-
公开(公告)号：CN108921773A
公开(公告)日：2018-11-30
申请号：CN201810722914.7
申请日：2018-07-04
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种人体跟踪处理方法、装置、设备及系统。该方法包括：摄像头采集视频数据；处理器对视频数据进行分割，将分割后的视频数据分发给至少两个AI芯片，接收至少两个AI芯片对视频数据的处理结果，对处理结果进行整理后发送给云端服务器；至少两个AI芯片中的每一个AI芯片对所接收到的视频数据进行人体跟踪算法处理，得到处理结果。本发明提高了视频采集装置对视频数据进行人体跟踪算法处理的处理速度。
-
公开(公告)号：CN110674918B
公开(公告)日：2023-05-23
申请号：CN201810710542.6
申请日：2018-07-02
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06N3/0464 , H04L67/10 , G06N3/045 , G06V40/10
Abstract: 本发明实施例提供一种信息处理方法、设备、系统及存储介质。该信息处理方法包括：AI相机获取无人零售场景下的实时数据，并基于神经网络模型，对实时数据进行前端处理，该前端处理包括以下任一种或多种：商品识别和人体监测，之后将前端处理后的结果发送给服务器，该前端处理后的结果用于触发服务器根据该前端处理后的结果进行人脸识别和/或确定商品的流向。本发明实施例考虑到端上获取实时数据的及时性以及便利性，引入AI相机作为前端的基础算子，结合服务器的后端处理，使得在无人零售场景下，引入分布式计算思想，降低整个无人零售分布式系统的成本，减少数据传输的带宽压力，有效提高系统扩展性及无人零售解决方案的性能。
-
Patent Agency Ranking
公开(公告)号：CN109033985A
公开(公告)日：2018-12-18
申请号：CN201810701271.8
申请日：2018-06-29
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/00
Abstract: 本申请提供一种商品识别的处理方法、装置、设备、系统及存储介质，该方法包括：接收摄像装置发送的图像信息及摄像装置对应的距离传感器发送的距离信号；根据图像信息及距离信号，确定用户取货行为的起始帧和结束帧；根据用户取货行为的起始帧和结束帧，确定用户所取的商品信息。通过对用户取货行为的起始帧和结束帧进行商品识别，确定用户所取的商品信息，有效提高了商品识别效率。并且结合摄像装置拍摄的图像信息及距离传感器探测的距离信号共同确定用户取货行为的起始帧和结束帧，可以避免对用户取货行为的误判断，提高用户取货行为判断的准确性。
-
公开(公告)号：CN109033985B
公开(公告)日：2020-10-09
申请号：CN201810701271.8
申请日：2018-06-29
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/00
Abstract: 本申请提供一种商品识别的处理方法、装置、设备、系统及存储介质，该方法包括：接收摄像装置发送的图像信息及摄像装置对应的距离传感器发送的距离信号；根据图像信息及距离信号，确定用户取货行为的起始帧和结束帧；根据用户取货行为的起始帧和结束帧，确定用户所取的商品信息。通过对用户取货行为的起始帧和结束帧进行商品识别，确定用户所取的商品信息，有效提高了商品识别效率。并且结合摄像装置拍摄的图像信息及距离传感器探测的距离信号共同确定用户取货行为的起始帧和结束帧，可以避免对用户取货行为的误判断，提高用户取货行为判断的准确性。
-
公开(公告)号：CN108958938B
公开(公告)日：2020-01-14
申请号：CN201810700318.9
申请日：2018-06-29
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种数据处理方法、装置及设备。本发明的方法，通过将所有计算核分为至少两组，每组计算核用于共同执行一个数据帧的深度模型计算任务；CPU调度所述至少两组计算核并行地执行至少两帧数据的深度模型计算任务，实现了在进行一次深度模型计算的过程中，多组计算核并行地执行多帧数据的深度模型计算任务；对于每一组计算核，在对深度模型中不适于多个计算核完成该层计算的层进行计算时，该组内一个计算核负责该层的计算，该组内其他计算核空闲，而其他组的计算核同时在对其他帧数据进行深度模型计算，而不是空闲等待，减少了空闲计算核的数量，提高了计算核的单核利用率，从而提高了AI芯片的整体处理帧率。
-
公开(公告)号：CN110674918A
公开(公告)日：2020-01-10
申请号：CN201810710542.6
申请日：2018-07-02
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06N3/04 , G06K9/62 , H04L12/801 , H04L29/08
Abstract: 本发明实施例提供一种信息处理方法、设备、系统及存储介质。该信息处理方法包括：AI相机获取无人零售场景下的实时数据，并基于神经网络模型，对实时数据进行前端处理，该前端处理包括以下任一种或多种：商品识别和人体监测，之后将前端处理后的结果发送给服务器，该前端处理后的结果用于触发服务器根据该前端处理后的结果进行人脸识别和/或确定商品的流向。本发明实施例考虑到端上获取实时数据的及时性以及便利性，引入AI相机作为前端的基础算子，结合服务器的后端处理，使得在无人零售场景下，引入分布式计算思想，降低整个无人零售分布式系统的成本，减少数据传输的带宽压力，有效提高系统扩展性及无人零售解决方案的性能。
-
公开(公告)号：CN108958938A
公开(公告)日：2018-12-07
申请号：CN201810700318.9
申请日：2018-06-29
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明提供一种数据处理方法、装置及设备。本发明的方法，通过将所有计算核分为至少两组，每组计算核用于共同执行一个数据帧的深度模型计算任务；CPU调度所述至少两组计算核并行地执行至少两帧数据的深度模型计算任务，实现了在进行一次深度模型计算的过程中，多组计算核并行地执行多帧数据的深度模型计算任务；对于每一组计算核，在对深度模型中不适于多个计算核完成该层计算的层进行计算时，该组内一个计算核负责该层的计算，该组内其他计算核空闲，而其他组的计算核同时在对其他帧数据进行深度模型计算，而不是空闲等待，减少了空闲计算核的数量，提高了计算核的单核利用率，从而提高了AI芯片的整体处理帧率。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
