“吴闽帆”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果32个，建议您升级VIP下载更多相关专利

[发明专利]一种道路阻碍事件的监控方法及终端-CN202310696598.1在审
发明人： 吴闽帆;戴诗琪;吴弘毅;刘添强;林永清 -专利权人：四创科技有限公司
申请日： 2023-06-13 - 公布日： 2023-10-20 - 主分类号： G06V20/54 文献下载
摘要：本发明提供一种道路阻碍事件的监控方法，包括步骤：获取监控画面，进行事件目标物检测并建立事件区域；利用图像算法对事件区域进行目标物提取并生成阻塞区域；将阻塞区域转换到世界坐标系；在世界坐标系中结合道路环境评估阻塞区域对道路交通影响程度；本发明兼容各类道路阻碍事件的目标检测和图像分割计算，避免进行摄像头参数设定等复杂操作，即可基于图像算法构建监控画面和真实世界平面的映射关系，实现阻碍事件对交通障碍影响的评估，提升本方法在应用中的覆盖面和实用性。
一种道路阻碍事件监控方法终端

[发明专利]一种水质污染溯源方法及终端-CN202310621848.5在审
发明人：刘添强;吴弘毅;林永清;戴诗琪;吴闽帆 -专利权人：四创科技有限公司
申请日： 2023-05-30 - 公布日： 2023-08-25 - 主分类号： G06Q10/063 文献下载
摘要：本发明公开一种水质污染溯源方法及终端，建立目标流域的水质污染知识图谱，基于水质污染知识图谱、监测站点和上下游关系构建溯源网络，获取每一监测站点的污染物指标，当其超过预设浓度，则将监测站点确定为异常监测站点，并生成与异常监测站点对应的水质污染事件，基于溯源网络对水质污染事件进行溯源，通过结合水质污染知识图谱使溯源网络能够对各异常监测站点实现自适应推断，从现有的污染水段定位改为具体的污染源定位，从而提高了溯源精度，即便是复杂的湖泊水环境污染也可实现高精度溯源。
一种水质污染溯源方法终端

[发明专利]一种水质污染事件溯源方法及终端-CN202310621881.8在审
发明人：刘添强;吴弘毅;林永清;戴诗琪;吴闽帆 -专利权人：四创科技有限公司
申请日： 2023-05-30 - 公布日： 2023-08-25 - 主分类号： G06Q50/06 文献下载
摘要：本发明公开一种水质污染事件溯源方法及终端，当监测到污染事件后，将监测站点确定为目标水质断面，通过获取目标水质断面的污染曲线，并计算与目标水质断面对应的污染路径污染曲线、面源污染曲线以及内源污染曲线，计算每条污染路径在污染事件中的污染主导概率，基于污染主导概率确定污染源，考虑了多源水质污染，且简单、有效地定位污染源，从而实现污染事件源精准且快速的定位。
一种水质污染事件溯源方法终端

[发明专利]基于图像语义信息的抛物识别方法-CN201910658986.4有效
发明人：单森华;吴闽帆;戴诗琪;陈佳佳 -专利权人：四创科技有限公司
申请日： 2019-07-22 - 公布日： 2023-05-30 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种基于图像语义信息的抛物识别方法，提供一识别系统包括轨迹识别模块、图像语义信息生成模块和轨迹和语义信息分析模块，包括以下步骤：步骤S1：将待识别视频输入轨迹识别模块，得到轨迹信息，并判断是否为可疑行为，若为可疑行为则将图像序列传送至图像语义信息生成模块；步骤S2:图像语义信息生成模块深度神经网络对图像序列进行目标物分析，得到目标物信息；步骤S3：语义信息分析模块根据轨迹信息和目标物信息，进行合理性分析，若判断为发现丢垃圾的行为，则将图像序列保存。本发明结合图像语义信息和轨迹信息，能够准确的判断抛物行为是否违规，且能够避免传统方法在目标物移动的场景下的误判。
基于图像语义信息识别方法

[发明专利]一种知识图谱动态更新方法及其终端-CN202310074337.6在审
发明人：吴弘毅;林永清;刘添强;戴诗琪;吴闽帆 -专利权人：四创科技有限公司
申请日： 2023-01-16 - 公布日： 2023-05-12 - 主分类号： G06F16/36 文献下载
摘要：本发明公开一种知识图谱动态更新方法及其终端，包括以下步骤：S1、更新数据源并捕获更新信息，将捕获的所述更新信息存入消息队列；S2、提取所述更新信息，并清洗和筛选数据，将数据映射到实体关系中；S3、根据所述实体关系更新知识图谱，判断是否更新成功；S4、若更新失败，则将更新失败的数据存入重试队列，并重复执行步骤S2、S3，直至更新成功，完成知识图谱的更新。从而避免更新过程中产生延迟，并且使得所有数据只需要处理一次，同时也不会遗漏或重复抽取内容，进一步地适用于需要低延迟更新知识图谱的场景中。
一种知识图谱动态更新方法及其终端

[发明专利]一种基于视频监控的道路积水检测方法及终端-CN202211696566.3在审
发明人： 吴闽帆;林永清;戴诗琪;吴弘毅 -专利权人：四创科技有限公司
申请日： 2022-12-28 - 公布日： 2023-04-18 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于视频监控的道路积水检测方法及终端，获取道路监控画面图片，对道路监控画面图片检测获取行人和车辆的矩形框信息；根据行人或车辆的矩形框信息内积水淹没行人或车辆的部位对矩形框底部中心位置的积水等级进行分类得到矩形框位置的积水深度参考信息；对道路监控画面图片进行水面区域识别，以得到积水轮廓信息；对积水轮廓信息和积水深度参考信息采用逆透视变换关系矩阵进行变换，得到逆透视变换图像上的积水轮廓信息和积水深度参考信息；根据逆透视变换图像上的积水轮廓信息和积水深度参考信息，统计每块积水的轮廓、最大参考深度和真实面积作为积水信息。
一种基于视频监控道路积水检测方法终端

[发明专利]一种基于spark的异频时序推荐方法及系统-CN202211688707.7在审
发明人：林永清;徐能通;单森华;戴诗琪;吴闽帆;吴弘毅;刘添强 -专利权人：四创科技有限公司
申请日： 2022-12-27 - 公布日： 2023-04-11 - 主分类号： G06F16/9537 文献下载
摘要：本发明涉及一种基于spark的异频时序推荐方法，包括：将时序数据集分发至集群；集群计算时序数据集中两两时序数据之间的相似度；选取与目标时序数据相似度最高的n个时序数据作为推荐结果。
一种基于 spark 时序推荐方法系统

[发明专利]一种基于深度学习的检测水域岸线变化的方法-CN201910898713.7有效
发明人：单森华;陈佳佳;吴闽帆;戴诗琪;林永清;庄自成 -专利权人：四创科技有限公司
申请日： 2019-09-23 - 公布日： 2023-04-07 - 主分类号： G06V20/00 文献下载
摘要：本发明涉及一种基于深度学习的检测水域岸线变化的方法，首先，建立水域岸线变化数据集；将两张水域岸线变化的图像分别输入至ResNet 101特征提取器中，分别得到特征映射图A1和特征映射图A2；然后，按通道深度作连接操作，之后再做的卷积操作，得到特征映射图B；再分别做、、和最大池化操作，分别得到特征映射图C1、C2、C3和C4；再分别作卷积操作，分别得到特征映射图D1、D2、D3和D4；最后，分别作双线性插值上采样操作及按通道深度作连接操作，得到特征映射图F；将特征映射图F作卷积操作即得到最终的水域岸线变化结果掩膜分割图。本发明实现对水域岸线的自动化实时监测，极大地提升了河道监管的全面性和可实现性。
一种基于深度学习检测水域变化方法

[发明专利]一种融合深度学习与区域分割的遥感影像变化检测方法-CN201911123130.3有效
发明人：单森华;戴诗琪;吴闽帆;陈佳佳 -专利权人：四创科技有限公司
申请日： 2019-11-16 - 公布日： 2023-04-07 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种融合深度学习与区域分割的遥感影像变化检测方法，包括以下步骤：1）对前、后时相的两幅遥感影像进行自动配准；2）对前后时相影像进行分块裁切，得到前时相影像集和后时相影像集；3）分别对前、后时相影像集的每块影像的每个像素进行地物分类；4）分别对前、后时相影像集进行区域分割；5）融合分类图和分割图；6）对前、后时相影像集的分类图集分别按坐标信息拼接回原影像尺寸，形成前时相影像的最终分类图和后时相影像的最终分类图；7）按地物类别对两幅影像和分别进行差值处理，得到变化的区域；8）去掉细小区域，过滤掉过小的变化，并对边缘进行平滑处理，得到变化检测结果。该方法有利于提高遥感影像变化检测的精度。
一种融合深度学习区域分割遥感影像变化检测方法

[发明专利]基于孪生网络的水面漂浮物检测的方法-CN201911305517.0有效
发明人：单森华;陈佳佳;吴闽帆;戴诗琪;林永清;庄自成 -专利权人：四创科技有限公司
申请日： 2019-12-18 - 公布日： 2023-04-07 - 主分类号： G06V20/60 文献下载
摘要：本发明涉及一种基于孪生网络的水面漂浮物检测的方法，包括以下步骤：步骤S1:截取待测水面漂浮物的视频内两张图片，并作为输入图像INPUT A和输入图像INPUT B；步骤S2:将两张输入图像分别输入至特征提取器中，作特征提取卷积操作，并得到各自对应的多层特征映射图;步骤S3:创建特征映射层,并根据多层特征映射图，得到各自对应的原始特征映射；步骤S4:将得到的原始特征映射图，分别对应地按通道深度作连接操作，后再对得到的连接操作结果分别做卷积操作，得到特征映射图；步骤S5:通过PRN以及R‑CNN技术，根据得到的特征映射图分别作区域推荐、分类及框坐标回归操作，得到检测结果。本发明利用PRN以及R‑CNN技术，自动地完成对水面漂浮物的检测，误检率低，应用广。
基于孪生网络水面漂浮检测方法

[发明专利]一种基于图像语义分割的水尺识别方法-CN201911128971.3有效
发明人：单森华;庄自成;吴闽帆;戴诗琪;陈佳佳;林永清 -专利权人：四创科技有限公司
申请日： 2019-11-18 - 公布日： 2023-04-07 - 主分类号： G06V10/25 文献下载
摘要：本发明涉及一种基于图像语义分割的水尺识别方法，包括以下步骤：步骤S1:采集水尺图像样本，并进行预处理；步骤S2:构建水尺语义分割模型，并预训练；步骤S3:训练水尺语义分割模型，并微调得到最佳水尺语义分割模型；步骤S4:对待识别水尺图像进行ROI截取与预处理；步骤S5:生成掩膜图片；步骤S6:筛选出最终的水尺候选区域；步骤S7:采用Canny算子进行边缘检测，获得候选区域边缘的点，之后区分出上下左右四条边的候选点，并使用基于Ransac的直线拟合算法，分别拟合出上下左右四条边；步骤S8:将识别出的水尺区域与识别出的水尺读数位置投射到原图像中,并计算得到的实际水尺刻度。本发明利用远程水尺监控图像，识别出水尺水位进而计算出图像水域当前水位。
一种基于图像语义分割水尺识别方法

[发明专利]一种基于BERT的水生态环境问题分类及挖掘的方法与终端-CN202211257419.6在审
发明人：林永清;徐能通;黄水木;单森华;戴诗琪;吴闽帆;吴弘毅;刘添强 -专利权人：四创科技有限公司
申请日： 2022-10-14 - 公布日： 2023-01-17 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于BERT的水生态环境问题分类及挖掘的方法与终端，采集互联网上与目标区域水生态环境相关的目标数据，并进行数据清洗和存储；提取目标数据的地理信息和时间信息，并通过训练好的BERT模型对目标数据根据问题标签进行分类；根据分类结果以及各数据的时间信息和地理信息进行统计归纳，得到目标区域存在的水生态问题情况；本发明能够有效反映目标区域的水生态环境情况，并分析出其中存在的问题，能够帮助分类和挖掘目标区域所存在的水生态环境问题，且借助网络媒体的实时内容，时效性更强，覆盖范围更广，能够帮助决策者更早的发现水生态、环境污染问题，节约了成本。
一种基于 bert 水生环境问题分类挖掘方法终端

[发明专利]一种基于时空动态算子的水面漂浮物检测方法-CN201811540575.7有效
发明人：单森华;戴诗琪;吴闽帆;徐能通 -专利权人：四创科技有限公司
申请日： 2018-12-15 - 公布日： 2022-10-14 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于时空动态算子的水面漂浮物检测方法。利用水体波动不同于漂浮物漂浮呈现出的规律性、周期性，分别提取水体和漂浮物在时间上的频域变化信号和在空间上的局部二值特征，训练识别漂浮物和水体的随机森林分类器，而后基于随机森林分类器检测水面上的漂浮物。本发明能够智能区分漂浮物和水体，节省了大量的人力物力资源。
一种基于时空动态算子水面漂浮检测方法

[发明专利]一种识别向河道内倾倒污水的实时视频监控方法-CN201811565986.1有效
发明人：单森华;吴闽帆;戴诗琪;张火炬 -专利权人：四创科技有限公司
申请日： 2018-12-20 - 公布日： 2022-10-14 - 主分类号： G06V20/52 文献下载
摘要：本发明涉及一种识别向河道内倾倒污水的实时视频监控算法，目标是捕捉液体（目标物体）在向河道内泼洒行为中飞行的过程，结合河道区域（目标区域）来判定发生了向河道倾倒液体的行为。由于液体不是刚体，无法利用形状、大小、颜色等建立起前后帧的联系，所以不对具体物体进行跟踪，而是对所有区域进行扫描判断，利用空间上和时间上的局部整体一致性来解决水体和刚性物体在空中飞行落下过程区别带来的识别困难问题。本发明计算量小，复杂度可控，轻松做到实时的识别。
一种识别河道倾倒污水实时视频监控方法

[发明专利]基于深度学习的水尺E字形刻度识别方法-CN201910681936.8有效
发明人：单森华;陈佳佳;吴闽帆;戴诗琪;林永清 -专利权人：四创科技有限公司
申请日： 2019-07-26 - 公布日： 2022-10-14 - 主分类号： G06V10/22 文献下载
摘要：本发明涉及一种基于深度学习的水尺E字形刻度识别方法，包括以下步骤：步骤S1：采集水尺图片，并进行标注处理，得到水尺数据集；步骤S2：提取水尺标度E字形数据集；步骤S3:提取水位线数据集；步骤S4:构建以ResNe101为特征提取器的Faster RCNN，并预训练；步骤S5:根据水尺数据集和水尺标度E字形数据集分别训练预训练后的Faster RCNN；步骤S6:构建水位线神经网络模型，并使用水位线数据线进行训练；步骤S7:将待测水尺图片依次输入第一Faster RCNN和第二Faster RCNN，得到水尺上每个完整标度E字形的预测框数据；步骤S8:将得到的水尺上每个完整标度E字形的预测框数据输入训练后的水位线神经网络模型，计算得到水位高度。
基于深度学习水尺字形刻度识别方法

1
2
3
下一页»
尾页
共 32 条