-
公开(公告)号：CN118052353A
公开(公告)日：2024-05-17
申请号：CN202311740182.1
申请日：2023-12-18
Applicant: 神思电子技术股份有限公司
Abstract: 一种用于交通信号灯优化的城市道路拥堵长度的计算方法，涉及城市交通优化领域，利用计算机视觉和图像处理等技术来实时估计当前道路的车辆拥堵长度，能够根据所估计的长度对交通信号灯进行实时的控制优化。能够利用语义分割方法对交通视频进行分割生成分割掩码图，同时利用图像处理技术对掩码图进行去噪处理生成连通区域，进一步结合预先标定的车道信息求得道路拥堵线，最后结合比例换算模型估算出实时的实际拥堵长度，进而对信号灯实现动态控制优化。
-
公开(公告)号：CN117437581A
公开(公告)日：2024-01-23
申请号：CN202311758995.3
申请日：2023-12-20
Applicant: 神思电子技术股份有限公司
Abstract: 一种基于图像语义分割和视角缩放的机动车拥堵长度计算方法，涉及智慧交通技术领域，直接估算机动车排队长度，从而判断路口拥堵情况。结合了计算机视觉技术以及深度学习技术，并应用几何数学模型将现实距离与视频帧对应长度建立一一映射关系，实现了对拥堵长度的计算。通过车辆语义分割方法、连通区域划分方法和拥堵长度建模，可以准确估算拥堵时段机动车排队长度，进而评估拥堵状况。
-
公开(公告)号：CN116363745A
公开(公告)日：2023-06-30
申请号：CN202211714826.5
申请日：2022-12-30
Applicant: 神思电子技术股份有限公司
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06V10/774 , G06V20/40 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于计算机视觉的多标签行人异常行为识别方法，涉及计算机视觉应用技术领域。本方法通过获取监控视频中的行人行为样本视频数据；对获取的行人行为样本视频数据进行预处理，获得最终数据集；将最终数据集按比例划分为训练集样本和测试集样本搭建BDNet双分支卷积神经网络分类模型，对行人异常行为进行分类识别；使用训练完毕的BDNet双分支卷积神经网络分类模型识别行人动作。本方法使用计算机视觉算法自动提取人体整体特征和人体面部细节特征，经过多元线性回归拟合行人的多属性动作类型，通过非接触、实时的方式实现准确地预测行人的各种违规行为并提供实时预警，在行人安全检测中发挥着重要作用。
-
公开(公告)号：CN116152801A
公开(公告)日：2023-05-23
申请号：CN202211533343.5
申请日：2022-11-30
Applicant: 神思电子技术股份有限公司
IPC: G06V20/68 , G06V10/82 , G06V10/762 , G06V40/16 , G06V10/54 , G06V10/25 , G06V10/56 , G06V10/44 , G06V10/764 , G06V10/80
Abstract: 本发明公开一种基于深度学习的餐饮浪费识别方法，本方法提出了一种先验框的优化方法并且通过机器学习和深度学习结合的方式提高分类模型精度解决了实际过程中菜汤和剩菜剩饭误报问题。先验框的优化方法通过在自己数据集上聚类，发挥模型多尺度预测优势，从而提高了模型对目标的检测精度。使用盘子检测模型和浪费检测模型，检测精度满足的前提下，提高了模型的推理速度，可以移植到边缘端服务器。使用该方法检测到倒餐人员是否存有浪费现象，可以时时刻刻提醒人们珍惜粮食，切勿浪费。
-
公开(公告)号：CN116129109A
公开(公告)日：2023-05-16
申请号：CN202211520828.0
申请日：2022-11-30
Applicant: 神思电子技术股份有限公司
IPC: G06V10/26 , G06V10/80 , G06V10/54 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了一种仪表图像的分割优化方法、设备及介质，属于图像处理技术领域，用于解决现有的卷积神经网络对图像分割预测时，图像的边缘纹理信息容易被弱化，难以很好地保留浅层边缘纹理特征的技术问题。方法包括：将预获取的仪表图像数据集进行归一化处理；根据预设卷积神经网络中的卷积块，对归一化后的初始输入图像进行特征提取，得到第零特征图；根据若干编码层，对第零特征图进行图像特征块的切割，得到第四特征图；对第四特征图进行最大上采样处理，得到第四采样特征图；将第四采样特征图与第三特征图进行特征融合，得到第零采样特征图；并进行特征预测，得到预测特征图；根据预设二值交叉熵损失函数，对卷积神经网络进行优化训练。
-
Patent Agency Ranking
公开(公告)号：CN115953379A
公开(公告)日：2023-04-11
申请号：CN202211722240.3
申请日：2022-12-30
Applicant: 神思电子技术股份有限公司
Abstract: 本申请公开了一种准平面异物检测方法、设备及介质，方法包括：采集物件在不同方向上的准平面表面图像，并分别生成对应的多张第一数字图像；基于物件在准平面表面上预设的若干个定位特征点，对第一数字图像进行图像变换处理，得到无透视畸变且定位特征点相同的第二数字图像；在第二数字图像中提取图形特征点，并将其中的噪点排除后，得到特异点集合，并根据特异点集合确定可疑目标；采集可疑目标对应的特写数字图像，并根据特写数字图像对可疑目标进行异物检测。相比于激光雷达、结构光等检测的方法，能够有效提高检测精度。并且在初筛过程中对噪点进行排除，可以减少物件表面损伤、漆面脱落、污染、表面纹理图案等原因造成的干扰，降低误报次数。
-
公开(公告)号：CN115690419A
公开(公告)日：2023-02-03
申请号：CN202211346801.4
申请日：2022-10-31
Applicant: 神思电子技术股份有限公司
Abstract: 本发明公开了一种基于图像分割的仪表读数识别方法及系统，包括：获取待识别的仪表图像，利用训练好的语义分割模型分别提取出仪表图像中的指针区域、表盘中心区域以及设定三角区域的掩码信息；其中，所述设定的三角区域为表盘首尾刻度值之间与表盘中心区域构成的三角区域；基于各区域的掩码信息将指针区域、表盘中心区域与设定三角区域分离成三个独立通道，对仪表图像中的仪表位置进行旋转校正；对设定三角区域进行三角形拟合，在表盘中心区域、指针区域和拟合后的设定三角区域分别选取关键点，基于关键点计算仪表的读数。本发明的分割方法在标注效率上更高，并且标注的目标区域更少，更大，从而导致算法在整体的性能均有提升。
-
公开(公告)号：CN114330618A
公开(公告)日：2022-04-12
申请号：CN202111663474.0
申请日：2021-12-30
Applicant: 神思电子技术股份有限公司
Abstract: 本申请公开了一种基于伪标签的二分类标签数据优化方法、设备及介质，用于解决如下技术问题：如何基于伪标签技术，有效识别二分类标签数据中的误标签数据。方法包括：将待优化二分类标签数据集划分为预设数量个优化集；基于预设数量个优化集，确定预设数量个训练集，并对待训练模型进行训练，以获得预设数量个初始模型；通过预设数量个初始模型，分别对对应的相应优化集进行验证，以确定相应优化集中各二分类标签数据的类型预测得分；其中，相应优化集为训练得到该初始模型时没有采用的优化集；基于类型预测得分，通过预设的评估规则，确定对应的二分类标签数据是否为误标签数据。本申请通过上述方法可以有效的识别二分类标签数据中的误标签数据。
-
公开(公告)号：CN113158725A
公开(公告)日：2021-07-23
申请号：CN202011588808.8
申请日：2020-12-29
Applicant: 神思电子技术股份有限公司
Abstract: 本发明提供了一种综合性工程车辆施工动作判断方法，其硬件设施包括位于道路旁及各个场地的监控摄像头，全部监控摄像头均通过网络连接后台服务器，判断方法包括以下步骤：1)、目标获取：将监控摄像头所拍摄的画面输入后台服务器，启动检测算法，开始输出画面上的目标；2)、目标追踪：此时监控摄像头的视角固定不变，启动追踪算法对画面中移动和/或静止的目标进行追踪，根据追踪结果判断目标是否发生位移，并将同一目标的检测结果归类；3)、序列标准化：目标检测的结果图片大小尺寸不唯一，将图片尺寸标准化为设定图像，设定图像为224×224方形图像；4)、工程机械的施工动作分析；5)、报警触发。本发明增加施工动作分析算法，减少误报几率。
-
公开(公告)号：CN114092340B
公开(公告)日：2024-12-20
申请号：CN202111434181.5
申请日：2021-11-29
Applicant: 神思电子技术股份有限公司
IPC: G06T3/60 , G06T5/77 , G06T3/04 , G06N3/0464 , G06T7/11
Abstract: 本申请公开了一种显示屏信息采集方法、设备及介质，显示屏信息采集方法，应用于显示屏信息采集装置，显示屏信息采集装置包括图像采集装置、无线模块、处理模块；方法包括：通过图像采集装置获取待采集显示屏的拍摄图像，并将拍摄图像分为第一局部图像、第二局部图像、第三局部图像、第四局部图像；将第二局部图像进行左右翻转，将第三局部图像进行上下翻转，将第四局部图像进行上下翻转及左右翻转；确定预设卷积神经网络模型，通过预设卷积神经网络模型分别确定所述第一局部图像、翻转后的第二局部图像、翻转后的第三局部图像及翻转后的第四局部图像内对应的待采集显示屏的屏幕角坐标；根据透视变换，以及屏幕角坐标，将拍摄图像还原为显示图像。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.036 seconds)
