CN107301373A - 数据处理方法、装置及存储介质 - Google Patents
数据处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN107301373A CN107301373A CN201710351934.3A CN201710351934A CN107301373A CN 107301373 A CN107301373 A CN 107301373A CN 201710351934 A CN201710351934 A CN 201710351934A CN 107301373 A CN107301373 A CN 107301373A
- Authority
- CN
- China
- Prior art keywords
- warning information
- image
- video
- positive integer
- facial image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000003860 storage Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000001815 facial effect Effects 0.000 claims description 85
- 238000004458 analytical method Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 35
- 230000003542 behavioural effect Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 description 36
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 10
- 238000000605 extraction Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000000976 ink Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种数据处理方法、装置及存储介质，所述方法包括：获取目标用户设备的当前任务状态；获取N条告警信息，所述N为正整数；根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。通过本发明实施例可发现告警情况，并实现对告警进行合理处理。
Description
技术领域
本发明涉及视频监控技术领域，具体涉及一种数据处理方法、装置及存储介质。
背景技术
随着经济、社会、文化的快速发展，国内外影响力的与日俱增，越来越多外来人口流向城市，这些人口增加在加快城市化进程的同时，也为城市管理带来更大的挑战，虽然，视频监控对城市安全提供了技术支持，但是，目前来看，摄像头已经在城市中布局开来，各个摄像头的功能较为独立，当然，多个摄像头可属于一个系统，由该系统对一个区域进行监控，由于监控摄像头数目较多，因而，如何在发现告警情况(即出现目标人物)后，实现对告警进行合理处理的问题亟待解决。
发明内容
本发明实施例提供了一种数据处理方法、装置及存储介质，可发现告警情况，并实现对告警进行合理处理。
本发明实施例第一方面提供了一种数据处理方法，包括：
获取目标用户设备的当前任务状态；
获取N条告警信息，所述N为正整数；
根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
结合本发明实施例第一方面，在第一方面的第一种可能实施方式中，所述获取N条告警信息，包括：
从X个摄像头获取视频，得到所述X个视频片段，每一所述摄像头对应一个所述视频片段，所述X为正整数；
对所述X个视频片段进行行为分析，得到所述N条告警信息。
进而，可通过多个摄像头获取视频，得到多个视频片段，并对每一视频片段进行行为分析，得到N条告警信息，如此，可通过行为分析的方式快速从视频片段中分析出告警信息。
结合本发明实施例第一方面的第一种可能实施方式，在第一方面的第二种可能实施方式中，所述对所述X个视频片段进行行为分析，得到所述N条告警信息，包括：
对X个视频片段进行解析，得到Y帧视频图像，所述Y为正整数；
对所述Y帧视频图像中的每一帧视频图像进行行为分析，得到Z个符合预设行为的视频图像，所述Z为正整数；
对所述Z个视频图像进行筛选，得到N个视频图像，每一视频图像对应一条告警信息。
进而，可先对多个视频片段进行解析，并对每一帧图像进行行为分析，选取符合预设行为的视频图像，由于选取的图像也会存在图像质量问题，因而，可进一步筛选，筛选后的每一帧图像即对应一个告警信息，如此，可降低误告警率，提高告警准确率。
结合本发明实施例第一方面的第一种可能实施方式，在第一方面的第三种可能实施方式中，所述对所述X个视频片段进行行为分析，得到所述N条告警信息，包括：
对所述X个视频片段进行图像分割，得到P个人脸图像，所述P为正整数；
对所述P个人脸图像进行合并，得到Q个人脸图像，所述Q为小于或等于所述P的正整数；
将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，得到所述N个人脸图像，所述A为正整数，所述N小于所述Q，所述N小于所述A；
根据所述N个人脸图像生成所述N条告警信息。
进而，可对多个视频进行图像分割，对分割后的得到的人脸图像进行合并，再将合并后的人脸图像与图像库中的人脸图像进行匹配，根据匹配结果生成告警信息，如此，只有属于原本库中的人脸图像才可以生成告警信息，可用于实现对指定目标实现告警处理。
结合本发明实施例第一方面或第一方面的第一种至第三种中任一可能实施方式，在第一方面的第四种可能实施方式中，所述根据所述当前任务状态为所述目标用户设备分配M条告警信息，包括：
获取所述目标用户设备的位置；
根据所述位置与所述当前任务状态为所述目标用户设备分配M条告警信息。
进而，可获取用户设备的位置，根据位置以及其对应的任务状态为其分配告警信息，即若用户设备距离告警信息较远则可以不对其进行分配，可实现人性化对用户设备分配告警信息。
本发明实施例第二方面提供了一种数据处理装置，包括：
第一获取单元，用于获取目标用户设备的当前任务状态；
第二获取单元，用于获取N条告警信息，所述N为正整数；
分配单元，用于根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
结合本发明实施例第二方面，在第二方面的第一种可能实施方式中，所述第二获取单元包括：
第一获取模块，用于从X个摄像头获取视频，得到所述X个视频片段，每一所述摄像头对应一个所述视频片段，所述X为正整数；
第一分析模块，用于对所述X个视频片段进行行为分析，得到所述N条告警信息。
结合本发明实施例第二方面的第一种可能实施方式，在第二方面的第二种可能实施方式中，所述第一分析模块包括：
解析模块，用于对X个视频片段进行解析，得到Y帧视频图像，所述Y为正整数；
第二分析模块，用于对所述Y帧视频图像中的每一帧视频图像进行行为分析，得到Z个符合预设行为的视频图像，所述Z为正整数；
筛选模块，用于对所述Z个视频图像进行筛选，得到N个视频图像，每一视频图像对应一条告警信息。
结合本发明实施例第二方面的第一种可能实施方式，在第一方面的第三种可能实施方式中，第一分析模块包括：
分割模块，用于对所述X个视频片段进行图像分割，得到P个人脸图像，所述P为正整数；
合并模块，用于对所述P个人脸图像进行合并，得到Q个人脸图像，所述Q为小于或等于所述P的正整数；
匹配模块，用于将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，得到所述N个人脸图像，所述A为正整数，所述N小于所述Q，所述N小于所述A；
生成模块，用于根据所述N个人脸图像生成所述N条告警信息。
结合本发明实施例第二方面或第二方面的第一种至第三种中任一可能实施方式，在第二方面的第四种可能实施方式中，所述分配单元包括：
第二获取模块，用于获取所述目标用户设备的位置；
分配模块，用于根据所述位置与所述当前任务状态为所述目标用户设备分配M条告警信息。
本发明实施例第三方面提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面或第一方面的任一可能实施方式所述的方法。
实施本发明实施例，具有如下有益效果：
可以看出，通过本发明实施例，数据处理装置可获取目标用户设备的当前任务状态，获取N条告警信息，N为正整数，根据当前任务状态为目标用户设备分配M条告警信息，N条告警信息包含M条告警信息，M为小于或等于N的整数，从而，可获取用户设备的当前任务状态，如：待处理任务、已处理任务和超时未处理等，在其任务较多时，则可少为其分配告警信息，在其任务较少时，则多为其分配告警信息，进而可实现对告警信息进行合理处理。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种数据处理方法的第一实施例流程示意图；
图2是本发明实施例提供的一种数据处理方法的第二实施例流程示意图；
图2a是本发明实施例提供的用户设备的当前任务状态的演示示意图；
图3a是本发明实施例提供的一种数据处理装置的第一实施例结构示意图；
图3b是本发明实施例提供的图3a所描述的数据处理装置的第二获取单元的结构示意图；
图3c是本发明实施例提供的图3a所描述的第二获取单元的第一分析模块的结构示意图；
图3d是本发明实施例提供的图3a所描述的第二获取单元的第一分析模块的结构示意图；
图3e是本发明实施例提供的图3a所描述的数据处理装置的分配单元的结构示意图；
图4是本发明实施例提供的一种数据处理装置的第二实施例结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明实施例所描述数据处理装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，MobileInternet Devices)或穿戴式设备等，上述仅是举例，而非穷举，包含但不限于上述装置，当然，上述数据处理装置还可以为服务器。用户设备可以为智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，Mobile Internet Devices)或穿戴式设备、对讲机等等。
需要说明的是，本发明实施例中的数据处理装置可与多个摄像头连接，每一摄像头均可用于抓拍视频图像，每一摄像头均可有一个与之对应的位置标记，或者，可有一个与之对应的编号。通常情况下，摄像头可设置在公共场所，例如，学校、博物馆、十字路口、步行街、写字楼、车库、机场、医院、地铁站、车站、公交站台、超市、酒店、娱乐场所等等。摄像头在拍摄到视频图像后，可将该视频图像保存到数据处理装置所在系统的存储器。存储器中可存储有多个图像库，每一图像库可包含同一人的不同视频图像，当然，每一图像库还可以用于存储一个区域的视频图像或者某个指定摄像头拍摄的视频图像。
进一步可选地，本发明实施例中，摄像头拍摄的每一帧视频图像均对应一个属性信息，属性信息为以下至少一种：视频图像的拍摄时间、视频图像的位置、视频图像的属性参数(格式、大小、分辨率等)、视频图像的编号和视频图像中的人物特征属性。上述视频图像中的人物特征属性可包括但不仅限于：视频图像中的人物个数、人物位置、人物角度等等。
进一步需要说明的是，每一摄像头采集的视频图像通常为动态人脸图像，因而，本发明实施例中可以对人脸图像的角度进行分析，上述角度可包括但不仅限于：水平转动角度、俯仰角或者倾斜度。例如，可定义动态人脸图像数据要求两眼间距不小于30像素，建议60像素以上。水平转动角度不超过±30°、俯仰角不超过±20°、倾斜角不超过±45°。建议水平转动角度不超过±15°、俯仰角不超过±10°、倾斜角不超过±15°。例如，还可对人脸图像是否被其他物体遮挡进行筛选，通常情况下，饰物不应遮挡脸部主要区域，饰物如深色墨镜、口罩和夸张首饰等，当然，也有可能摄像头上面布满灰尘，导致人脸图像被遮挡。本发明实施例中的视频图像的图片格式可包括但不仅限于：BMP，JPEG，JPEG2000，PNG等等，其大小可以在10-30KB之间，每一视频图像还可以对应一个拍摄时间、以及拍摄该视频图像的摄像头统一编号、与人脸图像对应的全景大图的链接等信息(人脸图像和全局图片建立特点对应性关系文件)。
请参阅图1，为本发明实施例提供的一种数据处理方法的第一实施例流程示意图。本实施例中所描述的数据处理方法，包括以下步骤：
101、获取目标用户设备的当前任务状态。
其中，数据处理装置可向目标用户设备发送任务状态获取请求，目标用户设备在接收到该任务状态获取请求之后，可向数据处理装置发送该目标用户设备的当前任务状态。数据处理装置可与多个用户设备连接，目标用户设备为该多个用户设备中的一个。
可选地，上述当前任务状态可包含以下至少一种：待处理任务、已处理任务和超时未处理、正在处理的任务内容以及重要等级等等。其中，待处理任务可为接下来需要处理的任务，可包含待处理任务的内容和数量，例如，发现某个告警情况，则需要去处理。
102、获取N条告警信息，所述N为正整数。
其中，由上述可知，数据处理装置可与多个摄像头连接，因而，可在任一摄像头抓拍到某一目标，则可生成一条告警信息，进而，可得到N条告警信息，N为正整数。当然，一个摄像头可能抓拍到1个目标，也有可能抓拍到2个目标，当然，也可能没抓拍到任何目标，进而，具体获取几条告警信息，可依据实际情况而定。其中，每一条告警信息可包含至少一个目标对象，目标对象可为作案对象(例如，在超市中出现的小偷)，或者，指定目标人物。
可选地，上述步骤102中，获取N条告警信息，可包括如下步骤：
21)、从X个摄像头获取视频，得到所述X个视频片段，每一所述摄像头对应一个所述视频片段，所述X为正整数；
22)、对所述X个视频片段进行行为分析，得到所述N条告警信息。
其中，数据处理装置可通过与其连接的X个摄像头则可获取X个视频片段，每一摄像头可对应一个视频片段，可对X个视频片段进行分析，可采用如下两种方式进行分析，进而，得到N条告警信息。
可选地，上述步骤22中，对所述X个视频片段进行行为分析，得到所述N条告警信息，可包括如下步骤：
221)、对X个视频片段进行解析，得到Y帧视频图像，所述Y为正整数；
222)、对所述Y帧视频图像中的每一帧视频图像进行行为分析，得到Z个符合预设行为的视频图像，所述Z为正整数；
223)、对所述Z个视频图像进行筛选，得到N个视频图像，每一视频图像对应一条告警信息。
其中，上述预设行为可由用户设备自行设置，例如，毁坏某个物品、偷窃某个物品，等等。数据处理装置可对X个视频片段进行解析，从而，得到一帧一帧的图像，即Y帧视频图像，可对Y帧视频图像中的每一帧视频图像进行行为分析，进而，得到Z个符合预设行为的视频图像，Z为正整数，进一步地，可对Z个视频图像进行筛选，可按照如下方式对Z个视频图像进行筛选，例如，对Z个视频图像进行图像质量评价，得到Z个图像质量评价值，选取图像质量评价值大于预设图像质量阈值的图像质量评价值对应的视频图像，得到N个视频图像，每一视频图像对应一条告警信息，得到N条告警信息，其中，预设图像质量阈值可由用户设备自行设置或者系统默认。
进一步地，数据处理装置可采用如下手段对Z个视频图像进行图像质量评价：可采用至少一个图像质量评价指标对图像进行图像质量评价，得到图像质量评价值，其中，图像质量评价指标可包括但不仅限于：平均灰度、均方差、熵、边缘保持度、信噪比等等。可定义为得到的图像质量评价值越大，则图像质量越好。
需要说明的是，由于采用单一评价指标对图像质量进行评价时，具有一定的局限性，因此，可采用多个图像质量评价指标对图像质量进行评价，当然，对图像质量进行评价时，并非图像质量评价指标越多越好，因为图像质量评价指标越多，图像质量评价过程的计算复杂度越高，也不见得图像质量评价效果越好，因此，在对图像质量评价要求较高的情况下，可采用2～10个图像质量评价指标对图像质量进行评价。具体地，选取图像质量评价指标的个数及哪个指标，依据具体实现情况而定。当然，也得结合具体地场景选取图像质量评价指标，在暗环境下进行图像质量评价和亮环境下进行图像质量评价选取的图像质量指标可不一样。
可选地，在对图像质量评价精度要求不高的情况下，可用一个图像质量评价指标进行评价，例如，以熵对待处理图像进行图像质量评价值，可认为熵越大，则说明图像质量越好，相反地，熵越小，则说明图像质量越差。
可选地，在对图像质量评价精度要求较高的情况下，可以采用多个图像质量评价指标对待评价图像进行评价，在多个图像质量评价指标对待评价图像进行图像质量评价时，可设置该多个图像质量评价指标中每一图像质量评价指标的权重，可得到多个图像质量评价值，根据该多个图像质量评价值及其对应的权重可得到最终的图像质量评价值，例如，三个图像质量评价指标分别为：A指标、B指标和C指标，A的权重为a1，B的权重为a2，C的权重为a3，采用A、B和C对某一图像进行图像质量评价时，A对应的图像质量评价值为b1，B对应的图像质量评价值为b2，C对应的图像质量评价值为b3，那么，最后的图像质量评价值＝a1b1+a2b2+a3b3。通常情况下，图像质量评价值越大，说明图像质量越好。
可选地，上述步骤223中，对所述Z个视频图像进行筛选，还可以按照如下方式实施：
确定视频图像i中包含的人脸图像的角度，判断该角度是否处于预设角度范围，若是，则保留该视频图像i，视频图像i为Z个视频图像中的任一视频图像。
可选地，上述步骤22中，对所述X个视频片段进行行为分析，得到所述N条告警信息，可包括如下步骤：
224)、对所述X个视频片段进行图像分割，得到P个人脸图像，所述P为正整数；
225)、对所述P个人脸图像进行合并，得到Q个人脸图像，所述Q为小于或等于所述P的正整数；
226)、将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，得到所述N个人脸图像，所述A为正整数，所述N小于所述Q，所述N小于所述A；
227)、根据所述N个人脸图像生成所述N条告警信息。
其中，X个视频片段，可包含多帧图像，当然，并非每一帧图像中都包含人脸图像，当然，有的一帧图像中也可以包含多个人脸图像，因而，可对每一帧图像进行图像分割，可得到P个人脸图像，P为正整数。当然，不同的图像帧中也可以包含同一个人的人脸图像，进而，可对P个人脸图像作进一步合并，得到Q个人脸图像，Q为小于或等于P的正整数。进一步地，可将Q个人脸图像与图像库中的A个人脸图像进行匹配，得到N个人脸图像，N小于Q，N小于A。上述图像库中的A个人脸图像可为预先录入系统的告警目标的人脸图像，即告警目标出现了，则可生成告警信息。进而，根据N个人脸图像生成N条告警信息，每一人脸图像可对应一条告警信息。
进一步地，上述步骤226中，将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，可包含如下步骤：
A1、对所述Q个人脸图像中每一人脸图像进行特征提取，得到所述Q个第一特征集；
A2、对所述A个人脸图像中每一人脸图像进行特征提取，得到所述A个第二特征集；
A3、将所述Q个第一特征集与所述A个第二特征集进行匹配，得到Q*A个匹配值；
A4、从所述Q*A个匹配值中选取大于预设匹配阈值的特征值，得到所述N个匹配值；
A5、从所述Q个人脸图像中获取与所述N个匹配值对应的人脸图像，得到所述N个人脸图像。
其中，步骤A1中可Q个人脸图像进行特征提取，可得到Q个第一特征集，当然，特征提取的方式可包括但不仅限于：Harris角点检测算法、尺度不变特征(Scale InvariantFeature Transform，SIFT)提取算法、采用分类器进行特征提取，分类器可包括但不仅限于：支持向量机(Support Vector Machine，SVM)、卷积神经网络、级联神经网络、遗传算法等等。如此，也可以实现对A个人脸图像进行特征提取，以人脸图像i为例，其中，该人脸图像i为A个人脸图像中的任一个，可得到A个第二特征集，进而，可采用结构相似性(StructuralSimilarity Index Measurement，SSIM)将Q个第一特征集与A个第二特征集进行匹配，得到Q*A个匹配值。上述预设匹配阈值可由系统默认或者用户设备自行设置。因而，可从Q*A个匹配值中选取匹配值大于预设匹配阈值的匹配值，得到N个特征值，进而，可从Q个人脸图像中获取与N个匹配值对应的人脸图像，得到N个人脸图像。
103、根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
其中，数据处理装置可根据当前任务状态为目标用户设备分配M条告警信息，当前环境下可能存在多个用户设备，因而，可不用将上述N条告警信息分配给一个用户设备，因而，可为目标用户设备分配M条告警信息，M为小于或等于N的整数。例如，当然，根据需要，当前待处理任务多的可以少分配告警信息，当然，也可以根据用户的位置进行分配，告警信息发生的位置与目标用户设备比较近，则可以优先该告警信息。
可选地，上述步骤103中，根据所述当前任务状态为所述目标用户设备分配M条告警信息，可包括如下步骤：
31)、获取所述目标用户设备的位置；
32)、根据所述位置与所述当前任务状态为所述目标用户设备分配M条告警信息。
其中，数据处理装置可通过摄像头或者定位技术获取目标用户设备的位置，进而，根据该位置以及当前任务状态为用户设备分配M条告警信息，当然，用户设备当前待处理任务多则可以少分配。
可以看出，通过本发明实施例，数据处理装置可获取目标用户设备的当前任务状态，获取N条告警信息，N为正整数，根据当前任务状态为目标用户设备分配M条告警信息，N条告警信息包含M条告警信息，M为小于或等于N的整数，从而，可获取用户设备的当前任务状态，如：待处理任务、已处理任务和超时未处理等，在其任务较多时，则可少为其分配告警信息，在其任务较少时，则多为其分配告警信息，进而可实现对告警信息进行合理处理。
与上述一致地，请参阅图2，为本发明实施例提供的一种数据处理方法的第二实施例流程示意图。本实施例中所描述的数据处理方法，包括以下步骤：
201、视频处理装置获取目标用户设备的当前任务状态。
202、所述视频处理装置获取N条告警信息，所述N为正整数。
203、所述视频处理装置根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
可选地，上述步骤201-步骤203的具体描述可参见图1所描述的数据处理方法的步骤101-步骤103。
204、所述目标用户设备接收所述M条告警信息。
205、所述目标用户设备获取当前位置。
206、所述目标用户设备确定所述当前位置与所述M条告警信息对应的所述M个位置之间的距离，得到所述M个距离值；
207、所述目标用户设备根据所述M个距离值，在所述目标用户设备展示所述M条告警信息。
可选的，用户可在目标用户设备上点击任务栏中的“报警统计”，可以展现当天所有的报警数据统计，如图2a，可包括：告警总数、误报、正常购物、盗窃截停、未找到人、超时未处理、待处理；点击每一栏信息，都可以显示相关告警信息的列表信息，然后，报警统计中所有栏目只有“待处理”事项可以操作，其他均只能查看。目标用户设备点击告警信息可以进入直接进入对应的页面，接收到信息的人员都可以对该信息进行处理，包括(误报、正常购物、截停、未发现人)同时也可以指派个该门店内的任何一个人来跟踪该事件，查询的话，由于用户设备是移动的，可提供当前位置旁边的摄像头的视频，如此，用户设备可根据视频进行相应查找告警信息中出现的目标。
可以看出，通过本发明实施例，数据处理装置可获取目标用户设备的当前任务状态，获取N条告警信息，N为正整数，根据当前任务状态为目标用户设备分配M条告警信息，N条告警信息包含M条告警信息，M为小于或等于N的整数，目标用户设备接收M条告警信息，获取当前位置，确定当前位置与M条告警信息对应的M个位置之间的距离，得到M个距离值，根据M个距离值，在目标用户设备展示M条告警信息。从而，可获取用户设备的当前任务状态，如：待处理任务、已处理任务和超时未处理等，在其任务较多时，则可少为其分配告警信息，在其任务较少时，则多为其分配告警信息，另外，用户设备可根据M个告警信息对应的位置与其之间的距离值，展示该M条告警信息，方便用户优先选择与之近的告警信息进行处理，进而可实现对告警信息进行合理处理。
与上述一致地，以下为实施上述数据处理方法的装置，具体如下：
请参阅图3a，为本发明实施例提供的一种数据处理装置的第一实施例结构示意图。本实施例中所描述的数据处理装置，包括：第一获取单元301、第二获取单元302和分配单元303，具体如下：
第一获取单元301，用于获取目标用户设备的当前任务状态；
第二获取单元302，用于获取N条告警信息，所述N为正整数；
分配单元303，用于根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
可选地，如图3b，图3b为图3a所描述的视频处理装置的第二获取单元302的具体细化结构，所述第二获取单元302可包括：第一获取模块3021和第一分析模块3022，具体如下：
第一获取模块3021，用于从X个摄像头获取视频，得到所述X个视频片段，每一所述摄像头对应一个所述视频片段，所述X为正整数；
第一分析模块3022，用于对所述X个视频片段进行行为分析，得到所述N条告警信息。
可选地，如图3c，图3c为图3b所描述的视频处理装置的所述第一分析模块3022的具体细化结构，所述第一分析模块3022可包括：解析模块401、第二分析模块402和筛选模块403，具体如下：
解析模块401，用于对X个视频片段进行解析，得到Y帧视频图像，所述Y为正整数；
第二分析模块402，用于对所述Y帧视频图像中的每一帧视频图像进行行为分析，得到Z个符合预设行为的视频图像，所述Z为正整数；
筛选模块403，用于对所述Z个视频图像进行筛选，得到N个视频图像，每一视频图像对应一条告警信息。
可选地，如图3d，图3d为图3b所描述的视频处理装置的所述第一分析模块3022的具体细化结构，所述第一分析模块3022可包括：分割模块404、合并模块405、匹配模块406和生成模块407，具体如下：
分割模块404，用于对所述X个视频片段进行图像分割，得到P个人脸图像，所述P为正整数；
合并模块405，用于对所述P个人脸图像进行合并，得到Q个人脸图像，所述Q为小于或等于所述P的正整数；
匹配模块406，用于将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，得到所述N个人脸图像，所述A为正整数，所述N小于所述Q，所述N小于所述A；
生成模块407，用于根据所述N个人脸图像生成所述N条告警信息。
可选地，上述匹配模块406可包括如下模块：特征提取模块(图中未标出)、特征匹配模块(图中未标出)、特征值选取模块(图中未标出)和人脸获取模块(图中未标出)，具体如下：
特征提取模块，用于对所述Q个人脸图像中每一人脸图像进行特征提取，得到所述Q个第一特征集；
所述特征提取模块，还用于对所述A个人脸图像中每一人脸图像进行特征提取，得到所述A个第二特征集；
特征匹配模块，用于将所述Q个第一特征集与所述A个第二特征集进行匹配，得到Q*A个匹配值；
特征值选取模块，用于从所述Q*A个匹配值中选取大于预设匹配阈值的特征值，得到所述N个匹配值；
人脸获取模块，用于从所述Q个人脸图像中获取与所述N个匹配值对应的人脸图像，得到所述N个人脸图像。
可选地，如图3e，图3e为图3a所描述的视频处理装置的分配单元303的具体细化结构，所述分配单元303可包括：第二获取模块3031和分配模块3032，具体如下：
第二获取模块3031，用于获取所述目标用户设备的位置；
分配模块3032，用于根据所述位置与所述当前任务状态为所述目标用户设备分配M条告警信息。
可以看出，通过本发明实施例，数据处理装置可获取目标用户设备的当前任务状态，获取N条告警信息，N为正整数，根据当前任务状态为目标用户设备分配M条告警信息，N条告警信息包含M条告警信息，M为小于或等于N的整数，从而，可获取用户设备的当前任务状态，如：待处理任务、已处理任务和超时未处理等，在其任务较多时，则可少为其分配告警信息，在其任务较少时，则多为其分配告警信息，进而可实现对告警信息进行合理处理。
与上述一致地，请参阅图4，为本发明实施例提供的一种数据处理装置的第二实施例结构示意图。本实施例中所描述的数据处理装置，包括：至少一个输入设备1000；至少一个输出设备2000；至少一个处理器3000，例如CPU；和存储器4000，上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中，上述输入设备1000具体可为触控面板、物理按键或者鼠标。
上述输出设备2000具体可为显示屏。
上述存储器4000可以是高速RAM存储器，也可为非易失存储器(non-volatilememory)，例如磁盘存储器。上述存储器4000用于存储一组程序代码，上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码，执行如下操作：
上述处理器3000，用于：
获取目标用户设备的当前任务状态；
获取N条告警信息，所述N为正整数；
根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
可选地，上述处理器3000，获取N条告警信息，包括：
从X个摄像头获取视频，得到所述X个视频片段，每一所述摄像头对应一个所述视频片段，所述X为正整数；
对所述X个视频片段进行行为分析，得到所述N条告警信息。
可选地，上述处理器3000，对所述X个视频片段进行行为分析，得到所述N条告警信息，包括：
对X个视频片段进行解析，得到Y帧视频图像，所述Y为正整数；
对所述Y帧视频图像中的每一帧视频图像进行行为分析，得到Z个符合预设行为的视频图像，所述Z为正整数；
对所述Z个视频图像进行筛选，得到N个视频图像，每一视频图像对应一条告警信息。
可选地，上述处理器3000，对所述X个视频片段进行行为分析，得到所述N条告警信息，包括：
对所述X个视频片段进行图像分割，得到P个人脸图像，所述P为正整数；
对所述P个人脸图像进行合并，得到Q个人脸图像，所述Q为小于或等于所述P的正整数；
将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，得到所述N个人脸图像，所述A为正整数，所述N小于所述Q，所述N小于所述A；
根据所述N个人脸图像生成所述N条告警信息。
可选地，上述处理器3000，根据所述当前任务状态为所述目标用户设备分配M条告警信息，包括：
获取所述目标用户设备的位置；
根据所述位置与所述当前任务状态为所述目标用户设备分配M条告警信息。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种数据处理方法的部分或全部步骤。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白，本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信系统。
本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种数据处理方法，其特征在于，包括：
获取目标用户设备的当前任务状态；
获取N条告警信息，所述N为正整数；
根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
2.根据权利要求1所述的方法，其特征在于，所述获取N条告警信息，包括：
从X个摄像头获取视频，得到所述X个视频片段，每一所述摄像头对应一个所述视频片段，所述X为正整数；
对所述X个视频片段进行行为分析，得到所述N条告警信息。
3.根据权利要求2所述的方法，其特征在于，所述对所述X个视频片段进行行为分析，得到所述N条告警信息，包括：
对X个视频片段进行解析，得到Y帧视频图像，所述Y为正整数；
对所述Y帧视频图像中的每一帧视频图像进行行为分析，得到Z个符合预设行为的视频图像，所述Z为正整数；
对所述Z个视频图像进行筛选，得到N个视频图像，每一视频图像对应一条告警信息。
4.根据权利要求2所述的方法，其特征在于，所述对所述X个视频片段进行行为分析，得到所述N条告警信息，包括：
对所述X个视频片段进行图像分割，得到P个人脸图像，所述P为正整数；
对所述P个人脸图像进行合并，得到Q个人脸图像，所述Q为小于或等于所述P的正整数；
将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，得到所述N个人脸图像，所述A为正整数，所述N小于所述Q，所述N小于所述A；
根据所述N个人脸图像生成所述N条告警信息。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述当前任务状态为所述目标用户设备分配M条告警信息，包括：
获取所述目标用户设备的位置；
根据所述位置与所述当前任务状态为所述目标用户设备分配M条告警信息。
6.一种数据处理装置，其特征在于，包括:
第一获取单元，用于获取目标用户设备的当前任务状态；
第二获取单元，用于获取N条告警信息，所述N为正整数；
分配单元，用于根据所述当前任务状态为所述目标用户设备分配M条告警信息，所述N条告警信息包含所述M条告警信息，所述M为小于或等于所述N的整数。
7.根据权利要求6所述的装置，其特征在于，所述第二获取单元包括：
第一获取模块，用于从X个摄像头获取视频，得到所述X个视频片段，每一所述摄像头对应一个所述视频片段，所述X为正整数；
第一分析模块，用于对所述X个视频片段进行行为分析，得到所述N条告警信息。
8.根据权利要求7所述的装置，其特征在于，所述第一分析模块包括：
解析模块，用于对X个视频片段进行解析，得到Y帧视频图像，所述Y为正整数；
第二分析模块，用于对所述Y帧视频图像中的每一帧视频图像进行行为分析，得到Z个符合预设行为的视频图像，所述Z为正整数；
筛选模块，用于对所述Z个视频图像进行筛选，得到N个视频图像，每一视频图像对应一条告警信息。
9.根据权利要求7所述的装置，其特征在于，所述第一分析模块包括：
分割模块，用于对所述X个视频片段进行图像分割，得到P个人脸图像，所述P为正整数；
合并模块，用于对所述P个人脸图像进行合并，得到Q个人脸图像，所述Q为小于或等于所述P的正整数；
匹配模块，用于将所述Q个人脸图像与图像库中的A个人脸图像进行匹配，得到所述N个人脸图像，所述A为正整数，所述N小于所述Q，所述N小于所述A；
生成模块，用于根据所述N个人脸图像生成所述N条告警信息。
10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-5任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710351934.3A CN107301373B (zh) | 2017-05-18 | 2017-05-18 | 数据处理方法、装置及存储介质 |
| PCT/CN2018/078632 WO2018210039A1 (zh) | 2017-05-18 | 2018-03-09 | 数据处理方法、数据处理装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710351934.3A CN107301373B (zh) | 2017-05-18 | 2017-05-18 | 数据处理方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107301373A true CN107301373A (zh) | 2017-10-27 |
| CN107301373B CN107301373B (zh) | 2018-03-27 |
Family
ID=60138092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710351934.3A Active CN107301373B (zh) | 2017-05-18 | 2017-05-18 | 数据处理方法、装置及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107301373B (zh) |
| WO (1) | WO2018210039A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018210039A1 (zh) * | 2017-05-18 | 2018-11-22 | 深圳云天励飞技术有限公司 | 数据处理方法、数据处理装置及存储介质 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051975B (zh) * | 2019-12-27 | 2024-04-02 | 深圳云天励飞技术有限公司 | 人流量统计方法及相关产品 |
| CN113179423A (zh) * | 2021-04-23 | 2021-07-27 | 深圳市商汤科技有限公司 | 事件的检测输出方法及装置、电子设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020067254A1 (en) * | 1998-08-31 | 2002-06-06 | Tomoichi Ebata | Surveillance system and network system |
| CN101547410A (zh) * | 2008-03-24 | 2009-09-30 | 华为技术有限公司 | 告警信息传输方法及装置 |
| CN102136924A (zh) * | 2010-01-27 | 2011-07-27 | 新奥特（北京）视频技术有限公司 | 一种告警信息的过滤分发处理方法和一种服务器 |
| CN104537796A (zh) * | 2014-12-17 | 2015-04-22 | 深圳市中科安防科技有限公司 | 一种告警信息处理系统及处理方法 |
| CN106412491A (zh) * | 2015-07-30 | 2017-02-15 | 中兴通讯股份有限公司 | 视频监控方法、装置及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6829391B2 (en) * | 2000-09-08 | 2004-12-07 | Siemens Corporate Research, Inc. | Adaptive resolution system and method for providing efficient low bit rate transmission of image data for distributed applications |
| CN102103609A (zh) * | 2009-12-21 | 2011-06-22 | 北京中星微电子有限公司 | 一种信息检索方法及系统 |
| CN106127106A (zh) * | 2016-06-13 | 2016-11-16 | 东软集团股份有限公司 | 视频中目标人物查找方法和装置 |
| CN106408164A (zh) * | 2016-08-30 | 2017-02-15 | 长威信息科技发展股份有限公司 | 一种警力资源调度方法及系统 |
| CN107301373B (zh) * | 2017-05-18 | 2018-03-27 | 深圳云天励飞技术有限公司 | 数据处理方法、装置及存储介质 |
-
2017
- 2017-05-18 CN CN201710351934.3A patent/CN107301373B/zh active Active
-
2018
- 2018-03-09 WO PCT/CN2018/078632 patent/WO2018210039A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020067254A1 (en) * | 1998-08-31 | 2002-06-06 | Tomoichi Ebata | Surveillance system and network system |
| CN101547410A (zh) * | 2008-03-24 | 2009-09-30 | 华为技术有限公司 | 告警信息传输方法及装置 |
| CN102136924A (zh) * | 2010-01-27 | 2011-07-27 | 新奥特（北京）视频技术有限公司 | 一种告警信息的过滤分发处理方法和一种服务器 |
| CN104537796A (zh) * | 2014-12-17 | 2015-04-22 | 深圳市中科安防科技有限公司 | 一种告警信息处理系统及处理方法 |
| CN106412491A (zh) * | 2015-07-30 | 2017-02-15 | 中兴通讯股份有限公司 | 视频监控方法、装置及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018210039A1 (zh) * | 2017-05-18 | 2018-11-22 | 深圳云天励飞技术有限公司 | 数据处理方法、数据处理装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107301373B (zh) | 2018-03-27 |
| WO2018210039A1 (zh) | 2018-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106878670B (zh) | 一种视频处理方法及装置 | |
| CN106791655B (zh) | 一种视频处理方法及装置 | |
| CN106778645B (zh) | 一种图像处理方法及装置 | |
| CN107341443B (zh) | 视频处理方法、装置及存储介质 | |
| CN107169458B (zh) | 数据处理方法、装置及存储介质 | |
| US20180330591A1 (en) | Protection of privacy in video monitoring systems | |
| CN107291810A (zh) | 数据处理方法、装置及存储介质 | |
| US10956753B2 (en) | Image processing system and image processing method | |
| CN110188807A (zh) | 基于级联超分辨率网络与改进Faster R-CNN的隧道行人目标检测方法 | |
| CN110659391A (zh) | 一种视频侦查方法及装置 | |
| EP2283472A1 (en) | A system and method for electronic surveillance | |
| CN109766779A (zh) | 徘徊人员识别方法及相关产品 | |
| CN109740444A (zh) | 人流量信息展示方法及相关产品 | |
| EP4090036A1 (en) | Privacy shielding processing method and apparatus, electronic device, and monitoring system | |
| CN106791708A (zh) | 一种视频处理方法及装置 | |
| CN107301373B (zh) | 数据处理方法、装置及存储介质 | |
| CN106657913B (zh) | 一种视频处理方法及装置 | |
| CN109766755A (zh) | 人脸识别方法及相关产品 | |
| CN106851199A (zh) | 一种视频处理方法及装置 | |
| CN107357821A (zh) | 系统管理方法、装置及存储介质 | |
| CN106713864B (zh) | 一种视频处理方法及装置 | |
| CN107316011A (zh) | 数据处理方法、装置及存储介质 | |
| US10783365B2 (en) | Image processing device and image processing system | |
| Xu et al. | A novel computer vision‐based approach for monitoring safety harness use in construction | |
| CN116071784A (zh) | 人员违规行为识别方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Futian District, Guangdong province Shenzhen City Road 518000 No. 1003 Science Museum 701 Patentee after: Shenzhen Yuntian lifeI Technology Co., Ltd Address before: Futian District, Guangdong province Shenzhen City Road 518000 No. 1003 Science Museum 701 Patentee before: SHENZHEN INTELLIFUSION TECHNOLOGIES Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |