CN118015660A - 基于红外探测及视觉的环境中宠物智能识别方法及其系统 - Google Patents
基于红外探测及视觉的环境中宠物智能识别方法及其系统 Download PDFInfo
- Publication number
- CN118015660A CN118015660A CN202410413329.4A CN202410413329A CN118015660A CN 118015660 A CN118015660 A CN 118015660A CN 202410413329 A CN202410413329 A CN 202410413329A CN 118015660 A CN118015660 A CN 118015660A
- Authority
- CN
- China
- Prior art keywords
- pet
- target environment
- image
- vision
- 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 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000694 effects Effects 0.000 claims description 23
- 230000005855 radiation Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
- G01V9/005—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00 by thermal methods, e.g. after generation of heat by chemical reactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Geophysics (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请属于环境中宠物智能识别技术领域,具体涉及一种基于红外探测及视觉的环境中宠物智能识别方法及其系统,设计在红外传感器对目标环境进行探测的基础上,在探测到目标环境有变化时,利用摄像头拍摄目标环境图像,并利用AI识别模块识别目标环境中是否存在宠物,可避免红外传感器被误触发带来的劳动,无需用户对触发事件进行识别,使用方便。
Description
技术领域
本申请属于环境中宠物智能识别技术领域,具体涉及一种基于红外探测及视觉的环境中宠物智能识别方法及其系统。
背景技术
对目标环境中宠物进行准确识别,可为宠物寻找及其投喂提供有力支撑。
当前,多是以红外传感器识别目标环境中是否存在宠物,但由于红外传感器原理的限制,不可避免的会受到环境中热源、光源变化的影响,易被误触发,需要用户对触发事件进行识别,才能够得出目标环境中是否存在宠物,不便于使用。
鉴于上述技术缺陷的存在提出本申请。
发明内容
本申请的目的是提供一种基于红外探测及视觉的环境中宠物智能识别方法及其系统,以克服或减轻已知存在的至少一方面的技术缺陷。
本申请的技术方案是:
一方面提供一种基于红外探测及视觉的环境中宠物智能识别方法,包括:
以红外传感器,对目标环境进行探测;
在红外传感器探测到目标环境有变化时,以摄像头拍摄目标环境图像;
在摄像头拍摄目标环境图像完成后,以AI识别模块,基于目标环境图像,识别目标环境中是否存在宠物;
若AI识别模块识别目标环境中存在宠物,则识别宠物的属性,进而保存并输出宠物的属性,其后在设定时间间隔后,继续以红外传感器,对目标环境进行探测;
若AI识别模块识别目标环境中不存在宠物,则继续以红外传感器,对目标环境进行探测。
根据本申请的至少一个实施例,上述的基于红外探测及视觉的环境中宠物智能识别方法中,红外传感器探测到目标环境有变化,是指红外传感器探测到目标环境当前时刻的红外辐射,相对于上一时刻的红外辐射,超过红外辐射变化阈值。
根据本申请的至少一个实施例,上述的基于红外探测及视觉的环境中宠物智能识别方法中,红外辐射变化阈值为2%。
根据本申请的至少一个实施例,上述的基于红外探测及视觉的环境中宠物智能识别方法中,还包括:
对AI识别模块进行训练,具体包括:
收集与目标环境中是否存在宠物相关的图像样本;
提取图像样本的特征;
从图像开源数据库中,筛选特征与图像样本特征类似的图像;
以收集的图像样本、从图像开源数据库中筛选的图像,构建模块训练图像;
以模块训练图像,对AI识别模块进行训练;
对训练后AI识别模块的效果损失进行评估;
训练后AI识别模块的效果损失超限,则判断AI识别模块参数调整次数是否超限,若否,则重新调整AI识别模块参数,对AI识别模块进行训练;若是,则再次从图像开源数据库中,筛选特征与图像样本特征类似的图像,用以补充模块训练图像,对AI识别模块进行训练。
根据本申请的至少一个实施例,上述的基于红外探测及视觉的环境中宠物智能识别方法中,对训练后AI识别模块的效果损失进行评估,具体为:
计算训练后AI识别模块的效果损失:
;
其中,
为训练后AI识别模块的效果损失;
为宠物属性的个数;
为宠物第个属性效果损失所占权重;
为训练后AI识别模块识别宠物第个属性与模块训练图像中宠物第个属性
的差值;
为宠物第个属性效果损失比较基准。
根据本申请的至少一个实施例,上述的基于红外探测及视觉的环境中宠物智能识别方法中,宠物属性包括种类、颜色和/或数量,其中:
对于宠物种类属性的差值,非同一门的差值最大,非同一纲、目、科、属、种的差值依次递减;
对于宠物种类属性的差值,以色调的差值进行表示;
对于宠物数量属性的差值,以数量的差值进行表示。
另一方面提供一种基于红外探测及视觉的环境中宠物智能识别系统,该基于红外探测及视觉的环境中宠物智能识别系统中集成有红外传感器、摄像头、AI识别模块;
以红外传感器,对目标环境进行探测;
在红外传感器探测到目标环境有变化时,以摄像头拍摄目标环境图像;
在摄像头拍摄目标环境图像完成后,以AI识别模块,基于目标环境图像,识别目标环境中是否存在宠物;
若AI识别模块识别目标环境中存在宠物,则识别宠物的属性,进而保存并输出宠物的属性,其后在设定时间间隔后,继续以红外传感器,对目标环境进行探测;
若AI识别模块识别目标环境中不存在宠物,则继续以红外传感器,对目标环境进行探测。
本申请至少存在以下有益技术效果:
提供一种基于红外探测及视觉的环境中宠物智能识别方法及其系统,其设计在红外传感器对目标环境进行探测的基础上,在探测到目标环境有变化时,利用摄像头拍摄目标环境图像,并利用AI识别模块识别目标环境中是否存在宠物,可避免红外传感器被误触发带来的劳动,无需用户对触发事件进行识别,使用方便。
附图说明
图1是本申请实施例提供的基于红外探测及视觉的环境中宠物智能识别方法的示意图;
图2是本申请实施例提供的对AI识别模块进行训练的示意图。
具体实施方式
为使本申请的技术方案及其优点更加清楚,下面将结合附图对本申请的技术方案作进一步清楚、完整的详细描述,可以理解的是,此处所描述的具体实施例仅是本申请的部分实施例,其仅用于解释本申请,而非对本申请的限定。需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分,其他相关部分可参考通常设计。
此外,除非另有定义,本申请描述中所使用的技术术语或者科学术语应当为本申请所属领域内一般技术人员所理解的通常含义。本申请描述中所使用的表示方位的词语,仅用以表示相对的方向或者位置关系,当被描述对象的绝对位置发生改变后,其相对位置关系也可能发生相应的改变。本申请描述中所使用的“包括”指出现在该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。
此外,还需要说明的是,除非另有明确的规定和限定,在本申请的描述中使用的“安装”、“连接”等类似词语应做广义理解,例如,连接可以是固定连接,也可以是可拆卸连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,领域内技术人员可根据具体情况理解其在本申请中的具体含义。
一方面提供一种基于红外探测及视觉的环境中宠物智能识别方法,如图1所示,包括:
以红外传感器,对目标环境进行探测;
在红外传感器探测到目标环境有变化时,以摄像头拍摄目标环境图像,即是以目标环境有变化作为摄像头启动的触发事件;
在摄像头拍摄目标环境图像完成后,以AI识别模块,基于目标环境图像,识别目标环境中是否存在宠物;
若AI识别模块识别目标环境中存在宠物,则识别宠物的属性,进而保存并输出宠物的属性,其后在设定时间间隔后,具体可以是10S后,继续以红外传感器,对目标环境进行探测;
若AI识别模块识别目标环境中不存在宠物,则继续以红外传感器,对目标环境进行探测。
对于上述实施例公开的基于红外探测及视觉的环境中宠物智能识别方法,领域内技术人员可以理解的是,其设计在红外传感器对目标环境进行探测的基础上,在探测到目标环境有变化时,利用摄像头拍摄目标环境图像,并利用AI识别模块识别目标环境中是否存在宠物,可避免红外传感器被误触发带来的劳动,无需用户对触发事件进行识别,使用方便。
对于上述实施例公开的基于红外探测及视觉的环境中宠物智能识别方法,领域内技术人员可以理解的是,其设计摄像头仅在红外传感器探测到目标环境有变化时启动,拍摄目标环境图像,可降低摄像头的工作强度,且在AI识别模块识别目标环境中存在宠物后,于设定时间间隔后,再继续以红外传感器,对目标环境进行探测,可降低红外传感器强度,并可避免短时间内目标环境中宠物不发生改变,仅是空间位置的变化,反复触发摄像头、AI识别模块,从而能够进一步降低摄像头、AI识别模块的工作强度。
在一些可选的实施例中,上述的基于红外探测及视觉的环境中宠物智能识别方法中,红外传感器探测到目标环境有变化,是指红外传感器探测到目标环境当前时刻的红外辐射,相对于上一时刻的红外辐射,超过红外辐射变化阈值,而非以单一时刻的目标环境作为比较基准,可降低摄像头、AI识别模块被误触发的可能。
在一些可选的实施例中,上述的基于红外探测及视觉的环境中宠物智能识别方法中,红外辐射变化阈值为2%。
在一些可选的实施例中,上述的基于红外探测及视觉的环境中宠物智能识别方法中,还包括:
对AI识别模块进行训练,如图2所示,具体包括:
收集与目标环境中是否存在宠物相关的图像样本;
提取图像样本的特征;
从图像开源数据库中,筛选特征与图像样本特征类似的图像;
以收集的图像样本、从图像开源数据库中筛选的图像,构建模块训练图像,其中,从图像开源数据库中筛选的图像可极大的丰富模块训练图像;
以模块训练图像,对AI识别模块进行训练;
对训练后AI识别模块的效果损失进行评估;
若训练后AI识别模块的效果损失超限,即并不能够很好的识别目标环境中是否存在宠物及其属性,则判断AI识别模块参数调整次数是否超限,若否,则重新调整AI识别模块参数,对AI识别模块进行训练;若是,则将AI识别模块参数调整次数清零,并再次从图像开源数据库中,筛选特征与图像样本特征类似的图像,用以补充模块训练图像,对AI识别模块进行训练。
在一些可选的实施例中,上述的基于红外探测及视觉的环境中宠物智能识别方法中,对训练后AI识别模块的效果损失进行评估,具体为:
计算训练后AI识别模块的效果损失:
;
其中,
为训练后AI识别模块的效果损失;
为宠物属性的个数;
为宠物第个属性效果损失所占权重;
为训练后AI识别模块识别宠物第个属性与模块训练图像中宠物第个属性
的差值;
为宠物第个属性效果损失比较基准。
在一些可选的实施例中,上述的基于红外探测及视觉的环境中宠物智能识别方法中,宠物属性包括种类、颜色和/或数量,其中:
对于宠物种类属性的差值,非同一门的差值最大,非同一纲、目、科、属、种的差值依次递减;
对于宠物种类属性的差值,以色调的差值进行表示;
对于宠物数量属性的差值,以数量的差值进行表示。
另一方面提供一种基于红外探测及视觉的环境中宠物智能识别系统,该基于红外探测及视觉的环境中宠物智能识别系统中集成有红外传感器、摄像头、AI识别模块;
以红外传感器,对目标环境进行探测;
在红外传感器探测到目标环境有变化时,以摄像头拍摄目标环境图像;
在摄像头拍摄目标环境图像完成后,以AI识别模块,基于目标环境图像,识别目标环境中是否存在宠物;
若AI识别模块识别目标环境中存在宠物,则识别宠物的属性,进而保存并输出宠物的属性,其后在设定时间间隔后,继续以红外传感器,对目标环境进行探测;
若AI识别模块识别目标环境中不存在宠物,则继续以红外传感器,对目标环境进行探测。
上述实施例公开的基于红外探测及视觉的环境中宠物智能识别系统,领域内技术人员可以理解的是,其设计以AI识别模块输出目标环境中是否存在宠物及其属性的信号,可容易得被其他系统接收,进而能够与其他系统协同联动工作,具有较好的兼容性。
对于上述实施例公开的基于红外探测及视觉的环境中宠物智能识别系统,由于其与上述实施例公开的基于红外探测及视觉的环境中宠物智能识别方法相对应,描述的较为简单,具体相关之处可参见基于红外探测及视觉的环境中宠物智能识别方法部分的相关说明,其技术效果也可参考方法相关部分的技术效果,在此不再赘述。
此外,领域内技术人员还应该能够意识到,本申请实施例所公开装置的各个模块、单元能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,本申请中对其按照功能进行了一般性地描述,这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件,领域内技术人员可以对每个特定的应用及其实际约束条件选择采用不同的方法来实现所描述的功能,但是该种实现不应认为超出本申请的范围。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可,在不冲突的情况下,本申请中的实施例及实施例中的技术特征可以相互组合得到新的实施例。
至此,已经结合附图所示的优选实施方式描述了本申请的技术方案,领域内技术人员应该理解的是,本申请的保护范围显然不局限于这些具体实施方式,在不偏离本申请的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本申请的保护范围之内。
Claims (7)
1.一种基于红外探测及视觉的环境中宠物智能识别方法,其特征在于,包括:
以红外传感器,对目标环境进行探测;
在红外传感器探测到目标环境有变化时,以摄像头拍摄目标环境图像;
在摄像头拍摄目标环境图像完成后,以AI识别模块,基于目标环境图像,识别目标环境中是否存在宠物;
若AI识别模块识别目标环境中存在宠物,则识别宠物的属性,进而保存并输出宠物的属性,其后在设定时间间隔后,继续以红外传感器,对目标环境进行探测;
若AI识别模块识别目标环境中不存在宠物,则继续以红外传感器,对目标环境进行探测。
2.根据权利要求1所述的基于红外探测及视觉的环境中宠物智能识别方法,其特征在于,
红外传感器探测到目标环境有变化,是指红外传感器探测到目标环境当前时刻的红外辐射,相对于上一时刻的红外辐射,超过红外辐射变化阈值。
3.根据权利要求2所述的基于红外探测及视觉的环境中宠物智能识别方法,其特征在于,
红外辐射变化阈值为2%。
4.根据权利要求1所述的基于红外探测及视觉的环境中宠物智能识别方法,其特征在于,还包括:
对AI识别模块进行训练,具体包括:
收集与目标环境中是否存在宠物相关的图像样本;
提取图像样本的特征;
从图像开源数据库中,筛选特征与图像样本特征类似的图像;
以收集的图像样本、从图像开源数据库中筛选的图像,构建模块训练图像;
以模块训练图像,对AI识别模块进行训练;
对训练后AI识别模块的效果损失进行评估;
若训练后AI识别模块的效果损失超限,则判断AI识别模块参数调整次数是否超限,若否,则重新调整AI识别模块参数,对AI识别模块进行训练;若是,则再次从图像开源数据库中,筛选特征与图像样本特征类似的图像,用以补充模块训练图像,对AI识别模块进行训练。
5.根据权利要求4所述的基于红外探测及视觉的环境中宠物智能识别方法,其特征在于,
对训练后AI识别模块的效果损失进行评估,具体为:
计算训练后AI识别模块的效果损失:
;
其中,
为训练后AI识别模块的效果损失;
为宠物属性的个数;
为宠物第个属性效果损失所占权重;
为训练后AI识别模块识别宠物第个属性与模块训练图像中宠物第个属性的差
值;
为宠物第个属性效果损失比较基准。
6.根据权利要求5所述的基于红外探测及视觉的环境中宠物智能识别方法,其特征在于,
宠物属性包括种类、颜色和/或数量,其中:
对于宠物种类属性的差值,非同一门的差值最大,非同一纲、目、科、属、种的差值依次递减;
对于宠物种类属性的差值,以色调的差值进行表示;
对于宠物数量属性的差值,以数量的差值进行表示。
7.一种基于红外探测及视觉的环境中宠物智能识别系统,其特征在于,该基于红外探测及视觉的环境中宠物智能识别系统中集成有红外传感器、摄像头、AI识别模块;
以红外传感器,对目标环境进行探测;
在红外传感器探测到目标环境有变化时,以摄像头拍摄目标环境图像;
在摄像头拍摄目标环境图像完成后,以AI识别模块,基于目标环境图像,识别目标环境中是否存在宠物;
若AI识别模块识别目标环境中存在宠物,则识别宠物的属性,进而保存并输出宠物的属性,其后在设定时间间隔后,继续以红外传感器,对目标环境进行探测;
若AI识别模块识别目标环境中不存在宠物,则继续以红外传感器,对目标环境进行探测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410413329.4A CN118015660B (zh) | 2024-04-08 | 2024-04-08 | 基于红外探测及视觉的环境中宠物智能识别方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410413329.4A CN118015660B (zh) | 2024-04-08 | 2024-04-08 | 基于红外探测及视觉的环境中宠物智能识别方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118015660A true CN118015660A (zh) | 2024-05-10 |
CN118015660B CN118015660B (zh) | 2024-08-02 |
Family
ID=90959533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410413329.4A Active CN118015660B (zh) | 2024-04-08 | 2024-04-08 | 基于红外探测及视觉的环境中宠物智能识别方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118015660B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016028497A (ja) * | 2015-09-18 | 2016-02-25 | 株式会社ニコン | 電子機器 |
CN105763811A (zh) * | 2016-03-31 | 2016-07-13 | 努比亚技术有限公司 | 摄像控制装置及方法 |
KR20180016743A (ko) * | 2016-08-08 | 2018-02-20 | 한화테크윈 주식회사 | 센서 검출 시간이 개선된 감시 카메라 및 그 방법 |
CN112434556A (zh) * | 2020-10-20 | 2021-03-02 | 深圳市悦保科技有限公司 | 宠物鼻纹识别方法、装置、计算机设备及存储介质 |
CN113673422A (zh) * | 2021-08-19 | 2021-11-19 | 苏州中科先进技术研究院有限公司 | 一种宠物种类识别方法及识别系统 |
CN114463253A (zh) * | 2021-12-21 | 2022-05-10 | 浙江大华技术股份有限公司 | 一种宠物牵绳检测方法、设备及计算机可读存储介质 |
CN114793929A (zh) * | 2022-04-27 | 2022-07-29 | 东南大学 | 一种基于视觉识别的多种类宠物喂食系统及其喂食方法 |
CN115866392A (zh) * | 2022-11-25 | 2023-03-28 | 深圳市智百威科技发展有限公司 | 一种ai物体视觉识别系统和方法 |
CN116994389A (zh) * | 2023-06-29 | 2023-11-03 | 南京工业大学 | 一种基于人工智能和图像识别的监控报警驱赶系统及方法 |
-
2024
- 2024-04-08 CN CN202410413329.4A patent/CN118015660B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016028497A (ja) * | 2015-09-18 | 2016-02-25 | 株式会社ニコン | 電子機器 |
CN105763811A (zh) * | 2016-03-31 | 2016-07-13 | 努比亚技术有限公司 | 摄像控制装置及方法 |
KR20180016743A (ko) * | 2016-08-08 | 2018-02-20 | 한화테크윈 주식회사 | 센서 검출 시간이 개선된 감시 카메라 및 그 방법 |
CN112434556A (zh) * | 2020-10-20 | 2021-03-02 | 深圳市悦保科技有限公司 | 宠物鼻纹识别方法、装置、计算机设备及存储介质 |
CN113673422A (zh) * | 2021-08-19 | 2021-11-19 | 苏州中科先进技术研究院有限公司 | 一种宠物种类识别方法及识别系统 |
CN114463253A (zh) * | 2021-12-21 | 2022-05-10 | 浙江大华技术股份有限公司 | 一种宠物牵绳检测方法、设备及计算机可读存储介质 |
CN114793929A (zh) * | 2022-04-27 | 2022-07-29 | 东南大学 | 一种基于视觉识别的多种类宠物喂食系统及其喂食方法 |
CN115866392A (zh) * | 2022-11-25 | 2023-03-28 | 深圳市智百威科技发展有限公司 | 一种ai物体视觉识别系统和方法 |
CN116994389A (zh) * | 2023-06-29 | 2023-11-03 | 南京工业大学 | 一种基于人工智能和图像识别的监控报警驱赶系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118015660B (zh) | 2024-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9224278B2 (en) | Automated method and system for detecting the presence of a lit cigarette | |
TWI420423B (zh) | Machine vision flame identification system and method | |
TWI416068B (zh) | 跨感測器間之物體追蹤方法與系統 | |
US20160019426A1 (en) | Method of video analysis | |
JP5106356B2 (ja) | 画像監視装置 | |
CN110543867A (zh) | 一种多摄像头条件下的人群密度估测系统及方法 | |
CN106802113A (zh) | 基于多弹孔模式识别算法的智能报靶系统和方法 | |
US20130329059A1 (en) | Person detection system | |
US20050226471A1 (en) | Systems and methods for face detection and recognition using infrared imaging | |
WO2014050518A1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP2009271577A (ja) | 類似画像検索の結果表示装置及び類似画像検索の結果表示方法 | |
JP2015032133A (ja) | 物体検索システム | |
KR20080075091A (ko) | 실시간 경보 및 포렌식 분석을 위한 비디오 분석 데이터의저장 | |
CN108875476B (zh) | 自动近红外人脸注册与识别方法、装置和系统及存储介质 | |
CN102859554A (zh) | 对照设备 | |
CN111062281A (zh) | 异常事件监控方法、装置、存储介质和电子设备 | |
US11841902B2 (en) | Information processing apparatus, information processing method, and storage medium | |
CN111814690B (zh) | 一种目标重识别方法、装置和计算机可读存储介质 | |
AU2013319970A1 (en) | Detecting a target in a scene | |
Celik et al. | Computer vision based fire detection in color images | |
CN103903020A9 (zh) | 一种基于CodeBook的火灾图像识别方法及装置 | |
CN118015660B (zh) | 基于红外探测及视觉的环境中宠物智能识别方法及其系统 | |
CN109982051B (zh) | 具有动物识别功能的监控摄像方法、监控相机和存储介质 | |
JP2019185205A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN114463779A (zh) | 吸烟识别方法、装置、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 |