CN109829389B - 机器移位判断方法、装置以及计算机存储介质 - Google Patents
机器移位判断方法、装置以及计算机存储介质 Download PDFInfo
- Publication number
- CN109829389B CN109829389B CN201910015800.3A CN201910015800A CN109829389B CN 109829389 B CN109829389 B CN 109829389B CN 201910015800 A CN201910015800 A CN 201910015800A CN 109829389 B CN109829389 B CN 109829389B
- Authority
- CN
- China
- Prior art keywords
- image
- machine
- features
- standard
- sample image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
一种机器移位判断方法、装置以及计算机存储介质,所述方法包括:采集样本图像;提取所述样本图像的图像特征;将所述样本图像的图像特征与预设的标准图像的图像特征进行比对,得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量;将所述匹配的图像特征的数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值;根据所述检测结果值以及预设的检测标准值得到所述机器的移位判断结果。采用上述方案,可以提升机器的移位判断结果的准确度。
Description
技术领域
本发明涉及自动化领域,尤其涉及一种机器移位判断方法、装置以及计算机存储介质。
背景技术
随着自助化服务的日益普及,线下消费场景中有许多自助服务类机器。该类机器因业务需求被设计为可移动、自动化程度高。
因此,该类自助服务类机器的看管成为管理者需要考虑的一个重要问题。现有技术中,通常会以人力或者GPS定位的形式定期检查机器的位置。
然而,采用人力的方式时,无法实现实时检查机器的位置,进而导致机器的移位判断不准确;采用GPS定位的方式时,由于GPS定位时会发生定位偏移过大的情况,因此导致机器的移位判断不准确。
发明内容
本发明解决的技术问题是机器的移位判断不准确。
为解决上述技术问题,本发明实施例提供一种机器移位判断方法,包括:采集样本图像;提取所述样本图像的图像特征;将所述样本图像的图像特征与预设的标准图像的图像特征进行比对,得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量;将所述匹配的图像特征的数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值;根据所述检测结果值以及预设的检测标准值得到所述机器的移位判断结果。
可选的,滤除与所述标准图像的图像特征匹配的所述样本图像的图像特征中的异常特征后,得到匹配的图像特征的数量。
可选的,采用过滤算法,将所述样本图像的图像特征与对应的标准图像的图像特征进行比对,选取表征所述样本图像中特定场景与所述标准图像中特定场景相似程度最高的图像特征匹配对。
可选的,计算所述机器的定位信息与所述标准图像的定位信息之间的距离信息;将所述距离信息以及所述匹配的图像特征的数量进行加权计算,得到检测结果值。
可选的,若所述检测结果值大于所述检测标准值,判断所述机器的移位为非正常移位。
可选的,调取预设于摄像头终端的数学模型;采用所述数学模型提取所述样本图像的图像特征。
可选的,将所述机器的移位判断结果传输至后台管理***。
可选的,将所述样本图像发送至后台管理***。
可选的,调取预设于所述后台管理***的数学模型;采用所述数学模型提取所述样本图像的图像特征。
本发明实施例中还提供一种机器移位判断装置,包括:采集单元,用于采集样本图像;提取单元,用于提取所述样本图像的图像特征;比对单元,用于将所述样本图像的图像特征与预设的标准图像的图像特征进行比对,得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量;计算单元,用于将所述匹配的图像特征的数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值;输出单元,用于根据所述检测结果值以及预设的检测标准值得到所述机器的移位判断结果。
可选的,所述比对单元,还用于滤除与所述标准图像的图像特征匹配的所述样本图像的图像特征中的异常特征后,得到匹配的图像特征的数量。
可选的,所述比对单元,还用于采用过滤算法,将所述样本图像的图像特征与对应的标准图像的图像特征进行比对,选取表征所述样本图像中特定场景与所述标准图像中特定场景相似程度最高的图像特征匹配对。
可选的,所述计算单元,还用于计算所述机器的定位信息与所述标准图像的定位信息之间的距离信息;将所述距离信息以及所述匹配的图像特征的数量进行加权计算,得到检测结果值。
可选的,所述输出单元,还用于若所述检测结果值大于所述检测标准值,判断所述机器的移位为非正常移位。
可选的,所述提取单元,还用于调取预设于摄像头终端的数学模型;采用所述数学模型提取所述样本图像的图像特征。
可选的,所述输出单元,还用于将所述机器的移位判断结果传输至后台管理***。
可选的,所述采集单元,还用于将所述样本图像发送至后台管理***。
可选的,所述提取单元,还用于调取预设于所述后台管理***的数学模型;采用所述数学模型提取所述样本图像的图像特征。
本发明实施例中还提供一种计算机可读存储介质,其上存储有计算机指令,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,所述计算机指令运行时执行上述任一种的机器移位判断方法的步骤。
本发明实施例中还提供一种机器移位判断装置,包括存储器和处理器,所述存储器上存储有计算机指令,所述计算机指令运行时所述处理器执行上述任一种的机器移位判断方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
通过设定标准图像,将机器采集的样本图像与标准图像进行比对,通过算法计算得出检测结果值,根据检测结果值以及检测标准值得到机器的移位判断结果。采用上述方案,提升了机器的移位判断的准确度。
附图说明
图1是本发明实施例中提供的机器移位判断方法的流程示意图;
图2是本发明实施例中提供的机器移位判断装置的结构示意图。
具体实施方式
因此,该类自助服务类机器的看管成为管理者需要考虑的一个重要问题。现有技术中,通常会以人力或者GPS定位的形式定期检查机器的位置。
然而,采用人力的方式时,无法实现实时检查机器的位置,进而导致机器的移位判断不准确;采用GPS定位的方式时,由于GPS定位时会发生定位偏移过大的情况,因此导致机器的移位判断不准确。
本发明实施例中,通过设定标准图像,将机器采集的样本图像与标准图像进行比对,通过算法计算得出检测结果值,根据检测结果值以及检测标准值得到机器的移位判断结果。采用上述方案,提升了机器的移位判断结果的准确度。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参阅图1,其为本发明实施例中提供的机器移位判断方法的流程示意图,包括具体步骤,其中:
步骤S101,采集样本图像。
在具体实施中,样本图像的采集可以由摄像头进行采集,所采集的样本图像的数量也并不固定。在不同的应用场景下,所采集的样本图像的数量可以不同。
步骤S102,提取所述样本图像的图像特征。
在具体实施中,为了实现机器的移位是否属于正常移位,即机器的移位是否处于预定范围内,采集的样本图像与标准图像之间的相似度可以作为衡量标准之一。
在具体实施中,样本图像与标准图像之间的相似度的判断,由于拍摄角度、亮度和范围等干扰因素,若直接将样本图像与标准图像进行全面比对,结果准确度可能较低。因此,在本发明实施例中,可以通过两者各自的图像特征来判断样本图像与标准图像之间的相似度。
在具体实施中,可以通过数学模型提取样本图像的角点特征,相比人工提取图像特征或人为预设图像特征的提取位置等方式,一方面,使用数学模型提取样本图像的角点特征,更符合自助类机器通常处于无人工监控的应用场景;另一方面,通过数学模型提取的角点特征,也能更准确地反应出样本图像的特征点。
在具体实施中,也可以通过其他方式进行样本图像的图像特征的提取,具体由用户根据实际应用场景确定。
步骤S103,将所述样本图像的图像特征与预设的标准图像的图像特征进行比对,得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量。
在具体实施中,标准图像为机器的正常移位范围内的场景的图像,标准图像的数量根据具体应用场景的变化而有所改变。若机器的正常移位范围较大,则标准图像的数量可以较大;反之,若机器的正常移位范围较小,则标准图像的数量可以较小。
在具体实施中,采集的样本图像与标准图像之间的相似度可以作为衡量标准之一,可以通过计算样本图像中与标准图像的图像特征匹配的图像特征的数量进行相似度的计算。
在具体实施中,在将样本图像的图像特征与标准图像的图像特征进行比对时,标准图像的图像特征通过算法根据样本图像的图像特征进行提取。
在具体实施中,当标准图像的数量大于一时,可以计算样本图像中与所有标准图像的图像特征匹配的图像特征的数量,也可以计算样本图像中与选定标准图像的图像特征匹配的图像特征的数量,还可以分别计算样本图像中与各个标准图像的图像特征匹配的图像特征的数量并取其中的最大值。
步骤S104,将所述匹配的图像特征的数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值。
在具体实施中,样本图像中与标准图像的图像特征匹配的图像特征的数量作为判断机器移位的因素,但仅根据单一因素判断机器移位,可能导致判断结果的准确度较低,因此,机器的定位信息同样作为判断机器移位的考量因素。
步骤S105,根据所述检测结果值以及预设的检测标准值得到所述机器的移位判断结果。
在具体实施中,检测标准值可以由用户根据实际应用场景设定。
在具体实施中,可以将分类器计算得到的检测结果值与检测标准值进行比对,以判断得到机器的移位是否为正常移位,即判断机器移位后所处的位置是否在正常的移位范围内。
本发明实施例中,在得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量之后,可以滤除与所述标准图像的图像特征匹配的所述样本图像的图像特征中的异常特征,从而得到匹配的图像特征的数量。
本发明实施例中,采用所述过滤算法,将所述样本图像的图像特征与对应的标准图像的图像特征进行比对,选取表征所述样本图像中特定场景与所述标准图像中特定场景相似程度最高的图像特征匹配对。
在具体实施中,异常特征为样本图像中与标准图像的图像特征匹配的图像特征中彼此相似较高的多个图像特征。例如,样本图像中包括一个服务台,多个样本图像的图像特征均反映服务台,且这些样本图像的图像特征均与标准图像的图像特征进行了匹配,那么这些图像特征的数量将会被用于评价机器的移位是否正常;或,表征不明显及错误匹配的图像特征。比如,表示白色墙面的特征,大量存在,并不能说明场景特点;或因为墙面颜色与水壶颜色同为白色,因此错误的将该两种物品的特征匹配到一起。
在具体实施中,为了提升机器移位判断结果的准确性与客观性,滤除异常特征。例如,多个样本图像的图像特征均反映服务台,则仅保留一个反应服务台的图像特征,滤除其他反应服务台的图像特征。在计算样本图像中与标准图像的图像特征匹配的图像特征的数量时,不将这些滤除的图像特征的数量计算在内。
在具体实施中,可以先通过Nearest neighbor算法进行粗过滤,用于提取最能表征特定场景的图像特征,例如白墙这种大范围存在的特征可以被剔除。再通过Ransac算法进行精过滤,主要剔除明显不属于图像特征模型分布的图像特征,即可能因标记错误、算法错误引起的异常点。
本发明实施例中,将所述匹配数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值的具体过程为,计算所述机器的定位信息与所述标准图像的定位信息之间的距离信息;将所述距离信息以及所述匹配的图像特征的数量进行加权计算,得到检测结果值。
在具体实施中,定位信息可以是经纬度信息,根据机器移位后的定位信息和标准图像的定位信息,可以计算得到距离信息。
在具体实施中,分类器为分类算法,可以通过分类器对距离信息和匹配的图像特征的数量进行权重分配,也可以由用户根据实际应用场景进行权重分配。
本发明实施例中,若所述检测结果值大于所述检测标准值,则可以判断所述机器的移位为非正常移位。
在具体实施中,检测标准值可以由用户根据实际应用场景设定。
本发明实施例中,提取所述样本图像的图像特征,可以通过调取预设于所述摄像头终端的数学模型,采用所述数学模型提取所述样本图像的图像特征。
本发明实施例中,得到所述机器的移位判断结果之后,将所述机器的移位判断结果传输至后台管理***。
在具体实施中,机器移位判断的计算过程在终端机器进行,在判断结束后,将判断结果传送至后台管理***。
在具体实施中,在终端机器本地部署算法,各个终端机器移位判断过程互不影响。可以实现实时移位判断。
本发明实施例中,在所述采集样本图像之后,可以将所述样本图像发送至后台管理***,以便于用户在后台管理***查阅。
本发明实施例中,提取所述样本图像的图像特征,也可以通过调取预设于所述后台管理***的数学模型来提取所述样本图像的图像特征。
在具体实施中,机器移位判断的计算过程也可以在后台管理***进行,后台管理***可以统一调用算法,批量地多台机器进行移位判断。
参阅图2,其为本发明实施例中提供的机器移位判断装置20的结构示意图,具体包括:
采集单元201,用于采集样本图像;
提取单元202,用于提取所述样本图像的图像特征;
比对单元203,用于将所述样本图像的图像特征与预设的标准图像的图像特征进行比对,得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量;
计算单元204,用于将所述匹配的图像特征的数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值;
输出单元205,用于根据所述检测结果值以及预设的检测标准值得到所述机器的移位判断结果。
本发明实施例中,所述比对单元203,还可以用于滤除与所述标准图像的图像特征匹配的所述样本图像的图像特征中的异常特征后,得到匹配的图像特征的数量。
本发明实施例中,所述比对单元203,还可以用于采用所述过滤算法,将所述样本图像的图像特征与对应的标准图像的图像特征进行比对,选取表征所述样本图像中特定场景与所述标准图像中特定场景相似程度最高的图像特征匹配对。
本发明实施例中,所述计算单元204,还可以用于计算所述机器的定位信息与所述标准图像的定位信息之间的距离信息;将所述距离信息以及所述匹配的图像特征的数量进行加权计算,得到检测结果值。
本发明实施例中,所述输出单元205,还可以用于若所述检测结果值大于所述检测标准值,判断所述机器的移位为非正常移位。
本发明实施例中,所述提取单元202,还可以用于调取预设于所述摄像头终端的数学模型;采用所述数学模型提取所述样本图像的图像特征。
本发明实施例中,所述输出单元205,还可以用于将所述机器的移位判断结果传输至后台管理***。
本发明实施例中,所述采集单元201,还可以用于将所述样本图像发送至后台管理***。
本发明实施例中,所述提取单元202,还可以用于调取预设于所述后台管理***的数学模型;采用所述数学模型提取所述样本图像的图像特征。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机指令,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,所述计算机指令运行时执行上述任一种的机器移位判断方法的步骤。
本发明实施例还提供一种机器移位判断装置,包括存储器和处理器,所述存储器上存储有计算机指令,所述计算机指令运行时所述处理器执行上述任一种的机器移位判断方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指示相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (16)
1.一种机器移位判断方法,其特征在于,包括:
采集样本图像;
提取所述样本图像的图像特征;
将所述样本图像的图像特征与预设的标准图像的图像特征进行比对,得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量,滤除与所述标准图像的图像特征匹配的所述样本图像的图像特征中的异常特征后,得到匹配的图像特征的数量;
将所述匹配的图像特征的数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值,包括:计算所述机器的定位信息与所述标准图像的定位信息之间的距离信息;通过分类器对所述距离信息和所述匹配的图像特征的数量进行加权分配,并将所述距离信息以及所述匹配的图像特征的数量进行加权计算,得到检测结果值;
根据所述检测结果值以及预设的检测标准值得到所述机器的移位判断结果。
2.根据权利要求1所述的机器移位判断方法,其特征在于,所述滤除与所述标准图像的图像特征匹配的所述样本图像的图像特征中的异常特征,包括:
采用过滤算法,将所述样本图像的图像特征与对应的标准图像的图像特征进行比对,选取表征所述样本图像中特定场景与所述标准图像中特定场景相似程度最高的图像特征匹配对。
3.根据权利要求1所述的机器移位判断方法,其特征在于,所述根据所述检测结果值以及检测标准值得到所述机器的移位判断结果,包括:
若所述检测结果值大于所述检测标准值,判断所述机器的移位为非正常移位。
4.根据权利要求1所述的机器移位判断方法,其特征在于,所述提取所述样本图像的图像特征,包括:
调取预设于摄像头终端的数学模型;
采用所述数学模型提取所述样本图像的图像特征。
5.根据权利要求4所述的机器移位判断方法,其特征在于,在所述根据所述检测结果值以及检测标准值得到所述机器的移位判断结果之后,还包括:
将所述机器的移位判断结果传输至后台管理***。
6.根据权利要求1所述的机器移位判断方法,其特征在于,在所述采集样本图像之后,还包括:
将所述样本图像发送至后台管理***。
7.根据权利要求6所述的机器移位判断方法,其特征在于,所述提取所述样本图像的图像特征,包括:
调取预设于所述后台管理***的数学模型;
采用所述数学模型提取所述样本图像的图像特征。
8.一种机器移位判断装置,其特征在于,包括:
采集单元,用于采集样本图像;
提取单元,用于提取所述样本图像的图像特征;
比对单元,用于将所述样本图像的图像特征与预设的标准图像的图像特征进行比对,得到所述样本图像中与所述标准图像的图像特征匹配的图像特征的数量,滤除与所述标准图像的图像特征匹配的所述样本图像的图像特征中的异常特征后,得到匹配的图像特征的数量;
计算单元,用于将所述匹配的图像特征的数量以及所述机器的定位信息输入分类器中进行计算,得到检测结果值,包括:计算所述机器的定位信息与所述标准图像的定位信息之间的距离信息;通过分类器对所述距离信息和所述匹配的图像特征的数量进行加权分配,并将所述距离信息以及所述匹配的图像特征的数量进行加权计算,得到检测结果值;
输出单元,用于根据所述检测结果值以及预设的检测标准值得到所述机器的移位判断结果。
9.根据权利要求8所述的机器移位判断装置,其特征在于,所述比对单元,还用于采用过滤算法,将所述样本图像的图像特征与对应的标准图像的图像特征进行比对,选取表征所述样本图像中特定场景与所述标准图像中特定场景相似程度最高的图像特征匹配对。
10.根据权利要求8所述的机器移位判断装置,其特征在于,所述输出单元,还用于若所述检测结果值大于所述检测标准值,判断所述机器的移位为非正常移位。
11.根据权利要求8所述的机器移位判断装置,其特征在于,所述提取单元,还用于调取预设于摄像头终端的数学模型;采用所述数学模型提取所述样本图像的图像特征。
12.根据权利要求11所述的机器移位判断装置,其特征在于,所述输出单元,还用于将所述机器的移位判断结果传输至后台管理***。
13.根据权利要求8所述的机器移位判断装置,其特征在于,所述采集单元,还用于将所述样本图像发送至后台管理***。
14.根据权利要求13所述的机器移位判断装置,其特征在于,所述提取单元,还用于调取预设于所述后台管理***的数学模型;采用所述数学模型提取所述样本图像的图像特征。
15.一种计算机可读存储介质,其上存储有计算机程序,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其特征在于,所述计算机程序被处理器运行时执行权利要求1~7任一项所述的机器移位判断方法的步骤。
16.一种机器移位判断装置,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述计算机程序运行时所述处理器执行权利要求1~7任一项所述的机器移位判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910015800.3A CN109829389B (zh) | 2019-01-08 | 2019-01-08 | 机器移位判断方法、装置以及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910015800.3A CN109829389B (zh) | 2019-01-08 | 2019-01-08 | 机器移位判断方法、装置以及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109829389A CN109829389A (zh) | 2019-05-31 |
CN109829389B true CN109829389B (zh) | 2021-01-26 |
Family
ID=66860168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910015800.3A Active CN109829389B (zh) | 2019-01-08 | 2019-01-08 | 机器移位判断方法、装置以及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829389B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113624952B (zh) * | 2021-10-13 | 2022-02-18 | 深圳市帝迈生物技术有限公司 | 一种体外诊断设备及其检测方法、计算机可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937816B (zh) * | 2012-11-22 | 2015-05-27 | 四川华雁信息产业股份有限公司 | 摄像机预置位偏差校准方法及装置 |
CN103646390B (zh) * | 2013-09-27 | 2016-11-23 | 北京中钞钞券设计制版有限公司 | 基于多层次图像定位的图像处理***和方法 |
JP6608682B2 (ja) * | 2015-11-24 | 2019-11-20 | 株式会社キーエンス | 位置決め方法、外観検査装置、プログラム、コンピュータ可読記録媒体および外観検査方法 |
US10074033B2 (en) * | 2016-10-06 | 2018-09-11 | Adobe Systems Incorporated | Using labels to track high-frequency offsets for patch-matching algorithms |
CN109146963B (zh) * | 2017-06-13 | 2020-07-07 | 南京鑫和汇通电子科技有限公司 | 一种基于快速特征匹配的图像位置偏移检测方法 |
-
2019
- 2019-01-08 CN CN201910015800.3A patent/CN109829389B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109829389A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4060607A1 (en) | Information processing device, information processing method, and program | |
CN112036755B (zh) | 一种建筑工程质量检测的监管方法及*** | |
CN110647894B (zh) | 电器设备的故障诊断方法、***、云端服务器及存储介质 | |
CN114255233B (zh) | 散斑图的质量评价方法、装置、电子设备和存储介质 | |
CN111198815B (zh) | 用户界面的兼容性测试方法及装置 | |
CN113706472B (zh) | 公路路面病害检测方法、装置、设备及存储介质 | |
CN116519707A (zh) | 基于机器视觉的锂电池缺陷检测方法、装置及电子设备 | |
CN109829389B (zh) | 机器移位判断方法、装置以及计算机存储介质 | |
CN105915785A (zh) | 双摄像头被遮挡的确定方法、确定装置和终端 | |
CN111291778B (zh) | 深度分类模型的训练方法、曝光异常检测方法以及装置 | |
CN112883213B (zh) | 一种图片归档方法、装置及电子设备 | |
CN111050027B (zh) | 镜头畸变补偿方法、装置、设备和存储介质 | |
CN112581444A (zh) | 一种异常检测方法、装置及设备 | |
CN115546736B (zh) | 基于图像采集的河道采砂监控处理方法及*** | |
CN111368823B (zh) | 一种指针式仪表读数识别方法及装置 | |
JP2008009938A (ja) | 動画像データ処理装置、動画像データ処理方法、動画像データ処理プログラム、およびこれを記録した記録媒体 | |
CN115526859A (zh) | 生产缺陷识别的方法、分布式处理平台、设备及存储介质 | |
CN115376026A (zh) | 关键区域定位方法、装置、设备及存储介质 | |
CN112052727B (zh) | 一种基于大数据的人像识别分析***及方法 | |
CN116109543A (zh) | 一种数据快速识别读取方法及装置、计算机可读存储介质 | |
CN113593074A (zh) | 监控视频生成方法及装置 | |
CN115803610A (zh) | 图像获取方法及装置、存储介质 | |
CN111722977A (zh) | ***巡检方法、装置及电子设备 | |
CN116843683B (zh) | 设备成像清晰度评估方法、***和装置 | |
CN117809066B (zh) | 一种卷烟交付目的地一致性检验***、方法、设备及介质 |
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 |