CN114037941A - 针对视频目标属性进行算法多数据交叉验证补全的方法和装置 - Google Patents
针对视频目标属性进行算法多数据交叉验证补全的方法和装置 Download PDFInfo
- Publication number
- CN114037941A CN114037941A CN202111390107.8A CN202111390107A CN114037941A CN 114037941 A CN114037941 A CN 114037941A CN 202111390107 A CN202111390107 A CN 202111390107A CN 114037941 A CN114037941 A CN 114037941A
- Authority
- CN
- China
- Prior art keywords
- data
- attribute
- video
- algorithm
- module
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开针对视频目标属性进行算法多数据交叉验证补全的方法和装置。步骤为：由视频/图片对接模块对接视频流或图片流来进行目标对象的提取和检测；将上述输出的图片流输出给多算法调度模块，分别将图片流数据分发至多个算法引擎，由各个算法引擎模块对图片流数据进行特征提取和属性分析，并按算法维度分别输出结果；由数据分析模块对上述输出结果进行统一标准化，进行各属性值的对比分析，对不同算法之间属性一致性进行判断，对于非空输出的属性值，将一致的属性直接作为结果输出。本发明解决了单一算法场景下识别准确度不高的问题，从而提高属性值数据的准确性和完整性；利用历史准确的数据来完成数据验证来补全，代价不高，效果好。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及针对视频目标属性进行算法多数据交叉验证补全的方法和装置。
背景技术
在视频监控的发展过程中，经历了看得见、看的清、看的懂、看的准的四个过程，前两个过程已经是一个最基本的要求，后两个过程随着当前AI技术的发展，也已经在安防领域进行了实际场景的应用，通过视频结构化的技术可以利用计算机去帮助我们识别视频中的目标，例如识别出视频中出现的人脸、人体和机动车或非机动车等目标物体，通过深度学习技术可以对识别出的目标进行更精准的识别，能够知道目标具体的一些特征属性，但是目前视频结构化和AI技术对视频目标的识别和分析受到视频质量以及算法训练不充分等因素的限制，会存在一定的误差和数据的缺失，导致对实际的业务场景造成一定的影响。
发明内容
本发明的目的克服现有技术中的不足而提供针对视频目标属性进行算法多数据交叉验证补全的方法和装置，解决了单一算法场景下识别准确度不高的问题，从而提高属性值数据的准确性和完整性。
本发明的技术方案如下：
针对视频目标属性进行算法多数据交叉验证补全的方法，步骤如下：
由视频/图片对接模块对接视频流或图片流来进行目标对象的提取和检测；
将上述输出的图片流输出给多算法调度模块，分别将图片流数据分发至多个算法引擎，由各个算法引擎模块对图片流数据进行特征提取和属性分析，并按算法维度分别输出结果；
由数据分析模块对上述输出结果进行统一标准化，进行各属性值的对比分析，对不同算法之间属性一致性进行判断，对于非空输出的属性值，将一致的属性直接作为结果输出；
由数据存储模块将上述步骤中的属性值数据进行整合汇总存储并进行输出。
具体的，如接入的是视频流，则将视频流进行分析，提取出包含目标对象的视频帧，输出对应的图片流；如对接的是图片流，则直接输出。
具体的，针对上述步骤中多算法输出不一致的属性值，由选举模块通过选举法来确定属性的结果，以输出不一致属性的结果。
具体的，针对上述步骤中存在部分属性未能识别出结果的情况，在多个算法内部进行数据内部补全。
具体的，如某个属性只有一个算法识别出结果，在无法通过选举来确定属性的情况下，利用数据唯一的原则进行补充。
具体的，针对上述步骤中属性完全缺失的情况，通过历史数据比对模块利用其他属性值在历史分析的记录中获取缺失属性值。
上述属性值数据存储分为原始数据和验证后数据，所述原始数据的存留可进行溯源及再次分析。
针对视频目标属性进行算法多数据交叉验证补全的装置，包括，
视频/图片对接模块：负责视频流数据和图片流数据进行对接，将视频流转化成图片流进行统一输出；
多算法调度模块：负责对多算法进行数据分发以及数据的标准化；
算法引擎模块：负责对图片数据进行特征提取和属性值分析；
数据分析模块：负责将多个算法引擎输出的数据进行汇总分析，根据单个属性进行比较分析；
选举模块：对数据分析模块输出不一致的属性进行投票选举来确定属性结果，同时提供多种选举算法的接口定义，支持一些自定义的选举方法，来进行灵活的数据选举；
历史数据比对模块：基于部分属性来关联历史数据进行属性的补全，同时也可以对已经确定的属性值进行历史数据的一致性验证；
数据存储模块：负责将原始数据和验证补全后的数据进行存储，便于进行查询和分析。
本发明的有益效果：本发明解决了单一算法场景下识别准确度不高的问题，从而提高属性值数据的准确性和完整性；利用历史准确的数据来完成数据验证来补全，代价不高，效果好。
附图说明
图1为针对视频目标属性进行算法多数据交叉验证补全的方法流程图；
图2为针对视频目标属性进行算法多数据交叉验证补全的装置框架图。
具体实施方式
为了更好的说明本发明，现结合实施例及附图作进一步的说明。
实施例1：
针对视频目标属性进行算法多数据交叉验证补全的方法，步骤如下：
S01：由视频/图片对接模块对视频流或者图片流来进行目标对象的提取和检测；如果接入的是视频流，则将视频流进行分析，提取出包含目标对象的视频帧，输出对应的图片流；如对接的是图片流，则直接输出图片流；
S02：将步骤S01中输出的图片流传输至多算法调度模块，分别将图片流数据分发至多个算法引擎，由各个算法引擎对图片流数据进行特征提取和属性分析，并按算法维度分别输出结果；
S03：对步骤S02中输出的结果数据传输至数据分析模块进行统一标准化，然后进行各属性值的对比分析，对不同算法之间属性一致性进行判断，对于非空输出的属性值，则将一致的属性直接作为结果输出；
S04：针对步骤S03中多算法输出不一致的属性值，采用选举算法来确定属性的结果；最简单的选举为通过数量来判断，此处支持通过一些自定义的选举算法，可以通过一些数学计算模型来进行选举，具体的，进行一些属性差异值的正负偏离度来判断，最终输出不一致属性的结果；
S05：针对步骤S03中存在部分属性未能识别出结果的情况，可在多个算法内部进行数据内部补充，如某个属性只有一个算法识别出结果，在无法通过选举来确定属性的情况下，可利用数据唯一的原则进行补充；
S06：针对步骤S03中属性完全缺失的情况，利用其他属性值在历史分析的记录中去获取缺失属性值；具体的，例如：通过视频结构化算法识别出了车牌信息，但车辆的厂商和类型等未识别出，考虑到可能是当前图片的质量不佳造成无法识别出结果，在历史的数据中针对同一车牌的其他属性值会有记录，从而通过车牌来关联获取其他属性值进行缺失属性的补充；
S07：将上述步骤的属性值数据进行融合汇总存储并进行输出，数据存储分为原始数据和验证后数据，原始数据的存留可以进行溯源以及再次分析。
实施例2：
针对视频目标属性进行算法多数据交叉验证补全的装置，包括，
视频/图片对接模块：负责视频流数据和图片流数据进行对接，将视频流转化成图片流进行统一输出；
多算法调度模块：负责对多算法进行数据分发以及数据的标准化；
算法引擎模块：负责对图片数据进行特征提取和属性值分析；
数据分析模块：负责将多个算法引擎输出的数据进行汇总分析，根据单个属性进行比较分析；
选举模块：对数据分析模块输出不一致的属性进行投票选举来确定属性结果，同时提供多种选举算法的接口定义，支持一些自定义的选举方法，来进行灵活的数据选举；
历史数据比对模块：基于部分属性来关联历史数据进行属性的补全，同时也可以对已经确定的属性值进行历史数据的一致性验证；
数据存储模块：负责将原始数据和验证补全后的数据进行存储，便于进行查询和分析。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围内。
Claims (8)
1.针对视频目标属性进行算法多数据交叉验证补全的方法，其特征在于：步骤如下：
由视频/图片对接模块对接视频流或图片流来进行目标对象的提取和检测；
将上述输出的图片流输出给多算法调度模块，分别将图片流数据分发至多个算法引擎，由各个算法引擎模块对图片流数据进行特征提取和属性分析，并按算法维度分别输出结果；
由数据分析模块对上述输出结果进行统一标准化，进行各属性值的对比分析，对不同算法之间属性一致性进行判断，对于非空输出的属性值，将一致的属性直接作为结果输出；
由数据存储模块将上述步骤中的属性值数据进行整合汇总存储并进行输出。
2.根据权利要求1所述针对视频目标属性进行算法多数据交叉验证补全的方法，其特征在于：如接入的是视频流，则将视频流进行分析，提取出包含目标对象的视频帧，输出对应的图片流；如对接的是图片流，则直接输出。
3.根据权利要求1所述针对视频目标属性进行算法多数据交叉验证补全的方法，其特征在于：针对步骤中多算法输出不一致的属性值，由选举模块通过选举法来确定属性的结果，以输出不一致属性的结果。
4.根据权利要求1所述针对视频目标属性进行算法多数据交叉验证补全的方法，其特征在于：针对步骤中存在部分属性未能识别出结果的情况，在多个算法内部进行数据内部补全。
5.根据权利要求4所述针对视频目标属性进行算法多数据交叉验证补全的方法，其特征在于：如某个属性只有一个算法识别出结果，在无法通过选举来确定属性的情况下，利用数据唯一的原则进行补充。
6.根据权利要求1所述针对视频目标属性进行算法多数据交叉验证补全的方法，其特征在于：针对步骤中属性完全缺失的情况，通过历史数据比对模块利用其他属性值在历史分析的记录中获取缺失属性值。
7.根据权利要求1所述针对视频目标属性进行算法多数据交叉验证补全的方法，其特征在于：所述属性值数据存储分为原始数据和验证后数据，所述原始数据的存留可进行溯源及再次分析。
8.针对视频目标属性进行算法多数据交叉验证补全的装置，其特征在于：包括，
视频/图片对接模块：负责视频流数据和图片流数据进行对接，将视频流转化成图片流进行统一输出；
多算法调度模块：负责对多算法进行数据分发以及数据的标准化；
算法引擎模块：负责对图片数据进行特征提取和属性值分析；
数据分析模块：负责将多个算法引擎输出的数据进行汇总分析，根据单个属性进行比较分析；
选举模块：对数据分析模块输出不一致的属性进行投票选举来确定属性结果，同时提供多种选举算法的接口定义，支持一些自定义的选举方法，来进行灵活的数据选举；
历史数据比对模块：基于部分属性来关联历史数据进行属性的补全，同时也可以对已经确定的属性值进行历史数据的一致性验证；
数据存储模块：负责将原始数据和验证补全后的数据进行存储，便于进行查询和分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111390107.8A CN114037941A (zh) | 2021-11-22 | 2021-11-22 | 针对视频目标属性进行算法多数据交叉验证补全的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111390107.8A CN114037941A (zh) | 2021-11-22 | 2021-11-22 | 针对视频目标属性进行算法多数据交叉验证补全的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114037941A true CN114037941A (zh) | 2022-02-11 |
Family
ID=80138620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111390107.8A Pending CN114037941A (zh) | 2021-11-22 | 2021-11-22 | 针对视频目标属性进行算法多数据交叉验证补全的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114037941A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116051018A (zh) * | 2022-11-25 | 2023-05-02 | 北京多氪信息科技有限公司 | 选举处理方法、装置、电子设备及计算机可读存储介质 |
-
2021
- 2021-11-22 CN CN202111390107.8A patent/CN114037941A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116051018A (zh) * | 2022-11-25 | 2023-05-02 | 北京多氪信息科技有限公司 | 选举处理方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113379123A (zh) | 基于数字孪生的故障预测方法、装置、服务器及存储介质 | |
| Huybrechts et al. | Automatic reverse engineering of CAN bus data using machine learning techniques | |
| US11189019B2 (en) | Method for detecting defects, electronic device, and computer readable medium | |
| CN111652087B (zh) | 验车方法、装置、电子设备和存储介质 | |
| CN110287936B (zh) | 图像检测方法、装置、设备及存储介质 | |
| CN110348392B (zh) | 车辆匹配方法及设备 | |
| US10423817B2 (en) | Latent fingerprint ridge flow map improvement | |
| CN111125658B (zh) | 识别欺诈用户的方法、装置、服务器和存储介质 | |
| CN110660102A (zh) | 基于人工智能的说话人识别方法及装置、系统 | |
| CN112580734A (zh) | 目标检测模型训练方法、系统、终端设备及存储介质 | |
| CN114037941A (zh) | 针对视频目标属性进行算法多数据交叉验证补全的方法和装置 | |
| CN113254693A (zh) | 用于部件故障分析的图像识别和检索 | |
| US20210390802A1 (en) | Method, Computer Program And Device For Processing Signals | |
| US10755074B2 (en) | Latent fingerprint pattern estimation | |
| CN115587670A (zh) | 一种基于指标图谱的产品质量诊断方法及装置 | |
| CN112069269B (zh) | 基于大数据和多维特征的数据溯源方法及大数据云服务器 | |
| CN111507420A (zh) | 轮胎信息获取方法、装置、计算机设备和存储介质 | |
| CN111368651A (zh) | 一种车辆识别方法、装置及电子设备 | |
| CN111553408A (zh) | 视频识别软件自动测试的方法 | |
| CN117173172B (zh) | 一种基于机器视觉的硅胶成型效果检测方法及系统 | |
| CN112699908A (zh) | 标注图片的方法、电子终端、计算机可读存储介质及设备 | |
| CN116560894B (zh) | 应用机器学习的无人机故障数据分析方法、服务器及介质 | |
| US20240078794A1 (en) | Method And Device For Validating Annotations Of Objects | |
| CN109034212B (zh) | 一种终端生物识别性能测试方法及装置 | |
| CN110555051B (zh) | 基于行为序列分析的产品测试异常行为检测系统 |
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 |