CN116503815A - 一种基于大数据的计算机视觉处理系统 - Google Patents
一种基于大数据的计算机视觉处理系统 Download PDFInfo
- Publication number
- CN116503815A CN116503815A CN202310736372.XA CN202310736372A CN116503815A CN 116503815 A CN116503815 A CN 116503815A CN 202310736372 A CN202310736372 A CN 202310736372A CN 116503815 A CN116503815 A CN 116503815A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- confidence coefficient
- similarity
- module
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供一种基于大数据的计算机视觉处理系统,涉及图像处理技术领域,其包括:获取模块,用于获取监控摄像头拍摄到的多个第一图像;比对模块,用于将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度;目标检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过目标检测算法对所述第一图像进行目标检测,得到第一置信度;判断模块,用于根据所述第一置信度,判断所述第一图像对应的区域是否发生异常事件。可以将与历史图像相似度高的第一图像直接剔除,减少了图像数据且所述相似度比对算法的计算量要远低于目标检测算法的计算量,从而降低了对于图像处理系统对于算力的要求。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于大数据的计算机视觉处理系统。
背景技术
随着图像数据的爆炸式增长,对海量的图像数据进行高效的处理成为各行各业都亟待解决的问题。
而目前的图像处理系统,通常都是先获取到海量的图像数据,再直接利用现有的图像处理算法对这些海量的图像数据进行处理分析。受限于当前的图像处理算法其计算量普遍较大,对海量的图像数据中的每一图像数据都进行计算量较大的图像处理算法,对于算力设备提出较高的要求,而算力资源是昂贵的。
可见,现有的图像处理系统对算力要求较高。
发明内容
本发明实施例的目的在于提供一种基于大数据的计算机视觉处理系统,以解决现有的图像处理系统对算力要求较高的问题。
为解决上述问题,本发明是这样实现的:
第一方面,本发明实施例提供一种基于大数据的计算机视觉处理系统,包括:
获取模块,用于获取监控摄像头拍摄到的多个第一图像,所述第一图像为所述监控摄像头在当前时刻拍摄到的图像数据;
比对模块,用于将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度,所述历史图像为所述监控摄像头在当前时刻之前的时刻拍摄的图像;
目标检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过目标检测算法对所述第一图像进行目标检测,得到第一置信度,所述第一置信度为所述第一图像中具有目标的概率;
判断模块,用于根据所述第一置信度,判断所述第一图像对应的区域是否发生异常事件。
可选地,在所述获取监控摄像头拍摄到的第一图像之后,将所述第一图像与历史图像进行相似度比对之前,所述基于大数据的计算机视觉处理系统还包括图像数据清洗模块,所述图像数据清洗模块包括:获取子模块、确定子模块;
获取子模块,用于获取每一监控摄像头的拍摄方位角和视场角;
确定子模块,用于根据所述每一监控摄像头的拍摄方位角和视场角,确定任意两个第一子图像之间的重合区域,所述第一子图像为所述第一图像的部分区域对应的图像;
拼接子模块,用于在所述任意两个所述第一子图像之间的重合区域的面积大于第二预设阈值的情况下,将所述任意两个所述第一子图像进行拼接,得到所述第一图像。
可选地,所述比对模块包括:
比对子模块,用于通过改进的结构相似性算法SSIM,将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度;
所述相似度的计算公式如下:
其中,所述代表所述第一图像,所述/>代表所述历史图像,所述/>为所述第一图像的亮度平均值,所述/>为所述历史图像的亮度平均值,所述/>为常数。
可选地,所述目标检测模块包括:
第一目标子检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过YOLOv5算法对所述第一图像进行目标检测,得到第一子置信度A;
第二目标子检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过R-CNN算法对所述第一图像进行目标检测,得到第二子置信度B;
计算子模块,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C。
可选地,所述计算子模块包括:
第一计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
可选地,所述计算子模块包括:
第二计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
可选地,所述计算子模块包括:
第三计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
可选地,所述判断模块包括:
第一判断子单元,若所述第一置信度大于第三预设阈值,则所述第一图像对应的区域是发生异常事件;
第二判断子单元,若所述第一置信度小于第三预设阈值,则所述第一图像对应的区域未发生异常事件。
第二方面,本发明实施例还提供一种电子设备,包括:
收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;所述处理器,用于读取存储器中的程序实现如第一方面中任一项所述的基于大数据的计算机视觉处理系统相应模块执行的步骤。
第三方面,本发明实施例还提供一种可读存储介质,用于存储程序,所述程序被处理器执行时实现如前述第一方面所述的基于大数据的计算机视觉处理系统相应模块执行的步骤。
本发明提供的一种基于大数据的计算机视觉处理系统包括:获取模块,用于获取监控摄像头拍摄到的多个第一图像;比对模块,用于将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度;目标检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过目标检测算法对所述第一图像进行目标检测,得到第一置信度;判断模块,用于根据所述第一置信度,判断所述第一图像对应的区域是否发生异常事件。可以将与历史图像相似度高的第一图像(可以看做相对与历史图像未发生变化的图像)直接剔除,从而减少图像数据,从而降低了对于算力的要求。
附图说明
图1是本发明实施例提供的一种基于大数据的计算机视觉处理系统的结构示意图;
图2是本发明实施例提供的一种电子设备的结构示意图。
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,都属于本发明保护的范围。
本发明实施例中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,本发明中使用“和/或”表示所连接对象的至少其中之一,例如A和/或B和/或C,表示包含单独A,单独B,单独C,以及A和B都存在,B和C都存在,A和C都存在,以及A、B和C都存在的7种情况。
参见图1,本发明实施例提供一种基于大数据的计算机视觉处理系统100,包括:
获取模块101,用于获取监控摄像头拍摄到的多个第一图像,所述第一图像为所述监控摄像头在当前时刻拍摄到的图像数据;
比对模块102,用于将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度,所述历史图像为所述监控摄像头在当前时刻之前的时刻拍摄的图像;
目标检测模块103,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过目标检测算法对所述第一图像进行目标检测,得到第一置信度,所述第一置信度为所述第一图像中具有目标的概率;
应理解,所述目标可以理解根据实际应用场景来设置,例如,该目标可以为可疑人员,也可以为烟火,此处不作进一步限制。
判断模块104,用于根据所述第一置信度,判断所述第一图像对应的区域是否发生异常事件。
应理解,异常事件可以是发生火灾,也可以是进入可疑人员。此处不做进一步限制。
本发明提供一种基于大数据的计算机视觉处理系统,涉及图像处理技术领域,其中,包括:所述获取模块101,用于获取监控摄像头拍摄到的多个第一图像;比对模块102,用于将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度;目标检测模块103,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过目标检测算法对所述第一图像进行目标检测,得到第一置信度;判断模块104,用于根据所述第一置信度,判断所述第一图像对应的区域是否发生异常事件。可以将与历史图像相似度高的第一图像(可以看做相对与历史图像未发生变化的图像)直接剔除,从而减少图像数据,从而降低了对于算力的要求。
可选地,在所述获取监控摄像头拍摄到的第一图像之后,将所述第一图像与历史图像进行相似度比对之前,所述基于大数据的计算机视觉处理系统还包括图像数据清洗模块,所述图像数据清洗模块包括:获取子模块、确定子模块;
获取子模块,用于获取每一监控摄像头的拍摄方位角和视场角;
确定子模块,用于根据所述每一监控摄像头的拍摄方位角和视场角,确定任意两个第一子图像之间的重合区域,所述第一子图像为所述第一图像的部分区域对应的图像;
拼接子模块,用于在所述任意两个所述第一子图像之间的重合区域的面积大于第二预设阈值的情况下,将所述任意两个所述第一子图像进行拼接,得到所述第一图像。
在本发明实施例中,通过上述方式,可以减少监控摄像头拍摄到的重复区域的图像,从而图像处理系统降低对于算力的要求。
可选地,所述比对模块102包括:
比对子模块,用于通过改进的结构相似性算法SSIM,将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度;
所述相似度的计算公式如下:
其中,所述代表所述第一图像,所述/>代表所述历史图像,所述/>为所述第一图像的亮度平均值,所述/>为所述历史图像的亮度平均值,所述/>为常数。
在本发明实施例中,发明人通过改进相似度算法的公式,降低计算量,从而降低了该图像处理系统对于算力的要求。
可选地,所述目标检测模块103包括:
第一目标子检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过YOLOv5算法对所述第一图像进行目标检测,得到第一子置信度A;
第二目标子检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过卷积神经网络R-CNN算法对所述第一图像进行目标检测,得到第二子置信度B;
计算子模块,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C。
可选地,在一些实施例中,所述计算子模块包括:
第一计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
可选地,在一些实施例中,所述计算子模块包括:
第二计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
可选地,在一些实施例中,所述计算子模块包括:
第三计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
可选地,在一些实施例中,所述判断模块104包括:
第一判断子单元,若所述第一置信度大于第三预设阈值,则所述第一图像对应的区域是发生异常事件;
第二判断子单元,若所述第一置信度小于第三预设阈值,则所述第一图像对应的区域未发生异常事件。
本发明实施例还提供一种电子设备。请参见图2,电子设备可以包括处理器201、存储器202及存储在存储器202上并可在处理器201上运行的程序2021。
程序2021被处理器201执行时可实现图1对应的实施例中的任意步骤及达到相同的有益效果,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成,所述的程序可以存储于一可读取介质中。
本发明实施例还提供一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时可实现上述图1对应的实施例中的任意步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例的计算机可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所述是本发明实施例的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于大数据的计算机视觉处理系统,其特征在于,包括:
获取模块,用于获取监控摄像头拍摄到的多个第一图像,所述第一图像为所述监控摄像头在当前时刻拍摄到的图像数据;
比对模块,用于将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度,所述历史图像为所述监控摄像头在当前时刻之前的时刻拍摄的图像;
目标检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过目标检测算法对所述第一图像进行目标检测,得到第一置信度,所述第一置信度为所述第一图像中具有目标的概率;
判断模块,用于根据所述第一置信度,判断所述第一图像对应的区域是否发生异常事件。
2.根据权利要求1所述的基于大数据的计算机视觉处理系统,其特征在于,在所述获取监控摄像头拍摄到的第一图像之后,将所述第一图像与历史图像进行相似度比对之前,所述基于大数据的计算机视觉处理系统还包括图像数据清洗模块,所述图像数据清洗模块包括:获取子模块、确定子模块;
获取子模块,用于获取每一监控摄像头的拍摄方位角和视场角;
确定子模块,用于根据所述每一监控摄像头的拍摄方位角和视场角,确定任意两个第一子图像之间的重合区域,所述第一子图像为所述第一图像的部分区域对应的图像;
拼接子模块,用于在所述任意两个所述第一子图像之间的重合区域的面积大于第二预设阈值的情况下,将所述任意两个所述第一子图像进行拼接,得到所述第一图像。
3.根据权利要求1所述的基于大数据的计算机视觉处理系统,其特征在于,所述比对模块包括:
比对子模块,用于通过改进的结构相似性算法SSIM,将所述第一图像与历史图像进行相似度比对,得到所述第一图像与所述历史图像的相似度;
所述相似度的计算公式如下:
其中,所述代表所述第一图像,所述/>代表所述历史图像,所述/>为所述第一图像的亮度平均值,所述/>为所述历史图像的亮度平均值,所述/>为常数。
4.根据权利要求1所述的基于大数据的计算机视觉处理系统,其特征在于,所述目标检测模块包括:
第一目标子检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过YOLOv5算法对所述第一图像进行目标检测,得到第一子置信度A;
第二目标子检测模块,用于在所述第一图像与所述历史图像的相似度小于第一预设阈值的情况下,通过R-CNN算法对所述第一图像进行目标检测,得到第二子置信度B;
计算子模块,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C。
5.根据权利要求4所述的基于大数据的计算机视觉处理系统,其特征在于,所述计算子模块包括:
第一计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
6.根据权利要求4所述的基于大数据的计算机视觉处理系统,其特征在于,所述计算子模块包括:
第二计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
7.根据权利要求4所述的基于大数据的计算机视觉处理系统,其特征在于,所述计算子模块包括:
第三计算子单元,用于根据所述第一子置信度A和所述第二子置信度B,计算所述第一置信度C的计算公式如下:
。
8.根据权利要求1所述的基于大数据的计算机视觉处理系统,其特征在于,所述判断模块包括:
第一判断子单元,若所述第一置信度大于第三预设阈值,则所述第一图像对应的区域是发生异常事件;
第二判断子单元,若所述第一置信度小于第三预设阈值,则所述第一图像对应的区域未发生异常事件。
9.一种电子设备,包括:收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;其特征在于,所述处理器,用于读取存储器中的程序实现如权利要求1至8中任一项所述的基于大数据的计算机视觉处理系统中相应模块所执行的步骤。
10.一种可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现如权利要求1至8中任一项所述的基于大数据的计算机视觉处理系统中相应模块所执行的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310736372.XA CN116503815B (zh) | 2023-06-21 | 2023-06-21 | 一种基于大数据的计算机视觉处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310736372.XA CN116503815B (zh) | 2023-06-21 | 2023-06-21 | 一种基于大数据的计算机视觉处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116503815A true CN116503815A (zh) | 2023-07-28 |
CN116503815B CN116503815B (zh) | 2024-01-30 |
Family
ID=87318643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310736372.XA Active CN116503815B (zh) | 2023-06-21 | 2023-06-21 | 一种基于大数据的计算机视觉处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116503815B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914821A (zh) * | 2012-12-31 | 2014-07-09 | 株式会社理光 | 多角度图像对象融合方法及系统 |
CN107295256A (zh) * | 2017-06-23 | 2017-10-24 | 华为技术有限公司 | 一种图像处理方法、装置与设备 |
CN109166261A (zh) * | 2018-10-11 | 2019-01-08 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
CN109727058A (zh) * | 2018-11-19 | 2019-05-07 | 北京三快在线科技有限公司 | 用户行为异常检测方法、装置、电子设备及可读存储介质 |
CN109902633A (zh) * | 2019-03-04 | 2019-06-18 | 南京小网科技有限责任公司 | 基于固定位摄像机监控视频的异常事件检测方法及装置 |
CN110097596A (zh) * | 2019-04-30 | 2019-08-06 | 湖北大学 | 一种基于opencv的目标检测系统 |
CN110135476A (zh) * | 2019-04-28 | 2019-08-16 | 深圳市中电数通智慧安全科技股份有限公司 | 一种个人安全装备的检测方法、装置、设备及系统 |
CN110147465A (zh) * | 2019-05-23 | 2019-08-20 | 上海闻泰电子科技有限公司 | 图像处理方法、装置、设备和介质 |
CN110781821A (zh) * | 2019-10-25 | 2020-02-11 | 上海商汤智能科技有限公司 | 基于无人机的目标检测方法及装置、电子设备和存储介质 |
CN111062881A (zh) * | 2019-11-20 | 2020-04-24 | RealMe重庆移动通信有限公司 | 图像处理方法及装置、存储介质、电子设备 |
CN111126411A (zh) * | 2019-11-07 | 2020-05-08 | 浙江大华技术股份有限公司 | 一种异常行为识别方法及装置 |
CN113220927A (zh) * | 2021-05-08 | 2021-08-06 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置、设备及存储介质 |
CN113627406A (zh) * | 2021-10-12 | 2021-11-09 | 南方电网数字电网研究院有限公司 | 异常行为检测方法、装置、计算机设备和存储介质 |
CN114020946A (zh) * | 2021-11-16 | 2022-02-08 | 重庆紫光华山智安科技有限公司 | 一种基于多图检索数据融合的目标判断处理方法和系统 |
CN114511753A (zh) * | 2021-12-31 | 2022-05-17 | 中原动力智能机器人有限公司 | 一种目标检测模型的更新方法、装置、设备及存储介质 |
CN114898420A (zh) * | 2022-03-29 | 2022-08-12 | 浙江大华技术股份有限公司 | 异常人脸档案识别方法、装置、电子装置和存储介质 |
WO2022183661A1 (zh) * | 2021-03-03 | 2022-09-09 | 上海商汤智能科技有限公司 | 事件检测方法、装置、电子设备、存储介质及程序产品 |
CN115564790A (zh) * | 2021-07-01 | 2023-01-03 | 富泰华工业(深圳)有限公司 | 目标对象检测方法、电子设备及存储介质 |
CN116071363A (zh) * | 2023-03-27 | 2023-05-05 | 山东中济鲁源机械有限公司 | 一种自动化型钢智能生产监测系统 |
CN116168345A (zh) * | 2023-04-21 | 2023-05-26 | 深圳开鸿数字产业发展有限公司 | 火灾检测方法及相关设备 |
-
2023
- 2023-06-21 CN CN202310736372.XA patent/CN116503815B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914821A (zh) * | 2012-12-31 | 2014-07-09 | 株式会社理光 | 多角度图像对象融合方法及系统 |
CN107295256A (zh) * | 2017-06-23 | 2017-10-24 | 华为技术有限公司 | 一种图像处理方法、装置与设备 |
CN109166261A (zh) * | 2018-10-11 | 2019-01-08 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
CN109727058A (zh) * | 2018-11-19 | 2019-05-07 | 北京三快在线科技有限公司 | 用户行为异常检测方法、装置、电子设备及可读存储介质 |
CN109902633A (zh) * | 2019-03-04 | 2019-06-18 | 南京小网科技有限责任公司 | 基于固定位摄像机监控视频的异常事件检测方法及装置 |
CN110135476A (zh) * | 2019-04-28 | 2019-08-16 | 深圳市中电数通智慧安全科技股份有限公司 | 一种个人安全装备的检测方法、装置、设备及系统 |
CN110097596A (zh) * | 2019-04-30 | 2019-08-06 | 湖北大学 | 一种基于opencv的目标检测系统 |
CN110147465A (zh) * | 2019-05-23 | 2019-08-20 | 上海闻泰电子科技有限公司 | 图像处理方法、装置、设备和介质 |
CN110781821A (zh) * | 2019-10-25 | 2020-02-11 | 上海商汤智能科技有限公司 | 基于无人机的目标检测方法及装置、电子设备和存储介质 |
CN111126411A (zh) * | 2019-11-07 | 2020-05-08 | 浙江大华技术股份有限公司 | 一种异常行为识别方法及装置 |
CN111062881A (zh) * | 2019-11-20 | 2020-04-24 | RealMe重庆移动通信有限公司 | 图像处理方法及装置、存储介质、电子设备 |
WO2022183661A1 (zh) * | 2021-03-03 | 2022-09-09 | 上海商汤智能科技有限公司 | 事件检测方法、装置、电子设备、存储介质及程序产品 |
CN113220927A (zh) * | 2021-05-08 | 2021-08-06 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置、设备及存储介质 |
CN115564790A (zh) * | 2021-07-01 | 2023-01-03 | 富泰华工业(深圳)有限公司 | 目标对象检测方法、电子设备及存储介质 |
CN113627406A (zh) * | 2021-10-12 | 2021-11-09 | 南方电网数字电网研究院有限公司 | 异常行为检测方法、装置、计算机设备和存储介质 |
CN114020946A (zh) * | 2021-11-16 | 2022-02-08 | 重庆紫光华山智安科技有限公司 | 一种基于多图检索数据融合的目标判断处理方法和系统 |
CN114511753A (zh) * | 2021-12-31 | 2022-05-17 | 中原动力智能机器人有限公司 | 一种目标检测模型的更新方法、装置、设备及存储介质 |
CN114898420A (zh) * | 2022-03-29 | 2022-08-12 | 浙江大华技术股份有限公司 | 异常人脸档案识别方法、装置、电子装置和存储介质 |
CN116071363A (zh) * | 2023-03-27 | 2023-05-05 | 山东中济鲁源机械有限公司 | 一种自动化型钢智能生产监测系统 |
CN116168345A (zh) * | 2023-04-21 | 2023-05-26 | 深圳开鸿数字产业发展有限公司 | 火灾检测方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116503815B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3525165B1 (en) | Method and apparatus with image fusion | |
CN111031348B (zh) | 一种视频加扰方法、装置、服务器和存储介质 | |
CN111160202B (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
CN109255337B (zh) | 人脸关键点检测方法和装置 | |
WO2022032549A1 (zh) | 基于跨模态转化辅助的人脸防伪检测方法、系统及装置 | |
CN111512317A (zh) | 一种多目标实时跟踪方法、装置及电子设备 | |
CN111666960A (zh) | 图像识别方法、装置、电子设备及可读存储介质 | |
US11688078B2 (en) | Video object detection | |
CN110532746B (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
CN112446352A (zh) | 行为识别方法、装置、介质及电子设备 | |
CN113989156A (zh) | 脱敏方法的可靠性验证的方法、装置、介质、设备和程序 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN116503815B (zh) | 一种基于大数据的计算机视觉处理系统 | |
CN113537145A (zh) | 目标检测中误、漏检快速解决的方法、装置及存储介质 | |
CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
CN111507140A (zh) | 人像对比方法、系统、电子设备和可读存储介质 | |
CN112738387B (zh) | 目标抓拍方法、装置及存储介质 | |
CN114049594A (zh) | 变电设备在线监测方法、装置、计算机设备和存储介质 | |
CN112991418A (zh) | 图像深度预测和神经网络训练方法和装置、介质、设备 | |
CN114596638A (zh) | 人脸活体检测方法、装置及存储介质 | |
CN105227914A (zh) | 基于云服务器的生物特征信息的识别方法、装置及系统 | |
CN111612028A (zh) | 一种基于深度学习的船只特征优化方法、装置和电子设备 | |
CN115861321B (zh) | 应用于工业互联网的生产环境检测方法及系统 | |
CN113989694B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN116781389B (zh) | 一种异常数据列表的确定方法、电子设备及存储介质 |
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 |