Plate - forme réglementaire intelligente pour la vidéo Multisource et la télédétection

Fonctions de base

Narration fonctionnelle

Image positive

Transformez des segments vidéo spécifiques en coordonnées géographiques. (les méthodes spécifiques sont les suivantes: calcul des coordonnées du point au sol, calcul des coordonnées du point image, interpolation des niveaux de gris, affectation des niveaux de gris, les principales étapes consistent à corriger l'acquisition du point de contrôle et les écarts de maillage régionaux, à utiliser certains paramètres d'attitude fournis par la caméra, etc., et les paramètres de traitement liés au système au sol pour effectuer une correction grossière, puis à combiner l'image satellite et les données dem pour effectuer une correction fine de l'image. ) et

Traitement panoramique

Assemblage panoramique de segments vidéo spécifiques. (les méthodes spécifiques sont: extraction de points caractéristiques, correspondance de points caractéristiques, génération de points de contrôle, optimisation du modèle panoramique, extraction de la ligne de couture, homogénéisation des couleurs de l'image.pour améliorer la vitesse de l'assemblage, vous devez d'abord extraire les images clés des données vidéo, avec des variations de rotation évidentes entre les images clés.extraire les points caractéristiques et les correspondances pour les images clés, utiliser les résultats de la correspondance pour générer les points de contrôle, puis calculer l'attitude de chaque image clé en fonction de l'optimisation globale du modèle panoramique, et enfin assembler en fonction de l'attitude.au cours de l'assemblage, l'extraction de la ligne de couture et l'algorithme d'homogénéisation des couleurs peuvent résoudre le problème de l'incohérence tonale des différentes images clés.)

Vérification assistée par cartographie des infractions

Le téléchargement de la carte d'infraction via l'imagerie satellite récupère automatiquement la caméra correspondante pour aider à identifier les violations. (la méthode spécifique est la suivante: acquisition d'échantillons et formation de modèle d'apprentissage en profondeur pour les taches de violation de la loi, permettant une identification intelligente des taches de violation de la loi dans la vidéo; et par la conversion du système de coordonnées telluriques, projeter la position, l'heure des taches de violation de La loi dans la vidéo ou la surveillance correspondante, aider la vérification des taches de violation de la loi)

Reconnaissance de scène vidéo ai

Les scénarios d'échantillonnage actuels pour l'identification de l'IA sont les suivants: identification du comportement de construction (excavation d'excavatrices), identification de l'avancement de la construction (construction de bâtiments non conformes, changements architecturaux), surveillance des rivières et des lacs (construction de routes sur les rives des cours d'eau, construction de maisons sur les rives des cours d'eau, plantation d'arbres sur les rives des cours d'eau, extraction de sable sur les rives des cours d'eau, encombrement de déchets sur les rives des cours d'eau, élevage en cages), surveillance des terres cultivées (détection des changements dans les terres cultivées), surveillance des dommages causés par l'homme (identification de l'entrée humaine ou d'autres animaux, déversement de déchets, déchets exposés, invasion de zones, surveillance des véhicules de génie) surveillance de l'assainissement écologique (plans d'eau malodorants, herbes réseau (CNN) avec algorithme conditionnel d'aéroport (CRF). Après un développement et des tests continus de modèles, des modèles d'application plus robustes sont construits. Pour les scénarios d'application réels d'identification des objets, les règles de violation correspondantes sont préparées.

Transformation bidirectionnelle des coordonnées

Satisfaire les coordonnées telluriques aux coordonnées vidéo, tout en satisfaisant également les coordonnées vidéo aux coordonnées telluriques.