CN111209789A - 对关键项点发生瞬间进行图像采集以及分析的方法 - Google Patents
对关键项点发生瞬间进行图像采集以及分析的方法 Download PDFInfo
- Publication number
- CN111209789A CN111209789A CN201911002223.0A CN201911002223A CN111209789A CN 111209789 A CN111209789 A CN 111209789A CN 201911002223 A CN201911002223 A CN 201911002223A CN 111209789 A CN111209789 A CN 111209789A
- Authority
- CN
- China
- Prior art keywords
- data analysis
- key
- key item
- host
- video
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- 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
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种对关键项点发生瞬间进行图像采集以及分析的方法,包括如下步骤:通过主机外接设备实时采集视频监测信息;当轨道车关键项点产生时或者车辆在途径关键点时,对视频进行采集,数据分析主机获取到视频录像后,对视频录像进行驾驶员行为分析,基于机器学***台,分析人员登录平台,通过关键项点情况以及与之对应的视频录像,对关键项点发生情况进行分析。本发明具有如下有益效果:本发明能够直观分析关键项点产生时的情况;提高了轨道车运行记录分析准确性。
Description
技术领域
本发明涉及电子信息技术领域,尤其是涉及一种能够直观分析关键项点产生时的情况,提高轨道车运行记录分析准确性的对关键项点发生瞬间进行图像采集以及分析的方法。
背景技术
轨道车行驶中关键项点(如超速、紧急制动、管压异常、轴温报警等)的发生是判断轨道车安全行驶的重要因素;轨道车行驶产生的运行记录文件,可以较为直观的看出具体关键项点发生的时间、地点,便于分析人员后续对轨道车行驶情况进行分析。
然而,现有的技术中对关键项点发生时刻的数据采集,往往只有文字记载,并不能直观的体现出某些关键项点的产生是由何种因素引起的。因此分析人员对轨道车行驶过程中发生关键项点时刻的分析会有很大的局限性。
发明内容
本发明为了克服现有技术中存在的轨道车行驶过程中发生关键项点时刻的分析的局限性,提供了一种能够直观分析关键项点产生时的情况,提高轨道车运行记录分析准确性的对关键项点发生瞬间进行图像采集以及分析的方法。
为了实现上述目的,本发明采用了以下技术方案:
一种对关键项点发生瞬间进行图像采集以及分析的方法,包括若干个主机外接设备、若干个数据分析主机、传输网络、铁路内网、数据分析平台和地面用户终端;各个主机外接设备与各个数据分析主机相连接,各个数据分析主机通过传输网络和铁路内网分别与数据分析平台和地面用户终端相连接;包括如下步骤:
(1-1)数据分析主机通过主机外接设备实时获取轨道车的GYK设备的自检信息、设备状态信息、设备报警信息和运行记录;
(1-2)当轨道车运行状态一切正常时,数据分析主机通过传输网络将轨道车的GYK设备的自检信息、设备状态信息、设备报警信息和运行记录转储到数据分析平台,转入步骤(1-7);当轨道车发生关键项点或者轨道车途径关键点时,转入步骤(1-3);
(1-3)数据分析主机记录下关键项点发生的时间点,并以该时间点为中心点,截取缓存中前后t秒的视频;
(1-4)数据分析主机生成一个随机的唯一索引标记截取出来的视频录像;
(1-5)数据分析主机对驾驶员行为进行行为分析,数据分析主机会根据分析结果实施分级语音报警,实时提醒乘务员;
(1-6)同时数据分析主机将相同索引的视频录像与运行记录转储到数据分析平台;
(1-7)分析人员可以通过数据分析平台查看运行记录进行联动分析。
本发明通过主机外接设备实时采集视频监测信息;当轨道车关键项点产生时或者车辆在途径关键点时,对视频进行采集,数据分析主机获取到视频录像后,对视频录像进行驾驶员行为分析,基于机器学***台,分析人员登录平台,通过关键项点情况以及与之对应的视频录像,对关键项点发生情况进行分析。
作为优选,步骤(1-5)的具体步骤如下:
(2-1)基于视频录像,使用基于adaboost级联分类器的检测方法对驾驶员面部进行检测;
(2-2)基于SDM算法对驾驶员脸部关键点进行检测跟踪,定位出驾驶员的眼部和嘴部;
(2-3)利用HOG算法,对定位到的驾驶员的眼部和嘴部进行特征提取;
(2-4)通过PERCLOS算法分析驾驶员驾驶状态,判断驾驶员是否存在不规范行为,如果驾驶员存在不规范行为,发出预警。
作为优选,步骤(2-2)的具体步骤如下:
(3-1)基于视频录像序列,对人脸进行检测;
(3-2)对驾驶员的眼部和嘴部进行初始化定位;
(3-3)对初始化定位的眼部和嘴部进行二次精确定位;
(3-4)基于SDM算法,判断关键点特征是否采集完全,如果未完成关键点提取,转入步骤(3-3);如果完成关键点提取,转入步骤(3-5);
(3-5)基于SDM算法,对关键点有效性进行判断,如关键点有效,则输出关键点位置,转入步骤(3-6);若关键点无效,转入步骤(3-1);
(3-6)根据关键点位置,预测下一帧人脸位置。
作为优选,步骤(1-7)的具体步骤如下:
(4-1)分析人员登录数据分析平台对运行记录进行分析;
(4-2)当运行记录为正常时,则填写分析内容后结束分析;当运行记录中出现关键项点时,分析人员可以查看对应于运行记录的视频录像以及数据分析主机返回的初步分析情况,在了解项点发生的情况的基础上做出相应的措施来降低相同情况的发生。
作为优选,还包括关键点发生联动视频设备录像的方法,具体步骤如下:
(5-1)轨道车行驶过程当中的运行情况会通过运行记录传输到数据分析主机,数据分析主机会将运行记录信息中的关键项点信息和关键项点发生时间解析出来存入缓存;
(5-2)数据分析主机根据解析出来的关键项点发生时间,从主机缓存中截取出关键项点发生时间前t秒的视频录像和关键项点发生时间后t秒的视频录像;
(5-3)数据分析主机会将关键项点发生的运行记录文件以及关键项点信息发送到地面用户终端,其中包括关键项点发生时间、车号、数据分析主机ID、关键项点编码;
(5-4)数据分析主机会将截取后的视频以及视频信息发送至地面用户终端,其中包括具体的视频录像、关键项点发生时间、车号、数据分析主机ID、关键项点编码;
(5-5)地面用户终端收到视频后,以收到的视频信息命名视频文件并保存到本地;
(5-6)地面用户终端通过接收到的关键项点信息查找到对应的视频录像,实现关键点联动视频设备录像。
作为优选,传输网络包括铁路专用通信网、公共移动通信网、铁路专网安全网关和移动公网安全网关;数据分析平台包括通信服务器和数据服务器;各个主机外接设备与各个数据分析主机电连接,各个数据分析主机均与铁路专用通信网和公共移动通信网相连接,铁路专用通信网与铁路专网安全网关相连接,公共移动通信网与移动公网安全网关相连接,铁路专网安全网关和移动公网安全网关均与铁路内网相连接,铁路内网分别与通信服务器、数据服务器和地面用户终端相连接。
因此,本发明具有如下有益效果:本发明能够通过主机外接设备实时采集视频监测信息,能够实时对项点发生时对司机的行为进行报警,提高司机的专注度;更加直观的分析关键项点产生时的情况;提高了轨道车运行记录分析准确性。
附图说明
图1是本发明的一种***框图;
图2是本发明的一种流程图;
图3是本发明的驾驶员行为分析与预警的一种流程图;
图4是本发明的基于SDM算法对驾驶员脸部关键点进行检测跟踪,定位出驾驶员的眼部和嘴部的一种流程图;
图5是本发明的平台联动分析方法的一种流程图。
图中:主机外接设备1、数据分析主机2、传输网络3、铁路内网4、数据分析平台5、地面用户终端6、铁路专用通信网31、公共移动通信网32、铁路专网安全网关33、移动公网安全网关34、通信服务器51、数据服务器52。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步描述:
如图1和图2所示的实施例是一种对关键项点发生瞬间进行图像采集以及分析的方法,如图1所示,图像采集以及分析装置包括若干个主机外接设备1、若干个数据分析主机2、传输网络3、铁路内网4、数据分析平台5和地面用户终端6;主机外接设备包括GMS设备和视频设备;传输网络包括铁路专用通信网31、公共移动通信网32、铁路专网安全网关33和移动公网安全网关34;数据分析平台包括通信服务器51和数据服务器52;各个主机外接设备与各个数据分析主机电连接,各个数据分析主机均与铁路专用通信网和公共移动通信网相连接,铁路专用通信网与铁路专网安全网关相连接,公共移动通信网与移动公网安全网关相连接,铁路专网安全网关和移动公网安全网关均与铁路内网相连接,铁路内网分别与通信服务器、数据服务器和地面用户终端相连接;数据分析主机通过铁路专网安全网关和移动公网安全网与数据分析平台连接;数据分析平台部署在铁路内网,铁路专网安全网关和移动公网安全网关是外部网络与铁路内网进行数据交换的安全接口;地面用户终端通过铁路内网与数据分析平台连接;通信服务器用于数据的接收与转发,数据服务器用于数据的分析、存储,为数据分析主机、地面用户终端提供***功能应用服务。
如图2所示,对关键项点发生瞬间进行图像采集以及分析的方法包括如下步骤:
步骤100,数据分析主机通过GMS设备实时获取轨道车的GYK设备的自检信息、设备状态信息、设备报警信息和运行记录;
步骤200,当轨道车运行状态一切正常时,数据分析主机通过传输网络将轨道车的GYK设备的自检信息、设备状态信息、设备报警信息和运行记录转储到数据分析平台,转入步骤700;当轨道车发生关键项点或者轨道车途径关键点时,转入步骤300;轨道车发生关键项点包括超速、紧急制动和管压异常,轨道车途径关键点进出站、过道口和防洪点;
步骤300,数据分析主机记录下关键项点发生的时间点,并以该时间点为中心点,截取缓存中前后t秒的视频;
步骤400,数据分析主机生成一个随机的唯一索引标记截取出来的视频录像;
步骤500,如图3所示,数据分析主机对驾驶员行为进行行为分析,数据分析主机会根据分析结果实施分级语音报警,实时提醒乘务员;
步骤501基于视频录像,使用基于adaboost级联分类器的检测方法对驾驶员面部进行检测;
步骤502,如图4所示,基于SDM算法对驾驶员脸部关键点进行检测跟踪,定位出驾驶员的眼部和嘴部;
步骤502-1,基于视频录像序列,对人脸进行检测;
步骤502-2,对驾驶员的眼部和嘴部进行初始化定位;
步骤502-3,对初始化定位的眼部和嘴部进行二次精确定位;
步骤502-4,基于SDM算法,判断关键点特征是否采集完全,如果未完成关键点提取,转入步骤502-3;如果完成关键点提取,转入步骤502-5;
步骤502-5,基于SDM算法,对关键点有效性进行判断,如关键点有效,则输出关键点位置,转入步骤502-6;若关键点无效,转入步骤502-1;
步骤502-6,根据关键点位置,预测下一帧人脸位置;
步骤503,利用HOG算法,对定位到的驾驶员的眼部和嘴部进行特征提取;
步骤504,通过PERCLOS算法分析驾驶员驾驶状态,判断驾驶员是否存在不规范行为,如果驾驶员存在不规范行为,发出预警;驾驶员存在不规范行为包括驾驶员闭眼、抽烟和打电话。
驾驶员人脸检测是进行关键点拟合的必要步骤,在视频流处理中,帧与帧之间的差距很小,如果逐帧进行人脸检测,会降低检测效率,步骤502中对人脸进行检测跟踪流程中,有效的利用了帧差距很小的特点,根据上一帧有效关键点位置,估计出下一帧人脸大致位置,省略下一帧人脸检测步骤,直接用估计的人脸框代替实际检测的人脸位置,大大提高了算法的速度;
步骤600,同时数据分析主机将相同索引的视频录像与运行记录转储到数据分析平台;
步骤700,如图5所示,分析人员可以通过数据分析平台查看运行记录进行联动分析;
步骤701,分析人员登录数据分析平台对运行记录进行分析;
步骤702,当运行记录为正常时,则填写分析内容后结束分析;当运行记录中出现关键项点时,分析人员可以查看对应于运行记录的视频录像以及数据分析主机返回的初步分析情况,在了解项点发生的情况的基础上做出相应的措施来降低相同情况的发生。
本发明还包括关键点发生联动视频设备录像的方法,具体步骤如下:
(5-1)轨道车行驶过程当中的运行情况会通过运行记录传输到数据分析主机,数据分析主机会将运行记录信息中的关键项点信息和关键项点发生时间解析出来存入缓存;
(5-2)数据分析主机根据解析出来的关键项点发生时间,从主机缓存中截取出关键项点发生时间前t秒的视频录像和关键项点发生时间后t秒的视频录像;
(5-3)数据分析主机会将关键项点发生的运行记录文件以及关键项点信息发送到地面用户终端,其中包括关键项点发生时间、车号、数据分析主机ID、关键项点编码;
(5-4)数据分析主机会将截取后的视频以及视频信息发送至地面用户终端,其中包括具体的视频录像、关键项点发生时间、车号、数据分析主机ID、关键项点编码;
(5-5)地面用户终端收到视频后,以收到的视频信息命名视频文件并保存到本地;
(5-6)地面用户终端通过接收到的关键项点信息查找到对应的视频录像,实现关键点联动视频设备录像。
应理解,本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (6)
1.一种对关键项点发生瞬间进行图像采集以及分析的方法,其特征在于,包括若干个主机外接设备(1)、若干个数据分析主机(2)、传输网络(3)、铁路内网(4)、数据分析平台(5)和地面用户终端(6);各个主机外接设备与各个数据分析主机相连接,各个数据分析主机通过传输网络和铁路内网分别与数据分析平台和地面用户终端相连接;包括如下步骤:
(1-1)数据分析主机通过主机外接设备实时获取轨道车的GYK设备的自检信息、设备状态信息、设备报警信息和运行记录;
(1-2)当轨道车运行状态一切正常时,数据分析主机通过传输网络将轨道车的GYK设备的自检信息、设备状态信息、设备报警信息和运行记录转储到数据分析平台,转入步骤(1-7);当轨道车发生关键项点或者轨道车途径关键点时,转入步骤(1-3);
(1-3)数据分析主机记录下关键项点发生的时间点,并以该时间点为中心点,截取缓存中前后t秒的视频;
(1-4)数据分析主机生成一个随机的唯一索引标记截取出来的视频录像;
(1-5)数据分析主机对驾驶员行为进行行为分析,数据分析主机会根据分析结果实施分级语音报警,实时提醒乘务员;
(1-6)同时数据分析主机将相同索引的视频录像与运行记录转储到数据分析平台;
(1-7)分析人员可以通过数据分析平台查看运行记录进行联动分析。
2.根据权利要求1所述的对关键项点发生瞬间进行图像采集以及分析的方法,其特征在于,步骤(1-5)的具体步骤如下:
(2-1)基于视频录像,使用基于adaboost级联分类器的检测方法对驾驶员面部进行检测;
(2-2)基于SDM算法对驾驶员脸部关键点进行检测跟踪,定位出驾驶员的眼部和嘴部;
(2-3)利用HOG算法,对定位到的驾驶员的眼部和嘴部进行特征提取;
(2-4)通过PERCLOS算法分析驾驶员驾驶状态,判断驾驶员是否存在不规范行为,如果驾驶员存在不规范行为,发出预警。
3.根据权利要求2所述的对关键项点发生瞬间进行图像采集以及分析的方法,其特征在于,步骤(2-2)的具体步骤如下:
(3-1)基于视频录像序列,对人脸进行检测;
(3-2)对驾驶员的眼部和嘴部进行初始化定位;
(3-3)对初始化定位的眼部和嘴部进行二次精确定位;
(3-4)基于SDM算法,判断关键点特征是否采集完全,如果未完成关键点提取,转入步骤(3-3);如果完成关键点提取,转入步骤(3-5);
(3-5)基于SDM算法,对关键点有效性进行判断,如关键点有效,则输出关键点位置,转入步骤(3-6);若关键点无效,转入步骤(3-1);
(3-6)根据关键点位置,预测下一帧人脸位置。
4.根据权利要求1所述的对关键项点发生瞬间进行图像采集以及分析的方法,其特征在于,步骤(1-7)的具体步骤如下:
(4-1)分析人员登录数据分析平台对运行记录进行分析;
(4-2)当运行记录为正常时,则填写分析内容后结束分析;当运行记录中出现关键项点时,分析人员可以查看对应于运行记录的视频录像以及数据分析主机返回的初步分析情况,在了解项点发生的情况的基础上做出相应的措施来降低相同情况的发生。
5.根据权利要求1或2或3或4所述的对关键项点发生瞬间进行图像采集以及分析的方法,其特征在于,还包括关键点发生联动视频设备录像的方法,具体步骤如下:
(5-1)轨道车行驶过程当中的运行情况会通过运行记录传输到数据分析主机,数据分析主机会将运行记录信息中的关键项点信息和关键项点发生时间解析出来存入缓存;
(5-2)数据分析主机根据解析出来的关键项点发生时间,从主机缓存中截取出关键项点发生时间前t秒的视频录像和关键项点发生时间后t秒的视频录像;
(5-3)数据分析主机会将关键项点发生的运行记录文件以及关键项点信息发送到地面用户终端,其中包括关键项点发生时间、车号、数据分析主机ID、关键项点编码;
(5-4)数据分析主机会将截取后的视频以及视频信息发送至地面用户终端,其中包括具体的视频录像、关键项点发生时间、车号、数据分析主机ID、关键项点编码;
(5-5)地面用户终端收到视频后,以收到的视频信息命名视频文件并保存到本地;
(5-6)地面用户终端通过接收到的关键项点信息查找到对应的视频录像,实现关键点联动视频设备录像。
6.根据权利要求1所述的对关键项点发生瞬间进行图像采集以及分析的方法,其特征在于,传输网络包括铁路专用通信网(31)、公共移动通信网(32)、铁路专网安全网关(33)和移动公网安全网关(34);数据分析平台包括通信服务器(51)和数据服务器(52);各个主机外接设备与各个数据分析主机电连接,各个数据分析主机均与铁路专用通信网和公共移动通信网相连接,铁路专用通信网与铁路专网安全网关相连接,公共移动通信网与移动公网安全网关相连接,铁路专网安全网关和移动公网安全网关均与铁路内网相连接,铁路内网分别与通信服务器、数据服务器和地面用户终端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911002223.0A CN111209789B (zh) | 2019-10-21 | 2019-10-21 | 对关键项点发生瞬间进行图像采集以及分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911002223.0A CN111209789B (zh) | 2019-10-21 | 2019-10-21 | 对关键项点发生瞬间进行图像采集以及分析的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111209789A true CN111209789A (zh) | 2020-05-29 |
CN111209789B CN111209789B (zh) | 2023-06-06 |
Family
ID=70788095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911002223.0A Active CN111209789B (zh) | 2019-10-21 | 2019-10-21 | 对关键项点发生瞬间进行图像采集以及分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111209789B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860280A (zh) * | 2020-07-15 | 2020-10-30 | 南通大学 | 一种基于深度学习的驾驶员违章行为识别*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488336A (zh) * | 2016-11-21 | 2017-03-08 | 株洲中车时代电气股份有限公司 | 一种基于事件项点的机车视频传输方法及*** |
CN107704805A (zh) * | 2017-09-01 | 2018-02-16 | 深圳市爱培科技术股份有限公司 | 疲劳驾驶检测方法、行车记录仪及存储装置 |
CN108875642A (zh) * | 2018-06-21 | 2018-11-23 | 长安大学 | 一种多指标融合的驾驶员疲劳检测的方法 |
US20190279009A1 (en) * | 2018-03-12 | 2019-09-12 | Microsoft Technology Licensing, Llc | Systems and methods for monitoring driver state |
-
2019
- 2019-10-21 CN CN201911002223.0A patent/CN111209789B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488336A (zh) * | 2016-11-21 | 2017-03-08 | 株洲中车时代电气股份有限公司 | 一种基于事件项点的机车视频传输方法及*** |
CN107704805A (zh) * | 2017-09-01 | 2018-02-16 | 深圳市爱培科技术股份有限公司 | 疲劳驾驶检测方法、行车记录仪及存储装置 |
US20190279009A1 (en) * | 2018-03-12 | 2019-09-12 | Microsoft Technology Licensing, Llc | Systems and methods for monitoring driver state |
CN108875642A (zh) * | 2018-06-21 | 2018-11-23 | 长安大学 | 一种多指标融合的驾驶员疲劳检测的方法 |
Non-Patent Citations (4)
Title |
---|
刘应军: "机车视频监控***", 《机车电传动》 * |
文芳: "基于SDM的疲劳驾驶状态检测方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
牛国锋: "机车视频安全监控***设计", 《常熟理工学院学报(自然科学)》 * |
石岩松 等: "一种新型电力机车远程监视及专家数据分析***", 《控制与信息技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860280A (zh) * | 2020-07-15 | 2020-10-30 | 南通大学 | 一种基于深度学习的驾驶员违章行为识别*** |
Also Published As
Publication number | Publication date |
---|---|
CN111209789B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229556A (zh) | 基于elastic组件的日志分析*** | |
CN107547617B (zh) | 一种交通事故信息收集方法及装置 | |
CN110458126B (zh) | 一种受电弓状态监测方法及装置 | |
CN107948585A (zh) | 录像标记方法、装置及计算机可读存储介质 | |
CN111540171B (zh) | 疲劳驾驶预警***、相应的预警方法及构建方法 | |
Ki et al. | A traffic accident detection model using metadata registry | |
CN117319609A (zh) | 一种物联网大数据智能视频监控***及方法 | |
CN112597965A (zh) | 一种驾驶行为识别方法、装置和计算机可读存储介质 | |
CN111209789B (zh) | 对关键项点发生瞬间进行图像采集以及分析的方法 | |
CN117312098B (zh) | 一种日志异常告警方法及装置 | |
CN112686130B (zh) | 一种智慧渔船监管决策*** | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控***和方法 | |
US9398040B2 (en) | Intrusion detection system false positive detection apparatus and method | |
WO2024119983A1 (zh) | 一种轨道车辆电缆终端的异常检测方法及装置 | |
CN116913099A (zh) | 一种智能交通实时监控*** | |
CN117332373A (zh) | 一种模式识别***、模式识别方法以及存储介质 | |
CN107146415A (zh) | 一种交通事件检测与定位方法 | |
CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、***及电子设备 | |
CN116597501A (zh) | 视频分析算法及边缘设备 | |
CN104504713A (zh) | 一种动车组运行状态图像监控故障自动识别方法 | |
CN111498630B (zh) | 一种远程的电梯检验视频辅助的诊断方法 | |
CN114387586A (zh) | 一种基于yolo神经网络的驾驶员专心度检测方法 | |
CN113902987A (zh) | 群体智能的对象检测方法、存储介质和处理器 | |
CN112633163A (zh) | 一种基于机器学习算法实现非法运营车辆检测的检测方法 | |
CN114339856B (zh) | 用于电力巡检业务的测试方法及装置、终端设备、网络设备 |
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 |
Address after: 310013 5 floor, 10 building, 30 Wan Tang Road, Xihu District, Hangzhou, Zhejiang. Patentee after: Gaoxing Chuanglian Technology Co.,Ltd. Address before: 310013 5 floor, 10 building, 30 Wan Tang Road, Xihu District, Hangzhou, Zhejiang. Patentee before: GOSUNCN CHUANGLIAN TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |