-
公开(公告)号：CN112347853B
公开(公告)日：2024-08-23
申请号：CN202011077033.8
申请日：2020-10-10
Applicant: 鹏城实验室
IPC: G06V20/62 , G06V20/40 , G06V20/52 , G06V10/25 , G06V10/764 , G06T7/277 , H04N7/18 , H04W4/029 , H04W4/40
Abstract: 本发明公开了一种基于视频的车牌数据脱敏方法及系统，方法包括步骤：对视频中的车辆进行跟踪检测，获取车辆位置信息；根据所述车辆位置信息从所述视频中截取出对应帧的车辆图片，获取对应车辆的车牌位置信息；通过构造决策树二分类器判断所述车牌是否为误检车牌，若是，则去掉所述误检车牌的位置信息，并将所述车辆记为车牌漏检车辆；若否，则将所述车辆位置信息和车牌位置信息融合并对应存储；采用kalman滤波估计出所述车牌漏检车辆的车牌坐标并保存；根据存储的车牌位置信息和车牌坐标对视频中车辆的车牌进行马赛克处理，实现车牌数据脱敏。本发明提高了车牌检测的准确率，从而提高了车牌数据脱敏准确率。
-
公开(公告)号：CN112215063A
公开(公告)日：2021-01-12
申请号：CN202010909591.X
申请日：2020-09-02
Applicant: 鹏城实验室
Abstract: 本发明公开了一种车牌脱敏方法、终端及存储介质。所述方法包括：获取目标视频，获取目标视频的每一帧中各个车辆对应的车辆空间信息，其中，车辆空间信息包括帧序号、车辆ID以及车辆位置信息；根据目标视频中每一帧中的各个车辆的车辆空间信息获取目标视频中每一帧中的各个车辆的第一车牌空间信息；根据第一车牌空间信息获取目标车牌空间信息；根据目标车牌空间信息对目标视频中的各个车牌进行脱敏处理。本发明通过对目标视频中的车辆进行跟踪，获取每一帧中各个车辆的车辆空间信息，再根据车辆的车辆空间信息获取每一帧中的车牌的车牌空间信息，进而根据车牌空间信息进行车牌脱敏处理，实现了对视频中的车牌信息进行脱敏。
-
Patent Agency Ranking
公开(公告)号：CN112347853A
公开(公告)日：2021-02-09
申请号：CN202011077033.8
申请日：2020-10-10
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于视频的车牌数据脱敏方法及系统，方法包括步骤：对视频中的车辆进行跟踪检测，获取车辆位置信息；根据所述车辆位置信息从所述视频中截取出对应帧的车辆图片，获取对应车辆的车牌位置信息；通过构造决策树二分类器判断所述车牌是否为误检车牌，若是，则去掉所述误检车牌的位置信息，并将所述车辆记为车牌漏检车辆；若否，则将所述车辆位置信息和车牌位置信息融合并对应存储；采用kalman滤波估计出所述车牌漏检车辆的车牌坐标并保存；根据存储的车牌位置信息和车牌坐标对视频中车辆的车牌进行马赛克处理，实现车牌数据脱敏。本发明提高了车牌检测的准确率，从而提高了车牌数据脱敏准确率。
-
公开(公告)号：CN114037047A
公开(公告)日：2022-02-11
申请号：CN202111177498.5
申请日：2021-10-09
Applicant: 鹏城实验室
Abstract: 本发明公开了一种脉冲神经网络的训练方法，所述方法通过获取目标卷积神经网络，其中，所述目标卷积神经网络为预先经过训练的卷积神经网络；将所述目标卷积神经网络转换为初始脉冲神经网络；同时在时间域和空间域对所述初始脉冲神经网络进行训练，将训练后的所述初始脉冲神经网络作为目标脉冲神经网络。由于本发明在将卷积神经网络转换为脉冲神经网络之后，还会对脉冲神经网络在时间域和空间域上进行训练，因此可以进一步优化脉冲神经网络在时间域和空间域上的信息传输能力。从而解决了现有的ANN‑to‑SNN的训练方法得到的SNN，完成一次前向推理所需要的时间步长较长的问题。
-
公开(公告)号：CN112529176B
公开(公告)日：2025-02-07
申请号：CN202011395802.9
申请日：2020-12-03
Applicant: 鹏城实验室
Abstract: 本发明公开了一种加速脉冲神经网络的训练方法、终端及存储介质，所述方法包括：获取用于训练的脉冲序列和初始突触权值，根据所述脉冲序列和所述初始突触权值生成脉冲神经元的输入信号；获取基于所述输入信号产生的实际输出脉冲序列；获取期望输出脉冲序列，根据所述实际输出脉冲序列以及所述期望输出脉冲序列对所述初始突触权值进行更新，以实现对脉冲神经网络进行训练。本发明通过主机设备读取图片数据并转成脉冲序列以及设定初始权值。然后将脉冲神经网络训练中最耗时的参数更新任务交由专门的加速设备处理，提高了参数更新的速度，进而加速了脉冲神经网络的训练过程。从而解决了现有技术中脉冲神经网络的训练过程耗时长的问题。
-
公开(公告)号：CN112215063B
公开(公告)日：2024-08-23
申请号：CN202010909591.X
申请日：2020-09-02
Applicant: 鹏城实验室
IPC: G06V20/40 , G06V20/58 , G06V20/62 , G06V10/774
Abstract: 本发明公开了一种车牌脱敏方法、终端及存储介质。所述方法包括：获取目标视频，获取目标视频的每一帧中各个车辆对应的车辆空间信息，其中，车辆空间信息包括帧序号、车辆ID以及车辆位置信息；根据目标视频中每一帧中的各个车辆的车辆空间信息获取目标视频中每一帧中的各个车辆的第一车牌空间信息；根据第一车牌空间信息获取目标车牌空间信息；根据目标车牌空间信息对目标视频中的各个车牌进行脱敏处理。本发明通过对目标视频中的车辆进行跟踪，获取每一帧中各个车辆的车辆空间信息，再根据车辆的车辆空间信息获取每一帧中的车牌的车牌空间信息，进而根据车牌空间信息进行车牌脱敏处理，实现了对视频中的车牌信息进行脱敏。
-
公开(公告)号：CN112529176A
公开(公告)日：2021-03-19
申请号：CN202011395802.9
申请日：2020-12-03
Applicant: 鹏城实验室
Abstract: 本发明公开了一种加速脉冲神经网络的训练方法、终端及存储介质，所述方法包括：获取用于训练的脉冲序列和初始突触权值，根据所述脉冲序列和所述初始突触权值生成脉冲神经元的输入信号；获取基于所述输入信号产生的实际输出脉冲序列；获取期望输出脉冲序列，根据所述实际输出脉冲序列以及所述期望输出脉冲序列对所述初始突触权值进行更新，以实现对脉冲神经网络进行训练。本发明通过主机设备读取图片数据并转成脉冲序列以及设定初始权值。然后将脉冲神经网络训练中最耗时的参数更新任务交由专门的加速设备处理，提高了参数更新的速度，进而加速了脉冲神经网络的训练过程。从而解决了现有技术中脉冲神经网络的训练过程耗时长的问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
