-
公开(公告)号:CN112241688A
公开(公告)日:2021-01-19
申请号:CN202011016869.7
申请日:2020-09-24
Applicant: 厦门卫星定位应用股份有限公司
Abstract: 本发明公开了一种车厢拥挤度检测方法、介质、设备及系统,其中方法包括:获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度;能够实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
-
公开(公告)号:CN116309701A
公开(公告)日:2023-06-23
申请号:CN202310074888.2
申请日:2023-01-30
Applicant: 厦门卫星定位应用股份有限公司
IPC: G06T7/246 , G06V10/762
Abstract: 本申请的实施例提供了一种基于目标跟踪的轨迹处理方法、装置、介质及设备。该方法包括:获取各跟踪目标的第一运动轨迹,第一运动轨迹包含若干根据时间先后顺序排列的轨迹点信息,轨迹点信息包括轨迹点对应的坐标以及跟踪目标的大小;若在同一第一运动轨迹中,相邻两个轨迹点之间的距离小于或等于第一阈值,则对相邻两个轨迹点中在后的轨迹点进行去除,得到对应的第二运动轨迹;对第二运动轨迹进行第一聚类处理和第二聚类处理,得到至少一个目标轨迹类簇,将新生成的运动轨迹与各个目标轨迹类簇中的标准轨迹进行比对以确定其所属的目标轨迹类簇。本申请实施例的技术方案可以提高运动轨迹的聚类结果的准确性。
-
公开(公告)号:CN112241688B
公开(公告)日:2025-02-14
申请号:CN202011016869.7
申请日:2020-09-24
Applicant: 厦门卫星定位应用股份有限公司
Abstract: 本发明公开了一种车厢拥挤度检测方法、介质、设备及系统,其中方法包括:获取车厢内环境视频,并对所述车厢内环境视频进行分帧处理,以生成对应所述车厢内环境视频的车厢内环境图像;将所述车厢内环境图像输入到预先训练好的车厢拥挤度分析模型,以通过所述车厢拥挤度分析模型计算所述车厢内环境图像对应的车厢拥挤度;能够实时对公共交通车辆车厢内拥挤度进行检测,以精准获取车厢拥挤度,便于公共交通车辆的调度。
-
公开(公告)号:CN114926776A
公开(公告)日:2022-08-19
申请号:CN202210216314.X
申请日:2022-03-07
Applicant: 厦门卫星定位应用股份有限公司
Abstract: 本发明提供工地装运渣土车辆的监管方法及系统,方法包括以下步骤:通过球型摄像头巡航监控工地施工区域,对重点位置,抓拍并发送监控图像至后台服务器;后台服务器依据接收到的监控图像中车辆的位置和大小,对所述球型摄像头进行调控;后台服务器利用改进的目标检测网络识别监控图像中装运渣土车的车型及行为,若检测出违规行为(如非正规渣土车正在装运渣土等),则标记对应的监控图像,并在监管系统中进行预警提醒,便于进行二次核查。本发明能够更加有效地、准确地对工地装运渣土车辆进行严格监管,从根源上发现并取证工地的违规行为。
-
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:CN116246203A
公开(公告)日:2023-06-09
申请号:CN202310074532.9
申请日:2023-01-30
Applicant: 厦门卫星定位应用股份有限公司
Abstract: 本发明公开了一种基于低功耗设备的船舶实时跟踪方法及系统,其中该方法包括:视频采集模块获取视频信息,以便所述低功耗设备主体对所述视频信息进行处理,以得到多帧船舶图片;将预先训练好的船舶识别模型移植到所述AI计算模块进行层间融合、张量融合、模型剪枝和权值量化,以得到RKNN推理引擎;所述AI计算模块根据所述RKNN推理引擎对多帧船舶图片进行识别,以得到对应的识别结果;所述低功耗设备主体根据所述识别结果比较前后两帧图片中的交并比,以便根据所述交并比对同一艘船舶进行实时跟踪;由此,通过在前端摄像机侧部署低功耗计算设备,减少了视频传输所占用的网络带宽,并结合深度学习技术和IOU匹配算法,实现了高精度的船舶跟踪效果。
-
-
-
-
-