-
公开(公告)号：CN118035475B
公开(公告)日：2024-07-02
申请号：CN202410412631.8
申请日：2024-04-08
Applicant: 南京启数智能系统有限公司
Abstract: 本发明公开了一种海量图像轨迹数据质量优化方法及系统，包括以下步骤：S1，接入视频图像实时轨迹数据，并存入分布式消息队列中；S2，加载任务要求，生成作业图，并提交计算任务；S3，执行计算任务，完成数据合并后，将数据存储于分布式消息队列中；S4，根据配置信息，将数据存入质量分类库；本方法及系统有利于在进行海量图像轨迹数据质量优化过程中，统一数据处理算子和智能算法算子数据计算标准，从而减少图像轨迹数据计算、分类、处理环节中中间数据对接成本，另外，统一算子计算标准还有利于提高数据计算、分类的准确性。
-
公开(公告)号：CN117931738A
公开(公告)日：2024-04-26
申请号：CN202410326216.0
申请日：2024-03-21
Applicant: 南京启数智能系统有限公司
IPC: G06F16/11 , G06V10/764 , G06V10/762 , G06V10/774 , G06F16/29 , G06N20/00 , G06F16/903 , G06F16/909
Abstract: 本发明公开了一种基于路网可达性的人像档案轨迹治理方法及系统，包括步骤：通过数据接口协议对接人像聚类算法引擎，将聚类的结果和对应的轨迹数据接入系统；根据接入的聚类结果数据和轨迹数据，形成原始的人像档案和轨迹库；对档案轨迹数量大于阈值的数据进行分析；获取存疑的轨迹段数据；以档案为单位对档案下的所有轨迹数据进行分析，形成正常档案库和异常档案库；基于已经标识正常的档案轨迹库数据进行学习训练，得出任意两个轨迹点之间在不同路径方式以及不同时段情况下的路径可达速度；本方案基于人像结构化数据结合地图路网数据来对人像档案数据进行校准和治理，实现数据和算法的解耦，提升了人像聚档的准确性。
-
公开(公告)号：CN116662342A
公开(公告)日：2023-08-29
申请号：CN202310664914.7
申请日：2023-06-07
Applicant: 南京启数智能系统有限公司
Abstract: 本发明公开了一种基于知识图谱的异构数据融合索引方法及系统，包括以下步骤：对异构图谱中的实体类型和关系类型进行分析，分别进行实体类型数据同步及定义，同时定义异构实体映射关系；使用图谱适配，分别从两类异构图谱中获取实体和关系数据，并将数据缓存如消息中间件；构建视图领域知识图谱和业务领域知识图谱；对构建的视图领域知识图谱和业务领域知识图谱进行融合，构建融合索引子图谱；根据构建完成的融合索引子图谱，进行映射关系分析挖掘，实现原始图谱中实体的消歧融合；对异构图谱和融合索引子图谱提供标准统一的关系查询接口；本方案通过两类知识图谱的实体映射，构建数据融合的索引子图谱，实现异构数据的融合。
-
公开(公告)号：CN114140406A
公开(公告)日：2022-03-04
申请号：CN202111390139.8
申请日：2021-11-22
Applicant: 南京启数智能系统有限公司
IPC: G06T7/00
Abstract: 本发明公开视频图像数据质量检测评价和优化治理的方法。视频图像数据质量检测评价和优化治理的方法包括视频图像数据接入流程、视频图像数据检测流程和视频图像数据治理流程。本发明的技术方案与现有技术相比，具有系统的、全面的对视频图像进行检测、评价、考核和校准优化，不局限于一个维度或一类视频图像数据；提供自动治理、人工治理的治理方案，覆盖所有视图数据质量问题的治理工作；形成接入治理数据到治理后输出的闭环的优点。
-
公开(公告)号：CN118607626A
公开(公告)日：2024-09-06
申请号：CN202411060537.7
申请日：2024-08-05
Applicant: 南京启数智能系统有限公司
IPC: G06N5/022 , G06N5/04 , G06F16/783 , G06F16/75 , G06V40/16 , G06V10/82 , G06V10/762
Abstract: 本发明公开了一种基于视图知识图谱的人员关系抽取和推理分析方法及系统，包括步骤：获取人脸聚类档案数据，构建人员实体；构建设备实体、车辆实体和/或场所实体；对人员实体关系进行抽取，得到人与其他实体之间的关系；将视图知识图谱中的人员实体和关系映射到低维空间，得到相应的实体向量数据；定义推理规则；进行推理分析，得到人与其他实体之间的扩展关系；将人与其他实体之间的扩展关系，作为关系边，更新到对应人员实体；本方案基于视图知识图谱可以将抽取和分析得到的实体关系，以两个实体之间“边”的形式进行存储，可以有效的便于后续的关系查询和二次分析，且其多层关系挖掘分析的性能，要远高于传统关系型数据库。
-
Patent Agency Ranking
公开(公告)号：CN117931738B
公开(公告)日：2024-06-07
申请号：CN202410326216.0
申请日：2024-03-21
Applicant: 南京启数智能系统有限公司
IPC: G06F16/11 , G06V10/764 , G06V10/762 , G06V10/774 , G06F16/29 , G06N20/00 , G06F16/903 , G06F16/909
Abstract: 本发明公开了一种基于路网可达性的人像档案轨迹治理方法及系统，包括步骤：通过数据接口协议对接人像聚类算法引擎，将聚类的结果和对应的轨迹数据接入系统；根据接入的聚类结果数据和轨迹数据，形成原始的人像档案和轨迹库；对档案轨迹数量大于阈值的数据进行分析；获取存疑的轨迹段数据；以档案为单位对档案下的所有轨迹数据进行分析，形成正常档案库和异常档案库；基于已经标识正常的档案轨迹库数据进行学习训练，得出任意两个轨迹点之间在不同路径方式以及不同时段情况下的路径可达速度；本方案基于人像结构化数据结合地图路网数据来对人像档案数据进行校准和治理，实现数据和算法的解耦，提升了人像聚档的准确性。
-
公开(公告)号：CN118035475A
公开(公告)日：2024-05-14
申请号：CN202410412631.8
申请日：2024-04-08
Applicant: 南京启数智能系统有限公司
Abstract: 本发明公开了一种海量图像轨迹数据质量优化方法及系统，包括以下步骤：S1，接入视频图像实时轨迹数据，并存入分布式消息队列中；S2，加载任务要求，生成作业图，并提交计算任务；S3，执行计算任务，完成数据合并后，将数据存储于分布式消息队列中；S4，根据配置信息，将数据存入质量分类库；本方法及系统有利于在进行海量图像轨迹数据质量优化过程中，统一数据处理算子和智能算法算子数据计算标准，从而减少图像轨迹数据计算、分类、处理环节中中间数据对接成本，另外，统一算子计算标准还有利于提高数据计算、分类的准确性。
-
公开(公告)号：CN114037941A
公开(公告)日：2022-02-11
申请号：CN202111390107.8
申请日：2021-11-22
Applicant: 南京启数智能系统有限公司
Abstract: 本发明公开针对视频目标属性进行算法多数据交叉验证补全的方法和装置。步骤为：由视频/图片对接模块对接视频流或图片流来进行目标对象的提取和检测；将上述输出的图片流输出给多算法调度模块，分别将图片流数据分发至多个算法引擎，由各个算法引擎模块对图片流数据进行特征提取和属性分析，并按算法维度分别输出结果；由数据分析模块对上述输出结果进行统一标准化，进行各属性值的对比分析，对不同算法之间属性一致性进行判断，对于非空输出的属性值，将一致的属性直接作为结果输出。本发明解决了单一算法场景下识别准确度不高的问题，从而提高属性值数据的准确性和完整性；利用历史准确的数据来完成数据验证来补全，代价不高，效果好。
-
公开(公告)号：CN118015661B
公开(公告)日：2024-06-21
申请号：CN202410413396.6
申请日：2024-04-08
Applicant: 南京启数智能系统有限公司
IPC: G06V40/10 , G06V20/70 , G06V10/762 , G06V10/764 , G06V10/778 , G06V10/774
Abstract: 本发明公开了一种基于随机森林算法的人像视图档案准确性检测方法，包括以下步骤：获取人像视图档案，人工标注人像视图档案是否正确，标注完成后对人像视图档案进行清洗、特征处理和增减；对处理后的数据进行向量化处理，并获得数据集；将数据集划分为训练集和测试集，并对训练集进行循环的训练，至随机森林模型能够对训练集训练的结果在预设范围内；然后再对随机森林模型进行验证，若随机森林模型的验证结果在预期范围内，则随机森林模型训练结束，反之将验证错的数据放至训练集，继续在训练集中对随机森林模型进行训练；本方法利用随机森林预测模型算法对人像视图档案进行聚类质量评估，分析出不同场景下不同算法的人像聚类准确性。
-
公开(公告)号：CN118015661A
公开(公告)日：2024-05-10
申请号：CN202410413396.6
申请日：2024-04-08
Applicant: 南京启数智能系统有限公司
IPC: G06V40/10 , G06V20/70 , G06V10/762 , G06V10/764 , G06V10/778 , G06V10/774
Abstract: 本发明公开了一种基于随机森林算法的人像视图档案准确性检测方法，包括以下步骤：获取人像视图档案，人工标注人像视图档案是否正确，标注完成后对人像视图档案进行清洗、特征处理和增减；对处理后的数据进行向量化处理，并获得数据集；将数据集划分为训练集和测试集，并对训练集进行循环的训练，至随机森林模型能够对训练集训练的结果在预设范围内；然后再对随机森林模型进行验证，若随机森林模型的验证结果在预期范围内，则随机森林模型训练结束，反之将验证错的数据放至训练集，继续在训练集中对随机森林模型进行训练；本方法利用随机森林预测模型算法对人像视图档案进行聚类质量评估，分析出不同场景下不同算法的人像聚类准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.062 seconds)
