | 浙江启真医健科技有限公司 | 智能化核酸检测预约平台 |
CN115470418A (zh) * | 2022-09-15 | 2022-12-13 | 安徽大学 | 一种基于无人机航拍的排队点推荐方法及系统 |
CN115938031A (zh) * | 2022-12-02 | 2023-04-07 | 深圳市鼎山科技有限公司 | 一种基于大数据的数据识别管理系统及方法 |
CN116564120A (zh) * | 2023-07-05 | 2023-08-08 | 深圳市京视智能科技有限公司 | 车站信息智能展示方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070076733A1 (en) * | 2005-09-30 | 2007-04-05 | Xerox Corporation | Method and system for adaptive control of IOT operation cycling |
CN101615311A (zh) * | 2009-06-19 | 2009-12-30 | 无锡骏聿科技有限公司 | 一种基于视觉的排队时间评估方法 |
CN108460497A (zh) * | 2018-03-28 | 2018-08-28 | 中国民航大学 | 一种机场候机楼排队信息提示方法 |
CN110879990A (zh) * | 2019-11-22 | 2020-03-13 | 成都考拉悠然科技有限公司 | 一种预计机场安检旅客排队等候时长的方法及其应用 |
CN112016731A (zh) * | 2019-05-31 | 2020-12-01 | 杭州海康威视系统技术有限公司 | 一种排队时长的预测方法、装置以及电子设备 |
-
2020
- 2020-12-04 CN CN202011415009.0A patent/CN112561142B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070076733A1 (en) * | 2005-09-30 | 2007-04-05 | Xerox Corporation | Method and system for adaptive control of IOT operation cycling |
CN101615311A (zh) * | 2009-06-19 | 2009-12-30 | 无锡骏聿科技有限公司 | 一种基于视觉的排队时间评估方法 |
CN108460497A (zh) * | 2018-03-28 | 2018-08-28 | 中国民航大学 | 一种机场候机楼排队信息提示方法 |
CN112016731A (zh) * | 2019-05-31 | 2020-12-01 | 杭州海康威视系统技术有限公司 | 一种排队时长的预测方法、装置以及电子设备 |
CN110879990A (zh) * | 2019-11-22 | 2020-03-13 | 成都考拉悠然科技有限公司 | 一种预计机场安检旅客排队等候时长的方法及其应用 |
Non-Patent Citations (1)
Title |
---|
江若莹等: "基于消费数据的食堂排队预测系统的研究", 《华中师范大学学报(自然科学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158462A (zh) * | 2021-04-21 | 2021-07-23 | 电子科技大学成都学院 | 一种出租车发车方式的选择方法 |
CN114819235A (zh) * | 2022-05-19 | 2022-07-29 | 浙江启真医健科技有限公司 | 智能化核酸检测预约平台 |
CN115470418A (zh) * | 2022-09-15 | 2022-12-13 | 安徽大学 | 一种基于无人机航拍的排队点推荐方法及系统 |
CN115938031A (zh) * | 2022-12-02 | 2023-04-07 | 深圳市鼎山科技有限公司 | 一种基于大数据的数据识别管理系统及方法 |
CN116564120A (zh) * | 2023-07-05 | 2023-08-08 | 深圳市京视智能科技有限公司 | 车站信息智能展示方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112561142B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112561142B (zh) | 一种排队信息查询系统 | |
JP2003298991A (ja) | 画像整理方法および装置並びにプログラム | |
US8594440B2 (en) | Automatic creation of a scalable relevance ordered representation of an image collection | |
US8786753B2 (en) | Apparatus, method and program for selecting images for a slideshow from among a large number of captured images | |
US8611678B2 (en) | Grouping digital media items based on shared features | |
JP5896900B2 (ja) | コンテンツ管理装置、コンテンツ管理方法、コンテンツ管理プログラム及び集積回路 | |
US9785653B2 (en) | System and method for intelligently determining image capture times for image applications | |
KR20070036677A (ko) | 정보 처리 장치 및 방법, 및 프로그램 | |
US8356034B2 (en) | Image management apparatus, control method thereof and storage medium storing program | |
US20050271352A1 (en) | Apparatus and program for image classification | |
JP2012530287A (ja) | 代表的な画像を選択するための方法及び装置 | |
JP2013020642A (ja) | カメラへのユーザ入力に基づく画像値インデックス | |
CN101510205A (zh) | 实现相片自动聚类的方法、装置及系统 | |
US20130051687A1 (en) | Image processing system and image processing method | |
US9524333B2 (en) | Network system, membership-based social network service system, image display method, and storage medium storing program | |
JP5626042B2 (ja) | 画像集合における代表画像の検索システム、方法及びプログラム | |
JP2009163700A (ja) | データ分類システム及びデータ分類システム用の分類ツリーの構築方法 | |
US20130343618A1 (en) | Searching for Events by Attendants | |
JP2004120420A (ja) | 画像整理装置およびプログラム | |
CN113989556A (zh) | 一种小样本医学影像分类方法和系统 | |
JP5289211B2 (ja) | 画像検索システム、画像検索プログラムおよびサーバ装置 | |
Han et al. | Episodic memory reader: Learning what to remember for question answering from streaming data | |
CN108764017A (zh) | 公交客流统计方法、装置及系统 | |
US8571357B2 (en) | Image data management apparatus, method and program | |
CN115131597A (zh) | 数据处理方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |