CN114996518A - 一种基于云平台的超高清视频数据存储分类管理系统 - Google Patents

一种基于云平台的超高清视频数据存储分类管理系统 Download PDF

Info

Publication number
CN114996518A
CN114996518A CN202210930121.0A CN202210930121A CN114996518A CN 114996518 A CN114996518 A CN 114996518A CN 202210930121 A CN202210930121 A CN 202210930121A CN 114996518 A CN114996518 A CN 114996518A
Authority
CN
China
Prior art keywords
unit time
monitoring area
target monitoring
definition
time period
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
CN202210930121.0A
Other languages
English (en)
Other versions
CN114996518B (zh
Inventor
陈家豪
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.)
Shenzhen Dualshine Industry Co ltd
Original Assignee
Shenzhen Dualshine Industry 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 Shenzhen Dualshine Industry Co ltd filed Critical Shenzhen Dualshine Industry Co ltd
Priority to CN202210930121.0A priority Critical patent/CN114996518B/zh
Publication of CN114996518A publication Critical patent/CN114996518A/zh
Application granted granted Critical
Publication of CN114996518B publication Critical patent/CN114996518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G06F16/785—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using colour or luminescence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及视频数据存储管理领域，具体公开一种基于云平台的超高清视频数据存储分类管理系统，通过获取目标监控区域内各高清摄像头拍摄的高清视频，处理得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，构成目标监控区域内各单位时间段的整合高清视频，同时识别目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据，分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数，进而对目标监控区域内各单位时间段对应整合高清视频按照预设的分类规则进行分类、排序、存储，从而增加高清视频数据存储分类管理的多样性和功能性，提高高清视频数据存储分类管理的智能化水平。

Description

一种基于云平台的超高清视频数据存储分类管理系统
技术领域
本发明涉及视频数据存储管理领域，涉及到一种基于云平台的超高清视频数据存储分类管理系统。
背景技术
视频监控平台是安防系统的重要组成部分，它可以把监控区域的高清监控视频数据传输到监控中心，能够使人对监控区域的情况一目了然，同时可以存储监控区域的高清监控视频数据，这样可以为事后某件事件的调查与管理提供查询依据。
当前高清视频数据存储分类管理过程中，一般是将监控区域内多个视频采集设备采集的高清视频数据输送至后端监控中心，并通过后端监控中心存储在存储数据库中。很显然，当前高清视频数据存储分类管理仍存在以下问题：1、当前高清视频数据存储分类管理方式没有对采集的高清视频数据进行整合处理，当多个视频采集设备工作时间较长时，会导致高清视频数据的存储量非常大，占用的存储空间较大，从而造成资源浪费，且由于多个视频采集设备的拍摄范围存在重合的情况，当事后需要调取高清视频数据调查时，会存在多次重复观看监控重合区域的高清视频情况，这样不仅提高监控人员的工作强度，而且消耗监控人员大量的查阅时间，进而降低监控人员的调查效率，不利于监控人员快速地采取针对性措施。
2、当前高清视频数据存储分类管理方式仅根据高清视频时间进行分类存储，这种方式虽然简洁、方便，但是存在分类类别单一、功能性差、使用较为局限的问题，从而浪费监控人员查阅特定高清视频数据的时间，降低监控人员对高清视频数据的查阅效率，进一步无法满足人们的实际应用需求，进而降低高清视频数据存储分类管理的智能化水平。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于云平台的超高清视频数据存储分类管理系统。
为实现上述目的，本发明提供了一种基于云平台的超高清视频数据存储分类管理系统，包括：高清视频拍摄模块，用于获取目标监控区域内各高清摄像头拍摄的高清视频，提取目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像。
视频帧图像处理模块，用于对目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像进行处理，得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，构成目标监控区域内各单位时间段的整合高清视频，并发送至高清视频存储数据库。
人物图像显示数据获取模块，用于对目标监控区域内各单位时间段的整合高清视频进行内容识别，得到目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据。
人物图像显示数据分析模块，用于根据目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据，分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数。
高清视频存储数据库，用于接收视频帧图像处理模块发送的目标监控区域内各单位时间段的整合高清视频，对目标监控区域内各单位时间段对应整合高清视频按照预设的分类规则进行分类及排序，并进行存储。
进一步地，所述高清视频拍摄模块对应的具体内容如下：将若干高清摄像头均匀布设在目标监控区域内，通过各高清摄像头对目标监控区域进行视频拍摄，获取目标监控区域内各高清摄像头拍摄的高清视频，将其记为目标监控区域内各高清视频。
对目标监控区域内各高清视频按照单位时间划分方式进行划分，得到目标监控区域内各高清视频对应各单位时间段的子视频，并对目标监控区域内各高清视频对应各单位时间段的子视频进行视频帧图像提取，得到目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像。
进一步地，所述视频帧图像处理模块中目标监控区域内各单位时间段的整合高清视频构成方式为：对目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像进行等面积划分，得到目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像，对目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像进行归一化处理，得到目标监控区域内各高清视频在各单位时间段中各时间点的视频帧处理图像。
将目标监控区域内各高清视频在各单位时间段中各时间点的视频帧处理图像与各其他高清视频在对应单位时间段中对应时间点的视频帧处理图像进行拼接整合，得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，进而构成目标监控区域内各单位时间段的整合高清视频。
进一步地，所述人物图像显示数据获取模块对应的具体包括：对目标监控区域内各单位时间段的整合高清视频进行图像分割处理，得到目标监控区域内各单位时间段对应整合高清视频中各单位时间点图像，并提取目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物子图像，进而获得目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的人脸显示子图像和身体轮廓显示面积。
根据目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的人脸显示子图像，统计目标监控区域内各单位时间段对应整合高清视频中各人物的人脸显示时长和单位时间点图像显示数量；并根据目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的身体轮廓显示面积，统计目标监控区域内各单位时间段对应整合高清视频中各人物在各单位时间点图像的身体轮廓显示面积。
将目标监控区域内各单位时间段对应整合高清视频中各人物的人脸显示时长、各人物的单位时间点图像显示数量和各人物在各单位时间点图像的身体轮廓显示面积记为其对应人物的图像显示数据。
进一步地，所述人物图像显示数据分析模块中目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数分析方式为：
根据目标监控区域内各单位时间段对应整合高清视频中各人物在各单位时间点图像的身体轮廓显示面积，筛选目标监控区域内各单位时间段对应整合高清视频中各人物对应的最大身体轮廓显示面积，将其标记为
Figure 916897DEST_PATH_IMAGE001
，
Figure 381508DEST_PATH_IMAGE002
，i表示为第i个单位时间段的编号，
Figure 489141DEST_PATH_IMAGE003
，j表示为第j个人物的编号。
分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数
Figure 431820DEST_PATH_IMAGE004
，其中
Figure 777351DEST_PATH_IMAGE005
表示为目标监控区域内第i个单位时间段对应整合高清视频中第j个人物的显示权重比例系数，e表示为自然常数，
Figure 396551DEST_PATH_IMAGE006
分别表示为预设的人物人脸显示时长占比、图像显示数量占比、人物身体轮廓显示面积占比对应的权重影响因子，
Figure 945475DEST_PATH_IMAGE007
分别表示为目标监控区域内第i个单位时间段对应整合高清视频中第j个人物的人脸显示时长、第j个人物的单位时间点图像显示数量、第j个人物在第f个单位时间点图像的身体轮廓显示面积，
Figure 941113DEST_PATH_IMAGE008
，
Figure 406729DEST_PATH_IMAGE009
分别表示为预设单位时间段的标准时长和预设单位时间段对应的标准单位时间点图像数量。
进一步地，所述高清视频存储数据库包括高清视频分类单元、视频存储文件夹建立单元和视频存储文件压缩单元。
进一步地，所述高清视频分类单元用于对目标监控区域内各单位时间段对应整合高清视频进行分类及排序，具体包括：对目标监控区域内各单位时间段对应整合高清视频按照时间分类规则进行分类，并按照时间先后顺序依次进行排序，得到目标监控区域内排序后的各单位时间段对应整合高清视频。
对目标监控区域内各单位时间段对应整合高清视频按照人物分类规则进行分类，得到目标监控区域内各人物对应的各单位时间段的整合高清视频，根据目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数，得到目标监控区域内各人物在各单位时间段对应整合高清视频的显示权重比例系数，并将其按照显示权重比例系数从大到小的顺序依次进行排序，得到目标监控区域内各人物对应排序后的各单位时间段的整合高清视频。
进一步地，所述视频存储文件夹建立单元用于在高清视频存储数据库中建立视频存储文件夹，具体包括：通过视频存储文件夹建立单元建立新的视频存储文件夹，将其记为第一视频存储文件夹，并将目标监控区域内排序后的各单位时间段对应整合高清视频放置至第一视频存储文件夹。
通过视频存储文件夹建立单元重新建立新的视频存储文件夹，将其记为第二视频存储文件夹，并将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频放置至第二视频存储文件夹。
进一步地，所述视频存储文件压缩单元用于对建立的视频存储文件夹进行压缩存储，具体包括：对高清视频存储数据库中第一视频存储文件夹进行压缩处理，并将高清视频存储数据库中压缩处理后的第一视频存储文件夹进行存储。
对高清视频存储数据库中第二视频存储文件夹进行压缩处理，并将高清视频存储数据库中压缩处理后的第二视频存储文件夹进行存储。
进一步地，所述将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频放置至第二视频存储文件夹，具体包括：根据目标监控区域内人物数量，在第二视频存储文件夹内建立与人物数量相等的各子文件夹，将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频分别放置至各子文件夹，其中一个子文件夹只放置一个人物对应排序后的各单位时间段的整合高清视频。
根据目标监控区域内各人物对应排序后的各单位时间段的整合高清视频，获得目标监控区域内各人物的人脸显示图像，并提取存储的目标监控区域内各指定人物的储存信息，其中储存信息包括标准人脸图像和姓名，将目标监控区域内各人物的人脸显示图像与各指定人物的标准人脸图像进行对比，若目标监控区域内某人物的人脸显示图像与某指定人物的标准人脸图像相同，则获取目标监控区域内该人物对应的储存信息，将目标监控区域内该人物的姓名作为其对应子文件夹的关联搜索名称；若目标监控区域内某人物的人脸显示图像与各指定人物的标准人脸图像均不同，则将目标监控区域内该人物的人脸显示图像作为其对应子文件夹的关联搜索图像。
相对于现有技术，本发明所述的一种基于云平台的超高清视频数据存储分类管理系统具有以下有益效果：1、本发明通过获取目标监控区域内各高清摄像头拍摄的高清视频，提取目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像，进一步处理得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，构成目标监控区域内各单位时间段的整合高清视频，从而实现对高清摄像头采集的高清视频数据进行整合处理，能够有效地降低高清视频数据的存储量，减少存储空间，避免资源浪费，进而避免出现后期监控人员多次重复观看监控重合区域视频的情况，在极大程度上降低监控人员的工作强度，减少监控人员的查阅时间，有利于监控人员能够快速地采取针对性措施。
2、本发明通过识别获取目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据，分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数，进而对目标监控区域内各单位时间段对应整合高清视频按照预设的分类规则进行分类、排序、存储，从而增加高清视频数据存储分类管理的多样性和功能性，使得后期监控人员能够快速获取特定的高清视频数据，进一步减少监控人员查阅特定高清视频数据的时间，提高了监控人员对高清视频数据的查阅效率，进而满足人们的实际应用需求，提高高清视频数据存储分类管理的智能化水平。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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，对于本领域普通技术人员来讲，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为本发明的系统模块连接图。
具体实施方式
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供一种基于云平台的超高清视频数据存储分类管理系统，包括高清视频拍摄模块、视频帧图像处理模块、人物图像显示数据获取模块、人物图像显示数据分析模块和高清视频存储数据库。
所述高清视频拍摄模块与视频帧图像处理模块连接，所述视频帧图像处理模块分别与高清视频存储数据库和人物图像显示数据获取模块连接，所述人物图像显示数据分析模块分别与人物图像显示数据获取模块和高清视频存储数据库连接。
所述高清视频拍摄模块用于获取目标监控区域内各高清摄像头拍摄的高清视频，提取目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像。
在上述实施例的基础上，所述高清视频拍摄模块对应的具体内容如下：将若干高清摄像头均匀布设在目标监控区域内，通过各高清摄像头对目标监控区域进行视频拍摄，获取目标监控区域内各高清摄像头拍摄的高清视频，将其记为目标监控区域内各高清视频。
对目标监控区域内各高清视频按照单位时间划分方式进行划分，得到目标监控区域内各高清视频对应各单位时间段的子视频，并对目标监控区域内各高清视频对应各单位时间段的子视频进行视频帧图像提取，得到目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像。
所述视频帧图像处理模块用于对目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像进行处理，得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，构成目标监控区域内各单位时间段的整合高清视频，并发送至高清视频存储数据库。
在上述实施例的基础上，所述视频帧图像处理模块中目标监控区域内各单位时间段的整合高清视频构成方式为：对目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像进行等面积划分，得到目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像，对目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像进行归一化处理，得到目标监控区域内各高清视频在各单位时间段中各时间点的视频帧处理图像。
将目标监控区域内各高清视频在各单位时间段中各时间点的视频帧处理图像与各其他高清视频在对应单位时间段中对应时间点的视频帧处理图像进行拼接整合，得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，进而构成目标监控区域内各单位时间段的整合高清视频。
作为本发明的一个具体实施例，上述中对目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像进行归一化处理，具体包括：获取目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应各子图像的像素点数量，并提取目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的子图像划分面积，将目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应各子图像的像素点数量除以其对应子图像划分面积，得到目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应各子图像的像素密度，筛选目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的最低子图像像素密度，并对目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像进行最低子图像像素密度的归一化处理。
作为本发明的一个具体实施例，上述中将目标监控区域内各高清视频在各单位时间段中各时间点的视频帧处理图像与各其他高清视频在对应单位时间段中对应时间点的视频帧处理图像进行拼接整合，具体过程如下：当目标监控区域内某高清视频在某单位时间段中某时间点的视频帧处理图像与某其他高清视频在对应单位时间段中对应时间点的视频帧处理图像进行拼接整合时，将该高清视频在该单位时间段中该时间点的视频帧处理图像记为标记视频帧处理图像，并将该其他高清视频在对应单位时间段中对应时间点的视频帧处理图像记为参考视频帧处理图像。
若标记视频帧处理图像与参考视频帧处理图像不重合，则将标记视频帧处理图像与参考视频帧处理图像进行拼接。
若标记视频帧处理图像与参考视频帧处理图像部分重合，则获取标记视频帧处理图像对应的重合子图像和参考视频帧处理图像对应的重合子图像，提取标记视频帧处理图像对应重合子图像中各像素点的红原色值、绿原色值和蓝原色值，依次标记为
Figure 213143DEST_PATH_IMAGE010
，
Figure 764210DEST_PATH_IMAGE011
，s表示为标记视频帧处理图像对应重合子图像中第s个像素点的编号，分析得到标记视频帧处理图像对应的重合子图像清晰度
Figure 48692DEST_PATH_IMAGE012
，其中
Figure 368814DEST_PATH_IMAGE013
表示为预设的图像清晰度补偿系数，d表示为标记视频帧处理图像对应重合子图像的像素点数量，
Figure 595396DEST_PATH_IMAGE014
分别表示为预设的红原色值、图像绿原色值和图像蓝原色值对应的图像影响权重因子，
Figure 384492DEST_PATH_IMAGE015
。
同理，提取参考视频帧处理图像对应的重合子图像中各像素点的红原色值、绿原色值和蓝原色值，分析参考视频帧处理图像对应的重合子图像清晰度，若标记视频帧处理图像对应的重合子图像清晰度大于或等于参考视频帧处理图像对应的重合子图像清晰度，则将标记视频帧处理图像与参考视频帧处理图像对应除去重合部分的其他部分图像进行拼接；反之，则将标记视频帧处理图像对应除去重合部分的其他部分图像与参考视频帧处理图像进行拼接。
需要说明的是，本发明通过获取目标监控区域内各高清摄像头拍摄的高清视频，提取目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像，进一步处理得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，构成目标监控区域内各单位时间段的整合高清视频，并发送至高清视频存储数据库，从而实现对高清摄像头采集的高清视频数据进行整合处理，能够有效地降低高清视频数据的存储量，减少存储空间，避免资源浪费，进而避免出现后期监控人员多次重复观看监控重合区域视频的情况，在极大程度上降低监控人员的工作强度，减少监控人员的查阅时间，有利于监控人员能够快速地采取针对性措施。
所述人物图像显示数据获取模块用于对目标监控区域内各单位时间段的整合高清视频进行内容识别，得到目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据。
在上述实施例的基础上，所述人物图像显示数据获取模块对应的具体包括：对目标监控区域内各单位时间段的整合高清视频进行图像分割处理，得到目标监控区域内各单位时间段对应整合高清视频中各单位时间点图像，并提取目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物子图像，进而获得目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的人脸显示子图像和身体轮廓显示面积。
根据目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的人脸显示子图像，统计目标监控区域内各单位时间段对应整合高清视频中各人物的人脸显示时长和单位时间点图像显示数量；并根据目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的身体轮廓显示面积，统计目标监控区域内各单位时间段对应整合高清视频中各人物在各单位时间点图像的身体轮廓显示面积。
将目标监控区域内各单位时间段对应整合高清视频中各人物的人脸显示时长、各人物的单位时间点图像显示数量和各人物在各单位时间点图像的身体轮廓显示面积记为其对应人物的图像显示数据。
所述人物图像显示数据分析模块用于根据目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据，分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数。
在上述实施例的基础上，所述人物图像显示数据分析模块中目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数分析方式为：根据目标监控区域内各单位时间段对应整合高清视频中各人物在各单位时间点图像的身体轮廓显示面积，筛选目标监控区域内各单位时间段对应整合高清视频中各人物对应的最大身体轮廓显示面积，将其标记为
Figure 456353DEST_PATH_IMAGE016
，
Figure 647294DEST_PATH_IMAGE017
，i表示为第i个单位时间段的编号，
Figure 779198DEST_PATH_IMAGE018
，j表示为第j个人物的编号。
分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数
Figure 39278DEST_PATH_IMAGE019
，其中
Figure 665563DEST_PATH_IMAGE020
表示为目标监控区域内第i个单位时间段对应整合高清视频中第j个人物的显示权重比例系数，e表示为自然常数，
Figure 225857DEST_PATH_IMAGE021
分别表示为预设的人物人脸显示时长占比、图像显示数量占比、人物身体轮廓显示面积占比对应的权重影响因子，
Figure 794242DEST_PATH_IMAGE022
分别表示为目标监控区域内第i个单位时间段对应整合高清视频中第j个人物的人脸显示时长、第j个人物的单位时间点图像显示数量、第j个人物在第f个单位时间点图像的身体轮廓显示面积，
Figure 292350DEST_PATH_IMAGE023
，
Figure 502752DEST_PATH_IMAGE024
分别表示为预设单位时间段的标准时长和预设单位时间段对应的标准单位时间点图像数量。
所述高清视频存储数据库用于接收视频帧图像处理模块发送的目标监控区域内各单位时间段的整合高清视频，对目标监控区域内各单位时间段对应整合高清视频按照预设的分类规则进行分类及排序，并进行存储。
在上述实施例的基础上，所述高清视频存储数据库包括高清视频分类单元、视频存储文件夹建立单元和视频存储文件压缩单元。
所述高清视频分类单元用于对目标监控区域内各单位时间段对应整合高清视频进行分类及排序，具体包括：对目标监控区域内各单位时间段对应整合高清视频按照时间分类规则进行分类，并按照时间先后顺序依次进行排序，得到目标监控区域内排序后的各单位时间段对应整合高清视频。
对目标监控区域内各单位时间段对应整合高清视频按照人物分类规则进行分类，得到目标监控区域内各人物对应的各单位时间段的整合高清视频，根据目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数，得到目标监控区域内各人物在各单位时间段对应整合高清视频的显示权重比例系数，并将其按照显示权重比例系数从大到小的顺序依次进行排序，得到目标监控区域内各人物对应排序后的各单位时间段的整合高清视频。
所述视频存储文件夹建立单元用于在高清视频存储数据库中建立视频存储文件夹，具体包括：通过视频存储文件夹建立单元建立新的视频存储文件夹，将其记为第一视频存储文件夹，并将目标监控区域内排序后的各单位时间段对应整合高清视频放置至第一视频存储文件夹。
通过视频存储文件夹建立单元重新建立新的视频存储文件夹，将其记为第二视频存储文件夹，并将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频放置至第二视频存储文件夹。
作为本发明的一个具体实施例，所述将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频放置至第二视频存储文件夹，具体包括：根据目标监控区域内人物数量，在第二视频存储文件夹内建立与人物数量相等的各子文件夹，将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频分别放置至各子文件夹，其中一个子文件夹只放置一个人物对应排序后的各单位时间段的整合高清视频。
根据目标监控区域内各人物对应排序后的各单位时间段的整合高清视频，获得目标监控区域内各人物的人脸显示图像，并提取存储的目标监控区域内各指定人物的储存信息，其中储存信息包括标准人脸图像和姓名，将目标监控区域内各人物的人脸显示图像与各指定人物的标准人脸图像进行对比，若目标监控区域内某人物的人脸显示图像与某指定人物的标准人脸图像相同，则获取目标监控区域内该人物对应的储存信息，将目标监控区域内该人物的姓名作为其对应子文件夹的关联搜索名称；若目标监控区域内某人物的人脸显示图像与各指定人物的标准人脸图像均不同，则将目标监控区域内该人物的人脸显示图像作为其对应子文件夹的关联搜索图像。
所述视频存储文件压缩单元用于对建立的视频存储文件夹进行压缩存储，具体包括：对高清视频存储数据库中第一视频存储文件夹进行压缩处理，并将高清视频存储数据库中压缩处理后的第一视频存储文件夹进行存储。
对高清视频存储数据库中第二视频存储文件夹进行压缩处理，并将高清视频存储数据库中压缩处理后的第二视频存储文件夹进行存储。
需要说明的是，本发明通过识别获取目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据，分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数，进而对目标监控区域内各单位时间段对应整合高清视频按照预设的分类规则进行分类、排序、存储，从而增加高清视频数据存储分类管理的多样性和功能性，使得后期监控人员能够快速获取特定的高清视频数据，进一步减少监控人员查阅特定高清视频数据的时间，提高了监控人员对高清视频数据的查阅效率，进而满足人们的实际应用需求，提高高清视频数据存储分类管理的智能化水平。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于云平台的超高清视频数据存储分类管理系统，其特征在于，包括：
高清视频拍摄模块，用于获取目标监控区域内各高清摄像头拍摄的高清视频，提取目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像；
视频帧图像处理模块，用于对目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像进行处理，得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，构成目标监控区域内各单位时间段的整合高清视频，并发送至高清视频存储数据库；
人物图像显示数据获取模块，用于对目标监控区域内各单位时间段的整合高清视频进行内容识别，得到目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据；
人物图像显示数据分析模块，用于根据目标监控区域内各单位时间段对应整合高清视频中各人物的图像显示数据，分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数；
高清视频存储数据库，用于接收视频帧图像处理模块发送的目标监控区域内各单位时间段的整合高清视频，对目标监控区域内各单位时间段对应整合高清视频按照预设的分类规则进行分类及排序，并进行存储。
2.根据权利要求1所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述高清视频拍摄模块对应的具体内容如下：
将若干高清摄像头均匀布设在目标监控区域内，通过各高清摄像头对目标监控区域进行视频拍摄，获取目标监控区域内各高清摄像头拍摄的高清视频，将其记为目标监控区域内各高清视频；
对目标监控区域内各高清视频按照单位时间划分方式进行划分，得到目标监控区域内各高清视频对应各单位时间段的子视频，并对目标监控区域内各高清视频对应各单位时间段的子视频进行视频帧图像提取，得到目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像。
3.根据权利要求2所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述视频帧图像处理模块中目标监控区域内各单位时间段的整合高清视频构成方式为：
对目标监控区域内各高清视频在各单位时间段中各时间点的视频帧图像进行等面积划分，得到目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像，对目标监控区域内各高清视频在各单位时间段中各时间点视频帧图像对应的各子图像进行归一化处理，得到目标监控区域内各高清视频在各单位时间段中各时间点的视频帧处理图像；
将目标监控区域内各高清视频在各单位时间段中各时间点的视频帧处理图像与各其他高清视频在对应单位时间段中对应时间点的视频帧处理图像进行拼接整合，得到目标监控区域内各单位时间段中各时间点的拼接视频帧图像，进而构成目标监控区域内各单位时间段的整合高清视频。
4.根据权利要求1所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述人物图像显示数据获取模块对应的具体包括：
对目标监控区域内各单位时间段的整合高清视频进行图像分割处理，得到目标监控区域内各单位时间段对应整合高清视频中各单位时间点图像，并提取目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物子图像，进而获得目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的人脸显示子图像和身体轮廓显示面积；
根据目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的人脸显示子图像，统计目标监控区域内各单位时间段对应整合高清视频中各人物的人脸显示时长和单位时间点图像显示数量；并根据目标监控区域内各单位时间段对应整合高清视频的各单位时间点图像中各人物的身体轮廓显示面积，统计目标监控区域内各单位时间段对应整合高清视频中各人物在各单位时间点图像的身体轮廓显示面积；
将目标监控区域内各单位时间段对应整合高清视频中各人物的人脸显示时长、各人物的单位时间点图像显示数量和各人物在各单位时间点图像的身体轮廓显示面积记为其对应人物的图像显示数据。
5.根据权利要求4所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述人物图像显示数据分析模块中目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数分析方式为：
根据目标监控区域内各单位时间段对应整合高清视频中各人物在各单位时间点图像的身体轮廓显示面积，筛选目标监控区域内各单位时间段对应整合高清视频中各人物对应的最大身体轮廓显示面积，将其标记为
Figure 388851DEST_PATH_IMAGE001
，
Figure 144448DEST_PATH_IMAGE002
，i表示为第i个单位时间段的编号，
Figure 379121DEST_PATH_IMAGE003
，j表示为第j个人物的编号；
分析目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数
Figure 347208DEST_PATH_IMAGE004
，其中
Figure 147674DEST_PATH_IMAGE005
表示为目标监控区域内第i个单位时间段对应整合高清视频中第j个人物的显示权重比例系数，e表示为自然常数，
Figure 808593DEST_PATH_IMAGE006
分别表示为预设的人物人脸显示时长占比、图像显示数量占比、人物身体轮廓显示面积占比对应的权重影响因子，
Figure 530562DEST_PATH_IMAGE007
分别表示为目标监控区域内第i个单位时间段对应整合高清视频中第j个人物的人脸显示时长、第j个人物的单位时间点图像显示数量、第j个人物在第f个单位时间点图像的身体轮廓显示面积，
Figure 817186DEST_PATH_IMAGE008
，
Figure 426153DEST_PATH_IMAGE009
分别表示为预设单位时间段的标准时长和预设单位时间段对应的标准单位时间点图像数量。
6.根据权利要求1所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述高清视频存储数据库包括高清视频分类单元、视频存储文件夹建立单元和视频存储文件压缩单元。
7.根据权利要求6所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述高清视频分类单元用于对目标监控区域内各单位时间段对应整合高清视频进行分类及排序，具体包括：
对目标监控区域内各单位时间段对应整合高清视频按照时间分类规则进行分类，并按照时间先后顺序依次进行排序，得到目标监控区域内排序后的各单位时间段对应整合高清视频；
对目标监控区域内各单位时间段对应整合高清视频按照人物分类规则进行分类，得到目标监控区域内各人物对应的各单位时间段的整合高清视频，根据目标监控区域内各单位时间段对应整合高清视频中各人物的显示权重比例系数，得到目标监控区域内各人物在各单位时间段对应整合高清视频的显示权重比例系数，并将其按照显示权重比例系数从大到小的顺序依次进行排序，得到目标监控区域内各人物对应排序后的各单位时间段的整合高清视频。
8.根据权利要求7所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述视频存储文件夹建立单元用于在高清视频存储数据库中建立视频存储文件夹，具体包括：
通过视频存储文件夹建立单元建立新的视频存储文件夹，将其记为第一视频存储文件夹，并将目标监控区域内排序后的各单位时间段对应整合高清视频放置至第一视频存储文件夹；
通过视频存储文件夹建立单元重新建立新的视频存储文件夹，将其记为第二视频存储文件夹，并将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频放置至第二视频存储文件夹。
9.根据权利要求8所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述视频存储文件压缩单元用于对建立的视频存储文件夹进行压缩存储，具体包括：
对高清视频存储数据库中第一视频存储文件夹进行压缩处理，并将高清视频存储数据库中压缩处理后的第一视频存储文件夹进行存储；
对高清视频存储数据库中第二视频存储文件夹进行压缩处理，并将高清视频存储数据库中压缩处理后的第二视频存储文件夹进行存储。
10.根据权利要求8所述的一种基于云平台的超高清视频数据存储分类管理系统，其特征在于：所述将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频放置至第二视频存储文件夹，具体包括：
根据目标监控区域内人物数量，在第二视频存储文件夹内建立与人物数量相等的各子文件夹，将目标监控区域内各人物对应排序后的各单位时间段的整合高清视频分别放置至各子文件夹，其中一个子文件夹只放置一个人物对应排序后的各单位时间段的整合高清视频；
根据目标监控区域内各人物对应排序后的各单位时间段的整合高清视频，获得目标监控区域内各人物的人脸显示图像，并提取存储的目标监控区域内各指定人物的储存信息，其中储存信息包括标准人脸图像和姓名，将目标监控区域内各人物的人脸显示图像与各指定人物的标准人脸图像进行对比，若目标监控区域内某人物的人脸显示图像与某指定人物的标准人脸图像相同，则获取目标监控区域内该人物对应的储存信息，将目标监控区域内该人物的姓名作为其对应子文件夹的关联搜索名称；若目标监控区域内某人物的人脸显示图像与各指定人物的标准人脸图像均不同，则将目标监控区域内该人物的人脸显示图像作为其对应子文件夹的关联搜索图像。
CN202210930121.0A 2022-08-04 2022-08-04 一种基于云平台的超高清视频数据存储分类管理系统 Active CN114996518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210930121.0A CN114996518B (zh) 2022-08-04 2022-08-04 一种基于云平台的超高清视频数据存储分类管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210930121.0A CN114996518B (zh) 2022-08-04 2022-08-04 一种基于云平台的超高清视频数据存储分类管理系统

Publications (2)

Publication Number Publication Date
CN114996518A true CN114996518A (zh) 2022-09-02
CN114996518B CN114996518B (zh) 2022-10-21

Family

ID=83023166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210930121.0A Active CN114996518B (zh) 2022-08-04 2022-08-04 一种基于云平台的超高清视频数据存储分类管理系统

Country Status (1)

Country Link
CN (1) CN114996518B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116320218A (zh) * 2023-05-24 2023-06-23 深圳金智凌轩视讯技术有限公司 基于嵌入式计算机平台的多路视频合成分析处理管理系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015070694A1 (zh) * 2013-11-18 2015-05-21 杭州海康威视数字技术股份有限公司 屏幕拼接系统和视频数据流的处理方法
CN107277467A (zh) * 2017-08-08 2017-10-20 江苏云光智慧信息科技有限公司 一种监控视频拼接方法
CN110991550A (zh) * 2019-12-13 2020-04-10 歌尔科技有限公司 一种视频监控方法、装置、电子设备及存储介质
CN111405196A (zh) * 2019-12-31 2020-07-10 智慧互通科技有限公司 一种基于视频拼接的车辆管理的方法及系统
CN111757146A (zh) * 2019-03-29 2020-10-09 杭州萤石软件有限公司 视频拼接的方法、系统及存储介质
CN112333537A (zh) * 2020-07-27 2021-02-05 深圳Tcl新技术有限公司 视频整合方法、装置及计算机可读存储介质
CN112437280A (zh) * 2020-11-23 2021-03-02 单昂 一种基于大数据分析的智慧监控安防数据处理管理系统
CN112887666A (zh) * 2021-01-06 2021-06-01 浙江大华技术股份有限公司 视频处理方法和装置、网络摄像头和服务器及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015070694A1 (zh) * 2013-11-18 2015-05-21 杭州海康威视数字技术股份有限公司 屏幕拼接系统和视频数据流的处理方法
CN107277467A (zh) * 2017-08-08 2017-10-20 江苏云光智慧信息科技有限公司 一种监控视频拼接方法
CN111757146A (zh) * 2019-03-29 2020-10-09 杭州萤石软件有限公司 视频拼接的方法、系统及存储介质
CN110991550A (zh) * 2019-12-13 2020-04-10 歌尔科技有限公司 一种视频监控方法、装置、电子设备及存储介质
CN111405196A (zh) * 2019-12-31 2020-07-10 智慧互通科技有限公司 一种基于视频拼接的车辆管理的方法及系统
CN112333537A (zh) * 2020-07-27 2021-02-05 深圳Tcl新技术有限公司 视频整合方法、装置及计算机可读存储介质
CN112437280A (zh) * 2020-11-23 2021-03-02 单昂 一种基于大数据分析的智慧监控安防数据处理管理系统
CN112887666A (zh) * 2021-01-06 2021-06-01 浙江大华技术股份有限公司 视频处理方法和装置、网络摄像头和服务器及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116320218A (zh) * 2023-05-24 2023-06-23 深圳金智凌轩视讯技术有限公司 基于嵌入式计算机平台的多路视频合成分析处理管理系统
CN116320218B (zh) * 2023-05-24 2023-08-29 深圳金智凌轩视讯技术有限公司 基于嵌入式计算机平台的多路视频合成分析处理管理系统

Also Published As

Publication number Publication date
CN114996518B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
US10579669B2 (en) System, apparatus, method, program and recording medium for processing image
US9002060B2 (en) Object retrieval in video data using complementary detectors
CN108898579A (zh) 一种图像清晰度识别方法、装置和存储介质
CN113411542A (zh) 一种智能化的工作状况监测设备
CN107766797A (zh) 一种陌生人识别方法和系统
CN114996518B (zh) 一种基于云平台的超高清视频数据存储分类管理系统
CN108268850A (zh) 一种基于图像的大数据处理方法
CN111191507A (zh) 智慧社区的安全预警分析方法及系统
CN111126411B (zh) 一种异常行为识别方法及装置
Diyasa et al. Multi-face Recognition for the Detection of Prisoners in Jail using a Modified Cascade Classifier and CNN
CN111401310A (zh) 基于人工智能的厨房卫生安全监督管理方法
CN114842957A (zh) 一种基于情绪识别的老年痴呆症辅助诊断系统及其方法
CN114222163A (zh) 一种营业厅智能视频分析系统
KR101313103B1 (ko) 지능로봇의 얼굴인식 성능평가 시스템 및 평가 방법
CN110321782A (zh) 一种检测人体特征信号的系统
CN115424179A (zh) 一种基于边缘计算的实时视频监控方法、设备及存储介质
CN114359578A (zh) 病虫害识别智能终端应用方法及系统
CN113298893A (zh) 一种基于电力调度的人工智能图像处理方法
CN112686156A (zh) 一种情绪监测方法、装置、计算机设备及可读存储介质
CN111274876A (zh) 一种基于视频分析的调度监控方法和系统
CN116259091B (zh) 一种静默活体检测的方法和装置
KR102426750B1 (ko) Ｘ-ｒａｙ 영상 다중 판독 시스템 및 그 방법
CN113094537B (zh) 一种基于fpga的图像处理系统
CN114691905B (zh) 一种用于监视器的人工智能多源数据处理系统
CN114445925B (zh) 一种能够自动载入和删除的面部识别智能考勤系统

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
GR01 Patent grant
GR01 Patent grant