CN116028657A - 基于运动检测技术的智能云相框的分析系统 - Google Patents
基于运动检测技术的智能云相框的分析系统 Download PDFInfo
- Publication number
- CN116028657A CN116028657A CN202211733796.2A CN202211733796A CN116028657A CN 116028657 A CN116028657 A CN 116028657A CN 202211733796 A CN202211733796 A CN 202211733796A CN 116028657 A CN116028657 A CN 116028657A
- Authority
- CN
- China
- Prior art keywords
- information
- unit
- image
- picture
- pictures
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000010191 image analysis Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims description 25
- 230000004992 fission Effects 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 9
- 239000011513 prestressed concrete Substances 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种分析系统，具体地说，涉及基于运动检测技术的智能云相框的分析系统。其包括预处理模块、协同感知模块、协同索引模块以及图像分析模块，其中：所述预处理模块用于获取云相框内图像数据中的人员信息；所述协同感知模块根据云相框内的图像的时间数据将多张图片进行分组；该基于运动检测技术的智能云相框的分析系统中，为时间相互接近的图片创建一个图片组，将图片组内的图片融合成一个图像并将该图像与其他组内的图片进行对比，使对比过程中不需要与该图片组内的图片对比，减少了对比的次数，降低了对硬件资源的消耗，同时根据用户对融合后图片的操作来调整每个图片组的顺序，以使图片的调整顺序由用户控制，以适应用户的习惯。
Description
技术领域
本发明涉及一种分析系统，具体地说，涉及基于运动检测技术的智能云相框的分析系统。
背景技术
云相框就是将云计算技术运用于网络终端服务，通过云服务器实现云服务的数码相框。云相框可以将设备内的图片进行展示，同时还能将设备内的多个图片进行轮回播放。
人们在拍摄完成照片后，会将照片发生给云相框进行展示，但是当照片过多且需要轮回播放时，如果过多的照片之间的顺序较为混乱，就导致播放的多个照片之间衔接不畅，观看的体验感较差。
目前的调整图片顺序的方式大多都采用相似度对比的方式进行，如公开号为CN111353552A的一种基于感知哈希算法的图像相似度对比方法。它通过离散余弦变换DCT算法将图片进行压缩，通过pHash进行图片尺寸缩小，获取图片的颜色通道R、G、B，进而算出RGB的平均值后，将图片灰度化，分别采用颜色分布法和内容特征法提取出每张图片中的指纹，再将原图压缩成一张较小固定尺寸的灰度图片，进而确定出一个阈值，再将图片转成黑白图片，进而来对比图片的轮廓，通过图像基础指纹、颜色特征指纹、内容特征指纹多维度对比最终获取到的相似度结果。本发明的有益效果是：节省了服务器大量的运算量和服务器成本，提升了图片处理的速度；提升了获取内容相似图片准确度。
分析系统配合着上述的对比方案，通过对多个图片进行相似度对比，来将相似度较高的图片排列在一起。但是云相框只是播放图片的设备，这就导致了大部分云相框的硬件性能不会太高，在图片较多时，一张张的图片对比会消耗较多的时间以及硬件资源，不但影响了排序的时间，还导致在对比过程中，图片播放容易造成卡顿。
发明内容
本发明的目的在于提供基于运动检测技术的智能云相框的分析系统，以解决上述背景技术中提出的问题。
为实现上述目的，提供了基于运动检测技术的智能云相框的分析系统，包括预处理模块、协同感知模块、协同索引模块以及图像分析模块，其中：
所述预处理模块用于获取云相框内图像数据中的人员信息；
所述协同感知模块根据云相框内的图像的时间数据将多张图片进行分组；
所述协同索引模块将每组的多张图像中的不同人员信息组合，并与云相框内的其他图片进行相似度对比，根据对比结果获得代表图片；
所述图像分析模块将多组的代表图片中人员的动作进行分析，确定多张代表图片的优先级，然后根据用户的代表图片的操作状态来调整多组图片之间的顺序。
作为本技术方案的进一步改进，所述预处理模块包括资源获取单元、人员识别单元以及数据标记单元；
所述资源获取单元用于读取云相框内的数据信息，以得到图像文件；
所述人员识别单元对图像文件中的人员进行识别，在识别后，通过所述数据标记单元将识别到的不同人员分别进行标记，并创建标记信息。
作为本技术方案的进一步改进，所述协同感知模块包括图片信息获取单元、数据分析单元以及图片隔离单元；
