CN110851646A - 智能园区的工作效率统计方法 - Google Patents

智能园区的工作效率统计方法 Download PDF

Info

Publication number
CN110851646A
CN110851646A CN201911126710.8A CN201911126710A CN110851646A CN 110851646 A CN110851646 A CN 110851646A CN 201911126710 A CN201911126710 A CN 201911126710A CN 110851646 A CN110851646 A CN 110851646A
Authority
CN
China
Prior art keywords
pictures
identity
office area
time
position information
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.)
Granted
Application number
CN201911126710.8A
Other languages
English (en)
Other versions
CN110851646B (zh
Inventor
不公告发明人
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.)
Zhejiang Yigao Smart Technology Development Co.,Ltd.
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201911126710.8A priority Critical patent/CN110851646B/zh
Publication of CN110851646A publication Critical patent/CN110851646A/zh
Application granted granted Critical
Publication of CN110851646B publication Critical patent/CN110851646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种智能园区的工作效率统计方法，所述方法应用于智慧园区平台，该方法包括：摄像头采集目标对象的多个图片，服务器对多个图片进行人脸识别确定多个身份；服务器从多个身份中选择第一身份的n张图片，提取n张图片的n个采集时间以及n张图片采集的摄像头n个位置信息；服务器将n个位置信息按n个采集时间的先后顺序连接起来得到第一身份的运动轨迹，将n个位置信息划分成办公区域以及非办公区域，依据n个采集时间统计办公区域的第一时间以及非办公区域的第二时间，将运动估计、第一时间、第二时间组合起来得到第一身份的工作效率图。本申请提供的技术方案具有提高体验度的优点。

Description

智能园区的工作效率统计方法
技术领域
本申请涉及通信领域，具体涉及一种智能园区的工作效率统计方法。
背景技术
智慧园区指一般由政府（民营企业与政府合作）规划建设的，供水、供电、供气、通讯、道路、仓储及其它配套设施齐全、布局合理且能够满足从事某种特定行业生产和科学实验需要的标准性建筑物或建筑物群体，包括工业园区、产业园区、物流园区、都市工业园区、科技园区、创意园区等。随着5G技术的发展，5G基站也进驻智慧园区。
在智慧园区，具有用户密度大的问题，现有的智慧园区无法对员工的工作效率进行统计，这样使得入驻企业无法对员工的效率进行估算，影响了入驻企业的体验度。
发明内容
本发明的目的在于提供智能园区的工作效率统计方法以及装置，该技术方案有效的对企业员工的效率进行估损，提高了入驻企业的体验度。
本发明所采取的技术方案是：提供一种智能园区的工作效率统计方法，所述方法应用于智慧园区平台，所述方法包括如下步骤：
摄像头采集目标对象的多个图片，服务器对多个图片进行人脸识别确定多个身份；
服务器从多个身份中选择第一身份的n张图片，提取n张图片的n个采集时间以及n张图片采集的摄像头n个位置信息；
服务器将n个位置信息按n个采集时间的先后顺序连接起来得到第一身份的运动轨迹，将n个位置信息划分成办公区域以及非办公区域，依据n个采集时间统计办公区域的第一时间以及非办公区域的第二时间，将运动估计、第一时间、第二时间组合起来得到第一身份的工作效率图。
第二方面，提供一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面提供的方法。
本申请提供的技术方案采集目标对象的多个图片，服务器对多个图片进行人脸识别确定多个身份；服务器从多个身份中选择第一身份的n张图片，提取n张图片的n个采集时间以及n张图片采集的摄像头n个位置信息；服务器将n个位置信息按n个采集时间的先后顺序连接起来得到第一身份的运动轨迹，将n个位置信息划分成办公区域以及非办公区域，依据n个采集时间统计办公区域的第一时间以及非办公区域的第二时间，将运动估计、第一时间、第二时间组合起来得到第一身份的工作效率图。这样即能够自动的统计对应的位置来统计第一身份的工作效率图，这样为派驻企业提供参考，提高入驻企业的体验度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种智慧园区平台的结构示意图。
图2为本发明一种智能园区的工作效率统计方法流程示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
工作效率，一般指工作产出与投入之比，通俗地讲就是在进行某任务时，取得的成绩与所用时间、精力、金钱等的比值。产出大于投入，就是正效率；产出小于投入，就是负效率。工作效率是评定工作能力的重要指标。提高工作效率就是要求正效率值不断增大。一个人的工作能力如何，很大程度上看工作效率的高低。而工作时间与非工作时间为工作效率的直接反应，因此通过这两个时间来统计工作效率能够更加的反应员工的工作效率。
保持最佳的工作激情。工作激情也可以说是工作意愿，就是想不想做，想不想又好又快的做，是积极主动、认真负责地工作，还是敷衍了事、拖拖拉拉地工作。
选择正确的工作方向。工作方向就是工作目标或工作目的。
选择最好的工作方法。做任何工作都有各种方法可以选择，也许也都可以殊途同归。就像解数学题，方法有多种，既然同样可以得出答案，那么你会选择什么方法呢，自然是最简便的。这样，才可以有更多的时间解其他难题，才能保证试卷的质量。同理，找到最好的方法就能为我们节约不必要的时间的浪费。所以，在工作前，请认真思考什么才是最好的方法，“磨刀不费砍柴工”说的就是这个。
工具的选择和使用。“工欲善其事，必先利其器”，选择好的工具能使得事半功倍，而工具的使用就要求我们不懂莫装懂，能够虚心请教他人。自己懂的，也能不因自己的私利而无视工作同伴的求教，毕竟，每个工作都不是仅凭个人能力就能完成的 。工作本是一个集体项目，愉快的合作才能提高效率。
懂得劳逸结合。无论学习还是工作，劳逸结合是很重要的，它能使人事半功倍。如果为工作操劳过度，影响的不仅仅是身体的健康，也会伴随工作效率的降低。长时间工作是为了更好的完成工作，却事与愿违，岂不是“赔了夫人又折兵”，
管理者及上层领导施行。要求员工按照工作计划认真执行，对于工作计划执行中出现的突变情况，要及时、正确的进行修正，施行科学的工作计划是提高工作效率的保障。
引进适用的新设备。就生产方面来说，采用新设备往往都能极大的提高工作效率，这方面是众所周知的。企业不应将眼光局限于此时此地，而应展望未来，投向更长远的利益。当然，尽管知道提高工作效率的方法，自己也明白提高工作效率的重要性，却不能实行它或者说不能很好地实行，是很多人的通病。
因此，提高工作效率的关键在于有良好的工作习惯。
运动轨迹就是时空环境下，通过对一个或多个移动对象运动过程的采样所获得的数据信息，包括采样点位置、采样时间、速度等，这些采样点数据信息根据采样先后顺序构成了轨迹数据。例如具有定位功能的智能手机，轨迹数据反映了手机持有者某一时间段的行动状况，移动互联网络可以通过无线信号定位手机所在位置，进而采样记录，通过连接采样点形成手机持有者的运动轨迹数据；GPS定位终端，固定采样频率的记录终端所在位置的经纬度信息，通过无线网络将数据收集到服务器上；RFID标签技术，对物体进行标记，将物体的移动线路通过RFID识别器完成定位和位置数据记录，形成物体的移动轨迹。
随着卫星、无线网络，以及定位设备的发展，大量移动物体的轨迹数据呈急速增长的趋势，如交通轨迹数据、动物迁徙数据、气候气流数据、人员移动数据等。
参阅图1，图1提供了一种智慧园区平台的示意图，如图1所示，该智慧园区平台包括：服务器10和多个摄像头11，其中，该服务器10与多个摄像头通过5G网络连接。
参阅图2，图2提供了一种智慧园区的工作效率统计方法，该方法如图2所示，由如图1所示的智慧园区平台执行，包括如下步骤：
步骤S201、摄像头采集目标对象的多个图片，服务器对多个图片进行人脸识别确定多个身份；
上述人脸识别的算法可以采用百度、华为、谷歌等人脸识别算法，本申请并不限制上述人脸识别算法的具体实现方式。
上述步骤S201的实现方法具体可以包括：
对多张图片的第一图片执行人脸识别确定第一图片对应的第一身份，遍历多张图片的每张图片得到每张图片的身份，对第一图片执行人脸识别确定第一图片对应的第一身份具体可以包括：
将第一图片组成输入数据CO1*CI1*H1*W1；将输入数据CO1*CI1*H1*W1执行多层卷积运算得到运算结果，依据该运算结果得到该第一身份。
上述依据运算结果得到该第一身份的方式可以有多种，例如，一种可选的方案中，可以将该运算结果与预设模板结果执行减法运算得到差值，如该差值小于设定阈值，确定该第一身份为该预设模板结果对应的身份。当然还可以采用其他的方式来依据运算结果得到该第一身份。
上述执行多层卷积运算中的第1层卷积运算具体可以包括：
服务器确定与服务器连接的计算机的数量y1，获取输入数据的尺寸CO1*CI1*H1*W1以及卷积核尺寸M*CI2*3*3；计算α1=CI1/y1/ 3；如果α1为大于1的整数，服务器将输入数据的尺寸CO1*CI1*H1*W1沿CI1方向均匀切割成α1个基础数据块，将α1个基础数据块分发给y1个计算机，将卷积核广播给y1个计算机，y1计算机将接收到的基础数据块与卷积核计算得到y1个基础结果，将y1个基础结果发送至服务器，服务器提取y1个基础数据块中相邻的两个基础数据块之间的拼接数据块CO1*4*H1*W1，其中，拼接数据块CO1*4*H1*W1为基础数据块x在CI方向的最后2个数据块与基础数据块x+1在CI方向的最前2个数据块拼接得到，服务器将y1-1个拼接数据块与卷积核计算得到拼接结果，服务器将拼接结果与基础结果拼接在一起得到卷积结果。
上述CO1*CI1*H1*W1中，H1、W1分别表示高度值、宽度值；CO1、CI1表示数量值以及深度值。上述M*CI2*3*3中，M、CI2表示数量值以及深度值。
此种方式利用多个计算机并行的执行卷积运算，具有提高运算效率，节省运算时间的优点。
步骤S202、服务器从多个身份中选择第一身份的n张图片，提取n张图片的n个采集时间以及n张图片采集的摄像头n个位置信息；
步骤S203、服务器将n个位置信息按n个采集时间的先后顺序连接起来得到第一身份的运动轨迹，将n个位置信息划分成办公区域以及非办公区域，依据n个采集时间统计办公区域的第一时间以及非办公区域的第二时间，将运动估计、第一时间、第二时间组合起来得到第一身份的工作效率图。
本申请提供的技术方案采集目标对象的多个图片，服务器对多个图片进行人脸识别确定多个身份；服务器从多个身份中选择第一身份的n张图片，提取n张图片的n个采集时间以及n张图片采集的摄像头n个位置信息；服务器将n个位置信息按n个采集时间的先后顺序连接起来得到第一身份的运动轨迹，将n个位置信息划分成办公区域以及非办公区域，依据n个采集时间统计办公区域的第一时间以及非办公区域的第二时间，将运动估计、第一时间、第二时间组合起来得到第一身份的工作效率图。这样即能够自动的统计对应的位置来统计第一身份的工作效率图，这样为派驻企业提供参考，提高入驻企业的体验度。
上述将n个位置信息划分成办公区域以及非办公区域的实现方法具体可以包括：
依据该第一身份确定第一身份的工作单位，依据该工作单位确定与该工作单位绑定的w个摄像头以及w个位置，对n个位置信息中每个位置信息逐一确定是否包含在w个位置内，如第x位置信息包含在w个位置内，确定该第x位置属于办公区域，否则确定该第x位置不属于办公区域。
可选的，在一种可选方案中，上述方法在步骤S203之后还可以包括：
服务器向第一身份对应的智能手机以及计算机发送应用程序操作请求，接收智能手机返回的应用程序操作第一响应，接收计算机发送的应用程序操作第二响应，所述第一响应包括智能手机执行应用程序的第一时间列表，该第二响应包括计算机执行应用程序的第二时间列表，依据第一时间列表以及第二时间列表生成分块示意图，将该分块示意图发送给该智能手机。
本申请的技术方案在实际应用中获取手机以及计算机的应用程序的时间列表，然后将该时间列表生成分块示意图（可以为方块图或圆饼图），这样能够让员工非常容易的知道每个应用程序所花费的时间，在结合对应的运动轨迹示意图，可以非常方便的观看自身的工作效率。
本申请还提供一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如图2所示的方法。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (5)

1.一种智能园区的工作效率统计方法，其特征在于，所述方法应用于智慧园区平台，所述方法包括如下步骤：
摄像头采集目标对象的多个图片，服务器对多个图片进行人脸识别确定多个身份；
服务器从多个身份中选择第一身份的n张图片，提取n张图片的n个采集时间以及n张图片采集的摄像头n个位置信息；
服务器将n个位置信息按n个采集时间的先后顺序连接起来得到第一身份的运动轨迹，将n个位置信息划分成办公区域以及非办公区域，依据n个采集时间统计办公区域的第一时间以及非办公区域的第二时间，将运动估计、第一时间、第二时间组合起来得到第一身份的工作效率图。
2.根据权利要求1所述的方法，其特征在于，所述服务器对多个图片进行人脸识别确定多个身份具体包括：
对多张图片的第一图片执行人脸识别确定第一图片对应的第一身份，遍历多张图片的每张图片得到每张图片的身份。
3.根据权利要求1所述的方法，其特征在于，所述将n个位置信息划分成办公区域以及非办公区域的实现方法具体包括：
依据该第一身份确定第一身份的工作单位，依据该工作单位确定与该工作单位绑定的w个摄像头以及w个位置，对n个位置信息中每个位置信息逐一确定是否包含在w个位置内，如第x位置信息包含在w个位置内，确定该第x位置属于办公区域，否则确定该第x位置不属于办公区域。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
服务器向第一身份对应的智能手机以及计算机发送应用程序操作请求，接收智能手机返回的应用程序操作第一响应，接收计算机发送的应用程序操作第二响应，所述第一响应包括智能手机执行应用程序的第一时间列表，该第二响应包括计算机执行应用程序的第二时间列表，依据第一时间列表以及第二时间列表生成分块示意图，将该分块示意图发送给该智能手机。
5.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。
CN201911126710.8A 2019-11-18 2019-11-18 智能园区的工作效率统计方法 Active CN110851646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911126710.8A CN110851646B (zh) 2019-11-18 2019-11-18 智能园区的工作效率统计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911126710.8A CN110851646B (zh) 2019-11-18 2019-11-18 智能园区的工作效率统计方法

Publications (2)

Publication Number Publication Date
CN110851646A true CN110851646A (zh) 2020-02-28
CN110851646B CN110851646B (zh) 2020-11-24

Family

ID=69601855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911126710.8A Active CN110851646B (zh) 2019-11-18 2019-11-18 智能园区的工作效率统计方法

Country Status (1)

Country Link
CN (1) CN110851646B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111970328A (zh) * 2020-07-23 2020-11-20 江苏信息职业技术学院 一种基于物联网的健康防疫管理系统
CN112001573B (zh) * 2020-10-27 2021-04-30 联通(浙江)产业互联网有限公司 生产线管理方法、装置、系统以及存储介质
WO2021088417A1 (zh) * 2019-11-08 2021-05-14 北京市商汤科技开发有限公司 移动状态信息展示方法与装置、电子设备及存储介质
CN112988724A (zh) * 2021-02-19 2021-06-18 北京明略软件系统有限公司 一种工作效率数据获取方法及系统
CN113378014A (zh) * 2021-06-04 2021-09-10 江苏新智合电力技术有限公司 一种校园个人碳足迹评估方法及系统
CN114666538A (zh) * 2022-03-03 2022-06-24 深圳慧云智联科技有限公司 智慧社区监控方法及系统
CN116882945A (zh) * 2023-09-05 2023-10-13 圣奥科技股份有限公司 基于办公区域工位信息的协同办公方法、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140149070A1 (en) * 2012-11-23 2014-05-29 Industrial Technology Research Institute Method and system for analyzing movement trajectories
CN107153820A (zh) * 2017-05-10 2017-09-12 电子科技大学 一种面向高噪声的人脸识别及运动轨迹判别方法
CN108241857A (zh) * 2018-02-23 2018-07-03 王珏 人脸识别方法及相关产品
CN108710867A (zh) * 2018-06-05 2018-10-26 曹婧月 车位导航方法及相关产品
CN108924507A (zh) * 2018-08-02 2018-11-30 高新兴科技集团股份有限公司 一种基于多摄像头场景的人员轨迹生成系统及方法
CN109063622A (zh) * 2018-07-26 2018-12-21 高新兴科技集团股份有限公司 一种定位的方法和设备
CN109712289A (zh) * 2018-12-27 2019-05-03 杭州启迪万华科技产业发展有限公司 一种基于智能管理平台的园区安全信息处理方法及装置
CN109993273A (zh) * 2017-12-29 2019-07-09 深圳云天励飞技术有限公司 卷积神经网络的卷积实现方法及相关产品
CN110191424A (zh) * 2019-05-16 2019-08-30 武汉数矿科技股份有限公司 一种特定嫌疑人的轨迹生成方法和装置
CN110334238A (zh) * 2019-03-27 2019-10-15 特斯联（北京）科技有限公司 一种基于人脸识别的失踪人口追查方法和系统
CN110414663A (zh) * 2018-04-28 2019-11-05 深圳云天励飞技术有限公司 神经网络的卷积实现方法及相关产品

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140149070A1 (en) * 2012-11-23 2014-05-29 Industrial Technology Research Institute Method and system for analyzing movement trajectories
CN107153820A (zh) * 2017-05-10 2017-09-12 电子科技大学 一种面向高噪声的人脸识别及运动轨迹判别方法
CN109993273A (zh) * 2017-12-29 2019-07-09 深圳云天励飞技术有限公司 卷积神经网络的卷积实现方法及相关产品
CN108241857A (zh) * 2018-02-23 2018-07-03 王珏 人脸识别方法及相关产品
CN110414663A (zh) * 2018-04-28 2019-11-05 深圳云天励飞技术有限公司 神经网络的卷积实现方法及相关产品
CN108710867A (zh) * 2018-06-05 2018-10-26 曹婧月 车位导航方法及相关产品
CN109063622A (zh) * 2018-07-26 2018-12-21 高新兴科技集团股份有限公司 一种定位的方法和设备
CN108924507A (zh) * 2018-08-02 2018-11-30 高新兴科技集团股份有限公司 一种基于多摄像头场景的人员轨迹生成系统及方法
CN109712289A (zh) * 2018-12-27 2019-05-03 杭州启迪万华科技产业发展有限公司 一种基于智能管理平台的园区安全信息处理方法及装置
CN110334238A (zh) * 2019-03-27 2019-10-15 特斯联（北京）科技有限公司 一种基于人脸识别的失踪人口追查方法和系统
CN110191424A (zh) * 2019-05-16 2019-08-30 武汉数矿科技股份有限公司 一种特定嫌疑人的轨迹生成方法和装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021088417A1 (zh) * 2019-11-08 2021-05-14 北京市商汤科技开发有限公司 移动状态信息展示方法与装置、电子设备及存储介质
CN111970328A (zh) * 2020-07-23 2020-11-20 江苏信息职业技术学院 一种基于物联网的健康防疫管理系统
CN112001573B (zh) * 2020-10-27 2021-04-30 联通(浙江)产业互联网有限公司 生产线管理方法、装置、系统以及存储介质
CN112988724A (zh) * 2021-02-19 2021-06-18 北京明略软件系统有限公司 一种工作效率数据获取方法及系统
CN113378014A (zh) * 2021-06-04 2021-09-10 江苏新智合电力技术有限公司 一种校园个人碳足迹评估方法及系统
CN114666538A (zh) * 2022-03-03 2022-06-24 深圳慧云智联科技有限公司 智慧社区监控方法及系统
CN116882945A (zh) * 2023-09-05 2023-10-13 圣奥科技股份有限公司 基于办公区域工位信息的协同办公方法、设备及介质
CN116882945B (zh) * 2023-09-05 2023-12-26 圣奥科技股份有限公司 基于办公区域工位信息的协同办公方法、设备及介质

Also Published As

Publication number Publication date
CN110851646B (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN110851646B (zh) 智能园区的工作效率统计方法
EP2820616B1 (en) Empirical expert determination and question routing system and method
CN108601029B (zh) 基站建设评估方法及装置
CN109446281B (zh) 基于ArcGIS的在线智能制图系统构建方法、系统与制图方法
CN107657048A (zh) 用户识别方法及装置
JP2016152044A (ja) 目標位置を確定するための方法及び装置
US20220101350A1 (en) Information pushing method and apparatus
WO2016070673A1 (zh) 用户属性分析方法及装置
CN108495254B (zh) 一种基于信令数据的交通小区人口特征估计方法
CN106772685A (zh) 基于Web‑GIS的相似台风匹配算法及软件支持系统
CN104615701A (zh) 基于视频云平台的智慧城市嵌入式大数据可视化引擎集群
CN111143689A (zh) 根据用户需求和用户画像构建推荐引擎的方法
CN111125290B (zh) 一种基于河长制的智能巡河方法、装置及存储介质
CN109451334A (zh) 用户画像生成处理方法、装置及电子设备
CN104142952A (zh) 报表展示方法和装置
CN113626426A (zh) 一种生态网格数据的采集传输方法及系统
WO2020119533A1 (zh) 基于循环神经网络算法的舆情预警方法、装置、终端及介质
KR101744776B1 (ko) 지도 검색 기록을 이용한 유동인구 추정 장치 및 방법
CN112434877A (zh) 一种基于云计算的智慧城市数据处理方法及装置
CN107436945A (zh) 一种基于电子地图的信息采集方法及系统
CN110348525B (zh) 地图兴趣点获取方法、装置、设备及存储介质
CN111125272B (zh) 一种区域特征获取方法、装置、计算机设备及介质
CN107404659A (zh) 网络视频显示方法及装置
Xie et al. Hot time periods discovery for facility proportioning in urban commercial districts using POIs and mobile phone data
CN113271377B (zh) 图像处理方法、装置、电子设备及介质

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
CB03 Change of inventor or designer information

Inventor after: Peng Danhong

Inventor after: Wu Guiying

Inventor before: Request for anonymity

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20201104

Address after: Room 1001, 555 Guanhen Road, Sanjiang Street, Shengzhou City, Shaoxing City, Zhejiang Province

Applicant after: Shengzhou Wanrui Technology Co.,Ltd.

Address before: Room 1004, building 15, Nanjing new village, Minzhi street, Longhua District, Shenzhen City, Guangdong Province

Applicant before: Chen Jingtao

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230404

Address after: Yigao Entrepreneurship Park, No. 29 Huanggushan Road, Xihu District, Hangzhou City, Zhejiang Province, 310000

Patentee after: Zhejiang Yigao Smart Technology Development Co.,Ltd.

Address before: Room 1001, 555 Guanhe South Road, Sanjiang street, Shengzhou City, Shaoxing City, Zhejiang Province

Patentee before: Shengzhou Wanrui Technology Co.,Ltd.

TR01 Transfer of patent right