CN112614085A - 一种物体检测方法、装置及终端设备 - Google Patents
一种物体检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112614085A CN112614085A CN201910888815.0A CN201910888815A CN112614085A CN 112614085 A CN112614085 A CN 112614085A CN 201910888815 A CN201910888815 A CN 201910888815A CN 112614085 A CN112614085 A CN 112614085A
- Authority
- CN
- China
- Prior art keywords
- detected
- frame image
- pixel point
- objects
- infrared frame
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种物体检测方法、装置及终端设备，适用于数据处理技术领域，该方法包括：获取环境的第一红外帧图像和环境温度值，并从第一红外帧图像内筛选出对应温度值与环境温度值的差值位于预设差值范围的前景像素点；基于前景像素点在第一红外帧图像中的坐标，将前景像素点划分为一个或多个坐标连通的第一像素点集合；剔除包含前景像素点数量小于预设数量阈值的第一像素点集合，并跟踪第二像素点集合对应的对象的存在时长；剔除对象存在时长小于预设时长阈值的第二像素点集合，并将剩余第二像素点集合对应的对象均识别为待检测物体。本申请实施例相对直接依赖于温度阈值进行物体识别而言具有更高准确性，且抗噪声干扰能力更强可靠性更佳。
Description
技术领域
本申请属于数据处理技术领域，尤其涉及物体检测方法及终端设备。
背景技术
传统基于红外传感器的物体检测方案，大多是使用如人体红外线传感器等直接对视野范围内所有的物体温度进行检测，并筛选出其中温度比较高的物体，这样虽然一定程度上可以实现对物体的检测，但容易引起误报，无法实现对物体的准确测量以及物体属性的识别。
申请内容
有鉴于此，本申请实施例提供了一种物体检测方法及终端设备，可解决基于红外传感器物体检测准确性和可靠性较低的问题。
本申请实施例的第一方面提供了一种物体检测方法，包括：
获取环境的第一红外帧图像和环境温度值，并从所述第一红外帧图像内筛选出对应温度值与所述环境温度值的差值位于预设差值范围的前景像素点；
基于所述前景像素点在所述第一红外帧图像中的坐标，将所述前景像素点划分为一个或多个坐标连通的第一像素点集合；
剔除包含前景像素点数量小于预设数量阈值的所述第一像素点集合，得到剩余的第二像素点集合，并跟踪所述第二像素点集合对应的对象的存在时长；
剔除对象存在时长小于预设时长阈值的所述第二像素点集合，并将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体。
进一步地，在第一方面的第一种可能实现方式中，所述获取环境的环境温度值，包括：
获取环境的至少一张第二红外帧图像，并基于所述第二红外帧图像内像素点对应的温度值计算所述环境温度值。
进一步地，在第一方面的第二种可能实现方式中，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
基于所述待检测物体对应的所述前景像素点在所述第一红外帧图像中的坐标，绘制所述待检测物体在所述第一红外帧图像中对应的外接矩形；
计算所述外接矩形的矩形中心点坐标，得到所述待检测物体在所述第一红外帧图像中的二维坐标。
进一步地，在第一方面的第三种可能实现方式中，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标。
进一步地，在第一方面的第四种可能实现方式中，所述对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标，包括：
基于预设的内部参数矩阵，对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维相机坐标；
基于预设的外部参数矩阵对所述三维相机坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标。
进一步地，在第一方面的第五种可能实现方式中，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
对剩余的所述第二像素点集合数量进行统计，得到对应的待检测物体数量。
进一步地，在第一方面的第六中可能实现方式中，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
基于所述待检测物体对应的所述前景像素点在所述第一红外帧图像中的坐标，绘制所述待检测物体在所述第一红外帧图像中对应的物体轮廓图案；
对所述物体轮廓图案进行预设轮廓图案库的匹配，所述预设轮廓图案库中包含多张不同物体的轮廓图案以及分别对应的物体名称；
若匹配成功，将匹配成功的轮廓图案对应的物体名称，识别为所述待检测物体的物体名称。
本申请实施例的第二方面提供了一种物体检测装置，包括：
前景像素提取模块，用于获取环境的第一红外帧图像和环境温度值，并从所述第一红外帧图像内筛选出对应温度值与所述环境温度值的差值位于预设差值范围的前景像素点；
像素划分模块，用于基于所述前景像素点在所述第一红外帧图像中的坐标，将所述前景像素点划分为一个或多个坐标连通的第一像素点集合；
对象跟踪模块，用于剔除包含前景像素点数量小于预设数量阈值的所述第一像素点集合，得到剩余的第二像素点集合，并跟踪所述第二像素点集合对应的对象的存在时长；
物体识别模块，用于剔除对象存在时长小于预设时长阈值的所述第二像素点集合，并将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体。
本申请实施例的第三方面提供了一种终端设备，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述物体检测方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，包括：存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述物体检测方法的步骤。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述物体检测方法。
本申请实施例与现有技术相比存在的有益效果是：在本申请实施例中首先通过环境温度与像素点温度差值的方式，筛选出异于环境温度的前景像素点，再进行像素点连通性的筛选，实现对不同“物体”的划分，最后基于“物体”对应的像素点数和存在时长进行二次筛选，从而保证了最终筛选出的物体具有一定环境温度差和一定体积，同时还防止了一些如火焰等能瞬时改变温度的事物对物体识别的干扰，从而使得本申请实施例相对直接依赖于温度阈值进行物体识别而言具有更高准确性，且抗噪声干扰能力更强可靠性更佳。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的物体检测方法的实现流程示意图；
图2是本申请实施例二提供的物体检测方法的实现流程示意图；
图3是本申请实施例三提供的物体检测方法的实现流程示意图；
图4是本申请实施例四提供的物体检测方法的实现流程示意图；
图5是本申请实施例五提供的物体检测装置的结构示意图；
图6是本申请实施例六提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
为了便于理解本申请，此处先对本申请实施例进行简要说明，由于现有技术中基于红外传感器的物体检测方案都是直接对视野范围内所有的物体温度进行检测，并筛选出其中温度比较高的物体，其对物体的检测精度完全依赖于温度阈值的设定灵敏度，因此极易受到环境温度起伏变化的影响从而引起误报，同时也无法进一步地测量物体更多的属性，如物体的数量和坐标位置等，因此亟需一种准确可靠的红外传感器物体检测方案，以实现对物体的准确检测及物体属性的识别。
为了实现基于红外传感器对物体的准确可靠检测，本申请实施例中首先通过环境温度与像素点温度差值的方式，筛选出异于环境温度的前景像素点，再进行像素点连通性的筛选，实现对不同“物体”的划分，最后基于“物体”对应的像素点数和存在时长进行双重筛选，从而保证了最终筛选出的物体具有一定环境温度差和一定体积，同时还防止了一些如火焰等能瞬时改变温度的事物对物体识别的干扰，从而使得本申请实施例相对直接依赖于温度阈值进行物体识别而言具有更高准确性，且抗噪声干扰能力更强可靠性更佳。
应当说明地，根据不同的实际应用场景的需求，本申请实施例中的执行主体可以是单台包含红外传感器的终端设备，也可以是包含红外传感器的系统中的其他处理设备，其中，红外传感器用于采集本申请实施例中的红外帧图像，具体选用的红外传感器种类此处不予限定，可由技术人员根据实际需求自行设定。对于第一种情况而言，本申请实施例中首先由终端设备中的红外传感器采集红外帧图像，再利用终端设备中的处理器和储存器等来实现对应的物体检测方法，对于第二种情况而言，需要先由红外传感器采集红外帧图像，再通过有线或无线的方式传输至对应的处理设备进行物体检测处理。
图1示出了本申请实施例一提供的物体检测方法的实现流程图，详述如下：
S101，获取环境的第一红外帧图像和环境温度值，并从第一红外帧图像内筛选出对应温度值与环境温度值的差值位于预设差值范围的前景像素点。
在本申请实施例中，环境温度值主要是作为参考基准数据以筛选出处于环境中物体，其中环境温度值的具体采集方法此处不予限定，可由技术人员根据实际设定，包括但不限于如设置一个温度传感器进行环境温度检测，或者使用红外传感器进行环境温度检测，其中为了保障对物体检测准确性，优选地，环境温度值可由进行红外帧图像采集的红外传感器对环境进行温度检测后得到。
在利用红外帧图像中的温度数据来进行物体识别时，考虑到实际应用中所需检测物体对象的温度范围一般都是可预知的，例如对于人体而言，一般范围温度值不会超过45°，一杯热水的温度不会超过100°等，同时考虑到若直接如现有技术一样设置一个温度阈值高于温度阈值则判定对应的像素点是物体，此时极易受到环境温度起伏变化的影响，因此为了实现对物体的准确查找定位，本申请实施例中不直接对红外帧图像进行像素点的温度值大小判定，而是将像素点的温度值与环境温度值进行差值计算，并筛选出处于预设差值范围内的像素点，从而实现对与环境存在特定温差物体的像素点(即前景像素)的精准定位。其中，预设差值范围的数量和具体范围上下限值可由技术人员根据实际需求设定，例如若仅想识别一些温度高于环境温度值的物体，此时可以将一个预设差值范围下限值设置高于0，若向识别一些低于环境温度值的物体，则可以将一个预设差值范围上限值设置小于0，同时也可以同时存在一个下限值设置高于0和一个上限值设置小于0的预设差值范围。同时若无需查找特定温度范围的物体，也可以将预设差值范围的上限值或下限值修改为对应的正无穷或负无穷。
S102，基于前景像素点在第一红外帧图像中的坐标，将前景像素点划分为一个或多个坐标连通的第一像素点集合。
考虑到在环境中可能会同时存在多个物体，因此在识别出物体对应的前景像素之后还需要进一步地对物体进行区分。对于一个物体而言，其在红外传感器采集的红外帧图像之中对应的都是一片连通的像素点区域，因此本申请实施例会根据是否连通对前景像素点进行划分，得到对应的一个或多个像素点集合，从而识别出环境中可能包含的一个或多个物体。
其中，作为本申请的一个优选实施例，考虑到实际应用中可能存在两个物体相邻或相靠的场景，此时在两个物体对应的前景像素会存在相互连通的情况，此时即使进行坐标连通像素点集合的筛选也无法区分两个物体，因此在本申请实施例中，包括：
对单个第一像素点集合对应的前景像素区域连通像素筛选，判断是否存在相邻像素点数少于预设数量的像素点。
若存在，以相邻像素点数少于预设数量的像素点为界进行区域划分，得到对应的至少两个前景像素区域，并基于得到的前景像素区域更新对应的第一像素点集合。
由于两个物体相邻或相靠时，其交界处相邻的像素点一般较少，因此本申请实施例会对第一像素点集合对应的前景像素区域进行筛选，判断是否存在一些虽然连通，但连通处相邻像素点数过少的情况，并以此为界限对前景像素区域进行划分，得到每个物体分别对应的前景像素区域，并将划分后的每个前景像素区域内的前景像素点作为单独的一个第一像素点集合，从而实现对相邻或相靠物体的准确区分，保证了物体识别的准确可靠。
S103，剔除包含前景像素点数量小于预设数量阈值的第一像素点集合，得到剩余的第二像素点集合，并跟踪第二像素点集合对应的对象的存在时长。
由于在进行红外帧图像采集时可能会存在一些环境因素干扰，使得采集的红外帧图像中信息存在异常，因此在获取到第一像素点集合之后还需要进一步地剔除其中可能存在的噪声数据，以保障最终识别的准确可靠。
根据实际应用可知，对于一些前景像素区域较小对象，其极有可能是由于环境干扰或者红外传感器采集时出现错误造成的噪声数据(正常物体的体积一般较大，在采集时，对应红外帧图像内的前景像素区域也会较大)，因此本申请实施例首先会对第一像素点集合进行前景像素点数量的筛选，剔除其中包含前景像素点数量过少的集合，即对应体积过小的噪声，从而保证了后续识别的对象都是具有一定实际体积大小的物体。其中，具体的数量阈值大小可由技术人员根据实际情况设置。
同时在实际应用中发现，一些事物可以在短时间内改变自身温度和体积，例如火焰等，此时若仅根据一帧图像中前景像素点数量来进行识别筛选，还是无法实现对短时间内改变自身温度和体积事物的剔除，从而使得对物体的可靠性难以得到保证，为了解决这一问题，本申请实施例在筛选出数量满足要求的第二像素点集合之后，会将每个第二像素点集合对应的事物都作为一个对象进行跟踪并记录对应的存在时长，其中具体的对象跟踪方法此处不予限定，可由技术人员根据实际需求自行设定，包括但不限于如对每一个对象进行编号，并对对象对应的前景像素区域进行像素点温度跟踪，若对应的前景像素区域内像素点温度和数量不满足S101-S103的要求，则判定该对象已不存在，此时即可结束及时得到对应的存在时长。
S104，剔除对象存在时长小于预设时长阈值的第二像素点集合，并将剩余的每个第二像素点集合对应的对象均识别为待检测物体。
在获取到每个对象的存在时长之后，本申请实施例会剔除其中存在时长过短，即不满足预设时长阈值的集合，从而得到本申请实施例所需的具有一定环境温度差、一定体积并持续存在一定时长的物体对应的像素点集合，并识别出对应的待检测物体。
在本申请实施例中首先通过环境温度与像素点温度差值的方式，筛选出异于环境温度的前景像素点，再进行像素点连通性的筛选，实现对不同“物体”的划分，最后基于“物体”对应的像素点数和存在时长进行二次筛选，从而保证了最终筛选出的物体具有一定环境温度差和一定体积，同时还防止了一些如火焰等能瞬时改变温度的事物对物体识别的干扰，从而使得本申请实施例相对直接依赖于温度阈值进行物体识别而言具有更高准确性，且抗噪声干扰能力更强可靠性更佳。
作为本申请实施例一中获取环境温度值的一种具体实现方式，包括：
获取环境的至少一张第二红外帧图像，并基于第二红外帧图像内像素点对应的温度值计算环境温度值。
为了保障获取到的环境温度值实时可靠，本申请实施例会由采集环境的一张或多张第二红外帧图像，并基于采集到的第二红外帧图像内的像素点温度值数据来计算对应的环境温度值，其中，具体的环境温度值计算方法此处不予限定，可由技术人员根据实际需求自行设定，包括但不限于如直接计算第二红外帧图像内像素点温度值的均值作为环境温度值，或者去掉第二红外帧图像内像素点温度值的极大值和极小值之后计算均值作为环境温度值。
应当说明地，在本申请实施例中，第二红外帧图像既可以包含第一红外帧图像也可以不包含，具体而言，对环境进行第二红外帧图像采集的动作可以是发生在获取环境第一红外帧图像之前，此时第一红外帧图像和第二红外帧图像是完全独立的图像，同时，对环境进行第二红外帧图像采集的动作也可以是与获取环境第一红外帧图像同时进行，此时既可以单独采集红外帧图像作为所需的第二红外帧图像，也可以直接将采集到的第一红外帧图像作为所需的第二红外帧图像，在保障环境温度值数据实时可靠的同时，减少数据采集的工作量。
作为本申请实施例一中计算待检测物体二维坐标属性的一种具体实现方式，如图2所示，本申请实施例二，包括：
S201，基于待检测物体对应的前景像素点在第一红外帧图像中的坐标，绘制待检测物体在第一红外帧图像中对应的外接矩形。
S202，计算外接矩形的矩形中心点坐标，得到待检测物体在第一红外帧图像中的二维坐标。
此时需要先查找出待检测物体对应前景像素点中的边缘像素点，再绘制一个可以将待检测物体所有前景像素点均包含，且与四个边均与边缘像素点交接的外接矩形。并计算外接矩形的矩形中心点即对角线交点的坐标，从而得到了待检测物体在红外帧图像中的二维坐标。
作为本申请实施例一中计算待检测物体在空间内三维坐标属性的一种具体实现方式，包括：
对待检测物体在第一红外帧图像中的二维坐标进行坐标转换，得到待检测物体对应的三维空间坐标。
本申请实施例中主要是将上述本申请实施例二中得到的二维坐标转换为空间中的三维坐标，以便于实际应用的进一步向使用。其中具体的坐标转换方法此处不予限定，可由技术人员根据实际需求设定，包括但不限于如：
预先对红外传感器采集的三维空间区域建立二维坐标-三维坐标转换表。
基于二维坐标-三维坐标转换表查询待检测物体二维坐标对应的三维空间坐标。
由于实际应用中，每个红外传感器探测的三维空间区域是可预知的，因此在实际安装好红外传感器之后，对于红外传感器探测的三维空间区域以及可采集到的红外帧图像内的二维坐标区域对应关系也是可以预先获知的，例如，红外传感器组A正对着沙发进行拍摄，此时沙发各处的三维空间坐标，以及在红外传感器组A可拍摄的红外帧图像中的二维坐标，均是可以预知的，因此本实施例中技术人员会预先对两者创建好对应的转换表，再在需要时进行查表转换。
或者亦可参考本申请实施例三进行坐标转换。
作为上述本申请实施例中二维坐标转换为三维空间坐标的一种具体实现方式，如图3所示，本申请实施例三，包括：
S301，基于预设的内部参数矩阵，对待检测物体在第一红外帧图像中的二维坐标进行坐标转换，得到待检测物体对应的三维相机坐标。
S302，基于预设的外部参数矩阵对三维相机坐标进行坐标转换，得到待检测物体对应的三维空间坐标。
在本申请实施例中，涉及到多个坐标系，说明如下：
世界坐标系：客观三维世界的绝对坐标系，也称客观坐标系，对应三维空间坐标。因为红外传感器安放在三维空间中，我们需要世界坐标系这个基准坐标系来描述红外传感器的位置，并且用它来描述安放在此三维环境中的其它任何物体的位置，用(X，Y，Z)表示其坐标值。
红外传感器坐标系：以红外传感器的中心为坐标原点，X轴和Y轴分别平行于图像坐标系的X轴和Y轴，红外传感器的光轴为Z轴，用(Xc，Yc，Zc)表示其坐标值。
帧图像坐标系：以采集的帧图像平面的中心为坐标原点，X轴和Y轴分别平行于帧图像平面的两条垂直边，用(x，y)表示其坐标值。图像坐标系是用物理单位(例如毫米)表示像素在图像中的位置。
像素坐标系：以采集的帧图像平面的左上角顶点为原点，X轴和Y轴分别平行于图像坐标系的X轴和Y轴，用(u，v)表示其坐标值。红外传感器采集的图像首先是形成标准电信号的形式，然后再通过模数转换变换为红外帧图像。每幅图像的存储形式是M×N的数组，M行N列的图像中的每一个元素的数值代表的是图像点的温度。这样的每个元素叫像素，像素坐标系就是以像素为单位的帧图像坐标系。
根据相机成像原理，物体反射出来的光线透过相机针孔会在感光平面上成像，在本申请实施例中我们将温度体散射的辐射视为针孔模型下的光线，经由针孔透视关系将物体的温度值投射于的二维数组坐标中，此时，不同坐标系中坐标的切换需要利用参数矩阵类对坐标进行旋转平移等操作，在本申请实施例中，会由技术人员预先根据几个坐标系之间的坐标变换关系计算并设置好对应的内部参数矩阵和外部参数矩阵，并基于内部参数矩阵实现对像素坐标系和红外传感器坐标系之间的坐标转换，再基于外部参数矩阵实现对红外传感器坐标系和世界坐标系之间的坐标转换，从而实现待检测物体二维坐标到三维空间坐标的转换。其中，具体的内部参数矩阵和外部参数矩阵参数值，可由技术人员根据每个实际的红外传感器进行数据测量计算后得到，此处不予限定。
作为本申请实施例一中识别待检测物体数量的一种具体实现方式，包括：
对剩余的第二像素点集合数量进行统计，得到对应的待检测物体数量。
由于在本申请实施例一中每个剩余的第二像素点集合都是对应着一个待检测物体，因此本申请实施例会直接统计剩余的第二像素点集合数量，从而得到最终待检测物体的数量。
作为本申请实施例一中识别待检测物体名称的一种具体实现方式，如图4所示，本申请实施例四，包括：
S401，基于待检测物体对应的前景像素点在第一红外帧图像中的坐标，绘制待检测物体在第一红外帧图像中对应的物体轮廓图案。
由于红外传感器仅能获取到物体的温度数据，无法获得物体的色彩亮度等熟悉数据，因此现有技术中难以进一步地识别物体的种类。在本申请实施例中，为了实现对物体的准确识别，会基于红外帧图像中待检测物体对应的前景像素点，绘制待检测物体的轮廓图案，具体而言，先查找出待检测物体前景像素点内的边缘像素点，再将这些边缘像素点进行连线，从而得到对应的物体轮廓图案。
S402，对物体轮廓图案进行预设轮廓图案库的匹配，预设轮廓图案库中包含多张不同物体的轮廓图案以及分别对应的物体名称。
由于每种物体的图案都是可以预知设置的，因此在本申请实施例中，会由技术人员预先绘制好各种可能遇到的物体的轮廓图案，并设置好对应的轮廓图案库，在本申请实施例绘制出待检测物体的物体轮廓图案之后，对轮廓图案进行匹配，判断其中是否存在匹配成功的轮廓图案。
S403，若匹配成功，将匹配成功的轮廓图案对应的物体名称，识别为待检测物体的物体名称。
若匹配成功，说明待检测物体极大可能是匹配成功的轮廓图案对应的物体，因此本申请实施例会直接将对应的物体名称识别为待检测物体的物体名称。
为了实现基于红外传感器对物体的准确可靠检测，本申请实施例中首先通过环境温度与像素点温度差值的方式，筛选出异于环境温度的前景像素点，再进行像素点连通性的筛选，实现对不同“物体”的划分，最后基于“物体”对应的像素点数和存在时长进行双重筛选，从而保证了最终筛选出的物体具有一定环境温度差和一定体积，同时还防止了一些如火焰等能瞬时改变温度的事物对物体识别的干扰，从而使得本申请实施例相对直接依赖于温度阈值进行物体识别而言具有更高准确性，且抗噪声干扰能力更强可靠性更佳，最后还基于得到的待检测物体的前景像素点信息进一步地处理，实现了对待检测物体二维坐标、三维空间坐标、数量和物体名称等属性的识别，使得本申请实施例对物体识别的功能更为强大可靠。
对应于上文实施例的方法，图5示出了本申请实施例提供的物体检测装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。图5示例的物体检测装置可以是前述实施例一提供的物体检测方法的执行主体。
参照图5，该物体检测装置包括：
前景像素提取模块51，用于获取环境的第一红外帧图像和环境温度值，并从所述第一红外帧图像内筛选出对应温度值与所述环境温度值的差值位于预设差值范围的前景像素点。
像素划分模块52，用于基于所述前景像素点在所述第一红外帧图像中的坐标，将所述前景像素点划分为一个或多个坐标连通的第一像素点集合。
对象跟踪模块53，用于剔除包含前景像素点数量小于预设数量阈值的所述第一像素点集合，得到剩余的第二像素点集合，并跟踪所述第二像素点集合对应的对象的存在时长。
物体识别模块54，用于剔除对象存在时长小于预设时长阈值的所述第二像素点集合，并将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体。
进一步地，前景像素提取模块51，包括：
获取环境的至少一张第二红外帧图像，并基于所述第二红外帧图像内像素点对应的温度值计算所述环境温度值。
进一步地，该物体检测装置，还包括：
基于所述待检测物体对应的所述前景像素点在所述第一红外帧图像中的坐标，绘制所述待检测物体在所述第一红外帧图像中对应的外接矩形。
计算所述外接矩形的矩形中心点坐标，得到所述待检测物体在所述第一红外帧图像中的二维坐标。
进一步地，该物体检测装置，还包括：
坐标转换模块，用于对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标。
进一步地，坐标转换模块，包括：
基于预设的内部参数矩阵，对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维相机坐标。
基于预设的外部参数矩阵对所述三维相机坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标。
进一步地，该物体检测装置，还包括：
对剩余的所述第二像素点集合数量进行统计，得到对应的待检测物体数量。
进一步地，该物体检测装置，还包括：
基于所述待检测物体对应的所述前景像素点在所述第一红外帧图像中的坐标，绘制所述待检测物体在所述第一红外帧图像中对应的物体轮廓图案。
对所述物体轮廓图案进行预设轮廓图案库的匹配，所述预设轮廓图案库中包含多张不同物体的轮廓图案以及分别对应的物体名称。
若匹配成功，将匹配成功的轮廓图案对应的物体名称，识别为所述待检测物体的物体名称。
本申请实施例提供的物体检测装置中各模块实现各自功能的过程，具体可参考前述图1所示实施例一的描述，此处不再赘述。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。还应理解的是，虽然术语“第一”、“第二”等在文本中在一些本申请实施例中用来描述各种元素，但是这些元素不应该受到这些术语的限制。这些术语只是用来将一个元素与另一元素区分开。例如，第一表格可以被命名为第二表格，并且类似地，第二表格可以被命名为第一表格，而不背离各种所描述的实施例的范围。第一表格和第二表格都是表格，但是它们不是同一表格。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请实施例提供的物体检测方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
例如，所述终端设备可以是WLAN中的站点(STAION，ST)，可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol，SIP)电话、无线本地环路(WirelessLocal Loop，WLL)站、个人数字处理(Personal Digital Assistant，PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、车联网终端、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡、电视机顶盒(set top box，STB)、用户驻地设备(customer premise equipment，CPE)和/或用于在无线系统上进行通信的其它设备以及下一代通信系统，例如，5G网络中的移动终端或者未来演进的公共陆地移动网络(Public Land Mobile Network，PLMN)网络中的移动终端等。
作为示例而非限定，当所述终端设备为可穿戴设备时，该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能，如智能手表或智能眼镜等，以及只专注于某一类应用功能，需要和其它设备如智能手机配合使用，如各类进行体征监测的智能手环、智能首饰等。
图6是本申请一实施例提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器60(图6中仅示出一个)、存储器61，所述存储器61中存储有可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个物体检测方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块51至54的功能。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入发送设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经发送或者将要发送的数据。
另外，在本申请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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读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可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的模块/单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
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。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使对应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种物体检测方法，其特征在于，包括：
获取环境的第一红外帧图像和环境温度值，并从所述第一红外帧图像内筛选出对应温度值与所述环境温度值的差值位于预设差值范围的前景像素点；
基于所述前景像素点在所述第一红外帧图像中的坐标，将所述前景像素点划分为一个或多个坐标连通的第一像素点集合；
剔除包含前景像素点数量小于预设数量阈值的所述第一像素点集合，得到剩余的第二像素点集合，并跟踪所述第二像素点集合对应的对象的存在时长；
剔除对象存在时长小于预设时长阈值的所述第二像素点集合，并将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体。
2.如权利要求1所述的物体检测方法，其特征在于，所述获取环境的环境温度值，包括：
获取环境的至少一张第二红外帧图像，并基于所述第二红外帧图像内像素点对应的温度值计算所述环境温度值。
3.如权利要求1所述的物体检测方法，其特征在于，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
基于所述待检测物体对应的所述前景像素点在所述第一红外帧图像中的坐标，绘制所述待检测物体在所述第一红外帧图像中对应的外接矩形；
计算所述外接矩形的矩形中心点坐标，得到所述待检测物体在所述第一红外帧图像中的二维坐标。
4.如权利要求1或3所述的物体检测方法，其特征在于，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标。
5.如权利要求4所述的物体检测方法，其特征在于，所述对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标，包括：
基于预设的内部参数矩阵，对所述待检测物体在所述第一红外帧图像中的二维坐标进行坐标转换，得到所述待检测物体对应的三维相机坐标；
基于预设的外部参数矩阵对所述三维相机坐标进行坐标转换，得到所述待检测物体对应的三维空间坐标。
6.如权利要求1所述的物体检测方法，其特征在于，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
对剩余的所述第二像素点集合数量进行统计，得到对应的待检测物体数量。
7.如权利要求1所述的物体检测方法，其特征在于，在所述将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体之后，还包括：
基于所述待检测物体对应的所述前景像素点在所述第一红外帧图像中的坐标，绘制所述待检测物体在所述第一红外帧图像中对应的物体轮廓图案；
对所述物体轮廓图案进行预设轮廓图案库的匹配，所述预设轮廓图案库中包含多张不同物体的轮廓图案以及分别对应的物体名称；
若匹配成功，将匹配成功的轮廓图案对应的物体名称，识别为所述待检测物体的物体名称。
8.一种物体检测装置，其特征在于，包括：
前景像素提取模块，用于获取环境的第一红外帧图像和环境温度值，并从所述第一红外帧图像内筛选出对应温度值与所述环境温度值的差值位于预设差值范围的前景像素点；
像素划分模块，用于基于所述前景像素点在所述第一红外帧图像中的坐标，将所述前景像素点划分为一个或多个坐标连通的第一像素点集合；
对象跟踪模块，用于剔除包含前景像素点数量小于预设数量阈值的所述第一像素点集合，得到剩余的第二像素点集合，并跟踪所述第二像素点集合对应的对象的存在时长；
物体识别模块，用于剔除对象存在时长小于预设时长阈值的所述第二像素点集合，并将剩余的每个所述第二像素点集合对应的对象均识别为待检测物体。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910888815.0A CN112614085A (zh) | 2019-09-19 | 2019-09-19 | 一种物体检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910888815.0A CN112614085A (zh) | 2019-09-19 | 2019-09-19 | 一种物体检测方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112614085A true CN112614085A (zh) | 2021-04-06 |
Family
ID=75224337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910888815.0A Pending CN112614085A (zh) | 2019-09-19 | 2019-09-19 | 一种物体检测方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112614085A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113108921A (zh) * | 2021-04-19 | 2021-07-13 | 巴斯夫新材料有限公司 | 用于监测对象的温度的方法、设备和系统 |
| CN113179571A (zh) * | 2021-04-08 | 2021-07-27 | 北京戴纳实验科技有限公司 | 一种紫外照明管控系统 |
| CN114054709A (zh) * | 2021-11-17 | 2022-02-18 | 成都星云智联科技有限公司 | 一种铸坯识别和跟踪的方法、设备及存储介质 |
| CN114136462A (zh) * | 2021-11-25 | 2022-03-04 | 深圳市商汤科技有限公司 | 标定方法及装置、电子设备及计算机可读存储介质 |
| CN114224174A (zh) * | 2021-11-25 | 2022-03-25 | 广东纯米电器科技有限公司 | 净饮机自动停水的方法、装置、计算机设备和存储介质 |
| CN114757907A (zh) * | 2022-04-06 | 2022-07-15 | 上海擎测机电工程技术有限公司 | 一种红外传感器的数据处理方法 |
| CN114769021A (zh) * | 2022-04-24 | 2022-07-22 | 广东天太机器人有限公司 | 一种基于全角度模板识别的机器人喷涂系统及方法 |
| CN115205485A (zh) * | 2022-06-30 | 2022-10-18 | 广州极点三维信息科技有限公司 | 基于包围盒的三维空间探测扩充方法、系统、装置及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140003720A1 (en) * | 2012-06-29 | 2014-01-02 | Behavioral Recognition Systems, Inc. | Adaptive illuminance filter in a video analysis system |
| CN104061662A (zh) * | 2014-07-17 | 2014-09-24 | 珠海格力电器股份有限公司 | 一种人体检测方法、装置和空调 |
| CN105844240A (zh) * | 2016-03-23 | 2016-08-10 | 深圳云天励飞技术有限公司 | 一种红外测温系统中的人脸检测方法及装置 |
| CN106778803A (zh) * | 2016-11-17 | 2017-05-31 | 广州杰赛科技股份有限公司 | 一种基于红外图像识别技术的指甲定位方法及美甲设备 |
| CN109813434A (zh) * | 2018-12-19 | 2019-05-28 | 厦门赢科光电有限公司 | 一种基于温度检测的人体识别方法、装置及终端设备 |
-
2019
- 2019-09-19 CN CN201910888815.0A patent/CN112614085A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140003720A1 (en) * | 2012-06-29 | 2014-01-02 | Behavioral Recognition Systems, Inc. | Adaptive illuminance filter in a video analysis system |
| CN104061662A (zh) * | 2014-07-17 | 2014-09-24 | 珠海格力电器股份有限公司 | 一种人体检测方法、装置和空调 |
| CN105844240A (zh) * | 2016-03-23 | 2016-08-10 | 深圳云天励飞技术有限公司 | 一种红外测温系统中的人脸检测方法及装置 |
| CN106778803A (zh) * | 2016-11-17 | 2017-05-31 | 广州杰赛科技股份有限公司 | 一种基于红外图像识别技术的指甲定位方法及美甲设备 |
| CN109813434A (zh) * | 2018-12-19 | 2019-05-28 | 厦门赢科光电有限公司 | 一种基于温度检测的人体识别方法、装置及终端设备 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113179571A (zh) * | 2021-04-08 | 2021-07-27 | 北京戴纳实验科技有限公司 | 一种紫外照明管控系统 |
| CN113108921A (zh) * | 2021-04-19 | 2021-07-13 | 巴斯夫新材料有限公司 | 用于监测对象的温度的方法、设备和系统 |
| CN113108921B (zh) * | 2021-04-19 | 2023-11-24 | 巴斯夫新材料有限公司 | 用于监测对象的温度的方法、设备和系统 |
| CN114054709A (zh) * | 2021-11-17 | 2022-02-18 | 成都星云智联科技有限公司 | 一种铸坯识别和跟踪的方法、设备及存储介质 |
| WO2023093407A1 (zh) * | 2021-11-25 | 2023-06-01 | 上海商汤智能科技有限公司 | 标定方法及装置、电子设备及计算机可读存储介质 |
| CN114136462A (zh) * | 2021-11-25 | 2022-03-04 | 深圳市商汤科技有限公司 | 标定方法及装置、电子设备及计算机可读存储介质 |
| CN114224174A (zh) * | 2021-11-25 | 2022-03-25 | 广东纯米电器科技有限公司 | 净饮机自动停水的方法、装置、计算机设备和存储介质 |
| CN114224174B (zh) * | 2021-11-25 | 2023-06-20 | 广东纯米电器科技有限公司 | 净饮机自动停水的方法、装置、计算机设备和存储介质 |
| CN114757907A (zh) * | 2022-04-06 | 2022-07-15 | 上海擎测机电工程技术有限公司 | 一种红外传感器的数据处理方法 |
| CN114757907B (zh) * | 2022-04-06 | 2023-03-10 | 上海擎测机电工程技术有限公司 | 一种红外传感器的数据处理方法 |
| CN114769021A (zh) * | 2022-04-24 | 2022-07-22 | 广东天太机器人有限公司 | 一种基于全角度模板识别的机器人喷涂系统及方法 |
| CN115205485B (zh) * | 2022-06-30 | 2023-03-24 | 广州极点三维信息科技有限公司 | 基于包围盒的三维空间探测扩充方法、系统、装置及介质 |
| CN115205485A (zh) * | 2022-06-30 | 2022-10-18 | 广州极点三维信息科技有限公司 | 基于包围盒的三维空间探测扩充方法、系统、装置及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112614085A (zh) | 一种物体检测方法、装置及终端设备 | |
| CN111046744B (zh) | 一种关注区域检测方法、装置、可读存储介质及终端设备 | |
| CN110210571B (zh) | 图像识别方法、装置、计算机设备及计算机可读存储介质 | |
| CN106446873B (zh) | 人脸检测方法及装置 | |
| US9727775B2 (en) | Method and system of curved object recognition using image matching for image processing | |
| CN109166156B (zh) | 一种摄像头标定图像的生成方法、移动终端及存储介质 | |
| CN101834986B (zh) | 成像装置、运动体检测方法、运动体检测电路和程序 | |
| CN108965835B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
| CN112434715B (zh) | 基于人工智能的目标识别方法、装置及存储介质 | |
| CN111160202A (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
| CN110826610A (zh) | 一种用于智能检测人员着装是否规范的方法与系统 | |
| CN109147007A (zh) | 贴纸加载方法、装置、终端及计算机可读存储介质 | |
| CN108765380A (zh) | 图像处理方法、装置、存储介质及移动终端 | |
| CN111680670B (zh) | 一种跨模态人头检测方法及装置 | |
| CN113538321B (zh) | 基于视觉的体积测量方法及终端设备 | |
| CN111654694A (zh) | 图像处理算法的质量评测方法、装置及电子设备 | |
| CN111199169A (zh) | 图像处理方法和装置 | |
| CN109816628B (zh) | 人脸评价方法及相关产品 | |
| CN108769521B (zh) | 一种拍照方法、移动终端及计算机可读存储介质 | |
| CN114627186A (zh) | 一种测距方法及测距装置 | |
| CN109785439A (zh) | 人脸素描图像生成方法及相关产品 | |
| CN107734324B (zh) | 一种闪光灯照度均匀性的测量方法、系统及终端设备 | |
| CN112051920A (zh) | 视线落点确定方法和装置 | |
| CN115457055A (zh) | 照度计数值识别方法、电子设备及存储介质 | |
| CN107633498A (zh) | 图像暗态增强方法、装置及电子设备 |
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 |