CN112966539A - 替身主播在线检测系统及方法 - Google Patents
替身主播在线检测系统及方法 Download PDFInfo
- Publication number
- CN112966539A CN112966539A CN201911271513.5A CN201911271513A CN112966539A CN 112966539 A CN112966539 A CN 112966539A CN 201911271513 A CN201911271513 A CN 201911271513A CN 112966539 A CN112966539 A CN 112966539A
- Authority
- CN
- China
- Prior art keywords
- anchor
- image
- live broadcast
- real
- time
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims description 27
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 238000013500 data storage Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 74
- 230000009471 action Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000006467 substitution reaction Methods 0.000 description 4
- 230000007123 defense Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种替身主播在线检测系统，包括：内容提取设备，用于对每一个直播房间内的直播画面进行提取，以获得即时提取图像；数据存储设备，用于预先存储各个直播房间分别对应的各个主播的基准面部图案，每一个主播的基准面部图案为仅包括主播面部的图像；人员鉴别设备，用于将接收到图像中景深最浅的面部子图像与对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播。本发明还涉及一种替身主播在线检测方法。本发明的替身主播在线检测方法设计紧凑、逻辑简单。由于能够及时检测到替身主播的直播现场，从而能够规范各个签约主播的行为，维护直播运营方的用户人群和经济利益。
Description
技术领域
本发明涉及直播管理领域，尤其涉及一种替身主播在线检测系统及方法。
背景技术
“网络直播”大致分两类，一类是在网上提供电视信号的观看，例如各类体育比赛和文艺活动的直播，这类直播原理是将电视(模拟)信号通过采集，转换为数字信号输入电脑，实时上传网站供人观看，相当于“网络电视”；另一类是人们所了解的“网络直播”：在现场架设独立的信号采集设备(音频+视频)导入导播端(导播设备或平台)，再通过网络上传至服务器，发布至网址供人观看。直播的主播的收入主要有以下几种：
第一种是时薪。直播平台会根据主播每小时的直播人气支付薪水。比如每小时的人气在10万以上的，1小时给多少钱。就这种盈利模式来说，网络主播的收入跟人气划等号。也就是说，人气越多，收入越高。
第二种是礼物。就是网友花钱买礼物送给网络主播，网络主播在层层扣款后拿到分成。这种模式不依赖于人气，网络主播的个人魅力更加重要。比如，一个女孩的人气只有七八千，但是她的收入可能比那些有十几万人气的游戏主播还高。
第三种是衍生副业。比如，接广告、卖东西做电商。现在很多大主播都会这么做，而且在电竞直播初期，这种模式是网络主播很大的收入来源。不过，电商这种模式是衍生副业里最初级的商业模式，如果你的电商是卖零食、卖衣服的，收益会很低。
发明内容
为了解决相关领域的技术问题，本发明提供了一种替身主播在线检测系统及方法，能够对每一个主播是否采用替身来替换进行直播的情况进行在线检测，从而能够及时发觉直播相关的违规操作，避免直播运营方的经济利益受到损失。
为此，本发明需要具备以下几处重要的发明点：
(1)将定制处理后的图像中景深最浅的人体面部进行提取，以获得面部子图像，并将所述面部子图像与对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播，否则，确定对应的直播房间的主播为替身主播；
(2)引入设置在直播服务器端的数据存储设备，用于存储每一个直播房间的主播是真实主播还是替身主播。
本发明的一方面，提供了一种替身主播在线检测系统，所述系统包括：
内容提取设备，设置在直播服务器端，用于对每一个直播房间内的直播画面进行抓取，以获得即时提取图像；
数据存储设备，设置在直播服务器端，用于预先存储各个直播房间分别对应的各个主播的基准面部图案，每一个主播的基准面部图案为仅包括主播面部的图像；
锐化处理设备，与所述内容提取设备连接，用于对接收到的即时提取图像执行锐化处理，以获得实时锐化图像；
扩展处理设备，与所述锐化处理设备连接，用于对接收到的实时锐化图像执行动态范围扩展处理，以获得相应的实时扩展图像；
均衡处理设备，与所述扩展处理设备连接，用于对接收到的实时扩展图像执行直方图均衡处理，以获得实时均衡图像；
人员鉴别设备，分别与所述均衡处理设备和所述数据存储设备连接，用于接收各个即时提取图像分别对应的各个实时均衡图像，对每一个实时均衡图像执行以下动作：将所述实时均衡图像中景深最浅的人体面部进行提取，以获得面部子图像，并将所述面部子图像与所述实时均衡图像对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播；
其中，所述人员鉴别设备还用于在所述匹配度未超限时，确定对应的直播房间的主播为替身主播；
其中，所述数据存储设备还与所述人员鉴别设备连接，用于存储每一个直播房间的主播是真实主播还是替身主播。
根据本发明的另一方面，还提供了一种替身主播在线检测方法，所述方法包括：
使用内容提取设备，设置在直播服务器端，用于对每一个直播房间内的直播画面进行抓取，以获得即时提取图像；
使用数据存储设备，设置在直播服务器端，用于预先存储各个直播房间分别对应的各个主播的基准面部图案，每一个主播的基准面部图案为仅包括主播面部的图像；
使用锐化处理设备，与所述内容提取设备连接，用于对接收到的即时提取图像执行锐化处理，以获得实时锐化图像；
使用扩展处理设备，与所述锐化处理设备连接，用于对接收到的实时锐化图像执行动态范围扩展处理，以获得相应的实时扩展图像；
使用均衡处理设备，与所述扩展处理设备连接，用于对接收到的实时扩展图像执行直方图均衡处理，以获得实时均衡图像；
使用人员鉴别设备，分别与所述均衡处理设备和所述数据存储设备连接，用于接收各个即时提取图像分别对应的各个实时均衡图像，对每一个实时均衡图像执行以下动作：将所述实时均衡图像中景深最浅的人体面部进行提取，以获得面部子图像，并将所述面部子图像与所述实时均衡图像对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播；
其中，所述人员鉴别设备还用于在所述匹配度未超限时，确定对应的直播房间的主播为替身主播；
其中，所述数据存储设备还与所述人员鉴别设备连接，用于存储每一个直播房间的主播是真实主播还是替身主播。
本发明的替身主播在线检测方法设计紧凑、逻辑简单。由于能够及时检测到替身主播的直播现场，从而能够规范各个签约主播的行为，维护直播运营方的用户人群和经济利益。
具体实施方式
下面将对本发明的替身主播在线检测系统及方法的实施方案进行详细说明。
图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构，从而提取具有一定智能性的信息。
一般地，图像分析基本上有四个过程。
(1)传感器输入：把实际物景转换为适合计算机处理的表达形式，对于三维物景也是把它转换成二维平面图像进行处理和分析(见图像表示)。
(2)分割：从物景图像中分解出物体和它的组成部分(见图像分割)。组成部分又由图像基元构成。把物景分解成这样一种分级构造，需要应用关于物景中对象的知识。一般可以把分割看成是一个决策过程，它的算法可分为像点技术和区域技术两类。像点技术是用阈值方法对各个像点进行分类，例如通过像点灰度和阈值的比较求出文字图像中的笔划。区域技术是利用纹理、局部地区灰度对比度等特征检出边界、线条、区域等，并用区域生长、合并、分解等技术求出图像的各个组成成分。此外,为了进一步考察图像整体在分割中的作用,还研究出松弛技术等方法。
(3)识别：对图像中分割出来的物体给以相应的名称，如自然物景中的道路、桥梁、建筑物或工业自动装配线上的各种机器零件等。一般可以根据形状和灰度信息用决策理论和结构方法进行分类，也可以构造一系列已知物体的图像模型，把要识别的对象与各个图像模型进行匹配和比较。
(4)解释：用启发式方法或人机交互技术结合识别方法建立物景的分级构造，说明物景中有些什么物体，物体之间存在什么关系。在三维物景的情况下，可以利用物景的各种已知信息和物景中各个对象相互间的制约关系的知识。例如，从二维图像中的灰度阴影、纹理变化、表面轮廓线形状等推断出三维物景的表面走向；也可根据测距资料，或从几个不同角度的二维图像进行景深的计算，得出三维物景的描述和解释。
当前，直播运营商签约的主播通常具有一定的人气和娱乐水平，这些主播通过吸引用户来提升相关广告的经济价值。然而，一些主播为了多赚钱，采用自己的替身去进行各个直播平台的视频直播，这样，由于替身的人气和娱乐水平不足，容易导致直播用户的减少，进而给直播运营商带来经济损失。
为了克服上述不足，本发明搭建了一种替身主播在线检测系统及方法，能够有效解决相应的技术问题。
根据本发明实施方案示出的替身主播在线检测系统包括：
内容提取设备，设置在直播服务器端，用于对每一个直播房间内的直播画面进行抓取，以获得即时提取图像；
数据存储设备，设置在直播服务器端，用于预先存储各个直播房间分别对应的各个主播的基准面部图案，每一个主播的基准面部图案为仅包括主播面部的图像；
锐化处理设备，与所述内容提取设备连接，用于对接收到的即时提取图像执行锐化处理，以获得实时锐化图像；
扩展处理设备，与所述锐化处理设备连接，用于对接收到的实时锐化图像执行动态范围扩展处理，以获得相应的实时扩展图像；
均衡处理设备，与所述扩展处理设备连接，用于对接收到的实时扩展图像执行直方图均衡处理，以获得实时均衡图像；
人员鉴别设备，分别与所述均衡处理设备和所述数据存储设备连接，用于接收各个即时提取图像分别对应的各个实时均衡图像，对每一个实时均衡图像执行以下动作：将所述实时均衡图像中景深最浅的人体面部进行提取，以获得面部子图像，并将所述面部子图像与所述实时均衡图像对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播；
其中，所述人员鉴别设备还用于在所述匹配度未超限时，确定对应的直播房间的主播为替身主播；
其中，所述数据存储设备还与所述人员鉴别设备连接，用于存储每一个直播房间的主播是真实主播还是替身主播。
接着，继续对本发明的替身主播在线检测系统的具体结构进行进一步的说明。
在所述替身主播在线检测系统中：
与所述实时均衡图像对应的直播房间的主播的基准面部图案为仅包括与所述实时均衡图像对应的直播房间的主播的面部的图像。
在所述替身主播在线检测系统中，所述系统还包括：
GPS定位设备，设置在均衡处理设备的一侧，用于提供均衡处理设备当前的GPS位置。
在所述替身主播在线检测系统中，所述系统还包括：
压力传感机构，包括第一压力传感器和第二压力传感器，分别与所述均衡处理设备和所述人员鉴别设备连接。
在所述替身主播在线检测系统中：
所述第一压力传感器和所述第二压力传感器用于分别检测所述均衡处理设备和所述人员鉴别设备的外壳温度。
根据本发明实施方案示出的替身主播在线检测方法包括：
使用内容提取设备，设置在直播服务器端，用于对每一个直播房间内的直播画面进行抓取，以获得即时提取图像；
使用数据存储设备，设置在直播服务器端，用于预先存储各个直播房间分别对应的各个主播的基准面部图案，每一个主播的基准面部图案为仅包括主播面部的图像；
使用锐化处理设备，与所述内容提取设备连接，用于对接收到的即时提取图像执行锐化处理，以获得实时锐化图像；
使用扩展处理设备，与所述锐化处理设备连接，用于对接收到的实时锐化图像执行动态范围扩展处理，以获得相应的实时扩展图像；
使用均衡处理设备，与所述扩展处理设备连接，用于对接收到的实时扩展图像执行直方图均衡处理，以获得实时均衡图像；
使用人员鉴别设备，分别与所述均衡处理设备和所述数据存储设备连接，用于接收各个即时提取图像分别对应的各个实时均衡图像，对每一个实时均衡图像执行以下动作：将所述实时均衡图像中景深最浅的人体面部进行提取，以获得面部子图像，并将所述面部子图像与所述实时均衡图像对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播；
其中，所述人员鉴别设备还用于在所述匹配度未超限时，确定对应的直播房间的主播为替身主播；
其中，所述数据存储设备还与所述人员鉴别设备连接，用于存储每一个直播房间的主播是真实主播还是替身主播。
接着，继续对本发明的替身主播在线检测方法的具体步骤进行进一步的说明。
所述替身主播在线检测方法中：
与所述实时均衡图像对应的直播房间的主播的基准面部图案为仅包括与所述实时均衡图像对应的直播房间的主播的面部的图像。
所述替身主播在线检测方法中，所述方法还包括：
使用GPS定位设备，设置在均衡处理设备的一侧，用于提供均衡处理设备当前的GPS位置。
所述替身主播在线检测方法中，所述方法还包括：
使用压力传感机构，包括第一压力传感器和第二压力传感器，分别与所述均衡处理设备和所述人员鉴别设备连接。
所述替身主播在线检测方法中：
所述第一压力传感器和所述第二压力传感器用于分别检测所述均衡处理设备和所述人员鉴别设备的外壳温度。
另外，GPS的前身是美国军方研制的一种子午仪卫星定位系统(Transit)，1958年研制，1964年正式投入使用。该系统用5到6颗卫星组成的星网工作，每天最多绕过地球13次，并且无法给出高度信息，在定位精度方面也不尽如人意。然而，子午仪系统使得研发部门对卫星定位取得了初步的经验，并验证了由卫星系统进行定位的可行性，为GPS的研制埋下了铺垫。由于卫星定位显示出在导航方面的巨大优越性及子午仪系统存在对潜艇和舰船导航方面的巨大缺陷。美国海陆空三军及民用部门都感到迫切需要一种新的卫星导航系统。
为此，美国海军研究实验室(NRL)提出了名为Tinmation的用12到18颗卫星组成10000km高度的全球定位网计划，并于1967年、1969年和1974年各发射了一颗试验卫星，在这些卫星上初步试验了原子钟计时系统，这是GPS精确定位的基础。而美国空军则提出了621-B的以每星群4到5颗卫星组成3至4个星群的计划，这些卫星中除1颗采用同步轨道外其余的都使用周期为24h的倾斜轨道，该计划以伪随机码(PRN)为基础传播卫星测距信号，其强大的功能，当信号密度低于环境噪声的1％时也能将其检测出来。伪随机码的成功运用是GPS得以取得成功的一个重要基础。海军的计划主要用于为舰船提供低动态的2维定位，空军的计划能供提供高动态服务，然而系统过于复杂。由于同时研制两个系统会造成巨大的费用而且这里两个计划都是为了提供全球定位而设计的，所以1973年美国国防部将2者合二为一，并由国防部牵头的卫星导航定位联合计划局(JPO)领导，还将办事机构设立在洛杉矶的空军航天处。该机构成员众多，包括美国陆军、海军、海军陆战队、交通部、国防制图局、北约和澳大利亚的代表。[1]
最初的GPS计划在美国联合计划局的领导下诞生了，该方案将24颗卫星放置在互成120度的三个轨道上。每个轨道上有8颗卫星，地球上任何一点均能观测到6至9颗卫星。这样，粗码精度可达100m，精码精度为10m。由于预算压缩，GPS计划不得不减少卫星发射数量，改为将18颗卫星分布在互成60度的6个轨道上，然而这一方案使得卫星可靠性得不到保障。1988年又进行了最后一次修改：21颗工作星和3颗备用星工作在互成60度的6条轨道上。这也是GPS卫星所使用的工作方式。
GPS导航系统是以全球24颗定位人造卫星为基础，向全球各地全天候地提供三维位置、三维速度等信息的一种无线电导航定位系统。它由三部分构成，一是地面控制部分，由主控站、地面天线、监测站及通讯辅助系统组成。二是空间部分，由24颗卫星组成，分布在6个轨道平面。三是用户装置部分，由GPS接收机和卫星天线组成。民用的定位精度可达10米内。
最后应注意到的是，在本发明各个实施例中的各功能设备可以集成在一个处理设备中，也可以是各个设备单独物理存在，也可以两个或两个以上设备集成在一个设备中。
所述功能如果以软件功能设备的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种替身主播在线检测系统，其特征在于，所述系统包括：
内容提取设备，设置在直播服务器端，用于对每一个直播房间内的直播画面进行抓取，以获得即时提取图像；
数据存储设备，设置在直播服务器端，用于预先存储各个直播房间分别对应的各个主播的基准面部图案，每一个主播的基准面部图案为仅包括主播面部的图像；
锐化处理设备，与所述内容提取设备连接，用于对接收到的即时提取图像执行锐化处理，以获得实时锐化图像；
扩展处理设备，与所述锐化处理设备连接，用于对接收到的实时锐化图像执行动态范围扩展处理，以获得相应的实时扩展图像；
均衡处理设备，与所述扩展处理设备连接，用于对接收到的实时扩展图像执行直方图均衡处理，以获得实时均衡图像；
人员鉴别设备，分别与所述均衡处理设备和所述数据存储设备连接，用于接收各个即时提取图像分别对应的各个实时均衡图像，对每一个实时均衡图像执行以下动作：将所述实时均衡图像中景深最浅的人体面部进行提取，以获得面部子图像，并将所述面部子图像与所述实时均衡图像对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播；
其中，所述人员鉴别设备还用于在所述匹配度未超限时，确定对应的直播房间的主播为替身主播；
其中，所述数据存储设备还与所述人员鉴别设备连接，用于存储每一个直播房间的主播是真实主播还是替身主播。
2.如权利要求1所述的替身主播在线检测系统，其特征在于：
与所述实时均衡图像对应的直播房间的主播的基准面部图案为仅包括与所述实时均衡图像对应的直播房间的主播的面部的图像。
3.如权利要求2所述的替身主播在线检测系统，其特征在于，所述系统还包括：
GPS定位设备，设置在均衡处理设备的一侧，用于提供均衡处理设备当前的GPS位置。
4.如权利要求3所述的替身主播在线检测系统，其特征在于，所述系统还包括：
压力传感机构，包括第一压力传感器和第二压力传感器，分别与所述均衡处理设备和所述人员鉴别设备连接。
5.如权利要求4所述的替身主播在线检测系统，其特征在于：
所述第一压力传感器和所述第二压力传感器用于分别检测所述均衡处理设备和所述人员鉴别设备的外壳温度。
6.一种替身主播在线检测方法，其特征在于，所述方法包括：
使用内容提取设备，设置在直播服务器端，用于对每一个直播房间内的直播画面进行抓取，以获得即时提取图像；
使用数据存储设备，设置在直播服务器端，用于预先存储各个直播房间分别对应的各个主播的基准面部图案，每一个主播的基准面部图案为仅包括主播面部的图像；
使用锐化处理设备，与所述内容提取设备连接，用于对接收到的即时提取图像执行锐化处理，以获得实时锐化图像；
使用扩展处理设备，与所述锐化处理设备连接，用于对接收到的实时锐化图像执行动态范围扩展处理，以获得相应的实时扩展图像；
使用均衡处理设备，与所述扩展处理设备连接，用于对接收到的实时扩展图像执行直方图均衡处理，以获得实时均衡图像；
使用人员鉴别设备，分别与所述均衡处理设备和所述数据存储设备连接，用于接收各个即时提取图像分别对应的各个实时均衡图像，对每一个实时均衡图像执行以下动作：将所述实时均衡图像中景深最浅的人体面部进行提取，以获得面部子图像，并将所述面部子图像与所述实时均衡图像对应的直播房间的主播的基准面部图案进行图像内容匹配，以在匹配度超限时，确定对应的直播房间的主播为真实主播；
其中，所述人员鉴别设备还用于在所述匹配度未超限时，确定对应的直播房间的主播为替身主播；
其中，所述数据存储设备还与所述人员鉴别设备连接，用于存储每一个直播房间的主播是真实主播还是替身主播。
7.如权利要求6所述的替身主播在线检测方法，其特征在于：
与所述实时均衡图像对应的直播房间的主播的基准面部图案为仅包括与所述实时均衡图像对应的直播房间的主播的面部的图像。
8.如权利要求7所述的替身主播在线检测方法，其特征在于，所述方法还包括：
使用GPS定位设备，设置在均衡处理设备的一侧，用于提供均衡处理设备当前的GPS位置。
9.如权利要求8所述的替身主播在线检测方法，其特征在于，所述方法还包括：
使用压力传感机构，包括第一压力传感器和第二压力传感器，分别与所述均衡处理设备和所述人员鉴别设备连接。
10.如权利要求9所述的替身主播在线检测方法，其特征在于：
所述第一压力传感器和所述第二压力传感器用于分别检测所述均衡处理设备和所述人员鉴别设备的外壳温度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911271513.5A CN112966539A (zh) | 2019-12-12 | 2019-12-12 | 替身主播在线检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911271513.5A CN112966539A (zh) | 2019-12-12 | 2019-12-12 | 替身主播在线检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112966539A true CN112966539A (zh) | 2021-06-15 |
Family
ID=76270769
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911271513.5A Withdrawn CN112966539A (zh) | 2019-12-12 | 2019-12-12 | 替身主播在线检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112966539A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160275339A1 (en) * | 2014-01-13 | 2016-09-22 | Carnegie Mellon University | System and Method for Detecting and Tracking Facial Features In Images |
| CN206209549U (zh) * | 2016-07-26 | 2017-05-31 | 广州市基青信息科技有限公司 | 一种计算机主机箱辅助散热器 |
| CN207965910U (zh) * | 2018-01-25 | 2018-10-12 | 西安科技大学 | 基于人脸识别的教学管理系统 |
| CN109831695A (zh) * | 2018-12-15 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 直播控制方法、装置、电子设备及存储介质 |
| CN110213522A (zh) * | 2019-05-27 | 2019-09-06 | 腾讯科技（深圳）有限公司 | 一种视频数据处理方法、装置以及相关设备 |
| CN110400137A (zh) * | 2019-04-03 | 2019-11-01 | 泰州市海陵区一马商务信息咨询有限公司 | 免密支付验证系统 |
-
2019
- 2019-12-12 CN CN201911271513.5A patent/CN112966539A/zh not_active Withdrawn
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160275339A1 (en) * | 2014-01-13 | 2016-09-22 | Carnegie Mellon University | System and Method for Detecting and Tracking Facial Features In Images |
| CN206209549U (zh) * | 2016-07-26 | 2017-05-31 | 广州市基青信息科技有限公司 | 一种计算机主机箱辅助散热器 |
| CN207965910U (zh) * | 2018-01-25 | 2018-10-12 | 西安科技大学 | 基于人脸识别的教学管理系统 |
| CN109831695A (zh) * | 2018-12-15 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 直播控制方法、装置、电子设备及存储介质 |
| CN110400137A (zh) * | 2019-04-03 | 2019-11-01 | 泰州市海陵区一马商务信息咨询有限公司 | 免密支付验证系统 |
| CN110213522A (zh) * | 2019-05-27 | 2019-09-06 | 腾讯科技（深圳）有限公司 | 一种视频数据处理方法、装置以及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lebedev et al. | Precipitation nowcasting with satellite imagery | |
| Dumitru et al. | SAR image land cover datasets for classification benchmarking of temporal changes | |
| CN105453559A (zh) | 手持式便携光学扫描器及其使用方法 | |
| CN107610164A (zh) | 一种基于多特征混合的高分四号影像配准方法 | |
| CN104777464B (zh) | 利用ads‑b数据实现多雷达数据半实物仿真的方法 | |
| Hamida et al. | Deep learning for semantic segmentation of remote sensing images with rich spectral content | |
| CN110215706A (zh) | 虚拟对象的位置确定方法、装置、终端及存储介质 | |
| Scholefield et al. | Estimating habitat extent and carbon loss from an eroded northern blanket bog using UAV derived imagery and topography | |
| Guo et al. | Mozambique flood (2019) caused by tropical cyclone idai monitored from sentinel-1 and sentinel-2 images | |
| Qin et al. | Forest emissions reduction assessment using airborne LiDAR for biomass estimation | |
| Tongleamnak et al. | Simulation of GNSS availability in urban environments using a panoramic image dataset | |
| CN112966539A (zh) | 替身主播在线检测系统及方法 | |
| Trekin et al. | Satellite imagery analysis for operational damage assessment in Emergency situations | |
| CN110400137B (zh) | 免密支付验证系统 | |
| Xu et al. | UAV-ODS: A real-time outfall detection system based on UAV remote sensing and edge computing | |
| Elaalem et al. | Performance of supervised classification for mapping land cover and land use in Jeffara Plain of Libya | |
| CN116385622A (zh) | 云图处理方法、装置、计算机及可读存储介质 | |
| Chien et al. | Monitoring flooding in Thailand using Earth Observing One in a sensorweb | |
| Du et al. | Forest terrain and canopy height estimation using stereo images and spaceborne LiDAR data from GF-7 satellite | |
| Nguyen et al. | Mapping forest disturbance and recovery for forest dynamics over large areas using Landsat time-series remote sensing | |
| Sophiayati Yuhaniz et al. | An onboard automatic change detection system for disaster monitoring | |
| Pistorius et al. | Accuracy assessment of game-based crowdsourced land-use/land cover image classification | |
| Hernina et al. | Unmanned aerial vehicle (uav) application for supporting climate change readiness program in depok municipality, indonesia | |
| CN109218637A (zh) | 一种定位沙尘暴入侵的云计算系统 | |
| Fiche et al. | Towards a Tree Cover Change Early Warning System Based on SENTINEL-1 Data and a Neural Network Architecture |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220105 Address after: 225300 Guoan medical center, No. 79, Xingling Road, Hailing District, Taizhou City, Jiangsu Province Applicant after: Taizhou Guoan medical supplies Co.,Ltd. Address before: 210048 no.696, geguan Road, Liuhe District, Nanjing, Jiangsu Province Applicant before: Zhao Lixia |
|
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210615 |