CN112989934A - 视频分析方法、装置及系统 - Google Patents
视频分析方法、装置及系统 Download PDFInfo
- Publication number
- CN112989934A CN112989934A CN202110163241.8A CN202110163241A CN112989934A CN 112989934 A CN112989934 A CN 112989934A CN 202110163241 A CN202110163241 A CN 202110163241A CN 112989934 A CN112989934 A CN 112989934A
- Authority
- CN
- China
- Prior art keywords
- video
- analysis result
- stream
- analysis
- target
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 325
- 238000012937 correction Methods 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012552 review Methods 0.000 claims abstract description 40
- 230000004048 modification Effects 0.000 claims description 19
- 238000012986 modification Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 26
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012216 screening Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012550 audit Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Abstract
本公开涉及视频分析方法、装置及系统，所述方法包括：从目标视频的视频流抽取视频帧，生成目标图片流；利用至少一个预设分析模型对目标图片流进行分析，得到第一分析结果；获取修正参数，利用修正参数对第一分析结果进行修正；当修正后的第一分析结果符合第一预设条件时，输出目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果；当第二分析结果符合第二预设条件时，输出所述第二分析结果。通过以上方法，本公开实施例可以使得第一分析结果更加准确，并且通过两级判断，可以实现对算力的管控，在满足条件时利用计算资源进行分析，在不符合初步筛选条件，不需要进一步处理，不占用计算资源，从而降低计算资源的使用率。
Description
技术领域
本公开涉及数据分析技术领域，尤其涉及一种视频分析方法、装置及系统。
背景技术
随着视频监控系统部署越来越多，对监控视频的自动分析成了越来越迫切的需求，然而，相关技术在对监控视频进行分析时，需要较大的算力，且需要持续占用的计算资源，造成计算资源浪费，并且分析结果存在不准确的问题。
发明内容
有鉴于此，本公开提出了一种视频分析方法、装置及系统，以解决以上技术问题。
根据本公开的一个方面，提出了一种视频分析方法，所述方法包括：
从目标视频的视频流抽取视频帧，生成目标图片流；
利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果；
获取修正参数，利用所述修正参数对所述第一分析结果进行修正；
当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果；
当所述第二分析结果符合第二预设条件时，输出所述第二分析结果。
在一种可能的实现方式中，所述方法还包括：
当所述第二分析结果不符合所述第二预设条件时，以预设方式对所述修正参数进行调整，得到调整后的修正参数；
利用调整后的修正参数对所述目标视频的后续视频流进行分析。
在一种可能的实现方式中，所述以预设方式对所述修正参数进行调整，得到调整后的修正参数，包括：
调整所述修正参数，使得当利用调整后的修正参数对所述第一分析结果进行修正时，修正后的第一分析结果不符合所述第一预设条件。
在一种可能的实现方式中，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
从所述目标视频中抽取具有修正标志的视频流，生成目标图片流，其中，所述具有修正标志的视频流的第一分析结果需要进行修正；或
从所述目标视频中抽取第一时长的视频流，生成目标图片流，其中，所述第一时长的视频流的第一分析结果需要进行修正。
在一种可能的实现方式中，所述方法还包括：
当所述第二分析结果不符合所述第二预设条件、且所述修正后的第一分析结果符合第一预设条件的视频流的时长大于预设时长时，以预设方式对所述修正参数进行调整，并设置所述目标视频的后续视频流具有修正标志或设置所述目标视频的后续的第一时长的视频流具有修正标志。
在一种可能的实现方式中，所述方法还包括：
当所述第二分析结果不符合所述第二预设条件、且修正后的第一分析结果符合第一预设条件的视频流的时长小于预设时长时，保持所述修正参数。
在一种可能的实现方式中，所述方法还包括：
当所述第二分析结果符合第二预设条件时，设置所述目标视频的后续视频流的分析过程不需进行人工审核；
当所述目标视频的后续视频流的修正后的第一分析结果符合第一预设条件时，输出修正后的第一分析结果。
在一种可能的实现方式中，所述利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果，包括：
利用第一预设分析模型对所述目标图片流进行分析，得到第三分析结果；
当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，得到第四分析结果；
当所述第四分析结果满足第四预设条件时，输出所述第四分析结果以作为所述第一分析结果。
在一种可能的实现方式中，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
以第一频率从所述目标视频的视频流分别抽取视频帧；
其中，所述当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，包括：
以第二频率从目标视频的视频流抽取视频帧，生成中间图片流，利用至少一个第二预设分析模型对中间图片流进行分析，
其中，所述第二频率大于所述第一频率。
在一种可能的实现方式中，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
以预设时间间隔从所述目标视频的视频流中抽取视频帧，生成所述目标图片流；或
以预设视频帧帧数间隔从所述目标视频的视频流抽取视频帧，生成所述目标图片流；或
抽取所述目标视频的视频流中视频编码协议的关键帧I帧，生成所述目标图片流。
在一种可能的实现方式中，所述当所述第二分析结果符合第二预设条件时，输出所述第二分析结果，包括：
当第二分析结果符合第二预设条件时，截取目标视频的视频流或对目标视频的视频流抓图，直到所述第二分析结果不符合第二预设条件；
保存截取的视频流或抓图得到的图片，并输出到电子设备进行显示。
在一种可能的实现方式中，在视频分析的初始阶段，所述修正参数为0。
根据本公开的另一方面，提供了一种视频分析装置，所述装置包括：
抽取模块，用于从目标视频的视频流抽取视频帧，生成目标图片流；
第一分析模块，连接于所述抽取模块，用于利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果；
结果修正模块，连接于所述第一分析模块，用于获取修正参数，利用所述修正参数对所述第一分析结果进行修正；
第二分析模块，连接于所述结果修正模块，用于当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果；
结果输出模块，连接于所述第二分析模块，用于当所述第二分析结果符合第二预设条件时，输出所述第二分析结果。
根据本公开的另一方面，一种视频分析系统，所述系统包括：至少一个所述的视频分析装置。
根据本公开的另一方面，提供了一种视频分析装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
通过以上方法，本公开实施例可以从目标视频的视频流抽取视频帧，生成目标图片流，利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果，获取修正参数，利用所述修正参数对所述第一分析结果进行修正，当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果，当所述第二分析结果符合第二预设条件时，输出所述第二分析结果，通过修正参数的修正，可以使得第一分析结果更加准确，并且通过两级判断，可以实现对算力的管控，在满足条件时利用计算资源进行分析，在不符合初步筛选条件，不需要进一步处理，不占用计算资源，从而降低计算资源的使用率。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出了根据本公开一实施例的视频分析方法的流程图。
图2示出了根据本公开一实施例的视频分析方法的流程图。
图3示出了根据本公开一实施例的视频分析装置的框图。
图4示出了根据本公开一实施例的视频分析装置的框图。
图5示出了根据本公开一实施例的视频分析装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
请参阅图1，图1示出了根据本公开一实施例的视频分析方法的流程图。
如图1所示，所述方法包括：
步骤S11，从目标视频的视频流抽取视频帧，生成目标图片流；
步骤S12，利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果；
步骤S13，获取修正参数，利用所述修正参数对所述第一分析结果进行修正；
步骤S14，当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果；
步骤S15，当所述第二分析结果符合第二预设条件时，输出所述第二分析结果。
通过以上方法，本公开实施例可以从目标视频的视频流抽取视频帧，生成目标图片流，利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果，获取修正参数，利用所述修正参数对所述第一分析结果进行修正，当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果，当所述第二分析结果符合第二预设条件时，输出所述第二分析结果，通过修正参数的修正，可以使得第一分析结果更加准确，并且通过两级判断，可以实现对算力的管控，在满足条件时利用计算资源进行分析，在不符合初步筛选条件，不需要进一步处理，不占用计算资源，从而降低计算资源的使用率。
在一种可能的实施方式中，本公开实施例提出的方法可以应用在终端、网络设备、服务器或其他具有运算能力的装置中。
在一个示例中，终端又称之为用户设备(user equipment，UE)、移动台(mobilestation， MS)、移动终端(mobile terminal，MT)等，是一种向用户提供语音和/或数据连通性的设备，例如，具有无线连接功能的手持式设备、车载设备等。目前，一些终端的举例为：手机 (mobile phone)、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobileinternetdevice， MID)、可穿戴设备，虚拟现实(virtual reality，VR)设备、增强现实(augmentedreality，AR) 设备、工业控制(industrial control)中的无线终端、无人驾驶(selfdriving)中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭 (smart home)中的无线终端、车联网中的无线终端等。
在一个示例中，所述网络设备是网络中将终端接入到无线网络的部分。所述网络设备可以是基站、路由器、交换机等。目前，一些基站的举例为：gNB、传输接收点(transmission reception point，TRP)、演进型节点B(evolved Node B，eNB)、无线网络控制器(radio network controller，RNC)、节点B(Node B，NB)、基站控制器(base stationcontroller， BSC)、基站收发台(basetransceiver station,BTS)、家庭基站(例如，homeevolved NodeB，或home Node B，HNB)、基带单元(base band unit，BBU)，或无线保真(wireless fidelity， Wifi)接入点(accesspoint，AP)等。
在一种可能的实施方式中，本公开实施例可以从部署的视频采集系统中获取视频流，视频采集系统可以包括多个视频流的来源，例如通过多个采集摄像头获取多个地点的画面，应该理解的是，视频采集系统可以包括采集摄像组件(包括多个采集摄像头)、数据传输组件(例如网络设备)、数据处理组件(例如终端、服务器等)，本公开实施例可以直接从采集摄像组件获取视频流，也可以从数据传输组件获取视频流。
本公开实施例提出的视频分析方法可以应用于多种场景中，例如通过人脸识别模型识别黑名单中的人物；用于防灾场景中，利用火灾识别模型识别火灾，或利用其他灾害识别模型识别其他灾害；用于危险品的识别场景中，利用危险品识别模型识别危险品；识别车辆的场景中，利用车辆识别模型识别车辆等等。针对不同的场景，可以采用不同的预设分析模型。
在一种可能的实现方式中，预设分析模型包括但不限于人脸识别模型、危险品识别模型、车辆识别模型、火灾识别模型等。
在一种可能的实施方式中，第一预设条件与预设分析模型对应，不同的模型可以对应不同的预设条件，例如，假设预设分析模型为人脸识别模型，则第一预设条件可以为人脸匹配度达到80％，当经过修正的第一分析结果的人脸匹配度高于80％时，本公开实施例可以将目标图片流输出，以进行人工审核，当人工审核的第二分析结果达到第二预设条件(例如确认为目标人物)，则将第二分析结果输出。
请参阅图2，图2示出了根据本公开一实施例的视频分析方法的流程图。
在一种可能的实现方式中，如图2所示，所述方法还可以包括：
步骤S16，当所述第二分析结果不符合所述第二预设条件时，以预设方式对所述修正参数进行调整，得到调整后的修正参数；
步骤S17，利用调整后的修正参数对所述目标视频的后续视频流进行分析。
通过以上方法，本公开实施例可以接收人工审核通道审核的第二分析结果，并当所述第二分析结果不符合所述第二预设条件时，以预设方式对所述修正参数进行调整，得到调整后的修正参数，以利用调整后的修正参数对所述目标视频的后续视频流进行分析，且，当所述第二分析结果不符合所述第二预设条件时，当前的目标图片流就不再进行分析，可以节约视频分析的计算资源。
在一种可能的实现方式中，步骤S16以预设方式对所述修正参数进行调整，得到调整后的修正参数，可以包括：
调整所述修正参数，使得当利用调整后的修正参数对所述第一分析结果进行修正时，修正后的第一分析结果不符合所述第一预设条件。
在一个示例中，本公开实施例可以利用预设调整值对所述修正参数进行向上调整以增加修正参数的值，或者对修正参数进行向下调整以降低修正参数的值，例如，假设预设分析模块为火灾识别模型，第一分析结果为火灾发生概率(例如为0.85)，修正参数为初始修正参数0，第一预设条件为火灾发生概率大于0.8，则修正后的第一分析结果为0.85 符合第一预设条件，若进行人工审核时，第二分析结果为未发生火灾，则利用预设调整值(假设为0.1)向下调整修正参数为(-0.1)，则利用调整后的修正参数对第一分析结果进行修正后火灾发生概率为0.85+(-0.1)＝0.75(采用加法运算的方式修正)；或利用预设调整值(假设为0.1)向上调整修正参数为(0.1)，则利用调整后的修正参数对第一分析结果进行修正后火灾发生概率为0.85-0.1＝0.75(采用减法运算的方式修正)，可见，两种修正方式下，修正后的第一分析结果不符合第一预设条件，即可根据修正后的第一分析结果直接判断未发生火灾，提高了判断的准确性，并且，由于模型趋近于更加准确，则不需多次判断，降低了运算资源，且第一分析结果即可判断为发生火灾，后续视频流在进行视频分析时，若第一分析结果不符合第一预设条件，则不需进行人工审核，进一步节约了人力成本。
应该说明的是，预设调整值可以根据需要确定，本公开对预设调整值的大小不做限定，并且，利用预设调整值对修正参数进行调整的方向也不做限定，其调整方向可以根据利用修正参数对第一分析结果的修正方法(相加或相减，或其他方式)适应性确定。
在一种可能的实现方式中，步骤S11从目标视频的视频流抽取视频帧，生成目标图片流，可以包括：
从所述目标视频中抽取具有修正标志的视频流，生成目标图片流，其中，所述具有修正标志的视频流的第一分析结果需要进行修正；或
从所述目标视频中抽取第一时长的视频流，生成目标图片流，其中，所述第一时长的视频流的第一分析结果需要进行修正。
在一个示例中，根据修正标志，或预设的第一时长的需要修正的视频流，可以判断目标视频的需要进行修正的视频流，例如，假设一段视频的修正标志为1，则可以确定该段视频流需要进行修正；例如，假设第一时长为10分钟，则从对于获取的该十分钟的视频流进行修正。
本公开实施例可以将目标视频的视频流均设置为需要修正，对于不同的阶段或视频流，设置不同的修正参数，例如，对于刚开始进行分析时的初始视频流，可以设置初始的修正参数为0，在分析过程中判断是否对修正参数进行调整，以使得利用调整后的修正参数对后续的视频流进行修正。
当然，也可以对一些视频流设置需要修正，对另一些视频流设置为不需修正，对于不需修正的视频流(例如修正标志为0)，本公开实施例可以直接判断第一分析结果是否符合第一预设条件，并在第一分析结果符合第一预设条件时，将目标图片流输出到显示界面进行人工审核，并根据人工审核的第二分析结果设置下一段视频流的修正信息(如可以包括是否进行修正的修正标志，修正值，或第一时长等)。
在一种可能的实现方式中，所述方法还可以包括：
当所述第二分析结果不符合所述第二预设条件、且所述修正后的第一分析结果符合第一预设条件的视频流的时长大于预设时长时，以预设方式对所述修正参数进行调整，并设置所述目标视频的后续视频流具有修正标志或设置所述目标视频的后续的第一时长的视频流具有修正标志。
在一个示例中，如果第二分析结果不符合第二预设条件，例如，对于火灾识别场景，假设第二预设条件为确认发生火灾，而人工审核的第二分析结果为未发生火灾，则第二分析结果不符合第二预设条件，在这种情况下，本公开实施例可以进一步判断是否需要对修正参数进行修正，例如所述修正后的第一分析结果符合第一预设条件的视频流的时长大于预设时长时，可以确定需要对修正参数进行修正，例如将修正参数从0设置为0.1，或将修正参数从0.1设置为0.15等。
本公开实施例对预设时长的大小不做限定，本领域技术人员可以根据具体的应用场景、实际需要设定，例如，对于火灾识别场景，若人工审核时确定第二分析结果不符合第二预设条件，未发生火灾，则本公开实施例可以进一步根据模型判断燃烧的时长，若燃烧的时长大于预设时长，则确定需要对修正参数进行修正。例如，若有人燃烧树木落叶取暖，当本公开实施例根据预设分析模型进行视频分析得到第一分析结果误判为火灾 (符合第一预设条件)，这种场景下，燃烧会持续一段时间，因此，需要对第一分析结果进行修正，以节省计算资源和人工审核资源。
在一个示例中，当所述第二分析结果不符合所述第二预设条件、且所述修正后的第一分析结果符合第一预设条件的视频流的时长大于预设时长时，本公开实施例可以确定后续视频流需要进行修正，以使得视频分析结果更加准确，例如，可以设置所述目标视频的后续视频流具有修正标志或设置所述目标视频的后续的第一时长的视频流具有修正标志。
在一种可能的实现方式中，所述方法还可以包括：
当所述第二分析结果不符合所述第二预设条件、且修正后的第一分析结果符合第一预设条件的视频流的时长小于预设时长时，保持所述修正参数。
在一个示例中，若修正后的第一分析结果符合第一预设条件的视频流的时长小于预设时长，例如，对于火灾识别模型，燃烧的时间小于预设时长，则可以确定预设分析模型在确定不需对修正参数进行修改，例如对于打火机点烟，持续时间较短，无需对修正参数进行修改。
本公开实施例一方面可以在第二分析结果不符合第二预设条件时，直接对修正参数进行调整，另一方面，也可以进一步根据具体情境判断是否对修正参数进行调整(所述修正后的第一分析结果符合第一预设条件的视频流的时长与预设时长的关系)，通过这样的设置，可以提高视频分析方法的环境适应性，即，本公开实施例的视频分析方法可以应用在多种场景下，对多种类型的视频场景进行分析。
在一种可能的实现方式中，所述方法还可以包括：
当所述第二分析结果符合第二预设条件时，设置所述目标视频的后续视频流的分析过程不需进行人工审核；
当所述目标视频的后续视频流的修正后的第一分析结果符合第一预设条件时，输出修正后的第一分析结果。
在一个示例中，当第一预设分析结果符合第一预设条件、第二分析结果符合第二预设条件，则可以确定预设分析模型的准确性高，因此，在这种情况下，本公开实施例可以设置所述目标视频的后续视频流的分析过程不需进行人工审核，直接利用预设分析模型的第一分析结果作为最终的分析结果，这样，本公开实施例可以节约计算资源、人工资源，降低成本。
在一个示例中，当第一预设分析结果符合第一预设条件、第二分析结果符合第二预设条件时，可以为后续的视频流设置人工审核的标志，例如：当审核标志值为0时，不需要进行人工审正，当第一分析结果符合第一预设条件，直接输出分析结果；当审核标志值为1时，当第一分析结果符合第一预设条件，需要进行人工审正，符合条件后输出分析结果。
在一个示例中，当第一预设分析结果符合第一预设条件、第二分析结果符合第二预设条件时，可以设置一段时间的视频流不需人工审核，对此，本公开实施例不做限定，例如：为后续的视频流设置审核时间10分钟，从设置审核时间开始，10分钟内，当第一分析结果符合第一预设条件，不进行人工审核，直接输出分析结果；10分钟过后，当第一分析结果符合第一预设条件，进行人工审核，符合条件后输出分析结果。
当然，应该明白的是，以上描述是示例性的，不应视为是对本公开的限定。
在一种可能的实施方式中，在一些情况下，也可以根据第二分析结果确定后续的视频流是否需要进行分析，例如，当人工审核时的第二分析结果不符合第二预设条件时，可以将目标视频的后续视频流设置为不需要进行审核(如设定免审标志)，即确定目标视频是正常的，例如不会发生火灾。当然，可以为不需进行审核的视频流设定免审时间，例如30分钟，则在当前视频流的接下来的30分钟的视频流均不进行审核，而对30分钟以后的视频流继续进行审核。
通过这样的方法，本公开实施例可以进一步节约计算资源、人力成本。
在一种可能的实现方式中，步骤S12利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果，可以包括：
利用第一预设分析模型对所述目标图片流进行分析，得到第三分析结果；
当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，得到第四分析结果；
当所述第四分析结果满足第四预设条件时，输出所述第四分析结果以作为所述第一分析结果。
在一种可能的实现方式中，所述第一预设分析模型与所述第二预设分析模型相同，所述第一预设分析模型与所述第二预设分析模型包括但不限于人脸识别模型、危险品识别模型、车辆识别模型、火灾识别模型。
在一个示例中，第二预设分析模型可以是在第一预设分析模型改进得到的。
在一个示例中，第一预设分析模型、第二预设分析模型可以是基于人工智能的模型，例如深度学习分析模型、机器学习分析模型等。
本公开实施例对第一预设分析模型、第二预设分析模型的具体类型不做限定，对适用的场景不做限定，本领域技术人员可以根据需要设置，并且对模型的实现方式不做限定，本领域技术人员可以采用相关技术实现，或利用现有的模型实现。
在一种可能的实施方式中，第三预设条件和第四预设条件与第一预设分析模型、第二预设分析模型分别对应，不同的模型可以对应不同的预设条件，当第一预设分析模型与第二预设分析模型相同，或者，第二预设分析模型是由第一预设分析模型改进而来时，第三预设条件和第四预设条件可以相同，以实现持续进行视频分析，利用两次分析对分析结果进行验证，例如，假设第一预设分析模型与第二预设分析模型都为人脸识别模型，则第三预设条件和第四预设条件都可以为人脸匹配度达到60％，当然，也可以根据需要调整第四预设条件，将第四预设条件设置为与第三预设条件不同，实现两级筛选，例如第四预设条件可以设置为大于第三预设条件，例如，可以将第四预设条件设置为人脸匹配度达到80％。当然根据人脸识别模型得到的采集视频流中的人脸与人脸识别库中的人脸相似度达到第三预设条件(相似度达到60％)，本公开实施例可以利用第二预设分析模型对采集视频流继续分析，以确定第四分析结果是否满足第四预设条件。
在一种可能的实现方式中，步骤S11从目标视频的视频流抽取视频帧，生成目标图片流，可以包括：
以第一频率从所述目标视频的视频流分别抽取视频帧；
其中，所述当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，可以包括：
以第二频率从目标视频的视频流抽取视频帧，生成中间图片流，利用至少一个第二预设分析模型对中间图片流进行分析，
其中，所述第二频率大于所述第一频率。
通过以上方法，本公开实施例可以利用多种频率抽取视频帧，可以根据需要加快抽取速度，提高视频分析的效率。
在一种可能的实现方式中，步骤S11从目标视频的视频流抽取视频帧，生成目标图片流，可以包括：以预设时间间隔从所述目标视频的视频流中抽取视频帧，生成所述目标图片流。
在一个示例中，该预设时间间隔可以为1秒或其他，例如，可以每1秒从视频流中抽取1个视频帧，本公开实施例对此不做限定。
在一个示例中，目标图片流也可以称为目标图片集合。
在一种可能的实现方式中，步骤S11从目标视频的视频流抽取视频帧，生成目标图片流，可以包括：以预设视频帧帧数间隔从所述目标视频的视频流抽取视频帧，生成所述目标图片流。
