CN110674678A - 视频中敏感标志的识别方法及装置 - Google Patents
视频中敏感标志的识别方法及装置 Download PDFInfo
- Publication number
- CN110674678A CN110674678A CN201910725061.7A CN201910725061A CN110674678A CN 110674678 A CN110674678 A CN 110674678A CN 201910725061 A CN201910725061 A CN 201910725061A CN 110674678 A CN110674678 A CN 110674678A
- Authority
- CN
- China
- Prior art keywords
- video
- sensitive
- audited
- score
- key frame
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频中敏感标志的识别方法及装置,所述方法包括:获取待审核视频,通过机器预识别系统对所述待审核视频进行敏感标志识别,输出所述待审核视频含有敏感标志的得分;判断所述得分是有大于或等于预定输出阈值,如果判断为是,则将所述待审核视频发送到人工审核窗口以进行人工确认本发明能够进一步提高视频审核工作的审核效率,从而构建更安全的网络环境。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种视频中敏感标志的识别方法及装置。
背景技术
随着互联网技术发展,人们获取信息的需求除了海量的图片和文字,蕴含信息量更大的视频也成为人们获取信息的重要途径。恐怖主义组织例如ISIS、东突和藏独等也基于此,找到了在网络中,通过视频传播极端思想的新途径。因此,在海量的网络视频中找出敏感视频,建立安全的网络环境意义重大。敏感视频中的敏感标志是用来标识该视频内容的重要信息,对检测敏感视频有非常重要的作用。本发明主要关注通过敏感标志识别来确定敏感视频的方法。由于视频包含的信息量远远大于图像,对识别视频中敏感标志方法的效果和效率有更高的要求。
现有技术实现方案有两种:一种是开发纯人工审核系统,人工对待审视频逐一审核,找到敏感视频。另一种是开发计算机自动审核系统。主要包含两个阶段:第一阶段,人工收集标定训练数据;第二阶段,利用训练数据,训练识别模型。首先针对敏感标志,人工设计具有区分行的表观特征,然后基于传统模式识别方法Adaboost训练分类器或通过模板匹配进行识别。
面对海量的视频,纯人工审核系统虽然识别准确率高,但是审核成本高、效率低下。基于计算机自动审核系统,审核成本低、效率高,但是准确率很大程度依赖于敏感标志识别算法。而现有的识别算法,一方面,由于数据的敏感性,只靠人工收集和标定训练数据并不充足。同时,依赖于人工手动设计的特征,采用传统的模式识别方法识别敏感标志识别能力有限。此外,即使采用目前最先进的视觉识别技术,也很难做到识别召回率和准确率都很高。
发明内容
本发明实施例提供一种视频中敏感标志的识别方法及装置,用以解决现有技术中的上述问题。
本发明实施例提供一种视频中敏感标志的识别方法,包括:
获取待审核视频,通过机器预识别系统对所述待审核视频进行敏感标志识别,输出所述待审核视频含有敏感标志的得分;
判断所述得分是有大于或等于预定输出阈值,如果判断为是,则将所述待审核视频发送到人工审核窗口以进行人工确认。
本发明实施例还提供一种视频中敏感标志的识别装置,具体包括:
识别模块,用于获取待审核视频,通过机器预识别系统对所述待审核视频进行敏感标志识别,输出所述待审核视频含有敏感标志的得分;
判断模块,用于判断所述得分是有大于或等于预定输出阈值,如果判断为是,则将所述待审核视频发送到人工审核窗口以进行人工确认。
采用本发明实施例,能够进一步提高视频审核工作的审核效率,从而构建更安全的网络环境。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例的视频中敏感标志的识别方法的流程图;
图2是本发明实施例的人机结合视频中敏感标志识别方法的详细流程图;
图3是本发明实施例的机器预识别系统处理流程的示意图;
图4是本发明实施例的判断关键帧含有敏感标志的概率的示意图;
图5是本发明实施例进行敏感标志训练的准敏感标志图的示意图;
图6是本发明实施例进行敏感标志训练的正常视频图像的示意图;
图7是本发明实施例进行敏感标志训练的合成后的训练数据示意图;
图8是本发明实施例的视频中敏感标志的识别装置的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
方法实施例
根据本发明实施例,提供了一种视频中敏感标志的识别方法,图1是本发明实施例的视频中敏感标志的识别方法的流程图,如图1所示,根据本发明实施例的视频中敏感标志的识别方法具体包括:
步骤101,获取待审核视频,通过机器预识别系统对待审核视频进行敏感标志识别,输出待审核视频含有敏感标志的得分;
步骤101具体包括如下处理:
步骤1,获取待审核视频,从待审核视频中抽取视频关键帧;在实际应用中,可以每隔预定时间,从待审核视频中抽取一帧,作为视频关键帧。
步骤2,依次对每张视频关键帧进行敏感标志识别,判断视频关键帧中包含敏感标志的概率;在实际应用中,可以进行如下处理:获取一张视频关键帧,采用候选区域产生网络RPN获取视频关键帧中可能含有敏感标志的预定个数的候选区域,对于每个候选区域,从原视频关键帧中进行抠图缩放,通过分类网络判断含有敏感标志的概率。
执行上述处理,需要预先对RPN和分类网络进行训练,具体地,可以采用人工收集并标准的敏感标志训练数据、实际中的敏感标志训练数据、和/或利用标准敏感标志图和一些正常视频中的图合成的敏感标志训练数据,对RPN和分类网络进行训练。
步骤3,将所有视频关键帧含有敏感标志的概率进行综合,得到并输出待审核视频含有敏感标志的得分。具体地,当计算了视频关键帧含有敏感标志的概率后,判断待审核视频中是否连续N张以上视频关键帧都大于预定筛选阈值,如果判断为是,则将连续视频关键帧的数目作为该待审核视频含有敏感标志的得分并输出,否则,该待审核视频的得分为零。
步骤102,判断得分是有大于或等于预定输出阈值,如果判断为是,则将待审核视频发送到人工审核窗口以进行人工确认。
以下结合附图,对本发明实施例的上述技术方案进行详细说明。
本发明实施例提出一种人机结合视频中敏感标志识别方法。整体流程如图2所示,首先输入一段视频,先经过机器预识别系统,给出是否含有敏感标志的得分,如果得分比较大,然后再人工进一步确认是否含有敏感标志。
如图3所示,其中机器预识别系统的流程如下:输入一段视频,抽取视频关键帧,然后对每张关键帧进行识别,判断包含敏感标志的概率,然后将所有关键帧含有敏感标志的概率进行综合,给出整个视频含有敏感标志的得分。接下来将详细介绍上述三方面的内容。
(1)关键帧抽取
本发明实施例中关键帧抽取的目的是为了提高审核效率。这里采用如下简单策略,每隔2s抽取视频中一帧,作为关键帧,用于后续处理。
(2)关键帧敏感标志识别
判断关键帧含有敏感标志的概率是本发明的关键。如图4所示,判断流程如下:输入一张关键帧图像,采用候选区域产生网络(Region Proposals Network,RPN)获取图像中可能含有敏感标志的25个候选区域,然后对于每个候选区域,从原图中抠图缩放,经过一个分类网络判断是否含有敏感标志,如果有,本发明实施例还可以再进一步判断是哪种敏感标志。为了高效计算,两种网络的骨架网络都是Alexnet网络,训练采用的是标准神经网络训练流程。
训练数据准备是训练神经网络的重要步骤。常用的方式是人工收集相关数据,然后进行标注。由于敏感标志视频特殊性,训练数据获取往往很困难。因此,除了采用上述收集方式,尽可能采集实际中的敏感标志数据之外,本发明提出利用标准敏感标志图和一些正常视频中的图合成训练数据。
具体地,图5是一些标准敏感标志图,图6是一些正常视频图像,合成方法如下:对标准图随机进行尺度缩放、平移、旋转等仿射变换,然后透明化随机添加到正常图片中。合成如图7所示的训练数据。
当计算了关键帧含有敏感标志的概率,本发明实施例将连续10张以上关键帧都大于一定阈值的视频,认为该视频可能含有敏感标志,并将连续关键帧的数目作为整个视频含有敏感标志的得分,否则该视频得分为0。
最后,判断整个视频的得分是有大于或等于预定输出阈值,如果判断为是,则将待审核视频发送到人工审核窗口以进行人工确认。
综上,采用本发明实施例,能够进一步提高视频审核工作的审核效率,从而构建更安全的网络环境。
装置实施例
根据本发明实施例,提供了一种视频中敏感标志的识别装置,图8是本发明实施例的视频中敏感标志的识别装置的示意图,如图8所示,根据本发明实施例的视频中敏感标志的识别装置具体包括:
识别模块80,用于获取待审核视频,通过机器预识别系统对待审核视频进行敏感标志识别,输出待审核视频含有敏感标志的得分;
识别模块80具体包括:
抽取子模块,用于获取待审核视频,从待审核视频中抽取视频关键帧;抽取子模块具体用于:每隔预定时间,从待审核视频中抽取一帧,作为视频关键帧;
识别子模块,用于依次对每张视频关键帧进行敏感标志识别,判断视频关键帧中包含敏感标志的概率;识别子模块具体用于:获取一张视频关键帧,采用候选区域产生网络RPN获取视频关键帧中可能含有敏感标志的预定个数的候选区域,对于每个候选区域,从原视频关键帧中进行抠图缩放,通过分类网络判断含有敏感标志的概率;
综合子模块,用于将所有视频关键帧含有敏感标志的概率进行综合,得到并输出待审核视频含有敏感标志的得分。综合子模块具体用于:当计算了视频关键帧含有敏感标志的概率后,判断待审核视频中是否连续N张以上视频关键帧都大于预定筛选阈值,如果判断为是,则将连续视频关键帧的数目作为该待审核视频含有敏感标志的得分并输出,否则,该待审核视频的得分为零。
识别模块进一步包括:
训练子模块,用于采用人工收集并标准的敏感标志训练数据、实际中的敏感标志训练数据、和/或利用标准敏感标志图和一些正常视频中的图合成的敏感标志训练数据,对RPN和分类网络进行训练。
判断模块82,用于判断得分是有大于或等于预定输出阈值,如果判断为是,则将待审核视频发送到人工审核窗口以进行人工确认。
上述各个模块的具体操作可以根据上述方法实施例中的相关内容进行理解,在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种视频中敏感标志的识别方法,其特征在于,包括:
获取待审核视频,通过机器预识别系统对所述待审核视频进行敏感标志识别,输出所述待审核视频含有敏感标志的得分;
判断所述得分是有大于或等于预定输出阈值,如果判断为是,则将所述待审核视频发送到人工审核窗口以进行人工确认。
2.如权利要求1所述的方法,其特征在于,获取待审核视频,通过机器预识别系统对所述待审核视频进行敏感标志识别,输出所述待审核视频含有敏感标志的得分具体包括:
获取待审核视频,从所述待审核视频中抽取视频关键帧;
依次对每张视频关键帧进行敏感标志识别,判断所述视频关键帧中包含敏感标志的概率;
将所有视频关键帧含有敏感标志的概率进行综合,得到并输出所述待审核视频含有敏感标志的得分。
3.如权利要求2所述的方法,其特征在于,从所述待审核视频中抽取视频关键帧具体包括:
每隔预定时间,从所述待审核视频中抽取一帧,作为所述视频关键帧。
4.如权利要求2所述的方法,其特征在于,依次对每张视频关键帧进行敏感标志识别,判断所述视频关键帧中包含敏感标志的概率具体包括:
获取一张视频关键帧,采用候选区域产生网络RPN获取所述视频关键帧中可能含有敏感标志的预定个数的候选区域,对于每个候选区域,从原视频关键帧中进行抠图缩放,通过分类网络判断含有敏感标志的概率。
5.如权利要求4所述的方法,其特征在于,所述方法进一步包括:
采用人工收集并标准的敏感标志训练数据、实际中的敏感标志训练数据、和/或利用标准敏感标志图和一些正常视频中的图合成的敏感标志训练数据,对所述RPN和分类网络进行训练。
6.如权利要求2所述的方法,其特征在于,将所有视频关键帧含有敏感标志的概率进行综合,得到并输出所述待审核视频含有敏感标志的得分具体包括:
当计算了视频关键帧含有敏感标志的概率后,判断待审核视频中是否连续N张以上视频关键帧都大于预定筛选阈值,如果判断为是,则将连续视频关键帧的数目作为该待审核视频含有敏感标志的得分并输出,否则,该待审核视频的得分为零,其中,N为自然数。
7.一种视频中敏感标志的识别装置,其特征在于,所述装置进一步包括:
识别模块,用于获取待审核视频,通过机器预识别系统对所述待审核视频进行敏感标志识别,输出所述待审核视频含有敏感标志的得分;
判断模块,用于判断所述得分是有大于或等于预定输出阈值,如果判断为是,则将所述待审核视频发送到人工审核窗口以进行人工确认。
8.如权利要求7所述的装置,其特征在于,所述识别模块具体包括:
抽取子模块,用于获取待审核视频,从所述待审核视频中抽取视频关键帧;
识别子模块,用于依次对每张视频关键帧进行敏感标志识别,判断所述视频关键帧中包含敏感标志的概率;
综合子模块,用于将所有视频关键帧含有敏感标志的概率进行综合,得到并输出所述待审核视频含有敏感标志的得分。
9.如权利要求8所述的方法,其特征在于,
所述抽取子模块具体用于:每隔预定时间,从所述待审核视频中抽取一帧,作为所述视频关键帧;
所述识别子模块具体用于:获取一张视频关键帧,采用候选区域产生网络RPN获取所述视频关键帧中可能含有敏感标志的预定个数的候选区域,对于每个候选区域,从原视频关键帧中进行抠图缩放,通过分类网络判断含有敏感标志的概率;
所述综合子模块具体用于:当计算了视频关键帧含有敏感标志的概率后,判断待审核视频中是否连续N张以上视频关键帧都大于预定筛选阈值,如果判断为是,则将连续视频关键帧的数目作为该待审核视频含有敏感标志的得分并输出,否则,该待审核视频的得分为零。
10.如权利要求9所述的方法,其特征在于,所述识别模块进一步包括:
训练子模块,用于采用人工收集并标准的敏感标志训练数据、实际中的敏感标志训练数据、和/或利用标准敏感标志图和一些正常视频中的图合成的敏感标志训练数据,对所述RPN和分类网络进行训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910725061.7A CN110674678A (zh) | 2019-08-07 | 2019-08-07 | 视频中敏感标志的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910725061.7A CN110674678A (zh) | 2019-08-07 | 2019-08-07 | 视频中敏感标志的识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110674678A true CN110674678A (zh) | 2020-01-10 |
Family
ID=69068673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910725061.7A Pending CN110674678A (zh) | 2019-08-07 | 2019-08-07 | 视频中敏感标志的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674678A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985419A (zh) * | 2020-08-25 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 视频处理方法及相关设备 |
CN112235632A (zh) * | 2020-09-09 | 2021-01-15 | 北京达佳互联信息技术有限公司 | 视频处理方法、装置及服务器 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853377A (zh) * | 2010-05-13 | 2010-10-06 | 复旦大学 | 一种对数字视频进行内容识别的方法 |
CN105718890A (zh) * | 2016-01-22 | 2016-06-29 | 北京大学 | 一种基于卷积神经网络的特定视频检测方法 |
CN106454492A (zh) * | 2016-10-12 | 2017-02-22 | 武汉斗鱼网络科技有限公司 | 一种基于延时传送的直播色情内容审核系统及方法 |
CN106610969A (zh) * | 2015-10-21 | 2017-05-03 | 上海文广互动电视有限公司 | 基于多模态信息的视频内容审查系统及方法 |
CN106682694A (zh) * | 2016-12-27 | 2017-05-17 | 复旦大学 | 一种基于深度学习的敏感图像识别方法 |
CN107203765A (zh) * | 2017-03-30 | 2017-09-26 | 腾讯科技(上海)有限公司 | 敏感图像检测方法和装置 |
CN108108982A (zh) * | 2016-11-25 | 2018-06-01 | 百度在线网络技术(北京)有限公司 | 一种授权信息的识别方法及装置 |
CN108921002A (zh) * | 2018-04-23 | 2018-11-30 | 中国科学院自动化研究所 | 基于多线索融合的暴恐音视频识别方法及装置 |
CN109145979A (zh) * | 2018-08-15 | 2019-01-04 | 上海嵩恒网络科技股份有限公司 | 敏感图像鉴定方法及终端系统 |
CN109558792A (zh) * | 2018-10-11 | 2019-04-02 | 成都三零凯天通信实业有限公司 | 一种基于样本和特征检测互联网徽标内容的方法和系统 |
CN109670383A (zh) * | 2017-10-16 | 2019-04-23 | 杭州海康威视数字技术股份有限公司 | 视频遮蔽区域选取方法、装置、电子设备及系统 |
-
2019
- 2019-08-07 CN CN201910725061.7A patent/CN110674678A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853377A (zh) * | 2010-05-13 | 2010-10-06 | 复旦大学 | 一种对数字视频进行内容识别的方法 |
CN106610969A (zh) * | 2015-10-21 | 2017-05-03 | 上海文广互动电视有限公司 | 基于多模态信息的视频内容审查系统及方法 |
CN105718890A (zh) * | 2016-01-22 | 2016-06-29 | 北京大学 | 一种基于卷积神经网络的特定视频检测方法 |
CN106454492A (zh) * | 2016-10-12 | 2017-02-22 | 武汉斗鱼网络科技有限公司 | 一种基于延时传送的直播色情内容审核系统及方法 |
CN108108982A (zh) * | 2016-11-25 | 2018-06-01 | 百度在线网络技术(北京)有限公司 | 一种授权信息的识别方法及装置 |
CN106682694A (zh) * | 2016-12-27 | 2017-05-17 | 复旦大学 | 一种基于深度学习的敏感图像识别方法 |
CN107203765A (zh) * | 2017-03-30 | 2017-09-26 | 腾讯科技(上海)有限公司 | 敏感图像检测方法和装置 |
CN109670383A (zh) * | 2017-10-16 | 2019-04-23 | 杭州海康威视数字技术股份有限公司 | 视频遮蔽区域选取方法、装置、电子设备及系统 |
CN108921002A (zh) * | 2018-04-23 | 2018-11-30 | 中国科学院自动化研究所 | 基于多线索融合的暴恐音视频识别方法及装置 |
CN109145979A (zh) * | 2018-08-15 | 2019-01-04 | 上海嵩恒网络科技股份有限公司 | 敏感图像鉴定方法及终端系统 |
CN109558792A (zh) * | 2018-10-11 | 2019-04-02 | 成都三零凯天通信实业有限公司 | 一种基于样本和特征检测互联网徽标内容的方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985419A (zh) * | 2020-08-25 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 视频处理方法及相关设备 |
CN112235632A (zh) * | 2020-09-09 | 2021-01-15 | 北京达佳互联信息技术有限公司 | 视频处理方法、装置及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191695A (zh) | 一种基于深度学习的网站图片篡改检测方法 | |
CN112287914B (zh) | Ppt视频段提取方法、装置、设备及介质 | |
CN111860525B (zh) | 一种适用于端子排的自底向上光学字符识别方法 | |
CN111079816A (zh) | 图像的审核方法、装置和服务器 | |
CN112541443B (zh) | 发票信息抽取方法、装置、计算机设备及存储介质 | |
CN112686243A (zh) | 智能识别图片文字的方法、装置、计算机设备及存储介质 | |
CN109685061A (zh) | 适用于结构化的数学公式的识别方法 | |
CN113205047A (zh) | 药名识别方法、装置、计算机设备和存储介质 | |
CN110674678A (zh) | 视频中敏感标志的识别方法及装置 | |
CN112347997A (zh) | 一种试题检测识别方法、装置、电子设备及介质 | |
CN112990142B (zh) | 一种基于ocr的视频导图生成方法、装置、设备及存储介质 | |
CN112733858B (zh) | 基于字符区域检测的图像文字快速识别方法及装置 | |
CN114386013A (zh) | 学籍自动认证方法、装置、计算机设备及存储介质 | |
CN112632926B (zh) | 票据的数据处理方法、装置、电子设备及存储介质 | |
CN112418206B (zh) | 基于位置检测模型的图片分类方法及其相关设备 | |
CN113780116A (zh) | 发票分类方法、装置、计算机设备和存储介质 | |
CN112613367A (zh) | 票据信息文本框获取方法、系统、设备及存储介质 | |
CN116405745A (zh) | 视频信息的提取方法、装置、终端设备及计算机介质 | |
Castillo et al. | Object detection in digital documents based on machine learning algorithms | |
CN111144256B (zh) | 基于视频动态分析的电子表格公式合成与错误检测方法 | |
CN114373178A (zh) | 一种图片文字检测与识别方法及系统 | |
CN111291726A (zh) | 医疗票据分拣方法、装置、设备和介质 | |
CN111626244A (zh) | 图像识别方法、装置、电子设备和介质 | |
Mosannafat et al. | Farsi text detection and localization in videos and images | |
CN113988223B (zh) | 证件图像识别方法、装置、计算机设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |