CN108257420A - 基于摄像头的计人计车方法、装置及系统 - Google Patents

基于摄像头的计人计车方法、装置及系统 Download PDF

Info

Publication number
CN108257420A
CN108257420A CN201810142541.6A CN201810142541A CN108257420A CN 108257420 A CN108257420 A CN 108257420A CN 201810142541 A CN201810142541 A CN 201810142541A CN 108257420 A CN108257420 A CN 108257420A
Authority
CN
China
Prior art keywords
ship
vehicle
camera
distance
people
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.)
Pending
Application number
CN201810142541.6A
Other languages
English (en)
Inventor
金文�
张翟容
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.)
Jiangsu Jinhaixing Navigation Technology Co Ltd
Original Assignee
Jiangsu Jinhaixing Navigation Technology Co Ltd
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 Jiangsu Jinhaixing Navigation Technology Co Ltd filed Critical Jiangsu Jinhaixing Navigation Technology Co Ltd
Priority to CN201810142541.6A priority Critical patent/CN108257420A/zh
Publication of CN108257420A publication Critical patent/CN108257420A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Air-Conditioning For Vehicles (AREA)
  • Peptides Or Proteins (AREA)

Abstract

本发明公开了基于摄像头的计人计车方法、装置及系统，事先将所有机动车、非机动车、人员模型建立到系统，根据所建立的模型，采用目标检测、特征提取、对象识别、深度学习等分析手段对摄像头采集到的视频数据进行分析，获取人、机动车、非机动车上下船的统计分析结果。本发明采用自动统计的方式取代人工统计，避免了人工统计时工作量大、工作效率低、容易疲劳、不够准确的问题，能够快速、准确地统计上下船的人车数量，在船舶离开码头后这些数据可以汇报给海事部门。优选的，可以基于船舶定位设备，计算出从船舶进入码头区域到离开码头区域的时间范围，统计该时间范围上下船的人数、车数。

Description

基于摄像头的计人计车方法、装置及系统
技术领域
本发明涉及智能视频检测的技术领域，尤其涉及基于摄像头的计人计车方法、装置及系统。
背景技术
对于码头停靠的船舶，有统计进出人员、车辆的需求，传统的肉眼统计人车数量的方法，工作量大，工作效率低，单调乏味容易疲劳，并且当大批的人员车辆进出某个区域，很难精确统计出数量。
视频分析技术是在物体建模的基础上，实现对象识别，系统有深度学习的过程，将大量的物体模型保存到视频分析系统中，进行一定时间的学习，就能保证系统分析的精确度。随着现在视频图像分析技术的日新月异，将该技术应用到统计人车的场景中，可以实现对于人车的快速、准确的统计。
发明内容
为了克服现有技术的不足，本发明的目的在于提供基于摄像头的计人计车方法、装置及系统，旨在解决现有技术人工统计上下船的人车数量时工作量大、工作效率低、容易疲劳、不够准确的问题。
本发明的目的采用以下技术方案实现：
一种基于摄像头的计人计车方法，包括：
摄像步骤，通过安装在船舶上的摄像头获取视频数据；
分析步骤，根据计人计车模型，对视频数据进行分析，获取分析结果，所述分析结果包括上船人数、下船人数、上船车数、下船车数。
在上述实施例的基础上，优选的，所述摄像步骤前，还包括：
模型建立步骤，对于船舶人车的训练数据集，给定标签并进行神经网络训练，得到符合预期的计人计车模型。
在上述任意实施例的基础上，优选的，所述摄像步骤前，还包括进出判定步骤：
每隔预定时间，接收安装在船舶上的定位设备发送的船舶位置信息；
将船舶位置信息与预定码头区域的位置信息进行比对，判定船舶是否在码头区域内；
如果是，则根据船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第一距离；继续接收定位设备发送的船舶位置信息，并根据新接收到的船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第二距离；将第一距离和第二距离进行比对；
如果第一距离大于第二距离，船舶距离码头越来越近，则判定船舶进码头，并记录船舶进入码头区域的临界时间作为船舶进码头时间；
如果第一距离小于第二距离，船舶距离码头越来越远，则判定船舶出码头，并记录船舶离开码头区域的临界时间作为船舶出码头时间；
所述摄像步骤，具体为：
在船舶进码头时间和船舶出码头时间之间的时间段内，通过安装在船舶上的摄像头获取视频数据。
在上述任意实施例的基础上，优选的，所述分析步骤，具体为：
根据计人计车模型，对视频数据进行分析，获取每分钟内的上船人数、下船人数、上船车数、下船车数。
在上述任意实施例的基础上，优选的，所述分析结果还包括上船车的类型及其数量、下船车的类型及其数量。
一种基于摄像头的计人计车装置，包括：
摄像模块，用于通过安装在船舶上的摄像头获取视频数据；
分析模块，用于根据计人计车模型，对视频数据进行分析，获取分析结果，所述分析结果包括上船人数、下船人数、上船车数、下船车数。
在上述实施例的基础上，优选的，还包括：
模型建立模块，用于对于船舶人车的训练数据集，给定标签并进行神经网络训练，得到符合预期的计人计车模型。
在上述任意实施例的基础上，优选的，还包括进出判定模块，用于：
每隔预定时间，接收安装在船舶上的定位设备发送的船舶位置信息；
将船舶位置信息与预定码头区域的位置信息进行比对，判定船舶是否在码头区域内；
如果是，则根据船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第一距离；继续接收定位设备发送的船舶位置信息，并根据新接收到的船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第二距离；将第一距离和第二距离进行比对；
如果第一距离大于第二距离，船舶距离码头越来越近，则判定船舶进码头，并记录船舶进入码头区域的临界时间作为船舶进码头时间；
如果第一距离小于第二距离，船舶距离码头越来越远，则判定船舶出码头，并记录船舶离开码头区域的临界时间作为船舶出码头时间；
所述摄像模块用于：
在船舶进码头时间和船舶出码头时间之间的时间段内，通过安装在船舶上的摄像头获取视频数据。
在上述任意实施例的基础上，优选的，所述分析模块用于：
根据计人计车模型，对视频数据进行分析，获取每分钟内的上船人数、下船人数、上船车数、下船车数。
一种基于摄像头的计人计车系统，包括：
上述任一项实施例中的基于摄像头的计人计车装置；
定位设备，安装在船舶上，定位设备用于获取船舶位置信息；
摄像头，安装在船舶上，摄像头用于获取视频数据；
所述装置分别与定位设备、摄像头连接。
相比现有技术，本发明的有益效果在于：
本发明公开了基于摄像头的计人计车方法、装置及系统，事先将所有机动车、非机动车、人员模型建立到系统，根据所建立的模型，采用目标检测、特征提取、对象识别、深度学习等分析手段对摄像头采集到的视频数据进行分析，获取人、机动车、非机动车上下船的统计分析结果。本发明采用自动统计的方式取代人工统计，避免了人工统计时工作量大、工作效率低、容易疲劳、不够准确的问题，能够快速、准确地统计上下船的人车数量，在船舶离开码头后这些数据可以汇报给海事部门。优选的，可以基于船舶定位设备，计算出从船舶进入码头区域到离开码头区域的时间范围，统计该时间范围上下船的人数、车数。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明实施例提供的一种基于摄像头的计人计车方法的流程示意图；
图2示出了本发明实施例提供的一种基于摄像头的计人计车装置的结构示意图；
图3示出了本发明实施例提供的一种基于摄像头的计人计车系统的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
具体实施例一
如图1所示，本发明实施例提供了一种基于摄像头的计人计车方法，包括：
摄像步骤S101，通过安装在船舶上的摄像头获取视频数据；
分析步骤S102，根据计人计车模型，对视频数据进行分析，获取分析结果，所述分析结果包括上船人数、下船人数、上船车数、下船车数。
本发明实施例根据计人计车模型，采用目标检测、特征提取、对象识别、深度学习等分析手段对摄像头采集到的视频数据进行分析，获取人、机动车、非机动车上下船的统计分析结果。本发明实施例采用自动统计的方式取代人工统计，避免了人工统计时工作量大、工作效率低、容易疲劳、不够准确的问题，能够快速、准确地统计上下船的人车数量，在船舶离开码头后这些数据可以汇报给海事部门。
优选的，所述摄像步骤S101前，还可以包括：模型建立步骤S103，对于船舶人车的训练数据集，给定标签并进行神经网络训练，得到符合预期的计人计车模型。这样做的好处是，事先将所有机动车、非机动车、人员模型建立到系统，方便应用到后续的视频分析过程中。
优选的，所述摄像步骤S101前，还可以包括进出判定步骤S104：每隔预定时间，接收安装在船舶上的定位设备发送的船舶位置信息；将船舶位置信息与预定码头区域的位置信息进行比对，判定船舶是否在码头区域内；如果是，则根据船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第一距离；继续接收定位设备发送的船舶位置信息，并根据新接收到的船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第二距离；将第一距离和第二距离进行比对；如果第一距离大于第二距离，船舶距离码头越来越近，则判定船舶进码头，并记录船舶进入码头区域的临界时间作为船舶进码头时间；如果第一距离小于第二距离，船舶距离码头越来越远，则判定船舶出码头，并记录船舶离开码头区域的临界时间作为船舶出码头时间；所述摄像步骤S101，可以具体为：在船舶进码头时间和船舶出码头时间之间的时间段内，通过安装在船舶上的摄像头获取视频数据。这样做的好处是，可以基于船舶定位设备，计算出从船舶进入码头区域到离开码头区域的时间范围，统计该时间范围上下船的人数、车数。
本发明实施例对船舶位置信息不做限定，优选的，其可以包括经度信息和纬度信息。
优选的，所述分析步骤S102，可以具体为：根据计人计车模型，对视频数据进行分析，获取每分钟内的上船人数、下船人数、上船车数、下船车数。这样做的好处是，可以实现每分钟内的上下船人数和车数的实时统计。
优选的，所述分析结果还可以包括上船车的类型及其数量、下船车的类型及其数量。车的类型可以包括机动车、非机动车，还可以包括车的具体型号信息。
本发明实施例的一个应用场景可以是：首先根据地图画出渡运船舶停靠码头区域，在船舶行驶过程中，自动记录船舶进码头时间和船舶出码头时间，进码头人车先下船，等所有人车下完后，开始上船；自动统计人车开始上船时间到船开出码头这段时间所上的人车数量，即统计出船舶这一趟的人车数量。
在上述的具体实施例一中，提供了基于摄像头的计人计车方法，与之相对应的，本申请还提供基于摄像头的计人计车装置。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
具体实施例二
如图2所示，本发明实施例提供了一种基于摄像头的计人计车装置，包括：
摄像模块201，用于通过安装在船舶上的摄像头获取视频数据；
分析模块202，用于根据计人计车模型，对视频数据进行分析，获取分析结果，所述分析结果包括上船人数、下船人数、上船车数、下船车数。
本发明实施例根据计人计车模型，采用目标检测、特征提取、对象识别、深度学习等分析手段对摄像头采集到的视频数据进行分析，获取人、机动车、非机动车上下船的统计分析结果。本发明实施例采用自动统计的方式取代人工统计，避免了人工统计时工作量大、工作效率低、容易疲劳、不够准确的问题，能够快速、准确地统计上下船的人车数量，在船舶离开码头后这些数据可以汇报给海事部门。
优选的，本发明实施例还可以包括模型建立模块203，用于对于船舶人车的训练数据集，给定标签并进行神经网络训练，得到符合预期的计人计车模型。这样做的好处是，事先将所有机动车、非机动车、人员模型建立到系统，方便应用到后续的视频分析过程中。
优选的，本发明实施例还可以包括进出判定模块204，用于：每隔预定时间，接收安装在船舶上的定位设备发送的船舶位置信息；将船舶位置信息与预定码头区域的位置信息进行比对，判定船舶是否在码头区域内；如果是，则根据船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第一距离；继续接收定位设备发送的船舶位置信息，并根据新接收到的船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第二距离；将第一距离和第二距离进行比对；如果第一距离大于第二距离，船舶距离码头越来越近，则判定船舶进码头，并记录船舶进入码头区域的临界时间作为船舶进码头时间；如果第一距离小于第二距离，船舶距离码头越来越远，则判定船舶出码头，并记录船舶离开码头区域的临界时间作为船舶出码头时间；所述摄像模块201可以用于：在船舶进码头时间和船舶出码头时间之间的时间段内，通过安装在船舶上的摄像头获取视频数据。
优选的，所述分析模块202可以用于：根据计人计车模型，对视频数据进行分析，获取每分钟内的上船人数、下船人数、上船车数、下船车数。
具体实施例三
如图3所示，本发明实施例提供了一种基于摄像头的计人计车系统，包括：
具体实施例二中的基于摄像头的计人计车装置301；
定位设备302，安装在船舶上，定位设备用于获取船舶位置信息；
摄像头303，安装在船舶上，摄像头用于获取视频数据；
所述装置301分别与定位设备302、摄像头303连接。
本发明实施例根据计人计车模型，采用目标检测、特征提取、对象识别、深度学习等分析手段对摄像头采集到的视频数据进行分析，获取人、机动车、非机动车上下船的统计分析结果。本发明实施例采用自动统计的方式取代人工统计，避免了人工统计时工作量大、工作效率低、容易疲劳、不够准确的问题，能够快速、准确地统计上下船的人车数量，在船舶离开码头后这些数据可以汇报给海事部门。
本发明实施例中，所述装置301可以与摄像头303集成为一体，二者之间的数据传输方式可以是web http，数据接口的模式。
优选的，所述装置301的分析结果的准确率为人95%以上，车80%以上。
本发明从使用目的上，效能上，进步及新颖性等观点进行阐述，其具有的实用进步性，己符合专利法所强调的功能增进及使用要件，本发明以上的说明及附图，仅为本发明的较佳实施例而己，并非以此局限本发明，因此，凡一切与本发明构造，装置，待征等近似、雷同的，即凡依本发明专利申请范围所作的等同替换或修饰等，皆应属本发明的专利申请保护的范围之内。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。尽管本发明已进行了一定程度的描述，明显地，在不脱离本发明的精神和范围的条件下，可进行各个条件的适当变化。可以理解，本发明不限于所述实施方案，而归于权利要求的范围，其包括所述每个因素的等同替换。对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (10)

1.一种基于摄像头的计人计车方法，其特征在于，包括：
摄像步骤，通过安装在船舶上的摄像头获取视频数据；
分析步骤，根据计人计车模型，对视频数据进行分析，获取分析结果，所述分析结果包括上船人数、下船人数、上船车数、下船车数。
2.根据权利要求1所述的基于摄像头的计人计车方法，其特征在于，所述摄像步骤前，还包括：
模型建立步骤，对于船舶人车的训练数据集，给定标签并进行神经网络训练，得到符合预期的计人计车模型。
3.根据权利要求1或2所述的基于摄像头的计人计车方法，其特征在于，所述摄像步骤前，还包括进出判定步骤：
每隔预定时间，接收安装在船舶上的定位设备发送的船舶位置信息；
将船舶位置信息与预定码头区域的位置信息进行比对，判定船舶是否在码头区域内；
如果是，则根据船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第一距离；继续接收定位设备发送的船舶位置信息，并根据新接收到的船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第二距离；将第一距离和第二距离进行比对；
如果第一距离大于第二距离，船舶距离码头越来越近，则判定船舶进码头，并记录船舶进入码头区域的临界时间作为船舶进码头时间；
如果第一距离小于第二距离，船舶距离码头越来越远，则判定船舶出码头，并记录船舶离开码头区域的临界时间作为船舶出码头时间；
所述摄像步骤，具体为：
在船舶进码头时间和船舶出码头时间之间的时间段内，通过安装在船舶上的摄像头获取视频数据。
4.根据权利要求1或2所述的基于摄像头的计人计车方法，其特征在于，所述分析步骤，具体为：
根据计人计车模型，对视频数据进行分析，获取每分钟内的上船人数、下船人数、上船车数、下船车数。
5.根据权利要求1或2所述的基于摄像头的计人计车方法，其特征在于，所述分析结果还包括上船车的类型及其数量、下船车的类型及其数量。
6.一种基于摄像头的计人计车装置，其特征在于，包括：
摄像模块，用于通过安装在船舶上的摄像头获取视频数据；
分析模块，用于根据计人计车模型，对视频数据进行分析，获取分析结果，所述分析结果包括上船人数、下船人数、上船车数、下船车数。
7.根据权利要求6所述的基于摄像头的计人计车装置，其特征在于，还包括：
模型建立模块，用于对于船舶人车的训练数据集，给定标签并进行神经网络训练，得到符合预期的计人计车模型。
8.根据权利要求6或7所述的基于摄像头的计人计车装置，其特征在于，还包括进出判定模块，用于：
每隔预定时间，接收安装在船舶上的定位设备发送的船舶位置信息；
将船舶位置信息与预定码头区域的位置信息进行比对，判定船舶是否在码头区域内；
如果是，则根据船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第一距离；继续接收定位设备发送的船舶位置信息，并根据新接收到的船舶位置信息与码头位置信息计算船舶与码头之间的距离作为第二距离；将第一距离和第二距离进行比对；
如果第一距离大于第二距离，船舶距离码头越来越近，则判定船舶进码头，并记录船舶进入码头区域的临界时间作为船舶进码头时间；
如果第一距离小于第二距离，船舶距离码头越来越远，则判定船舶出码头，并记录船舶离开码头区域的临界时间作为船舶出码头时间；
所述摄像模块用于：
在船舶进码头时间和船舶出码头时间之间的时间段内，通过安装在船舶上的摄像头获取视频数据。
9.根据权利要求6或7所述的基于摄像头的计人计车装置，其特征在于，所述分析模块用于：
根据计人计车模型，对视频数据进行分析，获取每分钟内的上船人数、下船人数、上船车数、下船车数。
10.一种基于摄像头的计人计车系统，其特征在于，包括：
权利要求6-9任一项所述的基于摄像头的计人计车装置；
定位设备，安装在船舶上，定位设备用于获取船舶位置信息；
摄像头，安装在船舶上，摄像头用于获取视频数据；
所述装置分别与定位设备、摄像头连接。
CN201810142541.6A 2018-02-11 2018-02-11 基于摄像头的计人计车方法、装置及系统 Pending CN108257420A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810142541.6A CN108257420A (zh) 2018-02-11 2018-02-11 基于摄像头的计人计车方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810142541.6A CN108257420A (zh) 2018-02-11 2018-02-11 基于摄像头的计人计车方法、装置及系统

Publications (1)

Publication Number Publication Date
CN108257420A true CN108257420A (zh) 2018-07-06

Family

ID=62744125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810142541.6A Pending CN108257420A (zh) 2018-02-11 2018-02-11 基于摄像头的计人计车方法、装置及系统

Country Status (1)

Country Link
CN (1) CN108257420A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111243339A (zh) * 2020-01-14 2020-06-05 武汉理工大学 具有避碰预警功能的渡船专用ais系统及方法
CN113506218A (zh) * 2021-07-09 2021-10-15 江苏金海星导航科技有限公司 一种用于多车厢超长车型的360°视频拼接方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201402478Y (zh) * 2009-03-23 2010-02-10 天视永道(北京)科技有限公司 一种基于视频分析的车船人员流量计数装置
CN106951885A (zh) * 2017-04-08 2017-07-14 广西师范大学 一种基于视频分析的人流量统计方法
CN106981117A (zh) * 2017-04-20 2017-07-25 深圳市沃特玛电池有限公司 一种公交车乘客计数系统
CN107655159A (zh) * 2017-10-19 2018-02-02 福建帝视信息科技有限公司 一种基于人群密度感知模型的空调节能控制方法及系统
CN107682422A (zh) * 2017-09-22 2018-02-09 武汉航科物流有限公司 码头船舶状态识别方法、装置及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201402478Y (zh) * 2009-03-23 2010-02-10 天视永道(北京)科技有限公司 一种基于视频分析的车船人员流量计数装置
CN106951885A (zh) * 2017-04-08 2017-07-14 广西师范大学 一种基于视频分析的人流量统计方法
CN106981117A (zh) * 2017-04-20 2017-07-25 深圳市沃特玛电池有限公司 一种公交车乘客计数系统
CN107682422A (zh) * 2017-09-22 2018-02-09 武汉航科物流有限公司 码头船舶状态识别方法、装置及系统
CN107655159A (zh) * 2017-10-19 2018-02-02 福建帝视信息科技有限公司 一种基于人群密度感知模型的空调节能控制方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111243339A (zh) * 2020-01-14 2020-06-05 武汉理工大学 具有避碰预警功能的渡船专用ais系统及方法
CN113506218A (zh) * 2021-07-09 2021-10-15 江苏金海星导航科技有限公司 一种用于多车厢超长车型的360°视频拼接方法

Similar Documents

Publication Publication Date Title
CN104392610B (zh) 基于分布式视频的高速路交通事件影响范围动态监控方法
CN102915650B (zh) 基于交会摄影的桥梁水域船舶通航安全预警设备
CN111126235A (zh) 一种船只违章停泊检测处理方法及装置
CN103838772B (zh) 一种多源交通数据融合方法
CN110769195B (zh) 输电线路施工现场违章智能监控识别系统
CN106251695A (zh) 基于车位状态监控的目的地停车位智能推荐系统及方法
CN102955940B (zh) 一种输电线路物体检测系统及方法
CN109376676A (zh) 基于无人机平台的公路工程现场施工人员安全预警方法
CN106611160A (zh) 一种基于卷积神经网络的图像头发识别方法及其装置
CN209607159U (zh) 一种海事监管平台
CN108509919A (zh) 一种基于深度学习对视频或图片中水线的检测和识别方法
CN114354872A (zh) 一种无人化河长智能巡河系统
CN206863817U (zh) 摄像机图像自动采集装置及摄像机标定系统
CN110032947A (zh) 一种监控事件发生的方法及装置
CN108257420A (zh) 基于摄像头的计人计车方法、装置及系统
CN112685812A (zh) 一种动态监管方法、装置、设备及存储介质
CN112487894A (zh) 基于人工智能的轨道交通保护区自动巡查方法及装置
CN104571122B (zh) 一种基于轨迹聚类的船舶互助组救援有效性检验方法
CN106960027B (zh) 空间信息辅助的无人机视频大数据多时相关联分析方法
CN115240086A (zh) 基于无人机的河道船只检测方法、装置、设备及存储介质
CN111383248A (zh) 一种行人闯红灯判断方法、装置和电子设备
CN107705582A (zh) 一种车辆违规检测方法和系统
CN107958591A (zh) 一种基于路灯的路边停放管理系统
CN108596473B (zh) 一种流域污染管理系统和新核算方法
CN111967419B (zh) 一种坝岸险情预测方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180706