RU2755377C2 - Pattern recognition device - Google Patents

Pattern recognition device Download PDF

Info

Publication number
RU2755377C2
RU2755377C2 RU2020110263A RU2020110263A RU2755377C2 RU 2755377 C2 RU2755377 C2 RU 2755377C2 RU 2020110263 A RU2020110263 A RU 2020110263A RU 2020110263 A RU2020110263 A RU 2020110263A RU 2755377 C2 RU2755377 C2 RU 2755377C2
Authority
RU
Russia
Prior art keywords
unit
output
reference values
memory
comparing
Prior art date
Application number
RU2020110263A
Other languages
Russian (ru)
Other versions
RU2020110263A (en
RU2020110263A3 (en
Inventor
Андрей Павлович Лось
Павел Андреевич Лось
Олег Игоревич Шнурков
Original Assignee
Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия им. Адмирала Флота Советского Союза Н.Г. Кузнецова"
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия им. Адмирала Флота Советского Союза Н.Г. Кузнецова" filed Critical Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия им. Адмирала Флота Советского Союза Н.Г. Кузнецова"
Priority to RU2020110263A priority Critical patent/RU2755377C2/en
Publication of RU2020110263A publication Critical patent/RU2020110263A/en
Publication of RU2020110263A3 publication Critical patent/RU2020110263A3/ru
Application granted granted Critical
Publication of RU2755377C2 publication Critical patent/RU2755377C2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

FIELD: physics; computer engineering.
SUBSTANCE: invention relates to a pattern recognition device. The device contains a video camera, a memory unit for storing reference values ​​of image areas, a processor including a sampling unit for dividing the received image into areas for taking samples from a part of the pixels of each area, a reference value calculator for the area based on samples, a unit for comparing the reference values ​​of the received image with the reference values ​​stored in the memory, the indicator of the recognized image, the output of the video camera is connected to the input of the sampling unit, the output of which is connected to the input of the calculator, the first and second inputs of the unit for comparing the reference values ​​of the received image with the reference values ​​stored in the memory are connected, respectively, to the output of the sampling unit and the output calculator, the output of the memory unit is connected to the third input of the unit for comparing the reference values ​​of the received image with the reference values ​​stored in the memory, the output of the unit for comparing the reference values ​​of the received image with the reference values ​​stored in the memory is connected to the input of the indicator of the recognized image, while the processor includes a unit for calculating a posteriori probabilities of object belonging, a unit for comparing a posteriori probabilities with a given threshold, a unit for storing a priori probabilities of the appearance of object classes, the input of which is connected to the first output of the unit for calculating a posteriori probabilities of object belonging, the first and second inputs of which are connected, respectively, to the output of the unit for comparing the reference values ​​of the received image with the reference values ​​stored in memory and the output of the unit for storing the a priori probabilities of the appearance of object classes, the second output of the unit for calculating the a posteriori probabilities of object belonging is connected to the input of the unit for comparing the a posteriori probabilities with a given threshold, the output of which is connected to the indicator of the recognized image.
EFFECT: technical result consists in increasing the accuracy of object recognition.
1 cl, 1 dwg

Description

Изобретение относится к области автоматики и вычислительной техники, в частности к распознаванию образов и может быть использовано при распознавании изображений морских наземных объектов по информации от видео камеры, установленной на беспилотном летательном аппарате. Техническим результатом является обеспечение повышение вероятности правильного распознавания в условиях ограничений по времени поиска заданных объектов.The invention relates to the field of automation and computer technology, in particular to pattern recognition and can be used in the recognition of images of sea land objects based on information from a video camera installed on an unmanned aerial vehicle. The technical result is to ensure an increase in the probability of correct recognition in conditions of time constraints for the search for specified objects.

Известно устройство мгновенного распознавания изображений включающее в себя компьютер, запоминающее устройство, распознающий блок (РБ), многоканальный генератор импульсов, управляемый компьютером, подключенный к входным выводам РБ, считывающее устройство компьютера, подключенное к выходным выводам РБ (US 2308081, G06К 9/68, 2007).A device for instant image recognition is known, which includes a computer, a memory device recognizing a unit (RB), a multichannel pulse generator controlled by a computer, connected to the input terminals of the RB, a computer reading device connected to the output terminals of RB (US 2308081, G06K 9/68, 2007).

Однако недостатком этого устройства является следующее ограничение: на распознавание могут подаваться только изображения, уже сохраненные в качестве эталонов. На практике же распознаваемое изображение, как правило, не дублирует ни один эталон, поэтому требуется выделять эталон, наиболее близкий к распознаваемому изображению (в смысле некоторой метрики).However, the disadvantage of this device is the following limitation: only images that have already been saved as templates can be submitted for recognition. In practice, the recognized image, as a rule, does not duplicate any standard, therefore, it is required to select the standard that is closest to the recognized image (in the sense of a certain metric).

Известно устройство для распознавания изображений лиц. Оно содержит последовательно соединенные видеокамеру (с двумя блоками освещения), аналого-цифровой преобразователь (АЦП), блок нормализации, блок выделения признаков (для детектирования лица на изображении), блок распознавания (состоящий из блока памяти эталонов, блока выбора эталонов для сравнения, блока измерения сходства входного изображения и эталона и блока принятия решения об останове перебора) и блок принятия решения для аутентификации пользователя (US 6882741, G06К 9/00, 2005).A device for recognizing face images is known. It contains a series-connected video camera (with two lighting units), an analog-to-digital converter (ADC), a normalization unit, a feature extraction unit (for detecting a face in an image), a recognition unit (consisting of a reference memory unit, a reference unit for comparison, a unit measuring the similarity of the input image and the reference and the decision block for stopping the search) and the decision block for user authentication (US 6882741, G06K 9/00, 2005).

Недостатком этого устройства является тот факт, что оно поочередно сравнивает характеристики изображения распознаваемого объекта с характеристиками изображений эталонов, что требует при большом количестве эталонов большого времени распознавания и не позволяет устройству работать в режиме реального времени.The disadvantage of this device is the fact that it alternately compares the characteristics of the image of the recognized object with the characteristics of the images of the standards, which requires a large number of standards for a large recognition time and does not allow the device to work in real time.

Наиболее близким по технической сущности к заявляемому изобретению является способ распознавания образа, устройство распознавания образов (RU 2487408, G06K 9/46, G06K 9/62, 2010 г.). Устройство распознавания образов содержит: видеокамеру, блок памяти для хранения опорных значений областей изображения, процессор, включающий блок дискретизации для разделения принятого изображения на области для взятия выборок от части пикселов каждой области, вычислитель опорных значений для области на основе выборок, блок сравнения опорных значений принятого изображения с опорными значениями хранящихся в памяти, индикатор распознанного образа.The closest in technical essence to the claimed invention is an image recognition method, an image recognition device (RU 2487408, G06K 9/46, G06K 9/62, 2010). The image recognition device contains: a video camera, a memory unit for storing reference values of image areas, a processor including a sampling unit for dividing the received image into areas for taking samples from a part of the pixels of each area, a reference value calculator for the area based on samples, a unit for comparing the reference values of the received image. images with reference values stored in memory, indicator of the recognized image.

Недостатком данного устройства является не возможность последовательно накапливать информацию об объектах распознавания с учетом приближения видеокамеры к объектам распознавания (например, при размещении ее на летательном аппарате) и выдавать информацию о классе объекта при получении достаточной информации об опорных признаках в кратчайшее время.The disadvantage of this device is the inability to sequentially accumulate information about the objects of recognition, taking into account the proximity of the video camera to the objects of recognition (for example, when placing it on an aircraft) and to provide information about the class of the object when receiving sufficient information about the reference features in the shortest possible time.

Задачей заявляемого изобретения является уменьшение времени на процесс распознавания с сохранением высокой достоверности распознавания по мере приближения к объекту распознавания.The objective of the claimed invention is to reduce the time for the recognition process while maintaining a high recognition accuracy as it approaches the recognition object.

Технический результат заявляемого устройства заключается распознавании класса обнаруженного объекта в реальном масштабе времени после накопления достаточной информации, позволяющей по вычисленной апостериорной вероятности отнести его к одному из классов.The technical result of the proposed device consists in recognizing the class of the detected object in real time after accumulating sufficient information, allowing, according to the calculated a posteriori probability, to classify it into one of the classes.

Указанный технический результат заявляемого изобретения, позволяющий решить поставленную задачу, достигается тем, что в известное устройство распознавания образов, содержащее видео камеру, блок памяти для хранения опорных значений областей изображения, процессор, содержащий блок дискретизации для разделения принятого изображения на области для взятия выборок от части пикселов каждой области, вычислитель опорных значений для области на основе выборок, блок сравнения опорных значений принятого изображения с опорными значениями, хранящихся в памяти, индикатор распознанного образа введены блок хранения априорных вероятностей появления классов объектов, блок вычисления апостериорных вероятностей принадлежности объектов, блок сравнения апостериорных вероятностей с заданным порогом.The specified technical result of the claimed invention, which allows to solve the problem, is achieved by the fact that in a known image recognition device containing a video camera, a memory unit for storing reference values of image areas, a processor containing a sampling unit for dividing the received image into areas for taking samples from a part pixels of each area, a calculator of reference values for the area based on samples, a unit for comparing the reference values of the received image with reference values stored in memory, an indicator of a recognized image, a unit for storing a priori probabilities of the appearance of object classes, a unit for calculating a posteriori probabilities of object belonging, a unit for comparing a posteriori probabilities with a given threshold.

Введение вышеперечисленных блоков позволяет распознавать классы обнаруженных объектов по мере приближения видеокамеры к объектам на основе вычисления апостериорных вероятностей принадлежности объектов к условным классам.The introduction of the above blocks makes it possible to recognize the classes of detected objects as the video camera approaches the objects based on the calculation of the posterior probabilities of the objects belonging to conditional classes.

Сущность заявляемого изобретения поясняется чертежом, на фиг. 1, где представлена структурная схема устройства распознавания образов.The essence of the claimed invention is illustrated by a drawing, FIG. 1, which shows a block diagram of a pattern recognition device.

Устройство распознавания образов включает видео камеру 1, блок дискретизации 2, вход которого соединен с выходом видео камеры 1, вычислитель 3, вход которого соединен с выходом блока дискретизации 2, блок памяти 4, блок сравнения 5, первый и второй входы которого соединены соответственно с выходом блока дискретизации 2 и выходом вычислителя 3, а третий вход соединен с выходом блока памяти 4, блок хранения априорный вероятностей появления классов объектов 6, блок вычисления апостериорных вероятностей принадлежности объетов 7, первый вход которого соединен с выходом блока сравнения 5, второй вход с выходом блока хранения априорных вероятностей появления классов объектов 6, а выход соединен с входом блока хранения априорных вероятностей появления классов объектов 6, блок сравнения апостериорных вероятностей с заданным порогом 8, вход которого соединен с выходом блока вычисления апостериорных вероятностей принадлежности объектов 7, индикатор распознанного образа 9, вход которого соединен с выходом блок сравнения апостериорных вероятностей с заданным порогом 8.The pattern recognition device includes a video camera 1, a sampling unit 2, the input of which is connected to the output of the video camera 1, a calculator 3, the input of which is connected to the output of the sampling unit 2, a memory unit 4, a comparison unit 5, the first and second inputs of which are connected respectively to the output sampling unit 2 and the output of the calculator 3, and the third input is connected to the output of the memory unit 4, the storage unit for the a priori probabilities of the appearance of classes of objects 6, the unit for calculating the posterior probabilities of belonging to the objects 7, the first input of which is connected to the output of the comparison unit 5, the second input with the output of the block storage of a priori probabilities of occurrence of classes of objects 6, and the output is connected to the input of the block for storing a priori probabilities of occurrence of classes of objects 6, a block for comparing posterior probabilities with a given threshold 8, the input of which is connected to the output of the block for calculating posterior probabilities of belonging of objects 7, the indicator of the recognized image 9, input which is connected to the output is a block for comparing posterior probabilities with a given threshold 8.

Блок-схема предлагаемого устройства приведена на чертеже.The block diagram of the proposed device is shown in the drawing.

Сущность работы устройства заключается в использовании метода последовательного распознавания [А.К. Розов Нелинейная фильтрация. СПб. Политехника, 1994. 387 с, стр. 40-41] основанного на вычислении апостериорных вероятностей принадлежности объектов к различным классам в соответствии с байесовским правилом, использовании информации о последних наблюдениях за объектами, обновлении априорных вероятностей появления объектов различных классов и принятия решения о классах объектов на основе сравнения полученных апостериорных вероятностей с заданным порогом.The essence of the device is to use the sequential recognition method [A.K. Rozov Nonlinear filtration. SPb. Polytechnic, 1994. 387 s, pp. 40-41] based on the calculation of the posterior probabilities of belonging of objects to different classes in accordance with the Bayesian rule, using information about the latest observations of objects, updating the prior probabilities of the appearance of objects of different classes and deciding on the classes of objects based on the comparison of the obtained posterior probabilities with a given threshold.

Устройство работает следующим образом. На первой итерации процесса изображения объектов, подлежащих распознаванию от видно камеры 1 поступают в блок дискретизации 2, где принятые изображения разделяются на области, полученные позиционные данные положения областей (POS), поступают на первый вход блока сравнения 5 и на вычислитель 3, где формируются опорные значения для областей (REF), содержащих части подлежащего распознаванию образа, которые поступают по второму входу на блок сравнения 5. В блоке памяти 4 хранятся эталонные для областей опорные значения (REF) и позиционные данные положения областей (POS). В блоке сравнения 5 производится сравнение эталонных для областей опорных значений (REF) с полученными из принятого изображения опорными значениями (REF). В результате сравнения в блоке 5 вычисляется относительное количество совпадений (Pic), полученных опорных значений из принятого изображения (REF) с эталонными опорными значениями (REF) для i-го класса объектов по формуле:The device works as follows. At the first iteration of the process, the images of objects to be recognized from the visible camera 1 are sent to the sampling unit 2, where the received images are divided into regions, the obtained positional data of the position of the regions (POS) are fed to the first input of the comparison unit 5 and to the calculator 3, where the reference the values for the regions (REF) containing parts of the pattern to be recognized, which arrive at the second input to the comparison unit 5. The memory unit 4 stores the reference values for the regions (REF) and the positional position data of the regions (POS). Comparison unit 5 compares the reference values for the areas of reference values (REF) with the reference values obtained from the received image (REF). As a result of the comparison in block 5, the relative number of matches (P ic ) of the obtained reference values from the received image (REF) with reference reference values (REF) for the i-th class of objects is calculated by the formula:

Figure 00000001
Figure 00000001

где Rc - количество совпавших опорных значений пикселов принятого изображения (REF) и эталонного опорного изображения для i-го класса объектов;where R c is the number of matched reference pixel values of the received image (REF) and the reference reference image for the i-th class of objects;

Rэ - общее количество эталонных опорных значений (REF) для i-го класса объектов.R e - the total number of reference reference values (REF) for the i-th class of objects.

С точки зрения теории вероятности величину (Pic) можно принять как вероятность принадлежности принятого изображения объекта к i-y классу объектов.From the point of view of probability theory, the value (P ic ) can be taken as the probability that the received image of an object belongs to the iy class of objects.

В блоке 7 вычисляются апостериорные вероятности

Figure 00000002
принадлежности обнаруженного объекта к каждому из условных классов объектов (при числе классов равным М) на основании формулы Байеса имеем:Block 7 calculates the posterior probabilities
Figure 00000002
belonging of the detected object to each of the conditional classes of objects (with the number of classes equal to M), based on the Bayes formula, we have:

Figure 00000003
Figure 00000003

где

Figure 00000004
- апостериорная вероятность принадлежности обнаруженного объекта к i-у условному классу объектов после первой итерации;where
Figure 00000004
- the posterior probability of belonging of the detected object to the i-th conditional class of objects after the first iteration;

Pi - априорная вероятность обнаружения объекта i-го класса, i=1, …М.P i - a priori probability of detecting an object of the i-th class, i = 1, ... M.

Априорные вероятности обнаружения объектов всех М классов (Pi) хранятся в блоке хранения априорных вероятностей появления классов объектов 6 и поступают в блок 7 по второму входу. Для первоначального шага (итерации) работы устройства распознавания априорные вероятности обнаружения (появления) объектов каждого i-го класса могут быть рассчитаны исходя из количества объектов различных классов по формуле:A priori probabilities of detecting objects of all M classes (P i ) are stored in the storage unit for a priori probabilities of occurrence of object classes 6 and are fed to block 7 via the second input. For the initial step (iteration) of the recognition device operation, the prior probabilities of detection (appearance) of objects of each i-th class can be calculated based on the number of objects of different classes by the formula:

Figure 00000005
Figure 00000005

где Кi - количество объектов i-го класса;where K i is the number of objects of the i-th class;

КΣ - общее количество объектов всех классов.К Σ - the total number of objects of all classes.

После первого наблюдения и вычисления апостериорных вероятностей принадлежности обнаруженного объекта к каждому из условных классов объектов в блоке 7 полученные апостериорные вероятности принадлежности обнаруженного объекта к каждому из условных классов объектов присваиваются априорным вероятностям обнаружения (появления) объектов каждого i-го класса:After the first observation and calculation of the posterior probabilities of belonging of the detected object to each of the conditional classes of objects in block 7, the obtained posterior probabilities of the belonging of the detected object to each of the conditional classes of objects are assigned to the a priori probabilities of detection (appearance) of objects of each i-th class:

Figure 00000006
Figure 00000006

После второго наблюдения апостериорные вероятности принадлежности обнаруженного объекта к каждому из условных классов объектов соответственно вычисляются с учетом новых априорных вероятностей принадлежности принятого изображения объекта i-у классу объектов:After the second observation, the posterior probabilities of belonging of the detected object to each of the conditional classes of objects are respectively calculated taking into account the new a priori probabilities of belonging of the received image of the object to the i-th class of objects:

Figure 00000007
Figure 00000007

где

Figure 00000008
- апостериорная вероятность принадлежности обнаруженного объекта к i-y условному классу объектов после второй итерации;where
Figure 00000008
- the posterior probability of the detected object belonging to the iy conditional class of objects after the second iteration;

Figure 00000009
вероятность принадлежности принятого изображения объекта к i-y классу объектов после второй итерации (наблюдению).
Figure 00000009
the probability that the received image of the object belongs to the iy class of objects after the second iteration (observation).

По мере приближения носителя (самолета или беспилотного летательного аппарата) с видеокамерой 1 к объектам наблюдения производится ряд повторных наблюдений, соответственно для каждой n-й итерации формируются изображения объектов распознавания, вычисляются апостериорные вероятности принадлежности принятого изображения объекта к i-у классу объектов в блоке 7 по формуле:As the carrier (aircraft or unmanned aerial vehicle) with the video camera 1 approaches the objects of observation, a number of repeated observations are made, respectively, for each nth iteration, images of recognition objects are formed, the posterior probabilities of the received image of the object belonging to the i-th class of objects are calculated in block 7 according to the formula:

Figure 00000010
Figure 00000010

В блоке 8 на каждой n-й итерации процесса распознавания производится сравнение вычисленных апостериорных вероятностей принадлежности принятого изображения объекта к каждому из М классов объектов с порогом Г по формуле:In block 8, at each n-th iteration of the recognition process, the calculated a posteriori probabilities of belonging of the received image of the object to each of the M classes of objects with the threshold Г are compared according to the formula:

Figure 00000011
Figure 00000011

Figure 00000012
Figure 00000012

где Г - пороговое значение.where Г is the threshold value.

При выполнении условия одного из неравенств, (для i-o класса) принимается решение о принадлежности полученного изображения к соответствующему i-y классу. При этом индикатор распознанного образа 9 соответственно фиксирует и запоминает факт принадлежности полученного изображения к i-y классу объектов.When the condition of one of the inequalities is fulfilled (for the i-o class), a decision is made on the belonging of the resulting image to the corresponding i-y class. In this case, the indicator of the recognized image 9 accordingly fixes and remembers the fact that the obtained image belongs to the i-y class of objects.

Claims (1)

Устройство распознавания образов, содержащее видеокамеру, блок памяти для хранения опорных значений областей изображения, процессор, включающий блок дискретизации для разделения принятого изображения на области для взятия выборок от части пикселов каждой области, вычислитель опорных значений для области на основе выборок, блок сравнения опорных значений принятого изображения с опорными значениями хранящихся в памяти, индикатор распознанного образа, выход видео камеры соединен с входом блок дискретизации, выход которого соединен с входом вычислителя, первый и второй входы блока сравнения опорных значений принятого изображения с опорными значениями хранящихся в памяти соединены соответственно с выходом блока дискретизации и выходом вычислителя, выход блока памяти соединен с третьим входом блока сравнения опорных значений принятого изображения с опорными значениями хранящихся в памяти, выход блока сравнения опорных значений принятого изображения с опорными значениями хранящихся в памяти соединен с входом индикатора распознанного образа, отличающееся тем, что в процессор введены блок вычисления апостериорных вероятностей принадлежности объектов, блок сравнения апостериорных вероятностей с заданным порогом, блок хранения априорных вероятностей появления классов объектов, вход которого соединен с первым выходом блока вычисления апостериорных вероятностей принадлежности объектов, первый и второй входы которого соединены соответственно с выходом блока сравнения опорных значений принятого изображения с опорными значениями хранящихся в памяти и выходом блока хранения априорных вероятностей появления классов объектов, второй выход блока вычисления апостериорных вероятностей принадлежности объектов соединен с входом блока сравнения апостериорных вероятностей с заданным порогом, выход которого соединен с индикатором распознанного образа.A pattern recognition device containing a video camera, a memory unit for storing reference values of image areas, a processor including a sampling unit for dividing the received image into areas for taking samples from a part of the pixels of each area, a reference value calculator for the area based on samples, a unit for comparing the reference values of the received image. images with reference values stored in memory, an indicator of a recognized image, the output of the video camera is connected to the input of the sampling unit, the output of which is connected to the input of the calculator, the first and second inputs of the unit for comparing the reference values of the received image with the reference values stored in the memory are connected, respectively, to the output of the sampling unit and the output of the calculator, the output of the memory unit is connected to the third input of the unit for comparing the reference values of the received image with the reference values stored in the memory, the output of the unit for comparing the reference values of the received image with the reference values stored in the memory with is connected to the input of the indicator of the recognized image, characterized in that the processor includes a block for calculating a posteriori probabilities of objects belonging, a block for comparing a posteriori probabilities with a given threshold, a block for storing a priori probabilities of the appearance of classes of objects, the input of which is connected to the first output of the block for calculating a posteriori probabilities of objects belonging, the first and second inputs of which are connected, respectively, with the output of the block for comparing the reference values of the received image with the reference values stored in memory and the output of the block for storing the a priori probabilities of the appearance of object classes; the output of which is connected to the indicator of the recognized image.
RU2020110263A 2020-03-10 2020-03-10 Pattern recognition device RU2755377C2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2020110263A RU2755377C2 (en) 2020-03-10 2020-03-10 Pattern recognition device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2020110263A RU2755377C2 (en) 2020-03-10 2020-03-10 Pattern recognition device

Publications (3)

Publication Number Publication Date
RU2020110263A RU2020110263A (en) 2021-09-10
RU2020110263A3 RU2020110263A3 (en) 2021-09-10
RU2755377C2 true RU2755377C2 (en) 2021-09-15

Family

ID=77663081

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2020110263A RU2755377C2 (en) 2020-03-10 2020-03-10 Pattern recognition device

Country Status (1)

Country Link
RU (1) RU2755377C2 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6882741B2 (en) * 2000-03-22 2005-04-19 Kabushiki Kaisha Toshiba Facial image recognition apparatus
RU2308081C2 (en) * 2004-08-23 2007-10-10 Валерий Михайлович Чеплашкин System for instantaneous computer recognition of objects and recognition method
RU105043U1 (en) * 2010-11-02 2011-05-27 Игорь Михайлович Хмаров DEVICE FOR RECOGNITION OF OBJECTS BY THEIR THREE-DIMENSIONAL LASER IMAGES
RU2487408C2 (en) * 2009-07-13 2013-07-10 Гурулоджик Майкроусистемс Ой Pattern recognition method, pattern recognition device and computer program
RU2691902C1 (en) * 2018-10-19 2019-06-18 Федеральное государственное унитарное предприятие "Государственный научно-исследовательский институт авиационных систем" (ФГУП "ГосНИИАС") Method to direct an unmanned aerial vehicle

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6882741B2 (en) * 2000-03-22 2005-04-19 Kabushiki Kaisha Toshiba Facial image recognition apparatus
RU2308081C2 (en) * 2004-08-23 2007-10-10 Валерий Михайлович Чеплашкин System for instantaneous computer recognition of objects and recognition method
RU2487408C2 (en) * 2009-07-13 2013-07-10 Гурулоджик Майкроусистемс Ой Pattern recognition method, pattern recognition device and computer program
RU105043U1 (en) * 2010-11-02 2011-05-27 Игорь Михайлович Хмаров DEVICE FOR RECOGNITION OF OBJECTS BY THEIR THREE-DIMENSIONAL LASER IMAGES
RU2691902C1 (en) * 2018-10-19 2019-06-18 Федеральное государственное унитарное предприятие "Государственный научно-исследовательский институт авиационных систем" (ФГУП "ГосНИИАС") Method to direct an unmanned aerial vehicle

Also Published As

Publication number Publication date
RU2020110263A (en) 2021-09-10
RU2020110263A3 (en) 2021-09-10

Similar Documents

Publication Publication Date Title
US11734786B2 (en) Low- and high-fidelity classifiers applied to road-scene images
US8885943B2 (en) Face detection method and apparatus
US20170206434A1 (en) Low- and high-fidelity classifiers applied to road-scene images
JP4874607B2 (en) Object positioning device
CN113313053B (en) Image processing method, device, apparatus, medium, and program product
Legrand et al. Chromosome classification using dynamic time warping
CN110502962B (en) Method, device, equipment and medium for detecting target in video stream
CN112070058A (en) Face and face composite emotional expression recognition method and system
US11410327B2 (en) Location determination apparatus, location determination method and computer program
Luo et al. Kayak and sailboat detection based on the improved YOLO with Transformer
CN111325276A (en) Image classification method and device, electronic equipment and computer-readable storage medium
CN114913487A (en) Target recognition detection method based on multi-modal learning and related components
US10963720B2 (en) Estimating grouped observations
Ma et al. Open set recognition with incremental learning for SAR target classification
CN113743239A (en) Pedestrian re-identification method and device and electronic equipment
RU2755377C2 (en) Pattern recognition device
CN114663839B (en) Method and system for re-identifying blocked pedestrians
Dallaqua et al. Active learning approaches for deforested area classification
US20240127567A1 (en) Detection-frame position-accuracy improving system and detection-frame position correction method
CN106874928B (en) Automatic judgment method and system for tracking target emergency key event
EP3640887A1 (en) Mobile body observation method
Chen et al. An application of improved RANSAC algorithm in visual positioning
Patsei et al. Multi-class object classification model based on error-correcting output codes
CN113420699A (en) Face matching method and device and electronic equipment
Allen et al. Change-point detection methods for body-worn video