[发明专利]图像处理系统、方法、平台、机器可读介质及设备在审
申请号: | 201910695419.6 | 申请日: | 2019-07-30 |
公开(公告)号: | CN110310164A | 公开(公告)日: | 2019-10-08 |
发明(设计)人: | 周曦;姚志强;温泉;万珺;游宇;陈江豪;侯朝能;李可;李红毅;王金文;何春节;周东霞;吴晓方 | 申请(专利权)人: | 广州云从信息科技有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06K9/00;H04L29/06;H04N7/18 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 尹丽云 |
地址: | 511457 广东省广州市南*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人体特征数据 图像采集 图像检测 服务端 机器可读介质 图像处理系统 视频监控系统 图像信息数据 网络摄像机 变化趋势 多维分析 检测图像 弱电线路 消费倾向 消费习惯 信息数据 踩踏 复用 拥堵 分析 消防 审批 改造 安全 建设 | ||
1.一种图像处理系统,其特征在于,包括图像采集端、图像检测端、服务端;所述图像采集端通过所述图像检测端与所述服务端相连;
所述图像采集端,用于获取划分的每个商品区域内的图像信息数据;
所述图像检测端,用于检测所述图像信息数据,获得所述商品区域内的人体特征数据;
所述服务端,用于根据所述人体特征数据,确定与所述人体特征数据对应的一维或多维分析结果。
2.根据权利要求1所述的图像处理系统,其特征在于,通过所述图像采集端的监控画面,划分各个商品区域;或者,通过商品区域布局图,划分各个商品区域。
3.根据权利要求2所述的图像处理系统,其特征在于,还包括客户端;其中,所述客户端分别与所述图像检测端、所述服务端相连;
通过所述客户端访问所述图像检测端,在所述图像检测端上查看每路图像采集端的监控画面,在所述监控画面中绘制各个商品区域。
4.根据权利要求3所述的图像处理系统,其特征在于,商品区域划分信息存储至所述图像检测端。
5.根据权利要求4所述的图像处理系统,其特征在于,所述服务端,用于从所述图像检测端获取商品区域划分信息。
6.根据权利要求2所述的图像处理系统,其特征在于,还包括客户端;其中,所述客户端分别与所述图像检测端、所述服务端相连;
通过所述客户端访问所述服务端,传输店面布局图至所述服务端;
所述服务端根据所述店面布局图中的商品布局,获取商品区域划分信息。
7.根据权利要求6所述的图像处理系统,其特征在于,所述服务端传输所述商品区域划分信息至所述图像检测端。
8.根据权利要求1所述的图像处理系统,其特征在于,所述图像检测端,还用于检测所述图像信息数据,获得所述商品区域内的商品特征数据。
9.根据权利要求8所述的图像处理系统,其特征在于,所述商品特征数据至少包括:商品所在位置信息、商品类型、商品数量、商品名称、商品价格。
10.根据权利要求1所述的图像处理系统,其特征在于,所述人体特征数据包括以下至少之一:人体头肩特征数据、人脸特征数据、人体行为特征数据和人体承载特征数据。
11.根据权利要求10所述的图像处理系统,其特征在于,若所述人体特征数据为人体头肩特征数据,则所述人体头肩特征数据包括以下至少之一:人体头肩正面照片数据、人体头肩背面照片数据、人体头肩左侧照片数据和人体头肩右侧照片数据。
12.根据权利要求10所述的图像处理系统,其特征在于,若所述人体特征数据为人脸特征数据,则所述人脸特征数据包括以下至少之一:人脸图片清晰度、人脸图片光照强度、人脸图片低头角度、人脸图片抬头角度、人脸图片侧脸角度和人脸图片人脸特征点质量分。
13.根据权利要求10或12所述的图像处理系统,其特征在于,若所述人体特征数据为人脸特征数据,还包括判断所述人脸特征数据是否符合预设的人脸特征数据筛选规则;
若所述人脸特征数据满足以下条件至少之一:人脸图片清晰度大于对应预设值、人脸图片光照强度大于对应预设值、人脸图片低头角度小于对应预设值、人脸图片抬头角度小于对应预设值、人脸图片侧脸角度小于对应预设值和人脸图片人脸特征点质量分大于对应预设值,则符合预设的人脸特征数据筛选规则。
14.根据权利要求10所述的图像处理系统,其特征在于,若所述人体特征数据为人体行为特征数据,则所述人体行为特征数据包括以下至少之一:上肢运动、下肢运动和全身运动。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州云从信息科技有限公司,未经广州云从信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910695419.6/1.html,转载请声明来源钻瓜专利网。