CN109102487B - 基于图像的大数据分析方法 - Google Patents
基于图像的大数据分析方法 Download PDFInfo
- Publication number
- CN109102487B CN109102487B CN201810199107.1A CN201810199107A CN109102487B CN 109102487 B CN109102487 B CN 109102487B CN 201810199107 A CN201810199107 A CN 201810199107A CN 109102487 B CN109102487 B CN 109102487B
- Authority
- CN
- China
- Prior art keywords
- equipment
- real
- image
- data
- subgraph
- 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.)
- Expired - Fee Related
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims description 29
- 210000000746 body region Anatomy 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000013481 data capture Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 206010013647 Drowning Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像的大数据分析方法,所述方法包括使用基于图像的大数据分析平台以基于各个水上人员的实时沉浮数据确定当前场景的实时危情程度。通过本发明,能够为水上救援力量制定救援措施提供重要的参考数据。
Description
技术领域
本发明涉及大数据分析领域,尤其涉及一种基于图像的大数据分析方法。
背景技术
大数据(Big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
对于“大数据”(Big data)研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
麦肯锡全球研究所给出的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。
大数据需要特殊的技术,如本申请中的大数据处理服务器,以有效地处理大量的容忍经过时间内的数据,并包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
目前大数据分析技术广泛应用于计算机、通信、图像处理、救援等广大领域。
发明内容
为了解决上述问题,本发明提供了一种基于图像的大数据分析方法,能够通过对初始采集图像的统计分析,调整后续采集和处理的方式,准确提取出水上人员的实时沉浮数据,重要的是,还计算各个人体区域对应的水上人员的实时沉浮数据的均值,并基于各个人体区域对应的水上人员的实时沉浮数据的均值确定对应的当前场景的实时危情程度。
具体地,本发明具备以下几个重要发明点:
(1)采用李萨如图选择待处理图像中的目标像素点,保证了目标像素点选择的随机性和后续明度判断的真实性;
(2)通过对目标像素点的颜色成分的比例分析,为图像明度大小的判断提供了有效的解决方案;
(3)基于所述分析参考值确定对所述水面环境图像切割得到的子图像数量,同时基于每一个图像子图像自身的对比度确定对所述图像子图像执行图像小波滤波的力度,从而实现了基于图像本身内容的图像小波滤波处理;
(4)基于图像分析机制对每一个水上人员的实时沉浮数据进行数据评估,在上述数据评估的基础上,准确确定出当前场景的实时危情程度,从而为后续措施的制定提供有价值的参考依据。
根据本发明的一方面,提供了一种基于图像的大数据分析方法,所述方法包括使用基于图像的大数据分析平台以基于各个水上人员的实时沉浮数据确定当前场景的实时危情程度,所述基于图像的大数据分析平台包括:
状态分析设备,设置在水上飞行平台上,分别与区域辨识设备和枪式摄像机连接,用于接收来自区域辨识设备的多个人体区域和来自枪式摄像机的水面环境图像;
危情评估设备,与所述状态分析设备连接,用于接收每一个人体区域对应的水上人员的实时沉浮数据,并基于各个人体区域对应的水上人员的实时沉浮数据确定当前场景的实时危情程度,在所述危情评估设备中,基于各个人体区域对应的水上人员的实时沉浮数据确定当前场景的实时危情程度包括:计算各个人体区域对应的水上人员的实时沉浮数据的均值,并基于各个人体区域对应的水上人员的实时沉浮数据的均值确定对应的当前场景的实时危情程度;
危情发送设备,与所述危情评估设备连接,用于接收当前场景的实时危情程度,并将当前场景的实时危情程度实时转发给水上管控平台的服务器处;
枪式摄像机,设置在水上飞行平台上,用于面朝水面环境进行图像数据捕获,以获得并输出水面环境图像;
像素点选择设备,与所述枪式摄像机连接,用于接收水面环境图像,以所述水面环境图像中的水平方向的中心列为Y轴,以所述水面环境图像中的垂直方向的中心行为X轴,基于所述X轴和所述Y轴在所述水面环境图像中描绘出李萨如图,并将所述水面环境图像中李萨如图经过的各个像素点作为多个目标像素点输出;
比例值获取设备,与所述像素点选择设备连接,用于接收所述多个目标像素点的R成分值、G成分值和B成分值,并针对每一个目标像素点做以下操作:将R成分值除以G成分值的结果与B成分值除以G成分值的结果相加以获得对应目标像素点的比例值;
其中,所述状态分析设备对每一个人体区域进行沉浮状态分析,以确定每一个人体区域对应的水上人员的实时沉浮数据;
其中,所述状态分析设备确定每一个人体区域对应的水上人员的实时沉浮数据包括:将每一个人体区域中的人体部分与预设人体轮廓进行匹配,以确定每一个人体区域对应的水上人员在海面上的人体占据其整个人体的面积百分比,将所述面积百分比作为所述实时沉浮数据。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的基于图像的大数据分析平台的结构方框图。
图2为根据本发明实施方案示出的基于图像的大数据分析平台的航拍支架的结构示意图。
具体实施方式
下面将参照附图对本发明的实施方案进行详细说明。
水上救生,是指人们在水上活动时发生意外事故所采取的救助措施。他是保障水上活动人员安全的一项重要措施。水上救生工作是一项“拯溺救难”的工作。贯彻:“以防为主,以救为辅,防救结合,有备无患”的精神。健全组织,重视安全教育,以防止游泳事故发生。
然而,在现实的水上事故中,落水者的数量往往非常可观,例如,大型游轮或客轮的水上事故,或者飞机的水上迫降事故,都能造成成批的人员落水,这时,需要对每一个位置的人员落水情况进行危情程度判断,为水上飞行平台等救援力量提供制定救援顺序所需要的参考数据。现有技术中并不存在这样的危情程度判断方案。
为了克服上述不足,本发明搭建了一种基于图像的大数据分析方法,所述方法包括使用基于图像的大数据分析平台以基于各个水上人员的实时沉浮数据确定当前场景的实时危情程度,所述基于图像的大数据分析平台帮助救援力量了解各个落水位置的不同危情程度。
图1为根据本发明实施方案示出的基于图像的大数据分析平台的结构方框图,所述平台包括:
状态分析设备,设置在水上飞行平台上,分别与区域辨识设备和枪式摄像机连接,用于接收来自区域辨识设备的多个人体区域和来自枪式摄像机的水面环境图像;
其中,所述状态分析设备对每一个人体区域进行沉浮状态分析,以确定每一个人体区域对应的水上人员的实时沉浮数据;
其中,所述状态分析设备确定每一个人体区域对应的水上人员的实时沉浮数据包括:将每一个人体区域中的人体部分与预设人体轮廓进行匹配,以确定每一个人体区域对应的水上人员在海面上的人体占据其整个人体的面积百分比,将所述面积百分比作为所述实时沉浮数据。
接着,继续对本发明的基于图像的大数据分析平台的具体结构进行进一步的说明。
所述基于图像的大数据分析平台中还可以包括:
危情评估设备,与所述状态分析设备连接,用于接收每一个人体区域对应的水上人员的实时沉浮数据,并基于各个人体区域对应的水上人员的实时沉浮数据确定当前场景的实时危情程度。
所述基于图像的大数据分析平台中:
在所述危情评估设备中,基于各个人体区域对应的水上人员的实时沉浮数据确定当前场景的实时危情程度包括:计算各个人体区域对应的水上人员的实时沉浮数据的均值,并基于各个人体区域对应的水上人员的实时沉浮数据的均值确定对应的当前场景的实时危情程度。
所述基于图像的大数据分析平台中还可以包括:
危情发送设备,与所述危情评估设备连接,用于接收当前场景的实时危情程度,并将当前场景的实时危情程度实时转发给水上管控平台的服务器处;
航拍支架,如图2所示,设置在水上飞行平台上,用于固定枪式摄像机;
枪式摄像机,设置在水上飞行平台上,用于面朝水面环境进行图像数据捕获,以获得并输出水面环境图像。
所述基于图像的大数据分析平台中还可以包括:
像素点选择设备,与所述枪式摄像机连接,用于接收水面环境图像,以所述水面环境图像中的水平方向的中心列为Y轴,以所述水面环境图像中的垂直方向的中心行为X轴,基于所述X轴和所述Y轴在所述水面环境图像中描绘出李萨如图,并将所述水面环境图像中李萨如图经过的各个像素点作为多个目标像素点输出;
比例值获取设备,与所述像素点选择设备连接,用于接收所述多个目标像素点的R成分值、G成分值和B成分值,并针对每一个目标像素点做以下操作:将R成分值除以G成分值的结果与B成分值除以G成分值的结果相加以获得对应目标像素点的比例值;
数据分析设备,与所述比例值获取设备连接,用于将所述多个目标像素点的比例值相加后除以所述多个目标像素点的数量以获得分析参考值;其中,所述数据分析设备用于当所述分析参考值小于等于预设参考阈值时,发出明度超标信号,所述数据分析设备还用于当所述分析参考值大于预设参考阈值时,发出明度低标信号;
滤波预处理设备,分别与所述枪式摄像机和所述数据分析设备连接,用于接收所述分析参考值以及所述水面环境图像,基于所述分析参考值确定对所述水面环境图像切割得到的子图像数量,其中,所述分析参考值越大,对所述水面环境图像切割得到的子图像数量越多;
子图像处理设备,与所述滤波预处理设备连接,用于接收所述子图像数量,并基于所述子图像数据对所述水面环境图像进行子图像切割处理,以获得并输出多个图像子图像;
滤波执行设备,与所述子图像处理设备连接,用于接收所述多个图像子图像,并基于每一个图像子图像自身的信噪比确定对所述图像子图像执行图像小波滤波的强度,并将多个执行完图像小波滤波处理的图像子图像复合以获得中间处理图像;
区域辨识设备,与所述滤波执行设备连接,用于接收所述中间处理图像,并基于深度神经网络的识别模型对所述中间处理图像中的各个目标进行类别辨识,以获得多个人体区域,并输出所述多个人体区域。
所述基于图像的大数据分析平台中:
所述区域辨识设备、所述滤波执行设备、所述子图像处理设备、所述像素点选择设备、所述比例值获取设备和所述数据分析设备被集成在同一块CPLD芯片内。
另外,CPLD(Complex Programmable Logic Device)复杂可编程逻辑器件,是从PAL和GAL器件发展出来的器件,相对而言规模大,结构复杂,属于大规模集成电路范围。是一种用户根据各自需要而自行构造逻辑功能的数字集成电路。其基本设计方法是借助集成开发软件平台,用原理图、硬件描述语言等方法,生成相应的目标文件,通过下载电缆(“在系统”编程)将代码传送到目标芯片中,实现设计的数字系统。
CPLD主要是由可编程逻辑宏单元(MC,Macro Cell)围绕中心的可编程互连矩阵单元组成。其中MC结构较复杂,并具有复杂的I/O单元互连结构,可由用户根据需要生成特定的电路结构,完成一定的功能。由于CPLD内部采用固定长度的金属线进行各逻辑块的互连,所以设计的逻辑电路具有时间可预测性,避免了分段式互连结构时序不完全预测的缺点。
采用本发明的基于图像的大数据分析平台,针对现有技术中缺乏高精度水上危情程度判断机制的技术问题,对拍摄图像中目标像素点的颜色成分进行比例分析,基于分析参考值确定对所述图像切割得到的子图像数量,同时基于每一个图像子图像自身的对比度确定对所述图像子图像执行图像小波滤波的力度,并对每一个水上人员的实时沉浮数据进行数据评估,在上述数据评估的基础上,准确确定出当前场景的实时危情程度。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (1)
1.一种基于图像的大数据分析方法,所述方法包括使用基于图像的大数据分析平台以基于各个水上人员的实时沉浮数据确定当前场景的实时危情程度,其特征在于,所述基于图像的大数据分析平台包括:
状态分析设备,设置在水上飞行平台上,分别与区域辨识设备和枪式摄像机连接,用于接收来自区域辨识设备的多个人体区域和来自枪式摄像机的水面环境图像;
其中,所述状态分析设备对每一个人体区域进行沉浮状态分析,以确定每一个人体区域对应的水上人员的实时沉浮数据;
其中,所述状态分析设备确定每一个人体区域对应的水上人员的实时沉浮数据包括:将每一个人体区域中的人体部分与预设人体轮廓进行匹配,以确定每一个人体区域对应的水上人员在海面上的人体占据其整个人体的面积百分比,将所述面积百分比作为所述实时沉浮数据;
危情评估设备,与所述状态分析设备连接,用于接收每一个人体区域对应的水上人员的实时沉浮数据,并基于各个人体区域对应的水上人员的实时沉浮数据确定当前场景的实时危情程度;
在所述危情评估设备中,基于各个人体区域对应的水上人员的实时沉浮数据确定当前场景的实时危情程度包括:计算各个人体区域对应的水上人员的实时沉浮数据的均值,并基于各个人体区域对应的水上人员的实时沉浮数据的均值确定对应的当前场景的实时危情程度;
危情发送设备,与所述危情评估设备连接,用于接收当前场景的实时危情程度,并将当前场景的实时危情程度实时转发给水上管控平台的服务器处;
枪式摄像机,设置在水上飞行平台上,用于面朝水面环境进行图像数据捕获,以获得并输出水面环境图像;
像素点选择设备,与所述枪式摄像机连接,用于接收水面环境图像,以所述水面环境图像中的水平方向的中心列为Y轴,以所述水面环境图像中的垂直方向的中心行为X轴,基于所述X轴和所述Y轴在所述水面环境图像中描绘出李萨如图,并将所述水面环境图像中李萨如图经过的各个像素点作为多个目标像素点输出;
比例值获取设备,与所述像素点选择设备连接,用于接收所述多个目标像素点的R成分值、G成分值和B成分值,并针对每一个目标像素点做以下操作:将R成分值除以G成分值的结果与B成分值除以G成分值的结果相加以获得对应目标像素点的比例值;
数据分析设备,与所述比例值获取设备连接,用于将所述多个目标像素点的比例值相加后除以所述多个目标像素点的数量以获得分析参考值;其中,所述数据分析设备用于当所述分析参考值小于等于预设参考阈值时,发出明度超标信号,所述数据分析设备还用于当所述分析参考值大于预设参考阈值时,发出明度低标信号;
滤波预处理设备,分别与所述枪式摄像机和所述数据分析设备连接,用于接收所述分析参考值以及所述水面环境图像,基于所述分析参考值确定对所述水面环境图像切割得到的子图像数量,其中,所述分析参考值越大,对所述水面环境图像切割得到的子图像数量越多;
子图像处理设备,与所述滤波预处理设备连接,用于接收所述子图像数量,并基于子图像数据对所述水面环境图像进行子图像切割处理,以获得并输出多个子图像;
滤波执行设备,与所述子图像处理设备连接,用于接收所述多个子图像,并基于每一个子图像自身的信噪比确定对所述子图像执行图像小波滤波的强度,并将多个执行完图像小波滤波处理的子图像复合以获得中间处理图像;
区域辨识设备,与所述滤波执行设备连接,用于接收所述中间处理图像,并基于深度神经网络的识别模型对所述中间处理图像中的各个目标进行类别辨识,以获得多个人体区域,并输出所述多个人体区域;
所述区域辨识设备、所述滤波执行设备、所述子图像处理设备、所述像素点选择设备、所述比例值获取设备和所述数据分析设备被集成在同一块CPLD芯片内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810199107.1A CN109102487B (zh) | 2018-03-12 | 2018-03-12 | 基于图像的大数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810199107.1A CN109102487B (zh) | 2018-03-12 | 2018-03-12 | 基于图像的大数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109102487A CN109102487A (zh) | 2018-12-28 |
CN109102487B true CN109102487B (zh) | 2019-05-07 |
Family
ID=64796709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810199107.1A Expired - Fee Related CN109102487B (zh) | 2018-03-12 | 2018-03-12 | 基于图像的大数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102487B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311535B (zh) * | 2019-10-28 | 2020-12-18 | 云和县赤旺玩具有限公司 | 像素级即时大数据分析平台 |
CN113947546A (zh) * | 2021-10-18 | 2022-01-18 | 江阴市人人达科技有限公司 | 影像画面多层滤波处理系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101188745B (zh) * | 2007-11-27 | 2010-06-16 | 北京中星微电子有限公司 | 游泳池智能溺水视频监控系统及方法 |
CN107571977B (zh) * | 2017-09-27 | 2023-10-10 | 陕西科技大学 | 一种基于fpga的中小型水域自主救生系统及救生方法 |
-
2018
- 2018-03-12 CN CN201810199107.1A patent/CN109102487B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN109102487A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818326B (zh) | 一种基于场景多维特征的船只检测方法及系统 | |
CN108334865B (zh) | 基于图像的大数据分析装置 | |
CN110135375A (zh) | 基于全局信息整合的多人姿态估计方法 | |
CN109919013A (zh) | 视频图像中基于深度学习的人脸检测方法及装置 | |
CN110070033A (zh) | 一种电力领域危险工作区域内安全帽佩戴状态检测方法 | |
CN110188696A (zh) | 一种水面无人装备多源感知方法及系统 | |
CN109377703A (zh) | 一种基于机器视觉的森林防火预警系统及其方法 | |
CN107742093A (zh) | 一种红外图像电力设备部件实时检测方法、服务器及系统 | |
CN104933680B (zh) | 一种智能的无人艇视觉系统视频快速海雾去除方法 | |
CN109325954A (zh) | 图像分割方法、装置及电子设备 | |
CN110348304A (zh) | 一种可搭载于无人机的海事遇险人员搜索系统以及目标识别方法 | |
CN109299688A (zh) | 基于可变形快速卷积神经网络的舰船检测方法 | |
CN109102487B (zh) | 基于图像的大数据分析方法 | |
CN111753805A (zh) | 安全帽佩戴检测方法和装置 | |
CN110263794A (zh) | 基于数据增强的安全带图像目标识别方法 | |
CN107016371A (zh) | 基于改进的深度置信网络的无人机着陆地貌分类方法 | |
CN115035371B (zh) | 基于多尺度特征融合神经网络的井壁裂缝识别方法 | |
CN114187543A (zh) | 一种高空电力作业场景下的安全带检测方法及系统 | |
CN108446721A (zh) | 一种基于多分支网络的水面环境解析方法 | |
CN112597902A (zh) | 一种基于核电安全的小目标智能识别方法 | |
CN112016373B (zh) | 一种基于视觉感知与计算的水上遇险人员智能辅助搜救系统 | |
Kimura et al. | Early detection system of harmful algal bloom using drones and water sample image recognition | |
Ran et al. | Search aid system based on machine vision and its visual attention model for rescue target detection | |
CN110059742A (zh) | 基于深度学习的安全护具穿戴识别方法及设备 | |
CN110456356A (zh) | 一种面向资料同化的天气雷达径向速度质量控制方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190328 Address after: 201800 Wudu Road, Jiading District, Shanghai, 698, 1, 4, 404 rooms. Applicant after: Shanghai Ming Xin Mdt InfoTech Ltd Address before: 224007 No. 7 Huangshan South Road, Yancheng Economic and Technological Development Zone, Jiangsu Province Applicant before: Wang Yan |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190507 Termination date: 20210312 |