CN108647710B - 一种视频处理方法、装置、计算机及存储介质 - Google Patents

一种视频处理方法、装置、计算机及存储介质 Download PDF

Info

Publication number
CN108647710B
CN108647710B CN201810401157.3A CN201810401157A CN108647710B CN 108647710 B CN108647710 B CN 108647710B CN 201810401157 A CN201810401157 A CN 201810401157A CN 108647710 B CN108647710 B CN 108647710B
Authority
CN
China
Prior art keywords
video
video frames
information
student
course
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
Application number
CN201810401157.3A
Other languages
English (en)
Other versions
CN108647710A (zh
Inventor
孙安国
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.)
Shandong Influence Intelligent Technology Co ltd
Original Assignee
Shandong Influence Intelligent Technology Co ltd
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 Shandong Influence Intelligent Technology Co ltd filed Critical Shandong Influence Intelligent Technology Co ltd
Priority to CN201810401157.3A priority Critical patent/CN108647710B/zh
Publication of CN108647710A publication Critical patent/CN108647710A/zh
Application granted granted Critical
Publication of CN108647710B publication Critical patent/CN108647710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种视频处理方法、装置、计算机及存储介质。该方法包括:获取校园摄像头拍摄的视频;根据学生信息对视频中的各视频帧进行分类并存储;根据学生信息和课程信息对分类后的视频帧设置标签;根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。本发明实施例解决了现有技术中无法实现自动拍摄与学生相关的视频帧以及对视频帧进行筛选后发送至关联终端的问题,提升了用户体验。

Description

一种视频处理方法、装置、计算机及存储介质
技术领域
本发明实施例涉及视频处理技术,尤其涉及一种视频处理方法、装置、计算机及存储介质。
背景技术
由于学生的主要活动场所是校园,家长如果不主动向老师询问,可能无法获知其在校园中的表现,而老师为了使家长可以更好地了解其在校园中的表现,实现对学生的共同管理,以使学生可以更好地成长。通常可以采取如下方式实现:手动拍摄关于学生的图片或视频,并对拍摄的图片或视频进行筛选,将筛选后的图片或视频发送至与该学生相匹配的关联终端。上述方式加重了老师的负担,同时不够灵活。上述问题困扰着老师,而现有技术中还未出现有效的解决方案。
基于老师的需求,有必要对上述问题进行研究,以在减轻老师工作量的同时,提升用户体验。
发明内容
本发明实施例提供一种视频处理方法、装置、计算机及存储介质,以实现简单有效地发送视频帧至关联终端。
第一方面,本发明实施例提供了一种视频处理方法,该方法包括:
获取校园摄像头拍摄的视频;
根据学生信息对所述视频中的各视频帧进行分类并存储;
根据所述学生信息和课程信息对分类后的视频帧设置标签;
根据所述标签筛选日常视频帧,并将所述日常视频帧发送至与所述学生信息相匹配的关联终端。
进一步的,根据学生信息对所述视频中的各视频帧进行分类并存储,包括:
将所述视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类;
根据所述学生信息中所述人脸图像对应的班级信息和学生标识确定存储位置;
将分类后的视频帧存储至对应的存储位置。
进一步的,根据所述学生信息和课程信息对分类后的视频帧设置标签,包括:
根据所述分类后的视频帧对应的学生信息确定对应的课程信息;
根据所述分类后的视频帧的拍摄时刻和/或拍摄位置与所述对应课程信息进行匹配,确定所述分类后的视频帧对应的课程内容,其中,所述课程信息包括各课程内容以及对应的课程时间段和课程位置;
根据所述课程内容和对应学生信息中的学生标识对所述分类后的视频帧设置标签。
进一步的,根据所述标签筛选日常视频帧,并将所述日常视频帧发送至与所述学生信息相匹配的关联终端,包括:
确定具有同一标签的视频帧中对应学生的动作相似度;
将所述动作相似度大于相似度阈值的视频帧确定为日常视频帧,将所述日常视频帧发送至与所述对应学生相匹配的关联终端。
进一步的,在根据所述标签筛选视频帧,发送至与所述学生信息相匹配的关联终端之后,还包括:
确定预设时间段内各学生信息对应的日常视频帧,根据所述日常视频帧的拍摄时间进行拼接,生成各学生信息对应的日常子视频,发送至与所述学生信息相匹配的关联终端。
进一步的,在根据学生信息对所述视频中的各视频帧进行分类并存储之前,还包括:
对所述视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧;
相应的,在根据学生信息对所述视频中的各视频帧进行分类并存储,包括:
根据学生信息对所述视频中的待处理视频帧进行分类并存储。
第二方面,本发明实施例还提供了一种视频处理装置,该装置包括:
视频获取模块,用于获取校园摄像头拍摄的视频;
视频帧分类存储模块,用于根据学生信息对所述视频中的各视频帧进行分类并存储;
标签设置模块,用于根据所述学生信息和课程信息对分类后的视频帧设置标签;
日常视频帧获取及发送模块,用于根据所述标签筛选日常视频帧,并将所述日常视频帧发送至与所述学生信息相匹配的关联终端。
进一步的,视频帧分类存储模块,包括:
匹配子模块,用于将所述视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类;
存储位置确定子模块,用于根据所述学生信息中所述人脸图像对应的班级信息和学生标识确定存储位置;
存储子模块,用于将分类的视频帧存储至对应的存储位置。
第三方面,本发明实施例还提供了一种计算机,该计算机包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如前文所述的视频处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前文所述的视频处理方法。
本发明实施例通过获取校园摄像头拍摄的视频,根据学生信息对视频中的各视频帧进行分类并存储,根据学生信息和课程信息对分类后的视频帧设置标签,再根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。解决了现有技术中无法实现自动拍摄与学生相关的视频帧以及对视频帧进行筛选后发送至关联终端的问题,提升了用户体验。
附图说明
图1是本发明实施例一中的一种视频处理方法的流程图;
图2是本发明实施例二中的一种视频处理方法的流程图;
图3是本发明实施例三中的一种视频处理方法的流程图;
图4是本发明实施例四中的一种视频处理装置的结构示意图;
图5是本发明实施例五中的一种计算机的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种视频处理方法的流程图,本实施例可适用于自动获取目标人物的视频帧的情况,该方法可以由视频处理装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于计算机中。如图1所示,该方法具体包括如下步骤:
步骤110、获取校园摄像头拍摄的视频。
在本发明的具体实施例中,为了使家长可以更好地了解学生在学校中的表现,以便于可以和老师配合,实现对学生的共同管理,使得学生可以更好地成长。为了实现上述目的,具体可以通过如下方式:在校园中设置摄像头,摄像头用于拍摄学生的校园生活,并以视频形式呈现。换句话说,可以用视频来记录学生的校园生活。后续便可以对校园摄像头所拍摄的视频进行处理,并将经过处理的视频发送至与学生关联的终端。视频是利用人眼视觉暂留的原理,通过播放一系列静态图片(视频画面),使眼睛产生运动的感觉。又视频是由大量视频帧组成的,因此,视频帧就可以表示为静态图片或视频画面。
需要说明的是,由于学生在校园的主要活动场为教室或课外活动室,家长所关注的也是学生在课堂上的表现,因此,获取校园摄像头拍摄的视频可以主要为学生在校园主要活动场所的视频。可以理解到,由于学生是以班级为单位进行活动的,因此,在多数情况下,校园摄像头所拍摄的视频包含有班级中的每名学生,一般每一个视频帧也包含有不止一名学生的信息。
步骤120、根据学生信息对视频中的各视频帧进行分类并存储。
在本发明的具体实施例中,由于校园摄像头所拍摄的各视频帧(静态图片或视频画面)中,很可能出现了不止一名学生,为了得到每名学生各自的视频帧,以便于后续将其作为家长了解学生校园生活的媒介,因而,需要按照预设字段对视频中的各视频帧进行分类。其中,预设字段用于作为区分视频帧属于哪名学生的依据,即根据预设字段对视频中的各视频帧进行分类可以分别得到与每名学生对应的视频帧。预设字段可以为学生信息,学生信息可以包括学生标识、人脸图像和班级信息,其中,学生标识可以包括姓名和学号等。
根据学生信息对视频中的各视频帧进行分类并存储,具体可通过如下两种实现方式:其一,是根据学生信息对视频中的各视频帧进行以个人为单位的分类以及以班级为单位的存储,即根据学生信息将属于每名学生的视频中的视频帧分为一类,但是以班级为单位进行存储;其二,是根据学生信息对视频中的各视频帧进行以个人为单位的分类以及以个人为单位的存储,即根据学生信息将属于每名学生的视频中的视频帧分为一类,并以个人为单位进行存储。
可选的,在上述技术方案的基础上,根据学生信息对视频中的各视频帧进行分类并存储,具体可以包括:将视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类。根据学生信息中人脸图像对应的班级信息和学生标识确定存储位置。将分类后的视频帧存储至对应的存储位置。
在本发明的具体实施例中,每名的学生信息中包括该名学生的人脸图像,可以将视频中各视频帧与分别与每名学生信息中的人脸图像进行匹配,如果从视频帧中识别出对应的人脸图像,则将识别出对应的人脸图像的视频帧归为一类。示例性的,如针对学生A,将视频中包含学生A的视频帧归为一类,设为R(A);现获取到校园摄像头拍摄的视频B,视频B中包括视频帧B1、视频帧B2和视频帧B3。基于上述,将视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类,具体为:根据学生A的学生信息获取学生A的人脸图像A1,分别将视频B中的视频帧B1、视频帧B2和视频帧B3与学生A的人脸图像A1进行匹配,如果从视频帧B1中识别出人脸图像A1,则将视频帧B1归入R(A);如果从视频帧B2中识别出人脸图像A1,则也将视频帧B2也归入R(A);如果从视频帧B3中识别出人脸图像A1,则也将视频帧B3也归入R(A)。相反的,如果未从视频帧B1、视频帧B2和/或视频帧B3中识别出人脸图像A1,则说明视频帧B1、视频帧B2和/或视频帧B3不属于R(A)。即针对视频B而言,R(A)的结果包括如下8种形式:R(A)包括视频帧B1;R(A)包括视频帧B2;R(A)包括视频帧B3;R(A)包括视频帧B1和视频帧B2;R(A)包括视频帧B1和视频帧B3;R(A)包括视频帧B2和视频帧B3;R(A)包括视频帧B1、视频帧B2和视频帧B3;R(A)未包括视频帧B1、视频帧B2和视频帧B3。
为了实现将分类后的视频帧以班级为单位进行存储,可以采用如下方式实现:为每个班级设置对应的存储位置,存储位置包括存储地址和存储空间大小,同时将该存储位置以学生为单位进行划分,即每名学生均有属于各自的存储位置。基于上述,根据学生信息中与人脸图像对应的班级信息和学生标识便可以确定属于各个学生的视频帧(即分类后的视频帧)应该存储至相应班级存储位置中的哪个区域中,再将分类后的视频帧存储至对应的存储位置,即班级存储位置中的对应区域。示例性的,如针对班级C,其包括学生A和学生B,班级C对应的存储位置为S,将存储位置S划分为存储位置区域S1和存储位置区域S2,其分别用于存储属于学生A的视频帧和属于学生B的视频帧,即可将属于学生A的视频帧存储至存储位置区域S1,可将属于学生B的视频帧存储至存储位置区域S2。
步骤130、根据学生信息和课程信息对分类后的视频帧设置标签。
在本发明的具体实施例中,为了使家长可以了解学生在不同课程学习过程中的表现,预先将学生信息与课程信息进行关联,以便于可根据学生信息确定对应的课程信息,其中,课程信息可以包括各课程内容以及对应的课程时间段和课程位置,课程内容可以指科目名称,也可以指所要学习的具体内容。即根据学生信息确定其需要在哪个时间段到哪个活动场所学习何种课程内容。再将分类后的视频帧与课程信息进行匹配,确定分类后的视频帧所对应的课程内容。具体可为,由于课程信息中包括课程时间段和课程位置,且课程时间段和课程位置是与课程内容关联的,因此,可通过比较分类后的视频帧的拍摄时刻和/或拍摄位置与课程信息中的课程时间段和/或课程位置来确定分流后视频帧所对应的课程内容。即该分类视频帧的内容具体是体现学生在学习哪门课程内容。并基于课程内容和与之对应的学生信息中的学生标识对分类后的视频帧设置标签,以便于可根据标签对分类后的视频帧进行筛选,将筛选出的视频帧作为日常视频帧发送至与学生信息相匹配的关联终端。
示例的,如针对学生A,学生标识为A1,包含学生A的视频帧R(A)由视频帧B1、视频帧B2和视频帧B3组成,即分类后的视频帧R(A)包括视频帧B1、视频帧B2和视频帧B3;与学生A的学生信息关联的课程信息D包括:1)课程信息D1:2018年4月27日上午10点到10点45分在教学楼A室,学习英文对话;2)课程信息D2:2018年4月26日下午2点到2点45分在教学楼A室,学习二项式定理;视频帧B1由位于A室的摄像头拍摄于2018年4月27日上午10点15分,视频帧B2由位于A室的摄像头拍摄于2018年4月26日下午2点30分,视频帧B3由位于A室的摄像头拍摄于2018年4月26日下午2点15分。基于上述,由于视频帧B1的拍摄时刻位于课程信息D1中的课程时间段内,且拍摄位置与课程位置一致,因此,确定视频帧B1所对应的课程内容为学习英文。根据课程内容为学习英文和与之对应的学生标识A1对视频帧B1设置标签T1。同时,由于视频帧B2的拍摄时刻位于课程信息D2中的课程时间段内,且拍摄位置与课程位置一致,因此,确定视频帧B2所对应的课程内容为学习二项式定理。根据课程内容为学习二项式定理和与之对应的学生标识A1对视频帧B2设置标签T2。此外,由于视频帧B3的拍摄时刻位于课程信息D2中的课程时间段内,且拍摄位置与课程位置一致,因此,确定视频帧B3所对应的课程内容为学习二项式定理。根据课程内容为学习二项式和与之对应的学生标识A1对视频帧B3设置标签T2。上述出现了视频帧B2和视频帧B3设置的是同一个标签T2的情况,说明视频帧与标签可能是一对一的关系,也能是多对一的关系,具体可根据实际情况进行确定,在此不作具体限定。
可选的,在上述技术方案的基础上,根据学生信息和课程信息对分类后的视频帧设置标签,具体可以包括:根据分类后的视频帧对应的学生信息确定对应的课程信息。根据分类后的视频帧的拍摄时刻和/或拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程内容,其中,课程信息具体可以包括各课程内容以及对应的课程时间段和课程位置。根据课程内容和对应学生信息中的学生标识对分类后的视频帧设置标签。
在本发明的具体实施例中,拍摄位置可以指校园摄像头所在的位置,通常校园摄像头设置于学生在校园中的主要活动场所,如教室、体育馆和课外活动室等。如果课程信息为公共课程,该公共课程安排在某特定课程时间段,即所有学生无论在哪个课程位置在该课程时间段内均在学习与该公开课程有关的内容,则可以只根据分类后的视频帧的拍摄时刻与对应课程信息进行匹配,确定分类后的视频帧对应的课程内容。如果课程信息中课程位置为篮球场,即可以说明学生无论在哪个课程时间段在该课程位置均在学习与篮球有关的内容,则可以只根据分类后的视频帧的拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程内容。其它情况下,可以根据分类后的视频帧的拍摄时刻和拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程内容。需要说明的是,可根据实际情况确定匹配所选取的条件,在此不作具体限定。
步骤140、根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。
在本发明的具体实施例中,预先建立学生信息与终端的关联关系,以使终端可作为发送与该学生信息相关的内容的接收端。根据标签对分类后的视频帧进行筛选,将筛选出的视频帧作为日常视频帧发送至与学生信息相匹配的关联终端。日常视频帧可以指满足预设条件的视频帧,如具有同一标签的视频帧的个数为多个,根据预设条件对多个具有同一标签的视频帧进行筛选,将筛选出的视频帧作为日常视频帧,此时,预设条件可以为具有同一标签的视频帧中对应的学生动作相似度大于相似度阈值,即将具有同一标签的视频帧中对应的学生动作相似度大于相似度阈值作为日常视频帧。又如用户需要将位于预设时间段内的视频帧作为日常视频帧,此时,预设条件可以为预设时间段,即根据标签将处于预设时间段内的视频帧作为日常视频帧。此外,终端可以包括手机、平板电脑或智能穿戴设备等。需要说明的是,预设条件以及终端的具体类型,可根据实际情况进行设定,在此不作具体限定。
可选的,在上述技术方案的基础上,根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端,具体可以包括:确定具有同一标签的视频帧中对应学生的动作相似度。将动作相似度大于相似度阈值的视频帧确定为日常视频帧,将日常视频帧发送至与对应学生终端相匹配的关联终端。
在本发明的具体实施例中,为了实现发送至与对应学生终端相匹配的关联终端的视频帧可以最大程度上体现学生在校园生活中的表现,需要对视频帧进行筛选,具体可以采用如下方式实现:当具有同一标签的视频帧存在多个时,获取具有同一标签的视频帧中对应学生的动作相似度,将动作相似度大于相似度阈值的视频帧作为日常视频帧,将日常视频帧发送至与对应学生终端相匹配的关联终端。其中,如果动作相似度大于相似度阈值,则可以说明该视频帧所包含的内容较丰富,相比于动作相似度小于相似度阈值的视频帧而言,其更能体现学生在校园生活中的表现,因此,将其作为日常视频帧。需要说明的是,相似度阈值可以根据实际情况进行设定,在此不作具体限定。
本实施例的技术方案,通过获取校园摄像头拍摄的视频,根据学生信息对视频中的各视频帧进行分类并存储,根据学生信息和课程信息对分类后的视频帧设置标签,再根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。解决了现有技术中无法实现自动拍摄与学生相关的视频帧以及对视频帧进行筛选后发送至关联终端的问题,提升了用户体验。
可选的,在上述技术方案的基础上,在根据标签筛选视频帧,发送至与学生信息相匹配的关联终端之后,具体还可以包括:确定预设时间段内各学生信息对应的日常视频帧,根据日常视频帧的拍摄时间进行拼接,生成各学生信息对应的日常子视频,发送至与学生信息相匹配的关联终端。
在本发明的具体实施例中,为了实现发送至与学生信息相匹配的关联终端的视频帧可以最大程度上体现学生在校园生活中的表现,需要发送多个课程时间段内的视频帧,具体可以采用如下方式实现:设定预设时间段,获取预设时间段内的日常视频帧,由于日常视频帧中包含有拍摄时间信息,因此,可以基于日常视频帧的拍摄时间,对日常视频帧进行拼接,以生成各学生信息对应的日常子视频,并将该日常子视频发送至与学生信息相匹配的关联终端。由于日常子视频包含了多个时间段的内容,因此,可以实现关联终端接收到的视频帧可以最大程度上体现学生在校园生活中的表现。需要说明的是,预设时间段可以根据实际情况进行确定,在此不作具体限定。
可选的,在上述技术方案的基础上,在根据学生信息对视频中的各视频帧进行分类并存储之前,具体还可以包括:对视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧。
相应的,在根据学生信息对视频中的各视频帧进行分类并存储,具体可以包括:根据学生信息对视频中的待处理视频帧进行分类并存储。
在本发明的具体实施例中,由于校园摄像头所拍摄的视频中,未必所有视频帧均包含有人脸图像,即可能某些视频帧中未包含人脸图像,如还未到上学时间,所拍摄的教室视频中,各个视频帧均是不包含人脸图像的。而真正有价值的视频帧是包含人脸图像的视频帧,即只有包含有人脸图像的视频帧才能体现学生在校园生活中的表现。基于上述,可以对视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧。其中,可以基于现有的人脸识别技术对视频进行人物筛选,在此不作具体赘述。上述设置的好处在于:通过对视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧,在减少了后续操作的数据处理量的同时,也提高了处理效率。
实施例二
图2为本发明实施例二提供的一种视频处理方法的流程图,本实施例可适用于自动获取目标人物的视频帧的情况,该方法可以由可视频处理装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于计算机中。如图2所示,该方法具体包括如下步骤:
步骤200、获取校园摄像头拍摄的视频。
步骤210、将视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类。
步骤220、根据学生信息中人脸图像对应的班级信息和学生标识确定存储位置。
步骤230、将分类后的视频帧存储至对应的存储位置。
步骤240、根据分类后的视频帧对应到的学生信息确定对应的课程信息。
步骤250、根据分类后的视频帧的拍摄时刻和/或拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程信息,其中,课程信息包括各课程内容以及对应的课程时间段和课程位置。
步骤260、根据课程内容和对应学生信息中的学生标识对分类后的视频帧设置标签。
步骤270、确定具有同一标签的视频帧中对应学生的动作相似度。
步骤280、将动作相似度大于相似度阈值的视频帧确定为日常视频帧,将日常视频帧发送至与对应学生信息相匹配的关联终端。
步骤290、确定预设时间段内各学生信息对应的日常视频帧,根据日常视频帧的拍摄时间进行拼接,生成各学生信息对应的日常子视频,发送至与学生信息相匹配的关联终端。
本实施例的技术方案,通过获取校园摄像头拍摄的视频,将视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类,根据学生信息中人脸图像对应的班级信息和学生标识确定存储位置,将分类后的视频帧存储至对应的存储位置。再根据分类后的视频帧对应到的学生信息确定对应的课程信息,根据分类后的视频帧的拍摄时刻和/或拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程信息,根据课程内容和对应学生信息中的学生标识对分类后的视频帧设置标签。最后根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。解决了现有技术中无法实现自动拍摄与学生相关的视频帧以及对视频帧进行筛选后发送至关联终端的问题,提升了用户体验。
实施例三
图3为本发明实施例三提供的一种视频处理方法的流程图,本实施例可适用于自动获取目标人物的视频帧的情况,该方法可以由可视频处理装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于计算机中。如图3所示,该方法具体包括如下步骤:
步骤310、获取校园摄像头拍摄的视频。
步骤320、对视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧。
步骤330、根据学生信息对视频中的待处理视频帧进行分类并存储。
步骤340、根据分类后的视频帧对应到的学生信息确定对应的课程信息。
步骤350、根据分类后的视频帧的拍摄时刻和/或拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程信息,其中,课程信息包括各课程内容以及对应的课程时间段和课程位置。
步骤360、根据课程内容和对应学生信息中的学生标识对分类后的视频帧设置标签。
步骤370、确定具有同一标签的视频帧中对应学生的动作相似度。
步骤380、将动作相似度大于相似度阈值的视频帧确定为日常视频帧,将日常视频帧发送至与对应学生信息相匹配的关联终端。
步骤390、确定预设时间段内各学生信息对应的日常视频帧,根据日常视频帧的拍摄时间进行拼接,生成各学生信息对应的日常子视频,发送至与学生信息相匹配的关联终端。
本实施例的技术方案,通过获取校园摄像头拍摄的视频,对视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧。根据学生信息对视频中的待处理视频帧进行分类并存储。根据分类后的视频帧对应到的学生信息确定对应的课程信息,根据分类后的视频帧的拍摄时刻和/或拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程信息,根据课程内容和对应学生信息中的学生标识对分类后的视频帧设置标签。再根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。解决了现有技术中无法实现自动拍摄与学生相关的视频帧以及对视频帧进行筛选后发送至关联终端的问题,提升了用户体验。
实施例四
图4为本发明实施例四提供的一种视频处理装置的结构示意图,本实施例可适用于自动获取目标人物的视频帧的情况,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于计算机中。如图4所示,该装置具体包括:
视频获取模块410,用于获取校园摄像头拍摄的视频;
视频帧分类存储模块420,用于根据学生信息对视频中的各视频帧进行分类并存储;
标签设置模块430,用于根据学生信息和课程信息对分类后的视频帧设置标签;
日常视频帧获取及发送模块440,用于根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。
本实施例的技术方案,通过视频获取模块410获取校园摄像头拍摄的视频,视频帧分类存储模块420根据学生信息对视频中的各视频帧进行分类并存储,标签设置模块430根据学生信息和课程信息对分类后的视频帧设置标签,日常视频帧获取及发送模块440再根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。解决了现有技术中无法实现自动拍摄与学生相关的视频帧以及对视频帧进行筛选后发送至关联终端的问题,提升了用户体验。
可选的,在上述技术方案的基础上,视频帧分类存储模块420,具体可以包括:
匹配子模块,用于将视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类;
存储位置确定子模块,用于根据学生信息中人脸图像对应的班级信息和学生标识确定存储位置;
存储子模块,用于将分类的视频帧存储至对应的存储位置。
可选的,在上述技术方案的基础上,标签设置模块430,具体可以包括:
课程信息确定子模块,用于根据分类后的视频帧对应的学生信息确定对应的课程信息;
课程内容确定子模块,用于根据分类后的视频帧的拍摄时刻和/或拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程内容,其中,课程信息具体可以包括各课程内容以及对应的课程时间段和课程位置;
标签设置子模块,用于根据课程内容和对应学生信息中的学生标识对分类后的视频帧设置标签。
可选的,在上述技术方案的基础上,日常视频帧获取及发送模块440,具体可以包括:
动作相似度确定子模块,用于确定具有同一标签的视频帧中对应学生的动作相似度;
日常视频帧获取及发送子模块,用于将动作相似度大于相似度阈值的视频帧确定为日常视频帧,将日常视频帧发送至与对应学生相匹配的关联终端。
进一步的,在上述技术方案的基础上,该装置具体还可以包括:
日常子视频获取及发送模块,用于确定预设时间段内各学生信息对应的日常视频帧,根据日常视频帧的拍摄时间进行拼接,生成各学生信息对应的日常子视频,发送至与学生信息相匹配的关联终端。
进一步的,在上述技术方案的基础上,该装置具体还可以包括:
待处理视频帧确定模块,用于对视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧;
相应的,视频帧分类存储模块420,具体还可以包括:
待处理视频帧分类存储子模块,用于根据学生信息对视频中的待处理视频帧进行分类并存储。
本发明实施例所提供的视频处理装置可执行本发明任意实施例所提供的视频处理方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种计算机的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机512的框图。图5显示的计算机512仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机512以通用计算设备的形式表现。计算机512的组件可以包括但不限于:一个或者多个处理器516,系统存储器528,连接于不同系统组件(包括系统存储器528和处理器516)的总线518。
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机512访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)530和/或高速缓存存储器532。计算机512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统534可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如存储器528中,这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
计算机512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信,还可与一个或者多个使得用户能与该计算机512交互的设备通信,和/或与使得该计算机512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,计算机512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器520通过总线518与计算机512的其它模块通信。应当明白,尽管图5中未示出,可以结合计算机512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器516通过运行存储在系统存储器528中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种视频处理方法,包括:
获取校园摄像头拍摄的视频。
根据学生信息对视频中的各视频帧进行分类并存储。
根据学生信息和课程信息对分类后的视频帧设置标签。
根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的一种视频处理方法,该方法包括:
获取校园摄像头拍摄的视频。
根据学生信息对视频中的各视频帧进行分类并存储。
根据学生信息和课程信息对分类后的视频帧设置标签。
根据标签筛选日常视频帧,并将日常视频帧发送至与学生信息相匹配的关联终端。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种视频处理方法,其特征在于,包括:
获取校园摄像头拍摄的视频;
根据学生信息对所述视频中的各视频帧进行分类并存储;
根据所述学生信息和课程信息对分类后的视频帧设置标签;
根据所述标签筛选日常视频帧,并将所述日常视频帧发送至与所述学生信息相匹配的关联终端;
所述根据所述学生信息和课程信息对分类后的视频帧设置标签,包括:
根据所述分类后的视频帧对应的学生信息确定对应的课程信息;
根据所述分类后的视频帧的拍摄时刻和/或拍摄位置与所述对应课程信息进行匹配,确定所述分类后的视频帧对应的课程内容,其中,所述课程信息包括各课程内容以及对应的课程时间段和课程位置;
根据所述课程内容和对应学生信息中的学生标识对所述分类后的视频帧设置标签;其中视频帧与标签是一对一或多对一。
2.根据权利要求1所述的方法,其特征在于,根据学生信息对所述视频中的各视频帧进行分类并存储,包括:
将所述视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类;
根据所述学生信息中所述人脸图像对应的班级信息和学生标识确定存储位置;
将分类后的视频帧存储至对应的存储位置。
3.根据权利要求1所述的方法,其特征在于,根据所述标签筛选日常视频帧,并将所述日常视频帧发送至与所述学生信息相匹配的关联终端,包括:
确定具有同一标签的视频帧中对应学生的动作相似度;
将所述动作相似度大于相似度阈值的视频帧确定为日常视频帧,将所述日常视频帧发送至与所述对应学生相匹配的关联终端。
4.根据权利要求1所述的方法,其特征在于,在根据所述标签筛选视频帧,发送至与所述学生信息相匹配的关联终端之后,还包括:
确定预设时间段内各学生信息对应的日常视频帧,根据所述日常视频帧的拍摄时间进行拼接,生成各学生信息对应的日常子视频,发送至与所述学生信息相匹配的关联终端。
5.根据权利要求1所述的方法,其特征在于,在根据学生信息对所述视频中的各视频帧进行分类并存储之前,还包括:
对所述视频进行人物筛选,将包含人脸图像的视频帧作为待处理视频帧;
相应的,在根据学生信息对所述视频中的各视频帧进行分类并存储,包括:
根据学生信息对所述视频中的待处理视频帧进行分类并存储。
6.一种视频处理装置,其特征在于,包括:
视频获取模块,用于获取校园摄像头拍摄的视频;
视频帧分类存储模块,用于根据学生信息对所述视频中的各视频帧进行分类并存储;
标签设置模块,用于根据所述学生信息和课程信息对分类后的视频帧设置标签;
日常视频帧获取及发送模块,用于根据所述标签筛选日常视频帧,并将所述日常视频帧发送至与所述学生信息相匹配的关联终端;
所述标签设置模块具体包括:
课程信息确定子模块,用于根据分类后的视频帧对应的学生信息确定对应的课程信息;
课程内容确定子模块,用于根据分类后的视频帧的拍摄时刻和/或拍摄位置与对应课程信息进行匹配,确定分类后的视频帧对应的课程内容,其中,课程信息具体可以包括各课程内容以及对应的课程时间段和课程位置;
标签设置子模块,用于根据课程内容和对应学生信息中的学生标识对分类后的视频帧设置标签,其中视频帧与标签是一对一或多对一。
7.根据权利要求6所述的装置,其特征在于,视频帧分类存储模块,包括:
匹配子模块,用于将所述视频中的各视频帧与学生信息中的人脸图像进行匹配,并根据匹配结果进行分类;
存储位置确定子模块,用于根据所述学生信息中所述人脸图像对应的班级信息和学生标识确定存储位置;
存储子模块,用于将分类的视频帧存储至对应的存储位置。
8.一种计算机,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的视频处理方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的视频处理方法。
CN201810401157.3A 2018-04-28 2018-04-28 一种视频处理方法、装置、计算机及存储介质 Active CN108647710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810401157.3A CN108647710B (zh) 2018-04-28 2018-04-28 一种视频处理方法、装置、计算机及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810401157.3A CN108647710B (zh) 2018-04-28 2018-04-28 一种视频处理方法、装置、计算机及存储介质

Publications (2)

Publication Number Publication Date
CN108647710A CN108647710A (zh) 2018-10-12
CN108647710B true CN108647710B (zh) 2022-10-18

Family

ID=63748228

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810401157.3A Active CN108647710B (zh) 2018-04-28 2018-04-28 一种视频处理方法、装置、计算机及存储介质

Country Status (1)

Country Link
CN (1) CN108647710B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110046581A (zh) * 2019-04-18 2019-07-23 广东德融汇科技有限公司 一种基于生物识别技术的校园智慧课堂系统及拍摄分类方法
CN111541912B (zh) * 2020-04-30 2022-04-22 北京奇艺世纪科技有限公司 一种视频拆分方法、装置、电子设备及存储介质
CN111464865B (zh) * 2020-06-18 2020-11-17 北京美摄网络科技有限公司 一种视频生成方法、装置、电子设备及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127139A (zh) * 2016-06-21 2016-11-16 东北大学 一种mooc课程中学生面部表情的动态识别方法
CN107240051A (zh) * 2017-05-31 2017-10-10 合肥亿迈杰软件有限公司 一种实现校园家庭互通的云服务器系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794384B (zh) * 2010-03-12 2012-04-18 浙江大学 基于人体轮廓图提取与分组运动图查询的投篮动作识别
CN102568049B (zh) * 2012-02-21 2014-09-03 深圳市同洲电子股份有限公司 一种学生刷卡数据的发送方法、装置及系统
CN104331164B (zh) * 2014-11-27 2017-10-27 韩慧健 一种基于手势识别的相似度阈值分析的手势运动平滑处理方法
CN106559654A (zh) * 2016-11-18 2017-04-05 广州炫智电子科技有限公司 一种人脸识别监控采集系统及其控制方法
CN106730771B (zh) * 2017-01-05 2018-12-21 大连理工大学 一种基于单元动作划分的篮球动作数据处理方法
CN106874382A (zh) * 2017-01-09 2017-06-20 深圳市赛亿科技开发有限公司 一种教学资源共享系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127139A (zh) * 2016-06-21 2016-11-16 东北大学 一种mooc课程中学生面部表情的动态识别方法
CN107240051A (zh) * 2017-05-31 2017-10-10 合肥亿迈杰软件有限公司 一种实现校园家庭互通的云服务器系统

Also Published As

Publication number Publication date
CN108647710A (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN108647710B (zh) 一种视频处理方法、装置、计算机及存储介质
WO2021256670A1 (ko) 공유영상을 활용한 온라인 화상강의 시스템
WO2018150243A1 (en) Image recognition with filtering of image classification output distribution
CN112650867B (zh) 图片匹配方法、装置、电子设备以及存储介质
CN110136508A (zh) 一种基于无线视频终端的智慧课堂系统
CN112417274A (zh) 一种消息推送方法、装置、电子设备及存储介质
CN110740298A (zh) 分布式教室违纪行为检测系统、方法及介质
US20230300294A1 (en) Machine learning-based multi-view video conferencing from single view video data
CN112235605A (zh) 视频处理系统和视频处理方法
CN110378261B (zh) 一种学生识别方法及装置
Al-Muhaidhri et al. Smart attendance system using face recognition
US20190034757A1 (en) Method and system for on-device image recognition
CN111161592B (zh) 课堂监督方法和督课终端
CN113128454A (zh) 视频处理方法、装置、存储介质及电子设备
CN108665389A (zh) 一种学生用学习辅助系统
CN111914850A (zh) 图片特征提取方法、装置、服务器和介质
Babatunde et al. Mobile Based Student Attendance System Using Geo-Fencing With Timing and Face Recognition
CN112040277B (zh) 基于视频的数据处理方法、装置、计算机及可读存储介质
CN210534865U (zh) 签到系统
WO2023079370A1 (en) System and method for enhancing quality of a teaching-learning experience
CN114168673A (zh) 一种数据展示的方法、装置、电子设备及存储介质
KR20070006463A (ko) 학교 공지사항 알림 시스템
Baber et al. Supporting naturalistic decision making through location-based photography: A study of simulated military reconnaissance
KR20220067402A (ko) 쌍방향 인터넷 실시간 강의 시스템 및 강의 방법
CN112102511A (zh) 一种基于社科教育学习的学生实时考勤数据采集系统

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
TA01 Transfer of patent application right

Effective date of registration: 20211208

Address after: 276002 room 605, Zhongxing business enterprise development center, Pingshang Town, Lingang Economic Development Zone, Linyi City, Shandong Province

Applicant after: Shandong influence Intelligent Technology Co.,Ltd.

Address before: Room 1309, building 65584, Tingwei Road, Jinshan Industrial Zone, Jinshan District, Shanghai 200233

Applicant before: SHANGHAI WIND SCIENCE AND TECHNOLOGIES Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant