CN113052190A - 一种基于图像处理的视觉辅助系统及方法 - Google Patents

一种基于图像处理的视觉辅助系统及方法 Download PDF

Info

Publication number
CN113052190A
CN113052190A CN202110353958.9A CN202110353958A CN113052190A CN 113052190 A CN113052190 A CN 113052190A CN 202110353958 A CN202110353958 A CN 202110353958A CN 113052190 A CN113052190 A CN 113052190A
Authority
CN
China
Prior art keywords
image
gray
module
real
characteristic data
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
CN202110353958.9A
Other languages
English (en)
Other versions
CN113052190B (zh
Inventor
张淑红
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.)
Weifang Aoteng Cold Machinery Co ltd
Original Assignee
Weihai Vocational College
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 Weihai Vocational College filed Critical Weihai Vocational College
Priority to CN202110353958.9A priority Critical patent/CN113052190B/zh
Publication of CN113052190A publication Critical patent/CN113052190A/zh
Application granted granted Critical
Publication of CN113052190B publication Critical patent/CN113052190B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开的一种基于图像处理的视觉辅助系统和方法，涉及图像处理技术领域，以解决特定人群对视觉辅助系统的需求问题。所述视觉辅助系统包括图像采集单元、第一图像处理单元、第一图像特征数据库存储单元、第一识别单元、输出单元；本发明提供的一种基于图像处理的视觉辅助系统和方法用以辅助用户识别原本需要用户通过视觉获取的图像信息，减轻用户的工作压力或为用户提供生活方便。

Description

一种基于图像处理的视觉辅助系统及方法
技术领域
本发明涉及图像处理技术领域，特别是涉及一种基于图像处理的视觉辅助系统及方法。
背景技术
由于生活或者工作上的需要，对视觉辅助系统有需求的群体众多。例如司机、视障人群等，司机在专注驾驶的过程中，很容易忽视掉各种交通标志；视障人群在生活中也需要视觉辅助系统对其进行帮助。
发明内容
本发明的目的是提供一种基于图像处理的视觉辅助系统及方法，用于辅助用户进行目标物的检测和识别，进而减轻用户的工作强度、为用户的生活提供方便。
为实现上述目的，本发明提供了如下方案：
一种基于图像处理的视觉辅助系统，包括图像采集单元、第一图像处理单元、第一图像特征数据库存储单元、第一识别单元、输出单元；
其中图像采集单元，用于实时采集图像；
第一图像处理单元，用于对所述实时采集的图像处理得到所述实时采集图像的第一特征数据；
第一图像特征数据库存储单元存储有多个图像的第一参照特征数据；
第一识别单元，用于根据所述实时图像的第一特征数据和所述第一参照特征数据识别所述实时采集的图像；
输出单元，用于对所述识别单元的识别结果进行输出。
所述视觉辅助系统还包括图像存储单元；
图像存储单元用于对所述实时采集的图像进行存储；并对所述图像特征数据库存储单元存储的第一参照特征数据进行更新。
具体的，第一图像特征数据库存储单元存储的第一参照特征数据包括交通标志图像的第一参照特征数据和生活用品图像的第一参照特征数据。
具体的，第一图像处理单元包括赋值处理模块、第一降维处理模块、第一灰度处理模块、第一特征数据计算模块；
其中，赋值处理模块，用于对所述实时采集图像进行RGB信息赋值处理，得到赋值图像；
第一降维处理模块，用于对所述赋值图像进行降维处理，得到m像素×m像素的第一降维图像；
第一灰度处理模块，用于对所述第一降维图像进行灰度处理，得到灰度级为k级的灰度图像，所述灰度图像中所有的像素点用不同的灰度值代替；
第一特征数据计算模块，用于计算所述灰度图像所有像素点的灰度平均值，然后根据所述灰度图像各个像素点的灰度值和所述灰度平均值得到所述实时采集图像的第一特征数据。
具体的，第一识别单元包括第一相似度获取模块、第一阈值设定模块和比较识别模块；
其中，第一相似度获取模块，用于计算所述实时采集图像的第一特征数据与所述第一参照特征数据的相似度，取所述计算的相似度最大值为最终获取的第一相似度数据；
第一阈值设定模块，用于设定相似度阈值a；
第一较识别模块，用于对第一相似度数据与设定的相似度阈值a进行比较，根据比较结果输出相对应信息。
具体的，输出单元的输出方式包括语音播报、屏幕显示、警示灯提醒。
具体的，视觉辅助系统还包括第二图像处理单元、第二图像特征数据库存储单元和第二识别单元；
其中，第二图像处理单元，用于获取实时采集图像的第二特征数据；
第二图像特征数据库存储单元存储有多个图像的第二参照特征数据；
第二识别单元，用于根据实时图像的第二特征数据和第二参照特征数据识别所述实时采集的图像。
具体的，第二图像处理单元包括分区模块、分段模块、分段标记模块、第二降维模块、第二灰度处理模块、第二特征数据计算模块；
其中，分区模块，用于将m像素×m像素的第一降维图像均分为h个方形区域；
分段模块，用于将与获取最终相似度数据相对应的第一参照特征数据分为h段，h段第一参照特征数据与h个方形区域一一对应；
分段标记模块，用于将分段后的每段第一参照特征数据与实时采集图像的第一特征数据进行相似度比较，将与相似度度大于或等于相似度阈值a的每段第一参照特征数据对应的方形区域标记为1；将与相似度小于所述相似度阈值a的每段第一参照特征数据对应的方形区域标记为0；
第二降维模块，用于将所有标记为1的方形区域保留并进行降维处理，得到一个n像素×n像素的第二降维图像；
第二灰度处理模块，用于对所述第二降维图像进行灰度处理，得到灰度级为k级的第二灰度图像，所述第二灰度图像中所有的像素点用不同的灰度值代替；
第二特征数据计算模块，用于计算第二灰度图像所有像素点的第二灰度平均值，然后根据第二灰度图像各个像素点的灰度值和第二灰度平均值得到实时采集图像的第二特征数据。
一种基于图像处理的视觉辅助方法，包括以下步骤：
步骤1：实时采集图像；
步骤2：获取实时采集图像的特征数据；
步骤3：将实时采集图像的特征数据与图像特征数据库存储的特征数据进行比较识别；
步骤4：对所述图像的识别结果进行输出。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明具有图像采集单元、图像处理单元、图像数据库存储单元、识别单元和输出单元。通过图像处理单元对图像采集单元实时采集的图像进行处理可得到实时采集图像的特征数据，识别单元利用获取的实时采集图像的特征数据与图像特征数据库存储单元中存储的特征数据进行比较可识别实时采集图像，输出单元则可实时输出识别图像的信息。本发明可有效的辅助用户识别原本需要用户通过视觉获取的图像信息，可以有效的减轻用户的工作强度或为用户提供生活方便。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一种基于图像处理的视觉辅助系统的示意图；
图2为一种基于图像处理的视觉辅助系统中第一图像处理单元的示意图；
图3为一种基于图像处理的视觉辅助系统中第二图像处理单元的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于图像处理的视觉辅助系统及方法，用于辅助用户进行目标物的检测和识别，进而减轻用户的工作强度、为用户的生活提供方便。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
请参阅图1，本实施例提供的一种基于图像处理的视觉辅助系统，该系统具体包括以下几个单元：图像采集单元、第一图像处理单元、第一图像特征数据库存储单元、第一识别单元、输出单元。
其中，图像采集单元用于实时采集图像，第一图像处理单元用于对所述实时采集的图像进行处理，从而得到实时采集图像的第一特征数据。而第一图像特征数据库存储单元中则存储有多个图像的第一参照特征数据。第一识别单元即可根据实时图像的第一特征数据和图像特征数据库存储单元中存储的第一参照特征数据来对实时采集图像进行识别，识别之后，输出单元就可对识别单元的识别结果进行输出，告知用户实时采集图像的识别结果。具体的，图像采集单元可选用出现时间最早、发展时间最长、技术相对先进的CCD相机进行实时图像的采集，并通过高清晰度多媒体接口(HDMI)将实时采集图像传输到第一图像处理单元。CCD相机具有良好的隔离噪声能力，便于本系统获取高精度的实时采集图像。
需要视觉辅助的人有很多，例如司机或视障人群，其中司机在专注驾驶的过程中，会很容易忽视掉路边的各种交通标示，所以第一图像特征数据库存储单元可以存储有交通标志图像的第一参照特征数据，用以对实时采集的交通标志图像进行识别，辅助驾驶人员识别路边的交通标志；同理，视障人群在生活当中同样需要视觉辅助，所以第一图像特征数据库存储单元还可以存储有生活用品图像的第一参照特征数据，辅助视障人群识别生活中常见的生活用品。
具体的，该视觉辅助系统的第一图像处理单元包括赋值处理模块、第一降维处理模块、第一灰度处理模块、第一特征数据计算模块。其中，赋值处理模块用于对实时采集的图像进行RGB信息赋值处理，得到赋值图像。第一降维处理模块用于对上述赋值图像进行降维处理，得到m像素×m像素的第一降维图像。第一灰度处理模块用于对第一降维图像进行灰度处理，得到灰度级为k级的灰度图像，上述灰度图像中所有的像素点均用不同的灰度值代替。第一特征数据计算模块，用于计算灰度图像所有像素点的灰度平均值，然后根据灰度图像各个像素点的灰度值和灰度平均值得到实时采集图像的第一特征数据。例如，对赋值图像进行降维处理，得到120像素×120像素的第一降维图像，然后将第一降维图像转化为灰度级为144级的灰度图像，计算该灰度图像所有像素点的灰度平均值，然后将该灰度图像每个像素点的灰度与平均灰度值进行比较得到实时采集图像的第一特征数据。
优选的，该视觉辅助系统的第一识别单元包括第一相似度获取模块、第一阈值设定模块和第一比较识别模块。其中，第一相似度获取模块用于计算实时采集图像的第一特征数据与第一参照特征数据的相似度，取计算的相似度的最大值为最终获取的相似度数据；第一阈值设定模块用于设定相似度阈值a；第一比较识别模块用于对上述计算得到的相似度数据与设定的相似度阈值a进行比较，根据比较结果输出相对应信息。例如，实时采集图像的第一特征数据与生活用品中遥控器图像的参照特征数据的相似度为96％，而设定的相似度阈值a为95％，此时第一识别单元的的第一比较识别模块输出实时采集图像为遥控器的的比较识别结果。
优选的，输出单元的输出方式包括语音播报、屏幕显示、警示灯提醒等。
考虑到各种意外因素导致视觉辅助系统不能及时输出图像识别结果的可能，该视觉辅助系统的另一种实施方式为：所述视觉辅助系统还包括图像存储单元，用于对实时采集图像进行存储。当视觉辅助系统没能及时输出实时采集图像的识别结果，该系统还可以对图像存储单元中存储的实时采集图像进行再一次的识别，以保证系统的稳定性。并且，考虑到不同的用户会对识别的图像有不同的要求，图像存储单元还可对第一图像特征数据库存储单元存储的第一参照特征数据进行更新，以满足不同用户的不同需求。
鉴于有时实时采集的图像不是很清晰，视觉辅助系统不能正常输出识别结果，为了提高系统的识别精度，可选的一种实施方式为：所述视觉辅助系统还包括第二图像处理单元、第二图像特征数据库存储单元和第二识别单元。通过对实时采集图像进行第二次处理与识别来提高系统的识别精度。其中第二图像处理单元用于获取所述实时采集图像的第二特征数据，第二图像特征数据库存储单元存储有多个图像的第二参照特征数据。第二识别单元则根据实时图像的第二特征数据和第二参照特征数据识别所述实时采集的图像。
具体的，第二图像处理单元包括分区模块、分段模块、分段标记模块、第二降维模块、第二灰度处理模块和第二特征数据计算模块。其中，分区模块用于将第一次对实时采集图像处理与识别时得到的m像素×m像素的第一降维图像均分为h个方形区域。分段模块，用于将与获取最终第一相似度数据相对应的第一参照特征数据分为h段。并且，h段第一参照特征数据与h个方形区域呈一一对应关系。分段标记模块，用于将分段后的每段第一参照特征数据与实时采集图像的第一特征数据进行相似度比较，将与相似度度大于或等于相似度阈值a的每段第一参照特征数据对应的方形区域标记为1；将与相似度小于所述相似度阈值a的每段第一参照特征数据对应的方形区域标记为0。第二降维模块，用于将所有标记为1的方形区域保留并进行降维处理，得到一个n像素×n像素的第二降维图像。第二灰度处理模块用于对第二降维图像进行灰度处理，得到灰度级为k级的第二灰度图像，其中第二灰度图像中所有的像素点用不同的灰度值代替。第二特征数据计算模块，用于计算第二灰度图像所有像素点的第二灰度平均值，然后根据第二灰度图像各个像素点的灰度值和第二灰度平均值得到实时采集图像的第二特征数据。例如，当将相似度阈值a设定为95％时，视觉辅助系统识别不出实时采集图像，可将相似度阈值a设定为80％，保留所有第一相似度数据大于或等于80％的第一参照特征数据，然后将120像素×120像素的第一降维图像均分为100个方形区域，将与第一相似度数据相对应的第一参照特征数据分为100段，100段第一参照特征数据与100个方形区域呈一一对应关系。然后将分段后的每段第一参照特征数据与实时采集图像的第一特征数据进行相似度比较，将与相似度度大于或等于95％的每段第一参照特征数据对应的方形区域标记为1；将与相似度小于95％的每段第一参照特征数据对应的方形区域标记为0。将所有标记为1的方形区域保留并通过第二降维处理模块进行降维处理，得到一个10像素×10像素的第二降维图像。利用第二灰度处理模块对10像素×10像素的第二降维图像进行灰度处理，得到一个灰度级为144级的灰度图像。最后再利用第二特征数据计算模块计算第二灰度图像所有像素点的第二灰度平均值，然后根据第二灰度图像各个像素点的灰度值和第二灰度平均值得到实时采集图像的第二特征数据。
具体的，第二识别单元包括第二相似度获取模块、第二比较识别模块和第二相似度阈值设定模块。其中，第二相似度获取模块用于计算实时采集图像的第二特征数据与第二参照特征数据的相似度，取计算的相似度的最大值为最终的第二相似度数据。第二相似度阈值设定模块用于设定相似度阈值b，第二比较识别模块则对计算得来的第二相似度数据和相似度阈值b进行比较，根据比较结果输出相对应的信息。例如，实时采集图像的第一特征数据与生活用品中杯子图像的参照特征数据的相似度为96％，而设定的相似度阈值b为95％，此时第二识别单元的的第二比较识别模块输出实时采集图像为杯子的的比较识别结果。
实施例2
本实施例提供的一种基于图像处理的视觉辅助方法，该方法为实施例1公开的视觉辅助系统的对采集信息的内部处理方法，具体的，该方法的步骤包括：
步骤1：实时采集图像；
具体的，对图像进行实时采集之后，还包括对实时采集图像的存储步骤，用以提高该方法对信号处理的稳定性，例如：
步骤101：对所述实时采集的图像进行存储；
由于存储的图像具有事后再处理的能力，因此，可以计算存储的实时采集图像的特征数据，根据存储的实时采集图像的特征数据更新图像特征数据库。
步骤2：获取实时采集图像的特征数据；
步骤3：将实时采集图像的特征数据与图像特征数据库存储的特征数据进行比较识别；
步骤4：对所述图像的识别结果进行输出。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的系统相对应，所以描述的比较简单，相关之处参见系统部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于图像处理的视觉辅助系统，其特征在于，包括图像采集单元、第一图像处理单元、第一图像特征数据库存储单元、第一识别单元、输出单元；
所述图像采集单元，用于实时采集图像；
所述第一图像处理单元，用于对所述实时采集的图像处理得到所述实时采集图像的第一特征数据；
所述第一图像特征数据库存储单元存储有多个图像的第一参照特征数据；
所述第一识别单元，用于根据所述实时图像的第一特征数据和所述第一参照特征数据识别所述实时采集的图像；
所述输出单元，用于对所述识别单元的识别结果进行输出。
2.根据权利要求1所述的一种基于图像处理的视觉辅助系统，其特征在于：
所述视觉辅助系统还包括图像存储单元；
所述图像存储单元，用于对所述实时采集的图像进行存储；并对所述图像特征数据库存储单元存储的第一参照特征数据进行更新。
3.根据权利要求1所述的一种基于图像处理的视觉辅助系统，其特征在于：所述第一图像特征数据库存储单元存储的第一参照特征数据包括交通标志图像的第一参照特征数据和生活用品图像的第一参照特征数据。
4.根据权利要求1所述的一种基于图像处理的视觉辅助系统，其特征在于：
所述第一图像处理单元包括赋值处理模块、第一降维处理模块、第一灰度处理模块、第一特征数据计算模块；
所述赋值处理模块，用于对所述实时采集图像进行RGB信息赋值处理，得到赋值图像；
所述第一降维处理模块，用于对所述赋值图像进行降维处理，得到m像素×m像素的第一降维图像；
所述第一灰度处理模块，用于对所述第一降维图像进行灰度处理，得到灰度级为k级的灰度图像，所述灰度图像中所有的像素点用不同的灰度值代替；
所述第一特征数据计算模块，用于计算所述灰度图像所有像素点的灰度平均值，然后根据所述灰度图像各个像素点的灰度值和所述灰度平均值得到所述实时采集图像的第一特征数据。
5.根据权利要求1所述的一种基于图像处理的视觉辅助系统，其特征在于：
所述第一识别单元包括第一相似度获取模块、第一阈值设定模块和比较识别模块；
所述第一相似度获取模块，用于计算所述实时采集图像的第一特征数据与所述第一参照特征数据的相似度，取所述计算的相似度最大值为最终获取的第一相似度数据；
所述第一阈值设定模块，用于设定相似度阈值a；
所述比第一较识别模块，用于对所述第一相似度数据与所述设定的相似度阈值a进行比较，根据比较结果输出相对应信息。
6.根据权利要求1所述的一种基于图像处理的视觉辅助系统，其特征在于：所述输出单元的输出方式包括语音播报、屏幕显示、警示灯提醒。
7.根据权利要求4所述的一种基于图像处理的视觉辅助系统，其特征在于：
所述视觉辅助系统还包括第二图像处理单元、第二图像特征数据库存储单元和第二识别单元；
所述第二图像处理单元，用于获取所述实时采集图像的第二特征数据；
所述第二图像特征数据库存储单元存储有多个图像的第二参照特征数据；
所述第二识别单元，用于根据所述实时图像的第二特征数据和所述第二参照特征数据识别所述实时采集的图像。
8.根据权利要求7所述的一种基于图像处理的视觉辅助系统，其特征在于：
所述第二图像处理单元包括分区模块、分段模块、分段标记模块、第二降维模块、第二灰度处理模块、第二特征数据计算模块；
所述分区模块，用于将m像素×m像素的第一降维图像均分为h个方形区域；
所述分段模块，用于将与获取最终相似度数据相对应的第一参照特征数据分为h段，h段第一参照特征数据与h个方形区域一一对应；
所述分段标记模块，用于将分段后的每段第一参照特征数据与实时采集图像的第一特征数据进行相似度比较，将与相似度度大于或等于相似度阈值a的每段第一参照特征数据对应的方形区域标记为1；将与相似度小于所述相似度阈值a的每段第一参照特征数据对应的方形区域标记为0；
所述第二降维模块，用于将所有标记为1的方形区域保留并进行降维处理，得到一个n像素×n像素的第二降维图像；
所述第二灰度处理模块，用于对所述第二降维图像进行灰度处理，得到灰度级为k级的第二灰度图像，所述第二灰度图像中所有的像素点用不同的灰度值代替；
所述第二特征数据计算模块，用于计算所述第二灰度图像所有像素点的第二灰度平均值，然后根据所述第二灰度图像各个像素点的灰度值和所述第二灰度平均值得到实时采集图像的第二特征数据。
9.一种基于图像处理的视觉辅助方法，其特征在于：
实时采集图像；
获取实时采集图像的特征数据；
将实时采集图像的特征数据与图像特征数据库存储的特征数据进行比较识别；
对所述图像的识别结果进行输出。
10.根据权利要求9所述的一种基于图像处理的视觉辅助方法，其特征在于，对所述实时采集的图像进行存储；获取所述存储图像的特征数据，根据所述存储图像的特征数据更新图像特征数据库。
CN202110353958.9A 2021-04-01 2021-04-01 一种基于图像处理的视觉辅助系统及方法 Active CN113052190B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110353958.9A CN113052190B (zh) 2021-04-01 2021-04-01 一种基于图像处理的视觉辅助系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110353958.9A CN113052190B (zh) 2021-04-01 2021-04-01 一种基于图像处理的视觉辅助系统及方法

Publications (2)

Publication Number Publication Date
CN113052190A true CN113052190A (zh) 2021-06-29
CN113052190B CN113052190B (zh) 2022-05-31

Family

ID=76517068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110353958.9A Active CN113052190B (zh) 2021-04-01 2021-04-01 一种基于图像处理的视觉辅助系统及方法

Country Status (1)

Country Link
CN (1) CN113052190B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625722A (zh) * 2009-08-11 2010-01-13 中国农业大学 载物识别图像的分类方法
CN105678219A (zh) * 2015-12-29 2016-06-15 北京邮电大学 带电绝缘子闪络图像自动提取方法及系统
CN106183981A (zh) * 2016-07-19 2016-12-07 乐视控股（北京）有限公司 基于汽车的路障检测方法、装置及汽车
US20170262732A1 (en) * 2014-08-01 2017-09-14 Shenzhen Cimc-Tianda Airport Support Ltd. System and method for aircraft docking guidance and aircraft type identification
CN109598244A (zh) * 2018-12-07 2019-04-09 吉林大学 一种交通信号灯识别系统及其识别方法
CN109635146A (zh) * 2018-11-28 2019-04-16 武汉虹信技术服务有限责任公司 一种基于图像特征的目标查询方法及系统
CN111723625A (zh) * 2019-03-22 2020-09-29 上海海拉电子有限公司 交通灯图像识别处理方法、装置、辅助通行系统及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625722A (zh) * 2009-08-11 2010-01-13 中国农业大学 载物识别图像的分类方法
US20170262732A1 (en) * 2014-08-01 2017-09-14 Shenzhen Cimc-Tianda Airport Support Ltd. System and method for aircraft docking guidance and aircraft type identification
CN105678219A (zh) * 2015-12-29 2016-06-15 北京邮电大学 带电绝缘子闪络图像自动提取方法及系统
CN106183981A (zh) * 2016-07-19 2016-12-07 乐视控股（北京）有限公司 基于汽车的路障检测方法、装置及汽车
CN109635146A (zh) * 2018-11-28 2019-04-16 武汉虹信技术服务有限责任公司 一种基于图像特征的目标查询方法及系统
CN109598244A (zh) * 2018-12-07 2019-04-09 吉林大学 一种交通信号灯识别系统及其识别方法
CN111723625A (zh) * 2019-03-22 2020-09-29 上海海拉电子有限公司 交通灯图像识别处理方法、装置、辅助通行系统及存储介质

Also Published As

Publication number Publication date
CN113052190B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN110414559B (zh) 智能零售柜商品目标检测统一框架的构建方法及商品识别方法
CN111860274B (zh) 基于头部朝向与上半身骨架特征的交警指挥手势识别方法
WO2022237139A1 (zh) 一种基于LaneSegNet的车道线检测方法及系统
CN102663411B (zh) 一种目标人体识别方法
CN110533955B (zh) 一种确定停车位的方法、终端设备及计算机可读存储介质
WO2011000726A1 (de) Bildverarbeitungsverfahren für ein fahrerassistenzsystem eines kraftfahrzeugs zur detektion und klassifikation wenigstens eines teils wenigstens eines vorgegebenen bildelements
CN107292214B (zh) 车道偏离检测方法、装置及车辆
CN109034136A (zh) 图像处理方法、装置、摄像设备及存储介质
CN113269163B (zh) 基于鱼眼图像的立体泊车位检测方法及装置
CN111539980B (zh) 一种基于可见光的多目标追踪方法
CN104915642A (zh) 前方车辆测距方法及装置
JP4821355B2 (ja) 人物追跡装置、人物追跡方法および人物追跡プログラム
CN113052190B (zh) 一种基于图像处理的视觉辅助系统及方法
JP2024060029A (ja) 状況出力装置
WO2017116226A1 (en) System and method to identify identification plate characters using background estimation binarization
KR20150146374A (ko) 주변 환경 정보를 이용한 차선 인식 시스템 및 그 방법
CN112633179A (zh) 基于视频分析的农贸市场过道物体占道检测方法
CN109191473B (zh) 一种基于对称分析的车辆粘连分割方法
KR101865958B1 (ko) 속도 제한 표지판 인식 장치 및 방법
CN111160206A (zh) 一种交通环境元素视觉感知方法及装置
CN114882469A (zh) 一种基于dl-ssd模型的交通标志检测方法及系统
CN103096035A (zh) 一种具有视频优化功能的监视器
CN210836135U (zh) 交通标志检测识别系统
CN108270983B (zh) 一种字符叠加显示方法及装置
CN109993761B (zh) 一种三值图像获取方法、装置及车辆

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240115

Address after: 261299 Road North, 700 meters west of the intersection of Beihai Road and Cuifang Street, Fangzi District, Weifang City, Shandong Province

Patentee after: WEIFANG AOTENG COLD MACHINERY Co.,Ltd.

Address before: 264210 Weihai Science and Technology New Town, Shandong Province

Patentee before: Weihai Vocational College (Weihai Technical College)