本文涉及一种人物关系识别方法、装置、计算机设备和存储介质。所述方法包括:采集目标车内图片，目标车内图片中包含第一人物和第二人物，且记录有第一人物和第二人物的人脸信息和肢体信息；通过人脸检测器获取第一人物的人脸坐标和第二人物的人脸坐标；使用人物关系识别模型对目标车内图片、第一人物的人脸坐标和第二人物的人脸坐标进行处理，得到第一人物和第二人物之间的人物关系识别结果。本申请实施例能够提高对车内人物关系的识别准确率。

本技术一种基于深度学习的工业CT图像的超分辨率重建方法，应用涉及工业CT图像技术领域，为解决由于设备限制所导致图像分辨率较低的问题。依次通过步骤，数据采集与预处理、数据增强、边缘增强模块构建、积卷下采样模块的构建、RRDB残差模块构建、上采样与重建、模型训练与优化、拼接痕迹处理。通过使用本发明能够实现了对多材料CT图像的超分辨率重建，提高了图像的分辨率和清晰度。

 本技术提供了一种基于机器视觉的蛋托抓取方法、装置及电子设备，涉及机器视觉技术领域，基于机器视觉的蛋托抓取方法包括采集目标区域的蛋托拍摄图像并进行预处理，得到蛋托初始图像；基于HSV分割模型和连通域算法对蛋托初始图像进行分割，得到禽蛋区域，提取禽蛋区域的几何中心点坐标并进行均值处理，得到目标中心点坐标；基于目标中心点坐标和蛋托几何特征数据得到蛋托位姿数据；基于蛋托位姿数据确定蛋托抓取位姿信息，控制机械臂根据蛋托抓取位姿信息进行蛋托抓取操作。本发明的技术方案能够实现蛋托的精准定位和自动抓取，大幅降低了工作人员的工作量。

 本技术涉及图像处理领域，具体涉及一种基于深度学习的镜头变形失真图像透视变换方法，该方法包括以下步骤:使用ResNet生成矫正图像流对失真图像进行矫正，并根据失真流的畸变系数，通过弹性伸缩卷积生成插值区域并完成插值；通过SuperPoint网络对修正后的图像与指定角度图像进行特征点匹配；使用RANSAC算法计算单应性矩阵，转换修正后的图像的透视角度为指定角度。本发明能够有效地修正图像中的失真，并将修正后的图像转换至指定的透视角度，确保图像信息的准确性和一致性。

 本技术公开一种集成水质监测处理的方法及系统，包括以下步骤:设置高分辨率相机，在预设方向采集带有时间戳的储水池溶液图像数据，并对图像进行预处理；采用预训练的神经网络提取步骤S1所采集数据的图像特征，将图像特征传入到长短期记忆网络，获取模型输出的浊度预测值。本发明在水质监测处理的准确性、智能化水平、灵活性等方面都表现出显著的优势。

 本文公开了一种OODA异构网链路预测方法、装置、设备和介质，涉及OODA异构网链路预技术领域，该方法包括:基于OODA异构网采用CROTS算法，构建教师‑学生模型；将OODA异构网中的节点映射到低维向量空间，并通过教师模型采用概率传播算法预测OODA异构网络，获得预测结果，基于预测结果训练学生模型，以进行链路预测。本技术通过将师生学习的思想引入OODA异构网络链路预测，大幅提高链路预测速度。教师模型有效避免高准确度的链路预测算法预测时间较长的问题，同时保持了较高的准确度；学生模型在完成师生学习过程后，依据拓扑特征进行OODA异构网络链路预测，从而能够在拥有较快的预测速度的同时保留较高准确度。

 本技术提供一种三维多视图成像下的路面结构层病害标注方法及装置，涉及计算机图像识别技术领域。包括:将水平面视图和纵断面视图拼接，得到跨视图的二维图像；构建包含多个多层次特征融合网络和空间金字塔池化层的水平面‑纵断面特征关联标注模型；利用训练集对该模型得到训练好的特征关联标注模型。这样，通过训练好的水平面‑纵断面特征关联标注模型对病害进行自动化标注，减少人工标注的时间，提高病害标注的效率；利用跨视图的二维图像，考虑相邻水平面视图和纵断面视图间的相似病害特征关联信息，优化该模型的标注性能，且通过训练好的水平面‑纵断面特征关联标注模型对病害进行自动化标注，减少误标和漏标，提高病害标注的准确性。

 本技术涉及机器人目标检测技术领域，尤其是指一种轻量化服务机器人目标检测方法及装置，包括:构建轻量化服务机器人检测模型，所述轻量化服务机器人检测模型在YOLOv5n的基础上，在骨干网络中引入MobileViT模块以及C3_DSC模块和卷积三元组注意力模块构成的组合架构，在颈部网络中引入MobileViT模块、C3_DSC模块以及可变形卷积模块，进而利用所述轻量化服务机器人检测模型对服务机器人的采集图像进行目标检测。本发明构建的轻量化服务机器人检测模型有效提升了对多尺度目标，尤其是形变物体的检测性能，在保证模型高实时性的同时具有较高的检测精度，适用于服务机器人的目标检测需求。

 本文提供了一种结合机器学习的隐式三维地质建模方法、设备及介质，涉及三维地质建模领域，方法包括:获取研究区的原始钻孔数据；通过距离加权的方法，生成预设个数的虚拟钻孔，得到虚拟钻孔数据；对原始钻孔数据进行预处理并划分为训练集以及测试集；通过训练集以及测试集对随机森林模型进行训练和测试；通过训练后的随机森林模型对虚拟钻孔数据的岩性进行预测，得到虚拟岩性预测结果；将虚拟岩性预测结果添加至虚拟钻孔数据，得到第一虚拟钻孔数据；将原始钻孔数据与第一虚拟钻孔数据导入到隐式建模软件中进行三维建模，得到三维矿体模型。通过添加虚拟钻孔以及随机森林模型对虚拟钻孔的预测，构建出更为精确可靠的地质模型。

 一种基于多普勒雷达和红外相机的人员精确定位与感知方法，分别得到包含煤矿井下作业人员在内的红外数据集和多个雷达RD数据集；对红外、雷达RD数据集进行数据预处理；基于雷达‑红外融合的目标识别算法进行YOLOv8网络模型的构建；基于YOLOv8网络构建YOLO‑T1网络模型；对YOLO‑T1网络模型进行训练；对煤矿井下作业人员的高精度定位与感知；实时煤矿井下作业人员在内的红外数据和多个雷达RD数据，再进行数据预处理；将预处理后的红外数据和雷达RD数据作为输入数据输入至YOLO‑T1网络模型中进行处理，YOLO‑T1网络模型输出作业人员的定位结果。该方法能实现对煤矿井下作业人员的高精度定位和感知。