本发明提供一种无线表格检测方法及系统，该方法的步骤包括:获取待检测的文档页面，并构建为页面图像进行至少一个判定标准的判定：所述判定标准包括第一判定标准，所述第一判定标准的判定步骤包括：将所述页面图像通过横向划分线平均划分为多个纵向区域，将每个纵向区域采用纵向划分线平均划分，将横向划分线和纵向划分线的交点作为判定点；基于判定点的位置选取第一预设个数的像素点，并将像素点的明度值的变化范围与预设的变化区间相比较，判定该判定点是否为空点；计算同一高度空点的坐标中心点，若同一高度的坐标中心点的个数大于1，则符合第一判定标准；若所述页面图像符合全部的判定标准，则判定该页面图像对应的文档页面存在无线表格。

本申请实施例提供一种闭环检测方法、装置、电子设备和存储介质。在一种方法中，包括采集输入图像序列；执行闭环检测，得到两闭环帧A和B；计算所述两闭环帧A和B之间的位置偏差百分比，并基于所述百分比判断是否执行闭环优化。通过计算两闭环帧之间的位置偏差百分比，从而判断是否进行闭环优化，能够自动剔除潜在错误闭环，且对应用场景和设备要求很低，节省了人力物力。

本申请实施例公开了一种生成感兴趣区域的方法，所述方法包括:获取对象的三维图像，所述三维图像包括所述对象的三维轮廓；基于所述三维图像确定所述对象在预设方向的二维轮廓；获取所述对象在所述预设方向的二维医学图像；基于所述二维医学图像和所述二维轮廓生成二维图像；以及从所述二维图像中确定感兴趣区域。

本发明提供了一种堆叠物体的物体数量检测方法、装置及系统，涉及图像处理技术领域，上述堆叠物体的物体数量检测方法包括:获取堆叠物体的深度图像；其中，深度图像中携带有各个像素点对应的深度距离，堆叠物体由多个尺寸相同的目标物体堆叠得到；基于深度图像中堆叠物体所覆盖的各目标像素点对应的深度距离，确定各目标像素点对应的物体层；基于深度图像确定各目标像素点对应的物理长度和物理宽度，基于各目标像素点对应的物体层及物理长度和物理宽度确定堆叠物体中包含的目标物体数量。本发明提升了堆叠货物的货物数量检测的准确性。

本发明公开了一种适用于水下姿势聚类的方法及装置，涉及水下手势识别技术领域，包括S1、通过训练一个深度网络，来学习有用的图像表示，让目标点均匀地分散在d维空间上；S2、目标转换向量进行归一化操作；若都均匀分布，使用混合高斯分布将向量，投影到球面；S3、在优化聚类目标的同时，卷积神经网络模型学习图像表征，并对图像分类。该适用于水下姿势聚类的方法及装置，提出了一个无监督聚类方法，以端到端方式构建深度神经网络，在没有额外处理的情况下提供姿态图像的直接聚类分配；采用多模态深度聚类，训练深度网络将图像嵌入与从高斯混合模型分布中采样的目标点对齐，通过图像嵌入的混合分量关联来确定聚类分配。

本申请涉及一种图像转换方法、装置、计算机设备和存储介质。所述方法包括:采用位深度扩展模块对低位标准颜色通道图进行位深度扩展处理，得到高位标准颜色通道图；采用逆图像处理模块对所述高位标准颜色通道图进行图像转换，得到高位原始图。采用本方法能够减小转换得到的Raw图和原始的Raw图之间的误差。

本发明公开了一种基于光度立体视觉的表面缺陷检测及量化方法，包括多个不同方向光源照射下的待测物体表面图像；根据不同光源的方向向量和图像灰度计算物体表面法向量；根据法向量计算待测物体特征；将不同特征分别归一化至灰度值0‑255之间即可得到特征图；将特征图进行图像融合，得到一张融合图；检测融合图的边缘；检测候选缺陷；量化候选缺陷的深度。本发明利用散度和旋度表示缺陷表面法向量场的聚散或者旋转强度，平均曲率和高斯曲率表示缺陷表面的弯曲情况，本发明对光度立体视觉的散度图、旋度图、高斯曲率图、平均曲率图进行图像融合，使得单张图像具有更多的特征信息，能够更好地凸显缺陷的特征。

本发明属于人脸识别技术领域，并具体公开了一种人脸识别装置，包括摄像头和遮光件，遮光件包括入光部和遮光部，入光部设置于摄像头的入光侧，入光部上设置有入光孔，入光孔与摄像头的镜头正对，入光孔的入光范围小于镜头的拍摄范围，遮光部沿入光部的外周向设置，遮光部的遮光范围大于镜头的拍摄范围。通过设置遮光件，摄像头的拍摄范围由原来的镜头的拍摄范围缩小为入光部的入光孔的入光范围，入光孔的入光范围外的光线被遮光部遮挡以避免该部分光线入射镜头，减少脸部范围外的光线对曝光时长的影响，增加对脸部的特征信息的采集，提高人脸识别效率及识别准确度。

本申请提供一种玉米果穗表型分析方法、装置及设备，其中，方法能够对玉米果穗的原始图像进行深度处理得到玉米果穗的深度图，通过金字塔式融合策略，在不同尺度的深度图像中利用局部特征动态调整分割阈值，对金字塔各层得到的玉米果穗掩码图像进行融合，得到对应的果穗掩码图像；对果穗掩码图像进行基于纹理信息和深度信息的区域扩散处理，划分出各个单果穗掩码；通过对玉米果穗原始图像进行单果穗掩膜遍历，提取出单果穗图像；利用颜色信息区分算法将单果穗图像划分为秃尖区域和籽粒区域，从而得到秃尖区域掩码、籽粒区域掩码；根据秃尖区域掩码、籽粒区域掩码以及果穗掩码，确定玉米果穗的各种表型参数，计算果穗均匀度和/或籽粒紧实度。

 本发明公开了一种焊缝关键点识别方法、装置、设备、介质及程序产品，该方法包括:基于训练图像数据和标注数据生成数据集，构建原始识别模型，对原始识别模型进行改进，基于数据集对改进后的原始识别模型进行训练和优化，获得目标识别模型；通过焊接机器人上的图像采集设备采集焊接件的深度图像和RGB图像；将RGB图像输入至目标识别模型进行焊缝关键点识别，基于识别结果和深度图像确定焊接件的焊缝关键点坐标，实现对焊缝关键点的精准识别，从而引导焊接机器人准确到达焊缝关键点坐标位置进行焊接，提升了关键点识别自主性和适应性，有效地适配不同需求的焊接任务，确保焊接质量的同时，大幅提升了焊接效率，降低时间成本。