CN113076790A - 服务信息大数据监管平台及方法 - Google Patents

服务信息大数据监管平台及方法 Download PDF

Info

Publication number
CN113076790A
CN113076790A CN202011411160.7A CN202011411160A CN113076790A CN 113076790 A CN113076790 A CN 113076790A CN 202011411160 A CN202011411160 A CN 202011411160A CN 113076790 A CN113076790 A CN 113076790A
Authority
CN
China
Prior art keywords
big data
neural network
processing
deep neural
network model
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.)
Granted
Application number
CN202011411160.7A
Other languages
English (en)
Other versions
CN113076790B (zh
Inventor
杨洋
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.)
Shanghai Zhenke Information Technology Service Co.,Ltd.
Original Assignee
Taizhou Langjiaxin Network 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 Taizhou Langjiaxin Network Technology Co ltd filed Critical Taizhou Langjiaxin Network Technology Co ltd
Priority to CN202011411160.7A priority Critical patent/CN113076790B/zh
Publication of CN113076790A publication Critical patent/CN113076790A/zh
Priority to GBGB2110170.4A priority patent/GB202110170D0/en
Application granted granted Critical
Publication of CN113076790B publication Critical patent/CN113076790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • 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 or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明涉及一种服务信息大数据监管平台及方法，所述平台包括：数据采集机构，设置在大数据服务节点处，用于对标定为出镜真实场景的主播的多帧直播画面进行采集；场景辨识设备，用于将接收到的多帧内容处理图像作为建立的深度神经网络模型的输入数据并运行所述深度神经网络模型以获得运行后的所述深度神经网络模型的输出数据，并基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传。本发明的服务信息大数据监管平台及方法识别逻辑紧凑、结果真实可靠。由于能够同时引入大数据处理机制和人工智能识别机制对标定为真实出景的主播的背景进行虚假判断，从而提升了网络环境维护的智能化水平。

Description

服务信息大数据监管平台及方法
技术领域
本发明涉及大数据服务领域，尤其涉及一种服务信息大数据监管平台及方法。
背景技术
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
当前，各大直播平台纷纷上线，每一家直播平台管理众多主播，由于行业较新且监管不力，一些主播为了谋求经济利益最大化，降低自己的出景成本，或者采用幕布或者采用电脑合成对自己的直播背景进行虚拟实现，但为了吸粉，仍号称自己真实出景，给直播平台的信誉度造成损失。
发明内容
为了解决相关领域的技术问题，本发明提供了一种服务信息大数据监管平台，能够同时引入大数据处理机制和人工智能识别机制对标定为真实出景的主播的背景进行虚假判断，期间完全不需要人工操控，从而有力维护了健康、真实的直播环境。
为此，本发明需要具备以下两处重要的发明点：
（1）在大数据服务的基础上采用深度神经网络模型对标定为真实出景的主播的背景进行虚假判断，从而有效震慑了主播的虚假宣传行为；
（2）在具体的深度神经网络模型中，以多帧具有中央空白区域的画面的背景为输入，以判断主播画面是否为真实场景，幕布、电脑合成效果为输出，完成模型的现场建立和现场执行，从而提升了相关信息识别的智能化水准。
根据本发明的一方面，提供了一种服务信息大数据监管平台，所述平台包括：
数据采集机构，设置在大数据服务节点处，用于对标定为出镜真实场景的主播的多帧直播画面进行采集；
第一处理设备，与所述数据采集机构连接，用于对采集的每一帧直播画面执行对比度提升处理，以获得对应的第一处理画面；
第二处理设备，与所述第一处理设备连接，用于对接收到的第一处理画面执行白噪声滤除处理，以获得对应的第二处理画面；
第三处理设备，与所述第二处理设备连接，用于对接收到的第二处理画面执行背景分离操作，以获得对应的背景采集图像，所述第三处理设备输出多帧背景采集图像，所述多帧背景采集图像分别与所述多帧直播画面对应；
内容归一化设备，与所述第三处理设备连接，用于将接收到的多帧背景采集图像分别执行内容归一化处理以获得多帧内容处理图像；
模型建立设备，用于将多帧背景图像作为深度神经网络模型的输入数据，将背景分别为真实场景、幕布以及电脑合成效果三种背景构成模式作为深度神经网络模型的输出数据建立深度神经网络模型；
场景辨识设备，分别与所述模型建立设备和所述内容归一化设备连接，用于将所述多帧内容处理图像作为建立的深度神经网络模型的输入数据并运行所述深度神经网络模型以获得运行后的所述深度神经网络模型的输出数据，并基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传；
信息记录设备，设置在大数据服务节点处，用于对标定为出镜真实场景的主播是否虚假宣传进行信息记录；
其中，基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传包括：当运行后的所述深度神经网络模型的输出数据为幕布时，判断标定为出镜真实场景的主播为虚假宣传；
其中，对接收到的第二处理画面执行背景分离操作，以获得对应的背景采集图像包括：识别所述第二处理画面中的人体成像区域，在所述第二处理画面中采用空白区域替换所述人体成像区域以获得对应的背景采集图像；
其中，将接收到的多帧背景采集图像分别执行内容归一化处理以获得多帧内容处理图像包括：识别具有空白区域面积最大的背景采集图像，将其他背景采集区域的空白区域扩大到所述最大空白区域面积，以获得多帧内容处理图像；
其中，模型建立设备中，每一个背景图像的中央位置为空白区域且空白区域面积等于所述最大空白区域面积。
根据本发明的另一方面，还提供了一种服务信息大数据监管方法，所述方法包括使用如上述的服务信息大数据监管平台以在大数据服务的基础上采用深度神经网络模型对标定为真实出景的主播的背景进行虚假判断。
本发明的服务信息大数据监管平台及方法识别逻辑紧凑、结果真实可靠。由于能够同时引入大数据处理机制和人工智能识别机制对标定为真实出景的主播的背景进行虚假判断，从而提升了网络环境维护的智能化水平。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的服务信息大数据监管平台的数据采集机构的结构方框图。
具体实施方式
下面将参照附图对本发明的服务信息大数据监管平台及方法的实施方案进行详细说明。
广播电视词典对直播界定为“广播电视节目的后期(haobc)合成、播出同时进行的播出方式”。直播按播出场合可分为现场直播和播音室或演播室直播等形式。 电视现场直播为在现场随着事件的发生、发展进程同时制作和播出电视节目的播出方式，是充分体现广播电视媒介传播优势的播出方式。直播在国外就是LIVE。目前直播多指网络直播，而直播平台指的是为主播提供直播场合的系统或者平台。
当前，各大直播平台纷纷上线，每一家直播平台管理众多主播，由于行业较新且监管不力，一些主播为了谋求经济利益最大化，降低自己的出景成本，或者采用幕布或者采用电脑合成对自己的直播背景进行虚拟实现，但为了吸粉，仍号称自己真实出景，给直播平台的信誉度造成损失。
为了克服上述不足，本发明搭建了一种服务信息大数据监管平台及方法，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服务信息大数据监管平台包括：
数据采集机构，其内部结构如图1所示，设置在大数据服务节点处，用于对标定为出镜真实场景的主播的多帧直播画面进行采集；
第一处理设备，与所述数据采集机构连接，用于对采集的每一帧直播画面执行对比度提升处理，以获得对应的第一处理画面；
第二处理设备，与所述第一处理设备连接，用于对接收到的第一处理画面执行白噪声滤除处理，以获得对应的第二处理画面；
第三处理设备，与所述第二处理设备连接，用于对接收到的第二处理画面执行背景分离操作，以获得对应的背景采集图像，所述第三处理设备输出多帧背景采集图像，所述多帧背景采集图像分别与所述多帧直播画面对应；
内容归一化设备，与所述第三处理设备连接，用于将接收到的多帧背景采集图像分别执行内容归一化处理以获得多帧内容处理图像；
模型建立设备，用于将多帧背景图像作为深度神经网络模型的输入数据，将背景分别为真实场景、幕布以及电脑合成效果三种背景构成模式作为深度神经网络模型的输出数据建立深度神经网络模型；
场景辨识设备，分别与所述模型建立设备和所述内容归一化设备连接，用于将所述多帧内容处理图像作为建立的深度神经网络模型的输入数据并运行所述深度神经网络模型以获得运行后的所述深度神经网络模型的输出数据，并基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传；
信息记录设备，设置在大数据服务节点处，用于对标定为出镜真实场景的主播是否虚假宣传进行信息记录；
其中，基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传包括：当运行后的所述深度神经网络模型的输出数据为幕布时，判断标定为出镜真实场景的主播为虚假宣传；
其中，对接收到的第二处理画面执行背景分离操作，以获得对应的背景采集图像包括：识别所述第二处理画面中的人体成像区域，在所述第二处理画面中采用空白区域替换所述人体成像区域以获得对应的背景采集图像；
其中，将接收到的多帧背景采集图像分别执行内容归一化处理以获得多帧内容处理图像包括：识别具有空白区域面积最大的背景采集图像，将其他背景采集区域的空白区域扩大到所述最大空白区域面积，以获得多帧内容处理图像；
其中，模型建立设备中，每一个背景图像的中央位置为空白区域且空白区域面积等于所述最大空白区域面积。
接着，继续对本发明的服务信息大数据监管平台的具体结构进行进一步的说明。
所述服务信息大数据监管平台中：
模型建立设备中，多帧背景图像的数量与数据采集机构采集的多帧直播画面的数量相等。
所述服务信息大数据监管平台中：
模型建立设备中，每一个背景图像的面积等于所述标定为出镜真实场景的主播的直播画面的面积。
所述服务信息大数据监管平台中：
基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传包括：当运行后的所述深度神经网络模型的输出数据为电脑合成效果时，判断标定为出镜真实场景的主播为虚假宣传。
所述服务信息大数据监管平台中：
基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传包括：当运行后的所述深度神经网络模型的输出数据为真实场景时，判断标定为出镜真实场景的主播未虚假宣传
所述服务信息大数据监管平台中：
所述第一处理设备、所述第二处理设备、所述第三处理设备以及所述内容归一化设备都为所述大数据服务节点内的子服务节点。
所述服务信息大数据监管平台中：
所述模型建立设备和所述场景辨识设备采用与所述大数据服务节点独立的人工智能服务节点一并实现。
所述服务信息大数据监管平台中：
所述模型建立设备和所述场景辨识设备都为所述人工智能服务节点内的子服务节点。
所述服务信息大数据监管平台中：
识别所述第二处理画面中的人体成像区域，在所述第二处理画面中采用空白区域替换所述人体成像区域以获得对应的背景采集图像包括：基于人体外形特征识别所述第二处理画面中的人体成像区域，在所述第二处理画面中采用空白区域替换所述人体成像区域以获得对应的背景采集图像。
同时，为了克服上述不足，本发明还搭建了一种服务信息大数据监管方法，所述方法包括使用如上述的服务信息大数据监管平台以在大数据服务的基础上采用深度神经网络模型对标定为真实出景的主播的背景进行虚假判断。
另外，网络媒体自身还没准确抽象概括出网络直播的界定，为方便起见，不妨参照传播学及电视现场直播的概念给网络直播下个简单的定义：在现场随着事件的发生、发展进程同步制作和发布信息，具有双向流通过程的信息网络发布方式。其形式也可分为现场直播、演播室访谈式直播、文字图片直播、视音频直播或由电视（第三方）提供信源的直播；而且具备海量存储，查寻便捷的功能。
与电影单一的过去时空相比，电视直播可显现的时空既有现在时又有过去时，而网络直播除具备电视的两大时空之外还具有压缩时空的功能。如同步的文字直播、图片直播、赛事直播、手机直播和比分直播等等各种直播频道和样式。随着社会的发展效率已经让大家知道直播的好处，减少成本，加快信息的传播。
随着互联网络技术的发展，直播的概念有了新的拓展和发展，更多的人关注网络直播，特别是视频直播生态链更受关注。通过网络信号，在线收看体育赛事(球赛等)及其他重大活动与新闻等，这样，让大众有了广阔且自由的选择空间。
以上所述，仅为本申请实施例的具体实施方式，但本申请实施例的保护范围并不局限于此，任何在本申请实施例揭露的技术范围内的变化或替换，都应涵盖在本申请实施例的保护范围之内。因此，本申请实施例的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种服务信息大数据监管平台，其特征在于，所述平台包括：
数据采集机构，设置在大数据服务节点处，用于对标定为出镜真实场景的主播的多帧直播画面进行采集；
第一处理设备，与所述数据采集机构连接，用于对采集的每一帧直播画面执行对比度提升处理，以获得对应的第一处理画面；
第二处理设备，与所述第一处理设备连接，用于对接收到的第一处理画面执行白噪声滤除处理，以获得对应的第二处理画面；
第三处理设备，与所述第二处理设备连接，用于对接收到的第二处理画面执行背景分离操作，以获得对应的背景采集图像，所述第三处理设备输出多帧背景采集图像，所述多帧背景采集图像分别与所述多帧直播画面对应；
内容归一化设备，与所述第三处理设备连接，用于将接收到的多帧背景采集图像分别执行内容归一化处理以获得多帧内容处理图像；
模型建立设备，用于将多帧背景图像作为深度神经网络模型的输入数据，将背景分别为真实场景、幕布以及电脑合成效果三种背景构成模式作为深度神经网络模型的输出数据建立深度神经网络模型；
场景辨识设备，分别与所述模型建立设备和所述内容归一化设备连接，用于将所述多帧内容处理图像作为建立的深度神经网络模型的输入数据并运行所述深度神经网络模型以获得运行后的所述深度神经网络模型的输出数据，并基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传；
信息记录设备，设置在大数据服务节点处，用于对标定为出镜真实场景的主播是否虚假宣传进行信息记录；
其中，基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传包括：当运行后的所述深度神经网络模型的输出数据为幕布时，判断标定为出镜真实场景的主播为虚假宣传；
其中，对接收到的第二处理画面执行背景分离操作，以获得对应的背景采集图像包括：识别所述第二处理画面中的人体成像区域，在所述第二处理画面中采用空白区域替换所述人体成像区域以获得对应的背景采集图像；
其中，将接收到的多帧背景采集图像分别执行内容归一化处理以获得多帧内容处理图像包括：识别具有空白区域面积最大的背景采集图像，将其他背景采集区域的空白区域扩大到所述最大空白区域面积，以获得多帧内容处理图像；
其中，模型建立设备中，每一个背景图像的中央位置为空白区域且空白区域面积等于所述最大空白区域面积。
2.如权利要求1所述的服务信息大数据监管平台，其特征在于：
模型建立设备中，多帧背景图像的数量与数据采集机构采集的多帧直播画面的数量相等。
3.如权利要求2所述的服务信息大数据监管平台，其特征在于：
模型建立设备中，每一个背景图像的面积等于所述标定为出镜真实场景的主播的直播画面的面积。
4.如权利要求3所述的服务信息大数据监管平台，其特征在于：
基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传包括：当运行后的所述深度神经网络模型的输出数据为电脑合成效果时，判断标定为出镜真实场景的主播为虚假宣传。
5.如权利要求4所述的服务信息大数据监管平台，其特征在于：
基于运行后的所述深度神经网络模型的输出数据判断标定为出镜真实场景的主播是否虚假宣传包括：当运行后的所述深度神经网络模型的输出数据为真实场景时，判断标定为出镜真实场景的主播未虚假宣传。
6.如权利要求5所述的服务信息大数据监管平台，其特征在于：
所述第一处理设备、所述第二处理设备、所述第三处理设备以及所述内容归一化设备都为所述大数据服务节点内的子服务节点。
7.如权利要求6所述的服务信息大数据监管平台，其特征在于：
所述模型建立设备和所述场景辨识设备采用与所述大数据服务节点独立的人工智能服务节点一并实现。
8.如权利要求7所述的服务信息大数据监管平台，其特征在于：
所述模型建立设备和所述场景辨识设备都为所述人工智能服务节点内的子服务节点。
9.如权利要求8所述的服务信息大数据监管平台，其特征在于：
识别所述第二处理画面中的人体成像区域，在所述第二处理画面中采用空白区域替换所述人体成像区域以获得对应的背景采集图像包括：基于人体外形特征识别所述第二处理画面中的人体成像区域，在所述第二处理画面中采用空白区域替换所述人体成像区域以获得对应的背景采集图像。
10.一种服务信息大数据监管方法，所述方法包括使用如权利要求1-9任一所述的服务信息大数据监管平台以在大数据服务的基础上采用深度神经网络模型对标定为真实出景的主播的背景进行虚假判断。
CN202011411160.7A 2020-12-06 2020-12-06 服务信息大数据监管平台及方法 Active CN113076790B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011411160.7A CN113076790B (zh) 2020-12-06 2020-12-06 服务信息大数据监管平台及方法
GBGB2110170.4A GB202110170D0 (en) 2020-12-06 2021-07-15 Service information big data monitoring platform and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011411160.7A CN113076790B (zh) 2020-12-06 2020-12-06 服务信息大数据监管平台及方法

Publications (2)

Publication Number Publication Date
CN113076790A true CN113076790A (zh) 2021-07-06
CN113076790B CN113076790B (zh) 2021-09-28

Family

ID=76609139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011411160.7A Active CN113076790B (zh) 2020-12-06 2020-12-06 服务信息大数据监管平台及方法

Country Status (2)

Country Link
CN (1) CN113076790B (zh)
GB (1) GB202110170D0 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155447A (zh) * 2021-12-02 2022-03-08 北京中科智易科技有限公司 人工智能大数据采集系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160321842A1 (en) * 2012-04-06 2016-11-03 Sony Corporation Information Processing Apparatus and Information Processing System Having a Marker Detecting Unit and an Extracting Unit, and Information Processing Method by Using the Same
CN108009491A (zh) * 2017-11-29 2018-05-08 深圳火眼智能有限公司 一种解决快速背景运动中的目标物识别方法及系统
CN108491784A (zh) * 2018-03-16 2018-09-04 南京邮电大学 面向大型直播场景的单人特写实时识别与自动截图方法
CN110879972A (zh) * 2019-10-24 2020-03-13 深圳云天励飞技术有限公司 一种人脸检测方法及装置
CN111311549A (zh) * 2020-01-20 2020-06-19 中国人民解放军国防科技大学 图像鉴真方法、系统及存储介质
CN111432235A (zh) * 2020-04-01 2020-07-17 网易（杭州）网络有限公司 直播视频生成方法、装置、计算机可读介质及电子设备
CN111476132A (zh) * 2020-03-30 2020-07-31 微梦创科网络科技（中国）有限公司 视频场景识别方法、装置及电子设备、存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160321842A1 (en) * 2012-04-06 2016-11-03 Sony Corporation Information Processing Apparatus and Information Processing System Having a Marker Detecting Unit and an Extracting Unit, and Information Processing Method by Using the Same
CN108009491A (zh) * 2017-11-29 2018-05-08 深圳火眼智能有限公司 一种解决快速背景运动中的目标物识别方法及系统
CN108491784A (zh) * 2018-03-16 2018-09-04 南京邮电大学 面向大型直播场景的单人特写实时识别与自动截图方法
CN110879972A (zh) * 2019-10-24 2020-03-13 深圳云天励飞技术有限公司 一种人脸检测方法及装置
CN111311549A (zh) * 2020-01-20 2020-06-19 中国人民解放军国防科技大学 图像鉴真方法、系统及存储介质
CN111476132A (zh) * 2020-03-30 2020-07-31 微梦创科网络科技（中国）有限公司 视频场景识别方法、装置及电子设备、存储介质
CN111432235A (zh) * 2020-04-01 2020-07-17 网易（杭州）网络有限公司 直播视频生成方法、装置、计算机可读介质及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋杰等: "图像场景识别中深度学习方法综述", 《计算机测量与控制》 *
畅鑫等: "基于双站幅度调制的虚假运动场景对SAR-GMTI的欺骗方法", 《电子与信息学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155447A (zh) * 2021-12-02 2022-03-08 北京中科智易科技有限公司 人工智能大数据采集系统
CN114155447B (zh) * 2021-12-02 2022-06-24 北京中科智易科技有限公司 人工智能大数据采集系统

Also Published As

Publication number Publication date
GB202110170D0 (en) 2021-09-01
CN113076790B (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
US11657079B2 (en) System and method for identifying social trends
US10824327B2 (en) Screen capturing method and system for electronic device, and electronic device
CN107613392B (zh) 信息处理方法、装置、终端设备及存储介质
CN107846561B (zh) 确定和显示上下文定向内容的方法及系统
CN108401192A (zh) 视频流处理方法、装置、计算机设备及存储介质
CN105654471A (zh) 应用于互联网视频直播的增强现实ar系统及方法
CN111432235A (zh) 直播视频生成方法、装置、计算机可读介质及电子设备
CN109547819A (zh) 直播列表展示方法、装置以及电子设备
KR20160057864A (ko) 요약 컨텐츠를 생성하는 전자 장치 및 그 방법
JP2008148121A (ja) 動画要約自動作成装置、方法、及びコンピュータ・プログラム
CN113076790B (zh) 服务信息大数据监管平台及方法
CN110784751A (zh) 信息显示方法及装置
CN111711829A (zh) 直播间推荐方法、装置、计算机可读存储介质及设备
Davis et al. Introduction: The pleasures of the tube
CN107343221B (zh) 一种在线多媒体互动系统及方法
KR100366708B1 (ko) 인터넷 방송 시청자 반응도 조사방법 및 그 시스템
Hahn et al. It’sa numbers game: Change in the frequency, type, and presentation form of statistics used in NFL broadcasts
Chen Semantic Analysis of Multimodal Sports Video Based on the Support Vector Machine and Mobile Edge Computing.
CN112235516B (zh) 视频生成方法、装置、服务器及存储介质
CN112188116B (zh) 基于对象的视频合成方法、客户端及系统
KR20060126928A (ko) 의미론적 설명의 구성에 변형 기술 사용
CN112165626A (zh) 图像处理方法、资源获取方法、相关设备及介质
CN111770300A (zh) 一种会议信息处理的方法及虚拟现实头戴设备
Roy LIVE PUBLIC
CN114793289B (zh) 直播间的视频信息的显示处理方法、终端、服务器及介质

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
TA01 Transfer of patent application right

Effective date of registration: 20210908

Address after: Room 105, building 10, 1385 Panyuan Road, Changxing Town, Chongming District, Shanghai 202150

Applicant after: Shanghai Zhenke Information Technology Service Co.,Ltd.

Address before: 225300 601a, building 1, No. 98, Yingchun East Road, hailing Industrial Park, Taizhou City, Jiangsu Province

Applicant before: Taizhou langjiaxin Network Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant