CN115544473B - 一种光伏发电站运维终端登录控制系统 - Google Patents
一种光伏发电站运维终端登录控制系统 Download PDFInfo
- Publication number
- CN115544473B CN115544473B CN202211101491.XA CN202211101491A CN115544473B CN 115544473 B CN115544473 B CN 115544473B CN 202211101491 A CN202211101491 A CN 202211101491A CN 115544473 B CN115544473 B CN 115544473B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- refpix
- bpix
- representing
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种光伏发电站运维终端登录控制系统,包括摄像模块、自适应灰度化模块、特征获取模块和控制模块;摄像模块用于获取员工的头部图像;自适应灰度化模块用于对头部图像进行自适应灰度化处理,获得灰度图像:特征提取模块用于获取灰度图像中包含的特征信息;控制模块用于基于特征信息对运维终端进行登录控制。本发明既能够实现对非关键像素点的快速灰度化处理,又能够最大程度地保留图像的细节信息,为人脸识别提供了高质量的图像,从而有效地提高了人脸识别的成功率。
Description
技术领域
本发明涉及登录控制领域,特别是涉及一种光伏发电站运维终端登录控制系统。
背景技术
光伏发电站在运行过程中,需要定期对设备进行运维处理,包括对逆变器等设备的运行状态进行检查,对发电板进行清灰,检查线缆连接是否异常等。现有技术中,一般是通过系统派单的方式让相应的员工去进行运维处理,员工处理时需要通过手持的运维终端拍摄现场的视频或图像等作为工作证明上传到系统。现有的运维终端一般是通过人脸识别的方式来进行登录控制,通过人脸识别的方式确认运维终端使用者是本人。现有的运维终端在人脸识别的过程中一般是直接对灰度化后的图像进行图像识别,从而判断运维终端的使用者是否为本人。但是,现有技术中,图像在灰度化的过程中,由于图像是从多个颜色通道转到单个颜色通道,现有技术直接对所有像素点采用了同样的灰度化处理方式,因此,细节信息会有比较多的损失,从而影响运维终端成功进行人脸识别的概率,导致可能需要重复进行人脸识别的过程。
发明内容
本发明的目的在于公开一种光伏发电站运维终端登录控制系统,解决现有的光伏发电站运维终端在登录验证时,直接对所有像素点进行同样的灰度化后获得的图像进行识别,由于细节信息损失,降低了人脸识别的成功率的问题。
为了达到上述目的,本发明采用如下技术方案:
一种光伏发电站运维终端登录控制系统,包括摄像模块、自适应灰度化模块、特征获取模块和控制模块;
摄像模块用于获取员工的头部图像;
自适应灰度化模块用于对头部图像进行自适应灰度化处理,获得灰度图像:
获取头部图像的亮度分量图像P;
使用自适应提取算法获取亮度分量图像P中的关键像素点的集合blset;
将集合blset中的关键像素点在头部图像中对应的像素点存入集合alset;
将头部图像中不属于集合alset的像素点存入集合clset;
采用加权平均法对集合clset中的像素点进行灰度化处理,获得集合clset中的像素点在灰度图像agrpro中的像素值;
获取集合clset中的参考像素点refpix;
采用加权平均法对参考像素点refpix进行灰度化处理,获得refpix在灰度图像agrpro中的像素值;
使用如下公式对alset中的像素点进行灰度化处理,获得alset中的像素点在灰度图像agrpro中的像素值:
其中,agrproapix表示alset中的像素点apix在灰度图像agrpro中的像素值,α、β表示权重参数,Papix和Prefpix分别表示apix和refpix在亮度分量图像P中的像素值,grprorefpix表示refpix在灰度图像agrpro中的像素值,grk表示设定的常数参数;
特征提取模块用于获取灰度图像中包含的特征信息;
控制模块用于基于特征信息对运维终端进行登录控制。
作为优选,所述采用加权平均法对集合clset中的像素点进行灰度化处理,获得集合clset中的像素点在灰度图像agrpro中的像素值,包括:
使用如下公式对clset中的像素点进行处理:
grprorefpix=c1×Rrefpix+c2×Grefpix+c3×Brefpix
其中,grprorefpix表示clset中的像素点refpix在灰度图像grpro中的灰度值,c1、c2、c3表示设定的计算系数,R、G、B分别表示头部图像在RGB颜色空间中的红色分量、绿色分量、蓝色分量的图像;Rrefpix、Grefpix、Brefpix分别表示refpix在R、G、B中对应的像素点的像素值。
作为优选,所述亮度分量图像P为头部图像在Lab颜色空间中的亮度分量对应的图像。
作为优选,所述使用自适应提取算法获取亮度分量图像P中的关键像素点的集合blset,包括:
采用如下公式分别计算亮度分量图像中的每个像素点的判断参数:
其中,jdtprbpix表示像素点bpix的判断参数,w1、w2、w3、w4表示预设的比例系数,difwneibpix表示像素点bpix的邻域差异值,strdif表示预设的领域差异值标准值,numofkeybpix表示像素点bpix的D×D大小的邻域中,关键像素点的数量,keynum表示关键像素点数量的标准值,numoflrgbpix表示像素点bpix的D×D大小的邻域中,大于设定的像素值阈值的像素点的数量,gradvlbpix表示像素点bpix的梯度幅值,strgrdl表示预设的梯度幅值标准值;
将判断参数大于设定的判断参数阈值的像素点作为关键像素点存入集合blset。
作为优选,所述邻域差异值采用如下公式计算:
其中,neiD表示像素点bpix的D×D大小的邻域中的像素点的集合,lrst(bpix,d)表示像素点bpix和像素点d之间的直线距离,lrstvrc表示距离方差,gradvlbpix和gradvld分别表示像素点bpix和像素点d梯度幅值,gdlvrc表示幅值方差。
作为优选,所述距离方差采用如下公式计算:
作为优选,所述幅值方差采用如下公式计算:
作为优选,所述基于特征信息对运维终端进行登录控制,包括:
判断特征提取模块获取的特征信息与预先存入的特征信息之间的相似度是否大于设定的相似度门槛值,若是,则表示员工通过登录验证,若否,则表示员工没有通过登录验证。
本发明在光伏发电站运维终端进行登录控制时,并不是直接对灰度化后的图像进行人脸识别,而是采用了先获取关键像素点,然后获取参考像素点,接着分别采用不同的方式对关键像素点和非关键像素点进行了灰度化处理,最后再基于灰度化处理的结果进行登录控制。这样的处理方式,既能够实现对非关键像素点的快速灰度化处理,又能够最大程度地保留图像的细节信息,为人脸识别提供了高质量的图像,从而有效地提高了人脸识别的成功率。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明一种光伏发电站运维终端登录控制系统的一种实施例图。
图2为本发明控制模块的一种实施例图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其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。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种光伏发电站运维终端登录控制系统,包括摄像模块、自适应灰度化模块、特征获取模块和控制模块;
摄像模块用于获取员工的头部图像;
自适应灰度化模块用于对头部图像进行自适应灰度化处理,获得灰度图像:
获取头部图像的亮度分量图像P;
使用自适应提取算法获取亮度分量图像P中的关键像素点的集合blset;
将集合blset中的关键像素点在头部图像中对应的像素点存入集合alset;
将头部图像中不属于集合alset的像素点存入集合clset;
采用加权平均法对集合clset中的像素点进行灰度化处理,获得集合clset中的像素点在灰度图像agrpro中的像素值;
获取集合clset中的参考像素点refpix;
采用加权平均法对参考像素点refpix进行灰度化处理,获得refpix在灰度图像agrpro中的像素值;
使用如下公式对alset中的像素点进行灰度化处理,获得alset中的像素点在灰度图像agrpro中的像素值:
其中,agrproapix表示alset中的像素点apix在灰度图像agrpro中的像素值,α、β表示权重参数,Papix和Prefpix分别表示apix和refpix在亮度分量图像P中的像素值,grprorefpix表示refpix在灰度图像agrpro中的像素值,grk表示设定的常数参数;
特征提取模块用于获取灰度图像中包含的特征信息;
控制模块用于基于特征信息对运维终端进行登录控制。
本发明在光伏发电站运维终端进行登录控制时,并不是直接对灰度化后的图像进行人脸识别,而是采用了先获取关键像素点,然后获取参考像素点,接着分别采用不同的方式对关键像素点和非关键像素点进行了灰度化处理,最后再基于灰度化处理的结果进行登录控制。这样的处理方式,既能够实现对非关键像素点的快速灰度化处理,又能够最大程度地保留图像的细节信息,为人脸识别提供了高质量的图像,从而有效地提高了人脸识别的成功率。
作为优选,所述亮度分量图像P为头部图像在Lab颜色空间中的亮度分量所对应的图像。
在Lab颜色空间中,图像的边缘信息仅由亮度分量进行表示,不像RGB颜色空间需要由多个颜色通道转为单个颜色通道,因此,基于亮度分量图像来对关键像素点进行灰度化处理,能够有效地保留图像中的边缘信息和细节信息。
作为优选,所述采用加权平均法对集合clset中的像素点进行灰度化处理,获得集合clset中的像素点在灰度图像agrpro中的像素值,包括:
使用如下公式对clset中的像素点进行处理:
grprorefpix=c1×Rrefpix+c2×Grefpix+c3×Brefpix
其中,grprorefpix表示clset中的像素点refpix在灰度图像grpro中的灰度值,c1、c2、c3表示设定的计算系数,R、G、B分别表示头部图像在RGB颜色空间中的红色分量、绿色分量、蓝色分量的图像;Rrefpix、Grefpix、Brefpix分别表示refpix在R、G、B中对应的像素点的像素值。
作为优选,所述获取集合clset中的参考像素点refpix,包括:
分别计算clset中的每个像素点在RGB颜色空间中的分量差异值;
将分量差异值最小的像素点作为参考像素点refpix;
对于clset中的像素点cpix,其分量差异值cpdfvlcpix的计算公式为:
cpdfvlcpix=|Rcpix-Gcpix|+|Rcpix-Bcpix|+|Gcpix-Bcpix|
其中,Rcpix、Gcpix、Bcpix分别表示像素点cpix在R、G、B中对应的像素点的像素值。
参考像素点的选取准则为在RGB颜色空间中进行灰度化处理后,边缘信息丢失程度最小,而当像素点在三个颜色空间中的像素值差异最小时,进行灰度化处理后,像素值变化程度最小,因此,可以作为参考像素点。这样的选择方式,进一步保留了原图像的细节信息。
作为优选,所述亮度分量图像P为头部图像在Lab颜色空间中的亮度分量对应的图像。
作为优选,所述使用自适应提取算法获取亮度分量图像P中的关键像素点的集合blset,包括:
采用如下公式分别计算亮度分量图像中的每个像素点的判断参数:
其中,jdtprbpix表示像素点bpix的判断参数,w1、w2、w3、w4表示预设的比例系数,difwneibpix表示像素点bpix的邻域差异值,strdif表示预设的领域差异值标准值,numofkeybpix表示像素点bpix的D×D大小的邻域中,关键像素点的数量,keynum表示关键像素点数量的标准值,numoflrgbpix表示像素点bpix的D×D大小的邻域中,大于设定的像素值阈值的像素点的数量,gradvlbpix表示像素点bpix的梯度幅值,strgrdl表示预设的梯度幅值标准值;
将判断参数大于设定的判断参数阈值的像素点作为关键像素点存入集合blset。
判断参数在计算的过程中,从邻域差异,邻域中关键像素点的数量,大于设定的像素值阈值的像素点的数量,梯度幅值这几个方面进行综合考虑,能够选出属于图像的边缘或者是接近图像的边缘的像素点作为关键像素点。邻域差异越大,邻域中关键像素点的数量越多,大于设定的像素值阈值的像素点的数量越大,梯度幅值越大,则判断参数越大,表示像素点属于关键像素点的概率越大,然后通过设置判断参数阈值便能得到关键像素点。
作为优选,所述邻域差异值采用如下公式计算:
其中,neiD表示像素点bpix的D×D大小的邻域中的像素点的集合,lrst(bpix,d)表示像素点bpix和像素点d之间的直线距离,lrstvrc表示距离方差,gradvlbpix和gradvld分别表示像素点bpix和像素点d梯度幅值,gdlvrc表示幅值方差。
领域差异值从直线距离和梯度幅值的差异这两方面进行考虑,像素点bpix与邻域的像素点之间的直线距离越小,梯度幅值差异越大,则邻域中的该像素点的重要程度越高,从而使得邻域差异值越大,从而有效地反映neiD中的像素点与像素点bpix之间的加权差异。本发明并不是直接计算像素值的差异,因为可能会受到噪声的影响,因此,本发明计算的是加权差异,通过加权的方式来降低噪声的影响,从而提高了判断参数的准确率,使得判断参数能够准确表示像素点bpix与neiD中的像素点之间的差异。
作为优选,所述距离方差采用如下公式计算:
作为优选,所述幅值方差采用如下公式计算:
作为优选,所述基于特征信息对运维终端进行登录控制,包括:
判断特征提取模块获取的特征信息与预先存入的特征信息之间的相似度是否大于设定的相似度门槛值,若是,则表示员工通过登录验证,若否,则表示员工没有通过登录验证。
作为优选,如图2所示,所述控制模块包括数据库单元、判断单元和控制单元;
数据库单元用于存储预先存入的员工的特征信息;
判断单元用于判断判断特征提取模块获取的特征信息与预先存入的特征信息之间的相似度是否大于设定的相似度门槛值;
控制单元用于在员工通过登录验证后,控制光伏发电站运维终端从登录界面进入到操作界面。
作为优选,光伏发电站运维终端登录控制系统还包括定位模块,定位模块用于获取光伏发电站运维终端当前的位置信息。
作为优选,摄像模块包括前摄单元和后摄单元;
前摄单元用于获取员工的头部图像;
后摄单元用于员工在对光伏发电站的设备进行运维时,拍摄运维现场的照片或录像,照片或录像中包含了所述位置信息。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.一种光伏发电站运维终端登录控制系统,其特征在于,包括摄像模块、自适应灰度化模块、特征获取模块和控制模块;
摄像模块用于获取员工的头部图像;
自适应灰度化模块用于对头部图像进行自适应灰度化处理,获得灰度图像:
获取头部图像的亮度分量图像P;
使用自适应提取算法获取亮度分量图像P中的关键像素点的集合blset;
将集合blset中的关键像素点在头部图像中对应的像素点存入集合alset;
将头部图像中不属于集合alset的像素点存入集合clset;
采用加权平均法对集合clset中的像素点进行灰度化处理,获得集合clset中的像素点在灰度图像agrpro中的像素值;
获取集合clset中的参考像素点refpix;
采用加权平均法对参考像素点refpix进行灰度化处理,获得refpix在灰度图像agrpro中的像素值;
使用如下公式对alset中的像素点进行灰度化处理,获得alset中的像素点在灰度图像agrpro中的像素值:
其中,agrproapix表示alset中的像素点apix在灰度图像agrpro中的像素值,α、β表示权重参数,Papix和Prefpix分别表示apix和refpix在亮度分量图像P中的像素值,grprorefpix表示refpix在灰度图像agrpro中的像素值,grk表示设定的常数参数;
特征提取模块用于获取灰度图像中包含的特征信息;
控制模块用于基于特征信息对运维终端进行登录控制;
所述使用自适应提取算法获取亮度分量图像P中的关键像素点的集合blset,包括:
采用如下公式分别计算亮度分量图像中的每个像素点的判断参数:
其中,jdtprbpix表示像素点bpix的判断参数,w1、w2、w3、w4表示预设的比例系数,difwneibpix表示像素点bpix的邻域差异值,strdif表示预设的领域差异值标准值,numofkeybpix表示像素点bpix的D×D大小的邻域中,关键像素点的数量,keynum表示关键像素点数量的标准值,numoflrgbpix表示像素点bpix的D×D大小的邻域中,大于设定的像素值阈值的像素点的数量,gradvlbpix表示像素点bpix的梯度幅值,strgrdl表示预设的梯度幅值标准值;
将判断参数大于设定的判断参数阈值的像素点作为关键像素点存入集合blset。
2.根据权利要求1所述的一种光伏发电站运维终端登录控制系统,其特征在于,所述采用加权平均法对集合clset中的像素点进行灰度化处理,获得集合clset中的像素点在灰度图像agrpro中的像素值,包括:
使用如下公式对clset中的像素点进行处理:
grprorefpix=c1×Rrefpix+c2×Grefpix+c3×Brefpix
其中,grprorefpix表示clset中的像素点refpix在灰度图像grpro中的灰度值,c1、c2、c3表示设定的计算系数,R、G、B分别表示头部图像在RGB颜色空间中的红色分量、绿色分量、蓝色分量的图像;Rrefpix、Grefpix、Brefpix分别表示refpix在R、G、B中对应的像素点的像素值。
3.根据权利要求1所述的一种光伏发电站运维终端登录控制系统,其特征在于,所述亮度分量图像P为头部图像在Lab颜色空间中的亮度分量对应的图像。
4.根据权利要求1所述的一种光伏发电站运维终端登录控制系统,其特征在于,所述邻域差异值采用如下公式计算:
其中,neiD表示像素点bpix的D×D大小的邻域中的像素点的集合,lrst(bpix,d)表示像素点bpix和像素点d之间的直线距离,lrstvrc表示距离方差,gradvlbpix和gradvld分别表示像素点bpix和像素点d梯度幅值,gdlvrc表示幅值方差。
5.根据权利要求4所述的一种光伏发电站运维终端登录控制系统,其特征在于,所述距离方差采用如下公式计算:
6.根据权利要求4所述的一种光伏发电站运维终端登录控制系统,其特征在于,所述幅值方差采用如下公式计算:
7.根据权利要求1所述的一种光伏发电站运维终端登录控制系统,其特征在于,所述基于特征信息对运维终端进行登录控制,包括:
判断特征提取模块获取的特征信息与预先存入的特征信息之间的相似度是否大于设定的相似度门槛值,若是,则表示员工通过登录验证,若否,则表示员工没有通过登录验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211101491.XA CN115544473B (zh) | 2022-09-09 | 2022-09-09 | 一种光伏发电站运维终端登录控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211101491.XA CN115544473B (zh) | 2022-09-09 | 2022-09-09 | 一种光伏发电站运维终端登录控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115544473A CN115544473A (zh) | 2022-12-30 |
CN115544473B true CN115544473B (zh) | 2023-11-21 |
Family
ID=84724987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211101491.XA Active CN115544473B (zh) | 2022-09-09 | 2022-09-09 | 一种光伏发电站运维终端登录控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115544473B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253800A (zh) * | 2011-06-15 | 2011-11-23 | 北京工业大学 | 一种有效的图像自适应方法 |
CN104111960A (zh) * | 2013-04-22 | 2014-10-22 | 阿里巴巴集团控股有限公司 | 一种页面的匹配方法和装置 |
CN104820980A (zh) * | 2015-04-15 | 2015-08-05 | 北京空间机电研究所 | 自适应高精度mtf测量方法 |
WO2017166597A1 (zh) * | 2016-03-31 | 2017-10-05 | 乐视控股(北京)有限公司 | 一种卡通视频识别方法、装置和电子设备 |
CN111353429A (zh) * | 2020-02-28 | 2020-06-30 | 深圳壹账通智能科技有限公司 | 基于眼球转向的感兴趣度方法与系统 |
CN112487943A (zh) * | 2020-11-25 | 2021-03-12 | 北京有竹居网络技术有限公司 | 关键帧去重的方法、装置和电子设备 |
CN112991211A (zh) * | 2021-03-12 | 2021-06-18 | 中国大恒(集团)有限公司北京图像视觉技术分公司 | 一种工业相机暗角校正方法 |
CN114780939A (zh) * | 2022-06-21 | 2022-07-22 | 北京奥康达体育产业股份有限公司 | 一种室外健身车登录控制系统 |
CN114936981A (zh) * | 2022-06-10 | 2022-08-23 | 重庆尚优科技有限公司 | 一种基于云平台的场所扫码登记系统 |
-
2022
- 2022-09-09 CN CN202211101491.XA patent/CN115544473B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253800A (zh) * | 2011-06-15 | 2011-11-23 | 北京工业大学 | 一种有效的图像自适应方法 |
CN104111960A (zh) * | 2013-04-22 | 2014-10-22 | 阿里巴巴集团控股有限公司 | 一种页面的匹配方法和装置 |
CN104820980A (zh) * | 2015-04-15 | 2015-08-05 | 北京空间机电研究所 | 自适应高精度mtf测量方法 |
WO2017166597A1 (zh) * | 2016-03-31 | 2017-10-05 | 乐视控股(北京)有限公司 | 一种卡通视频识别方法、装置和电子设备 |
CN111353429A (zh) * | 2020-02-28 | 2020-06-30 | 深圳壹账通智能科技有限公司 | 基于眼球转向的感兴趣度方法与系统 |
CN112487943A (zh) * | 2020-11-25 | 2021-03-12 | 北京有竹居网络技术有限公司 | 关键帧去重的方法、装置和电子设备 |
CN112991211A (zh) * | 2021-03-12 | 2021-06-18 | 中国大恒(集团)有限公司北京图像视觉技术分公司 | 一种工业相机暗角校正方法 |
CN114936981A (zh) * | 2022-06-10 | 2022-08-23 | 重庆尚优科技有限公司 | 一种基于云平台的场所扫码登记系统 |
CN114780939A (zh) * | 2022-06-21 | 2022-07-22 | 北京奥康达体育产业股份有限公司 | 一种室外健身车登录控制系统 |
Non-Patent Citations (3)
Title |
---|
A Modified Multiple Self-adaptive Thresholds Fast Feature Points Extraction Algorithm Based on Image Gray Clustering;Ying Ma; Lin Shi;ACES(第2017期);1-5 * |
孙可 ; 叶庆 ; 孙晓泉 ; .目标区域局部特征和局部图像质量相结合的激光干扰效果评估.国防科技大学学报.2020,(第01期),全文. * |
目标区域局部特征和局部图像质量相结合的激光干扰效果评估;孙可;叶庆;孙晓泉;;国防科技大学学报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115544473A (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503719B (zh) | 一种物体颜色提取与检测方法及装置 | |
JP6715289B2 (ja) | 映像処理装置、映像処理方法、および映像処理プログラム | |
CN109584191B (zh) | 一种基于直方图的自适应图像增强方法及终端 | |
CN111489346B (zh) | 一种全参考图像质量评价方法及系统 | |
US9418426B1 (en) | Model-less background estimation for foreground detection in video sequences | |
US9123102B2 (en) | Image processing apparatus, imaging apparatus, image processing method, and computer readable medium storing instructions for performing image correction | |
CN113824945B (zh) | 一种基于深度学习的快速自动白平衡和颜色矫正方法 | |
KR20120133646A (ko) | 객체 수 추정 장치 및 방법 | |
CN115544473B (zh) | 一种光伏发电站运维终端登录控制系统 | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
CN113132639B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
Kinoshita et al. | Hue-correction scheme considering CIEDE2000 for color-image enhancement including deep-learning-based algorithms | |
CN113310992A (zh) | 一种基于图像识别技术的压铸成品检测系统 | |
CN116582693B (zh) | 一种基于视频资源池的摄像头调用管控方法 | |
CN110633657B (zh) | 一种高炉崩料预测方法 | |
CN116343100A (zh) | 一种基于自监督学习的目标识别方法及系统 | |
CN113469980B (zh) | 一种基于图像处理的法兰识别方法 | |
CN112150544B (zh) | 吊钩到位检测方法、装置和计算机可读介质 | |
Vazquez-Corral et al. | Angular-based preprocessing for image denoising | |
CN109544466B (zh) | 一种基于引导滤波的彩色图像Retinex增强方法 | |
CN112565675B (zh) | 一种基于视频监控的变电站工作人员异常行为识别系统 | |
Och et al. | Optimization of probability distributions for residual coding of screen content | |
CN112532938A (zh) | 一种基于大数据技术的视频监控系统 | |
US20140064606A1 (en) | Image processing apparatus and image processing method | |
CN111160366A (zh) | 一种彩色图像识别方法 |
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 |