CN111010534A - 实时异步视频分析方法及系统 - Google Patents
实时异步视频分析方法及系统 Download PDFInfo
- Publication number
- CN111010534A CN111010534A CN201911092886.6A CN201911092886A CN111010534A CN 111010534 A CN111010534 A CN 111010534A CN 201911092886 A CN201911092886 A CN 201911092886A CN 111010534 A CN111010534 A CN 111010534A
- Authority
- CN
- China
- Prior art keywords
- time
- video frame
- video
- message
- real
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Abstract
本发明提供一种实时异步视频分析方法及系统。该实时异步视频分析方法包括:根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;根据摄像机ID获取视频帧对应的识别算法模型;将视频帧放入该视频帧对应的消息队列中;其中,识别算法模型与消息队列一一对应;从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果;推送识别结果。本发明可以稳定系统,降低系统故障率和运维成本。
Description
技术领域
本发明涉及视频分析领域,具体地,涉及一种实时异步视频分析方法及系统。
背景技术
随着人工智能深度学习技术的发展以及GPU并行计算能力的提升,人工智能技术在安防领域取得了突破性的进展。建设一个对客户友好、运维部署成本低、高效、可扩展的视频分析系统是人工智能视频分析的基础。
现有技术中各个模块的耦合性过高,某个单独模块故障将导致整个系统无法工作,大大增加了系统故障率。耦合性过高的模块所需使用的技术栈较多,系统的高复杂性通常会给开发人员带来干扰,增加了运维成本。
发明内容
本发明实施例的主要目的在于提供一种实时异步视频分析方法及系统,以稳定系统,降低系统故障率和运维成本。
为了实现上述目的,本发明实施例提供一种实时异步视频分析方法,包括:
根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;
根据摄像机ID获取视频帧对应的识别算法模型;
将视频帧放入该视频帧对应的消息队列中;其中,识别算法模型与消息队列一一对应;
从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果;
推送识别结果。
本发明实施例还提供一种实时异步视频分析系统,包括:
视频流获取单元,用于根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;
识别算法模型获取单元,用于根据摄像机ID获取视频帧对应的识别算法模型;
消息队列单元,用于将视频帧放入该视频帧对应的消息队列中;其中,识别算法模型与消息队列一一对应;
识别单元,用于从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果;
推送单元,用于推送识别结果。
本发明实施例还提供一种计算机设备,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,处理器执行计算机程序时实现所述的实时异步视频分析方法的步骤。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现所述的实时异步视频分析方法的步骤。
本发明实施例的实时异步视频分析方法及系统先根据获取的视频流提取多个视频帧,再根据摄像机ID获取视频帧对应的识别算法模型,然后将视频帧放入该视频帧对应的消息队列中;接着从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果,最后推送识别结果,可以稳定系统,降低系统故障率和运维成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中实时异步视频分析方法的流程图;
图2是本发明实施例中实时异步视频分析系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
鉴于现有技术的高耦合性导致系统不稳定,增加了系统故障率和运维成本,本发明实施例提供一种实时异步视频分析方法,以稳定系统,降低系统故障率和运维成本。以下结合附图对本发明进行详细说明。
图1是本发明实施例中实时异步视频分析方法的流程图。如图1所示,实时异步视频分析方法包括:
S101:根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID。
具体实施时,需要先对视频流进行解码,再根据预设的视频抽帧频率从解码后的视频流提取多个视频帧。提取多个视频帧后,可以根据预设的图像尺寸对视频帧进行裁剪。
S102:根据摄像机ID获取视频帧对应的识别算法模型。
其中,每个视频帧均对应一个或多个识别算法模型。
S103:将视频帧放入该视频帧对应的消息队列中;其中,识别算法模型与消息队列一一对应。
具体实施时,每个消息队列均有对应的队列最大长度。当位于队列中的消息数量大于该队列对应的队列最大长度时,消息队列会按照时间顺序从前往后依次删除消息。通过消息队列,可以降低系统的耦合性,支持实时高并发场景,有助于专人做专事。
S104:从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果。
其中,识别算法模型对应算法版本号、算法模型文件路径和算法句柄数等。根据消息对应的识别算法模型识别该消息之前,包括:根据预设的算法版本号、算法模型文件路径和算法句柄数调用识别算法模型。
S105:推送识别结果。
图1所示的实时异步视频分析方法的执行主体可以为计算机。由图1所示的流程可知,本发明实施例的实时异步视频分析方法先根据获取的视频流提取多个视频帧,再根据摄像机ID获取视频帧对应的识别算法模型,然后将视频帧放入该视频帧对应的消息队列中;接着从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果,最后推送识别结果,可以稳定系统,降低系统故障率和运维成本。
一实施例中,视频帧包括摄像时间;摄像机ID对应多个生效时间;生效时间与识别算法模型一一对应。
其中,视频帧对应的摄像机ID,识别算法模型,消息队列和生效时间等均可以实现动态配置,因此本发明支持横向扩展、动态扩容和内部动态多线程扩展。
此时S103包括:判断视频帧中的摄像时间是否在该视频帧对应的生效时间中;
当摄像时间在生效时间中时,将该视频帧放入该生效时间对应的消息队列中。
一实施例中,执行S104之后还包括:根据识别结果生成报警信息;当预设时间内的报警信息的数量大于预设数量时,推送报警信息。
或者,当预设时间内的报警数量与总识别结果数量的比大于预设百分比,则推送报警信息。
具体实施时,推送报警信息包括:获取当前时间与上一次推送报警信息时的报警时间;判断当前时间与上一次推送报警信息时的报警时间的差是否大于预设时间差;当该差大于预设时间差时,推送报警信息。
本发明实施例的具体流程如下:
1、对获取的视频流进行解码,根据预设的视频抽帧频率从解码后的视频流提取多个视频帧,并根据预设的图像尺寸对视频帧进行裁剪。
2、判断视频帧中的摄像时间是否在该视频帧对应的生效时间中。当摄像时间在生效时间中时,将该视频帧放入该生效时间对应的消息队列中。
3、根据预设的算法版本号、算法模型文件路径和算法句柄数调用识别算法模型。
4、从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果。
5、根据识别结果生成报警信息。
6、获取当前时间与上一次推送报警信息时的报警时间。
7、当预设时间内的报警信息的数量大于预设数量时,判断当前时间与上一次推送报警信息时的报警时间的差是否大于预设时间差。当该差大于预设时间差时,推送报警信息。
综上,本发明实施例的实时异步视频分析方法先根据获取的视频流提取多个视频帧,再根据摄像机ID获取视频帧对应的识别算法模型,然后将视频帧放入该视频帧对应的消息队列中;接着从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果,最后推送识别结果,可以稳定系统,降低系统故障率和运维成本。
基于同一发明构思,本发明实施例还提供了一种实时异步视频分析系统,由于该系统解决问题的原理与实时异步视频分析方法相似,因此该系统的实施可以参见方法的实施,重复之处不再赘述。
图2是本发明实施例中实时异步视频分析系统的结构框图。如图2所示,实时异步视频分析系统包括:
视频流获取单元,用于根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;
识别算法模型获取单元,用于根据摄像机ID获取视频帧对应的识别算法模型;
消息队列单元,用于将视频帧放入该视频帧对应的消息队列中;其中,识别算法模型与消息队列一一对应;
识别单元,用于从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果;
推送单元,用于推送识别结果。
在其中一种实施例中,视频帧包括摄像时间;摄像机ID对应多个生效时间;生效时间与识别算法模型一一对应;
消息队列单元具体用于:
判断视频帧中的摄像时间是否在该视频帧对应的生效时间中;
当摄像时间在生效时间中时,将该视频帧放入该生效时间对应的消息队列中。
在其中一种实施例中,还包括:
报警信息单元,用于根据识别结果生成报警信息;
推送单元还用于:当预设时间内的报警信息的数量大于预设数量时,推送报警信息。
在其中一种实施例中,推送单元具体用于:
获取当前时间与上一次推送报警信息时的报警时间;
判断当前时间与上一次推送报警信息时的报警时间的差是否大于预设时间差;
当该差大于预设时间差时,推送报警信息。
综上,本发明实施例的实时异步视频分析系统先根据获取的视频流提取多个视频帧,再根据摄像机ID获取视频帧对应的识别算法模型,然后将视频帧放入该视频帧对应的消息队列中;接着从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果,最后推送识别结果,可以稳定系统,降低系统故障率和运维成本。
本发明实施例还提供了一种计算机设备,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,处理器执行计算机程序时可以实现实时异步视频分析方法的全部或部分内容,例如,处理器执行计算机程序时可以实现如下内容:
根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;
根据摄像机ID获取视频帧对应的识别算法模型;
将视频帧放入该视频帧对应的消息队列中;其中,识别算法模型与消息队列一一对应;
从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果;
推送识别结果。
综上,本发明实施例的计算机设备先根据获取的视频流提取多个视频帧,再根据摄像机ID获取视频帧对应的识别算法模型,然后将视频帧放入该视频帧对应的消息队列中;接着从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果,最后推送识别结果,可以稳定系统,降低系统故障率和运维成本。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时可以实现实时异步视频分析方法的全部或部分内容,例如,处理器执行计算机程序时可以实现如下内容:
根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;
根据摄像机ID获取视频帧对应的识别算法模型;
将视频帧放入该视频帧对应的消息队列中;其中,识别算法模型与消息队列一一对应;
从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果;
推送识别结果。
综上,本发明实施例的计算机可读存储介质先根据获取的视频流提取多个视频帧,再根据摄像机ID获取视频帧对应的识别算法模型,然后将视频帧放入该视频帧对应的消息队列中;接着从消息队列中获取封装视频帧得到的消息,并根据消息对应的识别算法模型识别该消息,得到识别结果,最后推送识别结果,可以稳定系统,降低系统故障率和运维成本。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元,或装置都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
Claims (10)
1.一种实时异步视频分析方法,其特征在于,包括:
根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;
根据所述摄像机ID获取所述视频帧对应的识别算法模型;
将所述视频帧放入该视频帧对应的消息队列中;其中,所述识别算法模型与所述消息队列一一对应;
从所述消息队列中获取封装所述视频帧得到的消息,并根据所述消息对应的识别算法模型识别该消息,得到识别结果;
推送所述识别结果。
2.根据权利要求1所述的实时异步视频分析方法,其特征在于,
所述视频帧包括摄像时间;所述摄像机ID对应多个生效时间;所述生效时间与所述识别算法模型一一对应;
将所述视频帧放入该视频帧对应的消息队列中包括:
判断所述视频帧中的摄像时间是否在该视频帧对应的生效时间中;
当所述摄像时间在所述生效时间中时,将该视频帧放入该生效时间对应的消息队列中。
3.根据权利要求2所述的实时异步视频分析方法,其特征在于,还包括:
根据所述识别结果生成报警信息;
当预设时间内的报警信息的数量大于预设数量时,推送所述报警信息。
4.根据权利要求3所述的实时异步视频分析方法,其特征在于,推送所述报警信息包括:
获取当前时间与上一次推送报警信息时的报警时间;
判断所述当前时间与所述上一次推送报警信息时的报警时间的差是否大于预设时间差;
当该差大于预设时间差时,推送所述报警信息。
5.一种实时异步视频分析系统,其特征在于,包括:
视频流获取单元,用于根据获取的视频流提取多个视频帧;其中,每个视频帧均对应一个摄像机ID;
识别算法模型获取单元,用于根据所述摄像机ID获取所述视频帧对应的识别算法模型;
消息队列单元,用于将所述视频帧放入该视频帧对应的消息队列中;其中,所述识别算法模型与所述消息队列一一对应;
识别单元,用于从所述消息队列中获取封装所述视频帧得到的消息,并根据所述消息对应的识别算法模型识别该消息,得到识别结果;
推送单元,用于推送所述识别结果。
6.根据权利要求5所述的实时异步视频分析系统,其特征在于,
所述视频帧包括摄像时间;所述摄像机ID对应多个生效时间;所述生效时间与所述识别算法模型一一对应;
所述消息队列单元具体用于:
判断所述视频帧中的摄像时间是否在该视频帧对应的生效时间中;
当所述摄像时间在所述生效时间中时,将该视频帧放入该生效时间对应的消息队列中。
7.根据权利要求6所述的实时异步视频分析系统,其特征在于,还包括:
报警信息单元,用于根据所述识别结果生成报警信息;
所述推送单元还用于:当预设时间内的报警信息的数量大于预设数量时,推送所述报警信息。
8.根据权利要求7所述的实时异步视频分析系统,其特征在于,所述推送单元具体用于:
获取当前时间与上一次推送报警信息时的报警时间;
判断所述当前时间与所述上一次推送报警信息时的报警时间的差是否大于预设时间差;
当该差大于预设时间差时,推送所述报警信息。
9.一种计算机设备,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权利要求1至4任一项所述的实时异步视频分析方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4任一项所述的实时异步视频分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911092886.6A CN111010534A (zh) | 2019-11-11 | 2019-11-11 | 实时异步视频分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911092886.6A CN111010534A (zh) | 2019-11-11 | 2019-11-11 | 实时异步视频分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111010534A true CN111010534A (zh) | 2020-04-14 |
Family
ID=70111204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911092886.6A Pending CN111010534A (zh) | 2019-11-11 | 2019-11-11 | 实时异步视频分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111010534A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114245078A (zh) * | 2021-12-17 | 2022-03-25 | 广州西麦科技股份有限公司 | 应用多种Al识别算法对现场作业安全管控的方法及装置 |
CN115866162A (zh) * | 2021-09-26 | 2023-03-28 | 中移雄安信息通信科技有限公司 | 视频流生成方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100303097A1 (en) * | 2009-05-27 | 2010-12-02 | Takuya Otani | System And Method For Packetizing Image Data For Serial Transmission |
CN103391425A (zh) * | 2013-07-03 | 2013-11-13 | 深圳辉锐天眼科技有限公司 | 基于时分复用视频分析的监控智能化改造方法及系统 |
CN107633238A (zh) * | 2017-10-12 | 2018-01-26 | 深圳市信海通科技有限公司 | 一种视频分析方法以及智能分析服务器 |
CN109803114A (zh) * | 2017-11-17 | 2019-05-24 | 中国电信股份有限公司 | 监控前端控制方法、装置和视频监控系统 |
CN109922315A (zh) * | 2019-03-01 | 2019-06-21 | 西安电子科技大学 | 一种基于Spark与OpenCV的实时视频行为分析方法 |
CN110362713A (zh) * | 2019-07-12 | 2019-10-22 | 四川长虹电子系统有限公司 | 基于Spark Streaming的视频监控预警方法及系统 |
CN110365942A (zh) * | 2019-07-18 | 2019-10-22 | 北京工业大数据创新中心有限公司 | 一种实时视频智能分析方法和系统 |
CN110611784A (zh) * | 2019-10-17 | 2019-12-24 | 江苏省水利科学研究院 | 一种可防篡改的多摄像头记录仪的拍摄存储方法 |
-
2019
- 2019-11-11 CN CN201911092886.6A patent/CN111010534A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100303097A1 (en) * | 2009-05-27 | 2010-12-02 | Takuya Otani | System And Method For Packetizing Image Data For Serial Transmission |
CN103391425A (zh) * | 2013-07-03 | 2013-11-13 | 深圳辉锐天眼科技有限公司 | 基于时分复用视频分析的监控智能化改造方法及系统 |
CN107633238A (zh) * | 2017-10-12 | 2018-01-26 | 深圳市信海通科技有限公司 | 一种视频分析方法以及智能分析服务器 |
CN109803114A (zh) * | 2017-11-17 | 2019-05-24 | 中国电信股份有限公司 | 监控前端控制方法、装置和视频监控系统 |
CN109922315A (zh) * | 2019-03-01 | 2019-06-21 | 西安电子科技大学 | 一种基于Spark与OpenCV的实时视频行为分析方法 |
CN110362713A (zh) * | 2019-07-12 | 2019-10-22 | 四川长虹电子系统有限公司 | 基于Spark Streaming的视频监控预警方法及系统 |
CN110365942A (zh) * | 2019-07-18 | 2019-10-22 | 北京工业大数据创新中心有限公司 | 一种实时视频智能分析方法和系统 |
CN110611784A (zh) * | 2019-10-17 | 2019-12-24 | 江苏省水利科学研究院 | 一种可防篡改的多摄像头记录仪的拍摄存储方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115866162A (zh) * | 2021-09-26 | 2023-03-28 | 中移雄安信息通信科技有限公司 | 视频流生成方法、装置、电子设备及存储介质 |
CN114245078A (zh) * | 2021-12-17 | 2022-03-25 | 广州西麦科技股份有限公司 | 应用多种Al识别算法对现场作业安全管控的方法及装置 |
CN114245078B (zh) * | 2021-12-17 | 2024-04-09 | 广州西麦科技股份有限公司 | 应用多种Al识别算法对现场作业安全管控的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017005149A1 (zh) | 一种游戏加速方法和装置 | |
CN109936715B (zh) | 一种mp4文件的处理方法及其相关设备 | |
CN111010534A (zh) | 实时异步视频分析方法及系统 | |
CN109327357A (zh) | 应用软件的特征提取方法、装置及电子设备 | |
CN102244767A (zh) | 一种云监控系统及方法 | |
CN106961632A (zh) | 视频质量分析方法及装置 | |
CN109966742A (zh) | 游戏运行中获取渲染性能数据的方法及装置 | |
CN106210032A (zh) | 基于终端数据批量上报的方法及装置 | |
CN109429082B (zh) | 直播人气检测方法、存储介质、电子设备及系统 | |
CN108737328B (zh) | 一种浏览器用户代理识别方法、系统及装置 | |
EP2741449B1 (en) | Processing of call data records | |
CN111325078A (zh) | 一种人脸识别方法、装置及存储介质 | |
WO2020000742A1 (zh) | 一种去重流量记录方法、装置、服务器及存储介质 | |
CN111210826B (zh) | 语音信息处理方法、装置、存储介质和智能终端 | |
CN111369591A (zh) | 一种运动物体的跟踪方法、装置及设备 | |
CN102881306A (zh) | 一种视频文件转码方法及装置 | |
JP7375089B2 (ja) | 音声応答速度確定方法、装置、コンピュータ読み取り可能な記憶媒体及びコンピュータプログラム | |
CN110347597B (zh) | 图片服务器的接口测试方法、装置、存储介质与移动终端 | |
CN111814669A (zh) | 一种银行网点异常行为的识别方法及装置 | |
CN109981548B (zh) | 一种计费消息的解析方法及装置 | |
CN112861612A (zh) | 拍摄图像的方法、装置、电子设备及存储介质 | |
CN112825081A (zh) | 录像信息处理方法、装置、电子设备、处理器及可读介质 | |
CN111541864A (zh) | 一种数字视网膜软件定义摄像机方法及系统 | |
CN113438521B (zh) | 视频文件生成方法、装置、计算机设备和存储介质 | |
CN106003042B (zh) | 面向机器人的新应用接入方法及接入装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200414 |