CN114615547A - 一种基于大数据分析的视频图像处理方法及系统 - Google Patents

一种基于大数据分析的视频图像处理方法及系统 Download PDF

Info

Publication number
CN114615547A
CN114615547A CN202210246010.8A CN202210246010A CN114615547A CN 114615547 A CN114615547 A CN 114615547A CN 202210246010 A CN202210246010 A CN 202210246010A CN 114615547 A CN114615547 A CN 114615547A
Authority
CN
China
Prior art keywords
image
user
video
screenshot
data
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
Application number
CN202210246010.8A
Other languages
English (en)
Other versions
CN114615547B (zh
Inventor
娄存恺
金旭佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Lide Group Co ltd
Xiamen Power Supply Co of State Grid Fujian Electric Power Co Ltd
Original Assignee
Heilongjiang Mindong Sensing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heilongjiang Mindong Sensing Technology Co ltd filed Critical Heilongjiang Mindong Sensing Technology Co ltd
Priority to CN202210246010.8A priority Critical patent/CN114615547B/zh
Publication of CN114615547A publication Critical patent/CN114615547A/zh
Application granted granted Critical
Publication of CN114615547B publication Critical patent/CN114615547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47217—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for controlling playback functions for recorded or on-demand content, e.g. using progress bars, mode or play-point indicators or bookmarks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Abstract

本发明公开了一种基于大数据分析的视频图像处理方法及系统，包括：数据采集模块、数据库、操作数据分析模块、视频图像处理模块和目标数据传输模块，通过数据采集模块采集用户的操作行为数据和视频中的静态图像序列数据，通过数据库存储并管理采集到的所有数据，通过操作数据分析模块分析用户的操作行为并预测用户最终需要的目标图像，通过视频图像处理模块在视频播放过程中监测用户操作行为，比对用户截取的图像和目标图像，控制添加目标图像，通过目标数据传输模块获取用户终端信息，将视频图像分段传输到对应用户终端，提高了获取存在有用信息的图像的效率，节省了截图时间。

Description

一种基于大数据分析的视频图像处理方法及系统
技术领域
本发明涉及视频图像处理技术领域，具体为一种基于大数据分析的视频图像处理方法及系统。
背景技术
视频图像指的是连续的静态图像序列，图像处理的发展依赖于计算机的应用与发展，随着计算技术的快速发展，图像处理技术逐渐得到优化和完善，经过图像处理算法获取到的图像质量也越来越高；
然而，现有技术对视频图像进行处理，仍然存在一定弊端：首先，为获取视频图像，一般需要在视频播放到对应位置时截图获取，但是，若需要获取对应帧数的更精确的图像并获取到有用信息，往往需要多次截取视频图像，才能截取到目标图像，现有技术无法对截取的视频图像进行精确化处理：预测用户需要的目标图像，提高获取目标图像的效率；其次，存在预测的目标图像不是用户需要的图像的情况，现有技术中，用户需要自行拖动视频进度条，进行截图，无法节省截图时间。
所以，人们需要一种基于大数据分析的视频图像处理方法及系统来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据分析的视频图像处理方法及系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据分析的视频图像处理系统，其特征在于：所述系统包括：数据采集模块、数据库、操作数据分析模块、视频图像处理模块和目标数据传输模块；
通过所述数据采集模块采集用户的操作行为数据和视频中的静态图像序列数据；通过所述数据库存储并管理采集到的所有数据；
通过操作数据分析模块从所述数据库中调取用户的操作行为数据，通过分析用户的操作行为预测用户最终需要的目标图像；
通过所述视频图像处理模块在视频播放过程中监测用户操作行为，比对用户截取的图像和目标图像，控制添加目标图像；
通过所述目标数据传输模块获取用户终端信息，将视频图像分段传输到对应用户终端。
进一步的，所述数据采集模块包括操作数据采集单元和图像序列采集单元，所述操作数据采集单元用于采集视频播放过程中用户的操作行为数据；所述图像序列采集单元用于采集视频中的静态图像帧序列，将采集到的所有数据传输到所述数据库中。
进一步的，所述操作数据分析模块包括截图信息分析单元、需求数据预测单元和误差预测单元，所述截图信息分析单元用于分析采集到的操作行为数据，并统计不同用户截取的图像帧数据；所述需求数据预测单元用于依据统计结果预测用户需要的图像；所述误差预测单元用于分析预测数据存在的误差概率，根据误差概率判断用户最终需要的目标图像。
进一步的，所述视频图像处理模块包括截图监测单元、图像比对单元和图像添加控制单元，所述截图监测单元用于在视频播放过程中监测用户的操作行为，获取用户截取的图像帧数据；所述图像比对单元用于比对截取到的图像和目标图像；所述图像添加控制单元用于分析截取到的图像帧是否与目标图像帧一致：若一致，不添加目标图像；若不一致，在用户截取图像后将目标图像发送至用户终端。
进一步的，所述目标数据传输模块包括终端信息获取单元和视频分段传输单元，所述终端信息获取单元用于获取用户终端的IP信息；所述视频分段传输单元用于判断用户需要的目标图像帧属于前序列帧或后序列帧，依据判断结果将视频分段，将分段后的对应视频发送至对应用户终端。
一种基于大数据分析的视频图像处理方法，其特征在于：包括以下步骤：
S1：采集播放视频时的用户操作行为数据和对应视频的图像数据；
S2：分析操作行为数据，预测用户最终需要的目标图像；
S3：实时监测用户的操作行为，获取截取的图像，比对截取到的图像和目标图像是否一致；
S4：在截图后控制添加目标图像；
S5：获取用户终端信息，将视频分段后传输到对应用户终端。
