-
公开(公告)号：CN110516014A
公开(公告)日：2019-11-29
申请号：CN201910051462.9
申请日：2019-01-18
Applicant: 南京泛在地理信息产业研究院有限公司 , 南京师范大学
Abstract: 本发明公开了一种面向城市道路监控视频映射到二维地图的方法，所述方法通过首先读取监控探头视频图像，然后在二维地图上采集同名点对，获取同名点的图像坐标和地理坐标；然后根据同名点的图像坐标对输入的每一帧视频图像进行裁剪处理，建立视频图像与地理空间的映射关系；进而对地面覆盖范围进行格网划分和插值操作，得到可与二维地图进行融合的图像。本发明建立了可定制分辨率、更精确的视频图像与二维地图的映射关系，增强了监控视频在地理场景中融合表达的效果。
-
公开(公告)号：CN110516014B
公开(公告)日：2023-05-26
申请号：CN201910051462.9
申请日：2019-01-18
Applicant: 南京泛在地理信息产业研究院有限公司 , 南京师范大学
Abstract: 本发明公开了一种面向城市道路监控视频映射到二维地图的方法，所述方法通过首先读取监控探头视频图像，然后在二维地图上采集同名点对，获取同名点的图像坐标和地理坐标；然后根据同名点的图像坐标对输入的每一帧视频图像进行裁剪处理，建立视频图像与地理空间的映射关系；进而对地面覆盖范围进行格网划分和插值操作，得到可与二维地图进行融合的图像。本发明建立了可定制分辨率、更精确的视频图像与二维地图的映射关系，增强了监控视频在地理场景中融合表达的效果。
-
公开(公告)号：CN117036319A
公开(公告)日：2023-11-10
申请号：CN202311049815.4
申请日：2023-08-18
Applicant: 南京师范大学
IPC: G06T7/00 , G06V10/40 , G06V10/778 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于监控相机图像的能见度等级检测方法，包括图像训练和能见度等级检测两部分；图像训练部分，选取深度学习预训练模型，根据图像能见度特征改进模型，将带有能见度等级标签的监控视频图像输入改进后的深度学习模型，通过端到端的方式提取图像能见度特征并进行模型训练、验证；能见度检测部分，将待测图像输入训练好的深度学习网络并提取特征向量，将特征向量输入softmax函数进行分类，输出检测得到的能见度等级。本发明能针对单点监控相机所摄图像检测其对应的能见度等级，有效提升能见度等级检测精度，对低能见度等级图像的区分度更高。
-
公开(公告)号：CN110097759A
公开(公告)日：2019-08-06
申请号：CN201910350180.9
申请日：2019-04-28
Applicant: 南京师范大学 , 浙江省自然资源监测中心
Abstract: 本发明公开了一种基于视频地理围栏的机动车违章行为检测方法，包括以下步骤：S1：获取监控路口的大比例尺地图；S2：建立视频图像空间和地理空间的映射关系；S3：为每一个车道，根据路标信息建立相应规则的地理围栏；S4：将已完成设置的围栏对应位置映射至视频空间，建立视频空间与地理围栏的双向联动；S5：通过目标检测与跟踪方法，跟踪并记录车辆行驶轨迹，判断其与建立地理围栏间的位置关系，判定是否存在违章行为。
-
公开(公告)号：CN106600961B
公开(公告)日：2019-02-26
申请号：CN201611195238.X
申请日：2016-12-22
Applicant: 南京师范大学
Abstract: 本发明涉及一种监控摄像机路网覆盖优化方法，针对目标路网中的监控摄像机进行优化设计，解决了现有技术监控摄像机布局与调度规划中难以根据实际应用需求实现监控摄像机网络动态调度的问题，在考虑监控目标运动方向和摄像机成像角度的基础上，快速求解最优监控摄像机布局方案，并对方案中覆盖道路数量、覆盖道路总长度、监控摄像机数量进行精确分析评价，充分调度已有监控摄像机路网中的监控摄像机，实现了摄像机监控资源利用率的最大化。
-
Patent Agency Ranking
公开(公告)号：CN119721831A
公开(公告)日：2025-03-28
申请号：CN202411789196.7
申请日：2024-12-06
Applicant: 南京师范大学
IPC: G06Q10/0639 , G06N3/0442 , G06Q50/26 , G06V20/52 , G06V10/40 , G06V10/774 , G06V10/766 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了一种融合监控图像数据的空气质量预报方法，包括：构建用于历史空气质量数据、气象数据和时间数据特征提取的LSTM单通道深度学习网络；构建用于监控图像特征提取的CNN‑LSTM单通道深度学习网络；集成两个单通道网络，构建用于空气质量预报的双通道集成深度学习模型；收集监控图像、空气质量和气象等多源数据，构建空气质量多源数据集；利用滑动窗口法和“T1:T2”模式，对构建的空气质量多源数据集生成序列样本；利用序列样本训练集对双通道集成深度学习模型进行训练，得到具有预报能力的多步多变量输出的回归模型；将待检测序列样本数据输入到回归模型中，输出未来多个时刻的多个空气质量指标预报结果。本发明结合两个单通道神经网络，构建空气污染物浓度与监控图像、气象和时间之间的关系模型，实现了空气质量的时序预报，该方法融合了室外监控图像数据，提高了空气质量的预报精度。
-
公开(公告)号：CN111563469A
公开(公告)日：2020-08-21
申请号：CN202010403412.5
申请日：2020-05-13
Applicant: 南京师范大学
IPC: G06K9/00 , G06K9/46 , G06T7/136 , G06T7/194 , G06T7/215 , G06T7/246 , G06T7/80 , G06T5/00 , G08G1/017
Abstract: 本发明公开了一种利用监控视频实现不规范停车行为识别的方法，利用高点摄像机结合GIS、计算机视觉技术根据停车姿态实现多种不规范停车行为快速、准确、实时识别，主要包括不规范停车行为规则库的构建，基于改进Vibe算法、SSD卷积神经网络模型和CSRT跟踪算法对视频场景空间化的停车位姿提取，最终结合停车位和停车特征之间的几何关系实现不规范停车行为的精准检测。本发明还提供了基于上述方法的装置，识别精度高、实时性强。
-
公开(公告)号：CN110166744A
公开(公告)日：2019-08-23
申请号：CN201910350804.7
申请日：2019-04-28
Abstract: 本发明公开了一种基于视频地理围栏的违章摆摊监测方法，包括以下步骤：S1：绘制视频监控区域的尺地图；S2：建立视频图像空间和地理空间映射关系，得到对应的单应矩阵；S3：确立地理围栏区域，提取围栏的基本要素，所述围栏的基本要素包括地点、时间、目标和规则；S4：基于S3中获取的围栏位置区域和S2得到的单应矩阵的逆矩阵，建立视频空间与地理围栏的双向联动；S5：采用深度学习方法，对视频中的流动经营设施目标进行识别；S6：根据点与多边形之间的位置关系，判断流动经营设施目标与地理围栏的位置关系，判定是否存在违章摆摊。
-
公开(公告)号：CN106777172A
公开(公告)日：2017-05-31
申请号：CN201611196258.9
申请日：2016-12-22
Applicant: 南京师范大学
IPC: G06F17/30
Abstract: 本发明公开了一种视频时空检索方法，首先根据时间检索条件，检索满足时间约束的视频集合；然后，将检索对象的抽样为多个抽样空间点，将拍摄方向抽样为多个方向单元；接着，判断抽样空间点是否在视频帧的视阈中、是否被障碍物遮且是否成像清晰，如满足条件则计算当前视频帧对当前空间点的感知强度；并计算视频帧拍摄抽样空间点的方向，将每一个视频帧归并到对应角度单元；然后，计算每个抽样空间点每个角度单元中属于同一视频的视频帧的感知强度之和，选定感知强度最大的视频作为目标视频，所有抽样空间点上方向单元中涉及的目标视频所构成的集合即为时空检索结果。在此基础上，获得全面描述空间对象信息的有序列表。
-
公开(公告)号：CN106600961A
公开(公告)日：2017-04-26
申请号：CN201611195238.X
申请日：2016-12-22
Applicant: 南京师范大学
Abstract: 本发明涉及一种监控摄像机路网覆盖优化方法，针对目标路网中的监控摄像机进行优化设计，解决了现有技术监控摄像机布局与调度规划中难以根据实际应用需求实现监控摄像机网络动态调度的问题，在考虑监控目标运动方向和摄像机成像角度的基础上，快速求解最优监控摄像机布局方案，并对方案中覆盖道路数量、覆盖道路总长度、监控摄像机数量进行精确分析评价，充分调度已有监控摄像机路网中的监控摄像机，实现了摄像机监控资源利用率的最大化。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.042 seconds)
