CN112532921A - 一种水利***智能化监控实现方法及*** - Google Patents
一种水利***智能化监控实现方法及*** Download PDFInfo
- Publication number
- CN112532921A CN112532921A CN202011171112.5A CN202011171112A CN112532921A CN 112532921 A CN112532921 A CN 112532921A CN 202011171112 A CN202011171112 A CN 202011171112A CN 112532921 A CN112532921 A CN 112532921A
- Authority
- CN
- China
- Prior art keywords
- water conservancy
- neural network
- conservancy system
- deep learning
- scene
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 52
- 238000013528 artificial neural network Methods 0.000 claims abstract description 42
- 238000013135 deep learning Methods 0.000 claims abstract description 40
- 239000000126 substance Substances 0.000 claims description 7
- 238000007667 floating Methods 0.000 claims description 6
- 230000005477 standard model Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 14
- 238000004891 communication Methods 0.000 abstract description 10
- 238000009434 installation Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种水利***智能化监控实现方法及***，所述方法包括：基于5G网络，获取水利***场景视频；基于所述水利***场景视频，通过深度学***台连接，降低了整个***成本，通过5G无线通信还能大大简化布线和安装。采用神经网络深度学习算法对水利***安全智能分析，按定时轮询的方式进行识别，大大节省了***成本，实现对水利***智能化监控预警。
Description
技术领域
本发明涉及智能安防技术领域，尤其涉及一种水利***智能化监控实现方法及***
背景技术
过快发展的经济和迅速演化的城市极大地破坏了水环境与水质，城市内涝严重、人们的用水安全也遭受威胁等，而且传统的人工监管方式导致水治理工作效率十分低下，水务行业面临着严峻的挑战。现有的监控设备都只是简单的回传视频图像，人工监控和识别，存在较高的误报和漏报，以及较高的劳动强度。高清视频实时回传的数据量大，河流监控点分布范围广且大都远离城镇，铺设专用的光纤通讯网络需要大量资金投入。因此需要一种水利***智能化监控实现方法及***，实现对水利***智能化监控预警，同时具有较低的***实施成本。
发明内容
本发明的主要目的在于提供一种水利***智能化监控实现方法及***，可以实现对水利***智能化监控预警，同时具有较低的***实施成本。
为实现上述目的，所有的智能分析算法都是基于视频，所有算法都是采用开源的神经网络深度学***台连接，大大降低布线和安装成本。
本发明第一方面提供一种水利***智能化监控实现方法，所述方法包括：
基于5G网络，获取水利***场景视频；
基于所述水利***场景视频，通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范；
将深度学习的神经网络的分析预警结果推送至后台。
为实现上述目的，本发明第二方面提供一种水利***智能化监控实现***，包括获取模块、深度学习的神经网络分析模块、分析预警模块；
所述获取模块用于基于5G网络，获取水利***场景视频；
所述深度学习的神经网络分析模块用于基于所述获取的水利***场景视频，通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范；
所述分析预警模块用于将深度学习的神经网络的分析预警结果推送至后台。
本发明提供一种水利***智能化监控实现方法及***，所述方法包括：基于5G网络，获取水利***场景视频；基于所述水利***场景视频，通过深度学***台连接，降低了整个***成本，通过5G无线通信还能大大简化布线和安装。采用神经网络深度学习算法对水利***安全智能分析，按定时轮询的方式进行识别，大大节省了***成本，实现对水利***智能化监控预警。
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，下面将对实施例或现有技术描述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为本发明第一实施例中一种水利***智能化监控实现方法的流程示意图；
图2为本发明第二实施例中一种水利***智能化监控实现方法***示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
由于现有的监控设备都只是简单的回传视频图像，人工监控和识别，存在较高的误报和漏报，以及较高的劳动强度。高清视频实时回传的数据量大，河流监控点分布范围广且大都远离城镇，铺设专用的光纤通讯网络需要大量资金投入。因此需要一种水利***智能化监控实现方法及***，实现对水利***智能化监控预警，同时具有较低的***实施成本。
为了解决上述技术问题，本发明提出一种水利***智能化监控实现方法及***。
请参阅图1，为本发明第一实施例中一种水利***智能化监控实现方法流程示意图。该方法包括：
步骤101：基于5G网络，获取水利***场景视频；具体的，所有的智能分析算法都是基于水利***场景视频，所有算法都是采用开源的神经网络深度学***台连接，大大降低布线和安装成本。
步骤102：基于所述水利***场景视频，通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范。
具体的操作包括如下步骤:
步骤A：在需要做智能分析地方安装普通摄像机，并***SD卡，并调整好摄像机的高度、视场角。
步骤B：在就近地方安装5G智能分析盒子，所述智能分析盒子可采用英飞拓科技股份有限公司的V2722型号分析盒子,并接入需要分析的摄像机，并配置每个摄像机检测区域、智能分析类型。对非河道安全摄像机配置轮询策略和定时间隔。
步骤C：后端部署智慧水利平台，通过5G无线方式接入智能分析盒子。
步骤103：将深度学习的神经网络的分析预警结果推送至后台。
具体的，例如智能分析盒子通过视频自动识别违规捕捞，包括船舶非法闯入、非法捕鱼识别。举例：通过神经网络深度学习算法检测船舶目标，并进行跟踪，当发现朝着摄像头方向移动的船舶，并进入检测区域范围，识别为船舶非法闯入。对跟踪的船舶停留时间超过设置的阈值，识别为非法捕鱼。将报警信息发送至监控中心，提醒相关工作人员，进行有效监管，智能分析盒子中实现神经网络深度学习算法，这里可以根据场景训练神经网络深度学习自动检测该场景的规范行为。
特别的，所述基于5G网络，获取水利***场景视频包括:
采用5G网络轮询获取水利***场景视频，考虑到非河道安全的智能分析功能是一个辅助提醒功能，智能分析盒子对接入摄像机按定时轮询机制分析，能减少智能分析盒子的数量，进一步降低***成本。
上述实施例还包括下面的细化步骤：
所述通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范包括：通过深度学习的神经网络训练预置的水利***场景规范模型，所述水利***场景规范模型包含以下情形：违规捕捞、船舶非法闯入、非法捕鱼中的至少一种。
河道漂浮物、河道化学污染识别中的至少一种。
河道人员越界识别、河道周边人员热力图识别、人员违规涉水识别。
水文标尺识别。
积水位置和区域识别。
神经网络的深度学习中，所有目标检测的可采用训练框架：可以使用caffe训练框架，还包括其他可实现目标检测自动识别的开源训练框架。举例：通过使用caffe训练框架训练所述水利***场景规范模型，比如违规捕捞、船舶非法闯入、非法捕鱼中，河道漂浮物、河道化学污染识别，可以让caffe训练框架从数万张图中教导识别出那些是违规捕捞、船舶非法闯入、非法捕鱼，河道漂浮物、河道化学污染的情形，从而通过神经网络的深度学习，神经网络会自动自能识别类似教导识别出的情形，以实现教导识别出水利***场景规范模型中违规捕捞、船舶非法闯入、非法捕鱼中，河道漂浮物、河道化学污染识别等的情形。
具体的，所述水利***场景规范模型包含以下情形：识别河道漂浮物、识别河道化学污染。通过计算水面漂浮物的面积大小，漂浮物面积超阈值时识别为河道漂浮物。实时对视频画面中的河道颜色检测，发现颜色突然变化很大，或河道颜色长时间超过设置的阈值(变红、变黑等)，识别为河道化学污染。把识别结果发送至监控中心，提醒相关工作人员，进行有效监管。
通过视频对河道安全识别，包括河道人员越界识别、河道周边人员热力图识别、人员违规涉水识别。智能分析盒子接入河道安全摄像机，在禁止越界视频上，画一条或多条禁止线。实时进行行人检测，但发现有行人越过禁止线，对该行人进行人脸检测，人脸识别，判断越界人身份。配置河道人员热力分析区域，实时进行行人密度检测，发现人员的密度值超过设置阈值，并且密度值稳定时间超过设置阈值，触发报警。配置违规涉水区域，实时进行行人检测，但发现有行人进入涉水区域，对该进行进行人脸检测，人脸识别，判断越界人身份。考虑河道安全识别的重要性，河道识别摄像机不按轮询方式识别，采用实时智能分析。
智能分析盒子支持水文标尺识别，并把识别结果上传给后端平台。智能分析盒子接入需要水文标尺摄像机，并标志水文标尺的位置，智能分析盒子通过神经网络深度学习算法实时检测水文标尺的文字信息，把识别结果发送至监控中心，提醒相关工作人员，进行有效监管。为了保证准确性，模型训练的时候，只包含水文标尺所涉及到的数字和字母。
智能分析盒子支持通过视频自动进行积水识别。设置检测区域，并进行标注具体的高度和宽度。对该区域内的行人进行跟踪，并计算该区域内行人的高度是否变矮，计算变矮的像素，通过标定计算得到积水深度。对该区域内的车辆进行跟踪，并计算该区域内车辆车轮的高度是否完整，计算车辆不完整的像素，通过标定计算得到积水深度。以发现积水位置为起点，对路面颜色变化进行检测，得到积水区域。根据积水情况分为轻微、轻度、中度和重度四个级别，严重积水时会立即报警，预警管理人员排水疏通，避免人车安全事故。
进一步地，所述将深度学***台端报警、抓图、语音提示、作出报警记录。智能分析盒子与智慧水利管理平台无缝集成，及时在平台端报警、抓图、语音提示、报警记录查询统计，方便领导宏观统筹。同时警告信息同步推送至管理人员，同时截取图片作为证据留存。考虑到5G带宽费用，后端平台只做报警录像，前端摄像机录像存在在本地SD卡中，后端平台按需调用。
实施例2
请参阅图2，为本发明第二实施例中一种水利***智能化监控实现方法***示意图；包括获取模块、深度学习的神经网络分析模块、分析预警模块；
所述获取模块用于基于5G网络，获取水利***场景视频；
所述深度学习的神经网络分析模块用于基于所述获取的水利***场景视频，通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范；
所述分析预警模块用于将深度学习的神经网络的分析预警结果推送至后台。
本发明第三实施例中提供一种电子装置，所述电子装置执行计算机程序时，实现上述中任意一项所述方法中的步骤。
上述细化步骤已在前述具体步骤说明，这里不在重复说明。
在本发明实施例中，本发明提供一种水利***智能化监控实现方法及***，所述方法包括：基于5G网络，获取水利***场景视频；基于所述水利***场景视频，通过深度学***台连接，降低整个***成本，通过5G无线通信还能大大简化布线和安装。采用神经网络深度学习算法对河道安全智能分析，按定时轮询的方式进行识别，大大节省了***成本，实现对水利***智能化监控预警。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上为对本发明所提供的的方法及系的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种水利***智能化监控实现方法，其特征在于，所述方法包括：
基于5G网络，获取水利***场景视频；
基于所述水利***场景视频，通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范；
将深度学习的神经网络的分析预警结果推送至后台。
2.根据权利要求1所述的方法，其特征在于，所述基于5G网络，获取水利***场景视频包括:
采用5G网络轮询获取水利***场景视频。
3.根据权利要求1所述的方法，其特征在于，所述通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范包括：通过深度学习的神经网络训练预置的水利***场景规范模型，所述水利***场景规范模型包含以下情形：违规捕捞、船舶非法闯入、非法捕鱼中的至少一种。
4.根据权利要求3所述的方法，其特征在于，所述水利***场景规范模型还包含以下情形：河道漂浮物、河道化学污染识别中的至少一种。
5.根据权利要求3所述的方法，其特征在于，所述水利***场景规范模型还包含以下情形：河道人员越界识别、河道周边人员热力图识别、人员违规涉水识别。
6.根据权利要求3所述的方法，其特征在于，所述水利***场景规范模型还包含以下情形：水文标尺识别。
7.根据权利要求3所述的方法，其特征在于，所述水利***场景规范模型还包含以下情形：积水位置和区域识别。
8.根据权利要求1所述的方法，其特征在于，所述将深度学***台端报警、抓图、语音提示、作出报警记录。
9.一种水利***智能化监控实现***，其特征在于，包括获取模块、深度学习的神经网络分析模块、分析预警模块；
所述获取模块用于基于5G网络，获取水利***场景视频；
所述深度学习的神经网络分析模块用于基于所述获取的水利***场景视频，通过深度学习的神经网络，分析水利***场景视频中人或物是否符合预置的水利***场景规范；
所述分析预警模块用于将深度学习的神经网络的分析预警结果推送至后台。
10.一种电子装置，其特征在于，所述电子装置执行计算机程序时，实现权利要求1至8中任意一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011171112.5A CN112532921A (zh) | 2020-10-28 | 2020-10-28 | 一种水利***智能化监控实现方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011171112.5A CN112532921A (zh) | 2020-10-28 | 2020-10-28 | 一种水利***智能化监控实现方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112532921A true CN112532921A (zh) | 2021-03-19 |
Family
ID=74979724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011171112.5A Pending CN112532921A (zh) | 2020-10-28 | 2020-10-28 | 一种水利***智能化监控实现方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112532921A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159005A (zh) * | 2021-05-28 | 2021-07-23 | 青海中水数易信息科技有限责任公司 | 基于机器学习的水位、异物识别于一体的监控***及方法 |
| CN113658394A (zh) * | 2021-08-12 | 2021-11-16 | 中冶京诚工程技术有限公司 | 河道监控方法及装置 |
| CN113903007A (zh) * | 2021-12-10 | 2022-01-07 | 宁波弘泰水利信息科技有限公司 | 一种用于水利行业的智能场景分析*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103325216A (zh) * | 2012-03-23 | 2013-09-25 | 罗普特（厦门）科技集团有限公司 | 基于视频监控的水利防汛监控预警方法与*** |
| CN108830143A (zh) * | 2018-05-03 | 2018-11-16 | 深圳市中电数通智慧安全科技股份有限公司 | 一种基于深度学习的视频分析*** |
| CN109405808A (zh) * | 2018-10-19 | 2019-03-01 | 天津英田视讯科技有限公司 | 一种水利监测球形摄像机 |
| CN109508630A (zh) * | 2018-09-27 | 2019-03-22 | 杭州朗澈科技有限公司 | 一种基于人工智能识别水尺水位的方法 |
-
2020
- 2020-10-28 CN CN202011171112.5A patent/CN112532921A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103325216A (zh) * | 2012-03-23 | 2013-09-25 | 罗普特（厦门）科技集团有限公司 | 基于视频监控的水利防汛监控预警方法与*** |
| CN108830143A (zh) * | 2018-05-03 | 2018-11-16 | 深圳市中电数通智慧安全科技股份有限公司 | 一种基于深度学习的视频分析*** |
| CN109508630A (zh) * | 2018-09-27 | 2019-03-22 | 杭州朗澈科技有限公司 | 一种基于人工智能识别水尺水位的方法 |
| CN109405808A (zh) * | 2018-10-19 | 2019-03-01 | 天津英田视讯科技有限公司 | 一种水利监测球形摄像机 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159005A (zh) * | 2021-05-28 | 2021-07-23 | 青海中水数易信息科技有限责任公司 | 基于机器学习的水位、异物识别于一体的监控***及方法 |
| CN113658394A (zh) * | 2021-08-12 | 2021-11-16 | 中冶京诚工程技术有限公司 | 河道监控方法及装置 |
| CN113658394B (zh) * | 2021-08-12 | 2023-10-31 | 中冶京诚工程技术有限公司 | 河道监控方法及装置 |
| CN113903007A (zh) * | 2021-12-10 | 2022-01-07 | 宁波弘泰水利信息科技有限公司 | 一种用于水利行业的智能场景分析*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112532921A (zh) | 一种水利***智能化监控实现方法及*** | |
| KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
| US9704060B2 (en) | Method for detecting traffic violation | |
| CN106600977B (zh) | 基于多特征识别的违停检测方法及*** | |
| KR101748121B1 (ko) | 객체 인지 기반의 실시간 영상 검지 시스템 및 그 방법 | |
| TWI475524B (zh) | 利用影像偵測違規車輛的系統及方法 | |
| CN106373430B (zh) | 一种基于计算机视觉的交叉路口通行预警方法 | |
| CN104766086B (zh) | 一种公路标识的监管方法和*** | |
| US8301577B2 (en) | Intelligent monitoring system for establishing reliable background information in a complex image environment | |
| CN103106766A (zh) | 林火识别方法与*** | |
| CN103456024B (zh) | 一种运动目标越线判断方法 | |
| CN113850123A (zh) | 基于视频的公路监控方法及装置、存储介质和监控*** | |
| Bedruz et al. | Real-time vehicle detection and tracking using a mean-shift based blob analysis and tracking approach | |
| KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
| CN102867417A (zh) | 一种出租车防伪***及方法 | |
| CN105741559A (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
| CN110866479A (zh) | 一种检测摩托车驾驶员未戴头盔的方法、装置及*** | |
| CN107133563A (zh) | 一种基于公安领域的视频分析***及方法 | |
| CN105046966A (zh) | 即停即离区域的违章停车行为自动检测***和方法 | |
| CN105678213A (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
| CN105046948A (zh) | 一种黄色网格线区域内交通违章停车监测***和方法 | |
| CN112749630A (zh) | 一种道路路况智能视频监控方法及*** | |
| CN106327876B (zh) | 一种基于行车记录仪的***捕捉***及方法 | |
| CN204884166U (zh) | 一种交通禁停区域违章停车监测装置 | |
| CN110728212A (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230110 Address after: 518000 Yingfei Haocheng Science Park, Guansheng 5th Road, Luhu Community, Guanhu Street, Longhua District, Shenzhen, Guangdong 1515 Applicant after: Shenzhen Infineon Information Co.,Ltd. Address before: 518000 yingfeituo workshop, Guanlan high tech Industrial Park, Longhua New District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN INFINOVA Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |
|
| RJ01 | Rejection of invention patent application after publication |