CN115880323B - 一种热成像定位的区域密度人口的绿化环保方法及设备 - Google Patents
一种热成像定位的区域密度人口的绿化环保方法及设备 Download PDFInfo
- Publication number
- CN115880323B CN115880323B CN202310128115.8A CN202310128115A CN115880323B CN 115880323 B CN115880323 B CN 115880323B CN 202310128115 A CN202310128115 A CN 202310128115A CN 115880323 B CN115880323 B CN 115880323B
- Authority
- CN
- China
- Prior art keywords
- population
- moving image
- personnel
- edge detection
- thermodynamic diagram
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001931 thermography Methods 0.000 title claims abstract description 24
- 238000010586 diagram Methods 0.000 claims abstract description 57
- 238000003708 edge detection Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 238000012706 support-vector machine Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005315 distribution function Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请提供了一种热成像定位的区域密度人口的绿化环保方法及设备，运用于图像数据处理技术领域，其方法包括：实时获取所拍摄的人口活动图像，并解析人口活动图像中进行移动的人员像素点变动；根据所述像素点变动导入至预设的边缘检测模型中，以通过边缘检测模型导出形成热力图，其中边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图；对热力图进行显示，并判断热力图中的色彩阈值是否达到预设的绿化环保指标；若达到，则生成绿化环保信号；精准执行绿化环保方案。
Description
技术领域
本申请涉及图像数据处理技术领域，特别涉及一种热成像定位的区域密度人口的绿化环保方法及设备。
背景技术
热像仪是利用红外探测器和光学成像物镜接收被测目标的红外辐射能量，并将能量分布图形反映到红外探测器的光敏元件，从而获得红外热像图，其中，热像图与物体表面的热分布场相对应；在现有的区域密度人口测算方法中，采用的方式有如下几种：
（1）利用信息化的基站无线网络通讯测算方法；
（2）利用城市道路的划分和卫星通讯定位的测算方法；
（3）利用城市视频采集，来统计人流测速的区域人口密度的方法；
此上三点皆统计不精准，导致实施绿化环保方案时目标不准确，其分别为，针对于上述1，基站覆盖面不能完全覆盖城市，且部分位置（例如隧道）通讯不良，造价高；针对于上述2，其方案过度依赖智能设备（如智能手机）的无线单元，而对于无无线单元的终端或者无智能设备的人口无法达到精准测算；针对于上述3，视频采集的摄影设备需大量分布，造价成本极高，同时对于数据的统计仍然做不到完整的归一化数据流。
根据上述三种方式及其弊端，现在有专利技术CN2017108009436-一种基于深度学习的高密度人群人数估计方法，用混合高斯模型的方法提取视频的前景和背景图像，并进行预处理操作；采集热成像图，使用热成像仪获取该前景图像所对应的RGB热力图像。然后提取该热力图像中所有R通道的值，生成一个热力矩阵；采集灰度图像；训练一个卷积神经网络模型；用训练之后的人群估算模型对人口热力矩阵进行测试，得出模型反馈的结果，最终得出估算的人群数量。
此现有专利技术利用了其上的（3），但无需进行视频的全摄影，仅需进行热成像的摄影，减少了需归一化的数据流进而减少了对应的成本，但仍然的需要大范围铺设摄像模组，对于仅是进行绿化环保整治的目的来说，已然是高成本支出了，故而本申请提出一种基站式的像素点热成像处理的区域密度人口的绿化环保方法及设备。
发明内容
本申请的目的是提供一种热成像定位的区域密度人口的绿化环保方法及设备，旨在解决现在实现绿化环保方案需要大范围铺设摄像模组来判定区域密度人口而成本过高的技术问题。
为实现上述目的，本申请提供如下技术方案：
本申请提供一种热成像定位的区域密度人口的绿化环保方法，包括：
实时获取所拍摄的人口活动图像，并解析所述人口活动图像中进行移动的人员像素点变动；
根据所述像素点变动导入至预设的边缘检测模型中，以通过所述边缘检测模型导出形成热力图，其中所述边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图；
对所述热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标；
若达到，则生成绿化环保信号。
进一步地，所述实时获取所拍摄的人口活动图像，并解析所述人口活动图像中进行移动的人员像素点变动的步骤中，包括：
获取位于基站上摄影组件所拍摄的人口活动图像，所述人口活动图像至少包括一条；
将所述人口活动图像导入至预设的体素化网格中，通过所述体素化网格对人口活动图像进行三角面片距离处理，以在所述体素化网格中形成与人口活动图像中人员向匹配的体素包围盒，所述体素包围盒至少包括两个；
实时检测所述体素化网格中体素包围盒的移动。
进一步地，将所述人口活动图像导入至预设的体素化网格中，通过所述体素化网格对人口活动图像进行三角面片距离处理，以在所述体素化网格中形成与人口活动图像中人员向匹配的体素包围盒的步骤中，包括：
根据所述体素化网格预设定的像素阈值对人口活动图像进行轻量化；
对轻量化后的人口活动图像中的人员进行三角面片距离的测量，所述三角面片距离测量按照体素化网格与人口活动图像的等比例测量；
识别选择对应的所述三角面片视作人员，并形成与所述三角面片立体化后的体素包围盒。
进一步地，根据所述像素点变动导入至预设的边缘检测模型中，以通过所述边缘检测模型导出形成热力图，其中所述边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图的步骤，包括：
判断所述体素包围盒是否发生移动，若是，则认定为像素点变动，并将所述体素包围盒的变动数据导入至边缘检测模型中；
指令所述边缘检测模型通过马尔可夫随机场确定所述变动数据中人员物理建模的个数，并指令通过支持向量机的交叉算法根据人员物理建模的移动进行色域值调整，形成热力图。
进一步地，指令所述边缘检测模型通过马尔可夫随机场确定所述变动数据中人员物理建模的个数的步骤中，马尔可夫随机场确定所述变动数据中人员物理建模的个数包括：
通过所述边缘检测模型识别人口活动图像中人员边缘阴影，得到人员物理建模的个数向量，具体边缘检测算法为：
其中，在边界的左侧亮度是
，右侧亮度是
，σ是边缘模糊度，得到人口活动图像中至少一个人员的个数向量；
利用吉布斯测度在马尔可夫网络中进行测度，其表达式为：
其中，x=x（1），x（2），x（3）··· x（m）是人员物理建模的个数向量，x （k） =x （k,1） ，x （k,2） ，x （k,3）··· x （k,m） 为人口活动图像中人员物理建模的成团状态个数，所述成团状态定义是人员个数为2以上，P（X）为吉布斯测度交叉概率，且f k 为边缘检测算法测算后得到若干的个数向量的数值函，Z为配分函数，所述配分函数具体为：
所述配分函数作为变量损失容错控制，从而确定人员物理建模的个数及其成团个数。
进一步地，并指令通过支持向量机的交叉算法根据人员物理建模的移动进行色域值调整，形成热力图的步骤，包括：
通过所述支持向量机的交叉算法对人员物理建模的移动进行计算，通过交叉次数对应调整体素包围盒的色值，可以理解的是交叉越多色值越热，具体交叉算法调节色值的算法为：
其中， G为（X,X）的交叉次数而对应调节的色值，通过G（X,X）测得若干个数向量的交叉次数m2。
进一步地，对所述热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标的步骤，包括：
若干基站获取其对应的区域的热力图，并输出对应所述热力图至终端，形成汇总后的城市区域密度人口的热力总图。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的热成像定位的区域密度人口的绿化环保方法的步骤。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的热成像定位的区域密度人口的绿化环保方法的步骤。
本申请提供了一种热成像定位的区域密度人口的绿化环保方法，具有以下有益效果：
（1）通过实时获取所拍摄的人口活动图像，并解析所述人口活动图像中进行移动的人员像素点变动的方式，实现了数据轻量化，仅需进行热成像的摄影，减少了需归一化的数据流进而减少了对应的成本。
（2）通过根据所述像素点变动导入至预设的边缘检测模型中，以通过所述边缘检测模型导出形成热力图，其中所述边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图，并且通过这种方式形成的热力图人员确定精准，同时能够识别人与人的交叉过程。
（3）通过对所述热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标；若达到则生成绿化环保信号的方式，精准执行绿化环保方案。
附图说明
图1为本申请一实施例的热成像定位的区域密度人口的绿化环保方法的流程示意图。
图2为本申请一实施例的热成像定位的区域密度人口的绿化环保方法中对轻量化后的人口活动图像中的人员进行三角面片距离测量过程的示例示意图。
图3为本申请一实施例的计算机设备的结构示意框图。
本申请为目的的实现、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仅用以解释本申请，并不用于限定本申请。
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清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。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。
参考附图1，为本申请提出的热成像定位的区域密度人口的绿化环保方法的流程示意图；
本申请提出的一种热成像定位的区域密度人口的绿化环保方法，包括：
S1，实时获取所拍摄的人口活动图像，并解析所述人口活动图像中进行移动的人员像素点变动；
S2，根据所述像素点变动导入至预设的边缘检测模型中，以通过所述边缘检测模型导出形成热力图，其中所述边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图；
