[发明专利]一种轨道交通故障图像传输方法、装置和系统在审
申请号: | 201810500705.8 | 申请日: | 2018-05-23 |
公开(公告)号: | CN108737288A | 公开(公告)日: | 2018-11-02 |
发明(设计)人: | 罗俊;廖承毅;杨珂;姜春峰 | 申请(专利权)人: | 深圳市阡丘越科技有限公司 |
主分类号: | H04L12/801 | 分类号: | H04L12/801;G06K9/00;G06T7/11;B61L23/00 |
代理公司: | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人: | 王文红 |
地址: | 518000 广东省深圳市前湾一路1*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 终端设备 子区域 故障区域 数据包 图像 后台服务端 故障排查 故障图像 轨道交通 轨道交通车辆 数据包传输 传输 安全运行 传输过程 传输效率 故障检修 数据传输 数据结果 数据延迟 网络拥堵 可识别 检修 返回 保证 | ||
1.一种轨道交通故障图像传输方法,应用于终端设备与后台服务端之间,其特征在于,包括:
所述终端设备获取故障区域图像;
所述终端设备通过AI识别技术对所述故障区域图像进行识别,获得所述故障区域图像中的不同可识别对象对应的子区域;
所述终端设备基于每个所述子区域生成与其对应的子区域数据包;
所述终端设备将每个所述子区域数据包传输至所述后台服务端,以便于所述后台服务端根据所获取的每个所述子区域数据包进行故障排查,并将故障排查的数据结果返回至所述终端设备。
2.如权利要求1所述轨道交通故障传输方法,其特征在于,所述“所述终端设备通过AI识别技术对所述故障区域图像进行识别,获得所述故障区域图像中的不同可识别对象对应的子区域”,包括:
所述终端设备通过AI识别技术对所述故障区域图像中的每个可识别对象进行定位,得到定位信息;
根据所述定位信息分类识别所述可识别对象,并获取与所述可识别对象对应的最小截图作为不同可识别对象对应的子区域。
3.如权利要求1所述轨道交通故障传输方法,其特征在于,所述“所述终端设备基于每个所述子区域生成与其对应的子区域数据包”之后,还包括:
所述终端设备向所述后台服务端请求对RSA公钥进行发放;其中,所述后台服务端根据请求生成RSA公钥和RSA私钥,并将所述RSA公钥向所述终端设备发送;
所述终端设备接收所述服务端下发的RSA公钥;
所述终端设备利用所述RSA公钥对所述子区域数据包进行加密,得到以所述RSA公钥加密的所述子区域数据包,以便于所述终端设备将所述RSA公钥加密的所述子区域数据包发送至所述后台服务端并解密。
4.如权利要求3所述轨道交通故障传输方法,其特征在于,“所述终端设备将每个所述子区域数据包传输至所述后台服务端”之后,还包括:
所述后台服务端接收所述RSA公钥加密的所述子区域数据包;
所述后台服务端利用RSA私钥对所述子区域数据包进行解密,得到所述子区域数据包中的所述故障区域图像中的不同可识别对象。
5.如权利要求1所述轨道交通故障传输方法,其特征在于,所述“所述终端设备获取故障区域图像”之后,还包括:
所述终端设备获取所述故障区域图像的景深信息;
根据所述景深信息,所述终端设备对所述故障区域图像进行优化调节。
6.如权利要求5所述轨道交通故障传输方法,其特征在于,所述“根据所述景深信息,所述终端设备对所述故障区域图像进行优化调节”包括:
基于所述景深信息,确定所述故障区域图像的每个像素点的景深数据;
根据所述景深数据将所述故障区域图像划分为不同的景深区;
计算所述景深区与其相邻的区域的景深数据的比值,
根据所述景深数据的比值计算所述故障区域图像中的每个像素点的降噪矩阵和锐化矩阵;
根据所述降噪矩阵和锐化矩阵对所述故障区域图像进行降噪和锐化处理。
7.一种轨道交通故障传输装置,其特征在于,包括:获取模块、识别模块、生成模块和传输模块;
所述获取模块,用于终端设备获取故障区域图像;
所述识别模块,用于所述终端设备通过AI识别技术对所述故障区域图像进行识别,获得所述故障区域图像中的不同可识别对象对应的子区域;
所述生成模块,用于所述终端设备基于每个所述子区域生成与其对应的子区域数据包;
所述传输模块,用于所述终端设备将每个所述子区域数据包传输至后台服务端,以便于所述后台服务端根据所获取的每个所述子区域数据包进行故障排查,并将故障排查的数据结果返回至所述终端设备。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市阡丘越科技有限公司,未经深圳市阡丘越科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810500705.8/1.html,转载请声明来源钻瓜专利网。