-
公开(公告)号:CN118840757A
公开(公告)日:2024-10-25
申请号:CN202410848110.7
申请日:2024-06-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06V30/148 , G06T5/30 , G06T7/73 , G06T7/80 , G06N20/00
Abstract: 本发明涉及一种半自动指针式仪表盘识别方法,属于图像识别领域。本发明用户在拍摄的指针式仪表盘图像上,标定能确定仪表盘位置的、不在一条直线上的3个点;系统根据用户标定的3个点生成一个覆盖仪表盘的扇形区域作为仪表盘预标定扇形模版,并记录扇形区域在图像上的位置;用户在实际拍摄仪表盘图像时,系统在图像上固定位置,叠加显示为仪表盘预标定扇形模版,协助用户定位对准仪表盘;系统计算一个与实际指针重合的直线段,根据该直线段与最小刻度、最大刻度的相对位置,识别指针对应的读数。本发明能够适应多种指针式仪表盘的识别,不仅计算量小,而且准确率高,在数据采集领域中能发挥重要作用。
-
公开(公告)号:CN118840384A
公开(公告)日:2024-10-25
申请号:CN202410848888.8
申请日:2024-06-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
Abstract: 本发明涉及一种计算图像中角点及其夹边的方法,属于计算机视觉或机器视觉领域。本发明的方法包括:计算候选角点各条径向线段的平均梯度:计算图像中候选角点向四周延伸的各条径向线段上点的平均梯度;选择候选角点的两条夹边:根据候选角点的各条径向线段的平均梯度,选择两条径向线段作为候选角点的夹边;选择一个区域中的实际角点:候选角点与其附近的其他候选角点比较,进行非极大值抑制,保留夹边候选梯度较大的候选角点,删除夹边候选梯度较小的候选角点。本发明的计算图像中角点及其夹边的方法,采用计算机图形学技术和计算机图像处理技术结合,计算简单,在计算角点位置的同时,能计算角点的两条夹边。
-
公开(公告)号:CN118646539A
公开(公告)日:2024-09-13
申请号:CN202410849228.1
申请日:2024-06-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: H04L9/32
Abstract: 本发明涉及一种双因素物联网认证方法,属于物联网领域。本发明的方法包括:在物联网设备和物联网节点上创建文件系统,存储密钥、数据、PUF挑战‑响应对;物联网设备和物联网节点相互存储对方的PUF挑战‑响应对;物联网设备利用密码学和PUF认证物联网节点的真伪;物联网节点利用密码学和PUF认证物联网设备的真伪。本发明提出的利用密码学和物理不可克隆函数(PUF)的双因素物联网认证方法,能够有效防止物联网设备和物联网节点的假冒,增强了物联网系统的安全,能促进物联网的广泛应用。
-
公开(公告)号:CN112149768B
公开(公告)日:2024-05-14
申请号:CN202010991479.5
申请日:2020-09-17
Applicant: 北京计算机技术及应用研究所
IPC: G06K17/00 , G06N3/0464 , G06N3/09 , H04N7/18
Abstract: 本发明涉及一种融合视频监控和射频识别统计影院观众数目的方法,包括:在正常入座情况下,计算机控制摄像头拍摄图像,对图像中每个座位进行标定,然后根据各个座位在图像中的坐标,截取各个座位的图像,进行基准校正;将有无观众的座位图像,输入深度神经网络进行训练,得到判定座位是否有人的深度神经网络模型,读写器识别一个影院中全部座位的标签,统计各个座位的射频识别标签的信号强度范围,建立信号强度模型;在放映过程中指定时刻,计算机控制摄像头拍摄图像,输入深度神经网络模型,对有无观众座位的准确识别,计算机根据基准识别得到的标签数目和一次放映过程中多次实时识别得到的标签数目,按照约定的准则,计算观众数目。
-
公开(公告)号:CN112149768A
公开(公告)日:2020-12-29
申请号:CN202010991479.5
申请日:2020-09-17
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种融合视频监控和射频识别统计影院观众数目的方法,包括:在正常入座情况下,计算机控制摄像头拍摄图像,对图像中每个座位进行标定,然后根据各个座位在图像中的坐标,截取各个座位的图像,进行基准校正;将有无观众的座位图像,输入深度神经网络进行训练,得到判定座位是否有人的深度神经网络模型,读写器识别一个影院中全部座位的标签,统计各个座位的射频识别标签的信号强度范围,建立信号强度模型;在放映过程中指定时刻,计算机控制摄像头拍摄图像,输入深度神经网络模型,对有无观众座位的准确识别,计算机根据基准识别得到的标签数目和一次放映过程中多次实时识别得到的标签数目,按照约定的准则,计算观众数目。
-
-
-
-