所述图片信息获取单元用于识别图像文件的拍摄时间，生成时间信息；
所述数据分析单元根据多个图像文件的时间信息进行对比，以得到差别信息；
所述图片隔离单元根据差别信息将多个图像文件进行隔离，并创建图片组。
作为本技术方案的进一步改进，所述数据分析单元对多个图像文件的时间信息对比的方法步骤如下：
S1、获取每个图像文件的时间信息；
S2、根据时间信息对图像文件进行排序；
S3、设定时间间隔；
S4、基于时间间隔，获取每个时间间隔下的图像文件，并将每个时间间隔下的图像文件都生成差别信息。
作为本技术方案的进一步改进，所述协同索引模块包括图片融合单元和姿态对比单元，所述图片融合单元用于获取图片组内的所有图像文件的标记信息，并将不同的标记信息融合至一张图像文件内，使该图像文件生成为融合图像；
所述姿态对比单元将融合图像与其他图片组内的图像文件姿态动作进行对比，创建姿态数据，并将与融合图像相似的图像文件生成代表图像。
作为本技术方案的进一步改进，所述图片融合单元生成融合图像的方法步骤如下：
S1、获取图片组内的所有图像文件，根据图像文件获取到该图像文件内人员的标记信息；
S2、根据标记信息，对所有的标记信息中不同的人员信息进行识别；
S3、将识别到的不同人员信息从图像文件中截取出；
S4、将截取出的人员信息组合到一张图像文件内。
作为本技术方案的进一步改进，所述图像分析模块包括行为姿态感知单元、用户操作采集单元以及操作信息跟随单元，其中：
所述行为姿态感知单元用于对姿态数据进行分析，以获得多个代表图像之间的姿态幅度差距；
所述用户操作采集单元用于获取人们调整代表图像顺序的信息，并创建调整信息；
所述操作信息跟随单元根据调整信息对代表图像所在的图片组进行顺序调整，并在调整一次后，将姿态幅度差距接近的图片组调整至一起。
作为本技术方案的进一步改进，所述姿态对比单元采用姿态估计算法，其算法公式如下：
式中，i表示关键点；Tk表示人员尺度的阈值；p表示人员；dpi表示人员中关键点的预测值和的欧式距离；
表示人员的尺度因子；PCKi表示阈值Tk下关键点i的尺度指标；PCKmean表示阈值Tk下的尺度指标。
作为本技术方案的进一步改进，所述协同索引模块还包括图片裂变单元，所述图片裂变单元与用户操作采集单元连接，所述图片裂变单元对调整信息中排名靠前的代表图像进行记录，并生成组合信息；
所述图片裂变单元还与图片融合单元连接，所述图片融合单元根据组合信息对排名靠前的代表图像所在的图片组内的图像进行随机融合。
作为本技术方案的进一步改进，所述图片裂变单元连接有反馈信息录入单元，所述反馈信息录入单元用于对人们提供反馈入口，根据反馈入口的信息对组合信息进行调整。
与现有技术相比，本发明的有益效果：
1、该基于运动检测技术的智能云相框的分析系统中，为时间相互接近的图片创建一个图片组，将图片组内的图片融合成一个图像并将该图像与其他组内的图片进行对比，使对比过程中不需要与该图片组内的图片对比，减少了对比的次数，降低了对硬件资源的消耗，同时，根据用户对融合后图片的操作来调整每个图片组的顺序，以使图片的调整顺序由用户控制，以便于适应用户的习惯。
2、该基于运动检测技术的智能云相框的分析系统中，通过对人们调整代表图像的顺序来判断人们的喜好，利用代表图像的顺序作为依据，对代表图像所在的图片组进行定位，并通过图片裂变单元向图片融合单元发生融合信号，使图片组内被融合的图片符合用户的习惯，以提高云相框推荐的精准性。
附图说明
图1为本发明的整体模块流程示意图；
图2为本发明的预处理模块的模块框图；
图3为本发明的协同感知模块的模块框图；
图4为本发明的协同索引模块的模块框图；
图5为本发明的图像分析模块的模块框图。
图中各个标号意义为：
100、预处理模块；110、资源获取单元；120、人员识别单元；130、数据标记单元；
200、协同感知模块；210、图片信息获取单元；220、数据分析单元；230、图片隔离单元；
300、协同索引模块；310、图片融合单元；320、姿态对比单元；330、图片裂变单元；340、反馈信息录入单元；
400、图像分析模块；410、行为姿态感知单元；420、用户操作采集单元；430、操作信息跟随单元。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
第一实施例，请参阅图1-图5所示，提供了基于运动检测技术的智能云相框的分析系统，包括预处理模块100、协同感知模块200、协同索引模块300以及图像分析模块400，其中：
预处理模块100用于获取云相框内图像数据中的人员信息；
协同感知模块200根据云相框内的图像的时间数据将多张图片进行分组；
协同索引模块300将每组的多张图像中的不同人员信息组合，并与云相框内的其他图片进行相似度对比，根据对比结果获得代表图片；
图像分析模块400将多组的代表图片中人员的动作进行分析，确定多张代表图片的优先级，然后根据用户的代表图片的操作状态来调整多组图片之间的顺序。
此外，预处理模块100包括资源获取单元110、人员识别单元120以及数据标记单元130；
资源获取单元110用于读取云相框内的数据信息，以得到图像文件；
人员识别单元120对图像文件中的人员进行识别，在识别后，通过数据标记单元130将识别到的不同人员分别进行标记，并创建标记信息。
