CN111160321A - 一种电瓶车上梯检测与预警系统 - Google Patents
一种电瓶车上梯检测与预警系统 Download PDFInfo
- Publication number
- CN111160321A CN111160321A CN202010084202.4A CN202010084202A CN111160321A CN 111160321 A CN111160321 A CN 111160321A CN 202010084202 A CN202010084202 A CN 202010084202A CN 111160321 A CN111160321 A CN 111160321A
- Authority
- CN
- China
- Prior art keywords
- battery car
- terminal
- storage battery
- video
- early warning
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 238000002372 labelling Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 12
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 9
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- YZBNXQLCEJJXSC-UHFFFAOYSA-N miliacin Chemical compound C12CCC3C4=CC(C)(C)CCC4(C)CCC3(C)C1(C)CCC1C2(C)CCC(OC)C1(C)C YZBNXQLCEJJXSC-UHFFFAOYSA-N 0.000 description 1
- 229940040850 prosol Drugs 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Cage And Drive Apparatuses For Elevators (AREA)
Abstract
本发明涉及电梯安全技术领域，具体涉及一种电瓶车上梯检测与预警系统。包括：电梯控制终端、GPU集群终端、边缘计算终端，GPU集群终端将最优模型发送至边缘计算终端，电梯控制终端将视频数据发送至边缘计算终端，边缘计算终端的分析单元将GPU集群终端发送的最优模型作为深度学习目标检测模型、分析其接收到的视频数据中是否有电瓶车闯入、在有电瓶车闯入时通知电梯控制终端进行电瓶车闯入预警。上述技术方案将云端GPU集群的数据处理能力，边缘计算终端的实时推理能力与先进数据分析方法相结合，实现对电瓶车上梯情况的自动检测与预警，提高电梯运行安全等级。
Description
技术领域
本发明涉及电梯安全技术领域，具体涉及一种电瓶车上梯检测与预警系统。
背景技术
近年来，随着高层小区日益增多。业主为了方便充电，将电瓶车通过电梯推上楼的现象十分普遍。电瓶车体积大、占空间，影响正常乘梯；并且电瓶车载重大、易磕碰电梯，对电梯的损耗非常大。除此之外，电瓶车上楼充电万一发生火灾，安全隐患更大。因此，很多小区是不允许电瓶车上梯的，但是，仍然存在业主不顾小区规定私自将电瓶车运送上电梯。而人为通过监控画面观测电瓶车上梯情况是不现实的。
深度学习的发展以及嵌入式边缘计算的设备日益成熟，例如，公开号CN110381298A、公开日2019年10月25日发明专利申请构建了基于边缘计算和视频异常感知的隧道监控系统，根据视频识别结果进行弹性上传、感知隧道内的异常，从而达到减小网络带宽以及预警的目的。
发明内容
本发明为了解决上述问题提供了一种电瓶车上梯检测与预警系统，其特征在于，包括：
电梯控制终端，包括用于采集电梯轿箱内的视频数据的视频采集单元、用于进行电瓶车闯入预警的报警单元；
GPU集群终端，包括基于标注数据训练深度学习目标检测模型的最优模型的模型训练单元；
边缘计算终端，包括用于分析视频数据中是否有电瓶车闯入的分析单元：
所述GPU集群终端将所述最优模型发送至边缘计算终端，所述电梯控制终端将所述视频数据发送至边缘计算终端，所述边缘计算终端的分析单元将所述GPU集群终端发送的最优模型作为深度学习目标检测模型、分析其接收到的视频数据中是否有电瓶车闯入、在有电瓶车闯入时通知所述电梯控制终端进行电瓶车闯入预警。
上述技术方案将云端GPU集群的数据处理能力，边缘计算终端的实时推理能力与先进数据分析方法相结合，实现对电瓶车上梯情况的自动检测与预警，提高电梯运行安全等级。
作为优选，所述标注数据为包括电瓶车位置标注的视频数据。
作为优选，所述标注数据还包括电瓶车头标注、电瓶车车位标注、电瓶车车身标注。
作为优选，所述电瓶车位置标注为包括电瓶车的矩形框的四个顶点坐标；所述分析单元通过计算电瓶车目标框与有效区域框的iou的值判断是否有电瓶车闯入。
作为优选，所述电梯控制终端包括至少两个安装在同一轿箱中并且具有不同视角的视频采集单元；所述电梯控制终端还包括视频采集分配单元，用于将同一轿箱中的各视频采集单元采集到的视频数据错开处理。保证不同推车习惯的人在推车进入轿箱时，电瓶车的图像都能够被视频采集单元捕捉到。错开处理各视频采集单元采集到的视频数据，可以充分利用边缘计算终端计算设备的计算力，达到硬件资源的最大利用率。
作为优选，所述报警单元包括用于语音警告的语音报警模块和用于显示报警图像的显示模块。
作为优选，所述电梯控制终端还包括能够禁止电梯🈷运行的禁行模块。电梯控制终端具备禁止电梯运行的功能，可以在检测到有电瓶车闯入时禁止电梯运行，最大程度的保证电梯的运行安全。
作为优选，所述边缘计算终端将有电瓶车闯入的视频帧、发生时间、目标坐标发送至所述电梯控制终端。
作为优选，所述GPU集群终端还包括视频存储模块；所述边缘计算终端将有电瓶车闯入的视频帧发送至所述GPU集群终端并且由所述GPU集群终端存储在视频存储模块中。
作为优选，所述GPU集群终端还包括标注单元；所述标注单元对所述边缘计算终端发送的视频帧进行标注以生成标注数据；所述模型训练单元基于所述标注单元生成的标注数据计算新的最优模型。
本发明具有下述有益效果：
本发明专利通过在高跨中设置斜坡，保证排水时水能逐渐聚集在高跨墙壁边缘，以便于吸水机将水抽至压力容器中。该结构具有易于实施、变更费用低的优点。更重要的是易于高跨内的水顺利排出，减少检修人员辐照剂量，符合ALARA要求。
附图说明
图1本发明实施例的视频采集装置的安装示意图。
图2本发明实施例的系统图。
具体实施例
以下是对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
如图2所示的一种电瓶车上梯检测与预警系统，包括电梯控制终端、GPU集群终端以及边缘计算终端。GPU集群是一个计算机集群，其中每个节点配备有图形处理单元（GPU，Graphics Processing Unit）。通过图形处理单元上的通用计算来利用现代GPU的计算能力，可以使用GPU集群执行非常快速的计算。GPU集群终端使用经标注的标注数据训练深度学习目标检测模型，得到进行视频数据分析的最优模型存储在本地，并且将最优模型发送给各个边缘计算终端。GPU集群可以使用来自两个主要独立硬件供应商的硬件（AMD和NVIDIA）。边缘计算终端调用电梯控制终端采集的视频数据，对视频数据进行分析判断是否有电瓶车闯入并反馈给电梯控制终端。电梯控制终端主要对电梯轿箱内的视频数据进行采集，并且根据边缘计算终端的分析结果进行电瓶车闯入预警。
电梯控制终端包括视频采集单元、视频采集分配单元以及报警单元。视频采集单元用于采集需要监控的电梯轿箱内的视频数据。例如，本实施例中的视频采集单元为安装在电梯轿箱中的摄像头。为了保证对于不同推车习惯的人或者不同大小的电瓶车在进入轿箱时都能够被摄像头捕捉到，电梯控制终端最好包括至少两个在同一轿箱中并且具有不同视角的视频采集单元。例如，本实施例中摄像头的安装位置优选地如图1所示，在电梯轿箱1的轿顶两侧分别安装一个摄像头11，视角略微倾斜向下。这样，不同推车习惯的人在推车进入轿箱的过程中，电瓶车都能够最大化的暴露在摄像头的视野下，减少了其他人或者物对其的遮挡。电梯控制终端通过TCP协议（Transmission Control Protocol，传输控制协议）向边缘计算终端发送需要检测的成对摄像头的rtsp（Real Time Streaming Protocol，实时流传输协议）视频流地址，使得边缘计算终端能够通过调用该rtsp视频流，来获取摄像头的视频数据。rtsp视频流的大小优选为720p及以上，帧率为25，以保证清晰度。视频采集分配单元对同一电梯轿箱内的各视频采集单元采集到的视频数据错开处理。本实施例中，边缘计算终端处理模块读取电梯控制终端发送的成对rtsp视频流，对同一电梯轿箱内的两个摄像头的视频数据流进行错开处理，例如，处理左路视频流时将右路视频流休眠，反之，处理右路视频流时左路视频流休眠。按照此方法可以充分利用边缘计算终端的计算设备的计算力和硬件资源，达到最大利用率。报警单元可以进行电瓶车闯入预警。可以包括用于输出语音报警信息的语音报警模块以及用于显示报警图像的显示模块。显示模块显示的报警图像中，框出了电瓶车的具体位置，可供监管人员进行判断和管理。作为优选，电梯控制终端还可以包括能够禁止电梯运行的禁行模块，禁行模块能够与电梯控制器通信发送控制指令给电梯控制器，命令控制器禁止电梯运行。这样，当电梯控制终端可以在边缘计算终端分析有电瓶车闯入轿箱时，禁止电梯运行，提高电梯的安全等级。
GPU集群终端包括数据标注单元、模型训练单元、模型存储与部署单元以及视频存储单元。模型训练单元，基于标注数据训练深度学习目标检测模型的最优模型。目标检测模型可以识别一张图片的多个物体，并且可以定位出不同物体（给出该物体的边界框）。可以采用目前主流的目标检测算法，例如two-stage检测算法，这类算法的典型代表是基于region proposal的R-CNN系算法，如R-CNN，Fast R-CNN，Faster R-CNN等。又例如one-stage检测算法，比较典型的算法如YOLO和SSD。标注数据为使用标注单元禁行图像数据标注的标注图片。标注图片为公开数据集（例如，PASCAL VOC数据集，MS COCO数据集等）中电瓶车的数据以及电梯控制终端的视频采集装置采集的到的电瓶车上梯的视频数据。标注的内容为电瓶车的位置信息，其中对电瓶车的车头、车身和车位均进行了详细标注，位置信息采用矩形框表示。因此，数据标注单元提供给模型训练单元的标注数据包括电瓶车位置标注和电瓶车头标注、电瓶车尾标注、电瓶车身标注。其中，电瓶车位置标注为包括电瓶车的矩形框的四个顶点坐标。在系统使用的最初，模型训练单元仅仅根据基于公开数据集中的标注图片训练深度学习目标检测模型的最优模型，并将计算出的最优模型存储在模型存储与部署单元中，同时将该最优模型开放API供边缘计算终端调用。例如，本实施例中GPU集群终端将最优模型通过SFTP协议发送到需要更新的各边缘计算终端。在系统的使用过程中，边缘计算终端还将有电瓶车闯入的视频帧发送至GPU集群终端，由GPU集群终端存储在视频存储模块中，数据标注单元能够对该视频帧内的视频数据进行标注，使得模型训练单元能够完全或者部分基于这部分数据再次训练深度学习目标检测模型新的最优模型，并将新计算出的最优模型存储到模型存储与部署单元中，供边缘计算终端调用。
边缘计算终端包括数据预处理单元、数据分析单元以及结果分析与反馈单元。本实施例中，每台边缘计算终端负责处理同一电梯轿箱的两路摄像头的视频流。由于硬件设备的限制，本实施例中通过电梯控制终端的视频采集分配单元将同一电梯轿箱中的两路视频流错开处理，使得边缘计算终端在处理左路视频流时，右路视频流休眠（即不调取右路视频流进行处理）；反之，在处理右路视频流时，左路视频流休眠。按照此方法可以充分利用边缘计算设备的计算力和硬件资源。本实施例中，数据预处理单元对每一路的检测结果进行时序上的滤波（如中值滤波），以增加检测的稳定性和可靠性。数据分析单元包括电瓶车检测模块、电瓶车闯入计算模块和结果分析与反馈模块，电瓶车检测模块基于GPU集群终端提供的最优模型，对经过数据预处理单元预处理的视频数据进行电瓶车检测，当检测到电瓶车时，电瓶车检测模块输出所检测到的电瓶车的目标框至电瓶车闯入计算模块。电瓶车闯入计算模块计算电瓶车目标框和预先设定的有效区域的iou，当iou大于0.9时认为有电瓶车闯入电梯轿箱，于是发送分析结果值结果分析与反馈模块。结果分析与反馈模块，在左右两路视频流的至少右路判断为有电瓶车闯入时发送检测结果。本实施例中，结果分析与反馈模块通过TCP协议将有电瓶车闯入的视频帧（通过base64编码以后）、发生时间、目标坐标信息以及本地rtsp视频流编码为json数据格式发送至对应的电梯控制终端。同时，结果分析与反馈模块还将该段有电瓶车闯入的视频帧发送至GPU集群终端，由GPU集群终端存储在视频存储单元中方便回溯，并且如前文所述，该视频帧经数据标注单元标注后可以当作新的标注数据用于迭代更新模型。
本实施例的电频车上梯检测与预警系统各终端之间通过TCP协议传输信息，通过SFTP协议传输文件（即最优模型），设备安装简单，维护方便。
Claims (10)
1.一种电瓶车上梯检测与预警系统，其特征在于，包括：
电梯控制终端，包括用于采集电梯轿箱内的视频数据的视频采集单元、用于进行电瓶车闯入预警的报警单元；
GPU集群终端，包括基于标注数据训练深度学习目标检测模型的最优模型的模型训练单元；
边缘计算终端，包括用于分析视频数据中是否有电瓶车闯入的分析单元；
所述GPU集群终端将所述最优模型发送至边缘计算终端，所述电梯控制终端将所述视频数据发送至边缘计算终端，所述边缘计算终端的分析单元将所述GPU集群终端发送的最优模型作为深度学习目标检测模型、分析其接收到的视频数据中是否有电瓶车闯入、在有电瓶车闯入时通知所述电梯控制终端进行电瓶车闯入预警。
2.根据权利要求1所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述标注数据为包括电瓶车位置标注的视频数据。
3.根据权利要求2所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述标注数据还包括电瓶车头标注、电瓶车尾标注、电瓶车身标注。
4.根据权利要求3所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述电瓶车位置标注为包括电瓶车的矩形框的四个顶点坐标；
所述分析单元通过计算电动车目瓶框与有效区域框的iou的值判断是否有电瓶车闯入。
5.根据权利要求1-4中任一项所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述电梯控制终端包括至少两个安装在同一轿箱中并且具有不同视角的视频采集单元；
所述电梯控制终端，还包括视频采集分配单元，用于将同一轿箱中的各视频采集单元采集到的视频数据错开处理。
6.根据权利要求1-4中任一项所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述报警单元，包括用于语音警告的语音报警模块和用于显示报警图像的显示模块。
7.根据权利要求1-4中任一项所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述电梯控制终端还包括能够禁止电梯🈷运行的禁行模块。
8.根据权利要求1-4中任一项所述的一种电频车上梯检测与预警系统，其特征在于：
所述边缘计算终端将有电瓶车闯入的视频帧、发生时间、目标坐标发送至所述电梯控制终端。
9.根据权利要求8所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述GPU集群终端还包括视频存储模块；
所述边缘计算终端将有电瓶车闯入的视频帧发送至所述GPU集群终端，并且由所述GPU集群终端存储在视频存储模块中。
10.根据权利要求9所述的一种电瓶车上梯检测与预警系统，其特征在于：
所述GPU集群终端还包括标注单元；
所述标注单元对所述边缘计算终端发送的视频帧进行标注以生成标注数据；
所述模型训练单元基于所述标注单元生成的标注数据计算新的最优模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010084202.4A CN111160321A (zh) | 2020-02-10 | 2020-02-10 | 一种电瓶车上梯检测与预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010084202.4A CN111160321A (zh) | 2020-02-10 | 2020-02-10 | 一种电瓶车上梯检测与预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111160321A true CN111160321A (zh) | 2020-05-15 |
Family
ID=70565358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010084202.4A Pending CN111160321A (zh) | 2020-02-10 | 2020-02-10 | 一种电瓶车上梯检测与预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111160321A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215210A (zh) * | 2020-11-20 | 2021-01-12 | 江苏三川智能科技有限公司 | 一种基于ai和hmm的电梯电动车识别预警方法 |
| CN112330907A (zh) * | 2020-10-23 | 2021-02-05 | 中瑞百行科技(北京)有限公司 | 一种用于电梯的智能消防管理系统 |
| CN112347873A (zh) * | 2020-10-26 | 2021-02-09 | 浙江新再灵科技股份有限公司 | 梯控方法 |
| CN113666216A (zh) * | 2021-08-12 | 2021-11-19 | 新疆爱华盈通信息技术有限公司 | 一种防止电动车乘电梯的方法、装置、电子设备及介质 |
| CN113753701A (zh) * | 2021-09-26 | 2021-12-07 | 河南艾欧电子科技有限公司 | 一种融合多媒体及人工智能的电梯物联网边缘计算设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107766889A (zh) * | 2017-10-26 | 2018-03-06 | 济南浪潮高新科技投资发展有限公司 | 一种云端边缘计算融合的深度学习计算系统和方法 |
| CN108012121A (zh) * | 2017-12-14 | 2018-05-08 | 安徽大学 | 一种边缘计算和云计算融合的实时视频监控方法及系统 |
| CN108828409A (zh) * | 2018-08-03 | 2018-11-16 | 南方电网科学研究院有限责任公司 | 一种基于边缘计算的故障检测系统 |
| CN109948428A (zh) * | 2019-01-28 | 2019-06-28 | 上海理工大学 | 面向传感信息处理的gpu集群深度学习边缘计算系统 |
| CN110436294A (zh) * | 2019-08-08 | 2019-11-12 | 杭州吉时语科技有限公司 | 一种电瓶车入电梯检测方法 |
| CN110705395A (zh) * | 2019-09-18 | 2020-01-17 | 北京邮电大学 | 一种基于树莓派的检测系统 |
-
2020
- 2020-02-10 CN CN202010084202.4A patent/CN111160321A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107766889A (zh) * | 2017-10-26 | 2018-03-06 | 济南浪潮高新科技投资发展有限公司 | 一种云端边缘计算融合的深度学习计算系统和方法 |
| CN108012121A (zh) * | 2017-12-14 | 2018-05-08 | 安徽大学 | 一种边缘计算和云计算融合的实时视频监控方法及系统 |
| CN108828409A (zh) * | 2018-08-03 | 2018-11-16 | 南方电网科学研究院有限责任公司 | 一种基于边缘计算的故障检测系统 |
| CN109948428A (zh) * | 2019-01-28 | 2019-06-28 | 上海理工大学 | 面向传感信息处理的gpu集群深度学习边缘计算系统 |
| CN110436294A (zh) * | 2019-08-08 | 2019-11-12 | 杭州吉时语科技有限公司 | 一种电瓶车入电梯检测方法 |
| CN110705395A (zh) * | 2019-09-18 | 2020-01-17 | 北京邮电大学 | 一种基于树莓派的检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 蒋卫祥: "《大数据时代计算机数据处理技术探究》", 北京：北京工业大学出版社, pages: 188 - 190 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112330907A (zh) * | 2020-10-23 | 2021-02-05 | 中瑞百行科技(北京)有限公司 | 一种用于电梯的智能消防管理系统 |
| CN112347873A (zh) * | 2020-10-26 | 2021-02-09 | 浙江新再灵科技股份有限公司 | 梯控方法 |
| CN112215210A (zh) * | 2020-11-20 | 2021-01-12 | 江苏三川智能科技有限公司 | 一种基于ai和hmm的电梯电动车识别预警方法 |
| CN113666216A (zh) * | 2021-08-12 | 2021-11-19 | 新疆爱华盈通信息技术有限公司 | 一种防止电动车乘电梯的方法、装置、电子设备及介质 |
| CN113753701A (zh) * | 2021-09-26 | 2021-12-07 | 河南艾欧电子科技有限公司 | 一种融合多媒体及人工智能的电梯物联网边缘计算设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111160321A (zh) | 一种电瓶车上梯检测与预警系统 | |
| CN111507308B (zh) | 一种基于视频识别技术的变电站安全监控系统及方法 | |
| CN107801000A (zh) | 一种输电线路防外破智能视频监控系统 | |
| US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
| CN111784954B (zh) | 一种架空输电线路防外破报警装置及方法 | |
| CN115082864B (zh) | 一种建筑施工安全监控系统 | |
| CN112487891B (zh) | 一种应用于电力作业现场的视觉智能动态识别模型构建方法 | |
| CN114132842A (zh) | 集装箱门式起重机堆场作业状态实时监测系统及监测方法 | |
| CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及系统 | |
| CN107426533A (zh) | 一种基于视频加密压缩和影像识别的视频监控影像识别系统 | |
| CN111523386A (zh) | 一种基于机器视觉的高速铁路站台门监测防护方法及系统 | |
| CN213424017U (zh) | 一种智能工地系统 | |
| CN113955594A (zh) | 一种电梯控制方法、装置、计算机设备和存储介质 | |
| CN113537007A (zh) | 应用于铁路站台的非工作人员入侵检测与报警方法和装置 | |
| CN217264076U (zh) | 电梯维保监管系统 | |
| CN112794197B (zh) | 一种轨道交通自动扶梯控制系统及方法 | |
| CN114155472A (zh) | 厂区场景临空面防护设备异常状态检测方法、装置和设备 | |
| CN206301463U (zh) | 交通安全监管系统 | |
| CN105262984B (zh) | 一种带有固定装置的探测器 | |
| CN111425256A (zh) | 煤矿巷道监控方法、装置及计算机存储介质 | |
| CN110067599B (zh) | 基于图像的矿井水灾感知预警方法 | |
| CN113361358B (zh) | 一种高压架空线走板及导向轮状态的监测及故障预警系统 | |
| CN206421210U (zh) | 一种双光谱智能公交监控系统 | |
| CN105129555A (zh) | 一种识别电梯疑似暴力事件的方法 | |
| CN105173941A (zh) | 电梯疑似暴力事件识别系统 |
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 |
Application publication date: 20200515 |
|
| RJ01 | Rejection of invention patent application after publication |