CN106203343B - 用于自动资产识别的图像分析系统及方法 - Google Patents

用于自动资产识别的图像分析系统及方法 Download PDF

Info

Publication number
CN106203343B
CN106203343B CN201610545614.7A CN201610545614A CN106203343B CN 106203343 B CN106203343 B CN 106203343B CN 201610545614 A CN201610545614 A CN 201610545614A CN 106203343 B CN106203343 B CN 106203343B
Authority
CN
China
Prior art keywords
image
asset
processor
captured
software module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610545614.7A
Other languages
English (en)
Other versions
CN106203343A (zh
Inventor
A·R·米蒂
B·D·杰弗里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Transportation IP Holdings LLC
Original Assignee
GE Global Sourcing LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GE Global Sourcing LLC filed Critical GE Global Sourcing LLC
Publication of CN106203343A publication Critical patent/CN106203343A/zh
Application granted granted Critical
Publication of CN106203343B publication Critical patent/CN106203343B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/09—Recognition of logos

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明题为用于自动资产识别的图像分析系统及方法。提供了一种系统(100，200，300)及方法，以捕捉资产(110)的图像，并对所捕捉的图像进行分析以识别资产(110)上的标记(108)。被识别后，所述标记(108)用于识别所述资产。所述系统还可被配置成识别资产类型、追踪资产(110)、验证一组资产(110)的清单、或是基于所捕捉的资产(110)的图像与之前捕捉的资源(110)的图像的对比而识别资产(110)的损坏。

Description

用于自动资产识别的图像分析系统及方法
技术领域
本文所公开的主题的实施例涉及用于自动识别资产的图像分析系统及方法，更具体地，涉及对所捕捉的图像进行分析，从而基于所捕捉的图像中的资产上的标记来识别资产。
背景技术
在多个领域中，包括交通运输，在商业运营中使用多种资产，这些资产由一个或多个当事方拥有、租赁和管理，在商业运营中每一方均潜在地扮演多个角色。对于移动资产，由于该资产可能移动巨大的距离，对于可能控制或获取所述资产的众多当事人来说，追踪资产和/或监测资产状况非常困难、费时、繁琐而且不经常。例如，一项资产可被租赁并用于在全国范围内运输货物，而不常在出发地点和到达地点之间被追踪。此外，在途中，资产可能用于运送一件以上的货物，使得有效地追踪所述资产的所有权、责任及相应的使用成本的能力复杂化。
因此，需要有一种不同于目前可用的系统及方法的系统及方法。
发明内容
本发明公开了一种系统，包括设备，其被配置成捕捉资产的至少一部分的、和资产上的标记的图像；控制器，其被配置成从所述设备接收图像，确定所述资产的资产类型，基于所确定的资产类型而确定标记的位置，并通过分析与所确定的标记位置相对应的图像的至少一部分而确定所述资产上的标记，从而识别所述资产。
在一些实施例中，控制器进一步被配置成通过分析资产的至少一部分的图像而确定资产的资产类型。在一些实施例中，控制器进一步被配置成基于对经电子传送的资产类型识别的接收而确定资产的资产类型。在一些实施例中，控制器进一步被配置成访问包含具有资产类型标记位置的资产类型的关联的数据库。
在一些实施例中，控制器进一步被配置成将图像与所识别的资产的识别、并且与捕捉图像的位置和捕捉图像的时间中的至少一个关联并存储。
在一些实施例中，控制器进一步被配置成接收多个关联资产的参考清单，其中，参考清单定义了所述多个关联资产；通过基于设备所捕捉的图像而识别每个资产，从而生成多个关联资产的基于图像的清单；将所述参考清单和基于图像的清单进行对比，从而确定差别，并传送关于所述差别的通知。
在一些实施例中，控制器被进一步配置成从数据库中检索之前的资产图像，将图像与所检索的之前的图像进行对比，基于所述图像与之前的图像的对比，确定资产的磨损或损坏中的至少一个的指示。在一些实施例中，所述资产的磨损或损坏的指示是指资产的轮子的磨损或资产上的凹痕中的一个。在一些实施例中，所述资产的磨损或损坏的指示是指资产一部分上的密封是否完好。
在一些实施例中，控制器进一步被配置成在将图像与所检索的之前的图像进行对比时，补偿图像和所检索的之前的图像之间的环境变量，其中，所述变量为日时、采光变化和天气的状态中的至少一个，并且其中天气的状态是存在灰尘、叶片、烟、雪、雨和/或雾中的至少一种。
在一些实施例中，资产为移动资产，设备是固定式的并接近资产行进越过的路线而定位。在一些实施例中，设备是移动设备。
在一些实施例中，控制器进一步被配置成激活所述设备以捕捉包含所确定的标记位置的第二资产图像；并通过分析第二图像的至少一部分来确定在资产上的标记，从而识别所述资产。在一些实施例中，控制器进一步被配置成响应于接收与资产处于接近所述设备关联的信号而激活所述设备来捕捉图像。在一些实施例中，所述信号来自与轨道系统耦合的检测资产处于接近所述设备的开关、或检测资产处于接近所述设备的资产的位置追踪组件中的至少一个。
还公开了一种方法，其包括步骤：捕捉包含标记的、以及时间戳和地理位置其一或两者的资产图像；识别资产的资产类型；至少部分地基于所述资产类型的识别确定所述标记在资产上的位置；通过分析与标记位置相对应的图像的至少一部分识别所述标记；基于所识别的标记识别所述资产；存储与所识别的资产相关联的、以及与时间戳与地理位置其一或两者相关联的图像。
在一些实施例中，所述方法还包括将所识别的资产与清单列表进行匹配以验证所述资产的识别。
在一些实施例中，所述方法还包括将所述图像与之前捕捉的一个或多个资产图像进行对比；并基于所述图像与之前捕捉的一个或多个资产图像的对比确定资产的磨损或损坏的指示。
在一些实施例中，所述方法还包括响应于对所述资产的查询而发送包括一系列图像的查询结果，所述一系列图像为所捕捉的与指定的地理位置相关的资产图像的集合或子集。
在一些实施例中，所述方法还包括响应于对所述资产的查询而发送包括一系列图像的查询结果，所述一系列图像为所捕捉的沿一个路线的资产的图像的集合或子集。
在一些实施例中，所述方法还包括响应于对所述资产的查询而发送包括一系列图像的查询结果，所述一系列图像为在指定时间段内所捕捉的资产图像的集合或子集。
在一些实施例中，所述方法还包括捕捉包含所述确定的标记位置的资产的第二图像，并通过分析第二图像的至少一部分识别所述标记。
在一些实施例中，所述方法还包括在捕捉第二图像之前，修改图像捕捉设备的参数，以便于在第二图像中识别所述标记。
技术方案1：一种系统，包括：
设备，其被配置成捕捉资产的至少一部分的和所述资产上的标记的图像；和
控制器，其被配置成：
从所述设备接收所述图像，
确定所述资产的资产类型，
基于所确定的资产类型而确定标记位置，以及
通过分析与所确定的标记位置相对应的所述图像的至少一部分而确定在所述资产上的所述标记，从而识别所述资产。
技术方案2：如技术方案1所述的系统，其中，所述控制器进一步被配置成通过分析所述资产的至少一部分的所述图像而确定所述资产的所述资产类型。
技术方案3：如技术方案1所述的系统，其中，所述控制器进一步被配置成基于对经电子传送的资产类型识别的接收而确定所述资产的所述资产类型。
技术方案4：如技术方案1所述的系统，其中，所述控制器进一步被配置成访问包含具有所述资产类型的标记位置的资产类型的关联的数据库。
技术方案5：如技术方案1所述的系统，其中，所述控制器进一步被配置成：
将所述图像与所识别的资产的所述识别、并且与捕捉所述图像的位置或捕捉所述图像的时间中的至少一个关联并存储。
技术方案6：如技术方案1所述的系统，其中，所述控制器进一步被配置成：
接收多个关联资产的参考清单，其中，所述参考清单定义了所述多个关联资产，
通过基于所述设备所捕捉的图像而识别每个资产，生成所述多个关联资产的基于图像的清单，
将所述参考清单和所述基于图像的清单进行对比，从而确定差别，以及
传送关于所述差别的通知。
技术方案7：如技术方案1所述的系统，其中，所述控制器进一步被配置成：
从数据库中检索之前的所述资产的图像，
将所述图像与所检索的之前的图像进行对比，
基于所述图像与所述之前的图像的所述对比，确定所述资产的磨损或损坏中的至少一个的指示，以及
发送关于所述资产的磨损或损坏的所述指示的通知。
技术方案8：如技术方案7所述的系统，其中，所述资产的磨损或损坏的所述指示是所述资产的轮子的磨损或所述资产上的凹痕中的一个。
技术方案9：如技术方案7所述的系统，其中，所述资产的磨损或损坏的所述指示是所述资产一部分上的密封是否完好。
技术方案10：如技术方案7所述的系统，其中，所述控制器进一步被配置成在将所述图像与所检索的之前的图像进行对比时，补偿所述图像和所检索的之前的图像之间的环境变化，其中，所述变量为日时、采光变化和天气的状态中的至少一个，并且其中所述天气的状态是存在灰尘、叶片、烟、雪、雨或雾中的至少一种。
技术方案11：如技术方案1所述的系统，其中，所述资产为移动资产，并且所述设备是固定式的并接近所述资产行进越过的路线而定位。
技术方案12：如技术方案1所述的系统，其中，所述设备是移动设备。
技术方案13：如技术方案1所述的系统，其中，所述控制器进一步被配置成：激活所述设备以捕捉包含所确定的标记位置的所述资产的第二图像；并且
通过分析所述第二图像的至少一部分来确定在所述资产上的所述标记，从而识别所述资产。
技术方案14：如技术方案1所述的系统，其中，所述控制器进一步被配置成：响应于接收与所述资产处于接近所述设备关联的信号而激活所述设备以捕捉图像。
技术方案15：如技术方案14所述的系统，其中，所述信号来自与轨道系统耦合的检测所述资产处于接近所述设备的开关、或检测所述资产处于接近所述设备的所述资产的位置追踪组件中的至少一个。
技术方案16：一种方法，包括：
捕捉包含标记、以及时间戳或地理位置其一或两者的资产的图像；
识别所述资产的资产类型；
至少部分地基于所述资产类型的识别而确定所述标记位于所述资产上的位置；通过分析与所述标记的位置相对应的所述图像的至少一部分而识别所述标记；基于所识别的标记而识别所述资产；
存储与所识别的资产关联的、以及与时间戳或地理位置其一或两者关联的所述图像。
技术方案17：如技术方案16所述的方法，进一步包括：将所识别的资产与盘点列表进行匹配以验证所述资产的识别。
技术方案18：如技术方案16所述的方法，进一步包括：
将所述图像与一个或多个之前捕捉的所述资产的图像进行对比；并且
基于所述图像与所述一个或多个之前捕捉的所述资产的图像的对比而确定所述资产的磨损或损坏中的至少一个的指示。
技术方案19：如技术方案16所述的方法，进一步包括：
通过发送包括一系列图像的查询结果而响应对于所述资产的查询，所述一系列图像为与指定的地理位置关联的、所述资产的所捕捉的所述图像的集合或子集。
技术方案20：如技术方案16所述的方法，进一步包括：
通过发送包括一系列图像的查询结果而响应对于所述资产的查询，所述一系列图像为沿一个路线的所述资产的所捕捉的所述图像的集合或子集。
技术方案21：如技术方案16所述的方法，进一步包括：
通过发送包括一系列图像的查询结果而响应对于所述资产的查询，所述一系列图像为在指定时间段内所述资产的所捕捉的所述图像的集合或子集。
技术方案22：如技术方案16所述的方法，进一步包括：
捕捉包含所述确定的标记位置的所述资产的第二图像，并且
通过分析所述第二图像的至少一部分而识别所述标记。
技术方案23：如技术方案16所述的方法，进一步包括：
在捕捉所述第二图像之前，修改图像捕捉设备的参数，以便于所述第二图像中所述标记的识别。
技术方案24：一种系统，包括：
设备，其被配置成捕捉图像并将其存储在存储器上，其中，所述图像是耦合到轨道系统的编组的部分的图像，所述编组的每个部分均包括一个标记；
软件模块，其被配置成由处理器执行，用于使所述处理器能够从所述存储器接收所述图像并对所述图像执行第一图像分析，其中，所述第一图像分析导致从所述图像识别所述标记；
所述软件模块被进一步配置成使所述处理器能够利用所述标记查询数据存储以接收查询结果，所述结果为表示所述编组的所述部分的数据，其中，表示所述编组的所述部分的所述数据包括所述编组的所述部分的之前存储的图像；
第二软件模块，其被配置成由处理器执行，用于使所述处理器能够对所述图像和所述之前存储的图像进行第二图像分析，其中，所述第二图像分析是对所述图像和所述编组的所述部分的所述之前存储的图像进行对比，其导致识别所述编组的区域的变化；
第三软件模块，其被配置成由处理器执行，用于使所述处理器能够在由所述设备捕捉所述编组的所述部分的所述图像时，将以下数据存储在所述存储器上：捕捉所述图像的时间戳和捕捉所述图像的地理位置；并且
所述第三软件模块进一步被配置成使所述处理器能够基于对所述时间戳和所述地理位置的评估而追踪铁路货场的一个或多个编组的盘点。
附图说明
参照附图，其中示出了如在以下说明书中所详细描述的特定的实施例，其中：
图1示出了基于捕捉的标记的图像检测资产或资产类型的系统。
图2示出了基于从所捕捉的图像中识别出的资产上的标记而传送有关资产数据的系统的实施例。
图3是根据一个或多个方面的示例性、非限制性控制器的框图；
图4是带有一个或多个标记以及由所述标记表示的数据的资产的侧视图；
图5是图4中资产的端视图；
图6示出了带有标记的罐车资产；
图7示出了带有标记的厢式车资产；
图8示出了带有标记的斗车资产；以及
图9示出了带有标记的平车资产。
具体实施方式
所公开的主题的实施例涉及一种用于自动识别资产的图像分析系统及方法。在实施例中，所公开的系统及方法捕捉资产的图像，并分析所捕捉的图像来识别资产上的标记。所述系统可以使用一个或多个图像。例如，可捕捉第一图像并利用其确定资产的资产类型，可捕捉第二图像并利用其识别所述标记。在一个实施例中，控制器可不需要图像而确定资产类型，然后使用确定的资产类型来捕捉包括所述标记的图像，或分析所捕捉的包括所述标记的图像的部分。在又一其他实施例中，基于所述标记识别特定的资产后，所述系统可被配置成追踪所述资产的位置或状态，管理和/或验证一组资产的清单，或基于所捕捉的资产图像与之前捕捉的资产图像、或是与和所述资产或特定的资产类型相关联的参考图像的对比来识别资产的损坏。在多个实施例中，所述系统可驻留在一个或多个固定的位置，或者可以移动，例如安装在车辆上，或是被设置成手持式系统。因此，由所述系统识别的资产可以是固定的资产或移动的资产，或固定和移动资产的组合。所公开的系统可在多个物理位置处使用，例如海运货场、铁路货场、港口、仓库或工厂。此外，所述系统可用于多种资产类型，包括轨道车、集装箱、海运集装箱、产品/材料，或待发货或运送的物品。
图1示出了系统100的实施例。所述系统包括控制器102、被配置成捕捉资产110的图像的设备106。如图所示，资产110包括标记108，捕捉的图像也可包括所述标记。在各个实施例中，控制器可包括被配置成实现控制器的图像分析功能的一个或多个软件模块104和/或一个或多个硬件组件。控制器从设备106接收捕捉的图像。所述图像可以是资产的至少一部分，并且还可包括所述标记。一旦接收到所述图像，控制器则对资产图像进行分析。在实施例中，控制器对资产图像进行分析以识别资产上的标记，从而确定资产的资产类型，或者确定资产上包括所述标记的位置。在一个示例中，控制器对所捕捉的图像进行分析，然后基于之前确定的资产类型确定所述标记在资产上的预期位置。然后，控制器可对与所确定的标记位置相对应的图像部分进行分析从而确定在所述资产上的标记。如本文中所使用的，“资产类型”是指特定资产的类别或分类。
在一些实施例中，所述系统还获取或生成与捕捉的图像相关联的附加数据。例如，所述系统可生成时间戳，或者确定捕捉图像时的地理位置。在实施例中，控制器例如通过产生包括所捕捉的图像和捕捉的附加数据(例如，时间戳、地理位置)的数据包，而将这一附加数据与所捕捉的图像关联。数据包随后可被由系统确定的资产上的标记引用。在其他实施例中，所述系统可识别资产的状况，例如对资产一部分的磨损或损坏，并包括对所述状况的表示，所述表示作为在所述数据包中存储的附加数据的一部分。在其他实施例中，附加信息可包括资产类型、用于捕捉图像的设备的类型，或类似的对在捕捉所述图像时重建所述资产的状态有用的信息。
在示例中，控制器102从设备106接收图像，并将所述图像与存储在数据库或存储器中的数据进行比较。所述数据可以是定义标准的基准数据，所述标准基于所识别的标记而指示资产类型、标记在资产上的位置或者资产。例如，可利用软件分析来确定用于识别图像/标记与资产或数据包或与所述标记或资产相对应的其他数据匹配的标准。
在一个实施例中，所述系统收集资产的一个或多个图像，并将图像存储在具有数据参考的数据库中，其中，所述数据参考可以是资产、标记、为资产定义的所有者、地理位置、设备位置、资产类型、设备捕捉图像的时间、日期、年份，或是由用户定义的标签。
在一个实施例中，所述系统可利用静止或视频成像获取所捕捉的图像。所述设备可包括被配置成捕捉资产图像的手持设备、安装在车辆或资产上的设备、或是路边设备。在另一示例中，所述设备可以是智能电话、平板电脑或数码相机。合适的资产可包括一个或多个轨道车、高速公路或道路用卡车、机车、联运集装箱、矿山设备或汽车。这些资产中的一些可被组合，例如，将联运集装箱固定到轨道车。并且，这些资产中的一些可被机械地或逻辑地耦合以形成编组。具有逻辑上耦合的车辆的资产的编组可包括一个或多个远程控制的相对于彼此移动的车辆，而在编组中机械耦合的资产则是一目了然的。图像捕捉事件可由人触发(例如，用户输入)或是基于接近图像捕捉设备存在资产而自动检测。例如，所述系统可被配置成响应于识别所述资产正处于接近所述系统的射频识别(RFID)信号或全球定位系统(GPS)信号而捕捉图像。在其他示例中，所述系统，例如铁路系统可被配置成响应于从轨道电路接收到的、指示在需要捕捉资产和标记的图像的位置处存在资产的信号而捕捉图像。在又一其他的示例中，所述系统可在火车站、铁路货场、航运货场、港口、旁轨、仓库、资产聚集位置的入口和/或出口，或期望识别并监控资产的类似设施的入口和/或出口处使用。在多个实施例中，在系统分析所捕捉的图像并识别资产后，所述系统可存储或传输所述资产被系统识别的这一事实，以记录与资产相关联的移动信息。如本文中所使用的，“移动信息”是指对资产的物理运动的逻辑追踪。
在一些实施例中，在系统基于所捕捉的图像中的标记识别资产后，针对数据库验证所述标记，以确保标记匹配。使用之前的数据(例如，之前捕捉的图像)可改善图像分析的精度，从而在标记部分模糊时减少匹配或识别资产中的误判。
在一些实施例中，所述系统捕捉资产的一个或多个图像或视频。在实施例中，所捕捉的视频可以是HEVC编解码器的格式、AVC标准、MPEG格式、H.264/MPEG-4AVC格式等。可根据具体的应用需求选择所述格式。
在另一示例中，所述系统可根据识别所述标记在资产上的位置来控制图像捕捉设备。例如，所述系统可调整各种设置(例如，焦距、光圈大小)来改善所捕捉的图像或视频的质量。在其他实施例中，所述设备可被安装在可移动的底座上，使所述设备能够指向所述资产或包含所述标记的资产的一部分。以这种方式，可改善所捕捉的图像或视频，从而便于基于所述标记的图像分析和资产识别。
在一些实施例中，所述系统通过引入例如可与图像被捕捉的日时有关的采光变化而对所述图像进行分析。类似地，所述系统可引入设备的瞄准角的误差以提高所捕捉的图像的质量或视频用于随后的分析。在其他实施例中，所述系统可捕捉多个图像，从中选择一个图像使用(例如，分析、存储等)。
在设备被并入或安装到资产上的例子中，所述设备可被用于检查在所述资产视线范围内的其他资产。例如，如果设备安装在机车上，所述系统将看到机车所通过的轨道车，从而能够识别和监控那些轨道车。由于机车可在路线中超过所述轨道车，因此，便于在前一系统之前不支持的位置处监控所述资产。在此过程中，所述系统可传输所识别的资产的报告，包括自所述资产上一次更新以来发生的损坏的报告。
在另一示例中，所述系统使用调整所捕捉的图像外观的一个或多个滤镜或图像分析功能。例如，滤镜或图像分析可调整叶片的外观、天气条件(例如，下雨、雨夹雪、雪、阳光、眩光、云、雾)、污物、烟雾和灰尘等。在另一示例中，所述系统可包括可检测热信号或其他波长的热检测组件(例如红外摄像机)。通过监控红外线，当资产处于提醒资产所有者需要维护或修理的状态时，可识别与过热、过度摩擦或其他潜在问题相关联的“热点”。
在实施例中，所述系统捕捉一个或多个资产图像，并在捕捉图像的同时将这些图像与捕捉的性能数据快照关联。
所述系统可包括具有所创建的数据包的数据，所述数据包具有标记、资产、捕捉图像的时间以及捕捉图像的地理位置。这些数据可包括由所述资产运送的货物、捕捉资产图像时的货物、资产的所有者、捕捉图像时资产的租赁、捕捉图像时资产的操作员、捕捉图像时的天气状况(例如，天气、日时、污染等级)等。
现参照图2，示出了系统200的另一实施例。系统200包括控制器和软件模块，用于基于所捕捉的资产图以及标记的识别来管理资产。控制器包括可执行计算机可执行指令的一个或多个处理器202，例如来自软件模块的指令。这种计算机可执行指令可被存储在一个或多个计算机可读介质中，包括非临时性计算机可读存储介质，例如控制器的存储器208。
控制器可包括第一通信接口204和第二通信接口206。如图2所示，第一通信接口实现并处理控制器和设备之间的电子通信。第一通信接口可以是有线或无线接口，包括但不限于WiFi接口、以太网接口、光纤接口、蜂窝无线电接口、卫星接口、互联网接口、LAN电缆、以太网电缆、USB接口、串行接口、短距离射频接口(蓝牙)、红外接口、或近场通信(NFC)接口。第二通信接口206实现并处理控制器和资产之间的电子通信(如果适用的话)。合适的第二通信接口可以是无线接口、以太网接口、光纤接口、蜂窝无线电接口、卫星接口、因特网、LAN电缆、以太网电缆、USB接口、串行接口、短距离射频接口(蓝牙)、红外接口、或近场通信(NFC)接口。虽然在图2中第一通信接口和第二通信接口被示出为独立的组件，但第一通信接口和第二通信接口可为单个接口或者能够同时在多个连接中进行通信的一个接口。
在一些实施例中，控制器还包括用户界面210，具有用于获取代表用户输入的数据、传送代表用户输出的数据、从用户获取输入数据、以及执行类似用户输入/输出功能的多个元件。在实施例中，用户界面包括既作为输入装置又作为输出装置的网络界面或网页。用户界面可包括能让用户将信息输入到控制器102的各种按钮、开关、钥匙、按钮或输入的物理或数字表示、图形用户界面、或基于网络的图形用户界面，以及其他显示器，例如可向用户输出其他信息的LED指示器。此外，用户界面可包括能让用户将信息输入到设备或资产的各种按钮、开关、钥匙、按钮或输入的物理或数字表示、图形用户界面、或基于网络的图形用户界面，以及其他显示器，例如可向用户输出其他信息的LED指示器。
根据实施例，控制器为计算设备、网络、服务器、网站或其上所执行的软件模块中的至少一种。在其他实施例中，控制器可具有其他便携式外形，例如膝上型计算机、可转换的笔记本电脑、蜂窝电话、PDA、口袋型计算设备，或手表型计算设备。即，软件模块可安装在能够与存储和标记、资产或所捕捉的图像相关的数据的设备或数据库或存储器2082进行通信的计算设备中，并在其上执行，如参照图1-3所描述的。虽然图2中示出了单个控制器，但系统也可使用一个或多个控制器。例如，第一控制器可用于处理与图像捕捉设备的通信，第二控制器可用于处理捕捉的图像数据，而第一计算设备和第二计算设备相互通信。
控制器和/或软件模块可以是网络或网络的一部分，其中，所述网络是以下中的至少一种：网站、服务器、计算机、云服务、处理器和存储器、或连接到能够与所述设备、数据存储、存储器、资产或其两种或多种的组合中的至少一个进行传输/接收数据的互联网的计算设备。所述网络可通过有线或无线连接与一个或多个设备耦合，其中在所述网络与第二网络、所述网络的子网络、或它们的组合中的至少一个之间实现数据通信。根据特定的应用标准，系统可使用多个网络并选择网络中的数据通信。
图3示出了软件应用程序300，其包括被配置成对所捕捉的一个或多个资产图像执行数据分析的软件模块104。软件应用程序可包括数据存储302、图像分析模块304、查询模块306、数据包模块308、盘点模块310、地理位置模块312和损坏模块314(统称为“模块”)以及存储在数据存储中的支持数据320。所述模块包括用于实现多种功能、过程、操作等的计算机可执行指令。
所述数据存储可以是，例如易失性存储器或非易失性存储器，或者可包括易失性和非易失性存储器。本主题的系统及方法的数据存储旨在包括，而不限于，这些以及其他合适类型的存储器。此外，数据存储可以是服务器、数据库、硬盘驱动器、闪存驱动器、外部硬盘驱动器、便携式硬盘驱动器、基于云的存储器、固态硬盘等。
数据存储可存储由软件模块所使用的、在控制器和设备之间进行通信的、在控制器和资产之间进行通信的、在控制器和另一组件或设备之间进行通信和/或它们的任何组合的支持数据。此外，软件模块可以是控制器上的独立应用程序、被集成到所述设备、被集成到所述资产、由服务器托管、由网络托管、和/或它们的任意组合，
图像分析模块可对所捕捉的图像执行一个或多个图像分析功能。图像分析模块可使用滤镜调整所捕捉的图像的外观。图像分析模块可对所捕捉的图像执行第一图像分析以识别资产类型。此外，图像分析模块可对所捕捉的图像进行第二图像分析以识别在资产某一位置处的标记，其中，基于识别资产类型的第一图像分析来识别所述位置(例如，每个资产类型具有明确的标记位置)。一旦检测到和识别出所述标记和/或代表所述标记的数据，软件模块则可评估存储在数据存储中的数据，从而识别与所述标记相关联的数据或代表所述标记的数据。
图像分析模块可进一步对所捕捉的资产图像进行图像分析，与之前存储的资产图像进行对比，以检测所述资产的变化。特别地，所述变化可以是资产的磨损部分、资产的一部分的磨损部分，或是资产或资产的一部分的损坏。基于这种变化，控制器或软件模块可传输表示所述变化的电子信号。所述变化也可以是，但不限于，资产上涂鸦的量、制动器的部分磨损、密封件是否完好、货物或资产标签是否完好、凹痕、扶手丢失等。
查询模块可被配置成接收数据查询，分析数据存储，并将查询结果传送给数据查询。特别地，查询模块可接收与资产、日期/时间、地理位置、标记、损坏的类型、资产类型、资产的所有者、资产的租赁方、资产上的标记所包含的数据(例如，参见图4)等相关的数据查询。基于所述数据查询，可传送满足数据查询的查询结果。可存储至少包括资产图像、捕捉图像时的地理位置的数据包。这个数据包可以作为查询结果，以允许传送图像和地理位置。
数据模块可为资产创建数据包，所述数据包包括所捕捉的一个或多个资产图像、表示捕捉图像时的时间和/或日期的时间戳。该数据包还可包括标记、资产类型、资产运送的货物、资产的操作员、资产的所有者、图像捕捉设备的类型、设备的位置，用于捕捉图像的触发的类型、之前捕捉资产图像时的日期、资产图像的捕捉历史等。
盘点模块可以查验或验证一组资产的清单。所述盘点模块可被配置成针对一组资产或在一段时间内生成每个被捕捉的资产的基于图像的清单。此外，可接收所述组的清单(例如，从计算设备接收用户生成的、基于主清单创建的清单)。盘点模块将所述基于图像的清单与所述清单进行比较，以识别出差别或不一致。如果通过比较确定出差别或不一致，盘点模块则可被配置成传送表示这种差别或不一致的电子信号。
地理位置模块可以从设备接收一部分数据，以识别捕捉资产图像时的地理位置。在另一个示例中，地理位置模块可生成表示所述设备的或设备捕捉图像时的地理位置或其表示数据。地理位置模块可将表示设备捕捉图像时的地球上的物理位置的数据例如存储在数据存储中。表示地理位置的数据可以是，但不限于，GPS信号、GPS坐标、邮箱地址、物理位置的参考名称、铁路货场名、港口名、船运货场名、邮政编码、设备参考(例如，可被交叉引用至一地理位置的号码或代码)等。可根据正确的工程判断和/或由本领域的普通技术人员选择表示设备的或捕捉图像时的地理位置的数据。
损坏模块可将所捕捉的图像与之前捕捉的资产图像进行对比来识别所述资产或资产的一部分的损伤或磨损部分的程度。损坏模块314可被配置成与图像分析模块进行通信以识别资产的变化或损坏程度。此外，损坏模块可根据损坏的类型或所检测到的资产的损坏位置而将电子信号发送给修理设施。例如，如果根据图像对比检测到资产的轮子损坏，损坏模块则可将电子信号传送给处理轮子修理的修理厂或联络点。
如图3所示，软件模块包括多个支持数据320。所述支持数据可包括资产数据(例如，与所述资产、资产类型、资产运送历史、资产的货物、资产重量、资产容量、资产的所有者、租赁历史、资产的成本、资产的维修历史等涉及的或关联的数据等)、图像数据(例如，捕捉所述图像的设备、设备的位置、捕捉图像的设备的操作员、捕捉图像的时间、捕捉图像时的日期、所捕捉的图像的格式等)、地理位置数据(例如，邮箱地址、表示地球上的位置的数据、涉及位置的输入类型的数据，例如手动输入或自动输入、位置识别的类型，例如通过蜂窝三角测量或GPS信号等)、标记数据(例如，标记的数据、标记类型、标记在资产上的位置、从所述标记的交叉引用识别的数据等)。虽然数据存储被描绘为并入软件模块中，但其也可以是独立的组件、服务器、联网设备、基于云的存储及其组合等。可根据具体应用情况进行选择。
转向图4-5，示出了在侧部400和端部402处具有标记的车辆。为了说明，侧部和端部处的标记都包括标识符“UTLX 00000”以及与所述资产有关的其他信息。根据特定的资产类型，所述标记可包括例如报告标记、车牌号、限载、车的空重、标语牌架、罐测试信息、安全阀测试信息、车规格、商品名称、许可信息、容量等信息、以及其他信息。在一些实施例中，所述标记可包括一个或多个数字或字母。在其他实施例中，所述标记可包括例如图像、条形码、快速响应(QR)码或三维条形码等图形元素。
可基于一个或多个因素来确定标记在资产上的位置。这些因素可包括可用的特定车辆类型的结构、规范要求、可用的视图角度、历史因素等。但是，对于给定的资源类型，基于特定资产类型的特征，标记的位置通常是标准化的。
图6-9示出了每个均具有识别资产的标记的示例性资产。图6示出了油罐车500。图7示出了厢式车600。图8示出了斗车700。图9示出了平车800。在每个示例中，标记在资产上的位置与资产的类型相关联。因此，通过识别特定资产的资产类型，系统可分析所捕捉的图像或所捕捉的图像中包含特定资产的标记的部分。
在实施例中，系统生成基于图像的清单，所述清单是基于设备所捕捉的图像而识别的两个或更多个资产的列表；接收表示两个或更多个资产组的清单的数据，其中，所述清单定义了组中的每个资产和组中资产的类型；将基于图像的清单与所述清单进行对比，并传送表示所述基于图像的清单已确认由所述清单验证或所述基于图像的清单未被所述清单验证的警报的信号。
在实施例中，系统传送所述图像、相关的盘点列表项、位置信息和时间信息。在实施例中，系统从数据库中检索之前的资产图像，并将所述图像与所检索的之前的图像进行比较，判断所述图像和之前的图像之间是否存在表示资产有磨损或损坏的差别，并且可选地，发送涉及与存在或不存在资产的磨损或损坏两者之一或均有的通知。
在实施例中，系统将所述图像与所检索的之前的图像进行比较，以检测资产的轮子的磨损或资产上的凹痕。在实施例中，系统对图像进行分析，补偿所捕捉的图像中的一个或多个差别。可被补偿的这种差别包括一天中捕捉图像时的时间或捕捉图像时光线的变化。通过调整图像的属性(例如，亮度、对比度等)，可增强有关细节，改善对资产的磨损或损坏的识别。在另一实施例中，系统通过分析所捕捉的图像判断资产上一部分的密封是否是完好，以识别密封破裂或泄漏指示。在另一实施例中，系统对图像进行分析以确定资产的一部分的变化，例如制动或轮子的磨损。在又一实施例中，系统对图像进行分析，以识别资产表面的变化，例如表面上的油漆或锈蚀的变化。
在实施例中，之前存储的图像由固定在轨道系统上或其附近的固定式相机捕捉，并被存储在数据存储中。可响应于触发事件而自动捕捉。在实施例中，之前存储的图像由用户利用移动设备捕捉，并被存储在数据存储中。在实施例中，之前存储的图像由固定在编组或编组的部分上的相机捕捉。在实施例中，处理器执行软件模块，使所述处理器查询数据存储中与编组中被查询的部分有关的数据，其中，查询结果包括地理位置、时标戳、编组中被查询部分的部分的标记。
在实施例中，图像是数字图像或数字视频的一部分。在实施例中，处理器执行软件模块，使所述处理器传送用于调用设备来捕捉图像并将图像存储在存储器中的电子信号。在实施例中，电子信号来自用于检测编组的部分的耦合到轨道系统的开关、位于接近轨道系统的开关、追踪所述编组的部分的地理位置的组件或者用户输入中的至少一个。
在实施例中，处理器执行软件模块，使所述处理器对所述图像和之前存储的图像进行第二图像分析，其中，所述第二图像分析是对比所述图像和之前存储车辆部分的图像，识别出车辆的一区域中的物理损坏。
所公开的系统的实施例可便于实现所公开的多种方法。在一个实施例中，披露了一种利用所公开的系统的方法，包括控制器和/或软件模块，用于处理所捕捉的图像来识别资产。所捕捉的资产图像包括标记、时间戳和地理位置两者之一或均有。然后识别所述资产的资产类型，并基于资产类型的识别而确定资产上标记的位置。至少基于所述标记识别所述资产。可匹配盘点列表，例如用于验证所识别的资产处在预期被识别的资产组中。所捕捉的图像、资产的识别、以及可选的一个或多个时间戳、资产类型和地理位置可被汇集作为记录保存。在一些实施例中，系统可生成反映捕捉图像时资产位置在系统位置中的逻辑移动。
在另一实施例中，披露了一种利用所公开的系统的方法，包括控制器和/或软件模块，用于处理包括资产和资产图像的一个或多个资产数据包。捕捉编组的部分的图像，其中，所述编组的部分中包含标记。系统确定或接收图像捕捉步骤发生时的时间戳、以及捕捉图像时的地理位置。分析所述图像以识别标记，并利用所述标记识别资产。创建并存储至少包含所捕捉的图像、资产的识别、时间戳和地理位置的数据包。然后，系统可分析多个资产的多个数据包。例如，针对与给定的资产相关联的所有数据包查询所存储的数据包。可针对给定资产返回包括所述给定资产的所捕捉的图像、时间戳以及地理位置的多个数据包。然后可分析资产图像的时间序列以查看在时间段内资产的状态。以这种方式，可识别任何资产的磨损或损坏，并可确定这些磨损或损坏发生时的大致时间和/或位置。
在实施例中，一种方法包括将所捕捉的图像与之前捕捉的一个或多个资产图像进行对比；并检测所述图像和之前捕捉的一个或多个资产图像之间的区域中的变化，其中，所述变化表示资产区域中的物理差别。
在实施例中，一种方法包括响应于与资产有关的查询，发送包括所述图像以及以下中的一个或多个的查询结果：地理位置、属于在所述地理位置捕捉的资产图像的集合或子集的一系列图像；时间戳的时间或属于在所述时间戳的时间捕捉的资产图像的集合或子集的一系列图像；以及沿路线或在时间段内捕捉的资产图像的子集。
在实施例中，一种方法包括接收对编组的部分的位置的查询，其中，所述查询包括表示标记的数据；发送查询结果，所述查询结果包含在时间戳的车辆部分的地理位置，其中所述地理位置和时间戳是数据包中所包含的最近时间的地理位置和时间戳。
在实施例中，可利用一个或多个处理器和/或存储器执行以下方法步骤：捕捉包含标记、时间戳和地理位置两者之一或均有的资产图像；识别资产类型并基于资产类型的识别确定标记在资产上的位置；识别标记；至少基于所述标记以及与盘点清单相匹配的资产类型识别所述资产；并生成至少包括所述图像的、以及时间戳、资产类型和地理位置中一个或多个的数据包。
在实施例中，可利用一个或多个处理器和/或存储器自动执行以下方法步骤：捕捉其中编组的部分包含标记的编组的部分的图像；存储所述编组的部分的图像、捕捉图像步骤发生时的时间戳，在时间戳时捕捉图像步骤发生时的地理位置；对所述图像进行图像分析以检测表示所述标记的数据；利用表示所述标记的数据进行查询；响应于利用表示所述标记的数据进行查询的步骤而接收表示所述编组的部分的数据包，作为查询结果；以及将图像、时间戳和地理位置包含在数据包中。
在实施例中，一种系统包括被配置为捕捉图像并将图像存储在存储器中的设备，其中所述图像是耦合到轨道系统的编组的部分的图像，并且每个编组的部分包括标记(例如，每个部分包括一个相应的标记)。所述系统进一步包括一个或多个处理器/控制器，所述处理器/控制器被配置成(例如基于存储在存储器中的软件)从存储器接收图像，并对图像进行第一图像分析，第一图像分析的结果是从图像中识别标记。所述一个或多个处理器被配置成利用所述标记查询数据存储，接收查询结果，即表示所述编组的部分的数据，其中，表示所述编组的部分的数据包括之前存储的所述编组的部分的图像。所述一个或多个处理器进一步被配置成对图像进行第二图像分析，其中所述第二图像分析是对比所述图像和之前存储的所述编组的部分的图像，结果是识别所述编组的部分的区域的变化。所述一个或多个处理器进一步被配置成在(例如，响应于)设备捕捉编组的部分的图像时在存储器中存储捕捉图像时的时间戳和捕捉图像时的地理位置。所述一个或多个处理器进一步被配置成基于对时间戳和地理位置的评估追踪铁路货场的一个或多个编组的盘点。
如本文中所使用的，术语“组件”和“模块”及其复数形式意在指代计算机相关的实体，或是硬件、硬件和软件的组合、软件、或执行中的软件。例如，所述组件可以是，但不限于在处理器上运行的进程、处理器、对象、实例、执行的、程序的和/或计算机的可执行线程。例如，在计算机上运行的应用程序和计算机均可以是组件。一个或多个组件可驻留在执行的进程和/或线程中，并且所述组件可位于一个计算机上和/或分布在两个或更多个计算机之间。
“应用程序”或“系统”可包括用于通过处理器执行存储在存储器中的指令而执行一个或多个功能的一个或多个组件或模块。此外，虽然某些功能可被描述为单个模块，但是也可在一个或多个模块之间分配多个功能，此外，可提供一个或多个应用程序以包括本文所描述的一个或多个模块。
单词“示例性”或其多个形式在本文中意味着用作示例、实例或说明。本文中所描述的“示例性”的任何方面或设计不必被解释为优选的或优于其他方面或设计。此外，为了清楚和便于理解起见，提供了一些示例，并且不意味着将所要求的主题或本发明的相关部分局限于或限制为任何方式。
此外，术语“包括”、“包含”、“具有”或其变型，在详细说明或权利要求中均有使用，这样的术语意为包含式的，其理解形式类似于在术语“包含”在权利要求中作为衔接词时“包含”的解释。
在本说明书和权利要求中，将参照具有以下含义的一系列术语。单数形式“一”、“一个”和“所述”包括复数对象，除非上下文另有明确说明。本文整个说明书和权利要求书中所使用的近似语言可被适用于在不导致其所涉及的基本功能的改变时，允许定量表示发生改变。因此，例如由术语“约”修饰的值并不限定于所指定的精确值。在一些情况下，近似语言可与测量所述值的仪器的精度对应。此外，除非特别声明，否则使用术语“第一”、“第二”等不表示顺序或重要性，术语“第一”、“第二”等而是用于将一个元件与另外一个区分。
如本文所使用的，术语“可”和“可以是”表明一系列情况下发生的可能性；具有某种特性、属性或功能；和/或通过表达一种或多种与所修饰的另一个动词相关的能力、性能、或可能性修饰所述动词。因此，使用“可”和“可以是”表示所修饰的术语适合、胜任或适用于所指定的能力、功能或用途，尽管考虑到在某些情况下，所修饰的术语可能不适合、胜任或适用。例如，在某些情况下，能够预料事件或能力，而在其他情况下，所述事件或能力并不发生的——这一差别由术语“可”和“可以是”表述。
本书面描述使用示例公开本了发明，包括最优方式，使得本领域普通技术人员能够实践本发明，包括制造和使用装置或系统、以及执行所包含的方法。本发明的专利范围由权利要求限定，并且可包括本领域普通技术人员可作出的其他示例。如果这些其他示例具有与权利要求的字面语言没有区别的结构元件，或者如果它们包括与权利要求的字面语言无实质区别的等同结构元件，它们旨在包含在权利要求的范围内。
附图标记说明
100 系统
102 控制器
104 软件模块
106 设备
108 标记
110 资产
200 系统
202 处理器
204 第一通信接口
206 第二通讯接口
208 存储器
210 用户界面
300 系统
302 数据存储
304 图像分析模块
306 查询模块
308 数据包模块
310 盘点模块
312 地理位置模块
314 损坏模块
316 支持数据
400 第一视图
402 第二视图
500 罐车
600 厢式车
700 斗车
800 平车。

Claims (17)

1.一种用于识别编组的系统，包括：
设备，其被配置成捕捉图像并将其存储在存储器上，其中，所述图像是耦合到轨道系统的所述编组的部分的图像，所述编组的每个部分均包括一个标记；
软件模块，其被配置成由处理器执行，用于使所述处理器能够从所述存储器接收所述图像并对所述图像执行第一图像分析，其中，所述第一图像分析导致从所述图像识别所述标记；
所述软件模块被进一步配置成使所述处理器能够利用所述标记查询数据存储以接收查询结果，所述结果为表示所述编组的所述部分的数据，其中，表示所述编组的所述部分的所述数据包括所述编组的所述部分的之前存储的图像；
第二软件模块，其被配置成由处理器执行，用于使所述处理器能够对所述图像和所述之前存储的图像进行第二图像分析，其中，所述第二图像分析是对所述图像和所述编组的所述部分的所述之前存储的图像进行对比，其导致识别所述编组的区域的变化；
第三软件模块，其被配置成由处理器执行，用于使所述处理器能够在由所述设备捕捉所述编组的所述部分的所述图像时，将以下数据存储在所述存储器上：捕捉所述图像的时间戳和捕捉所述图像的地理位置；并且
所述第三软件模块进一步被配置成使所述处理器能够基于对所述时间戳和所述地理位置的评估而追踪铁路货场的一个或多个编组的盘点。
2.如权利要求1所述的系统，其中，所述软件模块被配置成用于使所述处理器：
从所述设备接收所述图像，
确定所述编组的部分的类型，
基于所确定的编组的部分的类型而确定标记位置，以及
通过分析与所确定的标记位置相对应的所述图像的至少一部分而确定在所述编组的部分上的所述标记，从而识别所述编组的部分。
3.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
通过分析所述编组的部分的至少一部分的所述图像而确定所述编组的部分的类型。
4.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
基于对经电子传送的编组的部分类型识别的接收而确定所述编组的部分的类型。
5.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
访问包含具有所述编组的部分的类型的标记位置的所述编组的部分的类型的关联的数据库。
6.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
将所述图像与所识别的编组的部分的所述识别、并且与捕捉所述图像的位置或捕捉所述图像的时间中的至少一个关联并存储。
7.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
接收多个关联编组的部分的参考清单，其中，所述参考清单定义了所述多个关联编组的部分，
通过基于所述设备所捕捉的图像而识别每个编组的部分，生成所述多个关联编组的部分的基于图像的清单，将所述参考清单和所述基于图像的清单进行对比，从而确定差别，以及
传送关于所述差别的通知。
8.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
从数据库中检索之前的所述编组的部分的图像，
将所述图像与所检索的之前的图像进行对比，
基于所述图像与所述之前的图像的所述对比，确定所述编组的部分的磨损或损坏中的至少一个的指示，以及发送关于所述编组的部分的磨损或损坏的所述指示的通知。
9.如权利要求8所述的系统，其中，所述编组的部分的磨损或损坏的所述指示是所述编组的部分的轮子的磨损或所述编组的部分上的凹痕中的一个。
10.如权利要求8所述的系统，其中，所述编组的部分的磨损或损坏的所述指示是所述编组的部分的一部分上的密封是否完好。
11.如权利要求8所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
在将所述图像与所检索的之前的图像进行对比时，补偿所述图像和所检索的之前的图像之间的环境变化，其中，所述环境变化为日时、采光变化和天气的状态中的至少一个，并且其中所述天气的状态是存在灰尘、叶片、烟、雪、雨或雾中的至少一种。
12.如权利要求2所述的系统，其中，所述设备是固定式的并接近所述编组的部分行进越过的路线而定位。
13.如权利要求2所述的系统，其中，所述设备是移动设备。
14.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
激活所述设备以捕捉包含所确定的标记位置的所述编组的部分的第二图像；并且
通过分析所述第二图像的至少一部分来确定在所述编组的部分上的所述标记，从而识别所述编组的部分。
15.如权利要求2所述的系统，其中，所述软件模块进一步被配置成用于使所述处理器：
响应于接收与所述编组的部分处于接近所述设备关联的信号而激活所述设备以捕捉图像。
16.如权利要求15所述的系统，其中，所述信号来自与轨道系统耦合的检测所述编组的部分处于接近所述设备的开关。
17.如权利要求15所述的系统，其中，所述信号来自检测所述编组的部分处于接近所述设备的所述编组的部分的位置追踪组件。
CN201610545614.7A 2015-04-29 2016-04-29 用于自动资产识别的图像分析系统及方法 Active CN106203343B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/700,078 US9710720B2 (en) 2015-04-29 2015-04-29 System and method of image analysis for automated asset identification
US14/700078 2015-04-29

Publications (2)

Publication Number Publication Date
CN106203343A CN106203343A (zh) 2016-12-07
CN106203343B true CN106203343B (zh) 2021-06-29

Family

ID=57136006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610545614.7A Active CN106203343B (zh) 2015-04-29 2016-04-29 用于自动资产识别的图像分析系统及方法

Country Status (5)

Country Link
US (1) US9710720B2 (zh)
JP (1) JP6727013B2 (zh)
CN (1) CN106203343B (zh)
AU (1) AU2016202566B2 (zh)
DE (1) DE102016107767A1 (zh)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10713503B2 (en) 2017-01-31 2020-07-14 General Electric Company Visual object detection system
US10349491B2 (en) 2015-01-19 2019-07-09 Tetra Tech, Inc. Light emission power control apparatus and method
US10362293B2 (en) 2015-02-20 2019-07-23 Tetra Tech, Inc. 3D track assessment system and method
EP3365789A1 (en) * 2015-10-19 2018-08-29 Leapwork A/S Method, apparatus and system for task automation of computer operations based on ui control and image/text recognition
US10435052B2 (en) 2017-02-22 2019-10-08 Tetra Tech, Inc. Broken wheel detection system
CN109040155B (zh) * 2017-06-08 2021-06-08 中国移动通信集团浙江有限公司 资产识别方法和计算机设备
WO2019029969A1 (de) * 2017-08-10 2019-02-14 Siemens Mobility GmbH Sensoriell gesteuertes anpassen von odometrischen messparametern an wetterbedingungen
US20190064119A1 (en) * 2017-08-28 2019-02-28 Siemens Energy, Inc. Laser ultrasonic thermography inspection
DE102017215505A1 (de) * 2017-09-05 2019-03-07 Robert Bosch Gmbh Verfahren und Vorrichtung zum Prognostizieren einer baustellenbedingten Fahrstreckenänderung einer Fahrstrecke für ein Fahrzeug
WO2019051472A1 (en) 2017-09-11 2019-03-14 Trelleborg Sealing Solutions Us, Inc. SYSTEM AND METHOD FOR SEALING DETECTION
KR102100474B1 (ko) * 2018-04-30 2020-04-13 엘지전자 주식회사 인공지능 청소기 및 그 제어방법
US11377130B2 (en) 2018-06-01 2022-07-05 Tetra Tech, Inc. Autonomous track assessment system
US10625760B2 (en) 2018-06-01 2020-04-21 Tetra Tech, Inc. Apparatus and method for calculating wooden crosstie plate cut measurements and rail seat abrasion measurements based on rail head height
US10730538B2 (en) 2018-06-01 2020-08-04 Tetra Tech, Inc. Apparatus and method for calculating plate cut and rail seat abrasion based on measurements only of rail head elevation and crosstie surface elevation
US10807623B2 (en) 2018-06-01 2020-10-20 Tetra Tech, Inc. Apparatus and method for gathering data from sensors oriented at an oblique angle relative to a railway track
CN108974043A (zh) * 2018-08-09 2018-12-11 铁路愿景欧洲有限公司 铁路轨道勘测系统
CN109325482B (zh) * 2018-09-29 2022-09-27 北京易盘点科技有限公司 基于图像识别的固定资产盘点方法及装置
CN109178040A (zh) * 2018-11-01 2019-01-11 同方威视技术股份有限公司 列车识别系统及其方法、列车安全检查系统及其方法
US11454509B2 (en) * 2019-03-05 2022-09-27 International Business Machines Corporation Alert system for environmental changes
US11755965B2 (en) 2019-04-30 2023-09-12 Transportation Ip Holdings, Llc Asset identification and tracking system
CA3130198C (en) 2019-05-16 2022-05-17 Darel Mesher System and method for generating and interpreting point clouds of a rail corridor along a survey path
JP7183950B2 (ja) * 2019-05-30 2022-12-06 株式会社デンソー 車両の撮影方法、車両の点検支援方法、車両の貸出方法、車両撮影プログラムおよび車両管理サーバ
CN112487270A (zh) * 2019-09-12 2021-03-12 北京白帽汇科技有限公司 基于图片识别进行资产分类及准确度校验的方法和装置
RU2730112C1 (ru) * 2020-03-02 2020-08-17 ООО "Ай Ти Ви групп" Система и способ идентификации объектов в составном объекте
CN111814500A (zh) * 2020-05-19 2020-10-23 北京新意互动数字技术有限公司 一种固定资产盘点方法、客户端及服务器
EP3932779B1 (en) * 2020-07-03 2022-08-31 Volvo Truck Corporation A method for guiding a vehicle
US11325625B2 (en) * 2020-07-07 2022-05-10 Amsted Rail Company, Inc. Systems and methods for railway asset management
US11755845B2 (en) 2021-06-18 2023-09-12 International Business Machines Corporation Automated process for generating natural language descriptions of raster-based weather visualizations for output in written and audible form
US20230009954A1 (en) * 2021-07-11 2023-01-12 Percepto Robotics Ltd System and method for detecting changes in an asset by image processing
CN113570341B (zh) * 2021-07-30 2024-01-16 国网数字科技控股有限公司 一种配网设备信息录入方法及装置
CN113760931B (zh) * 2021-08-20 2023-12-29 济南浪潮数据技术有限公司 一种资源信息的存取方法、装置、设备和介质
US11822562B2 (en) * 2022-03-31 2023-11-21 Capital One Services, Llc Unstructured text processing for geographical location determination system
WO2023203762A1 (ja) * 2022-04-22 2023-10-26 日本電気株式会社 情報処理装置、システム、方法、及びコンピュータ可読媒体

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2789266B2 (ja) * 1991-06-10 1998-08-20 日産アルティア株式会社 車検場に於ける被検査車輌のナンバー自動読み取り装置およびそのナンバー自動読み取り方法
JPH05143714A (ja) * 1991-07-04 1993-06-11 Nishi Nippon Riyokaku Tetsudo Kk 画像処理を利用した走行車両の異常監視方法及び異常監視システム
JPH11306484A (ja) * 1998-04-16 1999-11-05 Eiko Seisakusho:Kk 無人駐車場の車種別管理システム
US20070139182A1 (en) * 2005-12-19 2007-06-21 O'connor Jay D Emergency communications for the mobile environment
US7826938B2 (en) * 2005-12-22 2010-11-02 Mitsubishi Electric Research Laboratories, Inc. System for tracking railcars in a railroad environment
CA2560800C (en) * 2006-01-20 2014-08-26 Geo 3D Inc. Automated asset detection, location measurement and recognition
JP5264261B2 (ja) * 2007-05-21 2013-08-14 株式会社日本環境プロジェクト コンテナ管理システム
EP2003599A1 (de) * 2007-06-14 2008-12-17 Sick Ag Optoelektronischer Sensor und Verfahren zur Erfassung von Codes
US7698029B2 (en) * 2008-08-19 2010-04-13 The Boeing Company Autonomous asset transportation method, apparatus and computer program product
US8639384B2 (en) * 2008-09-30 2014-01-28 Amazon Technologies, Inc. Systems and methods for receiving shipment parcels
KR20100099564A (ko) * 2009-03-03 2010-09-13 삼성전자주식회사 디지털 영상 처리기에서 먼지 보정 장치 및 방법
HK1146453A2 (en) * 2010-02-19 2011-06-03 Tracker Asia Ltd A system and method for locating physical assets
US20120033850A1 (en) * 2010-08-05 2012-02-09 Owens Kenneth G Methods and systems for optical asset recognition and location tracking
EP2423063B1 (en) * 2010-08-23 2013-03-06 Harman Becker Automotive Systems GmbH Method of detecting the braking of a vehicle
US20120051643A1 (en) * 2010-08-25 2012-03-01 E. I. Systems, Inc. Method and system for capturing and inventoring railcar identification numbers
US8296000B2 (en) * 2010-09-08 2012-10-23 Railcomm, Llc Tracking rolling stock in a controlled area of a railway
US9253251B2 (en) * 2010-11-03 2016-02-02 Endeavoring, Llc System and method for determining a vehicle proximity to a selected address
US10469579B2 (en) * 2010-12-16 2019-11-05 General Electric Company Method and system for data processing in a vehicle group
JP2012198790A (ja) * 2011-03-22 2012-10-18 Nifty Corp 移動体位置推定サーバ
WO2013126892A1 (en) * 2012-02-23 2013-08-29 Tyco Electronics Uk Ltd. Overlay-based asset location and identification system
US10289108B2 (en) * 2012-03-15 2019-05-14 General Electric Company Methods and apparatus for monitoring operation of a system asset
US9081914B2 (en) * 2012-05-03 2015-07-14 The Boeing Company Component configuration system and methods of operating same
TWI459332B (zh) * 2012-05-15 2014-11-01 Ind Tech Res Inst 整合多攝影機影像的車輛追蹤方法及系統
US8712873B2 (en) * 2012-07-17 2014-04-29 Zortag, Inc. System for and method of remotely auditing inventoried assets
US9595017B2 (en) * 2012-09-25 2017-03-14 International Business Machines Corporation Asset tracking and monitoring along a transport route
US9824517B2 (en) * 2012-10-12 2017-11-21 United Parcel Service Of America, Inc. Concepts for asset identification
US9218586B2 (en) * 2012-11-15 2015-12-22 At&T Intellectual Property I, L.P. Asset management service for distributed computing environments
US8867819B2 (en) * 2013-01-28 2014-10-21 International Business Machines Corporation Information technology asset location using visual detectors
US9607462B2 (en) * 2013-03-18 2017-03-28 Kenneth Gerald Blemel System for anti-tamper parcel packaging, shipment, receipt, and storage
US9098747B1 (en) * 2013-04-16 2015-08-04 Google Inc. Systems and methods for identifying locations of infrastructure assets using aerial imagery
US9100572B2 (en) * 2013-05-24 2015-08-04 Xerox Corporation Methods and systems for confidence-based image processing
US10410278B2 (en) * 2013-07-25 2019-09-10 The Crawford Group, Inc. Method and apparatus for integrated image capture for vehicles to track damage
US9175966B2 (en) * 2013-10-15 2015-11-03 Ford Global Technologies, Llc Remote vehicle monitoring
US9530310B2 (en) * 2013-11-01 2016-12-27 Xerox Corporation Method and system for detecting and tracking a vehicle of interest utilizing a network of traffic image-capturing units
US9796400B2 (en) * 2013-11-27 2017-10-24 Solfice Research, Inc. Real time machine vision and point-cloud analysis for remote sensing and vehicle control
CN103745296A (zh) * 2013-12-05 2014-04-23 国家电网公司 一种基于多种信息识别方式和4g通讯网的资产管理系统
US9346168B2 (en) * 2014-05-20 2016-05-24 International Business Machines Corporation Information technology asset type identification using a mobile vision-enabled robot
US20150356520A1 (en) * 2014-06-10 2015-12-10 General Electric Company System and method for providing an interactive asset management interface
US9669850B2 (en) * 2014-09-08 2017-06-06 Genscape Intangible Holding, Inc. Method and system for monitoring rail operations and transport of commodities via rail
US20160203591A1 (en) * 2015-01-09 2016-07-14 Umm Al-Qura University System and process for monitoring the quality of food in a refrigerator

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automatic Character Recognition for Moving and Stationary Vehicles and Containers in Real-life Images;Dr.John C.M.Lee 等;《International Joint Conference on Neural Networks Proceedings》;20020806;2824-2828 *
Image Based Object Identification in Muon Tomography;Rohit Patnaik 等;《2014 IEEE Nuclear Science Symposium and Medical Imaging Conference》;20160314;1-9 *
基于 Android 的铁路快运货物信息识别系统的设计与实现;卿周阳 等;《科技经济导刊》;20170228(第2期);13-15 *
基于图像处理技术的货运标签识别系统;赵熠 等;《设施与设备》;20070831;第26卷(第8期);185-187 *

Also Published As

Publication number Publication date
JP6727013B2 (ja) 2020-07-22
CN106203343A (zh) 2016-12-07
US20160321513A1 (en) 2016-11-03
JP2016212848A (ja) 2016-12-15
AU2016202566B2 (en) 2020-05-07
US9710720B2 (en) 2017-07-18
AU2016202566A1 (en) 2016-11-17
DE102016107767A1 (de) 2016-11-03

Similar Documents

Publication Publication Date Title
CN106203343B (zh) 用于自动资产识别的图像分析系统及方法
US9619725B2 (en) Processing container images and identifiers using optical character recognition and geolocation
US9902413B2 (en) Method and system for monitoring rail operations and transport of commodities via rail
US11748705B2 (en) Automotive asset location management systems and methods
US7385499B2 (en) Item-based monitoring systems and methods
US20180346004A1 (en) Profile detection method
US20230282083A1 (en) Systems and methods for cargo management, verification, and tracking
CN104102986A (zh) 基于物联网技术的救灾物资储备管理和配送系统
CN105654234A (zh) 高危物品生命周期全程实时监控报警系统及方法
CN107516178A (zh) 整车物流管理方法
US20140114718A1 (en) Methods, apparatuses and computer program products for automating arrivals and departures
US20140354400A1 (en) System for managing entry and exit of vehicles
CN111612111B (zh) 一种移动送检监控装置
CN113590628B (zh) 一种面向工业园区的物联网大数据管理方法
Kot et al. Identification of information systems application in road transport companies in Silesia Region
CN104732363A (zh) 一种仓储调度系统
CN113077612A (zh) 载重车辆超限预警系统及方法
Verma How the Use of 5G in Supply Chain Operations Can Prevent Future Disruptions
JP7162723B2 (ja) 自動車資産位置管理システムおよび方法
CN115731716A (zh) 一种车辆识别方法和装置
CN116342017A (zh) 运输车辆的运输合同的执行系统
TR201705483A2 (tr) Bi̇r taki̇p si̇stemi̇

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20190325

Address after: American Connecticut

Applicant after: General Electric Global Purchasing Co., Ltd.

Address before: American New York

Applicant before: General Electric Company

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: Connecticut, USA

Patentee after: IP transmission holding Co.

Address before: Connecticut, USA

Patentee before: General Electric Global Procurement Co.,Ltd.

CP01 Change in the name or title of a patent holder