CN115937773B - 一种基于ai识别的智能影像识别系统 - Google Patents

一种基于ai识别的智能影像识别系统 Download PDF

Info

Publication number
CN115937773B
CN115937773B CN202211555550.0A CN202211555550A CN115937773B CN 115937773 B CN115937773 B CN 115937773B CN 202211555550 A CN202211555550 A CN 202211555550A CN 115937773 B CN115937773 B CN 115937773B
Authority
CN
China
Prior art keywords
information
image
module
image information
identification
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
CN202211555550.0A
Other languages
English (en)
Other versions
CN115937773A (zh
Inventor
卢菁菁
张�杰
杨小网
解书钢
唐锋
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.)
Nanjing Xiaowang Science & Technology Co ltd
Original Assignee
Nanjing Xiaowang Science & 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 Nanjing Xiaowang Science & Technology Co ltd filed Critical Nanjing Xiaowang Science & Technology Co ltd
Priority to CN202211555550.0A priority Critical patent/CN115937773B/zh
Publication of CN115937773A publication Critical patent/CN115937773A/zh
Application granted granted Critical
Publication of CN115937773B publication Critical patent/CN115937773B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种基于ai识别的智能影像识别系统,包括影像信息采集模块、影像信息评估模块、影像增强模块、特征导入模块、目标采集模块、初步分析模块、强化分析模块、摄像头控制模块、最终分析模块与结果导出模块;所述影像信息采集模块用于采集需要进行目标影像分析的原始影像信息;所述影像信息评估模块用于对原始影像信息进行处理生成合格影像信息与不合格影像信息,所述影像增强模块用于对不合格影像进行影像增强处理;所述特征导入模块用于用户导入识别特征信息,所述目标采集模块用于将识别特征信息导入到合格影像信息中进行初步的目标识别处理,获取到初步识别信息。本发明实现了智能化的影像识别,更好的进行了目标追踪捕捉。

Description

一种基于ai识别的智能影像识别系统
技术领域
本发明涉及影像识别领域,具体涉及一种基于ai识别的智能影像识别系统。
背景技术
影像识别是由位于前端或后端图像分析服务器,对监控摄像机所拍摄的视频图像进行分析,能将影像中的目标从任何背景中分离出来,加以辨认、分析与追踪;
在进行影像识别时通过智能影像识别系统来保证对采集到影像进行目标检索分析和跟踪。
现有的影像识别系统,在进行影像识别过程中,多为单次识别分析,容易出现识别出错的状况,给安全防护系统的使用带来了一定的影响,因此,提出一种基于ai识别的智能影像识别系统。
发明内容
本发明所要解决的技术问题在于:如何解决现有的影像识别系统,在进行影像识别过程中,多为单次识别分析,容易出现识别出错的状况,给安全防护系统的使用带来了一定的影响的问题,提供了一种基于ai识别的智能影像识别系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括影像信息采集模块、影像信息评估模块、影像增强模块、特征导入模块、目标采集模块、初步分析模块、强化分析模块、摄像头控制模块、最终分析模块与结果导出模块;
所述影像信息采集模块用于采集需要进行目标影像分析的原始影像信息;
所述影像信息评估模块用于对原始影像信息进行处理生成合格影像信息与不合格影像信息,所述影像增强模块用于对不合格影像进行影像增强处理;
所述特征导入模块用于用户导入识别特征信息,所述目标采集模块用于将识别特征信息导入到合格影像信息中进行初步的目标识别处理,获取到初步识别信息;
所述初步识别信息包括初步识别成功与初步识别失败,初步识别失败时,即控制摄像头对目标信息重新进行原始影像信息采集;
所述强化分析模块用于对初步识别成功通过的增强影像进行处理获取到二次识别信息;
所述二次识别信息包括二次识别通过信息与二次识别失败信息,当二次识别通过信息生成时,摄像头控制模块即控制预设摄像头进行放大操作再次采集目标影像信息,获取到放大影像信息;
所述放大影像信息被发送到最终分析模块,所述最终分析模块对放大影像信息进行处理获取到分析结果信息,分析结果信息包括分析通过信息与分析失败信息;
分析通过信息生成后,结果导出模块即将所有采集影像摄像头的位置信息发送到预设接收终端。
进一步在于,所述影像评估模块进行影像评估的具体过程如下:提取出采集到的原始影像信息,从原始影像中随机截取出x张实时图片,x≥5,对x张实时图片进行处理获取到x张实时图片的清晰度信息,将x张实时图片的清晰度信息分别标记为F1、F2、F3……Fx,之后通过公式计算出清晰度均值FF,当清晰度均值FF小于预设值时,即生成不合格影像信息,当清晰度均值FF大于预设值时即生成合格影像信息。
进一步在于,所述影像增强模块进行影像增强的具体过程如下:对不合格影像信息进行图像增强时,从图像增强库中随机选取一种影像增强算法对不合格影像信息进行图像增强,获取到初次增强影像信息;
所述初次增强影像信息再次被发送到影像信息分析模块中进行清晰度评估,再次被评估为不合格影像信息,即从图像增强库中随机选取出一个第一次增强时使用的影像增强算法以外的影像增强算法进行影像增强,获取到二次增强影像信息;
当二次增强影像信息再被导入到影像信息分析模块中进行清晰度评估,仍然被评估为不合格影像信息时,生成重新采集信息发送到预设接收终端。
进一步在于,所述图像增强库中图像增强算法包括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、基于对象Log变换的图像增强算法与基于伽马变换的图像增强算法。
进一步在于,所述初步识别信息的具体处理过程如下:提取出用户导入的识别特征信息,将识别特征信息导入到合格影像信息中进行初步的检索分析,当合格影像信息中存在与识别特征信息中相似度大于预设值的影像时,即生成初步识别成功,反之即生成初步识别失败。
进一步在于,所述二次识别信息的具体处理过程如下:提取出初步识别成功的原始影像信息,通过ai图像识别算法对原始影像信息在原始影像中进行特征标记,当标记出的特征信息与用户导入识别特征信息相同的数量和相似度都大于预设值时即生成二次识别通过信息,反之即生成二次识别失败信息。
进一步在于,所述摄像头控制模块控制采集预设的摄像头进行放大操作再次采集目标影像信息获取到放大影像信息的具体过程如下:
步骤一:提取出二次识别通过信息对应的原始影像信息的摄像头位置信息,将其标记为点A;
步骤二:提取出从影像信息评估模块进行影像评估的时间点,将其标记为T1,再提取出二次识别通过信息生成的时间点,将其标记为T2;
步骤三:计算出二次识别通过信息生成的时间点T2与影像信息评估模块进行影像评估的时间点T1之间的差值获取到处理时长信息Tt;
步骤四:当处理时长信息Tt大于预设值时,以摄像头位置信息A为中心点向外扩散确定采集范围G1,控制采集范围G1中的所有摄像头3D放大,对原始影像信息中识别出的目标进行跟踪放大获取到放大影像信息;
步骤五:当处理时长信息Tt小于预设值时,以摄像头位置信息A为中心点向外扩散确定采集范围G2,控制采集范围G2中的所有摄像头3D放大,对原始影像信息中识别出的目标进行跟踪放大获取到放大影像信息;
采集范围G2的面积小于采集范围G1的面积。
进一步在于,所述最终分析模块对放大影像信息进行处理获取到分析结果信息的过程与强化分析模块的分析过程相同。
本发明相比现有技术具有以下优点:该基于ai识别的智能影像识别系统,通过设置的影像信息评估模块对各个摄像头采集的初始识别影像信息进行了影像质量的分析处理,从而避免了影像质量过差,直接进行识别导致的识别失败影响识别进度的状况发生,同时通过设置的初步识别模块进行初步的特征识别,能够实现初步的目标捕捉,让用户能够大致了解到是否捕捉到目标物,从而提前坐高追踪目标的准确,避免了细化分析时间过长发现目标时长过长,影响目标追踪的状况发生,同时配合着最终分析模块通过利用ai图像识别算法更进一步的进行特征识别,确定原始影像中的目标是否为所需追踪目标,从而保证了整个系统的识别准确性,大大提升了识别的准确率,降低了误报率,并且最终导出目标影像信息的同时,还向用户发送了各个采集摄像头的位置,让用户能够根据摄像头位置更加准确的找寻到目标物的位置,使得该系统能够更加智能化的进行影像识别从而达成目标追踪的目的,让该系统更加值得推广使用。
附图说明
图1是本发明的整体结构图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种基于ai识别的智能影像识别系统,包括影像信息采集模块、影像信息评估模块、影像增强模块、特征导入模块、目标采集模块、初步分析模块、强化分析模块、摄像头控制模块、最终分析模块与结果导出模块;
所述影像信息采集模块用于采集需要进行目标影像分析的原始影像信息;
所述影像信息评估模块用于对原始影像信息进行处理生成合格影像信息与不合格影像信息,所述影像增强模块用于对不合格影像进行影像增强处理;
所述特征导入模块用于用户导入识别特征信息,所述目标采集模块用于将识别特征信息导入到合格影像信息中进行初步的目标识别处理,获取到初步识别信息;
所述初步识别信息包括初步识别成功与初步识别失败,初步识别失败时,即控制摄像头对目标信息重新进行原始影像信息采集;
所述强化分析模块用于对初步识别成功通过的增强影像进行处理获取到二次识别信息;
所述二次识别信息包括二次识别通过信息与二次识别失败信息,当二次识别通过信息生成时,摄像头控制模块即控制预设摄像头进行放大操作再次采集目标影像信息,获取到放大影像信息;
所述放大影像信息被发送到最终分析模块,所述最终分析模块对放大影像信息进行处理获取到分析结果信息,分析结果信息包括分析通过信息与分析失败信息;
分析通过信息生成后,结果导出模块即将所有采集影像摄像头的位置信息发送到预设接收终端;
本发明通过设置的影像信息评估模块对各个摄像头采集的初始识别影像信息进行了影像质量的分析处理,从而避免了影像质量过差,直接进行识别导致的识别失败影响识别进度的状况发生,同时通过设置的初步识别模块进行初步的特征识别,能够实现初步的目标捕捉,让用户能够大致了解到是否捕捉到目标物,从而提前坐高追踪目标的准确,避免了细化分析时间过长发现目标时长过长,影响目标追踪的状况发生,同时配合着最终分析模块通过利用ai图像识别算法更进一步的进行特征识别,确定原始影像中的目标是否为所需追踪目标,从而保证了整个系统的识别准确性,大大提升了识别的准确率,降低了误报率,并且最终导出目标影像信息的同时,还向用户发送了各个采集摄像头的位置,让用户能够根据摄像头位置更加准确的找寻到目标物的位置,使得该系统能够更加智能化的进行影像识别从而达成目标追踪的目的。
所述影像评估模块进行影像评估的具体过程如下:提取出采集到的原始影像信息,从原始影像中随机截取出x张实时图片,x≥5,对x张实时图片进行处理获取到x张实时图片的清晰度信息,将x张实时图片的清晰度信息分别标记为F1、F2、F3……Fx,之后通过公式计算出清晰度均值FF,当清晰度均值FF小于预设值时,即生成不合格影像信息,当清晰度均值FF大于预设值时即生成合格影像信息;
通过上述过程,实现了对影像信息的质量评估,避免了低质量影像直接进行识别处理,导致的识别出错和识别失败的状况发生,保证了初步识别的准确度。
所述影像增强模块进行影像增强的具体过程如下:对不合格影像信息进行图像增强时,从图像增强库中随机选取一种影像增强算法对不合格影像信息进行图像增强,获取到初次增强影像信息;
所述初次增强影像信息再次被发送到影像信息分析模块中进行清晰度评估,再次被评估为不合格影像信息,即从图像增强库中随机选取出一个第一次增强时使用的影像增强算法以外的影像增强算法进行影像增强,获取到二次增强影像信息;
当二次增强影像信息再被导入到影像信息分析模块中进行清晰度评估,仍然被评估为不合格影像信息时,生成重新采集信息发送到预设接收终端;
通过上述过程,能够在无法采集快速再次采集影像信息时,对质量不合格的影像信息进行图像强化,以保证后续影像识别的准确性,也起到了一定的提升识别效率的作用。
所述图像增强库中图像增强算法包括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、基于对象Log变换的图像增强算法与基于伽马变换的图像增强算法;
多种不同的图像增强算法的设置,满足了实际图像增强的不同需求,也让不同类型的影像信息都能够更好的进行图像增强。
所述初步识别信息的具体处理过程如下:提取出用户导入的识别特征信息,将识别特征信息导入到合格影像信息中进行初步的检索分析,当合格影像信息中存在与识别特征信息中相似度大于预设值的影像时,即生成初步识别成功,反之即生成初步识别失败;
通过上述过程,能够快速的进行目标影像的初步识别,让用户能够快速的了解到原始影像信息中是否可能存在需要追踪的目标信息,从而做好追踪准备。
所述二次识别信息的具体处理过程如下:提取出初步识别成功的原始影像信息,通过ai图像识别算法对原始影像信息在原始影像中进行特征标记,当标记出的特征信息与用户导入识别特征信息相同的数量和相似度都大于预设值时即生成二次识别通过信息,反之即生成二次识别失败信息;
所述最终分析模块对放大影像信息进行处理获取到分析结果信息的过程与强化分析模块的分析过程相同;
通过上述过程实现了基于大场景下的微小目标识别,利用AI图像识别算法,对微小模糊目标进行识别,目标识别到后,通过控制摄像头的3D放大,对目标进行跟踪放大,进而可以更清晰的发现目标,并对目标进行二次分析,最终输出结果综合多次识别的结果,大大提升了识别的准确率,降低了误报率。
所述摄像头控制模块控制采集预设的摄像头进行放大操作再次采集目标影像信息获取到放大影像信息的具体过程如下:
步骤一:提取出二次识别通过信息对应的原始影像信息的摄像头位置信息,将其标记为点A;
步骤二:提取出从影像信息评估模块进行影像评估的时间点,将其标记为T1,再提取出二次识别通过信息生成的时间点,将其标记为T2;
步骤三:计算出二次识别通过信息生成的时间点T2与影像信息评估模块进行影像评估的时间点T1之间的差值获取到处理时长信息Tt;
步骤四:当处理时长信息Tt大于预设值时,以摄像头位置信息A为中心点向外扩散确定采集范围G1,控制采集范围G1中的所有摄像头3D放大,对原始影像信息中识别出的目标进行跟踪放大获取到放大影像信息;
步骤五:当处理时长信息Tt小于预设值时,以摄像头位置信息A为中心点向外扩散确定采集范围G2,控制采集范围G2中的所有摄像头3D放大,对原始影像信息中识别出的目标进行跟踪放大获取到放大影像信息;
采集范围G2的面积小于采集范围G1的面积;
通过上述过程,能够多位置的摄像头的同时控制,从而采集更多与目标相关的影像信息,以提升后续目标识别的准确性,并且采集各个摄像头的位置,能够起到辅助用户进行目标定位的目的。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种基于ai识别的智能影像识别系统,其特征在于,包括影像信息采集模块、影像信息评估模块、影像增强模块、特征导入模块、目标采集模块、初步分析模块、强化分析模块、摄像头控制模块、最终分析模块与结果导出模块;
所述影像信息采集模块用于采集需要进行目标影像分析的原始影像信息;
所述影像信息评估模块用于对原始影像信息进行处理生成合格影像信息与不合格影像信息,所述影像增强模块用于对不合格影像进行影像增强处理;
所述特征导入模块用于用户导入识别特征信息,所述目标采集模块用于将识别特征信息导入到合格影像信息中进行初步的目标识别处理,获取到初步识别信息;
所述初步识别信息包括初步识别成功与初步识别失败,初步识别失败时,即控制摄像头对目标信息重新进行原始影像信息采集;
所述强化分析模块用于对初步识别成功通过的增强影像进行处理获取到二次识别信息;
所述二次识别信息包括二次识别通过信息与二次识别失败信息,当二次识别通过信息生成时,摄像头控制模块即控制预设摄像头进行放大操作再次采集目标影像信息,获取到放大影像信息;
所述放大影像信息被发送到最终分析模块,所述最终分析模块对放大影像信息进行处理获取到分析结果信息,分析结果信息包括分析通过信息与分析失败信息;
分析通过信息生成后,结果导出模块即将所有采集影像摄像头的位置信息发送到预设接收终端;
所述摄像头控制模块控制采集预设的摄像头进行放大操作再次采集目标影像信息获取到放大影像信息的具体过程如下:
步骤一:提取出二次识别通过信息对应的原始影像信息的摄像头位置信息,将其标记为点A;
步骤二:提取出从影像信息评估模块进行影像评估的时间点,将其标记为T1,再提取出二次识别通过信息生成的时间点,将其标记为T2;
步骤三:计算出二次识别通过信息生成的时间点T2与影像信息评估模块进行影像评估的时间点T1之间的差值获取到处理时长信息Tt;
步骤四:当处理时长信息Tt大于预设值时,以摄像头位置信息A为中心点向外扩散确定采集范围G1,控制采集范围G1中的所有摄像头3D放大,对原始影像信息中识别出的目标进行跟踪放大获取到放大影像信息;
步骤五:当处理时长信息Tt小于预设值时,以摄像头位置信息A为中心点向外扩散确定采集范围G2,控制采集范围G2中的所有摄像头3D放大,对原始影像信息中识别出的目标进行跟踪放大获取到放大影像信息;
采集范围G2的面积小于采集范围G1的面积。
2.根据权利要求1所述的一种基于ai识别的智能影像识别系统,其特征在于:所述影像信息评估模块进行影像评估的具体过程如下:提取出采集到的原始影像信息,从原始影像中随机截取出x张实时图片,x≥5,对x张实时图片进行处理获取到x张实时图片的清晰度信息,将x张实时图片的清晰度信息分别标记为F1、F2、F3……Fx,之后通过公式计算出清晰度均值FF,当清晰度均值FF小于预设值时,即生成不合格影像信息,当清晰度均值FF大于预设值时即生成合格影像信息。
3.根据权利要求1所述的一种基于ai识别的智能影像识别系统,其特征在于:所述影像增强模块进行影像增强的具体过程如下:对不合格影像信息进行图像增强时,从图像增强库中随机选取一种影像增强算法对不合格影像信息进行图像增强,获取到初次增强影像信息;
所述初次增强影像信息再次被发送到影像信息分析模块中进行清晰度评估,再次被评估为不合格影像信息,即从图像增强库中随机选取出一个第一次增强时使用的影像增强算法以外的影像增强算法进行影像增强,获取到二次增强影像信息;
当二次增强影像信息再被导入到影像信息分析模块中进行清晰度评估,仍然被评估为不合格影像信息时,生成重新采集信息发送到预设接收终端。
4.根据权利要求3所述的一种基于ai识别的智能影像识别系统,其特征在于:所述图像增强库中图像增强算法包括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、基于对象Log变换的图像增强算法与基于伽马变换的图像增强算法。
5.根据权利要求1所述的一种基于ai识别的智能影像识别系统,其特征在于:所述初步识别信息的具体处理过程如下:提取出用户导入的识别特征信息,将识别特征信息导入到合格影像信息中进行初步的检索分析,当合格影像信息中存在与识别特征信息中相似度大于预设值的影像时,即生成初步识别成功,反之即生成初步识别失败。
6.根据权利要求1所述的一种基于ai识别的智能影像识别系统,其特征在于:所述二次识别信息的具体处理过程如下:提取出初步识别成功的原始影像信息,通过ai图像识别算法对原始影像信息在原始影像中进行特征标记,当标记出的特征信息与用户导入识别特征信息相同的数量和相似度都大于预设值时即生成二次识别通过信息,反之即生成二次识别失败信息。
7.根据权利要求1所述的一种基于ai识别的智能影像识别系统,其特征在于:所述最终分析模块对放大影像信息进行处理获取到分析结果信息的过程与强化分析模块的分析过程相同。
CN202211555550.0A 2022-12-06 2022-12-06 一种基于ai识别的智能影像识别系统 Active CN115937773B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211555550.0A CN115937773B (zh) 2022-12-06 2022-12-06 一种基于ai识别的智能影像识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211555550.0A CN115937773B (zh) 2022-12-06 2022-12-06 一种基于ai识别的智能影像识别系统

Publications (2)

Publication Number Publication Date
CN115937773A CN115937773A (zh) 2023-04-07
CN115937773B true CN115937773B (zh) 2023-10-24

Family

ID=86652163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211555550.0A Active CN115937773B (zh) 2022-12-06 2022-12-06 一种基于ai识别的智能影像识别系统

Country Status (1)

Country Link
CN (1) CN115937773B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117456386A (zh) * 2023-10-26 2024-01-26 西湾智慧(广东)信息科技有限公司 一种用于无人设备的ai视觉识别系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107633215A (zh) * 2017-09-06 2018-01-26 南京小网科技有限责任公司 一种高空视频监控中小微模糊目标的甄别方法
CN108830294A (zh) * 2018-05-09 2018-11-16 四川斐讯信息技术有限公司 一种图像数据的增广方法
CN108875588A (zh) * 2018-05-25 2018-11-23 武汉大学 基于深度学习的跨摄像头行人检测跟踪方法
CN109584227A (zh) * 2018-11-27 2019-04-05 山东大学 一种基于深度学习目标检测算法的焊点质量检测方法及其实现系统
CN112699752A (zh) * 2020-12-22 2021-04-23 安徽配隆天环保科技有限公司 一种无人机特征标的自动跟踪取证系统
WO2021197132A1 (zh) * 2020-04-03 2021-10-07 支付宝(杭州)信息技术有限公司 识别方法及装置
CN113610109A (zh) * 2021-07-06 2021-11-05 中国人民解放军火箭军工程大学 一种基于放大镜观测效应的可见光伪装目标识别方法
CN115077489A (zh) * 2022-06-14 2022-09-20 安徽同济建设集团有限责任公司 一种无人机倾斜摄影土方量计算的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3927571B2 (ja) * 2004-10-25 2007-06-13 株式会社日立国際電気 画像表示プログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107633215A (zh) * 2017-09-06 2018-01-26 南京小网科技有限责任公司 一种高空视频监控中小微模糊目标的甄别方法
CN108830294A (zh) * 2018-05-09 2018-11-16 四川斐讯信息技术有限公司 一种图像数据的增广方法
CN108875588A (zh) * 2018-05-25 2018-11-23 武汉大学 基于深度学习的跨摄像头行人检测跟踪方法
CN109584227A (zh) * 2018-11-27 2019-04-05 山东大学 一种基于深度学习目标检测算法的焊点质量检测方法及其实现系统
WO2021197132A1 (zh) * 2020-04-03 2021-10-07 支付宝(杭州)信息技术有限公司 识别方法及装置
CN112699752A (zh) * 2020-12-22 2021-04-23 安徽配隆天环保科技有限公司 一种无人机特征标的自动跟踪取证系统
CN113610109A (zh) * 2021-07-06 2021-11-05 中国人民解放军火箭军工程大学 一种基于放大镜观测效应的可见光伪装目标识别方法
CN115077489A (zh) * 2022-06-14 2022-09-20 安徽同济建设集团有限责任公司 一种无人机倾斜摄影土方量计算的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高速运动目标模糊图像智能识别增强方法研究;刘霁宇;;《信息通信》(第03期);第136-137页 *

Also Published As

Publication number Publication date
CN115937773A (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
US11017215B2 (en) Two-stage person searching method combining face and appearance features
GB2528330A (en) A method of video analysis
KR101788225B1 (ko) 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템
US20060170791A1 (en) Video camera
GB2395852A (en) Video selection based on face data
JP2008501172A (ja) 画像比較方法
JP2006031678A (ja) 画像処理
CN115937773B (zh) 一种基于ai识别的智能影像识别系统
CN110889314B (zh) 图像处理方法、装置、电子设备、服务器及系统
TWI798815B (zh) 目標重識別方法、裝置及電腦可讀存儲介質
Winarno et al. Anti-cheating presence system based on 3WPCA-dual vision face recognition
CN110599129A (zh) 一种基于图像追踪校园考勤方法、装置、识别终端及系统
CN111814690B (zh) 一种目标重识别方法、装置和计算机可读存储介质
CN110210404B (zh) 人脸识别方法及系统
CN112699810B (zh) 一种提升室内监控系统人物识别精度的方法及装置
WO2022134916A1 (zh) 身份特征生成方法、设备及存储介质
Wu et al. Vehicle re-id for surround-view camera system
CN109145758A (zh) 一种基于视频监控的人脸的识别算法
Li et al. Hierarchical clustering and refinement for generalized multi-camera person tracking
Srisuk et al. New robust Hausdorff distance-based face detection
CN113989325A (zh) 一种基于矩阵“最大数”的多目标匹配算法
CN111127514B (zh) 一种机器人对目标的跟踪方法及装置
CN112651369A (zh) 一种监控场景下行人识别的方法及装置
CN111177449A (zh) 基于图片的多维信息整合方法及相关设备
CN108932730B (zh) 基于数据关联的视频多目标跟踪方法及系统

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