本技术公开了一种基于图像处理的管制刀具认定自动识别方法和系统，该方法包括:构建自动识别模型、创建视图，并确定标尺的实际面积和实际长度；实时接收用户请求，根据所述用户请求获取原始的刀具图形图像，并对所述原始的刀具图形图像进行裁剪和减噪处理，生成减噪后的刀具图形图像；基于所述自动识别模型，同时根据所述自动识别辅助参数和所述刀具数据结构，对所述减噪后的刀具图形图像进行图形识别处理，得到刀具数据，对所述刀具数据进行分析计算，获取分析计算结果；将所述分析处理结果与刀具判定参数进行对比，并返回对比结果。通过应用本发明提供的方法和系统，提升了刀具测量的灵活性、精准性、实时性和场景适用性。

本技术提供一种指纹图像的预处理方法，其应用于曲面指纹识别传感器，所述曲面指纹识别传感器包括供手指放置的曲面感测区，所述指纹图像的预处理方法包括:获取当前感测到的曲面指纹图像信号；以及对所述当前感测到的曲面指纹图像信号进行平面化处理得到预处理指纹图像信号。上述指纹图像的预处理方法，可以将曲面指纹识别传感器感测的曲面指纹图像信号进行平面化处理得到预处理指纹图像信号，并在该预处理指纹图像信号的基础上进行指纹图像处理和识别。由于平面化的图像信号的平面一致性较好、便于后期处理。此外，本发明还提供了一种指纹识别方法、曲面指纹识别传感器以及电子设备。

本技术为基于SIFT的广告素材与现场照片自动匹配评估方法、存储介质及计算机设备，其方法:对广告素材图片和现场图片进行特征点提取，对特征点进行快速匹配，剔除掉距离大于预设距离范围的特征点；若满足距离范围的特征点组数达到四组或以上则计算广告素材图片特征点映射到现场图片特征点的单应性矩阵；将广告素材图片的顶点坐标映射到现场图片上，得到映射后的顶点集合组成的多边形A，而现场图片顶点集合组成多边形B，在现场图片上计算两个多边形A、B的交集为多边形S；判断多边形S是否为凸四边形，若是则通过预设评估模型，计算现场图片拍摄质量的自动匹配评估分数。本发明有效减少人工审核的成本，解决不同人员审核标准不一的问题。

本技术实施例公开了一种图像缓存处理方法、装置、电子设备以及存储介质。所述方法包括:接收前端设备下发的至少一个图像缓存业务请求，并将所述至少一个图像缓存业务请求发送到图像缓存处理线程；通过图像缓存处理线程，在目标缓存空间下对所述至少一个图像缓存业务请求进行任务处理；所述目标缓存空间采用预设的图像数据缓存结构按照一个预设的缓存长度基本单位对预设物理空间进行初始化确定，且所述预设的图像数据缓存结构包括缓存结构总体部分、缓存节点描述部分以及缓存节点存储部分。采用本文方案，在进行缓存之前，可以根据业务需求对目标缓存空间所使用的缓存长度基本单位进行自定义设置，保证缓存数据长度上有着很好的通用性和扩展性。

 本技术涉及健康信息学技术领域，具体涉及一种健康大数据智能管理方法及系统，该方法包括:从待识别的处方图像的手写文字区域中识别出句子；确定句子中各字符的候选文字；将各字符的候选文字进行组合，得到候选文字组；根据候选文字组中的候选文字与对应字符的相似度，确定候选文字组作为句子的识别结果的可能程度；根据候选文字组中候选文字组成的词汇在数据库中出现的次数，确定候选文字组中的候选文字作为句子的识别结果的综合合理程度；利用可能程度和综合合理程度，确定候选文字组中的候选文字作为句子的识别结果的识别精确度；选取识别精确度最大的候选文字组中的候选文字为句子的识别结果。如此，提高了处方图像中处方内容的识别准确率。

本技术计算机视觉技术领域，具体涉及一种非视距物体识别方法、系统及装置，方法包括:获取目标物体的局部散斑图像，局部散斑图像由相干光或部分相干光照射目标物体而反射至散射面再反射至相机所拍摄获得，一个或两个所述反射的路径上存在障碍物；将局部散斑图像，输入已训练的物体信息预测神经网络，得到目标物体的信息，完成物体识别。本发明在相干光源、目标物体和相机所形成的光路中有部分遮挡、相机位置角度的局限、物体未完全进入预设位置、相干光源受到干扰等等因素导致视场有限的情形下，能够通过局部散斑来实现对非视距的目标物体的识别，相对现有技术，适用于工程实际，具有更广泛的应用场景和对实际应用的适应性。

本文公开了一种基于人工智能的智慧工地施工安全监管方法及系统，其方法包括:每相隔预设的时间段，获取无人机航拍图像及点云数据；根据点云数据生成数字高程模型；在数字高程模型中提取高程数据；提取无人机航拍图像中的地物特征和边缘特征；对数字正射影像、地物特征和数字高程模型进行整合，得到矢量图；匹配无人机航拍图像中重叠图像中的边缘特征，并将其输入机器学习模型，生成空中三角测量模型；根据空中三角测量模型，创建立体像对，生成实景三维模型；整合实景三维模型和矢量图，得到施工现场数字地图；获取人员位置数据；确定危险因子，并分析得到施工现场安全隐患分析警示区，确定安全施工距离以及施工区域的施工安全风险系数并显示。

 本技术涉及一种飞行器滑跑轨迹识别方法和系统，包括:获取飞行器机载单目相机的相机内参，建立相机坐标系与像素坐标系的转换关系；获取飞行器的相机捕获的图像并进行畸变矫正处理；基于畸变矫正后的图像，提取像素坐标系下的飞行器轮组关键点坐标以及地面跑道中心线关键点坐标；基于飞行器轮组尺寸信息，以及飞行器轮组关键点坐标和地面跑道中心线关键点坐标，利用相机坐标系与像素坐标系的转换关系，计算相机坐标系下的飞行器轮组和地面跑道中心线特征点的三维坐标；基于飞行器轮组和地面跑道中心线的三维坐标，拟合得到地面跑道中心线方向，计算飞行器相对地面跑道中心线的偏移信息，实现飞行器滑跑轨迹识。

 本技术涉及房颤检测技术领域，尤其涉及一种基于面部视频的房颤检测方法，通过从面部视频提取粗略rPPG信号和运动级别，结合GAN网络和LSTM模块结合注意力机制的房颤识别网络进行多任务学习，从而实现房颤类别的识别。本发明仅需获取面部视频即可实现了对房颤的无感检测，用户体验性好安全系数高；此外，本发明引入了运动级别分析，并结合GAN网络以及带有LSTM模块和注意力模块的房颤识别网络进行多任务学习，对于人脸运动引起的噪声有更强的鲁棒性。

 基于三维重建无损表型参数提取的香菇产量估测方法，属于农业信息化与智能化技术领域，解决香菇产量估测准确度低的问题。本技术的方法包括:利用感兴趣区域，对香菇进行点云三维重建，生成稠密点云数据；对稠密点云数据进行预处理；基于改进的CP‑PointNet++模型和聚类算法，分割香菇点云，提取菌盖直径、厚度、菌柄高度多维度关键表型参数，覆盖香菇表型信息的主要特征；改进的PointNet++网络包括：在PointNet++网络的MLP层加入CBAM模块，采用部分卷积PConv替换普通卷积；将香菇的表型参数表型参数作为神经网络模型的输入变量，预测香菇产量。本发明适用于香菇等食用菌的表型性状分析与育种研究。