-
公开(公告)号：CN111722926B
公开(公告)日：2023-12-22
申请号：CN202010507042.X
申请日：2020-06-05
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明涉及边缘计算技术领域，具体涉及一种基于付费机制的安全可信边缘协同方法与系统，目的在于解决边缘计算无法满足高实时性业务需求的问题。本发明的边缘协同方法包括：服务提供边缘节点向应用云平台发送服务提供信息；服务请求边缘节点向应用云平台发送服务请求信息；应用云平台根据服务提供信息和服务请求信息进行匹配，并根据匹配结果向服务请求边缘节点发送服务提供边缘节点的ID号；服务请求边缘节点根据该ID号与服务提供边缘节点建立连接；服务提供边缘节点执行相应的服务；最后由服务请求边缘节点向服务提供边缘节点支付费用。本发明有效降低了时延，满足了高实时性业务需求。
-
公开(公告)号：CN103593991B
公开(公告)日：2016-08-17
申请号：CN201310586992.6
申请日：2013-11-20
Applicant: 东莞中国科学院云计算产业技术创新与育成中心 , 中国科学院自动化研究所
Abstract: 本发明涉及城市交通控制与管理技术领域，尤其是一种交通疏散诱导系统的交通疏散方法。本发明由设置在疏散区域内每条道路的起始和结束位置、每个疏散点、经过疏散区域的公交车上的视频检测设备，设置在疏散路径的交叉点的诱导屏，部署在疏散区域及其周边的无线传感网络，控制中心，及移动或固定接入网络构成视频物联网；控制中心根据现场采集的信息生成两类诱导信息，并通过移动或固定接入网络将诱导信息下发到现场的诱导屏显示；引导疏散者合理分布到各疏散路径和选择疏散点。本发明解决了核心区域的人员疏散问题；可以用于大型活动、旅游景点等场所的交通疏散。
-
公开(公告)号：CN103093249B
公开(公告)日：2016-03-02
申请号：CN201310032257.0
申请日：2013-01-28
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明公开了一种基于高清视频的出租车识别方法及系统，该方法主要由目标特征提取、模式分类器设计、出租车跟踪等步骤组成：首先从高清监控视频中精确分割前景区域，将每个前景区域作为一个目标，计算目标的三维尺寸、车顶标志、车身颜色等特征；然后利用这些特征，设计模式分类器，高效准确地识别出租车；最后对已识别的出租车，持续跟踪直至其驶出有效检测区域，避免对出租车重复识别。本发明还公开了一种基于高清视频的出租车识别系统，该系统包括高清摄像机、补光灯和工控机。本发明克服了现有车型识别技术在出租车识别方面的不足，是对城市出租车管理和调度的有力支撑，具有显著的工程应用价值。
-
公开(公告)号：CN103473951B
公开(公告)日：2015-09-23
申请号：CN201310379503.X
申请日：2013-08-27
Applicant: 东莞中国科学院云计算产业技术创新与育成中心 , 中国科学院自动化研究所
Abstract: 本发明涉及停车场管理技术领域，尤其是一种利用自动泊车、临场感和无线通信等技术的基于临场感的自动停车场管理系统。本发明系统包括远程控制室和停车场区域两部分；远程控制室包括信息管理系统、信息显示系统和临场感远程遥控系统；信息管理系统管理停车场的车位占用信息、车辆信息、泊车请求；当车身上安装的车载自动泊车系统发出泊车请求时，将当前请求设为挂起状态，采用先到先响应的一对多响应方式，顺序通知临场感远程遥控系统进行处理；临场感远程遥控系统远程操控车辆，在中心操控员辅助下完成泊车。本发明以自动泊车为主，遥控泊车为辅，实现了单人同时泊多辆车可以应用于停车场的车辆管理中。
-
公开(公告)号：CN103150903B
公开(公告)日：2014-10-29
申请号：CN201310049726.X
申请日：2013-02-07
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明公开了一种自适应学习的视频车辆检测方法，该方法将视频车辆检测问题视为模式分类问题，主要由图像特征提取、分类器离线训练、分类器在线优化、车辆计数步骤组成：首先从监控视频中提取若干种有区分力的图像特征，这些特征既能够区分车辆和背景，又包含与光照和天气条件相关的环境信息；然后利用监督学习方法离线训练模式分类器，并在线优化模式分类器，自动调整各个分量分类器的结构和参数，使分类器具有自适应学习能力，在复杂交通场景中取得更好的分类效果；最后对分类结果序列做后处理，进一步提高车辆检测和计数的精度。本发明增强了现有的虚拟线圈车辆检测方法，具有显著的工程应用价值，能够促进视频监控领域和智能交通领域的发展。
-
Patent Agency Ranking
公开(公告)号：CN103646257A
公开(公告)日：2014-03-19
申请号：CN201310745952.1
申请日：2013-12-30
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明公开了一种行人检测和计数方法，该方法包括以下步骤：采集视频序列；获取视频序列中的每一帧图像；对于获得的每一帧视频图像进行预处理；对于经过预处理的视频图像设置检测区域；对于单帧视频图像中的检测区域进行行人个体检测，得到检测区域中所有可能存在的行人目标；基于多种检测状态的切换，对于行人目标进行准确的检测、跟踪和计数统计；输出行人检测结果，在每一帧图像中用明显的标示标记出每一个检测到的行人目标，并对每个行人目标设置唯一的编号。本发明可以提高行人检测的精度并能进行准确的计数，而且可以同时应用于静止或动态变化的背景中。
-
公开(公告)号：CN103593991A
公开(公告)日：2014-02-19
申请号：CN201310586992.6
申请日：2013-11-20
Applicant: 东莞中国科学院云计算产业技术创新与育成中心 , 中国科学院自动化研究所
Abstract: 本发明涉及城市交通控制与管理技术领域，尤其是一种交通疏散诱导系统及其交通疏散方法。本发明由设置在疏散区域内每条道路的起始和结束位置、每个疏散点、经过疏散区域的公交车上的视频检测设备，设置在疏散路径的交叉点的诱导屏，部署在疏散区域及其周边的无线传感网络，控制中心，及移动或固定接入网络构成视频物联网；控制中心根据现场采集的信息生成两类诱导信息，并通过移动或固定接入网络将诱导信息下发到现场的诱导屏显示；引导疏散者合理分布到各疏散路径和选择疏散点。本发明解决了核心区域的人员疏散问题；可以用于大型活动、旅游景点等场所的交通疏散。
-
公开(公告)号：CN103279755A
公开(公告)日：2013-09-04
申请号：CN201310097815.1
申请日：2013-03-25
Applicant: 东莞中国科学院云计算产业技术创新与育成中心 , 中国科学院自动化研究所
IPC: G06K9/32
Abstract: 本发明公开了一种视频图像中快速定位车牌的方法，基于汽车底部阴影特征，利用梯度的阴影检测方法和一维滤波技术快速分割出车牌候选区域再精确定位，包括：(1)提取视频中的一帧图像分割出处理区域；(2)处理区图像灰度化，再进行灰度拉伸；(3)根据车辆底部阴影特征进行初步粗定位；(4)一维滤波方法去噪，确定候选区域；(5)对候选区域使用形态学精确定位。本发明具有易于实现、鲁棒性强、精确度高、实时性强等优点，可以为车牌识别中的车牌定位提供一种新的实时可靠的快速定位方法。
-
公开(公告)号：CN103150913A
公开(公告)日：2013-06-12
申请号：CN201310049862.9
申请日：2013-02-07
Applicant: 东莞中国科学院云计算产业技术创新与育成中心 , 中国科学院自动化研究所
IPC: G08G1/08
Abstract: 本发明公开了一种动态自适应交通信号控制装置及方法，所述装置由一个安装在路口附近的交通信号控制器和安装在各入口方向上的多个视频检测设备组成，交通信号控制器和视频采集处理设备间通过无线通信模块进行通信，交通信号控制器根据各入口方向上的排队长度动态选择放行阶段并实时计算需要放行的时间。本发明还公开了一种利用所述交通信号控制装置对交通信号进行动态自适应控制的方法。本发明提出的装置简单灵活，易于实施，并可提高路口的通行能力。
-
公开(公告)号：CN103093249A
公开(公告)日：2013-05-08
申请号：CN201310032257.0
申请日：2013-01-28
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明公开了一种基于高清视频的出租车识别方法及系统，该方法主要由目标特征提取、模式分类器设计、出租车跟踪等步骤组成：首先从高清监控视频中精确分割前景区域，将每个前景区域作为一个目标，计算目标的三维尺寸、车顶标志、车身颜色等特征；然后利用这些特征，设计模式分类器，高效准确地识别出租车；最后对已识别的出租车，持续跟踪直至其驶出有效检测区域，避免对出租车重复识别。本发明还公开了一种基于高清视频的出租车识别系统，该系统包括高清摄像机、补光灯和工控机。本发明克服了现有车型识别技术在出租车识别方面的不足，是对城市出租车管理和调度的有力支撑，具有显著的工程应用价值。
-
-
-
-
-
-
-
-
-
Search Results
187
records
(took 0.096 seconds)
