CN112861593A - 电梯门口行人检测方法、***、计算机存储介质、电梯 - Google Patents
电梯门口行人检测方法、***、计算机存储介质、电梯 Download PDFInfo
- Publication number
- CN112861593A CN112861593A CN201911195101.8A CN201911195101A CN112861593A CN 112861593 A CN112861593 A CN 112861593A CN 201911195101 A CN201911195101 A CN 201911195101A CN 112861593 A CN112861593 A CN 112861593A
- Authority
- CN
- China
- Prior art keywords
- gait
- pedestrian
- elevator
- elevator door
- detection method
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B13/00—Doors, gates, or other apparatus controlling access to, or exit from, cages or lift well landings
- B66B13/24—Safety devices in passenger lifts, not otherwise provided for, for preventing trapping of passengers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本发明公开了一种电梯门口行人检测方法、***、计算机存储介质、电梯,涉及电梯的技术领域,其技术方案要点包括步骤S1、采用摄像头对电梯门口的地面区域进行拍摄并获取行人步态的视频图像信息;步骤S2、将视频图像信息处理成行人步态的图片信息;步骤S3、将处理后的图片信息传进预先学习好的神经网络模型并输出预测结果信息;步骤S4、根据预测结果信息以控制电梯门的打开或关闭。本发明通过检测电梯门口的行人步态,从而判断该行人是否要进入电梯,从而实现电梯门的自动打开,避免电梯门夹到要进去的行人,提高安全性。
Description
技术领域
本发明涉及电梯的技术领域,更具体地说,它涉及一种电梯门口行人检测方法、***、计算机存储介质、电梯。
背景技术
电梯是人们经常使用的运载工具,如何确保电梯的安全性,以及保证电梯不误夹乘客,是电梯领域的一大课题。
电梯国标规定,“动力驱动的自动门应有防夹人装置。”目前,防夹人装置主要由安全触板和光幕实现。有些电梯配备了一种,有些电梯则光幕和触板同时配备。当乘客进出轿厢时,挡住安全触板或光幕,电梯门是不能关闭的,即使在门关闭过程中突然挡住安全触板或光幕,电梯门也会停止并自行打开。电梯国标规定,“动力驱动的自动门阻止关门的力应不大于150牛顿,这个力测量不得在关门行程开始的1/3之内测量。”电梯关门过程中,如果有外币阻止电梯门的正常关闭,门机驱动力超过150牛顿后还不能克服阻力,那么这是电梯门就会反向弹开。
人们在进入电梯时,如果发现电梯在关门过程中,往往会选择用手脚,等身体快速通过电梯门口,容易被门夹到,虽然被夹之后电梯门会打开,但人员始终是被门夹到了,如果安全触板和光幕出现故障,还会出现生命危险,还有待改进。
发明内容
针对现有技术存在的不足,本发明在于提供一种电梯门口行人检测方法,通过检测电梯门口的行人步态,从而判断该行人是否要进入电梯,从而实现电梯门的自动打开,避免电梯门夹到要进去的行人,提高安全性。
为实现上述目的,本发明提供了如下技术方案:
一种电梯门口行人检测方法,包括:
步骤S1、采用摄像头对电梯门口的地面区域进行拍摄并获取行人步态的视频图像信息;
步骤S2、将视频图像信息处理成行人步态的图片信息;
步骤S3、将处理后的图片信息传进预先学习好的神经网络模型并输出预测结果信息;
步骤S4、根据预测结果信息以控制电梯门的打开或关闭。
通过采用上述技术方案,对电梯门口的地面区域进行拍摄并分析获得行人步态的图片信息,通过预先学习好的神经网络模型判断行人是否有要进入电梯的意向来输出预测结果信息,当该行人步态被判断为有要进入电梯的意向时,电梯门自动打开,避免在行人用肢体去阻止电梯关门,提高了安全性。
本发明进一步设置为:步骤S2使用OpenCV对视频进行抽帧,得到BGR三通道彩色图像,对图像进行裁剪,得到为行人步态的目标区域的图像,再将目标区域图像转换成灰度图。
通过采用上述技术方案,灰度图的选用可以提高网络检测速度,缩短神经网络模型判断的时间,缩短整个反应的时间。
本发明进一步设置为:学习好的神经网络模型得到的方式包括有:
步骤Z1、数据采集:通过摄像机获取多种步态图片的基础步态信息;
步骤Z2、数据清洗和预处理:对采集的数据中存在污染的数据进行清洗,剔除重复图像、过曝、过暗以及模糊图像;
步骤Z3、数据输入:将清洗和预处理后的多种步态图片分成正样本和负样本并输入至神经网络训练和学习,正样本为该行人有要进入电梯的意向,负样本为该行人没有要进入至电梯的意向;
步骤Z4、输出模型:输出学习好的神经网络模型。
通过采用上述技术方案,先采集海量的步态图片为基础步态信息,然后在将数据进行清洗,剔除不可用的图像,然后将处理后的数据分成正样本和负样本,以供神经网络训练和学习,通过神经网络的学习具有提高准确度的效果,实用性强。
本发明进一步设置为:步态图片包括有正面步态、侧面步态、平行步态、以及反向步态;
正面步态为行人从电梯门的正前方向电梯门走来时的脚步步态;
侧面步态为行人从电梯门的斜前方向电梯门走来时的脚步步态;
平行步态为行人从电梯门的侧前方并平行于电梯门行走时的脚步步态;
反向步态为行人从电梯门的前方并向远离电梯门行走时的脚步步态;
其中,当行人的鞋尖与电梯门外端面的垂直线之间的夹角小于或等于70度时,判断为该行人从电梯门的斜前方走来,为侧面步态;当行人的鞋尖与电梯门外端面的垂直线之间的夹角大于70度时,判断为该行人从电梯门的侧前方并平行于电梯门行走,为平行步态;
正面步态和侧面步态归属于正样本,平行步态和反向步态归属于负样本。
通过采用上述技术方案,当行人的步态为正面步态和侧面步态时,电梯门会打开,当行人的步态为平行步态和反向步态时,电梯门继续关闭。
本发明进一步设置为:步骤Z2中,将清洗后的多种步态图片进行加噪声处理,加噪声处理为将步态图片平移、旋转而得到多个步态图片。
通过采用上述技术方案,扩充供神经网络学***移和旋转,所以加噪声的处理尤其重要。
本发明进一步设置为:当电梯门在打开时,步骤S1中的摄像头停止获取行人步态的视频图像信息;当电梯门在关闭时,步骤S1中的摄像头重新获取行人步态的视频图像信息。
通过采用上述技术方案,只有在电梯要进行关门和关门中,摄像头才开始工作,获取行人步态的视频图像信息,且在判断为行人有进入电梯的意向后,电梯门会打开至完全打开状态,在电梯门打开的过程中,摄像头可以不去获取行人步态的视频图像信息,学习神经网络停止判断图片信息,起到节能和提高程序运行稳定性的作用。
一种电梯门口行人检测***,包括:
获取模块,用于获取视频图像信息、基础步态信息;
存储器,用于存储上述电梯门口行人检测方法的程序;
处理器,存储器中的程序能够被处理器加载执行且实现上述电梯门口行人检测方法。
通过采用上述技术方案,对电梯门口的地面区域进行拍摄并分析获得行人步态的图片信息,通过预先学习好的神经网络模型判断行人是否有要进入电梯的意向来输出预测结果信息,当该行人步态被判断为有要进入电梯的意向时,电梯门自动打开,避免在行人用肢体去阻止电梯关门,提高了安全性。
一种计算机存储介质,包括能够被处理器加载执行时实现上述电梯门口行人检测方法的程序。
通过采用上述技术方案,对电梯门口的地面区域进行拍摄并分析获得行人步态的图片信息,通过预先学习好的神经网络模型判断行人是否有要进入电梯的意向来输出预测结果信息,当该行人步态被判断为有要进入电梯的意向时,电梯门自动打开,避免在行人用肢体去阻止电梯关门,提高了安全性。
一种电梯,包括:处理器,拥有加载并执行指令集;
以及如上述的存储介质。
通过采用上述技术方案,对电梯门口的地面区域进行拍摄并分析获得行人步态的图片信息,通过预先学习好的神经网络模型判断行人是否有要进入电梯的意向来输出预测结果信息,当该行人步态被判断为有要进入电梯的意向时,电梯门自动打开,避免在行人用肢体去阻止电梯关门,提高了安全性。
综上所述,本发明具有以下有益效果:
1.先通过数据清洗,剔除重复图像、过曝、过暗以及模糊图像,再将步态图片平移、旋转而得到多个步态图片,提高了神经网络模型输出结果的准确度;
2.在电梯关门的过程中能够及时开门,避免行人用肢体去阻止电梯门关闭,提高安全性。
附图说明
图1是本发明中电梯门口行人步态检测的方法示意图;
图2是本发明中的神经网络模型得到的方法示意图;
图3是本发明中的正面步态、侧面步态、平行步态、反向步态的示意图。
具体实施方式
参照附图对本发明做进一步说明。
如图1所示,公开了一种电梯门口行人检测方法,包括:
步骤S1、采用摄像头对电梯门口的地面区域进行拍摄并获取行人步态的视频图像信息。
摄像头可以安装在电梯门口的正上方并对电梯门口的地面区域进行拍摄。
步骤S2、将视频图像信息处理成行人步态的图片信息。
使用OpenCV对视频进行抽帧,得到BGR三通道彩色图像,对图像进行裁剪,得到为行人步态的目标区域的图像,再将目标区域图像转换成灰度图。行人步态为行人在电梯门口行走的时的脚步步态。灰度图的选用可以提高网络检测速度,缩短神经网络模型判断的时间,缩短整个反应的时间。以行人步态作为依据来分析行人,有效的判断出该行人是否有意向进入至电梯内。
步骤S3、将处理后的图片信息传进预先学习好的神经网络模型并输出预测结果信息。
预先学习好的神经网络模型能够根据处理后的图片信息推算出该图片上的行人步态是否有要进入电梯的意向并输出预测结果。
步骤S4、根据预测结果信息以控制电梯门的打开或关闭。
当预测结果信息为该行人步态被判断为有要进入电梯的意向时,电梯门自动打开,避免在行人用肢体去阻止电梯关门,提高了安全性。当与车结构信息为该行人步态被判断为没有进入电梯的意向时,电梯继续关门。
如图2所示,学习好的神经网络模型得到的方式包括有:
步骤Z1、数据采集:通过摄像机获取多种步态图片的基础步态信息。
将摄像头安置在各个电梯门口并获取步态图片,将海量数据进行收集并获得基础步态信息。
步骤Z2、数据清洗和预处理:对采集的数据中存在污染的数据进行清洗,剔除重复图像、过曝、过暗以及模糊图像。
先剔除不可用的图像,然后将剩余的多种步态图片进行加噪声处理,加噪声处理为将步态图片平移、旋转而得到多个步态图片,具有增大数据信息的效果,扩充供神经网络学***移和旋转,所以加噪声的处理尤其重要。
步骤Z3、数据输入:将清洗和预处理后的多种步态图片分成正样本和负样本并输入至神经网络训练和学习,正样本为该行人有要进入电梯的意向,负样本为该行人没有要进入至电梯的意向。
步态图片包括有正面步态、侧面步态、平行步态、以及反向步态(参见图3);
正面步态为行人从电梯门的正前方向电梯门走来时的脚步步态;
侧面步态为行人从电梯门的斜前方向电梯门走来时的脚步步态;
平行步态为行人从电梯门的侧前方并平行于电梯门行走时的脚步步态;
反向步态为行人从电梯门的前方并向远离电梯门行走时的脚步步态;
其中需要解释的是,当行人的鞋尖与电梯门外端面的垂直线之间的夹角小于或等于70度时,判断为该行人从电梯门的斜前方走来,为侧面步态。当行人的鞋尖与电梯门外端面的垂直线之间的夹角大于70度时,判断为该行人从电梯门的侧前方并平行于电梯门行走,为平行步态。电梯门外端面为电梯门背对电梯内部空间的端面。
正面步态和侧面步态归属于正样本,平行步态和反向步态归属于负样本,且上述提到的扩充供神经网络学习的样本,包括有扩充正样本和负样本。
需要提及的是,只有脚步步态为一前一后,即两只脚为一前一后,且前脚的脚跟到后脚的脚尖之间的距离超过额定数值时,才判断为正面步态,具有排除行人在电梯前站着不动的情况。可以直接在步骤Z2时,去除前后脚分开过小的图片,剔除不可用的图像。
步骤Z4、输出模型:输出学习好的神经网络模型。
当行人的步态为正面步态和侧面步态时,神经网络模型推算出为有要进入电梯的意向并输出预测结果,当行人的步态为平行步态和反向步态时,神经网络模型推算出为没有要进入电梯的意向并输出预测结果。
需要提及的是,当电梯门在打开时,步骤S1中的摄像头停止获取行人步态的视频图像信息;当电梯门在关闭时,步骤S1中的摄像头重新获取行人步态的视频图像信息。只有在电梯要进行关门和关门中,摄像头才开始工作,获取行人步态的视频图像信息,且在判断为行人有进入电梯的意向后,电梯门会打开至完全打开状态,在电梯门打开的过程中,摄像头可以不去获取行人步态的视频图像信息,学习神经网络停止判断图片信息,起到节能和提高程序运行稳定性的作用。
本发明的主要工况效果如下:
对电梯门口的地面区域进行拍摄并分析获得行人步态的图片信息,通过预先学习好的神经网络模型判断行人是否有要进入电梯的意向来输出预测结果信息,当该行人步态被判断为有要进入电梯的意向时,电梯门自动打开,避免在行人用肢体去阻止电梯关门,提高了安全性。
基于同一发明构思,本发明实施例提供一种电梯门口行人检测***,包括:
获取模块,用于获取视频图像信息、基础步态信息;
存储器,用于存储上述电梯门口行人检测方法的程序;
处理器,存储器中的程序能够被处理器加载执行且实现上述电梯门口行人检测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
基于同一发明构思,本发明实施例提供一种计算机存储介质,包括能够被处理器加载执行上述电梯门口行人检测方法的各个步骤。
计算机存储介质例如包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思,本发明实施例提供一种电梯,包括:处理器,用于加载并执行指令集;以及上述的存储介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本发明的较佳实施例,并不用于限制本发明,凡在本发明的设计构思之内,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 (9)
1.一种电梯门口行人检测方法,其特征是,包括:
步骤S1、采用摄像头对电梯门口的地面区域进行拍摄并获取行人步态的视频图像信息;
步骤S2、将视频图像信息处理成行人步态的图片信息;
步骤S3、将处理后的图片信息传进预先学习好的神经网络模型并输出预测结果信息;
步骤S4、根据预测结果信息以控制电梯门的打开或关闭。
2.根据权利要求1所述的电梯门口行人检测方法,其特征是:步骤S2使用OpenCV对视频进行抽帧,得到BGR三通道彩色图像,对图像进行裁剪,得到为行人步态的目标区域的图像,再将目标区域图像转换成灰度图。
3.根据权利要求1所述的电梯门口行人检测方法,其特征是:学习好的神经网络模型得到的方式包括有:
步骤Z1、数据采集:通过摄像机获取多种步态图片的基础步态信息;
步骤Z2、数据清洗和预处理:对采集的数据中存在污染的数据进行清洗,剔除重复图像、过曝、过暗以及模糊图像;
步骤Z3、数据输入:将清洗和预处理后的多种步态图片分成正样本和负样本并输入至神经网络训练和学习,正样本为该行人有要进入电梯的意向,负样本为该行人没有要进入至电梯的意向;
步骤Z4、输出模型:输出学习好的神经网络模型。
4.根据权利要求3所述的电梯门口行人检测方法,其特征是:步态图片包括有正面步态、侧面步态、平行步态、以及反向步态;
正面步态为行人从电梯门的正前方向电梯门走来时的脚步步态;
侧面步态为行人从电梯门的斜前方向电梯门走来时的脚步步态;
平行步态为行人从电梯门的侧前方并平行于电梯门行走时的脚步步态;
反向步态为行人从电梯门的前方并向远离电梯门行走时的脚步步态;
其中,当行人的鞋尖与电梯门外端面的垂直线之间的夹角小于或等于70度时,判断为该行人从电梯门的斜前方走来,为侧面步态;当行人的鞋尖与电梯门外端面的垂直线之间的夹角大于70度时,判断为该行人从电梯门的侧前方并平行于电梯门行走,为平行步态;
正面步态和侧面步态归属于正样本,平行步态和反向步态归属于负样本。
5.根据权利要求3所述的电梯门口行人检测方法,其特征是:步骤Z2中,将清洗后的多种步态图片进行加噪声处理,加噪声处理为将步态图片平移、旋转而得到多个步态图片。
6.根据权利要求1所述的电梯门口行人检测方法,其特征是:当电梯门在打开时,步骤S1中的摄像头停止获取行人步态的视频图像信息;当电梯门在关闭时,步骤S1中的摄像头重新获取行人步态的视频图像信息。
7.一种电梯门口行人检测***,其特征是,包括:
获取模块,用于获取视频图像信息、基础步态信息;
存储器,用于存储如权利要求1至6中任一项所述的电梯门口行人检测方法的程序;
处理器,存储器中的程序能够被处理器加载执行且实现如权利要求1至6中任一项所述的电梯门口行人检测方法。
8.一种计算机存储介质,其特征在于:包括能够被处理器加载执行时实现如权利要求1至6中任一项所述的电梯门口行人检测方法的程序。
9.一种电梯,其特征在于,包括:处理器,拥有加载并执行指令集;以及如权利要求8所述的存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911195101.8A CN112861593A (zh) | 2019-11-28 | 2019-11-28 | 电梯门口行人检测方法、***、计算机存储介质、电梯 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911195101.8A CN112861593A (zh) | 2019-11-28 | 2019-11-28 | 电梯门口行人检测方法、***、计算机存储介质、电梯 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112861593A true CN112861593A (zh) | 2021-05-28 |
Family
ID=75995947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911195101.8A Pending CN112861593A (zh) | 2019-11-28 | 2019-11-28 | 电梯门口行人检测方法、***、计算机存储介质、电梯 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112861593A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1625524A (zh) * | 2002-05-14 | 2005-06-08 | 奥蒂斯电梯公司 | 电梯门内的阻碍物和朝向电梯门的移动的神经网络检测 |
US20100266310A1 (en) * | 2009-04-16 | 2010-10-21 | Fuji Xerox Co., Ltd. | Visible image forming device and image forming apparatus |
CN105366457A (zh) * | 2014-08-20 | 2016-03-02 | 东芝电梯株式会社 | 电梯*** |
CN108222749A (zh) * | 2017-12-29 | 2018-06-29 | 安徽慧视金瞳科技有限公司 | 一种基于图像分析的智能自动门控制方法 |
CN208579115U (zh) * | 2018-07-04 | 2019-03-05 | 天津市英航科技有限公司 | 一种基于图像识别的视频监控装置 |
CN109733978A (zh) * | 2018-12-19 | 2019-05-10 | 北京旷视科技有限公司 | 自动门控制方法、装置、***和存储介质 |
-
2019
- 2019-11-28 CN CN201911195101.8A patent/CN112861593A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1625524A (zh) * | 2002-05-14 | 2005-06-08 | 奥蒂斯电梯公司 | 电梯门内的阻碍物和朝向电梯门的移动的神经网络检测 |
US20100266310A1 (en) * | 2009-04-16 | 2010-10-21 | Fuji Xerox Co., Ltd. | Visible image forming device and image forming apparatus |
CN105366457A (zh) * | 2014-08-20 | 2016-03-02 | 东芝电梯株式会社 | 电梯*** |
CN108222749A (zh) * | 2017-12-29 | 2018-06-29 | 安徽慧视金瞳科技有限公司 | 一种基于图像分析的智能自动门控制方法 |
CN208579115U (zh) * | 2018-07-04 | 2019-03-05 | 天津市英航科技有限公司 | 一种基于图像识别的视频监控装置 |
CN109733978A (zh) * | 2018-12-19 | 2019-05-10 | 北京旷视科技有限公司 | 自动门控制方法、装置、***和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3276535A1 (en) | A monitoring system of a passenger conveyor, and a monitoring method thereof | |
EP1883050A3 (en) | Vision-based method of determining cargo status by boundary detection | |
EP3196805A3 (en) | Target orientation estimation using depth sensing | |
CN104573704A (zh) | 眼部检测装置、方法 | |
ATE541266T1 (de) | System und verfahren zur erfassung eines auges | |
US10740633B2 (en) | Human monitoring system incorporating calibration methodology | |
CN112317962B (zh) | 一种用于隐形矫治器生产的打标***及其方法 | |
CN113177944B (zh) | 水下镜头污渍的检测方法和水下机器人 | |
TW202105329A (zh) | 人臉校驗方法、裝置、伺服器及可讀儲存媒介 | |
CN103810696A (zh) | 一种目标对象图像检测方法及装置 | |
WO2019076867A1 (en) | SEMANTIC SEGMENTATION OF AN OBJECT IN AN IMAGE | |
CN110199318B (zh) | 驾驶员状态推定装置以及驾驶员状态推定方法 | |
CN112861593A (zh) | 电梯门口行人检测方法、***、计算机存储介质、电梯 | |
JP2599701B2 (ja) | エレベータの待機乗客数の検出方法 | |
CN107343154B (zh) | 一种确定摄像装置的曝光参数的方法、装置和*** | |
CN113553992A (zh) | 一种面向电扶梯的复杂场景目标跟踪方法及*** | |
CN113435353A (zh) | 基于多模态的活体检测方法、装置、电子设备及存储介质 | |
CN117309892A (zh) | 一种电池蓝膜的缺陷检测方法、装置及***和光源控制器 | |
JP7203206B2 (ja) | 標本分類のための仮説および検証ネットワークおよび方法 | |
CN110532993B (zh) | 一种人脸防伪方法、装置、电子设备及介质 | |
CN109632590B (zh) | 一种深海发光浮游生物检测方法 | |
CN114565531A (zh) | 一种图像修复方法、装置、设备和介质 | |
CN110235178B (zh) | 驾驶员状态推定装置以及驾驶员状态推定方法 | |
CN102556812A (zh) | 一种电梯门辅助防夹方法及*** | |
Bin et al. | Face detection and tracking utilizing enhanced CAMSHIFT model |
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 |
Application publication date: 20210528 |
|
RJ01 | Rejection of invention patent application after publication |