-
公开(公告)号：CN113610006B
公开(公告)日：2023-09-08
申请号：CN202110910812.X
申请日：2021-08-09
Applicant: 中电科大数据研究院有限公司
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06V40/10 , G06V10/774 , G06V10/25 , G06V10/75 , G06T5/00
Abstract: 本发明提供了一种基于目标检测模型的超时劳动判别方法，其主要步骤包括：(1)输入待识别的监控视频数据及工作的起止时间；(2)对视频数据作预处理后使用基于深度卷积神经网络的目标检测模型自动检测视频帧画面中的人及人头目标；(3)同时识别视频帧画面中的时间水印；(4)根据检测识别结果判别是否超时劳动；(5)根据判别结果，如果是则截取相应视频片段并保存，反之则重复步骤(2)～(5)直到处理完视频数据。本方法可以快速检测出监控视频场景下的小目标，并能实现对生产车间超过规定劳动时长的自动判别。
-
公开(公告)号：CN109726241A
公开(公告)日：2019-05-07
申请号：CN201811625042.9
申请日：2018-12-28
Applicant: 中电科大数据研究院有限公司
Abstract: 本发明提供了一种基于混合数据库的多模态数据和算法代码管理系统，包括数据格式及编码分类分级系统、数据分类存储管理系统、数据备份和管理系统、数据代码上传下载身份认证和权限管理系统。本发明能够对包含图像、文本、视频等多模态混合数据以及对应的计算机数据分析处理算法提供统一的格式标准、编码标准、分类分级标准并进行统一的管理，从而降低多模态数据管理难度和使用难度、提升工作效率以及协同开发效率、避免大量重复性工作、提升数据算法使用体验，能够通过提升数据和算法的结合度从而提升算法性能，能够大幅度提升数据资源的可扩展性以及安全性，能够对其他系统平台提供有效的数据和算法支撑等。
-
公开(公告)号：CN113269139B
公开(公告)日：2023-09-26
申请号：CN202110677796.4
申请日：2021-06-18
Applicant: 中电科大数据研究院有限公司
IPC: G06V20/52 , G06V10/26 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80
Abstract: 本发明提供了一种针对复杂场景的自学习大规模警员图像分类模型，通过优化警员图像数据集构建和模型训练过程，对大规模警员图像数据集进行筛选，结合图像主体区域检测模型减少数据中的噪声，增强了对复杂场景的识别，同时利用迁移学习方法降低了模型训练的难度，迭代训练了一个警员图像分类模型，进一步将模型运用在原始大规模警员图片数据集中，实现了警员图像分类模型自学习过程。相对于传统的直接在原始数据集上进行训练的图像分类模型，本方法解决了训练大规模警员图像分类模型缺少标注数据的问题，并针对警员图像数据场景复杂的特征进行了数据筛选与语义增强，从而能够更准确的实现对警员图像的分类与识别。
-
Patent Agency Ranking
公开(公告)号：CN110716925B
公开(公告)日：2023-08-04
申请号：CN201910837650.4
申请日：2019-09-05
Applicant: 中电科大数据研究院有限公司
IPC: G06F16/215 , G06F16/2458 , G06F16/29 , H04W4/021 , G01S19/42
Abstract: 本发明公开了一种基于轨迹分析的跨境行为识别方法，包括以下步骤：(1)获取人员历史轨迹及边界地理围栏数据；(2)对人员历史轨迹数据进行数据预处理；(3)轨迹数据预分类；(4)对预分类的轨迹数据进行跨境行为识别；(5)输出跨境行为识别结果。本发明基于地理GIS数据及人员轨迹数据，统筹地理科学、计算机图形学、统计学、大数据等多学科理论与技术手段，可为智能交通、社会公共安全、智慧公安等领域应用提供技术支持。
-
公开(公告)号：CN110716925A
公开(公告)日：2020-01-21
申请号：CN201910837650.4
申请日：2019-09-05
Applicant: 中电科大数据研究院有限公司
IPC: G06F16/215 , G06F16/2458 , G06F16/29 , H04W4/021 , G01S19/42
Abstract: 本发明公开了一种基于轨迹分析的跨境行为识别方法，包括以下步骤：(1)获取人员历史轨迹及边界地理围栏数据；(2)对人员历史轨迹数据进行数据预处理；(3)轨迹数据预分类；(4)对预分类的轨迹数据进行跨境行为识别；(5)输出跨境行为识别结果。本发明基于地理GIS数据及人员轨迹数据，统筹地理科学、计算机图形学、统计学、大数据等多学科理论与技术手段，可为智能交通、社会公共安全、智慧公安等领域应用提供技术支持。
-
公开(公告)号：CN113269142A
公开(公告)日：2021-08-17
申请号：CN202110680019.5
申请日：2021-06-18
Applicant: 中电科大数据研究院有限公司
Abstract: 本发明提供一种检察领域值班人员睡觉行为识别方法，包括如下步骤：(1)采集检察领域值班人员的视频监控数据；(2)对采集的视频数据按照帧率大小截取帧数据；(3)基于YOLOv5预训练模型在采集的数据上进行微调训练与验证，获得值班人员人体检测模型；(4)加载基于YOLOv5微调后的值班人员检测模型、Deep_Sort的目标跟踪模型等，分别获取人体信息和人脸信息；(5)基于上述多模型识别结果，自定义睡觉行为研判规则，识别睡觉行为；(6)当确定存在睡觉行为时，进行睡觉行为预警。本发明提出的方法能够在多人情况人识别具体睡觉个体，且能够处理多种睡觉姿势，模型准确率高，睡觉行为识别效果好。
-
公开(公告)号：CN113610006A
公开(公告)日：2021-11-05
申请号：CN202110910812.X
申请日：2021-08-09
Applicant: 中电科大数据研究院有限公司
Abstract: 本发明提供了一种基于目标检测模型的超时劳动判别方法，其主要步骤包括：(1)输入待识别的监控视频数据及工作的起止时间；(2)对视频数据作预处理后使用基于深度卷积神经网络的目标检测模型自动检测视频帧画面中的人及人头目标；(3)同时识别视频帧画面中的时间水印；(4)根据检测识别结果判别是否超时劳动；(5)根据判别结果，如果是则截取相应视频片段并保存，反之则重复步骤(2)～(5)直到处理完视频数据。本方法可以快速检测出监控视频场景下的小目标，并能实现对生产车间超过规定劳动时长的自动判别。
-
公开(公告)号：CN113269139A
公开(公告)日：2021-08-17
申请号：CN202110677796.4
申请日：2021-06-18
Applicant: 中电科大数据研究院有限公司
Abstract: 本发明提供了一种针对复杂场景的自学习大规模警员图像分类模型，通过优化警员图像数据集构建和模型训练过程，对大规模警员图像数据集进行筛选，结合图像主体区域检测模型减少数据中的噪声，增强了对复杂场景的识别，同时利用迁移学习方法降低了模型训练的难度，迭代训练了一个警员图像分类模型，进一步将模型运用在原始大规模警员图片数据集中，实现了警员图像分类模型自学习过程。相对于传统的直接在原始数据集上进行训练的图像分类模型，本方法解决了训练大规模警员图像分类模型缺少标注数据的问题，并针对警员图像数据场景复杂的特征进行了数据筛选与语义增强，从而能够更准确的实现对警员图像的分类与识别。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
