CN106780599A - 一种基于Hough变化的圆形识别方法及*** - Google Patents

一种基于Hough变化的圆形识别方法及*** Download PDF

Info

Publication number
CN106780599A
CN106780599A CN201611108691.2A CN201611108691A CN106780599A CN 106780599 A CN106780599 A CN 106780599A CN 201611108691 A CN201611108691 A CN 201611108691A CN 106780599 A CN106780599 A CN 106780599A
Authority
CN
China
Prior art keywords
module
image
circle
optimization
testing result
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
Application number
CN201611108691.2A
Other languages
English (en)
Inventor
胡德志
孙碧亮
袁超飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Bao Bao Software Co Ltd
Original Assignee
Wuhan Bao Bao Software Co Ltd
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 Wuhan Bao Bao Software Co Ltd filed Critical Wuhan Bao Bao Software Co Ltd
Priority to CN201611108691.2A priority Critical patent/CN106780599A/zh
Publication of CN106780599A publication Critical patent/CN106780599A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于Hough变化的圆形识别方法，圆形识别方法包括：S1：调用OpenCV视觉库，开启多线程对原始图像进行跳帧处理；S2：对跳帧处理后的原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；S3：调用OpenCV视觉库中的cvHoughCircles函数，对优化图像进行圆形检测，得到检测结果，检测结果包括圆心坐标和圆半径；S4：对每隔预定帧数返回的检测结果进行累加分析和筛选处理，得到最优检测结果。本发明的有益效果是：本技术方案匹配速度快、抗干扰能力强且检测精度高。

Description

一种基于Hough变化的圆形识别方法及***
技术领域
本发明涉及圆形识别技术领域，尤其涉及一种基于Hough变化的圆形识别方法及***。
背景技术
目前，现有的圆形识别方法，由于识别的图形非常简单，导致在复杂背景里的检测误差很大。而且，现有的识别方法匹配速度慢、抗干扰能力弱且检测精度不高。
发明内容
本发明所要解决的技术问题是提供一种基于Hough变化的圆形识别方法及***。
本发明解决上述技术问题的技术方案如下：
一种基于Hough变化的圆形识别方法，所述圆形识别方法包括：
S1：调用OpenCV视觉库，开启多线程对原始图像进行跳帧处理；
S2：对跳帧处理后的所述原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；
S3：调用OpenCV视觉库中的cvHoughCircles函数，对所述优化图像进行圆形检测，得到检测结果，所述检测结果包括圆心坐标和圆半径；
S4：对每隔预定帧数返回的检测结果进行累加分析和筛选处理，得到最优检测结果。
本发明的有益效果是：本技术方案匹配速度快、抗干扰能力强且检测精度高；通过对原始图像进行灰度化、缩放以及滤波处理，在保留大量全局特征的基础上减少了大量的像素点，从而加快识别速度；通过把识别运算从主进程分离出去的方法，很好的解决了场景渲染时卡顿的问题；通过对OpenCV视觉库中识别圆的经典函数cvHoughCircles的调用，可以很理想的获得识别结果；通过对多次返回结果进行一定数量的累积分析，保留稳定性高的识别结果，提高检测精度。
在上述技术方案的基础上，本发明还可以做如下改进。
优选地，所述步骤S2包括：
S21：调用OpenCV视觉库，对跳帧处理后的所述原始图像进行灰度化，得到灰度图像；
S22：根据所述原始图像的分辨率大小对所述灰度图像进行缩放处理，得到缩放图像；
S23：通过5*5高斯卷积核对所述缩放图像进行平滑处理，得到优化图像。
采用上述技术方案的有益效果：基于不同的图像格式，运用封装好的OpenCV视觉库进行灰度化，然后使用双线性内插值方法对灰度图像进行缩放，在保证图像特征不丢失的前提下，去掉了大量噪声，达到了加快识别速度的目的；最后对缩放图像进行高斯平滑处理，很好的保留了全局特征，提高识别精度。
优选地，所述步骤S3包括：
S31：调用cvHoughCircles函数对所述优化图像进行圆形检测，得到多个轮廓点；
S32：在每个所述轮廓点的梯度方向上，且离每个所述轮廓点预设距离的地方各投一点，得到多个投票点；
S33：通过投票阈值法对所有投票点进行投票，得到圆心坐标和圆半径。
优选地，所述步骤S4包括：
S41：将每次检测结果保存在缓存模块中；
S42：将当前检测结果与所述缓存模块中的所有检测结果进行比较，判断所述当前检测结果与所有检测结果是否均不为同一圆，若是，将所述当前检测结果添加进所述缓存模块中，否则，将所述缓存模块中与所述当前检测结果为同一圆的检测结果累加计数并删除所述当前检测结果；
S43：将所述缓存模块中累加计数超过预设阈值的检测结果作为最优检测结果。
优选地，通过Unity引擎或第三方图像识别SDK开启相机来获取所述原始图像。
一种基于Hough变化的圆形识别***，所述圆形识别***包括：
跳帧模块，用于调用OpenCV视觉库，开启多线程对原始图像进行跳帧处理；
优化模块，用于对跳帧处理后的所述原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；
检测模块，用于调用OpenCV视觉库中的cvHoughCircles函数，对所述优化图像进行圆形检测，得到检测结果，所述检测结果包括圆心坐标和圆半径；
筛选模块，用于对每隔预定帧数返回的检测结果进行累加分析和筛选处理，得到最优检测结果；
其中，所述跳帧模块、所述优化模块、所述检测模块和所述筛选模块依次连接。
优选地，所述优化模块包括：
第一优化子模块，用于调用OpenCV视觉库，对跳帧处理后的所述原始图像进行灰度化，得到灰度图像；
第二优化子模块，用于根据所述原始图像的分辨率大小对所述灰度图像进行缩放处理，得到缩放图像；
第三优化子模块，用于通过5*5高斯卷积核对所述缩放图像进行平滑处理，得到优化图像；
其中，所述第一优化子模块、所述第二优化子模块和所述第三优化子模块依次连接。
优选地，所述检测模块包括：
第一检测子模块，用于调用cvHoughCircles函数对所述优化图像进行圆形检测，得到多个轮廓点；
第二检测子模块，用于在每个所述轮廓点的梯度方向上，且离每个所述轮廓点预设距离的地方各投一点，得到多个投票点；
第三检测子模块，用于通过投票阈值法对所有投票点进行投票，得到圆心坐标和圆半径；
其中，所述第一检测子模块、所述第二检测子模块和所述第三检测子模块依次连接。
优选地，所述筛选模块包括：
第一筛选子模块，用于将每次检测结果保存在缓存模块中；
第二筛选子模块，用于将当前检测结果与所述缓存模块中的所有检测结果进行比较，判断所述当前检测结果与所有检测结果均不为同一圆，若是，将所述当前检测结果添加进所述缓存模块中，否则，将所述缓存模块中与所述当前检测结果为同一圆的检测结果累加计数并删除所述当前检测结果；
第三筛选子模块，用于将所述缓存模块中累加计数超过预设阈值的检测结果作为最优检测结果；
其中，所述第一筛选子模块、所述第二筛选子模块和所述第三筛选子模块依次连接，且均连接所述缓存模块。
优选地，通过Unity引擎或第三方图像识别SDK开启相机来获取所述原始图像。
附图说明
图1为本发明的一种基于Hough变化的圆形识别方法的流程示意图；
图2为本发明的一种基于Hough变化的圆形识别方法的流程示意图；
图3为本发明的一种基于Hough变化的圆形识别方法的流程示意图；
图4为本发明的一种基于Hough变化的圆形识别方法的流程示意图；
图5为本发明的一种基于Hough变化的圆形识别***的结构示意图；
图6为本发明的一种基于Hough变化的圆形识别***的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种基于Hough变化的圆形识别方法，圆形识别方法包括：
S1：调用OpenCV视觉库，开启多线程对原始图像进行跳帧处理；
S2：对跳帧处理后的原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；
S3：调用OpenCV视觉库中的cvHoughCircles函数，对优化图像进行圆形检测，得到检测结果，检测结果包括圆心坐标和圆半径；
S4：对每隔预定帧数返回的检测结果进行累加分析和筛选处理，得到最优检测结果。
上述实施例中，运用Unity引擎直接开启相机，或者调用第三方SDK开启相机，来获取实时图像，来得到原始图像；获取的原始图像传入底层识别库后，基于当前设备的CPU情况，开启多线程，做到不影响主进程的情况下在其他线程里做识别计算，计算完成后返回给主线程识别结果，并再次传入新的原始图像，如此反复，该步骤可以很好的解决了在识别过程中，相机渲染很卡顿的问题；对跳帧处理后的原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；使用OpenCV开源库里提供的cvHoughCircles函数，对优化图像进行圆形检测，基于增强现实下的应用，配置相对最优的参数，配置参数主要有区分不同圆之间的最小距离、运用Canny算法对灰度图像进行边界处理的阈值、投票阈值、识别的最小圆半径和最大圆半径，优化好的参数，可以极大的提高识别的精度和速度；根据每几帧返回的结果，进行一定数量的累加分析，去掉不稳定的识别结果，保存稳定性高的识别结果，并做到追踪识别。
如图2所示，步骤S2包括：
S21：调用OpenCV视觉库，对跳帧处理后的原始图像进行灰度化，得到灰度图像；
S22：根据原始图像的分辨率大小对灰度图像进行缩放处理，得到缩放图像；
S23：通过5*5高斯卷积核对缩放图像进行平滑处理，得到优化图像。
上述实施例中，基于不同的图像格式，运用封装好的OpenCV视觉开源库，进行灰度处理，基于原始图像的分辨率大小对灰度图像进行自定义缩放，缩放方法使用双线性内插值的方法，在保证图像特征不丢失的前提下，去掉了大量的噪声，达到了加快识别速度的目的；最后对缩放图像进行高斯平滑处理，很好的保留图像的全局特征，优化了图像，提高了识别精度。
如图3所示，步骤S3包括：
S31：调用cvHoughCircles函数对优化图像进行圆形检测，得到多个轮廓点；
S32：在每个轮廓点的梯度方向上，且离每个轮廓点预设距离的地方各投一点，得到多个投票点；
S33：通过投票阈值法对所有投票点进行投票，得到圆心坐标和圆半径。
上述实施例中，使用OpenCV开源库里提供的cvHoughCircles函数，对优化图像进行圆形检测，此函数对基础的Hough变换找圆做了一定的优化来提高速度，它不再是在参数空间画出一个完整的圆来进行投票，而只是技术轮廓点处的梯度向量，然后根据搜索半径R(预设距离)在该梯度方向距离轮廓点预设距离R的两边各投一点，最后根据投票结果图确定圆心位置和半径，并且基于应用的要求，对识别的圆的大小和识别数量以及投票阈值进行最优设定，很好的提高了匹配速度和识别精度。
如图4所示，步骤S4包括：
S41：将每次检测结果保存在缓存模块中；
S42：将当前检测结果与缓存模块中的所有检测结果进行比较，判断当前检测结果与所有检测结果是否均不为同一圆，若是，将当前检测结果添加进缓存模块中，否则，将缓存模块中与当前检测结果为同一圆的检测结果累加计数并删除当前检测结果；
S43：将缓存模块中累加计数超过预设阈值的检测结果作为最优检测结果。
上述实施例中，优先记录最新识别到的圆放入设定好的缓存中；比较缓存中的圆心坐标与当前结果的圆心坐标，两中心坐标距离在一定阈值的判断为同一个圆，更新在相应缓存中并累加计数，将缓存中没有被更新的结果删除掉并写入当前结果中发现的新圆；当缓存中存在累加计数超过一定阈值的结果，判定为稳定性高的识别结果，并做追踪识别，输出相应的中心坐标和半径。
如图5所示，一种基于Hough变化的圆形识别***，圆形识别***包括：
跳帧模块1，用于调用OpenCV视觉库，开启多线程对原始图像进行跳帧处理；
优化模块2，用于对跳帧处理后的原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；
检测模块3，用于调用OpenCV视觉库中的cvHoughCircles函数，对优化图像进行圆形检测，得到检测结果，检测结果包括圆心坐标和圆半径；
筛选模块4，用于对每隔预定帧数返回的检测结果进行累加分析和筛选处理，得到最优检测结果；
其中，跳帧模块1、优化模块2、检测模块3和筛选模块4依次连接。
如图6所示，优化模块2包括：
第一优化子模块21，用于调用OpenCV视觉库，对跳帧处理后的原始图像进行灰度化，得到灰度图像；
第二优化子模块22，用于根据原始图像的分辨率大小对灰度图像进行缩放处理，得到缩放图像；
第三优化子模块23，用于通过5*5高斯卷积核对缩放图像进行平滑处理，得到优化图像；
其中，第一优化子模块21、第二优化子模块22和第三优化子模块23依次连接。
如图6所示，检测模块3包括：
第一检测子模块31，用于调用cvHoughCircles函数对优化图像进行圆形检测，得到多个轮廓点；
第二检测子模块32，用于在每个轮廓点的梯度方向上，且离每个轮廓点预设距离的地方各投一点，得到多个投票点；
第三检测子模块33，用于通过投票阈值法对所有投票点进行投票，得到圆心坐标和圆半径；
其中，第一检测子模块31、第二检测子模块32和第三检测子模块33依次连接。
如图6所示，筛选模块4包括：
第一筛选子模块41，用于将每次检测结果保存在缓存模块44中；
第二筛选子模块42，用于将当前检测结果与缓存模块44中的所有检测结果进行比较，判断当前检测结果与所有检测结果是否均不为同一圆，若是，将当前检测结果添加进缓存模块44中，否则，将缓存模块44中与当前检测结果为同一圆的检测结果累加计数并删除当前检测结果；
第三筛选子模块43，用于将缓存模块44中累加计数超过预设阈值的检测结果作为最优检测结果；
其中，第一筛选子模块41、第二筛选子模块42和第三筛选子模块43依次连接，且均连接缓存模块44。
通过Unity引擎或第三方图像识别SDK开启相机来获取原始图像。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于Hough变化的圆形识别方法，其特征在于，所述圆形识别方法包括：
S1：调用OpenCV视觉库，开启多线程对原始图像进行跳帧处理；
S2：对跳帧处理后的所述原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；
S3：调用OpenCV视觉库中的cvHoughCircles函数，对所述优化图像进行圆形检测，得到检测结果，所述检测结果包括圆心坐标和圆半径；
S4：对每隔预定帧数返回的检测结果进行累加分析和筛选处理，得到最优检测结果。
2.根据权利要求1所述的圆形识别方法，其特征在于，所述步骤S2包括：
S21：调用OpenCV视觉库，对跳帧处理后的所述原始图像进行灰度化，得到灰度图像；
S22：根据所述原始图像的分辨率大小对所述灰度图像进行缩放处理，得到缩放图像；
S23：通过5*5高斯卷积核对所述缩放图像进行平滑处理，得到优化图像。
3.根据权利要求2所述的圆形识别方法，其特征在于，所述步骤S3包括：
S31：调用cvHoughCircles函数对所述优化图像进行圆形检测，得到多个轮廓点；
S32：在每个所述轮廓点的梯度方向上，且离每个所述轮廓点预设距离的地方各投一点，得到多个投票点；
S33：通过投票阈值法对所有投票点进行投票，得到圆心坐标和圆半径。
4.根据权利要求1所述的圆形识别方法，其特征在于，所述步骤S4包括：
S41：将每次检测结果保存在缓存模块中；
S42：将当前检测结果与所述缓存模块中的所有检测结果进行比较，判断所述当前检测结果与所有检测结果是否均不为同一圆，若是，将所述当前检测结果添加进所述缓存模块中，否则，将所述缓存模块中与所述当前检测结果为同一圆的检测结果累加计数并删除所述当前检测结果；
S43：将所述缓存模块中累加计数超过预设阈值的检测结果作为最优检测结果。
5.根据权利要求1-4任一项所述的圆形识别方法，其特征在于，通过Unity引擎或第三方图像识别SDK开启相机来获取所述原始图像。
6.一种基于Hough变化的圆形识别***，其特征在于，所述圆形识别***包括：
跳帧模块(1)，用于调用OpenCV视觉库，开启多线程对原始图像进行跳帧处理；
优化模块(2)，用于对跳帧处理后的所述原始图像依次进行灰度化、缩放和平滑处理，得到优化图像；
检测模块(3)，用于调用OpenCV视觉库中的cvHoughCircles函数，对所述优化图像进行圆形检测，得到检测结果，所述检测结果包括圆心坐标和圆半径；
筛选模块(4)，用于对每隔预定帧数返回的检测结果进行累加分析和筛选处理，得到最优检测结果；
其中，所述跳帧模块(1)、所述优化模块(2)、所述检测模块(3)和所述筛选模块(4)依次连接。
7.根据权利要求6所述的圆形识别***，其特征在于，所述优化模块(2)包括：
第一优化子模块(21)，用于调用OpenCV视觉库，对跳帧处理后的所述原始图像进行灰度化，得到灰度图像；
第二优化子模块(22)，用于根据所述原始图像的分辨率大小对所述灰度图像进行缩放处理，得到缩放图像；
第三优化子模块(23)，用于通过5*5高斯卷积核对所述缩放图像进行平滑处理，得到优化图像；
其中，所述第一优化子模块(21)、所述第二优化子模块(22)和所述第三优化子模块(23)依次连接。
8.根据权利要求7所述的圆形识别***，其特征在于，所述检测模块(3)包括：
第一检测子模块(31)，用于调用cvHoughCircles函数对所述优化图像进行圆形检测，得到多个轮廓点；
第二检测子模块(32)，用于在每个所述轮廓点的梯度方向上，且离每个所述轮廓点预设距离的地方各投一点，得到多个投票点；
第三检测子模块(33)，用于通过投票阈值法对所有投票点进行投票，得到圆心坐标和圆半径；
其中，所述第一检测子模块(31)、所述第二检测子模块(32)和所述第三检测子模块(33)依次连接。
9.根据权利要求6所述的圆形识别***，其特征在于，所述筛选模块(4)包括：
第一筛选子模块(41)，用于将每次检测结果保存在缓存模块(44)中；
第二筛选子模块(42)，用于将当前检测结果与所述缓存模块(44)中的所有检测结果进行比较，判断所述当前检测结果与所有检测结果是否均不为同一圆，若是，将所述当前检测结果添加进所述缓存模块(44)中，否则，将所述缓存模块(44)中与所述当前检测结果为同一圆的检测结果累加计数并删除所述当前检测结果；
第三筛选子模块(43)，用于将所述缓存模块(44)中累加计数超过预设阈值的检测结果作为最优检测结果；
其中，所述第一筛选子模块(41)、所述第二筛选子模块(42)和所述第三筛选子模块(43)依次连接，且均连接所述缓存模块(44)。
10.根据权利要求6-9任一项所述的圆形识别***，其特征在于，通过Unity引擎或第三方图像识别SDK开启相机来获取所述原始图像。
CN201611108691.2A 2016-12-06 2016-12-06 一种基于Hough变化的圆形识别方法及*** Pending CN106780599A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611108691.2A CN106780599A (zh) 2016-12-06 2016-12-06 一种基于Hough变化的圆形识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611108691.2A CN106780599A (zh) 2016-12-06 2016-12-06 一种基于Hough变化的圆形识别方法及***

Publications (1)

Publication Number Publication Date
CN106780599A true CN106780599A (zh) 2017-05-31

Family

ID=58879072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611108691.2A Pending CN106780599A (zh) 2016-12-06 2016-12-06 一种基于Hough变化的圆形识别方法及***

Country Status (1)

Country Link
CN (1) CN106780599A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785284A (zh) * 2018-12-01 2019-05-21 深圳力普尔智能科技有限公司 一种图像检测和测量方法
CN109816675A (zh) * 2018-12-28 2019-05-28 歌尔股份有限公司 物体的检测方法、检测装置及存储介质
CN110376215A (zh) * 2019-04-29 2019-10-25 华东交通大学 轴承倒角不标准自动检测装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102673979A (zh) * 2012-06-12 2012-09-19 青岛科技大学 输送带跑偏判断方法及判断装置
CN102867188A (zh) * 2012-07-26 2013-01-09 中国科学院自动化研究所 一种基于级联结构的会场内座位状态检测方法
CN103049911A (zh) * 2012-12-20 2013-04-17 成都理想境界科技有限公司 轮廓检测稳定性判断方法及图像检索方法
CN104123728A (zh) * 2014-07-29 2014-10-29 国家电网公司 基于Hough变换的圆管检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102673979A (zh) * 2012-06-12 2012-09-19 青岛科技大学 输送带跑偏判断方法及判断装置
CN102867188A (zh) * 2012-07-26 2013-01-09 中国科学院自动化研究所 一种基于级联结构的会场内座位状态检测方法
CN103049911A (zh) * 2012-12-20 2013-04-17 成都理想境界科技有限公司 轮廓检测稳定性判断方法及图像检索方法
CN104123728A (zh) * 2014-07-29 2014-10-29 国家电网公司 基于Hough变换的圆管检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
刘瑞祯 等: "《OpenCV教程—基础篇》", 30 June 2007 *
张宏祥 等: "《公路桥梁无损检测技术》", 31 July 2016 *
矣昕宝 等: "一种基于OpenCV的多扇区圆检测方法", 《科学技术与工程》 *
程鹏 等: "一种基于梯度Hough变换和SVM的圆检测算法", 《计算机与现代化》 *
达米安 莱昂斯: "《计算机学和计算机视觉的集群计算》", 31 January 2015 *
鲁居强 等: "基于八邻域判决的红外运动小目标检测方法", 《红外》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785284A (zh) * 2018-12-01 2019-05-21 深圳力普尔智能科技有限公司 一种图像检测和测量方法
CN109816675A (zh) * 2018-12-28 2019-05-28 歌尔股份有限公司 物体的检测方法、检测装置及存储介质
US11295467B2 (en) 2018-12-28 2022-04-05 Goertek Inc. Object detection method, object detection device and storage medium
CN110376215A (zh) * 2019-04-29 2019-10-25 华东交通大学 轴承倒角不标准自动检测装置及方法

Similar Documents

Publication Publication Date Title
CN110427905B (zh) 行人跟踪方法、装置以及终端
WO2020073860A1 (zh) 一种视频裁剪方法及装置
CN110866903B (zh) 基于霍夫圆变换技术的乒乓球识别方法
CN109145803B (zh) 手势识别方法及装置、电子设备、计算机可读存储介质
WO2022000862A1 (zh) 鱼眼图像中的对象检测方法、装置及存储介质
CN112287868B (zh) 一种人体动作识别方法及装置
CN109086724B (zh) 一种加速的人脸检测方法及存储介质
CN112287866A (zh) 一种基于人体关键点的人体动作识别方法及装置
CN112287867B (zh) 一种多摄像头的人体动作识别方法及装置
CN107944427A (zh) 动态人脸识别方法及计算机可读存储介质
WO2020146980A1 (zh) 车道线识别方法、车道线识别装置以及非易失性存储介质
CN113537211B (zh) 一种基于非对称iou的深度学习车牌框定位方法
CN109858455B (zh) 一种针对圆形目标的分块检测尺度自适应跟踪方法
CN109583442B (zh) 基于线段检测的虚假车牌检测方法及装置
CN111178161A (zh) 一种基于fcos的车辆追踪方法及***
CN109190639A (zh) 一种车辆颜色识别方法、装置及***
CN106780599A (zh) 一种基于Hough变化的圆形识别方法及***
CN110414308A (zh) 一种针对输电线路上动态异物的目标识别方法
CN109063630B (zh) 一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法
CN107578011A (zh) 视频关键帧的判定方法及装置
CN106067031A (zh) 基于人工纠错机制与深度学习网络协作机器视觉识别***
CN109492647A (zh) 一种电网机器人障碍物识别方法
CN110969164A (zh) 基于深度学习端对端的低照度成像车牌识别方法及装置
CN110222647B (zh) 一种基于卷积神经网络的人脸活体检测方法
CN110188607A (zh) 一种多线程并行计算的交通视频目标检测方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531