CN110515525B - 可视化数据处理方法、装置、设备和存储介质 - Google Patents
可视化数据处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110515525B CN110515525B CN201910817037.6A CN201910817037A CN110515525B CN 110515525 B CN110515525 B CN 110515525B CN 201910817037 A CN201910817037 A CN 201910817037A CN 110515525 B CN110515525 B CN 110515525B
- Authority
- CN
- China
- Prior art keywords
- data
- detected
- nodes
- node
- screening
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- 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
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- User Interface Of Digital Computer (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种可视化数据处理方法、装置、设备和存储介质,该方法包括基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加;获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果。本方案提高了数据处理效率,满足了可视化处理需求,降低了数据处理难度。
Description
技术领域
本申请实施例涉及数据处理领域,尤其涉及一种可视化数据处理方法、装置、设备和存储介质。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
BI(Business Intelligence,商业智能)工具可通过对数据的整合、分析,快速的为企业提供决策、报表等。传统型BI工具大多数工作都需要专业的IT人员来完成,包括建立底层数据仓库、数据模型以及开发数据报表等,整个流程过于繁琐复杂,成本较高,同时其专注于传统数据库的分析,不具备海量数据分析的能力,除此之外,传统型BI工具在数据可视化方面偏弱,业务人员在做数据分析查看的时候无法针对数据结果进行二次处理,存在设计缺陷。
发明内容
本发明实施例提供了一种可视化数据处理方法、装置、设备和存储介质,提高了数据处理效率,满足了可视化处理需求,降低了数据处理难度,能够对数据结果进行二次处理。
第一方面,本发明实施例提供了一种可视化数据处理方法,该方法包括:
基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;
基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加;
获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果。
第二方面,本发明实施例还提供了一种可视化数据处理装置,该装置包括:
第一模型处理模块,用于基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;
第二模型处理模块,用于基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加;
数据筛选模块,用于获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果。
第三方面,本发明实施例还提供了一种设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例所述的可视化数据处理方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的可视化数据处理方法。
本发明实施例中,基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加;获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果,提高了数据处理效率,满足了可视化处理需求,降低了数据处理难度。
附图说明
图1为本发明实施例提供的一种可视化数据处理方法的流程图;
图1a为本发明实施例提供的一种可视化数据处理示例性界面图;
图2为本发明实施例提供的另一种可视化数据处理方法的流程图;
图2a为本发明实施例提供的一种对待检测数据进行过滤的示意图;
图2b为本发明实施例提供的另一种对待检测数据进行过滤的示意图;
图2c为本发明实施例提供的另一种对待检测数据进行过滤的示意图;
图3为本发明实施例提供的另一种可视化数据处理方法的流程图;
图3a为本发明施例提供的另一种对待检测数据进行过滤的示意图;
图4为本发明实施例提供的另一种可视化数据处理方法的流程图;
图5为本发明实施例提供的另一种可视化数据处理方法的流程图;
图6为本发明实施例提供的一种可视化数据处理装置的结构框图;
图7为本发明实施例提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
图1为本发明实施例提供的一种可视化数据处理方法的流程图,本实施例可适用于对海量数据进行筛选,该方法可以由设备如服务器来执行,具体包括如下步骤:
