CN110750678A - 监控视频数据关联描述和存储管理的方法及系统 - Google Patents

监控视频数据关联描述和存储管理的方法及系统 Download PDF

Info

Publication number
CN110750678A
CN110750678A CN201910917309.XA CN201910917309A CN110750678A CN 110750678 A CN110750678 A CN 110750678A CN 201910917309 A CN201910917309 A CN 201910917309A CN 110750678 A CN110750678 A CN 110750678A
Authority
CN
China
Prior art keywords
monitoring
data
ontology
mapping
attribute
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
Application number
CN201910917309.XA
Other languages
English (en)
Inventor
范冰冰
黄煜楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Normal University
Original Assignee
South China Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China Normal University filed Critical South China Normal University
Priority to CN201910917309.XA priority Critical patent/CN110750678A/zh
Publication of CN110750678A publication Critical patent/CN110750678A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Alarm Systems (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种监控视频数据关联描述和存储管理的方法及系统，对监控视频的结构化数据建立关联描述和存储管理，该方法的步骤为：构建监控目标图像表示元组；构建监控本体，建立监控本体类，以及监控本体类之间的关联关系；预设基于监控本体属性的规则库，采用推理机对监控本体进行推理分析，获取数据的隐性关系；从外部数据源抽取数据映射到监控本体，将监控本体转换为RDF格式的临时文件；将监控本体转换后的RDF格式的临时文件通过映射转储到图数据库中。本发明从关联数据的角度出发，借助本体在数据组织、表示、共享、重用等方面的优势，提出视频结构化对象的画像表示方法，并构建其本体库，对安防大数据的管理和应用有一定的参考意义。

Description

监控视频数据关联描述和存储管理的方法及系统
技术领域
本发明涉及一种数据描述与管理技术领域，具体是一种监控视频数据关联描述和存储管理的方法及系统。
背景技术
随着标清视频大规模向高清视频转化，监控视频数据量急剧增长，产生了海量的监控视频数据，随着人工智能相关技术的发展，监控视频结构化技术也得到了快速发展。
视频结构化是一种将视频内容中的重要信息进行结构化提取的技术，利用它对视频内容按照语义关系，采用时空分割、特征提取、对象识别、深度学习等处理手段，组织成可供计算机可理解的结构化数据或面向人可视化图形信息，在实际应用中，监控视频结构化数据可作为实战智能应用的分析处理基础，实现视频数据向有效情报和智能应用的转化。
在现有的技术当中，一般将监控视频结构化数据及卡口数据存储到关系型数据库或一些基于大数据框架的Nosql数据库中，面对快速增长的数据量，虽然这些存储系统依然可以支持快速的检索即相关的应用，但依旧利用传统的检索方法进行全库遍历，并且缺少了相关的关联语义检索和高效协同计算。
发明内容
为了克服现有技术存在的缺陷与不足，针对业务系统多而孤立，数据融合应用的新需求，本发明提供一种监控视频数据关联描述和存储管理的方法及系统，能够实现对监控视频结构化数据的本体化存储，以使用户更容易发现监控视频结构化对象之间的关联关系，满足研判和发现可疑车辆、人员的发展需求。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种监控视频数据关联描述和存储管理的方法，包括下述步骤：
S1：构建监控目标图像表示元组；
S2：构建监控本体，建立监控本体类，以及监控本体类之间的关联关系；
S3：预设基于监控本体属性的规则库，采用推理机对监控本体进行推理分析，获取数据的隐性关系；
S4：从外部数据源抽取数据映射到监控本体，将监控本体转换为RDF格式的临时文件；
S5：将监控本体转换后的RDF格式的临时文件通过映射转储到图数据库中。
作为优选的技术方案，步骤S1中所述构建监控目标图像表示元组，所述监控目标图像表示元组采用四元组，具体表示为：
VSP＝(T，SA，DA，R)；
其中，T表示监控目标画像类型，SA表示监控目标画像的静态属性，DA表示监控目标画像的动态特征属性，R表示监控目标画像的关系特征。
作为优选的技术方案，步骤S2中所述构建监控本体，所述监控本体划分为基础层和核心层，所述基础层包括时间本体和地点本体，所述核心层包括车辆本体、人员本体和摄像头本体。
作为优选的技术方案，将所述监控本体表示为五元组，具体为：
O＝(OS,PS,RS,IS,Rules)；
其中，OS表示监控本体类的集合，PS表示监控本体类的属性集合，RS表示监控本体类之间的关联关系集合，IS表示视频结构化对象本体类的实例集合， Rules表示监控本体中的推理规则。
作为优选的技术方案，将所述监控本体类之间的关联关系集合设置为：包括车辆本体与车辆本体间的关系，车辆本体与地理位置的关系，车辆本体与摄像头本体的关系，车辆本体与人员本体的关系，人员本体与人员本体的关系，人员本体与地理位置的关系，人员本体与摄像头本体的关系。
作为优选的技术方案，步骤S2中所述构建监控本体，构建方法采用七步法、骨骼法或模块化构建方法中任意一种，构建工具采用Protégé本体构建工具，采用OWL逻辑描述语言进行描述，得到OWL文件，并以临时文件的形式存在。
作为优选的技术方案，步骤S3中所述预设基于监控本体属性的规则库，对监控本体属性规则进行形式化处理，形式化表示为：
Prel(A)＝predicate(S(B))；
其中，rel表示对象属性，即关系，用于链接其他概念，Prel表示监控本体间的关系，S(B)代表同一个概念集合，A表示一个概念，predicate表示对应的对象属性，即谓词。
作为优选的技术方案，步骤S4中所述从外部数据源抽取数据映射到监控本体，所述外部数据源采用关系数据库，映射工具采用D2RQ。
作为优选的技术方案，步骤S5中所述将监控本体转换后的RDF格式的临时文件通过映射转储到图数据库中，具体步骤为：
S51：遍历某个RDF节点的所有属性，包括对象属性和数据属性；
S52：将步骤S51中的RDF节点与图数据库的资源标识符节点映射，创建开始节点；
S53：将对象属性与图数据库的资源标识符节点映射，创建结束节点，并且将对应的谓词与图数据库的有向边进行映射，作为图数据库边的属性，建立开始节点到结束节点的关系映射；
S54：将数据属性与开始节点进行映射，创建开始节点的属性。
本发明提供一种监控视频数据关联描述和存储管理的系统，包括：监控目标画像表示模块、监控本体构建模块、推理模块、数据抽取模块、数据转换及存储模块；
所述监控目标画像表示模块用于构建监控目标图像表示元组，形式化描述监控目标图像；
所述监控本体构建模块用于建立监控本体、监控本体类以及监控本体类之间的关联关系；
所述推理模块用于采用预设基于监控本体属性的规则库对监控本体进行推理分析，获取数据的隐性关系；
所述数据抽取模块用于抽取监控数据；
所述数据转换及存储模块用于将监控数据转换成RDF格式的临时文件，将 RDF格式的临时文件映射到图数据库中，并存储监控目标图像和预设的基于监控本体属性的规则库。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明构建了监控目标图像表示模型，用于描述监控视频目标的车辆档案数据，可满足不同业务部门的应用需要。
(2)本发明通过构建监控视频结构化数据的本体库，汇聚多个边缘域的动态车辆、人员信息，以及其他可能的更多业务数据，为后续对监控数据以及其他数据的挖掘分析提供了基本的数据存储管理方式；并提出监控本体之间关联关系以及属性推理规则，提高监控目标关联发现和推理能力。
(3)本发明提出监控本体RDF格式到图数据库的映射方法，将监控本体转储到Neo4j图数据库中，可以显著提高后续监控结构化数据的查询效率。
附图说明
图1为本实施例监控视频结构化数据的存储管理方法的流程示意图；
图2为本实施例监控本体RDF格式临时文件到图数据库的映射流程示意图；
图3为本实施例监控本体RDF格式临时文件到图数据库的映射过程示例图；
图4为本实施例监控视频结构化数据的存储管理系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
如图1所示，在本实施例中，提供一种监控视频数据关联描述和存储管理的方法，包括下述步骤：
S1：构建监控目标画像的表示元组，用于形式化描述监控目标图像，包括车辆图像和人员画像，在本实施例中，监控本体数据来源，包括车辆卡口、人脸卡口、电子警察以及经过视频结构化技术提取出来的视频结构化目标数据，在本实施例中统称为监控结构化数据；
结合监控数据的特点，本实施例的监控目标画像使用四元组表示其逻辑结构，其中，四元组为：
VSP＝(T，SA，DA，R)，其中，
T表示监控目标画像类型，如车辆、人员；SA表示监控目标画像的静态属性，如车辆的车牌、颜色、品牌等信息，人员的性别、年龄、身份证信息等； DA表示监控目标画像的动态特征属性，如车辆的轨迹，人员的轨迹、衣着颜色等；R表示监控目标画像的关系特征，如某人驾驶某车、某人乘坐某车、某人与某人同行；
本实施例构建了监控目标图像表示模型，用于描述监控目标的全息车辆档案数据，可满足不同业务部门的应用需要；
S2：建立监控本体，定义监控本体类及监控本体类之间的关联关系；
将监控本体划分为两层结构，包括基础层，核心层，其中：基础层包含时间本体和地点本体；核心层包括车辆本体、人员本体和摄像头本体；
在确定监控领域本体的范围后，定义监控本体的逻辑结构，结合监控本体的特点，将监控本体抽象为一个五元组：O＝(OS,PS,RS,IS,Rules)，其中：
OS:表示监控本体类的集合，如车辆、人脸；PS：表示监控本体类的属性集合，包括数据属性和对象属性；RS：表示监控本体类之间的关联关系集合； IS：表示视频结构化对象本体类的实例集合；Rules表示本体中的推理规则，包括自定义的推理规则，用于补充公理，是本体推理的重要组成部分；
特别地，在RS关系集合中，各监控本体类之间的关系指的是车辆本体与车辆本体间的关系，车辆本体与地理位置的关系，车辆本体与摄像头本体的关系，车辆本体与人员本体的关系，人员本体与人员本体的关系，人员本体与地理位置的关系，人员本体与摄像头本体的关系；
在本实施例中，监控本体之间的关联关系如下表1所示，其中，L表示地理位置，C表示监控摄像头，V表示车辆，P表示人员；
表1监控本体之间的关联关系表
Figure RE-GDA0002274124800000071
为了更加便捷地表示监控本体间的关系，本实施例针对监控本体概念间的关系定义一种形式化的表达方式，其表达方法如下：
Prel(A)＝predicate(S(B))，其中“rel”表示对象属性，即关系，用于链接其他概念，Prel指的是监控本体间的关系；“S(B)代表同一个概念集合”，A代表一个概念，predicate代表对应的对象属性，即谓词；比如，S(B)＝(L1,L2,…,Ln), 其中L为地址，S(B)即为一个地点集合，Prel(A)中令A为车辆概念，predicate 谓词为Pass，此时，Prel(A)＝Pass(L1,L2,…,Ln)代表的是车辆A经过了地点 L1,L2,…,Ln；又比如Prel(A)＝takenBy(P1,P2,…,Pn)，可表示车辆A上的乘客为 P1,P2,…,Pn；
进一步地，结合监控领域中的相关概念，确定监控本体属性，部分重要属性如下：
车辆本体：车牌号、颜色、品牌、车型、拍摄时间、地点、拍摄摄像头、图片URL；
人员本体：上身颜色、下身颜色、年龄(段)、性别、图片URL、拍摄时间、地点、拍摄摄像头；
地点本体：经度、纬度、GeoHash、省、市、区、道路名称、建筑名；
摄像头本体：摄像头编号、地点、设备名称、设备厂商、设备型号、归属警种；
在本实施例中，监控本体的构建可以利用七步法、骨骼法、模块化等本体构建方法，使用Protégé本体构建工具进行构建，采用OWL逻辑描述语言进行描述，最终产生一系列相关的OWL文件，并以临时文件的形式存在；
S3：构建基于监控本体属性的规则库，利用推理机对监控对象本体进行推理分析，需要自定义符合当前业务所需的一些规则，这个规则不是固定的，可以根据业务需求动态的增加或删除，推理机会根据定义的规则自动的推理出用户需要获取的信息，从而有效提高隐藏关系的发现的能力。
结合各类交通法规、可疑行为判定方法，针对车辆本体，定义以下属性推理规则：
规则1：如果在单位时间内，两辆及以上的车辆经过了若干个相同的地点，则推测，这些车辆为伴随车辆。
规则2：如果在某一时间间隔内，同一辆车在不同的地点中出现，且这两个地点的距离超出了某个阈值，则推测，该车辆疑似套牌/被套牌。
规则3：如果在某一时间间隔内，某一车辆多次出现在某个地点，则推测，该车辆为可疑徘徊车辆。
针对人员本体，建立以下属性规则：
规则4：如果在单位时间内，多个人员经过了多个相同的地点，则推测，这些人员为同行人员；
规则5：如果在某一时间间隔内，某一人员多次出现在某个地点，则推测，该人员为可疑徘徊人员；
规则6：如果在多个时间间隔内，某一人员和某一车辆多次出现在某一地点，则推测，该人员和车辆存在关联；
本实施例中对属性规则进行形式化处理，如下所述：
比如，针对上述规则1，“如果在单位时间内，两辆及以上的车辆经过了若干个相同的地点，则推测，这些车辆为伴随车辆”形式化为：
如果A∈车辆，B∈车辆，L∈地点，(T1,T2)∈时间，A(Pass)L，A(Occur) T1，B(Pass)L，B(Occur)T2,|T1-T2|(lessThan)1min,则A(companyWith)B；
在本实施例中使用Jena规则语法对监控本体属性规则进行形式化，使用其他的推理机，如SWRL推理机也能实现对监控本体属性规则进行形式化；
本实施例通过构建监控视频结构化数据的本体库，汇聚多个边缘域的动态车辆、人员信息，以及其他可能的更多业务数据，为后续对监控视频数据以及其他数据的挖掘、发现提供了基本的数据存储管理方式；并提出监控本体之间关联关系以及属性推理规则，提高监控目标关联发现和推理能力；
S4：从外部数据源抽取数据映射到监控本体；
本实施例中的外部数据源可以采用关系数据库，所述的映射工具可以采用 D2RQ，映射后的文件为RDF文件格式，其RDF文件为临时文件，用于映射到图数据库中；
S5：将步骤S4中的监控本体通过映射转储到图数据库中；
将步骤S2中建立的监控本体OWL临时文件表示为RDF数据，映射到图数据库中，本实施例提供一个本体文件(RDF数据)到Neo4j图数据库的映射规则，通过在RDF图的数据结构和Neo4j数据库的存储结构之间建立映射关系，实现 Neo4j中监控本体数据的有效存储；
如图2、图3所示，RDF有向图(即OWL临时文件)到Neo4j图数据库的映射步骤，如下所述：
S51：遍历某个RDF节点的所有属性，包括对象属性和数据属性；即遍历 Vehicle01节点的所有属性，包括brand(品牌)、number(车牌号)、color(颜色)、type(类型)等对象属性及其对应的数据属性；
S52：把该RDF节点与Neo4j的资源标识符节点(iri节点)映射，创建开始节点；即在Neo4j中创建节点Vehicle01，并创建相应的对象属性；
S53：把所有数据属性与开始节点进行映射，创建开始节点的属性；即将步骤S51中的数据属性与对应的对象属性映射，完成属性赋值。比如将RDF的 color:black属性映射到iri节点的color属性，设置值为black；
S54：把对象属性RDF节点与Neo4j的资源标识符节点(iri节点)映射，创建结束节点，并且将对应的谓词与Neo4j的有向边进行映射，作为Neo4j边的属性，从而建立了开始节点到结束节点的关系映射；即创建Location01节点，并在Vehicle01和Location01节点之间建立pass的关系。
如图4所示，本实施例还提供一种监控视频数据关联描述和存储管理的系统，包括：监控目标画像表示模块、监控本体构建模块、数据抽取模块、数据转换及存储模块、推理模块；
监控目标画像表示模块，建立监控目标画像表示元组，用于形式化描述监控目标图象；
监控本体构建模块，用于建立监控本体，以及监控本体之间的关联关系；还包括建立监控本体和监控本体属性规则；
数据抽取模块，用于抽取各级系统的监控数据，包括车辆卡口数据、人脸卡口数据、视频结构化数据，一般地，这些数据可以存放在关系数据库(RDBMS) 如mysql、oracle中，或者非关系数据库(Nosql)如Hbase、Mongodb中。然后将数据通过数据转换及存储模块在本体的基础上转换成RDF格式的临时文件；
数据转换及存储模块，将RDF数据文件映射到Neo4j数据中，并且存储监控目标画像和监控本体推理规则；
推理模块，建立在推理机之上，在监控本体库构建完成后，可以利用其中的监控本体和规则进行挖掘，以获取其中的隐性关系。
针对业务系统多而孤立，数据应用的高需求，本实施例借助监控本体来实现监控系统产生的相关数据关联，以提高数据的利用率和情报研判工作效率和准确率。本实施例应用监控本体技术的主要目标就是实现数据与数据之间的链接和关联，代替传统数据库之间的外连接进行搜索发现，使用户能在数据搜索中找到更多相关的、可用的信息。
本实施例建立监控视频结构化对象的用户画像库、建立监控本体以及构建相关的推理规则，提供一套规范的监控目标画像表示方法和系统，有助于发现监控视频结构化数据之间的隐藏关系，更好的辅助日常业务中研判和侦察。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种监控视频数据关联描述和存储管理的方法，其特征在于，包括下述步骤：
S1：构建监控目标图像表示元组；
S2：构建监控本体，建立监控本体类，以及监控本体类之间的关联关系；
S3：预设基于监控本体属性的规则库，采用推理机对监控本体进行推理分析，获取数据的隐性关系；
S4：从外部数据源抽取数据映射到监控本体，将监控本体转换为RDF格式的临时文件；
S5：将监控本体转换后的RDF格式的临时文件通过映射转储到图数据库中。
2.根据权利要求1所述的监控视频数据关联描述和存储管理的方法，其特征在于，步骤S1中所述构建监控目标图像表示元组，所述监控目标图像表示元组采用四元组，具体表示为：
VSP＝(T，SA，DA，R)；
其中，T表示监控目标画像类型，SA表示监控目标画像的静态属性，DA表示监控目标画像的动态特征属性，R表示监控目标画像的关系特征。
3.根据权利要求1所述的监控视频数据关联描述和存储管理的方法，其特征在于，步骤S2中所述构建监控本体，所述监控本体划分为基础层和核心层，所述基础层包括时间本体和地点本体，所述核心层包括车辆本体、人员本体和摄像头本体。
4.根据权利要求1或3所述的监控视频数据关联描述和存储管理的方法，其特征在于，将所述监控本体表示为五元组，具体为：
O＝(OS,PS,RS,IS,Rules)；
其中，OS表示监控本体类的集合，PS表示监控本体类的属性集合，RS表示监控本体类之间的关联关系集合，IS表示视频结构化对象本体类的实例集合，Rules表示监控本体中的推理规则。
5.根据权利要求4所述的监控视频数据关联描述和存储管理的方法，其特征在于，将所述监控本体类之间的关联关系集合设置为：包括车辆本体与车辆本体间的关系，车辆本体与地理位置的关系，车辆本体与摄像头本体的关系，车辆本体与人员本体的关系，人员本体与人员本体的关系，人员本体与地理位置的关系，人员本体与摄像头本体的关系。
6.根据权利要求1所述的监控视频数据关联描述和存储管理的方法，其特征在于，步骤S2中所述构建监控本体，构建方法采用七步法、骨骼法或模块化构建方法中任意一种，构建工具采用Protégé本体构建工具，采用OWL逻辑描述语言进行描述，得到OWL文件，并以临时文件的形式存在。
7.根据权利要求1所述的监控视频数据关联描述和存储管理的方法，其特征在于，步骤S3中所述预设基于监控本体属性的规则库，对监控本体属性规则进行形式化处理，形式化表示为：
Prel(A)＝predicate(S(B))；
其中，rel表示对象属性，即关系，用于链接其他概念，Prel表示监控本体间的关系，S(B)代表同一个概念集合，A表示一个概念，predicate表示对应的对象属性，即谓词。
8.根据权利要求1所述的监控视频数据关联描述和存储管理的方法，其特征在于，步骤S4中所述从外部数据源抽取数据映射到监控本体，所述外部数据源采用关系数据库，映射工具采用D2RQ。
9.根据权利要求1或8所述的监控视频数据关联描述和存储管理的方法，其特征在于，步骤S5中所述将监控本体转换后的RDF格式的临时文件通过映射转储到图数据库中，具体步骤为：
S51：遍历某个RDF节点的所有属性，包括对象属性和数据属性；
S52：将步骤S51中的RDF节点与图数据库的资源标识符节点映射，创建开始节点；
S53：将对象属性与图数据库的资源标识符节点映射，创建结束节点，并且将对应的谓词与图数据库的有向边进行映射，作为图数据库边的属性，建立开始节点到结束节点的关系映射；
S54：将数据属性与开始节点进行映射，创建开始节点的属性。
10.一种监控视频数据关联描述和存储管理的系统，其特征在于，包括：监控目标画像表示模块、监控本体构建模块、推理模块、数据抽取模块、数据转换及存储模块；
所述监控目标画像表示模块用于构建监控目标图像表示元组，形式化描述监控目标图像；
所述监控本体构建模块用于建立监控本体、监控本体类以及监控本体类之间的关联关系；
所述推理模块用于采用预设基于监控本体属性的规则库对监控本体进行推理分析，获取数据的隐性关系；
所述数据抽取模块用于抽取监控数据；
所述数据转换及存储模块用于将监控数据转换成RDF格式的临时文件，将RDF格式的临时文件映射到图数据库中，并存储监控目标图像和预设的基于监控本体属性的规则库。
CN201910917309.XA 2019-09-26 2019-09-26 监控视频数据关联描述和存储管理的方法及系统 Pending CN110750678A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910917309.XA CN110750678A (zh) 2019-09-26 2019-09-26 监控视频数据关联描述和存储管理的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910917309.XA CN110750678A (zh) 2019-09-26 2019-09-26 监控视频数据关联描述和存储管理的方法及系统

Publications (1)

Publication Number Publication Date
CN110750678A true CN110750678A (zh) 2020-02-04

Family

ID=69277162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910917309.XA Pending CN110750678A (zh) 2019-09-26 2019-09-26 监控视频数据关联描述和存储管理的方法及系统

Country Status (1)

Country Link
CN (1) CN110750678A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256927A (zh) * 2020-10-21 2021-01-22 网易（杭州）网络有限公司 基于属性图的知识图谱数据处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528417A (zh) * 2015-12-07 2016-04-27 北京航空航天大学 一种基于本体的社区监控视频语义模型的应用系统和方法
CN105808734A (zh) * 2016-03-10 2016-07-27 同济大学 一种基于语义网的钢铁制造过程知识间隐性关系获取方法
CN110147376A (zh) * 2019-05-29 2019-08-20 中国石油大学(华东) 一种基于领域本体的油气大数据查询和存储方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528417A (zh) * 2015-12-07 2016-04-27 北京航空航天大学 一种基于本体的社区监控视频语义模型的应用系统和方法
CN105808734A (zh) * 2016-03-10 2016-07-27 同济大学 一种基于语义网的钢铁制造过程知识间隐性关系获取方法
CN110147376A (zh) * 2019-05-29 2019-08-20 中国石油大学(华东) 一种基于领域本体的油气大数据查询和存储方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李超: "视频侦查的知识图谱构建研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
肖佳等: "海量RDF数据存储查询研究", 《北京信息科技大学学报》 *
马玲: "基于本体的监控视频描述与检索研究及流媒体发布平台开发", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256927A (zh) * 2020-10-21 2021-01-22 网易（杭州）网络有限公司 基于属性图的知识图谱数据处理方法和装置
CN112256927B (zh) * 2020-10-21 2024-06-04 网易（杭州）网络有限公司 基于属性图的知识图谱数据处理方法和装置

Similar Documents

Publication Publication Date Title
CN110941612B (zh) 基于关联数据的自治数据湖构建系统及方法
CN107391673B (zh) 携带时间戳的中文通用知识图谱的生成方法及装置
CN111427968A (zh) 一种基于知识图谱的重点人员全息档案构建方法及装置
CN109344285A (zh) 一种面向监控的视频图谱构建和挖掘方法、设备
CN111241305A (zh) 数据处理方法和装置、电子设备及计算机可读存储介质
CN113051927B (zh) 基于多模态图卷积神经网络的社交网络突发事件检测方法
US11836637B2 (en) Construction method of human-object-space interaction model based on knowledge graph
CN111191041A (zh) 特征数据获取方法、数据存储方法、装置、设备及介质
CN111861830B (zh) 一种情报云平台
Santipantakis et al. OBDAIR: Ontology-Based Distributed framework for Accessing, Integrating and Reasoning with data in disparate data sources
CN115438199A (zh) 一种基于智慧城市场景数据中台技术的知识平台系统
Pilkevych et al. An analysis of approach to the fake news assessment based on the graph neural networks.
CN110750678A (zh) 监控视频数据关联描述和存储管理的方法及系统
Musaev et al. Detection of damage and failure events of road infrastructure using social media
Stojanovski et al. Social networks VGI: Twitter sentiment analysis of social hotspots
CN112306985A (zh) 一种数字视网膜多模态特征联合精准检索方法
Palacios et al. Wip-skod: A framework for situational knowledge on demand
CN115510116A (zh) 数据目录构建方法、装置、介质及设备
CN112528056B (zh) 双索引现场数据检索系统及方法
CN113239140A (zh) 复杂信息分析引擎架构
Ishikawa et al. Generalized difference method for generating integrated hypotheses in social big data
Dao Multimodal and Crossmodal AI for Smart Data Analysis
Jadhav et al. Unstructured big data information extraction techniques survey: Privacy preservation perspective
Janowicz et al. Fast Forward from Data to Insight:(Geographic) Knowledge Graphs and Their Applications
CN115170045B (zh) 一种惠企政策智能分析系统与方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200204

WD01 Invention patent application deemed withdrawn after publication