不难发现，在拍摄较多的图片过程中，时间距离越近的多个图片之间的相似度很高，因此，协同感知模块200包括图片信息获取单元210、数据分析单元220以及图片隔离单元230；
图片信息获取单元210用于识别图像文件的拍摄时间，生成时间信息；
数据分析单元220根据多个图像文件的时间信息进行对比，以得到差别信息；
图片隔离单元230根据差别信息将多个图像文件进行隔离，并创建图片组。
通过图片隔离单元230将拍摄时间相接近的多个图像文件隔离，使云相册内的图像文件被分成多个图片组。
数据分析单元220对多个图像文件的时间信息对比方法步骤如下：
S1、获取每个图像文件的时间信息，该时间信息是设备拍摄图片的时间；
S2、根据时间信息对图像文件进行排序，排序方式是根据时间的先后来进行的，时间越靠前，图片的排名便越靠前；
S3、设定时间间隔；
S4、基于时间间隔，获取每个时间间隔下的图像文件，并将每个时间间隔下的图像文件都生成差别信息。S3可以通过人们自主设定，例如设定的时间间隔为10秒，那么系统就会从排序后的第一张图像文件的时间信息开始，基于该时间信息向后增加十秒，将处于这十秒内的所有图像文件生成一个差别信息，然后继续重复刚才的步骤，从而生成多个差别信息。
具体的，协同索引模块300包括图片融合单元310和姿态对比单元320，图片融合单元310用于获取图片组内的所有图像文件的标记信息，并将不同的标记信息融合至一张图像文件内，使该图像文件生成为融合图像；
姿态对比单元320将融合图像与其他图片组内的图像文件姿态动作进行对比，创建姿态数据，并将与融合图像相似的图像文件生成代表图像。
图片组创建完成后，就需要选取一个代表图像，通过将图片组内的每个人员信息组合到一起，使该图片具有图片组内的每个人员信息的特征，但由于该图片是组合出来的，还是与现实图片有点不同，因此，将该图片与其他图片组内的图像文件进行对比，找到相似的图像文件，此时该图像文件就是代表着这个图片组的特征信息。
此外，图片融合单元310生成融合图像的方法步骤如下：
S1、获取图片组内的所有图像文件，根据图像文件获取到该图像文件内人员的标记信息；
S2、根据标记信息，对所有的标记信息中不同的人员信息进行识别；
S3、将识别到的不同人员信息从图像文件中截取出；
S4、将截取出的人员信息组合到一张图像文件内，也就是融合图像，该图像文件包含该图片组内所有的人员信息。
进一步的，图像分析模块400包括行为姿态感知单元410、用户操作采集单元420以及操作信息跟随单元430，其中：
行为姿态感知单元410用于对姿态数据进行分析，以获得多个代表图像之间的姿态幅度差距；
用户操作采集单元420用于获取人们调整代表图像顺序的信息，并创建调整信息；
操作信息跟随单元430根据调整信息对代表图像所在的图片组进行顺序调整，并在调整一次后，将姿态幅度差距接近的图片组调整至一起，以辅助人们快速的进行调整。
当用户操作采集单元420监测到用户想要调整代表图像的位置时，对位置进行记录，然后通过操作信息跟随单元430对代表图像所对应的图片组的顺序进行调整，并在调整的过程中，根据图像中人员的动作幅度来调节相应的代表图像。
例如，有代表图像a、代表图像b、代表图像c以及代表图像d四个图像，那么所对应的图片组也就是四个，当用户将代表图像b移动至代表图像a前面时，如果代表图像c与代表图像b的姿态较为接近，那么代表图像c就会被移动至代表图像a后面，从而根据姿态的动作幅度来对人们的移动进行辅助。
也就是说，为时间相互接近的图片创建一个图片组，将图片组内的图片融合成一个图像并将该图像与其他组内的图片进行对比，使对比过程中不需要与该图片组内的图片对比，减少了对比的次数，降低了对硬件资源的消耗，同时，根据用户对融合后图片的操作来调整每个图片组的顺序，以使图片的调整顺序由用户控制，以便于适应用户的习惯。
再进一步的，姿态对比单元320采用姿态估计算法，其算法公式如下：
式中，i表示关键点；Tk表示人员尺度的阈值；p表示人员；dpi表示人员中关键点的预测值和的欧式距离；
表示人员的尺度因子；PCKi表示阈值Tk下关键点i的尺度指标；PCKmean表示阈值Tk下的尺度指标。使用时，系统在融合图像以及图像文件中识别人员的关键点，如胳膊、腿部以及头部等等，然后识别到人员关键点i的尺度因子，并与阈值Tk进行对比，得到尺度指标PCK，然后通过尺度指标PCK来判断该动作是否与其他图像文件内人员的相似度。
第二实施例，协同索引模块300还包括图片裂变单元330，图片裂变单元330与用户操作采集单元420连接，图片裂变单元330对调整信息中排名靠前的代表图像进行记录，并生成组合信息；
图片裂变单元330还与图片融合单元310连接，图片融合单元310根据组合信息对排名靠前的代表图像所在的图片组内的图像进行随机融合。
也就是说，通过图片裂变单元330对人们调整代表图像的顺序进行获取，识别到排名靠前的几个代表图像，因为排名越靠前说明人们对该图像比较喜欢，接下来检索到这几个代表图像所对应的图片组，然后将这几个图片组的融合信号发送至图片融合单元310处，使图片融合单元310对这几个图片组内的多个图片进行随机融合，使云相框能够根据人们的喜好来融合不同的图片，从而提高云相框的适应力。
