CN113128274A - 一种数据分析方法、装置、电子设备及存储介质 - Google Patents
一种数据分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113128274A CN113128274A CN201911405573.1A CN201911405573A CN113128274A CN 113128274 A CN113128274 A CN 113128274A CN 201911405573 A CN201911405573 A CN 201911405573A CN 113128274 A CN113128274 A CN 113128274A
- Authority
- CN
- China
- Prior art keywords
- time period
- sequence
- time
- snapshot
- event
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000007405 data analysis Methods 0.000 title claims abstract description 56
- 239000012634 fragment Substances 0.000 claims abstract description 31
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 238000013467 fragmentation Methods 0.000 claims description 18
- 238000006062 fragmentation reaction Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 16
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 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
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及公共安全技术领域,提供一种数据分析方法、装置、电子设备及存储介质,所述方法包括步骤:获取初始事件以及所述初始事件对应的抓拍时间,根据所述抓拍时间将所述初始事件分别映射到预设时间段序列中;若所述抓拍时间不属于所述预设时间段序列,则根据所述抓拍时间对所述预设时间段序列进行更新,以得到待分片时间段序列;将所述待分片时间段序列进行初始化处理,以得到分片序列;提取所述分片序列中满足预设条件的序列作为目标序列,并将所述目标序列进行输出。本发明能够提高对数据异常徘徊分析的处理效率。
Description
技术领域
本发明涉及公共安全技术领域,尤其涉及一种数据分析方法、装置、电子设备及存储介质。
背景技术
在现有的技术中,若要根据抓拍到的图像判断,图像中的对象再某个时间段以及地点中是否存在异常徘徊的情况,通常使用的方法如下:(1)构造Map集合,键为档案主键id,值为准徘徊事件集合。当消费采集事件时,根据档案id和空间属性将事件分别加入到对应的准徘徊事件集;(2)根据事件抓拍时间对准徘徊事件列表进行排序,进一步遍历抓拍事件,根据规则判断集合事件是否符合异常徘徊场景。上述的遍历抓拍事件的过程中,需要获取每一个抓拍事件的抓拍时间,并判断相邻两个抓拍事件的抓拍时间差是否超过预设的徘徊间隔时间,且在相邻两个抓拍事件的抓拍时间差超过预设的徘徊间隔时间的情况下,还要判断是否超过两倍的预设的徘徊间隔时间,这样,在大数据量的运用环境下,会导致计算量大,执行效率低的问题。
发明内容
本发明实施例提供一种数据分析方法,能够降低计算量,提高对数据异常徘徊分析的处理效率。
第一方面,本发明实施例提供一种数据分析方法,所述方法包括以下步骤:
获取初始事件的抓拍时间,根据所述抓拍时间将所述初始事件分别映射到预设时间段序列中;
根据所述抓拍时间对所述预设时间段序列进行更新,以得到待分片时间段序列;
将所述待分片时间段序列进行初始化处理,以得到分片序列;
提取所述分片序列中满足预设条件的序列作为目标序列,并将所述目标序列进行输出。
第二方面,本发明实施例还提供一种数据分析装置,包括:
获取模块,用于获取初始事件的抓拍时间,根据所述抓拍时间将所述初始事件分别映射到预设时间段序列中;
更新模块,用于根据所述抓拍时间对所述预设时间段序列进行更新,以得到待分片时间段序列;
处理模块,用于将所述待分片时间段序列进行初始化处理,以得到分片序列;
提取模块,用于提取所述分片序列中满足预设条件的序列作为目标序列,并将所述目标序列进行输出。
第三方面,本发明实施例还提供一种电子设备,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,所述处理器执行所述计算机程序时实现所述实施例提供的数据分析方法中的步骤。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质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所述实施例提供的数据分析方法中的步骤。
本发明实施例中,通过获取初始事件的抓拍时间,根据所述抓拍时间将所述初始事件分别映射到预设时间段序列中;根据所述抓拍时间对所述预设时间段序列进行更新,以得到待分片时间段序列;将所述待分片时间段序列进行初始化处理,以得到分片序列;提取所述分片序列中满足预设条件的目标序列进行输出。本发明实施例通过先获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间在预设时间段序列中的位置,将与抓拍时间对应的初始事件对应添加到预设时间段序列中,当抓拍时间不属于预设时间段序列时,可以结合抓拍时间对预设时间段序列进行更新,得到待分片时间段序列,并对得到的待分片时间段序列进行初始化处理,以得到分片序列,对分片序列中满足预设条件的序列进行提取作为目标序列进行输出,这样,在计算过程中,只需要对抓拍时间做一次判断,减少了遍历过程中抓拍时间的比对次数,降低了时间的计算量;在大数据量场景下,基于抓拍时间及初始事件的抓拍时间构建分片序列,对分片序列中满足预设条件的序列进行提取,作为目标序列输出,有利于加快处理速度,提高对数据异常徘徊分析的处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种数据分析方法的流程图;
图2是本发明实施例提供的另一种数据分析方法的流程图;
图3是本发明实施例提供的另一种数据分析方法的流程图;
图4是本发明实施例提供的另一种数据分析方法的流程图;
图5是本发明实施例提供的另一种数据分析方法的流程图;
图6是本发明实施例提供的一种数据分析装置的结构示意图;
图7是本发明实施例提供的另一种数据分析装置的结构示意图;
图8是本发明实施例提供的另一种数据分析装置的结构示意图;
图9是本发明实施例提供的另一种数据分析装置的结构示意图;
图10是本发明实施例提供的另一种数据分析装置的结构示意图;
图11是本发明实施例提供的另一种数据分析装置的结构示意图;
图12是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
如图1所示,图1是本发明实施例提供的一种数据分析方法的流程图,该数据分析方法包括以下步骤:
101、获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中。
在本实施例中,数据分析方法运用的场景包括但不限于图像数据分析系统、嫌疑人员跟踪系统等等。数据分析方法运用其上的电子设备可以在数据应用端通过有线连接方式或者无线连接方式获取初始事件以及与抓拍时间对应的抓拍时间等。需要指出的是,无线连接方式可以包括但不限于3G/4G连接、WiFi(Wireless-Fidelity)连接、蓝牙连接、WiMAX(Worldwide Interoperability for Microwave Access)连接、Zigbee(低功耗局域网协议,又称紫峰协议)连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
上述的事件可以表示在时空维度下,档案出现的抓拍记录(抓拍的图像数据),该图像数据可以包含时空属性、档案属性、抓拍详情属性等信息,档案可以表示时空维度下具有唯一编码的人或物,是对同一类型抓拍记录的抽象,例如:抓拍图像中有人员A及车辆a。
获取初始事件可以对初始事件进行异常徘徊判断,其中,异常徘徊可以是指在同一时空坐标下,连续的限定间隔时段内,捕捉到某一档案的次数超过次数阈值,则判定为异常徘徊。上述的初始事件可以包括多个事件,例如:初始事件总共有100件。其初始事件的数量在本发明实施例中不做限定。上述抓拍时间可以表示采集初始事件对应的时间,例如:摄像头采集到某个路口出现人员A,其抓拍时间为当日下午3点整。
上述预设时间段序列可以是人工根据实践情况预先设置的序列,在预设时间段序列中,可以包括多个时间段,例如:预设时间段序列完整时间段为0-100s,共有10个时间段,每个时间段为10s,时段依次为0s-10s,11s-20s,21s-30s,31s-40s,41s-50s,51s-60s,61s-70s,71s-80s,81s-90s,91s-100s。上述根据抓拍时间将初始事件分别映射到预设时间段序列,可以依序判断初始事件的抓拍时间在预设时间序列中的哪个时间段,然后将抓拍时间对应的初始事件添加到预设时间段序列对应的时间段,形成一一对应的关系。
102、若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列。
其中,若在判断抓拍时间在预设时间段序列中的时间段的过程中,识别到抓拍时间不在上述预设时间段序列的范围内,可以根据抓拍时间判断所属的时间段是否属于预设时间段序列中,与最后一个时间段连续的下一个时间段,若是,则可以对预设时间段序列进行更新,增加抓拍时间所在的时间段,例如:预设时间段序列中,共设置有Y个时间段,若抓拍时间在(Y,Y+1]范围内,则新增时段(Y,Y+1]。对所有的初始事件依序进行判断后,便可以得到整体的待分片时间段序列。当然,上述增加的时间段的时长与原来的预设时间段序列中的时长相同。对于识别到抓拍时间在上述预设时间段序列的范围内的情况,可以保持原来的预设时间段序列。
103、将待分片时间段序列进行初始化处理,以得到分片序列。
其中,初始化处理可以是对添加到上述待分片时间段序列中初始事件进行图像识别,判断其中是否存在上述的档案(具有唯一标识的人或者物),图像中存在档案,可以自动设定一个初始值,例如:设置为1;对于图像中不存在档案的情况,可以自动设定为另一个初始值,例如:设置为0。在本发明实施例中,是通过初始事件的不同情况进行二分类(有事件与无事件),针对两种情况分别自动设置不同的初始值,这样,便可以将带份片时间段序列转换为分片序列,也即是01序列。上述根据不同的情况分别设置不同的初始值,便于区分
104、提取分片序列中满足预设条件的序列作为目标序列,并将目标序列进行输出。
其中,上述的预设条件可以包括在连续时间段内的抓拍次数,当然,也可以包括在连续时间段内出现人员交流的情况或者其他条件等,可以根据不同的运用场景进行调节,例如:对于日常的图像数据分析、对于侦查案件的图像数据分析等等。得到01序列后,可以将01序列中满足预设条件的部分序列提取出来,作为目标序列,也即是存在异常徘徊的序列,并将该目标序列输出给调用方。该调用方可以包括公安机关系统、道路管理系统、各住宅管理系统等等。
