CN103020590B - 一种基于三维模型与图像匹配的车辆识别***及其方法 - Google Patents
一种基于三维模型与图像匹配的车辆识别***及其方法 Download PDFInfo
- Publication number
- CN103020590B CN103020590B CN201210472199.9A CN201210472199A CN103020590B CN 103020590 B CN103020590 B CN 103020590B CN 201210472199 A CN201210472199 A CN 201210472199A CN 103020590 B CN103020590 B CN 103020590B
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- dimensional model
- checked
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种基于三维模型与图像匹配的车辆识别***及识别方法，通过在线算法对于实时视频中指定物体进行初步检测定位，并利用离线算法对检测结果进行更加精确的分析与检测。本发明是通过车辆的三维模型，在特定的视角将其转化为带有物体结构信息的二维图像，并与在线算法所提供的待检图像进行匹配检测，同时对于成功的匹配结果，可以提供其结构信息的车辆识别方法，保证在线车辆检测结果的高正确性；另一方面，克服离线车辆检测方法复杂，无法在实时***中应用的缺点，把两者结合起来形成算法的互补，则可以达到获得实时精确检测结果的目的。
Description
技术领域
本发明涉及车辆识别***的技术领域，特别是一种基于三维模型与图像匹配的车辆识别***及其方法。
背景技术
随着2008年11月初在纽约召开的外国关系理事会上，IBM总裁彭明盛发表了《智慧的地球：下一代领导人议程》的主题演讲，“智慧地球”和“智慧城市”就逐渐成为了当前国际瞩目的热点。“智慧城市”是数字城市发展中的具有介入式、互动式功能的智能化数字城市管理应用，其核心内容是以数据活化为基础，建立城市动态数据中心，通过智慧技术的应用，使城市生产生活以动态的、实时的、更加精准的方式实施管理，资源利用率和劳动生产率可以大大提高，能源消耗率和污染排放率可以明显下降，资源和环境将得到更有效的保护，人与自然的关系将更加和谐。
在这种背景下，把车辆和道路综合起来考虑，运用各种高新技术***地解决道路交通问题，由此产生了新的研究和应用领域——智能交通***ITS(IntelligentTransportationSystem)。ITS是将先进的信息获取技术、数据通信技术、自动控制技术、信息处理技术以及数据活化技术等进行有效融合，并与交通规划、交通工程和管理相结合，运用于整个交通管理***而建立起来的一种在大范围内，全方位发挥作用的实时、准确、高效地运输综合智能控制和管理***。
同时，尽管在线车辆检测方法已经很成熟，但是却不能保证检测结果的高正确性；另一方面，离线车辆检测虽然可以提供高正确性的检测结果，但是由于其方法很复杂，无法在实时***中应用。然而如果能把两者结合起来形成算法的互补，则可以达到获得实时精确检测结果的目的。本发明就是在这种想法下产生的。
发明内容
本发明要解决的技术问题为：提供一种基于三维模型与图像匹配的车辆识别***及其方法，保证在线车辆检测结果的高正确性；另一方面，克服离线车辆检测方法复杂，无法在实时***中应用的缺点，把两者结合起来形成算法的互补，则可以达到获得实时精确检测结果的目的。
本发明采用的技术方案：一种基于三维模型与图像匹配的车辆识别***，包括：在线处理主机、离线处理主机、摄像头这些硬件设备以及运行在在线处理主机上的图像采集模块、在线处理模块、运行在离线处理主机上的离线处理模块三个软件模块；图像采集模块通过摄像头采集车辆监控区域的实时图像数据，供在线处理模块分析；在线处理模块对图像采集模块所采集到的图像进行快速检测，定位其中所包含的车辆物体，并将检测结果提供给离线处理模块；离线处理模块对在线处理模块的检测结果做更加精确的分析与检测，最后将结果反馈给用户；
其中，所述在线处理主机是该***的核心部件之一，它同时和摄像头相连以及离线处理主机相连；另外，本***的图像采集模块、在线处理模块也是运行于在线处理主机之上；所述离线处理主机是该***的核心部件之一，它同时和在线处理主机相连；另外，本***的离线处理模块也是运行于离线处理主机之上；所述摄像头是本***图像数据的采集装置，拍摄区域为车辆监控区域，它把采集到的图像数据以帧为单位传给在线处理主机，作为在线处理主机进行在线处理的数据来源；
进一步的，所述车辆监控区域为所述图像采集模块所能够覆盖的区域。
进一步的，所述的离线目标检测采用基于三维模型与图像匹配的车辆识别，即利用车辆的三维模型作为分类器，进行目标检测时，根据当前摄像头的位置参数和待检图像参数，选取合适的视角将三维模型转化为带有物体结构信息的二维图像，并计算二维图像与待检图像的预处理所得到的图像之间的匹配度，从而实现离线车辆检测方法。
进一步的，该***主要包括车辆的快速定位和精确检测功能，所述***通过将在线和离线检测方法融合，达到弥补两种检测方法的各自缺点，获得实时精确检测结果的目的。
本发明另外提供一种基于三维模型与图像匹配的车辆识别方法，其特征在于：车辆识别包括三个步骤：待检图像的预处理、三维模型与待检图像的匹配、标定输出结果；
所述待检图像的预处理步骤对所提供图像数据进行降噪和灰度化预处理操作；
所述三维模型与待检图像的匹配步骤根据当前摄像头的位置参数和待检图像参数，选取合适的视角将三维模型转化为带有物体结构信息的二维图像，并计算二维图像与待检图像的预处理步骤所得到的图像之间的匹配度；
所述标定输出结果步骤根据三维模型与待检图像的匹配步骤的检测结果，将二维图像中的结构信息用于标定待检图像的结构特征，最后输出所检测到的物体以及其结构信息。
进一步的，所述当前摄像头的位置参数为提供待检图像的图像采集设备的高度、角度等信息。
进一步的，所述待检图像参数为图像的大小、解析度、车辆的假定位置等信息。
本发明与传统的车辆检测***相比的优点在于：
1、本发明可以充分利用***资源，同时提高实时车辆检测的准确性。因为在道路上对特定车辆进行检测时，待检车辆不一定会每时每刻都出现在摄像头的视野内，这种情况下有许多时间***的资源处于闲置状态；而当待检车辆出现时，又要求***能实时地将其捕捉到，因此需要使用在线的目标检测方法，其不可避免的需要牺牲准确度而保证实时性的要求。而本发明所述的方法可以对出现的目标进行实时捕捉，同时利用空闲的时间使用离线算法对目标进行更加准确的分析与检测，能够达到充分利用***资源以及提高实时车辆检测准确性的目的。
2、本发明可以减少分类器的样本数据量。基于三维模型与图像匹配的车辆目标识别方法不需要大量的不同形状和状态的目标车辆样本，其只需要一个车辆矢量三维模型，并通过计算出的投影位置与角度信息来生成二维图像，这可以达到精简分类器，减小占用空间的目的。
3、本发明可以输出目标的结构信息。因为车辆的三维模型所包含的车辆结构信息同样传递到了所生成的二维图像中，所以在其与待检图像匹配之后，该信息也可以传递到所识别的车辆上，从而可以在检测到整个车辆的同时，获取该车辆车窗、车门、车灯等结构信息。
附图说明
图1为一种基于三维模型与图像匹配的车辆识别***的结构示意图；
图2为一种基于三维模型与图像匹配的车辆识别***的工作流程图；
图3为图像采集模块Filter链路示意图；
图4为在线目标检测模块工作流程图；
图5为离线目标检测模块工作流程图。
具体实施方式
基于本发明的主要设计思想，本发明***包括：在线处理主机、离线处理主机、摄像头等硬件设备以及运行在在线处理主机上的图像采集模块、在线处理模块、运行在离线处理主机上的离线处理模块三个软件模块。
车辆的快速定位和精确检测流程如下：图像采集模块通过摄像头采集车辆监控区域的实时图像数据，供在线处理模块分析；在线处理模块对图像采集模块所采集到的图像进行快速检测，定位其中所包含的车辆物体，并将检测结果提供给离线处理模块；离线处理模块对在线处理模块的检测结果做更加精确的分析与检测，最后将结果反馈给用户。
其中，所述在线处理主机是该***的核心部件之一，它同时和摄像头相连以及离线处理主机相连；另外，本***的图像采集模块、在线处理模块也是运行于在线处理主机之上。
所述离线处理主机是该***的核心部件之一，它同时和在线处理主机相连；另外，本***的离线处理模块也是运行于离线处理主机之上。
所述摄像头是本***图像数据的采集装置，拍摄区域为车辆监控区域，它把采集到的图像数据以帧为单位传给在线处理主机，作为在线处理主机进行在线处理的数据来源。
所述的图像采集模块完成图像数据的采集。可以采用DirectShow技术提供的相关接口构造Filter链路实现图像数据采集。
所述的在线处理模块，即利用在线目标检测算法对摄像头传来的图像进行目标检测。若检测到车辆，则确定其大小和坐标。
所述的离线处理模块，即以在线处理模块所提供的结果为输入，通过离线目标检测方法对图像进行更加精确的分析与检测。
进一步地，所述的离线目标检测方法采用基于三维模型与图像匹配的车辆识别方法，即利用车辆的三维模型作为分类器。进行目标检测时，根据当前摄像头的位置参数和待检图像参数，选取合适的视角将三维模型转化为带有物体结构信息的二维图像，并计算二维图像与待检图像的预处理步骤所得到的图像之间的匹配度，从而实现离线车辆检测方法。
进一步地，所述的车辆大小，即检测出的包含车辆的矩形区域的像素宽和像素高。车辆的坐标，即以矩形区域中的某一点的像素坐标作为整个车辆的坐标，例如以车辆所在矩形区域的中心点代表车辆坐标。
基于三维模型与图像匹配的车辆识别方法，其特点在于：
本发明***包括：车辆识别包括三个步骤：待检图像的预处理、三维模型与待检图像的匹配、标定输出结果。
车辆的识别流程如下：对所提供图像数据进行降噪，灰度化等预处理操作；根据当前摄像头的位置参数和待检图像参数，选取合适的视角将三维模型转化为带有物体结构信息的二维图像，并计算二维图像与预处理所得到的图像之间的匹配度；根据检测结果，将二维图像中的结构信息用于标定待检图像的结构特征，最后输出所检测到的物体以及其结构信息。
下面结合附图及具体实施例对本发明进行详细说明。
如图1所示，本***硬件设备包括在线处理主机，离线处理主机以及摄像头。摄像头采集车辆监控区域图像并传送给在线处理主机；在线处理主机对图像做初步的处理，实时检测其中的车辆，并将结果传送给离线主机；离线主机通过车辆的三维模型，在特定的视角将其转化为带有物体结构信息的二维图像，对在线检测主机所提供的结果做更精确的检测，并将最终结果反馈给用户。
如图2所示，是一种基于三维模型与图像匹配的车辆识别***的工作流程图。
步骤2-1，提取图像数据，此步骤是由图像采集模块完成的，采用DirectShow技术实现。
步骤2-2，初步检测，即利用在线目标检测算法，对摄像头传来的图像数据进行分析处理，快速检测当前图像中是否存在车辆。
步骤2-3，判断是否检测到车辆；若没有检测到，直接跳到步骤2-5。
步骤2-4，发送给离线主机，即以检测出的车辆的子图像为参数，通过网络或者数据库等共享数据的方式，将该数据发送至离线处理主机。
步骤2-5，检查结束标志，若为true，则程序退出；否则，跳到步骤2-1继续运行。
步骤2-6，获取在线主机的数据，即根据两个子***所使用的共享数据方式，从缓冲区或者数据库中读取在线主机发送过来的车辆的子图像。
步骤2-7，精确检测，即利用基于三维模型与图像匹配的车辆识别算法，对图像数据进行分析处理，检测当前图像中是否存在相应的车辆。
步骤2-8，判断是否检测到车辆；若没有检测到，直接跳到步骤2-10。
步骤2-9，反馈给用户，即将检测出的车辆的类别以及结构信息反馈给用户。
步骤2-10，检查结束标志，若为true，则程序退出；否则，跳到步骤2-6继续运行。
如图3所示，是图像采集模块Filter链路示意图。
所述的Filter链路是利用DirectShow提供的接口，定义三个Filter构成一条连通的Filter链路。图像数据在Filter链路中流动，截取并保存这些数据完成图像数据的采集。其中，三个Filter分别是：DeviceSourceFilter（设备数据Filter），由摄像头构成；TransformFilter，是一个SampleGrabberFilter（样本采集Filter），利用它的GetCurrentBuffer()获取图像数据,每调用一次这个函数，就能获得当前的一帧图像；最后的RenderFilter是一个NullRenderFilter（空渲染Filter），它只是简单的丢弃图像数据，不做任何处理。这三个Filter都需要添加到图表管理器中。然后使用DirectShow中的智能连接技术把三个Filter连接成一条畅通的数据通道。
如图4所示，是在线目标检测模块工作流程图。
步骤4-1，检测车辆，利用车辆分类器中的特征数据与图像中的待检测区域进行特征匹配；
步骤4-2，若存在车辆，则跳到步骤5-3；否则，在线目标检测过程结束；
步骤4-3，根据检测结果，计算车辆的大小与坐标。
如图5所示，是离线目标检测模块工作流程图。
步骤5-1，生成二维图像，根据传入的参数以及待检测图像，将三维模型在特定的视角转化为带有物体结构信息的二维图像。
步骤5-2，检测车辆，利用5-1生成的二维图像作为分类器与待检图像中的待检测区域进行特征匹配；
步骤5-3，若存在车辆，则跳到步骤5-4；否则，离线目标检测过程结束；
步骤5-4，获取车辆的结构信息，根据二维图像中的物体结构信息，对待检图像的结构进行标定；
步骤5-5，输出结果，将检测结果和结构信息输出给用户。
Claims (7)
1.一种基于三维模型与图像匹配的车辆识别***，其特征在于：包括：在线处理主机、离线处理主机、摄像头这些硬件设备以及运行在在线处理主机上的图像采集模块、在线处理模块、运行在离线处理主机上的离线处理模块三个软件模块；图像采集模块通过摄像头采集车辆监控区域的实时图像数据，供在线处理模块分析；在线处理模块对图像采集模块所采集到的图像进行快速检测，定位其中所包含的车辆物体，并将检测结果提供给离线处理模块；离线处理模块对在线处理模块的检测结果做更加精确的分析与检测，最后将结果反馈给用户；
其中，所述在线处理主机是该***的核心部件之一，它同时和摄像头相连以及离线处理主机相连；另外，本***的图像采集模块、在线处理模块也是运行于在线处理主机之上；所述离线处理主机是该***的核心部件之一，它同时和在线处理主机相连；另外，本***的离线处理模块也是运行于离线处理主机之上；所述摄像头是本***图像数据的采集装置，拍摄区域为车辆监控区域，它把采集到的图像数据以帧为单位传给在线处理主机，作为在线处理主机进行在线处理的数据来源；
其中，在线目标检测通过在线目标检测模块检测，在线目标检测模块工作流程如下：
步骤4-1，检测车辆，利用车辆分类器中的特征数据与图像中的待检测区域进行特征匹配；
步骤4-2，若存在车辆，则跳到步骤5-3；否则，在线目标检测过程结束；
步骤4-3，根据检测结果，计算车辆的大小与坐标；
其中，离线目标检测通过离线目标检测模块检测，离线目标检测模块工作流程如下：
步骤5-1，生成二维图像，根据传入的参数以及待检测图像，将三维模型在特定的视角转化为带有物体结构信息的二维图像；
步骤5-2，检测车辆，利用步骤5-1生成的二维图像作为分类器与待检图像中的待检测区域进行特征匹配；
步骤5-3，若存在车辆，则跳到步骤5-4；否则，离线目标检测过程结束；
步骤5-4，获取车辆的结构信息，根据二维图像中的物体结构信息，对待检图像的结构进行标定；
步骤5-5，输出结果，将检测结果和结构信息输出给用户。
2.根据权利要求1所述的基于三维模型与图像匹配的车辆识别***，其特征在于：所述车辆监控区域为所述图像采集模块所能够覆盖的区域。
3.根据权利要求1所述的基于三维模型与图像匹配的车辆识别***，其特征在于：所述的离线目标检测采用基于三维模型与图像匹配的车辆识别，即利用车辆的三维模型作为分类器，进行目标检测时，根据当前摄像头的位置参数和待检图像参数，选取合适的视角将三维模型转化为带有物体结构信息的二维图像，并计算二维图像与待检图像的预处理所得到的图像之间的匹配度，从而实现离线车辆检测方法。
4.根据权利要求1所述的基于三维模型与图像匹配的车辆识别***，其特征在于：该***主要包括车辆的快速定位和精确检测功能，所述***通过将在线和离线检测方法融合，达到弥补两种检测方法的各自缺点，获得实时精确检测结果的目的。
5.一种基于三维模型与图像匹配的车辆识别方法，利用权利要求1所述的基于三维模型与图像匹配的车辆识别***，其特征在于：车辆识别包括三个步骤：待检图像的预处理、三维模型与待检图像的匹配、标定输出结果；
所述待检图像的预处理步骤对所提供图像数据进行降噪和灰度化预处理操作；
所述三维模型与待检图像的匹配步骤根据当前摄像头的位置参数和待检图像参数，选取合适的视角将三维模型转化为带有物体结构信息的二维图像，并计算二维图像与待检图像的预处理步骤所得到的图像之间的匹配度；
所述标定输出结果步骤根据三维模型与待检图像的匹配步骤的检测结果，将二维图像中的结构信息用于标定待检图像的结构特征，最后输出所检测到的物体以及其结构信息。
6.根据权利要求5所述的基于三维模型与图像匹配的车辆识别方法，其特征在于：所述当前摄像头的位置参数为提供待检图像的图像采集设备的高度、角度信息。
7.根据权利要求5所述的基于三维模型与图像匹配的车辆识别方法，其特征在于：所述待检图像参数为图像的大小、解析度、车辆的假定位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210472199.9A CN103020590B (zh) | 2012-11-20 | 2012-11-20 | 一种基于三维模型与图像匹配的车辆识别***及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210472199.9A CN103020590B (zh) | 2012-11-20 | 2012-11-20 | 一种基于三维模型与图像匹配的车辆识别***及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103020590A CN103020590A (zh) | 2013-04-03 |
| CN103020590B true CN103020590B (zh) | 2015-12-09 |
Family
ID=47969181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210472199.9A Expired - Fee Related CN103020590B (zh) | 2012-11-20 | 2012-11-20 | 一种基于三维模型与图像匹配的车辆识别***及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103020590B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809437B (zh) * | 2015-04-28 | 2018-04-13 | 无锡赛睿科技有限公司 | 一种基于实时视频的车辆检测与跟踪方法 |
| CN106710221A (zh) * | 2017-03-15 | 2017-05-24 | 深圳市鹏之艺建筑设计有限公司 | 智慧城市智能交通***和评价方法 |
| CN109871761A (zh) * | 2019-01-16 | 2019-06-11 | 中德（珠海）人工智能研究院有限公司 | 一种三维模型的识别*** |
| CN110070025B (zh) * | 2019-04-17 | 2023-03-31 | 上海交通大学 | 基于单目图像的三维目标检测***及方法 |
| CN111368651B (zh) * | 2020-02-18 | 2024-03-08 | 杭州海康威视***技术有限公司 | 一种车辆识别方法、装置及电子设备 |
| CN113283268B (zh) * | 2020-02-19 | 2023-06-23 | 百度在线网络技术（北京）有限公司 | 图像处理的方法及装置 |
| CN112488178B (zh) * | 2020-11-26 | 2022-07-26 | 推想医疗科技股份有限公司 | 网络模型的训练方法及装置、图像处理方法及装置、设备 |
| CN113865665B (zh) * | 2021-09-23 | 2023-11-21 | 华帝股份有限公司 | 一种检测水位的方法及应用该方法的装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2251104A1 (en) * | 1997-11-13 | 1999-05-13 | Michael Greenspan | Method of recognising objects within two-dimensional and three-dimensional images |
| CN1506903A (zh) * | 2002-12-06 | 2004-06-23 | 中国科学院自动化研究所 | 基于模板学习的自动指纹识别***和方法 |
| CN101261722A (zh) * | 2008-01-17 | 2008-09-10 | 北京航空航天大学 | 电子警察后台智能管理和自动实施*** |
| CN101286240A (zh) * | 2008-04-22 | 2008-10-15 | 北京航空航天大学 | 一种可快速配置和实时渲染的安防三维电子地图 |
| CN101951502A (zh) * | 2010-10-19 | 2011-01-19 | 北京硅盾安全技术有限公司 | 一种三维智能视频监控方法 |
| US8090160B2 (en) * | 2007-10-12 | 2012-01-03 | The University Of Houston System | Automated method for human face modeling and relighting with application to face recognition |
-
2012
- 2012-11-20 CN CN201210472199.9A patent/CN103020590B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2251104A1 (en) * | 1997-11-13 | 1999-05-13 | Michael Greenspan | Method of recognising objects within two-dimensional and three-dimensional images |
| CN1506903A (zh) * | 2002-12-06 | 2004-06-23 | 中国科学院自动化研究所 | 基于模板学习的自动指纹识别***和方法 |
| US8090160B2 (en) * | 2007-10-12 | 2012-01-03 | The University Of Houston System | Automated method for human face modeling and relighting with application to face recognition |
| CN101261722A (zh) * | 2008-01-17 | 2008-09-10 | 北京航空航天大学 | 电子警察后台智能管理和自动实施*** |
| CN101286240A (zh) * | 2008-04-22 | 2008-10-15 | 北京航空航天大学 | 一种可快速配置和实时渲染的安防三维电子地图 |
| CN101951502A (zh) * | 2010-10-19 | 2011-01-19 | 北京硅盾安全技术有限公司 | 一种三维智能视频监控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《基于三维模型的前视红外目标匹配识别方法》;熊斌等;《激光与红外》;20110331;第41卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103020590A (zh) | 2013-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103020590B (zh) | 一种基于三维模型与图像匹配的车辆识别***及其方法 | |
| CN112990310A (zh) | 服务于电力机器人的人工智能***及方法 | |
| CN102915432B (zh) | 一种车载微机图像视频数据提取方法及装置 | |
| CN110119726A (zh) | 一种基于YOLOv3模型的车辆品牌多角度识别方法 | |
| CN105704434A (zh) | 基于智能视频识别的体育场馆人群监控方法及*** | |
| CN105022999A (zh) | 一种人码伴随实时采集*** | |
| CN111476192B (zh) | 基于智慧交通的截取图像合成方法及大数据云服务器 | |
| CN103344583A (zh) | 一种基于机器视觉的镨-钕(Pr/Nd)组分含量检测***及方法 | |
| CN112348003A (zh) | 基于深度卷积神经网络的飞机加油场景识别方法及*** | |
| CN112200077A (zh) | 基于智慧交通的人工智能图像处理方法及*** | |
| CN105184229A (zh) | 一种动态场景下基于在线学习的实时行人检测方法 | |
| CN111914742A (zh) | 基于多模态生物特征的考勤方法、***、终端设备及介质 | |
| CN115409992A (zh) | 一种远程驾驶巡逻车*** | |
| CN102789719A (zh) | 道路驾驶技能考试过程驾驶人视线识别仪及实现方法 | |
| CN111339927A (zh) | 一种电力营业厅人员工作状态智能识别*** | |
| CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
| CN115567563B (zh) | 基于端边云的综合交通枢纽监测预警***及其控制方法 | |
| CN115862128A (zh) | 一种基于人体骨架的顾客异常行为识别方法 | |
| CN114241556A (zh) | 一种无感知人脸识别考勤方法及装置 | |
| CN111310602A (zh) | 一种基于情绪识别的展品关注度分析***及分析方法 | |
| CN112686156A (zh) | 一种情绪监测方法、装置、计算机设备及可读存储介质 | |
| CN112906679B (zh) | 基于人形语义分割的行人重识别方法、***及相关设备 | |
| CN209216110U (zh) | 支持实现基于立体视觉技术的置顶式客流监控处理的装置 | |
| CN118135377B (zh) | 一种模型部署方法、端侧设备及存储介质 | |
| CN111722770B (zh) | 一种智能人机交互物联网控制模块 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151209 Termination date: 20191120 |