CN108460357B - 一种基于图像识别的开窗报警检测***及方法 - Google Patents
一种基于图像识别的开窗报警检测***及方法 Download PDFInfo
- Publication number
- CN108460357B CN108460357B CN201810209075.9A CN201810209075A CN108460357B CN 108460357 B CN108460357 B CN 108460357B CN 201810209075 A CN201810209075 A CN 201810209075A CN 108460357 B CN108460357 B CN 108460357B
- Authority
- CN
- China
- Prior art keywords
- windowing
- image
- gaussian distribution
- time
- alarm
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious 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
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
- G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种基于图像识别的开窗报警检测***及方法,其中***包括:图像采集模块,用于采集包含窗户的视频图像;图像预处理模块,用于对所述视频图像进行颜色空间转换,由RGB转为HSI图像;开窗检测模块,用于根据HSI图像中的亮度分量图像数据确定开窗报警位置;显示控制模块,用于显示开窗报警位置。本发明通过先将采集的视频图像转换为HSI图像,并对HSI图像中的亮度分量图像数据进行识别,能够实现对建筑物开窗行为的检测与报警定位,实现对重点区域周围建筑物的有效监控和危险预警。
Description
技术领域
本发明涉及计算机图像检测领域,尤其涉及一种基于图像识别的开窗报警检测***及方法。
背景技术
随着视频监控技术的日益成熟,重大活动安保现场监控呈现监控点多、分布广,现场多个安保单位及流动人员往来复杂的特点。其中,活动现场对其室外周围建筑物外立面的监测尤为重要,尤其是对开窗掷物等危险行为的监测和及时处理,已经成为安保工作急需解决的问题。
因此,亟待开发一种能够快速对开窗行为及位置进行检测的***和方法。
发明内容
本发明要解决的技术问题在于,针对现有技术中以上的缺陷,提供一种基于图像识别的开窗报警检测***及方法。
为了解决上述技术问题,本发明提供了一种基于图像识别的开窗报警检测***,包括:
图像采集模块,用于采集包含窗户的视频图像;
图像预处理模块,用于对所述视频图像进行颜色空间转换,由RGB转为HSI图像;
开窗检测模块,用于根据HSI图像中的亮度分量图像数据确定开窗报警位置;
显示控制模块,用于显示开窗报警位置。
在根据本发明所述的基于图像识别的开窗报警检测***中,所述开窗检测模块包括:
前景提取单元,用于判断像素属于背景还是前景,并提取前景区域的长度和宽度;
尺寸判断单元,用于判断前景区域的大小是否满足预设范围,是则判断为开窗行为。
在根据本发明的基于图像识别的开窗报警检测***中,优选地,所述显示控制模块还用于输入待检测图像的像素长L0和宽W0给所述尺寸判断单元。
在根据本发明的基于图像识别的开窗报警检测***中,优选地,所述显示控制模块还用于接收用户标注的视频图像的楼层信息,并生成楼层的参数坐标信息;所述开窗检测模块还包括楼层确定单元,用于根据开窗报警位置及楼层的参数坐标信息确定开窗楼层信息;所述显示控制模块还用于显示所述开窗楼层信息。
在根据本发明的基于图像识别的开窗报警检测***中,优选地,所述开窗报警检测***还包括报警模块,用于根据开窗检测模块的开窗行为检测结果进行报警。
本发明还提供了一种基于图像识别的开窗报警检测***,包括:
摄像头,用于采集包含窗户的视频图像;
综合显控装置,用于对所述视频图像进行颜色空间转换,由RGB转为HSI图像,再根据HSI图像中的亮度分量图像数据确定开窗报警位置,将开窗报警位置显示给用户。
本发明还提供了一种基于图像识别的开窗报警检测方法,包括以下步骤:
采集包含窗户的视频图像;
对所述视频图像进行颜色空间转换,由RGB转为HSI图像;
根据HSI图像中的亮度分量图像数据确定开窗报警位置;
显示开窗报警位置。
在根据本发明所述的基于图像识别的开窗报警检测方法中,所述根据HSI图像中的亮度分量图像数据确定开窗报警位置包括:
前景提取子步骤,判断像素属于背景还是前景,并提取前景区域的长度和宽度;
尺寸判断子步骤,判断前景区域的大小是否满足预设范围,是则判断为开窗行为。
在根据本发明的基于图像识别的开窗报警检测方法中,优选地,所述方法还包括:输入待检测图像的像素长L0和宽W0供给尺寸判断子步骤。
在根据本发明的基于图像识别的开窗报警检测方法中,优选地,所述方法还包括:接收用户标注的视频图像的楼层信息,并生成楼层的参数坐标信息;根据开窗报警位置及楼层的参数坐标信息确定开窗楼层信息;显示所述开窗楼层信息。
实施本发明的基于图像识别的开窗报警检测***及方法,具有以下有益效果:本发明通过先将采集的视频图像转换为HSI图像,并对HSI图像中的亮度分量图像数据进行识别,以确定开窗报警位置,能够实现对建筑物开窗行为的检测与报警定位,实现对重点区域周围建筑物的有效监控和危险预警。
附图说明
图1为根据本发明优选实施例的基于图像识别的开窗报警检测***的模块框图;
图2为根据本发明优选实施例的基于图像识别的开窗报警检测***中开窗检测模块的框图;
图3为根据本发明优选实施例的基于图像识别的开窗报警检测界面图;
图4为根据本发明优选实施例的基于图像识别的开窗报警结果显示界面图;
图5为根据本发明的基于图像识别的开窗报警检测***的硬件结构图;
图6为根据本发明优选实施例的基于图像识别的开窗报警检测方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,为根据本发明优选实施例的基于图像识别的开窗报警检测***的模块框图。如图1所示,该实施例提供的***包括:图像采集模块101、图像预处理模块102、开窗检测模块103和显示控制模块104。
图像采集模块101用于采集包含窗户的视频图像。
图像预处理模块102用于对所述视频图像进行颜色空间转换,由RGB转为H(色调)S(饱和度)I(亮度)图像。并将I通道图像分量传递给开窗检测模块103。
开窗检测模块103用于根据HSI图像中的亮度分量图像数据确定开窗报警位置。
显示控制模块104用于显示开窗报警位置。
请参阅图2,为根据本发明优选实施例的基于图像识别的开窗报警检测***中开窗检测模块的框图。如图2所示,优选地,开窗检测模块103包括:前景提取单元201和尺寸判断单元202。
对开窗报警的检测由开窗检测模块103来完成,其具体步骤如下:前景提取单元201将图像的每一个像素点按不同权值的多个高斯分布的叠加来建模,每种高斯分布对应一个可能产生像素点所呈现亮度的状态,各个高斯分布的权值和分布参数随时间更新。
对于随机变量X的观测数据集{x1,x2,…,xN},xt为t时刻像素的亮度样本,1≤t≤N,其中N为采集的该像素的样本总数;则单个采样点xt其服从的混合高斯分布概率密度函数:
其中k为高斯分布模式总数,η(xt,μi,t,τi,t)为t时刻第i个高斯分布,μi,t为其均值,τi,t为其协方差矩阵,δi,t为方差,I为单位矩阵,ωi,t为t时刻第i个高斯分布的权重。
前景提取单元201用于通过以下公式(4)将每个新像素值xt同当前k个模型按下式进行比较,从而判断像素属于背景还是前景:
|xt-μi,t-1|≤2.5δi,t-1 (4)
其中xt为t时刻像素的亮度样本,{x1,x2,…,xN},μi,t-1为t-1时刻第i个高斯分布的均值,δi,t-1为t-1时刻第i个高斯分布的方差。
当满足上述公式(4)时,该像素属于前景,否则该像素属于背景。对于前景通过膨胀腐蚀等形态学处理,提取前景区域的长度L和宽度W。
尺寸判断单元202用于通过以下公式(5)判断前景区域的大小是否满足预设范围,是则判断为开窗行为:
其中,L和W分别为所提取的前景区域的长度和宽度,Lc和Wc分别为预设的长度下限值和宽度下限值;L0和W0分别为预设的待检测窗户图像的像素长L0和宽W0。其中,可采用Lc=10与Wc=10,即默认10*10以下的前景为噪声干扰而非开窗行为,长度下限值和宽度下限值可根据检测情况进行修改。当开窗前景满足上述条件时,即为检测到开窗行为。
优选地,显示控制模块104用于视频图像的显示与控制,包括可能存在的云台控制等,自动或手动将摄像机对准待观测的建筑物外立面,选择并确认实际观测范围,操作鼠标绘制实际观测区域,在图像对应位置标注楼层信息,以及输入待检测窗户图像的像素长L0和宽W0等。本发明的基于图像识别的开窗报警检测界面如图3所示。优选地,显示控制模块104将用户输入的待检测图像的像素长L0和宽W0发送给尺寸判断单元202。
在本发明的更优选的实施例中,显示控制模块104还用于接收用户标注的视频图像的楼层信息,并生成楼层的参数坐标信息。开窗检测模块103还包括楼层确定单元,用于根据开窗报警位置及楼层的参数坐标信息确定开窗楼层信息。显示控制模块104还用于显示开窗楼层信息。也就是说开窗检测模块103进一步根据开窗报警位置的图像坐标匹配初始由显示控制模块104生成的楼层的参数坐标信息,实现对报警楼层的定位。最后将开窗报警位置的图像坐标与开窗楼层信息传递给显示控制模块104进行显示。如图4所示,通过突出颜色的线框将开窗位置在采集的视频图像中进行显示,同时还可以将开窗的楼层信息以数字等形式进行显示。
优选地,本发明的开窗报警检测***还包括报警模块,用于根据开窗检测模块的开窗行为检测结果进行报警。
请结合参阅图5,为根据本发明的基于图像识别的开窗报警检测***的硬件结构图。如图5所示,本发明的基于图像识别的开窗报警检测***主要包括摄像头501以及与之通讯的综合显控装置503。优选地,该***还包括网络交换机502。
摄像头501用于采集包含窗户的视频图像,例如采用高清摄像头实现。网络交换机502将摄像头501采集到的图像通过网络传送汇总至网络交换机502最终与综合显控装置503相连。图像采集模块101可通过该摄像头501采集包含窗户的视频图像。
综合显控装置503用于对摄像头501采集的视频图像进行颜色空间转换,由RGB转为HSI图像,再根据HSI图像中的亮度分量图像数据确定开窗报警位置,将开窗报警位置显示给用户。优选地,综合显控装置3中部署的上位机显控软件完成视频图像的显示与控制,包括可能存在的云台控制等,自动或手动将摄像机对准待观测的建筑物外立面,选择并确认实际观测范围,操作鼠标绘制实际观测区域,并在图像对应位置标注楼层信息,以及输入待检测窗户图像的像素长L0和宽W0。前述图像预处理模块102、开窗检测模块103和显示控制模块104可通过该综合显控装置503实现。
请参阅图6,为根据本发明优选实施例的基于图像识别的开窗报警检测方法的流程图。如图6所示,该实施例提供的方法包括以下步骤:
首先,在步骤S1中,采集包含窗户的视频图像;
随后,在步骤S2中,对所述视频图像进行颜色空间转换,由RGB转为HSI图像;
随后,在步骤S3中,根据HSI图像中的亮度分量图像数据确定开窗报警位置;
最后,在步骤S4中,显示开窗报警位置。优选地,在原始采集的视频图像中以突出颜色的线框标示出开窗报警位置。
优选地,步骤S3中根据HSI图像中的亮度分量图像数据确定开窗报警位置包括:
1)前景提取子步骤,通过以下公式判断像素属于背景还是前景,并提取前景区域的长度和宽度;
|xt-μi,t-1|≤2.5i,t-1
其中xt为t时刻像素的亮度样本,{x1,x2,…,xN},xt为t时刻像素的亮度样本,1≤t≤N,其中N为采集的该像素的样本总数;μi,t-1为t-1时刻第i个高斯分布的均值,δi,t-1为t-1时刻第i个高斯分布的方差;其中,对于随机变量X的观测数据集{x1,x2,…,xN},xt为t时刻像素的亮度样本,则单个采样点xt服从的混合高斯分布概率密度函数为:
其中k为高斯分布模式总数,η(xt,μi,t,τi,t)为t时刻第i个高斯分布,μi,t为其均值,τi,t为其协方差矩阵,δi,t为方差,I为单位矩阵,ωi,t为t时刻第i个高斯分布的权重;
当满足上述公式时,该像素属于前景,否则该像素属于背景;
2)尺寸判断子步骤,通过以下公式判断前景区域的大小是否满足预设范围,是则判断为开窗行为:
其中,L和W分别为所提取的前景区域的长度和宽度,Lc和Wc分别为预设的长度下限值和宽度下限值;L0和W0分别为预设的待检测窗户图像的像素长L0和宽W0。
优选地,在上述基于图像识别的开窗报警检测方法中,该方法还包括:输入待检测图像的像素长L0和宽W0供给尺寸判断子步骤。
更优选地,该方法还包括:接收用户标注的视频图像的楼层信息并生成楼层的参数坐标信息;随后,根据开窗报警位置及楼层的参数坐标信息确定开窗楼层信息;再显示该开窗楼层信息。
优选地,所述方法还包括:根据开窗检测模块的开窗行为检测结果进行报警。
综上所述,本发明基于高清视频图像采集与计算机图像识别技术,通过构建开窗报警检测***,能够有效准确地检测建筑物外立面开窗异动行为,并对此进行定位和报警,实现对重点区域周围建筑物的有效监控和危险预警,极大地保障了重要活动的安全警卫工作,在节省警力等方面贡献尤为突出。最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于图像识别的开窗报警检测***,其特征在于,包括:
图像采集模块,用于采集包含窗户的视频图像;
图像预处理模块,用于对所述视频图像进行颜色空间转换,由RGB转为HSI图像;
开窗检测模块,用于根据HSI图像中的亮度分量图像数据确定开窗报警位置;
显示控制模块,用于显示开窗报警位置;
所述开窗检测模块包括:
前景提取单元,用于通过以下公式判断像素属于背景还是前景,并提取前景区域的长度和宽度;
|xt-μi,t-1|≤2.5δi,t-1
其中xt为t时刻像素的亮度样本,μi,t-1为t-1时刻第i个高斯分布的均值,δi,t-1为t-1时刻第i个高斯分布的方差;其中,对于随机变量X的观测数据集{x1,x2,…,xN},xt为t时刻像素的亮度样本,则单个采样点xt服从的混合高斯分布概率密度函数为:
其中k为高斯分布模式总数,η(xt,μi,t,τi,t)为t时刻第i个高斯分布,μi,t为t时刻第i个高斯分布的均值,τi,t为t时刻第i个高斯分布的协方差矩阵,δi,t为方差,I为单位矩阵,ωi,t为t时刻第i个高斯分布的权重;
当满足上述公式时,该像素属于前景,否则该像素属于背景;
尺寸判断单元,用于通过以下公式判断前景区域的大小是否满足预设范围,是则判断为开窗行为:
其中,L和W分别为所提取的前景区域的长度和宽度,Lc和Wc分别为预设的长度下限值和宽度下限值;L0和W0分别为预设的待检测窗户图像的像素长L0和宽W0。
2.根据权利要求1所述的基于图像识别的开窗报警检测***,其特征在于,所述显示控制模块还用于输入待检测图像的像素长L0和宽W0给所述尺寸判断单元。
3.根据权利要求1或2所述的基于图像识别的开窗报警检测***,其特征在于:
所述显示控制模块还用于接收用户标注的视频图像的楼层信息,并生成楼层的参数坐标信息;
所述开窗检测模块还包括楼层确定单元,用于根据开窗报警位置及楼层的参数坐标信息确定开窗楼层信息;
所述显示控制模块还用于显示所述开窗楼层信息。
4.根据权利要求1或2所述的基于图像识别的开窗报警检测***,其特征在于:所述开窗报警检测***还包括报警模块,用于根据开窗检测模块的开窗行为检测结果进行报警。
5.一种基于图像识别的开窗报警检测方法,其特征在于,包括以下步骤:
采集包含窗户的视频图像;
对所述视频图像进行颜色空间转换,由RGB转为HSI图像;
根据HSI图像中的亮度分量图像数据确定开窗报警位置;
显示开窗报警位置;
所述根据HSI图像中的亮度分量图像数据确定开窗报警位置包括:
前景提取子步骤,通过以下公式判断像素属于背景还是前景,并提取前景区域的长度和宽度;
|xt-μi,t-1|≤2.5δi,t-1
其中xt为t时刻像素的亮度样本,μi,t-1为t-1时刻第i个高斯分布的均值,δi,t-1为t-1时刻第i个高斯分布的方差;其中,对于随机变量X的观测数据集{x1,x2,…,xN},xt为t时刻像素的亮度样本,则单个采样点xt服从的混合高斯分布概率密度函数为:
其中k为高斯分布模式总数,η(xt,μi,t,τi,t)为t时刻第i个高斯分布,μi,t为t时刻第i个高斯分布的均值,τi,t为t时刻第i个高斯分布的协方差矩阵,δi,t为方差,I为单位矩阵,ωi,t为t时刻第i个高斯分布的权重;
当满足上述公式时,该像素属于前景,否则该像素属于背景;
尺寸判断子步骤,通过以下公式判断前景区域的大小是否满足预设范围,是则判断为开窗行为:
其中,L和W分别为所提取的前景区域的长度和宽度,Lc和Wc分别为预设的长度下限值和宽度下限值;L0和W0分别为预设的待检测窗户图像的像素长L0和宽W0。
6.根据权利要求5所述的基于图像识别的开窗报警检测方法,其特征在于,所述方法还包括:输入待检测图像的像素长L0和宽W0供给尺寸判断子步骤。
7.根据权利要求5或6所述的基于图像识别的开窗报警检测方法,其特征在于,所述方法还包括:
接收用户标注的视频图像的楼层信息,并生成楼层的参数坐标信息;
根据开窗报警位置及楼层的参数坐标信息确定开窗楼层信息;
显示所述开窗楼层信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810209075.9A CN108460357B (zh) | 2018-03-14 | 2018-03-14 | 一种基于图像识别的开窗报警检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810209075.9A CN108460357B (zh) | 2018-03-14 | 2018-03-14 | 一种基于图像识别的开窗报警检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108460357A CN108460357A (zh) | 2018-08-28 |
CN108460357B true CN108460357B (zh) | 2020-05-05 |
Family
ID=63219967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810209075.9A Active CN108460357B (zh) | 2018-03-14 | 2018-03-14 | 一种基于图像识别的开窗报警检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460357B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111369761B (zh) * | 2019-03-05 | 2022-08-05 | 杭州海康威视***技术有限公司 | 一种预警范围确定方法、装置、设备及*** |
CN110969604B (zh) * | 2019-11-26 | 2024-02-27 | 北京工业大学 | 一种基于深度学习的智能安防实时开窗检测报警***及方法 |
CN111726532B (zh) * | 2020-06-30 | 2021-08-27 | 北京环境特性研究所 | 一种开窗报警检测***及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073854A (zh) * | 2011-01-14 | 2011-05-25 | 天津大学 | 一种彩色车牌定位方法 |
CN105163067B (zh) * | 2015-08-12 | 2018-12-14 | 武汉大学 | 一种基于数字图像处理技术的高空抛物取证*** |
-
2018
- 2018-03-14 CN CN201810209075.9A patent/CN108460357B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108460357A (zh) | 2018-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117827B (zh) | 基于视频的工服工帽穿戴状态自动识别方法与报警*** | |
CN109484935B (zh) | 一种电梯轿厢监控方法、装置及*** | |
CN108460357B (zh) | 一种基于图像识别的开窗报警检测***及方法 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位*** | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
CN110738135A (zh) | 一种工人作业工步规范视觉识别判定与指导方法及*** | |
CN103294994A (zh) | 用于基于环境适应性识别面部的装置 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
CN108734913A (zh) | 基于无人机图像识别的森林火灾巡逻报警***及方法 | |
CN112184773A (zh) | 一种基于深度学习的安全帽佩戴检测方法及*** | |
CN110493574B (zh) | 基于流媒体和ai技术的安监可视化*** | |
RU2713876C1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN113076859A (zh) | 人脸识别的安全监控方法及***、电子设备、存储介质 | |
CN112634561A (zh) | 基于图像识别的安全报警方法和*** | |
CN113989711B (zh) | 一种配电施工安全工器具使用识别方法及*** | |
CN109579934A (zh) | 水浸多重监测方法及*** | |
CN115620192A (zh) | 一种高空作业安全绳穿戴检测的方法和装置 | |
CN111652128B (zh) | 一种高空电力作业安全监测方法、***和存储装置 | |
CN112595730A (zh) | 电缆破损识别方法、装置和计算机设备 | |
CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
CN112614260A (zh) | 一种基于人脸识别和定位的智能安防*** | |
CN113361420A (zh) | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 | |
CN113506416A (zh) | 一种基于智能视觉分析的工程异常预警方法及*** | |
CN114943841A (zh) | 一种基于图像识别辅助作业安全管控的方法及装置 | |
CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 |
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 |