CN109783692B - 一种快数据和慢数据结合的目标特征码比对方法和装置 - Google Patents
一种快数据和慢数据结合的目标特征码比对方法和装置 Download PDFInfo
- Publication number
- CN109783692B CN109783692B CN201910016518.7A CN201910016518A CN109783692B CN 109783692 B CN109783692 B CN 109783692B CN 201910016518 A CN201910016518 A CN 201910016518A CN 109783692 B CN109783692 B CN 109783692B
- Authority
- CN
- China
- Prior art keywords
- feature code
- feature
- target
- codes
- server
- 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
Abstract
本发明涉及一种快数据和慢数据结合的目标特征码比对方法和装置，通过智能引擎服务器解码实时视频，识别多个目标，提取其特征码和标签存入特征码存储服务器，当客户端输入目标特征码时，先在特征码存储服务器内存进行相同标签的比对，而后转入特征码存储服务器硬盘查找，通过在内存和硬盘比对特征码的结合，从而进行进行时间段或者重要目标的快速查找，解决海量目标检索高成本、低效率的问题。
Description
技术领域
本发明涉及安防领域，尤其是一种快数据和慢数据结合的目标特征码比对方法和装置。
背景技术
随着我国社会经济的发展，各类经济活动日趋频繁，特别是随着人工智能AI技术的兴起，大量的车辆人员非机动等管理和追踪变得异常困难；通过AI人工智能深度学习算法对摄像机的视频进行智能分析，在画面中有人和车，非机动车等目标进行识别，捕捉，并对目标进行抽象，提取出目标的特征码信息，把目标原始图片和特征码信息存储到系统的图片服务器和特征数据存储服务器集群中。特征码与特征码之间的比对算法可以确定两个目标之间的相似度，相似度高(例如90％)的目标可以确定目标为同一目标。
特征码数据存储服务器集群提供特征码的比对服务，目前的特征码比对而言，一般采用单独的快数据或者慢数据，快数据多使用内存为存储媒介，导致成本非常昂贵。而一般的慢数据，数据多以磁盘为媒介，虽然价格相对低廉但是速度却非常缓慢。
因此，如何对时间段或者重要目标进行查找，如何避免海量目标检索的高成本和效率低下的问题，又不影响多线程任务对磁盘中符合的慢数据进行循环的读取比对运算，是本发明亟待解决的技术问题。
发明内容
本发明所要解决的技术问题是提供一种快数据和慢数据结合的目标特征码比对方法和装置。
为了解决上述技术问题，本发明采用的技术方案为：一种快数据和慢数据结合的目标特征码比对方法，包括提取特征码流程和快慢数据结合流程，
所述提取特征码流程包括如下步骤：
S1.摄像机将实时视频转发给媒体转发服务器；
S2.媒体转发服务器将实时视频转发给智能引擎服务器；
S3.智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码；
S4.智能引擎服务器将目标图片存储至图片服务器中；
S5.智能引擎服务器保存特征码至特征码存储服务器硬盘中，提取出最近t1时间段特征码存入内存中；
所述快慢数据结合流程包括如下步骤：
A1.客户端输入需要比对的目标特征码至特征码存储服务器，设定需要查找的时间段t2至特征码存储服务器；
A2.特征码存储服务器将目标特征码存入内存中；
A3.特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则目标特征码与其内存中的特征码进行比对，向客户端输出特征码相似度信息，转至步骤A5；
若部分覆盖，则在覆盖时间段内，目标特征码与特征码在内存进行比对，而后向客户端输出特征码相似度信息，进入步骤A4；
若无覆盖，则进入步骤A4；
A4.特征码存储服务器将目标特征码存入硬盘中，在硬盘中与t2时间段和t1时间段未覆盖时间段的特征码进行数据比对，每隔t3时间，输出特征码相似度信息至客户端；
A5.客户端显示特征码相似度信息。
本发明还提供一种快数据和慢数据结合的目标特征码比对方法，包括提取特征码流程和快慢数据结合流程，
所述提取特征码流程包括如下步骤：
S1.摄像机将实时视频转发给媒体转发服务器；
S2.媒体转发服务器将实时视频转发给智能引擎服务器；
S3.智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码及对应的标签；
S4.智能引擎服务器将目标图片存储至图片服务器中；
S5.智能引擎服务器保存特征码与其对应标签至特征码存储服务器硬盘中，提取出最近t1时间段特征码和标签存入内存中；
所述快慢数据结合流程包括如下步骤：
A1.客户端输入需要比对的目标图片/视频，设定需要查找的时间段t2至特征码存储服务器；
A2.智能引擎服务器对目标图片/视频进行解码，应用人工智能识别算法识别其中目标特征码及对应标签,而后将目标特征码和标签存入特征码存储服务器，特征码存储服务器将目标特征码及标签存入内存中；
