CN116704008A - 基于画面面积计算判断物体的方法、装置及其应用 - Google Patents
基于画面面积计算判断物体的方法、装置及其应用 Download PDFInfo
- Publication number
- CN116704008A CN116704008A CN202310956719.1A CN202310956719A CN116704008A CN 116704008 A CN116704008 A CN 116704008A CN 202310956719 A CN202310956719 A CN 202310956719A CN 116704008 A CN116704008 A CN 116704008A
- Authority
- CN
- China
- Prior art keywords
- target object
- area
- coordinate axis
- parabola
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004364 calculation method Methods 0.000 title claims abstract description 37
- 238000002372 labelling Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims 1
- 238000009827 uniform distribution Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000001788 irregular Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提出了基于画面面积计算判断物体的方法、装置及其应用，包括以下步骤S00、在摄像机画面中建立坐标轴；S10、以目标物体经过的坐标点作为起点，将目标物体完全进入坐标轴第一象限内时的定点相互连接，形成抛物线；S20、计算抛物线与坐标轴之间代表目标物体的形状面积，得到期望值，将该期望值作为目标物体期望值；其中，通过对抛物线的函数定积分运算，定义抛物线与坐标轴之间的值作为待确定标注的对象；S30、将符合该目标物体期望值的误差范围内的物体标注为目标物体。本申请可自动标注，适用于任意物品的识别。
Description
技术领域
本申请涉及大数据技术领域，特别是一种涉及基于画面面积计算判断物体的方法、装置及其应用。
背景技术
数据标注是指借助特定软件标注工具以人工的方式将图片、语音、文本、视频等数据内容打上特征标签，使计算机通过大量学习这些带有特征标签的数据，最终具备自主识别特征的一种行为。数据标注技术作为提供训练数据的必经环节，促进了人工智能的快速发展。常见的数据标注按照数据类型可以分为图像标注、文本标注及语音标注。
目前，由于大数据的数据量庞大，并且拥有时效性、多样性、精确性的特点，在对数据进行标注的时候，为了保证数据标注的准确性，往往需要人力的介入，但是人力的介入，又会占据大量的人力资源，并且耗费很多时间。
因此，亟待基于画面面积计算判断物体的方法、装置及其应用，可针对图像标注，采用简单的数学模型使得标注的准确率得到提升的同时，可以帮助人工节省很多时间和人力资源，也节省开发资源。
发明内容
本申请实施例提供了基于画面面积计算判断物体的方法、装置及其应用，针对目前技术存在的需要人工标注、浪费人力资源等问题。
本发明核心技术主要是基于摄像头画面固定和图像的特点，在摄像机画面中建立坐标轴，利用目标物体经过坐标点为起点，以目标物体定点相互连接，形成抛物线，此时计算抛物线当中的点下方的形状面积得出一个期望值，将此定义为目标物体期望值，后续凡进入该坐标计算面积为该期望值，都可标注为目标物体。
第一方面，本申请提供了基于画面面积计算判断物体的方法，所述方法包括以下步骤：
S00、在摄像机画面中建立坐标轴；
S10、以目标物体经过的坐标点作为起点，将目标物体完全进入坐标轴第一象限内时的定点相互连接，形成抛物线；
S20、计算抛物线与坐标轴之间代表目标物体的形状面积，得到期望值，将该期望值作为目标物体期望值；
其中，通过对抛物线的函数定积分运算，定义抛物线与坐标轴之间的值作为待确定标注的对象；
S30、将符合该目标物体期望值的误差范围内的物体标注为目标物体。
进一步地，S20步骤中，抛物线与坐标轴之间的面积减去目标物体与坐标轴之间空白区域的面积得到代表目标物体的形状面积。
进一步地，S20步骤中，设目标函数为g(X)，以g(X)在区间[a,b]上的定积分d(x)作为抛物线与坐标轴之间的面积，在区间[a,b]上随机选取n个点，得到坐标x1-xn，n个独立均匀分布的随机变量，推导得到以下公式：
其中，g(Xi)表示取n个点后计算的概率面积值，b-a代表在a到b区间的准确抛物线面积值；
当n取无穷大的时候，算数平均值视作等同于统计平均值，则：
并以此为依据选取定点的数量。
进一步地，S20步骤中，以概率定理证明当n取无穷大时，平均值视作等同于最终值，即取n个抛物线上的点进行计算抛物线的定积分结果作为面积，取平均值进行定义期望值时，n越大，其结果越接近真实值。
进一步地，基于位置固定的摄像机画面建立坐标系。
进一步地，目标物体期望值的误差范围通过人工确定或自动确定。
进一步地，应用于车辆识别或行人识别。
第二方面，本申请提供了一种基于画面面积计算判断物体装置，包括：
坐标轴模块，在摄像机画面中建立坐标轴；
抛物线建立模块，以目标物体经过的坐标点作为起点，将目标物体完全进入坐标轴第一象限内时的定点相互连接，形成抛物线；
计算模块，计算抛物线与坐标轴之间代表目标物体的形状面积，得到期望值，将该期望值作为目标物体期望值；其中，通过对抛物线的函数定积分运算，定义抛物线与坐标轴之间的值作为待确定标注的对象；
标注模块，将符合该目标物体期望值的误差范围内的物体标注为目标物体。
第三方面，本申请提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述的基于画面面积计算判断物体的方法。
第四方面，本申请提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序包括用于控制过程以执行过程的程序代码，过程包括根据上述的基于画面面积计算判断物体的方法。
本发明的主要贡献和创新点如下：1、与现有技术相比，本申请通过改进现有监控画面中物体的形状和面积的计算方式，有效提高了对物体识别的准确性，同时利用了概率的原则以及数学定理进行计算，成功地消除了不同物体之间相似物体面积难辨认的问题。
2、与现有技术相比，本申请可实现对物体的自动标注，显著降低了人力成本和资源的消耗，同时还可以人为更改目标物体期望值的误差范围，从而实现手动定义识别物体的阈值范围。
3、与现有技术相比，本申请可识别任意能够形成抛物线的物体，不针对特定物体，因此可显著增加识别范围和灵活性。
4、与现有技术相比，本申请可应用于图像标注外，还可用于交通违法，如车辆违停、非机动车不按规定道路行驶、行人道路安全等方面，拓展性强。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的基于画面面积计算判断物体的方法的流程；
图2是本申请抛物线进行函数定积分运算的示意图；
图3是根定理证明的示意图；
图4是取N个抛物线上的点进行计算抛物线的定积分结果的示意图；
图5是渣土车出现在摄像机画面中并建立坐标轴的示意图；
图6是计算渣土车实际面积的示意图；
图7是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
实施例一
本申请旨在提出基于画面面积计算判断物体的方法，通过基于画面面积计算判断物体的方法，可以自动标注，具体地，参考图1，所述方法包括：
S00、在摄像机画面中建立坐标轴；
在本实施例中，基于摄像机（监控探头）画面固定和图像的特点，在摄像机画面中建立坐标轴，如最常见的X-Y坐标系，以第一象限为例。
S10、以目标物体经过的坐标点作为起点，将目标物体完全进入坐标轴第一象限内时的定点相互连接，形成抛物线；
在本实施例中，基于不同物体类型，所形成的抛物线各不相同，因此对于抛物线下方的面积计算是本申请的关键点，通过对抛物线的函数定积分运算，定义抛物线下方的值来确定标注的对象，如图2所示，可得公式（1）如下：
其中，b-a代表横坐标的x轴区间（a，b为横坐标的值，可任意选取，取区间[a,b]代表取ab区间的抛物线面积），N表示取N个点（等同于后面出现的n），f(Xi)代表取抛物线上的第i个定积分计算结果值（面积）。
在本实施例中，如图3所示，由于抛物线的复杂多样化可能带来不同的抛物线计算的面积值相同的情况，因此，本申请的重点在于，利用概率定理，证明当N取无穷大时，平均值近似等于最终值，根定理证明公式（2）如下：
其中，公式（2）证明以多次在矩形面积中命中不规则图形的平均值（即面积）等于实际确定值，以图形面积解释公式中的含义，假设打击事件p(A)，P代表计算结果面积，矩形面积为S，不规则图形面积为S’，n代表打击次数，则k是n次打击次数中命中不规则图形次数，ε代表必须大于0的任意正数。如此，可得出当n趋向于无穷大时，打击命中的概率值k/n与S’/S是相同的。
因此，也就证明了当N趋于无穷大时，取N个抛物线上的点进行计算抛物线的定积分结果（面积）取平均值进行定义期望值时，N越大，其结果越接近真实值，如图4所示。
在本实施例中，设目标函数为g（x），现在要计算g（x）在区间[a,b]上的定积分d（x）（即面积），因此采用如上图4的方式在区间[a，b]上随机取N个点，得到坐标x1,x2,x3····为N个独立均匀分布的随机变量（公式（1）），由公式（2）进行推导，得到如下公式（3）：
其中，g(Xi)表示取n个点后计算的概率面积值，b-a代表在a到b区间的准确抛物线面积值；即g（x），两者由公式（2）得到当n趋近于无穷大时在P事件中二者可视作相等。
当n取无穷大的时候，算数平均值视作等同于统计平均值，则：
并以此为依据选取定点的数量。
如此，确定定点数量后，只要定点数量够多，表示N越大，其结果越接近真实值。因此，坐标轴第一象限内的定点连接形成的抛物线就能够准确地代表目标物体。
S20、计算抛物线与坐标轴之间代表目标物体的形状面积，得到期望值，将该期望值作为目标物体期望值；
其中，通过对抛物线的函数定积分运算，定义抛物线与坐标轴之间的值作为待确定标注的对象；
在本实施例中，可对任意物体形成的抛物线进行定积分的运算，并且取的点越多，计算结果越准确，如图5中的渣土车所示，可计算此渣土车的面积，可用上述方法计算大的抛物线以下的面积，同时根据路面与车辆的交界绘制出小的抛物线，如图6所示，因此根据同样方法计算出小的抛物线以下的面积，最终，以f（x）减去g（x）得到最终面积。
S30、将符合该目标物体期望值的误差范围内的物体标注为目标物体。
在本实施例中，由此并根据此结果判定后续经过的车辆，数值如果相同或近似99%（可由人工决定阈值），则可自动标注为渣土车。
实施例二
基于相同的构思，本申请还提出了一种基于画面面积计算判断物体装置，包括：
坐标轴模块，在摄像机画面中建立坐标轴；
抛物线建立模块，以目标物体经过的坐标点作为起点，将目标物体完全进入坐标轴第一象限内时的定点相互连接，形成抛物线；
计算模块，计算抛物线与坐标轴之间代表目标物体的形状面积，得到期望值，将该期望值作为目标物体期望值；其中，通过对抛物线的函数定积分运算，定义抛物线与坐标轴之间的值作为待确定标注的对象；
标注模块，将符合该目标物体期望值的误差范围内的物体标注为目标物体。
实施例三
本实施例还提供了一种电子装置，参考图7，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
具体地，上述处理器402可以包括中央处理器（CPU），或者特定集成电路（ApplicationSpecificIntegratedCircuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器（HardDiskDrive，简称为HDD）、软盘驱动器、固态驱动器（SolidStateDrive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（UniversalSerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性（Non-Volatile）存储器。在特定实施例中，存储器404包括只读存储器（Read-OnlyMemory，简称为ROM）和随机存取存储器（RandomAccessMemory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（ProgrammableRead-OnlyMemory，简称为PROM）、可擦除PROM（ErasableProgrammableRead-OnlyMemory，简称为EPROM）、电可擦除PROM（ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM）、电可改写ROM（ElectricallyAlterableRead-OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（StaticRandom-AccessMemory，简称为SRAM）或动态随机存取存储器（DynamicRandomAccessMemory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器404（FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM）、同步动态随机存取内存（SynchronousDynamicRandom-AccessMemory，简称SDRAM）等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意基于画面面积计算判断物体的方法。
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是图像等，输出的信息可以是标注结果等。
实施例四
本实施例还提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序包括用于控制过程以执行过程的程序代码，过程包括根据实施例一的基于画面面积计算判断物体的方法。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以作出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.基于画面面积计算判断物体的方法，其特征在于，包括以下步骤：
S00、在摄像机画面中建立坐标轴；
S10、以目标物体经过的坐标点作为起点，将所述目标物体完全进入坐标轴第一象限内时的定点相互连接，形成抛物线；
S20、计算所述抛物线与坐标轴之间代表目标物体的形状面积，得到期望值，将该期望值作为目标物体期望值；
其中，通过对所述抛物线的函数定积分运算，定义所述抛物线与坐标轴之间的值作为待确定标注的对象；
S30、将符合该目标物体期望值的误差范围内的物体标注为目标物体。
2.如权利要求1所述的基于画面面积计算判断物体的方法，其特征在于，S20步骤中，所述抛物线与坐标轴之间的面积减去所述目标物体与坐标轴之间空白区域的面积得到代表目标物体的形状面积。
3.如权利要求1所述的基于画面面积计算判断物体的方法，其特征在于，S20步骤中，设目标函数为g(X)，以g(X)在区间[a,b]上的定积分d(x)作为所述抛物线与坐标轴之间的面积，在区间[a,b]上随机选取n个点，得到坐标x1-xn，n个独立均匀分布的随机变量，推导得到以下公式：
其中，g(Xi)表示取n个点后计算的概率面积值，b-a代表在a到b区间的准确抛物线面积值，P表示计算结果面积；
当n取无穷大的时候，算数平均值视作等同于统计平均值，则：
并以此为依据选取定点的数量。
4.如权利要求3所述的基于画面面积计算判断物体的方法，其特征在于，S20步骤中，以概率定理证明当n取无穷大时，平均值视作等同于最终值，即取n个抛物线上的点进行计算抛物线的定积分结果作为面积，取平均值进行定义期望值时，n越大，其结果越接近真实值。
5.如权利要求1-4任意一项所述的基于画面面积计算判断物体的方法，其特征在于，基于位置固定的摄像机画面建立坐标系。
6.如权利要求1-4任意一项所述的基于画面面积计算判断物体的方法，其特征在于，所述目标物体期望值的误差范围通过人工确定或自动确定。
7.如权利要求1-4任意一项所述的基于画面面积计算判断物体的方法，其特征在于，应用于车辆识别或行人识别。
8.一种基于画面面积计算判断物体装置，其特征在于，包括：
坐标轴模块，在摄像机画面中建立坐标轴；
抛物线建立模块，以目标物体经过的坐标点作为起点，将目标物体完全进入坐标轴第一象限内时的定点相互连接，形成抛物线；
计算模块，计算抛物线与坐标轴之间代表目标物体的形状面积，得到期望值，将该期望值作为目标物体期望值；其中，通过对抛物线的函数定积分运算，定义抛物线与坐标轴之间的值作为待确定标注的对象；
标注模块，将符合该目标物体期望值的误差范围内的物体标注为目标物体。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项所述的基于画面面积计算判断物体的方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至7任一项所述的基于画面面积计算判断物体的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310956719.1A CN116704008B (zh) | 2023-08-01 | 2023-08-01 | 基于画面面积计算判断物体的方法、装置及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310956719.1A CN116704008B (zh) | 2023-08-01 | 2023-08-01 | 基于画面面积计算判断物体的方法、装置及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116704008A true CN116704008A (zh) | 2023-09-05 |
| CN116704008B CN116704008B (zh) | 2023-10-17 |
Family
ID=87829590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310956719.1A Active CN116704008B (zh) | 2023-08-01 | 2023-08-01 | 基于画面面积计算判断物体的方法、装置及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116704008B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102928742A (zh) * | 2012-11-22 | 2013-02-13 | 重庆市电力公司检修分公司 | 一种高压设备红外图像自动故障识别方法 |
| CN103975342A (zh) * | 2012-01-12 | 2014-08-06 | 柯法克斯公司 | 用于移动图像捕获和处理的系统和方法 |
| CN104335042A (zh) * | 2012-03-30 | 2015-02-04 | 领英股份有限公司 | 从多孔介质的数字表征中选择代表性单元体积的高效方法 |
| CN104700418A (zh) * | 2015-03-24 | 2015-06-10 | 江南大学 | 基于灰度级信息的目标边界精确周长估算 |
| EP3722861A1 (en) * | 2017-12-06 | 2020-10-14 | Kuniaki Nagayama | Observation method using microscope and transmission-type microscopic device |
| CN113570594A (zh) * | 2021-08-11 | 2021-10-29 | 无锡祥生医疗科技股份有限公司 | 超声图像中目标组织的监测方法、装置及存储介质 |
| CN114004862A (zh) * | 2021-10-12 | 2022-02-01 | 北京航天长征飞行器研究所 | 一种长波红外弱小目标检测识别方法 |
| CN114170373A (zh) * | 2021-10-21 | 2022-03-11 | 中科云谷科技有限公司 | 目标物体标注方法、处理器、装置及搅拌站 |
| CN116363557A (zh) * | 2023-03-17 | 2023-06-30 | 杭州再启信息科技有限公司 | 一种用于连续帧的自学习标注方法、系统及介质 |
-
2023
- 2023-08-01 CN CN202310956719.1A patent/CN116704008B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103975342A (zh) * | 2012-01-12 | 2014-08-06 | 柯法克斯公司 | 用于移动图像捕获和处理的系统和方法 |
| CN104335042A (zh) * | 2012-03-30 | 2015-02-04 | 领英股份有限公司 | 从多孔介质的数字表征中选择代表性单元体积的高效方法 |
| CN102928742A (zh) * | 2012-11-22 | 2013-02-13 | 重庆市电力公司检修分公司 | 一种高压设备红外图像自动故障识别方法 |
| CN104700418A (zh) * | 2015-03-24 | 2015-06-10 | 江南大学 | 基于灰度级信息的目标边界精确周长估算 |
| EP3722861A1 (en) * | 2017-12-06 | 2020-10-14 | Kuniaki Nagayama | Observation method using microscope and transmission-type microscopic device |
| CN113570594A (zh) * | 2021-08-11 | 2021-10-29 | 无锡祥生医疗科技股份有限公司 | 超声图像中目标组织的监测方法、装置及存储介质 |
| CN114004862A (zh) * | 2021-10-12 | 2022-02-01 | 北京航天长征飞行器研究所 | 一种长波红外弱小目标检测识别方法 |
| CN114170373A (zh) * | 2021-10-21 | 2022-03-11 | 中科云谷科技有限公司 | 目标物体标注方法、处理器、装置及搅拌站 |
| CN116363557A (zh) * | 2023-03-17 | 2023-06-30 | 杭州再启信息科技有限公司 | 一种用于连续帧的自学习标注方法、系统及介质 |
Non-Patent Citations (2)
| Title |
|---|
| DIANA WEIHING 等: "An Integral Detection Scheme for Moving Object Indication in Dual-Channel High Resolution Spaceborne SAR Data", 《2007 URBAN REMOTE SENSING JOINT EVENT》, pages 1 - 6 * |
| 刘金锦 等: "基于点云切片改进法的不规则物体体积测量", 《光学学报》, vol. 41, no. 23, pages 1 - 13 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116704008B (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112232293B (zh) | 图像处理模型训练、图像处理方法及相关设备 | |
| US11380104B2 (en) | Method and device for detecting illegal parking, and electronic device | |
| CN112200884B (zh) | 一种车道线的生成方法及装置 | |
| CN112469066B (zh) | 5g网络覆盖评估方法及装置 | |
| CN110503682B (zh) | 矩形控件识别方法、装置、终端及存储介质 | |
| CN110969200A (zh) | 基于一致性负样本的图像目标检测模型训练方法及装置 | |
| CN115393727A (zh) | 一种路面线性裂缝识别方法、电子设备及存储介质 | |
| CN111881243A (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
| CN115830399A (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
| CN116704008B (zh) | 基于画面面积计算判断物体的方法、装置及其应用 | |
| CN116645612A (zh) | 一种森林资源资产确定方法及系统 | |
| CN114821513B (zh) | 一种基于多层网络的图像处理方法及装置、电子设备 | |
| CN113435502B (zh) | 站点流量确定方法、装置、设备及存储介质 | |
| CN111143424A (zh) | 特征场景数据挖掘方法、装置和终端 | |
| CN114781149A (zh) | 一种场景元素信息自动获取方法及系统 | |
| CN111753926B (zh) | 一种用于智慧城市的数据共享方法及系统 | |
| CN109409247B (zh) | 交通标志识别方法和装置 | |
| CN114842322A (zh) | 遗留物检测方法、装置及电子设备、计算机可读存储介质 | |
| CN113159640A (zh) | 一种评价指标权重的确定方法、装置、设备及介质 | |
| CN111369373A (zh) | 车辆内部损坏确定方法及装置 | |
| CN115880650B (zh) | 跨视域车辆重识别模型及其构建方法、装置及应用 | |
| CN113806236B (zh) | 一种移动测试领域云真机一机多控的方法及系统 | |
| CN116311101A (zh) | 道路危险因子检测识别方法、装置及其应用 | |
| US20240020811A1 (en) | Video image processing method, apparatus, and device, and storage medium | |
| CN118115574A (zh) | 变电站双分裂引流线的定位方法、定位装置和机器人 |
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 |