CN108984799A - 一种视频数据处理方法及装置 - Google Patents
一种视频数据处理方法及装置 Download PDFInfo
- Publication number
- CN108984799A CN108984799A CN201810957757.8A CN201810957757A CN108984799A CN 108984799 A CN108984799 A CN 108984799A CN 201810957757 A CN201810957757 A CN 201810957757A CN 108984799 A CN108984799 A CN 108984799A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- target image
- structured message
- structured
- 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
Links
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种视频数据处理方法及装置，涉及视频数据处理技术领域，包括：接收图像采集设备发送的多帧图像；基于多帧图像进行目标检测，得到多个包含目标对象的目标图像；针对每个目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库，解决了现有技术中存在的用户需要查看特定对象的视频内容时，只能为了在视频找到特定对象逐帧查看完整的视频图像内容，耗时较长，效率较低的技术问题，达到了将具有非结构化数据的视频图像转换成结构化数据，使得视频内容能够以结构化信息的形式直接被计算机读取和识别的技术效果。
Description
技术领域
本发明涉及视频数据处理技术领域，尤其是涉及一种视频数据处理方法及装置。
背景技术
社区作为城市居民生存和发展的载体，其智慧化是城市智慧水平的集中体现。目前智慧园区面临“存储难”、“检索难”、“挖掘难”和“共享难”四大难题，具体表现为：视频是一种非结构化的数据，它不能直接被计算机读取和识别，导致在用户需要查看特定对象的视频内容时，只能为了在视频找到特定对象逐帧查看完整的视频图像内容，耗时较长，效率较低。
发明内容
有鉴于此，本发明的目的在于提供一种视频数据处理方法及装置，以解决现有技术中存在的在用户需要查看特定对象的视频内容时，只能为了在视频找到特定对象逐帧查看完整的视频图像内容，耗时较长，效率较低的问题。
第一方面，本发明实施例提供了一种视频数据处理方法，包括：
接收图像采集设备发送的多帧图像；
基于所述多帧图像进行目标检测，得到多个包含目标对象的目标图像；
针对每个所述目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；
将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息，包括：
将所述目标图像分别多个与不同预设目标特征对应的结构化特征识别模型中，利用结构化特征识别模型识别所述目标图像中目标对象的结构化特征，得到所述目标图像中目标对象的结构化信息。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述将所述目标图像以及所述目标对象的结构化信息存储至结构化信息数据库，包括：
获取图像采集设备的设备标识；
获取与图像采集设备的设备标识对应的设备位置信息；
将所述设备位置信息、目标图像及目标图像中目标对象对应的结构化信息存储在所述结构化信息数据库中。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述方法还包括：
接收用户输入的目标检索条件及检索范围；
在所述结构化信息数据库中查找与所述检索范围匹配的设备位置信息；
在与所述设备位置信息对应的结构化信息中，查找与所述目标检索条件相匹配的目标图像；
输出所述与所述目标检索条件相匹配的目标图像。
第二方面，本发明实施例还提供一种视频数据处理装置，包括：
第一接收模块，用于接收图像采集设备发送的多帧图像；
检测模块，用于基于所述多帧图像进行目标检测，得到多个包含目标对象的目标图像；
结构化处理模块，用于针对每个所述目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；
存储模块，用于将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述结构化处理模块，还用于：
将所述目标图像分别多个与不同预设目标特征对应的结构化特征识别模型中，利用结构化特征识别模型识别所述目标图像中目标对象的结构化特征，得到所述目标图像中目标对象的结构化信息。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述存储模块，包括：
第一获取单元，用于获取图像采集设备的设备标识；
第二获取单元，用于获取与图像采集设备的设备标识对应的设备位置信息；
存储单元，用于将所述设备位置信息、目标图像及目标图像中目标对象对应的结构化信息存储在所述结构化信息数据库中。
结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述装置还包括：
第二接收模块，用于接收用户输入的目标检索条件及检索范围；
第一查找模块，用于在所述结构化信息数据库中查找与所述检索范围匹配的设备位置信息；
第二查找模块，用于在与所述设备位置信息对应的结构化信息中，查找与所述目标检索条件相匹配的目标图像；
输出模块，用于输出所述与所述目标检索条件相匹配的目标图像。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现第一方面所述的方法。
第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，其中，所述程序代码使所述处理器执行第一方面所述方法。
本发明实施例带来了以下有益效果：本发明实施例可以先接收图像采集设备发送的多帧图像，然后基于所述多帧图像进行目标检测，得到多个包含目标对象的目标图像；再针对每个所述目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；最后将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库。
本发明实施例能够通过对视频流中的目标图像进行结构化处理得到结构化信息，并将目标图像和结构化信息对应存储，将具有非结构化数据的视频图像转换成结构化数据，使得视频内容能够以结构化信息的形式直接被计算机读取和识别，进而方便后期用户根据结构化信息查看特定对象的视频内容。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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方式，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为本发明实施例提供的一种视频数据处理方法的流程图；
图2为图1中S104的流程图；
图3为本发明实施例提供的另一种视频数据处理方法的流程图；
图4为本发明实施例提供的一种视频数据处理装置的结构图。
图标：11-第一接收模块；12-检测模块；13-结构化处理模块；14-存储模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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做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。
目前视频是一种非结构化的数据，它不能直接被计算机读取和识别，导致在用户需要查看特定对象的视频内容时，只能为了在视频找到特定对象逐帧查看完整的视频图像内容，耗时较长，效率较低。基于此，本发明实施例提供的一种视频数据处理方法及装置，可以将非结构化数据转换成结构化数据，使得视频内容能够以结构化信息的形式直接被计算机读取和识别，进而方便后期用户根据结构化信息查看特定对象的视频内容。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种视频数据处理方法进行详细介绍，如图1所示，包括以下步骤：
步骤S101，接收图像采集设备发送的多帧图像；
在本发明实施例中，所述多帧图像是指在图像采集设备端经过处理的最优图像，在实际应用中，图像采集设备先获取园区监控视频或图像，然后从获取得到的园区监控视频或图像中检测到目标对象，例如非机动车、机动车、行人、人脸；再对每个目标对象进行择优，即对目标对象进行质量评价，综合考量包括但不限于目标尺寸、是否被遮挡、图像是否清晰、角度是否合适等因素，采用量化指标的方式对目标质量进行打分，得到目标质量的打分结果；最后再对每个目标对象进行去重，获取每个目标质量最高的图像，即根据择优过程中对目标对象在时间序列中的打分结果，选择时间序列中得分最高的图像作为该目标对象的图像传输至服务器端。
示例性的，若在目标对象为行人的情况下，某智慧园区内的一个图像采集设备在2秒内对拍摄区域范围内对出现的一个行人以及一个开车经过的人抓拍了50帧图像，且行人出现在第1帧到第50帧，开车经过的人出现在第20帧到第40帧，则分别对第1帧到第50帧图像出现的行人以及第20帧到第40帧图像出现的开车经过的人进行打分，若行人和开车经过的人的最高的质量分数均出现在第30帧图像中，则将第30帧图像作为质量评价最佳的图像传输至服务器端。
步骤S102，基于所述多帧图像进行目标检测，得到多个包含目标对象的目标图像；
在本发明实施例中，可以预先建立用于进行目标检测的神经网络模型，在神经网络模型建立完成后，可以利用大量的包含被检测目标的图像训练神经网络模型，得到训练好的目标检测模型；在需要进行目标检测时，将所述多帧图像输入到该神经网络模型中，该神经网络模型可以自动检测到每个图像帧中的目标对象，并输出目标对象在图像帧中的坐标位置。
示例性的，若将人和车作为目标对象，且在所述多帧图像中某一帧图像左下角有一个行人，中间位置有一个开汽车的人，右上角有一个行人，则将该图像输入到目标检测模型中，可以检测到该图像该图像共有三个人，一辆车以及它们在图像帧中所处的坐标位置。
步骤S103，针对每个所述目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；
在本发明实施例中，将所述目标图像分别多个与不同预设目标特征对应的结构化特征识别模型中，利用结构化特征识别模型识别所述目标图像中目标对象的结构化特征，得到所述目标图像中目标对象的结构化信息。
结构化特征识别模型是预先经过训练的神经网络模型，在训练结构化特征识别模型时，可以首先将大量包含目标对象的训练图像输入到结构化特征识别模型中，并输入每张训练图像中目标对象的结构化信息，目标对象可以是行人或者车辆等等；结构化信息可以指行人的着装、发型和性别等等，也可以指车辆的车牌、年检图标、车辆颜色和车辆型号等等，经过训练的结构化特征识别模型，可以自动对输入的目标图像进行结构化处理，得到目标图像中目标对象的结构化信息。
示例性的，针对车辆的目标特征包括但不限于：包含车辆颜色、品牌型号年款、车牌号码、车辆类型等车辆的固有属性，还包含车辆年检标、遮阳板、挂坠、摆件、纸巾盒、天窗、行李架、备胎、撞损痕等车辆的个性化信息；针对行人的目标特征包括但不限于：性别(男、女)、年龄段(小孩、青年、中年、老年)、发型、发色、胡须等样貌特征，上下身着装的颜色、纹理、款式、类型等着装信息，是否戴眼镜、口罩、帽子等装饰品，是否打雨伞、抱小孩、拉行李箱、背包、拎包等随身物品信息；针对人脸的目标特征包括但不限于以下信息：性别(男、女)、年龄段(小孩、青年、中年、老年)、发型、发色、胡须等样貌特征、表情(喜怒哀乐等)。
步骤S104，将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库。
在本发明实施例中，目标图像与目标图像的结构化信息对应存储，示例性的，二者可以对应存储在如下表1中：
表1
| 目标图像 | 目标图像的结构化信息 |
| 图像1 | A |
| 图像2 | B |
| 图像3 | C |
| 图像4 | D |
根据表1，可以根据目标图像查找到目标图像的结构化信息，也可以根据目标图像的结构化信息查找到目标图像。例如结构化信息数据库中存储着一万个人、三千量车的信息，若选择人工筛选的方式从这一万个人、三千量车的信息中寻找到X行人，则非常浪费人力和时间，若根据X行人的一些结构化信息，例如：着装和发型等，可以更快的找到X行人。
本发明实施例能够通过对视频流中的目标图像进行结构化处理得到结构化信息，并将目标图像和结构化信息对应存储，将具有非结构化数据的视频图像转换成结构化数据，使得视频内容能够以结构化信息的形式直接被计算机读取和识别，进而方便后期用户根据结构化信息查看特定对象的视频内容。
在本发明的又一实施例中，如图2所示，所述步骤S104可以包括以下步骤：
步骤S201，获取图像采集设备的设备标识；
在本发明实施例中，图像采集设备的个数与智慧园区面积的大小、道路的多少有关，若将所有的图像采集设备的图像一起传输至服务器端，导致所有的视频流混在一起，即使找到目标对象的图片，也无法确定目标对象出现在智慧园区的位置，所以给每个图像采集设备都设置一个设备标识，示例性的，一个园区共有500个摄像头，按位置依次对每个摄像头设置设备标识，分别设置为X001，X002，…，X500。
步骤S202，获取与图像采集设备的设备标识对应的设备位置信息；
在本发明实施例中，设备位置信息与图像采集设备的设备标识一一对应，所以可以根据已知的图像采集设备的设备标识来确定设备位置信息，示例性的，X001位于道路1和道路2的交叉口，X050位于道路6和道路9的交叉口，已知的图像采集设备的设备标识，则可以确定设备位置信息为道路1和道路2的交叉口。
步骤S203，将所述设备位置信息、目标图像及目标图像中目标对象对应的结构化信息存储在所述结构化信息数据库中。
在本发明实施例中，所述设备位置信息、目标图像及目标图像中目标对象对应的结构化信息对应存储，这样存储的好处在于可以通过所述设备位置信息、目标图像及目标图像中目标对象三者中的任意一条信息，从所述结构化信息数据库中检索到另外两个信息。
在本发明的又一实施例中，如图3所示，所述方法还包括：
步骤S301，接收用户输入的目标检索条件及检索范围；
在本发明实施例中，所述目标搜索条件可以是目标对象，也可以是目标图像中目标对象对应的结构化信息，所述目标搜索条件的个数不限，所述检索范围可以是时间范围，也可以是空间范围，实际应用中，在行人搜索时，目标搜索条件可以是性别、年龄等行人特征、也可以是进入、外出的目标通行方式，还有穿着(款式、颜色、纹理)、体型等人体特征，也可以是打伞、戴帽、背包、戴口罩、手推车、拉杆箱等行为特征；在车辆搜索时，目标搜索条件可以是车辆类型、品牌、型号、年款等；示例性的，用户输入的目标检索条件共有3个，分别是目标对象：行人、上装：红色、年龄24岁，检索范围2个，分别是时间范围：上午9点到11点，空间范围：智慧园区内的咖啡厅处的街口。
步骤S302，在所述结构化信息数据库中查找与所述检索范围匹配的设备位置信息；
在本发明实施例中，哪个摄像头安装在小区的哪些位置都是一一对应的，可以根据监控点布局的位置进行分类，所以锁定了检索范围，也就确定了位于检索范围内的摄像头的位置，查找摄像头位置的目的是为了缩小寻找目标对象的范围。
步骤S303，在与所述设备位置信息对应的结构化信息中，查找与所述目标检索条件相匹配的目标图像；
在本发明实施例中，所述目标检索条件相匹配的目标图像可以是一个，也可是多个。
步骤S304，输出所述与所述目标检索条件相匹配的目标图像。
在本发明实施例中，输出所述与所述目标检索条件相匹配的目标图像，可以是输出的目标图像，也可以输出目标图像的结构化信息。
在本发明的又一实施例中，如图4所示，所述装置可以包括以下模块：
第一接收模块11，用于接收图像采集设备发送的多帧图像；
检测模块12，用于基于所述多帧图像进行目标检测，得到多个包含目标对象的目标图像；
结构化处理模块13，用于针对每个所述目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；
存储模块14，用于将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库。
在本发明的又一实施例中，所述结构化处理模块13，还用于：
将所述目标图像分别多个与不同预设目标特征对应的结构化特征识别模型中，利用结构化特征识别模型识别所述目标图像中目标对象的结构化特征，得到所述目标图像中目标对象的结构化信息。
在本发明的又一实施例中，所述存储模块14，包括：
第一获取单元，用于获取图像采集设备的设备标识；
第二获取单元，用于获取与图像采集设备的设备标识对应的设备位置信息；
存储单元，用于将所述设备位置信息、目标图像及目标图像中目标对象对应的结构化信息存储在所述结构化信息数据库中。
在本发明的又一实施例中，所述装置还包括：
第二接收模块，用于接收用户输入的目标检索条件及检索范围；
第一查找模块，用于在所述结构化信息数据库中查找与所述检索范围匹配的设备位置信息；
第二查找模块，用于在与所述设备位置信息对应的结构化信息中，查找与所述目标检索条件相匹配的目标图像；
输出模块，用于输出所述与所述目标检索条件相匹配的目标图像。
在本发明的又一实施例中，还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法实施例所述方法的步骤。
在本发明的又一实施例中，还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行方法实施例所述方法。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的视频数据处理方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种视频数据处理方法，其特征在于，包括：
接收图像采集设备发送的多帧图像；
基于所述多帧图像进行目标检测，得到多个包含目标对象的目标图像；
针对每个所述目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；
将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库。
2.根据权利要求1所述视频数据处理方法，其特征在于，所述根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息，包括：
将所述目标图像分别多个与不同预设目标特征对应的结构化特征识别模型中，利用结构化特征识别模型识别所述目标图像中目标对象的结构化特征，得到所述目标图像中目标对象的结构化信息。
3.根据权利要求1所述视频数据处理方法，其特征在于，所述将所述目标图像以及所述目标对象的结构化信息存储至结构化信息数据库，包括：
获取图像采集设备的设备标识；
获取与图像采集设备的设备标识对应的设备位置信息；
将所述设备位置信息、目标图像及目标图像中目标对象对应的结构化信息存储在所述结构化信息数据库中。
4.根据权利要求3所述视频数据处理方法，其特征在于，所述方法还包括：
接收用户输入的目标检索条件及检索范围；
在所述结构化信息数据库中查找与所述检索范围匹配的设备位置信息；
在与所述设备位置信息对应的结构化信息中，查找与所述目标检索条件相匹配的目标图像；
输出所述与所述目标检索条件相匹配的目标图像。
5.一种视频数据处理装置，其特征在于，包括：
第一接收模块，用于接收图像采集设备发送的多帧图像；
检测模块，用于基于所述多帧图像进行目标检测，得到多个包含目标对象的目标图像；
结构化处理模块，用于针对每个所述目标图像，根据预设目标特征对所述目标图像进行结构化处理，得到所述目标图像中目标对象的结构化信息；
存储模块，用于将所述目标图像以及所述目标对象的结构化信息对应存储至结构化信息数据库。
6.根据权利要求5所述视频数据处理装置，其特征在于，所述结构化处理模块，还用于：
将所述目标图像分别多个与不同预设目标特征对应的结构化特征识别模型中，利用结构化特征识别模型识别所述目标图像中目标对象的结构化特征，得到所述目标图像中目标对象的结构化信息。
7.根据权利要求5所述视频数据处理装置，其特征在于，所述存储模块，包括：
第一获取单元，用于获取图像采集设备的设备标识；
第二获取单元，用于获取与图像采集设备的设备标识对应的设备位置信息；
存储单元，用于将所述设备位置信息、目标图像及目标图像中目标对象对应的结构化信息存储在所述结构化信息数据库中。
8.根据权利要求7所述视频数据处理装置，其特征在于，所述装置还包括：
第二接收模块，用于接收用户输入的目标检索条件及检索范围；
第一查找模块，用于在所述结构化信息数据库中查找与所述检索范围匹配的设备位置信息；
第二查找模块，用于在与所述设备位置信息对应的结构化信息中，查找与所述目标检索条件相匹配的目标图像；
输出模块，用于输出所述与所述目标检索条件相匹配的目标图像。
9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一项所述方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至4任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810957757.8A CN108984799A (zh) | 2018-08-21 | 2018-08-21 | 一种视频数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810957757.8A CN108984799A (zh) | 2018-08-21 | 2018-08-21 | 一种视频数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108984799A true CN108984799A (zh) | 2018-12-11 |
Family
ID=64553916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810957757.8A Pending CN108984799A (zh) | 2018-08-21 | 2018-08-21 | 一种视频数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108984799A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711369A (zh) * | 2018-12-29 | 2019-05-03 | 深圳英飞拓智能技术有限公司 | 行人统计方法、装置、系统、计算机设备和存储介质 |
| CN110569390A (zh) * | 2019-08-20 | 2019-12-13 | 武汉大千信息技术有限公司 | 基于区分存储介质的海量案件数据高效检索方法 |
| CN110874424A (zh) * | 2019-09-23 | 2020-03-10 | 北京旷视科技有限公司 | 数据处理的方法、装置、计算机设备及可读存储介质 |
| CN111092926A (zh) * | 2019-08-28 | 2020-05-01 | 北京大学 | 一种数字视网膜多元数据快速关联方法 |
| CN111402297A (zh) * | 2020-03-25 | 2020-07-10 | 杭州博雅鸿图视频技术有限公司 | 目标追踪检测方法、系统、电子设备及存储介质 |
| CN111538861A (zh) * | 2020-04-22 | 2020-08-14 | 浙江大华技术股份有限公司 | 基于监控视频进行图像检索的方法、装置、设备及介质 |
| CN111541864A (zh) * | 2019-08-28 | 2020-08-14 | 北京大学 | 一种数字视网膜软件定义摄像机方法及系统 |
| CN111666432A (zh) * | 2019-03-06 | 2020-09-15 | 杭州海康威视数字技术股份有限公司 | 一种图像存储方法、装置及设备、存储介质 |
| CN113515649A (zh) * | 2020-11-19 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 数据的结构化方法、系统、装置、设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104883548A (zh) * | 2015-06-16 | 2015-09-02 | 金鹏电子信息机器有限公司 | 监控视频人脸抓取处理方法及其系统 |
| CN105760844A (zh) * | 2016-02-29 | 2016-07-13 | 北京时代云英科技有限公司 | 一种视频流数据的处理方法、设备和系统 |
| CN107203638A (zh) * | 2017-06-08 | 2017-09-26 | 北京深瞐科技有限公司 | 监控视频处理方法、装置及系统 |
| CN108009473A (zh) * | 2017-10-31 | 2018-05-08 | 深圳大学 | 基于目标行为属性视频结构化处理方法、系统及存储装置 |
-
2018
- 2018-08-21 CN CN201810957757.8A patent/CN108984799A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104883548A (zh) * | 2015-06-16 | 2015-09-02 | 金鹏电子信息机器有限公司 | 监控视频人脸抓取处理方法及其系统 |
| CN105760844A (zh) * | 2016-02-29 | 2016-07-13 | 北京时代云英科技有限公司 | 一种视频流数据的处理方法、设备和系统 |
| CN107203638A (zh) * | 2017-06-08 | 2017-09-26 | 北京深瞐科技有限公司 | 监控视频处理方法、装置及系统 |
| CN108009473A (zh) * | 2017-10-31 | 2018-05-08 | 深圳大学 | 基于目标行为属性视频结构化处理方法、系统及存储装置 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711369A (zh) * | 2018-12-29 | 2019-05-03 | 深圳英飞拓智能技术有限公司 | 行人统计方法、装置、系统、计算机设备和存储介质 |
| CN111666432B (zh) * | 2019-03-06 | 2024-02-27 | 杭州海康威视数字技术股份有限公司 | 一种图像存储方法、装置及设备、存储介质 |
| CN111666432A (zh) * | 2019-03-06 | 2020-09-15 | 杭州海康威视数字技术股份有限公司 | 一种图像存储方法、装置及设备、存储介质 |
| CN110569390A (zh) * | 2019-08-20 | 2019-12-13 | 武汉大千信息技术有限公司 | 基于区分存储介质的海量案件数据高效检索方法 |
| CN110569390B (zh) * | 2019-08-20 | 2024-01-30 | 武汉大千信息技术有限公司 | 基于区分存储介质的海量案件数据高效检索方法 |
| CN111541864A (zh) * | 2019-08-28 | 2020-08-14 | 北京大学 | 一种数字视网膜软件定义摄像机方法及系统 |
| CN111541864B (zh) * | 2019-08-28 | 2021-03-23 | 北京大学 | 一种数字视网膜软件定义摄像机方法及系统 |
| CN111092926B (zh) * | 2019-08-28 | 2021-10-22 | 北京大学 | 一种数字视网膜多元数据快速关联方法 |
| CN111092926A (zh) * | 2019-08-28 | 2020-05-01 | 北京大学 | 一种数字视网膜多元数据快速关联方法 |
| CN110874424A (zh) * | 2019-09-23 | 2020-03-10 | 北京旷视科技有限公司 | 数据处理的方法、装置、计算机设备及可读存储介质 |
| CN111402297A (zh) * | 2020-03-25 | 2020-07-10 | 杭州博雅鸿图视频技术有限公司 | 目标追踪检测方法、系统、电子设备及存储介质 |
| CN111538861A (zh) * | 2020-04-22 | 2020-08-14 | 浙江大华技术股份有限公司 | 基于监控视频进行图像检索的方法、装置、设备及介质 |
| CN111538861B (zh) * | 2020-04-22 | 2023-08-15 | 浙江大华技术股份有限公司 | 基于监控视频进行图像检索的方法、装置、设备及介质 |
| CN113515649A (zh) * | 2020-11-19 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 数据的结构化方法、系统、装置、设备和存储介质 |
| CN113515649B (zh) * | 2020-11-19 | 2024-03-01 | 阿里巴巴集团控股有限公司 | 数据的结构化方法、系统、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108984799A (zh) | 一种视频数据处理方法及装置 | |
| CN104809187B (zh) | 一种基于rgb‑d数据的室内场景语义标注方法 | |
| CN109102531A (zh) | 一种目标轨迹追踪方法及装置 | |
| CN110147743A (zh) | 一种复杂场景下的实时在线行人分析与计数系统及方法 | |
| CN106960210B (zh) | 目标检测的方法和装置 | |
| CN103413145B (zh) | 基于深度图像的关节点定位方法 | |
| CN109003318A (zh) | 一种视频处理方法、装置及存储介质 | |
| CN109214315A (zh) | 人车跨镜头追踪方法及装置 | |
| WO2020114138A1 (zh) | 信息的关联分析方法及装置、储存介质、电子装置 | |
| CN108520226A (zh) | 一种基于躯体分解和显著性检测的行人重识别方法 | |
| CN109859245A (zh) | 视频目标的多目标跟踪方法、装置及存储介质 | |
| Glasner et al. | aware object detection and continuous pose estimation | |
| CN106845502A (zh) | 一种用于设备检修的穿戴式辅助装置及设备检修可视化指导方法 | |
| CN110033007A (zh) | 基于深度姿态预估和多特征融合的行人衣着属性识别方法 | |
| CN107292234A (zh) | 一种基于信息边缘和多模态特征的室内场景布局估计方法 | |
| CN104408733B (zh) | 基于对象随机游走的遥感图像视觉显著性检测方法及系统 | |
| CN107133651A (zh) | 基于超网络判别子图的功能磁共振影像数据分类方法 | |
| CN105354593B (zh) | 一种基于nmf的三维模型分类方法 | |
| CN106030610A (zh) | 移动设备的实时3d姿势识别和跟踪系统 | |
| CN109598186A (zh) | 一种基于多任务深度学习的行人属性识别方法 | |
| CN108491827A (zh) | 一种车辆检测方法、装置及存储介质 | |
| CN104615998B (zh) | 一种基于多视角的车辆检索方法 | |
| McKeown et al. | Performance evaluation for automatic feature extraction | |
| CN108875456A (zh) | 目标检测方法、目标检测装置和计算机可读存储介质 | |
| CN109670517A (zh) | 目标检测方法、装置、电子设备和目标检测模型 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
| RJ01 | Rejection of invention patent application after publication |