-
公开(公告)号：CN107220579B
公开(公告)日：2020-02-04
申请号：CN201610160790.9
申请日：2016-03-21
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例公开了一种车牌检测方法及装置，该方法包括：根据待检测图片中像素点的像素值，获得待检测图片的车牌候选区域M1，计算车牌候选区域M1的宽高比值，并判断宽高比值是否大于第一预设阈值，若为是，则根据预设的基于机器学习的回归算法，从车牌候选区域M1中重新确定车牌候选区域M2，按照第一预设分类模型，判断车牌候选区域M2是否为车牌区域，若为是，则确定车牌候选区域M2为车牌区域，并根据车牌候选区域M2，生成检测结果。应用本发明实施例提供的技术方案，提高了检测车牌的正确率。
-
公开(公告)号：CN110738079A
公开(公告)日：2020-01-31
申请号：CN201810798043.7
申请日：2018-07-19
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/00
Abstract: 本申请提供一种机动车前排人员数量异常的检测方法、装置和计算机设备。本申请提供的机动车前排人员数量异常的检测方法，包括：对包含机动车的待检测图像进行人脸检测，得到所述机动车的前排人员数量；判断所述前排人员数量是否大于指定值；若是，确定所述机动车前排人员数量异常。本申请提供的机动车前排人员数量异常的检测方法、装置和计算机设备，可对机动车前排人员数量异常进行检测，以协助相关部门对机动车驾驶行为进行有效管理，保障出行安全。
-
公开(公告)号：CN110659641A
公开(公告)日：2020-01-07
申请号：CN201810691282.2
申请日：2018-06-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种文字识别的方法、装置及电子设备，所述方法包括：从目标文字图片中提取特征图；对所述特征图进行滑窗处理，得到时空特征序列；将所述时空特征序列输入到预先训练的时空注意力模型，以由所述时空注意力模型对所述时空特征序列编码处理得到时空语义编码，并对所述时空语义编码解码输出识别出的所述目标文字图片中的文字信息。本申请技术方案，可以基于目标文字图片的两个维度的信息识别目标文字图片包含的文字信息，有效提高了识别率。
-
公开(公告)号：CN110555347A
公开(公告)日：2019-12-10
申请号：CN201810557515.X
申请日：2018-06-01
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种具有危险载货行为的车辆目标识别方法、装置及电子设备，具有危险载货行为的车辆目标识别方法包括：对待检测图像进行车辆目标检测，确定待检测图像中车辆目标所处区域；根据车辆目标所处区域在待检测图像中的位置关系，对车辆目标所处区域进行调整，定位出待检测图像中的车辆载货感兴趣区域，其中，车辆目标所处区域为待检测图像中仅包含车辆目标的车头或者车尾的区域，车辆载货感兴趣区域中包括车辆目标的载货特征；采用预先训练的神经网络模型，对车辆载货感兴趣区域中的车辆目标进行分类识别，判断车辆目标是否为具有危险载货行为的车辆目标。通过本方案可以准确识别具有危险载货行为的车辆目标。
-
公开(公告)号：CN109145927A
公开(公告)日：2019-01-04
申请号：CN201710457725.7
申请日：2017-06-16
Applicant: 杭州海康威视数字技术股份有限公司
CPC classification number: G06K9/46 , G06K9/62 , G06N3/02 , G06K9/4609 , G06K9/6267
Abstract: 本发明实施例提供了一种对形变图像的目标识别方法及装置，所述方法包括：将待识别图像输入预设定位网络，获取所述待识别图像的多个定位参数，所述定位网络包括预设个卷积层，所述多个定位参数是所述待识别图像卷积后得到的特征图中的图像特征回归后得到的；根据所述多个定位参数，对所述待识别图像进行空间变换，得到校正后的待识别图像；将所述校正后的待识别图像输入预设识别网络，获取所述待识别图像的目标分类结果。本发明实施例在基于神经网络的目标识别过程中，先对形变图像进行校正，基于校正后的图像进行目标识别，能够减少形变对目标识别的干扰，因此本发明实施例能够针对形变图像，提高目标识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN108108734A
公开(公告)日：2018-06-01
申请号：CN201611052182.2
申请日：2016-11-24
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种车牌识别方法及装置，涉及智能交通技术领域。所述方法包括：获得待识别车牌号码的车牌图像区域；确定所述车牌图像区域中的字符分割点；根据所确定的字符分割点，获得所述车牌图像区域对应的备选的字符区域分割方式；针对每种备选的字符区域分割方式，对所述车牌图像区域进行字符识别，获得字符识别结果；根据所获得的字符识别结果，获得所述车牌图像区域对应的车牌号码。应用本申请实施例中的技术方案进行车牌识别，能够提高车牌识别的兼容性。
-
公开(公告)号：CN111259919B
公开(公告)日：2024-01-23
申请号：CN201811457704.6
申请日：2018-11-30
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V20/40 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 达，有利于提高视频分类准确度。本发明提供一种视频分类方法、装置及设备、存储介质，视频分类方法，包括：将待分类处理的视频帧序列输入至已训练的神经网络中，以由所述神经网络对所述视频帧序列中每N个视频帧在目标域上进行特征关联得到对应的第一关联特征向量，对所有第一关联特征向量在时间域上进行特征关联得到第二关联特征向量，并对所述第二关联特征向量进行分类得到并输出分类结果；依据所述神经网络输出的分类结果确定所述视频帧序列的类别；其中，所述N为小于所述视(56)对比文件智洪欣;于洪涛;李邵梅.基于时空域深度特征两级编码融合的视频分类.计算机应用研究.2017,(第03期),全文.吴庆甜;郭会文;吴新宇;贺涛.基于巡逻机器人的实时跑动检测系统.集成技术.2017,(第03期),浦世亮;程战战.基于注意力矫正的自然场景文字识别.中国公共安全.2017,(第09期),
-
公开(公告)号：CN110858286B
公开(公告)日：2023-08-11
申请号：CN201810969026.5
申请日：2018-08-23
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 钮毅
Abstract: 本发明实施例提供了一种用于目标识别的图像处理方法及装置，方法包括：将N帧图像输入到质量评估网络模型，利用质量评估网络模型，根据预设的子区域图像的关注权重和M个质量评估参数确定N帧图像中每一帧图像的特征向量，根据N帧图像的特征向量确定N帧图像的最终质量评估值；根据N帧图像的最终质量评估值确定用于进行目标识别的目标图像或目标向量。通过本发明实施例提供的技术方案，基于子区域图像的关注权重和M个质量评估参数，确定每帧图像的特征向量。每帧图像均根据子区域图像的关注权重和M个质量评估参数进行评估的，提高了每帧图像的图像质量评估准确率。最终质量评估值是根据图像的特征向量得到的，提高了目标图像的成像质量。
-
公开(公告)号：CN108108729B
公开(公告)日：2021-08-20
申请号：CN201611055686.X
申请日：2016-11-25
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种车牌类型的识别方法及装置，所述方法包括：获取包含待识别车牌的场景图像，在所述场景图像中确定所述待识别车牌对应的车牌区域；确定所述车牌区域中的主段字符和/或子段字符、所述主段字符和/或子段字符的位置、所述主段字符和/或子段字符对应的字符颜色和背景颜色；根据所述位置，确定所述车牌区域中的图案区域；使用预设的分类模型，识别所述图案区域中的图案；根据所述图案、所述主段字符和/或子段字符、所述字符颜色和所述背景颜色，确定所述待识别车牌的车牌类型。应用本发明实施例能够识别包含图案的车牌类型。
-
公开(公告)号：CN109670520B
公开(公告)日：2021-04-09
申请号：CN201710951386.8
申请日：2017-10-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/62
Abstract: 本发明实施例提供了一种目标姿态识别方法及装置，预先训练得到神经网络模型：根据预设特征样本对应的姿态信息，对预设结构的神经网络的网络参数进行训练得到该神经网络模型；进行目标姿态识别时，确定目标所在图像区域的图像特征、以及目标的形状特征和/或结构特征，将该图像特征及该形状特征和/或结构特征输入该神经网络模型，输出目标的姿态；可见，本方案中，基于神经网络模型识别目标姿态，第一方面，神经网络模型基于大量样本训练得到，携带的信息比特征点模型携带的信息更丰富，识别准确度更高；第二方面，本方案中的神经网络模型的网络参数中携带了图像特征、及目标的形状特征和/或结构特征多方面的信息，进一步提高了识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.048 seconds)
