咨询电话:13280638997
传真:0533-3110363
邮箱:kefu@shizifang.com
摘 要:本发明涉及基于深度学习的自动识别人员进入电力危险区的检测方法,包括:拍摄采集电力现场图像;以图像左上角为坐标原点,建立像素坐标系;划定电力现场图像中的危险区,确定危险区的坐标;将电力现场实时的视频流输入到作业人员现场位置检测网络,根据所述检测网络的输出确定作业人员的坐标;将得到的作业人员的坐标与危险区的坐标实时对比,判断作业人员是否位于危险区,若人员进入危险区,则发出警报。本发明实现了人员进入电力危险区的自动识别检测,代替人工监督,提高了人员危险检测的可靠性和精度。
著 录 项:
专利/申请号: | CN202210675238.9 | 专利名称: | 基于深度学习的自动识别人员进入电力危险区的检测方法 |
申请日: | 2022-06-15 | 申请/专利权人 | 武汉纺织大学 |
专利类型: | 发明 | 地址: | 湖北省武汉市洪山区纺织路1号 |
专利状态: | 已下证 查询审查信息 | 分类号: | G06V20/40搜分类 电力 深度学习 检测搜索 |
公开/公告日: | 2023-04-14 | 转让价格: | 面议 |
公开/公告号: | CN115171006B | 交易状态: | 等待洽谈 搜索相似专利 |
交易方 | 企业 | 个人 |
买家 | 营业执照副本复印件(需盖公章) | 身份证复印件(签字) |
专利转让委托书(需盖公章)一式两份 | 专利转让委托书(需签字)一式两份 | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
卖家 | 营业执照副本复印件(需盖公章) | 身份证复印件(需申请人签字) |
解除代理委托书(需盖公章)一式两份(如专利通过代理机构申请) | 解除代理委托书(需签字)一式两份(如专利通过代理机构申请) | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
专利请求书或手续合格通知书、授权通知书复印件 | 专利请求书或手续合格通知书、专利授权通知书复印件 | |
专利证原件(若授权下证) | 专利证原件(若授权下证) |
日期 | 法律信息 | 备注 |
2023/04/14 | 授权 | |
2022/10/28 | 实质审查的生效 | IPC(主分类): G06V 20/40 专利申请号: 202210675238.9 申请日: 2022.06.15 |
2022/10/11 | 公开 |