CN114155447A - 人工智能大数据采集系统 - Google Patents
人工智能大数据采集系统 Download PDFInfo
- Publication number
- CN114155447A CN114155447A CN202111456288.XA CN202111456288A CN114155447A CN 114155447 A CN114155447 A CN 114155447A CN 202111456288 A CN202111456288 A CN 202111456288A CN 114155447 A CN114155447 A CN 114155447A
- Authority
- CN
- China
- Prior art keywords
- area
- big data
- remote sensing
- storage node
- protected
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种人工智能大数据采集系统,属于人工智能技术领域。所述系统包括:大数据服务网元,设置在无线网络端,包括第一存储节点、第二存储节点和第三存储节点,第一存储节点用于存储威胁物分别对应的各帧标准轮廓图案,第二存储节点用于存储待护卫区域的亮度数值分布区间,第三存储节点用于存储场景判断机构的输出数据;场景判断机构,用于确定选定待护卫区域的某一分段区域是否威胁物侵入区域,同时输出分段区域对应的侵入威胁物种类。通过本发明,能够将大数据服务与高清遥感技术以及导航应用技术结合,用于跨度较广的待护卫区域的人工智能监控,并对人工智能的监控结果执行大数据采集和维护,从而便于导航应用程序参考和使用。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种人工智能大数据采集系统。
背景技术
对于“大数据”(Big data),一般的定义是: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”。
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临,大数据(Big data)也吸引了越来越多的关注。大数据(Bigdata)通常用来形容一个公司创造的大量非结构化数据和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起,因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,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。
现有技术中,大数据技术已经逐渐成熟,但由于毕竟属于发展不久的新技术,对于一些应用领域尚缺乏针对性的解决方案,其与应用场景的数据融合仍需要不断尝试才能获得更为优化的处置策略。例如,在对于跨度较广且处于荒野地段的待护卫区域的数据监控,现有技术中的大数据服务缺乏有效的着力点。
发明内容
为了解决上述问题,本发明提供了一种人工智能大数据采集系统,能够结合高清遥感技术以及导航应用技术为跨度较广且处于荒野地段的待护卫区域的数据监控提供大数据服务的有效着力点,将大数据存储数据用于选定待护卫区域的各个分段路面的实时监控,并对人工智能的监控结果执行大数据采集和维护,以便于导航应用程序参考和使用,从而降低荒野地段的待护卫区域发生威胁物撞击事故的概率。
相比较于现有技术,本发明至少需要具备以下几处突出的实质性特点:
(1)采用大数据服务网元提供大数据存储服务以及大数据记载服务,所述大数据服务网元包括第一存储节点、第二存储节点和第三存储节点,第一存储节点和第二存储节点用于分别存储各种威胁物分别对应的各帧标准轮廓图案以及预先存储待护卫区域路面的亮度数值分布区间,第三存储节点用于存储选定待护卫区域每一分段路面是否被威胁物侵袭的智能化识别结果;
(2)在选定待护卫区域每一分段路面对应的高清遥感画面与某一个威胁物对象占据的图像分块重叠或者部分重叠时,判断所述分段路面为威胁物侵入区域且提供侵入的威胁物类型;
(3)引入接口修改机构,用于基于第三存储节点存储的被输入的待护卫区域编号对应的待护卫区域的每一个分段区域的标志符号和侵入威胁物种类对导航应用程序的API接口函数进行参数修改,以使得当前运行导航应用程序的终端的导航界面实时显示与分段区域的标志符号和侵入威胁物种类对应的提示信息,从而为待护卫区域过往车辆提供预警数据。
根据本发明的第一方面,提供了一种人工智能大数据采集系统,所述系统包括:
大数据服务网元,设置在无线网络端,用于预先存储各种威胁物分别对应的各帧标准轮廓图案以及预先存储待护卫区域路面的亮度数值分布区间;
数据采集机构,设置在地面监控室内,用于基于地面监控室操作人员输入的待护卫区域编号从遥感卫星处下载被输入的待护卫区域编号对应的待护卫区域的各个分段区域分别对应的各帧高清遥感画面;
去云执行机构,与所述数据采集机构连接,用于在监测到当前处理的分段区域对应的高清遥感画面中存在云块成像区域时,对存在的各处云块成像区域执行去云处理,以获得所述高清遥感画面对应的云块清除画面;
第一识别机构,分别与所述大数据服务网元以及所述去云执行机构连接,用于基于各种威胁物分别对应的各帧标准轮廓图案识别所述云块清除画面中的每一个威胁物对象占据的图像分块;
第二识别机构,分别与所述大数据服务网元以及所述去云执行机构连接,用于基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块;
场景判断机构,分别与所述第一识别机构和所述第二识别机构连接,用于在所述云块清除画面中的路面占据分块与某一个威胁物对象占据的图像分块重叠或者部分重叠时,将所述云块清除画面对应的分段区域作为威胁物侵入区域,同时与所述路面占据分块重叠或者部分重叠的图像分块对应的威胁物对象的参考种类作为所述云块清除画面对应的分段区域的侵入威胁物种类输出;
其中,所述大数据服务网元包括第一存储节点、第二存储节点和第三存储节点,所述第一存储节点用于预先存储各种威胁物分别对应的各帧标准轮廓图案,所述第二存储节点用于预先存储待护卫区域路面的亮度数值分布区间;
其中,所述大数据服务网元还与所述场景判断机构连接,用于采用所述第三存储节点存储被输入的待护卫区域编号对应的待护卫区域的每一个分段区域是否属于威胁物侵入区域的标志符号,以及存储每一个分段区域对应的侵入威胁物种类。
根据本发明的第二方面,提供了一种人工智能大数据采集方法,所述方法包括使用如上述的人工智能大数据采集平台以在大数据服务的基础上对高清遥感画面执行选定待护卫区域每一个分段区域是否存在威胁物侵袭场景的智能化识别和大数据记载。
根据本发明的第三方面,提供了一种计算机可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序在被执行时实现如上述的人工智能大数据采集方法的各个步骤。
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为根据本发明的人工智能大数据采集系统的技术流程图。
图2为根据本发明的实施例1示出的人工智能大数据采集系统的结构示意图。
图3为根据本发明的实施例2示出的人工智能大数据采集系统的结构示意图。
图4为根据本发明的实施例3示出的人工智能大数据采集系统的结构示意图。
图5为根据本发明的实施例4示出的人工智能大数据采集系统的结构示意图。
图6为根据本发明的实施例6示出的计算机可读存储介质的示意图。
具体实施方式
大数据包括结构化、半结构化和非结构化数据,非结构化数据越来越成为数据的主要部分。据调查报告显示:企业中80%的数据都是非结构化数据,这些数据每年都按指数增长60%。在以云计算为代表的技术创新大幕的衬托下,这些原本看起来很难收集和使用的数据开始容易被利用起来了,通过各行各业的不断创新,大数据会逐步为人类创造更多的价值。
为了系统地认知大数据,需要全面而细致地分解它,可以从以下三个层面来展开:
第一层面是理论,理论是认知的必经途径,也是被广泛认同和传播的基线。从大数据的特征定义理解行业对大数据的整体描绘和定性;从对大数据价值的探讨来深入解析大数据的珍贵所在;洞悉大数据的发展趋势;从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。
第二层面是技术,技术是大数据价值体现的手段和前进的基石。可以从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。
第三层面是实践,实践是大数据的最终价值体现。可以分别从互联网的大数据,企业的大数据和个人的大数据等数个方面来描绘大数据已经展现的前景和蓝图。
然而,由于大数据发展时间毕竟有限,一些细分领域仍缺乏有效、成熟的解决方案,需要不断进行大数据应用场景的研究和调试,以优化大数据技术与应用场景各类数据的融合。本发明将针对跨度较广且处于荒野地段的待护卫区域的数据监控的应用场景,搭建了一种人工智能大数据采集系统,对现有技术中的大数据服务进行改造和升级,为其能够落地于所述应用场景提供针对性的解决方案。
如图1所示,给出了根据本发明示出的人工智能大数据采集系统的技术流程图。
首先,建立包括第一存储节点、第二存储节点和第三存储节点的定制拓扑结构的大数据服务网元,所述第一存储节点用于存储各种威胁物分别对应的各帧标准轮廓图案,所述第二存储节点用于存储待护卫区域路面的亮度数值分布区间,所述第三存储节点用于存储人工智能模型对选定待护卫区域每一分段路面是否被威胁物侵袭执行的智能化识别的识别结果;
其次,建立人工智能模型以实现分段路面的威胁物的侵袭识别,具体地,基于各种威胁物分别对应的各帧标准轮廓图案识别选定待护卫区域每一分段区域内的威胁物分布分块,基于待护卫区域路面的亮度数值分布区间识别选定待护卫区域每一分段区域内的路面分块,当二种图像分块存在重叠或者部分重叠现象时,判断所述分段区域的路面被威胁物侵袭,并将侵袭的威胁物类型以及对应的分段区域存入所述第三存储节点;
再次,基于第三存储节点存储的识别结果对运行在终端上的导航应用程序的API接口函数进行参数修改,以使得当前运行导航应用程序的终端的导航界面实时显示与分段区域的标志符号和侵入威胁物种类对应的提示信息。
本发明的关键点在于,搭建针对性拓扑结构的大数据服务网元,充分利用大数据的存储服务和采集服务的优势,将利用高清遥感数据执行威胁物分布区域与路面区域相对位置识别的人工智能模型与定制结构的大数据服务网元进行有机结合,尤为关键的是,利用大数据采集的识别数据对运行在终端上的导航应用程序的API接口函数进行参数修改,从而完成大数据服务与应用场景数据的融合,为荒野地区待护卫区域过往车辆提供简单明了的定制提醒界面。
下面,将对本发明的人工智能大数据采集系统以实施例的方式进行具体说明。
实施例1
图2为根据本发明的实施例1示出的人工智能大数据采集系统的结构示意图。
如图2所示,所述人工智能大数据采集系统包括以下部件:
大数据服务网元,设置在无线网络端,用于预先存储各种威胁物分别对应的各帧标准轮廓图案以及预先存储待护卫区域路面的亮度数值分布区间;
数据采集机构,设置在地面监控室内,用于基于地面监控室操作人员输入的待护卫区域编号从遥感卫星处下载被输入的待护卫区域编号对应的待护卫区域的各个分段区域分别对应的各帧高清遥感画面;
去云执行机构,与所述数据采集机构连接,用于在监测到当前处理的分段区域对应的高清遥感画面中存在云块成像区域时,对存在的各处云块成像区域执行去云处理,以获得所述高清遥感画面对应的云块清除画面;
第一识别机构,分别与所述大数据服务网元以及所述去云执行机构连接,用于基于各种威胁物分别对应的各帧标准轮廓图案识别所述云块清除画面中的每一个威胁物对象占据的图像分块;
第二识别机构,分别与所述大数据服务网元以及所述去云执行机构连接,用于基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块;
场景判断机构,分别与所述第一识别机构和所述第二识别机构连接,用于在所述云块清除画面中的路面占据分块与某一个威胁物对象占据的图像分块重叠或者部分重叠时,将所述云块清除画面对应的分段区域作为威胁物侵入区域,同时与所述路面占据分块重叠或者部分重叠的图像分块对应的威胁物对象的参考种类作为所述云块清除画面对应的分段区域的侵入威胁物种类输出;
其中,所述大数据服务网元包括第一存储节点、第二存储节点和第三存储节点,所述第一存储节点用于预先存储各种威胁物分别对应的各帧标准轮廓图案,所述第二存储节点用于预先存储待护卫区域路面的亮度数值分布区间;
其中,所述大数据服务网元还与所述场景判断机构连接,用于采用所述第三存储节点存储被输入的待护卫区域编号对应的待护卫区域的每一个分段区域是否属于威胁物侵入区域的标志符号,以及存储每一个分段区域对应的侵入威胁物种类。
实施例2
图3为根据本发明的实施例2示出的人工智能大数据采集系统的结构示意图。
如图3所示,相比较于本发明的实施例1,所述人工智能大数据采集系统还包括:
接口修改机构,设置在地面监控室内,分别与大数据服务网元以及当前运行导航应用程序的终端无线连接,用于基于所述第三存储节点存储的被输入的待护卫区域编号对应的待护卫区域的每一个分段区域的标志符号和侵入威胁物种类对导航应用程序的API接口函数进行参数修改,以使得当前运行导航应用程序的终端的导航界面实时显示与分段区域的标志符号和侵入威胁物种类对应的提示信息。
实施例3
图4为根据本发明的实施例3示出的人工智能大数据采集系统的结构示意图。
如图4所示,相比较于本发明的实施例1,所述人工智能大数据采集系统还包括:
液晶显示机构,设置在地面监控室内,与大数据服务网元无线连接,用于显示所述第三存储节点存储的被输入的待护卫区域编号对应的待护卫区域的每一个分段区域的标志符号和侵入威胁物种类。
实施例4
图5为根据本发明的实施例4示出的人工智能大数据采集系统的结构示意图。
如图5所示,相比较于本发明的实施例1,所述人工智能大数据采集系统还包括:
用户操控机构,设置在地面监控室内,与所述数据采集机构连接,用于根据地面监控室操作人员的操作,向所述数据采集机构输入待护卫区域编号。
在上述实施例的任一实施例中,可选地,在所述人工智能大数据采集系统中:
采用所述第三存储节点存储被输入的待护卫区域编号对应的待护卫区域的每一个分段区域是否属于威胁物侵入区域的标志符号,以及存储每一个分段区域对应的侵入威胁物种类包括:当某一分段区域不属于威胁物侵入区域时,存储的对应的侵入威胁物种类为空字符。
在上述实施例的任一实施例中,可选地,在所述人工智能大数据采集系统中:
基于各种威胁物分别对应的各帧标准轮廓图案识别所述云块清除画面中的每一个威胁物对象占据的图像分块包括:当所述云块清除画面中存在某一图像分块与所述大数据服务网元存储的一帧标准轮廓图案的边缘形状匹配时,判断所述图像分块作为单个威胁物对象占据的图像分块,并将匹配的标准轮廓图案对应的威胁物种类作为所述单个威胁物对象的参考种类。
在上述实施例的任一实施例中,可选地,在所述人工智能大数据采集系统中:
基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块包括:当所述云块清除画面中某一个像素点其亮度值在待护卫区域路面的亮度数值分布区间内时,判断其归属于路面像素点;
其中,基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块还包括:将所述云块清除画面中的各个路面像素点去除孤立的路面像素点后剩余的多个路面像素点组合成所述云块清除画面中的路面占据分块;
其中,基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块还包括:当所述云块清除画面中某一个像素点其亮度值在待护卫区域路面的亮度数值分布区间外时,判断其不归属于路面像素点。
在上述实施例的任一实施例中,可选地,在所述人工智能大数据采集系统中:
基于地面监控室操作人员输入的待护卫区域编号从遥感卫星处下载被输入的待护卫区域编号对应的待护卫区域的各个分段区域分别对应的各帧高清遥感画面包括:基于地面监控室操作人员输入的待护卫区域编号映射对应待护卫区域的各个分段区域分别对应的各个定位数据区间,并基于每一个定位数据区间从遥感卫星当前遥感的高清图像中分割与所述定位数据区间匹配的高清遥感画面以作为对应分段区域的高清遥感画面;
其中,基于地面监控室操作人员输入的待护卫区域编号映射对应待护卫区域的各个分段区域分别对应的各个定位数据区间,并基于每一个定位数据区间从遥感卫星当前遥感的高清图像中分割与所述定位数据区间匹配的高清遥感画面以作为对应分段区域的高清遥感画面包括:所述定位数据区间对应的实地区域不仅包括其对应的待护卫区域的分段区域,还包括其对应的待护卫区域的分段区域的路面两侧区域。
实施例5
在本实施例中,本发明搭建了一种人工智能大数据采集方法,所述方法包括使用如上述的人工智能大数据采集平台以在大数据服务的基础上对高清遥感画面执行选定待护卫区域每一个分段区域是否存在威胁物侵袭场景的智能化识别和大数据记载。
实施例6
图6为根据本发明的实施例6示出的计算机可读存储介质的示意图。如图6所示,根据本公开实施例的计算机可读存储介质60,其上存储有非暂时性计算机可读指令61。当该非暂时性计算机可读指令61由处理器运行时,执行前述的本发明的实施例5的人工智能大数据采集方法的全部或部分步骤。
另外,高分辨率遥感即高清遥感是对遥感数据的质量和数量要求很高的遥感技术。如卫星影像的地面分辨率例如由10m、5m、2m、1m、甚至0.6m 逐步提高。高分辨率遥感图像的产生,不仅使土地利用、城市规划、环境监测等民用方面有了更便利、更详细的数据来源,而且对于目标识别、环境仿真来说有着更为重要的意义。
航天遥感技术经过多年的发展, 无论在光谱分辨率、空间分辨率、时间分辨率等方面都有巨大的进步,已经形成高光谱、高空间分辨率、全天时、全天候、实时/准实时的对地观测能力。这些先进的航天遥感技术为监测全球变化、区域环境变化等提供了大量的宏观、现势性资料,造福于人类及其安居环境。尤其是自法国发射了SPOT - 1号卫星以后,基于现势性极好的传输型高空间分辨率卫星遥感图像的应用已引起了世界各国的普遍关注。卫星影像的地面分辨率例如由10m、5m、2m、1m、甚至0.6m 逐步提高。
遥感的根本目标是为了从图像上提取信息,获取知识。一般来说,遥感影像信息提取包括分类和识别。遥感影像目标识别一般针对人工地物而进行,不仅依据其光谱特征、还很大程度上依据目标形状、空间语义关系等,其落脚点往往是小尺度的目标类别归属,一般其数据源为高空间分辨率的航空影像和卫星影像,因为,影像空间分辨率的提高更能反映人工行为的影响和干预。人工地物是空间地理信息库中重要元素,人工地物主要包括建筑物、桥梁、道路和大型工程构筑物(如机场),而在城市区域高分辨率遥感影像中,80 %的目标是建筑物和道路,因而关于建筑物和道路提取的研究相对较多,他们也分别是面状和线状目标提取的典型代表。
总之,已经描述了利用本发明的原理产生的很多好处。为了解释和说明,已经对本发明的一个或多个实施例进行了描述。这并不意味着本发明的无遗漏的描述或是将本发明限制在已公开的确切形式中。根据以上的教导可以作出显而易见的修改和改变。对一个或多个实施例进行选择和描述是为了更好地解释本发明的原理和应用,因此可以使本领域的普通技术人员以不同实施例和适合于特殊应用的多种修改形式更好地应用本发明。此处所附的权利要求确定本发明的保护范围。
Claims (10)
1.一种人工智能大数据采集系统,其特征在于,所述系统包括:
大数据服务网元,设置在无线网络端,用于预先存储各种威胁物分别对应的各帧标准轮廓图案以及预先存储待护卫区域路面的亮度数值分布区间;
数据采集机构,设置在地面监控室内,用于基于地面监控室操作人员输入的待护卫区域编号从遥感卫星处下载被输入的待护卫区域编号对应的待护卫区域的各个分段区域分别对应的各帧高清遥感画面;
去云执行机构,与所述数据采集机构连接,用于在监测到当前处理的分段区域对应的高清遥感画面中存在云块成像区域时,对存在的各处云块成像区域执行去云处理,以获得所述高清遥感画面对应的云块清除画面;
第一识别机构,分别与所述大数据服务网元以及所述去云执行机构连接,用于基于各种威胁物分别对应的各帧标准轮廓图案识别所述云块清除画面中的每一个威胁物对象占据的图像分块;
第二识别机构,分别与所述大数据服务网元以及所述去云执行机构连接,用于基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块;
场景判断机构,分别与所述第一识别机构和所述第二识别机构连接,用于在所述云块清除画面中的路面占据分块与某一个威胁物对象占据的图像分块重叠或者部分重叠时,将所述云块清除画面对应的分段区域作为威胁物侵入区域,同时与所述路面占据分块重叠或者部分重叠的图像分块对应的威胁物对象的参考种类作为所述云块清除画面对应的分段区域的侵入威胁物种类输出;
其中,所述大数据服务网元包括第一存储节点、第二存储节点和第三存储节点,所述第一存储节点用于预先存储各种威胁物分别对应的各帧标准轮廓图案,所述第二存储节点用于预先存储待护卫区域的亮度数值分布区间;
其中,所述大数据服务网元还与所述场景判断机构连接,用于采用所述第三存储节点存储被输入的待护卫区域编号对应的待护卫区域的每一个分段区域是否属于威胁物侵入区域的标志符号,以及存储每一个分段区域对应的侵入威胁物种类。
2.如权利要求1所述的人工智能大数据采集系统,其特征在于,所述系统还包括:
接口修改机构,设置在地面监控室内,分别与大数据服务网元以及当前运行导航应用程序的终端无线连接,用于基于所述第三存储节点存储的被输入的待护卫区域编号对应的待护卫区域的每一个分段区域的标志符号和侵入威胁物种类对导航应用程序的API接口函数进行参数修改,以使得当前运行导航应用程序的终端的导航界面实时显示与分段区域的标志符号和侵入威胁物种类对应的提示信息。
3.如权利要求1所述的人工智能大数据采集系统,其特征在于,所述系统还包括:
液晶显示机构,设置在地面监控室内,与大数据服务网元无线连接,用于显示所述第三存储节点存储的被输入的待护卫区域编号对应的待护卫区域的每一个分段区域的标志符号和侵入威胁物种类。
4.如权利要求1所述的人工智能大数据采集系统,其特征在于,所述系统还包括:
用户操控机构,设置在地面监控室内,与所述数据采集机构连接,用于根据地面监控室操作人员的操作,向所述数据采集机构输入待护卫区域编号。
5.如权利要求1-4任一所述的人工智能大数据采集系统,其特征在于:
采用所述第三存储节点存储被输入的待护卫区域编号对应的待护卫区域的每一个分段区域是否属于威胁物侵入区域的标志符号,以及存储每一个分段区域对应的侵入威胁物种类包括:当某一分段区域不属于威胁物侵入区域时,存储的对应的侵入威胁物种类为空字符。
6.如权利要求1-4任一所述的人工智能大数据采集系统,其特征在于:
基于各种威胁物分别对应的各帧标准轮廓图案识别所述云块清除画面中的每一个威胁物对象占据的图像分块包括:当所述云块清除画面中存在某一图像分块与所述大数据服务网元存储的一帧标准轮廓图案的边缘形状匹配时,判断所述图像分块作为单个威胁物对象占据的图像分块,并将匹配的标准轮廓图案对应的威胁物种类作为所述单个威胁物对象的参考种类。
7.如权利要求1-4任一所述的人工智能大数据采集系统,其特征在于:
基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块包括:当所述云块清除画面中某一个像素点其亮度值在待护卫区域路面的亮度数值分布区间内时,判断其归属于路面像素点;
其中,基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块还包括:将所述云块清除画面中的各个路面像素点去除孤立的路面像素点后剩余的多个路面像素点组合成所述云块清除画面中的路面占据分块;
其中,基于待护卫区域路面的亮度数值分布区间识别所述云块清除画面中的路面占据分块还包括:当所述云块清除画面中某一个像素点其亮度值在待护卫区域路面的亮度数值分布区间外时,判断其不归属于路面像素点。
8.如权利要求1-4任一所述的人工智能大数据采集系统,其特征在于:
基于地面监控室操作人员输入的待护卫区域编号从遥感卫星处下载被输入的待护卫区域编号对应的待护卫区域的各个分段区域分别对应的各帧高清遥感画面包括:基于地面监控室操作人员输入的待护卫区域编号映射对应待护卫区域的各个分段区域分别对应的各个定位数据区间,并基于每一个定位数据区间从遥感卫星当前遥感的高清图像中分割与所述定位数据区间匹配的高清遥感画面以作为对应分段区域的高清遥感画面;
其中,基于地面监控室操作人员输入的待护卫区域编号映射对应待护卫区域的各个分段区域分别对应的各个定位数据区间,并基于每一个定位数据区间从遥感卫星当前遥感的高清图像中分割与所述定位数据区间匹配的高清遥感画面以作为对应分段区域的高清遥感画面包括:所述定位数据区间对应的实地区域不仅包括其对应的待护卫区域的分段区域,还包括其对应的待护卫区域的分段区域的路面两侧区域。
9.一种人工智能大数据采集方法,所述方法包括使用如权利要求1-8任一所述的人工智能大数据采集平台以在大数据服务的基础上对高清遥感画面执行选定待护卫区域每一个分段区域是否存在威胁物侵袭场景的智能化识别和大数据记载。
10.一种计算机可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序在被执行时实现如权利要求9所述方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111456288.XA CN114155447B (zh) | 2021-12-02 | 2021-12-02 | 人工智能大数据采集系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111456288.XA CN114155447B (zh) | 2021-12-02 | 2021-12-02 | 人工智能大数据采集系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114155447A true CN114155447A (zh) | 2022-03-08 |
CN114155447B CN114155447B (zh) | 2022-06-24 |
Family
ID=80455842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111456288.XA Active CN114155447B (zh) | 2021-12-02 | 2021-12-02 | 人工智能大数据采集系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155447B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272812A (zh) * | 2022-08-10 | 2022-11-01 | 深圳朗道智通科技有限公司 | 一种人工智能大数据采集系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1833934A (zh) * | 2005-09-09 | 2006-09-20 | 中国科学院自动化研究所 | 汽车行驶安全监控系统及监控方法 |
CN101638101A (zh) * | 2009-08-26 | 2010-02-03 | 成都林海电子有限责任公司 | 基于卫星移动通信、固定通信、遥感技术的机车监控系统 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN108921943A (zh) * | 2018-06-29 | 2018-11-30 | 广东星舆科技有限公司 | 一种基于车道级高精度地图的道路三维模型建模方法 |
CN109285309A (zh) * | 2018-09-30 | 2019-01-29 | 国网黑龙江省电力有限公司电力科学研究院 | 一种基于输电系统的侵入目标实时检测系统 |
CN109405824A (zh) * | 2018-09-05 | 2019-03-01 | 武汉契友科技股份有限公司 | 一种适用于智能网联汽车的多源感知定位系统 |
CN109543647A (zh) * | 2018-11-30 | 2019-03-29 | 国信优易数据有限公司 | 一种道路异常识别方法、装置、设备及介质 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
CN110427914A (zh) * | 2019-08-14 | 2019-11-08 | 西南交通大学 | 一种基于卫星遥感的输电走廊植被威胁预警方法 |
CN110782481A (zh) * | 2019-10-18 | 2020-02-11 | 华中光电技术研究所(中国船舶重工集团有限公司第七一七研究所) | 无人艇智能决策方法及系统 |
CN111260924A (zh) * | 2020-02-10 | 2020-06-09 | 北京中交国通智能交通系统技术有限公司 | 适应边缘计算的交通智能管控与服务发布策略方法 |
CN111339912A (zh) * | 2020-02-24 | 2020-06-26 | 中国科学院植物研究所 | 一种基于遥感影像识别牛羊的方法和系统 |
CN112149460A (zh) * | 2019-06-27 | 2020-12-29 | 华为技术有限公司 | 一种障碍物检测方法及装置 |
CN112668461A (zh) * | 2020-12-25 | 2021-04-16 | 浙江弄潮儿智慧科技有限公司 | 一种具有野生动物识别的智能监管系统 |
CN112802021A (zh) * | 2021-04-09 | 2021-05-14 | 泰瑞数创科技(北京)有限公司 | 基于数字孪生技术的城市桥梁道路诊断方法及其系统 |
CN113076790A (zh) * | 2020-12-06 | 2021-07-06 | 泰州市朗嘉馨网络科技有限公司 | 服务信息大数据监管平台及方法 |
-
2021
- 2021-12-02 CN CN202111456288.XA patent/CN114155447B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1833934A (zh) * | 2005-09-09 | 2006-09-20 | 中国科学院自动化研究所 | 汽车行驶安全监控系统及监控方法 |
CN101638101A (zh) * | 2009-08-26 | 2010-02-03 | 成都林海电子有限责任公司 | 基于卫星移动通信、固定通信、遥感技术的机车监控系统 |
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
CN108921943A (zh) * | 2018-06-29 | 2018-11-30 | 广东星舆科技有限公司 | 一种基于车道级高精度地图的道路三维模型建模方法 |
CN109405824A (zh) * | 2018-09-05 | 2019-03-01 | 武汉契友科技股份有限公司 | 一种适用于智能网联汽车的多源感知定位系统 |
CN109285309A (zh) * | 2018-09-30 | 2019-01-29 | 国网黑龙江省电力有限公司电力科学研究院 | 一种基于输电系统的侵入目标实时检测系统 |
CN109543647A (zh) * | 2018-11-30 | 2019-03-29 | 国信优易数据有限公司 | 一种道路异常识别方法、装置、设备及介质 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
CN112149460A (zh) * | 2019-06-27 | 2020-12-29 | 华为技术有限公司 | 一种障碍物检测方法及装置 |
CN110427914A (zh) * | 2019-08-14 | 2019-11-08 | 西南交通大学 | 一种基于卫星遥感的输电走廊植被威胁预警方法 |
CN110782481A (zh) * | 2019-10-18 | 2020-02-11 | 华中光电技术研究所(中国船舶重工集团有限公司第七一七研究所) | 无人艇智能决策方法及系统 |
CN111260924A (zh) * | 2020-02-10 | 2020-06-09 | 北京中交国通智能交通系统技术有限公司 | 适应边缘计算的交通智能管控与服务发布策略方法 |
CN111339912A (zh) * | 2020-02-24 | 2020-06-26 | 中国科学院植物研究所 | 一种基于遥感影像识别牛羊的方法和系统 |
CN113076790A (zh) * | 2020-12-06 | 2021-07-06 | 泰州市朗嘉馨网络科技有限公司 | 服务信息大数据监管平台及方法 |
CN112668461A (zh) * | 2020-12-25 | 2021-04-16 | 浙江弄潮儿智慧科技有限公司 | 一种具有野生动物识别的智能监管系统 |
CN112802021A (zh) * | 2021-04-09 | 2021-05-14 | 泰瑞数创科技(北京)有限公司 | 基于数字孪生技术的城市桥梁道路诊断方法及其系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272812A (zh) * | 2022-08-10 | 2022-11-01 | 深圳朗道智通科技有限公司 | 一种人工智能大数据采集系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114155447B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gargoum et al. | Assessing stopping and passing sight distance on highways using mobile LiDAR data | |
Wilson et al. | Development of a geospatial model to quantify, describe and map urban growth | |
Alvioli et al. | Rockfall susceptibility and network-ranked susceptibility along the Italian railway | |
CN112733781B (zh) | 结合poi数据的城市功能区识别方法、存储介质和电子设备 | |
WO2023287276A1 (en) | Geographic data processing methods and systems for detecting encroachment by objects into a geographic corridor | |
Takizawa et al. | Discovering distinctive spatial patterns of snatch theft in Kyoto City with CAEP | |
CN114155447B (zh) | 人工智能大数据采集系统 | |
Chang et al. | Discrete rough set analysis of two different soil-behavior-induced landslides in National Shei-Pa Park, Taiwan | |
Li et al. | Exploring multiple crowdsourced data to learn deep convolutional neural networks for road extraction | |
Zhao et al. | Combining ICESat-2 photons and Google Earth Satellite images for building height extraction | |
Bagheri et al. | Investigation and modeling of physical development of urban areas and its effects on light pollution using night light data | |
CN109325522B (zh) | 基于改进kmeans的重工业时序热源区域识别算法 | |
He et al. | Analysis of radar technology identification model for potential geologic hazard based on convolutional neural network and Harris Hawks optimization algorithm | |
CN114418360A (zh) | 一种智慧城市运行体征大数据分析方法及装置 | |
Ahmed et al. | Choosing thresholds for density-based map construction algorithms | |
Hasmadi et al. | Geographic information system-allocation model for forest path: a case study in Ayer Hitam Forest Reserve, Malaysia | |
KR102156085B1 (ko) | 고해상도 드론 영상을 활용한 산림지역 변화 탐지 및 변화지역 투수/불투수도 갱신 방법 | |
Barrile et al. | Road cadastre an innovative system to update information, from big data elaboration | |
Huang et al. | Identifying active retrogressive thaw slumps from ArcticDEM | |
Chehibi et al. | Representing and modeling spatio-temporal uncertainty using belief function theory in flood extent mapping | |
Yasuno et al. | One-class Damage Detector Using Deeper Fully-Convolutional Data Descriptions for Civil Application | |
Liu et al. | High-precision automatic detection method of illegal construction object images in complex scenes | |
Khudov et al. | Development of a two-stage method for segmenting the color images of urban terrain acquired from space optic-electronic observation systems based on the ant algorithm and the Hough algorithm | |
Xydas et al. | Buildings Extraction from Historical Topographic Maps via a Deep Convolution Neural Network. | |
Fan et al. | Spatially enabled emergency event analysis using a multi-level association rule mining method |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 327, third floor, No. 2, Stadium South Road, Shijingshan District, Beijing 100043 Patentee after: Beijing Zhongke Zhiyi Technology Co.,Ltd. Address before: Room 327, third floor, No. 2, Stadium South Road, Shijingshan District, Beijing 100043 Patentee before: Beijing Zhongke Zhiyi Technology Co.,Ltd. |