步骤S101、基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面。
在一个实施例中,摄像装置布局到多个不同的地理位置处,如地铁出入口、小区出入口、商场出入口等,可以采集大量的图像数据,这些图像数据可作为可视化分析的原始数据。基于原始数据生成多个第一节点,其中,每个第一节点和一种用户特征对应,示例性的,该用户特征可以是戴眼镜、微笑、戴帽子等。具体的,将原始数据作为样本数据,通过对原始数据的学习训练以得到多个第一节点,示例性的,以包含大量人脸图像的原始数据而言,可学习训练得出是否微笑、是否佩戴眼镜、是否戴帽子等不同的用户特征;以包含大量车辆图像的原始数据而言,可学习训练得出车辆的颜色、品牌、形状的特征。在另一个实施例中,第一节点由多个数据库的结构化数据生成,结构化数据可以是对原始数据进行识别、处理生成的数据。具体的,通过对结构化数据进行元数据和字典转换处理以后以生成多个第一节点,其中该第一节点可以包含多个字段每个字段对应一个属性。
步骤S102、基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点。
在一个实施例中,多个不同的第一节点显示在屏幕显示界面中,用户可选中第一节点对其进行拖动,即采取可视化的方式进行操作,如图1a所示,图1a为本发明实施例提供的一种可视化数据处理示例性界面图,在显示界面1011中显示有第一节点显示区域1012,该第一节点显示区域1012中包含多个可拖拽的第一节点,显示界面1011中还包括第一显示区域1013、结果展示区域1014以及展示样式选择区域1015,用户可选择展示样式选择区域1015显示的任一种展示方式将筛选结果展示在结果展示区域1014。
在一个实施例中,基于检测到的对多个第一节点的拖拽操作,将多个第一节点移动至第一显示区域,生成第二节点。其中,第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加,示例性的,检测到用户拖拽第一节点“戴眼镜”、第一节点“微笑”以及第一节点“无佩戴帽子”至第一显示区域后,相应的生成第二节点,该第二节点对应的用户特征为“戴眼镜”、“微笑”以及“无佩戴帽子”。其中,该叠加可以是针对第一节点的数据聚合,即在拖拽过程中实现的数据聚合。
步骤S103、获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果。
在一个实施例中,在生成第二节点后,获取待检测数据,基于第二节点对待检测数据进行数据筛选得到筛选结果,其中,待检测数据为需要筛选的不同摄像装置拍摄的图像画面。示例性的,该待检测数据可以是某小区多个监控装置在一个月内拍摄的数据。
具体的,根据第二节点对应的用户特征对待检测数据进行筛选,每种用户特征可对应一个机器学习模型,利用机器学习模型对待检测数据进行识别以判断得出的特征是否和用户特征一致,将用户特征一致的图像画面筛选出来,其中,该机器学习模型可以是深度学习模型、神经网络模型等,通过不限于传统机器学习中的如SVM(Supportvectormachine),XGBoost等分类算法经过样本数据训练得到的模型。
由上述方案可知,通过原始数据生成第一节点后,可基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,其中,每个所述第一节点和一种用户特征对应,第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加,再根据第二节点对待检测数据进行数据筛选得到筛选结果,用户可根据自身筛选需求灵活性进行组合,提高了数据处理效率,同时通过可视化的方式,满足了可视化处理需求,降低了数据处理难度。
在一个可能的实施例中,所述基于原始数据生成多个第一节点包括:基于不同的预设用户特征对原始数据进行机器学习生成多个第一节点,所述预设用户特征包括人脸特征、运动特征以及穿戴特征中至少一种。其中,人脸特征可以是用户的表情、五官特征等,运动特征可以是走路、跑步等,穿戴特征可以是是否戴帽子、是否戴眼镜等。具体的,每个第一节点对应一种用户特征,表征了该用户特征的特征信息。
在上述技术方案的基础上,在得到筛选结果后,该筛选结果可进一步作为二次筛选的数据进行复用筛选,同时,针对多个第二节点或者依据第二节点得到的筛选结果可进行交叉组合验证。示例性的,其中一个第二节点对应的数据集为A,另一第二节点对应的数据集为B,则可进行数据集A和数据集B的交集、并集等操作以得到新的结果集用于实现其他特定功能。
图2为本发明实施例提供的另一种可视化数据处理方法的流程图,给出了一种优化的数据处理方法。如图2所示,技术方案具体如下:
步骤S201、基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面。
步骤S202、基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点。
步骤S203、获取待检测数据,对所述待检测数据进行过滤筛选得到过滤数据集,基于所述第二节点对所述过滤数据集进行数据筛选。
在一个实施例中,在获取到待检测数据时,对待检测数据进行过滤,示例性的,过滤方式可以是根据选定的时间进行过滤,如图2a所示,图2a为本发明实施例提供的一种对待检测数据进行过滤的示意图,其依据选定的时间对待检测数据进行过滤,如选定时间的加载范围为“2019-02-21”至“2019-05-11”,则得到的过滤数据集中采集数据的时间范围为“2019-02-21”至“2019-05-11”。
由上述方案可知,在依据第二节点得到筛选结果之前,对待检测数据进一步限定,可根据实际需求选择得到过滤数据集,避免了无效数据筛选。
在一个可能的实施例中,对所述待检测数据进行过滤筛选得到过滤数据集包括:基于检测到的主题勾选操作确定筛选的主题,所述主题包括用户属性和/或用户出现频次;依据所述主题对待检测数据进行筛选得到过滤数据集。其中,用户属性可以包括“常住人口”、“访客”,用户出现频次可以包括“频繁出现(多次)”、“频繁出现(多天)”,如图2b所示,图2b为本发明实施例提供的另一种对待检测数据进行过滤的示意图,其中,包含四个可过滤的主题模型,不同的主题模型对应不同的过滤数据。
在一个可能的实施例中,还可以对待检测数据进行交叉验证过滤,如图2c所示,图2c为本发明实施例提供的另一种对待检测数据进行过滤的示意图,其中,频繁出现(多次)2031的结果集数量为143,频繁出现(多天)2032的结果集数量为99,二者交叉结果集2033的结果数量为76。
图3为本发明实施例提供的另一种可视化数据处理方法的流程图,给出了一种优化的数据处理方法。如图3所示,技术方案具体如下:
步骤S301、基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面。
步骤S302、基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点。
步骤S303、获取待检测数据,基于检测到的数据量选择操作确定筛选的数据内容,依据所述数据内容对待检测数据进行筛选得到过滤数据集。
在一个实施例中,该数据内容包括时间段数据、日期数据和拍摄设备数据中的至少一种,示例性的,以拍摄设备为例,可选择不同卡口不同位置区域的拍摄设备作为过滤条件,如图3a所示,图3a为本发明施例提供的另一种对待检测数据进行过滤的示意图,如图所示,用户可选择的项目包括“人脸卡口”、“车辆卡口”、“wifi感知”、“门禁感知”、“电子围栏”等。
由上述方案可知,在进行数据筛选时,可根据时间段数据、日期数据和拍摄设备数据进行待检测数据的过滤,进一步提高了数据处理、结果展示效率。
图4为本发明实施例提供的另一种可视化数据处理方法的流程图,给出了一种优化的数据处理方法。如图4所示,技术方案具体如下:
步骤S401、基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面。
步骤S402、基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点。
步骤S403、基于检测到的对背景图的拖拽操作,将所述背景图移动至第一显示区域。
在一个实施例中,还可将不同的背景图移动至第一显示区域,该背景图可以是系统设置的默认图片,还可以是摄像装置拍摄的图片。示例性的,该背景图可以是拍摄区域的固定设施、固定建筑的图片,还可以是包含某一特定人物的图片。
步骤S404、基于所述第二节点以及所述背景图对所述待检测数据进行数据筛选得到筛选结果。
在一个实施例中,在根据第二节点对应的用户特征进行数据筛选的基础上,进一步结合选中的背景图进行筛选,具体的,在根据第二节点筛选出第一筛选结果后,针对第一筛选结果进行背景图的匹配,将第一筛选结果中的背景图和比对的背景图相似度大于预设值(如80%)的结果作为最终筛选结果进行呈现。
由上述方案可知,在可视化数据处理过程中,可通过直接拖拽背景图的方式完成数据筛选,避免用户手动录入或人为分类带来的效率低下、准确率低的问题。
图5为本发明实施例提供的另一种可视化数据处理方法的流程图,给出了一种优化的数据处理方法。如图5所示,技术方案具体如下:
步骤S501、基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面。
步骤S502、基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点。
步骤S503、确定待检测数据的图像质量,将图像质量不满足预设条件的待检测数据进行删除。
在一个实施例中,在依据第二节点进行筛选之前,还包括过滤图像质量较差的待检测数据。具体的,确定图像质量的方式可以是提取待检测图像中包含的人脸或人体图像,将该人脸或人体图像输入神经网络模型进行图像质量分析得到图像质量评估值,将图像质量评估值小于预设值的图像确定为不满足预设条件的待检测数据进行删除。
步骤S504、基于所述第二节点对删除后的待检测数据进行数据筛选。
由上述方案可知,在可视化数据处理过程中,对图像质量低下的待检测数据进行预先删除,避免了针对所有待检测数据进行识别筛选而得到的结果较差的问题。
图6为本发明实施例提供的一种可视化数据处理装置的结构框图,该装置用于执行上述实施例提供的可视化数据处理方法,具备执行方法相应的功能模块和有益效果。如图6所示,该装置具体包括:第一模型处理模块101、第二模型处理模块102和数据筛选模块103,其中,
第一模型处理模块101,用于基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;
第二模型处理模块102,用于基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加;
数据筛选模块103,用于获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果。
由上述方案可知,基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加;获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果,提高了数据处理效率,满足了可视化处理需求,降低了数据处理难度。
在一个可能的实施例中,所述第一模型处理模块101具体用于:
基于不同的预设用户特征对原始数据进行机器学习生成多个第一节点,所述预设用户特征包括人脸特征、运动特征以及穿戴特征中至少一种。
在一个可能的实施例中,所述数据筛选模块103具体用于:
对所述待检测数据进行过滤筛选得到过滤数据集;
基于所述第二节点对所述过滤数据集进行数据筛选。
在一个可能的实施例中,所述数据筛选模块103具体用于:
基于检测到的主题勾选操作确定筛选的主题,所述主题包括用户属性和/或用户出现频次;
依据所述主题对待检测数据进行筛选得到过滤数据集。
在一个可能的实施例中,所述数据筛选模块103具体用于:
基于检测到的数据量选择操作确定筛选的数据内容,所述数据内容包括时间段数据、日期数据和拍摄设备数据中的至少一种;
依据所述数据内容对待检测数据进行筛选得到过滤数据集。
在一个可能的实施例中,所述数据筛选模块103还用于:
在生成第二节点之后,基于检测到的对背景图的拖拽操作,将所述背景图移动至第一显示区域;
所述数据筛选模块103具体用于:
基于所述第二节点以及所述背景图对所述待检测数据进行数据筛选得到筛选结果。
在一个可能的实施例中,所述数据筛选模块103具体用于:
确定待检测数据的图像质量,将图像质量不满足预设条件的待检测数据进行删除,基于所述第二节点对删除后的待检测数据进行数据筛选。
图7为本发明实施例提供的一种设备的结构示意图,如图7所示,该设备包括处理器201、存储器202、输入装置203和输出装置204;设备中处理器201的数量可以是一个或多个,图7中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203和输出装置204可以通过总线或其他方式连接,图7中以通过总线连接为例。
存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的可视化数据处理方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的可视化数据处理方法。
存储器202可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器202可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器202可进一步包括相对于处理器201远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置204可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种可视化数据处理方法,该方法包括:
基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;
基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加;
获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明实施例可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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)执行本发明实施例各个实施例所述的方法。
值得注意的是,上述可视化数据处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
注意,上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明实施例不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明实施例构思的情况下,还可以包括更多其他等效实施例,而本发明实施例的范围由所附的权利要求范围决定。
Claims (9)
1.可视化数据处理方法,其特征在于,包括:
基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;
基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加,所述用户特征的叠加包括对所述多个第一节点的数据的聚合;
获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果,所述待检测数据为需要筛选的所述不同摄像装置拍摄的图像画面,其中,所述基于原始数据生成多个第一节点包括基于不同的预设用户特征对原始数据进行机器学习生成多个第一节点。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第二节点对所述待检测数据进行数据筛选包括:
对所述待检测数据进行过滤筛选得到过滤数据集;
基于所述第二节点对所述过滤数据集进行数据筛选。
3.根据权利要求2所述的方法,其特征在于,对所述待检测数据进行过滤筛选得到过滤数据集包括:
基于检测到的主题勾选操作确定筛选的主题,所述主题包括用户属性和/或用户出现频次;
依据所述主题对待检测数据进行筛选得到过滤数据集。
4.根据权利要求2所述的方法,其特征在于,对所述待检测数据进行过滤筛选得到过滤数据集包括:
基于检测到的数据量选择操作确定筛选的数据内容,所述数据内容包括时间段数据、日期数据和拍摄设备数据中的至少一种;
依据所述数据内容对待检测数据进行筛选得到过滤数据集。
5.根据权利要求1所述的方法,其特征在于,在生成第二节点之后,还包括:
基于检测到的对背景图的拖拽操作,将所述背景图移动至第一显示区域;
相应的,所述基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果包括:
基于所述第二节点以及所述背景图对所述待检测数据进行数据筛选得到筛选结果。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第二节点对所述待检测数据进行数据筛选包括:
确定待检测数据的图像质量,将图像质量不满足预设条件的待检测数据进行删除,基于所述第二节点对删除后的待检测数据进行数据筛选。
7.可视化数据处理装置,其特征在于,包括:
第一模型处理模块,用于基于原始数据生成多个第一节点,所述原始数据包括多个不同摄像装置拍摄的图像画面,其中,每个所述第一节点和一种用户特征对应;
第二模型处理模块,用于基于检测到的对多个所述第一节点的拖拽操作,将多个所述第一节点移动至第一显示区域,生成第二节点,所述第二节点对应的用户特征为多个所述第一节点对应的用户特征的叠加,所述用户特征的叠加包括对所述多个第一节点的数据的聚合;
数据筛选模块,用于获取待检测数据,基于所述第二节点对所述待检测数据进行数据筛选得到筛选结果,所述待检测数据为需要筛选的所述不同摄像装置拍摄的图像画面,其中,所述基于原始数据生成多个第一节点包括基于不同的预设用户特征对原始数据进行机器学习生成多个第一节点。
8.一种可视化数据处理设备,所述设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一项所述的可视化数据处理方法。
9.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一项所述的可视化数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817037.6A CN110515525B (zh) | 2019-08-30 | 2019-08-30 | 可视化数据处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817037.6A CN110515525B (zh) | 2019-08-30 | 2019-08-30 | 可视化数据处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110515525A CN110515525A (zh) | 2019-11-29 |
CN110515525B true CN110515525B (zh) | 2021-07-23 |
Family
ID=68630024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910817037.6A Active CN110515525B (zh) | 2019-08-30 | 2019-08-30 | 可视化数据处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110515525B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113448951B (zh) * | 2021-09-02 | 2021-12-21 | 深圳市信润富联数字科技有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776619A (zh) * | 2015-11-20 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于确定目标对象的属性信息的方法和装置 |
CN107368565A (zh) * | 2017-07-10 | 2017-11-21 | 美的集团股份有限公司 | 数据处理方法、数据处理装置和计算机可读存储介质 |
CN109614507A (zh) * | 2018-11-22 | 2019-04-12 | 浙江大学 | 一种基于频繁项挖掘的遥感图像推荐装置 |
CN110019960A (zh) * | 2018-09-05 | 2019-07-16 | 深圳市商汤科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN110147404A (zh) * | 2017-09-29 | 2019-08-20 | 北京国双科技有限公司 | 数据处理方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123382B (zh) * | 2014-07-31 | 2018-08-10 | 合肥工业大学 | 一种社会媒体下的图像集摘要生成方法 |
CN105260385B (zh) * | 2015-09-10 | 2019-06-18 | 上海斐讯数据通信技术有限公司 | 一种图片检索方法 |
CN106156310A (zh) * | 2016-06-30 | 2016-11-23 | 努比亚技术有限公司 | 一种图片处理装置和方法 |
-
2019
- 2019-08-30 CN CN201910817037.6A patent/CN110515525B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776619A (zh) * | 2015-11-20 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于确定目标对象的属性信息的方法和装置 |
CN107368565A (zh) * | 2017-07-10 | 2017-11-21 | 美的集团股份有限公司 | 数据处理方法、数据处理装置和计算机可读存储介质 |
CN110147404A (zh) * | 2017-09-29 | 2019-08-20 | 北京国双科技有限公司 | 数据处理方法及装置 |
CN110019960A (zh) * | 2018-09-05 | 2019-07-16 | 深圳市商汤科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN109614507A (zh) * | 2018-11-22 | 2019-04-12 | 浙江大学 | 一种基于频繁项挖掘的遥感图像推荐装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110515525A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
Pal et al. | Deep-learning-based visual data analytics for smart construction management | |
US11373441B2 (en) | Apparatus and method for coordinating the matching and initial communications between individuals in a dating application | |
KR20200098875A (ko) | 3d 얼굴인식 시스템 및 방법 | |
JP2020524348A (ja) | 顔画像検索方法およびシステム、撮影装置、ならびにコンピュータ記憶媒体 | |
DE102019122402A1 (de) | Das klassifizieren von zeitreihenbilddaten | |
JP7419080B2 (ja) | コンピュータシステムおよびプログラム | |
CN113836338B (zh) | 细粒度图像分类方法、装置、存储介质及终端 | |
US20230060211A1 (en) | System and Method for Tracking Moving Objects by Video Data | |
Balchandani et al. | A deep learning framework for smart street cleaning | |
CN111881740B (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN116186770A (zh) | 图像脱敏方法、装置、电子设备及存储介质 | |
CN112699758A (zh) | 基于动态手势识别的手语翻译方法、装置、计算机设备及存储介质 | |
CN110515525B (zh) | 可视化数据处理方法、装置、设备和存储介质 | |
CN112488003A (zh) | 一种人脸检测方法、模型创建方法、装置、设备及介质 | |
CN112328869A (zh) | 一种用户贷款意愿的预测方法、装置及计算机系统 | |
CN111062914B (zh) | 用于采集脸部图像的方法、装置、电子设备和计算机可读介质 | |
CN113052025A (zh) | 图像融合模型的训练方法、图像融合方法及电子设备 | |
CN112925899A (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
CN116052251A (zh) | 人脸图像优选方法、装置、设备及存储介质 | |
JP2003330941A (ja) | 類似画像分類装置 | |
CN115512369A (zh) | 文档图像版面分析方法、装置、计算机设备和存储介质 | |
CN115082999A (zh) | 合影图像人物分析方法、装置、计算机设备和存储介质 | |
CN114445864A (zh) | 一种手势识别方法及装置、存储介质 | |
CN114612989A (zh) | 人脸识别数据集的生成方法及装置、电子设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 306, zone 2, building 1, Fanshan entrepreneurship center, Panyu energy saving technology park, No. 832 Yingbin Road, Donghuan street, Panyu District, Guangzhou City, Guangdong Province Applicant after: Jiadu Technology Group Co.,Ltd. Address before: Room 306, zone 2, building 1, Fanshan entrepreneurship center, Panyu energy saving technology park, No. 832 Yingbin Road, Donghuan street, Panyu District, Guangzhou City, Guangdong Province Applicant before: PCI-SUNTEKTECH Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |