CN108491822B - 一种基于嵌入式设备有限缓存的人脸检测去重方法 - Google Patents
一种基于嵌入式设备有限缓存的人脸检测去重方法 Download PDFInfo
- Publication number
- CN108491822B CN108491822B CN201810283735.8A CN201810283735A CN108491822B CN 108491822 B CN108491822 B CN 108491822B CN 201810283735 A CN201810283735 A CN 201810283735A CN 108491822 B CN108491822 B CN 108491822B
- Authority
- CN
- China
- Prior art keywords
- face
- queue
- frame
- information
- video frame
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明是一种基于嵌入式设备有限缓存的人脸检测去重方法，包括以下步骤：从视频流中获取视频帧；算法处理；处理算法输出结果；处理视频帧缓存队列；处理消失的人脸并对人脸图片进行编码；获取编码数据提供给后续服务端。其中，算法处理需要对视频帧进行人脸检测、跟踪、ID标注、综合评分，后续的去重操作以人脸ID和评分值作为依据；处理算法输出的结果以人脸ID为索引持续更新数据，记录最佳人脸的相关信息；算法检测完成后对视频帧进行缓存，视频缓存队列只缓存引用计数大于0的图片，当缓存队列满的时候，将引用计数最小的视频帧中引用的人脸进行预编码并保存，然后删除该视频帧，以达到节省缓存的目的，这一步是本发明的一个关键步骤。
Description
技术领域
本发明属于人脸检测实际应用领域，涉及到深度学习人脸检测技术，嵌入式设备图片缓存管理技术，嵌入式设备缓存应用优化等技术。
背景技术
人脸检测与识别技术是现今人工智能以及模式识别的研究热点，在安全防范、金融应用，智慧民生等许多领域有着广泛的应用,而人脸检测的主要作用是为后续识别等提供服务。
随着技术的发展，人脸检测与识别在公共安全等领域的应用逐渐扩大，正确且高效的识别会给安全防范及公安刑侦等带来事半功倍的效果，有助于解放大量的人力和物力，反之不但不能提升效果，反而会导致大量误判，需要额外增加人力物力进行二次筛选，另外重复抓图还会导致后续识别计算量的增加，所以如何给后续识别服务提供高质量的人脸图片就显得非常重要。
在人脸检测的某些实际应用场景中，比如出入口、人行道、小区、广场等公共场景，行人的出现存在随机性，行人的头部动作也存在不确定性。在这些多目标人脸检测的场景中，单个目标人脸的图像质量存在不确定性的波动，多个目标人脸相互间的波动没有关联性。现有的嵌入式人脸检测设备，由于内存有限，而原始视频帧图片占用内存空间又比较大，缓存原始视频帧数目有限，尤其是在目标较多情况下，每个缓存视频帧中都存在有用的人脸图片，简单的过滤策略无法利用有限的缓存挑选出最优的人脸图片，在缓冲即将溢出的时候，只能被动的采用抓取相对较好的图片这种策略，当后续存在更好的人脸图片时，还需要继续抓图，这样就存在多次抓图以及部分人脸图片质量不佳的问题。
解决上述问题的关键在于如何利用有限的缓存挑选出最优的一张人脸图片。
发明内容
本发明克服了现有技术的不足之处，提出了一种基于嵌入式设备有限缓存的人脸检测过滤方法，利用嵌入式设备有限的缓存，合理分配视频帧缓存，在多维度综合评价人脸得分基础上，不断更新检测出的人脸数据信息，同时对缓存视频帧进行重要性评价，删除不重要的缓存图片，当缓存即将溢出的时候，采用预先编码再删除重要性较低缓存图片这种有偿替换的方式，直到人脸消失以后，最终挑选出最佳的人脸图片。
本发明为达到上述发明目的，采用如下技术方案：
1.初始化时，建立人脸信息记录队列和视频帧缓存队列，人脸信息队列以人脸ID值为索引，一个人脸ID一个节点，保存人脸评分值、位置信息、以及人脸位于视频帧的帧序号，并在每一次检测后，依据评分值，更新数据，只记录最大评分值的信息；根据设备内存情况合理建立视频帧缓存队列，存放分析后的视频帧，用于最终抓图编码使用。
2.从视频流中获取原始视频帧，视频帧可以是本地直接采集获得，也可以是网络视频流解码获得，每一帧视频均按照时间顺序添加正向增长的帧序号，用于人脸检测及编码查找图片索引使用。
3.从待分析的视频帧缓存中顺序取出一帧图像进行检测，对输入的视频帧进行人脸检测；检测完成之后，与之前检测到的人脸信息进行比对，如果是同一个人脸则使用相同的ID值，如果是新增的人脸，标注新的ID值，至此完成人脸的跟踪与ID标注工作；最后对所有检测到的人脸进行综合得分评价，评价维度包括人脸相似度、清晰度、人脸角度、分辨率、特征点数量5个维度，计算方法为：
其中n为加权项，
为各加权项评分函数，分数值归一化到0 – 100；
为加权项评价系数，各加权项系数总和为1，
4.处理算法输出的人脸信息及人脸信息队列，检索人脸信息记录队列，（1）、若ID已经存在，判断人脸评分值，如果当前检测的评分值较大，则更新数据，同时更新预编码数据信息，如果之前已经保存了人脸预编码数据信息，则释放人脸预编码数据，反之不更新；（2）、若ID不存在，表明是新出现的人脸，新增一个节点，记录新出现人脸的所有信息；（3）、若队列中的ID在当前帧中未检测到，则未检出计数增加一次。
5.处理检测的视频帧及视频帧缓存队列，视频帧节点保存有被引用次数计数，处理完当前帧所有人脸信息之后，更新队列上每个节点及当前帧的引用计数情况，更新完成之后：（1）、删除队列上引用计数为0的视频帧，当前帧的引用计数为0也一并删除；（2）、如果当前检测的视频帧引用计数不为0且队列不满，直接将当前帧加入到缓存队列尾部；（3）、如果当前检测的视频帧引用计数不为0但是队列是满状态，检索缓存的视频帧，挑选出引用计数最小的视频帧，然后将该视频帧上被引用的人脸进行预编码，将编码后的数据信息保存到人脸信息缓存队列对应ID的节点上，然后删除该视频帧，最后进行当前检测的视频帧加入队列处理。
6.处理消失的人脸信息，检索人脸信息队列，如果节点上某个ID未检测出次数大于设定的阈值，则判定该人脸消失，此时需要进行人脸图片编码处理，判断该节点上是否保存有已经预编码的数据，如果有已经预编码好的数据，则不需要再进行编码，如果没有预编码的数据，则该人脸ID引用的视频帧一定存在于视频帧缓存队列中，将引用的视频帧中该人脸进行抠图编码。
7.编码数据处理完成之后，获取到人脸图像编码数据后，将数据提供给后续服务，根据业务需求，可以提供给网络服务器，或者提供给本地进行后续处理。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本发明的基于嵌入式设备有限缓存的人脸检测去重方法，包括如下步骤：
1、初始化嵌入式设备资源，根据设备内存情况初始化视频帧缓存队列Qframe，用于缓存分析后的视频帧，每个节点缓存一帧数据，包含引用计数，帧序号信息；初始化人脸信息记录队列Qid，用于管理人脸出现周期内的信息，一个节点表示一个人脸，包含人脸ID值，最大评分值，最大评分值引用的视频帧序号，人脸位置信息，编码数据信息，未检出次数，人脸信息记录队列只记录最大分数值相关的信息，这样才可以达到过滤挑选最优人脸的目的。
2、开始运行，如图1所示，重复步骤S1到步骤S6的过程。
3、执行步骤S1，从视频流中获取视频帧，获取成功后添加上帧序号，帧序号默认从0计数，每次增加1，然后将视频帧进行缓存，至少缓存一帧。
4、执行步骤S2，从待分析的视频帧缓存中顺序取出一帧图像进行检测，对输入的视频帧进行人脸检测；检测完成之后，与之前检测到的人脸信息进行比对，进行人脸ID标注，ID值默认从0开始，每出现一个新的人脸，ID值增加1。如果是同一个人脸则使用之前已经标注过的ID值，如果是新增的人脸，该人脸使用新的ID进行标注，至此完成人脸的跟踪与ID标注工作；然后对所有检测到的人脸进行综合得分评价，最后输出所有检出的人脸信息，一个ID一组数据。
5、执行步骤S3，处理检出的所有人脸信息：（1）、检索人脸信息记录队列，对比检出的人脸信息，如果两者都存在相同的ID，表明该ID正常跟踪并检出，需要更新记录的信息并将丢失计数清零，对比分数值，若当前检出的分数值较大，更新帧序号为当前检测帧的序号，分数值和人脸位置信息同步更新，反之不更新维持原先数据。（2）、检索人脸信息记录队列，对比检出的人脸信息，若队列上记录的ID在当前帧中未检出，则表明该ID已经处于未检出状态，未检出计数增加1次。（3）、检索当前检出的人脸信息，对比人脸信息记录队列，如果当前检出的ID在队列上不存在，表明是新增的人脸，则增加一个节点，记录ID值、帧序号、人脸位置、评分值，然后加入人脸信息记录队列的尾部。
6、执行步骤S4、处理缓存帧队列和当前帧的引用计数，由于每次检测，人脸信息队列上视频帧的引用情况会发生变化，视频帧的引用计数随之发生变化。检索缓存队列视频帧和当前检测视频帧，同时检索人脸信息记录队列，根据人脸信息队列上ID引用视频帧的情况更新缓存队列和当前检测帧的引用计数。然后：（1）、将队列上引用计数为0的视频帧删除。（2）、判断当前帧引用计数是否为0，如果当前帧的引用计数为0则不需要加入队列直接删除，直接进入步骤S5。（3）、当前帧引用计数不为0，则需要加入到缓存队列上，如果队列有空闲节点，直接加入到队列尾部。（4）、当前帧引用计数不为0且队列无空闲节点，该情况是处理的重点步骤，首先检索到缓存队列和当前帧，找到引用计数最小的视频帧，根据引用情况反查人脸信息记录队列，找到对应的人脸信息，将对应人脸进行抠图编码，将编码数据保存到人脸信息队列上，同时将人脸信息节点记录的帧序号设置成无效值。数据保存完成之后，将引用计数最小的视频帧删除，如果删除的视频帧刚好是当前检测的视频帧则直接进行步骤S5，如果不是则将当前检测的视频帧加入到缓存队列尾部。
7、执行步骤S5、检索人脸信息记录队列，检查每个节点ID的消失次数，如果消失次数大于设定的阈值，表明人脸已经消失，需要编码抓图上传一张人脸图片。（1）、检查节点是否有保存的编码数据，如果有编码数据并且是最优的，则不需要重新编码，直接进入步骤S6。（2）、如果没有保存的编码数据，根据记录的最佳人脸对应的视频帧帧序号，找到视频帧，对人脸位置进行编码，获取到编码数据。
8、执行步骤S6、将编码数据和人脸信息打包，发送给后续的服务端，然后跳转到步骤S1继续执行。
Claims (8)
1.一种基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：初始时根据设备内存情况合理的建立人脸信息记录队列及原始视频帧缓存队列，以及包含以下处理步骤：
步骤1：从视频流中获取视频帧进行缓存用于后续算法检测，缓存至少1帧，每一帧图像赋予唯一的帧序号；
步骤2：从视频帧缓存中顺序取出一帧图像进行人脸检测，对检测到的人脸进行跟踪并标记，给出一个ID值及人脸评分值，当前帧检测完成之后输出该帧所有检测到的人脸的ID值、评分值、位置信息；
步骤3：处理算法输出的人脸信息及人脸信息队列，步骤2输出的所有人脸信息与人脸信息记录队列上的人脸信息进行比较，更新队列数据，每一个人脸只记录最大评分值及其关联的信息，包括ID值、评分值、位置信息以及对应原始视频帧的帧序号；同时更新人脸预编码数据信息，原始视频帧被记录一次也称作被引用一次，引用计数增加一次；
步骤4：处理检测的视频帧及视频帧缓存队列，根据原始视频帧被引用情况，更新缓存队列及当前帧引用计数，删除引用计数为0的视频帧，然后进行当前帧入队列处理；
步骤5：处理视频中消失的人脸信息，获取该人脸图片编码数据；
步骤6：将人脸编码数据提供给后续服务端。
2.如权利要求1所述的基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：检测初始时，需要建立人脸信息记录队列，队列以人脸ID值为索引，一个人脸ID一个节点，保存人脸评分值、位置信息、以及人脸位于视频帧的帧序号，并在每一次检测后，依据评分值，更新数据，只记录最大评分值的信息；需要根据设备内存情况合理建立视频帧缓存队列，存放分析后的视频帧，用于最终抓图编码使用。
3.如权利要求1所述的基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：步骤1中从视频流中获取原始视频帧，视频帧可以是本地直接采集获得，也可以是网络视频流解码获得，每一帧视频均按照时间顺序添加正向增长的帧序号，用于人脸检测及编码查找图片索引使用。
4.如权利要求1所述的基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：步骤2中从待分析的视频帧缓存中顺序取出一帧图像进行检测，对输入的视频帧进行人脸检测；检测完成之后，与之前检测到的人脸信息进行比对，如果是同一个人脸则使用相同的ID值，如果是新增的人脸，标注新的ID值，至此完成人脸的跟踪与ID标注工作；然后对所有检测到的人脸进行综合得分评价，评价维度包括人脸相似度、清晰度、人脸角度、分辨率、特征点数量5个维度，计算方法为：
其中n为加权项，fi为各加权项评分函数，分数值归一化到0–100；xi为加权项评价系数，各加权项系数总和为1，
5.如权利要求1所述的基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：步骤3中，处理算法输出的人脸信息及人脸信息队列，检索人脸信息记录队列，(1)、若ID已经存在，判断人脸评分值，如果当前检测的评分值较大，则更新数据，同时更新预编码数据信息，如果之前已经保存了人脸预编码数据信息，则释放人脸预编码数据，反之不更新；(2)、若ID不存在，表明是新出现的人脸，新增一个节点，记录新出现人脸的所有信息；(3)、若队列中的ID在当前帧中未检测到，则未检出计数增加一次。
6.如权利要求1所述的基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：步骤4中，处理检测的视频帧及视频帧缓存队列，视频帧节点保存有被引用次数计数，处理完当前帧所有人脸信息之后，更新队列上每个节点及当前帧的引用计数情况，更新完成之后：(1)、删除队列上引用计数为0的视频帧，当前帧的引用计数为0也一并删除；(2)、如果当前检测的视频帧引用计数不为0且队列不满，直接将当前帧加入到缓存队列尾部；(3)、如果当前检测的视频帧引用计数不为0但是队列是满状态，检索缓存的视频帧及当前视频帧，挑选出引用计数最小的视频帧，然后将该视频帧上被引用的人脸进行预编码，将编码后的数据信息保存到人脸信息缓存队列对应ID的节点上，然后删除该视频帧，最后进行当前检测的视频帧加入队列处理。
7.如权利要求1所述的基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：步骤5中，处理消失的人脸信息，检索人脸信息队列，如果节点上某个ID未检测出次数大于设定的阈值，则判定该人脸消失，此时需要进行人脸图片编码处理，判断该节点上是否保存有已经预编码的数据，如果有已经预编码好的数据，则不需要再进行编码，如果没有预编码的数据，则该人脸ID引用的视频帧一定存在于视频帧缓存队列中，将引用的视频帧中该人脸进行抠图编码。
8.如权利要求1所述的基于嵌入式设备有限缓存的人脸检测去重方法，其特征在于：步骤6中，编码数据处理完成之后，获取到人脸图像编码数据后，将数据提供给后续服务，根据业务需求，可以提供给网络服务器，或者提供给本地进行后续处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810283735.8A CN108491822B (zh) | 2018-04-02 | 2018-04-02 | 一种基于嵌入式设备有限缓存的人脸检测去重方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810283735.8A CN108491822B (zh) | 2018-04-02 | 2018-04-02 | 一种基于嵌入式设备有限缓存的人脸检测去重方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108491822A CN108491822A (zh) | 2018-09-04 |
| CN108491822B true CN108491822B (zh) | 2020-09-08 |
Family
ID=63317573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810283735.8A Active CN108491822B (zh) | 2018-04-02 | 2018-04-02 | 一种基于嵌入式设备有限缓存的人脸检测去重方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108491822B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376645B (zh) * | 2018-10-18 | 2021-03-26 | 深圳英飞拓科技股份有限公司 | 一种人脸图像数据优选方法、装置及终端设备 |
| CN109711287B (zh) * | 2018-12-12 | 2020-11-24 | 深圳云天励飞技术有限公司 | 人脸采集方法及相关产品 |
| CN109784226B (zh) * | 2018-12-28 | 2020-12-15 | 深圳云天励飞技术有限公司 | 人脸抓拍方法及相关装置 |
| CN109978914B (zh) * | 2019-03-07 | 2021-06-08 | 北京旷视科技有限公司 | 人脸追踪方法及装置 |
| CN110321857B (zh) * | 2019-07-08 | 2021-08-17 | 苏州万店掌网络科技有限公司 | 基于边缘计算技术的精准客群分析方法 |
| CN111783512B (zh) * | 2019-11-11 | 2024-05-14 | 西安宇视信息科技有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN110929605A (zh) * | 2019-11-11 | 2020-03-27 | 中国建设银行股份有限公司 | 视频关键帧的保存方法、装置、设备及存储介质 |
| CN111401206A (zh) * | 2020-03-11 | 2020-07-10 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种全景图共享方法、系统、设备和介质 |
| CN111523383B (zh) * | 2020-03-19 | 2023-04-07 | 创新奇智(北京)科技有限公司 | 基于行人ReID的无感知人脸识别系统及识别方法 |
| CN112235598B (zh) * | 2020-09-27 | 2022-09-20 | 深圳云天励飞技术股份有限公司 | 一种视频结构化处理方法、装置及终端设备 |
| CN112329602B (zh) * | 2020-11-02 | 2024-06-18 | 平安科技（深圳）有限公司 | 人脸标注图像的获取方法及装置、电子设备、存储介质 |
| CN112633063B (zh) * | 2020-11-18 | 2023-06-30 | 深圳供电局有限公司 | 一种人物行动跟踪系统及其方法 |
| CN113132742B (zh) * | 2021-03-31 | 2023-04-14 | 合安科技技术有限公司 | 基于队列的双缓冲ai视频传输方法及相关设备 |
| CN113438417A (zh) * | 2021-06-22 | 2021-09-24 | 上海云从汇临人工智能科技有限公司 | 视频抓拍待识别物的方法、系统、介质及装置 |
| CN113361456B (zh) * | 2021-06-28 | 2024-05-07 | 北京影谱科技股份有限公司 | 一种人脸识别方法和系统 |
| CN113448999A (zh) * | 2021-06-29 | 2021-09-28 | 未鲲(上海)科技服务有限公司 | 数据获取方法、装置、设备及可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942525A (zh) * | 2013-12-27 | 2014-07-23 | 高新兴科技集团股份有限公司 | 一种基于视频序列的实时人脸优选方法 |
| CN106815575A (zh) * | 2017-01-22 | 2017-06-09 | 上海银晨智能识别科技有限公司 | 人脸检测结果集的优选系统及其方法 |
| CN108228871A (zh) * | 2017-07-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4720810B2 (ja) * | 2007-09-28 | 2011-07-13 | 富士フイルム株式会社 | 画像処理装置、撮像装置、画像処理方法及び画像処理プログラム |
| KR101665130B1 (ko) * | 2009-07-15 | 2016-10-25 | 삼성전자주식회사 | 복수의 인물에 대한 이미지 생성 장치 및 방법 |
-
2018
- 2018-04-02 CN CN201810283735.8A patent/CN108491822B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942525A (zh) * | 2013-12-27 | 2014-07-23 | 高新兴科技集团股份有限公司 | 一种基于视频序列的实时人脸优选方法 |
| CN106815575A (zh) * | 2017-01-22 | 2017-06-09 | 上海银晨智能识别科技有限公司 | 人脸检测结果集的优选系统及其方法 |
| CN108228871A (zh) * | 2017-07-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108491822A (zh) | 2018-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108491822B (zh) | 一种基于嵌入式设备有限缓存的人脸检测去重方法 | |
| CN111127308B (zh) | 用于局部遮挡下单样本人脸识别的镜像特征重排修复方法 | |
| CN109063611B (zh) | 一种基于视频语义的人脸识别结果处理方法和装置 | |
| CN113936339A (zh) | 基于双通道交叉注意力机制的打架识别方法和装置 | |
| CN110765880B (zh) | 一种轻量级视频行人重识别方法 | |
| CN110019889A (zh) | 训练特征提取模型及计算图片与查询词相关性系数的方法和相关装置 | |
| CN110852152B (zh) | 一种基于数据增强的深度哈希行人重识别方法 | |
| CN110866512B (zh) | 一种基于视频分类的监控摄像机遮挡检测方法 | |
| CN111027555B (zh) | 一种车牌识别方法、装置及电子设备 | |
| CN116089883B (zh) | 用于提高已有类别增量学习新旧类别区分度的训练方法 | |
| WO2014201891A1 (zh) | 多目标跟踪方法、系统及计算机存储介质 | |
| CN111126155B (zh) | 一种基于语义约束生成对抗网络的行人再识别方法 | |
| KR102334338B1 (ko) | 행위 인식 방법 및 장치 | |
| CN110795599B (zh) | 基于多尺度图的视频突发事件监测方法及系统 | |
| CN117152851B (zh) | 基于大模型预训练的人脸、人体协同聚类方法 | |
| Shao et al. | COVAD: Content-oriented video anomaly detection using a self attention-based deep learning model | |
| CN117115718B (zh) | 政务视频数据的处理方法、系统及计算机可读存储介质 | |
| CN112235598B (zh) | 一种视频结构化处理方法、装置及终端设备 | |
| CN112528077B (zh) | 基于视频嵌入的视频人脸检索方法及系统 | |
| CN112001280B (zh) | 一种实时、可在线优化的人脸识别系统和方法 | |
| CN111625661B (zh) | 一种音视频片段分类方法及装置 | |
| CN116052168A (zh) | 基于单目标域图像的跨域语义分割模型生成方法及装置 | |
| CN114419018A (zh) | 图像采样方法、系统、设备及介质 | |
| CN111797732A (zh) | 一种对采样不敏感的视频动作识别对抗攻击方法 | |
| Li et al. | Current researches and trends of crowd counting in the field of deep learning |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210315 Address after: 100071 room 05, 11 / F, 101, 1-11 / F, building 4, zone 3, 186 South 4th Ring Road West, Fengtai District, Beijing Patentee after: Gaochuang Anbang (Beijing) Technology Co.,Ltd. Address before: 1602, 16th floor, wisdom Valley Information Industrial Park, 515, No.2 street, Hangzhou Technology Development Zone (Xiasha), Hangzhou City, Zhejiang Province, 310018 Patentee before: HANGZHOU GOSUN ELECTRONIC TECHNOLOGY Co.,Ltd. |