本发明实施例中,通过获取初始事件的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中;根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列;将待分片时间段序列进行初始化处理,以得到分片序列;提取分片序列中满足预设条件的目标序列进行输出。本发明实施例由于通过先获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间在预设时间段序列中的位置,将与抓拍时间对应的初始事件对应添加到预设时间段序列中,当抓拍时间不属于预设时间段序列时,可以结合抓拍时间对预设时间段序列进行更新,得到待分片时间段序列,并对得到的待分片时间段序列进行初始化处理,以得到分片序列,对分片序列中满足预设条件的序列进行提取作为目标序列进行输出,这样,在计算过程中,只需要对抓拍时间做一次判断,减少了遍历过程中抓拍时间的比对次数,降低了时间的计算量;在大数据量场景下,基于抓拍时间及初始事件的抓拍时间构建分片序列,对分片序列中满足预设条件的序列进行提取,作为目标序列输出,有利于加快处理速度,提高对数据异常徘徊分析的处理效率。
如图2所示,图2是本发明实施例提供的另一种方法流程图,包括以下步骤:
201、获取初始事件,有序提取初始事件的抓拍时间。
具体的,在获取初始事件之前,可以先选取参考事件,将参考事件的抓拍时间作为基准时间。其中,参考事件是相对于后续获取到的初始事件而言,参考事件对应的抓拍时间可以是预设时间段序列中的第一个时间段的开端,即上述的基准时间,例如:基准时间为xx年xx月xx日早上10点。
基于基准时间,构建多个连续时间段,将多个连续时间段生成预设时间段序列,多个连续时间段之间具有相同的时间差。
确定好基准时间后,可以在基准时间的基础上构建多个时间差相同且连续时间段,例如:基准时间为Ts为2:00,往后依次构建连续的3个时间段,其事件差为20分钟,则连续的三个时间段分别为2:00-2:20,2:21-2:40,2:41-3:00。这样,构建多个连续时间段后,将所有的时间段进行组合便可以得到上述的预设时间段序列。
其中,获取初始事件可以是通过前端摄像头进行图像抓拍,在不同的抓拍时间得到不同的抓拍图像,通过摄像头对抓拍图像进行处理后,实时或定时的主动发送到运行上述数据分析方法的电子设备上。或者,通过运行上述数据分析方法的电子设备实时或者定时的发出获取图像数据的命令,摄像头接收到该命令后,对该命令进行解析,判断其命令中想要获取的图像数据,然后对该命令进行响应,将其数图像数据返回给上述的电子设备,也即是上述的初始事件。上述的初始事件可以包括多个事件,也即是获取到的图像数据可以为一段时间段内抓拍到的多个图像数据,因此,可以根据时间顺序,依次提取与初始事件对应的抓拍时间。
202、根据预设的时间算法以及初始事件的抓拍时间,计算与初始事件所属的时间段。
上述的时间算法可以是将各个事件的抓拍时间转换为上述预设时间段序列的算法,其具体的计算公式如下:
Index=(Tn-Ts)/X+1………(1)
其中,Index为转换后的时间参数,Tn表示与初始事件对应的抓拍时间,Ts表示选取的基准时间,X表示预设时间段序列中每个连续时间段的时间差。获取到的初始事件中的所有事件可以组成一个事件集合L=[T1,T2,...,Tn],T1~Tn表示集合中第一个到第N个元素的抓拍时间。
通过对抓拍时间与基准时间做差,将做差后的值除以X+1,便可以得到上述的Index,例如:基准时间Ts为2:00,T2为2:44,X为10分钟,则经过上述的公式1计算得到Index为4,则将与T2对应的初始事件映射到预设时间段序列的第四个时间段内。从上述公式1可知,Tn与Ts之间间隔越大,得到的Index也会越大。
203、在预设时间段序列中查找与初始事件所属的时间段,并将初始事件映射到所属的时间段中。
其中,计算得到Index后,可以直接查找预设时间段序列中Index所在的时间段,然后将Index对应的初始事件映射到所属的时间段。
204、若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列。
205、将待分片时间段序列进行初始化处理,以得到分片序列。
206、提取分片序列中满足预设条件的序列作为目标序列,并将目标序列进行输出。
可选的,上述步骤204包括:
判断抓拍时间是否满足新增时间段条件,新增时间段条件包括抓拍时间属于预设时间段序列的末位时间段相邻的新增时间段。
其中,在提取到每个初始事件的抓拍时间时,可以判断该抓拍时间是否属于预设时间段序列的末位时间段相邻的新增时间段,例如:共构建有Y个时间段,每个时间段的时长为X,若当前提取到的抓拍时间在(Y,Y+1]范围内,则表示满足上述的新增时间段条件。
若抓拍时间满足新增时间段条件,则在预设时间段序列的末位增加新增时间段。
其中,若当前提取到的抓拍时间在(Y,Y+1]范围内,则可以对预设时间段序列新增时间段(Y,Y+1]。依照该方式可以对预设时间段序列依次补充连续时间段,直到时间段不连续。这样,可以实现对上述预设时间段序列的更新,以形成一个时间段更多、整体时间更长的时间段序列。
作为一种可能的实施例方式,若抓拍时间不满足新增时间段条件,则依序获取下一个初始事件作为新参考事件;提取新参考事件的抓拍时间,将新参考事件的抓拍时间作为新基准时间,构建第二时间段序列。
其中,也会出现部分初始事件的抓拍时间不属于预设时间段序列的末位时间段相邻的新增时间段,例如:共构建有Y个时间段,每个时间段的时长为X,若当前提取到的抓拍时间在(Z,Z+1]范围内,Z与Y不连续,则表示不满足上述的新增时间段条件。对于上述不连续的情况,可以继续获取下一个初始事件,将下一个初始事件作为新参考事件。
其中,确定好新参考事件后,可以提取新参考事件的抓拍时间,并将新参考事件的抓拍时间作为新基准时间,构建第二时间段序列。该第二时间段序列的时间段可以自定义,每个时间段的时长可以与预设时间段序列保持一致。
根据时间算法,计算新参考事件后续的初始事件在第二时间段序列中所属的时间段。
得到新基准时间以及新参考事件后,同样可以根据上述公式1计算新参考事件后续的每一个初始事件在第二时间段序列中所属的时间段,得到的时间段后,便可以将对应的初始事件映射到第二时间段序列中。
需要知道的是,依照上述的方式,对获取到的所有初始事件以及与初始事件对应的抓拍时间进行遍历之后,后续还可能会出现抓拍时间不满足新增时间段条件的情况,因此还可能还会构建第三时间段序列、第四时间段序列等等,同样也还会出现更多的新增时间段。在本发明实施例中,上述的第一、第二、第三等不表示大小,可以表示顺序,便于描述。
在本发明实施例中,通过先获取初始事件以及初始事件对应的抓拍时间,根据提供的时间算法,计算每个初始事件在预设时间段序列中的时间段,并将初始事件映射到该的时间段;对于抓拍时间属于预设时间段序列的末位时间段相邻的新增时间段时,可以对预设时间段序列增加上述的新增时间段,实现对预设时间段序列的更新;并且对于抓拍时间不满足新增时间段条件时,通过获取下一个初始事件作为新参考事件,以及将新参考事件的抓拍时间作为新基准时间,可以构建第二时间段序列,对于后续的部分或者所有初始事件,可以在第二时间序列的基础上通过时间算法将其进行映射,以得到所有的待分片时间段序列,并对得到的待分片时间段序列进行初始化处理,以得到分片序列,对分片序列中满足预设条件的序列进行提取作为目标序列进行输出。这样,在计算过程中,只需要对抓拍时间做一次判断,减少了遍历过程中抓拍时间的比对次数,降低了时间的计算量;在大数据量场景下,基于将所有的初始事件映射到对应的时间段序列中,构建出分片序列,对分片序列中满足预设条件的序列进行提取,作为目标序列输出,有利于加快处理速度,提高对数据异常徘徊分析的处理效率。
如图3所示,图3是本发明实施例提供的另一种方法流程图,包括以下步骤:
301、获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中。
302、若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列。
303、提取待分片时间段序列,将待分片时间段序列中单个有事件的时间段匹配第一参数。
其中,有事件可以表示一个时间段中的图像数据中抓拍到上述的档案(人或物等);第一参数可以包括一个任意的数值,也可以是符号等,例如:第一参数为1、2等。通过将所有的初始事件均映射到对应的时间段序列(预设时间段序列、第二时间段序列等等)中后,即得到了多个待分片时间段序列。此时,可以对映射到每个时间段中的初始事件进行具体的识别,判断其是否属于上述的有事件情况,例如:将0~100s平分成10个时间段,分别为0~10s/11s~20s/…/91s~100s,若初始事件列表的抓拍到有上述的档案出现,且时间依次为11s,37s,55s,那有事件的时间段则为第2个时间段(11s~20s)/第4个时间段(31s~40s)/第6个时间段(51s~60s),这样,便可以对第2、第4以及第6这三个单个有时间的时间段匹配上述的第一参数。
304、将待分片时间段序列中无事件的时间段匹配第二参数。
其中,无事件可以表示一个时间段中的图像数据中没有抓拍到上述的档案(人或物等);第二参数与第一参数具有同样的性质,可以包括一个任意的数值,也可以是符号等,例如:第二参数为0。但是,第一参数与第二参数不可以设置为相同的参数。针对无事件以及有事件两种情况分别匹配不同的参数,这样,便于形成具有区别的分片序列。
作为一种可能的实施例方式,对于无事件的情况,可以判断是否有多个连续无事件的时间段,例如:在0~100s中,第4/5/6个时间段内均为无事件,即第4/5/6个时间段的值分别为0/0/0,则可以将三个时间段的值进行合并,形成1个0。上述进行合并可以减少计算量,并且可以节约空间资源。
305、根据待分片时间段序列的时间段顺序,将第一参数以及第二参数生成与初始事件对应的分片序列。
其中,根据待分片时间段序列中所有的初始事件的有事件/无事件的情况,匹配好对应的第一参数以及第二参数后,便可以得到数据化的分片序列,在本发明实施例中,分片序列为01序列,例如:针对分片序列中a、b、c、d、e五个时间段,其对应参数可以分别为0,0,1,1,0。
306、提取分片序列中满足预设条件的序列作为目标序列,并将目标序列进行输出。
在本发明实施例中,通过获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中;若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列,提取待分片时间段序列,针对待分片时间段序列中单个有事件的时间段匹配第一参数,无事件的时间段匹配第二参数;根据待分片时间段序列的时间段顺序,将第一参数以及第二参数生成与初始事件对应的分片序列,对分片序列中满足预设条件的序列进行提取作为目标序列进行输出。这样,在计算过程中,只需要对抓拍时间做一次判断,减少了遍历过程中抓拍时间的比对次数,降低了时间的计算量;在大数据量场景下,基于有事件与无事件的情况分别匹配不同的参数,构建分片序列,对分片序列中满足预设条件的序列进行提取,作为目标序列输出,有利于加快处理速度,提高对数据异常徘徊分析的处理效率。
如图4所示,图4是本发明实施例提供的另一种方法流程图,包括以下步骤:
401、获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中。
402、若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列。
403、将待分片时间段序列进行初始化处理,以得到分片序列。
404、对分片序列进行分片处理,以得到多个子序列。
其中,分片序列可以是时间段较长的序列,例如:共有50个时间段,甚至更多个时间段。因此可以对分片序列进行分片处理,相当于将分片序列进行切割,生成多个子序列,例如:将具有50个时间段的分片序列进行切割,分成5个子序列,每个子序列中包括10个时间段。
405、判断多个子序列中,是否存在抓拍到同一个抓拍对象的抓拍次数是否超过预设次数阈值的连续时间段。
其中,预设次数阈值可以根据具体情况预先设置,预设次数阈值可以表示异常徘徊的次数阈值,上述的抓拍对象即档案(人或物等)。在对分片序列进行切割后,可以得到多个子序列,可以对子序列进行判断,看是否存在抓拍到同一个抓拍对象的抓拍次数是否超过预设次数阈值的连续时间段,例如:预设次数阈值为2,a、b、c、d为连续的四个时间段,在a、b、c这三个时间段内均抓拍到同一辆轿车A,即抓拍次数为3,由此可知,抓拍次数超过预设次数阈值。再例如:设异常徘徊的次数阈值为20次,采集到某个人在最近100天的所有的抓拍事件(初始事件)中,发现其每天出现在某个摄像头下的次数为2到3次,而在第67天时,该人频繁出现了200次,远远大于20次,则说明出现异常徘徊。
406、若存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段,则选取连续时间段对应的子序列作为目标序列,对目标序列进行输出。
其中,存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段,则这个连续时间段可以作为一个高频1序列,这个高频1序列将会被选取作为目标序列,并且与高频1序列对应的时间段内的所有的事件将会形成异常徘徊事件列表,将该异常徘徊列表以及高频1序列均作为检索的结果进行输出,例如:第一个时间段的对应的初始事件的第12~15条记录,第2个时段的事件对应的初始事件的第16到17条数据,第一时间段与第二时间段形成高频1序列,则此时异常徘徊列表的索引范围为[12~17]。
在本发明实施例中,通过获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中;若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列,将待分片时间段序列进行初始化处理,以得到分片序列,对分片序列进行分片处理,形成多个子序列,判断多个子序列中是否存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段;若存在,则选取连续时间段对应的子序列作为目标序列,对目标序列进行输出。这样,在计算过程中,只需要对抓拍时间做一次判断,减少了遍历过程中抓拍时间的比对次数,降低了时间的计算量;在大数据量场景下,基于有事件与无事件的情况分别匹配不同的参数,构建分片序列,对分片序列进行分片处理,选取高频1序列作为目标序列输出,有利于加快处理速度,提高对数据异常徘徊分析的处理效率。
如图5所示,图5是本发明实施例提供的一种数据分析装置的结构示意图,数据分析装置500包括:
获取模块501,用于获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中;
更新模块502,用于若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列;
处理模块503,用于将待分片时间段序列进行初始化处理,以得到分片序列;
提取模块504,用于提取分片序列中满足预设条件的序列作为目标序列,并将目标序列进行输出。
可选的,如图6所示,图6是本发明实施例提供的另一种数据分析装置的结构示意图,数据分析装置500还包括:
选取模块505,用于选取参考事件,将参考事件的抓拍时间作为基准时间;
构建模块506,用于基于基准时间,构建多个连续时间段,将多个连续时间段生成预设时间段序列,多个连续时间段之间具有相同的时间差。
可选的,如图7所示,图7是本发明实施例提供的另一种数据分析装置的结构示意图,获取模块501包括:
获取单元5011,用于获取初始事件,有序提取初始事件的抓拍时间;
计算单元5012,用于根据预设的时间算法以及初始事件的抓拍时间,计算与初始事件所属的时间段。
查找单元5013,用于在预设时间段序列中查找与初始事件所属的时间段,并将初始事件映射到所属的时间段中
可选的,如图8所示,图8是本发明实施例提供的另一种数据分析装置的结构示意图,更新模块502包括:
第一判断单元5021,用于判断抓拍时间是否满足新增时间段条件,新增时间段条件包括抓拍时间属于预设时间段序列的末位时间段相邻的新增时间段;
增添单元5022,用于若抓拍时间满足新增时间段条件,则在预设时间段序列的末位增加新增时间段。
可选的,如图9所示,图9是本发明实施例提供的另一种数据分析装置的结构示意图,第一判断单元5021包括:
获取子单元50211,用于若抓拍时间不满足新增时间段条件,则依序获取下一个初始事件作为新参考事件;
构建子单元50212,用于提取新参考事件的抓拍时间,将新参考事件的抓拍时间作为新基准时间,构建第二时间段序列;
计算子单元50213,用于根据时间算法,计算新参考事件后续的初始事件在第二时间段序列中所属的时间段。
可选的,如图10所示,图10是本发明实施例提供的另一种数据分析装置的结构示意图,处理模块503包括:
匹配单元5031,用于提取待分片时间段序列,将待分片时间段序列中单个有事件的时间段匹配第一参数;
匹配单元5031还用于将待分片时间段序列中无事件的时间段匹配第二参数;
生成单元5032,用于根据待分片时间段序列的时间段顺序,将第一参数以及第二参数生成与初始事件对应的分片序列。
可选的,如图11所示,图11是本发明实施例提供的另一种数据分析装置的结构示意图,提取模块504包括:
分片单元5041,用于对分片序列进行分片处理,以得到多个子序列;
第二判断单元5042,用于判断多个子序列中,是否存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段;
输出单元5043,用于若存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段,则选取连续时间段对应的子序列作为目标序列,对目标序列进行输出。
如图12所示,图12是本发明实施例提供的一种电子设备的结构示意图,该电子设备1200包括:存储器1202、处理器1201、网络接口1203及存储在存储器1202上并可在处理器1201上运行的计算机程序,处理器1201执行计算机程序时实现实施例提供的数据分析方法中的步骤。
具体的,处理器1201用于执行以下步骤:
获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设时间段序列中;
若抓拍时间不属于预设时间段序列,则根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列;
将待分片时间段序列进行初始化处理,以得到分片序列;
提取分片序列中满足预设条件的序列作为目标序列,并将目标序列进行输出。
可选的,处理器1201执行的获取初始事件以及初始事件对应的抓拍时间之前,还用于执行以下步骤:
选取参考事件,将参考事件的抓拍时间作为基准时间;
基于基准时间,构建多个连续时间段,将多个连续时间段生成预设时间段序列,多个连续时间段之间具有相同的时间差。
可选的,处理器1201执行的获取初始事件以及初始事件对应的抓拍时间,根据抓拍时间将初始事件分别映射到预设的时间段序列中的步骤包括:
获取初始事件,有序提取初始事件的抓拍时间;
根据预设的时间算法以及初始事件的抓拍时间,计算与初始事件所属的时间段;
在预设时间段序列中查找与初始事件所属的时间段,并将初始事件映射到所属的时间段中。
可选的,处理器1201执行的根据抓拍时间对预设时间段序列进行更新,以得到待分片时间段序列的步骤包括:
判断抓拍时间是否满足新增时间段条件,新增时间段条件包括抓拍时间属于预设时间段序列的末位时间段相邻的新增时间段;
若抓拍时间满足新增时间段条件,则在预设时间段序列的末位增加新增时间段。
可选的,处理器1201执行的判断抓拍时间是否满足新增时间段条件的步骤包括:
若抓拍时间不满足新增时间段条件,则依序获取下一个初始事件作为新参考事件;
提取新参考事件的抓拍时间,将新参考事件的抓拍时间作为新基准时间,构建第二时间段序列;
根据时间算法,计算新参考事件后续的初始事件在第二时间段序列中所属的时间段。
可选的,处理器1201执行的将待分片时间段序列进行初始化处理,以得到分片序列的步骤包括:
提取待分片时间段序列,将待分片时间段序列中单个有事件的时间段匹配第一参数;以及
将待分片时间段序列中无事件的时间段匹配第二参数;
根据待分片时间段序列的时间段顺序,将第一参数以及第二参数生成与初始事件对应的分片序列。
可选的,处理器1201执行的提取分片序列中满足预设条件的序列作为目标序列,并将目标序列进行输出的步骤包括:
对分片序列进行分片处理,以得到多个子序列;
判断多个子序列中,是否存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段;
若存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段,则选取连续时间段对应的子序列作为目标序列,对目标序列进行输出。
本发明实施例提供的电子设备1200能够实现数据分析方法实施例中的各个实施方式,以及相应有益效果,为避免重复,这里不再赘述。
需要指出的是,图中仅示出了具有组件的1201-1203,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的电子设备1200是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
电子设备1200可以是桌上型计算机、笔记本及掌上电脑等计算设备。电子设备1200可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器1202至少包括一种类型的可读存储介质,可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器1202可以是电子设备1200的内部存储单元,例如该电子设备1200的硬盘或内存。在另一些实施例中,存储器1202也可以是电子设备1200的外部存储设备,例如该电子设备1200上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器1202还可以既包括电子设备1200的内部存储单元也包括其外部存储设备。本实施例中,存储器1202通常用于存储安装于电子设备1200的操作系统和各类应用软件,例如数据分析方法的程序代码等。此外,存储器1202还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器1201在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器1201通常用于控制电子设备1200的总体操作。本实施例中,处理器1201用于运行存储器1202中存储的程序代码或者处理数据,例如运行数据分析方法的程序代码。
网络接口1203可包括无线网络接口或有线网络接口,该网络接口1203通常用于在电子设备1200与其他电子设备之间建立通信连接。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器1201执行时实现实施例提供的数据分析方法中的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现实施例数据分析方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存取存储器1002(Random Access Memory,简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种数据分析方法,其特征在于,包括以下步骤:
获取初始事件以及所述初始事件对应的抓拍时间,根据所述抓拍时间将所述初始事件分别映射到预设时间段序列中;
若所述抓拍时间不属于所述预设时间段序列,则根据所述抓拍时间对所述预设时间段序列进行更新,以得到待分片时间段序列;
将所述待分片时间段序列进行初始化处理,以得到分片序列;
提取所述分片序列中满足预设条件的序列作为目标序列,并将所述目标序列进行输出。
2.如权利要求1所述的数据分析方法,其特征在于,在所述获取初始事件以及所述初始事件对应的抓拍时间之前,所述方法还包括步骤:
选取参考事件,将所述参考事件的抓拍时间作为基准时间;
基于所述基准时间,构建多个连续时间段,将所述多个连续时间段生成所述预设时间段序列,所述多个连续时间段之间具有相同的时间差。
3.如权利要求1所述的数据分析方法,其特征在于,所述获取初始事件以及所述初始事件对应的抓拍时间,根据所述抓拍时间将所述初始事件分别映射到预设的时间段序列中的步骤包括:
获取所述初始事件,有序提取所述初始事件的抓拍时间;
根据预设的时间算法以及初始事件的抓拍时间,计算与所述初始事件所属的时间段;
在所述预设时间段序列中查找与所述初始事件所属的时间段,并将所述初始事件映射到所述所属的时间段中。
4.如权利要求3所述的数据分析方法,其特征在于,所述根据所述抓拍时间对所述预设时间段序列进行更新,以得到待分片时间段序列的步骤包括:
判断所述抓拍时间是否满足新增时间段条件,所述新增时间段条件包括所述抓拍时间属于所述预设时间段序列的末位时间段相邻的新增时间段;
若所述抓拍时间满足所述新增时间段条件,则在所述预设时间段序列的末位增加所述新增时间段。
5.如权利要求4所述的数据分析方法,其特征在于,所述判断所述抓拍时间是否满足新增时间段条件的步骤包括:
若所述抓拍时间不满足所述新增时间段条件,则依序获取下一个初始事件作为新参考事件;
提取所述新参考事件的抓拍时间,将所述新参考事件的抓拍时间作为新基准时间,构建第二时间段序列;
根据所述时间算法,计算所述新参考事件后续的初始事件在所述第二时间段序列中所属的时间段。
6.如权利要求1所述的数据分析方法,其特征在于,所述将所述待分片时间段序列进行初始化处理,以得到分片序列的步骤包括:
提取所述待分片时间段序列,将所述待分片时间段序列中单个有事件的时间段匹配第一参数;以及
将所述待分片时间段序列中无事件的时间段匹配第二参数;
根据所述待分片时间段序列的时间段顺序,将所述第一参数以及所述第二参数生成与所述初始事件对应的分片序列。
7.如权利要求1所述的数据分析方法,其特征在于,所述提取所述分片序列中满足预设条件的序列作为目标序列,并将所述目标序列进行输出的步骤包括:
对所述分片序列进行分片处理,以得到多个子序列;
判断所述多个子序列中,是否存在抓拍到同一个抓拍对象的抓拍次数超过预设次数阈值的连续时间段;
若存在所述抓拍到同一个抓拍对象的抓拍次数超过所述预设次数阈值的连续时间段,则选取所述连续时间段对应的子序列作为目标序列,对所述目标序列进行输出。
8.一种数据分析装置,其特征在于,包括:
获取模块,用于获取初始事件以及所述初始事件对应的抓拍时间,根据所述抓拍时间将所述初始事件分别映射到预设时间段序列中;
更新模块,用于若所述抓拍时间不属于所述预设时间段序列,则根据所述抓拍时间对所述预设时间段序列进行更新,以得到待分片时间段序列;
处理模块,用于将所述待分片时间段序列进行初始化处理,以得到分片序列;
提取模块,用于提取所述分片序列中满足预设条件的序列作为目标序列,并将所述目标序列进行输出。
9.一种电子设备,其特征在于,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,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的数据分析方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至7中任一项所述的数据分析方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911405573.1A CN113128274B (zh) | 2019-12-31 | 2019-12-31 | 一种数据分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911405573.1A CN113128274B (zh) | 2019-12-31 | 2019-12-31 | 一种数据分析方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128274A true CN113128274A (zh) | 2021-07-16 |
CN113128274B CN113128274B (zh) | 2024-05-07 |
Family
ID=76768604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911405573.1A Active CN113128274B (zh) | 2019-12-31 | 2019-12-31 | 一种数据分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128274B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117294926A (zh) * | 2023-11-24 | 2023-12-26 | 深圳金三立视频科技股份有限公司 | 一种基于设备分布的抓拍策略分配方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160125041A1 (en) * | 2014-11-05 | 2016-05-05 | Adobe Systems Incorporated | Generating segments based on intelligent sequential data |
CN105678247A (zh) * | 2015-12-30 | 2016-06-15 | 武汉大学 | 徘徊事件时空大数据分析的异常行为预警方法及系统 |
WO2016141719A1 (zh) * | 2015-03-11 | 2016-09-15 | 华为技术有限公司 | 一种信道检测方法及装置 |
CN108040244A (zh) * | 2017-12-11 | 2018-05-15 | 深圳云天励飞技术有限公司 | 基于光场视频流的抓拍方法及装置、存储介质 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
CN109285351A (zh) * | 2017-07-20 | 2019-01-29 | 浙江宇视科技有限公司 | 违停抓拍方法及装置 |
CN109858365A (zh) * | 2018-12-28 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种特殊人群聚集行为分析方法、装置及电子设备 |
-
2019
- 2019-12-31 CN CN201911405573.1A patent/CN113128274B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160125041A1 (en) * | 2014-11-05 | 2016-05-05 | Adobe Systems Incorporated | Generating segments based on intelligent sequential data |
WO2016141719A1 (zh) * | 2015-03-11 | 2016-09-15 | 华为技术有限公司 | 一种信道检测方法及装置 |
CN105678247A (zh) * | 2015-12-30 | 2016-06-15 | 武汉大学 | 徘徊事件时空大数据分析的异常行为预警方法及系统 |
CN109285351A (zh) * | 2017-07-20 | 2019-01-29 | 浙江宇视科技有限公司 | 违停抓拍方法及装置 |
CN108040244A (zh) * | 2017-12-11 | 2018-05-15 | 深圳云天励飞技术有限公司 | 基于光场视频流的抓拍方法及装置、存储介质 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
CN109858365A (zh) * | 2018-12-28 | 2019-06-07 | 深圳云天励飞技术有限公司 | 一种特殊人群聚集行为分析方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
汤一平;陈耀宇;: "基于计算机视觉的违章停车智能监控系统", 计算机测量与控制, no. 08 * |
王怀宝;郭江利;: "基于跟踪轨迹的徘徊行为分析", 计算机与数字工程, no. 05 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117294926A (zh) * | 2023-11-24 | 2023-12-26 | 深圳金三立视频科技股份有限公司 | 一种基于设备分布的抓拍策略分配方法及装置 |
CN117294926B (zh) * | 2023-11-24 | 2024-03-19 | 深圳金三立视频科技股份有限公司 | 一种基于设备分布的抓拍策略分配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113128274B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256443A (zh) | 一种人员定位方法、系统及终端设备 | |
CN108230637B (zh) | 一种消防火灾报警方法及系统 | |
EP3113061A1 (en) | Attack detection device, attack detection method, and attack detection program | |
CN109241223B (zh) | 行为行踪识别方法及系统 | |
US20100085481A1 (en) | Frame based video matching | |
RU2012149859A (ru) | Система генерирования статистической информации и способ генерирования статистической информации | |
CN107786848A (zh) | 运动目标检测与动作识别的方法、装置、终端及存储介质 | |
CN113064661A (zh) | 批量任务的内存处理方法、装置、电子设备及存储介质 | |
CN108737786B (zh) | 一种智能监控系统 | |
CN112364176A (zh) | 一种人员行动轨迹的构建方法、设备及系统 | |
CN113128274A (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
CN109451439B (zh) | 基于终端的防丢失方法、装置、终端及存储介质 | |
CN111738042A (zh) | 识别方法、设备及存储介质 | |
CN104424109B (zh) | 一种信息处理方法及电子设备 | |
CN110648499A (zh) | 一种社区老人的安全预警方法及计算机存储介质 | |
CN111611821B (zh) | 二维码识别方法、装置、计算机设备和可读存储介质 | |
CN113920306B (zh) | 目标再识别方法、装置及电子设备 | |
CN114863364B (zh) | 一种基于智能视频监控的安防检测方法及系统 | |
US20220222232A1 (en) | Data management device, control method, and storage medium | |
CN113032498B (zh) | 一种轨迹相似的判断方法、装置、电子设备及存储介质 | |
CN110414495B (zh) | 一种手势识别方法、装置、电子设备及可读存储介质 | |
KR20180041072A (ko) | 오디오 프레임 프로세싱을 위한 디바이스 및 방법 | |
CN113343004A (zh) | 对象的识别方法和装置、存储介质及电子装置 | |
KR20230037830A (ko) | 점진적 빈발패턴 기반의 그래프스트림 압축 방법 및 시스템 | |
CN110309878B (zh) | 一种信息处理方法及装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |