CN111626151B - 基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法 - Google Patents
基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法 Download PDFInfo
- Publication number
- CN111626151B CN111626151B CN202010393337.9A CN202010393337A CN111626151B CN 111626151 B CN111626151 B CN 111626151B CN 202010393337 A CN202010393337 A CN 202010393337A CN 111626151 B CN111626151 B CN 111626151B
- Authority
- CN
- China
- Prior art keywords
- area
- pouring
- video
- illegal
- video stream
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 title claims description 22
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000005266 casting Methods 0.000 claims abstract description 18
- 239000007787 solid Substances 0.000 claims abstract description 13
- 230000009471 action Effects 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 30
- 239000000463 material Substances 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status 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
-
- 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
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Emergency Management (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，该方法包括：通过CoViAR‑Mobile‑V3算法对实时上传的视频流进行事件分割判断，得到浇筑环节视频流；利用SSD检测算法，对待浇筑区域进行检测定位，确定其边界，进行疑似异物检测，输出子区域的位置区域；针对子区域相关上下文视频流，检测定位浇筑区域是否出现人或者物体，获得疑似区域窗口；对该区域的子视频流进行行为识别，若存在浇筑或物体抛入行为，无论是否为混凝土均定为非法行为，发出预警，再进行结构化存储。本发明通过智能视频分析对非法浇筑物实时检测监督管理，对不符合或疑似不符合规范的事件进行预警，并上传服务器进行存储，极大程度上避免了人工现场监督管理的相关缺陷。
Description
技术领域
本发明涉及建筑工程技术领域，具体来说，涉及一种基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法。
背景技术
混凝土浇筑质量管理是工地旁站监理工作的一个重要部分，在浇筑质量管理过程中，非法浇筑行为往往带来极大的安全事故风险。现阶段人工监理过程中，专业的监理人员，在现场通过人工观察，对浇筑行为进行实时现场监督，严防非法浇筑物进入终孔，监理过程中，由于缺少影像等有效监督手段，因而，或由于监理人员专业素质差，或由于利益交换等原因，容易导致的不能有效作为、少作为、恶意不作为等情况出现，对相关指标记录不认真或者不规范，导致对监理过程无有效可追溯性。
现有人工现场监督管理的模式下，其缺点较为明显，具体展开有以下几点：旁站监督管理的质量存在如下一些高风险问题：旁站监理人员素质参差不齐，不能全面掌握旁站监理的关键要点，易导致旁站过程失控；监理人员自由裁量权大，旁站过程及旁站管理结果缺少影像资料支撑，容易导致监理收受利益而放松管理；旁站监理过程中，由于对旁站监理人员缺少约束，常发生只旁站不作为，或少作为的情况；旁站监理记录不认真，无可追溯性；旁站过程中对发现有安全、质量隐患或违反工程建设强制性标准要求的行为，停留在整改建议或口头通知，对整改情况不跟踪封闭。
基于上述缺点，急需一种基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
本发明的目的在于提供一种基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，该方法包括：
a1.通过深度学习方法CoViAR-Mobile-V3算法对实时上传的视频流进行高效的事件分割判断，分析时间窗口视频的场景、事件类型，从视频流中间得到浇筑环节视频段；
a2.针对“浇筑环节视频段”，利用SSD检测算法，进行对待浇筑区域进行检测定位，确定其边界，在终孔浇筑环节下，待浇筑区域指的是终孔口相关区域；
a3.针对“待浇筑区域”图像信息，利用SSD检测算法，对待浇筑区域中的浇筑导管终端位置定位，并识别浇筑材料，对其是否为混凝土进行判定，预警是否存在非法浇筑行为。
a4.针对“待浇筑区域”图像信息，利用SSD检测算法，对待浇筑区域中非导管终端区域，进行疑似异常物体检测，若存在，则输出疑似子区域的位置信息；
a5.针对子区域的相关上下文视频流，利用SSD检测算法，检测定位浇筑区域是否出现人或者物体，获得疑似区域窗口；
a6.对疑似区域窗口的视频流，利用行为分析算法CoViAR对该区域的子视频流进行行为识别，如果存在浇筑或物体抛入行为，则无论其物体类型是否为混凝土均判定为非法行为；
a7.对判定为非法行为的事件标注为存在风险的事件，发出预警；
a8.对视频流基于输出信息，进行结构化存储。
进一步地，所述视频行为分析算法CoViAR步骤：
b1：CoViAR的输入是“压缩视频流”；
b2：对压缩视频流的P序列帧中的M信号即MotionVector运动信号、R值即ResidualP帧+M信号后相对于视频中的原始图像I帧的残值信号，进行累积解耦变换得到“解耦后的累积M信号”、“解耦后的累积R信号”，形成“解耦压缩视频流”；
b3：构建3个子模型：对原始信息“I帧”构建一个resnet152大分类器、对“解耦后的累积M信号”构建小分类器resnet18-0、对“解耦后的累积R信号”构建小分类器resnet18-1；
b4：基于融合3个子模型对视频进行动作行为分类。
进一步地，所述SSD的算法是通过在不同层级的CNN特征层上，选用不同尺寸、不同比例的侯选框，找到与目标匹配最好的候选框来对目标的位置进行预测，使不同层级的目标达到较高的检测速度和精度。
进一步地，所述步骤a6中预警的方式包括语音预警、灯光信号预警、预设的手机短信预警。
本发明工作原理：通过智能分析，保证混凝土浇筑过程中核心视频数据被有效采集，然后进行有效存储，通过智能视频分析对“非法浇筑物实时检测监督管理”，从而对不符合或疑似不符合规范的事件进行预警，极大程度上避免了人工现场监督管理的相关缺陷，通过固定或移动设备对混凝土浇筑现场，特别的浇筑口的核心操作区域进行持续的、有效的、实时的视频数据采集，并上传服务器进行存储。
与现有技术相比，本发明具有以下有益效果：1.本发明通过人工智能视频分析、目标检测识别等算法，检测定位需浇筑区域，对区域内的：混凝土浇筑导管的末端的浇筑材料进行类型检测识别，判定其是否为混凝土；对需浇筑区域内持续进行：人、物体等目标进行检测，对出现异常的区域视频段进行分析，判定是否有非法物体通过非浇筑导管末端进入浇筑区域；2.本发明采用在线实时风险预警，只需要少量的监理专家，远程分析系统预警的风险，进行判定，从而使得旁站监督管理的人效得到提高；3.本发明采用结构化视频存储，有利于事件的检索与回溯。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明一种基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法的步骤示意图。
具体实施方式
下面，结合附图以及具体实施方式，对发明做出进一步的描述：
基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，该方法包括：
a1.通过深度学习方法CoViAR-Mobile-V3算法对实时上传的视频流进行高效的事件分割判断，分析时间窗口视频的场景、事件类型，从视频流中间得到浇筑环节视频段；
a2.针对“浇筑环节视频段”，利用SSD检测算法，进行对待浇筑区域进行检测定位，确定其边界，在终孔浇筑环节下，待浇筑区域指的是终孔口相关区域；
a3.针对“待浇筑区域”图像信息，利用SSD检测算法，对待浇筑区域中的浇筑导管终端位置定位，并识别浇筑材料，对其是否为混凝土进行判定，预警是否存在非法浇筑行为。
a4.针对“待浇筑区域”图像信息，利用SSD检测算法，对待浇筑区域中非导管终端区域，进行疑似异常物体检测，若存在，则输出疑似子区域的位置信息；
a5.针对子区域的相关上下文视频流，利用SSD检测算法，检测定位浇筑区域是否出现人或者物体，获得疑似区域窗口；
a6.对疑似区域窗口的视频流，利用行为分析算法CoViAR对该区域的子视频流进行行为识别，如果存在浇筑或物体抛入行为，则无论其物体类型是否为混凝土均判定为非法行为；
a7.对判定为非法行为的事件标注为存在风险的事件，发出预警；
a8.对视频流基于输出信息，进行结构化存储。
其中CoViAR-Mobile-V3算法、CoViAR-resnet算法均属于视频行为分析算法CoViAR的不同阶段，CoViAR-Mobile-V3算法耗时低，CoViAR-resnet算法精度高。
通过智能分析，保证混凝土浇筑过程中核心视频数据被有效采集，然后进行有效存储，通过智能视频分析对“非法浇筑物实时检测监督管理”，从而对不符合或疑似不符合规范的事件进行预警，极大程度上避免了人工现场监督管理的相关缺陷，通过固定或移动设备对混凝土浇筑现场，特别的浇筑口的核心操作区域进行持续的、有效的、实时的视频数据采集，并上传服务器进行存储。
通过人工智能视频分析、目标检测识别等算法，检测定位需浇筑区域，对区域内的：混凝土浇筑导管的末端的浇筑材料进行类型检测识别，判定其是否为混凝土；对需浇筑区域内持续进行：人、物体等目标进行检测，对出现异常的区域视频段进行分析，判定是否有非法物体通过非浇筑导管末端进入浇筑区域。
根据上述内容，所述视频行为分析算法CoViAR步骤：
b1：CoViAR的输入是“压缩视频流”；
b2：对压缩视频流的P序列帧中的M信号即MotionVector运动信号、R值即ResidualP帧+M信号后相对于视频中的原始图像I帧的残值信号，进行累积解耦变换得到“解耦后的累积M信号”、“解耦后的累积R信号”，形成“解耦压缩视频流”；
b3：构建3个子模型：对原始信息“I帧”构建一个resnet152大分类器、对“解耦后的累积M信号”构建小分类器resnet18-0、对“解耦后的累积R信号”构建小分类器resnet18-1；
b4：基于融合3个子模型对视频进行动作行为分类。
CoViAR算法的核心优势是：不用解压压缩视频得到原始信息，直接构建基于压缩视频进行行为分析，较大的降低了耗时；对I、P-M、P-R分开建模，在P-M序列，P-R序列中的丰富的运动信息对行为分析重要性极高，在传统的原始视频流的算法框架下，从RGB图像信号序列中挖掘这些信息，难度较大，即便是计算量大的大型网络往往难以胜任；CoViAR算法在达到精度较高的情况下，视频处理速度相比其他方法得到极大提升
根据上述内容，所述SSD的算法是通过在不同层级的CNN特征层上，选用不同尺寸、不同比例的侯选框，找到与目标匹配最好的候选框来对目标的位置进行预测，使不同层级的目标达到较高的检测速度和精度。在混凝土搅拌场景下，存在较大的目标-如搅拌机，也存在较小的目标-如一袋水泥等的检测定位需求，因而SSD效果较好。
根据上述内容，所述步骤a6预警的方式包括语音预警、灯光信号预警、预设的手机短信预警。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限定本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，其特征在于，该方法包括：
a1.通过深度学习方法CoViAR-Mobile-V3算法对实时上传的视频流进行事件分割判断，分析时间窗口视频的场景、事件类型，从视频流中间得到浇筑环节视频段；
a2.针对“浇筑环节视频段”，利用SSD检测算法，对待浇筑区域进行检测定位，确定其边界，在终孔浇筑环节下，待浇筑区域指的是终孔口相关区域；
a3.针对“待浇筑区域”图像信息，利用SSD检测算法，对待浇筑区域中的浇筑导管终端位置定位，并识别浇筑材料，对其是否为混凝土进行判定，预警是否存在非法浇筑行为；
a4.针对“待浇筑区域”图像信息，利用SSD检测算法，对待浇筑区域中非导管终端区域，进行疑似异常物体检测，若存在，则输出疑似子区域的位置信息；
a5.针对子区域的相关上下文视频流，利用SSD检测算法，检测定位浇筑区域是否出现人或者物体，获得疑似区域窗口；
a6.对疑似区域窗口的视频流，利用行为分析算法CoViAR对该区域的子视频流进行行为识别，如果存在浇筑或物体抛入行为，则无论其物体类型是否为混凝土均判定为非法行为；
a7.对判定为非法行为的事件标注为存在风险的事件，发出预警；
a8.对视频流基于输出信息，进行结构化存储。
2.根据权利要求1所述的基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，其特征在于，所述行为分析算法CoViAR步骤：
b1：CoViAR的输入是“压缩视频流”；
b2：对压缩视频流的P序列帧中的M信号即MotionVector运动信号、R值即Residual P帧+M信号后相对于视频中的原始图像I帧的残值信号，进行累积解耦变换得到“解耦后的累积M信号”、“解耦后的累积R信号”，形成“解耦压缩视频流”；
b3：构建3个子模型：对原始信息“I帧”构建一个resnet152大分类器、对“解耦后的累积M信号”构建小分类器resnet18-0、对“解耦后的累积R信号”构建小分类器resnet18-1；
b4：基于融合3个子模型对视频进行动作行为分类。
3.根据权利要求1所述的基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，其特征在于，所述SSD的算法是通过在不同层级的CNN特征层上，选用不同尺寸、不同比例的侯选框，找到与目标匹配最好的候选框来对目标的位置进行预测，使不同层级的目标达到较高的检测速度和精度。
4.根据权利要求1所述的基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法，其特征在于，所述步骤a6中预警的方式包括语音预警、灯光信号预警、预设的手机短信预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010393337.9A CN111626151B (zh) | 2020-05-11 | 2020-05-11 | 基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010393337.9A CN111626151B (zh) | 2020-05-11 | 2020-05-11 | 基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111626151A CN111626151A (zh) | 2020-09-04 |
| CN111626151B true CN111626151B (zh) | 2022-04-26 |
Family
ID=72272573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010393337.9A Active CN111626151B (zh) | 2020-05-11 | 2020-05-11 | 基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111626151B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114199387B (zh) * | 2021-12-21 | 2024-08-09 | 吉林大学 | 一种高支模混凝土浇筑监测装置及其方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201344794Y (zh) * | 2009-02-18 | 2009-11-11 | 楼卫刚 | 水下浇筑砼导管埋置深度显示仪 |
| CN201773466U (zh) * | 2009-09-09 | 2011-03-23 | 深圳辉锐天眼科技有限公司 | 物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置 |
| CN202083646U (zh) * | 2010-12-31 | 2011-12-21 | 中铁大桥局集团第四工程有限公司 | 一种水下混凝土灌注导管的检查系统 |
-
2020
- 2020-05-11 CN CN202010393337.9A patent/CN111626151B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111626151A (zh) | 2020-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110738127B (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
| CN111582188B (zh) | 一种基于人工智能的混凝土浇筑旁站监理方法 | |
| CN114373245B (zh) | 基于数字化电厂的智能巡检系统 | |
| US11361423B2 (en) | Artificial intelligence-based process and system for visual inspection of infrastructure | |
| KR101095528B1 (ko) | 연속류도로 사고 및 돌발 자동판별 검지시스템 및 그 방법 | |
| CN111432179A (zh) | 基于计算机视觉的输煤皮带智能巡检系统及方法 | |
| CN113762171A (zh) | 铁路施工现场安全监测的方法及装置 | |
| CN111383429A (zh) | 建筑工地工人着装检测方法、系统、装置、存储介质 | |
| CN104464290A (zh) | 一种基于嵌入式双核芯片的道路交通参数采集及违章抓拍系统 | |
| CN112184625A (zh) | 一种基于视频深度学习的路面缺陷识别方法和系统 | |
| CN111445160B (zh) | 一种基于人工智能视频分析的自伴混凝土质量管理方法 | |
| CN111626151B (zh) | 基于人工智能视频分析的混凝土浇筑中非法浇筑物检测方法 | |
| CN117478843B (zh) | 一种智慧巡控系统及方法 | |
| CN115577939A (zh) | 基于水安全的城市防汛调度指挥系统 | |
| CN114419556A (zh) | 一种城市排水管网排口异常排水图像识别方法及系统 | |
| WO2024022059A1 (zh) | 环境检测报警方法、装置、计算机设备及存储介质 | |
| CN111353436A (zh) | 基于图像深度学习算法的超门店经营分析方法和装置 | |
| CN111582191B (zh) | 基于人工智能视频分析的混凝土浇筑中浇筑量估计方法 | |
| CN209087137U (zh) | 基于行车记录仪的交通信息采集及分析系统 | |
| CN111554075B (zh) | 一种基于人工智能视频分析的混凝土浇筑中拔管深度估计方法 | |
| CN109934161A (zh) | 基于卷积神经网络的车辆识别与检测方法及系统 | |
| CN112906593A (zh) | 一种基于Faster RCNN的水闸图像识别方法 | |
| CN116216239A (zh) | 皮带运输机的撒料检测方法和装置 | |
| CN114120658B (zh) | 一种高速公路智能巡检机器人系统以及巡检方法 | |
| Liu et al. | Detection of railway tunnel lining based on adaptive background learning |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |