CN111008578A - 一种视频文件数据价值评估方法 - Google Patents
一种视频文件数据价值评估方法 Download PDFInfo
- Publication number
- CN111008578A CN111008578A CN201911170020.2A CN201911170020A CN111008578A CN 111008578 A CN111008578 A CN 111008578A CN 201911170020 A CN201911170020 A CN 201911170020A CN 111008578 A CN111008578 A CN 111008578A
- Authority
- CN
- China
- Prior art keywords
- video file
- events
- people
- objects
- total
- 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.)
- Granted
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种视频文件数据价值评估方法,包括:按照一定频率对视频文件进行抽帧,对抽取的图像采用深度学习神经网络算法进行人物识别和事件识别,根据抽帧频率以及识别到的人、物和事件数量估算视频文件中人、物和事件出现的总数量,对不同的人、物和事件预设不同的单价,根据各类人、物和事件数量以及单价加权计算得到总价,即视频文件的数据价值。通过这种方法可以快速估算大量视频文件的数据价值,有利于根据价值进行数据定价,促进数据交易,以及根据数据价值确定数据存储和传输等方案。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种视频文件数据价值评估方法。
背景技术
近年来,伴随着云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业数字化的转型,数据量呈现几何级增长,全球数据总量将从2016年的16.1ZB增长到2025年的163ZB,十年10倍的增长,复合增长率为26%,推动大数据产业快速发展。
大数据是信息化发展的新阶段。我国各地对于发展大数据的积极性较高,在政策、技术、产业、应用等多个层面取得了显著进展,行业应用得到快速推广,市场规模增速明显,推动我国加快建设数据强国步伐。要发挥大数据的巨大的数据价值,不但需要海量的数据规模和多样的数据类型支持,还需要快速的数据流转和动态的数据体系,实现数据价值的最大化,对推进大数据产业创新发展更具有深远意义。
数据共享交易可实现数据、应用、解决方案的线上交易,当前存在的主要问题就是缺少对数据价值评估的方法,尤其是对视频文件数据价值的评估。
发明内容
本发明要解决以上技术问题,提供一种视频文件数据价值评估方法,通过快速估算大量视频文件的数据价值,有利于根据价值进行数据定价,促进数据交易,以及根据数据价值确定数据存储和传输等方案。
为解决上述技术问题,本发明采用的技术方案是:一种视频文件数据价值评估方法,包括:对视频文件按照抽帧频率抽帧,对抽取的图像通过深度学习神经网络算法进行人、物和事件识别,根据抽帧频率以及识别到的人、物和事件数量估算视频文件中人、物和事件出现的总数量,对不同的人、物和事件预设不同的单价,根据各类人、物和事件数量以及单价加权计算得出视频文件的数据总价值。
对视频文件的抽帧频率依据待识别人、物和事件数量的标准偏差以及价值确定,同时保证抽帧的总数大于等于10,且小于视频文件总帧数的20%。
视频文件中抽取的图像可识别的人、物包括行人、各类车辆、各种动物、标识牌、建筑物、无人机。
视频文件中抽取的图像可识别的事件包括烟雾、火灾、交通事故、路口交通溢出拥堵、车辆逆行、牌照无法识别、交通流量异常、违反限行、报废车辆上路行驶、非机动车闯红灯、外地车数量异常、逾期未检车辆上路行驶、机动车闯红灯、不文明停车、状态异常车辆识别、路口车辆交通秩序混乱、行人闯红灯、路段交通严重拥堵、车辆偏离路线、车型构成异常、行人翻越护栏、信号灯不正常显示、占道施工、道路积水。
所述根据抽帧频率以及识别到的人、物和事件数量估算视频文件中人、物和事件出现的总数量,包括以下步骤:
步骤一,从监控系统中保存视频文件,所述视频文件时长为t,总帧数为Nf,按照一定抽帧频率f对所述视频文件进行抽帧,对抽取的图像采用深度学习神经网络算法进行人、物和事件识别,可识别m种人、物和事件类型;
步骤二,根据抽帧频率f以及第i帧图像中识别出的第k类人、物和事件数量xi,k、视频文件总帧数Nf,估算第k类人、物和事件在所述视频文件中出现的总数量Nk以及标准偏差σk,计算公式如下:
n=ft (1)
其中,t为视频文件总时长,n为抽帧数量。
视频文件中出现的第k类人、物和事件的总数量Nk在1-α置信水平下的取值范围为:
所述对不同的人、物和事件预设不同的单价,根据各类人、物和事件数量以及单价加权计算得出视频文件的数据总价值,包括以下步骤:
步骤一,根据第k类人、物和事件在视频文件中出现的总数量Nk以及标准偏差σk,估算视频中第k类人、物和事件的价值Vk:
Vk=βkNk (6)
其中,βk为视频文件中第k类人、物和事件的基础价值参数;
步骤二,根据第k类人、物和事件在视频文件中的价值Vk计算视频文件
的总价值V:
其中,m为视频文件中人、物和事件的类型总数。
本发明具有的优点和积极效果是:一种视频文件数据价值评估方法,通过快速估算大量视频文件的数据价值,有利于根据价值进行数据定价,促进数据交易,以及根据数据价值确定数据存储和传输等方案。本发明能够对数据时代,海量视频文件进行价值评估,为数据共享及交易提供标尺。实现数据、应用、解决方案的线上交易,智能化匹配供需,加速数据融通、促进消费旺盛,实现数据价值的最大化。
附图说明
图1是一种视频文件数据价值评估方法的参数流程图。
具体实施方式
下面结合附图对本发明的具体实施例做详细说明。
如图1所示,一种视频文件数据价值评估方法,包括:对视频文件按照抽帧频率抽帧,对抽取的图像通过深度学习神经网络算法进行人、物和事件识别,根据抽帧频率以及识别到的人、物和事件数量估算视频文件中人、物和事件出现的总数量,对不同的人、物和事件预设不同的单价,根据各类人、物和事件数量以及单价加权计算得出视频文件的数据总价值。
对视频文件的抽帧频率依据待识别人、物和事件数量的标准偏差以及价值确定,同时保证抽帧的总数大于等于10,且小于视频文件总帧数的20%。
视频文件中抽取的图像可识别的人、物包括行人、各类车辆、各种动物、标识牌、建筑物、无人机。
视频文件中抽取的图像可识别的事件包括烟雾、火灾、交通事故、路口交通溢出拥堵、车辆逆行、牌照无法识别、交通流量异常、违反限行、报废车辆上路行驶、非机动车闯红灯、外地车数量异常、逾期未检车辆上路行驶、机动车闯红灯、不文明停车、状态异常车辆识别、路口车辆交通秩序混乱、行人闯红灯、路段交通严重拥堵、车辆偏离路线、车型构成异常、行人翻越护栏、信号灯不正常显示、占道施工、道路积水。
所述根据抽帧频率以及识别到的人、物和事件数量估算视频文件中人、物和事件出现的总数量,包括以下步骤:
步骤一,从监控系统中保存视频文件,所述视频文件时长为t,总帧数为Nf,按照一定抽帧频率f对所述视频文件进行抽帧,对抽取的图像采用深度学习神经网络算法进行人、物和事件识别,可识别m种人、物和事件类型;
步骤二,根据抽帧频率f以及第i帧图像中识别出的第k类人、物和事件数量xi,k、视频文件总帧数Nf,估算第k类人、物和事件在所述视频文件中出现的总数量Nk以及标准偏差σk,计算公式如下:
n=ft (1)
其中,t为视频文件总时长,n为抽帧数量。
视频文件中出现的第k类人、物和事件的总数量Nk在1-α置信水平下的取值范围为:
所述对不同的人、物和事件预设不同的单价,根据各类人、物和事件数量以及单价加权计算得出视频文件的数据总价值,包括以下步骤:
步骤一,根据第k类人、物和事件在视频文件中出现的总数量Nk以及标准偏差σk,估算视频中第k类人、物和事件的价值Vk:
Vk=βkNk (6)
其中,βk为视频文件中第k类人、物和事件的基础价值参数;
步骤二,根据第k类人、物和事件在视频文件中的价值Vk计算视频文件
的总价值V:
其中,m为视频文件中人、物和事件的类型总数。
一种视频文件数据价值评估方法最佳实施方式,从监控系统中保存下来的大容量视频文件,视频文件时长为t,总帧数为Nf,按照一定频率f进行抽帧,对抽取的图像采用深度学习神经网络算法进行人物识别和事件识别,可识别m种人、物和事件类型。为支持视频文件数据价值评估,要求抽帧的总数n大于等于10,且小于视频文件总帧数Nf的20%。
根据抽帧频率f以及第i帧图像中识别出的第k类人、物和事件数量xi,k估算第k类人、物和事件在视频文件中出现的总数量Nk以及标准偏差σk。对为视频文件中第k类人、物和事件预设基础价值参数βk,根据各类人、物和事件数量以及基础价值加权计算得到总价V,即视频文件的数据价值,实现快速估算大量视频文件的数据价值,根据价值进行数据定价,促进数据交易。
1)视频文件时长100s共3000帧,以1帧/10s的抽帧频率抽取图像10张。
2)利用抽帧图像,对抽取的图像采用深度学习神经网络算法进行人物识别和车辆识别。
抽取的10帧图像中,视频识别人和车的数量如表1所示:
表1视频识别人和车的数量
帧数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
人 | 2 | 3 | 2 | 4 | 4 | 1 | 3 | 5 | 3 | 3 |
车 | 1 | 1 | 1 | 1 | 4 | 0 | 3 | 1 | 2 | 2 |
视频文件中出现的人和车的数量Nk在0.95置信水平下的取值范围为:
3)根据人和车在视频文件中出现的数量Nk以及其对应的基础价值参数βk,估算视频中人和车的价值Vk:
V1=β1N1=0.001*(730,1069)=(0.730,1.069) (10)
V2=β2N2=0.002*(341,559)=(0.341,0.559) (11)
4)根据人和车在视频文件中的价值Vk计算视频文件的总价值V,输出视频价值明细表,如表2。
表2视频文件中各类人、物和事件的价值
k | β<sub>k</sub> | N<sub>k</sub> | V<sub>k</sub> |
1 | 0.001 | (730,1069) | (0.730,1.069) |
2 | 0.002 | (341,559) | (0.341,0.559) |
总计 | (1.071,1.628) |
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (7)
1.一种视频文件数据价值评估方法,其特征在于:包括对视频文件按照抽帧频率抽帧,对抽取的图像通过深度学习神经网络算法进行人、物和事件识别,根据抽帧频率以及识别到的人、物和事件数量估算视频文件中人、物和事件出现的总数量,对不同的人、物和事件预设不同的单价,根据各类人、物和事件数量以及单价加权计算得出视频文件的数据总价值。
2.根据权利要求1所述的一种视频文件数据价值评估方法,其特征在于,对视频文件的抽帧频率依据待识别人、物和事件数量的标准偏差以及价值确定,同时保证抽帧的总数大于等于10,且小于视频文件总帧数的20%。
3.根据权利要求2所述的一种视频文件数据价值评估方法,其特征在于:视频文件中抽取的图像可识别的人、物包括行人、各类车辆、各种动物、标识牌、建筑物、无人机。
4.根据权利要求3所述的一种视频文件数据价值评估方法,其特征在于:视频文件中抽取的图像可识别的事件包括烟雾、火灾、交通事故、路口交通溢出拥堵、车辆逆行、牌照无法识别、交通流量异常、违反限行、报废车辆上路行驶、非机动车闯红灯、外地车数量异常、逾期未检车辆上路行驶、机动车闯红灯、不文明停车、状态异常车辆识别、路口车辆交通秩序混乱、行人闯红灯、路段交通严重拥堵、车辆偏离路线、车型构成异常、行人翻越护栏、信号灯不正常显示、占道施工、道路积水。
5.根据权利要求4所述的一种视频文件数据价值评估方法,其特征在于:所述根据抽帧频率以及识别到的人、物和事件数量估算视频文件中人、物和事件出现的总数量,包括以下步骤:
步骤一,从监控系统中保存视频文件,所述视频文件时长为t,总帧数为Nf,按照一定抽帧频率f对所述视频文件进行抽帧,对抽取的图像采用深度学习神经网络算法进行人、物和事件识别,可识别m种人、物和事件类型;
步骤二,根据抽帧频率f以及第i帧图像中识别出的第k类人、物和事件数量xi,k、视频文件总帧数Nf,估算第k类人、物和事件在所述视频文件中出现的总数量Nk以及标准偏差σk,计算公式如下:
n=ft (1)
其中,t为视频文件总时长,n为抽帧数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911170020.2A CN111008578B (zh) | 2019-11-26 | 2019-11-26 | 一种视频文件数据价值评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911170020.2A CN111008578B (zh) | 2019-11-26 | 2019-11-26 | 一种视频文件数据价值评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008578A true CN111008578A (zh) | 2020-04-14 |
CN111008578B CN111008578B (zh) | 2023-06-23 |
Family
ID=70113218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911170020.2A Active CN111008578B (zh) | 2019-11-26 | 2019-11-26 | 一种视频文件数据价值评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008578B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210335127A1 (en) * | 2020-10-26 | 2021-10-28 | Beijing Baidu Netcom Science Technology Co., Ltd. | Traffic monitoring method, apparatus, device and storage medium |
WO2022156534A1 (zh) * | 2021-01-21 | 2022-07-28 | 北京沃东天骏信息技术有限公司 | 视频质量评估方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5832140A (en) * | 1993-12-14 | 1998-11-03 | Staplevision Inc. | Automated quality assurance image processing system |
US20120278824A1 (en) * | 2011-04-29 | 2012-11-01 | Cisco Technology, Inc. | System and method for evaluating visual worthiness of video data in a network environment |
US20140055610A1 (en) * | 2012-08-27 | 2014-02-27 | Korea University Research And Business Foundation | Indoor surveillance system and indoor surveillance method |
CN105243876A (zh) * | 2015-11-06 | 2016-01-13 | 东南大学 | 一种用于互通立交的交通冲突严重性分析方法 |
CN105681717A (zh) * | 2016-03-04 | 2016-06-15 | 广州星唯信息科技有限公司 | 公交车载监控视频的分布式存储方法及系统 |
CN107426533A (zh) * | 2017-05-19 | 2017-12-01 | 国网天津市电力公司 | 一种基于视频加密压缩和影像识别的视频监控影像识别系统 |
CN109379563A (zh) * | 2018-10-30 | 2019-02-22 | 华南师范大学 | 监控视频数据存储管理的方法和系统 |
CN110121108A (zh) * | 2018-02-06 | 2019-08-13 | 上海全土豆文化传播有限公司 | 视频价值评估方法及装置 |
CN110233991A (zh) * | 2019-06-03 | 2019-09-13 | 上海眼控科技股份有限公司 | 一种用于视频监控中视频遮挡的检测方法及系统 |
-
2019
- 2019-11-26 CN CN201911170020.2A patent/CN111008578B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5832140A (en) * | 1993-12-14 | 1998-11-03 | Staplevision Inc. | Automated quality assurance image processing system |
US20120278824A1 (en) * | 2011-04-29 | 2012-11-01 | Cisco Technology, Inc. | System and method for evaluating visual worthiness of video data in a network environment |
US20140055610A1 (en) * | 2012-08-27 | 2014-02-27 | Korea University Research And Business Foundation | Indoor surveillance system and indoor surveillance method |
CN105243876A (zh) * | 2015-11-06 | 2016-01-13 | 东南大学 | 一种用于互通立交的交通冲突严重性分析方法 |
CN105681717A (zh) * | 2016-03-04 | 2016-06-15 | 广州星唯信息科技有限公司 | 公交车载监控视频的分布式存储方法及系统 |
CN107426533A (zh) * | 2017-05-19 | 2017-12-01 | 国网天津市电力公司 | 一种基于视频加密压缩和影像识别的视频监控影像识别系统 |
CN110121108A (zh) * | 2018-02-06 | 2019-08-13 | 上海全土豆文化传播有限公司 | 视频价值评估方法及装置 |
CN109379563A (zh) * | 2018-10-30 | 2019-02-22 | 华南师范大学 | 监控视频数据存储管理的方法和系统 |
CN110233991A (zh) * | 2019-06-03 | 2019-09-13 | 上海眼控科技股份有限公司 | 一种用于视频监控中视频遮挡的检测方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210335127A1 (en) * | 2020-10-26 | 2021-10-28 | Beijing Baidu Netcom Science Technology Co., Ltd. | Traffic monitoring method, apparatus, device and storage medium |
WO2022156534A1 (zh) * | 2021-01-21 | 2022-07-28 | 北京沃东天骏信息技术有限公司 | 视频质量评估方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111008578B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887283B (zh) | 一种基于卡口数据的道路拥堵预测方法、系统及装置 | |
CN110188807A (zh) | 基于级联超分辨率网络与改进Faster R-CNN的隧道行人目标检测方法 | |
CN111368687A (zh) | 一种基于目标检测和语义分割的人行道车辆违停检测方法 | |
CN109191830A (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN113160575A (zh) | 一种非机动车辆及驾驶人的交通违法行为检测方法及系统 | |
CN112084890B (zh) | 基于gmm和cqfl的多尺度识别交通信号标志的方法 | |
CN111008578A (zh) | 一种视频文件数据价值评估方法 | |
CN115294767B (zh) | 一种高速公路车道线实时检测与交通安全预警方法及装置 | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
CN111209880A (zh) | 车辆行为识别方法、装置 | |
CN115662113A (zh) | 一种信号交叉口人车博弈冲突风险评估与预警方法 | |
CN112289037A (zh) | 基于复杂环境下高视角的机动车辆违规停车检测方法及系统 | |
WO2018209470A1 (zh) | 一种车牌辨识方法和系统 | |
Zheng et al. | A deep learning–based approach for moving vehicle counting and short-term traffic prediction from video images | |
Li et al. | The role of yielding cameras in pedestrian-vehicle interactions at un-signalized crosswalks: An application of game theoretical model | |
Toledo et al. | Alternative definitions of passing critical gaps | |
Gupta et al. | Real-time traffic control and monitoring | |
CN116229396B (zh) | 高速路面病害识别及告警方法 | |
Trpković et al. | Model for the identification and classification of partially damaged and vandalized traffic signs | |
CN114492544B (zh) | 模型训练方法及装置、交通事件发生概率评估方法及装置 | |
Jin et al. | An intelligent traffic detection approach for vehicles on highway using pattern recognition and deep learning | |
CN111064924A (zh) | 一种基于人工智能的视频监控方法及系统 | |
Hu et al. | An image-based crash risk prediction model using visual attention mapping and a deep convolutional neural network | |
CN112200835B (zh) | 一种交通事故检测方法、装置、电子设备及存储介质 | |
Wu et al. | Detection of front-view vehicle with occlusions using AdaBoost |
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 |