CN115700758A - 一种***活性的检测方法、装置、设备及存储介质 - Google Patents
一种***活性的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115700758A CN115700758A CN202211397141.2A CN202211397141A CN115700758A CN 115700758 A CN115700758 A CN 115700758A CN 202211397141 A CN202211397141 A CN 202211397141A CN 115700758 A CN115700758 A CN 115700758A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- sperm
- determining
- preprocessing
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 title abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 153
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000019100 sperm motility Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 description 15
- 238000005260 corrosion Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004899 motility Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009087 cell motility Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002356 laser light scattering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000014639 sexual reproduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种***活性的检测方法、装置、设备及存储介质。该方法包括:获取视频采集设备采集到的***视频数据;其中,所述***视频数据中包含至少两个视频帧图像;针对每个视频帧图像,采用至少两级预处理算法,对所述视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像;基于各所述参考预处理图像集以及各所述目标预处理图像,确定所述***视频数据对应的目标轨迹数据;基于所述目标轨迹数据,确定所述***视频数据对应的***活性。本发明实施例兼顾了算法处理速度和算法准确率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种***活性的检测方法、装置、设备及存储介质。
背景技术
在生物有性生殖过程中,***活性会直接影响到母体的受孕几率,因此,***的活性检测变得尤为重要。
现有的***活性的检测需要实验室与专业仪器进行检测,如高速显微电影摄像技术、激光光散射测量法、***功能图像自动分析仪等等。因此,现阶段的***活性的检测方法检测成本较高,普及性较差,并且无法兼顾算法处理速度和算法准确率。
发明内容
本发明实施例提供了一种***活性的检测方法、装置、设备及存储介质,以解决现有的***活性的检测方法采用的检测设备成本高的问题,提高***活性的检测方法的普及性,兼顾算法处理速度和算法准确率。
根据本发明一个实施例提供了一种***活性的检测方法,该方法包括:
获取视频采集设备采集到的***视频数据;其中,所述***视频数据中包含至少两个视频帧图像;
针对每个视频帧图像,采用至少两级预处理算法,对所述视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像;
基于各所述参考预处理图像集以及各所述目标预处理图像,确定所述***视频数据对应的目标轨迹数据;
基于所述目标轨迹数据,确定所述***视频数据对应的***活性。
根据本发明另一个实施例提供了一种***活性的检测装置,该装置包括:
***视频数据获取模块,用于获取视频采集设备采集到的***视频数据;其中,所述***视频数据中包含至少两个视频帧图像;
目标预处理图像确定模块,用于针对每个视频帧图像,采用至少两级预处理算法,对所述视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像;
目标轨迹数据确定模块,用于基于各所述参考预处理图像集以及各所述目标预处理图像,确定所述***视频数据对应的目标轨迹数据;
***活性确定模块,用于基于所述目标轨迹数据,确定所述***视频数据对应的***活性。
根据本发明另一个实施例提供了一种电子设备,所述电子设备包括:
视频采集设备,用于采集***视频数据;
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的***活性的检测方法。
根据本发明另一个实施例,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的***活性的检测方法。
本发明实施例的技术方案,通过针对视频采集设备采集到的***视频数据中的每个视频帧图像,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像,其中,参考预处理图像集中包含至少一个参考预处理图像,基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据,基于目标轨迹数据,确定***视频数据对应的***活性,解决了现有的***活性的检测方法采用的检测设备成本高的问题,提高***活性的检测方法的普及性,采用光学成像及处理方法可以提高***活性的检测算法的处理速度,同时基于至少两种预处理图像确定目标轨迹数据可以提高***活性的检测算法准确率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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例,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为本发明一个实施例所提供的一种***活性的检测方法的流程图;
图2为本发明一个实施例所提供的一种二值化图像的示意图;
图3为本发明一个实施例所提供的一种目标轨迹数据的确定方法的流程图;
图4为本发明一个实施例所提供的一种目标轨迹数据的示意图;
图5为本发明一个实施例所提供的另一种***活性的检测方法的流程图;
图6为本发明一个实施例所提供的一种第二中间参考图像中的中间***图像的示意图;
图7为本发明一个实施例所提供的一种目标参考图像中的中间***图像的示意图;
图8为本发明一个实施例所提供的一种***活性的检测装置的结构示意图;
图9为本发明一个实施例所提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明一个实施例所提供的一种***活性的检测方法的流程图,本实施例可适用于对***样本的活性进行检测的情况,该方法可以由***活性的检测装置来执行,该***活性的检测装置可以采用硬件和/或软件的形式实现,该***活性的检测装置可配置于终端设备中。如图1所示,该方法包括:
S110、获取视频采集设备采集到的***视频数据。
其中,具体的,***视频数据用于表征放置在容器中的***样本的视频数据,示例性的,视频采集设备的录制时长可以为10秒或5秒等等,此处对视频采集设备的录制时长不作限定。在本实施例中,***视频数据中包含至少两个视频帧图像。
S120、针对每个视频帧图像,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像。
其中,具体的,对***视频数据进行分帧处理得到每个视频帧图像。在本实施例中,参考预处理图像集中包含至少一个参考预处理图像。其中,具体的,参考预处理图像可用于表征中间级的预处理算法对应的预处理图像,目标预处理图像可用于表征最后一级的预处理算法对应的预处理图像。
在一个可选实施例中,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像,包括:采用第一级预处理算法,对视频帧图像执行第一预处理操作得到第一中间参考图像;其中,第一预处理算法包括膨胀腐蚀算法;将第一中间参考图像作为参考预处理图像添加到参考预处理图像集中;采用第二级预处理算法,基于第一中间参考图像,确定目标预处理图像;其中,第二级预处理算法包括二值化算法、梯度算法以及去边缘点算法。
其中,具体的,在第一级预处理过程中,采用膨胀腐蚀算法中的膨胀算法,对视频帧图像执行膨胀操作得到膨胀图像,并采用膨胀腐蚀算法中的腐蚀算法,对膨胀图像执行腐蚀操作得到第一中间参考图像。其中,膨胀腐蚀算法又被称为开操作算法,具有消除消除亮度较高的细小区域,在纤细点分离物体,对于较大物体,可以在不明显改变其面积的情况下平滑其边界等作用。
在上述实施例的基础上,可选的,第一预处理算法还包括滤波算法,相应的,采用第一级预处理算法,对视频帧图像执行第一预处理操作得到第一中间参考图像,包括:采用滤波算法,对视频帧图像执行滤波操作得到滤波图像,采用膨胀腐蚀算法,对滤波图像执行先膨胀后腐蚀操作得到第一中间参考图像。
其中,示例性的,滤波算法包括但不限于高斯滤波算法、均值滤波算法、中位值滤波算法、平均滤波算法和卡尔曼滤波算法等等,此处对采用的具体的滤波算法不作限定。
这样设置的好处在于,可以消除视频帧图像中的干扰因素,进一步提高预处理图像的图像质量,进而提高***活性的检测方法的准确率。
其中,具体的,在第二级预处理过程中,采用二值化算法,对第一中间参考图像执行二值化操作得到二值化图像,采用梯度算法,对二值化图像执行梯度处理得到梯度图像,采用去边缘点算法,基于梯度图像,确定目标预处理图像。
图2为本发明一个实施例所提供的一种二值化图像的示意图。具体的,图2中的各白色像素点分别表示***图像。
在另一个可选实施例中,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像,包括:采用第一级预处理算法,对视频帧图像执行第一预处理操作得到第二中间参考图像;其中,第一预处理算法包括膨胀腐蚀算法、二值化算法以及梯度算法;将第二中间参考图像作为参考预处理图像添加到参考预处理图像集中;采用第二级预处理算法,基于第二中间参考图像,确定目标预处理图像;其中,第二级预处理算法包括去边缘点算法。
其中,具体的,在第一级预处理过程中,采用膨胀腐蚀算法中的膨胀算法,对视频帧图像执行膨胀操作得到膨胀图像,并采用膨胀腐蚀算法中的腐蚀算法,对膨胀图像执行腐蚀操作得到腐蚀图像,采用二值化算法,对腐蚀图像执行二值化操作得到二值化图像,采用梯度算法,对二值化图像执行梯度处理得到第二中间参考图像。
其中,具体的,在第二级预处理过程中,采用去边缘点算法,基于第一中间参考图像,确定目标预处理图像。
在另一个可选实施例中,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像,包括:采用第一级预处理算法,对视频帧图像执行第一预处理操作得到第一中间参考图像;其中,第一预处理算法包括膨胀腐蚀算法;采用第二级预处理算法,对第一中间参考图像执行第二预处理操作得到第二中间参考图像;其中,第二级预处理算法包括二值化算法和梯度算法;基于第一中间参考图像和/或第二中间参考图像,确定参考预处理图像集;采用第三级预处理算法,基于第二中间参考图像,确定目标预处理图像;其中,第三级预处理算法包括去边缘点算法。
在一个可选实施例中,基于第一中间参考图像和/或第二中间参考图像,确定参考预处理图像集,包括:将第一中间参考图像作为参考预处理图像添加到参考预处理图像集中;和/或,将第二中间参考图像作为参考预处理图像添加到参考预处理图像集中。其中,具体的,参考预处理图像集中包含第一中间参考图像和/或第二中间参考图像。
其中,具体的,在第一级预处理过程中,采用膨胀腐蚀算法中的膨胀算法,对视频帧图像执行膨胀操作得到膨胀图像,并采用膨胀腐蚀算法中的腐蚀算法,对膨胀图像执行腐蚀操作得到第一中间参考图像。在第二级预处理过程中,采用二值化算法,对第一中间参考图像执行二值化操作得到二值化图像,采用梯度算法,对二值化图像执行梯度处理得到第二中间参考图像。在第三级预处理过程中,采用去边缘点算法,基于第二中间参考图像,确定目标预处理图像。
S130、基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据。
其中,具体的,目标轨迹数据用于表征***样本中的各***在录制时间内的目标轨迹。
在一个可选实施例中,基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据,包括:针对每个目标预处理图像中的每个目标***图像,基于目标***图像对应的目标质心坐标以及参考预处理图像集,确定与目标***图像对应的至少一个参考质心坐标;基于目标质心坐标以及各参考质心坐标,确定平均质心坐标,并基于各目标预处理图像分别对应的各平均质心坐标,确定目标轨迹数据。
其中,具体的,针对每个目标预处理图像,对目标预处理图像进行图像识别得到目标预处理图像对应的至少一个目标***图像。在一个可选实施例中,该方法还包括:基于目标***图像对应的最小外接矩阵,确定目标***图像对应的目标质心坐标。
其中,示例性的,目标质心坐标M满足公式:
其中,mpq表示最小外接矩阵的矩,B表示最小外接矩阵,I(x,y)表示目标预处理图像在像素位置(x,y)的像素值。
其中,具体的,针对每个参考预处理图像,对参考预处理图像进行图像识别得到参考预处理图像对应的至少一个参考***图像。在一个可选实施例中,该方法还包括:基于参考***图像对应的最小外接矩阵,确定参考***图像对应的中间质心坐标。
其中,具体的,针对每个参考预处理图像,基于目标质心坐标以及参考预处理图像对应的至少一个中间质心坐标,确定至少一个距离误差,并将距离误差满足预设误差范围内的中间质心坐标作为与目标质心坐标对应的参考质心坐标。
其中,具体的,对目标质心坐标以及至少一个参考质心坐标求均值,得到平均质心坐标。
其中,具体的,获取第一帧目标预处理图像中各目标***图像分别对应的平均质心坐标,基于各平均质心坐标分别创建第一帧目标轨迹。获取上一目标预处理图像中的第i个***对应的上一帧平均轨迹Gi,以及获取当前目标预处理图像中各当前目标***图像分别对应的当前平均质心坐标,将各当前平均质心坐标与上一帧平均轨迹Gi进行关联匹配,如果匹配成功,则基于匹配成功的当前平均质心坐标对上一帧平均轨迹Gi进行更新,得到第i个***对应的当前帧平均轨迹Gi',如果匹配不成功,则基于匹配不成功的至少一个当前平均质心坐标,创建新的目标轨迹。在当前目标预处理图像为最后一帧目标预处理图像的情况下,将当前帧平均轨迹Gi'和新的目标轨迹分别作为目标轨迹数据中的目标轨迹。
在另一个可选实施例中,基于目标质心坐标以及各参考质心坐标,确定平均质心坐标,包括:将目标质心坐标作为当前目标质心坐标,并确定当前目标质心坐标与当前目标质心坐标对应的上一平均质心坐标之间的当前目标轨迹方向;针对每个参考质心坐标,将参考质心坐标作为当前参考质心坐标,并确定当前参考质心坐标与上一平均质心坐标之间的当前参考轨迹方向;确定当前目标轨迹方向与至少一个当前参考轨迹方向分别对应的方向误差,并基于当前目标质心坐标以及方向误差满足预设误差范围的当前参考轨迹方向对应的当前参考质心坐标,确定平均质心坐标。
其中,具体的,上一平均质心坐标用于表征与当前目标质心坐标关联匹配的上一帧平均轨迹中的最后一个平均质心坐标。
在上述实施例的基础上,可选的,在不存在与当前目标质心坐标对应的上一平均质心坐标的情况下,说明不存在与当前目标质心坐标关联匹配的上一帧平均轨迹,则将当前目标质心坐标作为平均质心坐标,或者,将当前目标质心坐标以及各参考质心坐标对应的坐标均值作为平均质心坐标。
在上述实施例的基础上,可选的,如果各当前参考质心坐标分别对应的方向误差均不满足预设误差范围,则将当前目标质心坐标作为平均质心坐标。
图3为本发明一个实施例所提供的一种目标轨迹数据的确定方法的流程图。具体的,对***视频数据对应的目标预处理图像进行遍历,如果遍历完成,则基于各平均质心坐标,确定目标轨迹数据,如果未遍历完成,则针对当前的目标预处理图像Pi,对目标预处理图像Pi中的目标***图像进行遍历,如果遍历完成,则重复执行对***视频数据对应的目标预处理图像进行遍历的步骤,如果未遍历完成,则获取遍历到的目标预处理图像Pi中的目标***图像Qj对应的目标质心坐标Mj,判断是否存在与目标质心坐标Mj关联匹配的上一帧平均轨迹Gi-1,如果否,则基于目标质心坐标Mj以及与目标质心坐标Mj对应的至少一个参考质心坐标,确定与目标***图像Qj对应的平均质心坐标。如果是,则确定目标质心坐标Mj与上一平均质心坐标之间的轨迹方向,以及确定与目标质心坐标Mj对应的至少一个参考质心坐标分别与上一平均质心坐标对应的轨迹方向,判断是否存在方向误差满足预设误差范围的参考质心坐标,如果是,在基于目标质心坐标Mj以及方向误差满足预设误差范围的参考质心坐标,确定平均质心坐标,如果否,则将目标质心坐标Mj作为平均质心坐标。
图4为本发明一个实施例所提供的一种目标轨迹数据的示意图,具体的,图4示出了***视频数据中各***的目标轨迹。
这样设置的好处在于,可以通过参考预处理图像中参考***图像对应的轨迹方向,对目标预处理图像中目标***图像对应的轨迹方向进行修正,从而进一步提高目标轨迹数据的精确度,进而提高***活性的检测算法的准确率。
S140、基于目标轨迹数据,确定***视频数据对应的***活性。
在一个可选实施例中,基于目标轨迹数据,确定***视频数据对应的***活性,包括:基于目标轨迹数据中各目标轨迹的轨迹类型,确定目标轨迹数据对应的运动***数量;基于运动***数量以及目标轨迹数据对应的总***数量,确定***视频数据对应的***活性。
其中,具体的,对目标轨迹数据中的各目标轨迹进行拟合得到轨迹类型,将目标轨迹的轨迹类型为非线性轨迹对应的***作为运动***,将目标轨迹的轨迹类型为线性轨迹对应的***作为失活***。
其中,具体的,***活性=运动***数量/总***数量。
这样设置好处在于,由于***样本中的运动***通常是不规则的向前扭动前进的,但***样本中的失活***则会因为受到***流动产生运动特征,且运动特征为线性运动特征。因此本发明实施例通过轨迹类型对目标轨迹数据中各目标轨迹进行筛选,可以有效筛选出***样本中的失活***。
本实施例的技术方案,通过针对视频采集设备采集到的***视频数据中的每个视频帧图像,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像,其中,参考预处理图像集中包含至少一个参考预处理图像,基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据,基于目标轨迹数据,确定***视频数据对应的***活性,解决了现有的***活性的检测方法采用的检测设备成本高的问题,提高***活性的检测方法的普及性,采用光学成像及处理方法可以提高***活性的检测算法的处理速度,同时基于至少两种预处理图像确定目标轨迹数据可以提高***活性的检测算法准确率。
图5为本发明一个实施例所提供的另一种***活性的检测方法的流程图,本实施例对上述实施例中的“采用第三级预处理算法,基于第二中间参考图像,确定目标预处理图像”技术特征进行进一步细化。如图5所示,该方法包括:
S210、获取视频采集设备采集到的***视频数据。
S220、针对每个视频帧图像,采用第一级预处理算法,对视频帧图像执行第一预处理操作得到第一中间参考图像。
S230、采用第二级预处理算法,对第一中间参考图像执行第二预处理操作得到第二中间参考图像。
S240、基于第一中间参考图像和/或第二中间参考图像,确定参考预处理图像集。
S250、针对第二中间参考图像中的每个中间***图像,获取覆盖中间***图像的多个图像块分别对应的块图像。
其中,具体的,对第二中间参考图像进行图像识别得到至少一个中间***图像。采用预设块数量的图像块覆盖中间***图像,获取第二中间参考图像中与各图像块分别对应的块图像,其中,示例性的,预设块数量为16*16或20*20等等,此处对预设块数量不作限定。
图6为本发明一个实施例所提供的一种第二中间参考图像中的中间***图像的示意图。具体的,图6中的白色像素点构成的区域表示第二中间参考图像中的某一中间***图像,图6中的方框内的图像表示块图像。其中,具体的,块图像中包含部分中间***图像和部分背景区域图像,或者,块图像中不包含背景区域图像。
S260、针对每个块图像,在块图像中的各像素点的像素值存在不同的情况下,将块图像作为边缘点图像。
其中,具体的,如果块图像中的各像素点的像素值存在不同,则说明块图像包含部分中间***图像和部分背景区域图像,将块图像作为边缘点图像,如果块图像中的各像素点的像素值均相同,则说明块图像不包含背景区域图像。
S270、将第二中间参考图像中各边缘点图像中像素点的像素值替换为背景像素值,得到目标参考图像。
图7为本发明一个实施例所提供的一种目标参考图像中的中间***图像的示意图,具体的,以图6中的示例为例,图7为对图6中的中间***图像执行去边缘操作后得到的中间***图像。
S280、基于目标参考图像,确定目标预处理图像。
在一个可选实施例中,将目标参考图像作为目标预处理图像。这样设置的好处在于,***图像中处于边缘点位置的像素点容易受到亮度噪声的影响,去边缘点操作可以有效降低亮度噪声的影响,从而进一步提高预处理图像的图像质量,进而提高***活性的检测算法的准确率。
在另一个可选实施例中,第三级预处理算法还包括边界点筛选算法,相应的,基于目标参考图像,确定目标预处理图像,包括:对目标参考图像进行梯度处理,得到梯度图像;采用边界点筛选算法,基于梯度图像中各像素点的梯度值,确定目标参考图像中的目标像素点;将目标参考图像中各目标像素点分别对应的像素值替换为背景像素点,得到目标预处理图像。
在一个可选实施例中,采用边界点筛选算法,基于梯度图像中各像素点的梯度值,确定目标参考图像中的目标像素点,包括:针对梯度图像中的每个像素点,在像素点的梯度值大于第一梯度阈值的情况下,将像素点作为边界像素点;在像素点的梯度值小于第二梯度阈值的情况下,将像素点作为目标像素点;在像素点的梯度值大于第二梯度阈值且小于第一梯度阈值的情况下,如果像素点对应的相邻像素点集中不包含边界像素点,则将像素点作为目标像素点;其中,第一梯度阈值大于第二梯度阈值。
其中,具体的,相邻像素点集中包含与当前像素点相邻的上方、下方、左方、右方、左上方、左下方、右上方和右下方等8个像素点。如果像素点对应的相邻像素点集中各像素点不属于边界像素点,则将像素点作为目标像素点,如果像素点对应的相邻像素点集中包含至少一个边界像素点,则将像素点作为边界像素点。
这样设置的好处在于,可以进一步消除干扰因素的影响,提高目标轨迹数据的精确度,进而提高***活性的检测算法的准确率。
S290、基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据。
S291、基于目标轨迹数据,确定***视频数据对应的***活性。
本实施例的技术方案,通过针对第二中间参考图像中的每个中间***图像,获取覆盖中间***图像的多个图像块分别对应的块图像,针对每个块图像,在块图像中的各像素点的像素值存在不同的情况下,将块图像作为边缘点图像,将第二中间参考图像中各边缘点图像中像素点的像素值替换为背景像素值,得到目标参考图像,并基于目标参考图像,确定目标预处理图像,解决了目标预处理图像会受到亮度因素干扰的问题,消除了光照强度变化导致目标预处理图像模糊的问题,提高了目标预处理图像的图像质量,进一步提高了***活性的检测算法的准确率。
图8为本发明一个实施例所提供的一种***活性的检测装置的结构示意图。如图8所示,该装置包括:***视频数据获取模块310、目标预处理图像确定模块320、目标轨迹数据确定模块330和***活性确定模块340。
***视频数据获取模块310,用于获取视频采集设备采集到的***视频数据;其中,***视频数据中包含至少两个视频帧图像;
目标预处理图像确定模块320,用于针对每个视频帧图像,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像;
目标轨迹数据确定模块330,用于基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据;
***活性确定模块340,用于基于目标轨迹数据,确定***视频数据对应的***活性。
本实施例的技术方案,通过针对视频采集设备采集到的***视频数据中的每个视频帧图像,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像,其中,参考预处理图像集中包含至少一个参考预处理图像,基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据,基于目标轨迹数据,确定***视频数据对应的***活性,解决了现有的***活性的检测方法采用的检测设备成本高的问题,提高***活性的检测方法的普及性,采用光学成像及处理方法可以提高***活性的检测算法的处理速度,同时基于至少两种预处理图像确定目标轨迹数据可以提高***活性的检测算法准确率。
在上述实施例的基础上,可选的,目标预处理图像确定模块320,包括:
第一中间参考图像确定单元,用于采用第一级预处理算法,对视频帧图像执行第一预处理操作得到第一中间参考图像;其中,第一预处理算法包括膨胀腐蚀算法;
第二中间参考图像确定单元,用于采用第二级预处理算法,对第一中间参考图像执行第二预处理操作得到第二中间参考图像;其中,第二级预处理算法包括二值化算法和梯度算法;
参考预处理图像集确定单元,用于基于第一中间参考图像和/或第二中间参考图像,确定参考预处理图像集;
目标预处理图像确定单元,用于采用第三级预处理算法,基于第二中间参考图像,确定目标预处理图像;其中,第三级预处理算法包括去边缘点算法。
在上述实施例的基础上,可选的,目标预处理图像确定单元,包括:
块图像获取子单元,用于针对第二中间参考图像中的每个中间***图像,获取覆盖中间***图像的多个图像块分别对应的块图像;
边缘点图像确定子单元,用于针对每个块图像,在块图像中的各像素点的像素值存在不同的情况下,将块图像作为边缘点图像;
目标预处理图像确定子单元,用于将第二中间参考图像中各边缘点图像中像素点的像素值替换为背景像素值,得到目标参考图像,并基于目标参考图像,确定目标预处理图像。
在上述实施例的基础上,可选的,第三级预处理算法还包括边界点筛选算法,相应的,目标预处理图像确定子单元,具体用于:
对目标参考图像进行梯度处理,得到梯度图像;
采用边界点筛选算法,基于梯度图像中各像素点的梯度值,确定目标参考图像中的目标像素点;
将目标参考图像中各目标像素点分别对应的像素值替换为背景像素点,得到目标预处理图像。
在上述实施例的基础上,可选的,目标预处理图像确定子单元,具体用于:
针对梯度图像中的每个像素点,在像素点的梯度值大于第一梯度阈值的情况下,将像素点作为边界像素点;
在像素点的梯度值小于第二梯度阈值的情况下,将像素点作为目标像素点;
在像素点的梯度值大于第二梯度阈值且小于第一梯度阈值的情况下,如果像素点对应的相邻像素点集中不包含边界像素点,则将像素点作为目标像素点;其中,第一梯度阈值大于第二梯度阈值。
在上述实施例的基础上,可选的,目标轨迹数据确定模块330,包括:
参考质心坐标确定单元,用于针对每个目标预处理图像中的每个目标***图像,基于目标***图像对应的目标质心坐标以及参考预处理图像集,确定与目标***图像对应的至少一个参考质心坐标;
目标轨迹数据确定单元,用于基于目标质心坐标以及各参考质心坐标,确定平均质心坐标,并基于各目标预处理图像分别对应的各平均质心坐标,确定目标轨迹数据。
在上述实施例的基础上,可选的,目标轨迹数据确定单元,具体用于:
将目标质心坐标作为当前目标质心坐标,并确定当前目标质心坐标与当前目标质心坐标对应的上一平均质心坐标之间的当前目标轨迹方向;
针对每个参考质心坐标,将参考质心坐标作为当前参考质心坐标,并确定当前参考质心坐标与上一平均质心坐标之间的当前参考轨迹方向;
确定当前目标轨迹方向与至少一个当前参考轨迹方向分别对应的方向误差,并基于当前目标质心坐标以及方向误差满足预设误差范围的当前参考轨迹方向对应的当前参考质心坐标,确定平均质心坐标。
在上述实施例的基础上,可选的,***活性确定模块340,具体用于:
基于目标轨迹数据中各目标轨迹的轨迹类型,确定目标轨迹数据对应的运动***数量;
基于运动***数量以及目标轨迹数据对应的总***数量,确定***视频数据对应的***活性。
本发明实施例所提供的***活性的检测装置可执行本发明任意实施例所提供的***活性的检测方法,具备执行方法相应的功能模块和有益效果。
图9为本发明一个实施例所提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备10还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本发明实施例所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图9所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器11执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元,例如键盘、鼠标等;在本实施例中,输入单元包括视频采集设备16,用于采集***视频数据;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如***活性的检测方法。
在一些实施例中,***活性的检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的***活性的检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行***活性的检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
本发明实施例五还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种***活性的检测方法,该方法包括:
获取视频采集设备采集到的***视频数据;其中,***视频数据中包含至少两个视频帧图像;
针对每个视频帧图像,采用至少两级预处理算法,对视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像;
基于各参考预处理图像集以及各目标预处理图像,确定***视频数据对应的目标轨迹数据;
基于目标轨迹数据,确定***视频数据对应的***活性。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种***活性的检测方法,其特征在于,包括:
获取视频采集设备采集到的***视频数据;其中,所述***视频数据中包含至少两个视频帧图像;
针对每个视频帧图像,采用至少两级预处理算法,对所述视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像;
基于各所述参考预处理图像集以及各所述目标预处理图像,确定所述***视频数据对应的目标轨迹数据;
基于所述目标轨迹数据,确定所述***视频数据对应的***活性。
2.根据权利要求1所述的方法,其特征在于,所述采用至少两级预处理算法,对所述视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像,包括:
采用第一级预处理算法,对所述视频帧图像执行第一预处理操作得到第一中间参考图像;其中,所述第一预处理算法包括膨胀腐蚀算法;
采用第二级预处理算法,对所述第一中间参考图像执行第二预处理操作得到第二中间参考图像;其中,所述第二级预处理算法包括二值化算法和梯度算法;
基于所述第一中间参考图像和/或所述第二中间参考图像,确定参考预处理图像集;
采用第三级预处理算法,基于所述第二中间参考图像,确定目标预处理图像;其中,所述第三级预处理算法包括去边缘点算法。
3.根据权利要求2所述的方法,其特征在于,所述采用第三级预处理算法,基于所述第二中间参考图像,确定目标预处理图像,包括:
针对所述第二中间参考图像中的每个中间***图像,获取覆盖所述中间***图像的多个图像块分别对应的块图像;
针对每个块图像,在所述块图像中的各像素点的像素值存在不同的情况下,将所述块图像作为边缘点图像;
将所述第二中间参考图像中各所述边缘点图像中像素点的像素值替换为背景像素值,得到目标参考图像,并基于所述目标参考图像,确定目标预处理图像。
4.根据权利要求3所述的方法,其特征在于,所述第三级预处理算法还包括边界点筛选算法,相应的,所述基于所述目标参考图像,确定目标预处理图像,包括:
对所述目标参考图像进行梯度处理,得到梯度图像;
采用边界点筛选算法,基于所述梯度图像中各像素点的梯度值,确定所述目标参考图像中的目标像素点;
将所述目标参考图像中各所述目标像素点分别对应的像素值替换为背景像素点,得到目标预处理图像。
5.根据权利要求4所述的方法,其特征在于,所述采用边界点筛选算法,基于所述梯度图像中各像素点的梯度值,确定所述目标参考图像中的目标像素点,包括:
针对所述梯度图像中的每个像素点,在所述像素点的梯度值大于第一梯度阈值的情况下,将所述像素点作为边界像素点;
在所述像素点的梯度值小于第二梯度阈值的情况下,将所述像素点作为目标像素点;
在所述像素点的梯度值大于第二梯度阈值且小于第一梯度阈值的情况下,如果所述像素点对应的相邻像素点集中不包含所述边界像素点,则将所述像素点作为目标像素点;其中,所述第一梯度阈值大于所述第二梯度阈值。
6.根据权利要求2所述的方法,其特征在于,所述基于各所述参考预处理图像集以及各所述目标预处理图像,确定所述***视频数据对应的目标轨迹数据,包括:
针对每个目标预处理图像中的每个目标***图像,基于所述目标***图像对应的目标质心坐标以及所述参考预处理图像集,确定与所述目标***图像对应的至少一个参考质心坐标;
基于所述目标质心坐标以及各所述参考质心坐标,确定平均质心坐标,并基于各所述目标预处理图像分别对应的各所述平均质心坐标,确定所述目标轨迹数据。
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标质心坐标以及各所述参考质心坐标,确定平均质心坐标,包括:
将所述目标质心坐标作为当前目标质心坐标,并确定所述当前目标质心坐标与所述当前目标质心坐标对应的上一平均质心坐标之间的当前目标轨迹方向;
针对每个参考质心坐标,将所述参考质心坐标作为当前参考质心坐标,并确定所述当前参考质心坐标与所述上一平均质心坐标之间的当前参考轨迹方向;
确定所述当前目标轨迹方向与至少一个当前参考轨迹方向分别对应的方向误差,并基于所述当前目标质心坐标以及方向误差满足预设误差范围的当前参考轨迹方向对应的当前参考质心坐标,确定平均质心坐标。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述基于所述目标轨迹数据,确定所述***视频数据对应的***活性,包括:
基于所述目标轨迹数据中各目标轨迹的轨迹类型,确定所述目标轨迹数据对应的运动***数量;
基于所述运动***数量以及所述目标轨迹数据对应的总***数量,确定所述***视频数据对应的***活性。
9.一种***活性的检测装置,其特征在于,包括:
***视频数据获取模块,用于获取视频采集设备采集到的***视频数据;其中,所述***视频数据中包含至少两个视频帧图像;
目标预处理图像确定模块,用于针对每个视频帧图像,采用至少两级预处理算法,对所述视频帧图像依次执行预处理操作,分别得到参考预处理图像集以及目标预处理图像;
目标轨迹数据确定模块,用于基于各所述参考预处理图像集以及各所述目标预处理图像,确定所述***视频数据对应的目标轨迹数据;
***活性确定模块,用于基于所述目标轨迹数据,确定所述***视频数据对应的***活性。
10.一种电子设备,其特征在于,所述电子设备包括:
视频采集设备,用于采集***视频数据;
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的***活性的检测方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的***活性的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211397141.2A CN115700758A (zh) | 2022-11-09 | 2022-11-09 | 一种***活性的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211397141.2A CN115700758A (zh) | 2022-11-09 | 2022-11-09 | 一种***活性的检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115700758A true CN115700758A (zh) | 2023-02-07 |
Family
ID=85121121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211397141.2A Pending CN115700758A (zh) | 2022-11-09 | 2022-11-09 | 一种***活性的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115700758A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116121179A (zh) * | 2023-03-14 | 2023-05-16 | 苏州贝康医疗器械有限公司 | ***优选和检测方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-09 CN CN202211397141.2A patent/CN115700758A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116121179A (zh) * | 2023-03-14 | 2023-05-16 | 苏州贝康医疗器械有限公司 | ***优选和检测方法、装置、电子设备及存储介质 |
CN116121179B (zh) * | 2023-03-14 | 2023-09-29 | 苏州贝康医疗器械有限公司 | ***优选和检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116952958B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN109255799B (zh) | 一种基于空间自适应相关滤波器的目标跟踪方法及*** | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN115272290A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN115700758A (zh) | 一种***活性的检测方法、装置、设备及存储介质 | |
CN116703925B (zh) | 一种轴承缺陷检测方法、装置、电子设备及存储介质 | |
CN117333443A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN116363444A (zh) | 模糊分类模型训练方法、识别模糊图像的方法及装置 | |
CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN117808848B (zh) | 一种识别跟踪方法、装置、电子设备及存储介质 | |
CN117275006A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN116952166B (zh) | 汽车门把手总成的零件检测方法、装置、设备及介质 | |
CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN115542100B (zh) | 绝缘子故障检测方法、装置、设备及介质 | |
CN117112816B (zh) | 安检图像的排序方法、装置、设备及存储介质 | |
CN117689660B (zh) | 基于机器视觉的保温杯温度质检方法 | |
CN118212668A (zh) | 一种目标识别方法、装置、电子设备及介质 | |
CN115880237A (zh) | 一种车用钢板合格检测方法、装置、设备及存储介质 | |
CN117745701A (zh) | 一种缺陷检测方法、装置、电子设备以及存储介质 | |
CN118014971A (zh) | 光伏组件的表面缺陷检测方法、装置、设备及存储介质 | |
CN117725614A (zh) | 一种车牌脱敏方法、装置、电子设备及存储介质 | |
CN118015036A (zh) | 一种多目标图像的标注方法、装置、设备及介质 | |
CN117761571A (zh) | 车灯动态效果的测试方法、装置、存储介质和电子设备 |
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 |