CN113556465A - 一种基于ai的视频联动感知监控*** - Google Patents
一种基于ai的视频联动感知监控*** Download PDFInfo
- Publication number
- CN113556465A CN113556465A CN202110647315.5A CN202110647315A CN113556465A CN 113556465 A CN113556465 A CN 113556465A CN 202110647315 A CN202110647315 A CN 202110647315A CN 113556465 A CN113556465 A CN 113556465A
- Authority
- CN
- China
- Prior art keywords
- information
- human body
- image
- module
- feature
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 230000008447 perception Effects 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000012795 verification Methods 0.000 claims abstract description 28
- 230000008676 import Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于AI的视频联动感知监控***,包括人体影像采集模块、人脸影像采集模块、影像处理模块、特征标定模块、特征生成模块、特征验证模块、特征导入模块、总控模块与信息发送模块;所述人体影像采集模块用于采集实时人体影像信息,所述人脸影像采集模块用于采集实时人脸影像信息;所述实时人体影像信息与实时人脸影像信息均被发送到影像处理模块,所述影像处理模块对实时人体影像信息与实时人脸影像信息进行清晰化处理生成高清人脸影像信息与高清人体影像信息;所述高清人脸影像信息与高清人体影像信息被发送到特征标定模块。本发明能够更好的实现联动感知监控***,即进行更好的追踪监控。
Description
技术领域
本发明涉及监控***领域,具体涉及一种基于AI的视频联动感知监控***。
背景技术
监控***又称之为闭路电视监控***,典型的监控***主要由前端音视频采集设备、音视频传输设备、后端存储、控制及显示设备这五大部分组成,其中后端设备可进一步分为中心控制设备和分控制设备。前、后端设备有多种构成方式,它们之间的联系(也可称作传输***)可通过同轴电缆、双绞线、光纤、微波、无线等多种方式来实现。
现有的监控***,进行追踪监控的效果较差,采集到的影像清清晰度较差导致追踪监控容易出错,给监控***的使用带来了一定的影响,因此,提出一种基于AI的视频联动感知监控***。
发明内容
本发明所要解决的技术问题在于:如何解决现有的监控***,进行追踪监控的效果较差,采集到的影像清清晰度较差导致追踪监控容易出错,给监控***的使用带来了一定的影响的问题,提供了一种基于AI的视频联动感知监控***。
本发明是通过以下技术方案解决上述技术问题的,本发明包括人体影像采集模块、人脸影像采集模块、影像处理模块、特征标定模块、特征生成模块、特征验证模块、特征导入模块、总控模块与信息发送模块;
所述人体影像采集模块用于采集实时人体影像信息,所述人脸影像采集模块用于采集实时人脸影像信息;
所述实时人体影像信息与实时人脸影像信息均被发送到影像处理模块,所述影像处理模块对实时人体影像信息与实时人脸影像信息进行清晰化处理生成高清人脸影像信息与高清人体影像信息;
所述高清人脸影像信息与高清人体影像信息被发送到特征标定模块,所述特征标定模块用于进行特征标定,得到人体特征标定信息与人脸特征标定信息;
所述人体特征标定信息与人脸特征标定信息被发送到特征生成模块,所述特征生成模块对人体特征标定信息与人脸特征标定信息进行处理生成人体追踪特征信息与人体追踪特征信息;
所述特征导入模块用于用户将预设特征信息导入特征验证模块;
所述人体追踪特征信息与人体追踪特征信息被发送到特征验证模块,所述特征验证模块将实时获取到人体追踪特征信息与人体追踪特征信息和预设特征信息进行比对处理,比对通过后生成追踪监控信息;
所述追踪监控信息生成后总控模块控制信息发送将追踪监控信息发送到监控设备;
所述监控设备接收到追踪监控信息后对人员进行追踪监控。
优选的,所述影像处理模块进行影像处理的具体过程如下:
步骤一:提取出实时人脸影像信息与实时人体影像信息,对其进行图像增强处理;
步骤二:先通过空域法进行图像增强,对图像中的像素点进行操作,用公式描述如下:g(x,y)=f(x,y)*h(x,y),其中f(x,y)是原图像,h(x,y)为空间转换函数,g(x,y)表示进行处理后的图像,得到第一影像P1;
步骤三:再通过频域法进行图像处理,先在图像的频域中对图像的变换值进行操作,然后变回空域,对图像进行傅里叶变化到频域,再对图像的频谱进行预设滤波修正,最后将修正后的图像进行傅里叶反变化到空域,以此增强图像,得到增强图像信息,得到第二影像P2;
步骤四:对第一影像P1与第二影像P2进行清晰度比较,选取清晰度更高的作为基础复原图像;
步骤五:获取到基础复原图像后采用多种图像还原法进行图像复原处理,得到最终的复原图像,即得到多个高清人体影像信息与高清人脸影像信息;
步骤六:将多个高清人体影像信息与高清人脸影像信息按照清晰度按照从高到低的排名,选取出清晰度最高的高清人体影像信息与高清人脸影像信息位最终进行识别的高清人体影像信息与高清人脸影像信息。
优选的,所述特征标定模块处理出人体特征标定信息的具体过程如下先进行人体特征点标记,将设定好的人体特征点按照顺序进行连线处理得到人体特征标定信息。
优选的,所述人体特征点标记与连线的具体处理如下:
步骤一:将人体最高点标记为点A1,将人体两个脚与地面接触的点分别标记为点A2与A3,将人体最左侧的点标记为点A4,将人体最右侧的点标记为点A5;
步骤二:将点A2与A3连线得到线段L1,测量出线段L1的长度,将线段L1的重点标记为A6;
步骤三:将点A6与点A1连线得到线段L2,将点A4与点A5连线得到线段L3;
步骤四:测量出线段L2与线段L3的长度,线段L2与线段L3组成人体特征标定信息。
优选的,所述特征标定模块处理出处理人脸特征信息的具体过程如下:
S1:提取出采集到的实时高清人脸影像信息,进行特征点标记;
S2:将一侧的两个眼角分别标记为点B1和B2,将另一侧的两个眼角分别标记为点B3和点B4;
S3:将点B1和B2连线得到线段M1,将点B3和B4连线得到线段M2,测量出线段M1和线段M2的长度,将线段M1的中点标记为点B3,将线段M2的中点标记为点B4;
S4:将人脸鼻尖点标记为点B5,将点B4与B3连线得到线段M3,将点B4与B3分别与线段连线得到线段M4与线段M5;
S5:测量出线段M3、线段M4与线段M5的长度,线段M3、线段M4与线段M5组成人脸特征信息。
优选的,所述特征验证模块的具体验证过程如下:
S1:提取出采集到的实时人体特征信息与人脸特征信息,再从预设特征信息中提取出预设人体特征信息与预设人脸特征信息;
S2:将实时人体特征信息与预设人体特征进行相似度的比对,当实时人体特征信息与预设人体特征进行相似度大于预设值时即验证通过;
S3:将实时人脸特征信息与预设人脸特征信息进行相似度的比对,当实时人脸特征信息与预设人脸特征信息大于预设值时即验证通过。
本发明相比现有技术具有以下优点:该基于AI的视频联动感知监控***,通过用户上传预设的人体特征信息后,对其进行处理,再将实时采集到的人体影像信息和人脸影像信息进行综合处理,经过比对确认后,控制监控设备对该人物进行追踪监控,上述设置大大提升了追踪准确度,有效的避免了监控人物出错的状况发生,实现了更好的联动监控,并且通过对采集到的影像进行高清化,从而使得特征识别更加准确,从而进行更加准确的身份识别,从而让该***能够更加准确的进行联动感知监控,让该***更加值得推广使用。
附图说明
图1是本发明的***框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种基于AI的视频联动感知监控***,包括人体影像采集模块、人脸影像采集模块、影像处理模块、特征标定模块、特征生成模块、特征验证模块、特征导入模块、总控模块与信息发送模块;
所述人体影像采集模块用于采集实时人体影像信息,所述人脸影像采集模块用于采集实时人脸影像信息;
所述实时人体影像信息与实时人脸影像信息均被发送到影像处理模块,所述影像处理模块对实时人体影像信息与实时人脸影像信息进行清晰化处理生成高清人脸影像信息与高清人体影像信息;
所述高清人脸影像信息与高清人体影像信息被发送到特征标定模块,所述特征标定模块用于进行特征标定,得到人体特征标定信息与人脸特征标定信息;
所述人体特征标定信息与人脸特征标定信息被发送到特征生成模块,所述特征生成模块对人体特征标定信息与人脸特征标定信息进行处理生成人体追踪特征信息与人体追踪特征信息;
所述特征导入模块用于用户将预设特征信息导入特征验证模块;
所述人体追踪特征信息与人体追踪特征信息被发送到特征验证模块,所述特征验证模块将实时获取到人体追踪特征信息与人体追踪特征信息和预设特征信息进行比对处理,比对通过后生成追踪监控信息;
所述追踪监控信息生成后总控模块控制信息发送将追踪监控信息发送到监控设备;
所述监控设备接收到追踪监控信息后对人员进行追踪监控。
所述影像处理模块进行影像处理的具体过程如下:
步骤一:提取出实时人脸影像信息与实时人体影像信息,对其进行图像增强处理;
步骤二:先通过空域法进行图像增强,对图像中的像素点进行操作,用公式描述如下:g(x,y)=f(x,y)*h(x,y),其中f(x,y)是原图像,h(x,y)为空间转换函数,g(x,y)表示进行处理后的图像,得到第一影像P1;
步骤三:再通过频域法进行图像处理,先在图像的频域中对图像的变换值进行操作,然后变回空域,对图像进行傅里叶变化到频域,再对图像的频谱进行预设滤波修正,最后将修正后的图像进行傅里叶反变化到空域,以此增强图像,得到增强图像信息,得到第二影像P2;
步骤四:对第一影像P1与第二影像P2进行清晰度比较,选取清晰度更高的作为基础复原图像;
步骤五:获取到基础复原图像后采用多种图像还原法进行图像复原处理,得到最终的复原图像,即得到多个高清人体影像信息与高清人脸影像信息;
步骤六:将多个高清人体影像信息与高清人脸影像信息按照清晰度按照从高到低的排名,选取出清晰度最高的高清人体影像信息与高清人脸影像信息位最终进行识别的高清人体影像信息与高清人脸影像信息;
并且通过对采集到的影像进行高清化,从而使得特征识别更加准确,从而进行更加准确的身份识别,从而让该***能够更加准确的进行联动感知监控。
所述特征标定模块处理出人体特征标定信息的具体过程如下先进行人体特征点标记,将设定好的人体特征点按照顺序进行连线处理得到人体特征标定信息。
所述人体特征点标记与连线的具体处理如下:
步骤一:将人体最高点标记为点A1,将人体两个脚与地面接触的点分别标记为点A2与A3,将人体最左侧的点标记为点A4,将人体最右侧的点标记为点A5;
步骤二:将点A2与A3连线得到线段L1,测量出线段L1的长度,将线段L1的重点标记为A6;
步骤三:将点A6与点A1连线得到线段L2,将点A4与点A5连线得到线段L3;
步骤四:测量出线段L2与线段L3的长度,线段L2与线段L3组成人体特征标定信息。
所述特征标定模块处理出处理人脸特征信息的具体过程如下:
S1:提取出采集到的实时高清人脸影像信息,进行特征点标记;
S2:将一侧的两个眼角分别标记为点B1和B2,将另一侧的两个眼角分别标记为点B3和点B4;
S3:将点B1和B2连线得到线段M1,将点B3和B4连线得到线段M2,测量出线段M1和线段M2的长度,将线段M1的中点标记为点B3,将线段M2的中点标记为点B4;
S4:将人脸鼻尖点标记为点B5,将点B4与B3连线得到线段M3,将点B4与B3分别与线段连线得到线段M4与线段M5;
S5:测量出线段M3、线段M4与线段M5的长度,线段M3、线段M4与线段M5组成人脸特征信息。
所述特征验证模块的具体验证过程如下:
S1:提取出采集到的实时人体特征信息与人脸特征信息,再从预设特征信息中提取出预设人体特征信息与预设人脸特征信息;
S2:将实时人体特征信息与预设人体特征进行相似度的比对,当实时人体特征信息与预设人体特征进行相似度大于预设值时即验证通过,即计算出实时线段L2与线段L3与预设的数据之间的差值;
S3:将实时人脸特征信息与预设人脸特征信息进行相似度的比对,当实时人脸特征信息与预设人脸特征信息大于预设值时即验证通过,即计算出线段M3、线段M4与线段M5与预设数据之间的差值。
综上,本发明在使用时,先通过人体影像采集模块采集实时人体影像信息,再通过人脸影像采集模块用于采集实时人脸影像信息;实时人体影像信息与实时人脸影像信息均被发送到影像处理模块,影像处理模块对实时人体影像信息与实时人脸影像信息进行清晰化处理生成高清人脸影像信息与高清人体影像信息,高清人脸影像信息与高清人体影像信息被发送到特征标定模块,特征标定模块用于进行特征标定,得到人体特征标定信息与人脸特征标定信息,人体特征标定信息与人脸特征标定信息被发送到特征生成模块,特征生成模块对人体特征标定信息与人脸特征标定信息进行处理生成人体追踪特征信息与人体追踪特征信息,特征导入模块用于用户将预设特征信息导入特征验证模块,即需要追踪人员的预设特征信息,人体追踪特征信息与人体追踪特征信息被发送到特征验证模块,特征验证模块将实时获取到人体追踪特征信息与人体追踪特征信息和预设特征信息进行比对处理,比对通过后生成追踪监控信息,追踪监控信息生成后总控模块控制信息发送将追踪监控信息发送到监控设备,监控设备接收到追踪监控信息后对人员进行追踪监控。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种基于AI的视频联动感知监控***,其特征在于,包括人体影像采集模块、人脸影像采集模块、影像处理模块、特征标定模块、特征生成模块、特征验证模块、特征导入模块、总控模块与信息发送模块;
所述人体影像采集模块用于采集实时人体影像信息,所述人脸影像采集模块用于采集实时人脸影像信息;
所述实时人体影像信息与实时人脸影像信息均被发送到影像处理模块,所述影像处理模块对实时人体影像信息与实时人脸影像信息进行清晰化处理生成高清人脸影像信息与高清人体影像信息;
所述高清人脸影像信息与高清人体影像信息被发送到特征标定模块,所述特征标定模块用于进行特征标定,得到人体特征标定信息与人脸特征标定信息;
所述人体特征标定信息与人脸特征标定信息被发送到特征生成模块,所述特征生成模块对人体特征标定信息与人脸特征标定信息进行处理生成人体追踪特征信息与人体追踪特征信息;
所述特征导入模块用于用户将预设特征信息导入特征验证模块;
所述人体追踪特征信息与人体追踪特征信息被发送到特征验证模块,所述特征验证模块将实时获取到人体追踪特征信息与人体追踪特征信息和预设特征信息进行比对处理,比对通过后生成追踪监控信息;
所述追踪监控信息生成后总控模块控制信息发送将追踪监控信息发送到监控设备;
所述监控设备接收到追踪监控信息后对人员进行追踪监控。
2.根据权利要求1所述的一种基于AI的视频联动感知监控***,其特征在于:所述影像处理模块进行影像处理的具体过程如下:
步骤一:提取出实时人脸影像信息与实时人体影像信息,对其进行图像增强处理;
步骤二:先通过空域法进行图像增强,对图像中的像素点进行操作,用公式描述如下:g(x,y)=f(x,y)*h(x,y),其中f(x,y)是原图像,h(x,y)为空间转换函数,g(x,y)表示进行处理后的图像,得到第一影像P1;
步骤三:再通过频域法进行图像处理,先在图像的频域中对图像的变换值进行操作,然后变回空域,对图像进行傅里叶变化到频域,再对图像的频谱进行预设滤波修正,最后将修正后的图像进行傅里叶反变化到空域,以此增强图像,得到增强图像信息,得到第二影像P2;
步骤四:对第一影像P1与第二影像P2进行清晰度比较,选取清晰度更高的作为基础复原图像;
步骤五:获取到基础复原图像后采用多种图像还原法进行图像复原处理,得到最终的复原图像,即得到多个高清人体影像信息与高清人脸影像信息;
步骤六:将多个高清人体影像信息与高清人脸影像信息按照清晰度按照从高到低的排名,选取出清晰度最高的高清人体影像信息与高清人脸影像信息位最终进行识别的高清人体影像信息与高清人脸影像信息。
3.根据权利要求1所述的一种基于AI的视频联动感知监控***,其特征在于:所述特征标定模块处理出人体特征标定信息的具体过程如下先进行人体特征点标记,将设定好的人体特征点按照顺序进行连线处理得到人体特征标定信息。
4.根据权利要求3所述的一种基于AI的视频联动感知监控***,其特征在于:所述人体特征点标记与连线的具体处理如下:
步骤一:将人体最高点标记为点A1,将人体两个脚与地面接触的点分别标记为点A2与A3,将人体最左侧的点标记为点A4,将人体最右侧的点标记为点A5;
步骤二:将点A2与A3连线得到线段L1,测量出线段L1的长度,将线段L1的重点标记为A6;
步骤三:将点A6与点A1连线得到线段L2,将点A4与点A5连线得到线段L3;
步骤四:测量出线段L2与线段L3的长度,线段L2与线段L3组成人体特征标定信息。
5.根据权利要求1所述的一种基于AI的视频联动感知监控***,其特征在于:所述特征标定模块处理出处理人脸特征信息的具体过程如下:
S1:提取出采集到的实时高清人脸影像信息,进行特征点标记;
S2:将一侧的两个眼角分别标记为点B1和B2,将另一侧的两个眼角分别标记为点B3和点B4;
S3:将点B1和B2连线得到线段M1,将点B3和B4连线得到线段M2,测量出线段M1和线段M2的长度,将线段M1的中点标记为点B3,将线段M2的中点标记为点B4;
S4:将人脸鼻尖点标记为点B5,将点B4与B3连线得到线段M3,将点B4与B3分别与线段连线得到线段M4与线段M5;
S5:测量出线段M3、线段M4与线段M5的长度,线段M3、线段M4与线段M5组成人脸特征信息。
6.根据权利要求1所述的一种基于AI的视频联动感知监控***,其特征在于:所述特征验证模块的具体验证过程如下:
S1:提取出采集到的实时人体特征信息与人脸特征信息,再从预设特征信息中提取出预设人体特征信息与预设人脸特征信息;
S2:将实时人体特征信息与预设人体特征进行相似度的比对,当实时人体特征信息与预设人体特征进行相似度大于预设值时即验证通过;
S3:将实时人脸特征信息与预设人脸特征信息进行相似度的比对,当实时人脸特征信息与预设人脸特征信息大于预设值时即验证通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110647315.5A CN113556465A (zh) | 2021-06-10 | 2021-06-10 | 一种基于ai的视频联动感知监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110647315.5A CN113556465A (zh) | 2021-06-10 | 2021-06-10 | 一种基于ai的视频联动感知监控*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113556465A true CN113556465A (zh) | 2021-10-26 |
Family
ID=78130468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110647315.5A Pending CN113556465A (zh) | 2021-06-10 | 2021-06-10 | 一种基于ai的视频联动感知监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113556465A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050041880A1 (en) * | 2004-05-27 | 2005-02-24 | The United States Of America As Represented By The Secretary Of Commerce | Singular integral image deblurring method |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN103606135A (zh) * | 2013-12-03 | 2014-02-26 | 山东中医药大学 | 一种医学图像增强处理方法 |
CN107633499A (zh) * | 2017-09-27 | 2018-01-26 | 广东欧珀移动通信有限公司 | 图像处理方法及相关产品 |
CN108470327A (zh) * | 2018-03-27 | 2018-08-31 | 成都西纬科技有限公司 | 图像增强方法、装置、电子设备及存储介质 |
CN110533614A (zh) * | 2019-08-28 | 2019-12-03 | 哈尔滨工程大学 | 一种结合频域和空域的水下图像增强方法 |
CN112231670A (zh) * | 2020-10-10 | 2021-01-15 | 安徽讯呼信息科技有限公司 | 一种基于数据处理的身份识别*** |
CN112581321A (zh) * | 2020-12-23 | 2021-03-30 | 嘉兴学院 | 一种吴越文化旅游产品用户体验测试***及方法 |
-
2021
- 2021-06-10 CN CN202110647315.5A patent/CN113556465A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050041880A1 (en) * | 2004-05-27 | 2005-02-24 | The United States Of America As Represented By The Secretary Of Commerce | Singular integral image deblurring method |
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN103606135A (zh) * | 2013-12-03 | 2014-02-26 | 山东中医药大学 | 一种医学图像增强处理方法 |
CN107633499A (zh) * | 2017-09-27 | 2018-01-26 | 广东欧珀移动通信有限公司 | 图像处理方法及相关产品 |
CN108470327A (zh) * | 2018-03-27 | 2018-08-31 | 成都西纬科技有限公司 | 图像增强方法、装置、电子设备及存储介质 |
CN110533614A (zh) * | 2019-08-28 | 2019-12-03 | 哈尔滨工程大学 | 一种结合频域和空域的水下图像增强方法 |
CN112231670A (zh) * | 2020-10-10 | 2021-01-15 | 安徽讯呼信息科技有限公司 | 一种基于数据处理的身份识别*** |
CN112581321A (zh) * | 2020-12-23 | 2021-03-30 | 嘉兴学院 | 一种吴越文化旅游产品用户体验测试***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107566898A (zh) | 视频播放的控制方法、控制装置及终端设备 | |
CN111126481A (zh) | 一种神经网络模型的训练方法及装置 | |
CN110597628A (zh) | 模型分发方法、装置、计算机可读介质及电子设备 | |
CN112231670A (zh) | 一种基于数据处理的身份识别*** | |
CN109615723A (zh) | 巡查路线覆盖情况自动分析方法及*** | |
CA3063321A1 (en) | Method, command, device and program to determine at least one brain network involved in carrying out a given process | |
CN113554597B (zh) | 一种基于脑电特征的图像质量评价方法及装置 | |
CN110717461A (zh) | 一种疲劳状态识别方法、装置和设备 | |
CN112215120B (zh) | 视觉搜索区域的确定方法、装置及驾驶模拟器 | |
CN110532929A (zh) | 一种同行人分析方法和装置以及设备 | |
CN116027725A (zh) | 一种基于高效机房的群控优化分析*** | |
Liu et al. | What makes a good movie trailer? Interpretation from simultaneous EEG and eyetracker recording | |
CN116993699A (zh) | 一种眼动辅助训练下的医学图像分割方法及*** | |
CN109088793B (zh) | 用于检测网络故障的方法和装置 | |
CN113360359B (zh) | 指标异常数据溯源方法、装置、设备及存储介质 | |
CN114460519A (zh) | 基于电力互感器检验的现场与终端融合管理***和方法 | |
CN113556465A (zh) | 一种基于ai的视频联动感知监控*** | |
CN108197563B (zh) | 用于获取信息的方法及装置 | |
CN110729056B (zh) | 一种基于分布式压力传感器的远程癫痫发作智能监测*** | |
CN112515653B (zh) | 一种基于核磁共振图像的脑网络构建方法 | |
CN104063629B (zh) | 远程分级医疗*** | |
Leisman et al. | Measurement of axonal fiber connectivity in consciousness evaluation | |
CN115394406A (zh) | 一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法 | |
CN110320802A (zh) | 基于数据可视化的复杂***信号时序识别方法 | |
CN109592525A (zh) | 电梯变频器故障诊断***及方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 518000 room 304, building A5, Tongle Road, Nanlian community, Nantou street, Nanshan District, Shenzhen, Guangdong Applicant after: Shenzhen Chenyuan Wangxin Technology Co.,Ltd. Address before: 518000 room 304, building A5, Tongle Road, Nanlian community, Nantou street, Nanshan District, Shenzhen, Guangdong Applicant before: Shenzhen Shengli New Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211026 |
|
RJ01 | Rejection of invention patent application after publication |