A3.特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则优先对内存中与目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，转至步骤A5；
若部分覆盖，则在覆盖时间段内，优先对与目标特征码标签相同的内存中特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，进入步骤A4；
若无覆盖，则进入步骤A4；
A4.特征码存储服务器将目标特征码存入硬盘中,优先对硬盘中与t2时间段和t1时间段未覆盖时间段的目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，每隔t3时间，输出特征码相似度信息至客户端；
A5.客户端显示特征码相似度信息。
进一步的，所述提取特征码流程的步骤A5具体为，对接收到的特征码相似度排序后显示。
进一步的，所述提取特征码流程的步骤A5具体为，对接收到的特征码相似度按相似度排序，而后仅显示最高相似度前M条(M>0)的特征码相似度信息。
进一步的，所述提取特征码流程步骤S1前还包括步骤：媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频；所述提取特征码流程步骤S2前还包括步骤：智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频。
本发明还提供一种快数据和慢数据结合的目标特征码比对装置，包括提取特征码模块和快慢数据结合模块，
所述提取特征码模块包括：
第一转发单元，用于摄像机将实时视频转发给媒体转发服务器；
第二转发单元，用于媒体转发服务器将实时视频转发给智能引擎服务器；
特征码提取单元，用于智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码；
存储单元，用于智能引擎服务器将目标图片存储至图片服务器中；
提取单元，用于智能引擎服务器保存特征码至特征码存储服务器硬盘中，提取出最近t1时间段特征码存入内存中；
所述快慢数据结合模块包括：
输入单元，用于客户端输入需要比对的目标特征码至特征码存储服务器，设定需要查找的时间段t2至特征码存储服务器；
目标特征码存入单元，用于特征码存储服务器将目标特征码存入内存中；
判断单元，用于特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则目标特征码与其内存中的特征码进行比对，向客户端输出特征码相似度信息，转至显示单元；
若部分覆盖，则在覆盖时间段内，目标特征码与特征码在内存进行比对，而后向客户端输出特征码相似度信息，进入硬盘比对单元；
若无覆盖，则进入硬盘比对单元；
硬盘比对单元，用于特征码存储服务器将目标特征码存入硬盘中，在硬盘中与t2时间段和t1时间段未覆盖时间段的特征码进行数据比对，每隔t3时间，输出特征码相似度信息至客户端；
显示单元，用于客户端显示特征码相似度信息。
本发明还提供一种快数据和慢数据结合的目标特征码比对装置，包括提取特征码模块和快慢数据结合模块，
所述提取特征码模块包括：
第一转发单元，用于摄像机将实时视频转发给媒体转发服务器；
第二转发单元，用于媒体转发服务器将实时视频转发给智能引擎服务器；
特征码及标签提取单元，用于智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码及对应的标签；
存储单元，用于智能引擎服务器将目标图片存储至图片服务器中；
提取单元，用于智能引擎服务器保存特征码与其对应标签至特征码存储服务器硬盘中，提取出最近t1时间段特征码和标签存入内存中；
所述快慢数据结合模块包括：
输入单元，用于客户端输入需要比对的目标图片/视频，设定需要查找的时间段t2至特征码存储服务器；
目标特征码及标签存入单元，用于智能引擎服务器对目标图片/视频进行解码，应用人工智能识别算法识别其中目标特征码及对应标签,而后将目标特征码和标签存入特征码存储服务器,特征码存储服务器将目标特征码及标签存入内存中；
判断单元，用于特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则优先对内存中与目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，转至显示单元；
若部分覆盖，则在覆盖时间段内，优先对与目标特征码标签相同的内存中特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，进入硬盘比对单元；
若无覆盖，则进入硬盘比对单元；
硬盘比对单元，用于特征码存储服务器将目标特征码存入硬盘中,优先对硬盘中与t2时间段和t1时间段未覆盖时间段的目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，每隔t3时间，输出特征码相似度信息至客户端；
显示单元，用于客户端显示特征码相似度信息。
进一步的，所述提取特征码模块的显示单元具体为，对接收到的特征码相似度排序后显示。
进一步的，所述提取特征码模块的显示单元具体为，对接收到的特征码相似度按相似度排序，而后仅显示最高相似度前M条(M>0)的特征码相似度信息。
进一步的，所述提取特征码模块的第一转发单元具体为：媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频，摄像机将实时视频转发给媒体转发服务器；所述提取特征码模块的第二转发单元具体为：智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频，媒体转发服务器将实时视频转发给智能引擎服务器。
本发明提供的一种快数据和慢数据结合的目标特征码比对方法和装置，通过智能引擎服务器解码实时视频，识别多个目标，提取其特征码和标签存入特征码存储服务器，当客户端输入目标特征码时，先在特征码存储服务器内存进行相同标签的比对，而后转入特征码存储服务器硬盘查找，通过在内存和硬盘比对特征码的结合，从而进行进行时间段或者重要目标的快速查找，解决海量目标检索高成本、低效率的问题。
附图说明
图1为本发明一实施例的快数据和慢数据结合的目标特征码比对装置部署图；
图2为本发明一实施例的提取特征码流程图；
图3为本发明一实施例的特征码比对流程图；
图4为本发明一实施例的提取特征码及标签的流程图；
图5为本发明一实施例的特征码及标签比对流程图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于：通过智能引擎服务器解码实时视频，识别多个目标，提取其特征码，存入特征码存储服务器，当客户端输入目标特征码时，先在特征码存储服务器内存中，进行特征码的比对，而后转入特征码存储服务器硬盘查找，通过在内存和硬盘比对特征码的结合，从而进行进行时间段或者重要目标的快速查找。
本发明提出一种快数据和慢数据结合的目标特征码比对方法，包括提取特征码流程和快慢数据结合流程，运行这种方法的一种部署如图1所示，
如图2所示，所述提取特征码流程包括如下步骤：
S1.摄像机将实时视频转发给媒体转发服务器；
S2.媒体转发服务器将实时视频转发给智能引擎服务器；
S3.智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码；人工智能识别算法可以为人脸识别算法，车辆识别算法等，每个目标都会对应有一个特征码；
S4.智能引擎服务器将目标图片存储至图片服务器中；
S5.智能引擎服务器保存特征码至特征码存储服务器硬盘中，提取出最近t1时间段特征码存入内存中；
如图3所示，所述快慢数据结合流程包括如下步骤：
A1.客户端输入需要比对的目标特征码至特征码存储服务器，设定需要查找的时间段t2至特征码存储服务器；
A2.特征码存储服务器将目标特征码存入内存中；
A3.特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则目标特征码与其内存中的特征码进行比对，向客户端输出特征码相似度信息，转至步骤A5；
若部分覆盖，则在覆盖时间段内，目标特征码与特征码在内存进行比对，而后向客户端输出特征码相似度信息，进入步骤A4；
若无覆盖，则进入步骤A4；
A4.特征码存储服务器将目标特征码存入硬盘中，在硬盘中与t2时间段和t1时间段未覆盖时间段的特征码进行数据比对，每隔t3时间，输出特征码相似度信息至客户端；
A5.客户端显示特征码相似度信息。
从上述描述可知，本发明的有益效果在于：通过客户端输入目标特征码时，先在特征码存储服务器内存中，进行特征码的比对，而后转入特征码存储服务器硬盘查找，通过在内存和硬盘比对特征码的结合，从而进行时间段或者重要目标的快速查找。
本发明还提出一种快数据和慢数据结合的目标特征码比对方法，包括提取特征码流程和快慢数据结合流程，运行这种方法的其中一种部署如图1所示，
如图4所示，所述提取特征码流程包括如下步骤：
S1.摄像机将实时视频转发给媒体转发服务器；
S2.媒体转发服务器将实时视频转发给智能引擎服务器；
S3.智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码及对应的标签；人工智能识别算法可以为人脸识别算法，车辆识别算法等，每个目标都会对应有一个特征码和一个标签，智能引擎服务器将特征码和对应的标签一起输出；S4.智能引擎服务器将目标图片存储至图片服务器中；
S5.智能引擎服务器保存特征码与其对应标签至特征码存储服务器硬盘中，提取出最近t1时间段特征码和标签存入内存中；存入时，按标签和摄像机信息建立索引，对应的特征码存储在相应的标签下；
如图5所示，所述快慢数据结合流程包括如下步骤：
A1.客户端输入需要比对的目标图片/视频，设定需要查找的时间段t2至特征码存储服务器；
A2.智能引擎服务器对目标图片/视频进行解码，应用人工智能识别算法识别其中目标特征码及对应标签,而后将目标特征码和标签存入特征码存储服务器,特征码存储服务器将目标特征码及标签存入内存中；人工智能识别算法可以为人脸识别算法，车辆识别算法等，每个目标都会对应有一个特征码和一个标签，智能引擎服务器将特征码和对应的标签一起输出；
A3.特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则优先对内存中与目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，转至步骤A5；
若部分覆盖，则在覆盖时间段内，优先对与目标特征码标签相同的内存中特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，进入步骤A4；
若无覆盖，则进入步骤A4；
A4.特征码存储服务器将目标特征码存入硬盘中,优先对硬盘中与t2时间段和t1时间段未覆盖时间段的目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，每隔t3时间，输出特征码相似度信息至客户端；
A5.客户端显示特征码相似度信息。
从上述描述可知，本发明的有益效果在于：通过客户端输入目标特征码时，先在特征码存储服务器内存中，进行相同标签特征码的比对，而后转入特征码存储服务器硬盘进行相同标签特征码的查找，通过在内存和硬盘比对特征码的结合，从而进行时间段或者重要目标的快速查找。通过标签的加入，使得每次查找通过标签，提高了查找目标的速度。
实施例1：
所述提取特征码流程的步骤A5具体为，对接收到的特征码相似度排序后显示。
将相似度进行排序后，按照相似度的高低进行排序后显示，方便客户端了解找到所要寻找的目标。
实施例2：
所述提取特征码流程的步骤A5具体为，对接收到的特征码相似度按相似度排序，而后仅显示最高相似度前M条(M>0)的特征码相似度信息。
每一次都显示相似度最高的前M条(M>0)的特征码相似度信息，其中M可以在客户端中进行设置。比如只显示最高相识度前100的结果数据，每次时间片数据到达之后进行整合展示，一直到全部时间片数据传输完成。根据显示的相似度，方便客户端找到所有在之前时间段及监控中出现的目标及时间段。
实施例3：
所述提取特征码流程步骤S1前还包括步骤：媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频；所述提取特征码流程步骤S2前还包括步骤：智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频。
媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频，而后摄像机将实时视频转发给媒体转发服务器；智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频，而后媒体转发服务器将实时视频转发给智能引擎服务器。将实时视频传输给智能引擎服务器，方便智能引擎服务器进行解码，提取特征码及标签等分析。
本发明还提出一种快数据和慢数据结合的目标特征码比对装置，包括提取特征码模块和快慢数据结合模块，
所述提取特征码模块包括：
第一转发单元，用于摄像机将实时视频转发给媒体转发服务器；
第二转发单元，用于媒体转发服务器将实时视频转发给智能引擎服务器；
特征码提取单元：智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码；人工智能识别算法可以为人脸识别算法，车辆识别算法等，每个目标都会对应有一个特征码；
存储单元，用于智能引擎服务器将目标图片存储至图片服务器中；
提取单元，用于智能引擎服务器保存特征码至特征码存储服务器硬盘中，提取出最近t1时间段特征码存入内存中；
所述快慢数据结合模块包括：
输入单元，用于客户端输入需要比对的目标特征码至特征码存储服务器，设定需要查找的时间段t2至特征码存储服务器；
目标特征码存入单元，用于特征码存储服务器将目标特征码存入内存中；
判断单元，用于特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则目标特征码与其内存中的特征码进行比对，向客户端输出特征码相似度信息，转至显示单元；
若部分覆盖，则在覆盖时间段内，目标特征码与特征码在内存进行比对，而后向客户端输出特征码相似度信息，进入硬盘比对单元；
若无覆盖，则进入硬盘比对单元；
硬盘比对单元，用于特征码存储服务器将目标特征码存入硬盘中，在硬盘中与t2时间段和t1时间段未覆盖时间段的特征码进行数据比对，每隔t3时间，输出特征码相似度信息至客户端；
显示单元，用于客户端显示特征码相似度信息。
从上述描述可知，本发明的有益效果在于：通过客户端输入目标特征码时，先在特征码存储服务器内存中，进行特征码的比对，而后转入特征码存储服务器硬盘查找，通过在内存和硬盘比对特征码的结合，从而进行时间段或者重要目标的快速查找。
本发明还提出一种快数据和慢数据结合的目标特征码比对装置，包括提取特征码模块和快慢数据结合模块，
所述提取特征码模块包括：
第一转发单元，用于摄像机将实时视频转发给媒体转发服务器；
第二转发单元，用于媒体转发服务器将实时视频转发给智能引擎服务器；
特征码及标签提取单元，用于智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码及对应的标签；人工智能识别算法可以为人脸识别算法，车辆识别算法等，每个目标都会对应有一个特征码和一个标签，智能引擎服务器将特征码和对应的标签一起输出；
存储单元，用于智能引擎服务器将目标图片存储至图片服务器中；
提取单元，用于智能引擎服务器保存特征码与其对应标签至特征码存储服务器硬盘中，提取出最近t1时间段特征码和标签存入内存中；
所述快慢数据结合模块包括：
输入单元，用于客户端输入需要比对的目标图片/视频，设定需要查找的时间段t2至特征码存储服务器；
目标特征码及标签存入单元，用于智能引擎服务器对目标图片/视频进行解码，应用人工智能识别算法识别其中目标特征码及对应标签,而后将目标特征码和标签存入特征码存储服务器,特征码存储服务器将目标特征码及标签存入内存中；
判断单元，用于特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则优先对内存中与目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，转至显示单元；
若部分覆盖，则在覆盖时间段内，优先对与目标特征码标签相同的内存中特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，进入硬盘比对单元；
若无覆盖，则进入硬盘比对单元；
硬盘比对单元，用于特征码存储服务器将目标特征码存入硬盘中,优先对硬盘中与t2时间段和t1时间段未覆盖时间段的目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，每隔t3时间，输出特征码相似度信息至客户端；
显示单元，用于客户端显示特征码相似度信息。
从上述描述可知，本发明的有益效果在于：通过客户端输入目标特征码时，先在特征码存储服务器内存中，进行相同标签特征码的比对，而后转入特征码存储服务器硬盘进行相同标签特征码的查找，通过在内存和硬盘比对特征码的结合，从而进行时间段或者重要目标的快速查找。
实施例4：
所述提取特征码模块的显示单元具体为，对接收到的特征码相似度排序后显示。
将相似度进行排序后，按照相似度的高低进行排序后显示，方便客户端了解找到所要寻找的目标。
实施例5：
所述提取特征码模块的显示单元具体为，对接收到的特征码相似度按相似度排序，而后仅显示最高相似度前M条(M>0)的特征码相似度信息。
每一次都显示相似度最高的前M条(M>0)的特征码相似度信息，其中M可以在客户端中进行设置。根据显示的相似度，方便客户端找到所有在之前时间段及监控中出现的目标及时间段。
实施例6：
所述提取特征码模块的第一转发单元具体为：媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频，摄像机将实时视频转发给媒体转发服务器；所述提取特征码模块的第二转发单元具体为：智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频，媒体转发服务器将实时视频转发给智能引擎服务器。
媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频，而后摄像机将实时视频转发给媒体转发服务器；智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频，而后媒体转发服务器将实时视频转发给智能引擎服务器。将实时视频传输给智能引擎服务器，方便智能引擎服务器进行解码，提取特征码及标签等分析。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种快数据和慢数据结合的目标特征码比对方法，其特征在于：包括提取特征码流程和快慢数据结合流程，
所述提取特征码流程包括如下步骤：
S1.摄像机将实时视频转发给媒体转发服务器；
S2.媒体转发服务器将实时视频转发给智能引擎服务器；
S3.智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码；
S4.智能引擎服务器将目标图片存储至图片服务器中；
S5.智能引擎服务器保存特征码至特征码存储服务器硬盘中，提取出最近t1时间段特征码存入内存中；
所述快慢数据结合流程包括如下步骤：
A1.客户端输入需要比对的目标特征码至特征码存储服务器，设定需要查找的时间段t2至特征码存储服务器；
A2.特征码存储服务器将目标特征码存入内存中；
A3.特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则目标特征码与其内存中的特征码进行比对，向客户端输出特征码相似度信息，转至步骤A5；
若部分覆盖，则在覆盖时间段内，目标特征码与特征码在内存进行比对，而后向客户端输出特征码相似度信息，进入步骤A4；
若无覆盖，则进入步骤A4；
A4.特征码存储服务器将目标特征码存入硬盘中，在硬盘中与t2时间段和t1时间段未覆盖时间段的特征码进行数据比对，每隔t3时间，输出特征码相似度信息至客户端；
A5.客户端显示特征码相似度信息。
2.一种快数据和慢数据结合的目标特征码比对方法，其特征在于：包括提取特征码流程和快慢数据结合流程，
所述提取特征码流程包括如下步骤：
S1.摄像机将实时视频转发给媒体转发服务器；
S2.媒体转发服务器将实时视频转发给智能引擎服务器；
S3.智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码及对应的标签；
S4.智能引擎服务器将目标图片存储至图片服务器中；
S5.智能引擎服务器保存特征码与其对应标签至特征码存储服务器硬盘中，提取出最近t1时间段特征码和标签存入内存中；
所述快慢数据结合流程包括如下步骤：
A1.客户端输入需要比对的目标图片/视频，设定需要查找的时间段t2至特征码存储服务器；
A2.智能引擎服务器对目标图片/视频进行解码，应用人工智能识别算法识别其中目标特征码及对应标签，而后将目标特征码和标签存入特征码存储服务器，特征码存储服务器将目标特征码及标签存入内存中；
A3.特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则优先对内存中与目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，转至步骤A5；
若部分覆盖，则在覆盖时间段内，优先对与目标特征码标签相同的内存中特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，进入步骤A4；
若无覆盖，则进入步骤A4；
A4.特征码存储服务器将目标特征码存入硬盘中，优先对硬盘中与t2时间段和t1时间段未覆盖时间段的目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，每隔t3时间，输出特征码相似度信息至客户端；
A5.客户端显示特征码相似度信息。
3.如权利要求1或2所述的快数据和慢数据结合的目标特征码比对方法，其特征在于：所述提取特征码流程的步骤A5具体为，对接收到的特征码相似度排序后显示。
4.如权利要求3所述的快数据和慢数据结合的目标特征码比对方法，其特征在于：所述提取特征码流程的步骤A5具体为，对接收到的特征码相似度按相似度排序，而后仅显示最高相似度前M条的特征码相似度信息；其中，M>0。
5.如权利要求4所述的快数据和慢数据结合的目标特征码比对方法，其特征在于：所述提取特征码流程步骤S1前还包括步骤：媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频；所述提取特征码流程步骤S2前还包括步骤：智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频。
6.一种快数据和慢数据结合的目标特征码比对装置，其特征在于：包括提取特征码模块和快慢数据结合模块，
所述提取特征码模块包括：
第一转发单元，用于摄像机将实时视频转发给媒体转发服务器；
第二转发单元，用于媒体转发服务器将实时视频转发给智能引擎服务器；
特征码提取单元，用于智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码；
存储单元，用于智能引擎服务器将目标图片存储至图片服务器中；
提取单元，用于智能引擎服务器保存特征码至特征码存储服务器硬盘中，提取出最近t1时间段特征码存入内存中；
所述快慢数据结合模块包括：
输入单元，用于客户端输入需要比对的目标特征码至特征码存储服务器，设定需要查找的时间段t2至特征码存储服务器；
目标特征码存入单元，用于特征码存储服务器将目标特征码存入内存中；
判断单元，用于特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则目标特征码与其内存中的特征码进行比对，向客户端输出特征码相似度信息，转至显示单元；
若部分覆盖，则在覆盖时间段内，目标特征码与特征码在内存进行比对，而后向客户端输出特征码相似度信息，进入硬盘比对单元；
若无覆盖，则进入硬盘比对单元；
硬盘比对单元，用于特征码存储服务器将目标特征码存入硬盘中，在硬盘中与t2时间段和t1时间段未覆盖时间段的特征码进行数据比对，每隔t3时间，输出特征码相似度信息至客户端；
显示单元，用于客户端显示特征码相似度信息。
7.一种快数据和慢数据结合的目标特征码比对装置，其特征在于：包括提取特征码模块和快慢数据结合模块，
所述提取特征码模块包括：
第一转发单元，用于摄像机将实时视频转发给媒体转发服务器；
第二转发单元，用于媒体转发服务器将实时视频转发给智能引擎服务器；
特征码及标签提取单元，用于智能引擎服务器解码实时视频，应用人工智能识别算法对实时视频的每一帧视频分析，截取实时视频中目标图片，识别多个目标，提取其特征码及对应的标签；
存储单元，用于智能引擎服务器将目标图片存储至图片服务器中；
提取单元，用于智能引擎服务器保存特征码与其对应标签至特征码存储服务器硬盘中，提取出最近t1时间段特征码和标签存入内存中；
所述快慢数据结合模块包括：
输入单元，用于客户端输入需要比对的目标图片/视频，设定需要查找的时间段t2至特征码存储服务器；
目标特征码及标签存入单元，用于智能引擎服务器对目标图片/视频进行解码，应用人工智能识别算法识别其中目标特征码及对应标签，而后将目标特征码和标签存入特征码存储服务器，特征码存储服务器将目标特征码及标签存入内存中；
判断单元，用于特征码存储服务器判断时间段t2是否覆盖时间段t1，
若全部覆盖，则优先对内存中与目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，转至显示单元；
若部分覆盖，则在覆盖时间段内，优先对与目标特征码标签相同的内存中特征码进行比对，而后与其余特征码进行比对，向客户端输出特征码相似度信息，进入硬盘比对单元；
若无覆盖，则进入硬盘比对单元；
硬盘比对单元，用于特征码存储服务器将目标特征码存入硬盘中，优先对硬盘中与t2时间段和t1时间段未覆盖时间段的目标特征码标签相同的特征码进行比对，而后与其余特征码进行比对，每隔t3时间，输出特征码相似度信息至客户端；
显示单元，用于客户端显示特征码相似度信息。
8.如权利要求6或7所述的快数据和慢数据结合的目标特征码比对装置，其特征在于：所述提取特征码模块的显示单元具体为，对接收到的特征码相似度排序后显示。
9.如权利要求8所述的快数据和慢数据结合的目标特征码比对装置，其特征在于：所述提取特征码模块的显示单元具体为，对接收到的特征码相似度按相似度排序，而后仅显示最高相似度前M条的特征码相似度信息；其中，M>0。
10.如权利要求9所述的快数据和慢数据结合的目标特征码比对装置，其特征在于：所述提取特征码模块的第一转发单元具体为：媒体转发服务器根据所负责的摄像机分析列表向摄像机请求实时视频，摄像机将实时视频转发给媒体转发服务器；所述提取特征码模块的第二转发单元具体为：智能引擎服务器根据所负责的摄像机分析列表向媒体转发服务器请求实时视频，媒体转发服务器将实时视频转发给智能引擎服务器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016518.7A CN109783692B (zh) | 2019-01-08 | 2019-01-08 | 一种快数据和慢数据结合的目标特征码比对方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910016518.7A CN109783692B (zh) | 2019-01-08 | 2019-01-08 | 一种快数据和慢数据结合的目标特征码比对方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109783692A CN109783692A (zh) | 2019-05-21 |
| CN109783692B true CN109783692B (zh) | 2021-12-31 |
Family
ID=66500143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910016518.7A Active CN109783692B (zh) | 2019-01-08 | 2019-01-08 | 一种快数据和慢数据结合的目标特征码比对方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109783692B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615196A (zh) * | 2009-07-28 | 2009-12-30 | 公安部第一研究所 | 千万级一对多人脸识别产品的测试系统与测试方法 |
| CN104765768A (zh) * | 2015-03-09 | 2015-07-08 | 深圳云天励飞技术有限公司 | 海量人脸库的快速准确检索方法 |
| CN105373626A (zh) * | 2015-12-09 | 2016-03-02 | 深圳融合永道科技有限公司 | 分布式人脸识别轨迹搜索系统和方法 |
| CN106570087A (zh) * | 2016-10-20 | 2017-04-19 | 中国电子科技集团公司第二十八研究所 | 一种基于分布式的人脸识别系统 |
| CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
| US9864903B2 (en) * | 2008-12-12 | 2018-01-09 | At&T Intellectual Property I, L.P. | System and method for matching faces |
| CN107577990A (zh) * | 2017-08-09 | 2018-01-12 | 武汉世纪金桥安全技术有限公司 | 一种基于gpu加速检索的大规模人脸识别方法 |
| CN108038462A (zh) * | 2017-12-22 | 2018-05-15 | 深圳英飞拓科技股份有限公司 | 一种对实时视频进行人脸检测并识别的方法及装置 |
| CN108229358A (zh) * | 2017-12-22 | 2018-06-29 | 北京市商汤科技开发有限公司 | 索引建立方法和装置、电子设备、计算机存储介质、程序 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5793353B2 (ja) * | 2011-06-20 | 2015-10-14 | 株式会社東芝 | 顔画像検索システム、及び顔画像検索方法 |
| US20150317511A1 (en) * | 2013-11-07 | 2015-11-05 | Orbeus, Inc. | System, method and apparatus for performing facial recognition |
| US10346464B2 (en) * | 2016-09-27 | 2019-07-09 | Canon Kabushiki Kaisha | Cross-modiality image matching method |
-
2019
- 2019-01-08 CN CN201910016518.7A patent/CN109783692B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9864903B2 (en) * | 2008-12-12 | 2018-01-09 | At&T Intellectual Property I, L.P. | System and method for matching faces |
| CN101615196A (zh) * | 2009-07-28 | 2009-12-30 | 公安部第一研究所 | 千万级一对多人脸识别产品的测试系统与测试方法 |
| CN104765768A (zh) * | 2015-03-09 | 2015-07-08 | 深圳云天励飞技术有限公司 | 海量人脸库的快速准确检索方法 |
| CN105373626A (zh) * | 2015-12-09 | 2016-03-02 | 深圳融合永道科技有限公司 | 分布式人脸识别轨迹搜索系统和方法 |
| CN106570087A (zh) * | 2016-10-20 | 2017-04-19 | 中国电子科技集团公司第二十八研究所 | 一种基于分布式的人脸识别系统 |
| CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
| CN107577990A (zh) * | 2017-08-09 | 2018-01-12 | 武汉世纪金桥安全技术有限公司 | 一种基于gpu加速检索的大规模人脸识别方法 |
| CN108038462A (zh) * | 2017-12-22 | 2018-05-15 | 深圳英飞拓科技股份有限公司 | 一种对实时视频进行人脸检测并识别的方法及装置 |
| CN108229358A (zh) * | 2017-12-22 | 2018-06-29 | 北京市商汤科技开发有限公司 | 索引建立方法和装置、电子设备、计算机存储介质、程序 |
Non-Patent Citations (1)
| Title |
|---|
| "基于云平台的大规模图像检索研究";朱珊;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170615(第06期);I138-1309 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109783692A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Leng et al. | A survey of open-world person re-identification | |
| CN109344787B (zh) | 一种基于人脸识别与行人重识别的特定目标跟踪方法 | |
| US20160239711A1 (en) | Visual Data Mining | |
| US9754630B2 (en) | System to distinguish between visually identical objects | |
| CN107169106B (zh) | 视频检索方法、装置、存储介质及处理器 | |
| CN103150375A (zh) | 用于视频侦查的快速视频检索系统和方法 | |
| CN101840422A (zh) | 基于目标特征和报警行为的智能视频检索系统和方法 | |
| CN111506771B (zh) | 一种视频检索方法、装置、设备及存储介质 | |
| CN107944017B (zh) | 一种视频中非机动车的检索方法 | |
| CN110290346B (zh) | 一种基于智能视频分析的招投标视频的获取方法 | |
| US20160189395A1 (en) | Information processing apparatus, recording medium, and information processing method | |
| CN109145801A (zh) | 一种人脸识别方法及人脸识别系统 | |
| CN109684511A (zh) | 一种视频剪辑方法、视频聚合方法、装置以及系统 | |
| CN113239792A (zh) | 一种大数据分析处理系统和方法 | |
| Ambre et al. | Face recognition using raspberry pi | |
| CN109299324B (zh) | 一种标签式视频文件的检索方法 | |
| Ji et al. | News videos anchor person detection by shot clustering | |
| US9082175B2 (en) | Method for retrieving associated information using an image | |
| CN109783692B (zh) | 一种快数据和慢数据结合的目标特征码比对方法和装置 | |
| Mao et al. | A framework for food traceability information extraction based on a video surveillance system | |
| CN110012013A (zh) | 一种基于knn的虚拟平台威胁行为分析方法及系统 | |
| CN116975340A (zh) | 信息检索方法、装置、设备、程序产品及存储介质 | |
| Balasubramanian et al. | Forensic video solution using facial feature‐based synoptic Video Footage Record | |
| CN113408530B (zh) | 一种图像识别方法、装置、设备以及存储介质 | |
| US10956493B2 (en) | Database comparison operation to identify an object |
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 |