Plataforma de supervisión inteligente de vídeo y Teledetección de múltiples fuentes

Funciones básicas

Descripción funcional

Ortofotográfica

Los segmentos de vídeo específicos se transforman de acuerdo con las coordenadas geográficas. (el método específico es: calcular las coordenadas de los puntos terrestres, calcular las coordenadas de los puntos de imagen, la inserción de escala de grises y la valoración de escala de grises. los pasos principales incluyen corregir la adquisición de puntos de control y el ajuste de la red regional, utilizar algunos parámetros de actitud proporcionados por cámaras, etc., y parámetros de procesamiento relacionados con el sistema terrestre para realizar correcciones gruesas, y luego combinar imágenes satelitales y datos dem para hacer correcciones finas de las imágenes. (...)

Procesamiento panorámico

Empalme panorámico de segmentos de vídeo específicos. (los métodos específicos son: extracción de puntos característicos, coincidencia de puntos característicos, generación de puntos de control, optimización del modelo panorámico, extracción de líneas de costura, nivelación de color de la imagen. para mejorar la velocidad de empalme, primero es necesario extraer cuadros clave de los datos de vídeo, con cambios de rotación obvios entre los cuadros clave. extraer puntos característicos y emparejamientos de Los cuadros clave, utilizar los resultados del emparejamiento para generar puntos de control, y luego optimizar la postura de cada cuadro clave en su conjunto a partir del modelo panorámico, y finalmente empalmar en función de la postura. durante el proceso de empalme, el algoritmo de extracción de líneas de costura y nivelación de color puede resolver el problema de la incoherencia de tono de los diferentes cuadros clave)

Verificación asistida por manchas ilegales

A través de la carga de puntos ilegales transmitidos por imágenes satelitales, las cámaras correspondientes se recuperan automáticamente para ayudar a verificar los incidentes ilegales. (los métodos específicos son: recolección de muestras y entrenamiento de modelos de aprendizaje profundo para puntos ilegales para lograr la identificación inteligente de puntos ilegales en el video; y a través de la conversión del sistema de coordenadas de imagen y tierra, la ubicación y el tiempo de los puntos ilegales se proyectan en el video o monitoreo correspondiente para ayudar a la verificación de puntos ilegales)

Reconocimiento de escenas de Ia de vídeo

En la actualidad, los escenarios de muestra de identificación de Ia son: identificación del comportamiento de la construcción (excavación de excavadoras), identificación del progreso de la construcción de viviendas (construcción ilegal, cambio de construcción), monitoreo de ríos y Lagos (construcción de carreteras en playas fluviales, construcción de casas en playas fluviales, plantación de árboles en playas fluviales, excavación de arena en playas fluviales, basura apilada en playas fluviales, cría de jaulas), monitoreo de tierras cultivadas (detección de cambios en tierras cultivadas), monitoreo de daños humanos (identificación de entrada de personas u otros animales, vertido de basura, basura expuesta, invasión regional, monitoreo de vehículos de ingeniería) monitoreo de restauración ecológica (monitoreo de aguas negras y malolientes, hierba en laderas) y monitoreo de escoria (vertido). sobre la base de las muestras, se utilizan principalmente redes de convolución completa (cnn) y condiciones.algoritmo de aeropuerto (crf). Después de la investigación y el desarrollo continuos del modelo y las pruebas, se construye un modelo de aplicación más sólido. Para los escenarios reales de aplicación de identificación de características físicas, se compilan las reglas de infracción correspondientes.

Transformación bidireccional de coordenadas

Satisface las coordenadas de la tierra a las coordenadas de video, pero también satisface las coordenadas de video a las coordenadas de la tierra.