CN111510752B - 数据传输方法、装置、服务器及存储介质 - Google Patents
数据传输方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111510752B CN111510752B CN202010557346.7A CN202010557346A CN111510752B CN 111510752 B CN111510752 B CN 111510752B CN 202010557346 A CN202010557346 A CN 202010557346A CN 111510752 B CN111510752 B CN 111510752B
- Authority
- CN
- China
- Prior art keywords
- data
- structured
- attribute
- target
- image data
- 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 63
- 230000005540 biological transmission Effects 0.000 title claims abstract description 37
- 230000000153 supplemental effect Effects 0.000 claims abstract description 49
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 238000004806 packaging method and process Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000012795 verification Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 239000013589 supplement Substances 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000012916 structural analysis Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/27—Server based end-user applications
- H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
- H04N21/2743—Video hosting of uploaded data from client
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4405—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving video stream decryption
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及人工智能,提供了一种数据传输方法,应用于服务器,该方法包括获取第一客户端上传的视频数据,对视频数据进行备份得到备份数据,对视频数据进行解码得到第一图像数据,视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包;检测出第一图像数据中的目标区域,将第一图像数据输入属性提取模型提取目标区域的属性特征;将属性特征按照目标区域的类型进行分类,并封装得到结构化数据写入备份数据的补充增强信息单元SEI包得到目标数据;将目标数据发送至第二客户端进行展示。此外,本发明还涉及区块链技术,第一客户端上传的视频数据可存储于区块链节点中。本发明能够减少系统资源占用并降低视频时延。
Description
技术领域
本发明涉及人工智能,尤其涉及一种数据传输方法、装置、服务器及存储介质。
背景技术
通过对视频数据进行结构化分析,然后将分析后的结果(视频中出现的人、车、物)标注到视频中,能够实现从海量视频数据中提取有价值信息,过滤冗余数据,让用户更直观获取当前视频的信息。在对视频数据的整个分析、标注过程中,涉及到了对视频解码、分析、位置计算、标签绘制、视频编码等多个计算密集型的操作,会占用系统大量系统资源,同时导致实时视频在传输过程中延时变长。因此,如何减少系统资源占用并降低视频时延,成为了亟需解决的技术问题。
发明内容
本发明的主要目的在于提供一种数据传输方法、装置、服务器及存储介质,旨在解决如何减少系统资源占用并降低视频时延的问题。
为实现上述目的,本发明提供的一种数据传输方法,应用于服务器,该方法包括:
获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包;
检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征;
将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据;及
将所述目标数据发送至第二客户端进行展示。
优选地,所述属性特征包括所述目标区域在所述第一图像数据中的坐标数据及与所述目标区域对应的文字信息。
优选地,所述属性提取模型的训练过程如下:
获取第一图像数据样本,每张第一图像数据样本中标注有对应的属性特征;
将所述第一图像数据样本按照预设比例分成训练集和验证集,所述训练集中的第一图像数据样本数量大于所述验证集中的第一图像数据样本数量;
将所述训练集中的第一图像数据样本输入所述属性提取模型进行训练,每隔预设周期使用所述验证集对所述属性提取模型进行验证,利用所述验证集中各张第一图像数据和对应的属性特征对该属性提取模型的准确率进行验证;及
当验证的准确率大于预设阈值时,结束训练,得到所述属性提取模型。
优选地,所述第二客户端展示所述目标数据包括:
提取所述目标数据的补充增强信息单元SEI包中的结构化数据,并解码所述目标数据得到第二图像数据;及
对所述结构化数据进行解析得到属性特征,根据所述属性特征识别出所述第二图像数据中的目标区域,并标注出所述目标区域对应的属性特征。
优选地,该方法还包括:
在将所述结构化数据写入所述备份数据的补充增强信息单元SEI包之前,利用预先确定的加密算法对所述结构化数据进行加密处理。
优选地,所述在将所述结构化数据写入所述备份数据的补充增强信息单元SEI包之前,利用预先确定的加密算法对所述结构化数据进行加密处理包括:
识别出所述结构化数据中每个数据单元对应的字符位数,将所述结构化数据转换成字符串;
获取所述字符串的截取点,将所述字符串分成若干段子结构化数据;及
利用所述第二客户端的公钥对每段所述子结构化数据进行加密,并根据预设规则将每段加密后的所述子结构化数据进行组装后写入所述备份数据的补充增强信息单元SEI包。
优选地,该方法还包括:
利用与所述公钥对应的私钥对加密的结构化数据进行解密,得到解密后的每个所述数据单元;及
对每个所述数据单元进行拼接构成未加密之前的结构化数据,将得到的所述结构化数据在所述第二客户端上展示。
为实现上述目的,本发明还进一步提供一种数据传输装置,所述数据传输装置包括:
获取模块:获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包;
提取模块:检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征;
整合模块:将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据;及
展示模块:将所述目标数据发送至第二客户端进行展示。
为实现上述目的,本发明还进一步提供一种服务器,所述服务器包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的数据传输方法。
为实现上述目的,本发明进一步提供一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储根据区块链节点的使用所创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如上所述的数据传输方法的步骤。
本发明提出的数据传输方法、装置、服务器及存储介质,通过获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包;检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征;将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据;将所述目标数据发送至第二客户端进行展示。本发明能够减少系统资源占用并降低视频时延。
附图说明
图1为本发明一实施例提供的实现数据传输方法的服务器的内部结构示意图;
图2为本发明一实施例提供的数据传输装置的模块示意图;
图3为本发明一实施例提供的数据传输方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参附图做进一步说明。
具体实施方式
为了使本发明的目的、技术本实施例及优点更加清楚明白,以下结合附图及实施例,对本发明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用以解释本发明,并不用于限定本发明。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。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术本实施例可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术本实施例的结合出现相互矛盾或无法实现时应当认为这种技术本实施例的结合不存在,也不在本发明要求的保护范围之内。
本发明提供一种数据传输方法。参照图1所示,为本发明一实施例提供的数据传输方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,数据传输方法包括:
S110,获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包。
在本实施例中,第一客户端(即数据发送端,例如电脑或手机)将视频采集装置(例如摄像机等具有拍摄和上传数据功能的移动设备终端)采集到的大量视频按照预设编码方式进行编码得到包含可新增数据的补充增强信息单元SEI包的视频数据,并将视频数据上传服务器1。服务器1对接收到的视频数据进行备份得到备份数据后,选取其中一份视频数据任意开源解码框架,如ffmpeg进行解码得到第一图像数据。
其中,视频数据按照H.264编码方式进行编码得到,与其它现有的视频编码标准相比,在相同的带宽下H.264提供更加优秀的图象质量。视频数据包括可新增数据的补充增强信息单元SEI包,补充增强信息单元SEI包可以用来填充用户自定义数据,例如对视频数据进行结构化分析后得到的属性特征,而不需要重新编码,能够减少服务器1的处理压力和视频传输过程中的时延。
H.264是由ITU-T视频编码专家组(VCEG)和ISO/IEC动态图像专家组(MPEG)联合组成的联合视频组(JVT,Joint Video Team)提出的高度压缩数字视频编解码器标准。这个标准通常被称之为H.264/AVC(或者AVC/H.264或者H.264/MPEG-4 AVC或MPEG-4/H.264 AVC)。H264标准各主要部分有Access Unit delimiter(访问单元分割符),SEI(补充增强信息单元),primary coded picture(基本图像编码),Redundant Coded Picture(冗余图像编码)。还有Instantaneous Decoding Refresh(IDR,即时解码刷新)、HypotheticalReference Decoder(HRD,假想参考解码)、Hypothetical Stream Scheduler(HSS,假想码流调度器)。
S120,检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征。
在本实施例中,先利用目标检测或对象识别或深度学习分析手段提取第一图像数据中的目标区域,再将检测出目标区域的第一图像数据输入预先训练的属性提取模型,提取目标区域的属性特征。属性特征包括目标区域在第一图像数据中的坐标数据、与目标区域对应的文字信息。例如当从第一图像数据中检测出的目标区域为人时,对应的坐标数据是目标区域在第一图像数据中的横坐标、目标区域在第一图像数据中的纵坐标。与目标区域对应的文字信息是目标区域中人的性别、年龄、肤色、表情、姓名等。
具体地,属性提取模型可通过卷积神经网络模型训练得到。
在本实施例中,属性提取模型具体的训练过程如下:
获取预设数量(例如10万)的第一图像数据样本,每张第一图像数据样本中标注有对应的属性特征;
将所述第一图像数据样本按照预设比例(例如5:1)分成训练集和验证集,所述训练集中的第一图像数据样本数量大于所述验证集中的第一图像数据样本数量;
将所述训练集中的第一图像数据样本输入所述属性提取模型进行训练,每隔预设周期(例如每进行1000次迭代)使用所述验证集对所述属性提取模型进行验证,利用所述验证集中各张第一图像数据和对应的属性特征对该属性提取模型的准确率进行验证;及
当验证的准确率大于预设阈值(例如85%)时,结束训练,得到所述属性提取模型。
S130,将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据。
在本实施例中,将属性特征按照目标区域的类型进行分类,例如人、车、物。识别目标区域的对应类型的方式可以利用深度学习技术来实现,通过对第一图像数据样本上不同类型的目标区域进行不同类型的标记(例如采用不同颜色的标记框对目标区域进行标记)后,输入预先训练的类型识别模型进行模型训练,类型识别模型具体的训练过程可参属性提取模型,在此不做赘述。在将属性特征按照目标区域的类型进行分类后以预设存储格式(例如xml或Json格式)进行封装得到结构化数据。以此来实现从海量视频数据中提取有价值信息,过滤冗余数据。之后将结构化数据整合至备份数据的补充增强信息单元SEI包,得到用于发往第二客户端(即数据接收端,例如手机或电脑)的目标数据。
S140,将所述目标数据发送至第二客户端进行展示。
在本实施例中,将整合了结构化数据与备份数据得到的目标数据发送至第二客户端(即数据接收端,例如手机或电脑)进行展示。
具体地,将目标数据在第二客户端上进行展示的过程包括以下步骤:
提取所述目标数据的补充增强信息单元SEI包中的结构化数据,并解码所述目标数据得到第二图像数据;及
对所述结构化数据进行解析得到属性特征,根据所述属性特征识别出所述第二图像数据中的目标区域,并标注出所述目标区域对应的属性特征。
在本实施例中,通过提取目标数据的补充增强信息单元SEI包中的结构化数据,并采用预设解码库(比如ffmpeg)解码目标数据得到第二图像数据,对结构化数据进行解析得到属性特征。根据属性特征,利用预设的标注绘制工具(例如OpenGL、DirectDrow等绘图渲染SDK)在第二图像数据上绘制出框选目标区域的边框,并在边框上标注与目标区域对应的属性特征。
通过在服务器1提取视频数据中目标区域的属性特征,并将属性特征封装至结构化数据整合至备份数据的补充增强信息单元SEI包中,利用补充增强信息单元SEI包具有可新增自定义数据,并不需要进行编码的特点,去除了对视频数据进行结构化分析后重新编码的过程,转化成在第二客户端利用标注绘制工具将补充增强信息单元SEI包中的属性特征在视频数据上进行标注绘制。能够减轻服务器1的负载和视频时延。
在另一实施例中,该方法还包括:
在将所述结构化数据写入所述备份数据的补充增强信息单元SEI包之前,利用预先确定的加密算法对所述结构化数据进行加密处理。
为了防止恶意程序在备份数据传输过程中拦截结构化数据,导致存在信息安全问题,因此在本实施例中,通过在将结构化数据写入备份数据的补充增强信息单元SEI包之前,利用预先确定的加密算法对结构化数据进行加密处理。
具体地,加密算法对所述结构化数据进行加密处理过程包括:
识别出所述结构化数据中每个数据单元对应的字符位数,将所述结构化数据转换成字符串;
获取所述字符串的截取点,将所述字符串分成若干段子结构化数据;及
利用所述第二客户端的公钥对每段所述子结构化数据进行加密,并根据预设规则将每段加密后的所述子结构化数据进行组装后写入所述备份数据的补充增强信息单元SEI包。
在本实施例中,加密算法采用rsa非对称加密算法,非对称加密算法是一种密钥的保密方法。非对称加密算法需要两个密钥:公开密钥(public key:简称公钥)和私有密钥(private key:简称私钥)。公钥与私钥是一对,如果用公钥对数据进行加密,只有用对应的私钥才能解密。因为加密和解密使用的是两个不同的密钥,所以这种算法叫作非对称加密算法。非对称加密算法实现机密信息交换的基本过程是:甲方生成一对密钥并将公钥公开,需要向甲方发送信息的其他角色(乙方)使用该密钥(甲方的公钥)对机密信息进行加密后再发送给甲方;甲方再用自己私钥对加密后的信息进行解密。甲方想要回复乙方时正好相反,使用乙方的公钥对数据进行加密,同理,乙方使用自己的私钥来进行解密。
由于计算机系统中不同数据单元(即字符)占用的字符位数不一样,所以需要对不同的数据单元的字符位数进行识别。
如特殊字符(Ř,Ţ)在计算机系统中占用4个字符位数;中文及中文标点符号占用3个字符位数;特殊字符(È,Ò)占用2个字符位数;英文及英文标点符号占用1个字符位数。
分别提取出结构化数据的所有数据单元的字符位数后将结构化数据转换成字符串。由于rsa非对称加密算法的特性,一个1024位的公钥只能加密117位字符位数对应的数据单元,当数据量超过117位字符位数的时候,加密程序将会抛出异常。因此需要对结构化数据对应的字符串进行分段处理,通过获取字符串的截取点(每117位作为截取点),将字符串分成若干段,利用第二客户端的公钥对每段子结构化数据进行加密,并根据预设规则将每段加密后的子结构化数据进行组装后写入所述备份数据的补充增强信息单元SEI包。
其中,所述预设规则为“[encrypt Text1, encrypt Text2, ...,encryptTextn]”,“encrypt Textn”代表一段子结构化数据。
在另一实施例中,该方法还包括:
利用与所述公钥对应的私钥对加密的结构化数据进行解密,得到解密后的每个所述数据单元;及
对每个所述数据单元进行拼接构成未加密之前的结构化数据,将得到的所述结构化数据在所述第二客户端上展示。
在本实施例中,当第二客户端接收到服务器1传递的目标数据后,调取该目标数据中的结构化数据,遍历分段加密后的结构化数据[encrypt Text1, encrypt Text2, ...,encrypt Textn],取出数组中的每个元素,利用与公钥对应的私钥对加密的待加密数据进行解密,得到解密后的每个数据单元,对每个数据单元进行拼接组成未加密之前的结构化数据,将得到的结构化数据在第二客户端上展示。
关于上述步骤的详细介绍,请参照下述图2关于数据传输程序10实施例的程序模块示意图及图3关于数据传输方法实施例的方法流程示意图的说明。
如图2所示,是本发明数据传输装置100的功能模块图。
本发明所述数据传输装置100可以安装于服务器1中。根据实现的功能,所述数据传输装置100可以包括获取模块110、提取模块120、整合模块130及展示模块140。本发明所述模块也可以称之为单元,是指一种能够被服务器1处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在服务器1的存储器中。
在本实施例中,关于各模块/单元的功能如下:
获取模块110,用于获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包。
在本实施例中,第一客户端(即数据发送端,例如电脑或手机)将视频采集装置(例如摄像机等具有拍摄和上传数据功能的移动设备终端)采集到的大量视频按照预设编码方式进行编码得到包含可新增数据的补充增强信息单元SEI包的视频数据,并将视频数据上传服务器1。服务器1对接收到的视频数据进行备份得到备份数据后,选取其中一份视频数据任意开源解码框架,如ffmpeg进行解码得到第一图像数据。
其中,视频数据按照H.264编码方式进行编码得到,与其它现有的视频编码标准相比,在相同的带宽下H.264提供更加优秀的图象质量。视频数据包括可新增数据的补充增强信息单元SEI包,补充增强信息单元SEI包可以用来填充用户自定义数据,例如对视频数据进行结构化分析后得到的属性特征,而不需要重新编码,能够减少服务器1的处理压力和视频传输过程中的时延。
H.264是由ITU-T视频编码专家组(VCEG)和ISO/IEC动态图像专家组(MPEG)联合组成的联合视频组(JVT,Joint Video Team)提出的高度压缩数字视频编解码器标准。这个标准通常被称之为H.264/AVC(或者AVC/H.264或者H.264/MPEG-4 AVC或MPEG-4/H.264 AVC)。H264标准各主要部分有Access Unit delimiter(访问单元分割符),SEI(补充增强信息单元),primary coded picture(基本图像编码),Redundant Coded Picture(冗余图像编码)。还有Instantaneous Decoding Refresh(IDR,即时解码刷新)、HypotheticalReference Decoder(HRD,假想参考解码)、Hypothetical Stream Scheduler(HSS,假想码流调度器)。
提取模块120,用于检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征。
在本实施例中,先利用目标检测或对象识别或深度学习分析手段提取第一图像数据中的目标区域,再将检测出目标区域的第一图像数据输入预先训练的属性提取模型,提取目标区域的属性特征。属性特征包括目标区域在第一图像数据中的坐标数据、与目标区域对应的文字信息。例如当从第一图像数据中检测出的目标区域为人时,对应的坐标数据是目标区域在第一图像数据中的横坐标、目标区域在第一图像数据中的纵坐标。与目标区域对应的文字信息是目标区域中人的性别、年龄、肤色、表情、姓名等。
具体地,属性提取模型可通过卷积神经网络模型训练得到。
在本实施例中,属性提取模型具体的训练过程如下:
获取预设数量(例如10万)的第一图像数据样本,每张第一图像数据样本中标注有对应的属性特征;
将所述第一图像数据样本按照预设比例(例如5:1)分成训练集和验证集,所述训练集中的第一图像数据样本数量大于所述验证集中的第一图像数据样本数量;
将所述训练集中的第一图像数据样本输入所述属性提取模型进行训练,每隔预设周期(例如每进行1000次迭代)使用所述验证集对所述属性提取模型进行验证,利用所述验证集中各张第一图像数据和对应的属性特征对该属性提取模型的准确率进行验证;及
当验证的准确率大于预设阈值(例如85%)时,结束训练,得到所述属性提取模型。
整合模块130,用于将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据。
在本实施例中,将属性特征按照目标区域的类型进行分类,例如人、车、物。识别目标区域的对应类型的方式可以利用深度学习技术来实现,通过对第一图像数据样本上不同类型的目标区域进行不同类型的标记(例如采用不同颜色的标记框对目标区域进行标记)后,输入预先训练的类型识别模型进行模型训练,类型识别模型具体的训练过程可参属性提取模型,在此不做赘述。在将属性特征按照目标区域的类型进行分类后以预设存储格式(例如xml或Json格式)进行封装得到结构化数据。以此来实现从海量视频数据中提取有价值信息,过滤冗余数据。之后将结构化数据整合至备份数据的补充增强信息单元SEI包,得到用于发往第二客户端(即数据接收端,例如手机或电脑)的目标数据。
展示模块140,用于将所述目标数据发送至第二客户端进行展示。
在本实施例中,将整合了结构化数据与备份数据得到的目标数据发送至第二客户端(即数据接收端,例如手机或电脑)进行展示。
具体地,将目标数据在第二客户端上进行展示的过程包括以下步骤:
提取所述目标数据的补充增强信息单元SEI包中的结构化数据,并解码所述目标数据得到第二图像数据;及
对所述结构化数据进行解析得到属性特征,根据所述属性特征识别出所述第二图像数据中的目标区域,并标注出所述目标区域对应的属性特征。
在本实施例中,通过提取目标数据的补充增强信息单元SEI包中的结构化数据,并采用预设解码库(比如ffmpeg)解码目标数据得到第二图像数据,对结构化数据进行解析得到属性特征。根据属性特征,利用预设的标注绘制工具(例如OpenGL、DirectDrow等绘图渲染SDK)在第二图像数据上绘制出框选目标区域的边框,并在边框上标注与目标区域对应的属性特征。
通过在服务器1提取视频数据中目标区域的属性特征,并将属性特征封装至结构化数据整合至备份数据的补充增强信息单元SEI包中,利用补充增强信息单元SEI包具有可新增自定义数据,并不需要进行编码的特点,去除了对视频数据进行结构化分析后重新编码的过程,转化成在第二客户端利用标注绘制工具将补充增强信息单元SEI包中的属性特征在视频数据上进行标注绘制。能够减轻服务器1的负载和视频时延。
在另一实施例中,该装置还包括加密模块,用于:
在将所述结构化数据写入所述备份数据的补充增强信息单元SEI包之前,利用预先确定的加密算法对所述结构化数据进行加密处理。
为了防止恶意程序在备份数据传输过程中拦截结构化数据,导致存在信息安全问题,因此在本实施例中,通过在将结构化数据写入备份数据的补充增强信息单元SEI包之前,利用预先确定的加密算法对结构化数据进行加密处理。
具体地,加密算法对所述结构化数据进行加密处理过程包括:
识别出所述结构化数据中每个数据单元对应的字符位数,将所述结构化数据转换成字符串;
获取所述字符串的截取点,将所述字符串分成若干段子结构化数据;及
利用所述第二客户端的公钥对每段所述子结构化数据进行加密,并根据预设规则将每段加密后的所述子结构化数据进行组装后写入所述备份数据的补充增强信息单元SEI包。
在本实施例中,加密算法采用rsa非对称加密算法,非对称加密算法是一种密钥的保密方法。非对称加密算法需要两个密钥:公开密钥(public key:简称公钥)和私有密钥(private key:简称私钥)。公钥与私钥是一对,如果用公钥对数据进行加密,只有用对应的私钥才能解密。因为加密和解密使用的是两个不同的密钥,所以这种算法叫作非对称加密算法。非对称加密算法实现机密信息交换的基本过程是:甲方生成一对密钥并将公钥公开,需要向甲方发送信息的其他角色(乙方)使用该密钥(甲方的公钥)对机密信息进行加密后再发送给甲方;甲方再用自己私钥对加密后的信息进行解密。甲方想要回复乙方时正好相反,使用乙方的公钥对数据进行加密,同理,乙方使用自己的私钥来进行解密。
由于计算机系统中不同数据单元(即字符)占用的字符位数不一样,所以需要对不同的数据单元的字符位数进行识别。
如特殊字符(Ř,Ţ)在计算机系统中占用4个字符位数;中文及中文标点符号占用3个字符位数;特殊字符(È,Ò)占用2个字符位数;英文及英文标点符号占用1个字符位数。
分别提取出结构化数据的所有数据单元的字符位数后将结构化数据转换成字符串。由于rsa非对称加密算法的特性,一个1024位的公钥只能加密117位字符位数对应的数据单元,当数据量超过117位字符位数的时候,加密程序将会抛出异常。因此需要对结构化数据对应的字符串进行分段处理,通过获取字符串的截取点(每117位作为截取点),将字符串分成若干段,利用第二客户端的公钥对每段子结构化数据进行加密,并根据预设规则将每段加密后的子结构化数据进行组装后写入所述备份数据的补充增强信息单元SEI包。
其中,所述预设规则为“[encrypt Text1, encrypt Text2, ...,encryptTextn]”,“encrypt Textn”代表一段子结构化数据。
在另一实施例中,该装置还包括解密模块,用于:
利用与所述公钥对应的私钥对加密的结构化数据进行解密,得到解密后的每个所述数据单元;及
对每个所述数据单元进行拼接构成未加密之前的结构化数据,将得到的所述结构化数据在所述第二客户端上展示。
在本实施例中,当第二客户端接收到服务器1传递的目标数据后,调取该目标数据中的结构化数据,遍历分段加密后的结构化数据[encrypt Text1, encrypt Text2, ...,encrypt Textn],取出数组中的每个元素,利用与公钥对应的私钥对加密的待加密数据进行解密,得到解密后的每个数据单元,对每个数据单元进行拼接组成未加密之前的结构化数据,将得到的结构化数据在第二客户端上展示。
如图3所示,是本发明实现数据传输方法的服务器1的结构示意图。
所述服务器1可以包括处理器12、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器12上运行的计算机程序,如数据传输程序10。
其中,所述存储器11至少包括一种类型的可读存储介质,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是服务器1的内部存储单元,例如该服务器1的移动硬盘。所述存储器11在另一些实施例中也可以是服务器1的外部存储设备,例如服务器1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括服务器1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于服务器1的应用软件及各类数据,例如数据传输程序10的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器12在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器12是所述服务器1的控制核心(Control Unit),利用各种接口和线路连接整个服务器1的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如数据传输程序等),以及调用存储在所述存储器11内的数据,以执行服务器1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器12等之间的连接通信。
图3仅示出了具有部件的服务器1,本领域技术人员可以理解的是,图3示出的结构并不构成对所述服务器1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述服务器1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器12逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述服务器1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述服务器1还可以包括网络接口13,可选地,所述网络接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该服务器1与其他服务器1之间建立通信连接。
可选地,该服务器1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在服务器1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述服务器1中的所述存储器11存储的数据传输程序10是多个指令的组合,在所述处理器12中运行时,可以实现:
获取步骤:获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据包括可新增数据的补充增强信息单元SEI包;
提取步骤:检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征;
整合步骤:将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据;及
展示步骤:将所述目标数据发送至第二客户端进行展示。
进一步地,所述服务器1集成的模块/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。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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网络单元上。可以根据实际的需要选择其中的部分或者全部模块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模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种数据传输方法,应用于服务器,其特征在于,该方法包括:
获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包;
检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征;
将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,利用预先确定的加密算法对所述结构化数据进行加密处理,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据;及
将所述目标数据发送至第二客户端进行展示;
利用预先确定的加密算法对所述结构化数据进行加密处理,包括:识别出所述结构化数据中每个数据单元对应的字符位数,将所述结构化数据转换成字符串;
基于所述加密算法获取所述字符串的截取点,将所述字符串分成若干段子结构化数据;及
利用所述第二客户端的公钥对每段所述子结构化数据进行加密,并根据预设规则将每段加密后的所述子结构化数据进行组装后写入所述备份数据的补充增强信息单元SEI包;
调取所述目标数据中的结构化数据,遍历分段加密后的结构化数据,取出加密的结构化数据中的每个数据单元;
利用与所述公钥对应的私钥对加密的结构化数据进行解密,得到解密后的每个所述数据单元;及
对每个所述数据单元进行拼接构成未加密之前的结构化数据,将得到的所述结构化数据在所述第二客户端上展示。
2.如权利要求1所述的数据传输方法,其特征在于,所述属性特征包括所述目标区域在所述第一图像数据中的坐标数据及与所述目标区域对应的文字信息。
3.如权利要求1所述的数据传输方法,其特征在于,所述属性提取模型的训练过程如下:
获取第一图像数据样本,每张第一图像数据样本中标注有对应的属性特征;
将所述第一图像数据样本按照预设比例分成训练集和验证集,所述训练集中的第一图像数据样本数量大于所述验证集中的第一图像数据样本数量;
将所述训练集中的第一图像数据样本输入所述属性提取模型进行训练,每隔预设周期使用所述验证集对所述属性提取模型进行验证,利用所述验证集中各张第一图像数据和对应的属性特征对该属性提取模型的准确率进行验证;及
当验证的准确率大于预设阈值时,结束训练,得到所述属性提取模型。
4.如权利要求1所述的数据传输方法,其特征在于,所述第二客户端展示所述目标数据包括:
提取所述目标数据的补充增强信息单元SEI包中的结构化数据,并解码所述目标数据得到第二图像数据;及
对所述结构化数据进行解析得到属性特征,根据所述属性特征识别出所述第二图像数据中的目标区域,并标注出所述目标区域对应的属性特征。
5.一种数据传输装置,其特征在于,包括:
获取模块:获取第一客户端上传的视频数据,对所述视频数据进行备份得到备份数据,对所述视频数据进行解码得到第一图像数据,其中,所述视频数据按照H.264编码方式进行编码得到,所述视频数据包括可新增数据的补充增强信息单元SEI包;
提取模块:检测出所述第一图像数据中的目标区域,将检测出目标区域的所述第一图像数据输入预先训练的属性提取模型,提取所述目标区域的属性特征;
整合模块:将所述属性特征按照所述目标区域的类型进行分类,并以预设存储格式封装得到结构化数据,将所述结构化数据写入所述备份数据的补充增强信息单元SEI包得到目标数据;及
展示模块:将所述目标数据发送至第二客户端进行展示;
加密模块:用于在将所述结构化数据写入所述备份数据的补充增强信息单元SEI包之前,利用预先确定的加密算法对所述结构化数据进行加密处理;
所述加密模块具体用于:识别出所述结构化数据中每个数据单元对应的字符位数,将所述结构化数据转换成字符串;基于所述加密算法获取所述字符串的截取点,将所述字符串分成若干段子结构化数据;及利用所述第二客户端的公钥对每段所述子结构化数据进行加密,并根据预设规则将每段加密后的所述子结构化数据进行组装后写入所述备份数据的补充增强信息单元SEI包;
解密模块,用于调取所述目标数据中的结构化数据,遍历分段加密后的结构化数据,取出加密的结构化数据中的每个数据单元;利用与所述公钥对应的私钥对加密的结构化数据进行解密,得到解密后的每个所述数据单元;及对每个所述数据单元进行拼接构成未加密之前的结构化数据,将得到的所述结构化数据在所述第二客户端上展示。
6.一种服务器,其特征在于,所述服务器包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至4中任一所述的数据传输方法。
7.一种计算机可读存储介质,其特征在于,包括存储数据区和存储程序区,存储数据区存储根据区块链节点的使用所创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的数据传输方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557346.7A CN111510752B (zh) | 2020-06-18 | 2020-06-18 | 数据传输方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557346.7A CN111510752B (zh) | 2020-06-18 | 2020-06-18 | 数据传输方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111510752A CN111510752A (zh) | 2020-08-07 |
CN111510752B true CN111510752B (zh) | 2021-04-23 |
Family
ID=71872245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010557346.7A Active CN111510752B (zh) | 2020-06-18 | 2020-06-18 | 数据传输方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111510752B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515649B (zh) * | 2020-11-19 | 2024-03-01 | 阿里巴巴集团控股有限公司 | 数据的结构化方法、系统、装置、设备和存储介质 |
CN112565799B (zh) * | 2020-11-26 | 2022-12-27 | 北京达佳互联信息技术有限公司 | 视频数据处理方法和装置 |
CN113726772B (zh) * | 2021-08-30 | 2023-07-07 | 深圳平安智慧医健科技有限公司 | 实现在线问诊会话的方法、装置、设备及存储介质 |
CN114581558B (zh) * | 2022-02-25 | 2023-07-07 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备以及存储介质 |
CN115086714A (zh) * | 2022-06-13 | 2022-09-20 | 京东科技信息技术有限公司 | 数据处理方法、装置、设备及存储介质 |
CN115695858A (zh) * | 2022-11-08 | 2023-02-03 | 天津萨图芯科技有限公司 | 基于sei加密的虚拟制片视频母片编解码系统、方法及平台 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009003885A2 (en) * | 2007-06-29 | 2009-01-08 | Thomson Licensing | Video indexing method, and video indexing device |
CN104363430A (zh) * | 2014-12-04 | 2015-02-18 | 高新兴科技集团股份有限公司 | 一种增强现实摄像机监控方法及其系统 |
CN107343220B (zh) * | 2016-08-19 | 2019-12-31 | 北京市商汤科技开发有限公司 | 数据处理方法、装置和终端设备 |
CN108229267B (zh) * | 2016-12-29 | 2020-10-16 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN109218755B (zh) * | 2017-07-07 | 2020-08-25 | 华为技术有限公司 | 一种媒体数据的处理方法和装置 |
CN107766809B (zh) * | 2017-10-09 | 2020-05-19 | 平安科技(深圳)有限公司 | 电子装置、票据信息识别方法和计算机可读存储介质 |
CN108833937B (zh) * | 2018-05-30 | 2021-03-23 | 华为技术有限公司 | 视频处理方法和装置 |
CN108848413B (zh) * | 2018-06-25 | 2021-08-27 | 苏州科达科技股份有限公司 | 视频的防重放攻击系统、方法、装置及存储介质 |
CN110741635A (zh) * | 2018-06-29 | 2020-01-31 | 深圳市大疆创新科技有限公司 | 编码方法、解码方法、编码设备和解码设备 |
KR101928858B1 (ko) * | 2018-08-10 | 2018-12-13 | 황영복 | 객체 외곽선을 경계로 마스킹하는 방법 |
CN109657694A (zh) * | 2018-10-26 | 2019-04-19 | 平安科技(深圳)有限公司 | 图片自动分类方法、装置及计算机可读存储介质 |
CN110418112A (zh) * | 2019-08-09 | 2019-11-05 | 上海商汤智能科技有限公司 | 一种视频处理方法及装置、电子设备和存储介质 |
CN111210269B (zh) * | 2020-01-02 | 2020-09-18 | 平安科技(深圳)有限公司 | 基于大数据的对象识别方法、电子装置及存储介质 |
-
2020
- 2020-06-18 CN CN202010557346.7A patent/CN111510752B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111510752A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111510752B (zh) | 数据传输方法、装置、服务器及存储介质 | |
US11010855B2 (en) | Method and apparatus for protecting digital photos from alteration | |
CN103532960B (zh) | 解密装置 | |
CN112508145B (zh) | 电子印章生成及验证方法、装置、电子设备及存储介质 | |
CN112137591B (zh) | 基于视频流的目标物位置检测方法、装置、设备及介质 | |
CN111222611B (zh) | 一种基于颜色的堆叠式三维码编码方法、编码装置、解码方法、解码装置以及存储介质 | |
CN111404904A (zh) | 一种内外网物理隔离的数据安全交换方法及装置 | |
CN103259621A (zh) | 彩色三维码的编码方法和装置以及彩色三维码的应用方法和系统 | |
CN115048664A (zh) | 基于固态硬盘的数据安全存储方法、装置、设备及介质 | |
CN114626079A (zh) | 基于用户权限的文件查看方法、装置、设备及存储介质 | |
CN111836054B (zh) | 视频防盗版方法、电子设备及计算机可读存储介质 | |
US10325282B2 (en) | Dynamic machine-readable codes | |
CN116305294B (zh) | 数据泄露溯源方法、装置、电子设备及存储介质 | |
CN113011254A (zh) | 一种视频数据处理方法、计算机设备及可读存储介质 | |
CN111211887A (zh) | 资源加密方法、系统、装置及计算机可读存储介质 | |
US20160189015A1 (en) | Data exchange methods, systems and apparatus using color images | |
CN111260532A (zh) | 隐私图像加密方法、装置、电子设备及计算机可读存储介质 | |
CN110730277A (zh) | 一种信息编码及获取编码信息的方法和装置 | |
US11546141B1 (en) | Cryptographic protection for portions of media | |
CN115001768A (zh) | 基于区块链的数据交互方法、装置、设备及存储介质 | |
CN113727146A (zh) | 基于区块链的云电视视频流处理装置及方法 | |
CN115016754A (zh) | 设备间的页面同步显示方法、装置、电子设备及介质 | |
CN114978649A (zh) | 基于大数据的信息安全保护方法、装置、设备及介质 | |
CN114390200A (zh) | 相机作弊识别方法、装置、设备及存储介质 | |
CN113255456A (zh) | 非主动活体检测方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |