CN110458583B - 一种防伪保真方法 - Google Patents
一种防伪保真方法 Download PDFInfo
- Publication number
- CN110458583B CN110458583B CN201910694862.1A CN201910694862A CN110458583B CN 110458583 B CN110458583 B CN 110458583B CN 201910694862 A CN201910694862 A CN 201910694862A CN 110458583 B CN110458583 B CN 110458583B
- Authority
- CN
- China
- Prior art keywords
- video
- qualified
- counterfeiting
- standard
- commodity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012797 qualification Methods 0.000 claims abstract description 38
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000002994 raw material Substances 0.000 claims abstract description 5
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 7
- 239000012634 fragment Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Bioinformatics & Computational Biology (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
一种防伪保真方法，包括以下步骤：采集商品在生产、仓储、运输以及销售过程中的录像信息；将采集的录像信息实时上传至服务器；将商品的合格标准上传至服务器，商品的合格标准包括：原材料标准、加工工序标准、卫生标准、质检标准；服务器用户通过观看某个商品的录像信息以及该商品的合格标准，对该商品是否合格进行判断。本发明的目的是提供一种防伪保真方法，能够让消费者简单、直观的判断商品的质量、卫生、真实性等情况。
Description
技术领域
本发明涉及质量管理技术领域，主要涉及一种防伪保真方法。
背景技术
现在厂家防伪的办法很多，但是针对商品的质量、卫生等状况的保证就只能靠有关部门的监管，没有能够让消费者更直观、明确地知道商品质量、卫生等状况的方法。更有不法商家通过钻监管部门的空子，从而让伪劣商品流入市场，给消费者造成经济损失甚至人身伤害。
发明内容
本发明的目的是提供一种防伪保真方法，能够让消费者简单、直观的判断商品的质量、卫生、真实性等情况。
本发明通过下述技术方案实现：一种防伪保真方法，包括以下步骤：
采集商品在生产、仓储、运输以及销售过程中的录像视频；
将采集的录像视频实时上传至服务器；
将商品的合格标准上传至服务器，商品的合格标准包括：原材料标准、加工工序标准、卫生标准、质检标准；
服务器用户通过观看某个商品的录像视频以及该商品的合格标准，对该商品是否合格进行判断。
通过对商品的全程监控并实时上传至服务器，服务器用户能够随时在服务器上查询生产、运输、仓储和销售过程的录像视频，并且还可以将录像视频和商品的合格标准进行比较；服务器用户既能看到物品生产、运输和销售过程中任意时刻的情况，又能确定商品的真实性。
进一步地，每个摄像头对应唯一的第一编号，第一编号用于表明摄像头的位置以及摄像头记录的内容。每个摄像头所处的地理位置不同，记录的内容也不同，将摄像头进行编号，服务器用户根据已知编号可快速的找到摄像头记录的内容。
进一步地，商品在每个阶段都制作对应的第二编号，第二编号用于表明进行监控的摄像头信息以及相应的日期。商品在每个阶段都进行编号，服务器用户根据已知商品的编号可找到对应的日期以及进行相应拍摄的摄像头，根据对应的日期和摄像头的编号可以快速的查询到商品的制作信息。
进一步地，根据相应的日期和摄像头的编号对录像视频分类。服务器用户根据已知商品的不同编号可以找到相应的日期以及摄像头编号，服务器用户根据已知的日期和摄像头编号可在服务器中快速的找到相应的录像视频。
进一步地，对录像视频的内容合格与否进行初步判断：
当录像视频的时段处于非工作时间时：
每隔1s对录像视频进行转换，获得静态图像并提取图片信息；
将获得的图片信息转化为灰度图像，获取灰度直方图，计算出灰度直方图的平均值Pi；
将相邻时间间隔的灰度平均值Pi作差，得到差值K；
比较差值K与阈值T的大小，若K<T，标记为合格；若K>T，标记为不合格；将不合格的片段划入异常名录1；
灰度直方图反映的是一幅图像中各灰度级像素出现的频率之间的关系，以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。一幅图像对应唯一的的灰度直方图，不同的图像可对应相同的直方图。
非工作时间，没有外界事物的干扰，录像视频的内容一致，每隔1s对录像视频进行转换，获取图像的灰度直方图，若相邻时间间隔内视频内容一致，图像的灰度直方图应一致或相差不多；当有外来事物出现在录像视频内，相邻时间间隔的视频内容出现差异，相邻时间间隔的灰度直方图发生变化，将相邻时间间隔的灰度平均值Pi作差，得到差值K；通过比较差值K与阈值T的大小对视频内容是否合格进行判断。
当录像视频的时段处于工作时间时：
对录像视频每一帧通过SIFT特征提取算法进行特征提取，得到所有特征点以及特征点数量F1i；
对商品合格标准视频的每一帧通过SIFT特征提取算法进行特征提取，得到所有特征点以及特征点数量F2i；
将录像视频的第i帧与对应的合格标准视频的第i帧进行匹配，得到相匹配的特征点数量Mi；
计算录像视频的视频帧对应的合格标准视频的视频帧间的相似度Ri，相似度计算公式为：
若Ri>90％，标记为合格；若Ri<90％，标记为不合格，将不合格的录像片段划入异常名录2。
SIFT是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，局部影像特征的描述与侦测可以帮助辨识物体，SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认，而且SIFT特征的信息量大，适合在海量数据库中快速准确匹配。
SIFT算法的实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向，当两幅图像的SIFT特征向量生成以后，就可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。取图1的某个关键点，通过遍历找到图像2中的距离最近的两个关键点。在这两个关键点中，如果最近距离除以次近距离小于某个阈值，则判定为一对匹配点。当两幅图像各自的特征点以及两幅图像相匹配的特征点获取完毕，通过计算两幅图像的相似度Ri来判断视频内容是否合格。
服务器对视频内容的合格与否进行初步判断，将录像视频内容中有明显不合格的时段划入异常名录，方便服务器用户快速的对商品质量进行初步的判断。
进一步地，服务器用户浏览录像视频完毕或者服务器用户中途退出浏览录像视频，提示服务器用户对该录像视频的内容是否符合该商品的合格标准进行判断。服务器用户可以随时退出观看录像视频，并且对已观看的视频内容进行判断，方便其他用户观看录像视频时对录像视频内容是否合格进行初步判断。
进一步地，若服务器用户判断此录像视频不合格，提示服务器用户将录像视频不合格的内容进行标示、批注。对录像视频内容中不合格的地方进行标示、批注，以方便其他服务器用户有目的的查看录像视频内容，快速的对商品质量进行判断。
进一步地，统计服务器用户中途退出浏览录像视频的合格率，并将不同阶段服务器用户退出浏览录像视频的合格率换算得到完整视频内容的合格率。每个服务器用户观看视频内容的时间段以及中途退出观看视频的时间段都是不同的，将服务器用户观看视频内容的各个时间段的合格率进行统计，服务器用户可快速的了解各个时间段录像视频内容的合格率，有针对性的查看视频内容，同时还可以快速的得到整个完整视频内容的合格率。
进一步地，收集该录像视频的浏览人数、统计该录像视频的合格率并实时公布于视频下方。将录像视频的浏览人数以及录像视频的合格率实时公布于视频下方，服务器用户根据该录像视频的浏览人数以及该录像视频的合格率高低对商品质量进行进一步的判断。
进一步地，对录像视频的合格率进行实时判断，当录像视频中的某段录像视频合格率低于95％或者该完整的录像视频合格率低于90％时，将此段录像视频划入异常名录3。将合格率较低的产品划入异常名录，可进一步保证商品的质量。
进一步地，还包括一个步骤，该步骤是监管部门对异常名录1、异常名录2以及异常名录3内的视频内容进行排查，并将处理结果进行反馈。监管部门对进入异常名录内的录像视频进行排查，对没有问题的商品进行说明，并将录像视频移除异常名录；对有问题的商品及时与相关方联系，并将处理结果进行反馈，以保证商品的质量。
本发明与现有技术相比，具有如下的优点和有益效果：
(1)通过对商品的全程监控并实时上传至服务器，服务器用户能够随时在网络上查询生产、运输和销售过程的监控录像，可以看到商品从原材料转变为成品的全过程，并且可以实时观察商品制作过程中的卫生状况；服务器用户还可以将录像视频和合格标准的视频进行比较，判断商品的制作流程是否合理，商品的质量是否合格，让服务器用户使用起来更加放心；
(2)在摄像头和商品上制作编号，服务器按照对应的日期和编号对录像视频进行分类，服务器用户根据已知商品的编号可以方便快速的查询到已知商品在各阶段的制作信息。
(3)服务器对视频内容的合格与否进行初步判断，将录像视频内容有明显不合格的划入异常名录，方便服务器用户快速的对商品质量进行初步的判断。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
一种防伪保真方法，包括以下步骤：
采集商品在生产、仓储、运输以及销售过程中的录像视频；
将采集的录像视频实时上传至服务器；
将商品的合格标准上传至服务器，商品的合格标准包括：原材料标准、加工工序标准、卫生标准、质检标准；
服务器用户通过观看某个商品的录像视频以及该商品的合格标准，对该商品是否合格进行判断。
通过对商品的全程监控并实时上传至服务器，服务器用户能够随时在服务器上查询生产、运输、仓储和销售过程的录像视频，并且还可以将录像视频和商品的合格标准进行比较；服务器用户既能看到物品生产、运输和销售过程中任意时刻的情况，又能确定商品的真实性。
在其中一个实施中，每个摄像头对应唯一的第一编号，第一编号用于表明摄像头的位置以及摄像头记录的内容。每个摄像头所处的地理位置不同，记录的内容也不同，将摄像头进行编号，服务器用户根据已知编号可快速的找到摄像头记录的内容。
在另一个实施例中，商品在每个阶段都制作对应的第二编号，第二编号用于表明进行监控的摄像头信息以及相应的日期。商品在每个阶段都进行编号，服务器用户根据已知商品的编号可找到对应的日期以及进行相应拍摄的摄像头，根据对应的日期和摄像头的编号可以快速的查询到商品的制作信息。
在另一个实施例中，根据相应的日期和摄像头的编号对录像视频分类。服务器用户根据已知商品的不同编号可以找到相应的日期以及摄像头编号，服务器用户根据已知的日期和摄像头编号可在服务器中快速的找到相应的录像视频。
在另一个实施例中，对录像视频的内容合格与否进行初步判断：
当录像视频的时段处于非工作时间时：
每隔1s对录像视频进行转换，获得静态图像并提取图片信息；
将获得的图片信息转化为灰度图像，获取灰度直方图，计算出灰度直方图的平均值Pi；
将相邻时间间隔的灰度平均值Pi作差，得到差值K；
比较差值K与阈值T的大小，若K<T，标记为合格；若K>T，标记为不合格；将不合格的片段划入异常名录1；
灰度直方图反映的是一幅图像中各灰度级像素出现的频率之间的关系，以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。一幅图像对应唯一的的灰度直方图，不同的图像可对应相同的直方图。
非工作时间，没有外界事物的干扰，录像视频的内容一致，每隔1s对录像视频进行转换，获取图像的灰度直方图，若相邻时间间隔内视频内容一致，图像的灰度直方图应一致或相差不多；当有外来事物出现在录像视频内，相邻时间间隔的视频内容出现差异，相邻时间间隔的灰度直方图发生变化，将相邻时间间隔的灰度平均值Pi作差，得到差值K；通过比较差值K与阈值T的大小对视频内容是否合格进行判断。
当录像视频的时段处于工作时间时：
对录像视频每一帧通过SIFT特征提取算法进行特征提取，得到所有特征点以及特征点数量F1i；
对商品合格标准视频的每一帧通过SIFT特征提取算法进行特征提取，得到所有特征点以及特征点数量F2i；
将录像视频的第i帧与对应的合格标准视频的第i帧进行匹配，得到相匹配的特征点数量Mi；
计算录像视频的视频帧对应的合格标准视频的视频帧间的相似度Ri，相似度计算公式为：
若Ri>90％，标记为合格；若Ri<90％，标记为不合格，将不合格的录像片段划入异常名录2。
SIFT是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，局部影像特征的描述与侦测可以帮助辨识物体，SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认，而且SIFT特征的信息量大，适合在海量数据库中快速准确匹配。
SIFT算法的实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向，当两幅图像的SIFT特征向量生成以后，就可以采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。取图1的某个关键点，通过遍历找到图像2中的距离最近的两个关键点。在这两个关键点中，如果最近距离除以次近距离小于某个阈值，则判定为一对匹配点。当两幅图像各自的特征点以及两幅图像相匹配的特征点获取完毕，通过计算两幅图像的相似度Ri来判断视频内容是否合格。
服务器对视频内容的合格与否进行初步判断，将录像视频内容中有明显不合格的时段划入异常名录，方便服务器用户快速的对商品质量进行初步的判断。
在另一个实施例中，服务器用户浏览录像视频完毕或者服务器用户中途退出浏览录像视频，提示服务器用户对该录像视频的内容是否符合该商品的合格标准进行判断。服务器用户可以随时退出观看录像视频，并且对已观看的视频内容进行判断，方便其他用户观看录像视频时对录像视频内容是否合格进行初步判断。
在另一个实施例中，若服务器用户判断此录像视频不合格，提示服务器用户将录像视频不合格的内容进行标示、批注。对录像视频内容中不合格的地方进行标示、批注，以方便其他服务器用户有目的的查看录像视频内容，快速的对商品质量进行判断。
在另一个实施例中，统计服务器用户中途退出浏览录像视频的合格率，并将不同阶段服务器用户退出浏览录像视频的合格率换算得到完整视频内容的合格率。每个服务器用户观看视频内容的时间段以及中途退出观看视频的时间段都是不同的，将服务器用户观看视频内容的各个时间段的合格率进行统计，服务器用户可快速的了解各个时间段录像视频内容的合格率，有针对性的查看视频内容，同时还可以快速的得到整个完整视频内容的合格率。
在另一个实施例中，收集该录像视频的浏览人数、统计该录像视频的合格率并实时公布于视频下方。将录像视频的浏览人数以及录像视频的合格率实时公布于视频下方，服务器用户根据该录像视频的浏览人数以及该录像视频的合格率高低对商品质量进行进一步的判断。
在另一个实施例中，对录像视频的合格率进行实时判断，当录像视频中的某段录像视频合格率低于95％或者该完整的录像视频合格率低于90％时，将此段录像视频划入异常名录3。将合格率较低的产品划入异常名录，可进一步保证商品的质量。
在另一个实施例中，还包括一个步骤，该步骤是监管部门对异常名录1、异常名录2以及异常名录3内的视频内容进行排查，并将处理结果进行反馈。监管部门对进入异常名录内的录像视频进行排查，对没有问题的商品进行说明，并将录像视频移除异常名录；对有问题的商品及时与相关方联系，并将处理结果进行反馈，以保证商品的质量。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种防伪保真方法，其特征在于，包括以下步骤：
采集商品在生产、仓储、运输以及销售过程中的录像视频；
将采集的录像视频实时上传至服务器；
将商品的合格标准上传至服务器，商品的合格标准包括：原材料标准、加工工序标准、卫生标准、质检标准；
服务器用户通过观看某个商品的录像视频以及该商品的合格标准，对该商品是否合格进行判断；
对录像视频的内容合格与否进行初步判断：
当录像视频的时段处于非工作时间时：
每隔1s对录像视频进行转换，获得静态图像并提取图片信息；
将获得的图片信息转化为灰度图像，获取灰度直方图，计算出灰度直方图的平均值Pi；
将相邻时间间隔的灰度平均值Pi作差，得到差值K；
比较差值K与阈值T的大小，若K<T，标记为合格；若K>T，标记为不合格；将不合格的片段划入异常名录1；
当录像视频的时段处于工作时间时：
对录像视频每一帧通过SIFT特征提取算法进行特征提取，得到所有特征点以及特征点数量F1i；
对商品合格标准视频的每一帧通过SIFT特征提取算法进行特征提取，得到所有特征点以及特征点数量F2i；
将录像视频的第i帧与对应的合格标准视频的第i帧进行匹配，得到相匹配的特征点数量Mi；
计算录像视频的视频帧对应的合格标准视频的视频帧间的相似度Ri，相似度计算公式为：
若Ri>90％，标记为合格；若Ri<90％，标记为不合格，将不合格的片段划入异常名录2。
2.根据权利要求1所述的一种防伪保真方法，其特征在于：每个摄像头对应唯一的第一编号，第一编号用于表明摄像头的位置以及摄像头记录的内容。
3.根据权利要求1所述的一种防伪保真方法，其特征在于：商品在每个阶段都制作对应的第二编号，第二编号用于表明进行监控的摄像头信息以及相应的日期。
4.根据权利要求2或3所述的一种防伪保真方法，其特征在于：根据相应的日期和摄像头的编号对录像视频分类。
5.根据权利要求4所述的一种防伪保真方法，其特征在于：服务器用户浏览录像视频完毕或者服务器用户中途退出浏览录像视频，提示服务器用户对该录像视频的内容是否符合该商品的合格标准进行判断。
6.根据权利要求5所述的一种防伪保真方法，其特征在于：若服务器用户判断此录像视频不合格，提示服务器用户将录像视频不合格的内容进行标示、批注。
7.根据权利要求6所述的一种防伪保真方法，其特征在于：统计服务器用户中途退出浏览录像视频的合格率，并将不同阶段服务器用户退出浏览录像视频的合格率换算得到完整视频内容的合格率。
8.根据权利要求5所述的一种防伪保真方法，其特征在于：收集该录像视频的浏览人数、统计该录像视频的合格率并实时公布于视频下方。
9.根据权利要求8所述的一种防伪保真方法，其特征在于：对录像视频的合格率进行实时判断，当录像视频中的某段录像视频合格率低于95％或者该完整的录像视频合格率低于90％时，将此段录像视频划入异常名录3。
10.根据权利要求1或9所述的一种防伪保真方法，其特征在于：还包括一个步骤，该步骤是监管部门对异常名录1、异常名录2以及异常名录3内的视频内容进行排查，并将处理结果进行反馈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910694862.1A CN110458583B (zh) | 2019-07-30 | 2019-07-30 | 一种防伪保真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910694862.1A CN110458583B (zh) | 2019-07-30 | 2019-07-30 | 一种防伪保真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458583A CN110458583A (zh) | 2019-11-15 |
| CN110458583B true CN110458583B (zh) | 2022-03-11 |
Family
ID=68483981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910694862.1A Active CN110458583B (zh) | 2019-07-30 | 2019-07-30 | 一种防伪保真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458583B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102354176A (zh) * | 2011-08-01 | 2012-02-15 | 浙江工业大学 | 茶叶分选生产线集散控制系统 |
| CN202443496U (zh) * | 2011-12-29 | 2012-09-19 | 钟安清 | 一种基于sps和haccp的食品安全第三方监管系统 |
| CN105550891A (zh) * | 2016-03-01 | 2016-05-04 | 源品汇信息科技（北京）股份有限公司 | 一种产品防伪溯源的方法及系统 |
| CN106203277A (zh) * | 2016-06-28 | 2016-12-07 | 华南理工大学 | 基于sift特征聚类的固定镜头实时监控视频特征提取方法 |
| CN106231247A (zh) * | 2016-07-20 | 2016-12-14 | 宁波公众信息产业有限公司 | 一种综合管理系统 |
| CN207218911U (zh) * | 2017-07-21 | 2018-04-10 | 厦门阳扬广告有限公司 | 一种基于物联网的食品加工监控系统 |
| CN107993032A (zh) * | 2016-10-27 | 2018-05-04 | 苏宁云商集团股份有限公司 | 一种包装过程的监控方法及系统 |
| CN109389153A (zh) * | 2018-08-31 | 2019-02-26 | 众安信息技术服务有限公司 | 一种全息防伪码校验方法及装置 |
| CN109547738A (zh) * | 2017-09-21 | 2019-03-29 | 郑州玄机器人有限公司 | 一种溯源生产监控方法、装置、服务器 |
| CN109905680A (zh) * | 2019-04-15 | 2019-06-18 | 秒针信息技术有限公司 | 操作的监控方法及装置、存储介质、电子装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9230250B1 (en) * | 2012-08-31 | 2016-01-05 | Amazon Technologies, Inc. | Selective high-resolution video monitoring in a materials handling facility |
| WO2014144841A1 (en) * | 2013-03-15 | 2014-09-18 | E-Connect | Visual analysis of transactions |
-
2019
- 2019-07-30 CN CN201910694862.1A patent/CN110458583B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102354176A (zh) * | 2011-08-01 | 2012-02-15 | 浙江工业大学 | 茶叶分选生产线集散控制系统 |
| CN202443496U (zh) * | 2011-12-29 | 2012-09-19 | 钟安清 | 一种基于sps和haccp的食品安全第三方监管系统 |
| CN105550891A (zh) * | 2016-03-01 | 2016-05-04 | 源品汇信息科技（北京）股份有限公司 | 一种产品防伪溯源的方法及系统 |
| CN106203277A (zh) * | 2016-06-28 | 2016-12-07 | 华南理工大学 | 基于sift特征聚类的固定镜头实时监控视频特征提取方法 |
| CN106231247A (zh) * | 2016-07-20 | 2016-12-14 | 宁波公众信息产业有限公司 | 一种综合管理系统 |
| CN107993032A (zh) * | 2016-10-27 | 2018-05-04 | 苏宁云商集团股份有限公司 | 一种包装过程的监控方法及系统 |
| CN207218911U (zh) * | 2017-07-21 | 2018-04-10 | 厦门阳扬广告有限公司 | 一种基于物联网的食品加工监控系统 |
| CN109547738A (zh) * | 2017-09-21 | 2019-03-29 | 郑州玄机器人有限公司 | 一种溯源生产监控方法、装置、服务器 |
| CN109389153A (zh) * | 2018-08-31 | 2019-02-26 | 众安信息技术服务有限公司 | 一种全息防伪码校验方法及装置 |
| CN109905680A (zh) * | 2019-04-15 | 2019-06-18 | 秒针信息技术有限公司 | 操作的监控方法及装置、存储介质、电子装置 |
Non-Patent Citations (1)
| Title |
|---|
| "基于流计算的监控视频特征提取关键技术研究";梁肇浩;《中国优秀博硕士学位论文全文数据库（硕士）信息科技辑》;20170215;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458583A (zh) | 2019-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416968B (zh) | 火灾预警方法和装置 | |
| CN104166685B (zh) | 一种检测视频片段的方法和装置 | |
| Zhou et al. | Movie genre classification via scene categorization | |
| US9747687B2 (en) | System and method for detecting polyps from learned boundaries | |
| CN102236796B (zh) | 数字视频不良内容的分类方法和系统 | |
| Yang et al. | Detecting median filtering via two-dimensional AR models of multiple filtered residuals | |
| Cord et al. | Texture classification by statistical learning from morphological image processing: application to metallic surfaces | |
| CN103970771B (zh) | 一种人体的检索方法和系统 | |
| CN111126122B (zh) | 人脸识别算法评估方法及装置 | |
| CN106645190B (zh) | 基于模板匹配的带钢表面缺陷精准检测方法 | |
| TW201710989A (zh) | 疑似侵權產品圖片的檢測方法及裝置 | |
| CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
| Priya et al. | Edge strength extraction using orthogonal vectors for shot boundary detection | |
| CN107533547B (zh) | 产品索引编排方法及其系统 | |
| CN112153373A (zh) | 明厨亮灶设备的故障识别方法、装置及存储介质 | |
| Moreno-Villamarín et al. | Predicting the quality of fused long wave infrared and visible light images | |
| CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
| CN111625687A (zh) | 一种在媒资视频库中通过人脸快速搜索人物的方法及系统 | |
| Rhee | Detection of spliced image forensics using texture analysis of median filter residual | |
| CN110458583B (zh) | 一种防伪保真方法 | |
| Chaisorn et al. | Video analytics for surveillance camera networks | |
| GB2552969A (en) | Image processing system | |
| CN103577805A (zh) | 基于连续步态影像的性别识别方法 | |
| Lin et al. | Analysis of shot boundary based on color and texture features of frame | |
| Khoje et al. | Determination of applicability of mother wavelet for coarse and fine grading of mangoes |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240407 Address after: Building 1, No. 6 Jinxiang Road, Gujian Village, Daliang Street, Shunde District, Foshan City, Guangdong Province, 528000 Patentee after: GUANGDONG SHUNDE JINMEI INTELLIGENT IDENTIFICATION TECHNOLOGY CO.,LTD. Country or region after: China Address before: 621000 No. 011, group 2, Changqiao village, Shuguang Township, Santai County, Mianyang City, Sichuan Province Patentee before: Long Jun Country or region before: China |