CN111915848B - 一种铁路工务防洪减灾监测报警装备 - Google Patents
一种铁路工务防洪减灾监测报警装备 Download PDFInfo
- Publication number
- CN111915848B CN111915848B CN202010830934.3A CN202010830934A CN111915848B CN 111915848 B CN111915848 B CN 111915848B CN 202010830934 A CN202010830934 A CN 202010830934A CN 111915848 B CN111915848 B CN 111915848B
- Authority
- CN
- China
- Prior art keywords
- camera
- equipment
- electrically connected
- server
- power supply
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 230000009467 reduction Effects 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000010365 information processing Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 241000256626 Pterygota <winged insects> Species 0.000 claims description 2
- 230000002633 protecting effect Effects 0.000 claims description 2
- 230000008093 supporting effect Effects 0.000 claims description 2
- 230000009545 invasion Effects 0.000 abstract description 3
- 239000011435 rock Substances 0.000 description 5
- 238000006424 Flood reaction Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种铁路工务防洪减灾监测报警装备，包括监测点设备、中心机房设备和终端显示设备，中心机房设备分别与监测点设备和终端显示设备电连接，监测点设备将获取的画面信息数据传递给中心机房设备，然后经过中心机房设备处理后在终端显示设备上进行显示。本发明所提供的一种铁路工务防洪减灾监测报警装备，能实时监测并处理多个监测点的多台高清网络摄像机，实现了对铁路限界内的人员和列车识别。本发明实现了铁路限界内山体滑坡、泥石流和异物侵入的检测、识别与跟踪，解决了恶劣天气情况下准确识别异物的问题。
Description
技术领域
本发明属于计算机图像处理技术领域，具体涉及一种铁路工务防洪减灾监测报警装备。
背景技术
现有的简单的铁路限界内异物检测一般采用防护电缆结合视频监控完成防护。首先，需要将电缆安装在防护网上，正常情况下，电缆正常运行。但是当异物入侵铁轨时，防护网上的电缆因为异物的到来而被切断，引发报警装置启动，这时需要人工通过视频监控确认是否需要报警。现有技术中基于目标的分类和行为分析结合的异物侵限检测方法首先利用帧差法得到异物目标，然后通过支持向量机对差分目标进行分类，根据分类结果排除列车作为干扰目标，同时利用Kalman滤波器进行预测跟踪，结合行为分析完成铁路异物侵限检测。只有在异物损坏电缆的情况下才能够检测出侵限异物，因此需要足够大的目标，同时辅助视频进行确认，效率较低，可靠性较差，智能化程度不高。同时算法分类过程计算量偏大，并且对于异物目标融入背景情况无法判断。
发明内容
本发明的目的是解决上述问题，提供一种结构简单，使用方便，制造成本较低的铁路工务防洪减灾监测报警装备。
为解决上述技术问题，本发明的技术方案是：一种铁路工务防洪减灾监测报警装备，包括监测点设备、中心机房设备和终端显示设备，中心机房设备分别与监测点设备和终端显示设备电连接，监测点设备将获取的画面信息数据传递给中心机房设备，然后经过中心机房设备处理后在终端显示设备上进行显示。
优选地，所述监测点设备包括摄像机、补偿光源、监测点信息处理装置、外部电源、立杆和立杆底座，外部电源与补偿光源电连接；摄像机安装在立杆上，立杆的底部与立杆底座固连，摄像机用于监控轨道周边环境并将收集到的画面通过监测点信息处理装置的处理后，再传递给中心机房设备；补偿光源为需要监控的地方提供光照，提高摄像机获取画面的能见度。
优选地，所述监测点信息处理装置包括设备箱，设备箱内部安装有4G路由器、交换机、工控机、工控机电源、摄像机电源、空气开关和远控开关；摄像机电源与摄像机电连接，空气开关和远控开关安装在摄像机电源与摄像机相连的电线上，工控机电源与工控机电连接；4G路由器与交换机的端口电连接，交换机的端口与工控机电连接，工控机与摄像机电连接，摄像机拍摄到的画面通过工控机进行处理后，通过4G路由器发送到中心机房设备。
优选地，所述设备箱为中空的箱体机构，设备箱内部通过隔板进行分层，从上到下每层放置的设备为：4G路由器与交换机为同一层，工控机为一层，工控机电源为一层，摄像机电源与空气开关为一层，远控开关为一层。
优选地，所述摄像机电源与摄像机之间相连的电线上设有接线端子，接线端子的一端与摄像机电源电连接，另一端与空气开关电连接，空气开关的另一端通过电线与摄像机电连接。
优选地，所述中心机房设备包括服务器、磁盘阵列和机柜，服务器和磁盘阵列电连接，服务器和磁盘阵列位于机柜内部，机柜为服务器和磁盘阵列提供支撑和保护作用，服务器用于管理4G路由器发来的信息并存储在磁盘阵列上，服务器与终端显示设备电连接。
优选地，所述机柜为中空且分层结构，服务器和磁盘阵列分层放置在机柜内部。
优选地，所述终端显示设备包括终端主机、终端显示器和声光报警器，终端主机分别与服务器和终端显示器电连接，终端主机访问服务器后，将摄像机捕捉的画面信息通过终端显示器进行可视化展示；声光报警器与服务器电连接，声光报警器用于对摄像机捕捉到的危险画面信息，在服务器分析处理后进行声音和光的提示，提醒工作人员处理报警信息。
本发明的有益效果是：本发明所提供的一种铁路工务防洪减灾监测报警装备，能实时监测并处理多个监测点的多台高清网络摄像机，实现了对铁路限界内的人员和列车识别。本发明实现了铁路限界内山体滑坡、泥石流和异物侵入的检测、识别与跟踪，解决了恶劣天气情况下准确识别异物的问题。
附图说明
图1是本发明一种铁路工务防洪减灾监测报警装备的原理图；
图2是本发明设备箱内部结构示意图；
图3是本发明监测点信息处理流程图；
图4是本发明服务器软件框架图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明：
如图1到图4所示，本发明提供的一种铁路工务防洪减灾监测报警装备，包括监测点设备、中心机房设备和终端显示设备，中心机房设备分别与监测点设备和终端显示设备电连接，监测点设备将获取的画面信息数据传递给中心机房设备，然后经过中心机房设备处理后在终端显示设备上进行显示。
监测点设备主要完成各种天气、季节条件下铁路沿线、边坡等高清视频流的采集，并通过AI学习的方式智能识别洪水、塌方、落石、泥石流、滑坡、异物侵限等情况，预警信息实时上传。
监测点设备包括摄像机、补偿光源、监测点信息处理装置、外部电源、立杆和立杆底座，外部电源与补偿光源电连接。摄像机安装在立杆上，立杆的底部与立杆底座固连，摄像机用于监控轨道周边环境并将收集到的画面通过监测点信息处理装置的处理后，再传递给中心机房设备；补偿光源为需要监控的地方提供光照，提高摄像机获取画面的能见度。立杆底座与地面固连，立杆底座对立杆起到固定作用，能够确保立杆在使用过程中不发生晃动等危险情况出现。
监测点信息处理装置包括设备箱，设备箱内部安装有4G路由器、交换机、工控机、工控机电源、摄像机电源、空气开关和远控开关；摄像机电源与摄像机电连接，空气开关和远控开关安装在摄像机电源与摄像机相连的电线上，工控机电源与工控机电连接；4G路由器与交换机的端口电连接，交换机的端口与工控机电连接，工控机与摄像机电连接，摄像机拍摄到的画面通过工控机进行处理后，通过4G路由器发送到中心机房设备。
设备箱为中空的箱体机构，设备箱内部通过隔板进行分层，从上到下每层放置的设备为：4G路由器与交换机为同一层，工控机为一层，工控机电源为一层，摄像机电源与空气开关为一层，远控开关为一层。在本实施例中，4G路由器、交换机、工控机、工控机电源、摄像机电源、空气开关和远控开关均为现有成熟技术设备。
摄像机电源与摄像机之间相连的电线上设有接线端子，接线端子的一端与摄像机电源电连接，另一端与空气开关电连接，空气开关的另一端通过电线与摄像机电连接。
在本实施例中，摄像机、立杆、立杆底座、补偿光源和设备箱安装于野外铁路线路一侧的限界外，摄像机距离地面的高度为6～10米范围的距离。本申请中的摄像机为高清的网络摄像机，摄像机分布在各个防洪点，通过摄像机来实时获取防洪点的视频图像信息。补偿光源用于在环境光照不足的情况下，大多数为夜间情况时，为摄像机的监控提供光照补充。提高摄像机在夜晚监控的能见度，能够使整个设备达到昼夜监测的目的。立杆为圆柱体结构，立杆底座为混凝土制成的矩形结构，也可以为其它材料制成，用于固定立杆的底部。
工控机内部安装有低通/高通滤波器、SSD/YOLO行人车辆检测模块、GMM场景建模模块、DJRD雨雾处理模块、DNN模块和梯度场模块。在工作时监测点设备中通过高清摄像机采集数字视频信号形成视频流，然后通过工控机里面安装的软件，采用YOLOv3算法将视频流进行处理，YOLOv3算法为现有技术。即通过SSD/YOLO行人车辆检测模块，检测出画面中出现的行人或列车。视频流通过低通/高通滤波器模块保留小于/大于截止频率的信号，再通过GMM场景建模模块构建背景图像，检测铁路限界内每一帧动态变化的前景部分。再通过DJRD雨雾处理模块技术消除雨、雾、阴霾天气对图像质量的影响，将受天气影响的图像复原为比较清晰的图像。DNN模块为深度神经网络，通过应用深度神经网络对图像进行分析，并对飞虫进行过滤，再通过梯度场(gradient field)后进行是否告警判断，也可以通过外界指令进行是否告警判断。
中心机房设备包括服务器、磁盘阵列和机柜，服务器和磁盘阵列电连接，服务器和磁盘阵列位于机柜内部，机柜为服务器和磁盘阵列提供支撑和保护作用，服务器用于管理4G路由器发来的信息并存储在磁盘阵列上，服务器与终端显示设备电连接。机柜为中空且分层结构，服务器和磁盘阵列分层放置在机柜内部。
服务器软件通过网络连接多个监测点设备，然后建立web服务。满足终端对各管辖监测点设备远程实时监测(实时画面播放)、报警回放、报警视频服务器端存储、历史视频服务器端存储(可选)、站点管理、人员管理、报警处置管理等功能要求。
终端显示设备包括终端主机、终端显示器和声光报警器，终端主机分别与服务器和终端显示器电连接，终端主机访问服务器后，将摄像机捕捉的画面信息通过终端显示器进行可视化展示；声光报警器与服务器电连接，声光报警器用于对摄像机捕捉到的危险画面信息，在服务器分析处理后进行声音和光的提示，提醒工作人员处理报警信息。
本发明的进行图片识别的工作原理为：本申请利用神经网络系统，先提取经过雨雾处理模块技术后图像的特征，再利用图像所具有的特征映射到神经网络系统进行图像识别分类。当落石、人员等物体进入限界后，通过神经网络系统识别出入侵物体的类型。在对物体类型进行识别的过程中用到的技术是基于模板匹配算法和基于人工神经网络算法。在铁路工务防洪减灾监测报警装备中应用该算法对画面中出现的列车、人员、动物或其他异物进行识别。
为了能够准确识别到视频图像中出现的火车、行人和洪水，本申请利用深度学习目标检测、识别和跟踪技术，应用YOLOv3(一种目标检测与识别的算法)算法和Deep Sort(一种运动物体跟踪算法)算法，对视频中的目标进行识别与跟踪。这种技术的原理是使系统只对视频中火车、行人、洪水出现的第一帧图像进行检测和识别，下一帧图像运用跟踪算法，在图像中搜索、匹配与第一帧相同的深度学习模型，依次类推，直至跟踪不到目标。通过这种方式检测出监测视频中出现的火车、行人和洪水，并且可以在视频回放中得到它们的运动轨迹，技术可行且可靠。
本申请基于深度学习目标检测、识别的算法的识别步骤如下：
S1、获取输入的原始图片；
S2、使用选择性搜索算法(selective search)评估相邻图像之间的相似度，把相似度高的进行合并，并对合并后的区块打分，选出感兴趣区域的候选框，也就是子图；
S3、分别对子图使用卷积神经网络，进行卷积-relu-池化以及全连接等步骤，提取特征；
S4、对步骤S3提取的特征进行物体分类，保留分类准确率高的区块，以作为最终的物体定位区块。
落石等异物侵入的情况与火车和行人不同，往往体积更小，运动速度更快。处理异物侵入的情况利用运动目标检测与跟踪技术，应用ViBe(一种基于背景更新的前景检测算法)算法和Deep Sort算法。这种ViBe算法的原理是通过提取像素点周围的像素值及以前的像素值建立像素点的样本集，然后再将下一帧处的像素值与样本集中的像素值进行比较，判断像素点为前景像素点(落石等异物)还是背景像素点(既有的图像背景)。ViBe算法用于对运动目标检测，Deep Sort算法将检测到的运动目标进行跟踪，从而检测到图像中的落石等异物并得到完整的运动轨迹。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (3)
1.一种铁路工务防洪减灾监测报警装备，其特征在于：包括监测点设备、中心机房设备和终端显示设备，中心机房设备分别与监测点设备和终端显示设备电连接，监测点设备将获取的画面信息数据传递给中心机房设备，然后经过中心机房设备处理后在终端显示设备上进行显示；
所述监测点设备包括摄像机、补偿光源、监测点信息处理装置、外部电源、立杆和立杆底座，外部电源与补偿光源电连接；摄像机安装在立杆上，立杆的底部与立杆底座固连，摄像机用于监控轨道周边环境并将收集到的画面通过监测点信息处理装置的处理后，再传递给中心机房设备；补偿光源为需要监控的地方提供光照，提高摄像机获取画面的能见度；
所述监测点信息处理装置包括设备箱，设备箱内部安装有4G路由器、交换机、工控机、工控机电源、摄像机电源、空气开关和远控开关；摄像机电源与摄像机电连接，空气开关和远控开关安装在摄像机电源与摄像机相连的电线上，工控机电源与工控机电连接；4G路由器与交换机的端口电连接，交换机的端口与工控机电连接，工控机与摄像机电连接，摄像机拍摄到的画面通过工控机进行处理后，通过4G路由器发送到中心机房设备；
所述设备箱为中空的箱体机构，设备箱内部通过隔板进行分层，从上到下每层放置的设备为：4G路由器与交换机为同一层，工控机为一层，工控机电源为一层，摄像机电源与空气开关为一层，远控开关为一层；
所述摄像机电源与摄像机之间相连的电线上设有接线端子，接线端子的一端与摄像机电源电连接，另一端与空气开关电连接，空气开关的另一端通过电线与摄像机电连接；
工控机内部安装有低通/高通滤波器、SSD/YOLO行人车辆检测模块、GMM场景建模模块、DJRD雨雾处理模块、DNN模块和梯度场模块；在工作时监测点设备中通过高清摄像机采集数字视频信号形成视频流，然后通过工控机里面安装的软件，采用YOLOv3算法将视频流进行处理；即通过SSD/YOLO行人车辆检测模块，检测出画面中出现的行人或列车；视频流通过低通/高通滤波器模块保留小于/大于截止频率的信号，再通过GMM场景建模模块构建背景图像，检测铁路限界内每一帧动态变化的前景部分；再通过DJRD雨雾处理模块技术消除雨、雾、阴霾天气对图像质量的影响，将受天气影响的图像复原为比较清晰的图像；DNN模块为深度神经网络，通过应用深度神经网络对图像进行分析，并对飞虫进行过滤，再通过梯度场(gradient field)后进行是否告警判断，也可以通过外界指令进行是否告警判断；
所述中心机房设备包括服务器、磁盘阵列和机柜，服务器和磁盘阵列电连接，服务器和磁盘阵列位于机柜内部，机柜为服务器和磁盘阵列提供支撑和保护作用，服务器用于管理4G路由器发来的信息并存储在磁盘阵列上，服务器与终端显示设备电连接。
2.根据权利要求1所述的一种铁路工务防洪减灾监测报警装备，其特征在于：所述机柜为中空且分层结构，服务器和磁盘阵列分层放置在机柜内部。
3.根据权利要求1所述的一种铁路工务防洪减灾监测报警装备，其特征在于：所述终端显示设备包括终端主机、终端显示器和声光报警器，终端主机分别与服务器和终端显示器电连接，终端主机访问服务器后，将摄像机捕捉的画面信息通过终端显示器进行可视化展示；声光报警器与服务器电连接，声光报警器用于对摄像机捕捉到的危险画面信息，在服务器分析处理后进行声音和光的提示，提醒工作人员处理报警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010830934.3A CN111915848B (zh) | 2020-08-18 | 2020-08-18 | 一种铁路工务防洪减灾监测报警装备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010830934.3A CN111915848B (zh) | 2020-08-18 | 2020-08-18 | 一种铁路工务防洪减灾监测报警装备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915848A CN111915848A (zh) | 2020-11-10 |
| CN111915848B true CN111915848B (zh) | 2022-09-09 |
Family
ID=73279688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010830934.3A Active CN111915848B (zh) | 2020-08-18 | 2020-08-18 | 一种铁路工务防洪减灾监测报警装备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915848B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601945B (zh) * | 2022-10-18 | 2025-07-25 | 安徽理工大学 | 基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3235261B2 (ja) * | 1993-04-13 | 2001-12-04 | 松下電器産業株式会社 | 監視映像送信装置と監視映像受信装置 |
| JPH0955932A (ja) * | 1995-08-15 | 1997-02-25 | Fuji Electric Co Ltd | 異常監視装置の異常検出方法 |
| BRPI0817039A2 (pt) * | 2007-08-24 | 2015-07-21 | Stratech Systems Ltd | Sistema e método de vigilância de pista de pouso e decolagem |
| KR101004023B1 (ko) * | 2009-12-29 | 2010-12-31 | 한국지질자원연구원 | 광센서를 이용한 비접촉식 낙석 감지 장치 |
| CN101898567B (zh) * | 2010-04-07 | 2012-03-14 | 西南交通大学 | 基于智能视频的铁路异物侵限监控系统 |
| CN102354431B (zh) * | 2011-08-06 | 2013-01-16 | 河北省第一测绘院 | 地质灾害监测预警系统和监测预警方法 |
| JP5858741B2 (ja) * | 2011-11-15 | 2016-02-10 | キヤノン株式会社 | 自動追尾カメラシステム |
| CN103475872A (zh) * | 2013-10-02 | 2013-12-25 | 哈尔滨理工大学 | 基于云视觉的铁路异常物体检测装置 |
| CN105346565B (zh) * | 2015-09-29 | 2017-12-01 | 北京京天威科技发展有限公司 | 侵限智能监测系统及监控中心数据库 |
| CN205064241U (zh) * | 2015-10-16 | 2016-03-02 | 泰安市鑫源电子仪器有限公司 | 地面空压机集中控制监控装置 |
| CN208834176U (zh) * | 2018-09-17 | 2019-05-07 | 四川瑞新轨道交通科技发展有限公司 | 一种轨道交通安全检修远程智能监控综合管理系统 |
| CN109543533B (zh) * | 2018-10-22 | 2023-05-09 | 捻果科技(深圳)有限公司 | 一种用于机场作业人员管理的自动识别方法 |
| CN109360362A (zh) * | 2018-10-25 | 2019-02-19 | 中国铁路兰州局集团有限公司 | 一种铁路视频监控识别方法、系统和计算机可读介质 |
| CN208805912U (zh) * | 2018-10-26 | 2019-04-30 | 李军政 | 一种地质灾害监测预警装置 |
| CN110334612A (zh) * | 2019-06-19 | 2019-10-15 | 上海交通大学 | 具有自学习能力的电力巡检图像目标检测方法 |
| CN209881951U (zh) * | 2019-07-29 | 2019-12-31 | 铜仁学院 | 一种农林遥感监测装置 |
| CN210517896U (zh) * | 2019-08-26 | 2020-05-12 | 中铁电气化局集团有限公司 | 一种基于牵引变电所的智能网络监测装置 |
| CN111141335A (zh) * | 2020-02-25 | 2020-05-12 | 重庆大学 | 水质监测设备和水质检测方法 |
-
2020
- 2020-08-18 CN CN202010830934.3A patent/CN111915848B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915848A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109064755B (zh) | 基于四维实景交通仿真路况感知管理系统的路径识别方法 | |
| CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
| CN108491758B (zh) | 一种轨道检测方法及机器人 | |
| CN107229894B (zh) | 基于计算机视觉分析技术的智能视频监控方法及系统 | |
| CN112904778B (zh) | 一种基于多维信息融合的野生动物智能监测方法 | |
| CN110659546B (zh) | 一种违法摊位检测方法及装置 | |
| CN109164443A (zh) | 基于雷达及图像分析的铁路线路异物检测方法及系统 | |
| CN204129891U (zh) | 一种高铁沿线防入侵系统 | |
| JP3466169B2 (ja) | 道路や周辺施設等の管理システム | |
| CN104394361A (zh) | 行人越界智能监控装置与检测方法 | |
| CN207164939U (zh) | 基于目标位置信息融合的周界防入侵装置 | |
| JP6013923B2 (ja) | ビデオエピソードの閲覧及び検索のためのシステム及び方法 | |
| CN115600124A (zh) | 地铁隧道巡检系统及巡检方法 | |
| KR20210066296A (ko) | 도시 상태 모니터링 장치 및 방법 | |
| CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
| KR102440169B1 (ko) | 멀티센서 신호 융합과 ai 영상 분석을 통한 유효감지 정확도를 향상시킨 스마트 경계 시스템 | |
| CN116453278A (zh) | 一种深度学习智能检测与光纤振动传感结合的入侵监测方法 | |
| CN116597394A (zh) | 一种基于深度学习的铁路异物侵限检测系统及方法 | |
| CN113076821A (zh) | 一种事件的检测方法及装置 | |
| CN211630273U (zh) | 用于铁路环境的图像智能识别装置 | |
| CN115346157A (zh) | 入侵检测方法、系统、设备及介质 | |
| CN113534276A (zh) | 基于Faster R-CNN的铁路入侵行为检测方法 | |
| CN111915848B (zh) | 一种铁路工务防洪减灾监测报警装备 | |
| CN115205781A (zh) | 一种基于transformer的跨尺度目标检测方法及系统 | |
| US12437539B2 (en) | System and method for identifying activity in an area using a video camera and an audio sensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |