CN109493336B - 基于人工智能的视频马赛克识别自动学习的系统及方法 - Google Patents
基于人工智能的视频马赛克识别自动学习的系统及方法 Download PDFInfo
- Publication number
- CN109493336B CN109493336B CN201811353537.0A CN201811353537A CN109493336B CN 109493336 B CN109493336 B CN 109493336B CN 201811353537 A CN201811353537 A CN 201811353537A CN 109493336 B CN109493336 B CN 109493336B
- Authority
- CN
- China
- Prior art keywords
- video
- mosaic
- artificial intelligence
- management platform
- pictures
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人工智能的视频马赛克识别自动学习的系统,包括:提供点播或直播数字视频的网络视频平台;管理平台;通过所述管理平台的控制,请求相应视频节目的视频客户端;连接所述网络视频平台和所述视频客户端,产生可变的丢包率和丢包模型用以制造视频马赛克的网络损伤仪;连接所述视频客户端,按一定的频率采集视频客户端的视频图像的视频图像采集系统;连接所述视频图像采集系统,用于存储马赛克图片素材的素材库;连接所述视频图像采集系统和所述素材库,用于筛选马赛克视频图片的人工智能系统。本发明还公开了基于人工智能的视频马赛克识别自动学习的方法。从而能模拟真实的、海量的马赛克视频图像用于人工智能的训练学习。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及基于人工智能的视频马赛克识别自动学习的系统及方法。
背景技术
电视信号数字化后,从视频节目的拍摄、编码、存储、传输、接收到播放的各环节都有可能产生误码或数据的丢失,从而导致视频图像的缺陷,常见的缺陷有黑场、静帧和马赛克等,为此,需要对视频业务的图像质量进行实时的监测,以保障视频节目的播放质量。
传统视频图像质量监测的方法主要依靠人工,不仅费时费力,还不一定能做到每个环节都能监测到位。随着计算机技术的发展,数字视频图像处理技术在视频节目质量自动监测系统中得到越来越多的应用,尤其是近来人工智能技术的成熟,基于人工智能技术来识别图像质量,尤其是较难识别的马赛克成为可能。
然而,人工智能深度学习需要大量的训练素材,素材内容、数量决定了将来识别视频图像马赛克的准确性。海量的素材收集(几万-几十万张素材)和对人工智能模型的训练成为建设视频图像质量监测系统的主要技术瓶颈。显然,采用人工方式收集或制作素材是不可能的,一是无法模拟真实的马赛克内容,二是无法构造海量的素材资料。
发明内容
本发明的目的在于提出了一种基于人工智能的视频马赛克识别自动学习的系统和方法,能模拟真实的、海量的马赛克视频图像用于人工智能的训练学习。
实现上述目的的技术方案是:
一种基于人工智能的视频马赛克识别自动学习的系统,包括:
提供点播或直播数字视频的网络视频平台;
管理平台;
通过所述管理平台的控制,请求相应视频节目的视频客户端;
连接所述网络视频平台和所述视频客户端,通过所述管理平台的控制,产生可变的丢包率和丢包模型用以制造视频马赛克的网络损伤仪;
连接所述视频客户端,通过所述管理平台的控制,按一定的频率采集视频客户端的视频图像的视频图像采集系统;
连接所述视频图像采集系统,用于存储马赛克图片素材的素材库;以及
连接所述视频图像采集系统和所述素材库,用于筛选马赛克视频图片的人工智能系统。
优选的,所述管理平台控制所述视频图像采集系统,对视频图片素材进行人工筛选或审核;
所述管理平台控制所述人工智能系统,训练人工智能计算模型。
一种基于上述系统的视频马赛克识别自动学习的方法,包括:
步骤一,自动产生若干图片,通过人工方式,筛选并裁剪马赛克图片作为素材,对人工智能系统进行初步训练;
步骤二,自动产生若干图片,对人工智能系统设置第一马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片,继续人工审核以后作为素材,对人工智能系统进行再次训练;
步骤三,自动产生若干图片,对人工智能系统设置第二马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片作为素材,对人工智能系统进行训练;
其中,第一马赛克识别阈值低于第二马赛克识别阈值。
优选的,所述步骤一包括:
视频客户端在管理平台的控制下发起业务请求,请求直播或点播节目;
网络损伤仪在管理平台的控制下,产生可变丢包率和丢包模型,丢弃部分数据;
视频客户端产生断断续续的马赛克图像;
视频图像采集系统在管理平台的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像;
从静态的图像中,人工筛选和裁剪马赛克图片作为人工智能的训练素材;
建立马赛克图像素材库;
基于素材库,训练人工智能计算模型;
所述步骤二包括:
视频客户端在管理平台的控制下发起业务请求,请求直播或点播节目;
网络损伤仪在管理平台的控制下,产生可变丢包率和丢包模型,丢弃部分数据;
视频客户端产生断断续续的马赛克图像;
视频图像采集系统在管理平台的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像;
对人工智能系统设置第一马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片;
对输出的马赛克图片继续由人工审核后作为素材;
增加马赛克图像素材库中素材;
基于素材库,训练人工智能计算模型;
所述步骤三包括:
视频客户端在管理平台的控制下发起业务请求,请求直播或点播节目;
网络损伤仪在管理平台的控制下,产生可变丢包率和丢包模型,丢弃部分数据;
视频客户端产生断断续续的马赛克图像;
视频图像采集系统在管理平台的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像;
对人工智能系统设置第二马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片作为素材;
增加马赛克图像素材库中素材;
基于素材库,训练人工智能计算模型。
本发明的有益效果是:本发明通过管理平台的控制,自动产生有可能存在马赛克影像的图片,依次通过人工筛选、人工智能筛选和人工审核、人工智能筛选,能模拟真实的、海量的马赛克视频图像用于人工智能的训练学习,大大降低了人工智能系统训练的工作量,提升了人工识别骂马赛克图像的准确率。
附图说明
图1是本发明的基于人工智能的视频马赛克识别自动学习的系统的结构图;
图2是本发明的基于人工智能的视频马赛克识别自动学习的方法的流程图。
具体实施方式
下面将结合附图对本发明作进一步说明。
请参阅图1,本发明的基于人工智能的视频马赛克识别自动学习的系统,包括:网络视频平台1、管理平台2、网络损伤仪3、视频客户端4、视频图像采集系统5、素材库6和人工智能系统7。
网络视频平台1提供点播或直播的网络数字视频服务,包括RTP/RTSP实时流媒体或HLS渐进式下载流媒体等。网络损伤仪3连接网络视频平台1和视频客户端4。网络损伤仪3产生可变的丢包率和丢包模型用以制造视频马赛克。视频客户端4请求相应视频节目,并用于播放。视频图像采集系统5连接视频客户端4,按一定的频率采集视频客户端4的视频图像。素材库6提供马赛克图像素材的存储,用于训练人工智能。人工智能系统7连接视频图像采集系统5和素材库6,用于筛选马赛克视频图片。人工智能系统7可以采用TensorFlow。
管理平台2控制网络损伤仪3、视频客户端4、视频图像采集系统5、素材库6和人工智能系统7。
管理平台2控制视频图像采集系统5,对视频图片进行人工筛选或审核。管理平台2控制人工智能系统7,训练人工智能计算模型,以及将视频图像采集系统5采集的图片进行识别,将筛选出来的马赛克视频图片存入素材库6,或者人工审核以后存入素材库6。
请参阅图2,本发明的基于上述系统的视频马赛克识别自动学习的方法,包括:
步骤一,自动产生若干有可能存在马赛克影像的图片,通过人工方式,筛选并裁剪马赛克图片作为素材,对人工智能系统进行初步训练。
步骤二,自动产生若干有可能存在马赛克影像的图片,对人工智能系统7设置第一马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片,继续人工审核以后作为素材,对人工智能系统进行再次训练。
步骤三,自动产生若干有可能存在马赛克影像的图片,对人工智能系统7设置第二马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片作为素材,对人工智能系统进行训练。
其中,第一马赛克识别阈值低于第二马赛克识别阈值。
具体地,步骤一包括:
步骤S11,视频客户端4在管理平台2的控制下发起业务请求,请求直播或点播节目。
步骤S12,网络损伤仪3在管理平台2的控制下,按照可变的丢包率(如万分之一到百分之一)和丢包模型(如平均丢包、突发丢包、正态分布丢包)丢弃部分数据。
步骤S13,视频客户端4产生断断续续的马赛克图像。对于不同的节目内容、编码方式、客户端、丢包率和丢包模型,所产生的马赛克图像是不同的,所以需要尽量多的样本。
步骤S14,视频图像采集系统5在管理平台2的控制下,按一定的频率(如1秒1次)采集视频客户端输出的视频,保存为静态的图像。
步骤S15,从静态的图像中,人工筛选和裁剪马赛克图片作为人工智能的训练素材(需要几十张)。
步骤S16,建立马赛克图像素材库。
步骤S17,在管理平台2的控制下,基于素材库,训练人工智能计算模型。
所述步骤二包括:
步骤S21,视频客户端4在管理平台2的控制下发起业务请求,请求直播或点播节目。
步骤S22,网络损伤仪3在管理平台2的控制下,按照可变的丢包和丢包模型丢弃部分数据。
步骤S23,视频客户端4产生断断续续的马赛克图像;
步骤S24,视频图像采集系统5在管理平台2的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像。
步骤S25,对人工智能系统7设置第一马赛克识别阈值,阈值略低,通过人工智能方式筛选并裁剪马赛克图片。
步骤S26,对输出的马赛克图片继续由人工审核后作为素材(约需要几千张)。
步骤S27,继续增加马赛克图像素材库的素材。
步骤S28,在管理平台2的控制下,基于素材库,训练人工智能计算模型。
所述步骤三包括:
步骤S31,视频客户端4在管理平台2的控制下发起业务请求,请求直播或点播节目。
步骤S32,网络损伤仪3在管理平台2的控制下,按照可变的丢包和丢包模型丢弃部分数据。
步骤S33,视频客户端4产生断断续续的马赛克图像;
步骤S34,视频图像采集系统5在管理平台2的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像。
步骤S35,对人工智能系统7设置第二马赛克识别阈值,阈值较高,通过人工智能方式筛选并裁剪马赛克图片作为素材(约需要几千张)。
步骤S36,继续海量增加马赛克图像素材库的素材。
步骤S37,在管理平台2的控制下,对基于素材库,训练人工智能计算模型。
完成人工智能系统训练后,在实际应用中,识别阈值应调的更高些,提高识别的准确率。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案也应该属于本发明的范畴,应由各权利要求所限定。
Claims (3)
1.一种基于人工智能的视频马赛克识别自动学习的方法,其特征在于,基于人工智能的视频马赛克识别自动学习系统包括:提供点播或直播数字视频的网络视频平台;管理平台;
通过所述管理平台的控制,请求相应视频节目的视频客户端;连接所述网络视频平台和所述视频客户端,通过所述管理平台的控制,产生可变的丢包率和丢包模型用以制造视频马赛克的网络损伤仪;连接所述视频客户端,通过所述管理平台的控制,按一定的频率采集视频客户端的视频图像的视频图像采集系统;连接所述视频图像采集系统,用于存储马赛克图片素材的素材库;以及连接所述视频图像采集系统和所述素材库,用于筛选马赛克视频图片的人工智能系统;其中,所述自动学习系统使用时,包括以下步骤:
步骤一,所述管理平台自动产生若干图片,通过人工方式,筛选并裁剪马赛克图片作为素材,对人工智能系统进行初步训练;
步骤二,所述管理平台自动产生若干图片,对人工智能系统设置第一马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片,继续人工审核以后作为素材,对人工智能系统进行再次训练;
步骤三,所述管理平台自动产生若干图片,对人工智能系统设置第二马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片作为素材,对人工智能系统进行训练;
其中,第一马赛克识别阈值低于第二马赛克识别阈值。
2.根据权利要求1所述的基于人工智能的视频马赛克识别自动学习的方法,其特征在于,所述管理平台控制所述视频图像采集系统,对视频图片素材进行人工筛选或审核;
所述管理平台控制所述人工智能系统,训练人工智能计算模型。
3.根据权利要求1或2所述的视频马赛克识别自动学习的方法,其特征在于,所述步骤一包括:
视频客户端在管理平台的控制下发起业务请求,请求直播或点播节目;
网络损伤仪在管理平台的控制下,产生可变丢包率和丢包模型,丢弃部分数据;
视频客户端产生断断续续的马赛克图像;
视频图像采集系统在管理平台的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像;
从静态的图像中,人工筛选和裁剪马赛克图片作为人工智能的训练素材;
建立马赛克图像素材库;
基于素材库,训练人工智能计算模型;
所述步骤二包括:
视频客户端在管理平台的控制下发起业务请求,请求直播或点播节目;
网络损伤仪在管理平台的控制下,产生可变丢包率和丢包模型,丢弃部分数据;
视频客户端产生断断续续的马赛克图像;
视频图像采集系统在管理平台的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像;
对人工智能系统设置第一马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片;
对输出的马赛克图片继续由人工审核后作为素材;
增加马赛克图像素材库中素材;
基于素材库,训练人工智能计算模型;
所述步骤三包括:
视频客户端在管理平台的控制下发起业务请求,请求直播或点播节目;
网络损伤仪在管理平台的控制下,产生可变丢包率和丢包模型,丢弃部分数据;
视频客户端产生断断续续的马赛克图像;
视频图像采集系统在管理平台的控制下,按一定的频率采集视频客户端输出的视频,保存为静态的图像;
对人工智能系统设置第二马赛克识别阈值,通过人工智能方式筛选并裁剪马赛克图片作为素材;
增加马赛克图像素材库中素材;
基于素材库,训练人工智能计算模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353537.0A CN109493336B (zh) | 2018-11-14 | 2018-11-14 | 基于人工智能的视频马赛克识别自动学习的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353537.0A CN109493336B (zh) | 2018-11-14 | 2018-11-14 | 基于人工智能的视频马赛克识别自动学习的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109493336A CN109493336A (zh) | 2019-03-19 |
CN109493336B true CN109493336B (zh) | 2022-03-04 |
Family
ID=65695916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811353537.0A Active CN109493336B (zh) | 2018-11-14 | 2018-11-14 | 基于人工智能的视频马赛克识别自动学习的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109493336B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130013172A (ko) * | 2011-07-27 | 2013-02-06 | 삼성디스플레이 주식회사 | 표시 장치 및 그 구동 방법 |
CN103049755A (zh) * | 2012-12-28 | 2013-04-17 | 合一网络技术(北京)有限公司 | 一种实现动态视频马赛克的方法及装置 |
CN104093017A (zh) * | 2014-07-09 | 2014-10-08 | 上海风格信息技术股份有限公司 | 一种通过对比实现三路信号监测的方法 |
CN106507021A (zh) * | 2015-09-07 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 视频处理方法及终端设备 |
CN106803248A (zh) * | 2016-12-18 | 2017-06-06 | 南京邮电大学 | 模糊车牌图像模糊度评价方法 |
CN107704882A (zh) * | 2017-10-13 | 2018-02-16 | 上海工程技术大学 | 一种基于数字图像处理技术的衣物类型识别方法及系统 |
CN107767358A (zh) * | 2016-08-23 | 2018-03-06 | 阿里巴巴集团控股有限公司 | 一种图像中物体模糊度确定方法和装置 |
CN108073979A (zh) * | 2016-11-14 | 2018-05-25 | 顾泽苍 | 一种导入人工智能超深度学习用于图像识别的方法 |
CN108370454A (zh) * | 2015-12-03 | 2018-08-03 | 深圳市大疆创新科技有限公司 | 用于视频处理的系统和方法 |
CN108446696A (zh) * | 2018-02-09 | 2018-08-24 | 杭州雄迈集成电路技术有限公司 | 一种基于深度学习的端到端车牌识别方法 |
CN108765826A (zh) * | 2018-05-31 | 2018-11-06 | 四川物联亿达科技有限公司 | 一种基于深度学习的多遮挡模糊场景人形识别方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133718B (zh) * | 2017-12-13 | 2021-04-06 | 北京奇虎科技有限公司 | 一种对视频进行处理的方法和装置 |
CN108039008B (zh) * | 2017-12-29 | 2020-02-11 | 英华达(南京)科技有限公司 | 智能视频监控方法、装置及系统 |
-
2018
- 2018-11-14 CN CN201811353537.0A patent/CN109493336B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130013172A (ko) * | 2011-07-27 | 2013-02-06 | 삼성디스플레이 주식회사 | 표시 장치 및 그 구동 방법 |
CN103049755A (zh) * | 2012-12-28 | 2013-04-17 | 合一网络技术(北京)有限公司 | 一种实现动态视频马赛克的方法及装置 |
CN104093017A (zh) * | 2014-07-09 | 2014-10-08 | 上海风格信息技术股份有限公司 | 一种通过对比实现三路信号监测的方法 |
CN106507021A (zh) * | 2015-09-07 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 视频处理方法及终端设备 |
CN108370454A (zh) * | 2015-12-03 | 2018-08-03 | 深圳市大疆创新科技有限公司 | 用于视频处理的系统和方法 |
CN107767358A (zh) * | 2016-08-23 | 2018-03-06 | 阿里巴巴集团控股有限公司 | 一种图像中物体模糊度确定方法和装置 |
CN108073979A (zh) * | 2016-11-14 | 2018-05-25 | 顾泽苍 | 一种导入人工智能超深度学习用于图像识别的方法 |
CN106803248A (zh) * | 2016-12-18 | 2017-06-06 | 南京邮电大学 | 模糊车牌图像模糊度评价方法 |
CN107704882A (zh) * | 2017-10-13 | 2018-02-16 | 上海工程技术大学 | 一种基于数字图像处理技术的衣物类型识别方法及系统 |
CN108446696A (zh) * | 2018-02-09 | 2018-08-24 | 杭州雄迈集成电路技术有限公司 | 一种基于深度学习的端到端车牌识别方法 |
CN108765826A (zh) * | 2018-05-31 | 2018-11-06 | 四川物联亿达科技有限公司 | 一种基于深度学习的多遮挡模糊场景人形识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于模板匹配、马赛克图以及支持向量机的人脸检测;袁小勇;《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》;20040615(第02期);I138-207 * |
Also Published As
Publication number | Publication date |
---|---|
CN109493336A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20190140825A (ko) | 스트리밍 파일의 해상도 개선 방법 | |
CN107959863B (zh) | 一种视频审核方法及系统 | |
CN104661021B (zh) | 一种视频流的质量评估方法 | |
EP3011752A1 (de) | Konzept zur bestimmung der qualität eines mediadatenstroms mit variierender qualität-zu-bitrate | |
CN103024447A (zh) | 一种同时同地拍摄的多视频移动端剪辑云端合成方法及服务器 | |
CN107222739B (zh) | 一种基于爬虫技术的iptv业务质量拨测方法 | |
CN111093069A (zh) | 一种全景视频流的质量评估方法及装置 | |
Zhang et al. | MD-VQA: Multi-dimensional quality assessment for UGC live videos | |
CN110677725B (zh) | 一种基于互联网电视业务的音视频异态检测方法及系统 | |
CN106209824A (zh) | 数据的云编辑方法、系统以及云编辑的客户端 | |
CN101719990A (zh) | 一种流媒体直播节目审查方法 | |
CN109493336B (zh) | 基于人工智能的视频马赛克识别自动学习的系统及方法 | |
CN110336959A (zh) | 一种原创视频自动化处理方法 | |
KR102130076B1 (ko) | 특징 영역의 학습 중요도를 바탕으로 스트리밍 파일의 해상도를 개선하는 방법 | |
CN107634881A (zh) | 一种网络或视频业务探测系统及方法 | |
Ying et al. | Telepresence video quality assessment | |
EP1397001B1 (en) | Automatic measurement of video parameters | |
US11398091B1 (en) | Repairing missing frames in recorded video with machine learning | |
CN113691801A (zh) | 基于视频图像分析的视频监控设备故障监测方法及系统 | |
KR20220021495A (ko) | Ai에 기반하여 스트리밍 파일의 해상도를 개선하는 방법 | |
CN113923443A (zh) | 一种网络录像机测试方法、装置及计算机可读存储介质 | |
CN108600290B (zh) | 一种移动视频直播/监控视频源分布式接入方法 | |
CN111209464A (zh) | 一种面向特定渠道内容校验和取证的自动化装置及其方法 | |
CN111614969A (zh) | 无人机巡视视频直播方法及系统 | |
CN116245962B (zh) | 用于无线传输到区块链服务器的数据提取系统及方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A System and Method for Automatic Learning of Video Mosaic Recognition Based on Artificial Intelligence Effective date of registration: 20230626 Granted publication date: 20220304 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI ITEST COMMUNICATION TECHNOLOGY CO.,LTD. Registration number: Y2023310000295 |