进一步的，在步骤S1-S2中：利用操作数据采集单元采集视频播放过程中用户的操作行为数据：采集到用户的截图次数集合为A＝{A1，A2，…，An}，其中，n表示观看同一视频的用户数量，利用图像序列采集单元采集到视频中的图像帧序列集合为B＝{B1，B2，…，Bm}，其中，m表示视频中的图像帧数，将采集到的所有数据传输到所述数据库中，利用截图信息分析单元分析采集到的操作行为数据：统计到随机一个用户截图的间隔时间集合为t＝{t1，t2，…，tk}，其中，k+1表示对应用户的截图次数，k+1＝Aj，对应用户截取的图像帧集合为b＝{b1，b2，…，bk+1}，统计到截取的图像帧被重复的次数集合为M＝{M1，M2，…，Mk+1}，利用需求数据预测单元预测用户需要的目标图像帧：根据下列公式计算随机一个用户随机一次截取的图像帧是目标图像帧的可行系数Pi：
Figure BDA0003545143120000031
其中，ti表示对应用户随机一次截图与前一次截图的间隔时间，Mj表示对应用户随机一次截取的图像帧被重复的次数，Aj表示对应用户的截图次数，得到对应用户截取的所有图像帧是目标图像帧的可行系数集合为P＝{P1，P2，…，Pk+1}，将可行系数数据传输到误差分析单元中，计算用户随机一次截取的图像是否是目标图像的可行系数的目的在于预测截取到的图像是否是目标图像，除受截图次数影响，可行系数同时受用户每次截图的间隔时间和截取图像的重复性影响，距前一次截图对的间隔时间越长，表示用户拖动视频进度条越长，映射出当前截取的图像非目标图像的可能性越大，结合截图间隔时间、重复次数和截图次数计算可行系数，提高了预测结果的准确性。
进一步的，利用所述误差分析单元分析预测的数据存在的误差概率：对视频显示页面进行建模：建立二维坐标系，定位到视频显示页面中的截图按钮位置坐标为(x，y)，截图关闭按钮位置坐标为(X，Y)，得到截图按钮指向关闭按钮的向量坐标为(X-x，Y-y)，根据下列公式判断截图按钮与关闭按钮的位置关系：
Figure BDA0003545143120000032
Figure BDA0003545143120000033
其中，d表示截图按钮到关闭按钮的距离，α表示向量与水平正向的夹角，获取到用户在点击截图按钮后的点击位置坐标为(x’，y’)，得到对应用户截图后点击的位置与截图按钮的距离为D，截图按钮指向点击位置的向量与水平正向的夹角为β，分别比较d和D、α和β：若d＝D且α＝β，判断用户在截图后关闭了截取到的图像帧；若d≠D或α≠β，判断用户在截图后未关闭截取到的图像帧，统计到对应截取到的图像帧被关闭的次数集合为w＝{w1，w2，…，wk+1}，根据下列公式计算随机一个截取到的图像帧是目标图像帧的优化可行系数pi：
Figure BDA0003545143120000041
其中，
Figure BDA0003545143120000042
为误差概率，wi表示随机一个截取到的图像被关闭的次数，得到优化可行系数集合为p＝{p1，p2，…，pk+1}，比较优化可行性系数，筛选出最大优化可行系数为pmax，预测pmax对应的图像是用户最终需要的目标图像，在视频播放过程中，可能出现用户误点击截图按钮的情况，若用户在点击截图按钮后立即关闭截图，说明用户是误点击了截图按钮，为排除这种情况，依据截图按钮和关闭按钮相对位置统计图像被关闭次数，将关闭次数比例作为误差概率，优化可行系数，依据优化的可行系数得到最终预测的目标图像，进一步提高了预测结果的准确性，发送目标图像，提高了用户获取截图的效率。
进一步的，在步骤S3-S4中：利用截图监测单元实时监测用户的操作行为，获取用户截取的图像，利用图像比对单元比对截取到的图像和目标图像：获取到截取到的图像在第N帧，预测的目标图像在第M帧：若M＝N，说明用户截取到的是目标图像；若M≠N，说明用户截取到的不是目标图像，在用户截图后，利用图像添加控制单元对目标图像进行增强处理后，发送目标图像至对应用户终端。
进一步的，在步骤S5中：利用终端信息获取单元获取用户终端的IP信息，采集到视频的总帧数为m，比较M和m：若M≤m/2，说明目标图像在前1/2视频中出现；若M＞m/2，说明目标图像在后1/2视频中，判断不同用户的目标图像在视频中出现的位置，在用户未截取到目标图像时，利用视频分段传输单元分别将前1/2视频和后1/2视频发送到对应用户终端，解决了现有技术中，用户需要自行拖动视频进度条，进行截图，无法节省截图时间的弊端。
与现有技术相比，本发明所达到的有益效果是：
本发明通过采集用户在获取视频图像时的操作行为数据，分析用户的截图次数、截图间隔时间等信息，结合分析结果预测用户需要截取的目标图像，考虑到存在用户误截图的现象，依据用户操作行为数据判断用户误截图的情况，在排除误差概率后进一步预测目标图像，提高了预测结果的准确性，实时监测用户截图行为，在用户未截取到目标图像时发送预测的目标图像至用户终端，提高了获取存在有用信息的图像的效率；若预测的目标图像非用户需要的图像，判断用户需要的图像在视频中的位置，分段传输视频至对应用户终端，解决了现有技术中用户需要自行拖动进度条、无法节省截取图像时间的弊端。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据分析的视频图像处理系统的结构图；
图2是本发明一种基于大数据分析的视频图像处理方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1-图2，本发明提供技术方案：一种基于大数据分析的视频图像处理系统，其特征在于：系统包括：数据采集模块、数据库、操作数据分析模块、视频图像处理模块和目标数据传输模块；
通过数据采集模块采集用户的操作行为数据和视频中的静态图像序列数据；通过数据库存储并管理采集到的所有数据；
通过操作数据分析模块从数据库中调取用户的操作行为数据，通过分析用户的操作行为预测用户最终需要的目标图像；
通过视频图像处理模块在视频播放过程中监测用户操作行为，比对用户截取的图像和目标图像，控制添加目标图像；
通过目标数据传输模块获取用户终端信息，将视频图像分段传输到对应用户终端。
数据采集模块包括操作数据采集单元和图像序列采集单元，操作数据采集单元用于采集视频播放过程中用户的操作行为数据；图像序列采集单元用于采集视频中的静态图像帧序列，将采集到的所有数据传输到数据库中。
操作数据分析模块包括截图信息分析单元、需求数据预测单元和误差预测单元，截图信息分析单元用于分析采集到的操作行为数据，并统计不同用户截取的图像帧数据；需求数据预测单元用于依据统计结果预测用户需要的图像；误差预测单元用于分析预测数据存在的误差概率，根据误差概率判断用户最终需要的目标图像。
视频图像处理模块包括截图监测单元、图像比对单元和图像添加控制单元，截图监测单元用于在视频播放过程中监测用户的操作行为，获取用户截取的图像帧数据；图像比对单元用于比对截取到的图像和目标图像；图像添加控制单元用于分析截取到的图像帧是否与目标图像帧一致：若一致，不添加目标图像；若不一致，在用户截取图像后将目标图像发送至用户终端。
目标数据传输模块包括终端信息获取单元和视频分段传输单元，终端信息获取单元用于获取用户终端的IP信息；视频分段传输单元用于判断用户需要的目标图像帧属于前序列帧或后序列帧，依据判断结果将视频分段，将分段后的对应视频发送至对应用户终端。
一种基于大数据分析的视频图像处理方法，其特征在于：包括以下步骤：
S1：采集播放视频时的用户操作行为数据和对应视频的图像数据；
S2：分析操作行为数据，预测用户最终需要的目标图像；
S3：实时监测用户的操作行为，获取截取的图像，比对截取到的图像和目标图像；
S4：在截图后控制添加目标图像；
S5：获取用户终端信息，将视频分段后传输到对应用户终端。
在步骤S1-S2中：利用操作数据采集单元采集视频播放过程中用户的操作行为数据：采集到用户的截图次数集合为A＝{A1，A2，…，An}，其中，n表示观看同一视频的用户数量，利用图像序列采集单元采集到视频中的图像帧序列集合为B＝{B1，B2，…，Bm}，其中，m表示视频中的图像帧数，将采集到的所有数据传输到数据库中，利用截图信息分析单元分析采集到的操作行为数据：统计到随机一个用户截图的间隔时间集合为t＝{t1，t2，…，tk}，其中，k+1表示对应用户的截图次数，k+1＝Aj，对应用户截取的图像帧集合为b＝{b1，b2，…，bk+1}，统计到截取的图像帧被重复的次数集合为M＝{M1，M2，…，Mk+1}，利用需求数据预测单元预测用户需要的目标图像帧：根据下列公式计算随机一个用户随机一次截取的图像帧是目标图像帧的可行系数Pi：
Figure BDA0003545143120000061
其中，ti表示对应用户随机一次截图与前一次截图的间隔时间，Mj表示对应用户随机一次截取的图像帧被重复的次数，Aj表示对应用户的截图次数，得到对应用户截取的所有图像帧是目标图像帧的可行系数集合为P＝{P1，P2，…，Pk+1}，将可行系数数据传输到误差分析单元中，结合截图间隔时间、重复次数和截图次数计算可行系数，能够有效提高预测目标图像结果的准确性。
利用误差分析单元分析预测的数据存在的误差概率：对视频显示页面进行建模：建立二维坐标系，定位到视频显示页面中的截图按钮位置坐标为(x，y)，截图关闭按钮位置坐标为(X，Y)，得到截图按钮指向关闭按钮的向量坐标为(X-x，Y-y)，根据下列公式判断截图按钮与关闭按钮的位置关系：
Figure BDA0003545143120000071
Figure BDA0003545143120000072
其中，d表示截图按钮到关闭按钮的距离，α表示向量与水平正向的夹角，获取到用户在点击截图按钮后的点击位置坐标为(x’，y’)，得到对应用户截图后点击的位置与截图按钮的距离为D，截图按钮指向点击位置的向量与水平正向的夹角为β，分别比较d和D、α和β：若d＝D且α＝β，判断用户在截图后关闭了截取到的图像帧；若d≠D或α≠β，判断用户在截图后未关闭截取到的图像帧，统计到对应截取到的图像帧被关闭的次数集合为w＝{w1，w2，…，wk+1}，根据下列公式计算随机一个截取到的图像帧是目标图像帧的优化可行系数pi：
Figure BDA0003545143120000073
其中，
Figure BDA0003545143120000074
为误差概率，wi表示随机一个截取到的图像被关闭的次数，得到优化可行系数集合为p＝{p1，p2，…，pk+1}，比较优化可行性系数，筛选出最大优化可行系数为pmax，预测pmax对应的图像是用户最终需要的目标图像，排除了可能出现用户误点击截图按钮的情况，依据截图按钮和关闭按钮相对位置统计图像被关闭次数，将关闭次数比例作为误差概率，优化可行系数，依据优化的可行系数得到最终预测的目标图像，进一步提高了预测结果的准确性，发送目标图像，能够有效提高用户获取截图的效率。
在步骤S3-S4中：利用截图监测单元实时监测用户的操作行为，获取用户截取的图像，利用图像比对单元比对截取到的图像和目标图像：获取到截取到的图像在第N帧，预测的目标图像在第M帧：若M＝N，说明用户截取到的是目标图像；若M≠N，说明用户截取到的不是目标图像，在用户截图后，利用图像添加控制单元对目标图像进行增强处理后，发送目标图像至对应用户终端。
在步骤S5中：利用终端信息获取单元获取用户终端的IP信息，采集到视频的总帧数为m，比较M和m：若M≤m/2，说明目标图像在前1/2视频中出现；若M＞m/2，说明目标图像在后1/2视频中，判断不同用户的目标图像在视频中出现的位置，在用户未截取到目标图像时，利用视频分段传输单元分别将前1/2视频和后1/2视频发送到对应用户终端用户无须自行拖动视频进度条，节省了截图时间。
实施例一：采集到用户的截图次数集合为A＝{A1，A2，A3}＝{5，3，6}，采集到视频中的部分图像帧序列集合为B＝{B1，B2，B3}，统计到第一个用户截图的间隔时间集合为t＝{t1，t2，t3，t4}＝{10，20，60，30}，单位为秒，对应用户截取的图像帧集合为b＝{b1，b2，b3，b4，b5}，统计到截取的图像帧被重复的次数集合为M＝{M1，M2，M3，M4，M5}＝{0，2，1，3，1}，根据公式
Figure BDA0003545143120000081
