CN117179744A - 非接触式婴幼儿身高测量方法、装置、设备及存储介质 - Google Patents
非接触式婴幼儿身高测量方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117179744A CN117179744A CN202311121219.2A CN202311121219A CN117179744A CN 117179744 A CN117179744 A CN 117179744A CN 202311121219 A CN202311121219 A CN 202311121219A CN 117179744 A CN117179744 A CN 117179744A
- Authority
- CN
- China
- Prior art keywords
- infant
- outputting
- target
- marker
- pixel size
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 23
- 239000003550 marker Substances 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000006243 chemical reaction Methods 0.000 claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 210000003127 knee Anatomy 0.000 claims description 36
- 238000001514 detection method Methods 0.000 claims description 35
- 210000001217 buttock Anatomy 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000000474 nursing effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 14
- 238000011161 development Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 101100039010 Caenorhabditis elegans dis-3 gene Proteins 0.000 description 1
- 101100030351 Schizosaccharomyces pombe (strain 972 / ATCC 24843) dis2 gene Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及婴幼儿看护技术领域，解决了现有技术中婴幼儿身高测量精度低，测量时容易引起婴幼儿不适和抗拒的问题，提供了一种非接触式婴幼儿身高测量方法、装置、设备及存储介质。该方法包括：获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；检测出各图像中的目标婴幼儿和目标标志物，输出目标婴幼儿对应的第一像素尺寸和目标标志物对应的第二像素尺寸；依据目标标志物的实际尺寸和第二像素尺寸，输出转换比例；依据转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。本发明对婴幼儿身高进行测量，避免了可能引起婴幼儿不适或抗拒的接触方式，有利于保持婴幼儿的舒适和安全。
Description
技术领域
本发明涉及婴幼儿看护技术领域，尤其涉及一种非接触式婴幼儿身高测量方法、装置、设备及存储介质。
背景技术
婴幼儿身高是反映其生长发育状态的重要指标之一，对于父母和医疗专业人员来说都具有重要的参考价值。根据婴幼儿身高的增长情况，家长或医疗专业人员可以判断其营养状况和饮食习惯，指导婴幼儿的合理饮食，保证婴幼儿的身高增长和身体发育，因此婴幼儿身高的变化至关重要。
现有的测量婴幼儿身高的技术有：接触式测量法:通常需要将婴儿裹在一块毛巾中，让婴儿躺在测量仪器的平台上，然后用测尺或毫米口测量身高；非接触式测量法：激光扫描的测量方法：利用激光扫描仪对被测物体进行扫描，采集得到物体表面的三维坐标点，再通过计算得出物体的高度；深度摄像头的测量方法：对被测物体进行三维扫描和测量，通过采用深度学习算法对图像进行处理和分析，实现身高测量。然而，通过上述接触式测量法测量婴幼儿身高流程比较繁琐，还容易引起婴儿的不适和抵抗等情况；通过非接触测量法，测量设备成本较高且测量精度具有不确定性，容易受到设备的测量精度影响。
现有中国专利CN103156613A公开了一种婴儿身高测量装置，其包括：将婴幼儿放在身高测量装置的预设范围内并经过图像采集单元，得到一个包含婴儿的图像；输入所述图像到移动终端的图像处理单元，进行分析，得出距离信息；对分析得出的数据信息进行计算，得到婴儿身高数据；将获取的婴儿身高数据存入移动终端；图像处理单元分析采集的图像，得出在该图像中标尺单位刻度的像的长度，距离计算单元根据采集的图像在标尺方向上的长度与上述标尺单位刻度的像的长度所对应的比例关系计算出实际婴儿身高，当测量婴儿身高时，将婴儿置于婴儿秤上，标尺和移动终端分别处在婴儿的头脚两端，婴儿的头部紧挨移动终端，调整标尺的位置，使标尺紧挨婴儿脚部。然而，上述专利也需要将婴儿固定在婴儿秤上，容易引起婴儿的抗拒心理和不适；同时，当婴儿出现弯腰、俯身等动作时，上述专利的测量结果也并不能贴合实际应用场景做出调整，测量结果容易出现误差。
为此，如何在准确测量婴幼儿身高的同时，不引起婴幼儿的抗拒和不适，提供一种非接触式测量方法是亟待解决的问题。
发明内容
有鉴于此，本发明提供了一种非接触式婴幼儿身高测量方法、装置、设备及存储介质，用以解决现有技术中婴幼儿身高测量精度低，测量时容易引起婴幼儿不适和抗拒的问题。
本发明采用的技术方案是：
第一方面，本发明提供了一种非接触式婴幼儿身高测量方法，所述方法包括：
S1：获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；
S2：对各所述图像进行目标检测，识别出各图像中的目标婴幼儿和目标标志物；
S3：对所述目标婴幼儿进行分析，输出目标婴幼儿对应的第一像素尺寸；
S4：对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；
S5：获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；
S6：依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。
优选地，所述S2包括：
S21：将各所述图像输入预训练的第一目标检测模型中，输出目标婴幼儿对应的第一边界框信息；
S22：将各所述图像输入预训练的第二目标检测模型中，输出目标标志物对应的第二边界框信息；
S23：获取预设的扩充比例，对第二边界框进行扩充，输出扩充后的第三边界框信息。
优选地，所述S3包括：
S31：依据所述第一边界框信息，获取第一边界框内的婴幼儿图像；
S32：对所述目标婴幼儿进行关键点检测，输出婴幼儿关键点的位置信息；
S33:依据所述婴幼儿关键点信息，对婴幼儿关键点之间的距离进行分析，输出所述第一像素尺寸。
优选地，所述婴幼儿关键点至少包括：婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点。
优选地，所述S33包括：
S331：获取所述婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点的位置信息；
S332：依据所述婴幼儿头顶和下颚关键点的位置信息，对婴幼儿头顶和下颚之间的距离进行分析，输出第一距离；
S333：依据所述婴幼儿下颚、左臀部和右臀部关键点的位置信息，对婴幼儿下颚和臀部之间的距离进行分析，输出第二距离；
S334：依据所述婴幼儿左臀部、右臀部、左膝盖和右膝盖关键点的位置信息，对婴幼儿臀部和膝盖之间的距离进行分析，输出第三距离；
S335：依据所述婴幼儿左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点的位置信息，对婴幼儿膝盖和脚掌中心之间的距离进行分析，输出第四距离；
S336：对所述第一、第二、第三和第四距离进行累加求和，输出所述第一像素尺寸。
优选地，所述S4包括：
S41：依据所述第三边界框信息，获取第三边界框内的标志物图像；
S42：利用边缘检测算法，对所述标志物图像进行检测，输出标志物图像中的边缘线条信息；
S43：依据所述边缘线条信息，获取标志物的边界信息；
S44：依据所述边界信息，对各边界的交点进行距离计算，输出所述第二像素尺寸。
优选地，所述S43包括：
S431：利用边缘追踪算法，对所述边缘线条信息进行处理，输出多条目标边缘线条；
S432：对各所述目标边缘线条之间的夹角进行分析，输出两条目标边缘线条之间的夹角角度；
S433：对所述夹角角度进行判断，当所述夹角角度在预设的角度区间内时，输出所述夹角角度对应的目标边缘线条作为所述标志物的边界信息。
第二方面，本发明提供了一种非接触式婴幼儿身高测量装置，所述装置包括：
图像获取模块，用于获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；
目标检测模块，用于对各所述图像进行目标检测，识别出各图像中的目标婴幼儿和目标标志物；
婴幼儿分析模块，用于对所述目标婴幼儿进行分析，输出婴幼儿目标对应的第一像素尺寸；
标志物分析模块，用于对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；
转换比例获取模块，用于获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；
婴幼儿身高获取模块，用于依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。
第三方面，本发明实施例还提供了一种电子设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
综上所述，本发明的有益效果如下：
本发明提供的非接触式婴幼儿身高测量方法、装置、设备及存储介质，所述方法包括：获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；对各所述图像进行目标检测，输出各图像中的目标婴幼儿和目标标志物；对所述目标婴幼儿进行分析，输出目标婴幼儿对应的第一像素尺寸；对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。本发明通过分析婴幼儿的第一像素尺寸和目标标志物的第二像素尺寸，获取像素尺寸与实际尺寸之间的转换比例，利用转换比例将婴幼儿的身高从像素单位转换为真实的长度单位，从而实现了婴幼儿身高的准确测量，也帮助用户了解婴幼儿的生长发育情况、制定适当的照顾计划以及及时发现异常情况；同时，本发明使用计算机视觉和图像处理技术进行检测和测量，实现自动化的测量过程，可以在不需要直接接触婴幼儿的情况下进行身高测量，避免了可能引起婴幼儿不适或抗拒的接触方式，有利于保持婴幼儿的舒适和安全。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，这些均在本发明的保护范围内。
图1为本发明实施例1中非接触式婴幼儿身高测量方法的整体工作的流程示意图；
图2为本发明实施例1中识别目标婴幼儿和目标标志物的流程示意图；
图3为本发明实施例1中对婴幼儿进行分析的流程示意图；
图4为本发明实施例1中获取婴幼儿的第一像素尺寸的流程示意图；
图5为本发明实施例1中对标志物进行分析的流程示意图；
图6为本发明实施例1中获取标志物的边界信息的流程示意图；
图7为本发明实施例2中非接触式婴幼儿身高测量装置的结构框图；
图8为本发明实施例3中电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。如果不冲突，本发明实施例以及实施例中的各个特征可以相互结合，均在本发明的保护范围之内。
实施例1
请参见图1，本发明实施例1公开了一种非接触式婴幼儿身高测量方法，所述方法包括：
S1：获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；
具体地，获取婴幼儿看护摄像头采集的实时视频流，所述实时视频流至少包括：婴幼儿和标志物，所述视频流为实时拍摄的彩色视频流，所述标志物为预设的已知尺寸大小的标志物品，例如A5纸大小的白板等。通过将已知尺寸大小的标志物(如A5纸大小的白板)放置在视频场景中，可以提供一个尺寸参考，这样，通过对标志物的检测和测量，可以将婴幼儿的尺寸与预先放置的标志物进行比较，从而获得更准确的婴幼儿相关尺寸信息。
S2：对各所述图像进行目标检测，识别出各图像中的目标婴幼儿和目标标志物；
具体地，对实时视频流分解出的各帧图像进行目标检测的过程是通过目标检测算法来识别和定位图像中的目标，其中，目标婴幼儿和目标标志物是我们感兴趣的目标，常用的目标检测算法是基于深度学习的算法，如YOLOv8s，通过将分解得出的各帧图像输入预先训练好的基于YOLOv8s结构的目标检测模型进行处理，输出目标婴幼儿和目标标志物的边界框信息。通过这个过程，我们可以实现对每帧图像中的目标婴幼儿和目标标志物的检测和识别，为后续的分析和处理提供基础。
在一实施例中，请参见图2，所述非接触式婴幼儿身高测量包括：
S21：将各所述图像输入预训练的第一目标检测模型中，输出目标婴幼儿对应的第一边界框信息；
具体地，收集包含目标婴幼儿和背景的大量图像数据集，对收集的图像数据集进行标注，为图像中每个目标婴幼儿标注对应的边界框和类别标签；选择合适的目标检测模型作为基础架构，例如YOLOv8s，并配置模型的网络结构、超参数和损失函数等，对图像数据集进行数据增强操作，如随机裁剪、旋转、翻转等，增加数据的多样性和数量，对图像进行预处理，如归一化、大小调整等，以适应模型的输入要求，使用预训练的权重或随机初始化模型参数，收集的大量图像数据集作为训练数据输入模型，并进行前向传播和反向传播来计算梯度，使用优化算法(如随机梯度下降)来更新模型的参数，最小化损失函数，使用验证集或测试集对训练过程中的模型进行评估，计算指标如准确率、召回率等，根据评估结果进行模型调优，如调整网络结构、调整超参数、尝试不同的数据增强策略等，使用独立的测试集对训练好的模型进行最终的验证和性能评估，输出所述第一目标检测模型，将各所述图像输入预训练的第一目标检测模型中，输出目标婴幼儿对应的第一边界框信息。
S22：将各所述图像输入预训练的第二目标检测模型中，输出目标标志物对应的第二边界框信息；
具体地，收集大量包含目标标志物的图像数据集，其中，所述目标标志物至少包括：多种已知尺寸的物体和图案，利用YOLOv8s对收集的图像数据集进行训练，输出所述第二目标检测模型，将各所述图像输入预训练的第二目标检测模型中，输出目标标志物对应的第二边界框位置信息roi(x,y,w,h)，其中，x，y分别表示第二边界框的左上角顶点的横、纵坐标，w，h分别表示第二边界框的宽度和高度。
S23：获取预设的扩充比例，对第二边界框进行扩充，输出扩充后的第三边界框信息。
具体地，获取预设的扩充比例，例如扩充比例为0.2，则以第二边界框的中心为目标点，将第二边界框向外扩充20％得到新的第三边界框roi_new(x-0.1w,y-0.1h,1.2w,1.2h)；通过扩充第二边界框，可以捕捉到目标标志物的更多细节和特征信息，从而有助于提高目标检测算法的准确性，因为算法可以利用更多的信息来判断目标物体的位置和类别。同时，由于目标标志物在不同场景中可能存在尺度变化、旋转或部分遮挡等情况，通过扩充边界框，可以提高目标检测算法对这些变化的鲁棒性，扩大边界框的尺寸可以缓解目标标志物的尺度变化或部分遮挡对检测结果的影响。
S3：对所述目标婴幼儿进行分析，输出目标婴幼儿对应的第一像素尺寸；
具体地，根据目标婴幼儿对应的第一边界框的位置信息，计算出目标婴幼儿在图像中的像素尺寸。
在一实施例中，请参见图3，所述S3包括：
S31：依据所述第一边界框信息，获取第一边界框内的婴幼儿图像；
S32：对所述目标婴幼儿进行关键点检测，输出婴幼儿关键点的位置信息；
具体地，将所述婴幼儿图像输入基于MoveNet预训练的婴幼儿关键点检测模型中，输出预设的婴幼儿关键点的位置信息，其中，所述婴幼儿关键点至少包括：婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点；其中，训练婴幼儿关键点检测模型的步骤为：收集包含婴幼儿的图像数据集，确保图像数据集中包含婴幼儿的各种姿态和角度，并对每个图像进行标注，标注包括婴幼儿的关键点位置，下载和加载预训练的MoveNet婴幼儿关键点检测模型，根据使用的深度学习框架和模型格式，加载模型权重和结构，对输入的婴幼儿图像进行预处理，包括调整图像大小、归一化、转换为模型所需的格式等，将收集的包含婴幼儿的图像输入到MoveNet婴幼儿关键点检测模型中进行推理，模型将输出预测的婴幼儿关键点的位置信息，解析模型输出，提取预设的婴幼儿关键点的位置信息，根据模型的输出格式和关键点的顺序，提取所需的关键点位置，如婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点，将提取的婴幼儿关键点的位置信息输出，可以作为婴幼儿姿态、姿势分析或后续处理的输入，输出的婴幼儿关键点位置信息表示为坐标。通过输出的婴幼儿关键点位置信息，可以进行姿态估计、动作识别、行为分析等应用。
S33:依据所述婴幼儿关键点信息，对婴幼儿关键点之间的距离进行分析，输出所述第一像素尺寸。
具体地，根据上一步骤中输出的婴幼儿关键点信息，提取出婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点的位置坐标，使用婴幼儿关键点的位置坐标计算各个关键点之间的距离，可以使用欧氏距离或其他距离度量方法来计算关键点之间的距离；根据计算得到的关键点之间的距离，输出婴幼儿的像素尺寸，可以选择预设关键点之间的距离作为尺寸参考。通过提取婴幼儿关键点的位置坐标并计算关键点之间的距离，可以获得有关婴幼儿尺寸、姿态和发育情况的信息，有助于监测婴幼儿的生长和发育，以及进行身体测量和评估。
在一实施例中，请参见图4，所述S33包括：
S331：获取所述婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点的位置信息；
具体地，获取婴幼儿的头顶点的位置坐标P1、婴幼儿的下颚点的位置坐标P2、婴幼儿左、右臀部点的位置坐标P3，P4，左、右膝盖点的位置坐标P5，P6，左、右脚掌中心点的位置坐标P7，P8。
S332：依据所述婴幼儿头顶和下颚关键点的位置信息，对婴幼儿头顶和下颚之间的距离进行分析，输出第一距离；
具体地，依据公式L1＝d(P1,P2),计算得出婴幼儿头顶和下颚之间的欧氏距离作为所述第一距离，其中L1表示第一距离，d()表示求两点之间的欧氏距离。
S333：依据所述婴幼儿下颚、左臀部和右臀部关键点的位置信息，对婴幼儿下颚和臀部之间的距离进行分析，输出第二距离；
具体地，依据公式L2＝d(P2,(P3+P4)/2)，计算得出婴幼儿下颚与臀部关键点之间的欧氏距离1所述第二距离，其中，L2表示第二距离。
S334：依据所述婴幼儿左臀部、右臀部、左膝盖和右膝盖关键点的位置信息，对婴幼儿臀部和膝盖之间的距离进行分析，输出第三距离；
具体地，依据公式L3＝(d(P3,P5)+d(P4,P6))/2，计算得出婴幼儿臀部与膝盖关键点之间的欧氏距离作为所述第三距离，其中，L3表示第三距离。
S335：依据所述婴幼儿左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点的位置信息，对婴幼儿膝盖和脚掌中心之间的距离进行分析，输出第四距离；
具体地，依据公式L4＝(d(P5,P7)+d(P6,P8))/2，计算得出婴幼儿膝盖与脚掌关键点之间的欧氏距离作为所述第四距离，其中L4表示第四距离。
S336：对所述第一、第二、第三和第四距离进行累加求和，输出所述第一像素尺寸。
具体地，依据公式L＝L1+L2+L3+L4,对所述第一、第二、第三和第四距离进行累加求和，输出所述第一像素尺寸L。
具体地，通过将婴幼儿身体的关键点分成多个部位进行分析，可以获得更加细粒度的尺寸信息。每个部位的距离可以提供该部位尺寸的局部信息，从而更准确地反映婴幼儿的实际身体尺寸，通过定位婴幼儿关键点的位置坐标，可以准确地确定各个身体部位之间的距离，避免了基于整体身体边界框的粗略估计，这种准确的定位可以提高测量结果的精度和可靠性，为婴幼儿的身体分析和发展评估提供更全面的信息支持。
S4：对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；
在一实施例中，请参见图5，所述S4包括：
S41：依据所述第三边界框信息，获取第三边界框内的标志物图像；
具体地，根据第三边界框的位置信息，从原始图像中提取出第三边界框内的标志物图像。这个过程可以通过裁剪操作实现，将边界框所对应的区域从原始图像中剪切出来。通过提取第三边界框内的标志物图像，我们可以将注意力集中在目标标志物上，减少其他无关区域的干扰。这有助于后续的边缘检测和边界提取步骤更准确地针对标志物进行处理。
S42：利用边缘检测算法，对所述标志物图像进行检测，输出标志物图像中的边缘线条信息；
具体地，对标志物图像应用边缘检测算法，例如Canny边缘检测算法，以捕捉标志物图像中的边缘线条信息。边缘检测算法会将图像中的边缘部分提取出来，并将其表示为一系列离散的边缘点。通过边缘检测，我们可以突出显示标志物图像中的边缘轮廓，去除不重要的细节信息。这使得后续的边界提取更加方便和准确，有助于进一步分析标志物的形状和尺寸。
S43：依据所述边缘线条信息，获取标志物的边界信息；
在一实施例中，请参见图6，所述S43包括：
S431：利用边缘追踪算法，对所述边缘线条信息进行处理，输出多条目标边缘线条；
具体地，应用边缘追踪算法(如连续性边缘追踪或霍夫变换等)，对边缘线条信息进行处理。边缘追踪算法可以通过追踪边缘线条的连续性，将断开的边缘线条连接起来，形成完整的边缘线条，并提取出最长的M条边缘线条(例如取M＝10)。
S432：对各所述目标边缘线条之间的夹角进行分析，输出两条目标边缘线条之间的夹角角度；
具体地，对所述多条目标边缘线条之间的夹角进行分析。可以通过计算两条线条之间的夹角角度，例如利用线条的斜率或向量的夹角等方法，来确定两条线条之间的夹角角度。通过分析目标边缘线条之间的夹角，可以获取标志物边界的形状特征和相对位置关系，这有助于进一步理解标志物的结构和形状，为后续的边界判断和分类提供更多信息。
S433：对所述夹角角度进行判断，当所述夹角角度在预设的角度区间内时，输出所述夹角角度对应的目标边缘线条作为所述标志物的边界信息。
具体地，以选取的标志物为A5纸大小的白板为例，对所述夹角角度进行判断，当所述夹角角度满足85＜ti＜95时，将夹角对应的边缘线条作为所述标志物的边界；通过对所述夹角角度进行判断，筛选符合预设角度区间的夹角，按照顺序，将对应的四条目标边缘线条作为白板标志物的边界信息输出。
S44：依据所述边界信息，对各边界的交点进行距离计算，输出所述第二像素尺寸。
具体地，获取这四条边的交点P(p1,p2,p3,p4)，分别计算这四个交点之间的距离dis1，dis2，dis3，dis4。通过找到边界交点，确定标志物的外轮廓形状，并进一步分析标志物的像素尺寸。
S5：获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；
具体地，，获取四条边对应的实际物理距离分别为D1，D2，D3，D4，则转换比例ratio＝(D1/dis1+D2/dis2+D3/dis3+D4/dis4)/4。通过计算转换比例，我们可以建立像素尺寸与实际尺寸之间的映射关系，从而将婴幼儿的像素尺寸转换为实际尺寸。通过转换比例，根据婴幼儿的像素尺寸推算出其实际身高，有助于对婴幼儿的生长发育进行评估和监测。
S6：依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。
具体地，依据所述转换比例，利用公式H＝ratio*L计算得出婴幼儿身高。通过计算出第二像素尺寸，并利用转换比例将第一像素尺寸转换为婴幼儿的身高，基于标志物的边界信息和实际尺寸，将图像中的像素尺寸与实际尺寸进行对应和转换，实现对婴幼儿身高的准确计算。
实施例2
请参见图7，本发明实施例2还提供了一种非接触式婴幼儿身高测量装置，所述装置包括：
图像获取模块，用于获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；
目标检测模块，用于对各所述图像进行目标检测，识别出各图像中的目标婴幼儿和目标标志物；
婴幼儿分析模块，用于对所述目标婴幼儿进行分析，输出婴幼儿目标对应的第一像素尺寸；
标志物分析模块，用于对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；
转换比例获取模块，用于获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；
婴幼儿身高获取模块，用于依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。
具体地，本发明实施例提供的非接触式婴幼儿身高测量装置，所述装置包括：图像获取模块，用于获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；目标检测模块，用于对各所述图像进行目标检测，识别出各图像中的目标婴幼儿和目标标志物；婴幼儿分析模块，用于对所述目标婴幼儿进行分析，输出婴幼儿目标对应的第一像素尺寸；标志物分析模块，用于对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；转换比例获取模块，用于获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；婴幼儿身高获取模块，用于依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。本装置通过分析婴幼儿的第一像素尺寸和目标标志物的第二像素尺寸，获取像素尺寸与实际尺寸之间的转换比例，利用转换比例将婴幼儿的身高从像素单位转换为真实的长度单位，从而实现了婴幼儿身高的准确测量，也帮助用户了解婴幼儿的生长发育情况、制定适当的照顾计划以及及时发现异常情况；同时，本发明使用计算机视觉和图像处理技术进行检测和测量，实现自动化的测量过程，可以在不需要直接接触婴幼儿的情况下进行身高测量，避免了可能引起婴幼儿不适或抗拒的接触方式，有利于保持婴幼儿的舒适和安全。
实施例3
另外，结合图1描述的本发明实施例1的非接触式婴幼儿身高测量方法可以由电子设备来实现。图8示出了本发明实施例3提供的电子设备的硬件结构示意图。
电子设备可以包括处理器以及存储有计算机程序指令的存储器。
具体地，上述处理器可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，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，存储器可在数据处理装置的内部或外部。在特定实施例中，存储器是非易失性固态存储器。在特定实施例中，存储器包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器通过读取并执行存储器中存储的计算机程序指令，以实现上述实施例中的任意一种非接触式婴幼儿身高测量方法。
在一个示例中，电子设备还可包括通信接口和总线。其中，如图8所示，处理器、存储器、通信接口通过总线连接并完成相互间的通信。
通信接口，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线包括硬件、软件或两者，将所述设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
实施例4
另外，结合上述实施例1中的非接触式婴幼儿身高测量方法，本发明实施例4还可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种非接触式婴幼儿身高测量方法。
综上所述，本发明实施例提供了一种非接触式婴幼儿身高测量方法、装置、设备及存储介质。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种非接触式婴幼儿身高测量方法，其特征在于，所述方法包括：
S1：获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；
S2：对各所述图像进行目标检测，输出各图像中的目标婴幼儿和目标标志物；
S3：对所述目标婴幼儿进行分析，输出目标婴幼儿对应的第一像素尺寸；
S4：对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；
S5：获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；
S6：依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。
2.根据权利要求1所述的非接触式婴幼儿身高测量方法，其特征在于，所述S2包括：
S21：将各所述图像输入预训练的第一目标检测模型中，输出目标婴幼儿对应的第一边界框信息；
S22：将各所述图像输入预训练的第二目标检测模型中，输出目标标志物对应的第二边界框信息；
S23：获取预设的扩充比例，对第二边界框进行扩充，输出扩充后的第三边界框信息。
3.根据权利要求2所述的非接触式婴幼儿身高测量方法，其特征在于，所述S3包括：
S31：依据所述第一边界框信息，获取第一边界框内的婴幼儿图像；
S32：对所述目标婴幼儿进行关键点检测，输出婴幼儿关键点的位置信息；
S33:依据所述婴幼儿关键点信息，对婴幼儿关键点之间的距离进行分析，输出所述第一像素尺寸。
4.根据权利要求3所述的非接触式婴幼儿身高测量方法，其特征在于，所述婴幼儿关键点至少包括：婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点。
5.根据权利要求4所述的非接触式婴幼儿身高测量方法，其特征在于，所述S33包括：
S331：获取所述婴幼儿头顶、下颚、左臀部、右臀部、左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点的位置信息；
S332：依据所述婴幼儿头顶和下颚关键点的位置信息，对婴幼儿头顶和下颚之间的距离进行分析，输出第一距离；
S333：依据所述婴幼儿下颚、左臀部和右臀部关键点的位置信息，对婴幼儿下颚和臀部之间的距离进行分析，输出第二距离；
S334：依据所述婴幼儿左臀部、右臀部、左膝盖和右膝盖关键点的位置信息，对婴幼儿臀部和膝盖之间的距离进行分析，输出第三距离；
S335：依据所述婴幼儿左膝盖、右膝盖、左脚掌中心和右脚掌中心关键点的位置信息，对婴幼儿膝盖和脚掌中心之间的距离进行分析，输出第四距离；
S336：对所述第一、第二、第三和第四距离进行累加求和，输出所述第一像素尺寸。
6.根据权利要求2所述的非接触式婴幼儿身高测量方法，其特征在于，所述S4包括：
S41：依据所述第三边界框信息，获取第三边界框内的标志物图像；
S42：利用边缘检测算法，对所述标志物图像进行检测，输出标志物图像中的边缘线条信息；
S43：依据所述边缘线条信息，获取标志物的边界信息；
S44：依据所述边界信息，对各边界的交点进行距离计算，输出所述第二像素尺寸。
7.根据权利要求6所述的非接触式婴幼儿身高测量方法，其特征在于，所述S43包括：
S431：利用边缘追踪算法，对所述边缘线条信息进行处理，输出多条目标边缘线条；
S432：对各所述目标边缘线条之间的夹角进行分析，输出两条目标边缘线条之间的夹角角度；
S433：对所述夹角角度进行判断，当所述夹角角度在预设的角度区间内时，输出所述夹角角度对应的目标边缘线条作为所述标志物的边界信息。
8.一种非接触式婴幼儿身高测量装置，其特征在于，所述装置包括：
图像获取模块，用于获取婴幼儿看护场景下的实时视频流，将所述实时视频流分解为多帧图像；
目标检测模块，用于对各所述图像进行目标检测，识别出各图像中的目标婴幼儿和目标标志物；
婴幼儿分析模块，用于对所述目标婴幼儿进行分析，输出婴幼儿目标对应的第一像素尺寸；
标志物分析模块，用于对所述目标标志物进行分析，输出目标标志物对应的第二像素尺寸；
转换比例获取模块，用于获取所述目标标志物的实际尺寸，依据所述实际尺寸和第二像素尺寸，输出像素尺寸与实际尺寸之间的转换比例；
婴幼儿身高获取模块，用于依据所述转换比例，对所述第一像素尺寸进行处理，输出婴幼儿身高。
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311121219.2A CN117179744A (zh) | 2023-08-30 | 2023-08-30 | 非接触式婴幼儿身高测量方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311121219.2A CN117179744A (zh) | 2023-08-30 | 2023-08-30 | 非接触式婴幼儿身高测量方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117179744A true CN117179744A (zh) | 2023-12-08 |
Family
ID=89002758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311121219.2A Pending CN117179744A (zh) | 2023-08-30 | 2023-08-30 | 非接触式婴幼儿身高测量方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117179744A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840889A (zh) * | 2019-01-24 | 2019-06-04 | 华东交通大学 | 基于仿生算法的高精度视觉测量方法、装置和系统 |
| CN110384481A (zh) * | 2018-04-22 | 2019-10-29 | 西诺嘉医药有限公司 | 来自摄像机视图显示器的bmi、身体及其它物件测量 |
| US10748217B1 (en) * | 2015-04-20 | 2020-08-18 | Massachusetts Mutual Life Insurance Company | Systems and methods for automated body mass index calculation |
| CN112739975A (zh) * | 2018-09-28 | 2021-04-30 | 松下知识产权经营株式会社 | 尺寸测量装置以及尺寸测量方法 |
| CN113225550A (zh) * | 2021-04-16 | 2021-08-06 | 南昌欧菲光电技术有限公司 | 偏移检测方法、装置、摄像头模组、终端设备及存储介质 |
| US20210334995A1 (en) * | 2020-04-23 | 2021-10-28 | Wexenergy Innovations Llc | System and method of measuring distances related to an object utilizing ancillary objects |
| CN114913194A (zh) * | 2022-06-01 | 2022-08-16 | 齐鲁工业大学 | 一种基于cuda的并行光流法运动目标检测方法及系统 |
| CN115205364A (zh) * | 2022-07-19 | 2022-10-18 | 中国联合网络通信集团有限公司 | 对象高度的确定方法、装置及存储介质 |
| WO2023041181A1 (en) * | 2021-09-20 | 2023-03-23 | N.V. Nutricia | Electronic device and method for determining human height using neural networks |
| CN115908532A (zh) * | 2021-08-18 | 2023-04-04 | 合肥本源量子计算科技有限责任公司 | 线宽识别方法、装置、介质及电子装置 |
| CN116168329A (zh) * | 2023-03-27 | 2023-05-26 | 南京大学 | 基于关键帧筛选像素块的视频动作检测方法、设备及介质 |
| CN116631053A (zh) * | 2023-04-24 | 2023-08-22 | 上海电机学院 | 一种适用于煤矿复杂场景中的人体姿态估计方法 |
| CN116645500A (zh) * | 2023-06-12 | 2023-08-25 | 影石创新科技股份有限公司 | 边界框的确定方法、装置、设备、存储介质和程序产品 |
-
2023
- 2023-08-30 CN CN202311121219.2A patent/CN117179744A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10748217B1 (en) * | 2015-04-20 | 2020-08-18 | Massachusetts Mutual Life Insurance Company | Systems and methods for automated body mass index calculation |
| CN110384481A (zh) * | 2018-04-22 | 2019-10-29 | 西诺嘉医药有限公司 | 来自摄像机视图显示器的bmi、身体及其它物件测量 |
| CN112739975A (zh) * | 2018-09-28 | 2021-04-30 | 松下知识产权经营株式会社 | 尺寸测量装置以及尺寸测量方法 |
| CN109840889A (zh) * | 2019-01-24 | 2019-06-04 | 华东交通大学 | 基于仿生算法的高精度视觉测量方法、装置和系统 |
| US20210334995A1 (en) * | 2020-04-23 | 2021-10-28 | Wexenergy Innovations Llc | System and method of measuring distances related to an object utilizing ancillary objects |
| CN113225550A (zh) * | 2021-04-16 | 2021-08-06 | 南昌欧菲光电技术有限公司 | 偏移检测方法、装置、摄像头模组、终端设备及存储介质 |
| CN115908532A (zh) * | 2021-08-18 | 2023-04-04 | 合肥本源量子计算科技有限责任公司 | 线宽识别方法、装置、介质及电子装置 |
| WO2023041181A1 (en) * | 2021-09-20 | 2023-03-23 | N.V. Nutricia | Electronic device and method for determining human height using neural networks |
| CN114913194A (zh) * | 2022-06-01 | 2022-08-16 | 齐鲁工业大学 | 一种基于cuda的并行光流法运动目标检测方法及系统 |
| CN115205364A (zh) * | 2022-07-19 | 2022-10-18 | 中国联合网络通信集团有限公司 | 对象高度的确定方法、装置及存储介质 |
| CN116168329A (zh) * | 2023-03-27 | 2023-05-26 | 南京大学 | 基于关键帧筛选像素块的视频动作检测方法、设备及介质 |
| CN116631053A (zh) * | 2023-04-24 | 2023-08-22 | 上海电机学院 | 一种适用于煤矿复杂场景中的人体姿态估计方法 |
| CN116645500A (zh) * | 2023-06-12 | 2023-08-25 | 影石创新科技股份有限公司 | 边界框的确定方法、装置、设备、存储介质和程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
| CN105278673B (zh) | 用于辅助操作者测量物体的部分的方法 | |
| US11971961B2 (en) | Device and method for data fusion between heterogeneous sensors | |
| CN103487104A (zh) | 一种细管液面式数据的图像采集识别系统及方法 | |
| CN112017243B (zh) | 一种介质能见度识别方法 | |
| CN108670301B (zh) | 一种基于超声影像的脊柱横突定位方法 | |
| JP2010157093A (ja) | 運動推定装置及びプログラム | |
| KR20110073000A (ko) | 이미지를 이용한 신체 사이즈 측정 방법 및 장치 | |
| US10275900B2 (en) | Estimation apparatus, estimation method, and computer program product | |
| CN113749646A (zh) | 基于单目视觉的人体身高测量方法、装置及电子设备 | |
| CN113658147A (zh) | 一种基于深度学习的工件尺寸测量装置及方法 | |
| CN117179744A (zh) | 非接触式婴幼儿身高测量方法、装置、设备及存储介质 | |
| CN111950553A (zh) | 一种指针式仪表自动对准方法及装置 | |
| CN115862124A (zh) | 视线估计方法、装置、可读存储介质及电子设备 | |
| CN115568823A (zh) | 一种人体平衡能力评估的方法、系统和装置 | |
| KR101842797B1 (ko) | 3차원 신체 자세 분석 장치 및 방법 | |
| CN115147541A (zh) | 钢包检测方法、装置、电子设备及计算机可读存储介质 | |
| CN111189826B (zh) | 用于pH试纸测量待测溶液pH值的智能评分实验设备及方法 | |
| CN114037993A (zh) | 变电站指针仪表读数方法、装置、存储介质以及电子设备 | |
| CN113781453B (zh) | 一种基于x线片的脊柱侧凸进展预测及方法和装置 | |
| RU2785149C2 (ru) | Способ и устройство для получения характеристик живых особей на расстоянии | |
| CN112016558B (zh) | 一种基于图像质量的介质能见度识别方法 | |
| CN114305471A (zh) | 确定体态位姿的处理方法、装置、手术系统、设备与介质 | |
| CN114170593A (zh) | 株高穗高测量方法、刻度尺识别方法、系统及电子设备 | |
| CN117274753A (zh) | 数据处理方法及装置 |
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 |