“安徽鹰觉科技有限公司”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6个，建议您升级VIP下载更多相关专利

[发明专利]基于边缘计算的水面监控告警系统和方法、介质-CN202110687491.1在审
发明人：林德银;邬营波;王林 -专利权人：上海鹰觉科技有限公司;安徽鹰觉科技有限公司
申请日： 2021-06-21 - 公布日： 2021-09-28 - 主分类号： H04N7/18 文献下载
摘要：本发明提供了一种基于边缘计算的水面监控告警系统，包括：云计算中心汇总所有数据的处理并提供远程计算，与云管理中心进行交互；云管理中心提供所有水域监控业务服务，并对整个下级系统具有管理调度权限；雾节点设置在所述前端站点组成的局域组网，对局域组网的数据进行综合计算分析和处理；多个前端站点共同组成一个局域网络相互进行数据共享。本发明还提供了一种基于边缘计算的水面监控告警方法。本发明采用基于边缘计算并且云边共存以及局域网内组合雾节点的方式，使得各个水域站点监控告警时延、故障率均得到降低，极大提高告警准确率，边缘节点差异化训练更新模型，解决由于地域不同，案件情形差异较大，同一模型不适用所有地域问题。
基于边缘计算水面监控告警系统方法介质

[发明专利]航迹存储与检索方法、系统、设备及计算机存储可读介质-CN202110449955.5在审
发明人：林德银;孙林;王林 -专利权人：上海鹰觉科技有限公司;安徽鹰觉科技有限公司
申请日： 2021-04-25 - 公布日： 2021-07-27 - 主分类号： G06F16/21 文献下载
摘要：本发明提供了一种航迹存储与检索方法，包括如下步骤：步骤S1：数据采集端通过数据采集器收集航迹数据；步骤S2：通过分布式日志接收服务把航迹数据接入到分布式数据总线中；步骤S3：分布式数据总线通过分区管理数据，分布式数据总线通过消费者组和偏移量记录大数据计算引擎使用数据的情况；步骤S4：通过大数据计算引擎读取分布式数据总线中的数据进行数据融合并统一数据记录目标；步骤S5：融合并统一后的数据存储到分布式搜索引擎中；步骤S6：将存储到分布式搜索引擎的数据通过时间及空间叠加过滤，并且自定义数据精度获取详细航迹及抽样航迹。本发明基于时间空间叠加的航迹过滤算法，可以自定义航迹精度，能做到毫秒级检索历史航迹数据。
航迹存储检索方法系统设备计算机可读介质

[发明专利]火焰识别方法及系统、装置、介质-CN202110460907.6在审
发明人：林德银;吕朱华;王林 -专利权人：上海鹰觉科技有限公司;安徽鹰觉科技有限公司
申请日： 2021-04-27 - 公布日： 2021-07-27 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种火焰识别方法，包括如下步骤：步骤S1：获取火焰静态或动态图像；步骤S2：对收集火焰静态或动态图像进行预处理；步骤S3：对预处理好的火焰静态或动态图像进行分割；步骤S4：对分割后的火焰图像或视频进行特征提取；步骤S5：对火焰静态或动态图像进行火焰识别。本发明啊还提供了一种火焰识别系统和装置。本发明通过对火焰进行多维度识别及分析，可对重点防火区域进行监控，解决了在复杂环境下火焰识别准确率低、误报率高的问题，提高对火焰快速处理等问题，在实际生产生活中有着广阔的使用前景。
火焰识别方法系统装置介质

[发明专利]基于深度学习的船舶分类识别方法-CN202010941991.9在审
发明人：林德银;吕朱华;孙林;王林;沈建军 -专利权人：上海鹰觉科技有限公司;安徽鹰觉科技有限公司
申请日： 2020-09-09 - 公布日： 2021-01-05 - 主分类号： G06K9/40 文献下载
摘要：本发明提供了一种基于深度学习的船舶分类识别方法，包括：步骤1：收集船舶图片；步骤2：对收集的船舶图片进行标注、分类，确定船舶图片种类和图片数量，并分配为训练样本和测试样本；步骤3：对标注的船舶图片进行预处理；步骤4：建立深度学习神经网络模型，对经过预处理的船舶图片进行模型训练并对模型进行保存；步骤5：基于训练后的模型进行船舶分类。本发明可以解决在水面复杂环境下人工对各种船舶进行识别强度大、准确率低等问题，对打击海上犯罪活动具有指导作用，在水面复杂环境下进行各种船舶分类识别具有很好的使用场景，提高的识别效率和准确性。
基于深度学习船舶分类识别方法

[发明专利]基于深度学习的船舷号位置定位方法及系统-CN202010942031.4在审
发明人：林德银;王林;孙林 -专利权人：上海鹰觉科技有限公司;安徽鹰觉科技有限公司
申请日： 2020-09-09 - 公布日： 2021-01-05 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于深度学习的船舷号位置定位方法及系统，包括：S1：数据收集，获取带有船舷号信息的图片；S2：通过标注软件对船舷号图片中船舷号的位置进行标注；S3：建立深度学习神经网络和目标识别模型，将标注的船舷号图片作为输入对目标识别模型进行训练，识别船舷号在图片中的位置坐标；S4：基于港口监控摄像头视频，利用图片去雾、图片增强技术，对低亮度、有水雾及模糊图片进行处理；S5：把处理后图片输入到深度学习神经网络中，进行船舷号位置预测和定位识别，获得船舷号位置坐标。本发明能识别并定位多目标船舷号位置定位,在港口复杂环境有很好的适用场景。
基于深度学习船舷位置定位方法系统

[发明专利]基于深度学习的船牌识别方法及系统-CN202010943214.8在审
发明人：林德银;邬营波;孙林;王林;钱亮 -专利权人：上海鹰觉科技有限公司;安徽鹰觉科技有限公司
申请日： 2020-09-09 - 公布日： 2021-01-05 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于深度学习的船牌识别方法及系统，包括以下步骤：数据采集步骤：通过光电采集设备采集到包含船只的图片；标记训练集步骤：对图片中船牌的文字内容进行标记，形成数据训练集；图片处理步骤：将标记过的图片通过灰度、增强等处理后，凸显其文本内容的边界特征；文字区域检测步骤：采用CTPN(一种文字检测网络)网络模型检测出船牌文字区域，输出结果作为下一步文字识别网络的输入使用；训练文字识别模型步骤：基于深度学习网络，使用划分好的数据集进行训练，获得预测模型；文字矫正处理步骤：分别对文字区域和字体进行倾斜矫正；预测船牌步骤：将矫正处理后的文字区域图片输入预测模型进行识别，输出船牌文字内容。
基于深度学习识别方法系统