得到第一个用户截取的所有图像帧是目标图像帧的可行系数集合为P＝{P1，P2，P3，P4，P5}＝{0.05，0.32，0.42，0.48，0.11}，统计到对应截取到的图像帧被关闭的次数集合为w＝{w1，w2，w3，w4，w5}＝{3，2，0，1，5}，根据公式
Figure BDA0003545143120000082
计算随机一个截取到的图像帧是目标图像帧的优化可行系数集合为p＝{p1，p2，p3，p4，p5}＝{0.04，0.26，0.42，0.44，0.06}，比较优化可行性系数，筛选出最大优化可行系数为pmax＝0.44，预测第四个图像是用户最终需要的目标图像。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据分析的视频图像处理系统，其特征在于：所述系统包括：数据采集模块、数据库、操作数据分析模块、视频图像处理模块和目标数据传输模块；
通过所述数据采集模块采集用户的操作行为数据和视频中的静态图像序列数据；通过所述数据库存储并管理采集到的所有数据；
通过操作数据分析模块从所述数据库中调取用户的操作行为数据，通过分析用户的操作行为预测用户最终需要的目标图像；
通过所述视频图像处理模块在视频播放过程中监测用户操作行为，比对用户截取的图像和目标图像，控制添加目标图像；
通过所述目标数据传输模块获取用户终端信息，将视频图像分段传输到对应用户终端。
2.根据权利要求1所述的一种基于大数据分析的视频图像处理系统，其特征在于：所述数据采集模块包括操作数据采集单元和图像序列采集单元，所述操作数据采集单元用于采集视频播放过程中用户的操作行为数据；所述图像序列采集单元用于采集视频中的静态图像帧序列，将采集到的所有数据传输到所述数据库中。
3.根据权利要求1所述的一种基于大数据分析的视频图像处理系统，其特征在于：所述操作数据分析模块包括截图信息分析单元、需求数据预测单元和误差预测单元，所述截图信息分析单元用于分析采集到的操作行为数据，并统计不同用户截取的图像帧数据；所述需求数据预测单元用于依据统计结果预测用户需要的图像；所述误差预测单元用于分析预测数据存在的误差概率，根据误差概率判断用户最终需要的目标图像。
4.根据权利要求1所述的一种基于大数据分析的视频图像处理系统，其特征在于：所述视频图像处理模块包括截图监测单元、图像比对单元和图像添加控制单元，所述截图监测单元用于在视频播放过程中监测用户的操作行为，获取用户截取的图像帧数据；所述图像比对单元用于比对截取到的图像和目标图像；所述图像添加控制单元用于分析截取到的图像帧是否与目标图像帧一致：若一致，不添加目标图像；若不一致，在用户截取图像后将目标图像发送至用户终端。
5.根据权利要求1所述的一种基于大数据分析的视频图像处理系统，其特征在于：所述目标数据传输模块包括终端信息获取单元和视频分段传输单元，所述终端信息获取单元用于获取用户终端的IP信息；所述视频分段传输单元用于判断用户需要的目标图像帧属于前序列帧或后序列帧，依据判断结果将视频分段，将分段后的对应视频发送至对应用户终端。
6.一种基于大数据分析的视频图像处理方法，其特征在于：包括以下步骤：
S1：采集播放视频时的用户操作行为数据和对应视频的图像数据；
S2：分析操作行为数据，预测用户最终需要的目标图像；
S3：实时监测用户的操作行为，获取截取的图像，比对截取到的图像和目标图像；
S4：在截图后控制添加目标图像；
S5：获取用户终端信息，将视频分段后传输到对应用户终端。
7.根据权利要求6所述的一种基于大数据分析的视频图像处理方法，其特征在于：在步骤S1-S2中：利用操作数据采集单元采集视频播放过程中用户的操作行为数据：采集到用户的截图次数集合为A＝{A1，A2，…，An}，其中，n表示观看同一视频的用户数量，利用图像序列采集单元采集到视频中的图像帧序列集合为B＝{B1，B2，…，Bm}，其中，m表示视频中的图像帧数，将采集到的所有数据传输到所述数据库中，利用截图信息分析单元分析采集到的操作行为数据：统计到随机一个用户截图的间隔时间集合为t＝{t1，t2，…，tk}，其中，k+1表示对应用户的截图次数，k+1＝Aj，对应用户截取的图像帧集合为b＝{b1，b2，…，bk+1}，统计到截取的图像帧被重复的次数集合为M＝{M1，M2，…，Mk+1}，利用需求数据预测单元预测用户需要的目标图像帧：根据下列公式计算随机一个用户随机一次截取的图像帧是目标图像帧的可行系数Pi：
Figure FDA0003545143110000021
其中，ti表示对应用户随机一次截图与前一次截图的间隔时间，Mj表示对应用户随机一次截取的图像帧被重复的次数，Aj表示对应用户的截图次数，得到对应用户截取的所有图像帧是目标图像帧的可行系数集合为P＝{P1，P2，…，Pk+1}，将可行系数数据传输到误差分析单元中。
8.根据权利要求7所述的一种基于大数据分析的视频图像处理方法，其特征在于：利用所述误差分析单元分析预测的数据存在的误差概率：对视频显示页面进行建模：建立二维坐标系，定位到视频显示页面中的截图按钮位置坐标为(x，y)，截图关闭按钮位置坐标为(X，Y)，得到截图按钮指向关闭按钮的向量坐标为(X-x，Y-y)，根据下列公式判断截图按钮与关闭按钮的位置关系：
Figure FDA0003545143110000031
Figure FDA0003545143110000032
其中，d表示截图按钮到关闭按钮的距离，α表示向量与水平正向的夹角，获取到用户在点击截图按钮后的点击位置坐标为(x’，y’)，得到对应用户截图后点击的位置与截图按钮的距离为D，截图按钮指向点击位置的向量与水平正向的夹角为β，分别比较d和D、α和β：若d＝D且α＝β，判断用户在截图后关闭了截取到的图像帧；若d≠D或α≠β，判断用户在截图后未关闭截取到的图像帧，统计到对应截取到的图像帧被关闭的次数集合为w＝{w1，w2，…，wk+1}，根据下列公式计算随机一个截取到的图像帧是目标图像帧的优化可行系数pi：
Figure FDA0003545143110000033
其中，
Figure FDA0003545143110000034
为误差概率，wi表示随机一个截取到的图像被关闭的次数，得到优化可行系数集合为p＝{p1，p2，…，pk+1}，比较优化可行性系数，筛选出最大优化可行系数为pmax，预测pmax对应的图像是用户最终需要的目标图像。
9.根据权利要求6所述的一种基于大数据分析的视频图像处理方法，其特征在于：在步骤S3-S4中：利用截图监测单元实时监测用户的操作行为，获取用户截取的图像，利用图像比对单元比对截取到的图像和目标图像：获取到截取到的图像在第N帧，预测的目标图像在第M帧：若M＝N，说明用户截取到的是目标图像；若M≠N，说明用户截取到的不是目标图像，在用户截图后，利用图像添加控制单元对目标图像进行增强处理后，发送目标图像至对应用户终端。
10.根据权利要求6所述的一种基于大数据分析的视频图像处理方法，其特征在于：在步骤S5中：利用终端信息获取单元获取用户终端的IP信息，采集到视频的总帧数为m，比较M和m：若M≤m/2，说明目标图像在前1/2视频中出现；若M＞m/2，说明目标图像在后1/2视频中，判断不同用户的目标图像在视频中出现的位置，在用户未截取到目标图像时，利用视频分段传输单元分别将前1/2视频和后1/2视频发送到对应用户终端。
CN202210246010.8A 2022-03-14 2022-03-14 一种基于大数据分析的视频图像处理方法及系统 Active CN114615547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210246010.8A CN114615547B (zh) 2022-03-14 2022-03-14 一种基于大数据分析的视频图像处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210246010.8A CN114615547B (zh) 2022-03-14 2022-03-14 一种基于大数据分析的视频图像处理方法及系统

Publications (2)

Publication Number Publication Date
CN114615547A true CN114615547A (zh) 2022-06-10
CN114615547B CN114615547B (zh) 2022-12-06

Family

ID=81863503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210246010.8A Active CN114615547B (zh) 2022-03-14 2022-03-14 一种基于大数据分析的视频图像处理方法及系统

Country Status (1)

Country Link
CN (1) CN114615547B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117648063A (zh) * 2024-01-29 2024-03-05 南京功夫豆信息科技有限公司 一种基于大数据分析的智能运营管理系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160275354A1 (en) * 2015-03-17 2016-09-22 Samsung Eletrônica da Amazônia Ltda. System and method for video context-based composition and compression from normalized spatial resolution objects
CN106412691A (zh) * 2015-07-27 2017-02-15 腾讯科技（深圳）有限公司 一种视频图像的截取方法和装置
CN108696722A (zh) * 2018-05-28 2018-10-23 广东工业大学 一种目标监测方法、系统及设备和存储介质
CN110673919A (zh) * 2019-09-27 2020-01-10 青岛海信电器股份有限公司 截屏方法和装置
CN111881734A (zh) * 2020-06-17 2020-11-03 武汉光庭信息技术股份有限公司 一种自动截取目标视频的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160275354A1 (en) * 2015-03-17 2016-09-22 Samsung Eletrônica da Amazônia Ltda. System and method for video context-based composition and compression from normalized spatial resolution objects
CN106412691A (zh) * 2015-07-27 2017-02-15 腾讯科技（深圳）有限公司 一种视频图像的截取方法和装置
CN108696722A (zh) * 2018-05-28 2018-10-23 广东工业大学 一种目标监测方法、系统及设备和存储介质
CN110673919A (zh) * 2019-09-27 2020-01-10 青岛海信电器股份有限公司 截屏方法和装置
CN111881734A (zh) * 2020-06-17 2020-11-03 武汉光庭信息技术股份有限公司 一种自动截取目标视频的方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117648063A (zh) * 2024-01-29 2024-03-05 南京功夫豆信息科技有限公司 一种基于大数据分析的智能运营管理系统及方法
CN117648063B (zh) * 2024-01-29 2024-04-05 南京功夫豆信息科技有限公司 一种基于大数据分析的智能运营管理系统及方法

Also Published As

Publication number Publication date
CN114615547B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN108416250B (zh) 人数统计方法及装置
CN110796687B (zh) 天空背景红外成像多目标跟踪方法
CN114241548A (zh) 一种基于改进YOLOv5的小目标检测算法
CN109145771B (zh) 一种人脸抓拍方法及装置
WO2021254134A1 (zh) 一种隐私遮蔽处理方法、装置、电子设备及监控系统
CN111225234A (zh) 视频审核方法、视频审核装置、设备和存储介质
CN112669344A (zh) 一种运动物体的定位方法、装置、电子设备及存储介质
Yang et al. Deformable convolution and coordinate attention for fast cattle detection
CN114615547B (zh) 一种基于大数据分析的视频图像处理方法及系统
CN112884782A (zh) 生物对象分割方法、装置、计算机设备和存储介质
CN111754241A (zh) 一种用户行为感知方法、装置、设备及介质
CN111091093A (zh) 一种高密度人群的数量估测方法、系统及相关装置
CN115273191A (zh) 一种人脸聚档方法、人脸识别方法、装置、设备及介质
CN114092515A (zh) 用于障碍遮挡的目标跟踪检测方法、装置、设备及介质
CN114255493A (zh) 图像检测方法、人脸检测方法及装置、设备及存储介质
CN116612355A (zh) 人脸伪造识别模型训练方法和装置、人脸识别方法和装置
CN111753796A (zh) 图像中关键点的识别方法、装置、电子设备及存储介质
CN114245232A (zh) 一种视频摘要生成方法、装置、存储介质及电子设备
Candocia Analysis and enhancements to piecewise linear comparametric image registration
CN114170271A (zh) 一种具有自跟踪意识的多目标跟踪方法、设备及存储介质
CN113163101B (zh) 图像曝光调整方法、装置、设备和介质
CN114049205A (zh) 异常交易识别方法、装置、计算机设备和存储介质
CN114638304A (zh) 图像识别模型的训练方法、图像识别方法及装置
CN113255549A (zh) 一种狼群围猎行为状态智能识别方法及系统
CN112149451B (zh) 一种亲密度分析方法及装置

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
TA01 Transfer of patent application right

Effective date of registration: 20221118

Address after: No.21 Hubin South Road, Siming District, Xiamen City, Fujian Province

Applicant after: XIAMEN ELECTRIC POWER SUPPLY COMPANY OF STATE GRID FUJIAN ELECTRIC POWER Co.,Ltd.

Applicant after: Xiamen Lide Group Co.,Ltd.

Address before: Room 211-021, floor 2, building 7, Harbin Songbei (Shenzhen Longgang) science and Technology Innovation Industrial Park, No. 3043, Zhigu Second Street, Songbei District, Harbin, Heilongjiang 150028

Applicant before: Heilongjiang Mindong Sensing Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant