CN116563911A - 一种具有人像识别功能的大数据云平台系统 - Google Patents
一种具有人像识别功能的大数据云平台系统 Download PDFInfo
- Publication number
- CN116563911A CN116563911A CN202310365242.XA CN202310365242A CN116563911A CN 116563911 A CN116563911 A CN 116563911A CN 202310365242 A CN202310365242 A CN 202310365242A CN 116563911 A CN116563911 A CN 116563911A
- Authority
- CN
- China
- Prior art keywords
- big data
- human image
- target
- characteristic model
- data
- 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.)
- Pending
Links
- 230000006870 function Effects 0.000 claims abstract description 24
- 230000003993 interaction Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 20
- 238000013500 data storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- 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
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种具有人像识别功能的大数据云平台系统,涉及大数据技术邻域,具体为大数据接收模块,用于接收来自网络的大数据信息;用户多种关系交互模块,所述用户多种关系交互模块至少设置有两个;人像数据采集模块,用于从大数据信息中对人像数据的采集以及对人像数据建立样本特征模型以及样本特征模型的存储;人像识别模块,用于大数据信息中建立的样本特征模型与目标特征模型进行对比计算出符合要求的目标人像。本申请适用于大数据云平台系统通过两种不同的数据模型对比计算出需要的目标特征,此系统可以快速的进行反应,计算量低,系统占用内存低,可以帮助使用人员快速得到自己想要的目标特征数据的人像数据。
Description
技术邻域
本发明涉及大数据技术邻域,具体为一种具有人像识别功能的大数据云平台系统。
背景技术
大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产,大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的增值。
现有的大数据处理技术很多,如申请号CN201910766696.1公开的一种基于数据融合技术的人像识别告警方法及系统,方法包括:建立BP神经网络模型,并训练该BP神经网络模型,对于每个训练样本,通过后向传播修改权重使得网络预测和实际目标值之间的均方误差最小;通过前端采集设备采集人像数据;以设定的目标库中的人像数据为比对对象,通过多个算法厂家提供的人像比对算法对采集的人像数据进行相似度比对计算,得到多组原始相似度数据;将多组所述原始相似度数据作为输入层经训练完毕的BP神经网络模型后输出最终相似度数据;将得到的最终相似度数据进行排序,将达到或超过设定报警阈值的数据推送至告警平台产生告警。
现有的人像识别技术满足不了在大数据海量的数据中的运行,不能及时的通过目标人像数据寻找到满足要求的样本数据,针对上述情况,我们推出了一种具有人像识别功能的大数据云平台系统。
发明内容
针对现有技术的不足,本发明提供了一种具有人像识别功能的大数据云平台系统,解决了上述背景技术中提出现有的利用人工携带相关仪器来检测混凝土裂缝的方式过于费时费力,且容易发生遗漏,而且检测人员到达现场也容易出现安全隐患的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种基于航拍拼接图像的混凝土裂缝识别系统,包括:
大数据接收模块,用于接收来自网络的大数据信息,并对大数据进行过滤为每个时间段的大数据信息盖上时间戳;
用户多种关系交互模块,所述用户多种关系交互模块至少设置有两个,且用户多种关系交互模块用于构建目标特征模型的构建以及目标特征模型的存储;
人像数据采集模块,用于从大数据信息中对人像数据的采集以及对人像数据建立样本特征模型以及样本特征模型的存储;
人像识别模块,用于大数据信息中建立的样本特征模型与目标特征模型进行对比计算出符合要求的目标人像;
云端存储模块,用于存储大数据接收模块中、用户多种关系交互模块、人像数据采集模块和人像识别模块中的信息数据。
进一步的,所述大数据接收模块中设置有至少两个以上数据接口单元以及大数据初步处理单元,且数据接口单元用于连接外部网络,将外部网络中传输的大数据信息传递到大数据初步处理单元中盖上时间戳。
进一步的,所述用户多种关系交互模块中设置有用户端,且用户通过用户端输入目标人像图形然后构建目标特征模型提取目标特征。
进一步的,所述目标特征模型的方法为:
目标特征LBP定义在像素3×3邻域内的以邻域中心像素为第一阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,3×3邻域内8个点经比较生产8位二进制数,也可以转换为十进制数的LBP码,得到该邻域中心像素点的LBP值反映该区域的纹理信息,其中LBP值公式为:
其中(xc,yc)代表3×3邻域的中心像素,它的像素值为ic,ip代表邻域内其他像素的值,s(x)为符号函数,定义如下:
进一步的,所述用户多种关系交互模块还设置有目标特征数据存储区用于存储目标特征数据,且目标特征数据存储区基于RAM存储器。
进一步的,所述人像数据采集模块用于从大数据信息中对人像数据进行采集,且人像数据采集模块中设置有样本特征模型建立单元,而且人像数据采集模块通过样本特征模型建立单元对人像数据建立样本特征模型。
进一步的,所述样本特征模型建立方法为:
样本特征LBP定义在像素5×5圆形邻域内的以邻域中心像素为第二阈值,在半径为R的圆形邻域内有任意多个像素点,半径为R的圆形区域内含有P个采样点的LBP算子,每个采样点的值的计算公式为:
其中,(xc,yc)为邻域中心点,(xp,yp),P∈p为某个采样点,计算出任意个采样点的坐标,通过双线性插值来得到该采样点的像素值,公式为:
进一步的,所述人像数据采集模块还设置有样本库单元,且样本库单元用以存储样本特征模型建立单元建立的样本特征模型。
进一步的,所述人像识别模块用于样本特征模型与目标特征模型进行对比计算出符合要求的目标人像,所述样本特征模型中的样本特征LBP的第二阈值与目标特征模型中的目标特征LBP的第一阈值相互比较,若第一阈值大于第二阈值则代表样本特征模型中的人像数据符合目标特征模型中的人像数据,若第一阈值小于第二阈值则代表样本特征模型中的人像数据不符合目标特征模型中的人像数据。
本发明提供了一种具有人像识别功能的大数据云平台系统,具备以下有益效果:
本申请适用于大数据云平台系统通过两种不同的数据模型对比计算出需要的目标特征,此系统可以快速的进行反应,计算量低,系统占用内存低,可以帮助使用人员快速得到自己想要的目标特征数据的人像数据;
本申请,人像识别模块将大数据信息中建立的样本特征模型与目标特征模型进行对比计算出符合要求的目标人像,具体为,样本特征模型中的样本特征LBP的第二阈值与目标特征模型中的目标特征LBP的第一阈值相互比较,若第一阈值大于第二阈值则代表样本特征模型中的人像数据符合目标特征模型中的人像数据,若第一阈值小于第二阈值则代表样本特征模型中的人像数据不符合目标特征模型中的人像数据。
附图说明
图1为本发明一种具有人像识别功能的大数据云平台系统的流程示意图;
图2为本发明一种具有人像识别功能的大数据云平台系统的目标特征LBP提取特征方式示意图;
图3为本发明一种具有人像识别功能的大数据云平台系统的样本特征LBP提取特征方式示意图。
具体实施方式
请参阅图1-图3,本发明提供一种技术方案:一种具有人像识别功能的大数据云平台系统,包括:
大数据接收模块,用于接收来自网络的大数据信息,并对大数据进行过滤为每个时间段的大数据信息盖上时间戳;
用户多种关系交互模块,所述用户多种关系交互模块至少设置有两个,且用户多种关系交互模块用于构建目标特征模型的构建以及目标特征模型的存储;
人像数据采集模块,用于从大数据信息中对人像数据的采集以及对人像数据建立样本特征模型以及样本特征模型的存储;
人像识别模块,用于大数据信息中建立的样本特征模型与目标特征模型进行对比计算出符合要求的目标人像;
云端存储模块,用于存储大数据接收模块中、用户多种关系交互模块、人像数据采集模块和人像识别模块中的信息数据。
大数据接收模块中设置有至少两个以上数据接口单元以及大数据初步处理单元,且数据接口单元用于连接外部网络,将外部网络中传输的大数据信息传递到大数据初步处理单元中盖上时间戳。
用户多种关系交互模块中设置有用户端,且用户通过用户端输入目标人像图形然后构建目标特征模型提取目标特征。
目标特征模型的方法为:
目标特征LBP定义在像素3×3邻域内的以邻域中心像素为第一阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,3×3邻域内8个点经比较生产8位二进制数,也可以转换为十进制数的LBP码,得到该邻域中心像素点的LBP值反映该区域的纹理信息,其中LBP值公式为:
其中(xc,yc)代表3×3邻域的中心像素,它的像素值为ic,ip代表邻域内其他像素的值,s(x)为符号函数,定义如下:
用户多种关系交互模块还设置有目标特征数据存储区用于存储目标特征数据,且目标特征数据存储区基于RAM存储器。
人像数据采集模块用于从大数据信息中对人像数据进行采集,且人像数据采集模块中设置有样本特征模型建立单元,而且人像数据采集模块通过样本特征模型建立单元对人像数据建立样本特征模型。
样本特征模型建立方法为:
样本特征LBP定义在像素5×5圆形邻域内的以邻域中心像素为第二阈值,在半径为R的圆形邻域内有任意多个像素点,半径为R的圆形区域内含有P个采样点的LBP算子,每个采样点的值的计算公式为:
其中,(xc,yc)为邻域中心点,(xp,yp),P∈p为某个采样点,计算出任意个采样点的坐标,通过双线性插值来得到该采样点的像素值,公式为:
人像数据采集模块还设置有样本库单元,且样本库单元用以存储样本特征模型建立单元建立的样本特征模型。
人像识别模块用于样本特征模型与目标特征模型进行对比计算出符合要求的目标人像,所述样本特征模型中的样本特征LBP的第二阈值与目标特征模型中的目标特征LBP的第一阈值相互比较,若第一阈值大于第二阈值则代表样本特征模型中的人像数据符合目标特征模型中的人像数据,若第一阈值小于第二阈值则代表样本特征模型中的人像数据不符合目标特征模型中的人像数据。
综上,该具有人像识别功能的大数据云平台系统,使用时,首先通过大数据接收模块接收来自网络的大数据信息,并对大数据进行过滤为每个时间段的大数据信息盖上时间戳;
然后通过用户多种关系交互模块构建目标特征模型的构建以及目标特征模型的存储,用户多种关系交互模块中设置有用户端,且用户通过用户端输入目标人像图形然后构建目标特征模型提取目标特征,目标特征模型的方法为:
目标特征LBP定义在像素3×3邻域内的以邻域中心像素为第一阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,3×3邻域内8个点经比较生产8位二进制数,也可以转换为十进制数的LBP码,得到该邻域中心像素点的LBP值反映该区域的纹理信息,其中LBP值公式为:
其中(xc,yc)代表3×3邻域的中心像素,它的像素值为ic,ip代表邻域内其他像素的值,s(x)为符号函数,定义如下:
用户多种关系交互模块还设置有目标特征数据存储区用于存储目标特征数据,且目标特征数据存储区基于RAM存储器;
之后,人像数据采集模块从大数据信息中对人像数据的采集以及对人像数据建立样本特征模型以及样本特征模型的存储,人像数据采集模块中设置有样本特征模型建立单元,而且人像数据采集模块通过样本特征模型建立单元对人像数据建立样本特征模型。
样本特征模型建立方法为:
样本特征LBP定义在像素5×5圆形邻域内的以邻域中心像素为第二阈值,在半径为R的圆形邻域内有任意多个像素点,半径为R的圆形区域内含有P个采样点的LBP算子,每个采样点的值的计算公式为:
其中,(xc,yc)为邻域中心点,(xp,yp),P∈p为某个采样点,计算出任意个采样点的坐标,通过双线性插值来得到该采样点的像素值,公式为:
人像数据采集模块还设置有样本库单元,且样本库单元用以存储样本特征模型建立单元建立的样本特征模型;
人像识别模块将大数据信息中建立的样本特征模型与目标特征模型进行对比计算出符合要求的目标人像,具体为,样本特征模型中的样本特征LBP的第二阈值与目标特征模型中的目标特征LBP的第一阈值相互比较,若第一阈值大于第二阈值则代表样本特征模型中的人像数据符合目标特征模型中的人像数据,若第一阈值小于第二阈值则代表样本特征模型中的人像数据不符合目标特征模型中的人像数据。
Claims (9)
1.一种具有人像识别功能的大数据云平台系统,其特征在于,包括:
大数据接收模块,用于接收来自网络的大数据信息,并对大数据进行过滤为每个时间段的大数据信息盖上时间戳;
用户多种关系交互模块,所述用户多种关系交互模块至少设置有两个,且用户多种关系交互模块用于构建目标特征模型的构建以及目标特征模型的存储;
人像数据采集模块,用于从大数据信息中对人像数据的采集以及对人像数据建立样本特征模型以及样本特征模型的存储;
人像识别模块,用于大数据信息中建立的样本特征模型与目标特征模型进行对比计算出符合要求的目标人像;
云端存储模块,用于存储大数据接收模块中、用户多种关系交互模块、人像数据采集模块和人像识别模块中的信息数据。
2.根据权利要求1所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述大数据接收模块中设置有至少两个以上数据接口单元以及大数据初步处理单元,且数据接口单元用于连接外部网络,将外部网络中传输的大数据信息传递到大数据初步处理单元中盖上时间戳。
3.根据权利要求1所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述用户多种关系交互模块中设置有用户端,且用户通过用户端输入目标人像图形然后构建目标特征模型提取目标特征。
4.根据权利要求3所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述目标特征模型的方法为:
目标特征LBP定义在像素3×3邻域内的以邻域中心像素为第一阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0,3×3邻域内8个点经比较生产8位二进制数,也可以转换为十进制数的LBP码,得到该邻域中心像素点的LBP值反映该区域的纹理信息,其中LBP值公式为:
其中(xc,yc)代表3×3邻域的中心像素,它的像素值为ic,ip代表邻域内其他像素的值,s(x)为符号函数,定义如下:
5.根据权利要求3所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述用户多种关系交互模块还设置有目标特征数据存储区用于存储目标特征数据,且目标特征数据存储区基于RAM存储器。
6.根据权利要求1所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述人像数据采集模块用于从大数据信息中对人像数据进行采集,且人像数据采集模块中设置有样本特征模型建立单元,而且人像数据采集模块通过样本特征模型建立单元对人像数据建立样本特征模型。
7.根据权利要求6所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述样本特征模型建立方法为:
样本特征LBP定义在像素5×5圆形邻域内的以邻域中心像素为第二阈值,在半径为R的圆形邻域内有任意多个像素点,半径为R的圆形区域内含有P个采样点的LBP算子,每个采样点的值的计算公式为:
其中,(xc,yc)为邻域中心点,(xp,yp),P∈p为某个采样点,计算出任意个采样点的坐标,通过双线性插值来得到该采样点的像素值,公式为:
8.根据权利要求7所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述人像数据采集模块还设置有样本库单元,且样本库单元用以存储样本特征模型建立单元建立的样本特征模型。
9.根据权利要求1所述的一种具有人像识别功能的大数据云平台系统,其特征在于:所述人像识别模块用于样本特征模型与目标特征模型进行对比计算出符合要求的目标人像,所述样本特征模型中的样本特征LBP的第二阈值与目标特征模型中的目标特征LBP的第一阈值相互比较,若第一阈值大于第二阈值则代表样本特征模型中的人像数据符合目标特征模型中的人像数据,若第一阈值小于第二阈值则代表样本特征模型中的人像数据不符合目标特征模型中的人像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310365242.XA CN116563911A (zh) | 2023-04-07 | 2023-04-07 | 一种具有人像识别功能的大数据云平台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310365242.XA CN116563911A (zh) | 2023-04-07 | 2023-04-07 | 一种具有人像识别功能的大数据云平台系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116563911A true CN116563911A (zh) | 2023-08-08 |
Family
ID=87499087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310365242.XA Pending CN116563911A (zh) | 2023-04-07 | 2023-04-07 | 一种具有人像识别功能的大数据云平台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116563911A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344758A (zh) * | 2018-09-25 | 2019-02-15 | 厦门大学 | 基于改进局部二值模式的人脸识别方法 |
CN109871825A (zh) * | 2019-03-13 | 2019-06-11 | 华南理工大学 | 一种基于改进的局部二维模式的人像识别方法 |
CN113963041A (zh) * | 2021-08-30 | 2022-01-21 | 南京市晨枭软件技术有限公司 | 一种图像纹理识别方法及系统 |
CN114241580A (zh) * | 2021-12-29 | 2022-03-25 | 苏州国芯科技股份有限公司 | 一种基于局部二值特征的人脸识别方法及相关装置 |
CN115471763A (zh) * | 2022-08-31 | 2022-12-13 | 重庆大学 | 基于语义和纹理特征融合的sar图像飞机目标识别方法 |
-
2023
- 2023-04-07 CN CN202310365242.XA patent/CN116563911A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344758A (zh) * | 2018-09-25 | 2019-02-15 | 厦门大学 | 基于改进局部二值模式的人脸识别方法 |
CN109871825A (zh) * | 2019-03-13 | 2019-06-11 | 华南理工大学 | 一种基于改进的局部二维模式的人像识别方法 |
CN113963041A (zh) * | 2021-08-30 | 2022-01-21 | 南京市晨枭软件技术有限公司 | 一种图像纹理识别方法及系统 |
CN114241580A (zh) * | 2021-12-29 | 2022-03-25 | 苏州国芯科技股份有限公司 | 一种基于局部二值特征的人脸识别方法及相关装置 |
CN115471763A (zh) * | 2022-08-31 | 2022-12-13 | 重庆大学 | 基于语义和纹理特征融合的sar图像飞机目标识别方法 |
Non-Patent Citations (4)
Title |
---|
吴海燕等: "《5G+智慧水利》", 30 September 2022, pages: 89 - 90 * |
孟茜等: "《生物特征识别技术及其在金融领域的应用》", 31 January 2023, pages: 96 - 97 * |
王凤华等: "《空间遥感图像预处理技术》", 30 June 2020, pages: 148 - 149 * |
胡凡等: "《素履向前 雷格特AFC发展纪实》", 31 March 2022, pages: 214 - 215 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110032954B (zh) | 一种钢筋智能识别与计数方法及系统 | |
CN110728236B (zh) | 车辆定损方法及其专用设备 | |
CN104063686B (zh) | 作物叶部病害图像交互式诊断系统与方法 | |
CN111131314B (zh) | 网络行为的检测方法、装置、计算机设备和存储介质 | |
CN112560745B (zh) | 一种电力作业现场人员甄别方法及相关装置 | |
CN111027631B (zh) | 高压耐张线夹压接缺陷判别的x射线影像分类识别方法 | |
CN112580643A (zh) | 一种基于深度学习的车牌识别方法、装置及存储介质 | |
CN113516133B (zh) | 一种多模态图像分类方法及系统 | |
CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
CN114360067A (zh) | 一种基于深度学习的动态手势识别方法 | |
CN112102424A (zh) | 车牌图像生成模型构建方法、生成方法及装置 | |
CN111222447A (zh) | 基于神经网络及多通道融合lbp特征的活体检测方法 | |
CN115272826A (zh) | 一种基于卷积神经网络的图像识别方法、装置及系统 | |
CN111340727A (zh) | 一种基于gbr图像的异常流量检测方法 | |
CN114005019A (zh) | 一种翻拍图像识别方法及其相关设备 | |
CN116883611B (zh) | 一种结合gis航道信息的航道淤泥分布主动探测识别方法 | |
CN116343100B (zh) | 一种基于自监督学习的目标识别方法及系统 | |
CN116563911A (zh) | 一种具有人像识别功能的大数据云平台系统 | |
CN113592839A (zh) | 基于改进Faster RCNN的配网线路典型缺陷诊断方法及系统 | |
CN111507119A (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 | |
CN111402223B (zh) | 一种利用变电站视频图像的变电站缺陷问题检测方法 | |
CN114842548A (zh) | 一种违规行为识别方法、装置、存储介质及终端 | |
CN109003254B (zh) | 基于逻辑回归覆冰检测方法、装置、设备、系统及介质 | |
CN116645578B (zh) | 多模态数据融合方法及其三维目标检测方法 | |
CN116542858B (zh) | 一种基于空间轨迹的数据拼接分析系统 |
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 |