S3，对热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标；
S4，若达到，则生成绿化环保信号。
本申请提出的执行主体是远程终端，行政部门根据远程终端通过热成像定位的区域密度人口的绿化环保方法输出的结果，对应进行绿化环保方案，因此由远程终端执行改热成像定位的区域密度人口的绿化环保方法，在城市的各个基站上安装摄像模组，但这些摄像模组无需拥有超高清摄像镜片，极大节省区域密度人口测算的成本，通过各个基站反馈的热力图，能够形成热力总图，进而向行政部门提供准确的绿化环保信号。
在一个实施例中，所述实时获取所拍摄的人口活动图像，并解析所述人口活动图像中进行移动的人员像素点变动的步骤中，包括：
获取位于基站上摄影组件所拍摄的人口活动图像，所述人口活动图像至少包括一条；
将所述人口活动图像导入至预设的体素化网格中，通过所述体素化网格对人口活动图像进行三角面片距离处理，以在所述体素化网格中形成与人口活动图像中人员向匹配的体素包围盒，所述体素包围盒至少包括两个；
实时检测所述体素化网格中体素包围盒的移动。
在具体实施时，上述的体素化网格为一虚拟坐标，用于在数据层放置人口活动图像，使人口活动图像进行像素化。而三角面片距离处理可以参考附图2，以在所述体素化网格中形成与人口活动图像中人员向匹配的体素包围盒。
在一个实施例中，将所述人口活动图像导入至预设的体素化网格中，通过所述体素化网格对人口活动图像进行三角面片距离处理，以在所述体素化网格中形成与人口活动图像中人员向匹配的体素包围盒的步骤中，包括：
根据所述体素化网格预设定的像素阈值对人口活动图像进行轻量化；
对轻量化后的人口活动图像中的人员进行三角面片距离的测量，所述三角面片距离测量按照体素化网格与人口活动图像的等比例测量；
识别选择对应的所述三角面片视作人员，并形成与所述三角面片立体化后的体素包围盒。
在一个实施例中，根据所述像素点变动导入至预设的边缘检测模型中，以通过所述边缘检测模型导出形成热力图，其中所述边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图的步骤，包括：
判断所述体素包围盒是否发生移动，若是，则认定为像素点变动，并将所述体素包围盒的变动数据导入至边缘检测模型中；
指令所述边缘检测模型通过马尔可夫随机场确定所述变动数据中人员物理建模的个数，并指令通过支持向量机的交叉算法根据人员物理建模的移动进行色域值调整，形成热力图。
在一个实施例中，指令所述边缘检测模型通过马尔可夫随机场确定所述变动数据中人员物理建模的个数的步骤中，马尔可夫随机场确定所述变动数据中人员物理建模的个数包括：
通过所述边缘检测模型识别人口活动图像中人员边缘阴影，得到人员物理建模的个数向量，具体边缘检测算法为：
其中，在边界的左侧亮度是
，右侧亮度是
，σ是边缘模糊度，得到人口活动图像中至少一个人员的个数向量；
利用吉布斯测度在马尔可夫网络中进行测度，其表达式为：
其中，x=x（1），x（2），x（3）··· x（m）是人员物理建模的个数向量，x （k） =x （k,1） ，x （k,2） ，x （k,3）··· x （k,m） 为人口活动图像中人员物理建模的成团状态个数，所述成团状态定义是人员个数为2以上，P（X）为吉布斯测度交叉概率，且f k 为边缘检测算法测算后得到若干的个数向量的数值函，Z为配分函数，所述配分函数具体为：
所述配分函数作为变量损失容错控制，从而确定人员物理建模的个数及其成团个数。
在一个实施例中，并指令通过支持向量机的交叉算法根据人员物理建模的移动进行色域值调整，形成热力图的步骤，包括：
通过所述支持向量机的交叉算法对人员物理建模的移动进行计算，通过交叉次数对应调整体素包围盒的色值，可以理解的是交叉越多色值越热，具体交叉算法调节色值的算法为：
其中，G为（X,X）的交叉次数而对应调节的色值，通过G（X,X）测得若干个数向量的交叉次数m2。
在一个实施例中，对所述热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标的步骤，包括：
若干基站获取其对应的区域的热力图，并输出对应所述热力图至终端，形成汇总后的城市区域密度人口的热力总图。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储人口活动图像等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种热成像定位的区域密度人口的绿化环保方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种热成像定位的区域密度人口的绿化环保方法，具体为：
实时获取所拍摄的人口活动图像，并解析所述人口活动图像中进行移动的人员像素点变动；
根据所述像素点变动导入至预设的边缘检测模型中，以通过所述边缘检测模型导出形成热力图，其中所述边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图；
对所述热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标；
若达到，则生成绿化环保信号。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本申请的专利保护范围内。
尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种热成像定位的区域密度人口的绿化环保方法，其特征在于，包括：
实时获取所拍摄的人口活动图像，并解析所述人口活动图像中进行移动的人员像素点变动，包括获取位于基站上摄影组件所拍摄的人口活动图像，所述人口活动图像至少包括一条，将所述人口活动图像导入至预设的体素化网格中，通过所述体素化网格对人口活动图像进行三角面片距离处理，以在所述体素化网格中形成与人口活动图像中人员相匹配的体素包围盒，所述体素包围盒至少包括两个，实时检测所述体素化网格中体素包围盒的移动；
根据所述像素点变动导入至预设的边缘检测模型中，以通过所述边缘检测模型导出形成热力图，其中所述边缘检测模型通过马尔可夫随机场确定人员的物理建模，并通过支持向量机的交叉算法进行色域值的调整，而最终形成热力图，包括判断所述体素包围盒是否发生移动，若是，则认定为像素点变动，并将所述体素包围盒的变动数据导入至边缘检测模型中，所述边缘检测模型通过马尔可夫随机场确定所述变动数据中人员物理建模的个数，并通过支持向量机的交叉算法根据人员物理建模的移动进行色域值调整，形成热力图，马尔可夫随机场确定所述变动数据中人员物理建模的个数包括：
通过所述边缘检测模型识别人口活动图像中人员边缘阴影，得到人员物理建模的个数向量，具体边缘检测算法为：
其中，在边界的左侧亮度是
，右侧亮度是
，σ是边缘模糊度，得到人口活动图像中至少一个人员的个数向量；
利用吉布斯测度在马尔可夫网络中进行测度，其表达式为：
其中，x=x（1），x（2），x（3）···x（m）是人员物理建模的个数向量，x （k）=x （k,1），x （k,2），x （k,3）··· x （k,m）为人口活动图像中人员物理建模的成团状态个数，所述成团状态定义是人员个数为2以上，P（X）为吉布斯测度交叉概率，且f k为边缘检测算法测算后得到若干的个数向量的数值函，Z为配分函数，所述配分函数具体为：
所述配分函数作为变量损失容错控制，从而确定人员物理建模的个数及其成团个数；
对所述热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标；
若达到，则生成绿化环保信号。
2.根据权利要求1所述的热成像定位的区域密度人口的绿化环保方法，其特征在于，将所述人口活动图像导入至预设的体素化网格中，通过所述体素化网格对人口活动图像进行三角面片距离处理，以在所述体素化网格中形成与人口活动图像中人员向匹配的体素包围盒的步骤中，包括：
根据所述体素化网格预设定的像素阈值对人口活动图像进行轻量化；
对轻量化后的人口活动图像中的人员进行三角面片距离的测量，所述三角面片距离测量按照体素化网格与人口活动图像的等比例测量；
识别选择对应的所述三角面片视作人员，并形成与所述三角面片立体化后的体素包围盒。
3.根据权利要求1所述的热成像定位的区域密度人口的绿化环保方法，其特征在于，并通过支持向量机的交叉算法根据人员物理建模的移动进行色域值调整，形成热力图的步骤，包括：
通过所述支持向量机的交叉算法对人员物理建模的移动进行计算，通过交叉次数对应调整体素包围盒的色值，可以理解的是交叉越多色值越热，具体交叉算法调节色值的算法为：
其中，G为（X,X）的交叉次数而对应调节的色值，通过G（X,X）测得若干个数向量的交叉次数m2。
4.根据权利要求1所述的热成像定位的区域密度人口的绿化环保方法，其特征在于，对所述热力图进行显示，并判断所述热力图中的色彩阈值是否达到预设的绿化环保指标的步骤，包括：
若干基站获取其对应的区域的热力图，并输出对应所述热力图至终端，形成汇总后的城市区域密度人口的热力总图。
5.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的热成像定位的区域密度人口的绿化环保方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的热成像定位的区域密度人口的绿化环保方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310128115.8A CN115880323B (zh) | 2023-02-17 | 2023-02-17 | 一种热成像定位的区域密度人口的绿化环保方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310128115.8A CN115880323B (zh) | 2023-02-17 | 2023-02-17 | 一种热成像定位的区域密度人口的绿化环保方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115880323A CN115880323A (zh) | 2023-03-31 |
| CN115880323B true CN115880323B (zh) | 2023-06-02 |
Family
ID=85761292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310128115.8A Active CN115880323B (zh) | 2023-02-17 | 2023-02-17 | 一种热成像定位的区域密度人口的绿化环保方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115880323B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10430890B1 (en) * | 2016-06-09 | 2019-10-01 | Allstate Insurance Company | Image-based processing for products |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7079157B2 (en) * | 2000-03-17 | 2006-07-18 | Sun Microsystems, Inc. | Matching the edges of multiple overlapping screen images |
| US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
| CN107729907A (zh) * | 2016-08-12 | 2018-02-23 | 南京理工大学 | 一种基于红外热成像系统的故障识别方法 |
| EP3745404B1 (en) * | 2019-05-29 | 2024-04-03 | Cell Networks GmbH | Method and system for predicting coupling probabilities of g-protein coupled receptors with g-proteins |
| CN112669340B (zh) * | 2020-12-23 | 2021-08-20 | 佛山市规划测信总院有限公司 | 一种基于gis大数据分析的公共设施选址方法及系统 |
| CN114037603B (zh) * | 2021-11-17 | 2022-07-29 | 肇庆市城市规划设计院 | 基于百度热力图的人口活动数量提取方法、系统及介质 |
| CN114694011A (zh) * | 2022-03-25 | 2022-07-01 | 中国电子科技南湖研究院 | 一种基于多传感器融合的透雾目标检测方法及装置 |
-
2023
- 2023-02-17 CN CN202310128115.8A patent/CN115880323B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10430890B1 (en) * | 2016-06-09 | 2019-10-01 | Allstate Insurance Company | Image-based processing for products |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115880323A (zh) | 2023-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111476827A (zh) | 目标跟踪方法、系统、电子装置及存储介质 | |
| CN110245662A (zh) | 检测模型训练方法、装置、计算机设备和存储介质 | |
| CN109934844A (zh) | 一种融合地理空间信息的多目标跟踪方法及系统 | |
| RU2668404C2 (ru) | Устройство для записи изображения в трехмерном масштабе, способ создания 3D-изображения и способ формирования устройства для записи изображения в трехмерном масштабе | |
| CN110514298B (zh) | 一种基于地基云图的太阳辐照强度计算方法 | |
| CN110443969A (zh) | 一种火点检测方法、装置、电子设备及存储介质 | |
| CN106529538A (zh) | 一种飞行器的定位方法和装置 | |
| CN108197604A (zh) | 基于嵌入式设备的快速人脸定位跟踪方法 | |
| CN109919975B (zh) | 一种基于坐标标定的广域监控运动目标关联方法 | |
| CN111178206A (zh) | 一种基于改进yolo的建筑预埋件检测方法及系统 | |
| CN112001298B (zh) | 行人检测方法、装置、电子设备和存储介质 | |
| CN109657580B (zh) | 一种城市轨道交通闸机通行控制方法 | |
| CN110636248B (zh) | 目标跟踪方法与装置 | |
| CN112634368A (zh) | 场景目标的空间与或图模型生成方法、装置及电子设备 | |
| CN109631912A (zh) | 一种深空球形目标被动测距方法 | |
| CN111652314A (zh) | 温度检测方法、装置、计算机设备和存储介质 | |
| CN112614140A (zh) | 一种训练色斑检测模型的方法及相关装置 | |
| CN112541403B (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
| CN112132853B (zh) | 地面导向箭头的构建方法及其装置、电子设备及存储介质 | |
| CN115880323B (zh) | 一种热成像定位的区域密度人口的绿化环保方法及设备 | |
| CN117146739A (zh) | 用于光学瞄准镜的测角检定方法及系统 | |
| CN116309838A (zh) | 点云地图定位能力评估系统、方法、电子设备和存储介质 | |
| CN116883897A (zh) | 一种低分辨率目标识别方法 | |
| CN105894505A (zh) | 一种基于多摄像机几何约束的快速行人定位方法 | |
| Mo et al. | Digital multimeter reading recognition for automation verification |
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 |