CN114067340B - 一种信息重要性智能判定方法和系统 - Google Patents
一种信息重要性智能判定方法和系统 Download PDFInfo
- Publication number
- CN114067340B CN114067340B CN202210046345.5A CN202210046345A CN114067340B CN 114067340 B CN114067340 B CN 114067340B CN 202210046345 A CN202210046345 A CN 202210046345A CN 114067340 B CN114067340 B CN 114067340B
- Authority
- CN
- China
- Prior art keywords
- information
- image
- audio
- preset
- acquisition time
- 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.)
- Active
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及信息提取技术领域,具体公开了一种信息重要性智能判定方法,所述方法包括根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率;根据所述图像获取频率实时获取含有获取时间的区域图像,进行内容识别,得到区域信息;根据区域信息确定风险级别,并修正所述音频获取时段,将音频信息转换为文本数据;根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息。本发明搭建音频‑图像的递归信息获取系统,通过音频信息调整图像获取频率,通过图像调整音频处理过程,最终确定核心图像,也就是重要信息,极大地提高了资源的利用率。
Description
技术领域
本发明涉及信息提取技术领域,具体是一种信息重要性智能判定方法和系统。
背景技术
现有的监控系统中会有很多图像获取设备,这些图像获取设备中一般都会设有音频获取模块,获取到的图像和音频数据会通过本地存储器或者云端进行存储,这种存储一般都是有时效的,比如,一周后自动删除等等。
可以想到,在上述方案中,存在着大量的无效信息,这些信息不旦会占用存储空间,而且在后续的信息提取过程中,还需要很大的人力成本,诚然,在一些重要场合,需要实时的,不间断的监测,但是对于一些不是那么重要并且变同程度也很小的场合,我们更希望获取到的是更加有用的数据。
发明内容
本发明的目的在于提供一种信息重要性智能判定方法和系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种信息重要性智能判定方法,所述方法包括:
根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率;
根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息;其中,所述区域信息包括位置表和区域物品表,所述位置表包括活动体的位置信息;
根据区域信息确定风险级别,并修正所述音频获取时段;当所述风险级别达到预设的风险阈值时,根据修正后的音频获取时段获取音频信息,并将音频信息转换为文本数据;
根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息;其中,所述风险位置与音频信息的获取时间为映射关系,所述音频信息的获取时间与图像信息的获取时间为映射关系。
作为本发明进一步的方案:所述根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率的步骤包括:
根据预设的音频获取时段定时获取音频信息,根据所述音频信息生成波动图,并生成波动图的导数图;
根据预设的幅度阈值截取所述导数图,确定信息点;
根据所述信息点截取有效波段,并对所述有效波段进行人声提取,得到文本信息;
对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率。
作为本发明进一步的方案:所述对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率的步骤包括:
对所述文本信息进行词性分析,根据词性分析结果标记不同的词进行标记;
以语句为单位统计标记信息,生成语句架构,根据预设的语句架构表对所述语句架构进行含意评估,得到含意分;
根据预设的分数范围提取相应语句,将提取的语句输入训练好的语义识别模型,判断所述语句是否为有意语句;
根据判断结果确定图像获取频率。
作为本发明进一步的方案:所述根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息的步骤包括:
根据所述图像获取频率实时获取含有获取时间的区域图像,根据所述获取时间依次对所述区域图像进行轮廓识别;
计算轮廓的像素点数,根据预设的点数范围筛选出区域图像中的特征轮廓;
对所述特征轮廓进行内容识别,得到区域信息。
作为本发明进一步的方案:对所述区域图像进行轮廓识别的步骤包括:
遍历所述区域图像中的像素点,获取所述像素点的色值;
依次读取相邻像素点的色值,计算相邻像素点的色值差,比对所述色值差与预设的容差;
当所述色值差在所述容差以上时,标记所述像素点;当所述色值差小于所述容差时,继续读取下一相邻像素点;
统计标记的像素点,生成特征轮廓。
作为本发明进一步的方案:所述对所述特征轮廓进行内容识别,得到区域信息的步骤包括:
确定各特征轮廓的轮廓中心点位置,并计算相邻区域图像的各轮廓中心点位置的偏移距离;
将所述偏移距离与预设的距离阈值进行比对,根据比对结果将所述特征轮廓分为动态轮廓和静态轮廓;
对所述动态轮廓进行内容识别,根据预设的比例尺生成位置表;
对所述静态轮廓进行内容识别,生成区域物品表。
作为本发明进一步的方案:所述根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息的步骤包括:
将所述文本数据输入训练好的词组分类模型,得到词组数据;
遍历所述词组数据,根据预设的敏感词库标记所述词组数据中的敏感词;
依次获取标记位置,根据所述标记位置获取音频时间,根据所述音频时间读取相应的区域图像,作为输出信息。
本发明技术方案还提供了一种信息重要性智能判定系统,所述系统包括:
频率确定模块,用于根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率;
区域图像识别模块,用于根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息;其中,所述区域信息包括位置表和区域物品表,所述位置表包括活动体的位置信息;
文本数据转换模块,用于根据区域信息确定风险级别,并修正所述音频获取时段;当所述风险级别达到预设的风险阈值时,根据修正后的音频获取时段获取音频信息,并将音频信息转换为文本数据;
图像标记模块,用于根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息;其中,所述风险位置与音频信息的获取时间为映射关系,所述音频信息的获取时间与图像信息的获取时间为映射关系。
作为本发明进一步的方案:所述频率确定模块包括:
导数图生成单元,用于根据预设的音频获取时段定时获取音频信息,根据所述音频信息生成波动图,并生成波动图的导数图;
信息点确定单元,用于根据预设的幅度阈值截取所述导数图,确定信息点;
人声提取单元,用于根据所述信息点截取有效波段,并对所述有效波段进行人声提取,得到文本信息;
语义识别单元,用于对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率。
作为本发明进一步的方案:所述语义识别单元包括:
标记子单元,用于对所述文本信息进行词性分析,根据词性分析结果标记不同的词进行标记;
统计子单元,用于以语句为单位统计标记信息,生成语句架构,根据预设的语句架构表对所述语句架构进行含意评估,得到含意分;
模型判断子单元,用于根据预设的分数范围提取相应语句,将提取的语句输入训练好的语义识别模型,判断所述语句是否为有意语句;
执行子单元,用于根据判断结果确定图像获取频率。
与现有技术相比,本发明的有益效果是:本发明搭建音频-图像的递归信息获取系统,通过音频信息调整图像获取频率,通过图像调整音频处理过程,最终确定核心图像,也就是重要信息,极大地提高了资源的利用率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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。
图1示出了信息重要性智能判定方法的流程框图。
图2示出了信息重要性智能判定方法的第一子流程框图。
图3示出了信息重要性智能判定方法的第二子流程框图。
图4示出了信息重要性智能判定方法的第三子流程框图。
图5示出了信息重要性智能判定方法的第四子流程框图。
图6示出了信息重要性智能判定方法的第五子流程框图。
图7示出了信息重要性智能判定系统的组成结构框图。
图8示出了信息重要性智能判定系统中频率确定模块的组成结构框图。
图9示出了频率确定模块中语义识别单元的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1示出了信息重要性智能判定方法的流程框图,本发明实施例中,一种信息重要性智能判定方法,所述方法包括步骤S100至步骤S400:
步骤S100:根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率;
现有的图像获取设备一般都会具备音频获取模块,获取到的图像和音频数据会通过本地存储器或者云端进行存储,当然,这种存储都有时效限制,比如,在达到预设的时间点时自动删除;但是,在现有技术中,只是获取信息然后存储的过程,并不会根据这些数据进行操作;步骤S100就搭建了这一动态判定过程,由音频信息确定图像的获取频率,从而减少重复的数据量,降低数据存储压力,提高数据保存时长。值得一提的是,如果图像获取频率较高,便可以视为录像。
步骤S200:根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息;其中,所述区域信息包括位置表和区域物品表,所述位置表包括活动体的位置信息;
步骤S200是识别模块,对于区域的具体判断主要还是依靠图像信息,现有的图像识别技术有很多,并且都是公开的示例,采取不同的图像识别算法,能够得到不同的区域信息。本发明技术方案想要获取的内容是活动体和固定物体两类,活动体是指人或者小动物。需要说明的是,本发明技术方案对精度的要求不需要很高。
步骤S300:根据区域信息确定风险级别,并修正所述音频获取时段;当所述风险级别达到预设的风险阈值时,根据修正后的音频获取时段获取音频信息,并将音频信息转换为文本数据;
根据区域信息确定风险级别的步骤实际上需要对具体问题进行考虑,比如,不同区域中危险品的判定标准是不同的,在一些禁止使用通讯设备的车间中,通讯设备就是危险品。
进一步的,根据位置表判断工作人员是否出现在了风险地区,进而作为风险级别的确定标准。当风险达到一定程度时,需要进一步获取音频信息,音频信息的处理速度大于图像信息的处理速度,此外,在限定区域内,声音的传播时间能够忽略,音频信息对于动态信息的反映能力大于图像信息对于动态信息的反映能力。
步骤S400:根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息;其中,所述风险位置与音频信息的获取时间为映射关系,所述音频信息的获取时间与图像信息的获取时间为映射关系;
步骤S400提供了一种具体的根据音频信息反映区域风险状态的方案,将音频信息转换为文本数据,对文本数据进行内容识别,然后标记风险词,根据风险词位置标记相应的区域图像,标记的区域图像就是重要的信息;当标记过程完成后,将标记的图像上传至人工操作后台,进行人工识别。
图2示出了信息重要性智能判定方法的第一子流程框图,所述根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率的步骤包括步骤S101至步骤S104:
步骤S101:根据预设的音频获取时段定时获取音频信息,根据所述音频信息生成波动图,并生成波动图的导数图;
步骤S102:根据预设的幅度阈值截取所述导数图,确定信息点;
步骤S103:根据所述信息点截取有效波段,并对所述有效波段进行人声提取,得到文本信息;
步骤S104:对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率。
步骤S101至步骤S104提供了一种具体的根据音频信息确定图像获取频率的方案,音频信息的波动频率较高并且稳定性较差,直观的说,音频信息的波形图是杂乱的,为了对波动图进行处理,上述过程中进行的是求导操作,求导之后得到的导数图,就代表着音频信息的波动程度,当音频信息处于稳定范围内时,其导数图也会很稳定。
图3示出了信息重要性智能判定方法的第二子流程框图,所述对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率的步骤包括步骤S1041至步骤S1044:
步骤S1041:对所述文本信息进行词性分析,根据词性分析结果标记不同的词进行标记;
步骤S1042:以语句为单位统计标记信息,生成语句架构,根据预设的语句架构表对所述语句架构进行含意评估,得到含意分;
步骤S1043:根据预设的分数范围提取相应语句,将提取的语句输入训练好的语义识别模型,判断所述语句是否为有意语句;
步骤S1044:根据判断结果确定图像获取频率。
上述内容中的语句架构需要进一步的解释,对于中文来说,语句架构的组合方式是有限的,比如动词+名词或是副词+动词+形容词+名词,这就是语句架构,如果在某一句话中,只存在名词,那么就能够认为该文本信息无意义,造成这一情况的原因有很多,比如,当若干个工作人员在交谈时,根据获取到的音频信息生成的文本信息是无意义的可能性较高。
其中,所述语义识别模型属于现有技术,举例来说,当我们在编辑word文档时,如果出现了动词与名词不匹配的情况,编辑器就会用红色或绿色的波浪线将该部分标记出来。
判断结果确定图像获取频率的具体方式有很多,一般情况下,我们需要检测的场景是:若干个工作人员在有序交谈。在这一场景下,图像获取频率较高;对于安静环境或嘈杂环境,图像获取频率较低。
图4示出了信息重要性智能判定方法的第三子流程框图,所述根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息的步骤包括步骤S201至步骤S203:
步骤S201:根据所述图像获取频率实时获取含有获取时间的区域图像,根据所述获取时间依次对所述区域图像进行轮廓识别;
步骤S202:计算轮廓的像素点数,根据预设的点数范围筛选出区域图像中的特征轮廓;
步骤S203:对所述特征轮廓进行内容识别,得到区域信息。
图像的轮廓识别过程可以类比于Photoshop中的魔棒工具,将区域图像分解为不同区域;当分解过程完成后,筛选掉一些像素点数超出预定值的轮廓,这些超出预定值的轮廓,识别价值很低。
在确定了轮廓后,对该轮廓进行内容识别,得到区域信息。
作为本发明技术方案的一个优选实施例,对所述区域图像进行轮廓识别的步骤包括:
遍历所述区域图像中的像素点,获取所述像素点的色值;
依次读取相邻像素点的色值,计算相邻像素点的色值差,比对所述色值差与预设的容差;
当所述色值差在所述容差以上时,标记所述像素点;当所述色值差小于所述容差时,继续读取下一相邻像素点;
统计标记的像素点,生成特征轮廓。
上述内容提供了一种具体的特征轮廓生成方案,在轮廓筛选完成后,获取各像素点色值,当相邻像素点色值差过大时,就说明它是“边界”,举例来说,在一个区域图像中,存在一个穿着红色上衣的工作人员,该红色上衣与区域图像中其他部分的色值差大于预设的容差,因此,根据色值差能够确定区域图像的轮廓信息。
图5示出了信息重要性智能判定方法的第四子流程框图,所述对所述特征轮廓进行内容识别,得到区域信息的步骤包括步骤S2031至步骤S2034:
步骤S2031:确定各特征轮廓的轮廓中心点位置,并计算相邻区域图像的各轮廓中心点位置的偏移距离;
步骤S2032:将所述偏移距离与预设的距离阈值进行比对,根据比对结果将所述特征轮廓分为动态轮廓和静态轮廓;
步骤S2033:对所述动态轮廓进行内容识别,根据预设的比例尺生成位置表;
步骤S2034:对所述静态轮廓进行内容识别,生成区域物品表。
步骤S2031至步骤S2034是具体的执行步骤,生成的数据是位置表和区域物品表,其中,位置表对应活动物体,区域物品表对应静物,现有的容易出现危险情况的场景,主要包括人员的位置不正确的场景和器具的使用情况不正确的场景。
图6示出了信息重要性智能判定方法的第五子流程框图,所述根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息的步骤包括步骤S401至步骤S403:
步骤S401:将所述文本数据输入训练好的词组分类模型,得到词组数据;
步骤S402:遍历所述词组数据,根据预设的敏感词库标记所述词组数据中的敏感词;
步骤S403:依次获取标记位置,根据所述标记位置获取音频时间,根据所述音频时间读取相应的区域图像,作为输出信息。
在步骤S401至步骤S403中,根据图像信息再次调整音频信息,根据音频信息生成文本数据,然后对文本数据进行内容识别,这一过程的目的是识别关键词,根据关键词的位置确定音频信息的获取时间,根据所述获取时间提取对应时刻获取到的图像信息,进一步地,根据图像信息对区域实际情况进行进一步的分析。
实施例2
图7示出了信息重要性智能判定系统的组成结构框图,本发明实施例中,一种信息重要性智能判定系统,所述系统10包括:
频率确定模块11,用于根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率;
区域图像识别模块12,用于根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息;其中,所述区域信息包括位置表和区域物品表,所述位置表包括活动体的位置信息;
文本数据转换模块13,用于根据区域信息确定风险级别,并修正所述音频获取时段;当所述风险级别达到预设的风险阈值时,根据修正后的音频获取时段获取音频信息,并将音频信息转换为文本数据;
图像标记模块14,用于根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息;其中,所述风险位置与音频信息的获取时间为映射关系,所述音频信息的获取时间与图像信息的获取时间为映射关系。
图8示出了信息重要性智能判定系统中频率确定模块的组成结构框图,所述频率确定模块11包括:
导数图生成单元111,用于根据预设的音频获取时段定时获取音频信息,根据所述音频信息生成波动图,并生成波动图的导数图;
信息点确定单元112,用于根据预设的幅度阈值截取所述导数图,确定信息点;
人声提取单元113,用于根据所述信息点截取有效波段,并对所述有效波段进行人声提取,得到文本信息;
语义识别单元114,用于对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率。
图9示出了频率确定模块中语义识别单元的组成结构框图,所述语义识别单元114包括:
标记子单元1141,用于对所述文本信息进行词性分析,根据词性分析结果标记不同的词进行标记;
统计子单元1142,用于以语句为单位统计标记信息,生成语句架构,根据预设的语句架构表对所述语句架构进行含意评估,得到含意分;
模型判断子单元1143,用于根据预设的分数范围提取相应语句,将提取的语句输入训练好的语义识别模型,判断所述语句是否为有意语句;
执行子单元1144,用于根据判断结果确定图像获取频率。
所述信息重要性智能判定方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述信息重要性智能判定方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种信息重要性智能判定方法,其特征在于,所述方法包括:
根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率;
根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息;其中,所述区域信息包括位置表和区域物品表,所述位置表包括活动体的位置信息;
根据区域信息确定风险级别,并修正所述音频获取时段;当所述风险级别达到预设的风险阈值时,根据修正后的音频获取时段获取音频信息,并将音频信息转换为文本数据;
根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息;其中,所述风险位置与音频信息的获取时间为映射关系,所述音频信息的获取时间与图像信息的获取时间为映射关系;
所述根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率的步骤包括:
根据预设的音频获取时段定时获取音频信息,根据所述音频信息生成波动图,并生成波动图的导数图;
根据预设的幅度阈值截取所述导数图,确定信息点;
根据所述信息点截取有效波段,并对所述有效波段进行人声提取,得到文本信息;
对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率;
所述对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率的步骤包括:
对所述文本信息进行词性分析,根据词性分析结果标记不同的词进行标记;
以语句为单位统计标记信息,生成语句架构,根据预设的语句架构表对所述语句架构进行含意评估,得到含意分;
根据预设的分数范围提取相应语句,将提取的语句输入训练好的语义识别模型,判断所述语句是否为有意语句;
根据判断结果确定图像获取频率。
2.根据权利要求1所述的信息重要性智能判定方法,其特征在于,所述根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息的步骤包括:
根据所述图像获取频率实时获取含有获取时间的区域图像,根据所述获取时间依次对所述区域图像进行轮廓识别;
计算轮廓的像素点数,根据预设的点数范围筛选出区域图像中的特征轮廓;
对所述特征轮廓进行内容识别,得到区域信息。
3.根据权利要求2所述的信息重要性智能判定方法,其特征在于,对所述区域图像进行轮廓识别的步骤包括:
遍历所述区域图像中的像素点,获取所述像素点的色值;
依次读取相邻像素点的色值,计算相邻像素点的色值差,比对所述色值差与预设的容差;
当所述色值差在所述容差以上时,标记所述像素点;当所述色值差小于所述容差时,继续读取下一相邻像素点;
统计标记的像素点,生成特征轮廓。
4.根据权利要求2所述的信息重要性智能判定方法,其特征在于,所述对所述特征轮廓进行内容识别,得到区域信息的步骤包括:
确定各特征轮廓的轮廓中心点位置,并计算相邻区域图像的各轮廓中心点位置的偏移距离;
将所述偏移距离与预设的距离阈值进行比对,根据比对结果将所述特征轮廓分为动态轮廓和静态轮廓;
对所述动态轮廓进行内容识别,根据预设的比例尺生成位置表;
对所述静态轮廓进行内容识别,生成区域物品表。
5.根据权利要求1-4任一项所述的信息重要性智能判定方法,其特征在于,所述根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息的步骤包括:
将所述文本数据输入训练好的词组分类模型,得到词组数据;
遍历所述词组数据,根据预设的敏感词库标记所述词组数据中的敏感词;
依次获取标记位置,根据所述标记位置获取音频时间,根据所述音频时间读取相应的区域图像,作为输出信息。
6.一种信息重要性智能判定系统,其特征在于,所述系统包括:
频率确定模块,用于根据预设的音频获取时段定时获取音频信息,根据所述音频信息确定图像获取频率;
区域图像识别模块,用于根据所述图像获取频率实时获取含有获取时间的区域图像,对所述区域图像进行内容识别,得到区域信息;其中,所述区域信息包括位置表和区域物品表,所述位置表包括活动体的位置信息;
文本数据转换模块,用于根据区域信息确定风险级别,并修正所述音频获取时段;当所述风险级别达到预设的风险阈值时,根据修正后的音频获取时段获取音频信息,并将音频信息转换为文本数据;
图像标记模块,用于根据预设的敏感词库对所述文本数据进行风险识别,定位文本数据的风险位置,根据所述风险位置标记相应的区域图像,作为输出信息;其中,所述风险位置与音频信息的获取时间为映射关系,所述音频信息的获取时间与图像信息的获取时间为映射关系;
所述频率确定模块包括:
导数图生成单元,用于根据预设的音频获取时段定时获取音频信息,根据所述音频信息生成波动图,并生成波动图的导数图;
信息点确定单元,用于根据预设的幅度阈值截取所述导数图,确定信息点;
人声提取单元,用于根据所述信息点截取有效波段,并对所述有效波段进行人声提取,得到文本信息;
语义识别单元,用于对所述文本信息进行语义识别,根据语义识别结果确定图像获取频率;
所述语义识别单元包括:
标记子单元,用于对所述文本信息进行词性分析,根据词性分析结果标记不同的词进行标记;
统计子单元,用于以语句为单位统计标记信息,生成语句架构,根据预设的语句架构表对所述语句架构进行含意评估,得到含意分;
模型判断子单元,用于根据预设的分数范围提取相应语句,将提取的语句输入训练好的语义识别模型,判断所述语句是否为有意语句;
执行子单元,用于根据判断结果确定图像获取频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210046345.5A CN114067340B (zh) | 2022-01-17 | 2022-01-17 | 一种信息重要性智能判定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210046345.5A CN114067340B (zh) | 2022-01-17 | 2022-01-17 | 一种信息重要性智能判定方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114067340A CN114067340A (zh) | 2022-02-18 |
CN114067340B true CN114067340B (zh) | 2022-05-20 |
Family
ID=80231001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210046345.5A Active CN114067340B (zh) | 2022-01-17 | 2022-01-17 | 一种信息重要性智能判定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067340B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565895B (zh) * | 2022-04-28 | 2022-07-26 | 深圳市博铭维系统工程有限公司 | 一种基于智慧社会的安防监控系统及方法 |
CN115858831B (zh) * | 2023-02-22 | 2023-06-23 | 珠海大横琴孵化器管理有限公司 | 一种数据库用数据存储方法 |
CN116295741B (zh) * | 2023-02-23 | 2023-08-22 | 浙江大学 | 一种基于气垫的体重监测方法及系统 |
CN116385706B (zh) * | 2023-06-06 | 2023-08-25 | 山东外事职业大学 | 基于图像识别技术的信号检测方法和系统 |
CN118173272B (zh) * | 2024-05-14 | 2024-08-02 | 浙江大学 | 一种通过sofa评分的衰减确定风险级别并进行预警的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818785A (zh) * | 2017-09-26 | 2018-03-20 | 平安普惠企业管理有限公司 | 一种从多媒体文件中提取信息的方法及终端设备 |
CN111931510A (zh) * | 2019-04-25 | 2020-11-13 | 广东小天才科技有限公司 | 一种基于神经网络的意图识别方法及装置、终端设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10218954B2 (en) * | 2013-08-15 | 2019-02-26 | Cellular South, Inc. | Video to data |
CN110399461A (zh) * | 2019-07-19 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN113256937A (zh) * | 2021-07-07 | 2021-08-13 | 常州分音塔科技有限公司 | 基于音频事件智能检测的智能家居看护方法及系统 |
CN113542692A (zh) * | 2021-07-19 | 2021-10-22 | 临沂边锋自动化设备有限公司 | 一种基于监控视频的人脸识别系统及方法 |
CN113807364A (zh) * | 2021-09-08 | 2021-12-17 | 国网内蒙古东部电力有限公司兴安供电公司 | 一种基于三光融合成像的电力设备缺陷检测方法及系统 |
CN113744730B (zh) * | 2021-09-13 | 2023-09-08 | 北京奕斯伟计算技术股份有限公司 | 声音检测方法及装置 |
-
2022
- 2022-01-17 CN CN202210046345.5A patent/CN114067340B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818785A (zh) * | 2017-09-26 | 2018-03-20 | 平安普惠企业管理有限公司 | 一种从多媒体文件中提取信息的方法及终端设备 |
CN111931510A (zh) * | 2019-04-25 | 2020-11-13 | 广东小天才科技有限公司 | 一种基于神经网络的意图识别方法及装置、终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114067340A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114067340B (zh) | 一种信息重要性智能判定方法和系统 | |
CN109087670B (zh) | 情绪分析方法、系统、服务器及存储介质 | |
CN107239666B (zh) | 一种对医疗影像数据进行脱敏处理的方法及系统 | |
CN109710949B (zh) | 一种翻译方法及翻译机 | |
CN110263311B (zh) | 一种网络页面的生成方法及设备 | |
CN113746758B (zh) | 一种动态识别流量协议的方法和终端 | |
CN108664471B (zh) | 文字识别纠错方法、装置、设备及计算机可读存储介质 | |
CN117609475A (zh) | 基于大模型的问答回复方法、系统、终端及存储介质 | |
CN111488737B (zh) | 文本识别方法、装置及设备 | |
US20150213007A1 (en) | Translation processing device, non-transitory computer readable medium, and translation processing method | |
CN113705468A (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
US20050033566A1 (en) | Natural language processing method | |
CN117033309A (zh) | 一种数据转换方法、装置、电子设备及可读存储介质 | |
CN111027319A (zh) | 自然语言时间词的解析方法、装置和计算机设备 | |
CN115734072A (zh) | 一种工业自动化设备的物联网集中监控方法及装置 | |
CN113241060B (zh) | 一种安保预警方法及系统 | |
CN113988067B (zh) | 语句分词方法、装置及电子设备 | |
CN115186657A (zh) | 错敏信息检测方法、装置、计算机设备及存储介质 | |
CN113312463B (zh) | 语音问答的智能测评方法、装置、计算机设备及存储介质 | |
CN115019788A (zh) | 语音交互方法、系统、终端设备及存储介质 | |
CN114303352B (zh) | 推送内容的处理方法、装置、电子设备以及存储介质 | |
CN111797615B (zh) | 法律文书纠错结果的优化方法及装置 | |
CN114067362A (zh) | 基于神经网络模型的手语识别方法、装置、设备及介质 | |
CN114329556B (zh) | 一种具有自带芯片数据保护功能的一体机 | |
CN113312946A (zh) | 指纹图像的特征提取方法、装置及计算机可读存储介质 |
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 |