CN112380391A - 基于物联网的视频处理方法、装置、电子设备和存储介质 - Google Patents

基于物联网的视频处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112380391A
CN112380391A CN202011090412.0A CN202011090412A CN112380391A CN 112380391 A CN112380391 A CN 112380391A CN 202011090412 A CN202011090412 A CN 202011090412A CN 112380391 A CN112380391 A CN 112380391A
Authority
CN
China
Prior art keywords
video
identification information
monitoring
preset
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011090412.0A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Terminus Technology Group Co Ltd
Original Assignee
Terminus Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Terminus Technology Group Co Ltd filed Critical Terminus Technology Group Co Ltd
Priority to CN202011090412.0A priority Critical patent/CN112380391A/zh
Publication of CN112380391A publication Critical patent/CN112380391A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Abstract

本发明公开了一种基于物联网的视频监控方法、装置、电子设备和存储介质，所述方法包括：解析各个监控视频数据的标识信息，得到对应的解析结果；根据对标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；响应于目标对象的携带有预设条件的视频查询指令，同步从各个视频子数据库中筛选视频，得到符合预设条件的目标监控视频。采用本申请实施例，基于预设条件中携带有查询要素，该查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素；这样，能够从各个视频子数据库中同步且快速地筛选出符合预设条件的目标监控视频。

Description

基于物联网的视频处理方法、装置、电子设备和存储介质
技术领域
本发明涉及物联网技术领域，特别涉及基于物联网的视频处理方法、装置、电子设备和存储介质。
背景技术
视频监控是安全防范系统的重要组成部分。传统的监控系统包括前端摄像机、传输线缆、视频监控平台。随着用于视频监控的摄像头的小型化及功能多样化，用于进行视频监控的摄像头广泛地布置在商场、小区、写字楼等地方。基于视频监控的直观性、正确性，因此，视频监控得以广泛应用。
现有的视频监控方法，通过在目标区域的各个角落安装若干个视频监控装置，例如，摄像头，通过该摄像头能够采集到各个摄像头能够拍摄到所覆盖区域的监控视频。如果某一用户需要查看某一天某一时间段的监控视频时，只要调取相应的监控视频就好。
基于监控视频的数据量过大，需要查看一个月或更长时间内的所有监控视频，这样，人工查找相应的监控视频需要投入大量的人力和物力，一个个回放，不仅需要耗费大量的查找时间，而且查找的准确率还低，用户体验度差。
如何简化监控视频的处理过程，能够快速且精准地找到符合用户查询条件的目标视频，是待解决的技术问题。
发明内容
基于此，有必要针对基于现有的监控视频的处理过程耗时、且处理准确率低的问题，提供一种基于物联网的视频处理方法、装置、电子设备和存储介质。
第一方面，本申请实施例提供了一种基于物联网的视频处理方法，所述方法包括：
获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，各个监控视频数据为处于同一物联网内、且设置于所述预设区域内的多个摄像头拍摄的视频数据；
解析各个监控视频数据的标识信息，得到对应的解析结果；
根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；
响应于目标对象的携带有预设条件的视频查询指令，同步从各个视频子数据库中筛选视频，得到符合所述预设条件的目标监控视频，所述预设条件中携带有查询要素，所述查询要素包括所述目标对象的用户特征要素、查询时间特征要素和所述目标监控视频所属视频类别的特征要素。
在一种实施方式中，所述标识信息包括第一标识信息，所述第一标识信息用于标识所述目标对象在与所述预设区域对应的虚拟监控图中的监控区域，所述解析结果包括第一解析结果，所述第一解析结果与所述预设区域划分的多个预设子区域相关联，所述根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库包括：
根据设置于所述预设区域内的多个摄像头所能够拍摄到的拍摄范围，将所述预设区域分为多个预设子区域，各个预设子区域均对应于有至少一个摄像头、且各个预设子区域对应的各个拍摄区域之间无重叠区域；
对所述第一标识信息进行解析，得到第一解析结果，所述解析结果中携带有各个监控视频数据对应的预设子区域；
根据所述第一解析结果，将具有同一预设子区域的视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库，每一个预设子区域对应有唯一的预设子区域编号、且每一个预设子区域对应有唯一的视频类别编号。
在一种实施方式中，所述标识信息包括第二标识信息，所述第二标识信息用于标识各个用户的用户行为类型，所述解析结果包括第二解析结果，所述第二解析结果与所述用户行为类型相关联，所述根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库还包括：
获取预先配置的多种用户行为类型；
对所述第二标识信息进行解析，得到第二解析结果，所述第二解析结果中携带有各个用户的用户行为所属的用户行为类型；
根据所述第二解析结果，将具有同一用户行为类型的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
在一种实施方式中，所述标识信息包括第三标识信息，所述第三标识信息用于标识各个用户的用户运动轨迹对应的时间戳信息，所述解析结果包括第三解析结果，所述第三解析结果与所述时间戳信息相关联，所述根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库还包括：
对所述第三标识信息进行解析，得到第三解析结果，所述第三解析结果中携带有与各个用户的用户运动轨迹对应的时间戳；根据所述第三解析结果，将时间戳处于同一预设时间段内的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
在一种实施方式中，在所述得到符合所述预设条件的目标监控视频之后，所述方法还包括：
将各个视频子数据库中的视频输入视频优化模型中进行训练，得到所述视频优化模型；
根据所述视频优化模型，对所述目标监控视频的视频进行优化，得到优化后的目标监控视频。
在一种实施方式中，所述将各个视频子数据库中的视频输入视频优化模型中进行训练包括：
获取用于进行视频优化的数据集；
将所述数据集作为训练样本，输入所述视频优化模型中进行训练，并输出优化结果；
根据所述数据集中的各个监控视频，计算所述视频优化模型的损失函数；
对所述训练样本进行迭代训练，得到并输出所述视频优化模型。
在一种实施方式中，在所述得到符合所述预设条件的目标监控视频之后，所述方法还包括：
将所述优化后的目标监控视频推送至所述目标对象的终端设备上，并用语音提示信息和/或短信提示信息提醒所述目标对象在所述终端设备上查看所述目标监控视频。
第二方面，本申请实施例提供了一种基于物联网的视频处理装置，所述装置包括：
获取单元，用于获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，所述标识信息包括第一标识信息、第二标识信息和第三标识信息，各个监控视频数据为处于同一物联网内、且设置于所述预设区域内的多个摄像头拍摄的视频数据；
解析单元，用于解析所述获取单元获取的各个监控视频数据的标识信息，得到对应的解析结果；
分类单元，用于根据对所述解析单元解析出的所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；
筛选单元，用于响应于目标对象的携带有预设条件的视频查询指令，同步从所述分类单元分类出的各个视频子数据库中筛选视频，得到符合所述预设条件的目标监控视频，所述预设条件中携带有查询要素，所述查询要素包括所述目标对象的用户特征要素、查询时间特征要素和所述目标监控视频所属视频类别的特征要素。
第三方面，本申请实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序以实现如上所述的方法步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现如上所述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，各个监控视频数据为处于同一物联网内、且设置于预设区域内的多个摄像头拍摄的视频数据；解析各个监控视频数据的标识信息，得到对应的解析结果；根据对标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；响应于目标对象的携带有预设条件的视频查询指令，同步从各个视频子数据库中筛选视频，得到符合预设条件的目标监控视频，预设条件中携带有查询要素，查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素。本公开实施例提供的基于物联网的视频处理方法，基于预设条件中携带有查询要素，该查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素；这样，能够从各个视频子数据库中同步且快速地筛选出符合预设条件的目标监控视频。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本公开实施例提供的一种基于物联网的视频处理方法的流程示意图；
图2是本公开实施例提供的一种基于物联网的视频处理装置的结构示意图；
图3示出了根据本公开的实施例的电子设备连接结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面结合附图详细说明本公开的可选实施例。
如图1所示，本公开实施例提供一种基于物联网的视频处理方法，应用于服务器端，具体包括如下方法步骤：
S102：获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，各个监控视频数据为处于同一物联网内、且设置于预设区域内的多个摄像头拍摄的视频数据。
在本申请实施例中，标识信息包括第一标识信息、第二标识信息和第三标识信息，第一标识信息用于标识目标对象在与预设区域对应的虚拟监控图中的监控区域，第二标识信息用于标识各个用户的用户行为类型，第三标识信息用于标识各个用户的用户运动轨迹对应的时间戳信息。
通过将各个监控视频数据设置为处于同一物联网内，这样，能够提高查询目标监控视频的查询效率，也能够实现处于同一物联网内的各个监控数据的同步更新，避免可能出现的数据更新延迟现象。
S104：解析各个监控视频数据的标识信息，得到对应的解析结果。
在本申请实施例中，标识信息包括第一标识信息、第二标识信息和第三标识信息，第一标识信息用于标识目标对象在与预设区域对应的虚拟监控图中的监控区域，第二标识信息用于标识各个用户的用户行为类型，第三标识信息用于标识各个用户的用户运动轨迹对应的时间戳信息。
通过读取第一标识信息，能够标识出目标对象在虚拟监控图中的监控区域。
例如，在某一具体应用场景中，预设区域为区域A，区域A设置了四个进行视频监控的摄像头，分别为摄像头B1、摄像头B2、摄像头B3和摄像头B4，摄像头B1所能够拍摄的拍摄范围为预设子区域C1，对预设子区域C1进行同步模拟，在模拟出的虚拟监控图中的监控区域为D1；同理，摄像头B2所能够拍摄的拍摄范围为预设子区域C2，对预设子区域C2进行同步模拟，在模拟出的虚拟监控图中的监控区域为D2；同理，摄像头B3所能够拍摄的拍摄范围为预设子区域C3，对预设子区域C3进行同步模拟，在模拟出的虚拟监控图中的监控区域为D3；同理，摄像头B4所能够拍摄的拍摄范围为预设子区域C4，对预设子区域C4进行同步模拟，在模拟出的虚拟监控图中的监控区域为D4。通过上述同步模拟过程，能够标识出目标对象在虚拟监控图中的监控区域。
在本申请实施例中，解析各个监控视频数据的标识信息的解析方法为常规的解析方法，在此不再赘述。
解析结果包括第一解析结果、第二解析结果和第三解析结果，第一解析结果与预设区域划分的多个预设子区域相关联，第二解析结果与用户行为类型相关联，根据对标识信息的解析结果，第三解析结果与时间戳信息相关联。
S106：根据对标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库。
在本申请实施例中，解析结果包括第一解析结果、第二解析结果和第三解析结果，第一解析结果与预设区域划分的多个预设子区域相关联，第二解析结果与用户行为类型相关联，根据对标识信息的解析结果，第三解析结果与时间戳信息相关联。
在一种可能的实现方式中，标识信息包括第一标识信息，第一标识信息用于标识目标对象在与预设区域对应的虚拟监控图中的监控区域，解析结果包括第一解析结果，第一解析结果与预设区域划分的多个预设子区域相关联，根据对标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库包括以下步骤：
根据设置于预设区域内的多个摄像头所能够拍摄到的拍摄范围，将预设区域分为多个预设子区域，各个预设子区域均对应于有至少一个摄像头、且各个预设子区域对应的各个拍摄区域之间无重叠区域；
对第一标识信息进行解析，得到第一解析结果，解析结果中携带有各个监控视频数据对应的预设子区域；
根据第一解析结果，将具有同一预设子区域的视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库，每一个预设子区域对应有唯一的预设子区域编号、且每一个预设子区域对应有唯一的视频类别编号。
在本申请实施例中，对第一标识信息进行解析的解析方法为常规方法，在此不再赘述。
根据前述描述可知，可以将各个预设子区域配置为对应有一个视频类别编号，且该视频类别编号是唯一的。例如，预设子区域C1对应的视频类别编号为11、预设子区域C2对应的视频类别编号为12、预设子区域C3对应的视频类别编号为13、以及预设子区域C4对应的视频类别编号为14。
通过将不同预设子区域对应有唯一的视频类别编号，可以有效地提高查询出目标监控视频的效率和精准度。在一种可能的实现方式中，标识信息包括第二标识信息，第二标识信息用于标识各个用户的用户行为类型，解析结果包括第二解析结果，第二解析结果与用户行为类型相关联，根据对标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库还包括以下步骤：
获取预先配置的多种用户行为类型；
对第二标识信息进行解析，得到第二解析结果，第二解析结果中携带有各个用户的用户行为所属的用户行为类型；
根据第二解析结果，将具有同一用户行为类型的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
在本申请实施例中，用户行为类型可以根据大数据统计出的用户数据，将用户行为类型设置为以下类型，具体如下所述：
单个用户行走、两个或多个用户行走、单个用户奔跑、两个或多个用户奔跑、两个或多个用户聚餐、两个或多个用户游玩、用户驾车等。上述仅仅是列举是一些常规的用户行为类型，不再穷举。
通过读取用于标识各个用户的用户行为所属的用户行为类型的第二标识信息，并对第二标识信息进行解析，就能够得到第二解析结果。
在本申请实施例中，对第二标识信息的解析方法为常规的解析方法，在此不再赘述。
将具有同一用户行为类型的监控视频数据归为一类，这样，例如，将包括单个用户行走的监控视频数据归为一类，并编号为21，该视频类别编号也是唯一的；这样便于在指定的视频子数据库中查询目标监控视频，能够有效地提高查询效率和精准度。
在一种可能的实现方式中，标识信息包括第三标识信息，第三标识信息用于标识各个用户的用户运动轨迹对应的时间戳信息，解析结果包括第三解析结果，第三解析结果与时间戳信息相关联，根据对标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库还包括以下步骤：
对第三标识信息进行解析，得到第三解析结果，第三解析结果中携带有与各个用户的用户运动轨迹对应的时间戳；根据第三解析结果，将时间戳处于同一预设时间段内的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
在本申请实施例中，通过第三标识信息中的时间戳，能够根据不同事件的时间要素，快速且精准地确定出包含目标监控视频的一小部分视频库。例如，若要查询某一用户某一时间段内的目标监控视频，只需锁定该用户这一时间段内的所有监控视频即可，能够有效地提高搜索目标监控视频的搜索效率。
S108：响应于目标对象的携带有预设条件的视频查询指令，同步从各个视频子数据库中筛选视频，得到符合预设条件的目标监控视频，预设条件中携带有查询要素，查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素。
在本申请实施例中，同步从各个视频子数据库中筛选视频的同步方法为常规的方法，在此不再赘述。
这里示例了常见的查询要素，还可以根据不同应用场景的需求，引入其它的查询要素，在此不再赘述。
基于预设条件中携带有查询要素，该查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素；这样，能够从各个视频子数据库中同步且快速地筛选出符合预设条件的目标监控视频。
在一种可能的实现方式中，在得到符合预设条件的目标监控视频之后，所述方法还包括以下步骤：
将各个视频子数据库中的视频输入视频优化模型中进行训练，得到视频优化模型；
根据视频优化模型，对目标监控视频的视频进行优化，得到优化后的目标监控视频。
在本申请实施例中，视频优化模型引入了卷积神经网络的模型进行优化，得到的视频优化模型能够快速地找到目标监控视频。
这里，目标对象可以为用户，也可以为宠物、例如，猫咪。
例如，在某一具体应用场景下，通过视频优化模型能够快速地识别出监控视频中的图像中是否有橘猫。例如，图中有多种猫。
根据预先规则，看图中的橘色所占的面积比，例如，橘色占比超过百分之十，就认为图中有橘色。
计算每个点的色彩是否在橘色的色彩范围内，例如：
定义橘色的色彩范围是：红色在0.7-0.9，绿色在0.5-0.7，蓝色在0.3-0.5。
然后电脑检查所有点：统计有多少个橘色点。如果橘色点的个数超过全体点的百分之十，就认为有橘猫。
为了避免误报，除了配置了上述颜色特征之外，还引入了对橘猫进行进一步筛选的其他特征，例如，纹理、形状等。
以纹理为例，自动试图找到图中的橘猫纹理区域，计算区域的面积，达到百分之一的面积，就认为图中有橘猫。因为纹理属于局部的图案特征，而卷积可以快速匹配局部的图案特征，这样，通过卷积，就能够通过橘猫特有的纹理，快速且精准地识别出图中的橘猫。
由于卷积具有如下特点：
卷积可用于识别纹理和形状。不同的卷积核，可识别不同的目标。
卷积操作后，图像会变小一圈。如果希望图像不变小，可提前给图像加一圈0。
在实际卷积中，往往还会加入1个偏置。具体方法是给得到的图像再加上1个可训练的数，也就是给每个点都加上这个数。
在深度卷积网络中，会经常对卷积后的图像做进一步变换，这个过程为池化，具体如下所述：
可取最大值，例如，取最大值为0.5，这标志着图中是否存在这个特征；
可取平均值，例如，取平均值为0.25，这标志着图中这个特征的密度；
可只在每个n*n的区域取最大值或平均值，得到1张缩小n*n倍的图像。在一种可能的实现方式中，将各个视频子数据库中的视频输入视频优化模型中进行训练包括以下步骤：
获取用于进行视频优化的数据集；
将数据集作为训练样本，输入视频优化模型中进行训练，并输出优化结果；
根据数据集中的各个监控视频，计算视频优化模型的损失函数；
对训练样本进行迭代训练，得到并输出视频优化模型。
在一种可能的实现方式中，在得到符合预设条件的目标监控视频之后，所述方法还包括以下步骤：
将优化后的目标监控视频推送至目标对象的终端设备上，并用语音提示信息和/或短信提示信息提醒目标对象在终端设备上查看目标监控视频。
在本申请实施例中，通过将目标视频推送至目标对象的终端设备上，能够实现与用户的互动，以便于用户能够实时查看到目标监控视频，而不必只有在视频监控室中才能查看，提高了用户的体验度。
此外，通过设置提醒，无论是语音提示信息，还是短信提示信息，均能够有效地提醒用户要及时查看目标监控视频，同样，有效地提高了用户的体验度。
在本公开实施例中，获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，各个监控视频数据为处于同一物联网内、且设置于预设区域内的多个摄像头拍摄的视频数据；解析各个监控视频数据的标识信息，得到对应的解析结果；根据对标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；响应于目标对象的携带有预设条件的视频查询指令，同步从各个视频子数据库中筛选视频，得到符合预设条件的目标监控视频，预设条件中携带有查询要素，查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素。本公开实施例提供的视频处理方法，基于预设条件中携带有查询要素，该查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素；这样，能够从各个视频子数据库中同步且快速地筛选出符合预设条件的目标监控视频。
下述为本公开实施例视频处理装置实施例，可以用于执行本公开实施例视频处理方法实施例。对于本公开实施例视频处理装置实施例中未披露的细节，请参照本公开实施例视频处理方法实施例。
请参见图2，其示出了本发明一个示例性实施例提供的基于物联网的视频处理装置的结构示意图。该基于物联网的视频处理装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该基于物联网的视频处理装置包括获取单元202、解析单元204、分类单元206和筛选单元208。
具体而言，获取单元202，用于获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，标识信息包括第一标识信息、第二标识信息和第三标识信息，各个监控视频数据为处于同一物联网内、且设置于预设区域内的多个摄像头拍摄的视频数据；
解析单元204，用于解析获取单元202获取的各个监控视频数据的标识信息，得到对应的解析结果；
分类单元206，用于根据对解析单元204解析出的标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；
筛选单元208，用于响应于目标对象的携带有预设条件的视频查询指令，同步从分类单元206分类出的各个视频子数据库中筛选视频，得到符合预设条件的目标监控视频，预设条件中携带有查询要素，查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素。
可选的，标识信息包括第一标识信息，第一标识信息用于标识目标对象在与预设区域对应的虚拟监控图中的监控区域，解析结果包括第一解析结果，第一解析结果与预设区域划分的多个预设子区域相关联，解析单元204具体用于：
根据设置于预设区域内的多个摄像头所能够拍摄到的拍摄范围，将预设区域分为多个预设子区域，各个预设子区域均对应于有至少一个摄像头、且各个预设子区域对应的各个拍摄区域之间无重叠区域；
对第一标识信息进行解析，得到第一解析结果，解析结果中携带有各个监控视频数据对应的预设子区域；
根据第一解析结果，将具有同一预设子区域的视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库，每一个预设子区域对应有唯一的预设子区域编号、且每一个预设子区域对应有唯一的视频类别编号。
可选的，标识信息包括第二标识信息，第二标识信息用于标识各个用户的用户行为类型，解析结果包括第二解析结果，第二解析结果与用户行为类型相关联，解析单元204具体还用于：
获取预先配置的多种用户行为类型；
对第二标识信息进行解析，得到第二解析结果，第二解析结果中携带有各个用户的用户行为所属的用户行为类型；
根据第二解析结果，将具有同一用户行为类型的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
可选的，标识信息包括第三标识信息，第三标识信息用于标识各个用户的用户运动轨迹对应的时间戳信息，解析结果包括第三解析结果，第三解析结果与时间戳信息相关联，解析单元204具体还用于：
对第三标识信息进行解析，得到第三解析结果，第三解析结果中携带有与各个用户的用户运动轨迹对应的时间戳；根据第三解析结果，将时间戳处于同一预设时间段内的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
可选的，所述装置还包括：
训练单元(在图2中未示出)，用于在筛选单元208得到符合预设条件的目标监控视频之后，将各个视频子数据库中的视频输入视频优化模型中进行训练，得到视频优化模型；
优化单元(在图2中未示出)，用于根据训练单元训练出的视频优化模型，对目标监控视频的视频进行优化，得到优化后的目标监控视频。
可选的，训练单元具体用于：
获取用于进行视频优化的数据集；
将数据集作为训练样本，输入视频优化模型中进行训练，并输出优化结果；
根据数据集中的各个监控视频，计算视频优化模型的损失函数；
对训练样本进行迭代训练，得到并输出视频优化模型。
可选的，所述装置还包括：
推送单元(在图2中未示出)，用于在筛选单元208得到符合预设条件的目标监控视频之后，将优化后的目标监控视频推送至目标对象的终端设备上；
提醒单元(在图2中未示出)，用于在推送单元将优化后的目标监控视频推送至目标对象的终端设备上之后，用语音提示信息和/或短信提示信息提醒目标对象在终端设备上查看目标监控视频。
需要说明的是，上述实施例提供的视频处理装置在执行视频处理方法时，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将设备的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。另外，上述实施例提供的视频处理装置与视频处理方法实施例属于同一构思，其体现实现过程详见视频处理方法实施例，这里不再赘述。
在本公开实施例中，分类单元用于根据对解析单元解析出的标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；筛选单元用于响应于目标对象的携带有预设条件的视频查询指令，同步从分类单元分类出的各个视频子数据库中筛选视频，得到符合预设条件的目标监控视频，预设条件中携带有查询要素，查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素。采用本申请实施例提供的视频处理装置，基于预设条件中携带有查询要素，该查询要素包括目标对象的用户特征要素、查询时间特征要素和目标监控视频所属视频类别的特征要素；这样，能够从各个视频子数据库中同步且快速地筛选出符合预设条件的目标监控视频。
如图3所示，本实施例提供一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器运行计算机程序以实现如上所述的方法步骤。
本公开实施例提供了一种存储有计算机可读指令的存储介质，其上存储有计算机程序，程序被处理器执行实现如上所述的方法步骤。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

Claims (10)

1.一种基于物联网的视频处理方法，其特征在于，所述方法包括：
获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，各个监控视频数据为处于同一物联网内、且设置于所述预设区域内的多个摄像头拍摄的视频数据；
解析各个监控视频数据的标识信息，得到对应的解析结果；
根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；
响应于目标对象的携带有预设条件的视频查询指令，同步从各个视频子数据库中筛选视频，得到符合所述预设条件的目标监控视频，所述预设条件中携带有查询要素，所述查询要素包括所述目标对象的用户特征要素、查询时间特征要素和所述目标监控视频所属视频类别的特征要素。
2.根据权利要求1所述的方法，其特征在于，所述标识信息包括第一标识信息，所述第一标识信息用于标识所述目标对象在与所述预设区域对应的虚拟监控图中的监控区域，所述解析结果包括第一解析结果，所述第一解析结果与所述预设区域划分的多个预设子区域相关联，所述根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库包括：
根据设置于所述预设区域内的多个摄像头所能够拍摄到的拍摄范围，将所述预设区域分为多个预设子区域，各个预设子区域均对应于有至少一个摄像头、且各个预设子区域对应的各个拍摄区域之间无重叠区域；
对所述第一标识信息进行解析，得到第一解析结果，所述解析结果中携带有各个监控视频数据对应的预设子区域；
根据所述第一解析结果，将具有同一预设子区域的视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库，每一个预设子区域对应有唯一的预设子区域编号、且每一个预设子区域对应有唯一的视频类别编号。
3.根据权利要求1所述的方法，其特征在于，所述标识信息包括第二标识信息，所述第二标识信息用于标识各个用户的用户行为类型，所述解析结果包括第二解析结果，所述第二解析结果与所述用户行为类型相关联，所述根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库还包括：
获取预先配置的多种用户行为类型；
对所述第二标识信息进行解析，得到第二解析结果，所述第二解析结果中携带有各个用户的用户行为所属的用户行为类型；
根据所述第二解析结果，将具有同一用户行为类型的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
4.根据权利要求1所述的方法，其特征在于，所述标识信息包括第三标识信息，所述第三标识信息用于标识各个用户的用户运动轨迹对应的时间戳信息，所述解析结果包括第三解析结果，所述第三解析结果与所述时间戳信息相关联，所述根据对所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库还包括：
对所述第三标识信息进行解析，得到第三解析结果，所述第三解析结果中携带有与各个用户的用户运动轨迹对应的时间戳；根据所述第三解析结果，将时间戳处于同一预设时间段内的各个监控视频数据归为一类，得到具有不同视频类别编号的各个视频子数据库。
5.根据权利要求1所述的方法，其特征在于，在所述得到符合所述预设条件的目标监控视频之后，所述方法还包括：
将各个视频子数据库中的视频输入视频优化模型中进行训练，得到所述视频优化模型；
根据所述视频优化模型，对所述目标监控视频的视频进行优化，得到优化后的目标监控视频。
6.根据权利要求5所述的方法，其特征在于，所述将各个视频子数据库中的视频输入视频优化模型中进行训练包括：
获取用于进行视频优化的数据集；
将所述数据集作为训练样本，输入所述视频优化模型中进行训练，并输出优化结果；
根据所述数据集中的各个监控视频，计算所述视频优化模型的损失函数；
对所述训练样本进行迭代训练，得到并输出所述视频优化模型。
7.根据权利要求5所述的方法，其特征在于，在所述得到符合所述预设条件的目标监控视频之后，所述方法还包括：
将所述优化后的目标监控视频推送至所述目标对象的终端设备上，并用语音提示信息和/或短信提示信息提醒所述目标对象在所述终端设备上查看所述目标监控视频。
8.一种基于物联网的视频处理装置，其特征在于，所述装置包括：
获取单元，用于获取预设区域的监控视频数据库中的各个监控视频数据，各个监控视频数据均携带有标识信息，所述标识信息包括第一标识信息、第二标识信息和第三标识信息，各个监控视频数据为处于同一物联网内、且设置于所述预设区域内的多个摄像头拍摄的视频数据；
解析单元，用于解析所述获取单元获取的各个监控视频数据的标识信息，得到对应的解析结果；
分类单元，用于根据对所述解析单元解析出的所述标识信息的解析结果，对各个监控视频数据进行分类，得到具有不同视频类别编号的各个视频子数据库；
筛选单元，用于响应于目标对象的携带有预设条件的视频查询指令，同步从所述分类单元分类出的各个视频子数据库中筛选视频，得到符合所述预设条件的目标监控视频，所述预设条件中携带有查询要素，所述查询要素包括所述目标对象的用户特征要素、查询时间特征要素和所述目标监控视频所属视频类别的特征要素。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
CN202011090412.0A 2020-10-13 2020-10-13 基于物联网的视频处理方法、装置、电子设备和存储介质 Pending CN112380391A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011090412.0A CN112380391A (zh) 2020-10-13 2020-10-13 基于物联网的视频处理方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011090412.0A CN112380391A (zh) 2020-10-13 2020-10-13 基于物联网的视频处理方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN112380391A true CN112380391A (zh) 2021-02-19

Family

ID=74581329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011090412.0A Pending CN112380391A (zh) 2020-10-13 2020-10-13 基于物联网的视频处理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112380391A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113542689A (zh) * 2021-07-16 2021-10-22 金茂智慧科技(广州)有限公司 基于无线物联网的图像处理方法及相关设备
CN113556480A (zh) * 2021-07-09 2021-10-26 中星电子股份有限公司 车辆连续运动视频生成方法、装置、设备和介质
CN114979035A (zh) * 2022-05-11 2022-08-30 中国电信股份有限公司 监控视频存储方法及装置、电子设备及存储介质
CN117729252A (zh) * 2024-02-01 2024-03-19 深圳承典电子有限公司 一种整合多算法模型的边缘计算系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106559634A (zh) * 2015-09-30 2017-04-05 杭州海康威视数字技术股份有限公司 用于交通卡口视频监控的数据存储方法及装置
CN108174165A (zh) * 2018-01-17 2018-06-15 重庆览辉信息技术有限公司 电力安全作业及运维智能监管系统及方法
CN109871815A (zh) * 2019-02-26 2019-06-11 新华三技术有限公司 一种查询监控信息的方法及装置
CN111695415A (zh) * 2020-04-28 2020-09-22 平安科技（深圳）有限公司 图像识别模型的构建方法、识别方法及相关设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106559634A (zh) * 2015-09-30 2017-04-05 杭州海康威视数字技术股份有限公司 用于交通卡口视频监控的数据存储方法及装置
CN108174165A (zh) * 2018-01-17 2018-06-15 重庆览辉信息技术有限公司 电力安全作业及运维智能监管系统及方法
CN109871815A (zh) * 2019-02-26 2019-06-11 新华三技术有限公司 一种查询监控信息的方法及装置
CN111695415A (zh) * 2020-04-28 2020-09-22 平安科技（深圳）有限公司 图像识别模型的构建方法、识别方法及相关设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113556480A (zh) * 2021-07-09 2021-10-26 中星电子股份有限公司 车辆连续运动视频生成方法、装置、设备和介质
CN113542689A (zh) * 2021-07-16 2021-10-22 金茂智慧科技(广州)有限公司 基于无线物联网的图像处理方法及相关设备
CN114979035A (zh) * 2022-05-11 2022-08-30 中国电信股份有限公司 监控视频存储方法及装置、电子设备及存储介质
CN114979035B (zh) * 2022-05-11 2024-01-12 中国电信股份有限公司 监控视频存储方法及装置、电子设备及存储介质
CN117729252A (zh) * 2024-02-01 2024-03-19 深圳承典电子有限公司 一种整合多算法模型的边缘计算系统
CN117729252B (zh) * 2024-02-01 2024-04-12 深圳承典电子有限公司 一种整合多算法模型的边缘计算系统

Similar Documents

Publication Publication Date Title
CN112380391A (zh) 基于物联网的视频处理方法、装置、电子设备和存储介质
CN103781522B (zh) 用于生成并加入经验共享的方法和系统
CN107885873B (zh) 用于输出信息的方法和装置
CN110458360B (zh) 热门资源的预测方法、装置、设备及存储介质
US20170294213A1 (en) Method for video investigation
CN110674349B (zh) 视频poi识别方法、装置及电子设备
WO2017219527A1 (zh) 用于智能终端的数据统计分析方法及系统
CN106126592B (zh) 搜索数据的处理方法及装置
CN110619659A (zh) 一种房源展示方法、装置、终端设备及介质
CN109934194A (zh) 图片分类方法、边缘设备、系统及存储介质
CN112307264A (zh) 数据查询方法和装置、以及存储介质和电子设备
CN113626624B (zh) 一种资源识别方法和相关装置
CN114021016A (zh) 数据推荐方法、装置、设备和存储介质
CN111309240A (zh) 内容显示方法、装置和电子设备
CN110619061A (zh) 一种视频分类方法、装置、电子设备及可读介质
CN111813685A (zh) 自动化测试方法和装置
CN110781066A (zh) 用户行为分析方法、装置、设备及存储介质
CN113556480B (zh) 车辆连续运动视频生成方法、装置、设备和介质
CN113254726B (zh) 账号分组方法、装置、电子设备及存储介质
CN115643360A (zh) 可视对讲指挥系统
CN112291625B (zh) 信息质量处理方法、装置、电子设备及存储介质
CN114677627A (zh) 目标线索寻找方法、装置、设备及介质
CN109947803B (zh) 一种数据处理方法、系统及存储介质
CN112596846A (zh) 确定界面显示内容的方法、装置、终端设备及存储介质
CN113360738A (zh) 内容评价方法、系统以及计算机可读记录介质

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