在一个示例中，该预设视频帧帧数间隔可以为24帧或其他，例如，可以每24帧从视频流中抽取1个视频帧，对此本公开实施例不做限定。
在一种可能的实现方式中，步骤S11从目标视频的视频流抽取视频帧，生成目标图片流，可以包括：抽取所述目标视频的视频流中视频编码协议的关键帧I帧，生成所述目标图片流。
在一个示例中，视频编码协议可以包括MPEG-4(Moving Pictures ExpertsGroup，动态图象专家组)、H.264、h.265等视频编码协议或其他，对此本公开实施例不做限定。
通过以上方法，本公开实施例可以实现对视频流的视频帧的抽取，并且通过以上方式，可以不必对所有视频帧进行分析，可以节约计算资源。
本公开实施例抽取的视频帧、或抽取时的视频流可以缓存在存储器中，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一种可能的实施方式中，步骤S14输出所述目标图片流到显示界面进行人工审核，可以包括：
建立审核队列，该审核队列可以设置为先入先出FIFO、后入先出LIFO等模式，并将目标图片流通过审核队列输出到显示界面上，供审核人员审核。通过这样的设置，本公开实施例可以提高数据处理的效率。
例如，本公开实施例可以将目标图片流送入审核队列中，对于火灾识别场景，当预设分析模型得到的第一分析结果不符合第一预设条件时，可以将目标图片流从审核队列输出到显示界面。
在一种可能的实现方式中，步骤S15当所述第二分析结果符合第二预设条件时，输出所述第二分析结果，可以包括：
当第二分析结果符合第二预设条件时，截取目标视频的视频流或对目标视频的视频流抓图；
保存截取的视频流或抓图得到的图片，并输出到电子设备进行显示。
通过以上方法，本公开实施例可以在第二分析结果满足第二预设条件时，截取该路采集视频流或对该路采集视频流抓图，并实现对截取的采集视频流或抓图得到的图片进行校验。
本公开实施例对截取该路采集视频流或对该路采集视频流抓图的实现方式不做限定，本领域技术人员可以采用相关技术实现。
在一种可能的实施方式中，当第二分析结果符合第二预设条件时，开始截取采集视频或者开始抓图，可以先将截取的视频片段和抓拍的图片保存至存储器中，截取的视频片段和抓拍的图片可以回放查看。
在一个示例中，当第二分析结果发现采集视频中出现黑名单中的人员，自动截取采集视频或者自动抓拍图片，并保存至存储设备中。
在一个示例中，可以使用屏幕闪烁、屏幕高亮、屏幕显示提示信息等方式提示重点关注上述采集视频，也可以使用语音、灯光、铃声等方式提示，从而实现报警。
请参阅图3，图3示出了根据本公开一实施例的视频分析装置的框图。
如图3所示，所述装置包括：
抽取模块10，用于从目标视频的视频流抽取视频帧，生成目标图片流；
第一分析模块20，连接于所述抽取模块10，用于利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果；
结果修正模块30，连接于所述第一分析模块20，用于获取修正参数，利用所述修正参数对所述第一分析结果进行修正；
第二分析模块40，连接于所述结果修正模块30，用于当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果；
结果输出模块50，连接于所述第二分析模块40，用于当所述第二分析结果符合第二预设条件时，输出所述第二分析结果。
通过以上装置，本公开实施例可以从目标视频的视频流抽取视频帧，生成目标图片流，利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果，获取修正参数，利用所述修正参数对所述第一分析结果进行修正，当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果，当所述第二分析结果符合第二预设条件时，输出所述第二分析结果，通过修正参数的修正，可以使得第一分析结果更加准确，并且通过两级判断，可以实现对算力的管控，在满足条件时利用计算资源进行分析，在不符合初步筛选条件，不需要进一步处理，不占用计算资源，从而降低计算资源的使用率。
在一种可能的实现方式中，所述以预设方式对所述修正参数进行调整，得到调整后的修正参数，可以包括：
调整所述修正参数，使得当利用调整后的修正参数对所述第一分析结果进行修正时，修正后的第一分析结果不符合所述第一预设条件。
在一种可能的实现方式中，所述从目标视频的视频流抽取视频帧，生成目标图片流，可以包括：
从所述目标视频中抽取具有修正标志的视频流，生成目标图片流，其中，所述具有修正标志的视频流的第一分析结果需要进行修正；或
从所述目标视频中抽取第一时长的视频流，生成目标图片流，其中，所述第一时长的视频流的第一分析结果需要进行修正。
在一种可能的实现方式中，所述装置还可以包括：
第一设置模块，用于当所述第二分析结果不符合所述第二预设条件、且所述修正后的第一分析结果符合第一预设条件的视频流的时长大于预设时长时，以预设方式对所述修正参数进行调整，并设置所述目标视频的后续视频流具有修正标志或设置所述目标视频的后续的第一时长的视频流具有修正标志。
在一种可能的实现方式中，所述装置还可以包括：
第二设置模块，用于当所述第二分析结果不符合所述第二预设条件、且修正后的第一分析结果符合第一预设条件的视频流的时长小于预设时长时，保持所述修正参数。
在一种可能的实现方式中，所述装置还可以包括：
第三设置模块，用于当所述第二分析结果符合第二预设条件时，设置所述目标视频的后续视频流的分析过程不需进行人工审核；
当所述目标视频的后续视频流的修正后的第一分析结果符合第一预设条件时，输出修正后的第一分析结果。
在一种可能的实现方式中，所述利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果，包括：
利用第一预设分析模型对所述目标图片流进行分析，得到第三分析结果；
当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，得到第四分析结果；
当所述第四分析结果满足第四预设条件时，输出所述第四分析结果以作为所述第一分析结果。
在一种可能的实现方式中，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
以第一频率从所述目标视频的视频流分别抽取视频帧；
其中，所述当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，包括：
以第二频率从目标视频的视频流抽取视频帧，生成中间图片流，利用至少一个第二预设分析模型对中间图片流进行分析，
其中，所述第二频率大于所述第一频率。
在一种可能的实现方式中，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
以预设时间间隔从所述目标视频的视频流中抽取视频帧，生成所述目标图片流；或
以预设视频帧帧数间隔从所述目标视频的视频流抽取视频帧，生成所述目标图片流；或
抽取所述目标视频的视频流中视频编码协议的关键帧I帧，生成所述目标图片流。
在一种可能的实现方式中，所述当所述第二分析结果符合第二预设条件时，输出所述第二分析结果，包括：
当第二分析结果符合第二预设条件时，截取目标视频的视频流或对目标视频的视频流抓图，直到所述第二分析结果不符合第二预设条件；
保存截取的视频流或抓图得到的图片，并输出到电子设备进行显示。
在一种可能的实现方式中，在视频分析的初始阶段，所述修正参数为0。
应该明白的是，所述视频分析装置为与视频分析方法对应的装置项，其具体介绍请参考之前对方法的描述，在此不再赘述。
请参阅图4，图4示出了根据本公开一实施例的视频分析装置的框图。
例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风 (MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800 的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800 可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
请参阅图5，图5示出了根据本公开一实施例的视频分析装置的框图。
例如，装置1900可以被提供为一服务器。参照图5，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器 (SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (16)
1.一种视频分析方法，其特征在于，所述方法包括：
从目标视频的视频流抽取视频帧，生成目标图片流；
利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果；
获取修正参数，利用所述修正参数对所述第一分析结果进行修正；
当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果；
当所述第二分析结果符合第二预设条件时，输出所述第二分析结果。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第二分析结果不符合所述第二预设条件时，以预设方式对所述修正参数进行调整，得到调整后的修正参数；
利用调整后的修正参数对所述目标视频的后续视频流进行分析。
3.根据权利要求2所述的方法，其特征在于，所述以预设方式对所述修正参数进行调整，得到调整后的修正参数，包括：
调整所述修正参数，使得当利用调整后的修正参数对所述第一分析结果进行修正时，修正后的第一分析结果不符合所述第一预设条件。
4.根据权利要求1所述的方法，其特征在于，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
从所述目标视频中抽取具有修正标志的视频流，生成目标图片流，其中，所述具有修正标志的视频流的第一分析结果需要进行修正；或
从所述目标视频中抽取第一时长的视频流，生成目标图片流，其中，所述第一时长的视频流的第一分析结果需要进行修正。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第二分析结果不符合所述第二预设条件、且所述修正后的第一分析结果符合第一预设条件的视频流的时长大于预设时长时，以预设方式对所述修正参数进行调整，并设置所述目标视频的后续视频流具有修正标志或设置所述目标视频的后续的第一时长的视频流具有修正标志。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第二分析结果不符合所述第二预设条件、且修正后的第一分析结果符合第一预设条件的视频流的时长小于预设时长时，保持所述修正参数。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第二分析结果符合第二预设条件时，设置所述目标视频的后续视频流的分析过程不需进行人工审核；
当所述目标视频的后续视频流的修正后的第一分析结果符合第一预设条件时，输出修正后的第一分析结果。
8.根据权利要求1所述的方法，其特征在于，所述利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果，包括：
利用第一预设分析模型对所述目标图片流进行分析，得到第三分析结果；
当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，得到第四分析结果；
当所述第四分析结果满足第四预设条件时，输出所述第四分析结果以作为所述第一分析结果。
9.根据权利要求8所述的方法，其特征在于，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
以第一频率从所述目标视频的视频流分别抽取视频帧；
其中，所述当所述目标图片流的第三分析结果符合第三预设条件时，利用至少一个第二预设分析模型对所述目标视频的视频流进行分析，包括：
以第二频率从目标视频的视频流抽取视频帧，生成中间图片流，利用至少一个第二预设分析模型对中间图片流进行分析，
其中，所述第二频率大于所述第一频率。
10.根据权利要求1所述的方法，其特征在于，所述从目标视频的视频流抽取视频帧，生成目标图片流，包括：
以预设时间间隔从所述目标视频的视频流中抽取视频帧，生成所述目标图片流；或
以预设视频帧帧数间隔从所述目标视频的视频流抽取视频帧，生成所述目标图片流；或
抽取所述目标视频的视频流中视频编码协议的关键帧I帧，生成所述目标图片流。
11.根据权利要求1所述的方法，其特征在于，所述当所述第二分析结果符合第二预设条件时，输出所述第二分析结果，包括：
当第二分析结果符合第二预设条件时，截取目标视频的视频流或对目标视频的视频流抓图，直到所述第二分析结果不符合第二预设条件；
保存截取的视频流或抓图得到的图片，并输出到电子设备进行显示。
12.根据权利要求1所述的方法，其特征在于，在视频分析的初始阶段，所述修正参数为0。
13.一种视频分析装置，其特征在于，所述装置包括：
抽取模块，用于从目标视频的视频流抽取视频帧，生成目标图片流；
第一分析模块，连接于所述抽取模块，用于利用至少一个预设分析模型对所述目标图片流进行分析，得到第一分析结果；
结果修正模块，连接于所述第一分析模块，用于获取修正参数，利用所述修正参数对所述第一分析结果进行修正；
第二分析模块，连接于所述结果修正模块，用于当修正后的第一分析结果符合第一预设条件时，输出所述目标图片流到显示界面进行人工审核，接收人工审核的第二分析结果；
结果输出模块，连接于所述第二分析模块，用于当所述第二分析结果符合第二预设条件时，输出所述第二分析结果。
14.一种视频分析系统，其特征在于，所述系统包括：
至少一个如权利要求13所述的视频分析装置。
15.一种视频分析装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
执行如权利要求1-12任一项所述的视频分析方法。
16.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至12中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110163241.8A CN112989934A (zh) | 2021-02-05 | 2021-02-05 | 视频分析方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110163241.8A CN112989934A (zh) | 2021-02-05 | 2021-02-05 | 视频分析方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112989934A true CN112989934A (zh) | 2021-06-18 |
Family
ID=76348278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110163241.8A Pending CN112989934A (zh) | 2021-02-05 | 2021-02-05 | 视频分析方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112989934A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114218599A (zh) * | 2022-02-22 | 2022-03-22 | 飞狐信息技术（天津）有限公司 | 一种业务数据处理方法及装置、存储介质及电子设备 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009081781A (ja) * | 2007-09-27 | 2009-04-16 | Panasonic Corp | 動き補償装置及び動き補償方法 |
| CN107071344A (zh) * | 2017-01-22 | 2017-08-18 | 深圳英飞拓科技股份有限公司 | 一种大规模分布式监控视频数据处理方法及装置 |
| CN107657229A (zh) * | 2017-09-25 | 2018-02-02 | 上海交通大学 | 一种基于内容分类的视频模糊度检测人眼视觉修正方法 |
| CN107872669A (zh) * | 2016-09-27 | 2018-04-03 | 腾讯科技（深圳）有限公司 | 视频码率处理方法和装置 |
| CN107967693A (zh) * | 2017-12-01 | 2018-04-27 | 北京奇虎科技有限公司 | 视频关键点处理方法、装置、计算设备及计算机存储介质 |
| CN108810545A (zh) * | 2018-07-04 | 2018-11-13 | 中南大学 | 用于视频编码的方法、装置、计算机可读介质及电子设备 |
| CN109190631A (zh) * | 2018-08-31 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 图片的目标对象标注方法及装置 |
| WO2019037615A1 (zh) * | 2017-08-24 | 2019-02-28 | 北京搜狗科技发展有限公司 | 视频处理方法和装置、用于视频处理的装置 |
| CN109492584A (zh) * | 2018-11-09 | 2019-03-19 | 联想(北京)有限公司 | 一种识别跟踪方法和电子设备 |
| CN110070106A (zh) * | 2019-03-26 | 2019-07-30 | 罗克佳华科技集团股份有限公司 | 烟雾检测方法、装置及电子设备 |
| WO2019223361A1 (zh) * | 2018-05-23 | 2019-11-28 | 北京国双科技有限公司 | 一种视频分析方法及装置 |
| CN110996138A (zh) * | 2019-12-17 | 2020-04-10 | 腾讯科技（深圳）有限公司 | 一种视频标注方法、设备及存储介质 |
| WO2020098074A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技（深圳）有限公司 | 人脸样本图片标注方法、装置、计算机设备及存储介质 |
| CN111488100A (zh) * | 2020-04-09 | 2020-08-04 | 深圳传音控股股份有限公司 | 图片处理方法、图片处理装置及计算机可读存储介质 |
| WO2020168960A1 (zh) * | 2019-02-19 | 2020-08-27 | 杭州海康威视数字技术股份有限公司 | 一种视频分析方法及装置 |
| WO2020228418A1 (zh) * | 2019-05-15 | 2020-11-19 | 上海商汤智能科技有限公司 | 视频处理方法及装置、电子设备和存储介质 |
| CN112052727A (zh) * | 2020-07-30 | 2020-12-08 | 广州市标准化研究院 | 一种基于大数据的人像识别分析系统及方法 |
-
2021
- 2021-02-05 CN CN202110163241.8A patent/CN112989934A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009081781A (ja) * | 2007-09-27 | 2009-04-16 | Panasonic Corp | 動き補償装置及び動き補償方法 |
| CN107872669A (zh) * | 2016-09-27 | 2018-04-03 | 腾讯科技（深圳）有限公司 | 视频码率处理方法和装置 |
| CN107071344A (zh) * | 2017-01-22 | 2017-08-18 | 深圳英飞拓科技股份有限公司 | 一种大规模分布式监控视频数据处理方法及装置 |
| WO2019037615A1 (zh) * | 2017-08-24 | 2019-02-28 | 北京搜狗科技发展有限公司 | 视频处理方法和装置、用于视频处理的装置 |
| CN107657229A (zh) * | 2017-09-25 | 2018-02-02 | 上海交通大学 | 一种基于内容分类的视频模糊度检测人眼视觉修正方法 |
| CN107967693A (zh) * | 2017-12-01 | 2018-04-27 | 北京奇虎科技有限公司 | 视频关键点处理方法、装置、计算设备及计算机存储介质 |
| WO2019223361A1 (zh) * | 2018-05-23 | 2019-11-28 | 北京国双科技有限公司 | 一种视频分析方法及装置 |
| CN108810545A (zh) * | 2018-07-04 | 2018-11-13 | 中南大学 | 用于视频编码的方法、装置、计算机可读介质及电子设备 |
| CN109190631A (zh) * | 2018-08-31 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 图片的目标对象标注方法及装置 |
| CN109492584A (zh) * | 2018-11-09 | 2019-03-19 | 联想(北京)有限公司 | 一种识别跟踪方法和电子设备 |
| WO2020098074A1 (zh) * | 2018-11-12 | 2020-05-22 | 平安科技（深圳）有限公司 | 人脸样本图片标注方法、装置、计算机设备及存储介质 |
| WO2020168960A1 (zh) * | 2019-02-19 | 2020-08-27 | 杭州海康威视数字技术股份有限公司 | 一种视频分析方法及装置 |
| CN110070106A (zh) * | 2019-03-26 | 2019-07-30 | 罗克佳华科技集团股份有限公司 | 烟雾检测方法、装置及电子设备 |
| WO2020228418A1 (zh) * | 2019-05-15 | 2020-11-19 | 上海商汤智能科技有限公司 | 视频处理方法及装置、电子设备和存储介质 |
| CN110996138A (zh) * | 2019-12-17 | 2020-04-10 | 腾讯科技（深圳）有限公司 | 一种视频标注方法、设备及存储介质 |
| CN111488100A (zh) * | 2020-04-09 | 2020-08-04 | 深圳传音控股股份有限公司 | 图片处理方法、图片处理装置及计算机可读存储介质 |
| CN112052727A (zh) * | 2020-07-30 | 2020-12-08 | 广州市标准化研究院 | 一种基于大数据的人像识别分析系统及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114218599A (zh) * | 2022-02-22 | 2022-03-22 | 飞狐信息技术（天津）有限公司 | 一种业务数据处理方法及装置、存储介质及电子设备 |
| CN114218599B (zh) * | 2022-02-22 | 2022-05-27 | 飞狐信息技术（天津）有限公司 | 一种业务数据处理方法及装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800737B (zh) | 面部识别方法及装置、电子设备和存储介质 | |
| CN107692997B (zh) | 心率检测方法及装置 | |
| CN108985176B (zh) | 图像生成方法及装置 | |
| CN109948494B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN110569777B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111340731B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN109951476B (zh) | 基于时序的攻击预测方法、装置及存储介质 | |
| CN110532957B (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
| CN110569822A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
| CN108924644B (zh) | 视频片段提取方法及装置 | |
| CN111523346B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| CN110519655B (zh) | 视频剪辑方法、装置及存储介质 | |
| CN111553864A (zh) | 图像修复方法及装置、电子设备和存储介质 | |
| CN110990801B (zh) | 信息校验方法及装置、电子设备和存储介质 | |
| CN110807393A (zh) | 基于视频分析的预警方法及装置、电子设备和存储介质 | |
| CN109495765B (zh) | 视频截取方法及装置 | |
| CN110796094A (zh) | 基于图像识别的控制方法及装置、电子设备和存储介质 | |
| CN108174269B (zh) | 可视化音频播放方法及装置 | |
| CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
| CN109962958B (zh) | 文档处理方法及装置 | |
| CN110929545A (zh) | 人脸图像的整理方法及装置 | |
| CN112989934A (zh) | 视频分析方法、装置及系统 | |
| CN111062407B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111507131B (zh) | 活体检测方法及装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |