CN112801963B - 一种视频图像遮挡检测方法及系统 - Google Patents
一种视频图像遮挡检测方法及系统 Download PDFInfo
- Publication number
- CN112801963B CN112801963B CN202110067940.2A CN202110067940A CN112801963B CN 112801963 B CN112801963 B CN 112801963B CN 202110067940 A CN202110067940 A CN 202110067940A CN 112801963 B CN112801963 B CN 112801963B
- Authority
- CN
- China
- Prior art keywords
- gradient
- binary image
- image
- value
- calculating
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 230000011218 segmentation Effects 0.000 claims abstract description 29
- 230000007797 corrosion Effects 0.000 claims abstract description 13
- 238000005260 corrosion Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Studio Circuits (AREA)
Abstract
本发明公开了一种视频图像遮挡检测方法及系统，属于人工智能与计算机视觉技术领域，通过梯度计算、梯度直方图计算、分割阈值计算、梯度图二值化、孔洞填充、腐蚀、小区域去除和中值滤波等步骤，实现前景背景分割和遮挡判定，前景是遮挡物，背景是正常画面，前景背景分割用于分割所述遮挡物和所述背景，所述遮挡判定对分割后的图像进行处理，以判定所述分割后的图像中是否存在所述遮挡物。
Description
技术领域
本发明属于人工智能与计算机视觉技术领域，具体是涉及到一种视频图像遮挡检测方法及系统。
背景技术
随着智慧城镇和智能安防监控的兴起，智能视频监控系统成为了安防的重要组成部分。受人为因素或外部环境因素的影响，视频监控系统会出现的一个常见问题是视频监控摄像头被遮挡，从而导致取景不全，无法正常的进行画面监控，若监控系统不及时提醒用户排除遮挡，不利于后续安防工作的有序开展。因此，越来越多的工作者对此进行了研究和实践工作。
在专利CN201710305837.0中，公开了一种异物遮挡的视频质量诊断方法。该方法对输入的图像进行双边滤波后，计算HSV空间的梯度，对梯度提取直线和直线合并操作，获取两条直线之间的最大矩形区域，以此确定异物区域。该发明的优点是不依赖于参考图像，避免了参考图像的多样性而导致准确率降低。但是其最大的缺点是参数阈值难调，且对于不同光照下的图片其阈值会随时更改，因此，其对不同天气的视频图像适应性差。
在专利201510910276.8中，公开了一种视频质量诊断方法和系统。该发明中提出了一种检测遮挡的方法，首先将图像分块，然后再分别计算每块图像的灰度直方图，计算概率最大值和均方差，最后通过阈值判定该图像块是否存在遮挡。上述方法也是基于传统图像处理的方法，处理方便简单，但是其阈值难统一，须时常根据实际情况更换阈值，否则，就会导致准确率降低，误检率和漏检率上升。
由于遮挡的材料或物件形态和颜色千变万化，以及自然光或灯具的存在，遮挡从图像上看不一定都呈现黑色，因此，视频图像遮挡检测需要更好的适应性。而上述视频图像遮挡的检测方法，都存在着一个共性的问题，其阈值难调，适应性差，虽然机器学习的方法能更新阈值，但是其过程繁杂，且不能保证检测精度。现有视频图像遮挡检测技术有待改进。
发明内容
本发明的目的在于提供一种视频图像遮挡检测方法及系统，可以适应天气气候变化和自适应调节阈值，实现高效、准确检测视频遮挡。
一种视频图像遮挡检测方法，包括如下步骤：
S1.进行前景背景分割：
S11.从摄像头提取视频图像，得到原始RGB图像；
S12.梯度计算：
S121.将所述原始RGB图像缩小到宽度为
高度为
的规范RGB图像，并将所述规范RGB图像转换为256级的灰度图像f；
S122.根据所述灰度图像f，提取x方向上的梯度Gx和y方向上的梯度Gy；
S123.根据所述Gx和Gy，计算总的梯度，并保留向下取整后的梯度幅值，舍弃梯度方向，得到梯度图G：
S13.梯度直方图计算：
S131.以8×8像素为单元提取所述梯度图G中非0的梯度值及其个数，得到初始梯度直方图；
S132.以2×2单元对所述初始梯度直方图进行L2归一化，得到归一化梯度直方图；
S14.分割阈值计算：
S141.对所述归一化梯度直方图中像素的梯度值按降序排序，得到归一化梯度值序列，其长度为L；
S142.计算所述归一化梯度值序列的前3个梯度值的平均值，获取所述平均值在所述归一化梯度值序列中的位置Ploc；
S143.计算得到下边界lb和上边界ub：
lb＝min(L,3×Ploc)
ub＝min(L,18×Ploc)
S144.根据所述上边界ub和所述下边界lb确定所述归一化梯度值序列的子序列，计算所述子序列的所有像素之和，所述子序列的所有像素之和除以所述梯度图所有像素之和，得到面积占比X；
S145.计算经验阈值Y：
Y＝(aX+b)/100
b＝95-a×3
a＝(95-40)/(42-3)
S146.计算最佳分割索引值idx：
idx＝Y×L+1
S147.根据所述最佳分割索引值idx从所述归一化梯度值序列获取对应的梯度值得到所述分割阈值T；
S15.梯度图二值化：
依据所述分割阈值T和所述归一化梯度直方图对所述梯度图进行阈值分割，得到仅包含背景的二值图；所述二值图，如果所述归一化梯度直方图的像素的梯度值大于所述分割阈值，则所述二值图的所述像素的值为1，否则为0，由此得到二值图；
S16.孔洞填充：
S161.在所述二值图的上、下、左、右各增加1个值为1的像素，得到延展二值图；
S162.用1填充所述延展二值图的连通区域，得到孔洞填充二值图；
S17.腐蚀：
采用3×3的卷积核去除所述孔洞填充二值图中的杂点，得到腐蚀二值图；
S18.小区域去除：
提取所述腐蚀二值图中的所有轮廓，计算每个所述轮廓的面积，若所述轮廓的面积小于阈值，则将该所述腐蚀二值图中所述轮廓及其内部的像素的值赋值为1，得到小区域去除二值图；
S19.中值滤波：
以3×3邻域模板对所述小区域去除二值图进行中值滤波处理，得到平滑二值图；
S20.遮挡判定：
S201.计算所述平滑二值图中的值为0的像素个数，得到遮挡面积；
S202.计算所述平滑二值图的宽度与高度的乘积，得到所述平滑二值图面积；
S203.计算所述遮挡面积与所述平滑二值图面积的比值，得到遮挡概率；
S204.若所述遮挡概率大于一定阈值，则表明所述原始RGB图像已被遮挡，否则所述原始RGB图像未被遮挡，并将遮挡检测结果反馈给用户。
进一步地，步骤S204所述的一定阈值为0.056。
一种视频图像遮挡检测系统，包括视频监控平台、服务器端和检测显示报警平台，所述视频监控平台、所述服务器端和所述检测显示报警平台前后依次电性连接，所述视频监控平台从摄像头提取视频图像送入所述服务器端，所述服务器端运行多个视频分析单元，所述视频分析单元执行所述视频图像遮挡检测方法对所述视频图像进行遮挡检测，其检测结果再送入所述检测显示报警平台，提醒用户采取相应操作。
本发明的有益效果是在于：一是本发明自适应性强。本发明提出了基于经验梯度阈值进行前景背景分割的方案，能够在各种恶劣环境天气下，对不同等级层度的光照图片自动计算各自独有的自适应阈值，实现了分割阈值的自动化。二是本发明避免了采集参考图像的工作。本发明采用了基于经验模型由待检测图像自动计算分割阈值的自适应技术，在检测设备安装部署时，不需要采集参考图像，安装实施和售后维护效率高、成本低廉。
附图说明
图1为本发明一个具体实施例的视频图像遮挡检测流程图；
图2为本发明一个具体实施例的视频图像遮挡检测系统；
具体实施方式
为了进一部公开本发明的技术方案，以下结合附图对本发明的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。
视频图像经常由于人为因素或外界环境因素导致遮挡，图像画面信息不全，从而严重影响视频质量和后续基于视频图像的各种应用。为此，针对上述遮挡问题，本发明提出了一种视频图像遮挡检测方法及系统，采用自适应计算阈值的方法，解决了现有技术方案中普遍存在的固有缺陷。
一种视频图像遮挡检测方法，包括如下步骤：
S1.进行前景背景分割：
S11.从摄像头提取视频图像，得到原始RGB图像；
S12.梯度计算：
S121.将所述原始RGB图像缩小到宽度为
高度为
的规范RGB图像，并将所述规范RGB图像转换为256级的灰度图像f；
S122.根据所述灰度图像f，提取x方向上的梯度Gx和取y方向上的梯度Gy；
S123.根据所述Gx和Gy，计算总的梯度，并保留向下取整后的梯度幅值，舍弃梯度方向，得到梯度图G：
S13.梯度直方图计算：
S131.以8×8像素为单元提取所述梯度图G中非0的梯度值及其个数，得到初始梯度直方图；
S132.以2×2单元对所述初始梯度直方图进行L2归一化，得到归一化梯度直方图；
S14.分割阈值计算：
S141.对所述归一化梯度直方图中像素的梯度值按降序排序，得到归一化梯度值序列，其长度为L；
S142.计算所述归一化梯度值序列的前3个梯度值的平均值，获取所述平均值在所述归一化梯度值序列中的位置Ploc；
S143.计算得到下边界lb和上边界ub：
lb＝min(L,3×Ploc)
ub＝min(L,18×Ploc)
S144.根据所述上边界ub和所述下边界lb确定所述归一化梯度值序列的子序列，计算所述子序列的所有像素之和，所述子序列的所有像素之和除以所述梯度图所有像素之和，得到面积占比X；
S145.计算经验阈值Y：
Y＝(aX+b)/100
b＝95-a×3
a＝(95-40)/(42-3)
S146.计算最佳分割索引值idx：
idx＝Y×L+1
S147.根据所述最佳分割索引值idx从所述归一化梯度值序列获取对应的梯度值得到所述分割阈值T；
S15.梯度图二值化：
依据所述分割阈值T和所述归一化梯度直方图对所述梯度图进行阈值分割，得到仅包含背景的二值图；所述二值图，如果所述归一化梯度直方图的像素的梯度值大于所述分割阈值，则所述二值图的所述像素的值为1，否则为0，由此得到二值图S；
S16.孔洞填充：
S161.在所述二值图的上、下、左、右各增加1个值为1的像素，得到延展二值图；
S162.用1填充所述延展二值图的连通区域，得到孔洞填充二值图S_fill；
S17.腐蚀：
采用3×3的卷积核去除所述孔洞填充二值图中的杂点，得到腐蚀二值图S_corr；
S18.小区域去除：
提取所述腐蚀二值图S_corr中的所有轮廓，计算每个所述轮廓的面积，若所述轮廓的面积小于阈值，则将该所述腐蚀二值图中所述轮廓及其内部的像素的值赋值为1，得到小区域去除二值图S_dsrg；
S19.中值滤波：
以3×3邻域模板对所述小区域去除二值图进行中值滤波处理，得到平滑二值图S_smooth；
S20.遮挡判定：
S201.计算所述平滑二值图S_smooth中的值为0的像素个数，得到遮挡面积；
S202.计算所述平滑二值图S_smooth的宽度与高度的乘积，得到所述平滑二值图面积；
S203.计算所述遮挡面积与所述平滑二值图面积的比值，得到遮挡概率；
S204.若所述遮挡概率大于一定阈值，则表明所述原始RGB图像已被遮挡，否则所述原始RGB图像未被遮挡，并将遮挡检测结果反馈给用户。
通过大量数据测试统计，步骤S204中，当阈值取0.056时，效果最佳。
作为运行上述方法的平台，本发明提供了一种视频图像遮挡检测系统，包括视频监控平台、服务器端和检测显示报警平台，所述视频监控平台、所述服务器端和所述检测显示报警平台前后依次电性连接，所述视频监控平台从摄像头提取视频图像送入所述服务器端，所述服务器端运行多个视频分析单元，所述视频分析单元执行所述视频图像遮挡检测方法对所述视频图像进行遮挡检测，其检测结果再送入所述检测显示报警平台，提醒用户采取相应操作。
Claims (2)
1.一种视频图像遮挡检测方法，其特征是，包括如下步骤：
S1.进行前景背景分割：
S11.从摄像头提取视频图像，得到原始RGB图像；
S12.梯度计算：
S121.将所述原始RGB图像缩小到宽度为
高度为
的规范RGB图像，并将所述规范RGB图像转换为256级的灰度图像f；
S122.根据所述灰度图像f，提取x方向上的梯度Gx和y方向上的梯度Gy；
S123.根据所述Gx和Gy，计算总的梯度，并保留向下取整后的梯度幅值，舍弃梯度方向，得到梯度图G：
S13.梯度直方图计算：
S131.以8×8像素为单元提取所述梯度图G中非0的梯度值及其个数，得到初始梯度直方图；
S132.以2×2单元对所述初始梯度直方图进行L2归一化，得到归一化梯度直方图；
S14.分割阈值计算：
S141.对所述归一化梯度直方图中像素的梯度值按降序排序，得到归一化梯度值序列，其长度为L；
S142.计算所述归一化梯度值序列的前3个梯度值的平均值，获取所述平均值在所述归一化梯度值序列中的位置Ploc；
S143.计算得到下边界lb和上边界ub：
lb＝min(L,3×Ploc)
ub＝min(L,18×Ploc)
S144.根据所述上边界ub和所述下边界lb确定所述归一化梯度值序列的子序列，计算所述子序列的所有像素之和，所述子序列的所有像素之和除以所述梯度图所有像素之和，得到面积占比X；
S145.计算经验阈值Y：
Y＝(aX+b)/100
b＝95-a×3
a＝(95-40)/(42-3)
S146.计算最佳分割索引值idx：
idx＝Y×L+1
S147.根据所述最佳分割索引值idx从所述归一化梯度值序列获取对应的梯度值得到所述分割阈值T；
S15.梯度图二值化：
依据所述分割阈值T和所述归一化梯度直方图对所述梯度图进行阈值分割，得到仅包含背景的二值图；所述二值图，如果所述归一化梯度直方图的像素的梯度值大于所述分割阈值，则所述二值图的所述像素的值为1，否则为0，由此得到二值图；
S16.孔洞填充：
S151.在所述二值图的上、下、左、右各增加1个值为1的像素，得到延展二值图；
S152.用1填充所述延展二值图的连通区域，得到孔洞填充二值图；
S17.腐蚀：
采用3×3的卷积核去除所述孔洞填充二值图中的杂点，得到腐蚀二值图；
S18.小区域去除：
提取所述腐蚀二值图中的所有轮廓，计算每个所述轮廓的面积，若所述轮廓的面积小于阈值，则将该所述腐蚀二值图中所述轮廓及其内部的像素的值赋值为1，得到小区域去除二值图；
S19.中值滤波：
以3×3邻域模板对所述小区域去除二值图进行中值滤波处理，得到平滑二值图；
S20.遮挡判定：
S201.计算所述平滑二值图中的值为0的像素个数，得到遮挡面积；
S202.计算所述平滑二值图的宽度与高度的乘积，得到所述平滑二值图面积；
S203.计算所述遮挡面积与所述平滑二值图面积的比值，得到遮挡概率；
S204.若所述遮挡概率大于一定阈值，则表明所述原始RGB图像已被遮挡，否则所述原始RGB图像未被遮挡，并将遮挡检测结果反馈给用户。
2.根据权利要求1所述的视频图像遮挡检测方法，其特征是，步骤S204所述的一定阈值为0.056。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110067940.2A CN112801963B (zh) | 2021-01-19 | 2021-01-19 | 一种视频图像遮挡检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110067940.2A CN112801963B (zh) | 2021-01-19 | 2021-01-19 | 一种视频图像遮挡检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112801963A CN112801963A (zh) | 2021-05-14 |
| CN112801963B true CN112801963B (zh) | 2022-09-06 |
Family
ID=75810384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110067940.2A Active CN112801963B (zh) | 2021-01-19 | 2021-01-19 | 一种视频图像遮挡检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112801963B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114326352B (zh) * | 2021-12-31 | 2024-06-04 | 南京理工大学智能计算成像研究院有限公司 | 一种基于数字全息的实时细胞三维分析方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103139547B (zh) * | 2013-02-25 | 2016-02-10 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
| CN103996203A (zh) * | 2014-06-13 | 2014-08-20 | 北京锐安科技有限公司 | 一种检测图像面部遮挡的方法和装置 |
| CN104883538A (zh) * | 2015-05-04 | 2015-09-02 | 黄河科技学院 | 一种银行自动取款机智能监控系统与方法 |
| CN106056079B (zh) * | 2016-05-31 | 2019-07-05 | 中国科学院自动化研究所 | 一种图像采集设备及人脸五官的遮挡检测方法 |
| CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及系统 |
| CN110401815A (zh) * | 2019-07-04 | 2019-11-01 | 珠海九圆能源设备制造有限公司 | 一种应用于智能热网的视频监控方法及其系统 |
-
2021
- 2021-01-19 CN CN202110067940.2A patent/CN112801963B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112801963A (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
| CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
| Parker et al. | An approach to license plate recognition | |
| CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
| CN111833306A (zh) | 缺陷检测方法和用于缺陷检测的模型训练方法 | |
| CN109308447A (zh) | 在电力远程监控中自动提取设备运行参数和运行状态的方法 | |
| CN109255350B (zh) | 一种基于视频监控的新能源车牌检测方法 | |
| CN110415208A (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
| CN111814678A (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
| CN112001299B (zh) | 一种隧道车指器和照明灯故障识别方法 | |
| CN113537037A (zh) | 路面病害识别方法、系统、电子设备及存储介质 | |
| CN109308448A (zh) | 一种采用图像处理技术来防止变配电误操作的方法 | |
| CN111539980A (zh) | 一种基于可见光的多目标追踪方法 | |
| CN110782409A (zh) | 一种去除多运动物体阴影的方法 | |
| CN112115878A (zh) | 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法 | |
| CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
| CN112801963B (zh) | 一种视频图像遮挡检测方法及系统 | |
| CN113065454B (zh) | 一种高空抛物目标识别比较的方法及装置 | |
| CN114155493A (zh) | 基于视频分析技术的大坝流量预警系统及方法 | |
| CN116311212B (zh) | 基于高速摄像机实现运动状态下的船号识别方法及装置 | |
| CN113888503A (zh) | 产品外观检测方法、装置和存储介质 | |
| CN116703925B (zh) | 一种轴承缺陷检测方法、装置、电子设备及存储介质 | |
| CN117351036A (zh) | 一种crh5动车组齿轮箱箱体裂纹边缘检测方法 | |
| CN114596242A (zh) | 缺陷检测方法、装置、电子设备及计算机可读存储介质 | |
| Pratomo et al. | Parking detection system using background subtraction and HSV color segmentation |
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 |