-
公开(公告)号：CN115936636B
公开(公告)日：2023-05-16
申请号：CN202310167134.1
申请日：2023-02-27
Applicant: 长沙城市发展集团有限公司
IPC: G06Q10/10 , G06F18/2431 , G06F18/214 , G06Q50/16 , G06Q40/04 , H04L9/32
Abstract: 本发明公开了一种基于前置ε‑ABRF算法的车位确权上链方法及系统，该方法包括：步骤S10：数据授权获取；采集用户、车位以及授权信息，进行授权校验和数据获取，并通过比较确权记录将重复的确权任务取消；步骤S20：数据预处理；对步骤S10获取的数据进行提取、比对，生成算法模型可识别的特征数据集，通过研判决策来生成样本和训练随机森林模型；步骤S30：研判决策；对新生成特征数据集的进行分类计算，计算结果封装后，进行校验和生成权益证书；步骤S40：智能合约生成；记录上链并提供给上层应用使用。该系统用来实现上述方法。本发明具有原理简单、智能化程度高、易实现等优点。
-
公开(公告)号：CN115861324B
公开(公告)日：2023-05-12
申请号：CN202310181026.X
申请日：2023-03-01
Applicant: 长沙城市发展集团有限公司
IPC: G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06Q10/04 , G06Q30/0202 , G06Q50/08 , G06T3/40 , G06T7/11 , G06T7/62 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 一种路面病害维修成本预测方法及系统，该方法包括：步骤S1：获取交通路面图像数据集，利用语义分析，构建用于网络模型训练和测试的训练集和测试集，对训练集和测试集中的图像进行预处理；步骤S2：构建RDAACN模型；步骤S3：在训练集上对所述RDAACN模型进行训练；步骤S4：在测试集上对训练完成的RDAACN模型进行测试，输出测试结果；步骤S5：根据RDAACN模型对路面图像中路面病害像素级精度的提取结果，计算路面病害区域的面积；步骤S6：根据计算得到的路面病害区域的面积来预测路面病害的维修成本。该系统用来实施上述方法。本发明具有原理简单、智能化程度高、能够提高预测效率和精确性等优点。
-
公开(公告)号：CN119579382A
公开(公告)日：2025-03-07
申请号：CN202510135867.6
申请日：2025-02-07
Applicant: 长沙城市发展集团有限公司
IPC: G06Q50/26 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于Transformer技术的隧道多模态信息处理及预测方法，该方法包括：步骤S1：获取隧道及车辆的多种传感器数据；步骤S2：根据传感器数据构建车辆复合特征；步骤S3：将复合特征合成为相应的一维数据序列并进行一维卷积处理，将处理结果分别输入对应的多个多层感知器中以得到复合特征权值，根据复合特征权值得到加权特征，将各个一维数据序列的卷积处理结果添加位置信息后进行跨模态融合，对跨模态融合结果进行投影变换后得到对应的单模态特征；步骤S4：使用加权特征对单模态特征进行加权，并将加权结果输入构建好的Transformer模型中，得到隧道风险预测结果。本发明具有预测准确率高、效率高的优点。
-
公开(公告)号：CN115908427B
公开(公告)日：2023-05-12
申请号：CN202310167135.6
申请日：2023-02-27
Applicant: 长沙城市发展集团有限公司
IPC: G06T7/00 , G06N20/10 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06Q10/04 , G06Q30/0202 , G06Q50/08 , G06T3/40 , G06T7/11 , G06T7/62 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 一种基于语义分割和SVM的路面病害维修成本预测方法，包括：步骤S1：获取路面图像数据集，利用语义分割路面图像，构建网络模型训练和测试的预训练集、训练集和测试集；步骤S2：构建改进U‑Net模型；步骤S3：在预训练集上对改进U‑Net模型进行预训练并在训练集上对预训练完成的改进U‑Net模型再次训练；步骤S4：保存训练完成的改进U‑Net模型，在测试集上对训练完成的改进U‑Net模型进行测试，输出结果；步骤S5：对SVM模型进行训练，保存SVM模型；步骤S6：根据改进U‑Net模型对测试集路面图像中路面病害像素级精度进行提取，预测维修成本。本发明具有智能化程度高、提高预测效率和精确性等优点。
-
公开(公告)号：CN118982785A
公开(公告)日：2024-11-19
申请号：CN202411057818.7
申请日：2024-08-02
Applicant: 长沙城市发展集团有限公司
Abstract: 本专利涉及一种在不同环境下实现禁止区域禁入检测的方法和系统，属于城市管理和智慧城市建设领域。该系统通过对禁止区域摄像头实时数据进行图像转换，通过滤波、对比度增强和亮度调整等预处理操作，以实现不同环境下的图像特征增强，并采用特征提取算法，从预处理后的图像中提取图像轮廓数量和层次关系等特征，进一步通过拟合算法处理图像特征，最后与预定义的禁止区域特征模式进行比对和匹配，从而实现准确的、低时延的禁止区域禁入检测。在城市运营和综合治理的过程中，经常会遇到禁止区域管制的问题，传统的人力覆盖方法成本巨大且低效。而本专利结合了计算机视觉、图像处理和模式匹配等技术，提供了一种具有高效性、实时性对禁止区域目标检测的自动化解决方案，与传统的人力覆盖方法相比，具有成本低、效率高的优势，克服了传统检测方法所存在的问题。
-
Patent Agency Ranking
公开(公告)号：CN119169766A
公开(公告)日：2024-12-20
申请号：CN202411190183.8
申请日：2024-08-28
Applicant: 长沙城市发展集团有限公司
IPC: G08B21/08 , G06V20/52 , G06V40/10 , G06V40/20 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08 , H04N7/18
Abstract: 本发明提出了一种针对公共安全领域的近水域风险智能监测方法，来防止溺水事件发生。该方法核心在于构建一个多层次的监测体系：首先，在关键水域部署高清监控摄像头，用于实时捕捉人员落水的异常动态；其次，运用深度学习算法对收集到的数据进行快速分析，识别潜在的溺水行为模式，减少误报与漏报；一旦检测到可疑情况，系统将立即触发报警机制，包括向城市运营团队或者应急部门近水公共区域管理团队发送精确位置信息及警示信号，实现快速响应与救援，避免了人员和财产损失。本申请发明旨在通过集成现代传感技术、智能分析算法与即时通讯手段，实现对公共水域活动人员的实时、高效监控，有效预防溺水事件的发生，可以被广泛用在城市公共安全领域，尤其是对近水域风险事件的预警和报警。
-
公开(公告)号：CN119131884A
公开(公告)日：2024-12-13
申请号：CN202411057264.0
申请日：2024-08-02
Applicant: 长沙城市发展集团有限公司
Abstract: 本发明公开了一种基于视觉计算的翻越护栏、隔离栏行为检测方法，采用YOLOv8模型作为行人检测算法，采用DeepLabv3模型作为护栏、隔离栏位置检测算法，采用HRNet模型作为人体关键点检测算法。本发明所提供的基于视觉计算的翻越护栏、隔离栏行为的检测方法在实际城市应用中范围很广，可以应用于道路护栏、隔离栏、湖泊围栏、小区围栏、文体活动护栏、外交警戒及城市约束治理等场景中，降低意外发生与可疑人员进入的可能性，提升了城市运营的效率和城市管理的质量；同时，通过自定义人体姿态的阈值，与传统的行为识别模型相比，减少了算法复杂度，计算量更小，易于实施和推广。
-
公开(公告)号：CN115936636A
公开(公告)日：2023-04-07
申请号：CN202310167134.1
申请日：2023-02-27
Applicant: 长沙城市发展集团有限公司
IPC: G06Q10/10 , G06F18/2431 , G06F18/214 , G06Q50/16 , G06Q40/04 , H04L9/32
Abstract: 本发明公开了一种基于前置ε‑ABRF算法的车位确权上链方法及系统，该方法包括：步骤S10：数据授权获取；采集用户、车位以及授权信息，进行授权校验和数据获取，并通过比较确权记录将重复的确权任务取消；步骤S20：数据预处理；对步骤S10获取的数据进行提取、比对，生成算法模型可识别的特征数据集，通过研判决策来生成样本和训练随机森林模型；步骤S30：研判决策；对新生成特征数据集的进行分类计算，计算结果封装后，进行校验和生成权益证书；步骤S40：智能合约生成；记录上链并提供给上层应用使用。该系统用来实现上述方法。本发明具有原理简单、智能化程度高、易实现等优点。
-
公开(公告)号：CN119559486A
公开(公告)日：2025-03-04
申请号：CN202510135834.1
申请日：2025-02-07
Applicant: 长沙城市发展集团有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种基于深度学习的户外场景烟雾区域识别方法，该方法包括：步骤S01：获取包含不同户外场景图像的图像数据集构建训练集和测试集；步骤S02：模型的构建与训练；构建RDAACN深度学习模型，模型包括多个依次连接的卷积块的编码器以及根据编码器提取的图像特征输出预测结果的解码器，并训练模型；步骤S03：使用测试集对训练完成的RDAACN深度学习模型进行测试，以识别图像中的烟雾区域。本发明具有原理简单、智能化程度高的优点，能够输出对图像中烟雾区域像素级精度的提取结果，提高识别户外场景图像中的烟雾区域效率和精确性。
-
公开(公告)号：CN115908427A
公开(公告)日：2023-04-04
申请号：CN202310167135.6
申请日：2023-02-27
Applicant: 长沙城市发展集团有限公司
IPC: G06T7/00 , G06N20/10 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06Q10/04 , G06Q30/0202 , G06Q50/08 , G06T3/40 , G06T7/11 , G06T7/62 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 一种基于语义分割和SVM的路面病害维修成本预测方法，包括：步骤S1：获取路面图像数据集，利用语义分割路面图像，构建网络模型训练和测试的预训练集、训练集和测试集；步骤S2：构建改进U‑Net模型；步骤S3：在预训练集上对改进U‑Net模型进行预训练并在训练集上对预训练完成的改进U‑Net模型再次训练；步骤S4：保存训练完成的改进U‑Net模型，在测试集上对训练完成的改进U‑Net模型进行测试，输出结果；步骤S5：对SVM模型进行训练，保存SVM模型；步骤S6：根据改进U‑Net模型对测试集路面图像中路面病害像素级精度进行提取，预测维修成本。本发明具有智能化程度高、提高预测效率和精确性等优点。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.037 seconds)
