CN117274221A - 一种在线检测固体药物颗粒粒度的方法及*** - Google Patents
一种在线检测固体药物颗粒粒度的方法及*** Download PDFInfo
- Publication number
- CN117274221A CN117274221A CN202311312413.9A CN202311312413A CN117274221A CN 117274221 A CN117274221 A CN 117274221A CN 202311312413 A CN202311312413 A CN 202311312413A CN 117274221 A CN117274221 A CN 117274221A
- Authority
- CN
- China
- Prior art keywords
- image
- solid medicine
- solid
- particle size
- medicine
- 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
- 229940126589 solid medicine Drugs 0.000 title claims abstract description 71
- 239000002245 particle Substances 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 16
- 239000003814 drug Substances 0.000 claims abstract description 48
- 229940079593 drug Drugs 0.000 claims description 36
- 239000007787 solid Substances 0.000 claims description 26
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Medical Preparation Storing Or Oral Administration Devices (AREA)
Abstract
本发明涉及图像识别技术领域,具体公开了一种在线检测固体药物颗粒粒度的方法及***,包括:云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合;所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数;根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。本发明设计的药物粒度检测***,只需要对药物进行拍摄即可确定药物粒度,流程简单,成本低廉。
Description
技术领域
本发明涉及一种图像识别技术,尤其涉及一种在线检测固体药物颗粒粒度的方法及***。
背景技术
目前,药物颗粒度的检测通常采用的是过筛检测,具体由筛分粒度、沉降粒度和等效粒度等几种表示方式。
但是,过筛检测需要进行多次过筛,流程复杂,并且针对药物颗粒的粒度检测,过筛检测需要较高的控制精度,导致检测成本高,检测时间长。
发明内容
为解决上述背景技术中提出的问题,本发明提供了一种在线检测固体药物颗粒粒度的方法。本发明还提供了一种在线检测固体药物颗粒粒度的***。
本发明提供的一种在线检测固体药物颗粒粒度的方法,包括:
云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;
所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合;
所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数;
根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。
可选的,所述摄像设备为高清摄像机。
可选的,还包括:
所述云服务器将计算获得的固体药物颗粒粒度发送到所述用户端。
可选的,所述云服务器和所述用户端以及所述摄像设备通过互联网连接。
可选的,所述通过图像识别获得所述图像中所述固体药物的外形,包括:
采用卷积神经网络对图像进行像素筛选;
基于筛选出的所述像素对所述外形的边界进行提取。
本发明还提供一种在线检测固体药物颗粒粒度的***,包括:
指令模块,用于云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;
采集模块,用于所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合;
处理模块,用于所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数;
计算模块,用于根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。
可选的,所述摄像设备为高清摄像机。
可选的,还包括:
发送模块,用于所述云服务器将计算获得的固体药物颗粒粒度发送到所述用户端。
可选的,所述云服务器和所述用户端以及所述摄像设备通过互联网连接。
可选的,所述通过图像识别获得所述图像中所述固体药物的外形,包括:
采用卷积神经网络对图像进行像素筛选;
基于筛选出的所述像素对所述外形的边界进行提取。
本发明相对于现有技术的优点是:
本发明提供的一种在线检测固体药物颗粒粒度的方法及药物粒度检测***,通过利用图像识别技术,只需要对药物进行拍摄即可确定药物粒度,流程简单,成本低廉。
附图说明
图1是本发明中在线检测固体药物颗粒粒度的流程图。
图2是本发明中获得图像中所述固体药物的外形的流程图。
图3是本发明中在线检测固体药物颗粒粒度***示意图。
具体实施方式
以下内容均是为了详细说明本发明要保护的技术方案所提供的具体实施过程的示例,但是本发明还可以采用不同于此描述的其他方式实施,本领域技术人员可以在本发明构思的指引下,采用不同的技术手段实现本发明,因此本发明不受下面具体实施例的限制。
本发明提供的一种在线检测固体药物颗粒粒度的方法,包括:云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合;所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数;根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。
图1是本发明中在线检测固体药物颗粒粒度的流程图。
请参照图1所示,S101云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;
用户端为操作和显示端,所述用户端与所述云服务器通过有线或者无线网络连接,例如所述云服务器和所述用户端以及所述摄像设备通过互联网连接。所述操作端可以是手机、笔记本电能以及其他手持设备。
所述操作端可以根据操作人员输入的指令,向所述云服务器传输指令信息,并对所述指令信息解读,生成控制指令。
所述控制指令将被发送到摄像设备中,所述摄像设备根据所述控制指令启动,并开始拍摄任务。
具体的,所述药物应当是平铺在一个平面上,该平面的颜色应当与所述药物颗粒的颜色具有反差,本领域技术人员根据实际情况进行设置,其中至少采用两种不同平面颜色进行拍摄。
所述平铺的方式采用一定频率的振动,是药物颗粒在平面上均匀散开。接着,所述摄像设备开始摄取所述固体药物颗粒的平面图像。优选的,所述摄像设备为高清摄像机。
请参照图1所示,S102所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合。
所述摄像设备的一侧设置有测距传感器,该测距传感器可以是激光测距传感器。所述测距传感器检测所述平面到所述摄像设备的距离数据。
具体的,所述摄像设备拍摄到药物颗粒数据后,在该数据中加入所述距离数据,并以预设的编码方式进行编码,生成数据包。
将所述数据包发送到云服务器中进行解码,获得图像数据和距离数据。
具体的,获取所述图像数据和距离数据的步骤是:所述摄像设备接收到控制指令后启动,并在启动后进行图像拍摄。同时所述测距传感器检测所述摄像设备是否启动,当检测到所述摄像设备已经启动后,即开始进行第一次测距。
另外,当第一次拍摄完成,所述测距传感器接收所述云服务器发送给所述摄像设备的拍摄控制指令,并在所述摄像设备开启拍摄前进行第二次到多次的测距。
S103所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数。
图2是本发明中获得图像中所述固体药物的外形的流程图。
请参照图2所示,S201采用卷积神经网络对图像进行像素筛选。
请参照图2所示,S202基于筛选出的所述像素对所述外形的边界进行提取。
具体的,所述图像识别采用卷积神经网络模型进行,所述卷积神经网络模型包括有三层卷积层和融合层,其步骤如下:
所述图像分别至少由两种平面颜色的两幅图像,每一幅图像分别输入到所述卷积神经网络中。
在所述卷积层,所述图像转换为灰度图像,并进行像素识别,分别为每个像素进行赋值。所述赋值是指,设置有多个具有梯度的灰度值区间,检测所述灰度图像的每个像素的灰度值,将所述灰度值调整为该灰度值所处的灰度值区间的中位数。所述梯度是指多个预设的灰度值阈值,所述灰度值区间是指两个梯度之间的连续灰度值。
每一层所述卷积层对所述灰度值进行不同灰度值区间范围的赋值,形成赋值图像。
将两幅赋值图像输入到融合层,读取所述两幅图像的灰度值,将具有重合属性的灰度值进行合并。所述重合属性是指灰度值保持连续的图像像素的位置是相同的。
将融合后的所述赋值图像提取出来作为读图图像,识别所述读图图像中图像的形状,将符合预设形状的所述形状读取并进行计数,以及进行形状大小的测量。
S104根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。
完成上述步骤后,获得了所述固体药物颗粒的两个数据,其一是数量,其二是每个药物颗粒的尺寸。
将所述药物颗粒的尺寸提取出来,并结合所述距离数据进行所述药物颗粒大小的计算,计算公式如下:
其中,所述A是所述固体药物颗粒的真实尺寸,所述m是当前视角内拍摄图像的像素一行或者一列的数量,所述L是距离数据,所述n是识别的固体药物颗粒的最大的一行或者一列的数据,所述λ是相机的视角。
根据所述计数以及所述真实尺寸,分别计算固体药物尺寸,以及所占的比例,完成固体药物粒度的检测。
最后,所述云服务器将计算获得的固体药物颗粒粒度发送到所述用户端。
本发明还提供一种在线检测固体药物颗粒粒度的***,包括有指令模块301、采集模块302、处理模块303、计算模块304。
请参照图3所示,指令模块301,用于云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;
用户端为操作和显示端,所述用户端与所述云服务器通过有线或者无线网络连接,例如所述云服务器和所述用户端以及所述摄像设备通过互联网连接。所述操作端可以是手机、笔记本电能以及其他手持设备。
所述操作端可以根据操作人员输入的指令,向所述云服务器传输指令信息,并对所述指令信息解读,生成控制指令。
所述控制指令将被发送到摄像设备中,所述摄像设备根据所述控制指令启动,并开始拍摄任务。
具体的,所述药物应当是平铺在一个平面上,该平面的颜色应当与所述药物颗粒的颜色具有反差,本领域技术人员根据实际情况进行设置,其中至少采用两种不同平面颜色进行拍摄。
所述平铺的方式采用一定频率的振动,是药物颗粒在平面上均匀散开。接着,所述摄像设备开始摄取所述固体药物颗粒的平面图像。优选的,所述摄像设备为高清摄像机。
请参照图3所示,采集模块302,用于所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合。
所述摄像设备的一侧设置有测距传感器,该测距传感器可以是激光测距传感器。所述测距传感器检测所述平面到所述摄像设备的距离数据。
具体的,所述摄像设备拍摄到药物颗粒数据后,在该数据中加入所述距离数据,并以预设的编码方式进行编码,生成数据包。
将所述数据包发送到云服务器中进行解码,获得图像数据和距离数据。
具体的,获取所述图像数据和距离数据的步骤是:所述摄像设备接收到控制指令后启动,并在启动后进行图像拍摄。同时所述测距传感器检测所述摄像设备是否启动,当检测到所述摄像设备已经启动后,即开始进行第一次测距。
另外,当第一次拍摄完成,所述测距传感器接收所述云服务器发送给所述摄像设备的拍摄控制指令,并在所述摄像设备开启拍摄前进行第二次到多次的测距。
请参照图3所示,处理模块303,用于所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数。
所述处理模块包括:
筛选模块,用于采用卷积神经网络对图像进行像素筛选。
提取模块,用于基于筛选出的所述像素对所述外形的边界进行提取。
具体的,所述图像识别采用卷积神经网络模型进行,所述卷积神经网络模型包括有三层卷积层和融合层,其步骤如下:
所述图像分别至少由两种平面颜色的两幅图像,每一幅图像分别输入到所述卷积神经网络中。
在所述卷积层,所述图像转换为灰度图像,并进行像素识别,分别为每个像素进行赋值。所述赋值是指,设置有多个具有梯度的灰度值区间,检测所述灰度图像的每个像素的灰度值,将所述灰度值调整为该灰度值所处的阈值区间的中位数。
每一层所述卷积层对所述灰度值进行不同灰度值区间范围的赋值,形成赋值图像。
将两幅赋值图像输入到融合层,读取所述两幅图像的灰度值,将具有重合属性的灰度值进行合并。所述重合属性是指灰度值保持连续的图像像素的位置是相同的。
将融合后的所述赋值图像提取出来作为读图图像,识别所述读图图像中图像的形状,将符合预设形状的所述形状读取并进行计数,以及进行形状大小的测量。所述预设形状是指根据固体颗粒药物建立的图像,包括形状和大小,该预设形状具有多个,分别为所述颗粒药物不同投影面的形状。具体的,所述预设形状的获取包括:通过3D软件绘制,并根据预设的多个投影面摄取图像,提取所述图像并存储,并作为所述预设形状。
请参照图3所示,计算模块304,用于根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。
完成上述步骤后,获得了所述固体药物颗粒的两个数据,其一是数量,其二是每个药物颗粒的尺寸。
将所述药物颗粒的尺寸提取出来,并结合所述距离数据进行所述药物颗粒大小的计算,计算公式如下:
其中,所述A是所述固体药物颗粒的真实尺寸,所述m是当前视角内拍摄图像的像素一行或者一列的数量,所述L是距离数据,所述n是识别的固体药物颗粒的最大的一行或者一列的数据,所述λ是相机的视角。
根据所述计数以及所述真实尺寸,分别计算固体药物尺寸,以及所占的比例,完成固体药物粒度的检测。
最后,所述云服务器将计算获得的固体药物颗粒粒度发送到所述用户端。
本发明上述内容中尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种在线检测固体药物颗粒粒度的方法,其特征在于,包括:云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;
所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合;
所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数;
根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。
2.根据权利要求1所述的在线检测固体药物颗粒粒度的方法,其特征在于,所述摄像设备为高清摄像机。
3.根据权利要求1所述的在线检测固体药物颗粒粒度的方法,其特征在于,还包括:
所述云服务器将计算获得的固体药物颗粒粒度发送到所述用户端。
4.根据权利要求1所述的在线检测固体药物颗粒粒度的方法,其特征在于,所述云服务器和所述用户端以及所述摄像设备通过互联网连接。
5.根据权利要求1所述的在线检测固体药物颗粒粒度的方法,其特征在于,所述通过图像识别获得所述图像中所述固体药物的外形,包括:
采用卷积神经网络对图像进行像素筛选;
基于筛选出的所述像素对所述外形的边界进行提取。
6.一种在线检测固体药物颗粒粒度的***,其特征在于,包括:
指令模块,用于云服务器接收来自用户端的指令信息,并根据所述指令信息启动摄像设备获取固体药物图像;
采集模块,用于所述摄像设备在采集所述固体药物图像时,发送测距指令到测距传感器,并在所述摄像设备获取的图像中,将所述测距传感器测量的距离数值进行融合;
处理模块,用于所述云服务器获取到所述固体药物图像,通过图像识别获得所述图像中所述固体药物的外形,并基于所述外形对所述固体药物进行计数;
计算模块,用于根据所述计数以及所述图像中带有距离数值,计算所述固体药物的颗粒度。
7.根据权利要求6所述的在线检测固体药物颗粒粒度的***,其特征在于,所述摄像设备为高清摄像机。
8.根据权利要求6所述的在线检测固体药物颗粒粒度的***,其特征在于,还包括:
发送模块,用于所述云服务器将计算获得的固体药物颗粒粒度发送到所述用户端。
9.根据权利要求6所述的在线检测固体药物颗粒粒度的***,其特征在于,所述云服务器和所述用户端以及所述摄像设备通过互联网连接。
10.根据权利要求6所述的在线检测固体药物颗粒粒度的***,其特征在于,所述通过图像识别获得所述图像中所述固体药物的外形,包括:
采用卷积神经网络对图像进行像素筛选;
基于筛选出的所述像素对所述外形的边界进行提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311312413.9A CN117274221A (zh) | 2023-10-10 | 2023-10-10 | 一种在线检测固体药物颗粒粒度的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311312413.9A CN117274221A (zh) | 2023-10-10 | 2023-10-10 | 一种在线检测固体药物颗粒粒度的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117274221A true CN117274221A (zh) | 2023-12-22 |
Family
ID=89206031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311312413.9A Pending CN117274221A (zh) | 2023-10-10 | 2023-10-10 | 一种在线检测固体药物颗粒粒度的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274221A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
JP2018156408A (ja) * | 2017-03-17 | 2018-10-04 | マクセル株式会社 | 画像認識撮像装置 |
CN113781481A (zh) * | 2021-11-11 | 2021-12-10 | 滨州学院 | 非接触测量物体形状和尺寸的方法、装置以及电子设备 |
CN114324078A (zh) * | 2021-12-24 | 2022-04-12 | 中煤科工清洁能源股份有限公司 | 一种颗粒粒径识别方法、装置、设备和介质 |
CN114445661A (zh) * | 2022-01-24 | 2022-05-06 | 电子科技大学 | 一种基于边缘计算的嵌入式图像识别方法 |
-
2023
- 2023-10-10 CN CN202311312413.9A patent/CN117274221A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018156408A (ja) * | 2017-03-17 | 2018-10-04 | マクセル株式会社 | 画像認識撮像装置 |
CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN113781481A (zh) * | 2021-11-11 | 2021-12-10 | 滨州学院 | 非接触测量物体形状和尺寸的方法、装置以及电子设备 |
CN114324078A (zh) * | 2021-12-24 | 2022-04-12 | 中煤科工清洁能源股份有限公司 | 一种颗粒粒径识别方法、装置、设备和介质 |
CN114445661A (zh) * | 2022-01-24 | 2022-05-06 | 电子科技大学 | 一种基于边缘计算的嵌入式图像识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108886582B (zh) | 摄像装置及聚焦控制方法 | |
CN107438173B (zh) | 视频处理装置、视频处理方法和存储介质 | |
US7554575B2 (en) | Fast imaging system calibration | |
JP6195915B2 (ja) | 画像計測装置 | |
IL256885A (en) | Device and methods for facial recognition and video analysis for identifying individuals in the context of video streaming | |
WO2021136386A1 (zh) | 数据处理方法、终端和服务器 | |
US8666145B2 (en) | System and method for identifying a region of interest in a digital image | |
CN104246793A (zh) | 移动设备的三维脸部识别 | |
CN105744138B (zh) | 快速对焦方法和电子设备 | |
JP2003244521A (ja) | 情報処理方法、装置および記録媒体 | |
CN103516983A (zh) | 图像处理装置、摄像装置以及图像处理方法 | |
KR20130027520A (ko) | 피부색 영역 및 얼굴 영역에 기초한 뷰포인트 검출기 | |
CN107659985B (zh) | 降低移动终端功耗的方法、装置、存储介质和移动终端 | |
CN109313806A (zh) | 图像处理装置、图像处理***、图像处理方法和程序 | |
CN103402058A (zh) | 一种拍摄图像的处理方法及装置 | |
CN111757084A (zh) | 一种立体图像的采集方法、采集装置及可读存储介质 | |
JP2016217944A (ja) | 計測装置、および計測方法 | |
CN113838151A (zh) | 相机标定方法、装置、设备及介质 | |
CN117274221A (zh) | 一种在线检测固体药物颗粒粒度的方法及*** | |
CN111279352B (zh) | 通过投球练习的三维信息获取***及摄像头参数算出方法 | |
CN114913470B (zh) | 一种事件检测方法及装置 | |
CN109101646B (zh) | 数据处理方法、装置、***及计算机可读介质 | |
JP2017067737A (ja) | 寸法計測装置、寸法計測方法およびプログラム | |
CN107067468B (zh) | 一种信息处理方法及电子设备 | |
CN110726407A (zh) | 一种定位监控方法及装置 |
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 |