综上，通过对人们调整代表图像的顺序来判断人们的喜好，利用代表图像的顺序作为依据，对代表图像所在的图片组进行定位，并通过图片裂变单元330向图片融合单元310发生融合信号，使图片组内被融合的图片符合用户的习惯，以提高云相框推荐的精准性。
不仅如此，图片裂变单元330连接有反馈信息录入单元340，反馈信息录入单元340用于对人们提供反馈入口，根据反馈入口的信息对组合信息进行调整，考虑到一些人可能会将喜欢的代表图像移动至后面，此时，人们即可通过反馈信息录入单元340将反馈信息录入，使图片裂变单元330为排名靠后的代表图像创建组合信息。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.基于运动检测技术的智能云相框的分析系统，其特征在于：包括预处理模块(100)、协同感知模块(200)、协同索引模块(300)以及图像分析模块(400)，其中：
所述预处理模块(100)用于获取云相框内图像数据中的人员信息；
所述协同感知模块(200)根据云相框内的图像的时间数据将多张图片进行分组；
所述协同索引模块(300)将每组的多张图像中的不同人员信息组合，并与云相框内的其他图片进行相似度对比，根据对比结果获得代表图片；
所述图像分析模块(400)将多组的代表图片中人员的动作进行分析，确定多张代表图片的优先级，然后根据用户的代表图片的操作状态来调整多组图片之间的顺序。
2.根据权利要求1所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述预处理模块(100)包括资源获取单元(110)、人员识别单元(120)以及数据标记单元(130)；
所述资源获取单元(110)用于读取云相框内的数据信息，以得到图像文件；
所述人员识别单元(120)对图像文件中的人员进行识别，在识别后，通过所述数据标记单元(130)将识别到的不同人员分别进行标记，并创建标记信息。
3.根据权利要求2所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述协同感知模块(200)包括图片信息获取单元(210)、数据分析单元(220)以及图片隔离单元(230)；
所述图片信息获取单元(210)用于识别图像文件的拍摄时间，生成时间信息；
所述数据分析单元(220)根据多个图像文件的时间信息进行对比，以得到差别信息；
所述图片隔离单元(230)根据差别信息将多个图像文件进行隔离，并创建图片组。
4.根据权利要求3所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述数据分析单元(220)对多个图像文件的时间信息对比的方法步骤如下：
S1、获取每个图像文件的时间信息；
S2、根据时间信息对图像文件进行排序；
S3、设定时间间隔；
S4、基于时间间隔，获取每个时间间隔下的图像文件，并将每个时间间隔下的图像文件都生成差别信息。
5.根据权利要求3所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述协同索引模块(300)包括图片融合单元(310)和姿态对比单元(320)，所述图片融合单元(310)用于获取图片组内的所有图像文件的标记信息，并将不同的标记信息融合至一张图像文件内，使该图像文件生成为融合图像；
所述姿态对比单元(320)将融合图像与其他图片组内的图像文件姿态动作进行对比，创建姿态数据，并将与融合图像相似的图像文件生成代表图像。
6.根据权利要求5所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述图片融合单元(310)生成融合图像的方法步骤如下：
S1、获取图片组内的所有图像文件，根据图像文件获取到该图像文件内人员的标记信息；
S2、根据标记信息，对所有的标记信息中不同的人员信息进行识别；
S3、将识别到的不同人员信息从图像文件中截取出；
S4、将截取出的人员信息组合到一张图像文件内。
7.根据权利要求5所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述图像分析模块(400)包括行为姿态感知单元(410)、用户操作采集单元(420)以及操作信息跟随单元(430)，其中：
所述行为姿态感知单元(410)用于对姿态数据进行分析，以获得多个代表图像之间的姿态幅度差距；
所述用户操作采集单元(420)用于获取人们调整代表图像顺序的信息，并创建调整信息；
所述操作信息跟随单元(430)根据调整信息对代表图像所在的图片组进行顺序调整，并在调整一次后，将姿态幅度差距接近的图片组调整至一起。
8.根据权利要求5所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述姿态对比单元(320)采用姿态估计算法，其算法公式如下：
式中，i表示关键点；Tk表示人员尺度的阈值；p表示人员；dpi表示人员中关键点的预测值和的欧式距离；
表示人员的尺度因子；PCKi表示阈值Tk下关键点i的尺度指标；PCKmean表示阈值Tk下的尺度指标。
9.根据权利要求7所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述协同索引模块(300)还包括图片裂变单元(330)，所述图片裂变单元(330)与用户操作采集单元(420)连接，所述图片裂变单元(330)对调整信息中排名靠前的代表图像进行记录，并生成组合信息；
所述图片裂变单元(330)还与图片融合单元(310)连接，所述图片融合单元(310)根据组合信息对排名靠前的代表图像所在的图片组内的图像进行随机融合。
10.根据权利要求9所述的基于运动检测技术的智能云相框的分析系统，其特征在于：所述图片裂变单元(330)连接有反馈信息录入单元(340)，所述反馈信息录入单元(340)用于对人们提供反馈入口，根据反馈入口的信息对组合信息进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211733796.2A CN116028657B (zh) | 2022-12-30 | 2022-12-30 | 基于运动检测技术的智能云相框的分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211733796.2A CN116028657B (zh) | 2022-12-30 | 2022-12-30 | 基于运动检测技术的智能云相框的分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116028657A true CN116028657A (zh) | 2023-04-28 |
| CN116028657B CN116028657B (zh) | 2024-06-14 |
Family
ID=86075398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211733796.2A Active CN116028657B (zh) | 2022-12-30 | 2022-12-30 | 基于运动检测技术的智能云相框的分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116028657B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060251292A1 (en) * | 2005-05-09 | 2006-11-09 | Salih Burak Gokturk | System and method for recognizing objects from images and identifying relevancy amongst images and information |
| KR20070009338A (ko) * | 2005-07-15 | 2007-01-18 | (주)첫눈 | 이미지 상호간의 유사도를 고려한 이미지 검색 방법 및장치 |
| US20090080780A1 (en) * | 2005-07-19 | 2009-03-26 | Nec Corporation | Articulated Object Position and Posture Estimation Device, Method and Program |
| JP2013254332A (ja) * | 2012-06-06 | 2013-12-19 | Kumamoto Univ | 画像処理方法および画像処理装置 |
| CN104298713A (zh) * | 2014-09-16 | 2015-01-21 | 北京航空航天大学 | 一种基于模糊聚类的图片检索方法 |
| CN104756109A (zh) * | 2012-10-26 | 2015-07-01 | 谷歌公司 | 对相关照片进行分组 |
| CN105493497A (zh) * | 2013-07-01 | 2016-04-13 | 巴科股份有限公司 | 用于流送环境中的高效视频处理的方法和处理器 |
| CN105868309A (zh) * | 2016-03-24 | 2016-08-17 | 广东微模式软件股份有限公司 | 一种基于人脸图像聚类和识别技术的图像快速查找和自助打印方法 |
| CN106231152A (zh) * | 2016-09-20 | 2016-12-14 | 北京小米移动软件有限公司 | 传输图片的方法及装置 |
| CN106537417A (zh) * | 2013-05-14 | 2017-03-22 | 谷歌公司 | 总结相册 |
| CN110390704A (zh) * | 2019-07-11 | 2019-10-29 | 深圳追一科技有限公司 | 图像处理方法、装置、终端设备及存储介质 |
| CN111126324A (zh) * | 2019-12-25 | 2020-05-08 | 深圳力维智联技术有限公司 | 一种多源异构数据融合的方法、装置、产品及介质 |
| CN111556358A (zh) * | 2020-05-20 | 2020-08-18 | 维沃移动通信有限公司 | 显示方法、装置和电子设备 |
| CN111598190A (zh) * | 2020-07-21 | 2020-08-28 | 腾讯科技（深圳）有限公司 | 图像目标识别模型的训练方法、图像识别方法及装置 |
| US20210157312A1 (en) * | 2016-05-09 | 2021-05-27 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
| CN114299536A (zh) * | 2021-12-15 | 2022-04-08 | 重庆邮电大学 | 一种基于关键点相关性的人体姿态估计方法 |
| US20220263953A1 (en) * | 2021-02-12 | 2022-08-18 | Canon Kabushiki Kaisha | Image processing apparatus, method of controlling image processing apparatus, and storage medium for editing an album |
-
2022
- 2022-12-30 CN CN202211733796.2A patent/CN116028657B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060251292A1 (en) * | 2005-05-09 | 2006-11-09 | Salih Burak Gokturk | System and method for recognizing objects from images and identifying relevancy amongst images and information |
| KR20070009338A (ko) * | 2005-07-15 | 2007-01-18 | (주)첫눈 | 이미지 상호간의 유사도를 고려한 이미지 검색 방법 및장치 |
| US20090080780A1 (en) * | 2005-07-19 | 2009-03-26 | Nec Corporation | Articulated Object Position and Posture Estimation Device, Method and Program |
| JP2013254332A (ja) * | 2012-06-06 | 2013-12-19 | Kumamoto Univ | 画像処理方法および画像処理装置 |
| CN104756109A (zh) * | 2012-10-26 | 2015-07-01 | 谷歌公司 | 对相关照片进行分组 |
| CN106537417A (zh) * | 2013-05-14 | 2017-03-22 | 谷歌公司 | 总结相册 |
| CN105493497A (zh) * | 2013-07-01 | 2016-04-13 | 巴科股份有限公司 | 用于流送环境中的高效视频处理的方法和处理器 |
| CN104298713A (zh) * | 2014-09-16 | 2015-01-21 | 北京航空航天大学 | 一种基于模糊聚类的图片检索方法 |
| CN105868309A (zh) * | 2016-03-24 | 2016-08-17 | 广东微模式软件股份有限公司 | 一种基于人脸图像聚类和识别技术的图像快速查找和自助打印方法 |
| US20210157312A1 (en) * | 2016-05-09 | 2021-05-27 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
| CN106231152A (zh) * | 2016-09-20 | 2016-12-14 | 北京小米移动软件有限公司 | 传输图片的方法及装置 |
| CN110390704A (zh) * | 2019-07-11 | 2019-10-29 | 深圳追一科技有限公司 | 图像处理方法、装置、终端设备及存储介质 |
| CN111126324A (zh) * | 2019-12-25 | 2020-05-08 | 深圳力维智联技术有限公司 | 一种多源异构数据融合的方法、装置、产品及介质 |
| CN111556358A (zh) * | 2020-05-20 | 2020-08-18 | 维沃移动通信有限公司 | 显示方法、装置和电子设备 |
| CN111598190A (zh) * | 2020-07-21 | 2020-08-28 | 腾讯科技（深圳）有限公司 | 图像目标识别模型的训练方法、图像识别方法及装置 |
| US20220263953A1 (en) * | 2021-02-12 | 2022-08-18 | Canon Kabushiki Kaisha | Image processing apparatus, method of controlling image processing apparatus, and storage medium for editing an album |
| CN114299536A (zh) * | 2021-12-15 | 2022-04-08 | 重庆邮电大学 | 一种基于关键点相关性的人体姿态估计方法 |
Non-Patent Citations (3)
| Title |
|---|
| I.CODE: "介绍一种图像相似度排序算法", pages 1, Retrieved from the Internet <URL:《https://blog.csdn.net/codeslave1130/article/details/86680409》> * |
| KOSTADIN DABOV等: "Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》, vol. 16, no. 8, 16 July 2007 (2007-07-16), pages 2080 - 2095, XP011187305, DOI: 10.1109/TIP.2007.901238 * |
| 司江华: "基于多特征融合的图像检索研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2, 15 February 2020 (2020-02-15), pages 138 - 1250 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116028657B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
| Cong et al. | Towards scalable summarization of consumer videos via sparse dictionary selection | |
| CN108229674B (zh) | 聚类用神经网络的训练方法和装置、聚类方法和装置 | |
| Rui et al. | Constructing table-of-content for videos | |
| US20100067750A1 (en) | Apparatus for registering face identification features, method for registering the same, program for registering the same, and recording medium | |
| US20110188713A1 (en) | Facial image recognition and retrieval | |
| US20090100050A1 (en) | Client device for interacting with a mixed media reality recognition system | |
| EP2005366A2 (en) | Forming connections between image collections | |
| EP2005362A1 (en) | Identifying unique objects in multiple image collections | |
| GB2402535A (en) | Face recognition | |
| CN112380512B (zh) | 卷积神经网络动态手势认证方法、装置、存储介质及设备 | |
| CN110569918B (zh) | 一种样本分类的方法以及相关装置 | |
| CN113766299B (zh) | 一种视频数据播放方法、装置、设备以及介质 | |
| CN111491187A (zh) | 视频的推荐方法、装置、设备及存储介质 | |
| CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
| CN112488072A (zh) | 一种人脸样本集获取方法、系统及设备 | |
| CN112464775A (zh) | 一种基于多分支网络的视频目标重识别方法 | |
| WO2024193538A1 (zh) | 视频数据处理方法、装置、设备及可读存储介质 | |
| CN112328833A (zh) | 标签处理方法、装置及计算机可读存储介质 | |
| CN113705310A (zh) | 特征学习的方法、目标物体的识别方法和对应装置 | |
| CN109508660A (zh) | 一种基于视频的au检测方法 | |
| CN108024148B (zh) | 基于行为特征的多媒体文件识别方法、处理方法及装置 | |
| CN116028657B (zh) | 基于运动检测技术的智能云相框的分析系统 | |
| CN112052352A (zh) | 视频排序方法、装置、服务器及存储介质 | |
| CN112101479B (zh) | 一种发型识别方法及装置 |
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 |