CN114299476A - 多路监控视频处理方法、系统、终端及存储介质 - Google Patents
多路监控视频处理方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN114299476A CN114299476A CN202111410100.8A CN202111410100A CN114299476A CN 114299476 A CN114299476 A CN 114299476A CN 202111410100 A CN202111410100 A CN 202111410100A CN 114299476 A CN114299476 A CN 114299476A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- alarm
- characteristic value
- characteristic
- image processing
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 89
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000012806 monitoring device Methods 0.000 claims abstract description 42
- 239000000284 extract Substances 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及视频监控技术领域,具体提供一种多路监控视频处理方法、系统、终端及存储介质,包括:识别当前的监控设备,获取监控设备数量;根据所述监控设备数量创建同等数量的图像处理线程;为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值;根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。本发明既提高了检测速度,又提高了检测准确率,并且启动单独的线程进行车牌的识别,既不影响目标的检测速度和准确率,还可以和数据库中的可通行车辆车牌号进行对比,从而及时发现陌生车辆,发出报警信号通知工作人员,能够快速有效地实现基于多路摄像头的监控报警功能。
Description
技术领域
本发明涉及视频监控技术领域,具体涉及一种多路监控视频处理方法、系统、终端及存储介质。
背景技术
在人工智能时代,AI算法的应用越来越广泛,其中在安防领域的应用极大地节省了人力和物力。目前,基于单路摄像头的入侵检测监控方案,已具备实时性和准确性。但是,基于多路摄像头的监控方案,由于摄像头路数的增加,对于检测的准确性和实时性都是一个非常大的挑战。目前基于多路摄像头的入侵检测监控方案中,多数以拼接多路摄像头数据以达到实时检测及跟踪入侵人员的目的,但是由于神经网络的输入大小是固定的,图像拼接后会导致人员及车辆目标在神经网络输入中占的比例变小,从而导致检测准确率的下降。
发明内容
针对现有技术的上述不足,本发明提供一种多路监控视频处理方法、系统、终端及存储介质,以解决上述技术问题。
第一方面,本发明提供一种多路监控视频处理方法,包括:
识别当前的监控设备,获取监控设备数量;
根据所述监控设备数量创建同等数量的图像处理线程;
为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值;
根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。
进一步的,为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值,包括:
为每个图像处理线程分配一个数据缓存文件;
循环读取多个监控设备的监控视频,并将监控视频传输至监控设备对应的图像处理线程的数据缓存文件;
图像处理线程基于神经网络模型从监控视频中识别目标图像,并利用车牌识别算法从目标图像中提取车牌信息作为特征值。
进一步的,根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果,包括:
判断标准特征库中是否存在与所述特征值一致的标准特征值:
若是,则判定所述特征值合法,将合法特征值对应的监控视频从相应数据缓存文件清除;
若否,则判定所述特征值不合法,并基于所述特征值生成报警信息。
进一步的,在生成报警信息之后,所述方法还包括:
读取所有报警信息的报警特征值,并未每个报警特征值创建一个报警存储文件;
将每个报警特征值对应的监控视频保存至对应的报警存储文件;
判断所有报警特征值中是否存在重复特征值:
若是,则将重复特征值的报警存储文件合并,并将合并后的报警存储文件中的监控视频按照拍摄时间先后进行拼接。
第二方面,本发明提供一种多路监控视频处理系统,包括:
数量获取单元,用于识别当前的监控设备,获取监控设备数量;
线程创建单元,用于根据所述监控设备数量创建同等数量的图像处理线程;
特征提取单元,用于为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值;
结果输出单元,用于根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。
进一步的,所述特征提取单元包括:
缓存创建模块,用于为每个图像处理线程分配一个数据缓存文件;
视频传输模块,用于循环读取多个监控设备的监控视频,并将监控视频传输至监控设备对应的图像处理线程的数据缓存文件;
特征提取模块,用于图像处理线程基于神经网络模型从监控视频中识别目标图像,并利用车牌识别算法从目标图像中提取车牌信息作为特征值。
进一步的,所述结果输出单元包括:
一致判断模块,用于判断标准特征库中是否存在与所述特征值一致的标准特征值;
合法判定模块,用于若标准特征库中存在与所述特征值一致的标准特征值,则判定所述特征值合法,将合法特征值对应的监控视频从相应数据缓存文件清除;
报警生成模块,用于若标准特征库中不存在与所述特征值一致的标准特征值,则判定所述特征值不合法,并基于所述特征值生成报警信息。
进一步的,所述系统还包括:
报警解析模块,用于读取所有报警信息的报警特征值,并未每个报警特征值创建一个报警存储文件;
视频保存模块,用于将每个报警特征值对应的监控视频保存至对应的报警存储文件;
重复判断模块,用于判断所有报警特征值中是否存在重复特征值;
视频拼接模块,用于若所有报警特征值中存在重复特征值,则将重复特征值的报警存储文件合并,并将合并后的报警存储文件中的监控视频按照拍摄时间先后进行拼接。
第三方面,提供一种终端,包括:
处理器、存储器,其中,
该存储器用于存储计算机程序,
该处理器用于从存储器中调用并运行该计算机程序,使得终端执行上述的终端的方法。
第四方面,提供了一种计算机存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
本发明的有益效果在于,本发明提供的多路监控视频处理方法、系统、终端及存储介质,通过将多路摄像头获取到的视频数据分别通过不同线程中的神经网络模型yolox进行人员和车辆的检测,并且根据检测结果对检测到的车辆进行跟踪,启动单独线程通过EasyPR算法进行车牌的识别,将识别结果与数据库中的可通行车辆车牌号进行对比,判断是否存在不合法的目标,如果存在则发出报警信号提示工作人员。本发明既提高了检测速度,又提高了检测准确率,并且启动单独的线程进行车牌的识别,既不影响目标的检测速度和准确率,还可以和数据库中的可通行车辆车牌号进行对比,从而及时发现陌生车辆,发出报警信号通知工作人员,能够快速有效地实现基于多路摄像头的监控报警功能。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
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,对于本领域普通技术人员而言,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是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的方法的另一示意性流程图。
图3是本发明一个实施例的系统的示意性框图。
图4为本发明实施例提供的一种终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
图1是本发明一个实施例的方法的示意性流程图。其中,图1执行主体可以为一种多路监控视频处理系统。
如图1所示,该方法包括:
步骤110,识别当前的监控设备,获取监控设备数量;
步骤120,根据所述监控设备数量创建同等数量的图像处理线程;
步骤130,为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值;
步骤140,根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。
为了便于对本发明的理解,下面以本发明多路监控视频处理方法的原理,结合实施例中对多路监控视频进行处理的过程,对本发明提供的多路监控视频处理方法做进一步的描述。
具体的,请参考图2,所述多路监控视频处理方法包括:
S1、识别当前的监控设备,获取监控设备数量。
采集系统中识别的所有监控设备(例如摄像头)的设备号,对识别的设备号进行统计得到监控设备数量。
S2、根据所述监控设备数量创建同等数量的图像处理线程。
根据摄像头的路数,启动相应个数的线程,每个线程分别进行基于yolox神经网络的目标检测。
S3、为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值。
为每个图像处理线程分配一个数据缓存文件;循环读取多个监控设备的监控视频,并将监控视频传输至监控设备对应的图像处理线程的数据缓存文件,通过对监控视频进行缓存,实现视频的可追溯性。图像处理线程基于神经网络模型从监控视频中识别目标图像(例如车辆图片),根据检测结果,对车辆目标进行跟踪,并保存及更新车辆目标的截图。利用车牌识别算法从目标图像中提取车牌信息作为特征值,即启动单独的线程,循环对跟踪的车辆通过EasyPR算法进行车牌识别。
S4、根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。
判断标准特征库中是否存在与所述特征值一致的标准特征值:若是,则判定所述特征值合法,将合法特征值对应的监控视频从相应数据缓存文件清除;若否,则判定所述特征值不合法,并基于所述特征值生成报警信息。
将车牌识别结果与数据库中的可通行车辆车牌数据进行对比,判断当前检测到的车辆中是否存在陌生车辆;根据人和车的检测结果及车牌识别结果,判断是否有人员或者陌生车辆进入监控区域,如果存在则发出报警信号提示工作人员。
车牌识别主要包括以下几个步骤:
(1)对于跟踪的每一个车辆目标,筛选没识别到车牌的目标,如果筛选的结果为空,则进行下一次筛选,否则进行步骤(2);
(2)对于筛选出的目标,选择识别次数最低的第一个目标作为本次识别的目标,并将识别次数增加一次;
(3)将本次识别目标的截取图片输入EasyPR算法进行车牌识别,如果识别到车牌,将结果保存到跟踪目标中。
S5、读取所有报警信息的报警特征值,并未每个报警特征值创建一个报警存储文件;将每个报警特征值对应的监控视频保存至对应的报警存储文件;判断所有报警特征值中是否存在重复特征值:若是,则将重复特征值的报警存储文件合并,并将合并后的报警存储文件中的监控视频按照拍摄时间先后进行拼接。
通过对报警信息进行后续分析,将片段化的非法监控连接起来,从而实现对非法目标的系统监控,同时也实现了监控报警的可追溯性。
如图3所示,该系统300包括:
数量获取单元310,用于识别当前的监控设备,获取监控设备数量;
线程创建单元320,用于根据所述监控设备数量创建同等数量的图像处理线程;
特征提取单元330,用于为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值;
结果输出单元340,用于根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。
可选地,作为本发明一个实施例,所述特征提取单元包括:
缓存创建模块,用于为每个图像处理线程分配一个数据缓存文件;
视频传输模块,用于循环读取多个监控设备的监控视频,并将监控视频传输至监控设备对应的图像处理线程的数据缓存文件;
特征提取模块,用于图像处理线程基于神经网络模型从监控视频中识别目标图像,并利用车牌识别算法从目标图像中提取车牌信息作为特征值。
可选地,作为本发明一个实施例,所述结果输出单元包括:
一致判断模块,用于判断标准特征库中是否存在与所述特征值一致的标准特征值;
合法判定模块,用于若标准特征库中存在与所述特征值一致的标准特征值,则判定所述特征值合法,将合法特征值对应的监控视频从相应数据缓存文件清除;
报警生成模块,用于若标准特征库中不存在与所述特征值一致的标准特征值,则判定所述特征值不合法,并基于所述特征值生成报警信息。
可选地,作为本发明一个实施例,所述系统还包括:
报警解析模块,用于读取所有报警信息的报警特征值,并未每个报警特征值创建一个报警存储文件;
视频保存模块,用于将每个报警特征值对应的监控视频保存至对应的报警存储文件;
重复判断模块,用于判断所有报警特征值中是否存在重复特征值;
视频拼接模块,用于若所有报警特征值中存在重复特征值,则将重复特征值的报警存储文件合并,并将合并后的报警存储文件中的监控视频按照拍摄时间先后进行拼接。
图4为本发明实施例提供的一种终端400的结构示意图,该终端400可以用于执行本发明实施例提供的多路监控视频处理方法。
其中,该终端400可以包括:处理器410、存储器420及通信单元430。这些组件通过一条或多条总线进行通信,本领域技术人员可以理解,图中示出的服务器的结构并不构成对本发明的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,该存储器420可以用于存储处理器410的执行指令,存储器420可以由任何类型的易失性或非易失性存储终端或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。当存储器420中的执行指令由处理器410执行时,使得终端400能够执行以下上述方法实施例中的部分或全部步骤。
处理器410为存储终端的控制中心,利用各种接口和线路连接整个电子终端的各个部分,通过运行或执行存储在存储器420内的软件程序和/或模块,以及调用存储在存储器内的数据,以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit,简称IC)组成,例如可以由单颗封装的IC所组成,也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说,处理器410可以仅包括中央处理器(Central Processing Unit,简称CPU)。在本发明实施方式中,CPU可以是单运算核心,也可以包括多运算核心。
通信单元430,用于建立通信信道,从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
因此,本发明通过将多路摄像头获取到的视频数据分别通过不同线程中的神经网络模型yolox进行人员和车辆的检测,并且根据检测结果对检测到的车辆进行跟踪,启动单独线程通过EasyPR算法进行车牌的识别,将识别结果与数据库中的可通行车辆车牌号进行对比,判断是否存在不合法的目标,如果存在则发出报警信号提示工作人员。本发明既提高了检测速度,又提高了检测准确率,并且启动单独的线程进行车牌的识别,既不影响目标的检测速度和准确率,还可以和数据库中的可通行车辆车牌号进行对比,从而及时发现陌生车辆,发出报警信号通知工作人员,能够快速有效地实现基于多路摄像头的监控报警功能,本实施例所能达到的技术效果可以参见上文中的描述,此处不再赘述。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中如U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,包括若干指令用以使得一台计算机终端(可以是个人计算机,服务器,或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于终端实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种多路监控视频处理方法,其特征在于,包括:
识别当前的监控设备,获取监控设备数量;
根据所述监控设备数量创建同等数量的图像处理线程;
为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值;
根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。
2.根据权利要求1所述的方法,其特征在于,为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值,包括:
为每个图像处理线程分配一个数据缓存文件;
循环读取多个监控设备的监控视频,并将监控视频传输至监控设备对应的图像处理线程的数据缓存文件;
图像处理线程基于神经网络模型从监控视频中识别目标图像,并利用车牌识别算法从目标图像中提取车牌信息作为特征值。
3.根据权利要求2所述的方法,其特征在于,根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果,包括:
判断标准特征库中是否存在与所述特征值一致的标准特征值:
若是,则判定所述特征值合法,将合法特征值对应的监控视频从相应数据缓存文件清除;
若否,则判定所述特征值不合法,并基于所述特征值生成报警信息。
4.根据权利要求3所述的方法,其特征在于,在生成报警信息之后,所述方法还包括:
读取所有报警信息的报警特征值,并未每个报警特征值创建一个报警存储文件;
将每个报警特征值对应的监控视频保存至对应的报警存储文件;
判断所有报警特征值中是否存在重复特征值:
若是,则将重复特征值的报警存储文件合并,并将合并后的报警存储文件中的监控视频按照拍摄时间先后进行拼接。
5.一种多路监控视频处理系统,其特征在于,包括:
数量获取单元,用于识别当前的监控设备,获取监控设备数量;
线程创建单元,用于根据所述监控设备数量创建同等数量的图像处理线程;
特征提取单元,用于为每个监控设备均分配一个图像处理线程,以对监控设备采集的监控视频进行目标识别并从识别的目标中提取特征值;
结果输出单元,用于根据预先构建的标准特征库对所述特征值进行一致性匹配并输出匹配结果。
6.根据权利要求5所述的系统,其特征在于,所述特征提取单元包括:
缓存创建模块,用于为每个图像处理线程分配一个数据缓存文件;
视频传输模块,用于循环读取多个监控设备的监控视频,并将监控视频传输至监控设备对应的图像处理线程的数据缓存文件;
特征提取模块,用于图像处理线程基于神经网络模型从监控视频中识别目标图像,并利用车牌识别算法从目标图像中提取车牌信息作为特征值。
7.根据权利要求6所述的系统,其特征在于,所述结果输出单元包括:
一致判断模块,用于判断标准特征库中是否存在与所述特征值一致的标准特征值;
合法判定模块,用于若标准特征库中存在与所述特征值一致的标准特征值,则判定所述特征值合法,将合法特征值对应的监控视频从相应数据缓存文件清除;
报警生成模块,用于若标准特征库中不存在与所述特征值一致的标准特征值,则判定所述特征值不合法,并基于所述特征值生成报警信息。
8.根据权利要求7所述的系统,其特征在于,所述系统还包括:
报警解析模块,用于读取所有报警信息的报警特征值,并未每个报警特征值创建一个报警存储文件;
视频保存模块,用于将每个报警特征值对应的监控视频保存至对应的报警存储文件;
重复判断模块,用于判断所有报警特征值中是否存在重复特征值;
视频拼接模块,用于若所有报警特征值中存在重复特征值,则将重复特征值的报警存储文件合并,并将合并后的报警存储文件中的监控视频按照拍摄时间先后进行拼接。
9.一种终端,其特征在于,包括:
处理器;
用于存储处理器的执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-4任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111410100.8A CN114299476A (zh) | 2021-11-25 | 2021-11-25 | 多路监控视频处理方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111410100.8A CN114299476A (zh) | 2021-11-25 | 2021-11-25 | 多路监控视频处理方法、系统、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299476A true CN114299476A (zh) | 2022-04-08 |
Family
ID=80965592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111410100.8A Withdrawn CN114299476A (zh) | 2021-11-25 | 2021-11-25 | 多路监控视频处理方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299476A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118400499A (zh) * | 2024-06-26 | 2024-07-26 | 深圳市易图资讯股份有限公司 | 监控视频的合成方法以及监控视频的处理系统 |
-
2021
- 2021-11-25 CN CN202111410100.8A patent/CN114299476A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118400499A (zh) * | 2024-06-26 | 2024-07-26 | 深圳市易图资讯股份有限公司 | 监控视频的合成方法以及监控视频的处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210382933A1 (en) | Method and device for archive application, and storage medium | |
CN110139075B (zh) | 视频数据处理方法、装置、计算机设备和存储介质 | |
CN113095132B (zh) | 基于神经网络燃气现场识别方法、系统、终端及存储介质 | |
CN111368619B (zh) | 可疑人员的检测方法、装置及设备 | |
CN111368622A (zh) | 人员识别方法及装置、存储介质 | |
CN110263680B (zh) | 图像处理方法、装置和系统及存储介质 | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
JP2022518459A (ja) | 情報処理方法および装置、記憶媒体 | |
CN109993020A (zh) | 人脸布控报警方法及装置 | |
CN110177255B (zh) | 一种基于案件调度的视频信息发布方法及系统 | |
CN112507314B (zh) | 客户身份核实方法、装置、电子设备及存储介质 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN111177469A (zh) | 人脸检索方法及人脸检索装置 | |
CN111783718A (zh) | 目标对象状态识别方法、装置、存储介质及电子装置 | |
CN112017323A (zh) | 一种巡检报警方法、装置、可读存储介质及终端设备 | |
CN110751116A (zh) | 一种目标识别的方法及装置 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN114299476A (zh) | 多路监控视频处理方法、系统、终端及存储介质 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN113793365A (zh) | 目标跟踪方法、装置、计算机设备及可读存储介质 | |
CN116386086A (zh) | 人员定位方法、装置、电子设备及存储介质 | |
CN115391596A (zh) | 视频档案生成方法、装置及存储介质 | |
CN115620243A (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
CN109325965A (zh) | 一种目标对象跟踪方法及装置 | |
CN114896653A (zh) | 一种基于bim的建筑物数据监测方法及其系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220408 |