CN114897762B - 一种煤矿工作面采煤机自动定位方法及装置 - Google Patents

一种煤矿工作面采煤机自动定位方法及装置 Download PDF

Info

Publication number
CN114897762B
CN114897762B CN202210153543.1A CN202210153543A CN114897762B CN 114897762 B CN114897762 B CN 114897762B CN 202210153543 A CN202210153543 A CN 202210153543A CN 114897762 B CN114897762 B CN 114897762B
Authority
CN
China
Prior art keywords
image information
image
preset
frame
camera device
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
Application number
CN202210153543.1A
Other languages
English (en)
Other versions
CN114897762A (zh
Inventor
沈树煜
杨明
苏景堃
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.)
Zhongxin Fangzhi Suzhou Intelligent Technology Co ltd
Original Assignee
Zhongxin Fangzhi Suzhou Intelligent Technology Co ltd
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 Zhongxin Fangzhi Suzhou Intelligent Technology Co ltd filed Critical Zhongxin Fangzhi Suzhou Intelligent Technology Co ltd
Priority to CN202210153543.1A priority Critical patent/CN114897762B/zh
Publication of CN114897762A publication Critical patent/CN114897762A/zh
Application granted granted Critical
Publication of CN114897762B publication Critical patent/CN114897762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/24Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种煤矿工作面采煤机自动定位方法及装置。所述煤矿工作面采煤机自动定位方法包括:获取各个摄像装置所拍摄的图像信息;获取预设图像信息;将各个摄像装置所拍摄的图像信息分别与预设图像信息进行比较,获取与预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;获取第一帧图像信息所对应的摄像装置在拍摄第一帧图像信息后在预设时间段内所拍摄的各帧图像;获取与第一摄像装置相邻的摄像装置在第一时间后所拍摄的预设时间段内的各帧图像;根据各个图像获取运动物体外围轮廓;将运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断运动物体为采煤机。本申请可以节约计算资源,计算出采煤机位置。

Description

一种煤矿工作面采煤机自动定位方法及装置
技术领域
本申请涉及采煤技术领域,具体涉及一种煤矿工作面采煤机自动定位方法、煤矿工作面采煤机自动定位装置以及采煤机系统。
背景技术
现有技术中,只能通过人工去煤矿工作面内进行人为观察,才能进行采煤机的定位,无法通过智能方法进行采煤机的定位,然而采煤工作面环境复杂,为了确保安全生产,尽量避免人工下井造成的危险,需要有一套低延时的视频系统以及采煤机定位系统,来实现智能化的无人操控。
因此,希望有一种技术方案来解决或至少减轻现有技术的上述不足。
发明内容
本发明的目的在于提供一种煤矿工作面采煤机自动定位方法来至少解决上述的一个技术问题。
本发明的一个方面,提供一种煤矿工作面采煤机自动定位方法用于定位进入煤矿工作面的采煤机,所属煤矿工作面上设置有多个摄像装置,每个摄像装置用于获取一个摄像区域的图像;所述煤矿工作面采煤机自动定位方法包括:
获取各个摄像装置所拍摄的图像信息;
获取预设图像信息;
将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;
获取所述第一帧图像信息所对应的摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像,获取所述第一帧图像信息的摄像装置称为第一摄像装置,所述第一摄像装置所拍摄的第一帧图像信息的时间为第一时间,所述第一帧图像信息以及所述在第一摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像组成第一图像组;
获取与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像,所述与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像组成第二图像组;
根据第一图像组以及第二图像组获取运动物体外围轮廓;
将所述运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断所述运动物体为所述采煤机。
可选地,所述预设图像信息为预设HSV信息;
所述将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息包括:
对获取的各个摄像装置所拍摄的图像信息进行预处理,从而获取每个图像的HSV信息;
将各个HSV信息分别与预设HSV信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息。
可选地,所述根据第一图像组以及第二图像组获取运动物体外围轮廓包括:
对第一图像组以及第二图像组中的每个图像进行处理,从而分别获取各个图像对应的待检测HSV信息;
对第一图像组以及第二图像组通过帧差法进行运动检测,从而获取运动物体轮廓;
通过Canny边缘检测算法提取运动物体轮廓的边缘信息,从而获取运动物体外围轮廓。
可选地,每个所述摄像装置周侧设置有一个距离检测系统,每个距离检测系统的检测方向与其周侧的摄像装置的拍摄方向相同,一个距离检测系统对应一个与其最近的摄像装置;
当与所述预设图像信息的相似度大于预设阈值的图像信息超过一个时,所述煤矿工作面采煤机自动定位方法进一步包括:
获取各个与所述预设图像信息的相似度大于预设阈值的图像信息所对应的摄像装置周侧的距离检测系统所获取的距离信息;
根据各个所述距离信息确定与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息,各个相似度大于预设阈值的图像信息称为待判断图像信息。
可选地,所述根据各个所述距离信息确定与所述预设图像信息的相似度预设阈值的图像信息中的一个作为所述第一帧图像信息包括:
获取多个经过训练的最优位置区域分类器,一个最优位置区域分类器对应一个距离检测系统,每个最优位置区域分类器至少能够输出一个非优标签以及一个最优标签;
将各个距离信息分别输入对应的最优位置区域分类器,从而获取各个最优位置区域分类器所输出的标签,若只有一个最优位置区域分类器所输出的标签为最优标签,则选取该最优位置区域分类器所对应的摄像装置所提供的待判断图像信息作为所述第一帧图像信息。
可选地,所述各个距离检测系统沿所述煤矿工作面的深度方向依次排列,每个距离检测系统均具有一个序号标签,依各个距离检测系统靠近煤矿工作面的出口的距离,各个序号标签以从小到大的方式依次设置;
所述根据各个所述距离信息确定选择与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息进一步包括:
将各个距离信息分别输入对应的最优位置区域分类器,从而获取各个最优位置区域分类器所输出的标签,若有超过一个最优位置区域分类器所输出的标签为最优标签,则
选取各个最优位置区域分类器所对应的距离检测系统中序号标签最大的距离检测系统周侧的摄像装置所提供的待判断图像信息作为所述第一帧图像信息。
可选地,所述煤矿工作面采煤机自动定位方法进一步包括:
将所述运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则生成报警信号。
本申请还提供了一种煤矿工作面采煤机自动定位系统,所述煤矿工作面采煤机自动定位系统包括:
图像信息获取模块,所述图像信息获取模块用于获取各个摄像装置所拍摄的图像信息;
预设图像信息模块,所述预设图像信息模块用于获取预设图像信息;
第一比较模块,所述第一比较模块用于将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;
第一图像组获取模块,所述第一图像组获取模块用于获取所述第一帧图像信息所对应的摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像,获取所述第一帧图像信息的摄像装置称为第一摄像装置,所述第一摄像装置所拍摄的第一帧图像信息的时间为第一时间,所述第一帧图像信息以及所述在第一摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像组成第一图像组;
第二图像组获取模块,所述第二图像组获取模块用于获取与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像,所述与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像组成第二图像组;
外围轮廓检测模块,所述外围轮廓检测模块用于根据第一图像组以及第二图像组获取运动物体外围轮;
采煤机判断模块,所述采煤机判断模块用于将所述运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断所述运动物体为所述采煤机。
本申请还提供了一种采煤机系统,所述采煤机系统包括:
采煤机,所述采煤机用于在煤矿工作面工作;
摄像系统,所述摄像系统包括多个摄像装置,每个摄像装置用于获取一个摄像区域的图像;
煤矿工作面采煤机自动定位系统,所述煤矿工作面采煤机自动定位系统为如上所述的煤矿工作面采煤机自动定位系统,用于实现如上所述的煤矿工作面采煤机自动定位方法。
可选地,所述采煤机系统进一步包括:
距离检测系统,所述距离检测系统的数量为多个,一个距离检测系统对应一个与其最近的所述摄像装置。
有益效果
本申请的煤矿工作面采煤机自动定位方法通过获取待检测图像,从而能够精确到某一台摄像装置,继而只对存在运动信号的摄像装置以及后一台摄像装置两者的图像进行帧差法计算,这样可以节约不必要的计算,快速计算出采煤机的大概位置。
附图说明
图1是本申请一实施例的煤矿工作面采煤机自动定位方法的流程示意图;
图2是用于实现图1所示的后排驾驶舱监控方法的系统设备示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。
本申请的煤矿工作面采煤机自动定位方法,用于定位进入煤矿工作面的采煤机,所属煤矿工作面上设置有多个摄像装置,每个摄像装置用于获取一个摄像区域的图像。
如图1所示的煤矿工作面采煤机自动定位方法包括:
步骤1:获取各个摄像装置所拍摄的图像信息;
步骤2:获取预设图像信息;
步骤3:将各个摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;
步骤4:获取第一帧图像信息所对应的摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像,获取第一帧图像信息的摄像装置称为第一摄像装置,所述第一摄像装置所拍摄的第一帧图像信息的时间为第一时间,第一帧图像信息以及所述在第一摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像组成第一图像组;
步骤5:获取与第一摄像装置相邻的摄像装置在第一时间后所拍摄的预设时间段内的各帧图像,与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像组成第二图像组;
步骤6:根据第一图像组以及第二图像组获取运动物体外围轮廓;
步骤7:将运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断运动物体为所述采煤机。
本申请的煤矿工作面采煤机自动定位方法通过获取待检测图像,从而能够精确到某一台摄像装置,继而只对存在运动信号的摄像装置以及后一台摄像装置两者的图像进行帧差法计算,这样可以节约不必要的计算,快速计算出采煤机的大概位置。
在本实施例中,预设图像信息为预设HSV信息;
将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息包括:
对获取的各个摄像装置所拍摄的图像信息进行预处理,从而获取每个图像的HSV信息;
将各个HSV信息分别与预设HSV信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息。
在本实施例中,根据第一图像组以及第二图像组获取运动物体外围轮廓包括:
对第一图像组以及第二图像组中的每个图像进行处理,从而分别获取各个图像对应的待检测HSV信息;
对第一图像组以及第二图像组通过帧差法进行运动检测,从而获取运动物体轮廓;
通过Canny边缘检测算法提取运动物体轮廓的边缘信息,从而获取运动物体外围轮廓。
具体而言,当匹配到第一帧图像信息后,记当前帧(第一帧图像信息)为N,以2帧为一组([N,N+1], [N+2, N+3], [N+4, N+5] ...),对第一图像组以及第二图像组中的各个图像两两做帧差法运动检测。
通过帧差法计算出运动物体轮廓,使用Canny边缘检测算法提取边缘信息。
在一个实施例中,每个摄像装置周侧设置有一个距离检测系统,每个距离检测系统的检测方向与其周侧的摄像装置的拍摄方向相同,一个距离检测系统对应一个与其最近的摄像装置;
当与预设图像信息的相似度大于预设阈值的图像信息超过一个时,煤矿工作面采煤机自动定位方法进一步包括:
获取各个与所述预设图像信息的相似度大于预设阈值的图像信息所对应的摄像装置周侧的距离检测系统所获取的距离信息;
根据各个所述距离信息确定与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息,各个相似度大于预设阈值的图像信息称为待判断图像信息。
在本申请中,沿着煤矿工作面的深度方向会布置很多个摄像装置,每个摄像装置旁设置又一个距离检测系统,各个摄像装置很可能在摄像范围内会有重合区域,因此,此时就可能产生上述的相似度小鱼预设阈值的图像信息超过一个,即有至少两个摄像装置均拍摄到了想要拍摄的运动物体,此时,通过上述方法来判断使用哪个摄像装置所拍摄到的图像信息作为第一帧图像信息。
具体而言,本申请采用如下方式进行判断:
根据各个所述距离信息确定与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息包括:
获取多个经过训练的最优位置区域分类器,一个最优位置区域分类器对应一个距离检测系统,每个最优位置区域分类器至少能够输出一个非优标签以及一个最优标签;
将各个距离信息分别输入对应的最优位置区域分类器,从而获取各个最优位置区域分类器所输出的标签,若只有一个最优位置区域分类器所输出的标签为最优标签,则选取该最优位置区域分类器所对应的摄像装置所提供的待判断图像信息作为所述第一帧图像信息。
在实际使用中,只要目标(运动物体)出现在摄像装置的摄像区域中,通过上述的预设图像信息的相似度的比较,均能够发现目标,即均能够获取到第一帧图像信息,但是,很多情况下可能该第一帧图像信息并非最优的图像信息,即只有目标出现在某些位置(例如,摄像区域的偏中央的位置)才是最优的图像,而当多个摄像装置的图像信息均识别到运动物体时,很可能在一些摄像装置的图像信息中,该运动物体并非在该图像的最优位置,仅仅是满足了相似度大于预设阈值这一基础条件,此时,通过上述的最优位置区域分类器,即可进一步的获取到具体使用哪个摄像装置的图像信息作为第一帧图像信息,从而能够为后续的获取轮廓的步骤获取到一个最优的轮廓。
在本实施例中,通过距离信息来进行分类,是由于,通过大量的训练数据,可以获取到实际的采煤机在进行工作过程中,各个摄像装置在与采煤机距离为某一阈值范围内时,所拍摄到采煤机的图像最有利于进行上述的运动物体外围轮廓获取,也即是最为合适作为第一帧图像信息,因此,通过大量的数据集的训练,能够获得一个准确合适的最优位置区域分类器,继而通过该最优位置区域分类器,从而能够获取到最优标签。
在本实施例中,各个距离检测系统沿所述煤矿工作面的深度方向依次排列,每个距离检测系统均具有一个序号标签,依各个距离检测系统靠近煤矿工作面的出口的距离,各个序号标签以从小到大的方式依次设置;
根据各个所述距离信息确定选择与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息进一步包括:
将各个距离信息分别输入对应的最优位置区域分类器,从而获取各个最优位置区域分类器所输出的标签,若有超过一个最优位置区域分类器所输出的标签为最优标签,则
选取各个最优位置区域分类器所对应的距离检测系统中序号标签最大的距离检测系统周侧的摄像装置所提供的待判断图像信息作为第一帧图像信息。
在本实施例中,煤矿工作面采煤机自动定位方法进一步包括:
将运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则生成报警信号。
下面以举例的方式对本申请进行进一步详细阐述,可以理解的是,该距离并不构成对本申请的任何限制。
在该举例中,一共有4个摄像装置,分别为第一摄像装置、第二摄像装置、第三摄像装置以及第四摄像装置。
一共有四个距离检测系统,分别为第一距离检测系统、第二距离检测系统、第三距离检测系统以及第四距离检测系统,第一距离检测系统至第四距离检测系统分别具有序号标签1、2、3、4,1为第一距离检测系统,2为第二距离检测系统、3为第三距离检测系统以及4为第四距离检测系统。
第一距离检测系统设置在第一摄像装置周测,与第一摄像装置对应。
第二距离检测系统设置在第二摄像装置周测,与第二摄像装置对应。
第三距离检测系统设置在第三摄像装置周测,与第三摄像装置对应。
第四距离检测系统设置在第四摄像装置周测,与第四摄像装置对应。
在本实施例中,获取各个摄像装置(第一摄像装置至第四摄像装置)所拍摄的图像信息;
获取预设图像信息;
将各个摄像装置所拍摄的图像信息分别与预设图像信息进行比较,获取与预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;例如,其中第二摄像装置以及第三摄像装置的预设图像信息的相似度均大于预设阈值的图像信息,此时,采用如下方法选择其中一个摄像装置的图像信息作为第一帧图像信息:
当与预设图像信息的相似度大于预设阈值的图像信息超过一个时,煤矿工作面采煤机自动定位方法进一步包括:
获取各个与预设图像信息的相似度大于预设阈值的图像信息所对应的摄像装置(第二摄像装置以及第三摄像装置)周侧的距离检测系统(第二距离检测系统以及第三距离检测系统)所获取的距离信息;
获取多个经过训练的最优位置区域分类器,一个最优位置区域分类器对应一个距离检测系统,每个最优位置区域分类器至少能够输出一个非优标签以及一个最优标签;
将各个距离信息分别输入对应的最优位置区域分类器(在本实施例中,由于只有第二摄像装置与第三摄像装置的图像信息大于预设阈值,因此,只使用第二距离检测系统以及第三距离检测系统的距离信息即可,在其他实施例中,也可以几个距离检测系统都使用),从而获取各个最优位置区域分类器所输出的标签,若只有一个最优位置区域分类器所输出的标签为最优标签(例如,在本实施例中,第三距离检测系统的距离信息输出的是最优标签),则选取该最优位置区域分类器所对应的摄像装置(即第三摄像装置)所提供的待判断图像信息作为第一帧图像信息。
获取第一帧图像信息所对应的摄像装置(第三摄像装置)在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像,第三摄像装置所拍摄的第一帧图像信息的时间为第一时间,所述第一帧图像信息以及在第三摄像装置在拍摄第一帧图像信息后在预设时间段内所拍摄的各帧图像组成第一图像组;
获取与第三摄像装置相邻的摄像装置(可以是第二摄像装置也可以是第四摄像装置,可以任选其中一个,也可以直接设定为为在第三摄像装置之后的摄像装置,即第四摄像装置,此处可以根据需要自行设定)在第一时间后所拍摄的预设时间段内的各帧图像,第四摄像装置在第一时间后所拍摄的预设时间段内的各帧图像组成第二图像组;
根据第一图像组以及第二图像组获取运动物体外围轮廓;
将运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断运动物体为所述采煤机。
本申请的方法支持人为设置静态背景,我们只需要将实时图像,和背景图像做像素差值即可,这样可以大大加快处理的速度
只对存在运动信号的前一台摄像装置,以及后一台摄像装置做帧差法计算,这样可以节约不必要的计算,快速计算出行进方向。
在本实施例中,摄像装置为cmos相机。
在本实施例中,距离检测系统可以是红外距离检测传感器,一个距离检测系统可以包括一个红外距离检测传感器,也可以包括多个距离检测传感器。
本申请还提供了一种煤矿工作面采煤机自动定位系统,煤矿工作面采煤机自动定位系统包括图像信息获取模块、预设图像信息模块、第一比较模块、第一图像组获取模块、第二图像组获取模块、外围轮廓检测模块以及采煤机判断模块,
图像信息获取模块用于获取各个摄像装置所拍摄的图像信息;
预设图像信息模块用于获取预设图像信息;
第一比较模块用于将各个摄像装置所拍摄的图像信息分别与预设图像信息进行比较,获取与预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;
第一图像组获取模块用于获取第一帧图像信息所对应的摄像装置在拍摄第一帧图像信息后在预设时间段内所拍摄的各帧图像,获取第一帧图像信息的摄像装置称为第一摄像装置,第一摄像装置所拍摄的第一帧图像信息的时间为第一时间,第一帧图像信息以及在第一摄像装置在拍摄第一帧图像信息后在预设时间段内所拍摄的各帧图像组成第一图像组;
第二图像组获取模块用于获取与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像,所述与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像组成第二图像组;
外围轮廓检测模块用于根据第一图像组以及第二图像组获取运动物体外围轮;
采煤机判断模块用于将运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断运动物体为采煤机。
本申请还提供了一种采煤机系统,所述采煤机系统包括采煤机、摄像系统以及煤矿工作面采煤机自动定位系统,
采煤机用于在煤矿工作面工作;
摄像系统包括多个摄像装置,每个摄像装置用于获取一个摄像区域的图像;
煤矿工作面采煤机自动定位系统为如上所述的煤矿工作面采煤机自动定位系统,用于实现如上所述的煤矿工作面采煤机自动定位方法。
在本实施例中,采煤机系统进一步包括距离检测系统,距离检测系统的数量为多个,一个距离检测系统对应一个与其最近的摄像装置。
在本实施例中,采煤机包括采煤机本体、采煤机灯光系统以及采煤机控制器,采煤机控制器能够接收上述的报警信号,当采煤机控制器收到上述的报警信号后,控制采煤机停止工作,并控制采煤机灯光系统进行工作,从而进行周围区域的照亮。
本申请还提供了一种电子设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,处理器执行计算机程序时实现如上的煤矿工作面采煤机自动定位方法。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时能够实现如上的煤矿工作面采煤机自动定位方法。
图2是能够实现根据本申请一个实施例提供的煤矿工作面采煤机自动定位方法的电子设备的示例性结构图。
如图2所示,电子设备包括输入设备501、输入接口502、中央处理器503、存储器504、输出接口505以及输出设备506。其中,输入接口502、中央处理器503、存储器504以及输出接口505通过总线507相互连接,输入设备501和输出设备506分别通过输入接口502和输出接口505与总线507连接,进而与电子设备的其他组件连接。具体地,输入设备504接收来自外部的输入信息,并通过输入接口502将输入信息传送到中央处理器503;中央处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器504中,然后通过输出接口505将输出信息传送到输出设备506;输出设备506将输出信息输出到电子设备的外部供用户使用。
也就是说,图2所示的电子设备也可以被实现为包括:存储有计算机可执行指令的存储器;以及一个或多个处理器,该一个或多个处理器在执行计算机可执行指令时可以实现结合图1描述的煤矿工作面采煤机自动定位方法。
在一个实施例中,图2所示的电子设备可以被实现为包括:存储器504,被配置为存储可执行程序代码;一个或多个处理器503,被配置为运行存储器504中存储的可执行程序代码,以执行上述实施例中的煤矿工作面采煤机自动定位方法。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动,媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数据多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
此外,显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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,模块、程序段、或代码的一部分包括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,两个接连地标识的方框实际上可以基本并行地执行,他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/或总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。
在本实施例中所称处理器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。
存储器可用于存储计算机程序和/或模块,处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现装置/终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在本实施例中,装置/终端设备集成的模块/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,本发明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,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,计算机程序包括计算机程序代码,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。计算机可读介质可以包括:能够携带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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。本申请虽然以较佳实施例公开如上,但其实并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此,本申请的保护范围应当以本申请权利要求所界定的范围为准。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
此外,显然“包括”一词不排除其他单元或步骤。装置权利要求中陈述的多个单元、模块或装置也可以由一个单元或总装置通过软件或硬件来实现。
虽然,上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。

Claims (6)

1.一种煤矿工作面采煤机自动定位方法,用于定位进入煤矿工作面的采煤机,所属煤矿工作面上设置有多个摄像装置,每个摄像装置用于获取一个摄像区域的图像;其特征在于,所述煤矿工作面采煤机自动定位方法包括:
获取各个摄像装置所拍摄的图像信息;
获取预设图像信息;
将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;
获取所述第一帧图像信息所对应的摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像,获取所述第一帧图像信息的摄像装置称为第一摄像装置,所述第一摄像装置所拍摄的第一帧图像信息的时间为第一时间,所述第一帧图像信息以及所述第一摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像组成第一图像组;
获取与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像,所述与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像组成第二图像组;
根据第一图像组以及第二图像组获取运动物体外围轮廓;
将所述运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断所述运动物体为所述采煤机;所述预设图像信息为预设HSV信息;
所述将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息包括:
对获取的各个摄像装置所拍摄的图像信息进行预处理,从而获取每个图像的HSV信息;
将各个HSV信息分别与预设HSV信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;所述根据第一图像组以及第二图像组获取运动物体外围轮廓包括:
对第一图像组以及第二图像组中的每个图像进行处理,从而分别获取各个图像对应的待检测HSV信息;
对第一图像组以及第二图像组通过帧差法进行运动检测,从而获取运动物体轮廓;
通过Canny边缘检测算法提取运动物体轮廓的边缘信息,从而获取运动物体外围轮廓;每个所述摄像装置周侧设置有一个距离检测系统,每个距离检测系统的检测方向与其周侧的摄像装置的拍摄方向相同,一个距离检测系统对应一个与其最近的摄像装置;
当与所述预设图像信息的相似度大于于预设阈值的图像信息超过一个时,所述煤矿工作面采煤机自动定位方法进一步包括:
获取各个与所述预设图像信息的相似度大于预设阈值的图像信息所对应的摄像装置周侧的距离检测系统所获取的距离信息;
根据各个所述距离信息确定与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息,各个相似度大于预设阈值的图像信息称为待判断图像信息;所述根据各个所述距离信息确定与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息包括:
获取多个经过训练的最优位置区域分类器,一个最优位置区域分类器对应一个距离检测系统,每个最优位置区域分类器至少能够输出一个非优标签以及一个最优标签;
将各个距离信息分别输入对应的最优位置区域分类器,从而获取各个最优位置区域分类器所输出的标签,若只有一个最优位置区域分类器所输出的标签为最优标签,则选取该最优位置区域分类器所对应的摄像装置所提供的待判断图像信息作为所述第一帧图像信息。
2.如权利要求1所述的煤矿工作面采煤机自动定位方法,其特征在于,所述各个距离检测系统沿所述煤矿工作面的深度方向依次排列,每个距离检测系统均具有一个序号标签,依各个距离检测系统靠近煤矿工作面的出口的距离,各个序号标签以从小到大的方式依次设置;
所述根据各个所述距离信息确定选择与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息进一步包括:
将各个距离信息分别输入对应的最优位置区域分类器,从而获取各个最优位置区域分类器所输出的标签,若有超过一个最优位置区域分类器所输出的标签为最优标签,则
选取各个最优位置区域分类器所对应的距离检测系统中序号标签最大的距离检测系统周侧的摄像装置所提供的待判断图像信息作为所述第一帧图像信息。
3.如权利要求1所述的煤矿工作面采煤机自动定位方法,其特征在于,所述煤矿工作面采煤机自动定位方法进一步包括:
将所述运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则生成报警信号。
4.一种煤矿工作面采煤机自动定位系统,其特征在于,所述煤矿工作面采煤机自动定位系统包括:
图像信息获取模块,所述图像信息获取模块用于获取各个摄像装置所拍摄的图像信息;
预设图像信息模块,所述预设图像信息模块用于获取预设图像信息;
第一比较模块,所述第一比较模块用于将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;
第一图像组获取模块,所述第一图像组获取模块用于获取所述第一帧图像信息所对应的摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像,获取所述第一帧图像信息的摄像装置称为第一摄像装置,所述第一摄像装置所拍摄的第一帧图像信息的时间为第一时间,所述第一帧图像信息以及所述第一摄像装置在拍摄所述第一帧图像信息后在预设时间段内所拍摄的各帧图像组成第一图像组;
第二图像组获取模块,所述第二图像组获取模块用于获取与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像,所述与第一摄像装置相邻的摄像装置在第一时间后所拍摄的所述预设时间段内的各帧图像组成第二图像组;
外围轮廓检测模块,所述外围轮廓检测模块用于根据第一图像组以及第二图像组获取运动物体外围轮;
采煤机判断模块,所述采煤机判断模块用于将所述运动物体外围轮廓与预设外围轮廓进行相似度计算,若相似度大于阈值,则判断所述运动物体为所述采煤机;其中,
所述预设图像信息为预设HSV信息;
所述将各个所述摄像装置所拍摄的图像信息分别与所述预设图像信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息包括:
对获取的各个摄像装置所拍摄的图像信息进行预处理,从而获取每个图像的HSV信息;
将各个HSV信息分别与预设HSV信息进行比较,获取与所述预设图像信息的相似度大于预设阈值的图像信息作为第一帧图像信息;
所述根据第一图像组以及第二图像组获取运动物体外围轮廓包括:
对第一图像组以及第二图像组中的每个图像进行处理,从而分别获取各个图像对应的待检测HSV信息;
对第一图像组以及第二图像组通过帧差法进行运动检测,从而获取运动物体轮廓;
通过Canny边缘检测算法提取运动物体轮廓的边缘信息,从而获取运动物体外围轮廓;每个所述摄像装置周侧设置有一个距离检测系统,每个距离检测系统的检测方向与其周侧的摄像装置的拍摄方向相同,一个距离检测系统对应一个与其最近的摄像装置;
当与所述预设图像信息的相似度大于预设阈值的图像信息超过一个时,所述煤矿工作面采煤机自动定位方法进一步包括:
获取各个与所述预设图像信息的相似度大于预设阈值的图像信息所对应的摄像装置周侧的距离检测系统所获取的距离信息;
所述根据各个所述距离信息确定与所述预设图像信息的相似度大于预设阈值的图像信息中的一个作为所述第一帧图像信息包括:
获取多个经过训练的最优位置区域分类器,一个最优位置区域分类器对应一个距离检测系统,每个最优位置区域分类器至少能够输出一个非优标签以及一个最优标签;
将各个距离信息分别输入对应的最优位置区域分类器,从而获取各个最优位置区域分类器所输出的标签,若只有一个最优位置区域分类器所输出的标签为最优标签,则选取该最优位置区域分类器所对应的摄像装置所提供的待判断图像信息作为所述第一帧图像信息。
5.一种采煤机系统,其特征在于,所述采煤机系统包括:
采煤机,所述采煤机用于在煤矿工作面工作;
摄像系统,所述摄像系统包括多个摄像装置,每个摄像装置用于获取一个摄像区域的图像;
煤矿工作面采煤机自动定位系统,所述煤矿工作面采煤机自动定位系统为如权利要求4所述的煤矿工作面采煤机自动定位系统,用于实现如权利要求1至3中任意一项所述的煤矿工作面采煤机自动定位方法。
6.如权利要求5所述的采煤机系统,其特征在于,所述采煤机系统进一步包括:
距离检测系统,所述距离检测系统的数量为多个,一个距离检测系统对应一个与其最近的所述摄像装置。
CN202210153543.1A 2022-02-18 2022-02-18 一种煤矿工作面采煤机自动定位方法及装置 Active CN114897762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210153543.1A CN114897762B (zh) 2022-02-18 2022-02-18 一种煤矿工作面采煤机自动定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210153543.1A CN114897762B (zh) 2022-02-18 2022-02-18 一种煤矿工作面采煤机自动定位方法及装置

Publications (2)

Publication Number Publication Date
CN114897762A CN114897762A (zh) 2022-08-12
CN114897762B true CN114897762B (zh) 2023-04-07

Family

ID=82715221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210153543.1A Active CN114897762B (zh) 2022-02-18 2022-02-18 一种煤矿工作面采煤机自动定位方法及装置

Country Status (1)

Country Link
CN (1) CN114897762B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115629043B (zh) * 2022-11-28 2023-04-28 中国科学院过程工程研究所 锌精矿物料回收取样检测方法及检测系统
CN117590824B (zh) * 2024-01-19 2024-04-02 杭州市水务集团有限公司 一种净水工艺中沉砂池控制方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020038109A1 (zh) * 2018-08-22 2020-02-27 Oppo广东移动通信有限公司 拍照方法、装置、终端及计算机可读存储介质
CN113111213A (zh) * 2021-04-23 2021-07-13 大同市巴什卡机械制造有限公司 一种仓储系统自动存储物品方法及装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140037896A (ko) * 2011-06-27 2014-03-27 챤?헝 스포츠 모션 비디오 분석 방법
CN104574440A (zh) * 2014-12-30 2015-04-29 安科智慧城市技术(中国)有限公司 一种视频运动目标跟踪方法及装置
CN104732220B (zh) * 2015-04-03 2017-12-22 中国人民解放军国防科学技术大学 一种面向监控视频的特定颜色人体检测方法
CN108921130B (zh) * 2018-07-26 2022-03-01 聊城大学 基于显著性区域的视频关键帧提取方法
CN109272530B (zh) * 2018-08-08 2020-07-21 北京航空航天大学 面向空基监视场景的目标跟踪方法与装置
CN109146927B (zh) * 2018-09-06 2021-08-27 广州市保伦电子有限公司 一种基于机器视觉的图像追踪定位方法及系统
CN110232330B (zh) * 2019-05-23 2020-11-06 复钧智能科技(苏州)有限公司 一种基于视频检测的行人重识别方法
CN110879995A (zh) * 2019-12-02 2020-03-13 上海秒针网络科技有限公司 目标物品检测方法及装置、存储介质及电子装置
CN111223129A (zh) * 2020-01-10 2020-06-02 深圳中兴网信科技有限公司 检测方法、检测装置、监控设备和计算机可读存储介质
CN111539990A (zh) * 2020-04-20 2020-08-14 深圳Tcl数字技术有限公司 运动物体位置检测方法、装置、设备及介质
US11830160B2 (en) * 2020-05-05 2023-11-28 Nvidia Corporation Object detection using planar homography and self-supervised scene structure understanding
CN112150512B (zh) * 2020-09-30 2023-12-15 中国科学院上海微系统与信息技术研究所 融合背景差分法和聚类法的弹着点定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020038109A1 (zh) * 2018-08-22 2020-02-27 Oppo广东移动通信有限公司 拍照方法、装置、终端及计算机可读存储介质
CN113111213A (zh) * 2021-04-23 2021-07-13 大同市巴什卡机械制造有限公司 一种仓储系统自动存储物品方法及装置

Also Published As

Publication number Publication date
CN114897762A (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN114897762B (zh) 一种煤矿工作面采煤机自动定位方法及装置
CN110443210B (zh) 一种行人跟踪方法、装置以及终端
EP3709266A1 (en) Human-tracking methods, apparatuses, systems, and storage media
CN107105159B (zh) 基于SoC的嵌入式运动目标实时检测跟踪系统及方法
US10846515B2 (en) Efficient face detection and tracking
CN109727275B (zh) 目标检测方法、装置、系统和计算机可读存储介质
KR20210014774A (ko) 트랙커 보조 이미지 캡쳐
US10949984B2 (en) Object tracking system and method thereof
CN111814690B (zh) 一种目标重识别方法、装置和计算机可读存储介质
WO2019076187A1 (zh) 视频遮蔽区域选取方法、装置、电子设备及系统
EP3495989A1 (en) Best image crop selection
US10733423B2 (en) Image processing apparatus, image processing method, and storage medium
US20210074001A1 (en) Motion Detection Method and Motion Detection System with Low Computational Complexity and High Detection Accuracy
CN110781770A (zh) 基于人脸识别的活体检测方法、装置及设备
CN111582032A (zh) 行人检测方法、装置、终端设备及存储介质
CN113505682A (zh) 活体检测方法及装置
CN113869137A (zh) 事件检测方法、装置、终端设备及存储介质
CN110378934B (zh) 主体检测方法、装置、电子设备和计算机可读存储介质
Chang et al. Parallel design of background subtraction and template matching modules for image objects tracking system
CN114495025A (zh) 一种车辆识别方法、装置、电子设备及存储介质
CN110399823B (zh) 主体跟踪方法和装置、电子设备、计算机可读存储介质
CN111160340A (zh) 一种运动目标检测方法、装置、存储介质及终端设备
CN112949423B (zh) 物体识别方法、物体识别装置及机器人
CN107403192B (zh) 一种基于多分类器的快速目标检测方法及系统
Abdusalomov et al. Robust shadow removal technique for improving image enhancement based on segmentation method

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