CN110781348B - 一种视频文件分析方法 - Google Patents

一种视频文件分析方法 Download PDF

Info

Publication number
CN110781348B
CN110781348B CN201911021706.5A CN201911021706A CN110781348B CN 110781348 B CN110781348 B CN 110781348B CN 201911021706 A CN201911021706 A CN 201911021706A CN 110781348 B CN110781348 B CN 110781348B
Authority
CN
China
Prior art keywords
place
association relation
relation diagram
video file
identification
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
Application number
CN201911021706.5A
Other languages
English (en)
Other versions
CN110781348A (zh
Inventor
刘忠祺
徐松
黄凯
高鹏
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.)
Beijing Weisheng Adell Technology Co ltd
Original Assignee
Beijing Weisheng Adell Technology Co ltd
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 Beijing Weisheng Adell Technology Co ltd filed Critical Beijing Weisheng Adell Technology Co ltd
Priority to CN201911021706.5A priority Critical patent/CN110781348B/zh
Publication of CN110781348A publication Critical patent/CN110781348A/zh
Application granted granted Critical
Publication of CN110781348B publication Critical patent/CN110781348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • 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
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • 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
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开的视频文件分析方法，涉及数据分析技术领域，通过获取多个视频文件的图像标识及地点标识，建立不同视频文件之间的关联关系，实现了快速从多个视频文件中挖掘有用信息。

Description

一种视频文件分析方法
技术领域
本发明属于数据分析技术领域，具体涉及一种视频文件分析方法。
背景技术
随着智能移动终端的快速发展，互联网每时每刻都会涌现出海量、不同类别的视频文件。社交网络视频文件中蕴含着人物、地点等信息，这些信息在社会行为分析、安防、反恐等方面具有非常重要的作用。尽管视频文件中蕴含着高价值信息，但是由于视频文件相比音频、文本来说数据量较大，人工解读耗时耗力。
近几年来，深度学习技术的飞速发展，通过多层迭代得到更优的特征。例如人脸识别应用，基于人的脸部特征信息进行身份识别，即用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。车辆识别，广泛应用在套牌车查处、车牌遮挡等违法事件查处中。目前的主流视频文件分析方法均面向单一视频，忽略了不同视频文件之间的关联关系，不利于挖掘深层次信息。
所以说，如何充分利用视频文件，快速挖掘视频文件中的有用信息，是一个重要而且艰巨的任务。
发明内容
针对现有技术存在的缺陷，本发明实施例提供了一种视频文件分析方法，该方法包括以下步骤：
利用视频检测技术，从第一视频文件中提取人物图像及地点图像；
建立所述人物图像及所述地点图像与所述第一视频文件的关系，生成第一关联关系图；
将所述图像输入训练过的人工神经网络模型，得到相应的人物标识标识及地点标识；
重复上述步骤，得到多个视频文件对应的人物标识集合及地点标识集合；
根据所述人物标识集合及所述地点标识集合，获取与所述第一视频文件具有相同人物图像和/或所述地点图像的第二视频文件；
建立所述人物图像及所述地点图像与所述第二视频文件的关系，生成第二关联关系图；
根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图，生成所述第一视频文件及所述第二视频文件之间的组合关联关系图。
优选地，根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图包括：
当所述第一关联关系图及所述第二关联关系图存在相同的人物标识时，删除多余的人物标识后，根据所述人物标识，合并所述第一关联关系图及所述第二关联关系图。
优选地，根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图还包括：
当所述第一关联关系图及所述第二关联关系图存在相同的地点标识时，删除多余的地点标识后，根据所述地点标识合并所述第一关联关系图及所述第二关联关系图。
优选地，根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图还包括：
当所述第一关联关系图及所述第二关联关系图存在相同的人物标识及地点标识时，删除多余的人物标识及地点标识后，根据所述人物标识及地点标识，合并所述第一关联关系图及所述第二关联关系图。
优选地，所述神经网络模型的训练过程包括：
利用互联网，获取携带标注数据的多张人物图像及地点图像；
将所述人物图像及所述地点图像输入人工神经网络模型，对所述人工神经网络模型进行训练。
本发明实施例提供的视频文件分析方法具有以下有益效果：
通过获取多个视频文件的图像标识及地点标识，建立不同视频文件之间的关联关系，实现了快速从多个视频文件中挖掘有用信息。
附图说明
图1为本发明实施例提供的视频文件分析方法流程示意图；
图2为本发明实施例提供的第一视频文件对应的关联关系示意图；
图3为本发明实施例提供的第二视频文件对应的关联关系示意图；
图4为本发明实施例提供的第一视频文件及第二视频文件的组合关联关系示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示，本发明实施例提供的视频文件分析方法包括以下步骤：
S101，利用视频检测技术，从第一视频文件中提取人物图像及地点图像。
S102，建立人物图像及地点图像与第一视频文件的关系，生成第一关联关系图。
S103，将图像输入训练过的人工神经网络模型，得到相应的人物标识标识及地点标识。
其中，人工神经网络模型包括卷积神经网络模型和循环神经网络模型。根据人物及地点的类别，对人物及地点进行标识。
作为一个具体的实施例，如图2所示，第一视频文件包括人物标识A和B、地点标识C和D。
S104，重复上述步骤，得到多个视频文件对应的人物标识集合及地点标识集合。
S105，根据人物标识集合及地点标识集合，获取与第一视频文件具有相同人物图像和/或地点图像的第二视频文件。
S106，建立人物图像及地点图像与第二视频文件的关系，生成第二关联关系图。
作为一个具体的实施例，如图3所示，第二视频文件包括人物标识B和E、地点标识C。
S107，根据人物标识和/或地点标识，融合第一关联关系图及第二关联关系图，生成第一视频文件及第二视频文件之间的组合关联关系图。
其中，可以根据该组合关联关系图，获取人物、地点所属的社会群体。
作为一个具体的实施例，该组合关联关系图如图4所示。
可选地，根据所述人物标识和/或地点标识，融合第一关联关系图及第二关联关系图包括：
当第一关联关系图及第二关联关系图存在相同的人物标识时，删除多余的人物标识后，根据人物标识合并第一关联关系图及第二关联关系图。
可选地，根据人物标识和/或地点标识，融合第一关联关系图及所述第二关联关系图还包括：
当第一关联关系图及第二关联关系图存在相同的地点标识时，删除多余的地点标识后，根据地点标识，合并第一关联关系图及第二关联关系图。
可选地，根据人物标识和/或地点标识，融合第一关联关系图及第二关联关系图还包括：
当第一关联关系图及第二关联关系图存在相同的人物标识及地点标识时，删除多余的人物标识及地点标识后，根据人物标识及地点标识，合并第一关联关系图及第二关联关系图。
可选地，神经网络模型的训练过程包括：
利用互联网，获取携带标注数据的多张人物图像及地点图像；
将人物图像及地点图像输入人工神经网络模型，对人工神经网络模型进行训练。
本发明实施例提供的视频文件分析方法，通过获取多个视频文件的图像标识及地点标识，建立不同视频文件之间的关联关系，实现了快速从多个视频文件中挖掘有用信息。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及装置中的相关特征可以相互参考。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
需要说明的是，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (5)

1.一种视频文件分析方法，其特征在于，包括：
利用视频检测技术，从第一视频文件中提取人物图像及地点图像；
建立所述人物图像及所述地点图像与所述第一视频文件的关系，生成第一关联关系图；
将所述图像输入训练过的人工神经网络模型，得到相应的人物标识及地点标识；
重复上述步骤，得到多个视频文件对应的人物标识集合及地点标识集合；
根据所述人物标识集合及所述地点标识集合，获取与所述第一视频文件具有相同人物图像和/或所述地点图像的第二视频文件；
建立所述人物图像及所述地点图像与所述第二视频文件的关系，生成第二关联关系图；
根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图，生成所述第一视频文件及所述第二视频文件之间的组合关联关系图；
根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图包括：
当所述第一关联关系图及所述第二关联关系图存在相同的人物标识时，删除多余的人物标识后，根据所述人物标识，合并所述第一关联关系图及所述第二关联关系图。
2.根据权利要求1所述的视频文件分析方法，其特征在于，根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图还包括：
当所述第一关联关系图及所述第二关联关系图存在相同的地点标识时，删除多余的地点标识后，根据所述地点标识合并所述第一关联关系图及所述第二关联关系图。
3.根据权利要求1所述的视频文件分析方法，其特征在于，根据所述人物标识和/或地点标识，融合所述第一关联关系图及所述第二关联关系图还包括：
当所述第一关联关系图及所述第二关联关系图存在相同的人物标识及地点标识时，删除多余的人物标识及地点标识后，根据所述人物标识及地点标识，合并所述第一关联关系图及所述第二关联关系图。
4.根据权利要求1所述的视频文件分析方法，其特征在于，所述神经网络模型的训练过程包括：
利用互联网，获取携带标注数据的多张人物图像及地点图像；
将所述人物图像及所述地点图像输入人工神经网络模型，对所述人工神经网络模型进行训练。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4任意一项所述的视频文件分析方法。
CN201911021706.5A 2019-10-25 2019-10-25 一种视频文件分析方法 Active CN110781348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911021706.5A CN110781348B (zh) 2019-10-25 2019-10-25 一种视频文件分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911021706.5A CN110781348B (zh) 2019-10-25 2019-10-25 一种视频文件分析方法

Publications (2)

Publication Number Publication Date
CN110781348A CN110781348A (zh) 2020-02-11
CN110781348B true CN110781348B (zh) 2023-06-06

Family

ID=69386476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911021706.5A Active CN110781348B (zh) 2019-10-25 2019-10-25 一种视频文件分析方法

Country Status (1)

Country Link
CN (1) CN110781348B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017148064A1 (zh) * 2016-03-02 2017-09-08 乐视控股（北京）有限公司 一种基于用户行为分析的视频自动推送方法和装置
CN107832724A (zh) * 2017-11-17 2018-03-23 北京奇虎科技有限公司 从视频文件中提取人物关键帧的方法及装置
US10276189B1 (en) * 2016-12-28 2019-04-30 Shutterstock, Inc. Digital audio track suggestions for moods identified using analysis of objects in images from video content
CN109756760A (zh) * 2019-01-03 2019-05-14 中国联合网络通信集团有限公司 视频标签的生成方法、装置及服务器
CN110019939A (zh) * 2017-12-28 2019-07-16 Tcl集团股份有限公司 视频热度预测方法、装置、终端设备及介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7081579B2 (en) * 2002-10-03 2006-07-25 Polyphonic Human Media Interface, S.L. Method and system for music recommendation
US8619115B2 (en) * 2009-01-15 2013-12-31 Nsixty, Llc Video communication system and method for using same
CN102222103B (zh) * 2011-06-22 2013-03-27 央视国际网络有限公司 视频内容的匹配关系的处理方法及装置
EP3016052A4 (en) * 2013-06-25 2017-01-04 Dongguan Yulong Telecommunication Tech Co. Ltd. Data processing method and data processing system
US10448063B2 (en) * 2017-02-22 2019-10-15 International Business Machines Corporation System and method for perspective switching during video access
CN109241303B (zh) * 2018-06-29 2022-10-21 Oppo广东移动通信有限公司 视频创建方法及相关产品
CN109325148A (zh) * 2018-08-03 2019-02-12 百度在线网络技术（北京）有限公司 生成信息的方法和装置
CN109508453A (zh) * 2018-09-28 2019-03-22 西南电子技术研究所（中国电子科技集团公司第十研究所） 跨媒体情报目标要素关联分析系统及其关联分析方法
CN109543560A (zh) * 2018-10-31 2019-03-29 百度在线网络技术（北京）有限公司 一种视频中人物的分割方法、装置、设备和计算机存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017148064A1 (zh) * 2016-03-02 2017-09-08 乐视控股（北京）有限公司 一种基于用户行为分析的视频自动推送方法和装置
US10276189B1 (en) * 2016-12-28 2019-04-30 Shutterstock, Inc. Digital audio track suggestions for moods identified using analysis of objects in images from video content
CN107832724A (zh) * 2017-11-17 2018-03-23 北京奇虎科技有限公司 从视频文件中提取人物关键帧的方法及装置
CN110019939A (zh) * 2017-12-28 2019-07-16 Tcl集团股份有限公司 视频热度预测方法、装置、终端设备及介质
CN109756760A (zh) * 2019-01-03 2019-05-14 中国联合网络通信集团有限公司 视频标签的生成方法、装置及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多源异构战场信息关联挖掘技术研究;刘然;施晓东;刘超;;国防科技(第04期);全文 *

Also Published As

Publication number Publication date
CN110781348A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
CN105337928B (zh) 用户身份识别方法、安全保护问题生成方法及装置
US20130236070A1 (en) Automatic face detection and parental approval in images and video and applications thereof
CN109934074B (zh) 行动轨迹确定方法及装置
CN111159697B (zh) 一种密钥检测方法、装置及电子设备
CN104573434A (zh) 帐户保护方法、装置及系统
CN112734436A (zh) 一种支持人脸识别的终端以及方法
CN111191041A (zh) 特征数据获取方法、数据存储方法、装置、设备及介质
CN111241873A (zh) 图像翻拍检测方法及其模型的训练方法、支付方法及装置
CN112149103A (zh) 基于电子订单处理的电商平台入侵检测方法及计算机设备
CN113139527B (zh) 视频隐私保护方法、装置、设备及存储介质
CN110532773B (zh) 恶意访问行为识别方法、数据处理方法、装置和设备
CN104407699A (zh) 一种人机交互方法、装置及系统
CN110020134B (zh) 一种知识服务信息的推送方法、系统、存储介质和处理器
CN110728193A (zh) 一种脸部图像丰富度特征的检测方法及设备
CN110781348B (zh) 一种视频文件分析方法
CN107016028B (zh) 数据处理方法及其设备
Muchtar et al. Moving pedestrian localization and detection with guided filtering
CN111177320A (zh) 一种基于区块链的类案同判方法、设备及介质
CN108540471B (zh) 移动应用网络流量聚类方法、计算机可读存储介质和终端
CN115223022A (zh) 一种图像处理方法、装置、存储介质及设备
US20180150752A1 (en) Identifying artificial intelligence content
CN114090650A (zh) 一种样本数据识别方法、装置、电子设备及存储介质
CN108667685B (zh) 移动应用网络流量聚类装置
Sun et al. ZoomP3: Privacy-Preserving Publishing of Online Video Conference Recordings
CN106599002B (zh) 话题演化分析的方法及装置

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