CN111339168A - 数据处理方法、装置、系统、存储介质和处理器 - Google Patents
数据处理方法、装置、系统、存储介质和处理器 Download PDFInfo
- Publication number
- CN111339168A CN111339168A CN202010152950.1A CN202010152950A CN111339168A CN 111339168 A CN111339168 A CN 111339168A CN 202010152950 A CN202010152950 A CN 202010152950A CN 111339168 A CN111339168 A CN 111339168A
- Authority
- CN
- China
- Prior art keywords
- case
- target
- field
- rule
- video
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 claims description 18
- 238000011835 investigation Methods 0.000 claims description 18
- 238000005065 mining Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 2
- 238000000556 factor analysis Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种数据处理方法、装置、系统、存储介质和处理器。其中，该方法包括：获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。本发明解决了案件的处理效率低的技术问题。
Description
技术领域
本发明涉及数据处理领域，具体而言，涉及一种数据处理方法、装置、系统、存储介质和处理器。
背景技术
目前，关于案件的处理，通常是依据办案人员的经验和知识储备来对案件进行调查和处理，从而对人工的依赖性比较高，还未形成在调查过程中较为规范的字段及录入。这样办案人员的经验较低或者知识储备不足的情况下，难以高效地对案件进行处理，进而导致对案件处理的效率低。
针对上述案件的处理效率低的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种数据处理方法、装置、系统、存储介质和处理器，以至少解决案件的处理效率低的技术问题。
根据本发明实施例的一个方面，提供了一种数据处理方法。该方法可以包括：获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。
可选地，基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像，包括：从目标案件中提取出至少两个风险特征；对提取出的至少两个风险特征进行组合，得到第一组合结果；对第一组合结果进行运算，得到多帧连续性图像。
可选地，在按照目标规则对案情字段进行分析，得到分析结果之前，该方法包括：由规则引擎从目标案件中提取出至少两个风险因子；对提取出的至少两个风险因子进行组合，得到第二组合结果；对第二组合结果进行运算，得到目标规则。
可选地，规则引擎还用于分析或反馈目标案件的冲突结果。
可选地，输出目标视频，包括：按照目数字格式输出目标视频。
可选地，将多帧连续性图像生成目标视频，包括：通过目标语音数据和多帧连续性图像生成目标视频，其中，目标语音数据用于通过语音来引导对目标案件进行报案。
可选地，案情字段包括以下至少之一：案情描述字段，用于描述目标案件的案情；案情分析字段，用于分析目标案件的案情；案情调查字段，用于调查目标案件的案情。
可选地，获取案情字段，包括以下至少之一：采集案情描述字段；保存案情分析字段；采集案情调查字段；对案情字段进行分类；对案情字段进行挖掘。
根据本发明实施例的另一方面，还提供了一种数据处理系统。该系统包括：数据引擎，用于获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；规则引擎，与数据引擎相连接，用于按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；人工智能引擎，与规则引擎相连接，用于基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。
根据本发明实施例的另一方面，还提供了一种信息处理装置。该装置包括：获取单元，用于获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；分析单元，用于按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；确定单元，用于基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；生成单元，用于将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。
根据本发明实施例的另一方面，还提供了一种存储介质。该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行本发明实施例的数据处理方法。
根据本发明实施例的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的数据处理方法。
在本发明实施例中，获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。也就是说，本申请通过确定目标案件的规范化的案情字段，基于目标规则利用目标案件的案情字段，再生成多帧数连续性图像，从而形成可以用于还原目标案件的发生过程的视频，而不再完全依赖于人工对案件进行调查和处理，确保了对目标案件处理的合理性，从而解决了目标案件的处理效率低的技术问题，进而达到了提高目标案件的处理效率的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种数据处理方法的流程图；
图2是根据本发明实施例的一种数据处理系统的示意图；
图3是根据本发明实施例的一种数据处理的示意图；以及
图4是根据本发明实施例的一种数据处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种数据处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种数据处理方法的流程图。如图1所示，该方法可以包括以下步骤：
步骤S102，获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据。
在本发明上述步骤S102提供的技术方案中，目标案件可以为车险案件，也即，为车险行业中的车辆事故事件，比如，为车险碰撞事件等，还可以为其它行业中的事故事件等。该实施例的案情字段用于指示目标案件的案情，也即案情数据，还可以包括与目标案件的案情相关联的其它数据，可以为针对目标案件的历史数据，从而用于实现目标案件的情景还原，从而案情字段也可称为还原性字段。
步骤S104，按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定。
在本发明上述步骤S104提供的技术方案中，在获取目标案件的案情字段之后，通过目标规则对案情字段进行分析，得到分析结果，该目标规则可以为用于对案情字段进行分析的模型的具体算法，也可以称为基础定律，可以进行因子分析基础、逻辑分析基础以及冲突性结果反馈。
步骤S106，基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像。
在本发明上述步骤S106提供的技术方案中，在按照目标规则对案情字段进行分析，得到分析结果之后，基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像。
在该实施例中，可以在图像层，对目标案件的风险特征进行处理，确定多帧连续性图像，该多帧连续性图像可以为大量级的紧密帧数的图像，并且连续性排列，可以为数字化格式图像。
步骤S108，将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。
在本发明上述步骤S108提供的技术方案中，在基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像之后，将多帧连续性图像生成目标视频，可以将多帧连续性图像生成正规格式的视频并输出，其中，目标视频可以用于还原目标案件的整个发生过程，可以将重现的情景以小视频的形式展现，为目标案件的整个发生过程提供直观性很高的视觉支持，从而实现了对目标案件进行情景再现，可以用于对目标案件的发生现场进行分析，作为印证目标案件发生过程的真伪的辅助依据，可以通过直观的目标视频来辅助人工观察，比如，将目标视频与上报的目标案件的发生结果进行比对，判断其是否一致，或者判断二者之间的差距有多大，以确定上报结果的真伪性以及合理性等，进而辅助侦破目标案件。
通过上述步骤S102至步骤S108，获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。也就是说，本申请通过确定目标案件的规范化的案情字段，基于目标规则利用目标案件的案情字段，再生成多帧数连续性图像，从而形成可以用于还原目标案件的发生过程的视频，而不再完全依赖于人工对案件进行调查和处理，确保了对目标案件处理的合理性，从而解决了目标案件的处理效率低的技术问题，进而达到了提高目标案件的处理效率的技术效果。
下面对该实施例的上述方法进行进一步介绍。
作为一种可选的实施方式，步骤S106，基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像，包括：从目标案件中提取出至少两个风险特征；对提取出的至少两个风险特征进行组合，得到第一组合结果；对第一组合结果进行运算，得到多帧连续性图像。
在该实施例中，在实现基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像时，可以在图像层，从目标案件中提取出至少两个风险特征，该提取出的至少两个风险特征可以为与目标案件的还原相关的特征，用于生成多帧连续性图像。在提取出至少两个风险特征之后，可以对提取出的至少两个风险特征按照一定算法进行组合，可以是将至少两个风险特征按照一定顺序进行排列，得到第一组合结果，进而对第一组合结果进行运算，以将第一组合结果进一步转换为多帧连续性图像。
需要说明的是，该实施例对至少两个风险特征进行上述组合、提取、运算的顺序和次数并不做限制，比如，在对第一组合结果进行运算还未成功得到多帧连续性图像的情况下，可以再获取另外的一组风险特征，然后对其再进行组合、运算等，直至成功得到多帧连续性图像。
作为一种可选的实施方式，在步骤S104，按照目标规则对案情字段进行分析，得到分析结果之前，该方法包括：由规则引擎从目标案件中提取出至少两个风险因子；对提取出的至少两个风险因子进行组合，得到第二组合结果；对第二组合结果进行运算，得到目标规则。
在该实施例中，在实现按照目标规则对目标案件的案情字段进行分析，得到分析结果之前，可以先确定目标规则，可以是由规则引擎从目标案件中提取出风险因子，从而得到规则引擎的风险因子。在提取出至少两个风险因子之后，可以对提取出的至少两个风险因子按照一定算法进行组合，可以是将至少两个风险因子按照一定顺序进行排列，得到第二组合结果，进而对第二组合结果进行运算，以根据第二组合结果确定目标规则。
需要说明的是，该实施例对至少两个风险因子进行上述组合、提取、运算的顺序和次数并不做限制，比如，在对第二组合结果进行运算还未成功确定好目标规则的情况下，可以再获取另外的一组风险因子，然后对其再进行组合、运算等，直至成功确定好目标规则。
作为一种可选的实施方式，规则引擎还用于分析或反馈目标案件的冲突结果。
在该实施例中，规则引擎包括风控规则、风控逻辑，目标规则由规则引擎的风险因子进行提取、组合、运算，同时还可以对目标案件的冲突结果进行分析或反馈，从而实现冲突性结果反馈的目的。
作为一种可选的实施方式，步骤S108，输出目标视频，包括：按照目数字格式输出目标视频。
在该实施例中，在基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像之后，可以分析生成的多帧连续性图像的相关因子，基于相关因子将多帧连续性图像制作为目标视频，并输出目标数字格式的目标视频，可以是按照正规小视频产品格式来输出目标视频。
作为一种可选的实施方式，步骤S108，将多帧连续性图像生成目标视频，包括：通过目标语音数据和多帧连续性图像生成目标视频，其中，目标语音数据用于通过语音来引导对目标案件进行报案。
在相关技术中，还尚未形成报案自动化语音引导方式与案情字段紧密结合的正规流程和具体方案，而在该实施例中，目标语音数据可以用于通过语音来引导对目标案件进行报案，而多帧连续性图像是基于按照目标规则对案情字段进行分析所得到的分析结果确定得到的，通过目标语音数据和多帧连续性图像生成目标视频，从而实现了报案自动化语音引导方式与案情字段紧密结合的目的。
作为一种可选的实施方式，案情字段包括以下至少之一：案情描述字段，用于描述目标案件的案情；案情分析字段，用于分析目标案件的案情；案情调查字段，用于调查目标案件的案情。
在该实施例中，获取目标案件的案情字段，该案情字段可以为用于对目标案件进行描述的案情描述字段，比如，案情数据及相关数据；也可以为用于对目标案件的案情进行分析的案情分析字段，比如，为临时性分析数据；还可以为用于对目标案件的案情进行调查的案情调查字段，比如，为调查性数据，其中，案情分析字段和案情调查字段可以合称为案情调查分析性字段，从而形成了在案件调查过程中的较为规范的字段及字段录入，避免了案情相关字段并不完善的问题，比如，避免了案情描述字段、案情调查分析性字段较少的问题。
作为一种可选的实施方式，步骤S102，获取案情字段，包括以下至少之一：采集案情描述字段；保存案情分析字段；采集案情调查字段；对案情字段进行分类；对案情字段进行挖掘。
在该实施例中，在实现获取案情字段时，可以是采集案情描述字段，比如，进行案情数据以及相关数据的采集；可以是保存案情分析字段，比如，进行临时性分析数据保存；还可以是采集案情调查字段，比如，采集调查性数据；还可以是对案情字段进行分类和挖掘等等，从而实现了完善案情字段，以及形成调查过程中较为规范的字段及字段录入。
可选地，该实施例的案情数据的相关数据可以基于因子分析基础进行处理，案情数据可以基于因子分析基础进行处理，临时性分析数据以及分类的结果可以通过逻辑分析基础处理，调查性数据可以通过冲突结果的分析和反馈进行实现。
可选地，该实施例基于因子分析基础进行处理的结果，可以用于分析生成图像的相关因子，还可以通过数字格式输出制作好的视频。
需要说明的是，在该实施例中，在确定用于还原目标案件的发生过程的目标视频时，需要采集的数据除了包括获取上述案情字段之外，还可以包括采集原始图像，该原始图像可以包括但不限于查勘定损的照片图像中的汽车外观样貌、汽车颜色、汽车车牌等，这部分数据也是在后续数据处理过程中所需要的数据之一，并且通过对原始图像的采集可以达到验证文本型字段之间是否存在误差的目的，从而可以起到后续对目标案件的还原过程进行补充验证的作用，进一步解决了目标案件的处理效率低的技术问题，从而达到了提高目标案件的处理效率的技术效果。
该实施例利用目标案件的案情字段，在通过对案情字段进行分析的基础上，同时引用图像技术生成多帧数连续性图像，从而形成用于还原目标案件的发生过程的视频，可以通过直观的视频辅助人工观察，达到了对目标案件的现场进行分析和还原的目的，同时也是为印证案件发生过程的真伪的辅助依据，成为了车险行业内重大案件侦破辅助手段先河技术之一，可以实现对还原性字段挖掘有极大的增益效果，为目标案件的出险过程提供直观性很高的视觉支持，可以对目标案件的合理性起到了极其直观的参考依据；对目标案件已确认的实施过程可以保存直观数据；并且对欺诈行为进行提前预防，也可以在对不法行为人进行震慑，从而促进目标案件所属行业稳定健康发展，同时可扩展其它行业领域受益。
实施例2
本发明实施例还提供了一种数据处理系统。需要说明的是，该实施例的数据处理系统可以用于执行本发明实施例的数据处理方法。
图2是根据本发明实施例的一种数据处理系统的示意图。如图2所示，该数据处理系统20可以包括：数据引擎21、规则引擎22和人工智能引擎23。
数据引擎21，用于获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据。
在该实施例中，数据引擎21可以称为大数据引擎、大数据运算引擎、大数据挖掘引擎用于实现大数据运算计算。该实施例通过数据引擎21获取目标案件的案情字段，该目标案件可以为车险行业中的车辆事故事件，可以为车险碰撞事件等，还可以为其它行业中的事故事件等。该实施例的案情字段用于指示目标案件的案情，也即案情数据，还可以包括与目标案件的案情相关联的其它数据，可以为针对目标案件的历史数据，从而用于实现目标案件的情景还原。
规则引擎22，与数据引擎21相连接，用于按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定。
在该实施例中，规则引擎22可以用于实现风控规则，风控逻辑。在通过规则引擎22获取目标案件的案情字段之后，使用规则引擎22通过目标规则对案情字段进行分析，得到分析结果，该目标规则可以为用于对案情字段进行分析的模型的具体算法，也可以称为基础定律，规则引擎22可以进行因子分析基础、逻辑分析基础以及冲突性结果反馈。
人工智能引擎23，与规则引擎22相连接，用于基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。
在该实施例中，人工智能(Artificial Intelligence，简称为AI)引擎23，也即，AI模型，用于进行AI图像识别和AI数据分析，可以在图像层，通过人工智能引擎23对目标案件的风险特征进行处理，确定多帧连续性图像，该多帧连续性图像可以为紧密帧数的大量级图像，并且连续性排列，可以为数字化格式图像。
在人工智能引擎23基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像之后，将多帧连续性图像生成目标视频，可以将多帧连续性图像生成正规格式的视频并输出，通过目标视频还原目标案件的整个发生过程，可以将重现的情景以小视频的形式展现，为目标案件的整个发生过程提供直观性很高的视觉支持，从而实现了对目标案件进行情景再现，并且还可以用于对目标案件的发生现场进行分析，作为印证目标案件发生过程的真伪的辅助依据，进而可以通过直观的目标视频来辅助人工观察。
可选地，该实施例的数据引擎21中的案情数据的相关数据可以基于规则引擎22中的因子分析基础进行处理，数据引擎21中的案情数据可以基于规则引擎22中的因子分析基础进行处理，数据引擎21中的临时性分析数据以及分类的结果可以通过规则引擎22中的逻辑分析基础处理，数据引擎21中的调查性数据可以通过规则引擎22中的冲突结果的分析和反馈进行实现。
可选地，该实施例基于规则引擎22中的因子分析基础进行处理的结果，可以在人工智能引擎23中分析生成图像的相关因子，还可以在人工智能引擎23中通过数字格式输出制作好的视频。
在该实施例中，通过数据引擎21获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；通过规则引擎22，与数据引擎21相连接，按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；通过人工智能引擎23与规则引擎22相连接，用于基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。也就是说，本申请通过确定目标案件的规范化的案情字段，基于目标规则利用目标案件的案情字段，再生成多帧数连续性图像，从而形成可以用于还原目标案件的发生过程的视频，而不再完全依赖于人工对案件进行调查和处理，确保了对目标案件处理的合理性，从而解决了案件的处理效率低的技术问题，进而达到了提高案件的处理效率的技术效果。
实施例3
下面结合优选的实施方式对本发明实施例的技术方案进行进一步介绍，具体以车险案件进行举例说明。
该实施例的方法应用于情景重现，这与还原警察破案中的案发现场较为相似。该实施例通过出险案件的相关字段因子，大数据运算技术、AI模型、结合规则逻辑的综合性技术来实现情景重现，将需要重现的情景以小视频的形式进行展现。
图3是根据本发明实施例的一种数据处理的示意图。如图3所示，该实施例实现了一种对车险案件的现场过程进行还原的技术，也即，出险车辆事故现场的情景还原技术，同时也可以作为用于印证车险案件发生过程真伪的辅助依据。
在该实施例中，数据引擎31可以用于采集案情数据及相关数据，保存临时性分析数据以及分类、采集调查性数据，以及分类、挖掘字段等。
该实施例的用于对数据引擎31获取到的数据进行分析的基础定律，可以通过对规则引擎32的风险因子提取、组合、运算来完成，同时实现因子分析基础、逻辑分析基础，进行冲突结果的分析和反馈。
可选地，该实施例的数据引擎31中的案情数据的相关数据可以基于规则引擎32中的因子分析基础进行处理，数据引擎31中的案情数据可以基于规则引擎32中的因子分析基础进行处理，数据引擎31中的临时性分析数据以及分类的结果可以通过规则引擎32中的逻辑分析基础处理，数据引擎31中的调查性数据可以通过规则引擎32中的冲突结果的分析和反馈进行实现。
该实施例的AI引擎33在图像层同样进行着风险特征的提取、组合、运算，可以生成数字化格式图像，可以分析生成图像的相关因子，可选地，该实施例的数字化格式图像可以为紧密帧数的大量级连续性排列的图像，通过数字格式输出制作好的视频。
可选地，基于规则引擎32中的因子分析基础进行处理的结果，可以在AI引擎33中分析生成图像的相关因子，还可以在AI引擎33中通过数字格式输出制作好的视频。
由上述方法可知，该实施例的规则引擎32利用大数据，在通过规则引擎32分析余支持的基础上，同时促使AI引擎33引用图像技术产出多帧数连续性图像，生成可以用于还原目标案件的发生过程的视频，而不再完全依赖于人工对案件进行调查和处理，从而提高了对车险案件进行处理的效率。
该实施例的上述方法实现了出险车辆事故现场过程的还原，成为车险行业内重大案件侦破辅助手段先河技术之一。
该实施例生成用于还原案件的发生过程的视频，最终按照正规格式的输出视频，通过直观的方式辅助人工观察，而不再完全依赖于人工对案件进行调查和处理，确保了对目标案件处理的合理性，可以达到以下技术效果：对还原性字段挖掘有极大的增益效果；为案件出险过程提供直观性很高的视觉支持；对车险碰撞合理性起到了极其直观的参考依据；对车险已确认的实施过程得以直观数据的保存；对欺诈行为的提前预防工作，也起到了对遇有不法行为人震慑的作用；促进保险行业稳定健康发展，同时可扩展其它行业领域受益，从而解决了案件的处理效率低的技术问题，进而达到了提高案件的处理效率的技术效果。
实施例4
本发明实施例还提供了一种数据处理装置。需要说明的是，该实施例的数据处理装置可以用于执行本发明实施例的数据处理方法。
图4是根据本发明实施例的一种数据处理装置的示意图。如图4所示，该数据处理装置40可以包括：获取单元41、分析单元42、确定单元43和生成单元44。
获取单元41，用于获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据。
分析单元42，用于按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定。
确定单元43，用于基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像。
生成单元44，用于将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。
可选地，确定单元43包括：提取模块，用于从目标案件中提取出至少两个风险特征；组合模块，用于对提取出的至少两个风险特征进行组合，得到第一组合结果；运算模块，用于对第一组合结果进行运算，得到多帧连续性图像。
可选地，该装置还包括：提取单元，用于在按照目标规则对案情字段进行分析，得到分析结果之前，由规则引擎从目标案件中提取出至少两个风险因子；组合单元，用于对提取出的至少两个风险因子进行组合，得到第二组合结果；运算单元，用于对第二组合结果进行运算，得到目标规则。
可选地，该实施例的规则引擎还用于分析或反馈目标案件的冲突结果。
可选地，生成单元44包括：输出模块，用于按照目数字格式输出目标视频。
可选地，生成单元44包括：生成模块，用于通过目标语音数据和多帧连续性图像生成目标视频，其中，目标语音数据用于通过语音来引导对目标案件进行报案。
可选地，案情字段包括以下至少之一：案情描述字段，用于描述目标案件的案情；案情分析字段，用于分析目标案件的案情；案情调查字段，用于调查目标案件的案情。
可选地，获取单元41包括以下至少之一：第一采集模块，用于采集案情描述字段；保存模块，用于保存案情分析字段；第二采集模块，用于采集案情调查字段；分类模块，用于对案情字段进行分类；挖掘模块，用于对案情字段进行挖掘。
在该实施例中，通过获取单元41获取案情字段，其中，案情字段用于指示目标案件的案情和/或包括与目标案件的案情相关联的数据；通过分析单元42，用于按照目标规则对案情字段进行分析，得到分析结果，其中，目标规则通过目标案件的风险因子确定；通过确定单元43基于分析结果中的目标案件的风险特征，确定目标案件的多帧连续性图像；通过生成单元44将多帧连续性图像生成目标视频，并输出目标视频，其中，目标视频用于还原目标案件的发生过程。也就是说，本申请通过确定目标案件的规范化的案情字段，基于目标规则利用目标案件的案情字段，再生成多帧数连续性图像，从而形成可以用于还原目标案件的发生过程的视频，而不再完全依赖于人工对案件进行调查和处理，确保了对目标案件处理的合理性，从而解决了目标案件的处理效率低的技术问题，进而达到了提高目标案件的处理效率的技术效果。
实施例5
根据本发明实施例，还提供了一种存储介质，该存储介质包括存储的程序，其中，所述程序执行实施例1中所述的数据处理方法。
实施例6
根据本发明实施例，还提供了一种处理器，该处理器用于运行程序，其中，所述程序运行时执行实施例1中所述的数据处理方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，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。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种数据处理方法，其特征在于，包括：
获取案情字段，其中，所述案情字段用于指示目标案件的案情和/或包括与所述目标案件的案情相关联的数据；
按照目标规则对所述案情字段进行分析，得到分析结果，其中，所述目标规则通过所述目标案件的风险因子确定；
基于所述分析结果中的所述目标案件的风险特征，确定所述目标案件的多帧连续性图像；
将所述多帧连续性图像生成目标视频，并输出所述目标视频，其中，所述目标视频用于还原所述目标案件的发生过程。
2.根据权利要求1所述的方法，其特征在于，基于所述分析结果中的所述目标案件的风险特征，确定所述目标案件的多帧连续性图像，包括：
从所述目标案件中提取出至少两个所述风险特征；
对提取出的至少两个所述风险特征进行组合，得到第一组合结果；
对所述第一组合结果进行运算，得到所述多帧连续性图像。
3.根据权利要求1所述的方法，其特征在于，在按照所述目标规则对所述案情字段进行分析，得到所述分析结果之前，所述方法包括：
由规则引擎从所述目标案件中提取出至少两个风险因子；
对提取出的至少两个所述风险因子进行组合，得到第二组合结果；
对所述第二组合结果进行运算，得到所述目标规则。
4.根据权利要求3所述的方法，其特征在于，所述规则引擎还用于分析或反馈所述目标案件的冲突结果。
5.根据权利要求1所述的方法，其特征在于，输出所述目标视频，包括：按照目数字格式输出所述目标视频。
6.根据权利要求1所述的方法，其特征在于，将所述多帧连续性图像生成所述目标视频，包括：
通过目标语音数据和所述多帧连续性图像生成所述目标视频，其中，所述目标语音数据用于通过语音来引导对所述目标案件进行报案。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，所述案情字段包括以下至少之一：
案情描述字段，用于描述所述目标案件的案情；
案情分析字段，用于分析所述目标案件的案情；
案情调查字段，用于调查所述目标案件的案情。
8.根据权利要求7所述的方法，其特征在于，获取所述案情字段，包括以下至少之一：
采集所述案情描述字段；
保存所述案情分析字段；
采集所述案情调查字段；
对所述案情字段进行分类；
对所述案情字段进行挖掘。
9.根据权利要求1至6中任意一项所述的方法，其特征在于，所述目标案件为车险案件。
10.一种数据处理系统，其特征在于，包括：
数据引擎，用于获取案情字段，其中，所述案情字段用于指示目标案件的案情和/或包括与所述目标案件的案情相关联的数据；
规则引擎，与所述数据引擎相连接，用于按照目标规则对所述案情字段进行分析，得到分析结果，其中，所述目标规则通过所述目标案件的风险因子确定；
人工智能引擎，与所述规则引擎相连接，用于基于所述分析结果中的所述目标案件的风险特征，确定所述目标案件的多帧连续性图像；将所述多帧连续性图像生成目标视频，并输出所述目标视频，其中，所述目标视频用于还原所述目标案件的发生过程。
11.一种信息处理装置，其特征在于，包括：
获取单元，用于获取案情字段，其中，所述案情字段用于指示目标案件的案情和/或包括与所述目标案件的案情相关联的数据；
分析单元，用于按照目标规则对所述案情字段进行分析，得到分析结果，其中，所述目标规则通过所述目标案件的风险因子确定；
确定单元，用于基于所述分析结果中的所述目标案件的风险特征，确定所述目标案件的多帧连续性图像；
生成单元，用于将所述多帧连续性图像生成目标视频，并输出所述目标视频，其中，所述目标视频用于还原所述目标案件的发生过程。
12.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的数据处理方法。
13.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010152950.1A CN111339168B (zh) | 2020-03-06 | 2020-03-06 | 数据处理方法、装置、系统、存储介质和处理器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010152950.1A CN111339168B (zh) | 2020-03-06 | 2020-03-06 | 数据处理方法、装置、系统、存储介质和处理器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111339168A true CN111339168A (zh) | 2020-06-26 |
| CN111339168B CN111339168B (zh) | 2023-08-22 |
Family
ID=71185968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010152950.1A Active CN111339168B (zh) | 2020-03-06 | 2020-03-06 | 数据处理方法、装置、系统、存储介质和处理器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111339168B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112270609A (zh) * | 2020-11-18 | 2021-01-26 | 德联易控科技(北京)有限公司 | 车险分析方法及装置、电子设备 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120307050A1 (en) * | 2009-09-20 | 2012-12-06 | Mimar Tibet | Mobile security audio-video recorder with local storage and continuous recording loop |
| CN103150675A (zh) * | 2013-01-30 | 2013-06-12 | 郁佳敏 | 汽车保险的风险监测系统 |
| JP5416307B1 (ja) * | 2013-07-08 | 2014-02-12 | アサヒリサーチ株式会社 | 車両の運行管理装置及びコンピュータプログラム |
| CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及系统 |
| CN106529076A (zh) * | 2016-11-28 | 2017-03-22 | 东南大学 | 高速公路交通安全仿真分析的两阶段参数标定方法 |
| CN106781436A (zh) * | 2016-12-19 | 2017-05-31 | 东软集团股份有限公司 | 交通事故处理方法及装置 |
| CN106799995A (zh) * | 2017-03-03 | 2017-06-06 | 寅家电子科技（上海）有限公司 | 实景定损系统 |
| CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及系统 |
| CN108090120A (zh) * | 2016-11-21 | 2018-05-29 | 张汉威 | 人、车、路智能交通事故肇事成因和责任动画分析系统 |
| CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及系统 |
| CN108182515A (zh) * | 2017-12-13 | 2018-06-19 | 中国平安财产保险股份有限公司 | 智能规则引擎规则输出方法、设备及计算机可读存储介质 |
| CN108320348A (zh) * | 2018-02-07 | 2018-07-24 | 广州道安信息科技有限公司 | 交通事故动态图像的生成方法及计算机装置、计算机可读存储介质 |
| CN109872071A (zh) * | 2019-02-22 | 2019-06-11 | 德联易控科技(北京)有限公司 | 车险理赔案件的稽核方法、装置、设备及存储介质 |
| CN109902172A (zh) * | 2019-01-31 | 2019-06-18 | 深度好奇(北京)科技有限公司 | 案情文本分类方法、装置以及存储介质 |
| CN110033385A (zh) * | 2019-03-05 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 信息处理的方法、装置和电子设备 |
| CN110081860A (zh) * | 2019-04-15 | 2019-08-02 | 长安大学 | 一种交通事故现场图绘制方法 |
-
2020
- 2020-03-06 CN CN202010152950.1A patent/CN111339168B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120307050A1 (en) * | 2009-09-20 | 2012-12-06 | Mimar Tibet | Mobile security audio-video recorder with local storage and continuous recording loop |
| CN103150675A (zh) * | 2013-01-30 | 2013-06-12 | 郁佳敏 | 汽车保险的风险监测系统 |
| JP5416307B1 (ja) * | 2013-07-08 | 2014-02-12 | アサヒリサーチ株式会社 | 車両の運行管理装置及びコンピュータプログラム |
| CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及系统 |
| CN108090120A (zh) * | 2016-11-21 | 2018-05-29 | 张汉威 | 人、车、路智能交通事故肇事成因和责任动画分析系统 |
| CN106529076A (zh) * | 2016-11-28 | 2017-03-22 | 东南大学 | 高速公路交通安全仿真分析的两阶段参数标定方法 |
| CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及系统 |
| CN106781436A (zh) * | 2016-12-19 | 2017-05-31 | 东软集团股份有限公司 | 交通事故处理方法及装置 |
| CN106799995A (zh) * | 2017-03-03 | 2017-06-06 | 寅家电子科技（上海）有限公司 | 实景定损系统 |
| CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及系统 |
| CN108182515A (zh) * | 2017-12-13 | 2018-06-19 | 中国平安财产保险股份有限公司 | 智能规则引擎规则输出方法、设备及计算机可读存储介质 |
| CN108320348A (zh) * | 2018-02-07 | 2018-07-24 | 广州道安信息科技有限公司 | 交通事故动态图像的生成方法及计算机装置、计算机可读存储介质 |
| CN109902172A (zh) * | 2019-01-31 | 2019-06-18 | 深度好奇(北京)科技有限公司 | 案情文本分类方法、装置以及存储介质 |
| CN109872071A (zh) * | 2019-02-22 | 2019-06-11 | 德联易控科技(北京)有限公司 | 车险理赔案件的稽核方法、装置、设备及存储介质 |
| CN110033385A (zh) * | 2019-03-05 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 信息处理的方法、装置和电子设备 |
| CN110081860A (zh) * | 2019-04-15 | 2019-08-02 | 长安大学 | 一种交通事故现场图绘制方法 |
Non-Patent Citations (2)
| Title |
|---|
| MIRKO NAPOLANO: "Preventing recurrence of industrial control system accident using assurance case", 2015 IEEE INTERNATIONAL SYMPOSIUM ON SOFTWARE RELIABILITY ENGINEERING WORKSHOPS, pages 1 - 3 * |
| 李全明: "三维重现技术在真实工况分析中的应用", 现代矿业, no. 12, pages 211 - 213 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112270609A (zh) * | 2020-11-18 | 2021-01-26 | 德联易控科技(北京)有限公司 | 车险分析方法及装置、电子设备 |
| CN112270609B (zh) * | 2020-11-18 | 2024-03-01 | 德联易控科技(北京)有限公司 | 车险分析方法及装置、电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111339168B (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110704682B (zh) | 一种基于视频多维特征智能推荐背景音乐的方法及系统 | |
| US9042647B2 (en) | Adaptive character segmentation method and system for automated license plate recognition | |
| CN110378254B (zh) | 车损图像修改痕迹的识别方法、系统、电子设备及存储介质 | |
| CN110942027A (zh) | 遮挡策略的确定方法及装置、存储介质、电子装置 | |
| CN111461266B (zh) | 一种车辆定损异常识别方法、装置、服务器以及存储介质 | |
| CN114373189A (zh) | 一种行为检测方法、装置、终端设备及存储介质 | |
| CN111611944A (zh) | 身份识别方法及装置、电子设备、存储介质 | |
| CN111339168A (zh) | 数据处理方法、装置、系统、存储介质和处理器 | |
| CN109711301A (zh) | 驾驶人员审核方法、装置、计算机设备和存储介质 | |
| CN112307842B (zh) | 用于列车运行监控记录文件匹配的视频识别系统及方法 | |
| CN115810160A (zh) | 一种道路交通视频中敏感信息自动脱敏处理方法及系统 | |
| CN113408364B (zh) | 一种临时车牌识别方法、系统、装置及存储介质 | |
| CN117184086A (zh) | 一种基于脑电波的智能驾驶系统 | |
| CN114937300A (zh) | 一种遮挡人脸识别方法和系统 | |
| CN113447572A (zh) | 钢轨探伤方法、电子装置、钢轨探伤车及可读存储介质 | |
| CN114495037A (zh) | 一种基于关键点和卡尔曼滤波的视频预测方法及系统 | |
| CN112735605A (zh) | 人员密切接触识别追踪分析方法及装置 | |
| EP2573694A1 (en) | Conversion method and system | |
| CN111695117A (zh) | 一种webshell脚本检测方法及装置 | |
| CN115439725B (zh) | 一种多人实时编辑的处理方法与装置 | |
| CN113674309B (zh) | 对象追踪的方法、装置、管理平台以及存储介质 | |
| CN116707874B (zh) | 一种网上信息安全综合分析与监控系统及方法 | |
| CN117746437B (zh) | 文档数据提取系统及其方法 | |
| CN111881859A (zh) | 模板生成方法和装置 | |
| CN113254750A (zh) | 一种基于第三方数据采集的数据源完备性验证方法及装置 |
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 |