"本发明公开了一种基于多分辨率的图像分类方法，其目的在于利用不同的深度神经网络结构解决多分辨率输入问题，利用深度学习技术实现从分类标签集合中找出一个分类标签并把分类标签分配给输入图像的效果。其技术关键在于(1)采用跳过部分池化层的方法来实现多分辨率图像分类；(2)采用指定位置输入的方法来实现多分辨率图像分类。(3)根据卷积网络不同层得到的特征特点不同，对不同层的特征采用不同的利用方式。本发明输入任意一张测试图片到训练好的神经网络模型中，神经网络的输出即为该图片的类别。本发明在不统一输入图片大小的前提下，保持了原图片质量，不增加任何噪声，有效地实现了多分辨率的图像分类。"

"本发明公开了一种基于人工智能的地下停车库行人车辆监测方法，目前地下停车库还缺乏有效的人车检测和统一管理的平台系统，并且本方法除了可以对车主和车辆通过人脸识别模块和车辆属性识别模块收集车主和所驾驶车辆属性的信息并进行一一对应标记联系，并且如果在停车中的某一时刻内，识别人脸验证不一致则进行人体姿态的检测识别出人体骨骼关键点信息，并通过人体骨骼关节点信息进行异常行为的检测和识别，可以有效识别出例如跌倒、打开车门进入车内等异常行为动作，可以有效保障车主的车辆和人身安全。"

"本发明公开了一种基于视频的行人与人群行为识别方法，整个框架包括单人肢体部位网络、单人整体及肢体联合网络、多人网络。该框架旨在以端到端的方式共同学习联合共现和时间演进，通过利用CNN全局聚合的能力，可以简单有效地利用CNN模型学习骨架序列信息的联合共现特征。在该方法中独立地学习每个关节的点级特征，然后将每个关节的特征视为卷积层的通道，以学习层次共生特征。最关键的是在设计的单个行人行为识别联合网络结构中采用多部位的肢体网络特征融合到单个行人运动特征中加强单个行人的行为识别。此外，在设计的人群交互行为识别网络中，利用单人行为特征加强群体行为的特征，群体行为涉及多个人的行为有拥抱和握手等活动。"

"本发明涉及的一种基于图像处理的停车能力估算与泊位推荐方法，包括步骤：S1.识别进入停车场的车辆信息，并将所述车辆信息存储于数据库中；S2.根据识别到的车辆信息判断当前车辆是否为初次停车，若是，则执行步骤S3；若否，则直接提供合适的车位；S3.将识别到的车辆信息与剩余车位数据进行比较，得到当前车辆合适的车位，并将所述得到的车位提供给车辆；S4.判断车辆是否到达提供的车位，若是，则执行步骤S5；S5.设置于车位处的摄像装置实时记录车辆的停车画面，并将记录的停车画面形成的视频存储于数据库中，以估算车辆的停车能力；S6.当设置于车位处的摄像装置获取到车辆完全进入提供的车位后，完成对车辆的车位推荐。"