CN113642406B - 密集悬挂纸片的清点***、方法、装置、设备及存储介质 - Google Patents
密集悬挂纸片的清点***、方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113642406B CN113642406B CN202110794107.8A CN202110794107A CN113642406B CN 113642406 B CN113642406 B CN 113642406B CN 202110794107 A CN202110794107 A CN 202110794107A CN 113642406 B CN113642406 B CN 113642406B
- Authority
- CN
- China
- Prior art keywords
- information
- detected image
- counting
- paper sheets
- fitting
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种密集悬挂纸片的清点***、方法、装置、设备及存储介质,涉及图像处理技术领域。所述清点***,包括拍摄装置和处理器;所述拍摄装置用于获取被检测图像;其中,所述被检测图像中包括悬挂钉信息和悬挂在悬挂钉上的纸片信息;所述处理器用于根据所述被检测图像,进行深度学习,计算得到纸片数目。所述清点方法,包括:获取被检测图像;利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;根据所述边缘信息,得到纸片数目。本发明能够快速对密集纸片的数目进行清点,提高在实体经济运营过程中的清点效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种密集悬挂纸片的清点***、方法、装置、设备及存储介质。
背景技术
在许多零售商铺中,会设置一面墙壁,用于悬挂商品。例如首饰店,也会将饰品嵌入纸片然后悬挂在墙上的钉子上进行售卖。但是悬挂数量繁多,清算复杂,通过人工对每个钉子上的纸片数目进行清点,这样即费时又容易出错。
因此,为了提高针对密集悬挂纸片的清点效率,需要一种更加智能化的清点方法。
发明内容
本发明目的在于,提供一种能够提高针对密集悬挂纸片的清点效率的密集悬挂纸片的清点***、方法、装置、设备及存储介质。
为实现上述目的,本发明实施例一种密集悬挂纸片的清点***,包括拍摄装置和处理器;
所述拍摄装置用于获取被检测图像;其中,所述被检测图像中包括悬挂钉信息和悬挂在悬挂钉上的纸片信息;
所述处理器用于根据所述被检测图像,进行深度学习,计算得到纸片数目。
优选地,密集悬挂纸片的清点***,还包括可伸缩支撑杆,用于支撑悬挂所述拍摄装置。
优选地,密集悬挂纸片的清点***,还包括设置在所述可伸缩支撑杆下方的移动滑轮,用于带动所述可伸缩支撑杆平行移动。
优选地,密集悬挂纸片的清点***,还包括若干设置在所述拍摄装置上方和下方的白色遮挡片,用于调整所述拍摄装置的拍摄视野。
本发明实施例还提供一种密集悬挂纸片的清点方法,包括:
获取被检测图像;
利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;
对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;
根据所述边缘信息,得到纸片数目。
优选地,所述根据所述边缘信息,得到纸片数目,包括:
对所述边缘信息中的边缘点集合利用最小二乘法直线拟合算法进行直线拟合,得到拟合直线集合;
对所述拟合直线集合中的拟合直线进行线性非极大值抑制,筛除错误的拟合直线后得到纸片数目。
优选地,所述对所述拟合直线集合中的拟合直线进行线性非极大值抑制,筛除错误的拟合直线后得到纸片数目,包括:
对所述拟合直线集合中的拟合直线利用检测模型进行打分;
依次分析所述拟合直线集合中的拟合直线之间的相似度,并在具有高相似度的若干拟合直线中,删除分数较低的拟合直线;
对所述拟合直线集合中保留下来的拟合直线进行计数,得到纸片数目。
本发明实施例还提供一种密集悬挂纸片的清点装置,包括:
采集模块,用于获取被检测图像;
目标跟踪模块,用于利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;
结构检测模块,用于对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;
边缘分析模块,用于根据所述边缘信息,得到纸片数目。
本发明实施例还提供一种计算机终端设备,包括一个或多个处理器和存储器。存储器与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一实施例所述的密集悬挂纸片的清点方法。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一实施例所述的密集悬挂纸片的清点方法。
与现有技术相比,本发明具有以下有益效果:
本发明公开了一种密集悬挂纸片的清点***,包括拍摄装置和处理器;所述拍摄装置用于获取被检测图像;其中,所述被检测图像中包括悬挂钉信息和悬挂在悬挂钉上的纸片信息;所述处理器用于根据所述被检测图像,进行深度学习,计算得到纸片数目。此外,密集悬挂纸片的清点方法,包括:获取被检测图像;利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;根据所述边缘信息,得到纸片数目。本发明能够快速对密集纸片的数目进行清点,提高在实体经济运营过程中的清点效率。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的密集悬挂纸片的清点***的结构示意图;
图2是本发明某一实施例提供的密集悬挂纸片的清点方法的流程示意图;
图3是本发明某一实施例提供的密集悬挂纸片的清点方法中跟踪区域扩展后直线检测结果示意图;
图4是本发明某一实施例提供的密集悬挂纸片的清点装置的结构示意图;
图5是本发明某一实施例提供的计算机终端设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1是本发明某一实施例提供的密集悬挂纸片的清点***的结构示意图。本实施例提供的密集悬挂纸片的清点***包括拍摄装置1和处理器;所述拍摄装置1用于获取被检测图像;其中,所述被检测图像中包括悬挂钉信息和悬挂在悬挂钉上的纸片信息;所述处理器用于根据所述被检测图像,进行深度学习,计算得到纸片数目。
在某一实施例中,统计人员通清点***对所有的钉子进行拍摄,清点***可以包含多个拍摄装置,每个拍摄装置负责拍摄一行钉子,该行拍摄完成后通过伸缩杆调整摄像头高低拍摄其它未拍摄的行。所有行拍摄完成后,将视频保存至本地,再通过Http将视频发送至后台算法服务进行识别。
在本发明实施例中,处理器执行时实现密集悬挂纸片的清点方法,包括获取被检测图像;利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;根据所述边缘信息,得到纸片数目。拍摄前需要调整每个拍摄装置的角度,由每一行的第一个钉子开始单方向移动。直到该组拍摄完成,拍摄下一组。
在本发明实施例中,密集悬挂纸片的清点***,还包括可伸缩支撑杆2,用于支撑悬挂所述拍摄装置。
在本发明实施例中,密集悬挂纸片的清点***,还包括设置在所述可伸缩支撑杆下方的移动滑轮3,用于带动所述可伸缩支撑杆平行移动。移动滑轮3可以是电动滑轮,安装在支撑杆下方,让设备可以匀速直线移动。
在本发明实施例中,密集悬挂纸片的清点***,还包括若干设置在所述拍摄装置上方和下方的白色遮挡片4,用于调整所述拍摄装置的拍摄视野。下面的用以遮挡下一排的目标,防止摄像头拍摄到两行的目标,上排的遮挡片用于“捞”起上一排摆放的首饰以免遮挡当前拍摄视线。
在本发明实施例中,密集悬挂纸片的清点***,还包括补光装置,便于拍摄装置获取更加清晰的照片。
请参阅图2,图2是本发明某一实施例提供的密集悬挂纸片的清点方法的流程示意图。在本实施例中,密集悬挂纸片的清点方法,包括以下步骤:
S110,获取被检测图像;
S120,利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;
S130,对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;
S140,根据所述边缘信息,得到纸片数目。
在本发明实施例中,步骤S140,包括:对所述边缘信息中的边缘点集合利用最小二乘法直线拟合算法进行直线拟合,得到拟合直线集合;对所述拟合直线集合中的拟合直线进行线性非极大值抑制,筛除错误的拟合直线后得到纸片数目。
进一步地,在某一实施例中,所述对所述拟合直线集合中的拟合直线进行线性非极大值抑制,筛除错误的拟合直线后得到纸片数目,包括:对所述拟合直线集合中的拟合直线利用检测模型进行打分;依次分析所述拟合直线集合中的拟合直线之间的相似度,并在具有高相似度的若干拟合直线中,删除分数较低的拟合直线;对所述拟合直线集合中保留下来的拟合直线进行计数,得到纸片数目。跟踪区域扩展后直线检测结果图如图3所示。
在某一具体实施例中,数据采集实际应用场景钉子图片标注并利用标注的数据训练检测模型,检测模型可以为常用的深度学习模型如Yolo v5。将视频解码成一帧帧图片流,对每一帧利用上叙的检测模型进行钉子头的检测。对检测到的目标(矩形区域)利用传统的目标跟踪方法进行跟踪,本文使用核相关滤波算法(Kernel Correlation Filter,KCF)进行钉子目标跟踪。
为了跟踪的目标更为明确,本方法设定钉子头为跟踪的目标,为了在跟踪的区域识别到钉子上悬挂的纸片,需要扩展跟踪区域,将跟踪目标的矩形框表示为左上角的点(x0,y0)和右下角的点(x1,y1),视频帧的宽高分别表示为w,h,则扩展的区域的矩形框表示为:左上角点(x0-w/4,y0-h/2),右下角点(x1+w/4,y1)。
用直线拟合算法对Mask检测的点进行直线拟合,直线的非极大值抑制去除多余的检测,具体操作如下:
训练样本采集:利用拍摄设备采集多段视频样本,利用上叙跟踪算法对视频样本目标跟踪,保存跟踪扩展区域的图片。
对采集到的待检测图像进行Mask检测的标注,标注纸片上边缘;训练Mask检测器(实际应用中,常用Mask Rcnn结构深度学习模型)。
利用中训练好的Mask检测器多扩展区域的上边缘进行检测,检测后不进行框的非极大值抑制过程,即尽可能多的检测出纸片的上边缘的目标。
对检测出来的每一个纸片的边缘点集合利用最小二乘法直线拟合算法进行直线拟合。
对中拟合出来的直线进行线的非极大值抑制(Non-Maximum Suppression,NMS)排除错误检测的直线,操作如下,假设共拟合出N条直线表示为yi=ki*xi+bi,其中i=1,2,...,N,ki为直线的斜率,bi为直线的截距,则:
(1)对所有拟合到的直线利用Mask检测得分由大到小进行排序,即第一条直线得分最高最后一条直线得分最低;
(2)对于第i条直线循环进行以下处理(刚开始i=1);
(3)设扩展区域的宽高依次为wid,hei。依次利用以下公式对比第i条直线(yi=k*xi+bi)和后面所有直线,即第i+1到第N条直线(记为第j条直线(yj=k*xj+bj))的相似度distance(i,j):
distance(i,j)=max(abs(bi-bj),abs(wid*xi+bi-wid*xj-bj))
如果distance(i,j)<thre,则说明相似度过高,删除第j条直线。其中max(a,b)表示a和b中取较大的值,abs(a)表示对数字a取绝对值,thre为经验阈值取8;
(4)i+1(处理下一条直线)循环进行步骤(2)和步骤(3),直到所有的直线处理完,跳出循环;
(5)完成直线的NMS操作,留下最后未删除的直线即为最后计算的纸片的数目。
最后,累加所有跟踪目标扩展区域的直线个数得到最后统计的纸片数目,完成识别。
请参阅图4,图4为本发明某一实施例提供的密集悬挂纸片的清点装置的结构示意图。在本实施例中,密集悬挂纸片的清点装置包括:
采集模块210,用于获取被检测图像;
目标跟踪模块220,用于利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;
结构检测模块230,用于对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;
边缘分析模块240,用于根据所述边缘信息,得到纸片数目。
关于密集悬挂纸片的清点装置的具体限定可以参见上文中对于的限定,在此不再赘述。上述密集悬挂纸片的清点装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
请参阅图5,本发明实施例提供一种计算机终端设备,包括一个或多个处理器和存储器。存储器与所述处理器耦接,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任意一个实施例中的密集悬挂纸片的清点方法。
处理器用于控制该计算机终端设备的整体操作,以完成上述的密集悬挂纸片的清点方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作,这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在一示例性实施例中,计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit,简称AS1C)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的密集悬挂纸片的清点方法,并达到如上述方法一致的技术效果。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述任意一个实施例中的密集悬挂纸片的清点方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由计算机终端设备的处理器执行以完成上述的密集悬挂纸片的清点方法,并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种密集悬挂纸片的清点***,其特征在于,包括拍摄装置、处理器和若干设置在所述拍摄装置上方和下方的白色遮挡片;
所述拍摄装置用于获取被检测图像;其中,所述被检测图像中包括悬挂钉信息和悬挂在悬挂钉上的纸片信息;
所述处理器用于根据所述被检测图像,进行深度学习,利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;根据所述边缘信息,计算得到纸片数目;
所述白色遮挡片用于调整所述拍摄装置的拍摄视野。
2.根据权利要求1所述的密集悬挂纸片的清点***,其特征在于,还包括可伸缩支撑杆,用于支撑悬挂所述拍摄装置。
3.根据权利要求2所述的密集悬挂纸片的清点***,其特征在于,还包括设置在所述可伸缩支撑杆下方的移动滑轮,用于带动所述可伸缩支撑杆平行移动。
4.一种密集悬挂纸片的清点方法,其特征在于,包括:
获取被检测图像;其中,所述被检测图像中包括悬挂钉信息和悬挂在悬挂钉上的纸片信息;
利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;
对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;所述纸片的边缘信息包括纸片上的边缘点集合;
根据所述边缘信息,对所述边缘点集合进行直线拟合,得到纸片数目。
5.根据权利要求4所述的密集悬挂纸片的清点方法,其特征在于,所述根据所述边缘信息,对所述边缘点集合进行直线拟合,得到纸片数目,包括:
对所述边缘信息中的边缘点集合利用最小二乘法直线拟合算法进行直线拟合,得到拟合直线集合;
对所述拟合直线集合中的拟合直线进行线性非极大值抑制,筛除错误的拟合直线后得到纸片数目。
6.根据权利要求5所述的密集悬挂纸片的清点方法,其特征在于,所述对所述拟合直线集合中的拟合直线进行线性非极大值抑制,筛除错误的拟合直线后得到纸片数目,包括:
对所述拟合直线集合中的拟合直线利用检测模型进行打分;
依次分析所述拟合直线集合中的拟合直线之间的相似度,并在具有高相似度的若干拟合直线中,删除分数较低的拟合直线;
对所述拟合直线集合中保留下来的拟合直线进行计数,得到纸片数目。
7.一种密集悬挂纸片的清点装置,其特征在于,包括:
采集模块,用于获取被检测图像;其中,所述被检测图像中包括悬挂钉信息和悬挂在悬挂钉上的纸片信息;
目标跟踪模块,用于利用检测模型对所述被检测图像中的钉子头进行目标跟踪,并扩展跟踪矩形区域得到目标区域信息;
结构检测模块,用于对所述目标区域信息进行结构检测,标注得到纸片的边缘信息;所述纸片的边缘信息包括纸片上的边缘点集合;
边缘分析模块,用于根据所述边缘信息,对所述边缘点集合进行直线拟合,得到纸片数目。
8.一种计算机终端设备,其特征在于,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求4至6任一项所述的密集悬挂纸片的清点方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求4至6任一项所述的密集悬挂纸片的清点方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110794107.8A CN113642406B (zh) | 2021-07-14 | 2021-07-14 | 密集悬挂纸片的清点***、方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110794107.8A CN113642406B (zh) | 2021-07-14 | 2021-07-14 | 密集悬挂纸片的清点***、方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642406A CN113642406A (zh) | 2021-11-12 |
CN113642406B true CN113642406B (zh) | 2023-01-31 |
Family
ID=78417337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110794107.8A Active CN113642406B (zh) | 2021-07-14 | 2021-07-14 | 密集悬挂纸片的清点***、方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642406B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201216382Y (zh) * | 2008-06-12 | 2009-04-08 | 许夏生 | 书画画芯悬挂装置 |
CN102724397A (zh) * | 2011-03-31 | 2012-10-10 | 汉王科技股份有限公司 | 名片自动检测方法与装置 |
CN103413170A (zh) * | 2013-08-19 | 2013-11-27 | 电子科技大学 | 用于点钞机纸币边缘的实时定位方法 |
CN104459512A (zh) * | 2014-12-31 | 2015-03-25 | 上海华虹宏力半导体制造有限公司 | Mosfet被探测区探针数量计算方法及探针位置设计方法和探针卡生成方法 |
CN205767711U (zh) * | 2016-06-03 | 2016-12-07 | 天津市鹏兴顺印刷有限公司 | 一种自动检糊盒一体机的计数装置 |
CN109177175A (zh) * | 2018-07-10 | 2019-01-11 | 泉州装备制造研究所 | 一种3d打印喷头末端实时跟踪定位方法 |
CN112509011A (zh) * | 2021-02-08 | 2021-03-16 | 广州市玄武无线科技股份有限公司 | 一种静止商品统计方法、终端设备及其存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182934B (zh) * | 2014-08-06 | 2016-05-04 | 西安电子科技大学 | 基于书脊图像特征和空域滤波的自动图书清点方法 |
CN106846354B (zh) * | 2017-01-23 | 2019-07-23 | 中国人民解放军海军航空大学 | 一种基于图像分割和随机hough变换的架上图书清点方法 |
CN107220664B (zh) * | 2017-05-18 | 2019-12-31 | 南京大学 | 一种基于结构化随机森林的油瓶装箱清点方法 |
CN107300408A (zh) * | 2017-08-07 | 2017-10-27 | 赵思俨 | 一种结合图像处理与计重的考卷计数设备及考卷计数方法 |
CN108710909B (zh) * | 2018-05-17 | 2023-01-31 | 南京汇川工业视觉技术开发有限公司 | 一种可变形旋转不变装箱物体清点方法 |
CN111260876B (zh) * | 2018-11-30 | 2022-02-25 | 北京欣奕华科技有限公司 | 一种图像处理方法及装置 |
CN109785337B (zh) * | 2018-12-25 | 2021-07-06 | 哈尔滨工程大学 | 一种基于实例分割算法的栏内哺乳动物清点方法 |
CN111316337A (zh) * | 2018-12-26 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 车载成像装置的安装参数的确定与驾驶控制方法及设备 |
CN109886336A (zh) * | 2019-02-21 | 2019-06-14 | 山东超越数控电子股份有限公司 | 一种基于舰基图像的目标检测方法及*** |
CN110992325A (zh) * | 2019-11-27 | 2020-04-10 | 同济大学 | 基于深度学习的目标清点方法、装置和设备 |
CN111968115B (zh) * | 2020-09-09 | 2021-05-04 | 山东大学第二医院 | 基于栅格化图像处理方法的骨科耗材检测方法及*** |
CN112116633B (zh) * | 2020-09-25 | 2024-07-12 | 深圳爱莫科技有限公司 | 一种矿井打钻计数方法 |
CN112669349B (zh) * | 2020-12-25 | 2023-12-05 | 北京竞业达数码科技股份有限公司 | 一种客流统计方法、电子设备及存储介质 |
-
2021
- 2021-07-14 CN CN202110794107.8A patent/CN113642406B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201216382Y (zh) * | 2008-06-12 | 2009-04-08 | 许夏生 | 书画画芯悬挂装置 |
CN102724397A (zh) * | 2011-03-31 | 2012-10-10 | 汉王科技股份有限公司 | 名片自动检测方法与装置 |
CN103413170A (zh) * | 2013-08-19 | 2013-11-27 | 电子科技大学 | 用于点钞机纸币边缘的实时定位方法 |
CN104459512A (zh) * | 2014-12-31 | 2015-03-25 | 上海华虹宏力半导体制造有限公司 | Mosfet被探测区探针数量计算方法及探针位置设计方法和探针卡生成方法 |
CN205767711U (zh) * | 2016-06-03 | 2016-12-07 | 天津市鹏兴顺印刷有限公司 | 一种自动检糊盒一体机的计数装置 |
CN109177175A (zh) * | 2018-07-10 | 2019-01-11 | 泉州装备制造研究所 | 一种3d打印喷头末端实时跟踪定位方法 |
CN112509011A (zh) * | 2021-02-08 | 2021-03-16 | 广州市玄武无线科技股份有限公司 | 一种静止商品统计方法、终端设备及其存储介质 |
Non-Patent Citations (3)
Title |
---|
A real-time people number detection algorithm of scenic spot based on density center clustering;Wen Yaomin等;《2016 12th World Congress on Intelligent Control and Automation (WCICA)》;20160929;2777-2782 * |
基于目标识别的运动棒材在线计数;孔思维;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160515;第2016年卷(第5期);I138-1079 * |
面向叠层薄纸计数的图像拼接与线检测算法研究;甄小刚;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20170315;第2017年卷(第3期);B024-849 * |
Also Published As
Publication number | Publication date |
---|---|
CN113642406A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020048492A1 (zh) | 商品状态识别 | |
CN109117824B (zh) | 商品的管理方法、装置、电子设备及储存介质 | |
CN111160434B (zh) | 目标检测模型的训练方法、装置及计算机可读存储介质 | |
US11049259B2 (en) | Image tracking method | |
CN109801265B (zh) | 一种基于卷积神经网络的实时输电设备异物检测*** | |
US20110081081A1 (en) | Method for recognizing objects in images | |
US11915463B2 (en) | System and method for the automatic enrollment of object images into a gallery | |
US11386306B1 (en) | Re-identification of agents using image analysis and machine learning | |
CN103345492A (zh) | 一种视频浓缩的方法和*** | |
CN108647587B (zh) | 人数统计方法、装置、终端及存储介质 | |
CN112509011B (zh) | 一种静止商品统计方法、终端设备及其存储介质 | |
WO2016085552A1 (en) | System for real-time moving target detection using vision based image segmentation | |
CN110889419A (zh) | 一种货架分析方法、装置、***及电子设备 | |
Giakoumoglou et al. | White flies and black aphids detection in field vegetable crops using deep learning | |
CN113642406B (zh) | 密集悬挂纸片的清点***、方法、装置、设备及存储介质 | |
CN111428743B (zh) | 商品识别方法、商品处理方法、装置及电子设备 | |
WO2014203026A1 (en) | A method for object tracking | |
CN115619710A (zh) | 基于分步跟踪检测的物品数量统计方法、装置及设备 | |
CN110929668A (zh) | 一种基于无人货架的商品检测方法和装置 | |
EP2579209A1 (en) | Method for recognizing objects | |
CN113468914A (zh) | 一种商品纯净度的确定方法、装置及设备 | |
US20220051177A1 (en) | System and method for identifying misplaced products in a shelf management system | |
CN110008362A (zh) | 一种案件归类方法及装置 | |
Pham et al. | Deepaco: A robust deep learning-based automatic checkout system | |
CN110705363B (zh) | 一种商品规格的识别方法与装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |