CN110149500A - 监控视频的处理方法、装置、设备和存储介质 - Google Patents
监控视频的处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110149500A CN110149500A CN201910439469.8A CN201910439469A CN110149500A CN 110149500 A CN110149500 A CN 110149500A CN 201910439469 A CN201910439469 A CN 201910439469A CN 110149500 A CN110149500 A CN 110149500A
- Authority
- CN
- China
- Prior art keywords
- effective
- monitor video
- analyzed
- image
- region
- 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
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
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (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)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种监控视频的处理方法、装置、设备和存储介质,其中的方法包括:获取待分析区域的监控视频;对所述监控视频进行人脸识别,并根据人脸识别的识别结果确定所述待分析区域的有效使用时长;根据所述有效使用时长计算得到所述待分析区域的使用率。本申请可以得到更客观和精准的区域空间的利用率,使得工作人员可以根据真实的区域空间使用率来调整整个工作空间,避免了空间资源浪费的问题,从而提高了空间利用率。
Description
技术领域
本申请涉及视频处理技术领域,尤其涉及一种监控视频的处理方法、装置、设备和存储介质。
背景技术
门店的工作空间配比,与门店的收益有着密不可分的联系。比如,餐厅中设置的包间和普通餐位在餐厅什么位置,占用的空间,都会影响客户的感受,可能很多客户喜欢位置靠外的一些包间,那么位置相对靠里的包间使用率就稍微低一些;可能有些客户喜欢靠近窗户的餐位,有些客户不喜欢靠近门口的餐位等,对于那些大部分客户不喜欢的包间和餐位,对门店来说是一种空间资源浪费。因此,门店包间占用的位置是否合理直接影响整个门店的空间利用率,从而影响门店收益。
相关技术中,门店中工作空间的分配都是由相关工作人员设计的,其设计结果存在较大的主观性,很容易造成工作空间配比不合理、空间资源浪费的问题,从而降低了门店空间利用率,给门店收益带来影响。
发明内容
为克服相关技术中存在的问题,本申请提供一种监控视频的处理方法、装置、系统、设备和存储介质。
根据本申请实施例的第一方面,提供一种监控视频的处理方法,包括:
获取待分析区域的监控视频;
对所述监控视频进行人脸识别,并根据人脸识别的识别结果确定所述待分析区域的有效使用时长;
根据所述有效使用时长计算得到所述待分析区域的使用率。
根据本申请实施例的第二方面,提供一种监控视频的处理装置,包括:
获取模块,用于获取待分析区域的监控视频;
分析模块,用于对所述监控视频进行人脸识别,并根据识别结果确定所述待分析区域的有效使用时长;
计算模块,用于根据所述有效使用时长计算得到所述待分析区域的使用率。
根据本申请实施例的第三方面,提供一种计算机设备,包括:
存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如本申请实施例第一方面所述的方法的步骤。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本申请实施例第一方面所述的方法的步骤。
通过获取待分析区域的监控视频;然后对所述监控视频进行人脸识别,并根据识别结果确定待分析区域的有效使用时长;最后根据所述有效使用时长计算得到所述待分析区域的使用率。如此,这种视频的处理方法可以得到更客观和精准的区域空间的利用率,使得工作人员可以根据真实的区域空间使用率来调整整个工作空间,避免了空间资源浪费的问题,从而提高了空间利用率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种监控视频的处理方法的流程示意图。
图2是根据另一示例性实施例示出的一种监控视频的处理方法的流程示意图。
图3是根据另一示例性实施例示出的一种监控视频的处理方法的流程示意图。
图4是根据另一示例性实施例示出的一中监控视频的处理系统的结构示意图。
图5是根据另一示例性实施例示出的一种监控视频的处理装置的结构示意图。
图6是根据另一示例性实施例示出的一种监控视频的处理装置的结构示意图。
图7是根据另一示例性实施例示出的一种监控视频的处理系统的结构示意图。
图8是根据另一示例性实施例示出的一种计算机设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法、装置和系统的例子。
图1是根据一示例性实施例示出的一种监控视频的处理方法的流程示意图。本实施例以服务端一侧的执行为例进行说明。
如图1所示,本实施例提供的方法可以包括以下步骤:
步骤S11,获取待分析区域的监控视频。
步骤S12,对监控视频进行人脸识别,根据人脸识别的识别结果确定待分析区域的有效使用时长。
步骤S13,根据有效使用时长计算得到待分析区域的使用率。
本实施例的监控视频的处理方法的执行主体可以是服务端一侧的设备。
待分析区域是指需要对有效的使用率进行分析确认的区域,比如可以是门店的包间,比如,通过门店的摄像头或监控设备对包间进行视频采集后,摄像头可以将采集到的监控视频发送至服务端,从而服务端可以获取到上述的监控视频。服务端获取到监控视频后,可以根据预设的分析规则对监控视频进行分析。一些实施例中,分析可以包括对监控视频进行人脸识别。在得到分析数据后,比如根据分析得到的人脸识别结果统计包间的有人存在的时长,进而得到待分析区域的使用率。服务端在获取到监控视频后,将监控视频切分成多帧图像,比如,每一秒视频切分成24帧图像;然后对切分视频得到的每一帧图像进行人脸识别,并将能识别到人脸的图像作为有效图像;得到监控视频对应的有效图像后,获取每一帧有效图像对应于视频中的时间,根据每一帧图像对应的时间,将时间连续的有效图像作为有效图像组,将有效图像组中的第一个图像对应的时间转换成第一时间戳,将该有效图像组的最后一张图像对应的时间转换成第二时间戳,将第一时间戳和第二时间戳的时间差作为该有效图像组的有效时长;由于待分析区域在工作时长内可能会对应得到多个监控视频,因此,进行人脸识别后会对应得到多个有效图像组,每个有效图像组均会得到相应的有效时长,将工作时长内的所有有效图像组的有效时长的总和作为待分析区域的有效使用时长。最后以有效使用时长为分子,以工作时长为分母计算得到待分析区域的使用率。
本实施例中,通过获取待分析区域的监控视频;然后对监控视频进行人脸识别,并根据识别结果确定待分析区域的有效使用时长;最后根据有效使用时长计算得到待分析区域的使用率。如此,这种视频的处理方法可以得到更客观和精准的区域空间的利用率,使得工作人员可以根据真实的区域空间使用率来调整整个工作空间,避免了空间资源浪费的问题,从而提高了空间利用率。
在一个实施例中,在步骤S11中,获取待分析区域的监控视频,包括:接收待分析区域的监控视频的统一资源定位符(Uniform Resource Locator,URL),URL是服务端存储设备接收并存储用户端存储设备上传的监控视频后发送的,URL是监控视频在服务端存储设备内的存储地址;根据URL在服务端存储设备内获取监控视频。
URL为统一资源定位符,是监控视频资源的地址,每个监控视频均会对应一个URL,通过URL便可以找到监控视频的存储地址并从中获取到对应的监控视频。具体的,摄像头或监控设备对应的存储设备中存储的监控视频会上传到服务端的数据库中进行存储,服务端的数据库接收并存储该监控视频,同时将该监控视频的URL推送到服务端的人工智能分析模块,人工智能分析模块通过URL从服务端的数据库中获取到待分析区域的监控视频。
在一个实施例中,对监控视频进行人脸识别,根据人脸识别的识别结果确定待分析区域的有效使用时长,包括:将监控视频切分为多帧图像,对每一帧图像进行人脸识别;将检测到人脸的图像作为有效图像;获取每个有效图像在监控视频中对应的时间;根据有效图像对应的时间确定待分析区域的有效使用时长。
具体的,人工智能分析模块获取到待分析区域的监控视频后,对监控视频切帧,切分成多帧图像,比如每1秒切成24帧图像,然后对每一帧图像进行人脸识别,得到每一帧图像中的信息,比如,每一帧图像在监控视频中对应的时间,图像中是否包含人脸,以及,包含的人脸的数量等。为了提高处理速度,只要在图像中识别到人脸,便可以将相应的图像作为有效图像。
在一个实施例中,将检测到人脸的图像作为有效图像,包括:当图像中检测到的人脸数量大于第一预设数量阈值时,将人脸数量大于第一预设数量阈值对应的图像作为有效图像。
第一预设数量阈值可以为2,将检测到的人脸数量大于2对应的图像作为有效图像。比如,将餐厅的包间作为待分析区域,当包间内无客人用餐时,可能会有两个工作人员进去打扫卫生,此时,对应的包间占用的时长并不是包间的有效占用时长,因此,当图像中检测到只有一个人脸或者两个人脸的时候,可将对应的图像作为无效图像过滤掉,将剩余的人脸数量大于2的图像作为有效图像。
在一个实施例中,根据有效图像对应的时间确定待分析区域的有效使用时长,包括:根据有效图像对应的时间,将时间连续的多个有效图像组成的图像组作为有效图像组;将每个有效图像组中的第一个有效图像的时间作为第一时间;将每个有效图像组中的最后一个有效图像的时间作为第二时间;将第一时间和第二时间的时间差作为对应的有效图像组的有效时长;将预设时长内的所有有效图像组的有效时长的总和作为待分析区域的有效使用时长。
待分析区域的监控视频可以由用户端的视频采集设备(比如自动监控录像机)采集得到,自动监控录像机在一个预设的时间点开始录制,或者,监控录像机可以在侦测到待分析区域内有移动目标时开始录制。开始录制后,自动监控录像机会持续检测待分析区域内是否有移动目标,如果一直检测到有移动目标便会一直录制,当自动录像机检测到待分析区域内长时间没有移动目标时,便会自动停止录制;比如,当检测到待分析区域内超过2分钟没有移动目标时,便停止录制,并将已经录制好的一段监控视频存储到用户端的存储设备内,然后再重新开始录制。
其中,预设时长可以是整个工作时长,在整个工作时长内,待分析区域可能中间会有几个时间段无人,因此,对应于预设时长内的待分析区域的监控视频并不是一个,而是多个。因此,每一个监控视频中对应出现人的有效图像时间连续的,根据每个监控视频切分得到的有效图像对应的时间,可以得到一组时间连续的多个有效图像组成的有效图像组,如果预设时长内得到多个监控视频,便可以得到多组有效图像组。
由于每个有效图像组都是时间连续的,因此,可以将每个有效图像组中的第一有效图像对应的时间转换成第一时间戳,最后一个有效图像对应的时间转换成第二时间戳,将第一时间戳和第二时间戳的差值作为该组有效图像组对应的有效时长。同样的,多个有效图像组可以对应得到多个有效时长,预设时长内的所有有效图像组的有效时长的总和便是待分析区域的有效使用时长。
需要说明的是,当待分析区域内无人时,区域环境内光线变化可能会导致的自动录像机开始录像,或者是风吹动窗帘等等画面中物体移动变化也可能导致的自动录像机开始录像,当自动录像机超过两分钟检测不到移动目标时自动终止录像。这些环境变化引起的录像得到的监控视频文件实际上都是没有人的,其在切分成图像后均在图像内识别不到人脸,均会作为无效图像过滤掉。
在一个实施例中,根据有效使用时长计算得到待分析区域的使用率,包括:计算有效使用时长与预设时长的比值,将比值确定为待分析区域的使用率,其中,预设时长为整个工作时长,或者,整个工作时长中属于预设的高峰期的时长。
需要说明的是,计算待分析区域的使用率有两种情况,一种是计算每天整个工作时长内的使用率,另外一种是只计算高峰期时间段内的使用率;当计算整个工作时长内的使用率时,便以整个工作时长为分母,以整个工作时长内待分析区域的有效使用时长为分子,计算得到一天的使用率。当只计算高峰时间段的使用率时,便以高峰期时长为分母,以高峰期内的有效使用时长为分子,计算得到高峰期内的使用率。
另外,还可以利用粒度计算的方法计算待分析区域的使用率,以得到更为精确的使用率。即,以小时为单位,计算待分析区域在该小时内的有效使用时长,在计算出在该小时内的使用率,同样的,计算出在预设时长中每个小时内的使用率,将得到的多个小时内的使用率做几何平均,最终得到更为精确的使用率。
在一个实施例中,将检测到人脸的图像作为有效图像,包括:获取检测到人脸的图像中的人脸数量;在检测到人脸的图像中,去除人脸数量均等于第二预设数量阈值、时间连续,且持续时间大于预设时间阈值的多个图像,将剩余的图像作为有效图像。
第二预设数量阈值可以为1,预设时间阈值可以为10分钟。比如,在美容会所的贵宾包间中,即使没有顾客占用该包间,依然会有工作人员长时间待在包间内。如此,自动录像机便会持续录像,得到监控视频对应的时间连续的多个有效图像中,每一个图像都能识别到一个人脸。而实际上,这样的监控视频对应的时长均不是包间的有效使用时长。因此,当包间内长时间只有一个人时,需要将相应图像去除掉。
具体的,检测视频切分得到的每一帧图像,如果在时间连续的多帧图像中的每一帧图像中均只能检测到一个人脸,那么就需要判断该组时间连续的多帧图像对应的时长有没有超过预设时间阈值(即判断这一段监控视频的时长有没有超过预设时间阈值),如果超过了该时间阈值,那么便可以将该组时间连续的图像对应的时长排除掉。
在一个实施例中,该方法还包括:服务端存储设备接收用户端存储设备上传的监控视频;监控视频满足如下条件中的至少一项:监控视频是用户端存储设备在预设时段上传的;监控视频是用户端视频采集设备采集并存储到用户端存储设备的,用户端视频采集设备根据预设的采集频率对待分析区域进行视频采集后得到监控视频;监控视频是用户端视频采集设备采集后存储到预设类型的用户端存储设备的;监控视频是用户端存储设备接收到用户端视频采集设备采集的监控视频后转换为预设类型的。
在一个实施例中,预设时段为晚间时段;和/或,预设的采集频率为320kbps;和/或,预设类型的用户端存储设备为linux虚拟机;和/或,预设类型的监控视频是MP4类型。
其中,用户端视频采集设备以320kbps的码率采集视频使得在保证视频分析画质的情况下减少了视频的产生量,从而在上传时减小了其占用的带宽,可以极大的减少了带宽压力;同时,由于夜间基本没有业务在使用带宽,因此采集到的监控视频利用晚间时段上传到服务端存储设备,将夜间带宽有效且合理的利用起来。
比如,通过python脚本使用coscmd命令将所有的监控视频夜间上传至服务端存储设备。
另外,使用linux虚拟机作为用户端存储设备,便于工作人员运维,同时可以直接使用门店的机器,不在需要申请额外的机器,合理利用了资源。
需要说明的是,服务端存储设备可以是腾讯云cos,其是一种云存储服务器,既可以实现异地备份监控视频,同时也为视频分析提供原始数据,监控视频做异地容灾保证数据的安全性。
在一个实施例中,该方法还包括:根据待分析区域的使用率,调整待分析区域与其他区域的配比。
比如,当某个待分析区域的使用率较低时,可以考虑将该区域设置为员工区或者储物区,从而减少了区域闲置带来的空间浪费。
在一个实施例中,待分析区域为门店的包间。
比如,餐厅的包间、美容院的包间等等。
图2是根据另一示例性实施例示出的一种监控视频的处理方法的流程示意图。本实施例以用户端一侧执行为例进行说明。
如图2所示,本申请的实施例提供的方法可以包括以下步骤:
步骤S21,采集待分析区域的监控视频;
本步骤中,可以但不限于使用自动录像机来采集待分析区域的监控视频。
步骤S22,将监控视频发送给服务端,以使服务端对监控视频进行人脸识别,根据人脸识别的识别结果确定待分析区域的有效使用时长,并根据有效使用时长计算得到待分析区域的使用率。
在一个实施例中,采集待分析区域的监控视频,包括:根据预设的采集频率,对待分析区域进行视频采集,得到待分析区域的监控视频。
在一个实施例中,预设的采集频率为320kbps。
在一个实施例中,将监控视频发送给服务端,包括:在预设时段,将监控视频发送给服务器。
在一个实施例中,预设时段为晚间时段。
在一个实施例中,本实施例提供的方法还包括:在采集监控视频后,存储监控视频,以将存储的监控视频发送给服务端。
在一个实施例中,存储监控视频,包括:将监控视频存储到预设类型的用户端存储设备中;和/或,将监控视频转换为预设类型,并将转换为预设类型的监控视频进行存储。
在一个实施例中,预设类型的用户端存储设备为linux虚拟机;和/或,预设类型的监控视频为MP4类型。
本实施例中,有关方法的详细介绍可以参考服务端的有关说明,此处不再赘述。
图3是根据另一示例性实施例示出的一种监控视频的处理方法的流程示意图。本实施例以服务端和用户端的交互执行为例进行说明。
如图3所示,本实施例提供的方法可以包括以下步骤:
步骤S31,用户端视频采集设备采集待分析区域的监控视频,并将监控视频存储到用户端存储设备中。
步骤S32,用户端存储设备将监控视频上传到服务端存储设备。
步骤S33,服务端接收监控视频,并对监控视频进行人脸识别,并根据识别结果确定待分析区域的有效使用时长。
步骤S34,服务端根据有效使用时长计算得到待分析区域的使用率。
图4是根据另一示例性实施例示出的一中监控视频的处理系统的结构示意图。
如图4所示,本实施例包括用户端的自动录像机41和linux虚拟机42,服务端的云服务器43、人工智能(Artificial Intelligence,AI)分析设备44和计算设备45。
为了更好的理解本申请,下面以餐厅门店包间的监控视频处理为例,结合图4,对视频处理过程进行详细说明:
设置于包间内的自动录像机以320kpbs的码率采集包间内的监控视频,并以linux虚拟机为暂存盘将采集到的所有监控视频存储到linux虚拟机中,通过软件开发工具包获取虚拟机中存储的监控视频,并将监控视频的类型转换成MP4格式后再次暂存至虚拟机;然后通过python脚本使用coscmd命令将所有的监控视频在夜间时段上传至服务端的云服务器中存储,云服务器中预先部署了前置检测脚本,一旦有MPA格式的监控视频上传至云服务器,便会触发脚本将该监控视频的URL推送至服务端的AI分析设备,AI分析设备接收到URL后,根据URL在云服务器中获取与URL对应的监控视频,AI分析设备获取到监控视频后,将视频切分为每一帧图像,通过人脸识别技术分析每一帧图像中的人脸信息,将人脸分析结果作为分析数据返回云服务器中备份,服务端将分析数据以json格式回调给应用程序接口(Application Programming Interface,API),服务端的计算设备通过API调用分析数据,并根据分析数据计算得到相应包间的使用率。
本实施例中未做详细解释的部分可以参考服务端一侧的实施例中的说明,此处不再赘述。
图5是根据另一示例性实施例示出的一种监控视频的处理装置的结构示意图。
如图5所示,本实施例提供的监控视频的处理装置,其特征在于,包括:
获取模块51,用于获取待分析区域的监控视频。
分析模块52,用于用于对监控视频进行人脸识别,并根据人脸识别的识别结果确定待分析区域的有效使用时长。
计算模块53,用于根据有效使用时长计算得到待分析区域的使用率。
图6是根据另一示例性实施例示出的一种监控视频的处理装置的结构示意图。
如图6所示,本实施例提供的监控视频的处理装置,包括:
采集模块61,用于采集待分析区域的监控视频。
发送模块62,用于将监控视频发送给服务端,以使服务端对监控视频进行人脸识别,并根据识别结果确定待分析区域的有效使用时长,并根据有效使用时长计算得到待分析区域的使用率。
在一个实施例中,采集采集模块具体用于:根据预设的采集频率,对待分析区域进行视频采集,得到待分析区域的监控视频。
其中,预设的采集频率为320kbps。
在一个实施例中,发送模块具体用于:在预设时段,将监控视频发送给服务器。
其中,预设时段为晚间时段。
图7是根据另一示例性实施例示出的一种监控视频的处理系统的结构示意图。
如图7所示,本实施例提供的监控视频的处理系统,包括:
位于服务端的第一监控视频的处理装置71,以及,
位于用户端的第二监控视频的处理装置72。
本实施例中,有关第一视频处理装置和第二视频处理装置中的相关模块及其功能在上述实施例中已经进行了描述,此处不再赘述。
图8是根据另一示例性实施例示出的一种计算机设备的结构示意图。
如图8所示,本实施例提供的计算机设备包括:存储器和处理器,存储器存储有计算机程序,其特征在于,处理器执行计算机程序时实现监控视频处理方法的步骤。
本申请的另一实施例提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现监控视频处理方法中的各个步骤。
其中,监控视频处理方法中的各个步骤可参考上述有关该方法的实施例中的说明,此处不做详细阐述说明。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种监控视频的处理方法,其特征在于,包括:
获取待分析区域的监控视频;
对所述监控视频进行人脸识别,根据人脸识别的识别结果确定所述待分析区域的有效使用时长;
根据所述有效使用时长计算得到所述待分析区域的使用率。
2.根据权利要求1所述的方法,其特征在于,所述对所述监控视频进行人脸识别,根据人脸识别的识别结果确定所述待分析区域的有效使用时长,包括:
将所述监控视频切分为多帧图像,对每一帧图像进行人脸识别;
将检测到人脸的图像作为有效图像;
获取每个有效图像在所述监控视频中对应的时间;
根据所述有效图像对应的时间确定所述待分析区域的有效使用时长。
3.根据权利要求2所述的方法,其特征在于,所述将检测到人脸的图像作为有效图像,包括:
当图像中检测到的人脸数量大于第一预设数量阈值时,将人脸数量大于第一预设数量阈值对应的图像作为有效图像。
4.根据权利要求2所述的方法,其特征在于,所述根据所述有效图像对应的时间确定所述待分析区域的有效使用时长,包括:
根据所述有效图像对应的时间,将时间连续的多个有效图像组成的图像组作为有效图像组;
将每个所述有效图像组中的第一个有效图像的时间作为第一时间;
将每个所述有效图像组中的最后一个有效图像的时间作为第二时间;
将所述第一时间和所述第二时间的时间差作为对应的有效图像组的有效时长;
将预设时长内的所有有效图像组的有效时长的总和作为所述待分析区域的有效使用时长。
5.根据权利要求4所述的方法,其特征在于,所述根据所述有效使用时长计算得到所述待分析区域的使用率,包括:
计算所述有效使用时长与所述预设时长的比值,将所述比值确定为所述待分析区域的使用率,其中,所述预设时长为整个工作时长,或者,整个工作时长中属于预设的高峰期的时长。
6.根据权利要求2所述的方法,其特征在于,所述将检测到人脸的图像作为有效图像,包括:
获取检测到人脸的图像中的人脸数量;
在所述检测到人脸的图像中,去除人脸数量均等于第二预设数量阈值、时间连续,且持续时间大于预设时间阈值的多个图像,将剩余的图像作为有效图像。
7.根据权利要求1-6任一项所述的方法,其特征在于,还包括:
服务端存储设备接收用户端存储设备上传的所述监控视频;
所述监控视频满足如下条件中的至少一项:
所述监控视频是所述用户端存储设备在预设时段上传的;
所述监控视频是用户端视频采集设备采集并存储到用户端存储设备的,所述用户端视频采集设备根据预设的采集频率对所述待分析区域进行视频采集后得到所述监控视频;
所述监控视频是用户端视频采集设备采集后存储到预设类型的用户端存储设备的;
所述监控视频是用户端存储设备接收到用户端视频采集设备采集的监控视频后转换为预设类型的。
8.一种监控视频的处理装置,其特征在于,包括:
获取模块,用于获取待分析区域的监控视频;
分析模块,对所述监控视频进行人脸识别,根据人脸识别的识别结果确定所述待分析区域的有效使用时长;
计算模块,用于根据所述有效使用时长计算得到所述待分析区域的使用率。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910439469.8A CN110149500A (zh) | 2019-05-24 | 2019-05-24 | 监控视频的处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910439469.8A CN110149500A (zh) | 2019-05-24 | 2019-05-24 | 监控视频的处理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110149500A true CN110149500A (zh) | 2019-08-20 |
Family
ID=67592066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910439469.8A Pending CN110149500A (zh) | 2019-05-24 | 2019-05-24 | 监控视频的处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110149500A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401170A (zh) * | 2020-03-06 | 2020-07-10 | 西安奥卡云数据科技有限公司 | 一种人脸检测方法及装置 |
CN112149581A (zh) * | 2020-09-25 | 2020-12-29 | 北京嘀嘀无限科技发展有限公司 | 工况监控方法、系统、装置、电子设备和可读存储介质 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020036691A1 (en) * | 2000-07-26 | 2002-03-28 | Franklin Richard Alexander | Method and system for determining the relative occupancy of a space via analysis of the video stream |
US20110157366A1 (en) * | 2009-12-30 | 2011-06-30 | Infosys Technologies Limited | Method and system for real time detection of conference room occupancy |
CN102842109A (zh) * | 2012-08-30 | 2012-12-26 | 北京工业大学 | 停车场服务水平量化分级的评价方法 |
CN103079057A (zh) * | 2012-12-29 | 2013-05-01 | 深圳先进技术研究院 | 用于视频监控分析系统进行资源优化的方法和系统 |
CN103700283A (zh) * | 2014-01-09 | 2014-04-02 | 北京交通发展研究中心 | 地磁传感器停车监测方法 |
CN103942105A (zh) * | 2014-03-20 | 2014-07-23 | 华为技术有限公司 | 一种获取资源利用情况的方法和装置 |
US20140285348A1 (en) * | 2013-03-21 | 2014-09-25 | Kabushiki Kaisha Toshiba | In-room probability estimating apparatus, method therefor and program |
CN104463741A (zh) * | 2014-11-20 | 2015-03-25 | 湖州师范学院 | 一种高效公共资源占用情况查询系统 |
CN104732219A (zh) * | 2015-03-31 | 2015-06-24 | 合肥美诚创新培训学校 | 一种基于图像识别的自习室空位查询方法及装置 |
CN104933710A (zh) * | 2015-06-10 | 2015-09-23 | 华南理工大学 | 基于监控视频下的商店人流轨迹智能分析方法 |
CN105184828A (zh) * | 2015-08-14 | 2015-12-23 | 中山大学 | 一种基于机器视觉监测吊笼空间利用率的方法及其装置 |
CN105405004A (zh) * | 2015-12-16 | 2016-03-16 | 北京煜邦电力技术股份有限公司 | 一种管理机房用户的方法及装置 |
CN105635696A (zh) * | 2016-03-22 | 2016-06-01 | 南阳理工学院 | 一种统计方法及装置 |
CN106408991A (zh) * | 2015-07-28 | 2017-02-15 | 何尧 | 基于需求特性和停车场利用率的停车场动态定价方法 |
CN106682637A (zh) * | 2016-12-30 | 2017-05-17 | 深圳先进技术研究院 | 一种展品吸引度的分析方法及系统 |
CN106852193A (zh) * | 2014-08-22 | 2017-06-13 | 卢特龙电子公司 | 响应于占用者和移动装置的位置的负载控制系统 |
CN106935031A (zh) * | 2017-04-05 | 2017-07-07 | 东南大学 | 一种区域私人共享停车位利用率评价方法 |
US20170213463A1 (en) * | 2016-01-22 | 2017-07-27 | Xerox Corporation | Method and apparatus for calculating parking occupancy |
CN107004349A (zh) * | 2014-11-06 | 2017-08-01 | 通腾科技股份有限公司 | 估计停车场占用率的方法 |
CN107092969A (zh) * | 2017-03-28 | 2017-08-25 | 安徽大智睿科技技术有限公司 | 一种基于定位及时间片段的校园自习室选座方法及系统 |
CN107368823A (zh) * | 2017-08-23 | 2017-11-21 | 广州市九安光电技术股份有限公司 | 一种基于全景图像的人流热点监控方法和系统 |
CN107368818A (zh) * | 2017-07-27 | 2017-11-21 | 北京小米移动软件有限公司 | 会议室状态设置方法、装置、系统及存储介质 |
CN107665332A (zh) * | 2017-08-18 | 2018-02-06 | 三峡大学 | 一种路口占有率和车辆流量计算方法及装置 |
CN108734318A (zh) * | 2018-04-19 | 2018-11-02 | 天津大学 | 一种基于人脸识别技术的人员用能需求识别预测方法 |
CN109447303A (zh) * | 2019-01-09 | 2019-03-08 | 安徽理工大学 | 一种基于机器视觉的图书馆座位检测系统 |
CN109657624A (zh) * | 2018-12-21 | 2019-04-19 | 秒针信息技术有限公司 | 目标对象的监控方法、装置和系统 |
US10282852B1 (en) * | 2018-07-16 | 2019-05-07 | Accel Robotics Corporation | Autonomous store tracking system |
-
2019
- 2019-05-24 CN CN201910439469.8A patent/CN110149500A/zh active Pending
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020036691A1 (en) * | 2000-07-26 | 2002-03-28 | Franklin Richard Alexander | Method and system for determining the relative occupancy of a space via analysis of the video stream |
US20110157366A1 (en) * | 2009-12-30 | 2011-06-30 | Infosys Technologies Limited | Method and system for real time detection of conference room occupancy |
CN102842109A (zh) * | 2012-08-30 | 2012-12-26 | 北京工业大学 | 停车场服务水平量化分级的评价方法 |
CN103079057A (zh) * | 2012-12-29 | 2013-05-01 | 深圳先进技术研究院 | 用于视频监控分析系统进行资源优化的方法和系统 |
US20140285348A1 (en) * | 2013-03-21 | 2014-09-25 | Kabushiki Kaisha Toshiba | In-room probability estimating apparatus, method therefor and program |
CN103700283A (zh) * | 2014-01-09 | 2014-04-02 | 北京交通发展研究中心 | 地磁传感器停车监测方法 |
CN103942105A (zh) * | 2014-03-20 | 2014-07-23 | 华为技术有限公司 | 一种获取资源利用情况的方法和装置 |
CN106852193A (zh) * | 2014-08-22 | 2017-06-13 | 卢特龙电子公司 | 响应于占用者和移动装置的位置的负载控制系统 |
CN107004349A (zh) * | 2014-11-06 | 2017-08-01 | 通腾科技股份有限公司 | 估计停车场占用率的方法 |
CN104463741A (zh) * | 2014-11-20 | 2015-03-25 | 湖州师范学院 | 一种高效公共资源占用情况查询系统 |
CN104732219A (zh) * | 2015-03-31 | 2015-06-24 | 合肥美诚创新培训学校 | 一种基于图像识别的自习室空位查询方法及装置 |
CN104933710A (zh) * | 2015-06-10 | 2015-09-23 | 华南理工大学 | 基于监控视频下的商店人流轨迹智能分析方法 |
CN106408991A (zh) * | 2015-07-28 | 2017-02-15 | 何尧 | 基于需求特性和停车场利用率的停车场动态定价方法 |
CN105184828A (zh) * | 2015-08-14 | 2015-12-23 | 中山大学 | 一种基于机器视觉监测吊笼空间利用率的方法及其装置 |
CN105405004A (zh) * | 2015-12-16 | 2016-03-16 | 北京煜邦电力技术股份有限公司 | 一种管理机房用户的方法及装置 |
US20170213463A1 (en) * | 2016-01-22 | 2017-07-27 | Xerox Corporation | Method and apparatus for calculating parking occupancy |
CN105635696A (zh) * | 2016-03-22 | 2016-06-01 | 南阳理工学院 | 一种统计方法及装置 |
CN106682637A (zh) * | 2016-12-30 | 2017-05-17 | 深圳先进技术研究院 | 一种展品吸引度的分析方法及系统 |
CN107092969A (zh) * | 2017-03-28 | 2017-08-25 | 安徽大智睿科技技术有限公司 | 一种基于定位及时间片段的校园自习室选座方法及系统 |
CN106935031A (zh) * | 2017-04-05 | 2017-07-07 | 东南大学 | 一种区域私人共享停车位利用率评价方法 |
CN107368818A (zh) * | 2017-07-27 | 2017-11-21 | 北京小米移动软件有限公司 | 会议室状态设置方法、装置、系统及存储介质 |
CN107665332A (zh) * | 2017-08-18 | 2018-02-06 | 三峡大学 | 一种路口占有率和车辆流量计算方法及装置 |
CN107368823A (zh) * | 2017-08-23 | 2017-11-21 | 广州市九安光电技术股份有限公司 | 一种基于全景图像的人流热点监控方法和系统 |
CN108734318A (zh) * | 2018-04-19 | 2018-11-02 | 天津大学 | 一种基于人脸识别技术的人员用能需求识别预测方法 |
US10282852B1 (en) * | 2018-07-16 | 2019-05-07 | Accel Robotics Corporation | Autonomous store tracking system |
CN109657624A (zh) * | 2018-12-21 | 2019-04-19 | 秒针信息技术有限公司 | 目标对象的监控方法、装置和系统 |
CN109447303A (zh) * | 2019-01-09 | 2019-03-08 | 安徽理工大学 | 一种基于机器视觉的图书馆座位检测系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401170A (zh) * | 2020-03-06 | 2020-07-10 | 西安奥卡云数据科技有限公司 | 一种人脸检测方法及装置 |
CN111401170B (zh) * | 2020-03-06 | 2023-06-06 | 西安奥卡云数据科技有限公司 | 一种人脸检测方法及装置 |
CN112149581A (zh) * | 2020-09-25 | 2020-12-29 | 北京嘀嘀无限科技发展有限公司 | 工况监控方法、系统、装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109922310B (zh) | 目标对象的监控方法、装置及系统 | |
US11961044B2 (en) | Behavioral data analysis and scoring system | |
CN109919009A (zh) | 目标对象的监控方法、装置及系统 | |
Lampinen et al. | Effects of distance on face recognition: Implications for eyewitness identification | |
US20180278892A1 (en) | Complex hardware-based system for video surveillance tracking | |
US11701053B2 (en) | Method for hosting mobile access to high-resolution electroencephalography data | |
CN104644189B (zh) | 一种心理活动的分析方法 | |
CN106203458B (zh) | 人群视频分析方法及系统 | |
US20180150698A1 (en) | System and method for collecting information about repeated behavior | |
CN108073577A (zh) | 一种基于人脸识别的报警方法和系统 | |
WO2017001607A1 (de) | Verfahren und vorrichtung zum erzeugen einer datenbank | |
US20110231419A1 (en) | Systems, methods and articles for video analysis reporting | |
US20160004914A1 (en) | Intelligent video analysis system and method | |
US20210225409A1 (en) | Methods and systems for detection of anomalous motion in a video stream and for creating a video summary | |
US9521377B2 (en) | Motion detection method and device using the same | |
CN110149500A (zh) | 监控视频的处理方法、装置、设备和存储介质 | |
CN108596233A (zh) | 菜品监测方法及装置、存储介质、终端 | |
US11197639B2 (en) | Diagnosis using a digital oral device | |
CN109428938A (zh) | 一种基于视频分析的联动控制智能系统 | |
CN114343574A (zh) | 一种睡眠质量评估方法及客户端、服务器、存储介质 | |
CN106781167A (zh) | 监测物体运动状态的方法及设备 | |
US9531987B1 (en) | Method for automatically reducing a video to include only what is interesting | |
CN113190700A (zh) | 用于房产交易的人脸抓拍、筛选和存储的方法及系统 | |
CN112036328B (zh) | 银行客户满意度计算方法及装置 | |
CN109783328A (zh) | 一种基于过滤应用程序分块录制及播放用户操作屏幕的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |