-
公开(公告)号：CN114674326A
公开(公告)日：2022-06-28
申请号：CN202210216530.4
申请日：2022-03-07
Applicant: 厦门卫星定位应用股份有限公司
IPC: G01C21/30
Abstract: 本发明提出了一种基于候选路径选择约束的地图匹配方法，其中，该方法包括：获取路网数据并构建空间索引，获取待匹配轨迹数据，对轨迹数据从第一个点开始，其无前置点，将以半径搜索方式获取其匹配的候选路段，构建匹配概率模型确定其最符合的匹配路段；第二个点开始，其存在前置点，以其与前置点时间差和速度关系估计行程距离，以前置点的匹配路段开始深度优先遍历路径，直到路径里程刚好超过估计的行程距离停止遍历，得到候选路径，若此时得到的候选路段为空集，再通过半径搜索方式获取候选路段；最后同样构建匹配概率模型计算其对候选路段中每个路段的匹配概率选取最优结果，从而提高匹配准确度和匹配效率。
-
公开(公告)号：CN114674326B
公开(公告)日：2024-04-26
申请号：CN202210216530.4
申请日：2022-03-07
Applicant: 厦门卫星定位应用股份有限公司
IPC: G01C21/30
Abstract: 本发明提出了一种基于候选路径选择约束的地图匹配方法，其中，该方法包括：获取路网数据并构建空间索引，获取待匹配轨迹数据，对轨迹数据从第一个点开始，其无前置点，将以半径搜索方式获取其匹配的候选路段，构建匹配概率模型确定其最符合的匹配路段；第二个点开始，其存在前置点，以其与前置点时间差和速度关系估计行程距离，以前置点的匹配路段开始深度优先遍历路径，直到路径里程刚好超过估计的行程距离停止遍历，得到候选路径，若此时得到的候选路段为空集，再通过半径搜索方式获取候选路段；最后同样构建匹配概率模型计算其对候选路段中每个路段的匹配概率选取最优结果，从而提高匹配准确度和匹配效率。
-
公开(公告)号：CN114863477A
公开(公告)日：2022-08-05
申请号：CN202210399057.8
申请日：2022-04-15
Applicant: 厦门卫星定位应用股份有限公司
IPC: G06V40/10 , G06V20/59 , G06V10/774
Abstract: 本发明提出了一种出租车载客人数检测方法，该方法包括：根据出租车内计价器的状态获取出租车的运营状态，其中，营运状态包括空载状态和载客状态；在获取到的运营状态由空载状态切换为载客状态时，获取出租车内的目标图像；对目标图像进行人体区域标记，以生成训练数据集；构建目标识别模型，并将训练数据集输入到目标识别模型进行训练，以生成人数识别模型；获取待检测目标图像，并将待检测目标图像输入到训练好的人数识别模型，以便通过人数识别模型进行人数识别，以得到车载人数；无需改造出租车车内硬件条件，且通过检测整个人体区域，从而降低了乘客人脸被遮挡导致漏识别的可能性，大大提高了检测准确性。
-
公开(公告)号：CN116645820A
公开(公告)日：2023-08-25
申请号：CN202310429660.0
申请日：2023-04-20
Applicant: 厦门卫星定位应用股份有限公司
Abstract: 本发明提出了一种车辆活跃度统计方法及系统，该方法包括：实时获取卡口过车数据；构建有效车牌库，将预设时间段内的卡口过车数据中的经过不同卡口数量大于第一阈值的车牌信息标记为有效车牌，并不断更新有效车牌库；判断卡口过车数据中的经过不同卡口数量小于第二阈值的车牌信息是否存在有效车牌库内，如果不存在，则将其剔除，并根据更新后的卡口过车数据统计不同维度的车辆活跃度；根据卡口过车数据获取所有卡口中的每个卡口对应的活跃度和相似性以得到关键卡口，以便在不同维度的车辆活跃度出现异常时根据其与关键卡口的对应关系进行数据补算；由此，从而不仅能够从宏观上反映道路交通出行情况，而且还能减少由于数据质量问题导致的数据波动。
-
公开(公告)号：CN114882204A
公开(公告)日：2022-08-09
申请号：CN202210215789.7
申请日：2022-03-07
Applicant: 厦门卫星定位应用股份有限公司
IPC: G06V10/22 , G06V10/25 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种船名自动识别方法和介质，其中方法包括以下步骤：获取船舶视频数据，并进行预处理，以提取船舶图像数据；将船舶图像输入到文字区域检测模型，以提取船舶图像对应的船名所在感兴趣区域，并对船名所在感兴趣区域进行标注，以及根据标注了船名所在感兴趣区域的船舶图像进行数据扩充，以生成训练样本集；根据训练样本集进行模型的训练，以得到最终船名自动识别模型；获取待识别船牌图像，并将待识别船牌图像输入到最终船名自动识别模型，以通过最终船名自动识别模型对待识别船牌图像的船名进行自动识别；能够自动对采集到的数据进行自动标注，提高识别模型的训练效率，降低识别模型训练过程中所需要消耗的人工成本。
-
Patent Agency Ranking
公开(公告)号：CN118096654A
公开(公告)日：2024-05-28
申请号：CN202410083186.5
申请日：2024-01-19
Applicant: 厦门卫星定位应用股份有限公司
IPC: G06T7/00 , G06T7/62 , G06V20/10 , G06V20/17 , G06V20/40 , G06V10/26 , G06V10/44 , G06V10/776 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464
Abstract: 本申请的实施例提供了一种基于深度学习的路面病害识别方法、装置、介质及设备。该方法包括：获取针对目标路段进行拍摄得到的待识别路面图像；将所述待识别路面图像输入至预先训练完成的路面病害实例分割模型中，以使所述路面病害实例分割模型确定所述待识别路面图像中包含的路面病害的类别信息和轮廓信息，其中，所述路面病害实例分割模型以Yolov8‑seg模型为基础，将卷积注意力机制引入c2f模块，采用SPPFCSPC模块替换原模型中的SPPF模块，并在原模型的基础上添加Inner Iou损失函数；根据所述路面病害的类别信息和轮廓信息，确定所述路面病害的长度、宽度或病害面积。本申请实施例的技术方案可以提高路面病害识别结果的准确性，保证路面病害破损程度确定的有效性。
-
公开(公告)号：CN115690588A
公开(公告)日：2023-02-03
申请号：CN202211588633.X
申请日：2022-12-12
Applicant: 厦门卫星定位应用股份有限公司
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本申请的实施例提供了一种渔船行为的识别方法、装置、计算机可读介质及设备。该渔船行为的识别方法包括：获取目标渔船各记录点对应的当前行为数据，所述当前行为数据包括速度、行驶距离、月份以及航向角变化量；将各所述记录点对应的当前行为数据输入至预先训练完成的渔船行为识别模型中，以使所述渔船行为识别模型输出所述目标渔船在各所述记录点对应的运行状态，所述运行状态包括拖网作业、锚泊或航行；根据相邻记录点对应的运行状态，对所述记录点对应的运行状态进行修正处理，得到各所述记录点对应的目标运行状态。本申请实施例的技术方案可以提高渔船行为识别的识别效率，并保证行为识别结果的正确性。
-
公开(公告)号：CN114882552A
公开(公告)日：2022-08-09
申请号：CN202210405121.9
申请日：2022-04-18
Applicant: 厦门卫星定位应用股份有限公司
IPC: G06V40/16 , G06V20/52 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习的营运车内人员口罩佩戴状态检查方法及介质，其中方法包括：通过对应所述营运车设置的拍摄装置获取营运车内的待检测图像，并将所述待检测图像输入到预先训练好的人脸检测模型；通过所述人脸检测模型判断所述待检测图像中是否存在人脸，并在判断结果为是时提取所述人脸对应的人脸区域图片；将所述人脸区域图片输入到预先训练好的口罩佩戴检测二分类模型，以通过所述口罩佩戴检测二分类模型判断所述人脸区域图片中的人脸是否佩戴有口罩，并在判断结果为否时进行报警；能够有效提高营运车辆内人员口罩佩戴状态检测的精准度。
-
公开(公告)号：CN118354419A
公开(公告)日：2024-07-16
申请号：CN202410237220.X
申请日：2024-03-01
Applicant: 厦门卫星定位应用股份有限公司
Abstract: 本申请的实施例提供了一种基于幅相误差和互耦误差的天线信号联合校正方法及装置。该方法包括：根据阵列天线的幅相误差和互耦误差，确定关于所述阵列天线接收到的信号数据的数据表达，所述数据表达包括联合误差矩阵；基于所述数据表达，获取所述阵列天线针对已知极化状态的辅助信源在不同入射角度下接收到的测试信号数据；根据若干所述测试信号数据对所述联合误差矩阵进行参数估计，得到所述联合误差矩阵对应的估计参数；根据所述联合误差矩阵的估计参数对实际接收到的待校正信号数据进行误差校正，得到目标信号数据。本申请实施例的技术方案可以减少幅相误差和互耦误差在天线阵列信号处理时的影响，进而保证后续室内定位结果的准确性。
-
公开(公告)号：CN118351419A
公开(公告)日：2024-07-16
申请号：CN202410469067.3
申请日：2024-04-18
Applicant: 厦门卫星定位应用股份有限公司
IPC: G06V10/82 , G06V10/25 , G06V10/44 , G06V10/56 , G06V10/764 , G06V10/774 , G06V20/54 , G06V20/40 , G06N3/0464 , G06N3/0985
Abstract: 本发明提出了一种细粒度目标属性提取模型的训练方法及装置，其中该方法包括：获取图像数据；采用预训练好的目标检测模型和标注工具对图像数据进行预处理，以得到标注好的训练数据集；构建B‑CNN模型，以便将标注好的训练数据集输入到B‑CNN模型进行训练，以得到训练好的目标属性提取模型；其中，在训练过程中获取每个细粒度目标属性对交叉熵损失函数的贡献值；将交叉熵损失函数替换为Focal Loss函数进行迭代训练，并根据每个细粒度目标属性对交叉熵损失函数的贡献值调整每个细粒度目标属性的权重系数；由此，能够有效地缓解样本数据不均衡以及细粒度特征学习难度差异大所带来的挑战，从而提高类别提取精度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.036 seconds)
