CN113436146A - 信息生成方法、装置、电子设备和计算机可读介质 - Google Patents
信息生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113436146A CN113436146A CN202110609913.3A CN202110609913A CN113436146A CN 113436146 A CN113436146 A CN 113436146A CN 202110609913 A CN202110609913 A CN 202110609913A CN 113436146 A CN113436146 A CN 113436146A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- conveyor belt
- candidate
- generate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 96
- 230000009467 reduction Effects 0.000 claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 230000000877 morphologic effect Effects 0.000 claims description 25
- 230000010339 dilation Effects 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 17
- 238000001914 filtration Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06T7/0004—Industrial image inspection
-
- 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 by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- 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
- G06T2207/20036—Morphological image processing
Abstract
本公开的实施例公开了信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取实时拍摄的视频中的目标图像;对目标图像进行预处理,以生成预处理后的目标图像;根据预处理后的目标图像和背景图像,确定差异图像,其中,背景图像为对目标传送带空闲时的图像降噪处理后的图像;根据目标图像中的前景图像和差异图像,确定目标区域,其中,前景图像是通过对目标图像进行动态检测得到的;根据目标区域,生成传送带状态信息,其中,传送带状态信息用于表征目标传送带的拥堵情况。该实施方式提高了对传送带拥堵情况的检测准确率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及信息生成方法、装置、电子设备和计算机可读介质。
背景技术
在物流运输领域,往往是采用传送带对分拣完成的物品进行运输,以实现将仓库存储的物品运输至发货区域。在传送带运输物品的过程中,可能会出现各种异常情况。例如,传送带断裂等,从而造成传送带上运输的物品出现拥堵的情况。目前,通常采用的方式为:通过布置传感器(例如,压力传感器)对传送带拥堵情况进行检测。
然而,当采用上述方式时,经常会存在如下技术问题:
当传送带上运输较多重量较轻的物品时,由于未能达到传感器的压力阈值,无法及时的触发压力传感器;当传送带上运输的物品数量较少,但物品重量达到传感器的压力阈值时,往往会误触发压力传感器。上述两种情况均会影响传送带拥堵情况检测的准确率。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了信息生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种信息生成方法,该方法包括:获取实时拍摄的视频中的目标图像;对上述目标图像进行预处理,以生成预处理后的目标图像;根据上述预处理后的目标图像和背景图像,确定差异图像,其中,上述背景图像为对目标传送带空闲时的图像降噪处理后的图像;根据上述目标图像中的前景图像和上述差异图像,确定目标区域,其中,上述前景图像是通过对上述目标图像进行动态检测得到的;根据上述目标区域,生成传送带状态信息,其中,上述传送带状态信息用于表征上述目标传送带的拥堵情况。
可选地,上述对上述目标图像进行预处理,以生成预处理后的目标图像,包括:对上述目标图像进行灰度化处理,以生成灰度化处理后的目标图像;对上述灰度化处理后的目标图像进行降噪处理,以生成上述预处理后的目标图像。
可选地,上述根据上述预处理后的目标图像和背景图像,确定差异图像,包括:将上述预处理后的目标图像中的每个像素与上述背景图像对应的像素做差,以生成第一候选图像;对上述第一候选图像进行二值化处理,以生成二值化处理后的第一候选图像;对上述二值化处理后的第一候选图像进行形态学膨胀处理,以生成上述差异图像。
可选地,上述根据上述目标图像中的前景图像和上述差异图像,确定目标区域,包括:将上述前景图像中的每个像素点与上述目标图像对应的像素点做差,以生成第二候选图像;将上述第二候选图像中的每个像素点与上述差异图像中对应的像素点做差,以生成第三候选图像。
可选地,上述根据上述目标图像中的前景图像和上述差异图像,确定目标区域,还包括:对上述第三候选图像进行二值化处理,以生成二值化处理后的第三候选图像;对上述二值化处理后的第三候选图像进行形态学膨胀处理,以生成形态学膨胀处理后的第三候选图像;对上述形态学膨胀处理后的第三候选图像进行降噪处理,以生成第四候选图像;将上述第四候选图像中包括的像素点为目标色值的区域,确定为上述目标区域。
可选地,上述根据上述目标区域,生成传送带状态信息,包括:对上述目标区域进行边缘检测处理,以确定上述目标区域的周长值。
可选地,上述根据上述目标区域,生成传送带状态信息,还包括:确定上述第四候选图像中的每个像素点与上述差异图像中像素点的差值,得到至少一个差值;将上述至少一个差值中的差值的均值,确定为候选均值。
可选地,上述根据上述目标区域,生成传送带状态信息,还包括:响应于确定上述周长值大于第一目标值,且上述候选均值大于第二目标值,将候选拥堵信息确定为上述拥堵信息。
可选地,上述方法还包括:基于上述拥堵信息调整上述目标传送带的传送速度。
第二方面,本公开的一些实施例提供了一种信息生成装置,装置包括:获取单元,被配置成获取实时拍摄的视频中的目标图像;预处理单元,被配置成对上述目标图像进行预处理,以生成预处理后的目标图像;第一确定单元,被配置成根据上述预处理后的目标图像和背景图像,确定差异图像,其中,上述背景图像为对目标传送带空闲时的图像降噪处理后的图像;第二确定单元,被配置成根据上述目标图像中的前景图像和上述差异图像,确定目标区域,其中,上述前景图像是通过对上述目标图像进行动态检测得到的;生成单元,被配置成根据上述目标区域,生成传送带状态信息,其中,上述传送带状态信息用于表征上述目标传送带的拥堵情况。
可选地,预处理单元被进一步配置成:对上述目标图像进行灰度化处理,以生成灰度化处理后的目标图像;对上述灰度化处理后的目标图像进行降噪处理,以生成上述预处理后的目标图像。
可选地,第一确定单元被进一步配置成:将上述预处理后的目标图像中的每个像素与上述背景图像对应的像素做差,以生成第一候选图像;对上述第一候选图像进行二值化处理,以生成二值化处理后的第一候选图像;对上述二值化处理后的第一候选图像进行形态学膨胀处理,以生成上述差异图像。
可选地,第二确定单元被进一步配置成:将上述前景图像中的每个像素点与上述目标图像对应的像素点做差,以生成第二候选图像;将上述第二候选图像中的每个像素点与上述差异图像中对应的像素点做差,以生成第三候选图像。
可选地,第二确定单元被进一步配置成:对上述第三候选图像进行二值化处理,以生成二值化处理后的第三候选图像;对上述二值化处理后的第三候选图像进行形态学膨胀处理,以生成形态学膨胀处理后的第三候选图像;对上述形态学膨胀处理后的第三候选图像进行降噪处理,以生成第四候选图像;将上述第四候选图像中包括的像素点为目标色值的区域,确定为上述目标区域。
可选地,生成单元被进一步配置成:对上述目标区域进行边缘检测处理,以确定上述目标区域的周长值。
可选地,生成单元被进一步配置成:确定上述第四候选图像中的每个像素点与上述差异图像中像素点的差值,得到至少一个差值;将上述至少一个差值中的差值的均值,确定为候选均值。
可选地,生成单元被配置成:响应于确定上述周长值大于第一目标值,且上述候选均值大于第二目标值,将候选拥堵信息确定为上述拥堵信息。
可选地,上述装置还包括:基于上述拥堵信息调整上述目标传送带的传送速度。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的信息生成方法,提高了对传送带拥堵情况检测的准确率。具体来说,造成传送带拥堵情况检测的准确率低下的原因在于:传感器无法对传送带上运输的物品拥堵程度进行准确识别。基于此,本公开的一些实施例,首先,获取实时拍摄的视频中的目标图像。实际情况中,现有仓库中往往布置有摄像头,通过获取摄像头实时拍摄的视频中的目标图像,能够及时的确定传送带的拥堵情况。此外,摄像头相比于传感器,检测范围更大。并且,传送带较长时,摄像头相比于传感器更能节约传送带拥堵检测成本。其次,对上述目标图像进行预处理,以生成预处理后的目标图像。实际情况中,例如,由于镜头畸变等原因,可能使得目标图像出现畸变。又如,因为光线原因,可能会造成目标图像较为昏暗,因此,通过对目标图像预处理,能够提高目标图像的可用性。然后,根据上述预处理后的目标图像和背景图像,确定差异图像,其中,上述背景图像为对目标传送带空闲时的图像降噪处理后的图像。通过确定差异图像,即可确定传送带上运输的物品。进一步,根据上述目标图像中的前景图像和上述差异图像,确定目标区域,其中,上述前景图像是通过对上述目标图像进行动态检测得到的。从而,进一步确定传送带上运输的物品。最后,根据上述目标区域,生成传送带状态信息,其中,上述传送带状态信息用于表征上述目标传送带的拥堵情况。实际情况中,当摄像头固定时,拍摄的传送带区域往往固定。因此,通过根据目标区域大小,即可确定传送带的拥堵情况。通过此种方式,相比于通过传感器检测传送带拥堵情况,准确率大大提高。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的信息生成方法的一个应用场景的示意图;
图2是根据本公开的信息生成方法的一些实施例的流程图;
图3是根据本公开的信息生成方法的另一些实施例的流程图;
图4是生成预处理后的目标图像的过程的示意图;
图5是生成第一候选图像的示意图;
图6是生成二值化处理后的第一候选图像的过程的示意图;
图7是生成差异图像的过程的示意图;
图8是生成第三候选图像的过程的示意图;
图9是生成形态学膨胀处理后的第三候选图像的过程的示意图;
图10是根据本公开的信息生成装置的一些实施例的结构示意图;
图11是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的信息生成方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取实时拍摄的视频中的目标图像102;其次,计算设备101可以对上述目标图像102进行预处理,以生成预处理后的目标图像103;然后,计算设备101可以根据上述预处理后的目标图像103和背景图像104,确定差异图像105,其中,上述背景图像104为对目标传送带空闲时的图像降噪处理后的图像;进一步,计算设备101可以根据上述目标图像102中的前景图像106和上述差异图像105,确定目标区域107,其中,上述前景图像106是通过对上述目标图像102进行动态检测得到的;最后,计算设备101可以根据上述目标区域107,生成传送带状态信息108,其中,上述传送带状态信息108用于表征上述目标传送带的拥堵情况。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的信息生成方法的一些实施例的流程200。该信息生成方法,包括以下步骤:
步骤201,获取实时拍摄的视频中的目标图像。
在一些实施例中,信息生成方法的执行主体(例如图1所示的计算设备101)可以通过有线连接,或无线连接的方式获取目标摄像头实时拍摄的视频中的目标图像。其中,上述目标摄像头可以是用于录制目标传送带传输物品时的图像的摄像头。
作为示例,上述执行主体可以将上述目标摄像头实时拍摄的固定时长或目标传送带上固定范围内的目标帧图像,确定为上述目标图像。上述固定时长可以是1秒。上述目标帧图像可以是上述目标摄像头在1秒内拍摄的多帧图像中的第1张图像。从而保证同一物品不会出现在多个相邻的目标图像内,避免对传送带上拥堵情况的误识别。
作为又一示例,上述执行主体可以拉取上述目标摄像头拍摄的视频中的当前帧图像,作为上述目标图像。
步骤202,对目标图像进行预处理,以生成预处理后的目标图像。
在一些实施例中,上述执行主体可以对目标图像进行预处理,以生成预处理后的目标图像。其中,上述执行主体可以通过图像矫正算法,对上述目标图像进行图像畸变矫正,以生成上述预处理后的目标图像。上述图像矫正算法可以是但不限于以下任意一项:ASIFT算法和基于双线性差值的矫正算法。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过图像增强算法,对上述目标图像进行图像增强处理,以实现对上述目标图像的预处理。上述图像增强算法可以是但不限于以下任意一项:基于直方图均衡化的图像增强算法,基于拉普拉斯算子的图像增强算法和基于伽马变换的图像增强算法。通过图像增强处理,可以突出上述目标图像的纹理信息。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过自适应亮度均衡算法,对上述目标图像进行亮度调整,以实现对上述目标图像的预处理。通过对上述目标图像进行亮度调整,可以突出上述目标图像的图像暗部的图像信息。
步骤203,根据预处理后的目标图像和背景图像,确定差异图像。
在一些实施例中,上述执行主体可以根据预处理后的目标图像和背景图像,确定差异图像。其中,上述背景图像可以是为对目标传送带空闲时的图像降噪处理后的图像。上述执行主体可以通过目标图像降噪算法,对上述目标传送带空闲时的图像进行降噪处理,以生成上述背景图像。上述目标图像降噪算法可以是但不限于以下任意一项:基于中值滤波的图像降噪算法,基于均值滤波的图像降噪算法,基于高斯滤波的图像降噪算法和基于维纳滤波的图像降噪算法。上述执行主体可以将上述预处理后的目标图像中像素与上述背景图像中对应像素不同的区域的图像,确定为上述差异图像。
步骤204,根据目标图像中的前景图像和差异图像,确定目标区域。
在一些实施例中,上述执行主体可以根据目标图像中的前景图像和差异图像,确定目标区域。其中,上述执行主体可以将上述前景图像和上述差异图像重叠的区域,作为上述目标区域。上述前景图像可以是包括上述传送带上移动物体的图像。上述前景图像可以是通过对上述目标图像进行动态检测得到的。上述执行主体可以通过BackgroundSubtractorMOG2算法对上述目标图像进行动态检测,以生成上述前景图像。
步骤205,根据目标区域,生成传送带状态信息。
在一些实施例中,上述执行主体根据目标区域,生成传送带状态信息,可以包括以下步骤:
第一步,确定上述目标区域内像素点的个数,得到第一数量值。
第二步,确定上述目标图像的像素点的个数,得到第二数量值。
第三步,响应于确定上述第一数量值和上述第二数量值的比值大于目标值,将第一信息,确定为上述传送带状态信息。
其中,上述第一信息可以表征上述目标传送带拥堵较为严重。
作为示例,上述目标值可以是0.55。
第四步,响应于确定上述第一数量值和上述第二数量值的比值小于等于上述目标值,将第二信息,确定为上述传送带状态信息。
其中,上述第二信息可以表征上述目标传送带轻微拥堵。上述传送带状态信息可以用于表征上述目标传送带的拥堵情况。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的信息生成方法,提高了对传送带拥堵情况检测的准确率。具体来说,造成传送带拥堵情况检测的准确率低下的原因在于:传感器无法对传送带上运输的物品拥堵程度进行准确识别。基于此,本公开的一些实施例,首先,获取实时拍摄的视频中的目标图像。实际情况中,现有仓库中往往布置有摄像头,通过获取摄像头实时拍摄的视频中的目标图像,能够及时的确定传送带的拥堵情况。此外,摄像头相比于传感器,检测范围更大。并且,传送带较长时,摄像头相比于传感器更能节约传送带拥堵检测成本。其次,对上述目标图像进行预处理,以生成预处理后的目标图像。实际情况中,例如,由于镜头畸变等原因,可能使得目标图像出现畸变。又如,因为光线原因,可能会造成目标图像较为昏暗,因此,通过对目标图像预处理,能够提高目标图像的可用性。然后,根据上述预处理后的目标图像和背景图像,确定差异图像,其中,上述背景图像为对目标传送带空闲时的图像降噪处理后的图像。通过确定差异图像,即可确定传送带上运输的物品。进一步,根据上述目标图像中的前景图像和上述差异图像,确定目标区域,其中,上述前景图像是通过对上述目标图像进行动态检测得到的。从而,进一步确定传送带上运输的物品。最后,根据上述目标区域,生成传送带状态信息,其中,上述传送带状态信息用于表征上述目标传送带的拥堵情况。实际情况中,当摄像头固定时,拍摄的传送带区域往往固定。因此,通过根据目标区域大小,即可确定传送带的拥堵情况。通过此种方式,相比于通过传感器检测传送带拥堵情况,准确率大大提高。
进一步参考图3,其示出了信息生成方法的另一些实施例的流程300。该信息生成方法的流程300,包括以下步骤:
步骤301,获取实时拍摄的视频中的目标图像。
在一些实施例中,步骤301的具体实现及其所带来的技术效果,可以参考图2对应的那些实施例中的步骤201,在此不再赘述。
步骤302,对目标图像进行灰度化处理,以生成灰度化处理后的目标图像。
在一些实施例中,上述执行主体通过最大值法,对目标图像中的每个像素点进行灰度化处理,以生成灰度化处理后的目标图像。
作为示例,上述像素点的色值可以是(12,28,34),经过灰度化处理后的像素点的色值可以是(34,34,34)。
在一些实施例的一些可选的实现方式中,上述执行主体通过平均值法,对目标图像中的每个像素点进行灰度化处理,以生成灰度化处理后的目标图像。
作为示例,上述像素点的色值可以是(12,28,32),经过灰度化处理后的像素点的色值可以是(24,24,24)。
步骤303,对灰度化处理后的目标图像进行降噪处理,以生成预处理后的目标图像。
在一些实施例中,上述执行主体可以通过目标降噪算法,对灰度化处理后的目标图像进行降噪处理,以生成预处理后的目标图像。
其中,上述目标降噪算法可以是但不限于以下任意一项:基于中值滤波的图像降噪算法,基于均值滤波的图像降噪算法,基于高斯滤波的图像降噪算法和基于维纳滤波的图像降噪算法。
作为示例,当上述目标降噪算法为基于高斯滤波的图像降噪算法时,高斯滤波核的大小可以是11*11。
作为又一示例,可以如图4所示。其中,图4可以包括:灰度化处理后的目标图像401和预处理后的目标图像402。
步骤304,将预处理后的目标图像中的每个像素与背景图像对应的像素做差,以生成第一候选图像。
在一些实施例中,上述执行主体可以将预处理后的目标图像中的每个像素与背景图像对应的像素做差,以生成第一候选图像。
作为示例,上述预处理后的目标图像中坐标为(X,Y)的像素的色值可以是(12,22,22)。上述像素在上述背景图像对应的坐标为(X,Y)的像素的色值可以是(10,20,20)。得到的上述第一候选图像中坐标为(X,Y)的像素的色值可以是(2,2,2)。
作为又一示例,可以如图5所示。其中,图5包括:预处理后的目标图像402,背景图像501和第一候选图像502。
步骤305,对第一候选图像进行二值化处理,以生成二值化处理后的第一候选图像。
在一些实施例中,上述执行主体可以对第一候选图像进行二值化处理,以生成二值化处理后的第一候选图像。其中,对于上述第一候选图像中每个像素对应的灰度值,响应于上述灰度值大于等于目标阈值,将上述灰度值更新为第一目标灰度值。响应于上述灰度值小于上述目标阈值,将上述灰度值更新为第二目标灰度值。例如,上述目标阈值可以是50,上述第一目标灰度值可以是255,上述第二目标灰度值可以是0。
作为示例,可以如图6所示。其中,图6包括:上述第一候选图像502和上述二值化处理后的第一候选图像601。
步骤306,对二值化处理后的第一候选图像进行形态学膨胀处理,以生成差异图像。
在一些实施例中,上述执行主体可以通过OpenCV中的dilate函数对上述二值化处理后的第一候选图像进行形态学膨胀处理,以生成差异图像。
作为示例,可以如图7所示。其中,图7包括:上述二值化处理后的第一候选图像601和上述差异图像701。
步骤307,根据目标图像中的前景图像和差异图像,确定目标区域。
在一些实施例中,上述执行主体根据目标图像中的前景图像和差异图像,确定目标区域,可以包括以下步骤:
第一步,将前景图像中的每个像素点与目标图像对应的像素点做差,以生成第二候选图像。
作为示例,上述前景图像中坐标为(U,V)的像素点的灰度值可以是242。上述目标图像中坐标为(U,V)的像素点的灰度值可以是200。上述第二候选图像中坐标为(U,V)的像素点的灰度值可以是42。
第二步,将第二候选图像中的每个像素点与差异图像中对应的像素点做差,以生成第三候选图像。
作为示例,可以如图8所示。其中,图8包括:上述第二候选图像701,上述差异图像801和上述第三候选图像802。
第三步,对第三候选图像进行二值化处理,以生成二值化处理后的第三候选图像。
其中,对于上述第三候选图像中的每个像素点对应的灰度值,响应于上述灰度值大于等于目标阈值,将上述灰度值更新为第一目标灰度值。响应于上述灰度值小于上述目标阈值,将上述灰度值更新为第二目标灰度值。例如,上述目标阈值可以是50,上述第一目标灰度值可以是255,上述第二目标灰度值可以是0。
第四步,对上述二值化处理后的第三候选图像进行形态学膨胀处理,以生成形态学膨胀处理后的第三候选图像。
在一些实施例中,上述执行主体可以通过OpenCV中的dilate函数对上述二值化处理后的第三候选图像进行形态学膨胀处理,以生成形态学膨胀处理后的第三候选图像。
作为示例,如图9所示。其中,图9包括:上述二值化处理后的第三候选图像901和上述第三候选图像902。
第五步,对上述形态学膨胀处理后的第三候选图像进行降噪处理,以生成第四候选图像。
其中,上述执行主体可以通过目标降噪算法对上述形态学膨胀处理后的第三候选图像进行降噪处理,以生成第四候选图像。上述目标降噪算法可以是但不限于以下任意一项:基于中值滤波的图像降噪算法,基于均值滤波的图像降噪算法,基于高斯滤波的图像降噪算法和基于维纳滤波的图像降噪算法。
作为示例,当上述目标降噪算法为基于中值滤波的图像降噪算法时,中值滤波核的大小可以是3*3。
第六步,将上述第四候选图像中包括的像素点为目标色值的区域,确定为上述目标区域。
作为示例,上述目标色值可以是255。
步骤308,根据目标区域,生成传送带状态信息。
在一些实施例中,上述执行主体根据目标区域,生成传送带状态信息,可以包括以下步骤:
第一步,对上述目标区域进行边缘检测处理,以确定上述目标区域的周长值。
其中,上述执行主体可以通过边缘检测算法,对上述目标区域进行边缘检测处理,以确定上述目标区域的周长值。其中,上述边缘检测算法可以是但不限于以下任意一项:基于Sobel算子的边缘检测算法,基于Canny算子的边缘检测算法,双阈值检测算法和基于拉普拉斯算子的边缘检测算法。
第二步,确定上述第四候选图像中的每个像素点与上述差异图像中像素点的差值,得到至少一个差值。
作为示例,上述执行主体可以确定上述第四候选图像中的坐标为(X,Y)的像素点对应的灰度值与上述差异图像中坐标为(X,Y)的像素点的对应的灰度值的差值。
第三步,将上述至少一个差值中的差值的均值,确定为候选均值。
作为示例,上述至少一个差值可以是[1,2,2,2,2,3]。上述候选均值可以是2。
第四步,响应于确定上述周长值大于第一目标值,且上述候选均值大于第二目标值,将候选拥堵信息确定为上述拥堵信息。
其中,上述候选拥堵信息可以表征上述目标传送带较强拥堵。
作为示例,上述第一目标值可以是1000。上述第二目标值可以是110。
可选地,响应于确定上述周长值小于等于上述第一目标值,且上述候选均值大于第二目标值,将表征轻微拥堵的拥堵信息,确定为上述拥堵信息。
可选地,响应于确定上述周长值大于上述第一目标值,且上述候选均值小于等于上述第二目标值,将表征轻微拥堵的拥堵信息,确定为上述拥堵信息。
可选地,响应于确定上述周长值小于等于上述第一目标值,且上述候选均值小于等于上述第二目标值,将表征轻微拥堵的拥堵信息,确定为上述拥堵信息。
步骤309,基于拥堵信息调整目标传送带的传送速度。
在一些实施例中,上述执行主体可以基于拥堵信息调整目标传送带的传送速度。
作为示例,当上述拥堵信息表征上述目标传送带较强拥堵时,可以将上述目标传送带的传送速度降至第一目标速度值。
作为又一示例,当上述拥堵信息表征上述目标传送带轻微拥堵时,可以将上述目标传送带的传送速度降至第二目标速度值。
可选地,当上述拥堵信息表征上述目标传送带较强拥堵时,可以向目标终端发送告警信息。
从图3可以看出,与图2对应的一些实施例的描述相比,本公开首先,对目标图像进行灰度化处理,以生成灰度化处理后的目标图像。通过对上述目标图像进行灰度化处理,减少数据处理量。其次,对灰度化处理后的目标图像进行降噪处理,以生成预处理后的目标图像。实际情况中,由于光线等原因,可能会造成摄像头拍摄得到的图像出现噪点,通过消除噪点,可以提高图像中像素点对应色值的平滑性。此外,通过对二值化处理后的第一候选图像进行形态学膨胀处理,以生成差异图像,能够大大突出边缘轮廓。
进一步参考图10,作为对上述各图所示方法的实现,本公开提供了一种信息生成装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图10所示,一些实施例的信息生成装置1000包括:获取单元1001、预处理单元1002、第一确定单元1003、第二确定单元1004和生成单元1005。其中,获取单元1001,被配置成获取实时拍摄的视频中的目标图像;预处理单元1002,被配置成对上述目标图像进行预处理,以生成预处理后的目标图像;第一确定单元1003,被配置成根据上述预处理后的目标图像和背景图像,确定差异图像,其中,上述背景图像为对目标传送带空闲时的图像降噪处理后的图像;第二确定单元1004,被配置成根据上述目标图像中的前景图像和上述差异图像,确定目标区域,其中,上述前景图像是通过对上述目标图像进行动态检测得到的;生成单元1005,被配置成根据上述目标区域,生成传送带状态信息,其中,上述传送带状态信息用于表征上述目标传送带的拥堵情况。
在一些实施例的一些可选的实现方式中,预处理单元1002被进一步配置成:对上述目标图像进行灰度化处理,以生成灰度化处理后的目标图像;对上述灰度化处理后的目标图像进行降噪处理,以生成上述预处理后的目标图像。
在一些实施例的一些可选的实现方式中,第一确定单元1003被进一步配置成:将上述预处理后的目标图像中的每个像素与上述背景图像对应的像素做差,以生成第一候选图像;对上述第一候选图像进行二值化处理,以生成二值化处理后的第一候选图像;对上述二值化处理后的第一候选图像进行形态学膨胀处理,以生成上述差异图像。
在一些实施例的一些可选的实现方式中,第二确定单元1004被进一步配置成:将上述前景图像中的每个像素点与上述目标图像对应的像素点做差,以生成第二候选图像;将上述第二候选图像中的每个像素点与上述差异图像中对应的像素点做差,以生成第三候选图像。
在一些实施例的一些可选的实现方式中,第二确定单元1004被进一步配置成:对上述第三候选图像进行二值化处理,以生成二值化处理后的第三候选图像;对上述二值化处理后的第三候选图像进行形态学膨胀处理,以生成形态学膨胀处理后的第三候选图像;对上述形态学膨胀处理后的第三候选图像进行降噪处理,以生成第四候选图像;将上述第四候选图像中包括的像素点为目标色值的区域,确定为上述目标区域。
在一些实施例的一些可选的实现方式中,生成单元1005被进一步配置成:对上述目标区域进行边缘检测处理,以确定上述目标区域的周长值。
在一些实施例的一些可选的实现方式中,生成单元1005被进一步配置成:确定上述第四候选图像中的每个像素点与上述差异图像中像素点的差值,得到至少一个差值;将上述至少一个差值中的差值的均值,确定为候选均值。
在一些实施例的一些可选的实现方式中,生成单元1005被配置成:响应于确定上述周长值大于第一目标值,且上述候选均值大于第二目标值,将候选拥堵信息确定为上述拥堵信息。
在一些实施例的一些可选的实现方式中,上述装置还包括:基于上述拥堵信息调整上述目标传送带的传送速度。
可以理解的是,该装置1000中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置1000及其中包含的单元,在此不再赘述。
下面参考图11,其示出了适于用来实现本公开的一些实施例的电子设备(如图1所示的计算设备101)1100的结构示意图。图11示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图11所示,电子设备1100可以包括处理装置(例如中央处理器、图形处理器等)1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储装置1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中,还存储有电子设备1100操作所需的各种程序和数据。处理装置1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
通常,以下装置可以连接至I/O接口1105:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置1106;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1107;包括例如磁带、硬盘等的存储装置1108;以及通信装置1109。通信装置1109可以允许电子设备1100与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设备1100,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图11中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置1109从网络上被下载和安装,或者从存储装置1108被安装,或者从ROM 1102被安装。在该计算机程序被处理装置1101执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取实时拍摄的视频中的目标图像;对上述目标图像进行预处理,以生成预处理后的目标图像;根据上述预处理后的目标图像和背景图像,确定差异图像,其中,上述背景图像为对目标传送带空闲时的图像降噪处理后的图像;根据上述目标图像中的前景图像和上述差异图像,确定目标区域,其中,上述前景图像是通过对上述目标图像进行动态检测得到的;根据上述目标区域,生成传送带状态信息,其中,上述传送带状态信息用于表征上述目标传送带的拥堵情况。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、预处理单元、第一确定单元、第二确定单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,生成单元还可以被描述为“生成与上述目标区域对应的传送带状态信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种信息生成方法,包括:
获取实时拍摄的视频中的目标图像;
对所述目标图像进行预处理,以生成预处理后的目标图像;
根据所述预处理后的目标图像和背景图像,确定差异图像,其中,所述背景图像为对目标传送带空闲时的图像降噪处理后的图像;
根据所述目标图像中的前景图像和所述差异图像,确定目标区域,其中,所述前景图像是通过对所述目标图像进行动态检测得到的;
根据所述目标区域,生成传送带状态信息,其中,所述传送带状态信息用于表征所述目标传送带的拥堵情况。
2.根据权利要求1所述的方法,其中,所述对所述目标图像进行预处理,以生成预处理后的目标图像,包括:
对所述目标图像进行灰度化处理,以生成灰度化处理后的目标图像;
对所述灰度化处理后的目标图像进行降噪处理,以生成所述预处理后的目标图像。
3.根据权利要求1所述的方法,其中,所述根据所述预处理后的目标图像和背景图像,确定差异图像,包括:
将所述预处理后的目标图像中的每个像素与所述背景图像对应的像素做差,以生成第一候选图像;
对所述第一候选图像进行二值化处理,以生成二值化处理后的第一候选图像;
对所述二值化处理后的第一候选图像进行形态学膨胀处理,以生成所述差异图像。
4.根据权利要求1所述的方法,其中,所述根据所述目标图像中的前景图像和所述差异图像,确定目标区域,包括:
将所述前景图像中的每个像素点与所述目标图像对应的像素点做差,以生成第二候选图像;
将所述第二候选图像中的每个像素点与所述差异图像中对应的像素点做差,以生成第三候选图像。
5.根据权利要求4所述的方法,其中,所述根据所述目标图像中的前景图像和所述差异图像,确定目标区域,还包括:
对所述第三候选图像进行二值化处理,以生成二值化处理后的第三候选图像;
对所述二值化处理后的第三候选图像进行形态学膨胀处理,以生成形态学膨胀处理后的第三候选图像;
对所述形态学膨胀处理后的第三候选图像进行降噪处理,以生成第四候选图像;
将所述第四候选图像中包括的像素点为目标色值的区域,确定为所述目标区域。
6.根据权利要求5所述的方法,其中,所述根据所述目标区域,生成传送带状态信息,包括:
对所述目标区域进行边缘检测处理,以确定所述目标区域的周长值。
7.根据权利要求6所述的方法,其中,所述根据所述目标区域,生成传送带状态信息,还包括:
确定所述第四候选图像中的每个像素点与所述差异图像中像素点的差值,得到至少一个差值;
将所述至少一个差值中的差值的均值,确定为候选均值。
8.根据权利要求7所述的方法,其中,所述根据所述目标区域,生成传送带状态信息,还包括:
响应于确定所述周长值大于第一目标值,且所述候选均值大于第二目标值,将候选拥堵信息确定为所述拥堵信息。
9.根据权利要求1所述的方法,其中,所述方法还包括:
基于所述拥堵信息调整所述目标传送带的传送速度。
10.一种信息生成装置,包括:
获取单元,被配置成获取实时拍摄的视频中的目标图像;
预处理单元,被配置成对所述目标图像进行预处理,以生成预处理后的目标图像;
第一确定单元,被配置成根据所述预处理后的目标图像和背景图像,确定差异图像,其中,所述背景图像为对目标传送带空闲时的图像降噪处理后的图像;
第二确定单元,被配置成根据所述目标图像中的前景图像和所述差异图像,确定目标区域,其中,所述前景图像是通过对所述目标图像进行动态检测得到的;
生成单元,被配置成根据所述目标区域,生成传送带状态信息,其中,所述传送带状态信息用于表征所述目标传送带的拥堵情况。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至9中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1至9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110609913.3A CN113436146A (zh) | 2021-06-01 | 2021-06-01 | 信息生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110609913.3A CN113436146A (zh) | 2021-06-01 | 2021-06-01 | 信息生成方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113436146A true CN113436146A (zh) | 2021-09-24 |
Family
ID=77803393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110609913.3A Pending CN113436146A (zh) | 2021-06-01 | 2021-06-01 | 信息生成方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113436146A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09170985A (ja) * | 1995-12-20 | 1997-06-30 | Daihatsu Motor Co Ltd | 通路の閉塞検査方法 |
CN102722982A (zh) * | 2012-03-30 | 2012-10-10 | 上海市金山区青少年活动中心 | 基于背景与帧间差分算法的车流及其运动状态检测方法 |
CN109191830A (zh) * | 2018-08-09 | 2019-01-11 | 昆明理工大学 | 一种基于视频图像处理的道路拥堵检测方法 |
CN111757100A (zh) * | 2020-07-14 | 2020-10-09 | 北京字节跳动网络技术有限公司 | 相机运动变化量的确定方法、装置、电子设备和介质 |
CN112318485A (zh) * | 2020-10-09 | 2021-02-05 | 中国矿业大学(北京) | 物体分选系统的图像处理方法、装置及物体分选系统 |
-
2021
- 2021-06-01 CN CN202110609913.3A patent/CN113436146A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09170985A (ja) * | 1995-12-20 | 1997-06-30 | Daihatsu Motor Co Ltd | 通路の閉塞検査方法 |
CN102722982A (zh) * | 2012-03-30 | 2012-10-10 | 上海市金山区青少年活动中心 | 基于背景与帧间差分算法的车流及其运动状态检测方法 |
CN109191830A (zh) * | 2018-08-09 | 2019-01-11 | 昆明理工大学 | 一种基于视频图像处理的道路拥堵检测方法 |
CN111757100A (zh) * | 2020-07-14 | 2020-10-09 | 北京字节跳动网络技术有限公司 | 相机运动变化量的确定方法、装置、电子设备和介质 |
CN112318485A (zh) * | 2020-10-09 | 2021-02-05 | 中国矿业大学(北京) | 物体分选系统的图像处理方法、装置及物体分选系统 |
Non-Patent Citations (2)
Title |
---|
LUXIU YIN等: "Tasks Scheduling and Resource Allocation in Fog Computing Based on Containers for Smart Manufacturing", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
陈益军;: "一种路面交通拥堵监控系统的设计与实现", 微计算机信息, no. 16 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240112035A1 (en) | 3d object recognition using 3d convolutional neural network with depth based multi-scale filters | |
CN108337505B (zh) | 信息获取方法和装置 | |
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN108053444B (zh) | 瞳孔定位方法及装置、设备和存储介质 | |
CN110288625B (zh) | 用于处理图像的方法和装置 | |
Park et al. | Contrast enhancement for low-light image enhancement: A survey | |
CN111080595A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN111757100B (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
CN111767750A (zh) | 图像处理方法和装置 | |
CN113658196A (zh) | 红外图像中船舶的检测方法、装置、电子设备和介质 | |
CN113569708A (zh) | 活体识别方法、装置、电子设备以及存储介质 | |
CN111783777B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN113436146A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN114882576B (zh) | 人脸识别方法、电子设备、计算机可读介质和程序产品 | |
CN110852250A (zh) | 一种基于最大面积法的车辆排重方法、装置及存储介质 | |
CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
CN113139451A (zh) | 异常信息生成方法、装置、电子设备和计算机可读介质 | |
CN114120423A (zh) | 人脸图像检测方法、装置、电子设备和计算机可读介质 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
CN114764839A (zh) | 动态视频生成方法、装置、可读存储介质及终端设备 | |
CN113780269A (zh) | 图像识别方法、装置、计算机系统及可读存储介质 | |
CN112967191A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN113643257B (zh) | 图像噪点检测方法、装置、设备、存储介质及程序产品 | |
Hossain et al. | Hardware design and implementation of adaptive canny edge detection algorithm |
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 |