CN112101304B - 数据处理方法、装置、存储介质及设备 - Google Patents
数据处理方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN112101304B CN112101304B CN202011230738.9A CN202011230738A CN112101304B CN 112101304 B CN112101304 B CN 112101304B CN 202011230738 A CN202011230738 A CN 202011230738A CN 112101304 B CN112101304 B CN 112101304B
- Authority
- CN
- China
- Prior art keywords
- terminal
- information
- target object
- target
- state
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请实施例公开了一种数据处理方法、装置、存储介质以及设备,涉及人工智能技术和云技术领域,其中,该方法包括:获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;根据所述终端的属性信息验证所述终端上传所述目标图像的权限;若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;将所述目标对象的状态信息发送至与所述终端关联的推送服务器。本申请可以提高人工智能处理的准确度。
Description
技术领域
本申请涉及人工智能技术以及云技术领域,尤其涉及一种数据处理方法、装置、存储介质及设备。
背景技术
人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习等几大方向。随着人工智能技术的发展,给用户的生活、工作等多方面带来极大的便捷;但是,用于实现人工智能的设备由于性能比较低,如运算能力比较弱,导致人工智能处理结果的准确度比较低,难以达到用户预期的效果。
发明内容
本申请实施例所要解决的技术问题在于,提供一种数据处理方法、装置、存储介质及设备,能够提高人工智能处理的准确度。
本申请实施例一方面提供一种数据处理方法,包括:
获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述终端的属性信息验证所述终端上传所述目标图像的权限;
若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
将所述目标对象的状态信息发送至与所述终端关联的推送服务器。
本申请实施例一方面提供一种数据处理方法,包括:
从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象的状态进行识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
本申请实施例一方面提供一种数据处理装置,包括:
获取模块,用于获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
验证模块,用于根据所述终端的属性信息验证所述终端上传所述目标图像的权限;
识别模块,用于若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
推送模块,用于将所述目标对象的状态信息发送至与所述终端关联的推送服务器,所述推送服务器生成与所述目标对象的状态信息关联的推送信息,将所述推送信息发送至所述终端。
可选的,所述推送模块将所述目标对象的状态信息发送至与所述终端关联的推送服务器的方式包括:
将所述目标对象的状态信息添加至与所述推送服务器之间的共享消息队列中,所述推送服务器从所述共享消息队列中读取所述目标对象的状态信息;或者,
将所述目标对象的状态信息发送至与所述推送服务器关联的专用服务器,所述专用服务器将所述目标对象的状态信息发送至所述推送服务器。
可选的,所述识别模块对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息的方式包括:
获取所述目标对象的对象类型,调用与所述目标对象的对象类型匹配的目标状态识别模型;
采用所述目标状态识别模型对所述目标图像的状态进行识别,得到所述目标对象的位置信息;根据所述目标对象的位置信息生成所述目标对象的移动轨迹;将所述目标对象的移动轨迹确定为所述目标对象的状态信息。
可选的,所述识别模块调用与所述目标对象的对象类型匹配的目标状态识别模型的方式包括:
识别与所述目标对象的对象类型匹配的候选状态识别模型;
提取所述目标图像的像素信息,根据所述目标图像的像素信息确定识别所述目标对象的难度等级;
获取所述候选状态识别模型识别图像的性能等级,从所述候选状态识别模型中筛选性能等级与识别所述目标对象的难度等级匹配的候选状态识别模型,作为与所述目标对象的对象类型匹配的目标状态识别模型。
可选的,所述终端的属性信息包括所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段;
所述验证模块根据所述终端的属性信息验证所述终端的上传所述目标图像的权限的方式包括:
获取当前的系统时间;
若所述系统时间位于所述签名授权信息的有效时间段内,则获取所述终端对应的公钥,采用所述终端对应的公钥对所述终端的签名授权信息进行验签,得到第一哈希值;
获取所述终端的标识,对所述终端的标识进行哈希运算,得到第二哈希值;
若所述第一哈希值与所述第二哈希值相同,则确定所述终端具有上传所述目标图像的权限。
可选的,上述装置还包括:
授权模块,用于:
接收所述终端上传所述目标图像的授权请求,所述授权请求携带所述终端的标识;
若所述终端的标识与有效终端库中的标识相同,则生成所述终端对应的密钥对,所述终端对应的密钥对包括所述终端对应的私钥和所述终端对应的公钥;所述有效终端库中包括具有上传所述目标图像权限的终端对应的标识;
对所述终端的标识进行哈希运算,得到第三哈希值,采用所述终端对应的私钥对所述第三哈希值进行签名,得到所述终端的签名授权信息;
生成所述终端的签名授权信息的有效时间段,将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述推送服务器,所述推送服务器将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述终端。
本申请实施例一方面提供一种数据处理装置,包括:
获取模块,用于从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象的状态进行识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
生成模块,用于根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
可选的,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
所述生成模块根据所述目标对象的状态信息生成推送信息的方式包括:
查询所述目标对象的移动轨迹所在区域的活动信息;
在所述目标对象的移动轨迹上标记所述活动信息,得到标记后的移动轨迹;
将所述标记后的移动轨迹确定为推送信息。
可选的,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
所述生成模块根据所述目标对象的状态信息生成推送信息的方式包括:
查询与所述目标对象的移动轨迹匹配的候选规划路线,以及所述候选规划路线的路况信息;
根据所述候选规划路线的路况信息预测按照所述候选规划路线行驶所需要的时长;
从所述候选规划路线中筛选出对应时长最短的候选规划路线,作为目标规划路线;
将所述目标规划路线以及所述目标对象的移动轨迹作为推送信息。
可选的,所述获取模块从识别服务器中获取关于目标图像中的目标对象的状态信息的方式包括:
从与所述识别服务器之间的共享消息队列中读取关于所述目标图像中的所述目标对象的状态信息;或者,
从专用服务器中读取关于所述目标图像中的所述目标对象的状态信息,所述专用服务器中的所述目标对象的状态信息是由所述识别服务器所发送的。
本申请一方面提供了一种计算机设备,包括:处理器及存储器;
其中,所述处理器用于调用存储器中存储的设备控制应用程序,以实现:
获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述终端的属性信息验证所述终端上传所述目标图像的权限;
若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
将所述目标对象的状态信息发送至与所述终端关联的推送服务器。
可选的,所述处理器用于调用存储器中存储的设备控制应用程序,以实现:
从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象进行状态识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
本申请实施例一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如下步骤:
获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述终端的属性信息验证所述终端上传所述目标图像的权限;
若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
将所述目标对象的状态信息发送至与所述终端关联的推送服务器,所述推送服务器生成与所述目标对象的状态信息关联的推送信息,将所述推送信息发送至所述终端。
可选的,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行:
从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象的状态进行识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
本申请中,通过终端对原始多媒体数据进行对象检测,得到包括目标对象的目标图像,即通过终端对原始多媒体数据进行预处理,可将识别服务器的人工智能处理压力,提高人工智能处理精度。进一步,通过识别服务器在确定终端具有上传目标图像的权限时,对目标图像中所包括的目标对象的状态进行识别,得到目标对象的状态信息,将该目标对象的状态信息发送至推送服务器;可有效避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源,即提高识别服务器的资源利用率。并通过推送服务器生成与目标对象的状态信息关联的推送信息,将该推送信息发送至终端,有利于为终端提供更加便捷的服务,并有利于推送服务器端实现产品运营,为推送服务器带来经济效益。也就是说,上述对象检测以及对象识别属于人工智能处理的过程;即通过终端和识别服务器采用分布式处理方式来实现人工智能处理,可将识别服务器或终端的人工智能处理压力,可提高人工智能处理的精度;并降低识别服务器和终端的硬件(如芯片)成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,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是本申请提供的一种数据处理系统的架构示意图;
图2是本申请提供的一种数据处理系统中的各个设备之间的数据交互的场景示意图;
图3是本申请提供的一种数据处理方法的流程示意图;
图4是本申请提供的一种识别服务器生成签名授权信息的场景示意图;
图5是本申请提供的一种识别服务器生成目标对象的状态信息的场景示意图;
图6是本申请提供的一种数据处理方法的流程示意图;
图7是本申请提供的一种配置人工智能处理的参数的场景示意图;
图8是本申请提供的一种数据处理方法的流程示意图;
图9是本申请实施例提供的一种数据处理装置的结构示意图;
图10是本申请实施例提供的一种数据处理装置的结构示意图;
图11是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供的数据处理方法主要涉及人工智能的计算机视觉技术和云技术中的人工智能云服务,具体的,利用计算机视觉技术和人工智能云服务实现人工智能处理,可提高人工智能处理的准确度。
其中,人工智能(Artificial Intelligence, AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。其中,计算机视觉技术(Computer Vision, CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
云技术(Cloud technology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,只能通过云计算来实现。云技术主要应用于医疗云、云安全、人工智能服务、云物联、云游戏、云教育以及云会议等几大方向;
其中,所谓人工智能云服务,一般也被称作是AIaaS(AIas a Service,中文为“AI即服务”)。这是目前主流的一种人工智能平台的服务方式,具体来说AIaaS平台会把几类常见的AI服务进行拆分,并在云端提供独立或者打包的服务。这种服务模式类似于开了一个AI主题商城:所有的开发者都可以通过API接口的方式来接入使用平台提供的一种或者是多种人工智能服务,部分资深的开发者还可以使用平台提供的AI框架和AI基础设施来部署和运维自已专属的云人工智能服务。
首先介绍用于实现本申请的数据处理方法的数据处理系统,如图1所示,该数据处理系统中包括识别服务器10、推送服务器11以及至少一个终端(如图1中以终端12和终端13)。
其中,识别服务器10可以是指用于提供人工智能服务的后端设备,具体的,识别服务器搭建有人工智能平台,用户可以通过API接口的方式来接入或使用该人工智能平台提供的一种或者是多种人工智能服务;如人工智能服务包括图像识别服务、语音识别服务、智能问答服务、大数据处理服务等等。
其中,推送服务器11可以是指终端对应的硬件厂商对应的后端设备,可用于根据识别服务器10的人工智能处理结果生成推送消息,并将推送消息返回给终端;推送消息包括人工智能处理结果,以及与人工智能处理结果关联的推广信息。
其中,终端12和终端13均是指面向用户的前端设备,具体的,终端12和终端13可以是指用户用于向识别服务器10发起人工智能处理请求的设备。
其中,识别服务器10以及推送服务器11均可以是独立的一个物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端12和终端13可以是摄像设备(如监控设备、摄像机)、智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端12、终端13、识别服务器10、推送服务器11之间可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。同时,终端12、终端13、识别服务器10、推送服务器11的数量可以是一个或多个,本申请在此不做限制。
本申请中的数据处理方法可应用于室内监控场景以及道路监控场景等场景中,为便于理解,图2中以室内监控场景为例进行说明,室内可以是指商场、机场、室内运动场、车站等场所,图2中以室内为商场为例。在该场景中,该终端可以是指商场内所安装的摄像装置,推送服务器可以是指摄像装置的硬件产商对应的服务设备,识别服务器可以是指用于进行人工智能处理的云服务器。
终端可以对商场进行拍摄,得到原始多媒体数据,即该原始多媒体数据可以是指关于该商场的视频数据或图像数据;终端可以对该原始多媒体数据进行对象检测,从该原始多媒体数据中筛选包括目标对象的目标图像,此处目标对象可以是指商场中的物品,该物品可以是指商铺中所售卖的物品或商场中基础设施(如显示屏)等等。即终端侧对原始多媒体数据进行预处理,从原始多媒体数据中筛选出包括有用信息的目标图像,过滤掉无意义的图像。即目标图像是指能够为后续人工智能处理提供有用信息的图像;无意义的图像可以是指不能为后续人工智能处理提供有用信息的图像;这样有利于减低识别服务器的人工智能处理压力,提高人工智能处理精度。
在终端获取到包括目标对象的目标图像后,可以将该目标图像发送至识别服务器,为了避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源;因此,识别服务器可以根据该终端的属性信息验证该终端上传该目标图像的权限,即根据终端的属性信息验证该终端是否具有上传该目标图像的权限。当确定该终端具有上传该目标图像的权限时,识别服务器可以对该目标图像中的目标对象的状态进行识别,得到该目标对象的状态信息,该目标对象的状态信息可以用于反映该商场中的物品是否处于危险状态,如目标对象的状态信息用于反映该商场中的物品是否着火状态。识别服务器在获取到目标对象的状态信息后,可以将该目标对象的状态信息发送至推送服务器;推送服务器可以生成与该目标对象的状态信息关联的推送信息,即该推送信息包括人工智能处理结果(即目标对象的状态信息)以及推广信息,如当该目标对象的状态信息反映目标对象处于着火状态,则推广信息可包括关于消防装置(如灭火器)的广告信息;如当该目标对象的状态信息反映目标对象未处于着火状态,则推广信息可包括关于烟感装置的广告信息;这样有利于对推广服务端的产品运营和推广,并提高商场的安全性。
基于上述的描述,请参见图3,是本申请实施例提供的一种数据处理方法的流程示意图。该方法可由计算机设备来执行,该计算机设备可以是指终端或服务器,下面以该计算机设备是指图1中的识别服务10为例进行说明,如图3所示,该数据处理方法可以包括如下步骤S101~S104。
S101、获取终端所上传的包括目标对象的目标图像以及该终端的属性信息,该目标图像是由该终端对原始多媒体数据进行对象检测得到的。
此处原始多媒体数据可以是指视频数据或图像数据,该原始多媒体数据可以是指由终端拍摄得到,或者,终端从其他设备中获取得到的;具体的,该多媒体数据可以是指对某个区域(如小区大门处、道路、室内)的监控视频数据或监控图像数据。该原始多媒体数据中包括有效图像和无效图像,有效图像可以是指能够为人工智能处理提供信息的图像,如有效图像可以是指原始多媒体数据中包括目标对象的目标图像,目标对象可以是指人物、车辆、物品(如室内用品)等等;无效图像可以是指不能为人工智能处理提供信息的图像,如无效图像可以是指原始多媒体数据中不包括目标图像的图像。对原始多媒体数据的人工智能处理过程包括对象检测过程和状态识别过程,对象检测过程是指从原始多媒体数据中检测出包括目标对象的目标图像的过程;状态识别过程是指识别目标图像中目标对象的状态信息的过程。
当需要对原始多媒体数据进行人工智能处理时,此处人工智能处理可以是指对多媒体数据中的目标对象进行识别;如果终端直接将原始多媒体数据上传至识别服务器,由识别服务器对原始多媒体数据进行人工智能处理,增加识别服务器的人工智能处理压力,降低识别服务器的人工智能处理的精度。因此,终端可以对原始多媒体数据进行对象检测,从原始多媒体数据中筛选出包括目标对象的目标图像;终端对原始多媒体数据进行预处理,得到包括目标对象的目标图像。终端可以将包括目标对象的目标图像上传至识别服务器,识别服务器可以获取终端上传的包括目标对象的目标图像,并获取该终端的属性信息;通过终端对原始多媒体数据进行预处理,可避免终端将原始多媒体数据直接上传至识别服务器,可降低识别服务器的人工智能处理(即图像识别)的压力,提高人工智能处理的精度。
其中,该终端的属性信息可以是指用于验证终端是否具有上传目标图像至识别服务器的权限的信息,如该终端的属性信息包括终端的签名授权信息、终端的签名授权信息的有效时间段、终端的标识等中的至少一种。终端的签名授权信息是指识别服务为终端签发的上传目标图像的授权凭证,终端的签名授权信息的有效时间段可以是指该授权凭证的有效时间段,即时间位于有效时间段内,该授权凭证有效,即终端具有上传目标图像至识别服务器的权限;时间超出有效时间段,该授权凭证失效,即终端不具有上传目标图像至识别服务器的权限。终端的标识可以是指登录至终端的用户账号、终端的IP地址、终端的编号以及终端对应的用户的手机号码等等。
S102、根据该终端的属性信息验证该终端上传该目标图像的权限。
为了避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源;因此,识别服务器可以根据该终端的属性信息验证该终端上传该目标图像的权限,即根据终端的属性信息验证该终端是否具有上传该目标图像的权限。
例如,该终端的属性信息包括该终端的标识,识别服务器可以将该终端的标识与有效终端库中的标识进行比对,如果该终端的标识与有效终端库中的任一标识相同,则确定该终端具有上目标图像的权限;如果该终端的标识与有效终端库中的标识均不相同,则确定该终端不具有上目标图像的权限;该有效终端库中包括具有上传该目标图像权限的终端对应的标识。
S103、若该终端具有上传该目标图像的权限,则对该目标图像中所包括的目标对象的状态进行识别,得到该目标对象的状态信息。
如果该终端上传该目标图像的权限,表明该终端为合法终端,则识别服务器可以对该目标图像中所包括的目标对象的状态进行识别,得到该目标对象的状态信息。该目标对象的状态信息可以是指人工智能处理结果,该目标对象的状态信息在不同场景下所指的具体内容不相同,如在交通监控场景中,该目标对象可以是指道路上所行使的车辆,目标对象的状态信息可以是指车辆的移动轨迹;在室内监控场景中,目标对象可以是指进入室内的人物,目标对象的状态信息可以是指人物是否为陌生人;或者,目标对象是指室内的物品,目标对象的状态信息可以是指物品是否处于危险状态,如物品是否着火等等。
S104、将该目标对象的状态信息发送至与该终端关联的推送服务器。
识别服务器获取到目标对象的状态信息后,可以将该目标对象的状态信息发送至与该终端关联的推送服务器,该推送服务器生成与该目标对象的状态信息关联的推送信息,将该推送信息发送至该终端。与该目标对象的状态信息关联的推送信息可以包括目标对象的状态信息以及与目标对象的状态信息关联的推广信息,推广信息可以是指与目标对象的状态信息关联的增值服务信息。如在交通监控场景中,该推广信息可以是指与目标对象的行驶规划路径或目标对象的移动轨迹所在区域的活动信息(商场促销活动、演唱活动、公益活动等等);在室内监控场景中,当检测到进入室内的人物为陌生人时,该推广信息可以是指报警信息,或者,该推广信息可以是指用于发出报警信息的设备对应的广告信息;当检测到室内的物品着火,则推广信息可以是消防装置的广告信息。
本申请中,通过终端对原始多媒体数据进行对象检测,得到包括目标对象的目标图像,即通过终端对原始多媒体数据进行预处理,可将识别服务器的人工智能处理压力,提高人工智能处理精度。进一步,通过识别服务器在确定终端具有上传目标图像的权限时,对目标图像中所包括的目标对象的状态进行识别,得到目标对象的状态信息,将该目标对象的状态信息发送至推送服务器;可有效避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源,即提高识别服务器的资源利用率。并通过推送服务器生成与目标对象的状态信息关联的推送信息,将该推送信息发送至终端,有利于为终端提供更加便捷的服务,并有利于推送服务器端实现产品运营,为推送服务器带来经济效益。也就是说,上述对象检测以及对象识别属于人工智能处理的过程;即通过终端和识别服务器采用分布式处理方式来实现人工智能处理,可将识别服务器或终端的人工智能处理压力,可提高人工智能处理的精度;并降低识别服务器和终端的硬件(如芯片)成本。
可选的,如图4所示,在步骤S102之前,该方法还包括如下步骤s11~s14。
s11、接收该终端上传该目标图像的授权请求,该授权请求携带该终端的标识。
s12、若该终端的标识与有效终端库中的标识相同,则生成该终端对应的密钥对,该终端对应的密钥对包括该终端对应的私钥和该终端对应的公钥;该有效终端库中包括具有上传该目标图像权限的终端对应的标识。
s13、对该终端的标识进行哈希运算,得到第三哈希值,采用该终端对应的私钥对该第三哈希值进行签名,得到该终端的签名授权信息。
s14、生成该终端的签名授权信息的有效时间段,将该终端的签名授权信息以及该终端的签名授权信息的有效时间段发送至该推送服务器,该推送服务器将该终端的签名授权信息以及该终端的签名授权信息的有效时间段发送至该终端。
在步骤s11~s14中,在终端上传目标图像之前,可以向识别服务器发送上传目标图像的授权请求,该授权请求携带该终端的标识;识别服务器可以接收到该授权请求后,可以将该终端的标识与有效终端库中的标识进行比对。如果该终端标识与有效终端库中的标识均不相同,表明该终端为非法终端,则识别服务可以拒绝终端上传目标图像,即暂停向终端发送签名授权信息。如果该终端标识与有效终端库中的任一标识相同,表明该终端为合法终端,则可以生成该终端对应的密钥对,该终端对应的密钥对可以包括终端对应的公钥和终端对应的私钥,该终端对应的私钥用于生成签名授权信息,该终端对应的公钥用于对签名授权信息进行验签,并该终端的对应的公钥由识别服务器保存。因此,识别服务器可以对该终端的标识进行哈希运算,得到第三哈希值,采用该终端对应的私钥对该第三哈希值进行签名,得到该终端的签名授权信息。为了提高签名授权信息的安全性,该终端的签名授权信息可以是识别服务器为终端生成的临时签名授权信息;即识别服务器可以生成该终端的签名授权信息的有效时间段,将该终端的签名授权信息以及该终端的签名授权信息的有效时间段发送至该推送服务器,该推送服务器将该终端的签名授权信息以及该终端的签名授权信息的有效时间段发送至该终端。即通过为合法终端生成关于上传目标图像的签名授权信息,避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源;并通过生成签名授权信息的有效时间段,即为终端生成临时签名授权信息,提高签名授权信息的安全性。
可选的,上述生成该终端对应的密钥对可包括:识别服务器可以获取识别服务器的设备标识,根据设备标识生成第一随机数,根据该第一随机数生成第一密钥对,将该第一密钥对作为终端对应的密钥对;通过随机生成终端对应的密钥对,可提高终端对应的密钥对的安全性。或者,识别服务器可以统计时间段内所接收到上传目标图像的授权请求的次数,根据该次数生成第二随机数;或者,识别服务器可获取所接收到该终端上传目标图像的授权请求的时间,根据该时间生成第二随机数。根据该第二随机数生成第二密钥对,将该第二密钥对作为终端对应的密钥对;即不同终端对应的密钥对不同,提高终端的密钥对的安全性。
可选的,该终端的属性信息包括该终端的签名授权信息以及该终端的签名授权信息的有效时间段;步骤S102可包括如下步骤s21~s24。
s21、获取当前的系统时间。
s22、若该系统时间位于该签名授权信息的有效时间段内,则获取该终端对应的公钥,采用该终端对应的公钥对该终端的签名授权信息进行验签,得到第一哈希值。
s23、获取该终端的标识,对该终端的标识进行哈希运算,得到第二哈希值。
s24、若该第一哈希值与该第二哈希值相同,则确定该终端具有上传该目标图像的权限。
在步骤s21~s24中,识别服务器可以获取当前的系统时间,若该系统时间未位于该签名授权信息的有效时间段内,表明该终端的签名授权信息具失效,则识别服务器可以确定该终端不具有上传该目标图像的权限,即暂停对目标图像中的目标对象的状态进行识别。若该系统时间位于该签名授权信息的有效时间段内,表明该终端的签名授权信息具有有效性,则识别服务器可以获取该终端对应的公钥,采用该终端对应的公钥对该终端的签名授权信息进行验签,得到第一哈希值;获取该终端的标识,对该终端的标识进行哈希运算,得到第二哈希值。将第一哈希值和第二哈希值进行比对,若该第一哈希值与该第二哈希值不相同,表明该签名授权信息是不由该识别服务器所生成的,或者表明该签名授权信息是由该识别服务器为其他终端所生成的,则确定该终端不具有上传该目标图像的权限,即识别服务器未授权该终端上传目标图像;若该第一哈希值与该第二哈希值相同,表明该签名授权信息是由该识别服务器为该终端所生成的,则确定该终端具有上传该目标图像的权限。
可选的,上述步骤S103可包括如下步骤s31~s34。
s31、获取该目标对象的对象类型,调用与该目标对象的对象类型匹配的目标状态识别模型。
s32、采用该目标状态识别模型对该目标图像的状态进行识别,得到该目标对象的位置信息。
s33、根据该目标对象的位置信息生成该目标对象的移动轨迹。
s34、将该目标对象的移动轨迹确定为该目标对象的状态信息。
在骤s31~s34中,如图5所示,识别服务器可以从终端中获取该目标对象的对象类型,该对象类型可以包括人物类型、物品类型或者车辆类型等;调用与该目标对象的对象类型匹配的目标状态识别模型,如该对象类型为人物类型,该目标状态识别模型可以为用于识别人脸的模型;如该对象类型为车辆类型,该目标状态识别模型可以为用于识别车辆的位置信息的模型;如该对象类型为物品类型,该目状态识别模型可以是指用于识别物品的模型。以该对象类型为车辆类型为例,可以该目标状态识别模型对该目标图像的状态进行识别,得到该目标对象的位置信息;根据该目标对象的位置信息生成该目标对象的移动轨迹,即根据该目标对象在不同时间的位置信息生成该目标对象的移动轨迹;将该目标对象的移动轨迹确定为该目标对象的状态信息。通过调用与目标对象的对象类型匹配的目标状态识别模型对目标图像中的对象的状态进行识别,可提高人工智能处理的精度。
可选的,上述步骤s31可包括如下步骤s41~s43。
s41、识别与该目标对象的对象类型匹配的候选状态识别模型。
s41、提取该目标图像的像素信息,根据该目标图像的像素信息确定识别该目标对象的难度等级。
s43、获取该候选状态识别模型识别图像的性能等级,从该候选状态识别模型中筛选性能等级与识别该目标对象的难度等级匹配的候选状态识别模型,作为与该目标对象的对象类型匹配的目标状态识别模型。
在步骤s41~s43中,识别服务器可以识别与该目标对象的对象类型匹配的候选状态识别模型,并提取该目标图像的像素信息,该目标图像的像素信息可用于反映目标图像的清晰度。因此,可根据该目标图像的像素信息确定该目标图像的清晰度,根据该目标图像的清晰度确定识别该目标对象的难度等级。如果该目标图像的清晰度越高,表明该目标图像的质量越高,即目标图像可提供更多关于目标对象的信息,则识别该目标对象的难度等级越低。如果该目标对象的清晰度越低,表明该目标图像的质量越低,即目标图像可只能提供较少关于目标对象的信息,则识别该目标对象的难度等级越高。进一步,可获取该候选状态识别模型识别图像的性能等级,从该候选状态识别模型中筛选性能等级与识别该目标对象的难度等级匹配的候选状态识别模型,作为与该目标对象的对象类型匹配的目标状态识别模型;性能等级可用于反映候选状态识别模型识别目标对象的准确度、效率等等;如识别目标对象的难度等级较高,则可以选择性能等级高的候选状态识别模型,作为目标状态识别模型;或者,如果识别目标对象的难度等级较低,则可以选择性能等级低的候选状态识别模型,作为目标状态识别模型。通过根据识别目标对象的难度等级,选择合适的目标状态识别模型,可提高人工智能处理效率以及准确度。
可选的,上述步骤S104可包括:将该目标对象的状态信息添加至与该推送服务器之间的共享消息队列中,该推送服务器从该共享消息队列中读取该目标对象的状态信息;或者,将该目标对象的状态信息发送至与该推送服务器关联的专用服务器,该专用服务器将该目标对象的状态信息发送至该推送服务器。
识别服务器可以将该目标对象的状态信息添加至与该推送服务器之间的共享消息队列中,共享消息队列可以是指分布式系统中重要的组件,其通用的使用场景可以简单地描述为:当不需要立即获得结果,但是并发量又需要进行控制的时候,即可使用消息队列。共享消息队列主要解决了应用耦合、异步处理、流量削锋等问题;即共享消息队列可以是指识别服务器和推送服务器之间共享的消息队列,即识别服务器和推送服务器可以向该共享消息队列中读取或写入数据。当识别服务器将该目标对象的状态信息添加至共享消息队列后,该推送服务器可从该共享消息队列中读取该目标对象的状态信息。
可选的,识别服务器可将该目标对象的状态信息发送至与该推送服务器关联的专用服务器,即该专用服务器可以是指识别服务器用于存储人工智能处理结果(如目标对象的状态信息)的专用服务器;在识别服务器将该目标对象的状态信息存储至专用服务器后,该专用服务器可将该目标对象的状态信息发送至该推送服务器。
基于上述的描述,请参见图6,是本申请实施例提供的一种数据处理方法的流程示意图。该方法可由计算机设备来执行,该计算机设备可以是指终端或服务器,下面以该计算机设备是指图1中的推送服务11为例进行说明,如图6所示,该数据处理方法可以包括如下步骤S201~S202。
S201、从识别服务器中获取关于目标图像中的目标对象的状态信息;该目标对象的状态信息是由该识别服务器在根据终端的属性信息确定终端具有上传该目标图像的权限时,对目标图像中的该目标对象的状态进行识别得到的,该目标图像是由该终端对原始多媒体数据进行对象检测得到的。
S202、根据该目标对象的状态信息生成推送信息,将该推送信息发送至该终端。
在识别服务器获取目标对象的状态信息后,推送服务器可以从识别服务器中获取关于目标图像中的目标对象的状态信息,进一步,可根据该目标对象的状态信息生成推送信息,将该推送信息发送至该终端。通过推送服务器将推送信息发送至终端,有利于推送服务器向终端推送与目标对象的状态信息关联的增值服务信息,有利于对推送服务器端的产品运营,并为用户提供便捷。
例如,终端中安装有推送服务器所建立的AI应用程序app,推送服务器获取目标对象的状态信息后,可以根据目标对象的状态信息生成推送信息,通过app将该推送信息推送至终端,即该推送信息包括人工智能处理结果(即目标对象的状态信息)和推广信息(如广告信息);随着应用该app的终端的数量增多,可增强推广服务器对app的运营,给推广服务器端带来收益。
可选的,如图7所示,终端中的AI应用程序包括AI配置界面14,该AI配置界面14包括AI模型配置选项(即AI数据模型),用户可以对AI模型配置选项执行选择操作;即终端检测到针对AI模型配置选项执行选择操作,输出AI模型列表,如果检测到用户针对该AI模型列表中任一模型的选择操作,将所选择的模型作为目标状态识别模型。如图7中,该目标状态识别模型为人脸识别模型,进一步,用户可以在结果输出界面15中配置人工智能处理结果的输出,即人工智能处理结果的输出位置,图7中,将人工智能处理结果的输出位置配置为专用服务器,用户还可以配置人工智能处理结果的输出API地址。当配置完以上信息后,识别服务器可采用人脸识别模型对目标图像中的对象的状态进行识别,得到目标对象的状态信息,即该目标对象的状态信息可用于反映目标对象是否为非法用户(如是否为犯罪分子或陌生人)。识别服务器获取目标对象的状态信息后,可以将该目标对象的状态信息发送至专用服务器,专用服务器可以将目标对象的状态信息发送至推送服务器,推送服务器可以生成关于目标对象的状态信息关联的推送信息,如该目标对象的状态信息反映目标对象为非法用户时,该推送信息包括目标对象的用户信息(如年龄、性别),以及非法用户进入的时间等等。
其中,上述选择操作可以是指触摸操作、光标操作、按键操作或者语音操作等。其中,触摸操作可以是触摸点击操作、触摸按压操作或者触摸滑动操作,触摸操作可以是单点触摸操作或者多点触摸操作;光标操作可以是控制光标进行点击的操作或者控制光标进行按压的操作;按键操作可以是虚拟按键操作或者实体按键操作等。
本申请中,通过终端对原始多媒体数据进行对象检测,得到包括目标对象的目标图像,即通过终端对原始多媒体数据进行预处理,可将识别服务器的人工智能处理压力,提高人工智能处理精度。进一步,通过识别服务器在确定终端具有上传目标图像的权限时,对目标图像中所包括的目标对象的状态进行识别,得到目标对象的状态信息,将该目标对象的状态信息发送至推送服务器;可有效避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源,即提高识别服务器的资源利用率。并通过推送服务器生成与目标对象的状态信息关联的推送信息,将该推送信息发送至终端,有利于为终端提供更加便捷的服务,并有利于推送服务器端实现产品运营,为推送服务器带来经济效益。也就是说,上述对象检测以及对象识别属于人工智能处理的过程;即通过终端和识别服务器采用分布式处理方式来实现人工智能处理,可将识别服务器或终端的人工智能处理压力,可提高人工智能处理的精度;并降低识别服务器和终端的硬件(如芯片)成本。
可选的,该目标对象的状态信息包括该目标对象的移动轨迹,该目标对象的移动轨迹是由该识别服务器采用目标状态识别模型对该目标图像的状态进行识别得到的,该目标状态识别模型与该目标对象的对象类型匹配;可选的,步骤S202可包括如下步骤s51~s53。
s51、查询该目标对象的移动轨迹所在区域的活动信息。
s52、在该目标对象的移动轨迹上标记该活动信息,得到标记后的移动轨迹。
s53、将该标记后的移动轨迹确定为推送信息。
在步骤s51~s53中,当该目标对象的状态信息为该目标对象的移动轨迹时,推广服务器可以查询该目标对象的移动轨迹所在区域的活动信息,该活动信息可以是指商场的促销活动、公益活动、户外运动活动等等;可以在目标对象的移动轨迹上标记该活动信息,得到标记后的移动轨迹,将该标记后的移动轨迹确定为推送信息。
可选的,该目标对象的状态信息包括该目标对象的移动轨迹,该目标对象的移动轨迹是由该识别服务器采用目标状态识别模型对该目标图像的状态进行识别得到的,该目标状态识别模型与该目标对象的对象类型匹配;步骤S202可包括如下步骤s61~s64。
s61、查询与该目标对象的移动轨迹匹配的候选规划路线,以及该候选规划路线的路况信息。
s62、根据该候选规划路线的路况信息预测按照该候选规划路线行驶所需要的时长。
s63、从该候选规划路线中筛选出对应时长最短的候选规划路线,作为目标规划路线。
s64、将该目标规划路线以及该目标对象的移动轨迹作为推送信息。
在步骤s61~s64中,当该目标对象的状态信息为该目标对象的移动轨迹时,即该目标对象为道路上行驶的车辆时,推送服务器可以查询与该目标对象的移动轨迹匹配的候选规划路线,以及该候选规划路线的路况信息,候选规划路线的路况信息包括候选规划路线的拥堵情况、交通信号灯的数量以及位置信息、车道数量等中的至少一种。进一步,可以根据该候选规划路线的路况信息预测按照该候选规划路线行驶所需要的时长,从该候选规划路线中筛选出对应时长最短的候选规划路线,作为目标规划路线。将该目标规划路线以及该目标对象的移动轨迹作为推送信息,即该目标规划路线是出行效率最高的路线;通过向用户推送目标规划路线,有利于提高用户出行的效率。
可选的,步骤S201可包括:从与该识别服务器之间的共享消息队列中读取关于该目标图像中的该目标对象的状态信息;或者,从专用服务器中读取关于该目标图像中的该目标对象的状态信息,该专用服务器中的该目标对象的状态信息是由该识别服务器所发送的。
识别服务器可以将该目标对象的状态信息添加至与该推送服务器之间的共享消息队列中,共享消息队列可以是指分布式系统中重要的组件,其通用的使用场景可以简单地描述为:当不需要立即获得结果,但是并发量又需要进行控制的时候,即可使用消息队列。共享消息队列主要解决了应用耦合、异步处理、流量削锋等问题;即共享消息队列可以是指识别服务器和推送服务器之间共享的消息队列,即识别服务器和推送服务器可以向该共享消息队列中读取或写入数据。当识别服务器将该目标对象的状态信息添加至共享消息队列后,该推送服务器可从该共享消息队列中读取该目标对象的状态信息。
可选的,识别服务器可将该目标对象的状态信息发送至与该推送服务器关联的专用服务器,即该专用服务器可以是指识别服务器用于存储人工智能处理结果(如目标对象的状态信息)的专用服务器;在识别服务器将该目标对象的状态信息存储至专用服务器后,该专用服务器可将该目标对象的状态信息发送至该推送服务器。
可选的,如图8所示,该数据处理方法可以包括如下步骤s1~s7。
s1、终端可以向识别服务器发送开启AI功能的请求。
s2、识别服务器可以为终端生成签名授权信息。
s3、终端从原始多媒体数据从提取包括目标对象的目标图像。
s4、终端将目标图像发送至识别服务器。
s5、识别服务器采用AI模型对目标图像中的目标对象的状态进行识别,得到目标对象的状态信息。
s6、识别服务器将目标对象的状态信息发送至推送服务器。
s7、推送服务器可以生成与目标对象的状态信息关联的推送信息。
在步骤s1~s7中,终端可以在AI应用程序上申请开通AI功能,即生成开通AI功能的请求,将该请求发送至推送服务器,由推送服务器转发至识别服务器。该请求可包括终端的属性信息,识别服务器可以对终端的属性信息进行验证,以判断终端是否具有开通AI功能的权限(即验证终端是否具有上传目标图像的权限)。如果终端具有开通AI功能的权限,可以为该终端生成签名授权信息,将该签名授权信息发送至推送服务器,由推送服务器将该签名授权信息发送至终端。终端接收到签名授权信息后,可以对原始多媒体数据进行对象识别,得到包括目标对象的目标图像,将该目标图像以及签名授权信息发送至推送服务器。推送服务器可以将目标图像以及签名授权信息发送至识别服务器,识别服务器可以对签名授权信息进行验证,如果该签名授权信息有效,从AI模型库中识别用于对目标对象的状态进行识别的AI模型,作为目标状态识别模型,采用目标状态识别模型对目标图像中的目标对象的状态进行识别,得到目标对象的状态信息。将该目标对象的状态信息发送至推送服务器,由推送服务器生成与目标对象的状态信息关联的推送信息,将该推送信息发送至终端。
请参见图9,是本申请实施例提供的一种数据处理装置的结构示意图。上述数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该数据处理装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。如图9所示,该数据处理装置可以包括:获取模块901、验证模块902、识别模块903、推送模块904以及授权模块905。
获取模块901,用于获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
验证模块902,用于根据所述终端的属性信息验证所述终端上传所述目标图像的权限;
识别模块903,用于若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
推送模块904,用于将所述目标对象的状态信息发送至与所述终端关联的推送服务器,所述推送服务器生成与所述目标对象的状态信息关联的推送信息,将所述推送信息发送至所述终端。
可选的,所述推送模块904将所述目标对象的状态信息发送至与所述终端关联的推送服务器的方式包括:
将所述目标对象的状态信息添加至与所述推送服务器之间的共享消息队列中,所述推送服务器从所述共享消息队列中读取所述目标对象的状态信息;或者,
将所述目标对象的状态信息发送至与所述推送服务器关联的专用服务器,所述专用服务器将所述目标对象的状态信息发送至所述推送服务器。
可选的,所述识别模块903对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息的方式包括:
获取所述目标对象的对象类型,调用与所述目标对象的对象类型匹配的目标状态识别模型;
采用所述目标状态识别模型对所述目标图像的状态进行识别,得到所述目标对象的位置信息;
根据所述目标对象的位置信息生成所述目标对象的移动轨迹;
将所述目标对象的移动轨迹确定为所述目标对象的状态信息。
可选的,所述识别模块903调用与所述目标对象的对象类型匹配的目标状态识别模型的方式包括:
识别与所述目标对象的对象类型匹配的候选状态识别模型;
提取所述目标图像的像素信息,根据所述目标图像的像素信息确定识别所述目标对象的难度等级;
获取所述候选状态识别模型识别图像的性能等级,从所述候选状态识别模型中筛选性能等级与识别所述目标对象的难度等级匹配的候选状态识别模型,作为与所述目标对象的对象类型匹配的目标状态识别模型。
可选的,所述终端的属性信息包括所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段;
所述验证模块902根据所述终端的属性信息验证所述终端的上传所述目标图像的权限的方式包括:
获取当前的系统时间;
若所述系统时间位于所述签名授权信息的有效时间段内,则获取所述终端对应的公钥,采用所述终端对应的公钥对所述终端的签名授权信息进行验签,得到第一哈希值;
获取所述终端的标识,对所述终端的标识进行哈希运算,得到第二哈希值;
若所述第一哈希值与所述第二哈希值相同,则确定所述终端具有上传所述目标图像的权限。
可选的,上述装置还包括:
授权模块905,用于:
接收所述终端上传所述目标图像的授权请求,所述授权请求携带所述终端的标识;
若所述终端的标识与有效终端库中的标识相同,则生成所述终端对应的密钥对,所述终端对应的密钥对包括所述终端对应的私钥和所述终端对应的公钥;所述有效终端库中包括具有上传所述目标图像权限的终端对应的标识;
对所述终端的标识进行哈希运算,得到第三哈希值,采用所述终端对应的私钥对所述第三哈希值进行签名,得到所述终端的签名授权信息;
生成所述终端的签名授权信息的有效时间段,将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述推送服务器,所述推送服务器将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述终端。
根据本申请的一个实施例,图3所示的数据处理方法所涉及的步骤可由图9所示的数据处理装置中的各个模块来执行。例如,图3中所示的步骤S101可由图9中的获取模块901来执行,图3中所示的步骤S102可由图9中的验证模块902来执行;图3中所示的步骤S103可由图9中的识别模块903来执行,图3中所示的步骤S104可由图9中的推送模块904来执行。
根据本申请的一个实施例,图9所示的数据处理装置中的各个模块可以分别或全部合并为一个或若干个单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个子单元,可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述模块是基于逻辑功能划分的,在实际应用中,一个模块的功能也可以由多个单元来实现,或者多个模块的功能由一个单元实现。在本申请的其它实施例中,数据处理装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本申请的一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算机设备上运行能够执行如图3中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码),来构造如图9中所示的数据处理装置,以及来实现本申请实施例的数据处理方法。上述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
本申请中,通过终端对原始多媒体数据进行对象检测,得到包括目标对象的目标图像,即通过终端对原始多媒体数据进行预处理,可将识别服务器的人工智能处理压力,提高人工智能处理精度。进一步,通过识别服务器在确定终端具有上传目标图像的权限时,对目标图像中所包括的目标对象的状态进行识别,得到目标对象的状态信息,将该目标对象的状态信息发送至推送服务器;可有效避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源,即提高识别服务器的资源利用率。并通过推送服务器生成与目标对象的状态信息关联的推送信息,将该推送信息发送至终端,有利于为终端提供更加便捷的服务,并有利于推送服务器端实现产品运营,为推送服务器带来经济效益。也就是说,上述对象检测以及对象识别属于人工智能处理的过程;即通过终端和识别服务器采用分布式处理方式来实现人工智能处理,可将识别服务器或终端的人工智能处理压力,可提高人工智能处理的精度;并降低识别服务器和终端的硬件(如芯片)成本。
请参见图10,是本申请实施例提供的一种数据处理装置的结构示意图。上述数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该数据处理装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。如图10所示,该数据处理装置可以包括:获取模块101以及生成模块102。
获取模块101,用于从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象的状态进行识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
生成模块102,用于根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
可选的,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
所述生成模块103根据所述目标对象的状态信息生成推送信息的方式包括:
查询所述目标对象的移动轨迹所在区域的活动信息;
在所述目标对象的移动轨迹上标记所述活动信息,得到标记后的移动轨迹;
将所述标记后的移动轨迹确定为推送信息。
可选的,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
所述生成模块102根据所述目标对象的状态信息生成推送信息的方式包括:
查询与所述目标对象的移动轨迹匹配的候选规划路线,以及所述候选规划路线的路况信息;
根据所述候选规划路线的路况信息预测按照所述候选规划路线行驶所需要的时长;
从所述候选规划路线中筛选出对应时长最短的候选规划路线,作为目标规划路线;
将所述目标规划路线以及所述目标对象的移动轨迹作为推送信息。
可选的,所述获取模块101从识别服务器中获取关于目标图像中的目标对象的状态信息的方式包括:
从与所述识别服务器之间的共享消息队列中读取关于所述目标图像中的所述目标对象的状态信息;或者,
从专用服务器中读取关于所述目标图像中的所述目标对象的状态信息,所述专用服务器中的所述目标对象的状态信息是由所述识别服务器所发送的。
根据本申请的一个实施例,图6所示的数据处理方法所涉及的步骤可由图10所示的数据处理装置中的各个模块来执行。例如,图6中所示的步骤S201可由图10中的获取模块101来执行,图3中所示的步骤S202可由图10中的生成模块102来执行。
根据本申请的一个实施例,图10所示的数据处理装置中的各个模块可以分别或全部合并为一个或若干个单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个子单元,可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述模块是基于逻辑功能划分的,在实际应用中,一个模块的功能也可以由多个单元来实现,或者多个模块的功能由一个单元实现。在本申请的其它实施例中,数据处理装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本申请的一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算机设备上运行能够执行如图6中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码),来构造如图10中所示的数据处理装置,以及来实现本申请实施例的数据处理方法。上述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
本申请中,通过终端对原始多媒体数据进行对象检测,得到包括目标对象的目标图像,即通过终端对原始多媒体数据进行预处理,可将识别服务器的人工智能处理压力,提高人工智能处理精度。进一步,通过识别服务器在确定终端具有上传目标图像的权限时,对目标图像中所包括的目标对象的状态进行识别,得到目标对象的状态信息,将该目标对象的状态信息发送至推送服务器;可有效避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源,即提高识别服务器的资源利用率。并通过推送服务器生成与目标对象的状态信息关联的推送信息,将该推送信息发送至终端,有利于为终端提供更加便捷的服务,并有利于推送服务器端实现产品运营,为推送服务器带来经济效益。也就是说,上述对象检测以及对象识别属于人工智能处理的过程;即通过终端和识别服务器采用分布式处理方式来实现人工智能处理,可将识别服务器或终端的人工智能处理压力,可提高人工智能处理的精度;并降低识别服务器和终端的硬件(如芯片)成本。
请参见图11,是本申请实施例提供的一种计算机设备的结构示意图。如图11所示,上述计算机设备1000可以包括:处理器1001,网络接口1004和存储器1005,此外,上述计算机设备1000还可以包括:用户接口1003,和至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非易失性的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图11所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图11所示的计算机设备1000中,网络接口1004可提供网络通讯功能;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现:
获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述终端的属性信息验证所述终端上传所述目标图像的权限;
若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
将所述目标对象的状态信息发送至与所述终端关联的推送服务器,所述推送服务器生成与所述目标对象的状态信息关联的推送信息,将所述推送信息发送至所述终端。
可选的,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行将所述目标对象的状态信息发送至与所述终端关联的推送服务器的方式包括:
将所述目标对象的状态信息添加至与所述推送服务器之间的共享消息队列中,所述推送服务器从所述共享消息队列中读取所述目标对象的状态信息;或者,
将所述目标对象的状态信息发送至与所述推送服务器关联的专用服务器,所述专用服务器将所述目标对象的状态信息发送至所述推送服务器。
可选的,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息的方式包括:
获取所述目标对象的对象类型,调用与所述目标对象的对象类型匹配的目标状态识别模型;
采用所述目标状态识别模型对所述目标图像的状态进行识别,得到所述目标对象的位置信息;
根据所述目标对象的位置信息生成所述目标对象的移动轨迹;
将所述目标对象的移动轨迹确定为所述目标对象的状态信息。
可选的,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行调用与所述目标对象的对象类型匹配的目标状态识别模型的方式包括:
识别与所述目标对象的对象类型匹配的候选状态识别模型;
提取所述目标图像的像素信息,根据所述目标图像的像素信息确定识别所述目标对象的难度等级;
获取所述候选状态识别模型识别图像的性能等级,从所述候选状态识别模型中筛选性能等级与识别所述目标对象的难度等级匹配的候选状态识别模型,作为与所述目标对象的对象类型匹配的目标状态识别模型。
可选的,所述终端的属性信息包括所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段;
计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行根据所述终端的属性信息验证所述终端的上传所述目标图像的权限的方式包括:
获取当前的系统时间;
若所述系统时间位于所述签名授权信息的有效时间段内,则获取所述终端对应的公钥,采用所述终端对应的公钥对所述终端的签名授权信息进行验签,得到第一哈希值;
获取所述终端的标识,对所述终端的标识进行哈希运算,得到第二哈希值;
若所述第一哈希值与所述第二哈希值相同,则确定所述终端具有上传所述目标图像的权限。
可选的计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行:
接收所述终端上传所述目标图像的授权请求,所述授权请求携带所述终端的标识;
若所述终端的标识与有效终端库中的标识相同,则生成所述终端对应的密钥对,所述终端对应的密钥对包括所述终端对应的私钥和所述终端对应的公钥;所述有效终端库中包括具有上传所述目标图像权限的终端对应的标识;
对所述终端的标识进行哈希运算,得到第三哈希值,采用所述终端对应的私钥对所述第三哈希值进行签名,得到所述终端的签名授权信息;
生成所述终端的签名授权信息的有效时间段,将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述推送服务器,所述推送服务器将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述终端。
可选的,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行:
从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象的状态进行识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
可选的,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行根据所述目标对象的状态信息生成推送信息的方式包括:
查询所述目标对象的移动轨迹所在区域的活动信息;
在所述目标对象的移动轨迹上标记所述活动信息,得到标记后的移动轨迹;
将所述标记后的移动轨迹确定为推送信息。
可选的,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行根据所述目标对象的状态信息生成推送信息的方式包括:
查询与所述目标对象的移动轨迹匹配的候选规划路线,以及所述候选规划路线的路况信息;
根据所述候选规划路线的路况信息预测按照所述候选规划路线行驶所需要的时长;
从所述候选规划路线中筛选出对应时长最短的候选规划路线,作为目标规划路线;
将所述目标规划路线以及所述目标对象的移动轨迹作为推送信息。
可选的,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行从识别服务器中获取关于目标图像中的目标对象的状态信息的方式包括:
从与所述识别服务器之间的共享消息队列中读取关于所述目标图像中的所述目标对象的状态信息;或者,
从专用服务器中读取关于所述目标图像中的所述目标对象的状态信息,所述专用服务器中的所述目标对象的状态信息是由所述识别服务器所发送的。
本申请中,通过终端对原始多媒体数据进行对象检测,得到包括目标对象的目标图像,即通过终端对原始多媒体数据进行预处理,可将识别服务器的人工智能处理压力,提高人工智能处理精度。进一步,通过识别服务器在确定终端具有上传目标图像的权限时,对目标图像中所包括的目标对象的状态进行识别,得到目标对象的状态信息,将该目标对象的状态信息发送至推送服务器;可有效避免非法终端上传目标图像至识别服务器,浪费识别服务器的人工智能处理资源,即提高识别服务器的资源利用率。并通过推送服务器生成与目标对象的状态信息关联的推送信息,将该推送信息发送至终端,有利于为终端提供更加便捷的服务,并有利于推送服务器端实现产品运营,为推送服务器带来经济效益。也就是说,上述对象检测以及对象识别属于人工智能处理的过程;即通过终端和识别服务器采用分布式处理方式来实现人工智能处理,可将识别服务器或终端的人工智能处理压力,可提高人工智能处理的精度;并降低识别服务器和终端的硬件(如芯片)成本。
应当理解,本申请实施例中所描述的计算机设备1000可执行前文图3以及图6所对应实施例中对上述数据处理方法的描述,也可执行前文图9以及图10所对应实施例中对上述数据处理装置的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
本申请提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前文图3以及图6对应实施例中对上述数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。
作为示例,上述程序指令可被部署在一个计算机设备上执行,或者被部署位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行,分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链网络。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁盘、光盘、只读存储器(Read-Only Memory,ROM)或随机存储器(Random Access Memory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (14)
1.一种数据处理方法,其特征在于,包括:
获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
根据所述终端的属性信息验证所述终端的权限;所述终端的属性信息包括该终端的签名授权信息以及该终端的签名授权信息的有效时间段;所述签名授权信息是基于所述终端对应的密钥对中的私钥所生成的,所述密钥对中的公钥用于对所述签名授权信息进行验签;其中,所述密钥对是基于第二随机数生成的,所述第二随机数是根据在时间段内所接收到上传所述目标图像的授权请求的次数所生成的,所述授权请求是指所述终端上传的用于请求生成所述签名授权信息和所述有效时间段的请求;
若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
将所述目标对象的状态信息发送至与所述终端关联的推送服务器。
2.如权利要求1所述的方法,其特征在于,所述将所述目标对象的状态信息发送至与所述终端关联的推送服务器,包括:
将所述目标对象的状态信息添加至与所述推送服务器之间的共享消息队列中,所述推送服务器从所述共享消息队列中读取所述目标对象的状态信息;或者,
将所述目标对象的状态信息发送至与所述推送服务器关联的专用服务器,所述专用服务器将所述目标对象的状态信息发送至所述推送服务器。
3.如权利要求1所述的方法,其特征在于,所述对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息,包括:
获取所述目标对象的对象类型,调用与所述目标对象的对象类型匹配的目标状态识别模型;
采用所述目标状态识别模型对所述目标图像的状态进行识别,得到所述目标对象的位置信息;
根据所述目标对象的位置信息生成所述目标对象的移动轨迹;
将所述目标对象的移动轨迹确定为所述目标对象的状态信息。
4.如权利要求3所述的方法,其特征在于,所述调用与所述目标对象的对象类型匹配的目标状态识别模型,包括:
识别与所述目标对象的对象类型匹配的候选状态识别模型;
提取所述目标图像的像素信息,根据所述目标图像的像素信息确定识别所述目标对象的难度等级;
获取所述候选状态识别模型识别图像的性能等级,从所述候选状态识别模型中筛选性能等级与识别所述目标对象的难度等级匹配的候选状态识别模型,作为与所述目标对象的对象类型匹配的目标状态识别模型。
5.如权利要求1所述的方法,其特征在于,所述终端的属性信息包括所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段;
所述根据所述终端的属性信息验证所述终端的权限,包括:
获取当前的系统时间;
若所述系统时间位于所述签名授权信息的有效时间段内,则获取所述终端对应的公钥,采用所述终端对应的公钥对所述终端的签名授权信息进行验签,得到第一哈希值;
获取所述终端的标识,对所述终端的标识进行哈希运算,得到第二哈希值;
若所述第一哈希值与所述第二哈希值相同,则确定所述终端具有上传所述目标图像的权限。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
接收所述终端上传所述目标图像的授权请求,所述授权请求携带所述终端的标识;
若所述终端的标识与有效终端库中的标识相同,则生成所述终端对应的密钥对,所述终端对应的密钥对包括所述终端对应的私钥和所述终端对应的公钥;所述有效终端库中包括具有上传所述目标图像权限的终端对应的标识;
对所述终端的标识进行哈希运算,得到第三哈希值,采用所述终端对应的私钥对所述第三哈希值进行签名,得到所述终端的签名授权信息;
生成所述终端的签名授权信息的有效时间段,将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述推送服务器,所述推送服务器将所述终端的签名授权信息以及所述终端的签名授权信息的有效时间段发送至所述终端。
7.一种数据处理方法,其特征在于,包括:
从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象的状态进行识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;所述终端的属性信息包括该终端的签名授权信息以及该终端的签名授权信息的有效时间段;所述签名授权信息是基于所述终端对应的密钥对中的私钥所生成的,所述密钥对中的公钥用于对所述签名授权信息进行验签;其中,所述密钥对是基于第二随机数生成的,所述第二随机数是根据在时间段内所接收到上传所述目标图像的授权请求的次数所生成的,所述授权请求是指所述终端上传的用于请求生成所述签名授权信息和所述有效时间段的请求;
根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
8.如权利要求7所述的方法,其特征在于,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
所述根据所述目标对象的状态信息生成推送信息,包括:
查询所述目标对象的移动轨迹所在区域的活动信息;
在所述目标对象的移动轨迹上标记所述活动信息,得到标记后的移动轨迹;
将所述标记后的移动轨迹确定为推送信息。
9.如权利要求7所述的方法,其特征在于,所述目标对象的状态信息包括所述目标对象的移动轨迹,所述目标对象的移动轨迹是由所述识别服务器采用目标状态识别模型对所述目标图像的状态进行识别得到的,所述目标状态识别模型与所述目标对象的对象类型匹配;
所述根据所述目标对象的状态信息生成推送信息,包括:
查询与所述目标对象的移动轨迹匹配的候选规划路线,以及所述候选规划路线的路况信息;
根据所述候选规划路线的路况信息预测按照所述候选规划路线行驶所需要的时长;
从所述候选规划路线中筛选出对应时长最短的候选规划路线,作为目标规划路线;
将所述目标规划路线以及所述目标对象的移动轨迹作为推送信息。
10.如权利要求7所述的方法,其特征在于,所述从识别服务器中获取关于目标图像中的目标对象的状态信息,包括:
从与所述识别服务器之间的共享消息队列中读取关于所述目标图像中的所述目标对象的状态信息;或者,
从专用服务器中读取关于所述目标图像中的所述目标对象的状态信息,所述专用服务器中的所述目标对象的状态信息是由所述识别服务器所发送的。
11.一种数据处理装置,其特征在于,包括:
获取模块,用于获取终端所上传的包括目标对象的目标图像以及所述终端的属性信息,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;
验证模块,用于根据所述终端的属性信息验证所述终端上传所述目标图像的权限;所述终端的属性信息包括该终端的签名授权信息以及该终端的签名授权信息的有效时间段;所述签名授权信息是基于所述终端对应的密钥对中的私钥所生成的,所述密钥对中的公钥用于对所述签名授权信息进行验签;其中,所述密钥对是基于第二随机数生成的,所述第二随机数是根据在时间段内所接收到上传所述目标图像的授权请求的次数所生成的,所述授权请求是指所述终端上传的用于请求生成所述签名授权信息和所述有效时间段的请求;
识别模块,用于若所述终端具有上传所述目标图像的权限,则对所述目标图像中所包括的目标对象的状态进行识别,得到所述目标对象的状态信息;
推送模块,用于将所述目标对象的状态信息发送至与所述终端关联的推送服务器,所述推送服务器生成与所述目标对象的状态信息关联的推送信息,将所述推送信息发送至所述终端。
12.一种数据处理装置,其特征在于,包括:
获取模块,用于从识别服务器中获取关于目标图像中的目标对象的状态信息;所述目标对象的状态信息是由所述识别服务器在根据终端的属性信息确定终端具有上传所述目标图像的权限时,对目标图像中的所述目标对象的状态进行识别得到的,所述目标图像是由所述终端对原始多媒体数据进行对象检测得到的;所述终端的属性信息包括该终端的签名授权信息以及该终端的签名授权信息的有效时间段;所述签名授权信息是基于所述终端对应的密钥对中的私钥所生成的,所述密钥对中的公钥用于对所述签名授权信息进行验签;其中,所述密钥对是基于第二随机数生成的,所述第二随机数是根据在时间段内所接收到上传所述目标图像的授权请求的次数所生成的,所述授权请求是指所述终端上传的用于请求生成所述签名授权信息和所述有效时间段的请求;
生成模块,用于根据所述目标对象的状态信息生成推送信息,将所述推送信息发送至所述终端。
13.一种计算机设备,其特征在于,包括:
处理器以及存储器;
所述处理器与所述存储器相连,其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如权利要求1-10任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230738.9A CN112101304B (zh) | 2020-11-06 | 2020-11-06 | 数据处理方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230738.9A CN112101304B (zh) | 2020-11-06 | 2020-11-06 | 数据处理方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112101304A CN112101304A (zh) | 2020-12-18 |
CN112101304B true CN112101304B (zh) | 2021-03-23 |
Family
ID=73785464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011230738.9A Active CN112101304B (zh) | 2020-11-06 | 2020-11-06 | 数据处理方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101304B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220935B (zh) * | 2021-05-28 | 2023-03-24 | 杭州海康威视系统技术有限公司 | 录像数据的存储、查询方法及装置 |
CN113230660B (zh) * | 2021-06-09 | 2022-10-14 | 腾讯科技(深圳)有限公司 | 应用程序更新方法、装置及设备 |
CN113654567A (zh) * | 2021-07-30 | 2021-11-16 | 深圳市靓工创新应用科技有限公司 | 智能灯牌导航方法、智能灯牌及计算机可读存储介质 |
WO2023123325A1 (zh) * | 2021-12-31 | 2023-07-06 | 华为技术有限公司 | 一种状态估计方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737313A (zh) * | 2012-05-25 | 2012-10-17 | 天地融科技股份有限公司 | 一种给电子签名工具授权校验的方法、系统及电子签名工具 |
CN109672654A (zh) * | 2017-10-17 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 信息认证方法、装置、终端及服务器 |
CN110611598A (zh) * | 2019-10-15 | 2019-12-24 | 浙江齐治科技股份有限公司 | 一种挑战码的实现方法、装置及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5239674B2 (ja) * | 2008-09-17 | 2013-07-17 | 株式会社リコー | 情報処理装置、処理制御方法、プログラムおよび記録媒体 |
CN106407984B (zh) * | 2015-07-31 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 目标对象识别方法及装置 |
CN105260745A (zh) * | 2015-09-30 | 2016-01-20 | 西安沧海网络科技有限公司 | 一种基于大数据进行情感识别及预测的信息推送服务系统 |
CN106778684A (zh) * | 2017-01-12 | 2017-05-31 | 易视腾科技股份有限公司 | 深度神经网络训练方法及人脸识别方法 |
CN108833415A (zh) * | 2018-06-21 | 2018-11-16 | 杭州安恒信息技术股份有限公司 | 一种视频监控系统的安全解决方法和视频监控系统 |
CN110163146A (zh) * | 2019-05-21 | 2019-08-23 | 银河水滴科技(北京)有限公司 | 一种基于人体特征的监控方法及装置 |
CN111680181A (zh) * | 2020-05-28 | 2020-09-18 | 平安付科技服务有限公司 | 一种异常对象的识别方法及终端设备 |
CN111767802B (zh) * | 2020-06-05 | 2024-02-06 | 京东科技控股股份有限公司 | 一种对象异常状态的检测方法和装置 |
CN111782876A (zh) * | 2020-06-30 | 2020-10-16 | 杭州海康机器人技术有限公司 | 一种数据处理方法、装置、系统及存储介质 |
-
2020
- 2020-11-06 CN CN202011230738.9A patent/CN112101304B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737313A (zh) * | 2012-05-25 | 2012-10-17 | 天地融科技股份有限公司 | 一种给电子签名工具授权校验的方法、系统及电子签名工具 |
CN109672654A (zh) * | 2017-10-17 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 信息认证方法、装置、终端及服务器 |
CN110611598A (zh) * | 2019-10-15 | 2019-12-24 | 浙江齐治科技股份有限公司 | 一种挑战码的实现方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112101304A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101304B (zh) | 数据处理方法、装置、存储介质及设备 | |
US11281675B2 (en) | Method for determining user behavior preference, and method and device for presenting recommendation information | |
Guo et al. | The emergence of visual crowdsensing: Challenges and opportunities | |
US9530251B2 (en) | Intelligent method of determining trigger items in augmented reality environments | |
CN111476871B (zh) | 用于生成视频的方法和装置 | |
CN112232293A (zh) | 图像处理模型训练、图像处理方法及相关设备 | |
CN111639968B (zh) | 轨迹数据处理方法、装置、计算机设备以及存储介质 | |
US9355318B2 (en) | System and method for contexually interpreting image sequences | |
CN114299321A (zh) | 视频分类方法、装置、设备及可读存储介质 | |
US11250039B1 (en) | Extreme multi-label classification | |
CN113791750B (zh) | 一种虚拟内容显示方法、装置和计算机可读存储介质 | |
CN113128526B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN112843681B (zh) | 虚拟场景控制方法、装置、电子设备及存储介质 | |
CN111597361B (zh) | 多媒体数据处理方法、装置、存储介质及设备 | |
KR102243275B1 (ko) | 오프라인 오브젝트에 관한 콘텐츠 자동 생성 방법, 장치 및 컴퓨터 판독가능 저장 매체 | |
CN114745558B (zh) | 直播监控方法、装置、系统、设备及介质 | |
CN115564000A (zh) | 二维码生成方法、装置、计算机设备及存储介质 | |
CN112040277B (zh) | 基于视频的数据处理方法、装置、计算机及可读存储介质 | |
CN115410201A (zh) | 一种验证码字符处理方法、装置和相关设备 | |
CN114500900A (zh) | 丢失对象的寻找方法及装置 | |
CN113642519A (zh) | 一种人脸识别系统和人脸识别方法 | |
CN113762056A (zh) | 演唱视频识别方法、装置、设备及存储介质 | |
CN114495188A (zh) | 一种图像数据处理方法、装置和相关设备 | |
CN116980236B (zh) | 网络安全检测方法、装置、设备及存储介质 | |
KR102129691B1 (ko) | 이미지 기반 동영상 서비스 방법 및 시스템 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40036277 Country of ref document: HK |