-
公开(公告)号：CN112329515B
公开(公告)日：2024-03-29
申请号：CN202010955738.9
申请日：2020-09-11
申请人： 博云视觉(北京)科技有限公司
摘要： 本发明属于交通拥堵事件检测领域，具体公开一种高点视频监控拥堵事件检测方法，针对架设高度在几十米的高点监控摄像头，利用人工标定监控摄像头拍摄的视频中的一帧图像的需要检测跟踪的道路ROI区域，并将ROI区域分割成若干分段ROI区域；基于传统的背景建模和前景检测技术和帧间差分方法检测ROI区域中的静止前景目标像素和运动前景目标像素，所述目标像素为车辆；计算单帧图像内的静止前景目标像素和运动前景目标像素的空间占有率；设定连续多帧图像为一个采样周期，计算采样周期内的静止车辆目标和运动车辆目标的空间占有率，并对采样周期内拥堵状态进行判断；最后进行长时域空间拥堵统计分析和判定拥堵事件。
-
公开(公告)号：CN112509338B
公开(公告)日：2022-02-22
申请号：CN202010955735.5
申请日：2020-09-11
申请人： 博云视觉(北京)科技有限公司
摘要： 本发明属于智慧交通领域，具体公开了一种静默式低点视频监控交通拥堵事件检测方法，适用于摄像头架设高度在5‑8米的情况，基于车辆数目、静缓比、空间占有率和目标重合率四个交通参数，对交通状况进行实时的短周期内的量化分级，对分级结果在时域内进行统计分析，最终判定是否发生交通拥堵事件可以做到交通拥堵事件的自动检测，并自动识别拥堵的严重程度。本发明可以取代人工巡检，实现自动化巡检，及时的发现拥堵事件，快速提醒，使得可以快速采取措施解决交通拥堵问题。
-
公开(公告)号：CN111062384A
公开(公告)日：2020-04-24
申请号：CN201911089593.2
申请日：2019-11-08
申请人： 博云视觉(北京)科技有限公司
摘要： 本发明公开了一种基于深度学习的车窗精确定位方法，步骤为：S1、在第一阶段中获取车辆车窗的大致定位框；S11、选取样本组，标定图片中车窗的角点坐标；S12、将图片和角点坐标保存为数据集；S13、将数据集输入第一阶段的深度卷积网络中提取特征图；S14、将特征图输入到BOX回归层得到车窗的大致定位框；S2、在第二阶段中获取车辆车窗的四个精确角点坐标；S21、将车窗大致定位框扩大；S22、截取扩大后候选框内的图片；S23、将角点坐标变换为相对于扩大后候选框的相对坐标；S24、将截取后的图片输入第二阶段的深度卷积网络中提取特征图，并转换为一个特征向量；S25、将特征向量输入到线性回归层得到车窗的精确角点坐标。
-
公开(公告)号：CN110826390A
公开(公告)日：2020-02-21
申请号：CN201910846916.1
申请日：2019-09-09
申请人： 博云视觉(北京)科技有限公司
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于人脸矢量特征的视频数据处理方法，包括以下步骤：S1、将监控视频输入人脸检测模型，人脸检测模型在监控视频中截取人脸区域图像；S2、通过跟踪链将同一人的人脸区域图像保存在同一文件下作为一个人脸ID；S3、对人脸ID内的重复人脸区域图像进行去除：S4、采用递归方式对多个人脸ID进行人脸ID聚类；S6、采用多级融合的方式对聚类后的重复人脸ID进行去重合并。本发明解决了监控场景中人脸ID内的图像冗余问题以及人脸跟踪连断裂造成的人脸ID重复问题；极大的提高了重复图像的检测准确率，减轻了人工处理的工作量。
-
公开(公告)号：CN117812263B
公开(公告)日：2024-05-07
申请号：CN202410232424.4
申请日：2024-03-01
申请人： 博云视觉(北京)科技有限公司
IPC分类号： H04N19/124 , H04N19/172 , G06T9/00
摘要： 本发明提供一种内存轻量级的多阶段向量乘积量化系统和方法，对原始向量进行切分形成初始的m个子向量，利用三种模式进行迭代切换，迭代过程最终都会随着偏移距离的不断减小进入终止模式，在终止模式前，迭代过程可能要经历单一码本模式或者正常迭代模式，正常迭代模式在满足中间态条件下可能转换成单一码本模式，进入到单一码本模式之后并不会在迭代中转回至正常迭代模式，实现多阶段向量乘积量化。本发明前期利用了多个分码本的形式进行向量量化，以“化整为零”的方式有效降低了系统内存的占用，而后期随着向量偏移距离的不断降低，在合适的时机转为单一码本，则使码本本身以及码本运算占用的内存进一步降低，与此有效实现了本发明所言“内存轻量级”的技术效果。
-
公开(公告)号：CN110619651B
公开(公告)日：2023-01-17
申请号：CN201910846973.X
申请日：2019-09-09
申请人： 博云视觉(北京)科技有限公司
摘要： 本发明公开了一种基于监控视频的行车道路分割方法，包括以下步骤：S1、通过监控摄像头获取道路监控视频；S2、使用运动目标检测方法对道路监控视频中的运动目标进行检测，得到运动目标掩码图像；S3、将道路监控视频以时间段序列长度分割为若干段分割结果掩码图，并将该时间段序列长度内的运动目标掩码图像输入到分割结果掩码图中；S4、检测每段分割结果掩码图最外层轮廓边界，统计轮廓边界内的像素数量，设置阈值剔除像素数量较小的连通域，得到形态学处理后的视频图像；S5、对视频图像设置长时间段的道路投票机制，剔除低频率的运动目标后输出行车道路掩码图。
-
公开(公告)号：CN112419750B
公开(公告)日：2022-02-22
申请号：CN202010954214.8
申请日：2020-09-11
申请人： 博云视觉(北京)科技有限公司
摘要： 本发明属于智慧交通领域，具体公开了一种静默式低点出口道溢出事件检测方法，适用于摄像头架设高度在5‑8米的情况，基于车辆数目、静缓比、空间占有率和目标重合率四个交通参数，对交通状况进行实时的短周期内的量化分级，对分级结果在时域内进行统计分析，最终判定是否发生出口道溢出事件可以做到交通拥堵事件的自动检测，并自动识别拥堵的严重程度。本发明可以取代人工巡检，实现自动化巡检，及时的发现拥堵事件，快速提醒，使得可以快速采取措施解决交通拥堵问题。
-
公开(公告)号：CN108921850A
公开(公告)日：2018-11-30
申请号：CN201810336591.8
申请日：2018-04-16
申请人： 博云视觉(北京)科技有限公司
IPC分类号： G06T7/10
摘要： 本发明公开了一种基于图像分割技术的图像局部特征的提取方法，包括以下步骤：1、构建图像分割模型；2、图像输入CNN网络，获得多层的特征图，在经过多个卷积层及池化降采样之后，得到了特征图以及对应每张特征图降采样时原本像素所在位置的信息；3、将特征图通过上采样模块向上采样，重新将像素分配到原本的位置；4、对新产生的特征图上每个像素位置计算softmax损失；5、不断迭代上述过程，直到回传的损失值小到接受范围内，完成图像分割模型的构建与训练的过程；6、通过训练特征提取网络完成图像局部特征的提取。本发明可以实现不同程度的精准检索，精准定位目标以及目标部位，从而提取关键部位特征进行细致的特征比对。
-
公开(公告)号：CN112509338A
公开(公告)日：2021-03-16
申请号：CN202010955735.5
申请日：2020-09-11
申请人： 博云视觉(北京)科技有限公司
摘要： 本发明属于智慧交通领域，具体公开了一种静默式低点视频监控交通拥堵事件检测方法，适用于摄像头架设高度在5‑8米的情况，基于车辆数目、静缓比、空间占有率和目标重合率四个交通参数，对交通状况进行实时的短周期内的量化分级，对分级结果在时域内进行统计分析，最终判定是否发生交通拥堵事件可以做到交通拥堵事件的自动检测，并自动识别拥堵的严重程度。本发明可以取代人工巡检，实现自动化巡检，及时的发现拥堵事件，快速提醒，使得可以快速采取措施解决交通拥堵问题。
-
公开(公告)号：CN112347842A
公开(公告)日：2021-02-09
申请号：CN202010954212.9
申请日：2020-09-11
申请人： 博云视觉(北京)科技有限公司
摘要： 本发明公开了一种基于关联图的离线人脸聚类方法，包括：获取待聚类人脸图片；利用已训练好的卷积神经网络模型对待聚类人脸图片提取人脸特征；采用KNN算法对人脸特征构建K邻近相邻节点集合；自适应计算K邻近相邻节点集合的聚类阈值；基于相邻节点构建各节点关联图并进行迭代类别聚合；基于投票机制进行多标签清洗和节点重聚类。本发明通过提出的动态K邻近相邻节点集合构建以及分类标签的动态更新技术可以在大幅提升计算效率的同时将计算资源的使用降到最低。本发明可在高度并行化基础上，实现60分钟内完成针对百万量级的人脸图像的聚类，并且无遗漏地赋予每个人脸图像唯一类别的标签。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.043 秒)
