CN211698982U - 一种摔倒检测系统及图像处理器 - Google Patents

Abstract

本申请公开了一种摔倒检测系统及图像处理器。摔倒检测系统包括热红外图像采集设备以及通过图像输入接口与热红外图像采集设备连接的图像处理器。其中图像处理器包括图像预处理模块、人工智能处理模块和摔倒检测模块，并且其中图像预处理模块分别与图像输入接口和人工智能处理模块通信连接，摔倒检测模块与人工智能处理模块通信连接，用于从人工智能处理模块接收预设特征部位的位置信息，并根据预设特征部位的位置信息判断目标人体对象是否摔倒。通过本实施例，能够解决现有技术中存在的在可见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到摔倒人员的技术问题。

Description

一种摔倒检测系统及图像处理器

技术领域

本申请涉及人工智能领域，特别是涉及一种摔倒检测系统及图像处理器。

背景技术

在突发事件或者自然灾害发生时经常造成人员伤亡现象，搜救人员通常通过肉眼或者可见光采集设备去寻找伤亡人员(摔倒者)，但是在火灾或者大雾等能见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到伤亡人员。

对于现有技术中存在的在可见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到摔倒人员的技术问题，目前尚未提出有效的解决方案。

实用新型内容

本公开的实施例提供了一种摔倒检测系统及图像处理器，以便解决现有技术中存在的在可见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到摔倒人员的技术问题。

为解决上述技术问题，本申请实施例是这样实现的：

第一方面，本公开实施例提供了一种摔倒检测系统，包括热红外图像采集设备以及通过图像输入接口与热红外图像采集设备连接的图像处理器，其中图像处理器包括图像预处理模块、人工智能处理模块和摔倒检测模块。并且其中，图像预处理模块分别与图像输入接口和人工智能处理模块通信连接，用于从图像输入接口接收由热红外图像采集设备采集的包含目标人体对象的第一热红外图像，并根据第一热红外图像生成适于人工智能处理模块进行检测的第二热红外图像。人工智能处理模块用于从图像预处理模块接收第二热红外图像，并检测第二热红外图像中的目标人体对象的预设特征部位的位置信息。摔倒检测模块与人工智能处理模块通信连接，用于从人工智能处理模块接收预设特征部位的位置信息，并根据预设特征部位的位置信息判断目标人体对象是否摔倒。

进一步地，图像预处理模块包括以下至少一个单元：上采样单元和图像增强单元，其中采样单元用于对热红外图像进行上采样操作；以及图像增强单元用于对热红外图像进行图像增强操作。

进一步地，人工智能处理模块包括预设特征部位检测单元和定位单元，其中预设特征部位检测单元用于检测第二热红外图像中的预设特征部位；定位单元用于检测预设特征部位的位置信息。

进一步地，图像处理器还包括报警模块，其中报警模块与摔倒检测模块通信连接，用于当检测到第二热红外图像中的目标对象摔倒时，发出摔倒警示信号。

进一步地，还包括报警器和报警器接口，报警器通过报警器接口与报警模块通信连接。

进一步地，图像处理器还包括图像融合模块，其中图像融合模块分别与人工智能处理模块和图像预处理模块通信连接，用于根据第二热红外图像中的预设特征部位的位置信息，在第二热红外图像中添加位置信息标记，生成具有位置信息标记的第三热红外图像。

进一步地，图像处理器还包括高清图像显示模块，其中高清图像显示模块与图像融合模块通信连接，用于将第三热红外图像生成高清图像显示信息。

进一步地，还包括显示终端和视频输出接口，其中显示终端通过视频输出接口与高清图像显示模块通信连接，用于显示由高清图像显示模块发送的高清图像显示信息。

进一步地，还包括网络接入模块，其中网络接入模块与摔倒检测模块通信连接，用于在从摔倒检测模块接收用于指示目标人体对象摔倒的指示信号的情况下，通过设置于摔倒检测系统的网络接口向远程服务器发送目标人体对象摔倒的信息。

第二方面，本公开实施例提供了一种图像处理器，包括图像预处理模块、人工智能处理模块和摔倒检测模块。其中图像预处理模块和人工智能处理模块通信连接，用于接收包含目标人体对象的第一热红外图像，并根据第一热红外图像生成适于人工智能处理模块进行检测的第二热红外图像。人工智能处理模块用于从图像预处理模块接收第二热红外图像，并检测第二热红外图像中的目标人体对象的预设特征部位的位置信息。摔倒检测模块与人工智能处理模块通信连接，用于从人工智能处理模块接收预设特征部位的位置信息，并根据预设特征部位的位置信息判断目标人体对象是否摔倒。

进一步地，图像预处理模块包括以下至少一个单元：上采样单元和图像增强单元，其中上采样单元用于对热红外图像进行上采样操作；以及图像增强单元用于对热红外图像进行图像增强操作。

进一步地，人工智能处理模块包括预设特征部位检测单元和定位单元。其中预设特征部位检测单元用于检测第二热红外图像中的预设特征部位；定位单元用于确定预设特征部位的位置信息。

进一步地，图像处理器还包括报警模块。其中报警模块与摔倒检测模块通信连接，用于在从摔倒检测模块接收用于指示目标人体对象摔倒的指示信号的情况下，发出摔倒警示信号。

进一步地，图像处理器还包括图像融合模块。其中图像融合模块分别与人工智能处理模块和图像预处理模块通信连接，用于根据第二热红外图像中的预设特征部位的位置信息，在第二热红外图像中添加位置信息标记，生成具有位置信息标记的第三热红外图像。

进一步地，图像处理器还包括高清图像显示模块，其中高清图像显示模块与图像融合模块通信连接，用于根据第三热红外图像生成高清图像显示信息。

进一步地，图像处理器还包括网络接入模块。其中网络接入模块与摔倒检测模块通信连接，用于在从摔倒检测模块接收用于指示目标人体对象摔倒的指示信号的情况下，通过设置于摔倒检测系统的网络接口向远程服务器发送目标人体对象摔倒的信息。

本申请实施例中，摔倒检测系统包括热红外图像采集设备以及通过图像输入接口与热红外图像采集设备连接的图像处理器，其中图像处理器包括图像预处理模块、人工智能处理模块和摔倒检测模块，并且图像预处理模块分别与图像输入接口和人工智能处理模块通信连接，摔倒检测模块与人工智能处理模块通信连接。本申请通过图像预处理模块对由热红外图像采集设备发送的第一热红外图像进行预处理生成第二热红外图像后，再通过人工智能处理模块检测第二热红外图像中的目标人体对象的预设特征部位的位置信息，最后通过摔倒检测模块根据预设特征部位的位置信息判断目标人体对象是否摔倒，能够解决现有技术中存在的在可见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到摔倒人员的技术问题。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1为本申请一实施例提供的一种摔倒检测系统的结构示意图；

图2为本申请另一实施例提供的一种摔倒检测系统的结构示意图；

图3为本申请再一实施例提供的一种摔倒检测系统的结构示意图；

图4为本申请一实施例提供的一种图像处理器200的结构示意图。

附图标记：热红外图像采集设备100，图像处理器200，图像输入接口300，图像预处理模块210，人工智能处理模块220，摔倒检测模块230，上采样单元211，图像增强单元212，预设特征部位检测单元221，定位单元222，报警模块240，报警器400，报警器接口301，图像融合模块250，高清图像显示模块260，显示终端500，视频输出接口302，网络接入模块270，网络接口303。

具体实施方式

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“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。应该理解这样使用的术语在适当情况下可以互换，以便这里描述的本公开的实施例。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。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

第一方面，图1为本申请一实施例提供的一种摔倒检测系统的结构示意图。如图1所示，摔倒检测系统包括热红外图像采集设备100以及通过图像输入接口300与热红外图像采集设备100连接的图像处理器200。

其中图像处理器200是基于FPGA构架的图像处理器。例如，该图像处理器200可以例如可以是利用XILINX的Zynq UltraScale+MPSoC或Intel的Stratix 10实现的图像处理器。

参考图1所示，图像处理器200包括图像预处理模块210、人工智能处理模块220和摔倒检测模块230。

图像预处理模块210分别与图像输入接口300和人工智能处理模块220通信连接，用于从图像输入接口300接收由热红外图像采集设备100采集的包含目标人体对象的第一热红外图像，并根据第一热红外图像生成适于人工智能处理模块220进行检测的第二热红外图像。

人工智能处理模块220用于从图像预处理模块210接收第二热红外图像，并确定第二热红外图像中的目标人体对象的预设特征部位的位置信息。

摔倒检测模块230与人工智能处理模块220通信连接，用于从人工智能处理模块220接收预设特征部位的位置信息，并根据预设特征部位的位置信息判断目标人体对象是否摔倒。

正如背景技术中所述的，在火灾或者大雾等能见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到伤亡人员。

针对现有技术存在的技术问题，如图1所示，本实施例中通过热红外图像采集设备100接收低分辨率的热红外图像(对应于上述的第一热红外图像)。由于第一热红外图像的分辨率低(例如但不限于是分辨率为160*120～384*288的低分辨率图像)，无法对第一热红外图像中的目标对象进行进一步有效检测。因此在本实施例中，通过预处理模块210对接收到的第一热红外图像进行预处理，从而生成适于人工智能处理模块220进行检测的第二热红外图像。

然后通过人工智能处理模块220检测第二热红外图像中的目标人体对象的预设特征部位的位置信息，最后通过摔倒检测模块230根据预设特征部位的位置信息判断目标人体对象是否摔倒。

具体地，摔倒检测模块230根据预设特征部位的位置信息判断目标人体对象是否摔倒。比如，通过计算目标人体的胯关节、脚腕等部位与地面的相对位置或者所成的角度值判断目标人体对象是否摔倒，具体的摔倒检测方式不做特殊限定。

从而通过以上方式，根据本实施例的技术方案，在火灾或者大雾等能见度不高的情况下，可以利用热红外图像采集设备100与图像处理器200搭配，通过对热红外图像采集设备100所采集的热红外图像进行检测，确定是否有摔倒的人。由于热红外图像采集设备100是根据人体散发的温度采集影像，因此即便是在可见度不高的环境下也能够采集到人体的影像。并且可以根据采集的热红外图像判定是否有人摔倒。

从而，能够解决现有技术中存在的在可见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到摔倒人员的技术问题。

进一步地，图像预处理模块210包括以下至少一个单元：上采样单元211和图像增强单元212，其中上采样单元211用于对热红外图像进行上采样操作；以及图像增强单元212用于对热红外图像进行图像增强操作。

参考如图1所示，图像预处理模块210例如可以包括上采样单元211和图像增强单元212。

具体地，一方面受限于算力资源的限制，目前的图像处理器200，通常支持对有限范围内的分辨率的图像进行检测(例如分辨率为512*512、640*360、640*480或者其他)；另一方面由于低分辨率的第一热红外图像中的图像模糊，轮廓不清晰，无法细节呈现目标对象的各个特征。例如在目标对象为人的情况下，第一热红外图像无法清晰的呈现出人体轮廓、头部以及四肢等预设特征部位的特征。

进一步地，本实施例通过图像预处理模块210中的上采样单元211用于对热红外图像进行上采样操作，从而生成适于人工智能处理模块所需分辨率的热红外图像。例如，热红外图像采集设备100采集的热红外图像的分辨率通常为160*120～384*288的低分辨率图像，而适于人工智能处理模块220检测的热红外图像的分辨率，例如为512*512、640*360、640*480或者其它分辨率。因此，图像预处理模块210例如可以利用多相滤波器或者线性滤波器进行上采样，完成低分辨率到高分辨率的提升，从而不再需要基于采集的热红外图像重新训练模型。

进一步地，本实施例的图像预处理模块210还可以通过图像增强单元212对红外图像进行图像增强操作。在一个具体实施例中，由于热红外传感器本身成像特点以及分辨率较低等原因，热红外图像往往噪声高，导致物体的边缘信息被干扰。针对噪声高这个问题，图像增强单元212对热红外图像进行去噪，以抑制图像中的噪声，同时不破坏物体的边缘。在另一个具体实施例中，由于热红外图像是根据物体表面温度成像的，而实际场景中物体和背景的温度差不会很大，所以物体的边缘细节在热红外图像中不明显。针对这个问题，图像增强单元212对热红外图像进行边缘增强，以增强物体的细节信息。优选地，本实施例的图像预处理模块210还可以首先通过上采样单元211对第一热红外图像进行上采样操作，完成低分辨率到高分辨率的提升。然后通过图像增强单元212，对上采样单元211输出的高分辨率热红外图像进行图像增强操作，抑制高分辨率热红外图像中的噪声，同时增强高分辨率热红外图像中的细节信息，从而生成适于人工智能处理模块220进行检测的第二热红外图像，继而通过人工智能处理模块220检测第二热红外图像中的目标人体对象的预设特征部位的位置信息。其中，图像增强单元212可以对热红外图像进行去噪，以抑制上采样单元211输出的高分辨率热红外图像中的噪声，同时不破坏物体的边缘。此外，图像增强单元212还可以对热红外图像进行边缘增强，以增强上采样单元211输出的高分辨率热红外图像中的物体的细节信息。

进一步地，如图1所示，本实施例提供的摔倒检测系统中的人工智能处理模块220还包括预设特征部位检测单元221和定位单元222。其中，预设特征部位检测单元221用于检测第二热红外图像中的预设特征部位，定位单元222用于确定预设特征部位的位置信息。

一个具体的实施例中，通过人工智能处理模块220中的预设特征部位检测单元221将接收的第二热红外图像(通过将第一热红外图像预处理后得到的高分辨率的图像)进行肢体、躯干以及头部等部位的部位检测，然后再通过定位单元222确定所检测的肢体、躯干以及头部等预设特征部位的位置信息。

此外，图2为本申请另一实施例提供的一种摔倒检测系统的结构示意图，如图2所示，在图1所示的摔倒检测系统的结构示意图中还包括报警器400和报警器接口301，且在图1中所示的摔倒检测系统中的图像处理器200中还包括报警模块240。其中报警模块240与摔倒检测模块230通信连接，报警器400通过报警器接口301与报警模块240通信连接。报警模块240用于当检测到第二热红外图像中的目标对象摔倒时，发出摔倒警示信号，并通过报警器接口301将摔倒警示信号发送至报警器400。

进一步地，图2所示的图像处理器200中还包括网络接入模块270，其中网络接入模块270与摔倒检测模块230通信连接，用于在从摔倒检测模块230接收用于指示目标人体对象摔倒的指示信号的情况下，通过设置于摔倒检测系统的网络接口303向远程服务器发送目标人体对象摔倒的信息。

图3为本申请再一实施例提供的一种摔倒检测系统的结构示意图，如图3所示，在图2所示的摔倒检测系统的结构示意图的图像处理器200中还包括图像融合模块250和高清图像显示模块260。

其中，图像融合模块250分别与人工智能处理模块220和图像预处理模块210通信连接，用于根据第二热红外图像中的预设特征部位的位置信息，在第二热红外图像中添加位置信息标记，生成具有位置信息标记的第三热红外图像。比如图像融合模块250根据第二热红外图像中的肢体、躯干以及头部等特征位置，在第二热红外图像中添加目标人体的肢体、躯干以及头部等特征位置信息标记，生成具有位置信息标记的第三热红外图像。从而，搜救人员可以根据被标记的第三热红外图像做进一步的人工判断。高清图像显示模块260与图像融合模块250通信连接，用于将第三热红外图像生成高清图像显示信息。

进一步地，如图3所示，图像处理器200中还包括显示终端500和视频输出接口302，其中显示终端500通过视频输出接口302与高清图像显示模块260通信连接，用于显示由高清图像显示模块260发送的高清图像显示信息。

综上，本申请实施例中，摔倒检测系统包括热红外图像采集设备以及通过图像输入接口与热红外图像采集设备连接的图像处理器，其中图像处理器包括图像预处理模块、人工智能处理模块和摔倒检测模块，并且图像预处理模块分别与图像输入接口和人工智能处理模块通信连接，摔倒检测模块与人工智能处理模块通信连接。本申请通过图像预处理模块对由热红外图像采集设备发送的第一热红外图像进行预处理生成第二热红外图像后，再通过人工智能处理模块检测第二热红外图像中的目标人体对象的预设特征部位的位置信息，最后通过摔倒检测模块根据预设特征部位的位置信息判断目标人体对象是否摔倒，能够解决现有技术中存在的在可见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到摔倒人员的技术问题。

此外，根据本实施例的第二方面，图4为本申请一实施例提供的一种图像处理器200的结构示意图，包括图像预处理模块210、人工智能处理模块220和摔倒检测模块230，图像预处理模块210和人工智能处理模块220通信连接，用于接收包含目标人体对象的第一热红外图像(分辨率较低的图像)，并根据第一热红外图像生成适于人工智能处理模块220进行检测的第二热红外图像(分辨率远高于第一热红外图像)，人工智能处理模块220用于从图像预处理模块210接收第二热红外图像，并检测第二热红外图像中的目标人体对象的预设特征部位的位置信息，摔倒检测模块230与人工智能处理模块220通信连接，用于从人工智能处理模块220接收预设特征部位的位置信息，并根据预设特征部位的位置信息判断目标人体对象是否摔倒。

进一步地，图像预处理模块210包括以下至少一个单元：上采样单元211和图像增强单元212，上采样单元211用于对热红外图像进行上采样操作，图像增强单元212用于对热红外图像进行图像增强操作。如图4所示，图像预处理模块210包括上采样单元211和图像增强单元212。

进一步地，参考图4中所示，其中人工智能处理模块220包括预设特征部位检测单元221和定位单元222，其中预设特征部位检测单元221用于检测第二热红外图像中的预设特征部位，定位单元222用于确定预设特征部位的位置信息。

进一步地，参考图4中所示，其中图像处理器200还包括报警模块240，其中报警模块240与摔倒检测模块230通信连接，用于在从摔倒检测模块230接收用于指示目标人体对象摔倒的指示信号的情况下，发出摔倒警示信号。

进一步地，参考图4中所示，图像处理器200还包括图像融合模块250，其中图像融合模块250分别与人工智能处理模块220和图像预处理模块210通信连接，用于根据第二热红外图像中的预设特征部位的位置信息，在第二热红外图像中添加位置信息标记，生成具有位置信息标记的第三热红外图像。

进一步地，参考图4中所示，图像处理器200还包括高清图像显示模块260，其中高清图像显示模块260与图像融合模块250通信连接，用于根据第三热红外图像生成高清图像显示信息。

进一步地，参考图4中所示，图像处理器200还包括网络接入模块270，其中网络接入模块270与摔倒检测模块230通信连接，用于在从摔倒检测模块230接收用于指示目标人体对象摔倒的指示信号的情况下，通过设置于摔倒检测系统的网络接口向远程服务器发送目标人体对象摔倒的信息。

本申请实施例中第二方面所述的图像处理器200能够实现上述第一方面摔倒检测系统中的提到的图像处理器200的所有步骤，这里不再赘述。

可见，本申请实施例提供的图像处理器200将接收到的低分辨率的热红外图像通过图像预处理模块210转换为高分辨率的热红外图像，通过人工智能处理模块220对高分辨率的热红外图像进行目标人体的预设特征部位的位置信息检测，再根据摔倒检测模块230对检测的位置信息进行判断，得到目标人体是否摔倒的结果。从而可以使用普通低分辨率的热红外图像采集设备采集图像，通过图像处理器200可以将低分辨率的热红外图像经过图像处理后得到高分辨率的热红外图像，再通过摔倒检测模块230对高分辨率的热红外图像进行目标人体是否摔倒的判断，能够解决现有技术中存在的在可见度不高的情况下，通过肉眼或者使用普通的可见光采集设备都很难找到摔倒人员的技术问题。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

在本公开的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本公开保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。

以上所述，仅为本申请较佳的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种摔倒检测系统，其特征在于，包括热红外图像采集设备(100)以及通过图像输入接口(300)与所述热红外图像采集设备(100)连接的图像处理器(200)，其中所述图像处理器(200)为基于FPGA架构的图像处理器，用于从所述热红外图像采集设备(100)接收热红外图像，并检测所述热红外图像中的摔倒目标对象。

2.根据权利要求1所述的摔倒检测系统，其特征在于，还包括报警器(400)和报警器接口(301)，所述报警器(400)通过报警器接口(301)与所述图像处理器(200)通信连接。

3.根据权利要求1所述的摔倒检测系统，其特征在于，还包括显示终端(500)和视频输出接口(302)，其中

所述显示终端(500)通过所述视频输出接口(302)与所述图像处理器(200)连接。

4.根据权利要求1所述的摔倒检测系统，其特征在于，还包括与所述图像处理器(200)连接的网络接口(303)。

Images