CN111274435A - 视频的回溯方法、装置、电子设备及可读存储介质 - Google Patents
视频的回溯方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111274435A CN111274435A CN201811476050.1A CN201811476050A CN111274435A CN 111274435 A CN111274435 A CN 111274435A CN 201811476050 A CN201811476050 A CN 201811476050A CN 111274435 A CN111274435 A CN 111274435A
- Authority
- CN
- China
- Prior art keywords
- video
- personnel
- target
- retrieval
- person
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims description 32
- 238000013136 deep learning model Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 description 10
- 238000000605 extraction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/91—Television signal processing therefor
- H04N5/93—Regeneration of the television signal or of selected parts thereof
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种视频的回溯方法、装置、电子设备及可读存储介质。该方法包括：根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，进而根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果，便可根据检索结果，在视频流中调取目标视频画面，由于建立的视频索引所包含的数据量远小于视频流数据，基于该视频索引进行目标视频画面的检索，可实现对目标视频画面的快速、精确查找，有效提升视频回溯的效率。
Description
技术领域
本申请涉及社区安防技术领域，具体而言，本申请涉及一种视频的回溯方法、装置、电子设备及可读存储介质。
背景技术
随着人们生活质量和文化水平的不断提高，社区的安全防范问题越来越受到人们的重视。社区安防工作不仅关系到人们的生命、财产的安全,甚至关系到社会的和谐、稳定。因此，越来越多的安防技术应运而生，这些技术将使人们的社区与家居环境更为舒适和安全，给人们的生活带来更多的便捷。
其中，监控措施以其直观、及时和信息丰富等特性，理所当然地成为社区安防工作的重要组成部分。当前，将监控视频作为取证材料，是分析和追查事件的关键环节。监控视频可以让人们有依据地回顾事件发生的始末，从中查找相关线索，对侦查工作有着重大的指导意义。
然而在数字化的时代，监控视频的数据量呈现爆发式增长的趋势，人们需要回溯并观看海量冗长的监控视频，并从中查找目标信息，既耗费时间、人力、物力，效率低下，又容易造成信息滞后、漏看、错看等情况，给监控视频的回溯工作带来了很大的困难，往往也会导致错过最佳的事件追查时间。
发明内容
为克服上述技术问题或者至少部分地解决上述技术问题，特提出以下技术方案：
第一方面，本申请提供了一种视频的回溯方法，该方法包括：
根据采集装置采集的视频流中提取的人员特征信息，建立视频索引；
根据获取的人员检索请求，对所述视频索引执行检索操作，得到检索结果；
根据检索结果，在所述视频流中调取目标视频画面。
在一种可选的实现方式中，所述根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，包括：
对所述视频流的各个视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；
对所述各个人员检测结果进行特征提取，得到对应的人员特征信息；
根据各个人员特征信息，建立视频索引。
在一种可选的实现方式中，所述人员检索请求包括管理人员确定的目标人员图像。
在一种可选的实现方式中，根据所述目标人员图像，对所述视频索引执行检索操作，得到检索结果，包括：
对目标人员图像进行特征提取，得到目标人员特征信息；
基于所述目标人员特征信息和所述各个人员特征信息进行近似检索，得到检索结果。
在一种可选的实现方式中，所述在所述视频流中调取目标视频画面之后，还包括：
根据所述人员检索请求，对目标视频画面执行圈选操作；
确定所述圈选操作得到的圈选区域，并将位于所述圈选区域内的人员确定为所述目标人员。
在一种可选的实现方式中，所述根据所述人员检索请求，对目标视频画面执行圈选操作，包括：
基于所述视频索引，根据检索结果对应的人员特征信息，对目标视频画面执行圈选操作。
在一种可选的实现方式中，对目标视频画面执行圈选操作，包括：
通过预训练的深度学习模型对目标视频画面执行圈选操作。
第二方面，本申请提供了一种视频的回溯装置，该装置包括：
建立模块，用于根据采集装置采集的视频流中提取的人员特征信息，建立视频索引；
检索模块，用于根据获取的人员检索请求，对所述视频索引执行检索操作，得到检索结果；
调取模块，用于根据检索结果，在所述视频流中调取目标视频画面。
在一种可选的实现方式中，所述建立模块具体用于对所述视频流的各个视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；对所述各个人员检测结果进行特征提取，得到对应的人员特征信息；根据各个人员特征信息，建立视频索引。
在一种可选的实现方式中，所述人员检索请求包括管理人员确定的目标人员图像。
在一种可选的实现方式中，所述检索模块具体用于对目标人员图像进行特征提取，得到目标人员特征信息；基于所述目标人员特征信息和所述各个人员特征信息进行近似检索，得到检索结果。
在一种可选的实现方式中，所述调取模块还用于根据所述人员检索请求，对目标视频画面执行圈选操作；确定所述圈选操作得到的圈选区域，并将位于所述圈选区域内的人员确定为所述目标人员。
在一种可选的实现方式中，所述调取模块具体用于基于所述视频索引，根据检索结果对应的人员特征信息，对目标视频画面执行圈选操作。
在一种可选的实现方式中，所述调取模块具体用于通过预训练的深度学习模型对目标视频画面执行圈选操作。
第三方面，本申请提供了一种电子设备，该电子设备包括：
处理器和存储器，存储器存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如本申请的第一方面或第一方面的任一可选的实现方式中所示的回溯方法。
第四方面，本申请提供了一种计算机可读存储介质，计算机存储介质用于存储计算机指令、程序、代码集或指令集，当其在计算机上运行时，使得计算机执行如本申请的第一方面或第一方面的任一可选的实现方式中所示的回溯方法。
本申请提供的视频的回溯方法、装置、电子设备及可读存储介质，根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，进而根据获取的人员检索请求，对所述视频索引执行检索操作，得到检索结果，便可根据检索结果，在视频流中调取目标视频画面，由于建立的视频索引所包含的数据量远小于视频流数据，基于该视频索引进行目标视频画面的检索，可实现对目标视频画面的快速、精确查找，有效提升视频回溯的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图做简单的介绍。
图1为本申请实施例提供的一种视频的回溯方法的流程示意图；
图2为本申请实施例提供的一种视频的回溯装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供了一种视频的回溯方法，如图1所示，该方法包括：
步骤S101：根据采集装置采集的视频流中提取的人员特征信息，建立视频索引；
其中，采集装置可以为摄像头、摄像机等。一些特殊的场景下，采集装置还可以为无人机等。采集装置的数量可以为一个或多个，例如在社区安防等场景中，可以包括社区中配置的全部采集装置。
对于本申请实施例，执行主体可以为云端服务器。而在采集装置采集的视频流中提取人员特征信息的过程，可以由终端设备执行，也可以由云端服务器直接执行。可以是在接收到采集装置采集的视频流后实时地进行人员特征信息的提取。或者，从云端服务器获取已存储预定时间的视频流进行人员特征信息的提取，本申请实施例在此不做限定。
本申请实施例中，云端服务器会对建立的视频索引进行存储。另外，云端服务器还会对采集装置采集的视频流进行存储。实际应用中，可以根据视频流数据的存储周期来设置对应的视频索引数据的存储周期，以保持数据的一致性。
本申请实施例中，提取的人员特征信息可以包括视频流的每一帧视频画面中出现的所有人员的人员特征信息，并基于这些人员特征信息、与其对应的视频画面信息及与其对应的视频流信息的映射关系，建立视频索引。
步骤S102：根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果；
其中，人员检索请求可以根据管理人员从云端服务器的操作台输入的信息生成的。人员检索请求也可以是从其他设备接收的。该人员检索请求会携带目标人员的信息，可以用于确定目标人员的人员特征信息。
该步骤中，根据获取的人员检索请求确定出的目标人员的人员特征信息，在步骤S101建立的视频索引中执行检索操作，即检索匹配的人员特征信息，并根据检索到的各个匹配的人员特征信息对应的索引数据得到检索结果。
步骤S103：根据检索结果，在视频流中调取目标视频画面。
由于检索到的各个匹配的人员特征信息对应的索引数据会包含映射存储的这些人员特征信息对应的视频流信息及视频画面信息，即可基于视频流信息找到相应的视频流，并基于视频画面信息，在找到的视频流中调取目标视频画面。
本申请实施例提供的视频的回溯方法，根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，进而根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果，便可根据检索结果，在视频流中调取目标视频画面，由于建立的视频索引所包含的数据量远小于视频流数据，基于该视频索引进行目标视频画面的检索，可实现对目标视频画面的快速、精确查找，有效提升视频回溯的效率。
本申请实施例提供的视频的回溯方法，不仅能够为分析和追查事件提供有力支持，还能够用于基于监控视频的实时追踪技术。
具体而言，基于监控视频的实时追踪技术中，需要获取多个采集装置采集的视频画面；再根据获取的人员追踪请求，确定人员追踪请求对应的目标人员所在的视频画面对应的相关采集装置；继而基于相关采集装置进行实时地追踪。
结合本申请实施例提供的视频的回溯方法，根据多个采集装置采集的视频流中提取的人员特征信息，建立视频索引；根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果；根据检索结果，在视频流中调取目标视频画面，确定目标视频画面对应的相关采集装置，或者直接根据目标视频画面对应的视频流确定对应的相关采集装置，继而基于相关采集装置进行实时地追踪。
其中，人员追踪请求和人员检索请求可以相同也可以不同，本领域技术人员可以根据实际情况进行设置。
这样，就可以通过提升视频画面检索和采集装置检索的效率，进而提升实时追踪的效率，提高监控的灵活性、明确性和响应速度，保障了监控工作的可靠性。
本申请实施例中，为步骤S101提供了一种可行的实现方式，具体而言，包括步骤S1011(图中未示出)、步骤S1012(图中未示出)和步骤S1013(图中未示出)，其中，
步骤S1011：对视频流的各个视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；
本申请实施例中，针对每个视频画面，对人员进行人脸检测和/或人形检测，先要对视频画面中的人员进行边缘检测，提取由闭合的外边缘轮廓包围的区域，以将视频画面划分为多个区域，得到对应的边缘图像，即人员检测结果。例如可采用Sobel、Roberts或Canny等边缘检测算子。
步骤S1012：对各个人员检测结果进行特征提取，得到对应的人员特征信息；
对各个人员检测结果进行特征提取，可以是对边缘图像的重点区域进行特征的提取，得到对应的特征图像。即基于特征图像对视频画面中的每个人员进行识别，进而确定每个人员的信息，得到对应的人员特征信息。
步骤S1013：根据各个人员特征信息，建立视频索引。
基于这些人员特征信息，与其对应的视频画面信息及与其对应的视频流信息的映射关系，便可建立视频索引。
本申请实施例中，为步骤S102中的人员检索请求提供了一种可能的实现方式，具体而言，人员检索请求包括管理人员确定的目标人员图像。
那么，根据目标人员图像，对视频索引执行检索操作，需要对目标人员图像进行特征提取，得到目标人员特征信息，进而根据目标人员图像中提取的人员特征信息，在各个视频画面中提取的人员特征信息中进行检索，当检索到一致的人员特征信息时，即可根据检索到的各个一致的人员特征信息对应的索引数据得到检索结果，即基于目标人员特征信息和各个人员特征信息进行近似检索，得到检索结果。
其他实施例中，人员检索请求还可以包括管理人员在任一视频流中触发的点击操作对应的目标人员等，本领域技术人员可以根据实际情况进行设置。
本申请实施例还提供了一种可能的实现方式，在步骤S103之后，还包括步骤S104(图中未示出)和步骤S105(图中未示出)，其中，
步骤S104：根据人员检索请求，对目标视频画面执行圈选操作；
具体而言，在目标视频画面提取各个人员的人员特征信息，具体的提取方式可参见上述对步骤S101的介绍，在此不再赘述。将各个人员的人员特征信息与人员检索请求确定出的目标人员的人员特征信息进行匹配，对匹配一致的人员特征信息对应的人员执行圈选操作。
其中，在目标视频画面中对目标人员进行圈选即在目标视频画面中突出显示能够覆盖目标人员的圈选区域。例如，在圈选区域的边缘标注上显示框。实际应用中，圈选区域可以为任何能够覆盖该目标人员的形状，例如矩形，椭圆形等，也可以为目标人员的轮廓形状。
实际应用中，圈选区域还可以结合相应的边缘图像进行确定。
本申请实施例中，检测结果可以是基于人脸检测得到的，那么该圈选区域可设置为至少需覆盖目标人员的头像。或者，检测结果可以是基于人形检测得到的，那么该圈选区域可设置为需覆盖整个目标人员。或者，为了实现更高的识别精度，检测结果可以是共同基于人脸检测和基于人形检测得到的，例如为两种检测结果分配相应的权重等，那么该圈选区域可设置为需覆盖整个目标人员。
可以理解，需要针对步骤S103中获取的每个目标视频画面均执行上述圈选过程，以确定目标人员所出现的所有视频画面。
一种可能的实现方式中，可以直接基于视频索引，根据检索结果对应的人员特征信息，对目标视频画面执行圈选操作。由于检索结果中已包含与目标人员匹配的全部人员特征信息，直接根据前序步骤中提取的人员特征信息对目标视频画面执行圈选操作，而无需对目标视频画面重新进行识别，能够提升圈选的计算速度。
本申请实施例中，可以通过预训练的深度学习模型对各个目标视频画面执行圈选操作。
作为示例地，该深度学习模型是基于包含圈选结果的训练样本直接训练得到的，将各个目标视频画面及人员检索请求输入该深度学习模型，即可得到各个视频画面的圈选结果。
