CN110866491B - 目标检索方法、装置、计算机可读存储介质和计算机设备 - Google Patents
目标检索方法、装置、计算机可读存储介质和计算机设备 Download PDFInfo
- Publication number
- CN110866491B CN110866491B CN201911106569.5A CN201911106569A CN110866491B CN 110866491 B CN110866491 B CN 110866491B CN 201911106569 A CN201911106569 A CN 201911106569A CN 110866491 B CN110866491 B CN 110866491B
- Authority
- CN
- China
- Prior art keywords
- feature vector
- video
- entity
- newly added
- database
- 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 42
- 239000013598 vector Substances 0.000 claims abstract description 406
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000004590 computer program Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 18
- 238000000926 separation method Methods 0.000 claims description 12
- 230000008520 organization Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- 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
- G06V40/172—Classification, e.g. identification
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种目标检索方法、装置、计算机可读存储介质和计算机设备,所述方法包括:当检测到实体检索请求时,获取实体检索请求对应的实体图片,并对实体图片进行特征向量提取,获得实体的特征向量。根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量,并根据相似特征向量确定对应的目标视频文件。特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量。本申请提供的方案可以直接从特征向量数据库中快速确定涉及新增实体的视频文件,无需重新对已处理过的历史视频进行再次检索,避免大量重复工作,提高了确定涉及新增实体的视频文件的处理效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种目标检索方法、装置、计算机可读存储介质和计算机设备。
背景技术
随着计算机技术的发展,以及图像处理和人脸识别技术的广泛应用,出现了基于视频进行目标视频文件确定的技术。通用的视频目标视频文件确定技术,多是基于已知目标人物的人脸库进行检索,通过基于关注的已知目标人物的人脸图像进行特征提取并新建人脸库,在后续视频检索过程中,对视频截图并进行特征提取后,在人脸库内搜索相似度最高的人脸向量,继而映射到对应的目标人物,从而从视频中检索出所关注的目标人物。
传统的视频目标视频文件确定技术,可以满足对已知目标人物的检索,但由于在实际应用过程中,通常会出现临时新增目标人物的情况。针对从已经处理过的历史视频中检索出临时新增的目标人物的情况,需要对已经处理过的历史视频进行重复检索,检索效率十分低下,导致无法快速确定涉及新增目标人物的视频文件。
发明内容
基于此,有必要针对新增实体检索效率十分低下导致无法及时确定涉及新增实体的视频文件的技术问题,提供一种目标检索方法、装置、计算机可读存储介质和计算机设备。
一种目标检索方法,包括:
当检测到实体检索请求时,获取所述实体检索请求对应的实体图片;
对所述实体图片进行特征向量提取,获得实体的特征向量;
根据所述实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;所述特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的所述实体与所述特征向量数据库中各特征向量所属的实体属于同一类别;
根据所述相似特征向量确定对应的目标视频文件。
一种目标检索装置,包括:
实体图片获取模块,用于当检测到实体检索请求时,获取所述实体检索请求对应的实体图片;
实体的特征向量获取模块,用于对所述实体图片进行特征向量提取,获得实体的特征向量;
相似特征向量确定模块,用于根据所述实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;所述特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的所述实体与所述特征向量数据库中各特征向量所属的实体属于同一类别;
目标视频文件确定模块,用于根据所述相似特征向量确定对应的目标视频文件。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现以下步骤:
当检测到实体检索请求时,获取所述实体检索请求对应的实体图片;
对所述实体图片进行特征向量提取,获得实体的特征向量;
根据所述实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;所述特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的所述实体与所述特征向量数据库中各特征向量所属的实体属于同一类别;
根据所述相似特征向量确定对应的目标视频文件。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现以下步骤:
当检测到实体检索请求时,获取所述实体检索请求对应的实体图片;
对所述实体图片进行特征向量提取,获得实体的特征向量;
根据所述实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;所述特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的所述实体与所述特征向量数据库中各特征向量所属的实体属于同一类别;
根据所述相似特征向量确定对应的目标视频文件。
上述目标检索方法、装置、计算机可读存储介质和计算机设备,当检测到实体检索请求时,获取实体检索请求对应的实体图片,并对实体图片进行特征向量提取,获得实体的特征向量。根据实体的特征向量,在特征向量数据库中进行相似搜索,可确定符合预设相似度的相似特征向量,并根据相似特征向量确定对应的目标视频文件。由于特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量,当需要对新增的实体进行检索时,无需重新对已处理过的历史视频进行再次检索,可直接从特征向量数据库中快速确定涉及新增实体的视频文件,从而避免了大量重复工作,提高了确定涉及新增实体的视频文件的处理效率。
附图说明
图1为一个实施例中目标检索方法的应用环境图;
图2为一个实施例中目标检索方法的流程示意图;
图3为另一个实施例中目标检索方法的流程示意图;
图4为一个实施例中确定符合预设相似度的相似特征向量的流程示意图;
图5为一个实施例中目标检索方法的整体架构图;
图6为一个实施例中目标检索装置的结构框图;
图7为另一个实施中目标检索装置的结构框图;
图8为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
图1为一个实施例中目标检索方法的应用环境图。参照图1,该目标检索方法应用于图1所示的应用环境中,包括终端102和服务器104,具体可以应用于图1所示的服务器104,其中,终端102和服务器104通过网络连接。当服务器104检测到用户在终端102发送的实体检索请求时,获取实体检索请求对应的实体图片,对实体图片进行特征向量提取,获得实体的特征向量。进而服务器104根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量,并根据相似特征向量确定对应的目标视频文件。其中,特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量,待检索的实体与特征向量数据库中各特征向量所属的实体属于同一类别。其中,终端102具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示,在一个实施例中,提供了一种目标检索方法。本实施例主要以该方法应用于上述图1中的服务器104来举例说明。参照图2,该目标检索方法具体包括如下步骤:
步骤S202,当检测到实体检索请求时,获取实体检索请求对应的实体图片。
其中,实体检索请求为用户在终端向服务器发送,实体可以是人脸、动植物、建筑以及车辆等。根据不同实体,对应的检索请求也不同,则实体检索请求可以包括人脸检索请求、动物检索请求、植物检索请求、建筑检索请求以及车辆检索请求等。
具体地,当检测到用户在终端发送的实体检索请求时,获取实体检索请求对应的实体图片,可以是人物、动植物、建筑群以及车辆等实体图片。
步骤S204,对实体图片进行特征向量提取,获得实体的特征向量。
具体地,在本实施例中,以实体检索请求为人脸检索请求为例,通过对获取得到的实体图片进行人脸检测,判断实体图片中是否存在人脸。当实体图片中不存在人脸时,发出图片有误的提示信息至用户,接收用户上传的实体图片重新进行人脸检测。
进一步地,当确定实体图片中存在人脸时,确定实体图片的人脸区域,并对人脸区域进行模型对齐,确定人脸区域的五点坐标。
其中,五点坐标包括左眼、右眼、鼻尖、左嘴角和右嘴角,基于确定的五点坐标进行特征向量提取,获取实体图片对应的实体的特征向量,即人脸特征向量。
步骤S206,根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量。
其中,特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量,待检索的实体与特征向量数据库中各特征向量所属的实体属于同一类别。即当待检索的实体为人脸时,对应特征向量数据库中的各特征向量也同属于人脸,当待检索的实体为动植物、建筑或车辆时,对应的特征向量数据的各特征向量属于待检索的实体的同一类别。
具体地,通过扫描特征向量数据库,获取特征向量数据库中的所有文档标识,并下载各文档标识对应的文档,通过对各文档进行反序列化操作,得到各文档对应的特征向量。根据待检索的实体的特征向量,对各文档对应的特征向量进行相似搜索,可确定与实体的特征向量存在预设相似度的相似特征向量。
在一个实施例中,可采用相似性搜索库faiss进行特征向量的相似搜索,基于相似性搜索库faiss,在各文档对应的特征向量中搜索,确定与实体的特征向量存在预设相似度的相似特征向量。
其中,faiss是针对聚类和相似性搜索的搜索库,本质上可以理解为一个向量或矢量数据库。faiss在应用场景中具备添加功能和搜索功能,为稠密向量提供高效相似度搜索和聚类,支持十亿级别向量的搜索,包含多种搜索任意大小向量集的算法,以及用于算法评估和参数调整的支持代码。以图片搜索为例,基于图片的相似度搜索,表示在给定的一堆图片中,寻找出与指定的目标图片相似度最高的K张图片。
步骤S208,根据相似特征向量确定对应的目标视频文件。
具体地,在确定与实体的特征向量存在预设相似度的相似特征向量后,确定与相似特征向量对应的目标文档标识,并获取与目标文档标识关联的视频编号,提取视频编号对应的目标视频文件。
上述目标检索方法,当检测到实体检索请求时,获取实体检索请求对应的实体图片,并对实体图片进行特征向量提取,获得实体的特征向量。根据实体的特征向量,在特征向量数据库中进行相似搜索,可确定符合预设相似度的相似特征向量,并根据相似特征向量确定对应的目标视频文件。由于特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量,当需要对新增的实体进行检索时,无需重新对已处理过的历史视频进行再次检索,可直接从特征向量数据库中快速确定涉及新增实体的视频文件,从而避免了大量重复工作,提高了确定涉及新增实体的视频文件的处理效率。
在一个实施例中,如图3所示,提供了一种目标检索方法,具体包括以下步骤:
步骤S302,当检测到实体检索请求时,获取视频数据库内所有的视频。
步骤S304,当确定所有的视频中存在新增视频时,对新增视频进行分离音/视频帧处理,得到视频截图。
具体地,新增视频为视频数据库内未进行视频处理以及特征向量提取的视频。当检测到用户发送的实体检索请求时,获取视频数据库内所有的视频,并需要对视频数据库内所有的视频进行筛选,确定其中是否包括未进行视频处理以及特征向量提取的新增视频。
其中,视频处理即为对视频进行分离音频帧处理和分离视频帧处理,根据得到的视频帧按截图间隔生成图片,得到视频截图。未进行特征向量提取表示该视频未进行视频处理,并且未针对得到的各视频截图进行特征向量提取操作。
进一步地,当确定视频数据库内存在新增视频时,拉取该些新增视频,并对该些新增视频进行分离音频帧处理和分离视频帧处理,进而根据得到的视频帧按截图间隔生成图片,得到视频截图。
其中,新增视频可以通过视频数据库与服务器进行联网操作更新得到,也可根据用户上传视频文件或提交视频链接得到。针对用户通过接口提交的视频链接的情况,可通过获取与视频链接对应的指定视频,并在指定视频中搜索需要关注的目标实体。
步骤S306,对所有视频截图进行实体的特征向量提取,得到新增视频的各实体的特征向量。
具体地,在本实施例中,以实体检索请求为人脸检索请求为例,通过对获取得到的实体图片进行人脸检测,判断实体图片中是否存在人脸。当确定实体图片中存在人脸时,确定实体图片的人脸区域,并对人脸区域进行模型对齐,确定人脸区域的五点坐标。
其中,五点坐标包括左眼、右眼、鼻尖、左嘴角和右嘴角,基于确定的五点坐标进行特征向量提取,获取实体图片对应的实体的特征向量,即人脸特征向量。
步骤S308,根据待检索的实体的特征向量,对新增视频的各实体的特征向量进行相似搜索,确定新增视频是否包括待检索的实体。
具体地,在本实施例中,基于相似性搜索库faiss,根据待检索的实体的特征向量,对新增视频的各实体的特征向量进行相似搜索,确定新增视频中是否包括待检索的实体。
进一步地,当根据待检索的实体的特征向量,确定新增视频中存在与待检索的实体特征向量相似度最高的特征向量时,根据与待检索的实体特征向量相似度最高的特征向量,从新增视频中确定对应的目标新增视频文件。
在一个实施例中,在对所有视频截图进行特征向量提取,得到新增视频的所有特征向量之后,还包括:将新增视频的各实体的特征向量以文档的组织形式存储至特征向量数据库中。
具体地,获取新增视频的视频编号,并将新增视频的各实体的特征向量存储为文档格式,得到对应的文档标识,将视频编号与文标识关联,并将文档存储至特征向量数据库中。
上述目标检索方法,当检测到实体检索请求,且确定所有的视频中存在新增视频时,对新增视频的所有视频截图进行实体的特征向量提取,得到新增视频的各实体的特征向量。进而可根据待检索的实体的特征向量,对新增视频的各实体的特征向量进行相似搜索,确定新增视频是否包括待检索的实体,并将新增视频的各实体的特征向量以文档的组织形式存储至特征向量数据库中。由于针对新增视频和已经过特征向量提取的历史视频,分别设置了不同的搜索方式,且将新增视频的各实体的特征向量存储至特征向量数据库中,为后续出现临时新增实体检索时,可从特征向量数据库中直接确定涉及新增实体的特征向量,进而确定涉及新增实体的特征向量的视频文件,避免大量重复操作,提高了工作效率。
在一个实施例中,如图4所示,确定符合预设相似度的相似特征向量的步骤,即根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量的步骤,具体包括以下S402至S406的步骤:
步骤S402,扫描特征向量数据库,获取特征向量数据库中的所有文档标识。
具体地,通过扫描特征向量数据库,并获取特征向量数据库中所有文档的文档标识,其中每个文档设置唯一的文档标识。
步骤S404,下载各文档标识对应的文档,并对各文档进行反序列化操作,得到各文档对应的特征向量。
具体地,通过多线程同时分批下载文档标识对应的文档,获得文档存储的文档组织形式的人脸特征向量,并将文档组织形式的人脸特征向量进行反序列化操作,生成解码后的人脸特征向量。
其中,序列化是将对象的状态信息转换为可以存储或传输的形式的过程,反序列化为序列化的逆操作。在序列化期间,对象将其当前状态写入到临时或持久性存储区。后续可以通过从存储区中读取或反序列化对象的状态,重新创建该对象,即进行反序列化操作。
步骤S406,根据待检索的实体的特征向量,对各文档对应的特征向量进行相似搜索,确定与实体的特征向量存在预设相似度的相似特征向量。
具体地,在本实施例中,可采用相似性搜索库faiss进行特征向量的相似搜索,基于相似性搜索库faiss,在各文档对应的特征向量中搜索,确定与实体的特征向量存在预设相似度的相似特征向量。
进一步地,实体的特征向量和文档对应的特征向量之间的相似度,可基于余弦相似度的计算方法得到。其中,余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小,余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似,也可称为余弦相似性。
具体来说,通过为不同余弦值设置对应的百分制数值,得到余弦值和百分制数值之间的映射关系表,根据计算得到的余弦值,可从映射关系表中得到该余弦值对应的百分制数值。其中,可将预设相似度的取值设置为95分及以上,将符合预设相似度值的文档的特征向量确定为相似特征向量。
上述符合预设相似度的相似特征向量的步骤,通过扫描特征向量数据库,获取特征向量数据库中的所有文档标识,并下载各文档标识对应的文档,对各文档进行反序列化操作,得到各文档对应的特征向量。根据待检索的实体的特征向量,对各文档对应的特征向量进行相似搜索,可快速确定与实体的特征向量存在预设相似度的相似特征向量,提高了相似特征向量的确定速度。
在一个实施例中,如图5所示,提供了一种目标检索方法整体架构图,具体包括接入层、逻辑处理层、模型识别层以及数据层。其中:
1)接入层设置现层状态转换应用程序对外接口,现层状态转换应用程序对外接口可用于进行目标人物数据管理。基于该对外接口,接入层可接受用户所在终端发送的检索请求,并将该检索请求进行转发。
其中,以实体检索请求为人脸搜索请求为例,接入层还需根据用户发送的实体检索请求,确定用户提交的实体图片是否为人脸图片。
2)逻辑处理层用于视频数据库中的各视频进行处理,包括拉取视频,对所拉取的视频进行分离音频帧处理和分离视频帧处理,进而根据得到的视频帧按截图间隔生成图片,得到视频截图,并将视频截图发送至模型识别层。
其中,逻辑处理层还用于接收与实体检索请求对应的目标视频文件,并将得到的目标视频文件,反馈至发送实体检索请求的用户。
3)模型识别层设置不同处理识别模型,包括人脸检索模型、图像识别模型、光学字符识别模型以及语音识别模型等,还可以包括其他识别模型,比如场景识别模型等。
其中,图像识别模型,用于识别实体图片中的图像是否与所发送的实体检索请求类型相对应,以实体检索请求为人脸检索请求为例,对实体图片进行图像识别,并未识别到该实体图片存在人脸时,需要向用户发出图片有误的提示信息,以提醒用户重新提交实体图片。
进一步地,当确定实体图片中存在人脸时,确定实体图片的人脸区域,并对人脸区域进行模型对齐,确定人脸区域的五点坐标。其中,五点坐标包括左眼、右眼、鼻尖、左嘴角和右嘴角,基于确定的五点坐标进行特征向量提取,获取实体图片对应的实体的特征向量,即人脸特征向量。
其中,人脸检索模型用于根据人脸特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量。
具体地,通过扫描特征向量数据库,获取特征向量数据库中的所有文档标识,并下载各文档标识对应的文档,通过对各文档进行反序列化操作,得到各文档对应的特征向量。根据待检索的人脸特征向量,对各文档对应的特征向量进行相似搜索,可确定与待检索的人脸特征向量存在预设相似度的相似特征向量。
其中,光学字符识别模型用于对文本资料进行扫描后对图像文件进行分析处理,获取文字及版面信息,语音识别模块用于对视频中分离的语音帧进行识别,将语音帧中的词汇内容转换为计算机可读的输入。
4)数据层包括Redis集群和MongoDB分片集群,其中,Redis集群是Redis提供的分布式数据库方案,集群通过分片进行数据共享,提供复制和故障转移功能。Redis是内存中的数据结构存储系统,支持多种类型的数据结构,可用作数据库,高速缓存和消息队列代理。
其中,对实体图片进行特征向量提取得到的实体的特征向量,会在Redis集群中备份存储,可防止实体图片对应的实体的特征向量数据丢失。
MongoDB集群更类似MySQL,支持字段索引、游标操作,其优势在于查询功能比较强大,能存储海量数据,但是不支持事务。MongoDB数据存储在内存,当内存不够时,只将热点数据放入内存,其他数据存在磁盘。在MongoDB分片集群中,设置了存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量的特征向量数据库。
图2-4为一个实施例中目标检索方法的流程示意图。应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图6所示,在一个实施例中,提供了一种目标检索装置,具体包括:实体图片获取模块602、实体的特征向量获取模块604、相似特征向量确定模块606以及目标视频文件确定模块608,其中:
实体图片获取模块602,用于当检测到实体检索请求时,获取实体检索请求对应的实体图片。
实体的特征向量获取模块604,用于对实体图片进行特征向量提取,获得实体的特征向量。
相似特征向量确定模块606,用于根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的实体与特征向量数据库中各特征向量所属的实体属于同一类别。
目标视频文件确定模块608,用于根据相似特征向量确定对应的目标视频文件。
上述目标检索装置,当检测到实体检索请求时,获取实体检索请求对应的实体图片,并对实体图片进行特征向量提取,获得实体的特征向量。根据实体的特征向量,在特征向量数据库中进行相似搜索,可确定符合预设相似度的相似特征向量,并根据相似特征向量确定对应的目标视频文件。由于特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量,当需要对新增的实体进行检索时,无需重新对已处理过的历史视频进行再次检索,可直接从特征向量数据库中快速确定涉及新增实体的视频文件,从而避免了大量重复工作,提高了确定涉及新增实体的视频文件的处理效率。
在一个实施例中,如图7所示,提供了一种目标检索装置,还包括视频获取模块702、视频截图获取模块704、特征向量提取模块706、相似搜索模块708以及特征向量存储模块710,其中:
视频获取模块702,当检测到实体检索请求时,获取视频数据库内所有的视频。
视频截图获取模块704,当确定所有的视频中存在新增视频时,用于对新增视频进行分离音/视频帧处理,得到视频截图;新增视频为视频数据库内未进行视频处理以及特征向量提取的视频。
特征向量提取模块706,用于对所有视频截图进行实体的特征向量提取,得到新增视频的各实体的特征向量。
相似搜索模块708,用于根据待检索的实体的特征向量,对新增视频的各实体的特征向量进行相似搜索,确定新增视频是否包括待检索的实体。
还包括特征向量存储模块710,用于将新增视频的各实体的特征向量以文档的组织形式存储至特征向量数据库中。
上述目标检索装置,针对新增视频和已经过特征向量提取的历史视频,分别设置了不同的搜索方式,且将新增视频的各实体的特征向量存储至特征向量数据库中,为后续出现临时新增实体检索时,可从特征向量数据库中直接确定涉及新增实体的特征向量,进而确定涉及新增实体的特征向量的视频文件,避免大量重复操作,提高了工作效率。
在一个实施例中,相似特征向量确定模块还用于:
扫描特征向量数据库,获取特征向量数据库中的所有文档标识;下载各文档标识对应的文档,并对各文档进行反序列化操作,得到各文档对应的特征向量;根据待检索的实体的特征向量,对各文档对应的特征向量进行相似搜索,确定与实体的特征向量存在预设相似度的相似特征向量。
上述相似特征向量确定模块,通过扫描特征向量数据库,获取特征向量数据库中的所有文档标识,并下载各文档标识对应的文档,对各文档进行反序列化操作,得到各文档对应的特征向量。根据待检索的实体的特征向量,对各文档对应的特征向量进行相似搜索,可快速确定与实体的特征向量存在预设相似度的相似特征向量,提高了相似特征向量的确定速度。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的服务器104。如图8所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现目标检索方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行目标检索方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。计算机设备的摄像头可以内嵌入显示屏,也可以是安装在计算机设备外壳上。计算机设备的声音采集装置和扬声器可以设置在计算机设备外壳上,也可以是外接的声音采集设备和扬声器。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的目标检索装置可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该目标检索装置的各个程序模块,比如,图6所示的实体图片获取模块、实体的特征向量获取模块、相似特征向量确定模块以及目标视频文件确定模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的目标检索方法中的步骤。
图8所示的计算机设备可以通过如图6所示的目标检索装置中的实体图片获取模块执行当检测到实体检索请求时,获取实体检索请求对应的实体图片的步骤。计算机设备可通过实体的特征向量获取模块执行对实体图片进行特征向量提取,获得实体的特征向量的步骤。计算机设备可通过相似特征向量确定模块执行根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量的步骤。计算机设备可通过目标视频文件确定模块执行根据相似特征向量确定对应的目标视频文件的步骤。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
当检测到实体检索请求时,获取实体检索请求对应的实体图片;
对实体图片进行特征向量提取,获得实体的特征向量;
根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的实体与特征向量数据库中各特征向量所属的实体属于同一类别;
根据相似特征向量确定对应的目标视频文件。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
当检测到实体检索请求时,获取视频数据库内所有的视频;
当确定所有的视频中存在新增视频时,对新增视频进行分离音/视频帧处理,得到视频截图;新增视频为视频数据库内未进行视频处理以及特征向量提取的视频;
对所有视频截图进行实体的特征向量提取,得到新增视频的各实体的特征向量;
根据待检索的实体的特征向量,对新增视频的各实体的特征向量进行相似搜索,确定新增视频是否包括待检索的实体。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
将新增视频的各实体的特征向量以文档的组织形式存储至特征向量数据库中。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
获取新增视频的视频编号;
将新增视频的各实体的特征向量存储为文档格式,得到文档标识;
将文档存储在特征向量数据库中,并将视频编号与文档标识关联。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
扫描特征向量数据库,获取特征向量数据库中的所有文档标识;
下载各文档标识对应的文档,并对各文档进行反序列化操作,得到各文档对应的特征向量;
根据待检索的实体的特征向量,对各文档对应的特征向量进行相似搜索,确定与实体的特征向量存在预设相似度的相似特征向量。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
确定相似特征向量对应的目标文档标识;
获取与目标文档标识关联的视频编号,提取视频编号对应的目标视频文件。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
对实体图片进行人脸检测;
当确定实体图片存在人脸时,确定实体图片的人脸区域;
将人脸区域进行模型对齐,确定五点坐标;五点坐标包括左眼、右眼、鼻尖、左嘴角和右嘴角;
基于五点坐标进行特征向量提取,获得对应的实体的特征向量。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
当检测到实体检索请求时,获取实体检索请求对应的实体图片;
对实体图片进行特征向量提取,获得实体的特征向量;
根据实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的实体与特征向量数据库中各特征向量所属的实体属于同一类别;
根据相似特征向量确定对应的目标视频文件。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
当检测到实体检索请求时,获取视频数据库内所有的视频;
当确定所有的视频中存在新增视频时,对新增视频进行分离音/视频帧处理,得到视频截图;新增视频为视频数据库内未进行视频处理以及特征向量提取的视频;
对所有视频截图进行实体的特征向量提取,得到新增视频的各实体的特征向量;
根据待检索的实体的特征向量,对新增视频的各实体的特征向量进行相似搜索,确定新增视频是否包括待检索的实体。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
将新增视频的各实体的特征向量以文档的组织形式存储至特征向量数据库中。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
获取新增视频的视频编号;
将新增视频的各实体的特征向量存储为文档格式,得到文档标识;
将文档存储在特征向量数据库中,并将视频编号与文档标识关联。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
扫描特征向量数据库,获取特征向量数据库中的所有文档标识;
下载各文档标识对应的文档,并对各文档进行反序列化操作,得到各文档对应的特征向量;
根据待检索的实体的特征向量,对各文档对应的特征向量进行相似搜索,确定与实体的特征向量存在预设相似度的相似特征向量。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
确定相似特征向量对应的目标文档标识;
获取与目标文档标识关联的视频编号,提取视频编号对应的目标视频文件。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下的步骤:
对实体图片进行人脸检测;
当确定实体图片存在人脸时,确定实体图片的人脸区域;
将人脸区域进行模型对齐,确定五点坐标;五点坐标包括左眼、右眼、鼻尖、左嘴角和右嘴角;
基于五点坐标进行特征向量提取,获得对应的实体的特征向量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种目标检索方法,其特征在于,所述方法包括:
当检测到实体检索请求时,获取所述实体检索请求对应的实体图片;
对所述实体图片进行特征向量提取,获得实体的特征向量;
根据所述实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;所述特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的所述实体与所述特征向量数据库中各特征向量所属的实体属于同一类别;
根据所述相似特征向量确定对应的目标视频文件;
所述方法还包括:
当检测到实体检索请求时,获取视频数据库内所有的视频;
当确定所有的视频中存在新增视频时,对所述新增视频进行分离音/视频帧处理,得到视频截图;所述新增视频为所述视频数据库内未进行分离音/视频帧处理以及特征向量提取的视频;
对所有所述视频截图进行实体的特征向量提取,得到所述新增视频的各实体的特征向量;
将所述新增视频的各实体的特征向量以文档的组织形式存储至所述特征向量数据库中;
根据待检索的实体的特征向量,在所述特征向量数据库中对所述新增视频的各实体的特征向量进行相似搜索,确定所述新增视频是否包括待检索的所述实体;
当根据待检索的实体的特征向量,确定所述新增视频中存在与待检索的实体的特征向量相似度最高的特征向量时,根据所述与待检索的实体的特征向量相似度最高的特征向量,从所述新增视频中确定对应的目标新增视频文件;
所述将所述新增视频的各实体的特征向量以文档的组织形式存储至所述特征向量数据库中,包括:
获取所述新增视频的视频编号;
将所述新增视频的各实体的特征向量存储为文档格式,得到文档标识;
将所述文档存储在特征向量数据库中,并将所述视频编号与文档标识关联。
2.根据权利要求1所述的方法,其特征在于,所述根据所述实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量,包括:
扫描所述特征向量数据库,获取所述特征向量数据库中的所有文档标识;
下载各所述文档标识对应的文档,并对各所述文档进行反序列化操作,得到各所述文档对应的特征向量;
根据待检索的所述实体的特征向量,对各所述文档对应的特征向量进行相似搜索,确定与所述实体的特征向量存在预设相似度的相似特征向量。
3.根据权利要求2所述的方法,其特征在于,其特征在于,在确定与所述实体的特征向量存在预设相似度的相似特征向量之后,还包括:
确定所述相似特征向量对应的目标文档标识;
获取与所述目标文档标识关联的视频编号,提取所述视频编号对应的目标视频文件。
4.根据权利要求1所述的方法,其特征在于,所述实体检索请求为人脸检索请求;所述对所述实体图片进行特征向量提取,获得实体的特征向量,包括:
对所述实体图片进行人脸检测;
当确定所述实体图片存在人脸时,确定所述实体图片的人脸区域;
将所述人脸区域进行模型对齐,确定五点坐标;所述五点坐标包括左眼、右眼、鼻尖、左嘴角和右嘴角;
基于所述五点坐标进行特征向量提取,获得对应的实体的特征向量。
5.一种目标检索装置,其特征在于,所述装置用于实现权利要求1至4任意一项所述的方法,所述装置包括:
实体图片获取模块,用于当检测到实体检索请求时,获取所述实体检索请求对应的实体图片;
实体的特征向量获取模块,用于对所述实体图片进行特征向量提取,获得实体的特征向量;
相似特征向量确定模块,用于根据所述实体的特征向量,在特征向量数据库中进行相似搜索,确定符合预设相似度的相似特征向量;所述特征向量数据库存储有历史检索时对视频数据库中的视频处理提取的各检索视频中所有实体的特征向量;待检索的所述实体与所述特征向量数据库中各特征向量所属的实体属于同一类别;
目标视频文件确定模块,用于根据所述相似特征向量确定对应的目标视频文件;
所述装置还包括:
视频获取模块,用于当检测到实体检索请求时,获取视频数据库内所有的视频;
视频截图获取模块,用于当确定所有的视频中存在新增视频时,对所述新增视频进行分离音/视频帧处理,得到视频截图;所述新增视频为所述视频数据库内未进行分离音/视频帧处理以及特征向量提取的视频;
特征向量提取模块,用于对所有所述视频截图进行实体的特征向量提取,得到所述新增视频的各实体的特征向量;
特征向量存储模块,用于将所述新增视频的各实体的特征向量以文档的组织形式存储至所述特征向量数据库中;
相似搜索模块,用于根据待检索的实体的特征向量,在所述特征向量数据库中对所述新增视频的各实体的特征向量进行相似搜索,确定所述新增视频是否包括待检索的所述实体;
当根据待检索的实体的特征向量,确定所述新增视频中存在与待检索的实体的特征向量相似度最高的特征向量时,根据所述与待检索的实体的特征向量相似度最高的特征向量,从所述新增视频中确定对应的目标新增视频文件;
所述特征向量存储模块,具体用于获取所述新增视频的视频编号;将所述新增视频的各实体的特征向量存储为文档格式,得到文档标识;将所述文档存储在特征向量数据库中,并将所述视频编号与文档标识关联。
6.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至4中任一项所述方法的步骤。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911106569.5A CN110866491B (zh) | 2019-11-13 | 2019-11-13 | 目标检索方法、装置、计算机可读存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911106569.5A CN110866491B (zh) | 2019-11-13 | 2019-11-13 | 目标检索方法、装置、计算机可读存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110866491A CN110866491A (zh) | 2020-03-06 |
CN110866491B true CN110866491B (zh) | 2023-11-24 |
Family
ID=69653458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911106569.5A Active CN110866491B (zh) | 2019-11-13 | 2019-11-13 | 目标检索方法、装置、计算机可读存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866491B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392672A (zh) * | 2020-03-11 | 2021-09-14 | 北京有限元科技有限公司 | 人脸检索方法、装置及存储介质 |
CN113297452A (zh) * | 2020-05-26 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 多级检索方法、多级检索装置及电子设备 |
CN113868440B (zh) * | 2020-06-30 | 2023-06-27 | 华为技术有限公司 | 特征库的管理方法、装置、设备及介质 |
CN111797259A (zh) * | 2020-07-10 | 2020-10-20 | 杭州慕锐科技有限公司 | 一种针对有褶皱形变的图像快速搜索方法 |
CN111814028B (zh) * | 2020-09-14 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种信息搜索方法及装置 |
CN112241684A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种人脸检索分布式计算方法及系统 |
CN112347307B (zh) * | 2020-09-17 | 2023-05-12 | 浙江大华技术股份有限公司 | 非机动车图像的检索方法、装置、系统和存储介质 |
CN112434183B (zh) * | 2020-11-30 | 2024-05-17 | 北京达佳互联信息技术有限公司 | 一种搜索结果的排序方法、装置、设备和存储介质 |
CN114201643B (zh) * | 2022-02-18 | 2022-06-17 | 深圳市明源云科技有限公司 | 视频流渠道风控方法、设备及计算机可读存储介质 |
CN114581821A (zh) * | 2022-02-23 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 一种视频检测方法、系统及存储介质和服务器 |
CN116148679B (zh) * | 2023-04-19 | 2023-07-07 | 深圳市伟创源科技有限公司 | 一种电池健康状态的预测方法及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储系统及设备 |
CN108932254A (zh) * | 2017-05-25 | 2018-12-04 | 中兴通讯股份有限公司 | 一种相似视频的检测方法、设备、系统及存储介质 |
CN110020093A (zh) * | 2019-04-08 | 2019-07-16 | 深圳市网心科技有限公司 | 视频检索方法、边缘设备、视频检索装置及存储介质 |
CN110209880A (zh) * | 2018-08-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 视频内容检索方法、视频内容检索装置及存储介质 |
CN110276002A (zh) * | 2019-06-26 | 2019-09-24 | 浙江大搜车软件技术有限公司 | 搜索应用数据处理方法、装置、计算机设备和存储介质 |
CN110348362A (zh) * | 2019-07-05 | 2019-10-18 | 北京达佳互联信息技术有限公司 | 标签生成、视频处理方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190236371A1 (en) * | 2018-01-30 | 2019-08-01 | Deluxe Entertainment Services Group Inc. | Cognitive indexing of images in digital video content |
-
2019
- 2019-11-13 CN CN201911106569.5A patent/CN110866491B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储系统及设备 |
CN108932254A (zh) * | 2017-05-25 | 2018-12-04 | 中兴通讯股份有限公司 | 一种相似视频的检测方法、设备、系统及存储介质 |
CN110209880A (zh) * | 2018-08-31 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 视频内容检索方法、视频内容检索装置及存储介质 |
CN110020093A (zh) * | 2019-04-08 | 2019-07-16 | 深圳市网心科技有限公司 | 视频检索方法、边缘设备、视频检索装置及存储介质 |
CN110276002A (zh) * | 2019-06-26 | 2019-09-24 | 浙江大搜车软件技术有限公司 | 搜索应用数据处理方法、装置、计算机设备和存储介质 |
CN110348362A (zh) * | 2019-07-05 | 2019-10-18 | 北京达佳互联信息技术有限公司 | 标签生成、视频处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110866491A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866491B (zh) | 目标检索方法、装置、计算机可读存储介质和计算机设备 | |
US10885100B2 (en) | Thumbnail-based image sharing method and terminal | |
EP3855324A1 (en) | Associative recommendation method and apparatus, computer device, and storage medium | |
US10650274B2 (en) | Image clustering method, image clustering system, and image clustering server | |
CN109325118B (zh) | 不平衡样本数据预处理方法、装置和计算机设备 | |
WO2021114612A1 (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
US11734341B2 (en) | Information processing method, related device, and computer storage medium | |
CN113378710A (zh) | 图像文件的版面分析方法、装置、计算机设备和存储介质 | |
CN111860313A (zh) | 基于人脸识别的信息查询方法、装置、计算机设备和介质 | |
CN110956195A (zh) | 图像匹配方法、装置、计算机设备及存储介质 | |
CN112015553A (zh) | 基于机器学习模型的数据处理方法、装置、设备和介质 | |
US20230222762A1 (en) | Adversarially robust visual fingerprinting and image provenance models | |
US20190364196A1 (en) | Method and Apparatus for Generating Shot Information | |
CN109086386B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN112052251B (zh) | 目标数据更新方法和相关装置、设备及存储介质 | |
CN111158606B (zh) | 存储方法、装置、计算机设备和存储介质 | |
CN117332766A (zh) | 流程图生成方法、装置、计算机设备和存储介质 | |
CN111047657A (zh) | 图片压缩方法、装置、介质及电子设备 | |
CN108228101B (zh) | 一种管理数据的方法和系统 | |
CN110688516A (zh) | 图像检索方法、装置、计算机设备和存储介质 | |
CN116226681A (zh) | 一种文本相似性判定方法、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 | |
CN115455222A (zh) | 图像检索方法、装置、计算机设备和计算机可读存储介质 | |
CN115146103A (zh) | 图像检索方法、装置、计算机设备、存储介质和程序产品 | |
CN113988223A (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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40022944 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |