CN112966695A - 桌面遗留物检测方法、装置、设备及存储介质 - Google Patents
桌面遗留物检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112966695A CN112966695A CN202110156455.2A CN202110156455A CN112966695A CN 112966695 A CN112966695 A CN 112966695A CN 202110156455 A CN202110156455 A CN 202110156455A CN 112966695 A CN112966695 A CN 112966695A
- Authority
- CN
- China
- Prior art keywords
- desktop
- detected
- detection
- image
- rectangular area
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明公开了一种桌面遗留物检测方法、装置、设备及存储介质,包括:提取标准桌面图像中空桌面区域的第一LBP特征;提取待检测桌面图像中桌面矩形区域和人体矩形区域,并计算桌面矩形区域的第二LBP特征;计算桌面矩形区域中心点位置与人体矩形区域中心点位置的距离D1;匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2;根据距离D1和平均距离D2判断待检测桌面是否有遗留物。本发明结合传统桌面遗留物检测方法和深度学习目标检测算法,旨在解决现有技术中存在的传统桌面遗留物检测在机场VIP室中遗留物目标种类不确定、背景复杂导致的检测效果不理想的技术问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种用于机场VIP室的基于图像匹配的桌面遗留物检测方法、装置、设备及存储介质。
背景技术
机场贵宾厅(VIP室)经常发生旅客物品遗留、座位清理不及时等问题。仅通过服务人员的检查,难以及时发现遗留物,需要通过外力手段实现机场VIP室内的桌面遗留物检测。
现有的遗留物检测主要通过两种方式,第一种基于收集大量环境图片和遗留物图片进行训练,再用训练得到的模型对待检测场景单张图片是否存在遗留物进行判断;第二种是通过建立遗留物数学模型,对待检测场景的实时视频进行检测。但存在以下问题:
第一种遗留物检测方法在进行遗留物检测时需要大量训练图片,检测效果在前期并不理想。
第二种遗留物检测方法对实时视频进行判断需要有较强的运算能力,对检测设备要求高。
虽然公开号为CN111091097A的中国发明专利记载了一种遗留物的识别方法、装置、设备及存储介质,对差分背景高斯累积法获取到的疑似遗留物区域进行再次判别,通过检测疑似遗留物区域沿轮廓方向的亮度梯度均值,来判断是否为真实遗留物,减少或消除由于环境光引起的误识别结果。而现实中机场VIP室的旅客物品遗留物目标种类不确定,背景复杂,仅从图像处理分析角度检测区域内的遗留物,检测效果并不理想。
因此,如何提高遗留物目标种类不确定、背景复杂的机场VIP室中的检测效果不理想,是一个亟需解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种桌面遗留物检测方法、装置、设备及存储介质,旨在解决现有技术中存在的传统桌面遗留物检测在机场VIP室中遗留物目标种类不确定、背景复杂导致的检测效果不理想的技术问题。
为实现上述目的,本发明提出一种桌面遗留物检测方法,包括以下步骤:
提取标准桌面图像中空桌面区域的第一LBP特征;
提取待检测桌面图像中桌面矩形区域和人体矩形区域,并计算桌面矩形区域的第二LBP特征;
计算桌面矩形区域中心点位置与人体矩形区域中心点位置的距离D1;
匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2;
根据距离D1和平均距离D2判断待检测桌面是否有遗留物。
可选的,提取标准桌面图像中空桌面区域的第一LBP特征步骤,具体包括:
获取以桌面为最小外接矩形的空桌面区域;
采用LBP算法对空桌面区域特征化处理得到标准桌面图像第一LBP特征。
可选的,提取待检测桌面图像中桌面矩形区域和人体矩形区域,并计算桌面矩形区域的第二LBP特征步骤,具体包括:
构建桌面检测训练器;
利用桌面检测训练器检测获得待检测桌面图像中的桌面矩形区域和人体矩形区域;
采用LBP算法对桌面矩形区域特征化处理得到待检测桌面图像第二LBP特征。
可选的,构建桌面检测训练器步骤,包括:
获取不同时段待检测桌面图像并制作成标签数据;
利用CenterNet目标检测算法对获取的不同时段待检测桌面图像和标签数据训练构建桌面检测CenterNet训练器。
可选的,利用桌面检测训练器检测获得待检测桌面图像中的桌面矩形区域和人体矩形区域步骤,具体包括:
将获得的待检测桌面图像运用构建的桌面检测CenterNet训练器检测得到桌面矩形区域和人体矩形区域。
可选的,匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2步骤,具体包括:
采用通用特征点匹配算子,匹配标准桌面图像和待检测桌面图像的LBP特征点;
对标准桌面图像和待检测桌面图像上匹配的对应特征点做差值运算,并取绝对值。
可选的,根据距离D1和平均距离D2判断待检测桌面是否有遗留物步骤,具体包括:
判断距离D1超过第一预设阈值T1和D2超过第二预设阈值T2同时满足时待检测桌面上的物品为遗留物。
此外,为实现上述目的,本发明还提出一种桌面遗留物检测装置,所述桌面遗留物检测装置包括:
图像区域划分模块:用于划分待检测桌面图像中桌面矩形区域和人体矩形区域;
LBP特征提取模块:用于提取标准桌面图像中空桌面区域的第一LBP特征和待检测桌面图像中桌面矩形区域的第二LBP特征;
矩形区域距离计算模块:用于计算桌面矩形区域中心点位置与人体矩形区域中心点位置的距离D1;
LBP特征点距离计算模块:用于匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2;
遗留物逻辑判断模块:用于根据距离D1和平均距离D2判断待检测桌面是否有遗留物。
此外,为实现上述目的,本发明还提出一种桌面遗留物检测设备,所述桌面遗留物检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的桌面遗留物检测程序,所述桌面遗留物检测程序被所述处理器执行时实现如上述的桌面遗留物检测方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有桌面遗留物检测程序,所述桌面遗留物检测程序被处理器执行时实现如上述的桌面遗留物检测方法的步骤。
本发明中,考虑传统目标检测算法与深度学习目标检测算法相结合的方式检测目标,首先采用深度学习目标检测算法定位桌面及人体。对定位到的桌面及事先采集好的空桌面图像模板分别提取LBP特征,然后采用背景差分的方式求取桌面是否有物体存在,同时根据检测器检测到桌面附近是否有人存在,综合判定是否为遗留物。本发明所提供的方法旨在解决现有技术中存在的传统桌面遗留物检测在机场VIP室中遗留物目标种类不确定、背景复杂导致的检测效果不理想的技术问题。
附图说明
图1为本发明提出的第一种实施例的方法步骤示意图;
图2为本发明提出的第二种实施例的方法步骤示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的桌面遗留物检测方法的步骤原理示意图。提出本发明桌面遗留物检测方法第一实施例。
在第一实施例中,桌面遗留物检测方法包括以下步骤:
S10:提取标准桌面图像中空桌面区域的第一LBP特征。
S20:提取待检测桌面图像中桌面矩形区域和人体矩形区域,并计算桌面矩形区域的第二LBP特征。
S30:计算桌面矩形区域中心点位置与人体矩形区域中心点位置的距离D1。
S40:匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2。
S50:根据距离D1和平均距离D2判断待检测桌面是否有遗留物。
需要说明的是,提取标准桌面图像中空桌面区域的第一LBP特征步骤,具体包括:
获取以桌面为最小外接矩形的空桌面区域。
采用LBP算法对空桌面区域特征化处理得到标准桌面图像第一LBP特征。
需要说明的是,提取待检测桌面图像中桌面矩形区域和人体矩形区域,并计算桌面矩形区域的第二LBP特征步骤,具体包括:
构建桌面检测训练器。
利用桌面检测训练器检测获得待检测桌面图像中的桌面矩形区域和人体矩形区域。
采用LBP算法对桌面矩形区域特征化处理得到待检测桌面图像第二LBP特征。
需要说明的是,构建桌面检测训练器步骤,包括:
获取不同时段待检测桌面图像并制作成标签数据。
利用CenterNet目标检测算法对获取的不同时段待检测桌面图像和标签数据训练构建桌面检测CenterNet训练器。
需要说明的是,利用桌面检测训练器检测获得待检测桌面图像中的桌面矩形区域和人体矩形区域步骤,具体包括:
将获得的待检测桌面图像运用构建的桌面检测CenterNet训练器检测得到桌面矩形区域和人体矩形区域。
需要说明的是,匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2步骤,具体包括:
采用通用特征点匹配算子,匹配标准桌面图像和待检测桌面图像的LBP特征点。
对标准桌面图像和待检测桌面图像上匹配的对应特征点做差值运算,并取绝对值。
需要说明的是,根据距离D1和平均距离D2判断待检测桌面是否有遗留物步骤,具体包括:
判断距离D1超过第一预设阈值T1和D2超过第二预设阈值T2同时满足时待检测桌面上的物品为遗留物。
参照图2,图2为本发明用于机场VIP室基于图像匹配的桌面遗留物检测方法第二实施例的流程示意图,基于上述图1所示的第一实施例,提出本发明用于机场VIP室基于图像匹配的桌面遗留物检测方法第二实施例。
在第二实施例中,用于机场VIP室基于图像匹配的桌面遗留物检测方法,具体包括以下步骤:
1、事先从摄像头采集一张清晰的空桌面图像A,以桌面为最小外接矩形裁剪图像,然后通过公知的LBP算子特征化后作为模板备用,该模板标记为A~;
2、通过摄像头实时采集机场VIP室视频数据,将视频解码成序列图片;
3、检测模块:在序列图片中运用检测模块检测出桌面矩形区域及是否存在人体,桌面矩形区域表示为BBboxA(x,y,w,h),其中x、y为矩形中心点坐标,w、h为该矩形区域的宽和高,其进行LBP算子特征化后得到B~;若检测到人体,则人体矩形区域表示为BBboxB(x,y,w,h),其中x、y为矩形中心点坐标,w、h为该矩形区域的宽和高。对于训练检测模块的主要技术要点为:a、事先从摄像头采集约10万张不同时段的数据;b、将上述数据制作成标签数据;c、选用CenterNet目标检测算法训练模型;d、在序列图片中运用训练好的CenterNet算法模型检测得到桌面矩形区域BBboxA(x,y,w,h)及人体矩形区域BBboxB(x,y,w,h);
4、采用通用的sift或者surf算子对A~和B~进行匹配;
5、计算A~和B~的平均距离:
mean(T)=|A~-B~|
若mean(T)>100,则表示桌面有物体存在;
若mean(T)<100,则表示桌面没有物体存在,则结束;
5、计算人体与桌面的距离:
若未检测到人体,则直接判断是遗留物;
若检测到人体,将上述检测到的人体矩形区域BBboxB(x,y,w,h)简记为B(x2,y2),其中x2、y2为矩形中心点坐标;同时将桌面矩形区域BBboxA(x,y,w,h)简记为A(x1,y1),其中x1、y1为矩形中心点坐标;则A和B两点间的距离D为:
若D<=200时,表示桌面与人的距离较近,则结束;
若D>200时,表示桌面与人的距离较远,则表示离开桌面,判断为遗留物;
6、综合器判断:
当同时满足以下两个条件时:
(1)D>200;
(2)mean(T)>100;
则表示为遗留物,其余情况都为非遗留物。
7、输出遗留物,并结束。
在第二实施例中,基于深度学习的目标检测方法需要目标是确定的,提前预知的及可供学习的,由于遗留物种类繁多,无法提前预知,直接采用深度学习的目标检测方法显然无法满足要求,因此本实施例采用与传统目标检测方法相结合的方案。
需要说明的是,由于原图含有太多的复杂背景,含有大量干扰信息,采用传统方法进行背景建模,直接做背景减除法,速度较慢且效果较差,因此本实施例采用排除大量无关背景的干扰的方案。
需要说明的是,方案最终确定是否为遗留物,则还需要判断桌面附近有无人存在,只有人不在桌面附近则判定为遗留物并报警提醒。
需要理解的是,所述功能如果以软件功能模块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、制度存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.桌面遗留物检测方法,其特征在于,所述桌面遗留物检测方法包括以下步骤:
提取标准桌面图像中空桌面区域的第一LBP特征;
提取待检测桌面图像中桌面矩形区域和人体矩形区域,并计算桌面矩形区域的第二LBP特征;
计算桌面矩形区域中心点位置与人体矩形区域中心点位置的距离D1;
匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2;
根据距离D1和平均距离D2判断待检测桌面是否有遗留物。
2.如权利要求1所述的桌面遗留物检测方法,其特征在于,所述提取标准桌面图像中空桌面区域的第一LBP特征步骤,具体包括:
获取以桌面为最小外接矩形的空桌面区域;
采用LBP算法对空桌面区域特征化处理得到标准桌面图像第一LBP特征。
3.如权利要求1所述的桌面遗留物检测方法,其特征在于,所述提取待检测桌面图像中桌面矩形区域和人体矩形区域,并计算桌面矩形区域的第二LBP特征步骤,具体包括:
构建桌面检测训练器;
利用桌面检测训练器检测获得待检测桌面图像中的桌面矩形区域和人体矩形区域;
采用LBP算法对桌面矩形区域特征化处理得到待检测桌面图像第二LBP特征。
4.如权利要求3所述的桌面遗留物检测方法,其特征在于,所述构建桌面检测训练器步骤,包括:
获取不同时段待检测桌面图像并制作成标签数据;
利用CenterNet目标检测算法对获取的不同时段待检测桌面图像和标签数据训练构建桌面检测CenterNet训练器。
5.如权利要求4所述的桌面遗留物检测方法,其特征在于,所述利用桌面检测训练器检测获得待检测桌面图像中的桌面矩形区域和人体矩形区域步骤,具体包括:
将获得的待检测桌面图像运用构建的桌面检测CenterNet训练器检测得到桌面矩形区域和人体矩形区域。
6.如权利要求1所述的桌面遗留物检测方法,其特征在于,所述匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2步骤,具体包括:
采用通用特征点匹配算子,匹配标准桌面图像和待检测桌面图像的LBP特征点;
对标准桌面图像和待检测桌面图像上匹配的对应特征点做差值运算,并取绝对值。
7.如权利要求1所述的桌面遗留物检测方法,其特征在于,所述根据距离D1和平均距离D2判断待检测桌面是否有遗留物步骤,具体包括:
判断距离D1超过第一预设阈值T1和D2超过第二预设阈值T2同时满足时待检测桌面上的物品为遗留物。
8.桌面遗留物检测装置,其特征在于,所述桌面遗留物检测装置包括:
图像区域划分模块:用于划分待检测桌面图像中桌面矩形区域和人体矩形区域;
LBP特征提取模块:用于提取标准桌面图像中空桌面区域的第一LBP特征和待检测桌面图像中桌面矩形区域的第二LBP特征;
矩形区域距离计算模块:用于计算桌面矩形区域中心点位置与人体矩形区域中心点位置的距离D1;
LBP特征点距离计算模块:用于匹配空桌面区域和桌面矩形区域的LBP特征点,计算匹配的LBP特征点平均距离D2;
遗留物逻辑判断模块:用于根据距离D1和平均距离D2判断待检测桌面是否有遗留物。
9.一种桌面遗留物检测设备,其特征在于,所述桌面遗留物检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的桌面遗留物检测程序,所述桌面遗留物检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的桌面遗留物检测方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有桌面遗留物检测程序,所述桌面遗留物检测程序被处理器执行时实现如权利要求1至7中任一项所述的桌面遗留物检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110156455.2A CN112966695A (zh) | 2021-02-04 | 2021-02-04 | 桌面遗留物检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110156455.2A CN112966695A (zh) | 2021-02-04 | 2021-02-04 | 桌面遗留物检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112966695A true CN112966695A (zh) | 2021-06-15 |
Family
ID=76273919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110156455.2A Pending CN112966695A (zh) | 2021-02-04 | 2021-02-04 | 桌面遗留物检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966695A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766728A (zh) * | 2019-10-16 | 2020-02-07 | 南京航空航天大学 | 基于深度学习的组合图像特征精确匹配算法 |
CN111144404A (zh) * | 2019-12-06 | 2020-05-12 | 恒大新能源汽车科技(广东)有限公司 | 遗留物体检测方法、装置、系统、计算机设备和存储介质 |
US20200193166A1 (en) * | 2018-12-12 | 2020-06-18 | Avigilon Corporation | Object left behind detection |
CN111814510A (zh) * | 2019-04-10 | 2020-10-23 | 杭州海康威视数字技术股份有限公司 | 一种遗留物主体检测方法及装置 |
-
2021
- 2021-02-04 CN CN202110156455.2A patent/CN112966695A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200193166A1 (en) * | 2018-12-12 | 2020-06-18 | Avigilon Corporation | Object left behind detection |
CN111814510A (zh) * | 2019-04-10 | 2020-10-23 | 杭州海康威视数字技术股份有限公司 | 一种遗留物主体检测方法及装置 |
CN110766728A (zh) * | 2019-10-16 | 2020-02-07 | 南京航空航天大学 | 基于深度学习的组合图像特征精确匹配算法 |
CN111144404A (zh) * | 2019-12-06 | 2020-05-12 | 恒大新能源汽车科技(广东)有限公司 | 遗留物体检测方法、装置、系统、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6719457B2 (ja) | 画像の主要被写体を抽出する方法とシステム | |
CN107358149B (zh) | 一种人体姿态检测方法和装置 | |
US8737740B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
CN105938622B (zh) | 检测运动图像中的物体的方法和装置 | |
JP4216668B2 (ja) | 映像視覚情報を結合してリアルタイムで複数の顔を検出して追跡する顔検出・追跡システム及びその方法 | |
JP5713790B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP6204659B2 (ja) | 映像処理装置及び映像処理方法 | |
CN107710228A (zh) | 半自动图像分割 | |
EP2709038A1 (en) | Device and method for detecting the presence of a logo in a picture | |
CN105303156B (zh) | 字符检测装置、方法及程序 | |
CN111368682B (zh) | 一种基于faster RCNN台标检测与识别的方法及系统 | |
KR20190068000A (ko) | 다중 영상 환경에서의 동일인 재식별 시스템 | |
US10762372B2 (en) | Image processing apparatus and control method therefor | |
CN108229494B (zh) | 网络训练方法、处理方法、装置、存储介质和电子设备 | |
JP2009211138A (ja) | 対象領域抽出方法および装置ならびにプログラム | |
US8311269B2 (en) | Blocker image identification apparatus and method | |
JP2015103188A (ja) | 画像解析装置、画像解析方法及び画像解析プログラム | |
CN107368826A (zh) | 用于文本检测的方法和装置 | |
JP2014199506A (ja) | 物体検出装置、物体検出方法及びプログラム | |
CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN111667419A (zh) | 一种基于Vibe算法的移动目标鬼影消除方法及系统 | |
CN115937991A (zh) | 人体摔倒识别方法、装置、计算机设备及存储介质 | |
CN112966695A (zh) | 桌面遗留物检测方法、装置、设备及存储介质 | |
JP6893812B2 (ja) | 物体検出装置 | |
CN111860261B (zh) | 一种客流值的统计方法、装置、设备及介质 |
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 |