步骤S105：确定圈选操作得到的圈选区域，并将位于圈选区域内的人员确定为目标人员。
由上述介绍可知，在目标视频画面中对目标人员进行圈选可得到相应的圈选区域。本申请实施例中，会基于该圈选区域进行分析，根据该圈选区域，就可确定位于圈选区域内的人员即为目标人员，便于管理人员后续对目标视频画面进行查看和分析。
另外，本申请实施例中，步骤S103之后，还可以将各个目标视频画面进行融合处理。
一种可能的实现方式中，将各个目标视频画面按照预设规则融合成图像墙。例如按照目标人员的运动轨迹，或者按照时间顺序等。
另一种可能的实现方式中，由于各个目标视频画面可能是不同的采集装置从不同的角度对目标人员进行采集的，可以将同一时刻的不同角度的目标视频画面，融合成三维空间的图像。
这样便可更加清晰、直观地将追踪结果展示给相关管理人员查看。可选地，融合处理后的图像中可携带相应的圈选结果，进一步提升追踪结果的直观性。
本申请实施例提供的视频的回溯方法，根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，进而根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果，便可根据检索结果，在视频流中调取目标视频画面，由于建立的视频索引所包含的数据量远小于视频流数据，基于该视频索引进行目标视频画面的检索，可实现对目标视频画面的快速、精确查找，有效提升视频回溯的效率。
本领域技术人员应能理解，本申请实施例除了应用于社区安防等场景，还可以进行适当变化以迁移到类似场景，例如道路、商场、学校等，也就是说，基于该范例进行的适当变化以用于其他场景时，也可以属于本申请的精神或范畴。
本申请实施例还提供了一种视频的回溯装置，如图2示，该回溯装置20以包括：建立模块201、检索模块202和调取模块203，其中，
建立模块201用于根据采集装置采集的视频流中提取的人员特征信息，建立视频索引；
检索模块202用于根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果；
调取模块203用于根据检索结果，在视频流中调取目标视频画面。
在一种可选的实现方式中，建立模块201具体用于对视频流的各个视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；对各个人员检测结果进行特征提取，得到对应的人员特征信息；根据各个人员特征信息，建立视频索引。
在一种可选的实现方式中，人员检索请求包括管理人员确定的目标人员图像。
在一种可选的实现方式中，检索模块202具体用于对目标人员图像进行特征提取，得到目标人员特征信息；基于目标人员特征信息和各个人员特征信息进行近似检索，得到检索结果。
在一种可选的实现方式中，调取模块203还用于根据人员检索请求，对目标视频画面执行圈选操作；确定圈选操作得到的圈选区域，并将位于圈选区域内的人员确定为目标人员。
在一种可选的实现方式中，调取模块203具体用于基于视频索引，根据检索结果对应的人员特征信息，对目标视频画面执行圈选操作。
在一种可选的实现方式中，调取模块203具体用于通过预训练的深度学习模型对目标视频画面执行圈选操作。
本申请实施例提供的视频的回溯装置，根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，进而根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果，便可根据检索结果，在视频流中调取目标视频画面，由于建立的视频索引所包含的数据量远小于视频流数据，基于该视频索引进行目标视频画面的检索，可实现对目标视频画面的快速、精确查找，有效提升视频回溯的效率。
所属领域的技术人员可以清楚地了解到，本申请实施例提供的视频的回溯装置，其实现原理及产生的技术效果和前述方法实施例相同，为描述的方便和简洁，装置实施例部分未提及之处，可参考前述方法实施例中相应内容，在此不再赘述。
本申请实施例还提供了一种电子设备(例如上述云端服务器)，如图3所示，图3所示的电子设30包括：处理器301和存储器302，存储器302存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器301加载并执行以实现前述方法实施例中相应内容。
可选地，电子设备30还可以包括收发器303。处理器301和收发器303相连，如通过总线304相连。需要说明的是，实际应用中收发器303不限于一个，该电子设备30的结构并不构成对本申请实施例的限定。
其中，处理器301可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线304可包括一通路，在上述组件之间传送信息。总线304可以是PCI总线或EISA总线等。总线304可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器302可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
本申请实施例提供的电子设备，根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，进而根据获取的人员检索请求，对视频索引执行检索操作，得到检索结果，便可根据检索结果，在视频流中调取目标视频画面，由于建立的视频索引所包含的数据量远小于视频流数据，基于该视频索引进行目标视频画面的检索，可实现对目标视频画面的快速、精确查找，有效提升视频回溯的效率。
本申请实施例还提供了一种计算机可读存储介质，该计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种视频的回溯方法，其特征在于，包括：
根据采集装置采集的视频流中提取的人员特征信息，建立视频索引；
根据获取的人员检索请求，对所述视频索引执行检索操作，得到检索结果；
根据检索结果，在所述视频流中调取目标视频画面。
2.根据权利要求1所述的回溯方法，其特征在于，所述根据采集装置采集的视频流中提取的人员特征信息，建立视频索引，包括：
对所述视频流的各个视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；
对所述各个人员检测结果进行特征提取，得到对应的人员特征信息；
根据各个人员特征信息，建立视频索引。
3.根据权利要求2所述的回溯方法，其特征在于，所述人员检索请求包括管理人员确定的目标人员图像。
4.根据权利要求3所述的回溯方法，其特征在于，根据所述目标人员图像，对所述视频索引执行检索操作，得到检索结果，包括：
对目标人员图像进行特征提取，得到目标人员特征信息；
基于所述目标人员特征信息和所述各个人员特征信息进行近似检索，得到检索结果。
5.根据权利要求1-4任一项所述的回溯方法，其特征在于，所述在所述视频流中调取目标视频画面之后，还包括：
根据所述人员检索请求，对目标视频画面执行圈选操作；
确定所述圈选操作得到的圈选区域，并将位于所述圈选区域内的人员确定为所述目标人员。
6.根据权利要求5所述的回溯方法，其特征在于，所述根据所述人员检索请求，对目标视频画面执行圈选操作，包括：
基于所述视频索引，根据检索结果对应的人员特征信息，对目标视频画面执行圈选操作。
7.根据权利要求5所述的回溯方法，其特征在于，对目标视频画面执行圈选操作，包括：
通过预训练的深度学习模型对目标视频画面执行圈选操作。
8.一种视频的回溯装置，其特征在于，包括：
建立模块，用于根据采集装置采集的视频流中提取的人员特征信息，建立视频索引；
检索模块，用于根据获取的人员检索请求，对所述视频索引执行检索操作，得到检索结果；
调取模块，用于根据检索结果，在所述视频流中调取目标视频画面。
9.一种电子设备，其特征在于，包括：
处理器和存储器，所述存储器存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-7任一项所述的回溯方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质用于存储计算机指令、程序、代码集或指令集，当其在计算机上运行时，使得计算机执行如权利要求1-7任一项所述的回溯方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811476050.1A CN111274435A (zh) | 2018-12-04 | 2018-12-04 | 视频的回溯方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811476050.1A CN111274435A (zh) | 2018-12-04 | 2018-12-04 | 视频的回溯方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111274435A true CN111274435A (zh) | 2020-06-12 |
Family
ID=71003052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811476050.1A Pending CN111274435A (zh) | 2018-12-04 | 2018-12-04 | 视频的回溯方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111274435A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112735198A (zh) * | 2020-12-31 | 2021-04-30 | 深兰科技（上海）有限公司 | 实验教学系统及方法 |
| CN115984990A (zh) * | 2022-11-18 | 2023-04-18 | 北京思维实创科技有限公司 | 基于机器视角的车辆驾驶员驾驶事故追溯方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129474A (zh) * | 2011-04-20 | 2011-07-20 | 杭州华三通信技术有限公司 | 一种视频数据检索方法及其装置和系统 |
| CN103049459A (zh) * | 2011-10-17 | 2013-04-17 | 天津市亚安科技股份有限公司 | 一种基于特征识别的快速录像检索方法 |
| CN106327502A (zh) * | 2016-09-06 | 2017-01-11 | 山东大学 | 一种安防视频中多场景多目标识别和跟踪方法 |
| CN108304816A (zh) * | 2018-02-09 | 2018-07-20 | 北京京东金融科技控股有限公司 | 身份识别方法、装置、存储介质及电子设备 |
-
2018
- 2018-12-04 CN CN201811476050.1A patent/CN111274435A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129474A (zh) * | 2011-04-20 | 2011-07-20 | 杭州华三通信技术有限公司 | 一种视频数据检索方法及其装置和系统 |
| CN103049459A (zh) * | 2011-10-17 | 2013-04-17 | 天津市亚安科技股份有限公司 | 一种基于特征识别的快速录像检索方法 |
| CN106327502A (zh) * | 2016-09-06 | 2017-01-11 | 山东大学 | 一种安防视频中多场景多目标识别和跟踪方法 |
| CN108304816A (zh) * | 2018-02-09 | 2018-07-20 | 北京京东金融科技控股有限公司 | 身份识别方法、装置、存储介质及电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112735198A (zh) * | 2020-12-31 | 2021-04-30 | 深兰科技（上海）有限公司 | 实验教学系统及方法 |
| CN115984990A (zh) * | 2022-11-18 | 2023-04-18 | 北京思维实创科技有限公司 | 基于机器视角的车辆驾驶员驾驶事故追溯方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
| CN109145680B (zh) | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 | |
| CN105100748B (zh) | 一种视频监控系统及方法 | |
| US20230215126A1 (en) | Multi-Angle Object Recognition | |
| CN108012202B (zh) | 视频浓缩方法、设备、计算机可读存储介质及计算机装置 | |
| CN113811884A (zh) | 认知视频和音频的检索聚合 | |
| CN111222500A (zh) | 一种标签提取方法及装置 | |
| US20210357678A1 (en) | Information processing method and apparatus, and storage medium | |
| CN106295598A (zh) | 一种跨摄像头目标跟踪方法及装置 | |
| CN111931567B (zh) | 人体识别的方法及装置、电子设备、存储介质 | |
| WO2019214321A1 (zh) | 车辆损伤识别的处理方法、处理设备、客户端及服务器 | |
| WO2019127102A1 (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
| CN111274435A (zh) | 视频的回溯方法、装置、电子设备及可读存储介质 | |
| CN111178323B (zh) | 基于视频的群体行为识别方法、装置、设备及存储介质 | |
| CN115205330A (zh) | 轨迹信息生成方法、装置、电子设备和计算机可读介质 | |
| CN111914649A (zh) | 人脸识别的方法及装置、电子设备、存储介质 | |
| CN114870384A (zh) | 一种基于动态识别的太极拳训练方法及系统 | |
| US20190026277A1 (en) | System for creating an audio-visual recording of an event | |
| CN111783613B (zh) | 异常检测方法、模型的训练方法、装置、设备及存储介质 | |
| CN110263704B (zh) | 人脸数据采集方法、装置、服务器、视频采集器及介质 | |
| CN110378241B (zh) | 作物生长状态监控方法、装置、计算机设备及存储介质 | |
| Nazare et al. | Smart surveillance framework: A versatile tool for video analysis | |
| CN109033264B (zh) | 视频分析方法及装置、电子设备和存储介质 | |
| CN111277789A (zh) | 基于视频的社区安防方法、装置、电子设备及存储介质 | |
| CN111104915A (zh) | 一种同行分析方法、装置、设备和介质 |
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 |