CN113596368A - 基于执法记录仪的信息采集方法及执法记录仪 - Google Patents
基于执法记录仪的信息采集方法及执法记录仪 Download PDFInfo
- Publication number
- CN113596368A CN113596368A CN202110838440.4A CN202110838440A CN113596368A CN 113596368 A CN113596368 A CN 113596368A CN 202110838440 A CN202110838440 A CN 202110838440A CN 113596368 A CN113596368 A CN 113596368A
- Authority
- CN
- China
- Prior art keywords
- law enforcement
- accident
- enforcement recorder
- information
- video stream
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/57—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for processing of video signals
Abstract
本发明涉及执法记录的技术领域,尤其是涉及一种基于执法记录仪的信息采集方法及执法记录仪,基于执法记录仪的信息采集方法包括:接收语音信息;根据语音信息推理出事故类型;根据事故类型匹配对应的一种或多种事故要素;根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,所述视频流数据由安装在执法记录仪上的摄像头拍摄所得。本申请具有便于执法人员较为方便地查找相关数据的效果。
Description
技术领域
本发明涉及执法记录的技术领域,尤其是涉及一种基于执法记录仪的信息采集方法及执法记录仪。
背景技术
执法记录仪又称单警执法视音频记录仪。集数码摄像、数码照相、对讲送话器功能于一身,能够对执法过程中进行动态、静态的现场情况数字化记录,便于执法人员在各种环境中执法使用。
发明人认为,执法记录仪所采集的视频、照片文件普遍仅提供简单的预览,对于取证产生的视频文件、照片文件中存在的大量车牌信息,执法人员需要到海量的视频文件、照片文件中去逐一筛选查找,使用极为不便。
发明内容
为了便于执法人员较为方便地查找相关数据,本申请提供一种基于执法记录仪的信息采集方法及执法记录仪。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种基于执法记录仪的信息采集方法,包括:
接收语音信息;
根据语音信息推理出事故类型;
根据事故类型匹配对应的一种或多种事故要素;
根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,所述视频流数据由安装在执法记录仪上的摄像头拍摄所得。
通过采用上述技术方案,执法记录仪接收佩戴者的语音信息,然后对语音信息进行推理,得出事故类型,然后根据推理出的事故类型匹配对应的事故要素,然后根据事故要素,在视频流数据中筛选出对应的要素图像,并且将这些要素图像和事故相关联,从而实现对相关数据进行筛选,从而便于执法人员较为方便地查找相关数据。
本申请在一较佳示例中可以进一步配置为:所述根据事故要素在视频流数据中筛选出与事故要素相关联的要素图像包括:
获取终止信息,将获取到终止信息时的视频流数据中的一帧图像作为终止帧图像;
根据事故要素匹配对应的神经网络模型;
根据所述神经网络模型对视频流数据中的图像进行分析以标记出每帧图像中的对应事故要素的特征区域;
将视频流数据中直至终止帧图像的图像中按时序筛选出一帧或多帧图像,多帧图像按时序排序时,最后一帧图像为终止帧图像。
通过采用上述技术方案,获取到终止信息时,表明事故处理完成,则将同一时间节点的一帧图像作为终止帧图像,然后根据事故要素,匹配对应的神经网络模型,然后通过神经网络模型对视频流数据中的图像进行分析,并标记出每帧图像中的对应事故要素的特征区域,将视频流数据中直至终止帧图像的图像中按时序筛选出一帧或多帧图像,多帧图像的最后一帧图像为终止帧图像,且多帧图像中特征区域的面积变化满足由小逐渐增大至大,再由大逐渐减小至小,从而能够通过多帧图像较为清晰地了解事故事态发展过程,从而便于执法人员较为方便地查找相关数据。
本申请在一较佳示例中可以进一步配置为:在获取到触发信号的情况下,接收语音信息。
通过采用上述技术方案,执法记录仪只有在获取到触发信号的情况下,才开始接收语音信息,从而能够节约电能,减轻处理压力。
本申请在一较佳示例中可以进一步配置为:所述根据语音信息推理出事故类型包括:
将所述语音信息输入预先训练好的神经网络模型,所述神经网络模型对所述语音信息进行推理生成事故类型。
通过采用上述技术方案,神经网络模型对语音信息进行推理,从而能够较为精确地确定事故类型。
本申请在一较佳示例中可以进一步配置为:对所述语音信息进行分析以获取终止信息。
通过采用上述技术方案,终止信息也通过对语音信息进行分析来获取,更为智能化。
本申请在一较佳示例中可以进一步配置为:所述触发信号至少包括以下一种或两种:
语音信号、触摸信号、按压信号。
本申请的发明目的二是通过以下技术方案得以实现的:
一种基于执法记录仪的信息采集系统,包括:
接收模块,用于接收语音信息;
推理模块,用于根据语音信息推理出事故类型;
匹配模块,用于根据事故类型匹配对应的一种或多种事故要素;
筛选关联模块,用于根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,所述视频流数据由安装在执法记录仪上的摄像头拍摄所得。
本申请的目的三是通过以下技术方案得以实现的:
一种电子设备,包括存储器、处理器以及存储在所述存储器中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上述任一项所述的基于执法记录仪的信息采集方法的步骤。
本申请的目的四是通过以下技术方案得以实现的:
一种计算机存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的基于执法记录仪的信息采集方法的步骤。
本申请的目的五是通过以下技术方案得以实现的:
一种执法记录仪,所述执法记录仪设有以下至少一种:
如上述的电子设备、如上述的计算机存储介质。
本申请的目的六是通过以下技术方案得以实现的:
一种终端,所述终端设有以下至少一种:
如上述的电子设备、如上述的计算机存储介质。
综上所述,本申请包括以下至少一种有益技术效果:
1、执法记录仪接收佩戴者的语音信息,然后对语音信息进行推理,得出事故类型,然后根据推理出的事故类型匹配对应的事故要素,然后根据事故要素,在视频流数据中筛选出对应的要素图像,并且将这些要素图像和事故相关联,从而实现对相关数据进行筛选,从而便于执法人员较为方便地查找相关数据;
2、获取到终止信息时,表明事故处理完成,则将同一时间节点的一帧图像作为终止帧图像,然后根据事故要素,匹配对应的神经网络模型,然后通过神经网络模型对视频流数据中的图像进行分析,并标记出每帧图像中的对应事故要素的特征区域,将视频流数据中直至终止帧图像的图像中按时序筛选出一帧或多帧图像,多帧图像的最后一帧图像为终止帧图像,且多帧图像中特征区域的面积变化满足由小逐渐增大至大,再由大逐渐减小至小,从而能够通过多帧图像较为清晰地了解事故事态发展过程,从而便于执法人员较为方便地查找相关数据;
3、神经网络模型对语音信息进行推理,从而能够较为精确地确定事故类型。
附图说明
图1是本申请一实施例中基于执法记录仪的信息采集方法的实现流程图;
图2是本申请另一实施例中基于执法记录仪的信息采集方法的实现流程图;
图3是本申请一实施例中基于执法记录仪的信息采集系统的原理框图;
图4是本申请一实施例中的电子设备示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请公开了一种基于执法记录仪的信息采集方法,参照图1,具体包括如下步骤:
S100、接收语音信息;
语音信息是指外界的声音信息,执法记录仪接收到声音信息后,可以对声音信息进行降噪等处理,也可以将声音信息通过音色特征将佩戴者的声音剥离出作为语音信息,从而减少杂音和其余人员的语音的影响。
在一优选的实施例中,在获取到触发信号的情况下,执法记录仪才开始接收语音信息。其中,触发信号至少包括以下一种或两种:语音信号、触摸信号、按压信号。当触发信号设定为语音信号时,可以是如下语音信号:“站住”、“怎么回事”、“你们在干嘛”、“着火了”、“停下”等。具体可根据执法记录仪所常用的场景,以及佩戴者的常用语音进行设定。
S102、根据语音信息推理出事故类型;
具体地,采用第一神经网络模型进行推理的方式;
在一实施例中,将语音信息输入预先训练好的第一神经网络模型,第一神经网络模型对语音信息进行推理生成事故类型;
其中,第一神经网络模型是由多组实验数据通过机器学习训练得出的,多组实验数据中的每组实验数据均包括:语音信息,以及对应语音信息的事故类型。
随着实验数据组数的增多,推理精确度得到提升。
S104、根据事故类型匹配对应的一种或多种事故要素;
具体地,得到事故类型后,在预设数据库内匹配对应的事故要素,例如,事故类型为打斗,则在预设数据库内匹配斗殴场景,事故要素的数量根据不同的事故类型设定,即事故类型和事故要素是相关联的,一个事故类型可以关联多个事故要素,均存储在预设数据库内。
S106、根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,视频流数据由安装在执法记录仪上的摄像头拍摄所得。
参照图2,在一优选的实施例中,根据事故要素在视频流数据中筛选出与事故要素相关联的要素图像包括:
S1061、获取终止信息,将获取到终止信息时的视频流数据中的一帧图像作为终止帧图像;
终止信息可以是语音信息、触摸信息、按压信息,终止信息可以是区别于触发信息;
在一实施例中,终止信息的获取,是通过对语音信息进行分析来获取的;
对语音信息进行分析同样可通过第一神经网络模型进行推理。
终止信息还可以是,设定终止信息,能够使得终止帧图像的获取符合现场处理情况,避免出现事故未处理完,而视频流数据终止的情况发生。
S1062、根据事故要素匹配对应的第二神经网络模型;
S1063、根据第二神经网络模型对视频流数据中的图像进行分析以标记出每帧图像中的对应事故要素的特征区域;
第二神经网络模型都是预先训练好的,一个事故要素对应一个第二神经网络模型,第二神经网络模型是由多组实验数据通过机器学习训练得出的,多组实验数据中的每组实验数据均包括:图像,以及对应图像的事故要素的特征区域。
S1064、将视频流数据中直至终止帧图像的图像中筛选出一帧或多帧图像,多帧图像按时序排序时,最后一帧图像为终止帧图像。
具体地,在视频流数据中筛选出所有包含特征区域的图像,然后根据包含有特征区域的图像数量n,生成缩略数量a,a与n呈比例关系,a与n可以是1:160。即160张图像,筛选出1张图像。筛选出多帧图像后,将多帧图像按时序排序,并与事故要素相关联,在执法记录仪的存储空间内,生成以事故要素为名称的文件夹,将与该事故要素相关联的要素图像划分至在该文件夹内。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种基于执法记录仪的信息采集系统,该基于执法记录仪的信息采集系统与上述实施例中基于执法记录仪的信息采集方法一一对应。参照图3,该基于执法记录仪的信息采集系统包括接收模块、推理模块、匹配模块和筛选关联模块。各功能模块详细说明如下:
接收模块,用于接收语音信息;
推理模块,用于根据语音信息推理出事故类型;
匹配模块,用于根据事故类型匹配对应的一种或多种事故要素;
筛选关联模块,用于根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,视频流数据由安装在执法记录仪上的摄像头拍摄所得。
关于基于执法记录仪的信息采集系统的具体限定可以参见上文中对于基于执法记录仪的信息采集方法的限定,在此不再赘述。上述基于执法记录仪的信息采集系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中,也可以以软件形式存储于电子设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
参照图4,在一个实施例中,提供了一种电子设备,该电子设备可以是服务器,其内部结构图可以如图4所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于执法记录仪的信息采集方法:
接收语音信息;
根据语音信息推理出事故类型;
根据事故类型匹配对应的一种或多种事故要素;
根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,视频流数据由安装在执法记录仪上的摄像头拍摄所得。
该计算机程序被处理器执行时能实现上述方法实施例中任一种基于执法记录仪的信息采集方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收语音信息;
根据语音信息推理出事故类型;
根据事故类型匹配对应的一种或多种事故要素;
根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,视频流数据由安装在执法记录仪上的摄像头拍摄所得。
该计算机程序被处理器执行时能实现上述方法实施例中任一种基于执法记录仪的信息采集方法。
在一个实施例中,提供了一种执法记录仪,执法记录仪设有以下至少一种:如上述的电子设备、如上述的计算机存储介质。
本领域普通技术人员可以理解实现上述实施例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,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于执法记录仪的信息采集方法,其特征在于,包括:
接收语音信息;
根据语音信息推理出事故类型;
根据事故类型匹配对应的一种或多种事故要素;
根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,所述视频流数据由安装在执法记录仪上的摄像头拍摄所得。
2.根据权利要求1所述的基于执法记录仪的信息采集方法,其特征在于,所述根据事故要素在视频流数据中筛选出与事故要素相关联的要素图像包括:
获取终止信息,将获取到终止信息时的视频流数据中的一帧图像作为终止帧图像;
根据事故要素匹配对应的神经网络模型;
根据所述神经网络模型对视频流数据中的图像进行分析以标记出每帧图像中的对应事故要素的特征区域;
将视频流数据中直至终止帧图像的图像中按时序筛选出一帧或多帧图像,多帧图像按时序排序时,最后一帧图像为终止帧图像。
3.根据权利要求1所述的基于执法记录仪的信息采集方法,其特征在于,在获取到触发信号的情况下,接收语音信息。
4.根据权利要求1所述的基于执法记录仪的信息采集方法,其特征在于,所述根据语音信息推理出事故类型包括:
将所述语音信息输入预先训练好的神经网络模型,所述神经网络模型对所述语音信息进行推理生成事故类型。
5.根据权利要求2所述的基于执法记录仪的信息采集方法,其特征在于,所述获取终止信息包括:
对所述语音信息进行分析以获取终止信息。
6.根据权利要求3所述的基于执法记录仪的信息采集方法,其特征在于,所述触发信号至少包括以下一种或两种:
语音信号、触摸信号、按压信号。
7.一种基于执法记录仪的信息采集系统,其特征在于,包括:
接收模块,用于接收语音信息;
推理模块,用于根据语音信息推理出事故类型;
匹配模块,用于根据事故类型匹配对应的一种或多种事故要素;
筛选关联模块,用于根据事故要素在视频流数据中筛选出要素图像,并将要素图像与事故要素相关联,所述视频流数据由安装在执法记录仪上的摄像头拍摄所得。
8.一种电子设备,其特征在于,包括存储器、处理器以及存储在所述存储器中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1-6任一项所述的基于执法记录仪的信息采集方法的步骤。
9.一种计算机存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的基于执法记录仪的信息采集方法的步骤。
10.一种执法记录仪,其特征在于,所述执法记录仪设有以下至少一种:
如权利要求7所述的电子设备、如权利要求8所述的计算机存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838440.4A CN113596368A (zh) | 2021-07-23 | 2021-07-23 | 基于执法记录仪的信息采集方法及执法记录仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838440.4A CN113596368A (zh) | 2021-07-23 | 2021-07-23 | 基于执法记录仪的信息采集方法及执法记录仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113596368A true CN113596368A (zh) | 2021-11-02 |
Family
ID=78249351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110838440.4A Pending CN113596368A (zh) | 2021-07-23 | 2021-07-23 | 基于执法记录仪的信息采集方法及执法记录仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113596368A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116828099A (zh) * | 2023-08-29 | 2023-09-29 | 荣耀终端有限公司 | 一种拍摄方法、介质和电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373395A (zh) * | 2016-09-20 | 2017-02-01 | 三星电子(中国)研发中心 | 行车事故的监控方法和装置 |
CN106778595A (zh) * | 2016-12-12 | 2017-05-31 | 河北工业大学 | 基于高斯混合模型的人群中异常行为的检测方法 |
CN110477846A (zh) * | 2019-08-23 | 2019-11-22 | 西安交通大学医学院第二附属医院 | 一种消化内镜异常特征实时标记方法及系统 |
CN110782653A (zh) * | 2018-11-07 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种道路信息采集方法和系统 |
CN111355912A (zh) * | 2020-02-17 | 2020-06-30 | 江苏济楚信息技术有限公司 | 一种执法记录方法及系统 |
CN111863029A (zh) * | 2019-09-19 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种基于音频的事件检测方法和系统 |
US20210103747A1 (en) * | 2020-12-17 | 2021-04-08 | Hassnaa Moustafa | Audio-visual and cooperative recognition of vehicles |
CN112951271A (zh) * | 2020-11-27 | 2021-06-11 | 长沙理工大学 | 一种基于声学辅助的隧道交通安全警示方法、系统 |
-
2021
- 2021-07-23 CN CN202110838440.4A patent/CN113596368A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373395A (zh) * | 2016-09-20 | 2017-02-01 | 三星电子(中国)研发中心 | 行车事故的监控方法和装置 |
CN106778595A (zh) * | 2016-12-12 | 2017-05-31 | 河北工业大学 | 基于高斯混合模型的人群中异常行为的检测方法 |
CN110782653A (zh) * | 2018-11-07 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种道路信息采集方法和系统 |
CN110477846A (zh) * | 2019-08-23 | 2019-11-22 | 西安交通大学医学院第二附属医院 | 一种消化内镜异常特征实时标记方法及系统 |
CN111863029A (zh) * | 2019-09-19 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种基于音频的事件检测方法和系统 |
CN111355912A (zh) * | 2020-02-17 | 2020-06-30 | 江苏济楚信息技术有限公司 | 一种执法记录方法及系统 |
CN112951271A (zh) * | 2020-11-27 | 2021-06-11 | 长沙理工大学 | 一种基于声学辅助的隧道交通安全警示方法、系统 |
US20210103747A1 (en) * | 2020-12-17 | 2021-04-08 | Hassnaa Moustafa | Audio-visual and cooperative recognition of vehicles |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116828099A (zh) * | 2023-08-29 | 2023-09-29 | 荣耀终端有限公司 | 一种拍摄方法、介质和电子设备 |
CN116828099B (zh) * | 2023-08-29 | 2023-12-19 | 荣耀终端有限公司 | 一种拍摄方法、介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710780B (zh) | 一种归档方法及装置 | |
DE112018007475T5 (de) | Verfahren, System und Erfassungsendgerät zum Rückverfolgen der Qualität des Hülsen-Zementierens basierend auf einer Blockkette | |
CN109784170A (zh) | 基于图像识别的车险定损方法、装置、设备及存储介质 | |
CN108984657A (zh) | 图像推荐方法和装置、终端、可读存储介质 | |
CN111461170A (zh) | 车辆图像检测方法、装置、计算机设备及存储介质 | |
DE102019109288A1 (de) | Anlage und Verfahren für Analyse des importierten Videos | |
CN111191568A (zh) | 翻拍图像识别方法、装置、设备及介质 | |
CN111339979B (zh) | 基于特征提取的图像识别方法及图像识别装置 | |
CN109740003B (zh) | 一种归档方法及装置 | |
CN113596368A (zh) | 基于执法记录仪的信息采集方法及执法记录仪 | |
CN113342603B (zh) | 告警数据处理方法、装置、计算机设备和存储介质 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
CN112948612A (zh) | 人体封面生成方法、装置、电子设备及存储介质 | |
CN112634313A (zh) | 目标遮挡评估方法、系统、介质及装置 | |
CN114093014A (zh) | 一种图码关联强度计算方法、装置、设备及存储介质 | |
CN112306829A (zh) | 性能信息的确定方法及装置、存储介质、终端 | |
CN111224859A (zh) | 删除聊天记录的方法、计算机设备以及存储介质 | |
CN111079469B (zh) | 人脸图像的处理方法、装置、设备及可读存储介质 | |
CN113596369B (zh) | 多终端协同执法记录方法、电子设备及计算机储存介质 | |
CN115525523A (zh) | 数据处理方法、装置及电子设备、存储介质 | |
CN115309638A (zh) | 协助模型优化的方法及装置 | |
CN112149451B (zh) | 一种亲密度分析方法及装置 | |
CN113553950A (zh) | 一种异常事件检测方法、装置、电子设备及存储介质 | |
CN111310561A (zh) | 车辆配置识别方法及装置 | |
CN111159450A (zh) | 图片分类方法、装置、计算机设备和存储介质 |
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 |