CN112637538B - 用于优化视频分析的智能标签方法、系统、介质及终端 - Google Patents

用于优化视频分析的智能标签方法、系统、介质及终端 Download PDF

Info

Publication number
CN112637538B
CN112637538B CN202011479554.6A CN202011479554A CN112637538B CN 112637538 B CN112637538 B CN 112637538B CN 202011479554 A CN202011479554 A CN 202011479554A CN 112637538 B CN112637538 B CN 112637538B
Authority
CN
China
Prior art keywords
data
frame
label
code stream
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.)
Active
Application number
CN202011479554.6A
Other languages
English (en)
Other versions
CN112637538A (zh
Inventor
王美健
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.)
Chongqing Unisinsight Technology Co Ltd
Original Assignee
Chongqing Unisinsight Technology 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 Chongqing Unisinsight Technology Co Ltd filed Critical Chongqing Unisinsight Technology Co Ltd
Priority to CN202011479554.6A priority Critical patent/CN112637538B/zh
Publication of CN112637538A publication Critical patent/CN112637538A/zh
Application granted granted Critical
Publication of CN112637538B publication Critical patent/CN112637538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/91—Television signal processing therefor
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明提供一种用于优化视频分析的智能标签方法、系统、介质及终端，方法包括：获取视频码流数据；对所述视频码流数据，进行数据标签添加处理，获取添加标签后的视频码流数据；标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数；建立分析任务，拉取添加标签后的视频码流数据，根据标签参数值来判断图像组中码流数据哪些丢弃和哪些保留；本发明通过智能标签方法，使资源的分配更加合理，使后续的解码、算法分析等步骤的视频量得到很大缩减，能够降低不必要的性能消耗，对于画面动态变化小的场景，可通过本发明的智能标签处理减少每路分析资源占用，继而可增加视频流分析路数，间接提高软硬件配置的使用率。

Description

用于优化视频分析的智能标签方法、系统、介质及终端
技术领域
本发明涉及计算机应用领域，尤其涉及一种用于优化视频分析的智能标签方法、系统、介质及终端。
背景技术
智能视频分析在安防领域中具有重要的意义，属于智能安防中不可或缺的一部分。智能视频算法主要分析两类视频源：实时(摄像机视频流)和非实时(离线本地文件、中心录像)。分析处理通常包括：拉取视频流进行视频解码处理，对解码后的视频数据进行智能算法分析，提取出其中的人、机、非、物等目标的属性和行为信息，再对分析结果信息进行分类处理，包括调用存储模块写入相关目标图像、产生布控告警及入库处理等。由于智能视频分析产品会受软硬件配置的限制，并且对产品服务能够分析的视频流总路数也是限制的，因此，除了提高算法分析等软件处理能力外，合理支配服务资源增加分析路数也是降低产品成本而提升产品竞争力的重要一环。
但是，目前在开发智能分析产品时，往往考虑的是支持最大压力的分析，比如分析人脸趋向于考虑车站、地铁口和大商场等目标流量极大的场景。而很多时候需要分析的场景可能是郊区、小公路口等目标较少的场景，显然在这种场景使用那种针对大流量分析的产品就会存在很大的资源浪费。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种用于优化视频分析的智能标签方法，以解决上述技术问题。
本发明提供的用于优化视频分析的智能标签方法，包括：
获取视频码流数据；
对所述视频码流数据，进行数据处理，获取添加标签后的视频码流数据；所述数据处理包括通过补充增强信息添加标签参数，所述标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数；
创建分析任务，并获取所述添加标签后的视频码流数据，根据所述第一标签参数和第二标签参数，判断视频码流数据的丢弃或保留。
可选的，通过对所述视频码流数据进行编码，将连续若干幅图像分成P、B、I不同的数据帧类型，再根据数据帧类型对不同的帧数据分别赋不同的枚举值，进而获取所述第二标签参数。
可选的，获取第一标签参数Mk和第二标签参数Tk，其中，k为表示一个图像组中第k个数据，将视频码流数据中所述第一标签参数Mk默认设置为无移动枚举值，当检测到场景画面有动态变化时，将所述第一标签参数Mk设为移动枚举值。
可选的，在每个图像组中，根据所述第一标签参数Mk判断当前帧画面动态情况，若整个图像组各帧均未发生移动，则将整组数据进行丢弃；
若发生移动，则再判断帧类型，根据帧类型判断结果进行数据丢弃或保留。
可选的，所述根据帧类型判断结果进行数据丢弃或保留包括：
当图像组中存在数据帧的画面动态情况为移动时，获取最后的移动枚举值所在数据帧F：
若数据帧F的类型为B帧，则获取图像组中所述数据帧F后第一个非B帧所在的位置g，并丢弃该图像组第g帧后的数据；
若数据帧F的类型不为B帧，则丢弃图像组中所述数据帧F后的数据。
可选的，当经过解析处理后，如果无法获取所述第一标签参数和第二标签参数，则判定所述视频码流数据为不支持优化视频分析，停止所述分析任务，并进行反馈。
可选的，通过前端设备获取视频码流数据，并进行数据标签处理，通过后端进行解析，获取所述第一标签参数和第二标签参数，以及判断帧画面动态情况和帧数据的类型。
本发明还提供一种用于优化视频分析的智能标签系统，包括：前端设备和后端服务设备，
所述前端设备包括，
图像采集模块，用于获取视频码流数据；
数据处理模块，用于对所述视频码流数据，进行数据处理，获取添加标签后的视频码流数据；所述数据处理包括通过补充增强信息添加标签参数，所述标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数；
所述后端服务设备包括，
图像处理模块，用于建立分析任务，并获取所述添加标签后的视频码流数据，根据所述第一标签参数和第二标签参数，判断对视频码流数据的丢弃或保留。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述中任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述中任一项所述方法。
本发明的有益效果：本发明中的用于优化视频分析的智能标签方法、系统、介质及终端，通过智能标签方法，使智能视频分析过程中资源的分配更加合理，使后续的解码、算法分析等步骤的视频量得到很大缩减，能够较大程度降低不必要的性能消耗，对于画面动态变化小的场景使用智能标签处理，在实际工作中，通过本发明可以使每一路任务具有很大的资源空闲，因此，可以便于根据实际场景适当增加视频流分析路数，进而间接提高了软硬件配置的使用率。
附图说明
图1是本发明实施例中用于优化视频分析的智能标签方法的整体分析过程示意图。
图2是本发明实施例中用于优化视频分析的智能标签方法的流程示意图。
图3是本发明实施例中用于优化视频分析的智能标签方法的码流数据丢弃策略示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
如图1、2和3所示，本实施例中的用于优化视频分析的智能标签方法，包括：
S1.获取视频码流数据；
S2.对所述视频码流数据，进行数据处理，获取添加标签后的视频码流数据；所述数据处理包括通过补充增强信息添加标签参数，所述标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数；
S3.建立分析任务，拉取所述添加标签后的视频码流数据，根据所述第一标签参数和第二标签参数，判断图像组各码流数据的丢弃或保留。
在本实施例的步骤S1中，首先获取视频码流数据，本实施针对目标流量小，且画面变化频率不高的场景。
在本实施例的步骤S2中，前端设备需要支持智能打标签能力，设备内有轻量级智能服务支持对场景画面进行动态侦测；对获取的视频码流数据，进行数据处理，获取添加标签后的视频码流数据；数据处理包括动态侦测处理，并通过补充增强信息(SEI，Supplemental Enhancement Information)添加标签参数，标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数，其中，第一标签参数Mk为动态标签参数，其参数值默认设为无移动枚举值，只有当服务检测到场景画面有动态变化时，参数值才设为移动枚举值，表示当前帧的画面存在动态情况；第二标签参数Tk为帧类型标签参数，通过对采集过来的视频数据进行编码处理，根据编码后输出的数据帧类型进行不同的赋值，即I、P和B三种帧数据分别赋不同的枚举值，其中，k表示一个图像组数据中第k个数据，k为非负整数。
在本实施例中，针对连续动态图像编码时，将连续若干幅图像分成P,B,I三种类型，P帧由在它前面的若干参考帧预测而来，它比较与它前面的P帧或者I帧之间的相同信息和不同点来压缩本帧数据，B是双向预测帧，需要前向和后向的I或者P帧作为其参考帧，而I帧是内部编码帧，不需要参考其它帧。采取B帧、P帧和I帧联合压缩的方法可达到更高的压缩且无明显的压缩痕迹。
在本实施例的步骤S3中，对于支持智能标签解析的智能分析服务来说，在收到上级应用下发的摄像机视频流分析消息后，立刻创建一个分析任务来处理摄像机流，任务创建成功后服务会根据视频源地址拉取视频流数据，对取到的视频数据做SEI私有数据解析处理，并进行判断，如果没有解析出以上两种私有标签，则停止当前分析任务的运行，并反馈给上级应用此为不支持的摄像机视频流。如果解析出以上两种私有标签，则根据整个图像组数据的标签继续进行判断。具体地：
若整个图像组数据中不存在数据的移动态标签参数值为移动枚举(即k＝0的情况)，则丢弃掉整个图像组数据。
若整个图像组数据中存在数据的动态标签参数值为移动枚举，且最后的移动枚举值所在数据属于P帧，则丢弃图像组数据内该帧后的所有数据。
若整个图像组数据中存在动态标签参数值为移动枚举的数据，且最后的移动枚举值所在数据属于B帧，则寻找该帧数据后第一个非B帧，并将图像组数据内该非B帧后面的数据全部丢弃掉。
在本实施例中，通过上述判断方式，一方面尽可能丢弃掉无移动标签数据，由于这些数据表示场景画面没有动态变化，因此，并没有分析的实际意义，通过本实施例中的方式进行数据丢弃，可以减少后续进行视频解码和算法分析步骤的图像数量，进而可以在软硬件配置不变的情况下适当增加支持的摄像机视频流分析路数。另一方面，要先找到图像组数据中最后一个有移动枚举值的数据，且为了确保解码正常进行要对该数据之前的视频帧做保留。
相应的，本实施例还提供一种用于优化视频分析的智能标签系统，包括：前端设备和后端服务设备，
所述前端设备包括，
图像采集模块，用于获取视频码流数据；
数据处理模块，用于对所述视频码流数据，进行数据处理，获取添加标签后的视频码流数据；所述数据处理包括通过补充增强信息添加标签参数，所述标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数；
所述后端服务设备包括，
图像处理模块，用于建立分析任务，并获取所述添加标签后的视频码流数据，根据所述第一标签参数和第二标签参数，对图像组各码流数据进行丢弃或保留处理。
本实施例中的系统通过上述用于优化视频分析的智能方法，通过丢弃拉取的部分无动态画面视频流数据，使得用于后续的解码、算法分析等步骤的视频量得到很大缩减，能够较大程度降低不必要的性能消耗。
在本实施例中，如果当分析服务未设置支持智能标签处理，该系统对需要处理的画面场景无要求，既支持目标流量多也支持目标流量少的场景，也不需要特别的摄像机视频流。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中，除非另外规定，否则通过使用“第一”、“第二”等序号对共同的对象进行描述，只表示其指代相同对象的不同实例，而非是采用表示被描述的对象必须采用给定的顺序，无论是时间地、空间地、排序地或任何其他方式。在上述实施例中，说明书对“本实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“本实施例”的多次出现不一定全部都指代相同的实施例。
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (6)

1.一种用于优化视频分析的智能标签方法，其特征在于，包括：
获取视频码流数据；
对所述视频码流数据，进行数据处理，获取添加标签后的视频码流数据；所述数据处理包括通过补充增强信息添加标签参数，所述标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数；
创建分析任务，并获取所述添加标签后的视频码流数据，根据所述第一标签参数和第二标签参数，判断视频码流数据的丢弃或保留；
通过对所述视频码流数据进行编码，将连续若干幅图像分成P、B、I不同的数据帧类型，再根据数据帧类型对不同的帧数据分别赋不同的枚举值，进而获取所述第二标签参数；
获取第一标签参数Mk和第二标签参数Tk，其中，k为表示一个图像组中第k个数据，将视频码流数据中所述第一标签参数Mk默认设置为无移动枚举值，当检测到场景画面有动态变化时，将所述第一标签参数Mk设为移动枚举值；
在每个图像组中，根据所述第一标签参数Mk判断当前帧画面动态情况，若整个图像组各帧均未发生移动，则将整组数据进行丢弃；
若发生移动，则再判断帧类型，根据帧类型判断结果进行数据丢弃或保留；
所述根据帧类型判断结果进行数据丢弃或保留包括：
当图像组中存在数据帧的画面动态情况为移动时，获取最后的移动枚举值所在数据帧F；
若数据帧F的类型为B帧，则获取图像组中所述数据帧F后第一个非B帧所在的位置g，并丢弃该图像组第g帧后的数据；
若数据帧F的类型不为B帧，则丢弃图像组中所述数据帧F后的数据。
2.根据权利要求1所述的用于优化视频分析的智能标签方法，其特征在于，当经过解析处理后，如果无法获取所述第一标签参数和第二标签参数，则判定所述视频码流数据为不支持优化视频分析，停止所述分析任务，并进行反馈。
3.根据权利要求1所述的用于优化视频分析的智能标签方法，其特征在于，通过前端设备获取视频码流数据，并进行数据标签处理，通过后端进行解析，获取所述第一标签参数和第二标签参数，以及判断帧画面动态情况和帧数据的类型。
4.一种用于优化视频分析的智能标签系统，其特征在于，包括：前端设备和后端服务设备，
所述前端设备包括，
图像采集模块，用于获取视频码流数据；
数据处理模块，用于对所述视频码流数据，进行数据处理，获取添加标签后的视频码流数据；所述数据处理包括通过补充增强信息添加标签参数，所述标签参数包括用于表示当前帧画面动态情况的第一标签参数和用于标识帧类型的第二标签参数；
通过对所述视频码流数据进行编码，将连续若干幅图像分成P、B、I不同的数据帧类型，再根据数据帧类型对不同的帧数据分别赋不同的枚举值，进而获取所述第二标签参数；
获取第一标签参数Mk和第二标签参数Tk，其中，k为表示一个图像组中第k个数据，将视频码流数据中所述第一标签参数Mk默认设置为无移动枚举值，当检测到场景画面有动态变化时，将所述第一标签参数Mk设为移动枚举值；
所述后端服务设备包括，
图像处理模块，用于建立分析任务，并获取所述添加标签后的视频码流数据，根据所述第一标签参数和第二标签参数，判断对视频码流数据的丢弃或保留；
在每个图像组中，根据所述第一标签参数Mk判断当前帧画面动态情况，若整个图像组各帧均未发生移动，则将整组数据进行丢弃；
若发生移动，则再判断帧类型，根据帧类型判断结果进行数据丢弃或保留；
所述根据帧类型判断结果进行数据丢弃或保留包括：
当图像组中存在数据帧的画面动态情况为移动时，获取最后的移动枚举值所在数据帧F；
若数据帧F的类型为B帧，则获取图像组中所述数据帧F后第一个非B帧所在的位置g，并丢弃该图像组第g帧后的数据；
若数据帧F的类型不为B帧，则丢弃图像组中所述数据帧F后的数据。
5.一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：所述计算机程序被处理器执行时实现权利要求1至3中任一项所述方法。
6.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至3中任一项所述方法。
CN202011479554.6A 2020-12-15 2020-12-15 用于优化视频分析的智能标签方法、系统、介质及终端 Active CN112637538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011479554.6A CN112637538B (zh) 2020-12-15 2020-12-15 用于优化视频分析的智能标签方法、系统、介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011479554.6A CN112637538B (zh) 2020-12-15 2020-12-15 用于优化视频分析的智能标签方法、系统、介质及终端

Publications (2)

Publication Number Publication Date
CN112637538A CN112637538A (zh) 2021-04-09
CN112637538B true CN112637538B (zh) 2022-08-02

Family

ID=75313245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011479554.6A Active CN112637538B (zh) 2020-12-15 2020-12-15 用于优化视频分析的智能标签方法、系统、介质及终端

Country Status (1)

Country Link
CN (1) CN112637538B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113596556B (zh) * 2021-07-02 2023-07-21 咪咕互动娱乐有限公司 视频传输方法、服务器及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000165815A (ja) * 1998-11-30 2000-06-16 Matsushita Electric Ind Co Ltd 映像記録方法および装置
CN104093021A (zh) * 2014-07-15 2014-10-08 上海工程技术大学 一种监控视频压缩方法
CN106303697A (zh) * 2016-08-22 2017-01-04 青岛海信宽带多媒体技术有限公司 一种p帧处理方法及设备
CN107920254A (zh) * 2016-10-11 2018-04-17 北京金山云网络技术有限公司 一种针对b帧的运动估计方法、装置及视频编码器
CN109862207A (zh) * 2019-02-02 2019-06-07 浙江工业大学 一种基于压缩域的kvm视频内容变化检测方法
CN110505534A (zh) * 2019-08-26 2019-11-26 腾讯科技（深圳）有限公司 监控视频处理方法、装置及存储介质
CN111163351A (zh) * 2019-12-17 2020-05-15 博雅信安科技(北京)有限公司 一种基于渐进式生成对抗网络的视频摘要方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100329340A1 (en) * 2009-06-25 2010-12-30 General Instrument Corporation Method and apparatus for eliminating encoding delay when a telecine source material is detected

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000165815A (ja) * 1998-11-30 2000-06-16 Matsushita Electric Ind Co Ltd 映像記録方法および装置
CN104093021A (zh) * 2014-07-15 2014-10-08 上海工程技术大学 一种监控视频压缩方法
CN106303697A (zh) * 2016-08-22 2017-01-04 青岛海信宽带多媒体技术有限公司 一种p帧处理方法及设备
CN107920254A (zh) * 2016-10-11 2018-04-17 北京金山云网络技术有限公司 一种针对b帧的运动估计方法、装置及视频编码器
CN109862207A (zh) * 2019-02-02 2019-06-07 浙江工业大学 一种基于压缩域的kvm视频内容变化检测方法
CN110505534A (zh) * 2019-08-26 2019-11-26 腾讯科技（深圳）有限公司 监控视频处理方法、装置及存储介质
CN111163351A (zh) * 2019-12-17 2020-05-15 博雅信安科技(北京)有限公司 一种基于渐进式生成对抗网络的视频摘要方法

Also Published As

Publication number Publication date
CN112637538A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
US10593049B2 (en) System and method for real-time detection of objects in motion
CN109614517B (zh) 视频的分类方法、装置、设备及存储介质
US8737808B2 (en) Method and mobile terminal for previewing and retrieving video
US9681125B2 (en) Method and system for video coding with noise filtering
CN110446062B (zh) 大数据文件传输的接收处理方法、电子装置及存储介质
CN111488791A (zh) 将指尖运动模式实时地设备上分类为手势
US10528819B1 (en) Compressed content object and action detection
WO2013102026A2 (en) Method and system for video composition
CN105554591A (zh) 视频分析方法和设备
CN111669577A (zh) 一种硬件解码检测方法、装置、电子设备及存储介质
US20230086804A1 (en) Selectively identifying data based on motion data from a digital video to provide as input to an image processing model
CN114679607B (zh) 一种视频帧率控制方法、装置、电子设备及存储介质
CN111147926B (zh) 一种数据转码方法及装置
CN112637538B (zh) 用于优化视频分析的智能标签方法、系统、介质及终端
US20200364894A1 (en) Video processing
US10878272B2 (en) Information processing apparatus, information processing system, control method, and program
CN101339662B (zh) 一种生成视频特征数据的方法和装置
CN113395523A (zh) 基于并行线程的图像解码方法、装置、设备及存储介质
CN112040090A (zh) 视频流处理方法、装置、电子设备和存储介质
CN115482488A (zh) 基于智能视频分析的监控视频结构化弹性存储方法
CN109886234B (zh) 目标检测方法、装置、系统、电子设备、存储介质
CN114913593A (zh) 手势跟踪方法、装置、终端设备及计算机可读存储介质
CN113992493A (zh) 视频处理方法、系统、设备及存储介质
CN113259680B (zh) 视频流解码方法、装置、计算机设备和存储介质
US20230396819A1 (en) Analytic- and application-aware video derivative generation techniques

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