-
公开(公告)号:CN114283385B
公开(公告)日:2024-09-24
申请号:CN202111636113.7
申请日:2021-12-29
申请人: 华南理工大学 , 深圳金三立视频科技股份有限公司
摘要: 本发明公开一种异物数据生成方法,获取输电线场景图像和预设异物图像;提取所述输电线场景图像中的输电线,得到输电线位置;从所述输电线位置中确定目标输电线位置,并将所述预设异物图像贴入所述目标输电线位置,得到初始异物数据;基于所述初始异物数据使用预设图像和谐化神经网络进行和谐化,得到最终的异物数据,可实现在各种不同背景上的异物数据生成,且不限数量,最后基于初始异物数据使用预设图像和谐化神经网络进行和谐化,能够使最终得到的异物数据中的异物和场景融合的更好,提高异物数据的真实效果,以此有效增加特定输电线场景中异物数据的数量,丰富训练样本,避免训练和测试场景不同而导致的迁移性能下降问题。
-
公开(公告)号:CN114283385A
公开(公告)日:2022-04-05
申请号:CN202111636113.7
申请日:2021-12-29
申请人: 华南理工大学 , 深圳金三立视频科技股份有限公司
摘要: 本发明公开一种异物数据生成方法,获取输电线场景图像和预设异物图像;提取所述输电线场景图像中的输电线,得到输电线位置;从所述输电线位置中确定目标输电线位置,并将所述预设异物图像贴入所述目标输电线位置,得到初始异物数据;基于所述初始异物数据使用预设图像和谐化神经网络进行和谐化,得到最终的异物数据,可实现在各种不同背景上的异物数据生成,且不限数量,最后基于初始异物数据使用预设图像和谐化神经网络进行和谐化,能够使最终得到的异物数据中的异物和场景融合的更好,提高异物数据的真实效果,以此有效增加特定输电线场景中异物数据的数量,丰富训练样本,避免训练和测试场景不同而导致的迁移性能下降问题。
-
公开(公告)号:CN111601025B
公开(公告)日:2024-08-20
申请号:CN202010443051.7
申请日:2020-05-22
申请人: 深圳金三立视频科技股份有限公司
摘要: 本发明公开了一种摄像机装置及电源管理方法,摄像机装置包括摄像机机芯、云台、图像传感器、MTK主板、微控制单元、电池组件和交换机,所述摄像机机芯、云台、图像传感器、MTK主板、电池组件和交换机分别与所述微控制单元连接,所述图像传感器和交换机分别与所述MTK主板连接,所述摄像机机芯与所述交换机连接。微控制单元可对各个部件的上电情况进行管理,当电量不足时,可以更加合理地分配用电情况,大大节省电量,延长工作时间。
-
公开(公告)号:CN118433388A
公开(公告)日:2024-08-02
申请号:CN202410883371.2
申请日:2024-07-03
申请人: 深圳金三立视频科技股份有限公司
IPC分类号: H04N19/167 , H04N19/172 , H04N19/42 , H04N19/513 , H04N19/117 , H04N19/80
摘要: 本发明涉及物联网数据处理技术领域,具体涉及基于动态感知的视频动态编码压缩方法,包括获取待压缩数据中每一运动目标的动态感知点;获取动态感知点的影响范围,并确定影响范围内每一位置所对应的感知热度;利用感知热度,确定待压缩数据中每一帧视频数据的动态感知热图;利用动态感知热图划分运动目标区域和热图区域,并确定所对应的目标压缩比例,进而对待压缩数据进行压缩;即本申请中通过获取待压缩数据中每一运动目标的动态感知点及其影响范围,进而确定影响范围内每一位置所对应的感知热度,再确定出每一帧视频数据的动态感知热度,进而计算出目标压缩比例进行压缩,能有效的提高对视频数据的压缩效果,保证了压缩后的视频数据细节和质量。
-
公开(公告)号:CN117557880B
公开(公告)日:2024-06-14
申请号:CN202410038395.8
申请日:2024-01-11
申请人: 深圳金三立视频科技股份有限公司
IPC分类号: G06V10/774 , G06V10/80 , G06V10/25 , G06V10/26 , G06V10/82
摘要: 本发明公开的基于多模态表征的图像训练数据集生成方法及终端,该方法包括:获取目标文本信息和区域图像;通过预设的语义图像模型根据所述目标文本信息生成目标图像;对所述目标图像进行裁剪得到待检测目标;通过预设的语义分割模型在所述区域图像中确定候选位置;将所述待检测目标贴附至所述候选位置,并对所述待检测目标进行标注,得到目标数据集样本。由同一个待检测目标贴附在多个不同的候选位置中,生成多个不同目标数据集样本,不仅不需要人工生成额外的待检测目标图像,还解决了待检测目标图像难以搜集的问题,提高了用于训练深度学习模型的数据集的多样性,避免由于训练样本匮乏而造成的模型过拟合问题。
-
公开(公告)号:CN117649577A
公开(公告)日:2024-03-05
申请号:CN202410122175.3
申请日:2024-01-30
申请人: 深圳金三立视频科技股份有限公司
IPC分类号: G06V10/774 , G01R31/08 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/82 , G06V20/70 , G06V20/52 , G06N3/0455 , G06N3/0464 , G08B31/00
摘要: 本发明公开了一种目标检测模型的训练方法、防外破监测预警方法及装置,方法包括:获取样本数据集;构建目标检测模型,包括检测网络模型和辅助头模型,检测网络模型包括主干网络、特征增强网络和检测头,主干网络包括视觉大模型和适配器模型,辅助头模型与检测头并行;根据样本数据集和预设的目标损失函数,对目标检测模型进行训练,其中,目标损失函数根据检测网络模型对应的原始损失函数和辅助头模型对应的辅助损失函数构建;获取实时监控图像,并通过训练好的检测网络模型进行目标检测,得到待测目标检测框;根据待测目标检测框与预设的保护目标区域,进行防外破监测预警。本发明可有效降低保护目标受外破影响的可能性。
-
公开(公告)号:CN116152519B
公开(公告)日:2023-08-15
申请号:CN202310404713.3
申请日:2023-04-17
申请人: 深圳金三立视频科技股份有限公司
摘要: 本发明公开一种基于图像的特征提取方法及设备,根据输入的图像构建初始骨架边缘特征以及骨架位置后,通过图像卷积操作结合骨架位置构建骨架关节点特征,并通过骨架关节点特征以及上一层骨架边缘特征更新下一层的骨架边缘特征,再使用更新的骨架边缘特征的注意力图对骨架关节点特征进行重塑,从而通过多层次的骨架边缘特征更新以及骨架关节点特征重塑,实现不断地使用提取好的图像特征,能够注意到更多在图像中人体结构的细节,从而通过提取出的骨架关节点特征、骨架边缘特征以及图像特征实现对输入图像的人体行为进行有效识别,提高人体行为识别的准确率。
-
公开(公告)号:CN116111702A
公开(公告)日:2023-05-12
申请号:CN202310043166.0
申请日:2023-01-29
申请人: 深圳金三立视频科技股份有限公司
摘要: 本发明公开一种CT取电摄像机电源管理方法、装置、终端及可读存储介质,当前最大输出功率大于控制器的功率要求和摄像装置的功率要求的总和,则表示当前电能充足,对CT取电摄像机的电池进行充电,否则,表示当前电能无法同时满足控制器的功率要求和摄像装置的功率要求,此时仅对电池进行充电,并对当前电池的电量值进行判断,确定CT取电摄像机的工作模式,避免电量不足导致突然下线关机的情况,同时规律性的上电以及合理的录像时长确保了电网波动时,摄像机监控既能按照设定的规则进行监控,又能保证最大限度的合理设置监控时长,从而最大程度地延长CT取电摄像机的工作时长。
-
公开(公告)号:CN115619674A
公开(公告)日:2023-01-17
申请号:CN202211303587.4
申请日:2022-10-24
申请人: 深圳金三立视频科技股份有限公司
摘要: 本发明公开了一种低照度视频增强方法、系统及存储介质,包括:将训练集视频分离成帧,构建训练帧图像对;构建无监督去噪网络模型,生成带噪‑去噪图像对,训练基于U‑Net网络结构的去噪网络模型;构建无参考低照度增强网络模型,将训练帧图像对输入双输入孪生曲线估计网络得到增强参数图对,将增强参数图对输入增强曲线进行迭代增强,计算低照度增强无参考损失函数、自注意过曝正则损失函数和帧间一致性正则损失函数,训练低照度增强网络模型;利用去噪网络模型和低照度增强网络模型对测试视频进行低照度增强。本发明解决了传统夜间低照度视频增强对训练数据对的依赖,约束了复杂光照场景下的局部过曝问题,保证了低照度视频增强的稳定性。
-
公开(公告)号:CN114928613A
公开(公告)日:2022-08-19
申请号:CN202210728228.7
申请日:2022-06-24
申请人: 深圳金三立视频科技股份有限公司
摘要: 本发明提供的一种边端融合的智能监控系统及方法,所述边端融合的智能监控系统包括边端融合终端和中心服务终端,所述边端融合终端包括通用数据单元和边缘计算单元;所述通用数据单元的一端连接所述中心服务终端,所述通用数据单元的另一端连接所述边缘计算单元;本申请将设备采集终端与边缘节点设置于同一边端融合终端内,二者的电源、网络等资源实现共享,提高了各个模块资源的利用率;且二者对外为一个统一整体,系统需要进行使用时只需要将边端融合终端放置到合适的场景,便可实现采集数据和处理数据双业务并行的智能监控方式,结构轻量化,部署简易。
-
-
-
-
-
-
-
-
-