-
公开(公告)号：CN114782784B
公开(公告)日：2024-11-05
申请号：CN202210209796.6
申请日：2022-03-04
Applicant: 讯飞智元信息科技有限公司 , 安徽大学 , 科大讯飞股份有限公司
IPC: G06V10/80 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种车辆识别方法及相关装置、电子设备和存储介质，其中，车辆识别方法包括：获取车辆特征库；其中，车辆特征库包括由若干第一车辆图像分别提取到的第一车辆特征，且第一车辆特征由第一车辆图像的细节特征和视角特征融合得到；对待识别车辆的第二车辆图像进行特征提取，得到第二车辆特征；其中，第二车辆特征由第二车辆图像的细节特征和视角特征融合得到；再基于第二车辆特征分别与各第一车辆特征之间的相似度，得到待识别车辆的车辆信息。上述方案，能够提高车辆识别的准确性。
-
公开(公告)号：CN114782784A
公开(公告)日：2022-07-22
申请号：CN202210209796.6
申请日：2022-03-04
Applicant: 讯飞智元信息科技有限公司 , 安徽大学 , 科大讯飞股份有限公司
Abstract: 本申请公开了一种车辆识别方法及相关装置、电子设备和存储介质，其中，车辆识别方法包括：获取车辆特征库；其中，车辆特征库包括由若干第一车辆图像分别提取到的第一车辆特征，且第一车辆特征由第一车辆图像的细节特征和视角特征融合得到；对待识别车辆的第二车辆图像进行特征提取，得到第二车辆特征；其中，第二车辆特征由第二车辆图像的细节特征和视角特征融合得到；再基于第二车辆特征分别与各第一车辆特征之间的相似度，得到待识别车辆的车辆信息。上述方案，能够提高车辆识别的准确性。
-
公开(公告)号：CN113297949A
公开(公告)日：2021-08-24
申请号：CN202110550968.1
申请日：2021-05-20
Applicant: 科大讯飞股份有限公司
Abstract: 本申请涉及一种高空抛物检测方法、装置、计算机设备和存储介质。方法包括：对于视频流中的至少部分图像帧，根据至少部分图像帧中出现的运动目标，确定移动物体对应的目标图像帧；根据移动物体在对应的目标图像帧中的位置信息，确定移动物体是否为高空抛物。其中，运动目标为移动物体在图像帧中的成像，视频流是对建筑物进行监测所获取的。相较于相关技术中由人工对视频流进行分析筛选以确定高空抛物，由于可以对高空抛物进行监测以获取视频流，对于视频流所拍摄入的移动物体，根据移动物体在在对应的目标图像帧中的位置信息，自动检测出所有所有移动物体中的高空抛物，从而检测效率比较高，实时性比较高，且漏检率也更低。
-
公开(公告)号：CN114841994A
公开(公告)日：2022-08-02
申请号：CN202210616100.1
申请日：2022-06-01
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司
Abstract: 本申请公开了一种传送带跑偏检测方法、装置、设备及可读存储介质。本方案中，可以预设跑偏检测参考线，在获取待检测的传送带的图像之后，基于传送带的图像，确定传送带的边缘线，最后，基于所述传送带的边缘线与跑偏检测参考线，确定所述传送带是否跑偏。该方案，不需要数据标注，操作简单，计算量少，具有较高的检测准确率。
-
公开(公告)号：CN114724001A
公开(公告)日：2022-07-08
申请号：CN202210651851.7
申请日：2022-06-10
Applicant: 科大讯飞股份有限公司 , 讯飞智元信息科技有限公司
IPC: G06V10/764 , G06K9/62 , G06V10/80 , G06V10/774
Abstract: 本发明提供了一种图像多属性识别方法、装置、设备及存储介质，方法包括：获取目标图像；基于第一属性识别模型预测目标图像的多属性类别；第一属性识别模型采用多个图像样本和对应的样本标签训练得到；多个图像样本包括第一种样本和/或第二种样本以及第三种样本，第一种样本对应的样本标签包括对应样本在多属性维度下的预测属性类别，第二种样本对应的样本标签包括对应样本在多属性维度中一部分维度下的真实属性类别和另一部分维度下的预测属性类别，第三种样本对应的样本标签包括对应样本在多属性维度下的真实属性类别，预测属性类别基于采用第三种样本和对应的样本标签训练得到的第二属性识别模型预测。本发明提供的方法具有较好的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN114677618A
公开(公告)日：2022-06-28
申请号：CN202210194552.5
申请日：2022-03-01
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司 , 安徽大学
Abstract: 本发明提供一种事故检测方法、装置、电子设备和存储介质，其中方法包括：确定待检测视频的图像帧序列；基于全局提取网络，对图像帧序列进行三维特征提取，得到待检测视频的全局特征；基于局部提取网络，应用图像帧序列中各帧图像的检测目标和目标位置，确定待检测视频的局部特征；基于融合分类网络，应用全局特征和局部特征，确定待检测视频的事故检测结果。本发明提供的方法、装置、电子设备和存储介质，通过联合待检测视频的全局特征和局部特征进行事故检测，无论针对目标剧烈变化导致目标检测失效或者跟丢的情况，还是针对场景变化不明显的情况，均能够准确、可靠地完成事故检测，从而保证能够及时监控到交通事故，便于事故排查的及时性。
-
公开(公告)号：CN113128430A
公开(公告)日：2021-07-16
申请号：CN202110447713.2
申请日：2021-04-25
Applicant: 科大讯飞股份有限公司
IPC: G06K9/00
Abstract: 本发明提供一种人群聚集检测方法、装置、电子设备和存储介质，其中方法包括：对待检测的人群图像进行目标检测，得到所述人群图像中行人的图像位置；基于所述行人的图像位置，确定行人之间的图像距离；将所述行人的图像位置转换到深度坐标系下，得到行人之间的深度距离，所述深度坐标系是基于所述人群图像的拍摄设备所在水平面确定的；基于行人之间的图像距离和深度距离，对所述人群图像进行聚集检测。本发明提供的方法、装置、电子设备和存储介质，综合像素层面的图像距离和深度层面的深度距离进行聚集判断，仅需二维图像即可反映检测所得的行人之间的实际距离，能够有效提高聚集检测的可靠性和准确性。
-
公开(公告)号：CN113961721B
公开(公告)日：2024-12-06
申请号：CN202111298783.2
申请日：2021-11-04
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司
IPC: G06F16/36 , G06F16/35 , G06F40/253 , G06F40/30 , G06F18/213 , G06N3/042 , G06N3/08 , G06N5/022
Abstract: 本申请实施例公开了一种知识图谱辅助构建方法、装置、设备及存储介质，通过对已有的知识图谱中的各关联关系进行抽象得到通用概念和关系，在利用三元组构建实例图谱后，对实例图谱中的各个实体进行聚类，得到聚类结果，最后根据实例图谱的类型对应的通用概念和关系，以及聚类结果，构建知识图谱本体。可见基于本申请，自动实现对实体进行总结和归纳的一些环节，加之通用概念和关系的辅助，使得构建知识图谱的过程大大减少了专家/图谱构建者对实体进行总结和归纳的工作量，从而降低了知识图谱构建难度。
-
公开(公告)号：CN113537086B
公开(公告)日：2024-08-27
申请号：CN202110819195.2
申请日：2021-07-20
Applicant: 科大讯飞股份有限公司 , 合肥万科企业有限公司
IPC: G06V40/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06T3/4053 , G06N3/0464 , G06N3/045 , G06N3/0985
Abstract: 本发明提供一种图像识别方法、装置、电子设备和存储介质，其中方法包括：对现场图像进行人员检测，得到所述现场图像中的人员区域图像；对所述人员区域图像进行超分辨率重建，基于超分辨率重建所得的超分辨率重建特征进行安全属性识别，得到所述人员区域图像中对应人员的安全属性识别结果。本发明提供的方法、装置、电子设备和存储介质，解决了拍摄的图像成像质量差，无法适配目前的视觉分析方法的问题，保证了安全属性识别的可实现性；将超分辨率重建特征直接应用于安全属性识别，省略了应用超分辨率重建特征进行图像重建，根据重建所得的高分辨率图像进行特征提取的步骤，减小了算法的复杂度，缩短了计算流程。
-
公开(公告)号：CN113128430B
公开(公告)日：2024-06-04
申请号：CN202110447713.2
申请日：2021-04-25
Applicant: 科大讯飞股份有限公司
Abstract: 本发明提供一种人群聚集检测方法、装置、电子设备和存储介质，其中方法包括：对待检测的人群图像进行目标检测，得到所述人群图像中行人的图像位置；基于所述行人的图像位置，确定行人之间的图像距离；将所述行人的图像位置转换到深度坐标系下，得到行人之间的深度距离，所述深度坐标系是基于所述人群图像的拍摄设备所在水平面确定的；基于行人之间的图像距离和深度距离，对所述人群图像进行聚集检测。本发明提供的方法、装置、电子设备和存储介质，综合像素层面的图像距离和深度层面的深度距离进行聚集判断，仅需二维图像即可反映检测所得的行人之间的实际距离，能够有效提高聚集检测的可靠性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
