CN107852480A - 一种信息智能采集方法与装置 - Google Patents

一种信息智能采集方法与装置 Download PDF

Info

Publication number
CN107852480A
CN107852480A CN201580080975.2A CN201580080975A CN107852480A CN 107852480 A CN107852480 A CN 107852480A CN 201580080975 A CN201580080975 A CN 201580080975A CN 107852480 A CN107852480 A CN 107852480A
Authority
CN
China
Prior art keywords
information
module
video
intelligent acquisition
scene
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.)
Pending
Application number
CN201580080975.2A
Other languages
English (en)
Inventor
沙力
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Memo Robotek Inc
Original Assignee
Memo Robotek Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Memo Robotek Inc filed Critical Memo Robotek Inc
Publication of CN107852480A publication Critical patent/CN107852480A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/20—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only
    • H04N23/23—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only from thermal infrared radiation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Telephone Function (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种信息智能采集的方法和装置，具备信息检测、信息采集、信息识别、信息存储和信息传输等功能。在信息采集过程中，该装置能自动识别并选择目标信息，将其存储，并选择性地将目标信息通过特定传输方式发送给特定的信息接收终端。

Description

一种信息智能采集方法与装置 技术领域
本发明涉及一种信息智能采集方法与装置，尤其是一种含有对目标信息自动识别与选择功能的信息智能采集方法与装置。
背景技术
人们日常生活中的视频拍摄，例如旅行、活动聚会、婴儿成长记录等视频，一般使用照相机或摄影机完成。在整个拍摄过程中，从场景选择、目标定位、拍摄存储以及后期筛选都需要人工参与，耗费大量的时间与精力，难以满足生活节奏快速的人们的需求。
对于安全监控系统，一般的技术是采用远程摄像头连续拍摄，将所获取画面全部存储并传输给监控终端，以供用户分析。用户可以不在拍摄现场，但后续需要花费很多时间和精力对所拍摄的内容进行筛选，如果采用较高清晰度的拍摄模式，将会给后台存储带来很大的压力。
发明内容
一种信息智能采集的方法，可以包括以下过程：当检测到背景中信息的变化超过一定阈值时，开启信息采集功能，进行信息采集。在信息采集的同时，自动识别并选择目标场景。判断所识别的场景是否存在目标场景。如果存在目标场景，则对目标场景进行进一步识别或者直接对包含目标场景的信息进行存储。如果不存在目标场景，则停止采集信息。目标场景的识别可以包含判断信息中是否含有类比于目标场景的信息表达。例如，判断信息中是否有类似或者等同于目标场景的信息。目标场景可以是根据历史记录统计出来的具有特定特征的场景，也可以是根据外界的输入参数定义出的场景，或者结合历史数据统计和外界输入参数所定义的场景。目标场景的特征可以包含场景画面的亮度和对比度、场景画面中的运动物体、场景画面中的目标对 象(例如，人脸或者人的轮廓)中的其中一种或者任意组合。其中，目标场景的自动识别和选择可以依赖于机器训练。通过机器训练，信息智能采集装置能够自动识别并选择目标场景。在一个实施例中，机器训练的方式包括记录并学习信息存储模块中的用户相关信息，包括但不限于用户喜好的内容、使用习惯、设置信息等。进一步的，用户的使用习惯包括但不限于用户通过机器查看、删除、存储或发送信息的内容和特征。用户的设置信息包括但不限于用户对目标场景的描述、相应参数的设定，以及用户对感兴趣的信息内容进行的标记、操作等。
另一方面，在信息智能采集的方法中，存储的视频还可以进一步通过数据传输模块传输给特定接收终端。其中的接收终端可以是任何具有视频读取功能的设备。
一种信息智能采集的装置，可以包括以下模块：信息检测模块，检测背景中的信息变化；视频采集模块：当背景中信息变化超过一定阈值时开启；场景识别模块：自动识别并选择带有目标场景的视频；视频存储模块：对目标视频进行存储。其中，目标场景的自动识别和选择可以依赖于机器训练。
另一方面，在信息智能采集装置中，还可以进一步包括数据传输模块，将存储的目标视频传输给特定接收终端。其中的接收终端可以是任何具有视频读取功能的设备。
附图说明
在此所述的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的限定。
图1为一种信息智能采集装置的结构示意图；
图2为一种信息检测模块的实施例结构图；
图3为一种信息识别模块的实施例结构图；
图4为一种信息识别模块的实施例流程图；
图5为一种信息智能采集装置的实施例流程图；
图6为一种信息智能采集装置的结构流程图；
图7为一种信息智能采集装置的具体实施例流程图。
具体实施例
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员，在不付出创造性劳动的前提下，可以根据这些附图将本发明应用于其他类似情景。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其他术语的相关定义将在下文描述中给出。
图1为信息智能采集装置的一种实施方案示意图。如图1所示，信息智能采集系统100包括信息检测模块101、信息采集模块102、信息识别模块103、信息存储模块104、信息传输模块105与信息接收模块106。系统内各模块之间的连接形式可以是有限的，也可以是无线的。任何一个模块都可能是本地的，也可以是远程的，通过网络与其他模块连接。模块与模块间的对应关系可以是一对一的，也可以是一对多的集中式，如一个信息存储模块与多个检测模块和识别模块连接。
信息检测模块101、信息存储模块104、与信息接收模块106都不是必须全部存在的，而是可以随着应用场景的变化有所取舍的。例如，对于某些信息采集系统，可以舍弃信息接收模块106，而不影响 整个系统的运转。又例如，对于某些信息采集系统，可以舍弃信息检测模块101，直接对场景进行识别。以上举例仅仅是为了说明信息检测模块101、信息存储模块104、与信息接收模块106不是系统所必需的模块，相关领域的技术人员可以根据需要，对模块的配置进行改进与变化，这些改进与变化都不脱离本发明的精神与范围。
信息智能采集系统100还可以与用户实现信息交互，用户泛指能够与信息智能采集系统进行信息交互的个人以及其它信息源。信息源包括但不限于可被检测到的物质或物理量，例如声波、电磁波、湿度、温度、气压等，也可以是网络信息源，包括但不限于Internet上的服务器等。
信息检测模块101可以用于检测具有一定特征的外部信息108，并根据检测结果选择是否开启其他相关模块。例如，当信息检测模块101检测到场景中特定信息的变化时，触发信息采集模块102。信息采集模块102可以用于采集场景信息。更进一步的，信息采集模块102可以在信息识别模块103的帮助下，自动识别并选择采集特定的或普遍的信息。其中，信息识别模块103可以根据所采集信息的种类、特征、大小、传输方式等一种或多种的组合来对信息进行判断和识别。在一个具体实施例中，信息检测模块101，信息采集模块102和信息识别模块103之间可以相互影响。信息采集模块102可以根据所采集的信息反馈控制信号给信息检测模块101。信息识别模块103可以根据所需识别的信号反馈控制信号给信息检测模块101和信息采集模块102。例如，信息识别模块103没有识别到满足条件的信息时，反馈信息可以是关闭信息检测模块101或信息采集模块102。由信息采集模块102采集或者通过信息识别模块103识别后的信息可以由信息存储模块104保存。在一定条件下，信息传输模块105可以传输存储于信息存储模块104的信息，或者直接将信息采集模块102、信息识别模块103中传递的信息传递给具有存储功能的存储空间109。在一个具体的实施例中，信息存储模块104，信息传输模块105也可以反馈信息给信息检测模块101、信息采集模块102、信心识别模块103中 的一个或多个的组合。例如，从信息存储模块104中提取出存储的信息的特性，可以修改或改进信息识别模块103识别信息的特征，从而使得信息识别更为准确。信息智能采集装置100可以通过信息接收模块106与外部设备107相连，接收信息包括但不限于控制信息，场景信息，参数信息等。外部设备107包括具有有线或无线传输能力的网络设备，例如但不限于手机、电脑、可穿戴设备，云端设备，网络服务器等。
需要注意的是，图1中并不包括信息智能采集的所有模块，所涉及的模块也并不表示必须含有的。系统内各模块之间的连接形式可以是有线的，也可以是无线的。任何一个模块都可能是本地的，也可以是远程的，通过网络与其他模块连接。模块与模块间的对应关系可以是一对一的，也可以是一对多的集中式，如一个信息检测模块同时与多个信息接收模块连接。信息检测模块、信息采集模块和信息识别模块中的一个或多个模块可以分别与信息存储模块、信息传输模块相连。信息接收模块也可以直接与信息存储模块相连。各个模块间的连接关系可以是固定的，也可以是根据外界输入或者系统的使用过程实时改变的。对于该领域的的普通技术人员来说，可以在无创新的情况下，对模块进行增减或重新组合，得到其他的实施方案。例如，信息采集模块102和信息识别模块103可以是同一个模块，即信息的采集和识别同时进行。信息识别模块103可以在其他不同模块对信息进行处理时对信息进行识别、判断。信息传输模块可以包含判断单元，用于检测传输环境，并据此判断是否启用传输功能或者选择性的传输全部或者部分信息。
以下从各模块的角度描述本发明实施例的信息智能采集系统100的组成与结构。
信息检测模块101用于跟踪并检测场景信息的变化。这里场景信息包括但不限于声音、气味、气体(例如气体种类或浓度)、图像、温度、湿度、压力(包括作用于液体或固体上的压力，例如气压、重力、压力等)、电磁波(例如但不限于无线电波、微波、红外光、可 见光、紫外光、X-射线和伽马射线等)、速度、加速度、以及对象间的交互关系等。其检测的信息可以是其中的一种或者多种信息。也可以对各种信息的重要程度赋以权值，或者根据特定的算法加以计算，或者根据系统自学习功能对信息重要程度进行自主判断。
图2为信息检测模块101的一个具体实施例。如图2所示，信息检测模块101可以包括检测单元201，控制单元202和处理单元203。
检测单元201可以采用单一的传感器，也可以采用检测多种信息的传感器组合。检测单元201也可充分利用现有的和各种可能实施的各种设备，包括但不局限于：声音检测器、气味检测器、气体检测器、图像检测器、温度检测器、湿度检测器、压力检测器、电磁波检测器(例如无线电波检测器、可见光检测器、红外光检测器和紫外光检测器等)、速度检测器、加速度检测器等。
控制单元202可以控制信息检测模块101的工作状态。例如，控制单元202可以设置检测单元201的工作时间。可以设置为连续检测，也可以按照一定频率或预先设定的时间间隔。例如一分钟，一刻钟、一个小时等，其时间间隔可以调节。测量的频率或者时间间隔也可以根据需要和场景动态调节。例如，信息检测模块101在白天每一刻钟检测一次，每次检测持续的时间为一分钟。在夜晚，每一小时检测一次，每次检测持续的时间为半分钟。
处理单元203可以处理检测单元201获取的信息，在该基础上与其他模块通信。例如，信息检测模块101根据检测到的信号强弱判断是否开启或关闭其他模块。在另一个实施例中，信息检测模块101也可以根据装置中其他一个或多个模块的反馈信息确定检测状态。例如，信息识别模块103没有识别出满足条件的信息，则可以选择反馈控制信号给信息检测模块101，信号检测模块101可以根据反馈信号中止或继续检测。信息识别模块103识别出满足条件的信息，例如目标场景或者场景中存在目标信息，则信息识别模块103可以反馈控制信号给信息采集模块102，调整信息采集模块102的采集状态。在其他实施例中，信息检测模块101的检测阈值是可变的。即检测模块101 可以根据场景中信息的变化幅度、频率、范围等因素确定是否跟踪并检测场景中的信息。例如，检测阈值与场景的亮度变化速率有关，则亮度的快速变化超过信息检测模块101的阈值，则可以触发后续操作。例如窗帘打开后，阳光照入场景导致场景中亮度迅速变化，从而可以触发后续模块。
需要注意的是，本处所举出的信息种类以及信息检测方法，只是为了便于理解发明。信息检测模块101可以根据不同情形，例如通过用户设定或系统自学习功能来确定要检测的信息种类，进而根据信息种类的特点来确定具体的检测方法。该领域的普通技术人员据此所作出的延展，也包括在本发明的保护范围之内。例如，系统可以根据常见人物出现时的环境信息(如温度、速度的变化等)或者时间信息等，统计数据总结计算出特定人物的身份并据此做出判断。
以上对信息检测模块功能与部件的描述仅仅是具体的示例，不应被视为是唯一可行的实施方案。显然，对于本领域的专业人员来说，在了解信息检测的基本原理后，可能在不背离这一原理的情况下，根据实际硬件条件等因素，对实施检测的具体方式与步骤进行形式和细节上的各种修正和改变，例如，信息检测模块101中的检测单元201、控制单元202和处理单元203都不是必须存在的，而是可以随着不同应用场景而有取舍的。例如，对于某些检测模块，控制单元202或处理单元203的功能是集成在外部控制单元或处理单元之中的，而且外部的控制单元或处理单元可以是被信息采集系统的其它模块所共用的。检测模块内各个单元之间的连接形式可以是有线的，也可以是无线的。任何一个单元都可能是本地的也可以是远程的。信息检测、信息控制和信息处理之间可以是实时的，也可以是非实时的，控制单元和处理单元的工作可以滞后于检测单元，信息控制和信息处理之间可以是同步的，也可以是非同步的。
当信息检测模块101检测到一定信息变化时，信息采集模块102则被触发。该信息变化可以为某个信息参数的变化或者多个信息参数的综合变化。这些被采集的信息包括但不局限于声音、气味、气体(例 如气体种类或浓度)、图像、温度、湿度、压力(包括作用于液体或固体上的压力，例如气压、重力、压力等)、电磁波(例如但不限于无线电波、微波、红外光、可见光、紫外光、X-射线和伽马射线等)、速度、加速度、以及对象间的交互关系等。信息采集模块102，可以是任何具有信息采集功能的设备。在一个具体的实施例中，信息采集模块102中存在能够感应特定信息的感应元件。可以将所采集的信息转换成其他信号，并将采集的信息或转换后的信号传递给其他模块。例如，要对声音和图像同时采集，可以使用摄像头或摄像机。另外，所述的信息采集模块102也并不限于现在已被广泛采用和商业化的技术，也包括正在研究但并未广泛商业化或采用的信息采集设备。例如气味、运动、思想情感等信息的采集，或3D信息采集等。以上举例仅仅是一个实施例，相关领域的技术人员可以根据需要，对模块的配置进行改进与变化，这些改进与变化都不脱离本发明的范围。例如，信息检测模块101可以不是必需的，信息采集模块102的触发可以是通过外界控制，也可以设置为非触发模式而正常保持运行。
对于信息识别模块103，它识别的是被采集信息中是否具有一定的预定特征。例如，鉴别该等信息的某些特征是否达到或超过一定阈值。这些特征和阈值的条件，可以通过人工设定，也可以通过机器训练形成自主判断。图3是信息识别模块的一个结构示意图。其中，信息识别模块103包括控制单元301，判断单元302和存储单元303。其中，控制单元301可以根据信息采集装置100中的其他模块或者外界输入的信息对信息识别模块103的工作状态进行控制。也可以根据判断单元302或存储单元303的信息对信息采集装置100中的其他模块进行控制或者将控制信息传递给其他模块。例如，信息识别模块103识别出目标场景，或者识别出场景中存在目标对象后，则信息识别模块103可以反馈控制信号给信息采集模块102，使信息采集模块102调整信息采集方式(比如调整摄像头拍摄范围，拍摄焦距，或自动追踪到目标对象等)。判断单元302可以对信息采集模块102采集的信息或者经处理转化后的数据进行分析，从而判断信息是否为目标信 息。存储单元303存储的内容可以是识别信息的参数设计，历史信息中的目标信息，所需识别信息的种类，信息的判断条件304等其中一种或者几种的组合。存储单元303可以是信息识别模块103中独立的单元，也可以是信息存储模块104的一部分。在一些实施例中，判断条件304可以对不同种类的信息设定不同的判断条件。例如，信息识别模块103所识别的对象是，声音、气味、气体(例如气体种类或浓度)、图像、温度、湿度、压力(包括作用于液体或固体上的压力，例如气压、重力、压力等)、电磁波(例如但不限于无线电波、微波、红外光、可见光、紫外光、X-射线和伽马射线等)、速度、加速度、以及对象间的交互关系等信息中的某种特征，也可以是几种特征的组合，可以根据用户的需求对不同特征的权值进行设定。
以上对信息识别模块的描述仅仅是具体的示例，不应被视为唯一可行的实施方案。显然，对于本领域的专业人员来说，在了解检测模块的基本原理后，可能在不背离这一原理的情况下，对实施检测的具体方式与步骤进行形式和细节上的各种修正和改变，但是这些修正和改变仍在以上描述的范围之内。例如，控制单元、判断单元、和存储单元都不一定是必需的，对于某些信息识别模块，在舍弃控制单元或存储单元的情况下仍然不影响系统的运转。
在一些具体的实施例中，对于声音的识别方法，可以但不限于判断其流畅性、频率、音色或强度等特征是否满足一定条件。对于图像，可以但不限于判断其画质、运动性或图像中是否存在目标人物等特征是否满足一定条件。进一步地，对于画质的识别，可以但不限于判断图像的亮度、对比度或分辨率等特征是否满足一定条件。进一步地，对于运动性，可以但不限于判断图像中是否含有特定运动模式的物体或人物。进一步地，对于目标人物的识别，可以采用任何相关技术来鉴别出具有一定特征的目标人物，所采用的技术，可以但不限于人物识别、年龄识别或表情识别技术。需要注意的是，以上对声音、图像等信息的识别，只是为了方便说明问题，具体实施可根据实用场景灵活调节，而不局限于此类特殊实例。例如，判断条件304可以包含多 级判断。例如，对于图像，可以先进行第一级判断(判断凸显的亮度、对比度或分辨率等特征是否满足一定的条件)，如果第一级判断满足条件，则进行下一级判断(例如，判断图像中是否存在目标人物或者是否存在运动目标)。在多级判断过程中，识别模块103可以对识别的信息进行不同的处理。例如，对满足不同级别的信息采用不同的存储方式或者赋予不同的权重。需要注意的是，以上所描述的第一级判断和第二级判断条件只是一个特例，实际应用中多级判断条件的组合、顺序可以按照用于设定或者实际需求确定。
图4是一种信息识别模块的多级判断流程图。在步骤401，信息识别模块103获取要识别的信息。在步骤402，判断信息是否满足第一级识别条件。如果不满足，则识别过程结束，如果第一级识别满足条件，则在步骤403，标记信息(例如，标记优先级或加上权重因子，优先级或者权重因子高的信息可以在后续过程中获得优先存储、传输、分析等处理)。在步骤404，进行第二级识别。如果判定不满足条件，则存储信息；如果满足第二级识别条件，在步骤405处标记信息(例如，标记优先级或加上权重因子)，在步骤406存储信息。其中，第一级识别和第二级识别可以是针对不同种类的信息(例如第一级识别声音条件，第二级识别图像条件)。第一级识别和第二级识别也可以是针对同一种类信息的不同属性。例如第一级识别画面的亮度、对比度或分辨率是否满足要求，第二级识别画面中是否存在目标人物。对于该领域的普通技术人员来说，可以在无创新的情况下，对多级判断条件进行增减或重新组合，得到其他的实施方案。例如，识别模块中可以只存在一级识别，并且只对信息某一方面的属性进行判定，或者第一级识别和第二级识别之间可以加入第三级识别，可以针对信息的其他属性进行判断。信息的多级识别也可以是同时进行的，没有明显的先后顺序。
多级识别的条件可以由信息采集装置100通过机器学习确定。机器训练可以使信息智能采集装置100自动识别并选择目标场景。机器训练可以通过多种方式进行，例如通过记录或学习存储单元303或者 信息存储模块104中的用户的喜好、使用习惯、设置信息等实现。其中，用户的使用习惯包括但不限于用户通过机器查看、删除、存储或发送信息的内容和特征，以及用户对信息采集装置所作判断的回馈。例如但不限于：同意、拒绝、不置可否等。用户的设置信息包括但不限于用户对目标场景的描述、相应参数的设定、用户对感兴趣的信息内容进行的标记、操作等。例如，机器可以记录或学习用户经常查看或截取的信息的主题或内容，并对相应的主题或内容特征进行分析、提取和总结。相应的主题或内容特征包括但不限于信息的采集时间、信息采集的范围、信息的画面特征、以及信息内容的变化特征。例如，用户经常查看或编辑的内容发生在每天或每周中比较固定的时间，则可能在该时间范围内采集的信息是目标信息的概率会相对比较高。用户经常查看或编辑的内容出现在场景中某个位置，则与该位置相关度高的信息是目标信息的概率会比较高。进一步的，信息的画面特征可以是所采集画面的亮度、对比度、饱和度等。也可以是画面中所描绘的内容，包含但不限于画面中出现的运动物体、人物特征等。机器在自学习过程中，通过分析得到的数据或回馈数据，不断对算法进行修正，最终实现机器对目标场景的自动识别和选择。
以上对机器训练或自主学习的内容描述仅仅是具体的实施例，不应被视为是唯一可行的方案。显然，对于本领域的专业人员来说，在了解机器训练的基本原理后，在不背离这一原理的情况下，对实施机器训练的具体方式和步骤进行形式和细节上的修正和改变，但这些修正和改变仍在本发明的保护范围之内。
需要注意的是，以上通过机器记录和分析用户操作历史的方式是机器训练的一种表现形式。对于本领域的普通技术者来说，完全可以将机器训练的形式进行扩展。例如，机器通过特定渠道获取相关信息，例如网络上可能存在的关于用户的信息或者用户在网络上发布、浏览的内容。或者用户从其他媒介中拷贝、传送到机器上的信息，从而分析出用户感兴趣的目标信息的特征，并依此作为自动识别并选择信息的标准。
信息存储模块104可以存储信息识别模块103所获得并处理的信息。也可以对信息检测模块101，信息采集模块102，信息传输模块105，信息接收模块106，获取或处理的中间信息进行存储。信息存储模块104可以对以上信息不加区分地存储，也可以根据信息所满足特征的情况或者其他模块对信息的标记情况进行优先级划分。例如但不限于，若有一段图像信息同时满足画质、运动性和运动性特征，另一段图像最多满足其中的两种特征，那么前者的优先级优于后者。在信息存储模块104对信息进行存储时，会加以区分。信息以文件的形式存在于信息存储模块104中，供随时传输、查看、删除或其他用途。信息存储模块104可以是本地的存储设备，也可以是通过网络存储在某些网络存储设备上。
这里所说的网络存储设备，包括直接连接存储(Direct Attached Storage)，网络附加存储(Network Attached Storage)和存储区域网络(Storage Area Network)等存储系统上的存储设备。网络存储设备与信息智能采集系统100中其它模块可以通过局域网，如以太网连接，也可以通过广域网连接，连接方式可以是有线的，也可以是无线的。存储设备包括但不限于常见的各类存储设备如固态存储设备(固态硬盘、固态混合硬盘等)、机械硬盘、USB闪存、记忆棒、存储卡(如CF、SD等)、其他驱动(如CD、DVD、HD DVD、Blu-ray等)、随机存储器(RAM)和只读存储器(ROM)。其中RAM有但不限于：十进计数管、选数管、延迟线存储器、威廉姆斯管、动态随机存储器(DRAM)、静态随机存储器(SRAM)、晶闸管随机存储器(T-RAM)、和零电容随机存储器(Z-RAM)等；ROM又有但不限于：磁泡存储器、磁钮线存储器、薄膜存储器、磁镀线存储器、磁芯内存、磁鼓存储器、光盘驱动器、硬盘、磁带、早期NVRAM(非易失存储器)、相变化内存、磁阻式随机存储式内存、铁电随机存储内存、非易失SRAM、闪存、电子抹除式可复写只读存储器、可擦除可编程只读存储器、可编程只读存储器、屏蔽式堆读内存、浮动连接门随机存取存储器、纳米随机存储器、赛道内存、可变电阻式内存、和可编程金属 化单元等。以上提及的存储设备是列举了一些例子，该网络存储设备可以使用的存储设备并不局限于此。
信息传输模块105可以应用各种网络技术进行数据传输。这些网络包括但不限于：有线网、无线个人网(蓝牙、Wi-Fi等)、无线区域网、无线城域网、无线广域网、蜂窝网络或移动网络、全球区域网络等。信息传输模块105首先检测信息接收终端106所处的网络环境，如果网络适合信息传输，则根据信息的文件大小和优先级，选择一定的传输策略进行传输。例如，当所处网络环境不佳时，会传输一些较小的信息文件。对于较大的视频文件，则会在网络环境较好时传输。当所处网络环境较优，并且所需传输的视频文件大小相当时，会率先传输对用户更有价值，即优先级最高的视频。本模块也支持最基础的数据线拷贝功能。
信息接收模块106可以用于接收外部设备107的传输信息。在一个实施例中，信息的传输过程可以是用户直接通过输入界面对信息采集装置100进行操作。例如，用户对信息采集装置100所采集的信息内容进行的编辑、筛选，或者用户对系统参数进行的设定或修改等。在另一种实施例中，信息接收模块106可以接收第三方设备的数据，例如，信息接收模块106可以接收用户发布在网络(例如facebook，youtube等)上的信息。进一步的，信息采集装置100可以对此类信息进行分析，并生成符合用户习惯的判断标准。
存储空间109可以指各种适用的信息读取设备。包括但并不限于，台式机、笔记本电脑、掌上电脑(PDA)、平板电脑、移动终端(例如手机或掌上上网设备等)、电视机(例如但不局限于网络电视机等)等设备。另外，存储空间也可以是云端、网络服务器等网络设备或节点。存储空间109可以是依赖信息采集装置100的存储单元，也可以是独立于信息采集装置100的存储单元。所述的存储空间并不限于现在已被广泛采用和商业化的技术，也包括正在研究但并未广泛商业化或采用的信息读取设备。需要注意的是，本处所举出的信息传输模块105与存储空间109示例，只是为了便于理解发明。在具体实施时， 信息传输模块105可以根据所传输信息的特点选用相应的信息接收模块，同时信息传输模块105也可以根据存储空间109的具体情况自主地优化传输策略。该领域的普通技术人员据此所作出的延展，包括在本发明的保护范围之内。例如，假设存储空间109为手机移动终端，那么信息传输模块105会同时关注手机所处的无线网络(蓝牙、WLAN、Wi-Fi等)、移动网络(2G、3G或4G信号)、或其他连接方式(VPN、共享网络、NFC等)，信息传输模块105根据手机移动终端具体网络环境、信息文件的大小和/或优先级，确定相应传输策略。
需要注意的是，图1只是信息智能采集装置的一种实施方案示意图，并不包括信息智能采集装置的所有模块。对于图1所涉及的模块，其中的一个模块可由多个部件实现，或者多个模块由同一个部件实现。另外，每个模块的功能并不局限于示意图中所指，均可在实现同样结果的前提下进行更换、精简、或扩充。例如图1中的信息检测模块101，可以是声音检测器、气味检测器、气体检测器、图像检测器、温度检测器、湿度检测器、压力检测器、电磁波检测器(例如无线电波检测器、可见光检测器、红外光检测器和紫外光检测器等)、速度检测器、加速度检测器等，这些检测器可以单独作为信息检测模块101使用，也可以选择其中的几种联合作为信息检测模块101使用。
图5为信息智能采集装置100识别并选择目标场景的一个实施场景。信息采集的地点可以是用户设定的某个场所，可以是一个房间，一个室外空间，某一建筑，或者某一特定开放区域。为说明方便，此处假设其为一个客厅或婴儿房等。在信息采集前，首先对信息进行检测502。为了便于说明，此处假设信息检测模块101为红外检测器。当红外检测模块测试到背景热源变化，且该变化超过一定预先设定或根据系统的自学习功能设定的阈值时，信息采集模块102被开启。例如，阳光透过窗户洒进房间，其温度在短时间内可能不会有很大变化。如果其变化没有超过预先设定或根据系统的自学习功能设定的阈值时，则不触发信息采集模块102。当某个热源突然进入检测范围内，例如人或动物进入房间，或者室内的加热器工作温度快速变化。红外 检测模块发现热源变化超过预先设定或根据系统的自学习功能设定的阈值，则开启采集信息采集模块102进行拍摄。通过检测信息，可以过滤掉一些无价值的场景，减轻用户后期筛选信息的负担。信息采集模块102在检测模块检测到特定信息的变化后打开，从而降低了信息连续采集造成的能源浪费。需要强调的是，此处描述只为了说明方便，所关注的信息还可以是声音、气味、气体(例如气体种类或浓度)、图像、温度、湿度、压力(包括作用于液体或固体上的压力，例如气压、重力、压力等)、电磁波(例如但不限于无线电波、微波、红外光、可见光、紫外光、X-射线和伽马射线等)、速度、加速度、以及对象间的交互关系等信息中的一种或几种。相应地，其信息检测模块101可以是声音检测器、气味检测器、气体检测器、图像检测器、温度检测器、湿度检测器、压力检测器、电磁波检测器(例如无线电波检测器、可见光检测器、红外光检测器和紫外光检测器等)、速度检测器、加速度检测等检测器中的一种或几种。
信息采集模块102触发后，进入第一级识别504。在第一级识别504中，依据信息的特征，对信息进行筛选。在本发明中，一级信息识别504所用的信息特征根据具体情况而定。为了说明方便，假设所识别的信息为视频，那么这些信息特征可以包含但不限于画面的亮度、对比度、运动特征、各种物体间关系和交互等。例如所采集的信息是视频信息并且特征标准是画面的亮度或对比度时，当画面的亮度或对比度达到一定预先设定或根据系统的自学习功能设定的标准时，视频可以被存储，并进入后续处理过程。画面的运动特征包括但不限于场景中是否有运动或者按照某种特定方式运动的对象。对于场景特征满足要求的视频执行存储步骤508，不符合的视频则另行处理(步骤507)。另行处理可以包括但不限于停止采集，删除缓存等。在一个具体实施例中，信息检测模块101检测到的热源变化是由室内的加热装置引起的(不是目标场景)。在步骤502处，检测到信息变化后触发信息采集模块102。在第一级识别中，识别模块103在信息采集范围内没有识别到明显的运动对象，则该场景不满足第一识别的条件， 从而停止拍摄。需要注意的是，对于第一级识别504，并不局限于以上所给出的示例，还可以包含任何其他在检测信息502的基础上进一步筛选信息的方法。例如对于声音，第一级识别时可以判断其流畅性、频率、音色或强度等特征是否满足一定条件。
第二级识别505可以进一步筛选出目标信息。为了便于说明，假设所识别的信息为视频，那么第二级识别505可以包含部分或全部第一级识别504中的识别条件，也可以完全区别于第一级识别504中的识别条件。例如，第二级识别505包含但不限于判断信息中是否存在目标人物或者其他预先设定或根据系统的自学习功能设定的对象。识别方法可以包括但不限于人脸识别与形体识别。具体实施时，可以对视频进行截图，如果截图中刚好有特定对象的特定信息，则可以利用对该等信息有效的识别技术判断其是否为目标对象。也可以选取一定时间段内的视频，提取出这段时间内出现变化的部分进行分析。例如，用户若对拍摄孩子更有兴趣，那么拍摄过程中出现年龄较小人物的视频被标定为更有价值。作为另外一个示例，如果在一个家庭中，不同成员在一定的视频区域内所占的相对体积是不同的，可利用其相对区域大小的不同，判断拍摄视频是否为目标视频。例如，用户若对拍摄孩子更有兴趣，那么人物所占区域较小的视频是目标视频的可能性更大，则所采集的视频也会被识别为价值更高。经过第二级识别后被判定为目标场景的内容，对用户而言，其价值性较高。在图5中，位于不同节点的信息，例如位于步骤506,508,509三处的信息，可以根据网络环境、优先级或者用户设置等选择后续处理方式。
需要注意的是，对于第二级识别505，并不局限于以上所给出的示例，可以包含其他在第一级识别基础上进一步筛选信息的方法。例如对于声音，第三级识别可以但不限于判断其感情色彩，例如是否为笑声或哭声，语气是否平静或激动等。需要注意的是，图5中并不包括信息智能采集装置识别并选择目标场景的所有步骤，图中所涉及的步骤也并不表示是信息智能采集的必含步骤。对于该领域的普通技术人员来说，可以在无创新的情况下，对步骤进行增减或重新组合，得 到其他实施方案。例如，省略检测步骤或其他步骤，或者将不同级的识别步骤改变顺序，或者将某一种或多种识别方法重复使用，这些都包含在本发明的保护范围内。
信息智能采集装置100自动识别并选择目标场景的行为可以通过机器训练实现。机器训练可以通过多种方式进行，例如机器可以通过记录或学习用户的使用习惯、设置信息等判断某一采集信息是否为目标信息。其中，用户的使用习惯包括但不限于用户通过机器查看、删除、存储或发送信息的内容和特征。用户的设置信息包括但不限于用户对目标场景的描述、相应参数的设定、用户对感兴趣的信息内容进行的标记、操作等。例如，机器可以记录或学习用户经常查看或截取的信息的主题或内容，并对相应的主题或内容特征进行分析、提取和总结。相应的主题或内容特征包括但不限于信息的采集时间、信息采集的范围、信息的画面特征、以及信息的内容的变化特征。例如，用户经常查看或编辑的内容发生在每天或每周中比较固定的时间，则可能在该时间范围内采集的信息是目标信息的概率会相对比较高。用户经常查看或编辑的内容出现在场景中某个位置，则与该位置相关度高的信息是目标信息的概率会比较高。进一步的，信息的画面特征可以是所采集画面的亮度、对比度、饱和度等，也可以是画面中所描绘的内容，包含但不限于画面中出现的运动物体、人物特征等。
以上对机器训练或自主学习的内容描述仅仅是具体的实施例，不应被视为是唯一可行的方案。显然，对于本领域的专业人员来说，在了解机器训练的基本原理后，在不背离这一原理的情况下，对实施机器训练的具体方式和步骤进行形式和细节上的修正和改变，但这些修正和改变仍在本发明的保护范围之内。需要注意的是，以上通过机器记录和分析用户操作历史的方式是机器训练的一种表现形式。对于本领域的普通技术者来说，完全可以将机器训练的形式进行扩展。例如，机器通过特定渠道获取相关信息，例如网络上可能存在的关于用户的信息或者用户在网络上发布、浏览的内容，或者用户从其他媒介中拷贝、传送到机器上的信息，从而分析出用户感兴趣的目标信息的特征， 并依此作为自动识别并选择信息的标准。
经过信息识别，信息智能采集装置100选择出目标信息，并进行存储。信息传输模块105会在一定条件下将目标信息传输给信息接收端的存储空间109。为了便于说明，下面举例说明一种信息传输的实施方案，首先信息传输模块105自动检测信息接收端所处的网络环境。当信息传输模块检测到网络环境后，根据目标视频的大小和优先级，作出相应传输策略。例如，当所处网络环境不佳时，会传输一些较小的信息文件。对于较大的视频文件，则会在网络环境较好时传输。当所处网络环境较优，并且所需传输的视频文件大小相当时，会率先传输对用户更有价值，即优先级更高的视频。本模块也支持最基础的数据线拷贝功能。
为了更方便地理解发明，接下来举例说明当被采集信息为视频、信息检测采用红外检测技术时，智能采集装置的模块与工作流程。具体可参看图6与图7，其中图6为一个信息智能采集装置实施例的模块示意图，图7为信息智能采集装置识别并选择视频中目标场景的一种实施步骤。
实施例一
打开信息智能采集装置，红外检测模块601开启，对欲拍摄的空间范围进行扫描(步骤711)。当红外检测模块601发现背景中出现变化的热源时，设备自动打开视频采集模块602，开始拍摄视频(步骤712)，同时视频进入缓存中。场景识别模块603根据第一级识别条件，例如画面的亮度、对比度与运动性等场景特征进行识别(步骤721)，根据用户设定或者机器的自设定，对第一级识别条件中某一个条件满足要求或者多个条件同时满足要求的情况，选择出满足该场景识别要求的视频，进行存储(步骤722)，如果不满足第一级识别的要求，则另行处理(步骤713)，包括停止拍摄，删除缓存视频等。更进一步地，场景识别模块603还可对视频进行第二级识别，例如人物或形体识别(步骤731)，对于符合要求的视频，进行存储，并可以提高该视频在 后续处理中的优先级(步骤732)。数据传输模块605判定周围是否有合适的无线网络(步骤741)，若存在，根据所存储视频的优先级和文件大小，将视频传输给接收终端(步骤742)，若无合适的网络，视频暂时不传输(步骤743)。
实施例二
打开信息智能采集设备，红外检测模块601开启，对欲拍摄的空间范围进行扫描(步骤711)。当红外检测模块601发现背景中出现变化的热源时，设备自动打开视频采集模块602，开始拍摄视频(步骤712)，同时视频进入缓存中，当热源变化未超过一定阈值，不采集(步骤713)。场景识别模块603根据画面的亮度、对比度与运动性等场景特征进行识别(步骤721)，视频不满足要求，视频采集模块602自动关闭，所采集的视频及时删除或另行处理(步骤723)。红外检测模块601继续扫描(步骤711)。
实施例三
打开信息智能摄影设备，红外检测模块601开启，对欲拍摄的空间范围进行扫描。当红外检测模块601发现背景中出现变化的热源时，设备自动打开视频采集模块602，开始拍摄视频(步骤712)，同时视频进入缓存中。信息识别模块603根据画面的亮度、对比度与运动性等场景特征进行识别(步骤721)，选择出满足要求的视频，进行存储(步骤722)。更进一步地，场景识别模块603还可对视频进行人物或形体识别(步骤731)，未检测到符合要求的视频，其优先级不变(步骤733)。数据传输模块605判定周围是否有合适的无线网络(步骤741)，若存在，根据视频的大小，将视频传输给接收终端(步骤742)。
实施例四：
打开信息智能采集设备，视频采集模块602开启，开始拍摄视频(步骤712)，同时视频进入缓存中。信息识别模块603根据画面的亮 度、对比度与运动性等场景特征进行识别(步骤721)，选择出满足要求的视频，进行存储(步骤722)。更进一步地，场景识别模块603还可对视频进行人物或形体识别(步骤731)，对于符合要求的视频，其优先级提高(步骤732)。数据传输模块605判定周围是否有合适的无线网络(步骤741)，若存在，根据所存储视频的优先级和文件大小，将视频传输给接收终端(步骤742)。
实施例五：
打开信息智能采集设备，红外检测模块601开启，对待拍摄的空间范围进行扫描。当红外检测模块601发现背景中出现变化的热源时，设备自动打开视频采集模块602，开始拍摄视频(步骤712)，同时视频进入缓存中。场景识别模块603对视频进行人物或形体识别(步骤731)，对于符合要求的视频，进行存储。更进一步地，场景识别模块603还对画面的亮度、对比度与运动性等场景特征进行识别(步骤721)，满足要求的视频其优先级提高。数据传输模块605判定周围是否有合适的无线网络(步骤741)，若存在，根据所存储视频的优先级和文件大小，将视频传输给接收终端(步骤742)。
实施例六：
打开信息智能采集设备，红外检测模块601开启，对欲拍摄的空间范围进行扫描。当红外检测模块601发现背景中出现变化的热源时，设备自动打开视频采集模块602，开始拍摄视频(步骤712)，同时视频进入缓存中。识别模块603对视频进行人物或形体识别(步骤731)，对于符合要求的视频，进行存储。更进一步地，场景识别模块603还对画面的亮度、对比度与运动性等场景特征进行识别(步骤721)，没有满足要求的视频，其优先级不变。数据传输模块605判定周围是否有合适的无线网络(步骤741)，若存在，根据所存储视频的文件大小，将视频传输给接收终端(步骤742)。
实施例七：
打开信息智能采集设备，红外检测模块601开启，对欲拍摄的空间范围进行扫描。当红外检测模块601发现背景中出现变化的热源时，设备自动打开视频采集模块602，开始拍摄视频(步骤712)，同时视频进入缓存中。信息识别模块603根据画面的亮度、对比度与运动性等场景特征进行识别(步骤721)，选择出满足要求的视频，进行存储(步骤722)。更进一步地，场景识别模块603还可对视频进行人物或形体识别(步骤731)，对于符合要求的视频，其优先级提高(步骤732)。数据传输模块605没有检测到无线网络或者终端设备(步骤743)，则不对视频进行传输，或者用户对视频存储模块604中的文件进行手动拷贝。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以作出若干变形和改进，比如本说明书中披露的新特征或任何新的组合，以及披露的新方法的步骤或任何新的组合，这些都属于本发明的保护范围。

Claims (16)

  1. 一种信息智能采集的方法，包括：
    设定第一种信息的变化阈值；
    检测该信息，在该信息变化超过该设定阈值时，开启信息采集功能；
    自动识别并选择目标场景，所述目标场景的自动识别和选择依赖于机器训练；以及存储包含目标场景的至少另一种信息。
  2. 如权利要求1所述的信息智能采集方法，其特征在于：所述第一种信息包括声、光、电磁波、压力、气体、气味、速度和加速度、图像、热源(或温度)、湿度、压力等信息中的一种或几种；
  3. 如权利要求1所述的信息智能采集方法，其特征在于：所述背景中热源变化的检测采用红外检测技术；
  4. 如权利要求1所述的信息智能采集方法，其特征在于：背景中热源变化的方式包括热源进入或离开；
  5. 如权利要求1所述的信息智能采集方法，其特征在于：所述的机器训练包括机器记录用户对场景特征的选择；
  6. 如权利要求5所述的信息智能采集方法，其特征在于：所述的场景特征包括画面的亮度和对比度；
  7. 如权利要求5所述的信息智能采集方法，其特征在于：所述的场景特征包括画面中是否出现运动物体；
  8. 如权利要求5所述的信息智能采集方法，其特征在于：所述的场景特征包括画面中是否出现目标对象；
  9. 如权利要求8所述的信息智能采集方法，其特征在于：所述的目标对象特征包括人脸和形体；
  10. 如权利要求1所述的信息智能采集方法，其特征在于：所述的机器训练根据用户的操作记录实现，包括从拍摄视频或图像中选择出特定场景的部分；
  11. 如权利要求1所述的信息智能采集方法，其特征在于：根据所处无线网络环境传输所述的视频；
  12. 一种信息智能采集装置，包括：
    信息检测模块，检测背景中是否有特定信息的变化；
    视频采集模块，信息变化超过一定阈值时开启；
    场景识别模块，自动识别并选择目标场景；
    视频存储模块，存储包含目标场景的视频；
    数据传输模块，发送视频给接收终端；
    其中，目标场景的识别和选择依赖于机器训练。
  13. 如权利要求12所述的信息智能采集装置，其特征在于：所述信息包括声、光、电磁波、压力、气体、气味、速度和加速度、图像、热源(或温度)、湿度、压力等信息中的一种或几种；
  14. 如权利要求12所述的信息智能采集装置，其特征在于：所述的视频采集模块为摄像头，具有自动调焦与追踪功能；
  15. 如权利要求12所述的信息智能采集装置，其特征在于：所述的数据传输模块可以自动检测环境中是否存在有线网络、无线网络或文件中转等传输条件；
  16. 如权利要求12所述的信息智能采集装置，其特征在于：所述的接收终端为具有视频读取功能的设备，包括台式机、笔记本电脑、掌上电脑(PDA)、平板电脑、移动终端、电视机等智能设备，或云端。
CN201580080975.2A 2015-06-17 2015-06-17 一种信息智能采集方法与装置 Pending CN107852480A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2015/081708 WO2016201654A1 (zh) 2015-06-17 2015-06-17 一种信息智能采集方法与装置

Publications (1)

Publication Number Publication Date
CN107852480A true CN107852480A (zh) 2018-03-27

Family

ID=57544728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580080975.2A Pending CN107852480A (zh) 2015-06-17 2015-06-17 一种信息智能采集方法与装置

Country Status (4)

Country Link
US (1) US20180173964A1 (zh)
EP (1) EP3313066A1 (zh)
CN (1) CN107852480A (zh)
WO (1) WO2016201654A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109670994A (zh) * 2018-12-31 2019-04-23 邵帅仁 一种用于司法证据查验方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018016142A1 (ja) * 2016-07-21 2018-01-25 ソニー株式会社 情報処理システム、情報処理装置、情報処理方法、およびプログラム
US10198436B1 (en) * 2017-11-17 2019-02-05 Adobe Inc. Highlighting key portions of text within a document
US11108995B2 (en) * 2018-09-11 2021-08-31 Draeger Medical Systems, Inc. System and method for gas detection
CN111597923B (zh) * 2020-04-28 2023-05-12 上海伟声德智能科技有限公司 一种对人员温度进行监测的方法、装置和电子设备
US20220394315A1 (en) * 2021-06-03 2022-12-08 Alarm.Com Incorporated Recording video quality

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1586080A (zh) * 2001-11-16 2005-02-23 皇家飞利浦电子股份有限公司 创建用于推荐媒体内容的代理
US20130215266A1 (en) * 2009-10-02 2013-08-22 Alarm.Com Incorporated Image surveillance and reporting technology
CN203504680U (zh) * 2013-06-09 2014-03-26 广州市晶华光学电子有限公司 一种智能户外监控相机
CN103975577A (zh) * 2011-10-07 2014-08-06 菲力尔系统公司 智能监视摄像机系统及方法
CN104254873A (zh) * 2012-03-15 2014-12-31 行为识别系统公司 视频监控系统中的警报量归一化

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2148231C (en) * 1993-01-29 1999-01-12 Michael Haysom Bianchi Automatic tracking camera control system
JP5040760B2 (ja) * 2008-03-24 2012-10-03 ソニー株式会社 画像処理装置、撮像装置、表示制御方法およびプログラム
JP4877319B2 (ja) * 2008-12-24 2012-02-15 カシオ計算機株式会社 画像生成装置、プログラム、画像表示方法、及び、撮像方法
CN101715112A (zh) * 2009-12-14 2010-05-26 中兴通讯股份有限公司 视频监控系统及方法
US9171380B2 (en) * 2011-12-06 2015-10-27 Microsoft Technology Licensing, Llc Controlling power consumption in object tracking pipeline
CN102546338B (zh) * 2012-01-12 2015-01-14 浙江大学 基于can总线的多媒体智能传感器网络系统及方法
JP2015104078A (ja) * 2013-11-27 2015-06-04 オリンパス株式会社 撮像装置、撮像システム、サーバ、撮像方法、及び撮像プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1586080A (zh) * 2001-11-16 2005-02-23 皇家飞利浦电子股份有限公司 创建用于推荐媒体内容的代理
US20130215266A1 (en) * 2009-10-02 2013-08-22 Alarm.Com Incorporated Image surveillance and reporting technology
CN103975577A (zh) * 2011-10-07 2014-08-06 菲力尔系统公司 智能监视摄像机系统及方法
CN104254873A (zh) * 2012-03-15 2014-12-31 行为识别系统公司 视频监控系统中的警报量归一化
CN203504680U (zh) * 2013-06-09 2014-03-26 广州市晶华光学电子有限公司 一种智能户外监控相机

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109670994A (zh) * 2018-12-31 2019-04-23 邵帅仁 一种用于司法证据查验方法

Also Published As

Publication number Publication date
WO2016201654A1 (zh) 2016-12-22
US20180173964A1 (en) 2018-06-21
EP3313066A1 (en) 2018-04-25

Similar Documents

Publication Publication Date Title
CN107852480A (zh) 一种信息智能采集方法与装置
US11721186B2 (en) Systems and methods for categorizing motion events
US20230209017A1 (en) Methods and Systems for Person Detection in a Video Feed
US10789821B2 (en) Methods and systems for camera-side cropping of a video feed
US11011035B2 (en) Methods and systems for detecting persons in a smart home environment
US20210125475A1 (en) Methods and devices for presenting video information
US10192415B2 (en) Methods and systems for providing intelligent alerts for events
US9449229B1 (en) Systems and methods for categorizing motion event candidates
US10957171B2 (en) Methods and systems for providing event alerts
WO2020078229A1 (zh) 目标对象的识别方法和装置、存储介质、电子装置
US11393317B2 (en) Enhanced audiovisual analytics
US9158974B1 (en) Method and system for motion vector-based video monitoring and event categorization
JP6075884B2 (ja) 画像を捕捉する方法及び装置
CN109040693B (zh) 智能告警系统及方法
CN107110964A (zh) 用于在无线电范围、尤其是室内区域的无线电范围中检测对象和/或生物的移动的方法、数字工具、设备和系统
CN103442171A (zh) 可配置用于自主操作的照相机
WO2017049612A1 (en) Smart tracking video recorder
US10789832B2 (en) System and method for preventing false alarms due to display images
CN108765466A (zh) 一种基于网络摄像头的智能视频监控系统及方法
CN105608411A (zh) 为预置监控摄像头的影像分类方法及其装置
KR102288860B1 (ko) 지능형 유아관찰장치 및 그 장치의 구동방법

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180327

WD01 Invention patent application deemed withdrawn after publication