[go: up one dir, main page]

CN105809131A - 一种基于图像处理技术进行车位积水检测的方法及系统 - Google Patents

一种基于图像处理技术进行车位积水检测的方法及系统 Download PDF

Info

Publication number
CN105809131A
CN105809131A CN201610129872.7A CN201610129872A CN105809131A CN 105809131 A CN105809131 A CN 105809131A CN 201610129872 A CN201610129872 A CN 201610129872A CN 105809131 A CN105809131 A CN 105809131A
Authority
CN
China
Prior art keywords
hydrops
image
parking stall
image processing
module
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.)
Granted
Application number
CN201610129872.7A
Other languages
English (en)
Other versions
CN105809131B (zh
Inventor
潘钰华
吴旭宾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Daxuan Information Technology Co Ltd
Original Assignee
Ningbo Yulan Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo Yulan Information Technology Co Ltd filed Critical Ningbo Yulan Information Technology Co Ltd
Priority to CN201610129872.7A priority Critical patent/CN105809131B/zh
Publication of CN105809131A publication Critical patent/CN105809131A/zh
Application granted granted Critical
Publication of CN105809131B publication Critical patent/CN105809131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像处理技术进行车位积水检测的方法及系统，该方法包括室外白天场景积水模型训练；后视鱼眼镜头标定，保存内参矩阵和畸变系数矩阵；获取后视鱼眼镜头采集的视频流，对图像作畸变校正；设定检测区域，对区域内图像作颜色空间变换，分析像素点颜色特性和饱和度，保留符合设定阈值的像素点；形态学处理和连通区域分析，符合面积阈值的blob图像块作轮廓复杂度分析；比对后得到积水检测结果。系统由积水模型训练模块、鱼眼镜头标定模块、图像畸变校正模块、颜色特性分析模块、轮廓复杂度分析模块、特征提取与模型比对模块组成。本发明可以快速高效地识别出车位积水，更能满足用户的泊车智能化需求。

Description

一种基于图像处理技术进行车位积水检测的方法及系统
技术领域
本发明涉及汽车安全领域，具体是一种基于图像处理技术进行车位积水检测的方法及系统。
背景技术
汽车技术日新月异，无人驾驶、车联网、智能汽车等概念已成为当下的热门话题，与此相关的大数据、人工智能、图像处理等技术越来越成为该领域研究的热点和难点。
基于视频图像的智能泊车技术，是一种利用图像算法对所获取的视频流进行特征分析，最后引导车辆自动停车入位的智能技术。该技术对无人驾驶领域的研究具有重要意义。目前这些技术主要通过车位线检测和定位等方式实现，较少涉及车位内障碍物相关信息的分析，尤其未涉及车位内积水情况的检测分析。
发明内容
本发明的目的在于提供一种基于图像处理技术进行车位积水检测的方法及系统，可以快速高效地识别出车位积水，更能满足用户的泊车智能化需求。
为实现上述目的，本发明提供如下技术方案：
一种基于图像处理技术进行车位积水检测的方法，包括以下步骤：
1)室外白天场景积水模型训练；
2)后视鱼眼镜头标定，保存内参矩阵和畸变系数矩阵；
3)获取后视鱼眼镜头采集的视频流，对图像作畸变校正；
4)设定检测区域，对区域内图像作颜色空间变换，分析像素点颜色特性和饱和度，保留符合设定阈值的像素点；
5)形态学处理和连通区域分析，符合面积阈值的blob(binarylargeobject，二进制大对象)图像块作轮廓复杂度分析；
6)符合复杂度阈值的blob图像块进行特征提取与模型比对，得到积水检测结果。
作为本发明进一步的方案：步骤1)中，室外白天场景积水模型训练具体包括：截取网络图片中积水区域图片，建立正样本库；随机选取任意非积水区域图片建立负样本库；正负样本尺寸归一化；提取正负样本梯度信息和纹理信息作为特征，结合分类器进行训练得到室外白天场景积水模型。
作为本发明进一步的方案：积水区域图片为车位积水图片。
作为本发明进一步的方案：步骤4)中，分析像素点颜色特性和饱和度特性具体包括：将区域内RGB图像分别转换到YCrCb空间和HSV空间，分析各分量值是否在设定阈值范围内。
作为本发明进一步的方案：步骤5)中，轮廓复杂度分析具体包括：计算候选积水blob图像块的像素面积及外围轮廓像素周长，分析像素面积及外围轮廓像素周长的比例是否达到设定阈值要求，若达到设定阈值要求则认为满足轮廓复杂度要求。
一种基于图像处理技术进行车位积水检测的系统，由以下模块组成：
积水模型训练模块：用于进行室外白天场景积水模型训练；
鱼眼镜头标定模块：用于进行后视鱼眼镜头标定，保存内参矩阵和畸变系数矩阵；
图像畸变校正模块：用于获取后视鱼眼镜头采集的视频流，对图像作畸变校正；
颜色特性分析模块：用于设定检测区域，对区域内图像作颜色空间变换，分析像素点颜色特性和饱和度，保留符合设定阈值的像素点；
轮廓复杂度分析模块：用于进行形态学处理和连通区域分析，符合面积阈值的blob图像块作轮廓复杂度分析；
特征提取与模型比对模块：用于对符合复杂度阈值的blob图像块进行特征提取与模型比对，得到积水检测结果。
作为本发明进一步的方案：所述室外白天场景积水模型训练具体包括：截取网络图片中积水区域图片，建立正样本库；随机选取任意非积水区域图片建立负样本库；正负样本尺寸归一化；提取正负样本梯度信息和纹理信息作为特征，结合分类器进行训练得到室外白天场景积水模型。
作为本发明进一步的方案：积水区域图片为车位积水图片。
作为本发明进一步的方案：所述分析像素点颜色特性和饱和度特性具体包括：将区域内RGB图像分别转换到YCrCb空间和HSV空间，分析各分量值是否在设定阈值范围内。
作为本发明进一步的方案：所述轮廓复杂度分析具体包括：计算候选积水blob图像块的像素面积及外围轮廓像素周长，分析像素面积及外围轮廓像素周长的比例是否达到设定阈值要求，若达到设定阈值要求则认为满足轮廓复杂度要求。
与现有技术相比，本发明的有益效果是：
本发明提出的一种基于图像处理技术进行车位积水检测的方法及系统，可以直接利用图像序列特征分析车位内积水情况，进一步完善了智能泊车过程中车位内障碍物检测问题，为无人驾驶提供了辅助信息。本发明建立在智能汽车概念鱼眼相机信息基础上的车位积水检测技术，可以快速高效地识别出车位积水，更能满足用户的泊车智能化需求。
附图说明
图1是本发明的方法流程图；
图2是本发明的系统框图。
具体实施方式
下面将结合本发明实施例，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做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。
实施例1
本发明实施例中，如图1所示，为一种基于图像处理技术进行车位积水检测的方法的流程图，所述方法包括：
S101.室外白天场景积水模型训练；
S102.后视鱼眼镜头标定，保存内参矩阵和畸变系数矩阵；
S103.获取后视鱼眼镜头采集的视频流，对图像作畸变校正；
S104.设定检测区域，对区域内图像作颜色空间变换，分析像素点颜色特性和饱和度，保留符合设定阈值的像素点；
S105.形态学处理和连通区域分析，符合面积阈值的blob图像块作轮廓复杂度分析；
S106.符合复杂度阈值的blob图像块进行特征提取与模型比对，得到积水检测结果。
截取网络图片中积水区域图片，尤其是车位积水图片，建立正样本库；随机选取任意非积水区域图片建立负样本库；正负样本尺寸归一化；
利用EOH或HOG等直方图算法提取正负样本梯度信息，利用Gabor或LBP等算法提取纹理信息，融合梯度和纹理作为该样本特征；使用SVM或Adaboost等分类器对正负样本进行训练，得到室外白天场景积水模型；
制作黑白棋盘格，宽度为14格，高度为10格，格子长宽均为6cm；
利用后视鱼眼摄像头拍摄10幅以上不同角度的图片进行相机标定，得到内参及畸变系数矩阵并保存；
泊车启动后，实时获取后视鱼眼镜头采集的视频流，调用标定参数进行图像畸变校正；
设定检测区域，将区域内RGB图像分别转换到YCrCb空间和HSV空间，分析Cr、Cb、Cr-Cb及S等分量值是否在设定阈值范围内，若在设定阈值范围内则保留，否则将像素值设为零。
计算候选积水blob图像块的像素面积及外围轮廓像素周长，分析像素面积及外围轮廓像素周长的比例是否大于设定阈值，若达到设定阈值要求则保留，否则将像素值设为零。
同样利用梯度和纹理算子对符合复杂度阈值的blob图像块进行特征提取并与模型特征作比对，得到积水检测结果。
如图2所示，本发明实施例1还提出了一种基于图像处理技术进行车位积水检测的系统，所述系统是通过以下技术方案实现的：
一种基于图像处理技术进行车位积水检测的系统，所述系统包括：
积水模型训练模块：用于进行室外白天场景积水模型训练；
鱼眼镜头标定模块：用于进行后视鱼眼镜头标定，保存内参矩阵和畸变系数矩阵；
图像畸变校正模块：用于获取后视鱼眼镜头采集的视频流，对图像作畸变校正；
颜色特性分析模块：用于设定检测区域，对区域内图像作颜色空间变换，分析像素点颜色特性和饱和度，保留符合设定阈值的像素点；
轮廓复杂度分析模块：用于进行形态学处理和连通区域分析，符合面积阈值的blob图像块作轮廓复杂度分析；
特征提取与模型比对模块：用于对符合复杂度阈值的blob图像块进行特征提取与模型比对，得到积水检测结果。
本发明实施例提出的一种基于图像处理技术进行车位积水检测的方法及系统，可以直接利用图像序列特征分析车位内积水情况，进一步完善了智能泊车过程中车位内障碍物检测问题，为无人驾驶提供了辅助信息。因此，本发明实施例建立在智能汽车概念鱼眼相机信息基础上的车位积水检测技术，同现有方法相比，可以快速高效地识别出车位积水，更能满足用户的泊车智能化需求。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种基于图像处理技术进行车位积水检测的方法，其特征在于，包括以下步骤：
1)室外白天场景积水模型训练；
2)后视鱼眼镜头标定，保存内参矩阵和畸变系数矩阵；
3)获取后视鱼眼镜头采集的视频流，对图像作畸变校正；
4)设定检测区域，对区域内图像作颜色空间变换，分析像素点颜色特性和饱和度，保留符合设定阈值的像素点；
5)形态学处理和连通区域分析，符合面积阈值的blob图像块作轮廓复杂度分析；
6)符合复杂度阈值的blob图像块进行特征提取与模型比对，得到积水检测结果。
2.根据权利要求1所述的基于图像处理技术进行车位积水检测的方法，其特征在于，步骤1)中，室外白天场景积水模型训练具体包括：截取网络图片中积水区域图片，建立正样本库；随机选取任意非积水区域图片建立负样本库；正负样本尺寸归一化；提取正负样本梯度信息和纹理信息作为特征，结合分类器进行训练得到室外白天场景积水模型。
3.根据权利要求2所述的基于图像处理技术进行车位积水检测的方法，其特征在于，积水区域图片为车位积水图片。
4.根据权利要求1所述的基于图像处理技术进行车位积水检测的方法，其特征在于，步骤4)中，分析像素点颜色特性和饱和度特性具体包括：将区域内RGB图像分别转换到YCrCb空间和HSV空间，分析各分量值是否在设定阈值范围内。
5.根据权利要求1所述的基于图像处理技术进行车位积水检测的方法，其特征在于，步骤5)中，轮廓复杂度分析具体包括：计算候选积水blob图像块的像素面积及外围轮廓像素周长，分析像素面积及外围轮廓像素周长的比例是否达到设定阈值要求，若达到设定阈值要求则认为满足轮廓复杂度要求。
6.一种基于图像处理技术进行车位积水检测的系统，其特征在于，由以下模块组成：
积水模型训练模块：用于进行室外白天场景积水模型训练；
鱼眼镜头标定模块：用于进行后视鱼眼镜头标定，保存内参矩阵和畸变系数矩阵；
图像畸变校正模块：用于获取后视鱼眼镜头采集的视频流，对图像作畸变校正；
颜色特性分析模块：用于设定检测区域，对区域内图像作颜色空间变换，分析像素点颜色特性和饱和度，保留符合设定阈值的像素点；
轮廓复杂度分析模块：用于进行形态学处理和连通区域分析，符合面积阈值的blob图像块作轮廓复杂度分析；
特征提取与模型比对模块：用于对符合复杂度阈值的blob图像块进行特征提取与模型比对，得到积水检测结果。
7.根据权利要求6所述的基于图像处理技术进行车位积水检测的系统，其特征在于，所述室外白天场景积水模型训练具体包括：截取网络图片中积水区域图片，建立正样本库；随机选取任意非积水区域图片建立负样本库；正负样本尺寸归一化；提取正负样本梯度信息和纹理信息作为特征，结合分类器进行训练得到室外白天场景积水模型。
8.根据权利要求7所述的基于图像处理技术进行车位积水检测的系统，其特征在于，积水区域图片为车位积水图片。
9.根据权利要求6所述的基于图像处理技术进行车位积水检测的系统，其特征在于，所述分析像素点颜色特性和饱和度特性具体包括：将区域内RGB图像分别转换到YCrCb空间和HSV空间，分析各分量值是否在设定阈值范围内。
10.根据权利要求6所述的基于图像处理技术进行车位积水检测的系统，其特征在于，所述轮廓复杂度分析具体包括：计算候选积水blob图像块的像素面积及外围轮廓像素周长，分析像素面积及外围轮廓像素周长的比例是否达到设定阈值要求，若达到设定阈值要求则认为满足轮廓复杂度要求。
CN201610129872.7A 2016-03-08 2016-03-08 一种基于图像处理技术进行车位积水检测的方法及系统 Active CN105809131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610129872.7A CN105809131B (zh) 2016-03-08 2016-03-08 一种基于图像处理技术进行车位积水检测的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610129872.7A CN105809131B (zh) 2016-03-08 2016-03-08 一种基于图像处理技术进行车位积水检测的方法及系统

Publications (2)

Publication Number Publication Date
CN105809131A true CN105809131A (zh) 2016-07-27
CN105809131B CN105809131B (zh) 2019-10-15

Family

ID=56467836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610129872.7A Active CN105809131B (zh) 2016-03-08 2016-03-08 一种基于图像处理技术进行车位积水检测的方法及系统

Country Status (1)

Country Link
CN (1) CN105809131B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107818685A (zh) * 2017-10-25 2018-03-20 司法部司法鉴定科学技术研究所 一种基于车载视频获取车辆运动状态的方法
CN107862679A (zh) * 2017-10-20 2018-03-30 歌尔股份有限公司 图像检测区域的确定方法及装置
CN107909070A (zh) * 2017-11-24 2018-04-13 天津英田视讯科技有限公司 一种道路积水检测的方法
CN111027461A (zh) * 2019-12-06 2020-04-17 长安大学 基于多维单步lstm网络的车辆轨迹预测方法
CN111219922A (zh) * 2018-11-23 2020-06-02 宁波泽锦电器科技有限公司 多功能卧式冷藏柜
CN112172798A (zh) * 2020-09-28 2021-01-05 惠州华阳通用电子有限公司 一种基于积水环境的泊车方法及存储介质
CN112193240A (zh) * 2020-09-28 2021-01-08 惠州华阳通用电子有限公司 一种基于积水信息的泊车方法
CN112842184A (zh) * 2021-02-25 2021-05-28 深圳市银星智能科技股份有限公司 一种清扫方法及清洁机器人
CN112966782A (zh) * 2021-04-09 2021-06-15 深圳市豪恩汽车电子装备股份有限公司 一种多视角特征融合的路面积水检测识别方法
CN113044023A (zh) * 2020-09-30 2021-06-29 惠州华阳通用电子有限公司 一种停车位积水识别方法及装置
CN114758139A (zh) * 2022-06-16 2022-07-15 成都鹏业软件股份有限公司 基坑积水检测方法
CN114820468A (zh) * 2022-04-06 2022-07-29 上海擎测机电工程技术有限公司 一种基于可变色纸和图像识别的积水检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070267993A1 (en) * 2006-05-22 2007-11-22 Valeo Vision Method for detecting rain on a windscreen
US20120070071A1 (en) * 2010-09-16 2012-03-22 California Institute Of Technology Systems and methods for automated water detection using visible sensors
CN102509098A (zh) * 2011-10-08 2012-06-20 天津大学 一种鱼眼图像车辆识别方法
CN102901489A (zh) * 2011-07-25 2013-01-30 中兴通讯股份有限公司 路面积水积冰检测方法及装置
CN103116743A (zh) * 2013-02-01 2013-05-22 浙江捷尚视觉科技有限公司 一种基于在线学习的铁路障碍物检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070267993A1 (en) * 2006-05-22 2007-11-22 Valeo Vision Method for detecting rain on a windscreen
US20120070071A1 (en) * 2010-09-16 2012-03-22 California Institute Of Technology Systems and methods for automated water detection using visible sensors
CN102901489A (zh) * 2011-07-25 2013-01-30 中兴通讯股份有限公司 路面积水积冰检测方法及装置
CN102509098A (zh) * 2011-10-08 2012-06-20 天津大学 一种鱼眼图像车辆识别方法
CN103116743A (zh) * 2013-02-01 2013-05-22 浙江捷尚视觉科技有限公司 一种基于在线学习的铁路障碍物检测方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862679A (zh) * 2017-10-20 2018-03-30 歌尔股份有限公司 图像检测区域的确定方法及装置
CN107818685A (zh) * 2017-10-25 2018-03-20 司法部司法鉴定科学技术研究所 一种基于车载视频获取车辆运动状态的方法
CN107909070A (zh) * 2017-11-24 2018-04-13 天津英田视讯科技有限公司 一种道路积水检测的方法
CN111219922A (zh) * 2018-11-23 2020-06-02 宁波泽锦电器科技有限公司 多功能卧式冷藏柜
CN111027461A (zh) * 2019-12-06 2020-04-17 长安大学 基于多维单步lstm网络的车辆轨迹预测方法
CN111027461B (zh) * 2019-12-06 2022-04-29 长安大学 基于多维单步lstm网络的车辆轨迹预测方法
CN112172798B (zh) * 2020-09-28 2022-02-01 惠州华阳通用电子有限公司 一种基于积水环境的泊车方法及存储介质
CN112172798A (zh) * 2020-09-28 2021-01-05 惠州华阳通用电子有限公司 一种基于积水环境的泊车方法及存储介质
CN112193240A (zh) * 2020-09-28 2021-01-08 惠州华阳通用电子有限公司 一种基于积水信息的泊车方法
CN112193240B (zh) * 2020-09-28 2022-02-01 惠州华阳通用电子有限公司 一种基于积水信息的泊车方法
CN113044023B (zh) * 2020-09-30 2022-04-01 惠州华阳通用电子有限公司 一种停车位积水识别方法及装置
CN113044023A (zh) * 2020-09-30 2021-06-29 惠州华阳通用电子有限公司 一种停车位积水识别方法及装置
CN112842184A (zh) * 2021-02-25 2021-05-28 深圳市银星智能科技股份有限公司 一种清扫方法及清洁机器人
CN112966782A (zh) * 2021-04-09 2021-06-15 深圳市豪恩汽车电子装备股份有限公司 一种多视角特征融合的路面积水检测识别方法
CN112966782B (zh) * 2021-04-09 2024-08-02 深圳市豪恩汽车电子装备股份有限公司 一种多视角特征融合的路面积水检测识别方法
CN114820468A (zh) * 2022-04-06 2022-07-29 上海擎测机电工程技术有限公司 一种基于可变色纸和图像识别的积水检测方法
CN114758139A (zh) * 2022-06-16 2022-07-15 成都鹏业软件股份有限公司 基坑积水检测方法
CN114758139B (zh) * 2022-06-16 2022-10-21 成都鹏业软件股份有限公司 基坑积水检测方法

Also Published As

Publication number Publication date
CN105809131B (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN105809131A (zh) 一种基于图像处理技术进行车位积水检测的方法及系统
CN116681636B (zh) 基于卷积神经网络的轻量化红外与可见光图像融合方法
Alvarez et al. Road detection based on illuminant invariance
Davis et al. Background-subtraction in thermal imagery using contour saliency
CN102968782B (zh) 一种彩色图像中显著对象的自动抠取方法
CN106682601B (zh) 一种基于多维信息特征融合的驾驶员违规通话检测方法
US8934669B2 (en) Self-adaptive image-based obstacle detection method
US20140240477A1 (en) Multi-spectral imaging system for shadow detection and attenuation
JP2019012426A (ja) 画像認識装置、学習装置、画像認識方法、学習方法及びプログラム
CN112204566B (zh) 基于机器视觉的图像处理方法和设备
CN107944403B (zh) 一种图像中的行人属性检测方法及装置
CN109345547A (zh) 基于深度学习多任务网络的交通车道线检测方法及装置
CN105374013A (zh) 基于双暗通道先验的图像能见度修复方法及图像处理装置
AU2015234329A1 (en) Method, system and apparatus for processing an image
CN114022823A (zh) 一种遮挡驱动的行人再识别方法、系统及可存储介质
WO2019013252A1 (ja) 車両周囲認識装置
US8498496B2 (en) Method and apparatus for filtering red and/or golden eye artifacts
CN116309607A (zh) 基于机器视觉的船艇式智能水上救援平台
CN107122732B (zh) 一种监控场景下高鲁棒性的快速车牌定位方法
CN116188859A (zh) 一种基于超分和检测网络的茶叶病害无人机遥感监测方法
CN112204945A (zh) 图像处理方法、设备、拍摄装置、可移动平台及存储介质
CN114220087B (zh) 一种车牌检测方法、车牌检测器及相关设备
CN109410169B (zh) 一种图像背景干扰度的识别方法及装置
CN104299234A (zh) 视频数据中雨场去除的方法和系统
JP2001167273A (ja) 顔面検出方法及びその装置、コンピュータ可読媒体

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20200610

Address after: 200333 room 124, No.3, Lane 129, Lane 822, Zhennan Road, Putuo District, Shanghai

Patentee after: Shanghai yingma Information Technology Co.,Ltd.

Address before: 315700 Ningbo, Xiangshan Province Economic Development Zone, Park Road, No. 98

Patentee before: NINGBO YULAN INFORMATION TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220818

Address after: Room 1606, Youte Headquarters Building, No. 88, Xingye Road, Xiangzhou District, Zhuhai City, Guangdong Province, 519000

Patentee after: Zhuhai Daxuan Information Technology Co., Ltd.

Address before: Room 124, No. 3, Lane 129, Lane 129, Lane 822, Zhennan Road, Putuo District, Shanghai 200333

Patentee before: Shanghai yingma Information Technology Co.,Ltd.

TR01 Transfer of patent right