CN115514913B - 视频数据处理方法和装置、电子设备及存储介质 - Google Patents
视频数据处理方法和装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115514913B CN115514913B CN202211128878.4A CN202211128878A CN115514913B CN 115514913 B CN115514913 B CN 115514913B CN 202211128878 A CN202211128878 A CN 202211128878A CN 115514913 B CN115514913 B CN 115514913B
- Authority
- CN
- China
- Prior art keywords
- target
- user
- video data
- disease
- information
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 201000010099 disease Diseases 0.000 claims abstract description 330
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 330
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 54
- 238000013475 authorization Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000011176 pooling Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000012098 association analyses Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 35
- 238000013473 artificial intelligence Methods 0.000 abstract description 13
- 239000010410 layer Substances 0.000 description 60
- 238000004891 communication Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 238000013527 convolutional neural network Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/141—Systems for two-way working between two video terminals, e.g. videophone
- H04N7/147—Communication arrangements, e.g. identifying the communication as a video-communication, intermediate storage of the signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供了一种视频数据处理方法和装置、电子设备及存储介质,属于人工智能技术领域。该方法包括:获取至少两个第一用户端的会议视频数据和目标操控请求;根据目标操控请求获取第二用户端调节摄像参数得到的直播视频数据和患者信息;根据患者信息获取模型端的疾病关联度信息;根据会议视频数据、直播视频数据和疾病关联度信息进行整合处理,得到目标视频数据;其中,目标视频数据包括至少两个目标视频帧图像,目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图;将目标视频数据发送至第一用户端,以使第一用户端的视频窗口显示目标视频帧图像。本申请实施例能够实现远程疾病诊断服务,以提高用户远程会诊的体验感。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种视频数据处理方法和装置、电子设备及存储介质。
背景技术
相关技术中,为了实现远程沟通患者病情和患者信息展示,医学专家和患者主要通过视频会议实现,但是仅通过视频会议的方式让专家进行沟通,专家难以获取患者任意区域的目标视频画面,从而降低了用户进行疾病诊断会议的体验感。除此之外,医学专家评估患者病情需要较长时间,所以亟待需要提前对患者病情提前做出评估信息以作为病情评估的参考信息。
发明内容
本申请实施例的主要目的在于提出一种视频数据处理方法和装置、电子设备及存储介质,旨在实现远程会诊,并提高用户远程会诊的体验感,且输出病情评估信息以辅助疾病诊断。
为实现上述目的,本申请实施例的第一方面提出了一种视频数据处理方法,应用于业务端,所述方法包括:
获取至少两个第一用户端的会议视频数据和候选操控请求,并从所述候选目标操控请求筛选出目标操控请求;
将所述目标操控请求发送至第二用户端,以使所述第二用户端调节摄像参数得到目标摄像参数,并根据所述目标摄像参数拍摄得到直播视频数据;
根据所述目标操控请求获取所述第二用户端的所述直播视频数据和患者信息;
根据所述患者信息获取模型端的疾病关联度信息;其中,所述疾病关联度信息由模型端通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到;
根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据;其中,所述目标视频数据包括至少两个目标视频帧图像,所述目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图;
将所述目标视频数据发送至所述第一用户端,以使所述第一用户端的视频窗口显示所述目标视频帧图像。
在一些实施例,所述目标操控请求包括:位置调节信息、焦距调节参数、色彩调节参数;所述将所述目标操控请求发送至第二用户端,以使所述第二用户端调节摄像参数得到目标摄像参数,并根据所述目标摄像参数拍摄得到直播视频数据,包括:
将所述位置调节信息、所述焦距调节参数和所述色彩调节参数发送至第二用户端,以使所述第二用户端获取当前位置信息,根据所述当前位置信息和所述位置调节信息进行位置计算得到目标位置信息,所述第二用户端控制第一摄像头移动至所述目标位置信息,并根据所述焦距调节参数和所述色彩调节参数对所述第一摄像头进行角度和色彩调节得到所述目标摄像参数,以根据所述目标摄像参数拍摄得到所述直播视频数据。
在一些实施例,所述根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据,包括:
获取所述会议视频数据的会议视频帧图像;
获取所述直播视频数据的直播视频帧图像;
对所述疾病关联度信息进行可视化处理,得到疾病关联度视图;
将所述会议视频帧图像、所述直播视频帧图像和所述疾病关联度视图嵌入预设的视频画面窗口,得到所述目标视频帧图像;
将所述目标视频帧图像进行汇集处理,得到所述目标视频数据。
在一些实施例,在所述根据所述患者信息获取模型端的疾病关联度信息之前,所述方法还包括:
存储所述用户病程数据,具体包括:
获取所述第一用户端的用户病程数据;其中,所述用户病程数据包括以下至少之一:患者临床照片、患者病历图片、患者CT图片、病情语音数据和电子病历信息;
获取所述用户病程数据的数据类别;
根据所述数据类别将所述用户病程数据分别存储至预设数据库,得到目标数据库。
在一些实施例,在根据所述数据类别将所述用户病程数据分别存储至预设数据库,以得到目标数据库之后,所述方法还包括:
接收所述第一用户端的调取请求;
根据所述调取请求对所述第一用户端进行授权处理,得到授权信息;其中,所述授权信息包括:账户信息和授权操作;
将所述授权信息发送至所述第一用户端,以使所述第一用户端根据所述账户信息对从所述目标数据库的所述用户病程数据执行所述授权操作。
为实现上述目的,本申请实施例的第二方面提出了一种视频数据处理方法,应用于模型端,所述方法包括:
获取第二用户端的患者信息;
根据所述患者信息在业务端的目标数据库获取用户病程数据;
通过预设的疾病关联度分析模型对所述用户病程数据进行疾病关联度计算,得到疾病关联度信息;
将所述疾病关联度信息发送至所述业务端,以使所述业务端获取会议视频数据、直播视频数据,并根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据;其中,所述目标视频数据包括至少两个目标视频帧图像,所述目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图,再将所述目标视频数据发送至第一用户端,以使所述第一用户端的视频窗口显示所述目标视频帧图像。
在一些实施例,所述疾病关联度分析模型包括:至少两个卷积池化层和至少两个全连接层,所述通过预设的疾病关联度分析模型对所述用户病程数据进行疾病关联度计算,得到疾病关联度信息,包括:
获取所述用户病程数据的数据类别;
根据所述数据类别对所述卷积池化层和所述全连接层进行筛选处理,得到目标卷积池化层、目标全连接层和Softmax分类层;
通过所述目标卷积池化层对所述用户病程数据进行卷积处理,得到数据特征向量;
通过所述目标全连接层和Softmax分类层对所述数据特征向量进行特征关联性计算,得到所述疾病关联度信息。
为实现上述目的,本申请实施例的第三方面提出了一种视频数据处理装置,所述装置包括:
第一获取模块,用于获取至少两个第一用户端的会议视频数据和候选操控请求,并从所述候选操控请求筛选出目标操控请求;
请求发送模块,用于将所述目标操控请求发送至第二用户端,以使所述第二用户端调节摄像参数得到目标摄像参数,并根据所述目标摄像参数拍摄得到直播视频数据;
第二获取模块,用于根据所述目标操控请求获取所述第二用户端的所述直播视频数据;
信息获取模块,用于获取模型端的疾病关联度信息;其中,所述疾病关联度信息由模型端通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到;
整合处理模块,用于根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据;其中,所述目标视频数据包括至少两个目标视频帧图像,所述目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图;
数据发送模块,用于将所述目标视频数据发送至所述第一用户端,以使所述第一用户端的视频窗口显示所述目标视频帧图像。
为实现上述目的,本申请实施例的第四方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的视频数据处理方法,第二方面所述的视频数据处理方法。
为实现上述目的,本申请实施例的第五方面提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的视频数据处理方法,第二方面所述的视频数据处理方法。
本申请提出的视频数据处理方法和装置、电子设备及存储介质,其通过将会议视频数据、直播视频数据和疾病关联度信息整合处理得到目标视频数据,且目标视频数据包括至少两个会议视频帧图像、直播视频帧图像和疾病关联度视图,则将目标视频数据发送至第一用户端,以使至少两个第一用户端之间建立会议通话,且第一用户端的视频窗口显示会议视频帧图像、直播视频帧图像和疾病关联度视图,以便于第一用户端的医学专家可以通过视频窗口和其他医学专家进行远程会议,同时可以查看患者的身体状况,并将疾病关联度视图作为疾病诊断的参考数据,以进一步确认患者的疾病类别和疾病严重程度,从而提供远程疾病诊断服务,以提高用户进行远程会诊的体验感,以便于用户做出更加准确的疾病诊断判断和提供更优的治疗建议。
附图说明
图1是本申请实施例提供的视频数据处理方法的系统框架图;
图2是本申请实施例提供的视频数据处理方法的流程图;
图3是图2中的步骤S202的流程图;
图4是图2中的步骤S205的流程图;
图5是本申请另一实施例提供的视频数据处理方法的流程图;
图6是本申请另一实施例提供的视频数据处理方法的流程图;
图7是本申请实施例提供的视频数据处理方法的流程图;
图8是图7中的步骤S703的流程图;
图9是本申请实施例提供的视频数据处理装置的结构示意图;
图10是本申请实施例提供的视频数据处理装置的结构示意图;
图11是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
首先,对本申请中涉及的若干名词进行解析:
人工智能(artificial intelligence,AI):是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学;人工智能是计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
远程会诊:远程会诊就是利用电子邮件、网站、信件、电话、传真等现代化通讯工具,为患者完成病历分析、病情诊断,进一步确定治疗方案的治疗方式,它是极其方便、诊断极其可靠的新型就诊方式,它与邮购的紧密配合,有力的带动了传统治疗方式的改革和进步,为医疗走向区域扩大化、服务国际化提供了坚实的基础和有力的条件,也为规范医疗市场、评价医疗质量标准、完善医疗服务体系、交流医疗服务经验提供了新的准则和工具。
数据隐私保护:当今的全新数据安全规程尚未实际触及到一个重要的数据层并为之提供保护:用于开发、测试和培训的非生产系统。在所有规模的企业中,通常未能对这些系统提供充分保护,从而在数据隐私方面留下巨大漏洞。因此,数据隐私保护可以通过数字水印进行版权信息识别,可以通过数据脱敏实现技术上的变形处理。
视频流:视频流是指视频数据的传输,例如,它能够被作为一个稳定的和连续的流通过网络处理。因为流动,客户机浏览器或插件能够在整个文件被传输完成前显示多媒体数据。视频流技术基于密钥技术,视频译码技术和可升级的视频分发技术发展。
卷积神经网络(Convolutional Neural Networks,CNN):卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习(deep learning)的代表算法之一。卷积神经网络具有表征学习能力,能够按其阶层结构对输入信息进行平移不变分类,因此也被称为“平移不变人工神经网络”。卷积神经网络仿造生物的视知觉机制构建,可以进行监督学习和非监督学习,其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征。
全连接层:全连接层是每一个结点都与上一层的所有结点相连,用来把前边提取到的特征综合起来。由于其全相连的特性,一般全连接层的参数也是最多的。在CNN结构中,经多个卷积层和池化层后,连接着1个或1个以上的全连接层。与MLP类似,全连接层中的每个神经元与其前一层的所有神经元进行全连接。全连接层可以整合卷积层或者池化层中具有类别区分性的局部信息。为了提升CNN网络性能,全连接层每个神经元的激励函数一般采用ReLU函数。
基于此,本申请实施例提供了一种视频数据处理方法和装置、电子设备及存储介质,通过获取第一用户端的会议视频数据,再获取第二用户端的直播视频数据,且直播视频数据根据第一用户端反馈的目标操控请求调节第二用户端的摄像参数得到目标摄像参数,且第二用户端根据目标摄像参数拍摄得到。同时获取模型端通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到疾病关联度信息,因此通过对会议视频数据、直播视频数据和疾病关联度信息进行整合处理得到目标视频数据,并将目标视频数据发送至第一用户端,以使第一用户端的视频窗口显示会议视频帧图像、直播视频帧图像和疾病关联度视图,以实现视频会议的同时查看患者的身体状况,同时可以通过模型计算得到患者的疾病关联度信息,以将疾病关联度信息作为疾病诊断的参考数据,以辅助医学专家对患者进行疾病诊断。同时,第一用户端可以对第二用户端的摄像参数调节,以远程控制第二用户端以采集到符合要求的直播视频数据。
本申请实施例提供的视频数据处理方法和装置、电子设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的视频数据处理方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的视频数据处理方法,涉及人工智能技术领域。本申请实施例提供的视频数据处理方法可应用于用户端中,也可应用于模型端和业务端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,用户端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;模型端和业务端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现视频数据处理方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类别的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据患者信息、用户行为数据,用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时,都会先获得用户的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关国家和地区的相关法律法规和标准。此外,当本申请实施例需要获取用户的敏感个人信息时,会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意,在明确获得用户的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
请参照图1,图1是本申请实施例提供的视频数据处理方法的系统框架图,视频数据处理方法应用于视频数据处理系统,视频数据处理系统包括:业务端、第一用户端、第二用户端和模型端。
业务端,业务端和第一用户端、第二用户端和模型端通信连接,且业务端接收第一用户端的会议视频数据和候选操控请求,并从候选操控请求筛选出目标操控请求,并将目标操控请求发送至第二用户端以使第二用户端根据目标操控请求调节摄像参数得到目标摄像参数,第二用户端根据目标摄像参数拍摄得到直播视频数据,则业务端根据目标操控请求获取第二用户端的直播视频数据和患者信息,并根据患者信息从模型端获取与患者信息匹配的疾病关联度信息,即可将会议视频数据、直播视频数据和疾病关联度信息进行整合处理得到目标视频数据,并将目标视频数据发送至第一用户端以使第一用户端的视频窗口显示会议视频帧图像、直播视频帧图像和疾病关联度视图,以实现用户在进行远程会诊的过程可以操控第二用户端,以获取需要的直播视频数据,且在远程会诊过程中能够进行远程视频会议,还能够同时查看患者的情况和模型端反馈患者的疾病关联度信息,以辅助疾病诊断,从而提高疾病诊断的便捷性。
第一用户端,第一用户端与业务端通信连接,且第一用户端为医学专家所使用的用户端。第一用户端上设置第二摄像头,以通过第二摄像头采集会议视频数据,并将会议视频数据发送业务端。同时第一用户端若被选中作为选中用户端,若需要调控第二用户端的第一摄像头,第二用户端输出的候选操控请求则被筛选为目标操控请求,并将目标操控请求发送至业务端,以使业务端将目标操控请求发送至第二用户端实现第一摄像头的参数调整。因此,通过第一用户端发送目标操控请求至业务端,实现第二用户端的摄像参数调节,以使业务端采集的直播视频数据符合第一用户端的要求,从而提高第一用户端进行远程会诊的体验感。
第二用户端,第二用户端与业务端通信连接,且第二用户端作为患者所使用的用户端,则第二用户端接收业务端发送的目标操控请求,并根据目标操控请求调节第一摄像头的摄像参数以采集直播视频数据,并将直播视频数据发送至业务端,以实现远程操控第二用户端,使得直播视频数据符合要求。
模型端,模型端与业务端通信连接,且模型端与业务端的目标数据库连接,以接收业务端发送的患者信息,并根据患者信息从目标数据库提取用户病程数据,并通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到疾病关联度信息,以提前智能分析患者的疾病关联度信息,以作为疾病诊断的参考数据,以便于医学专家根据疾病关联度信息进一步分析患者身体状况。
请参照图2,图2是本申请实施例提供的视频数据处理方法的一个可选的流程图,图2中的方法可以包括但不限于包括步骤S201至步骤S206。
步骤S201,获取至少两个第一用户端的会议视频数据和候选操控请求,并从候选操控请求筛选出目标操控请求;
步骤S202,将目标操控请求发送至第二用户端,以使第二用户端调节摄像参数得到目标摄像参数,并根据目标摄像参数拍摄得到直播视频数据;
步骤S203,根据目标操控请求获取第二用户端的直播视频数据和患者信息;
步骤S204,根据患者信息获取模型端的疾病关联度信息;其中,疾病关联度信息由模型端通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到;
步骤S205,根据会议视频数据、直播视频数据和疾病关联度信息进行整合处理,得到目标视频数据;其中,目标视频数据包括至少两个目标视频帧图像,目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图;
步骤S206,将目标视频数据发送至第一用户端,以使第一用户端的视频窗口显示目标视频帧图像。
本申请实施例所示意的步骤S201至步骤S206,通过获取至少两个第一用户端的会议视频数据,并获取至少了两个第一用户端中任意一个第一用户端的候选操控请求作为目标操控请求,将目标操控请求发送第二用户端以使第二用户端根据目标操控请求调节摄像参数以得到目标摄像参数,且第二用户端根据目标摄像参数拍摄得到直播视频数据。同时获取模型端通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到疾病关联度信息,则将会议视频数据、直播视频数据和疾病关联度信息整合处理得到目标视频数据,且目标视频数据包括至少两个会议视频帧图像、直播视频帧图像和疾病关联度视图,则将目标视频数据发送至第一用户端,以使至少两个第一用户端之间建立远程会议互动,且第一用户端的视频窗口显示会议视频帧图像、直播视频帧图像和疾病关联度视图,以便于第一用户端的医学专家可以通过视频窗口和其他医学专家进行远程会议,同时可以查看患者的身体情况,还将疾病关联度视图作为疾病诊断的参考数据,以进一步确认患者的疾病类别和疾病严重程度,从而提高用户进行远程会诊的体验感,以便于用户做出更加准确的疾病诊断判断和提供更优的治疗建议。
在一些实施例的步骤S201中,通过设置第一用户端的视频类型,以使第一用户端发送符合视频类型的会议视频数据。其中,在本实施例视频类型为1080P。在其他实施例可以为4K,不限于此,以实现高清视频查看。通过通信网络获取第一用户端的会议视频数据,且在本实施例中通信网络的网络类型包括以下任意一种:3G网络、4G网络、5G网络。
需要说明的是,第一用户端设置至少两个,且根据预设的主控信息设置至少两个第一用户端的任意一个第一用户端为选中用户端,且接收选中用户端发送的候选操控请求作为目标操控请求,不接收其余第一用户端的目标操控请求,以防止多人操控影响直播视频数据的采集。
请参阅图3,在一些实施例中,目标操控请求包括:位置调节信息、焦距调节参数、色彩调节参数。步骤S202可以包括但不限于包括步骤S301:
步骤S301,将位置调节信息、焦距调节参数和色彩调节参数发送至第二用户端,以使第二用户端获取当前位置信息,根据当前位置信息和位置调节信息进行位置计算得到目标位置信息,第二用户端控制第一摄像头移动至目标位置信息,并根据焦距调节参数和色彩调节参数对第一摄像头进行角度和色彩调节得到目标摄像参数,以根据目标摄像参数拍摄得到直播视频数据。
在一些实施例的步骤S301中,当用户需要查看患者某一部位的情况,则通过选中用户端发送位置调节信息、焦距调节参数和色彩调节参数,则业务端将位置调节信息、焦距调节参数和色彩调节参数发送至第二用户端,第二用户端获取当前位置信息,并根据位置调节信息和当前位置信息进行位置计算得到目标位置信息,第二用户端根据目标位置信息将第一摄像头移动至目标位置信息对应的位置。同时第二用户端根据角度调节参数对第一摄像头的焦距进行调节,且根据色彩调节参数对第一摄像头进行色彩调节,以得到第一摄像头的目标摄像参数。因此,第二摄像头移动至目标位置信息对应的目标位置,并根据目标摄像参数拍摄患者目标部位以得到高清的直播视频数据。因此,通过业务端将第一用户端发送的位置调节信息、焦距调节参数和色彩调节参数发送至第二用户端,以使第二用户端根据位置调节参数、焦距调节参数和色彩调节参数对第一摄像头进行调节得到目标摄像参数,则第一摄像头根据目标摄像参数拍摄患者的目标区域以得到直播视频数据,以便于医学专家可以远程调控患者处第一摄像头的拍摄参数,以得到符合要求的直播视频数据,从而提高用户进行远程会诊的体验感。
本申请实施例所示意的步骤S301,通过业务端将位置调节信息、焦距调节参数和色彩调节参数发送至第二用户端,以使第二用户端根据位置调节信息、焦距调节参数和色彩调节参数对第一摄像头进行位置、焦距和色彩调节得到目标摄像参数,则第一摄像头根据目标摄像参数拍摄得到直播视频数据符合第一用户端的需求,从而提高医学专家在进行远程会诊时的体验感,以便于医学专家进行疾病诊断更加准确。
需要说明的是,直播视频数据的视频类型在本实施例为4K,在其他实施例可以选择1080P的直播视频数据,在此对于直播视频数据的视频类型不做具体限制。
在一些实施例的步骤S203中,当第一摄像头拍摄得到直播视频数据后,第二用户端将直播视频数据发送至业务端,则业务端接收直播视频数据。其中,业务端接收直播视频数据后会存储至预设数据库,若第二用户端未接入视频数据处理系统,则根据第二用户端发送的调取请求,以根据调取请求从预设数据库中提取直播视频数据,且调取请求包括患者信息和时间区间信息,以根据患者信息和时间区间信息从预设数据库调取与患者信息匹配且时间位于时间区间信息对应的时间区间内的直播视频数据,并以根据直播视频数据和会议视频数据和疾病关联信息进行整合得到目标视频数据。
在一些实施例的步骤S204中,获取直播视频数据和患者信息,则根据患者信息从模型端获取与患者信息匹配的疾病关联信息。具体地,通过将患者信息发送至模型端,则模型端根据患者信息从目标数据库提取患者信息匹配的用户病程数据,并通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算以得到疾病关联度信息,且疾病关联度信息表征疾病类别的关联度。通过将疾病关联度信息作为疾病诊断的辅助参考信息,以便于医学专家能够根据疾病关联度信息准确地判断患者的疾病类别和疾病严重程度。
需要说明的是,预设的疾病关联度分析模型提前训练好后,当第一用户端接入视频数据处理系统后,业务端接收会议视频数据和目标操控请求,则接收第二用户端反馈的直播视频数据,或者从预设数据库调取直播视频数据。需要发送患者信息至模型端,且目标数据库提前存储与患者信息匹配的用户病程数据,则模型端根据患者信息从目标数据库提取匹配的用户病程数据,并通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到疾病关联度信息。同时,计算得到的疾病关联度信息也输入目标数据库,且疾病关联度信息和用户病程数据形成训练数据集,以作为疾病关联度分析模型进行更新的训练数据集,在训练数据集的数据量满足预设阈值时,再根据训练数据集对疾病关联度分析模型进行优化处理,以更新疾病度关联分析模型,使得疾病关联度分析模型进行疾病关联度计算更加简易。
请参阅图4,在一些实施例中,步骤S205可以包括但不限于包括步骤S401至步骤S405:
步骤S401,获取会议视频数据的会议视频帧图像;
步骤S402,获取直播视频数据的直播视频帧图像;
步骤S403,对疾病关联度信息进行可视化处理,得到疾病关联度视图;
步骤S404,将会议视频帧图像、直播视频帧图像和疾病关联度视图嵌入预设的视频画面窗口,得到目标视频帧图像;
步骤S405,将目标视频帧图像进行汇集处理,得到目标视频数据。
在一些实施例的步骤S401中,会议视频数据包括至少两张会议视频帧图像,且会议视频数据包括至少两个,则获取每一个会议视频数据的会议视频帧图像,以得到至少两张会议视频帧图像。例如,若接入视频数据处理系统的第一用户端为四个,则获取同一时刻的四张会议视频帧图像。
在一些实施例的步骤S402中,直播视频数据包括至少两张直播视频帧图像,则获取与会议视频帧图像同一时刻的直播视频帧图像。
在一些实施例的步骤S403中,疾病关联度信息表征每一疾病类别的关联度,则通过对疾病关联度信息进行可视化处理,以疾病类别作为横轴,关联度作为纵轴以得到曲线图的疾病关联度视图,以便于用户通过疾病关联度视图能够作为疾病诊断的参考数据,以进一步进行疾病的诊断,从而提高疾病诊断的准确性。
在一些实施例的步骤S404中,其中,会议视频帧图像包括用户视图和会议展示视图,所以预设的视频窗口根据用户视图、会议展示视图、直播视频帧图像和疾病关联度视图的数量确定。其中,第一用户端的接入数量确定用户视图的数量,但是会议展示视图为一张,直播视频帧图像为一张,且疾病关联度视图为一张,则根据预设的视频窗口设置为五个,若接入的第一用户端的数量增加则对应增加视频窗口,也即预设的视频窗口根据用户视图、会议展示视图、直播视频帧图像和疾病关联度视图的数量确定。若接入四个第一用户端,则某一个时刻生成四张用户视图、一张会议展示视图、一张直播视频帧图像和一张疾病关联视图,则设置七个视频窗口,且设置一个主视频窗口和六个子视频窗口,根据第一用户端选中的图像在主视频窗口展示,其余图像在子视频窗口展示,以实现远程会诊时可以同时查看会议的用户视图、会议展示视图、直播视频帧图像和疾病关联度视图,以提高用户远程会诊的体验感。
在一些实施例的步骤S405中,目标视频帧图像为某一时刻的图像,且生成至少两张目标视频帧图像,且每一目标视频帧图像对应一个时刻的图像,则获取会议视频数据对应时间段的目标视频帧图像,并将目标视频帧图像汇集形成目标视频数据。
本申请实施例所示意的步骤S401至步骤S405,获取会议视频数据某一个时刻的会议视频帧图像,再获取直播视频数据中同一时刻的直播视频帧图像,且对疾病关联度信息进行可视化处理得到疾病关联度视图,然后将同一个时刻的会议视频帧图像、直播视频帧图像和疾病关联度视图嵌入预设的视频画面窗口得到该时刻的目标视频帧图像,然后将会议视频数据对应时间段的目标视频帧图像汇集得到目标视频数据。因此,通过生成能够同时显示会议视频帧图像、直播视频帧图像和疾病关联度视图的目标视频数据,则发送目标视频数据至第一用户端时,某一第一用户端在远程会诊时播放实时显示目标视频帧图像,以查看其他第一用户端所展示的会议视频帧图像,同时通过直播视频帧图像查看患者情况,且能够通过疾病关联度视图查看智能分析出患者的疾病类别数据,因此,通过生成目标视频数据,能够在远程会诊时提高用户体验感。
在一些实施例的步骤S206中,将目标视频数据发送至第一用户端,且目标视频数据包括至少两张。会议视频数据是实时采集,且每一0.1秒采集一份会议视频数据,并将时长为0.1秒的会议视频数据发送至业务端,则形成0.1秒的目标视频数据。通过将0.1秒的目标视频数据发送至第一用户端,若目标视频数据包括10张目标视频帧图像,则第一用户端的视频窗口播放目标视频数据,以0.01秒的时间切换目标视频帧图像,以实现至少两个第一用户端之间的远程会议互动。
请参阅图5,在一些实施例中,在步骤S203之后,视频数据处理方法还包括但不限于包括:
存储用户病程数据。
通过将用户病程数据存储,则模型端需要根据患者信息调取时能够及时提取以输出疾病关联度信息,实现患者疾病类别的初步诊断数据生成,以作为疾病诊断的参考数据。
其中,存储用户病程数据,包括但不限于包括步骤S501至步骤S503:
步骤S501,获取第一用户端的用户病程数据;其中,用户病程数据包括以下至少之一:患者临床照片、患者病历图片、患者CT图片、病情语音数据和电子病历信息;
步骤S502,获取用户病程数据的数据类别;
步骤S503,根据数据类别将用户病程数据分别存储至预设数据库,得到目标数据库。
在一些实施例的步骤S501中,业务端还连接医院移动平台客户端,获取医院移动平台客户端存储的用户病程数据,且用户病程数据包括至少一种:患者临床照片、患者病历图片、患者CT图片、病情语音数据和电子病历信息。因此,通过获取医院移动平台客户端的用户病程数据,以便于模型端可以调取用户病程数据进行疾病关联度计算得到疾病关联度信息。
在一些实施例的步骤S502中,由于用户病程数据包括多种类型,则需要获取用户病程数据的数据类别。其中,数据类别包括:临床类型、疾病图像类型、CT图像类型、语音数据类别和电子病历类型,以通过获取数据类别以便于对用户病程数据进行分类存储。
在一些实施例的步骤S503中,根据数据类别将用户病程数据存储对应的预设数据库中,具体地,获取与数据类别匹配的预设数据库得到目标数据库,并将用户病程数据存储至目标数据库,以实现用户病程数据的分类存储。因此,通过将用户病程数据分类存储,以便于查询类型调取对应的用户病程数据,且疾病关联度计算也是根据不同数据类别的用户病程数据进行关联度计算,以节省用户病程数据查找的时间。
在本申请实施例所示意的步骤S501至步骤S503,通过获取用户病程数据,并获取用户病程数据的数据类别,以根据数据类别将用户病程数据分类存储至预设数据库以得到目标数据库,以便于疾病关联度计算或者用户病程数据调取时更加快速获取数据类别符合的用户病程数据。
请参阅图6,在一些实施例中,在步骤S503之后,视频数据处理方法还可以包括但不限于包括步骤S601至步骤S603:
步骤S601,接收第一用户端的调取请求;
步骤S602,根据调取请求对第一用户端进行授权处理,得到授权信息;其中,授权信息包括:账户信息和授权操作;
步骤S603,将授权信息发送至第一用户端,以使第一用户端根据账户信息对从目标数据库的用户病程数据执行授权操作。
在一些实施例的步骤S601中,当第一用户端需要调取目标数据库的用户病程数据,以在远程会诊中展示用户病程数据,或通过查看用户病程数据以进一步进行疾病类别分析,则第一用户端发送调取请求至业务端,则业务端接收调取请求。其中,调取请求包括:用户信息、患者信息和调取类型,则根据患者信息和调取类型对第一用户端进行授权处理得到授权信息。
在一些实施例的步骤S602中,业务端提前预设权限信息设置,以根据用户信息和患者信息对预设权限信息进行筛选处理得到目标权限信息,也即获取与用户信息、患者信息匹配的目标权限信息,并根据目标权限信息设置第一用户端的授权操作。例如,若用户信息为A用户,且患者信息为P1患者,以确定目标权限信息为编辑信息和阅览信息,则确定第一用户端可以对患者信息对应的用户病程数据的授权操作为编辑和阅览。同时设置第一用户端的授权操作后,对第一用户端分配账户信息。
在一些实施例的步骤S603中,对第一用户端进行授权处理得到账户信息和授权操作后,将账户信息和授权操作发送至第一用户端,则第一用户端根据账户信息进行登录后可以对目标数据库的用户病程数据执行授权操作,以实现远程调取用户病程数据。具体地,第一用户端通过账户信息登录后,根据授权操作可以对用户病程数据执行对应的操作。例如,第一用户端的授权操作为对C1用户病程数据可以编辑和阅览,则第一用户端登录后只能对C1用户病程数据进行阅览和编辑,对于其他的用户病程数据无法进行操作。因此,通过设置第一用户端的授权操作,以防止他人随意对目标数据库的用户病程数据进行调取,以保证用户病程数据可以被调用的同时能够提高用户病程数据的安全性。
在本申请实施例所示意的步骤S601至步骤S603,通过接收第一用户端的调取请求,并根据调取请求对第一用户端进行授权操作得到账户信息和授权操作,并将账户信息和授权操作发送至第一用户端,则第一用户端可以根据账户信息登录进入目标数据库,并根据授权操作对目标数据库的用户病程数据执行授权操作,以便于第一用户端在远程会诊是调取用户病程数据,并可以随意展示用户病程数据,以提高会诊时用户的体验感。
请参阅图7,本申请实施例还公开了一种视频数据处理方法,应用于模型端,视频数据处理方法可以包括但不限于包括步骤S701至步骤S704:
步骤S701,获取第二用户端的患者信息;
步骤S702,根据患者信息在业务端的目标数据库获取用户病程数据;
步骤S703,通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算,得到疾病关联度信息;
步骤S704,将疾病关联度信息发送至业务端,以使业务端获取会议视频数据、直播视频数据,并根据会议视频数据、直播视频数据和疾病关联度信息进行整合处理,得到目标视频数据;其中,目标视频数据包括至少两个目标视频帧图像,目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图,再将目标视频数据发送至第一用户端,以使第一用户端的视频窗口显示目标视频帧图像。
在一些实施例的步骤S701和步骤S702中,接收业务端发送的患者信息,并根据患者信息从目标数据库获取对应的用户病程数据,使得用户病程数据获取简易。
在一些实施例的步骤S703中,通过疾病关联度分析模型对用户病程数据进行疾病关联度计算得到疾病关联度信息,也即得到每一疾病类别的关联度,以便于第一用户端通过疾病关联度信息作为疾病诊断的参考数据,以提高疾病诊断的准确性。
在一些实施例的步骤S704中,模型端生成疾病关联度信息后,将疾病关联度信息发送至业务端,以便于业务端将获取的会议视频数据、直播视频数据和疾病关联度信息进行整合处理得到目标视频数据,并将目标视频数据发送至第一用户端,以使第一用户端的视频窗口显示会议视频帧图像、直播视频帧图像和疾病关联度视图,以在远程会诊时能够查看高清的直播视频帧图像,同时查看智能计算得到疾病关联度视图以作为疾病诊断的辅助数据,以更加精确地对某一个医疗疾病进行诊断和提供更好地治疗简易。
在本实施例所示意地步骤S701至步骤S704,通过获取患者信息,并根据患者信息从目标数据库提取用户病程数据,并通过疾病关联度分析模型对用户病程数据进行疾病关联度计算得到疾病关联度信息,智能地计算疾病关联度,以输出的疾病关联度信息能够作为疾病诊断的辅助诊断数据,使得疾病诊断更加精确。
请参阅图8,在一些实施例中,疾病关联度分析模型包括:至少两个卷积池化层、全连接层和Softmax分类层,步骤S703可以包括但不限于包括步骤S801至步骤S804:
步骤S801,获取用户病程数据的数据类别;
步骤S802,根据数据类别对卷积池化层和全连接层进行筛选处理,得到目标卷积池化层和目标全连接层和Softmax分类层;
步骤S803,通过目标卷积池化层对用户病程数据进行卷积处理,得到数据特征向量;
步骤S804,通过目标全连接层和Softmax分类层对数据特征向量进行特征关联性计算,得到疾病关联度信息。
在一些实施例的步骤S801中,由于不同的数据类别进行疾病关联度计算的方式不同,所以获取用户病程数据的数据类别,以便于根据疾病类别分类计算。
在一些实施例的步骤S802中,根据数据类别对卷积池化层进行筛选处理,以筛选出与数据类别匹配的卷积池化层得到目标卷积池化层。同时,根据数据类别对全连接层进行筛选处理,以获取数据类别匹配的全连接层为目标全连接层和Softmax分类层。例如,数据类别包括六种,则设置六种不同类别的卷积池化层,则根据不同的数据类别获取对应的卷积神经网络以得到目标卷积神经网络,且目标卷积神经网络包括目标卷积池化层、目标全连接层和Softmax分类层,以实现不同数据类别的用户病程数据的分类计算。
在一些实施例的步骤S803中,通过目标卷积池化层对数据类别对应的用户病程数据进行卷积计算,也即对用户病程数据转换为隐变量形式,得到数据特征向量。例如,若用户病程数据为患者CT图片,则对患者CT图片进行特征提取得到图片特征,并用向量表示每一图片特征以得到数据特征向量。因此,对于不同的数据类别需要同一转换为数据特征向量,但是不同数据类别的转换方式不同,则需要采用不同的卷积池化层。
在一些实施例的步骤S804中,通过目标连接层对数据特征向量进行特征关联性计算,也即计算数据特征向量每一个特征向量与预设向量之间的关联性,且预设向量为预设疾病类别的向量,所以计算特征向量之间的关联性以得到疾病关联度信息,也即得到每一疾病类别的关联度,以通过疾病关联度信息能够作为患者的疾病类别判断的参考数据,以辅助疾病诊断。
本申请实施例所示意的步骤S801至步骤S804,通过获取用户病程数据的数据类别,并根据数据类别对卷积池化层和全连接层进行筛选处理得到目标卷积池化层、目标全连接层和Softmax分类层,通过目标卷积池化层对用户病程数据进行卷积处理得到数据特征向量,最后通过目标全连接层和Softmax分类层对用户病程数据进行特征关联性计算得到疾病关联度信息。因此,通过不同的数据类别选择对应的卷积池化层和全连接层进行计算,以更加准确地计算出疾病关联度信息,以疾病关联度信息作为疾病诊断的参考数据,以提高疾病诊断的准确性。
本申请实施例所示意的视频数据处理方法,通过构建至少两个第一用户端、第二用户端、模型端和业务端的视频数据处理系统,且业务端可以连接医疗移动平台客户端以获取用户病程数据,且用户病程数据包括以下任意一种:患者临床照片、患者病历图片、患者CT图片、病情语音数据和电子病历信息。当业务端启动进行远程会诊时,医学专家使用的第一用户端和患者使用的第二用户端接入视频数据处理系统。实时采集第一用户端1080P的会议视频数据,若需要对第二用户端的第一摄像头进行摄像参数调节在,则业务端接收选中的第一用户端发送的位置调节信息、焦距调节参数和色彩调节参数,并将将位置调节信息、焦距调节参数和色彩调节参数发送至第二用户端,以使第二用户端获取当前位置信息,根据当前位置信息和位置调节信息进行位置计算得到目标位置信息,第二用户端控制第一摄像头移动至目标位置信息对应的位置,并根据焦距调节参数和色彩调节参数对第一摄像头进行角度和色彩调节得到目标摄像参数,以根据目标摄像参数拍摄得到4K的直播视频数据。同时,将患者信息发送至模型端,以使模型端根据患者信息从目标数据库提取用户病程数据,并通过疾病关联度分析模型对用户病程数据进行疾病关联度计算得到疾病关联度信息。然后对疾病关联度信息进行可视化处理得到疾病关联度视图,并将同一个时刻的会议视频帧图像、直播视频帧图像和疾病关联度视图嵌入预设的视频画面窗口得到该时刻的目标视频帧图像,然后将会议视频数据对应时间段的目标视频帧图像汇集得到目标视频数据。最后将目标视频数据发送至第一用户端,以使第一用户端播放目标视频数据,且第一用户端的视频窗口显示会议视频帧图像、直播视频帧图像和疾病关联度视图。因此,基于远程医疗的多个医学专家进行线上会诊以解决医疗不发达地区、偏远地区的某一医疗学科疾病的患者存在就诊难的问题,且患者以更少的时间和医疗费用,获得更优质的多个医疗学科诊疗服务。
请参阅图9,本申请实施例还提供一种视频数据处理装置,可以实现上述视频数据处理方法,应用于业务端,该装置包括:
第一获取模块901,用于获取至少两个第一用户端的会议视频数据和目标操控请求;
请求发送模块902,用于将目标操控请求发送至第二用户端,以使第二用户端调节摄像参数得到目标摄像参数,并根据目标摄像参数拍摄得到直播视频数据;
第二获取模块903,用于根据目标操控请求获取第二用户端的直播视频数据;
信息获取模块904,用于获取模型端的疾病关联度信息;其中,疾病关联度信息由模型端通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到;
整合处理模块905,用于根据会议视频数据、直播视频数据和疾病关联度信息进行整合处理,得到目标视频数据;其中,目标视频数据包括至少两个目标视频帧图像,目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图;
数据发送模块906,用于将目标视频数据发送至第一用户端,以使第一用户端的视频窗口显示目标视频帧图像。
该视频数据处理装置的具体实施方式与上述视频数据处理方法的具体实施例基本相同,在此不再赘述。
请参照图10,本申请实施例还提供了一种视频数据处理装置,可以实现上述视频数据处理方法,应用于模型端,该装置包括:
第三获取模块1001,用于获取第二用户端的患者信息;
第四获取模块1002,用于根据患者信息在业务端的目标数据库获取用户病程数据;
关联度计算模块1003,用于通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算,得到疾病关联度信息;
信息发送模块1004,用于将疾病关联度信息发送至业务端,以使业务端获取会议视频数据、直播视频数据,并根据会议视频数据、直播视频数据和疾病关联度信息进行整合处理,得到目标视频数据;其中,目标视频数据包括至少两个目标视频帧图像,目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图,再将目标视频数据发送至第一用户端,以使第一用户端的视频窗口显示目标视频帧图像。
该视频数据处理装置的具体实施方式与上述视频数据处理方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述视频数据处理方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图11,图11示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器1101,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器1102,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器1102可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1102中,并由处理器1101来调用执行本申请实施例的视频数据处理方法;
输入/输出接口1103,用于实现信息输入及输出;
通信接口1104,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线1105,在设备的各个组件(例如处理器1101、存储器1102、输入/输出接口1103和通信接口1104)之间传输信息;
其中处理器1101、存储器1102、输入/输出接口1103和通信接口1104通过总线1105实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述视频数据处理方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的视频数据处理方法和装置、电子设备及存储介质,其通过视频窗口和其他医学专家进行远程会议,同时可以查看患者的身体状况,还是将疾病关联度视图作为疾病诊断的参考数据,以进一步确认患者的疾病类别和疾病严重程度,从而提高用户进行远程会诊的体验感,以便于用户做出更加准确的疾病诊断判断和提供更优的治疗建议。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中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,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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,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,装置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。
上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,在本申请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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种视频数据处理方法,其特征在于,应用于业务端,所述方法包括:
获取至少两个第一用户端的会议视频数据和候选操控请求,并从所述候选操控请求筛选出目标操控请求,具体包括:
获取至少两个第一用户端的会议视频数据和候选操控请求,根据预设的主控信息设置至少两个所述第一用户端的任意一个所述第一用户端为选中用户端,且将所述选中用户端发送的候选操控请求作为目标操控请求;
将所述目标操控请求发送至第二用户端,以使所述第二用户端调节摄像参数得到目标摄像参数,并根据所述目标摄像参数拍摄得到直播视频数据;
根据所述目标操控请求获取所述第二用户端的所述直播视频数据和患者信息;
根据所述患者信息获取模型端的疾病关联度信息;其中,所述疾病关联度信息由模型端根据所述患者信息从预设的目标数据库中提取对应的用户病程数据,并通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到,所述疾病关联度信息表征疾病类别的关联度;
根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据;其中,所述目标视频数据包括至少两个目标视频帧图像,所述目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图;
将所述目标视频数据发送至所述第一用户端,以使所述第一用户端的视频窗口显示所述目标视频帧图像。
2.根据权利要求1所述的方法,其特征在于,所述目标操控请求包括:位置调节信息、焦距调节参数、色彩调节参数;所述将所述目标操控请求发送至第二用户端,以使所述第二用户端调节摄像参数得到目标摄像参数,并根据所述目标摄像参数拍摄得到直播视频数据,包括:
将所述位置调节信息、所述焦距调节参数和所述色彩调节参数发送至第二用户端,以使所述第二用户端获取当前位置信息,根据所述当前位置信息和所述位置调节信息进行位置计算得到目标位置信息,所述第二用户端控制第一摄像头移动至所述目标位置信息,并根据所述焦距调节参数和所述色彩调节参数对所述第一摄像头进行角度和色彩调节得到所述目标摄像参数,以根据所述目标摄像参数拍摄得到所述直播视频数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据,包括:
获取所述会议视频数据的会议视频帧图像;
获取所述直播视频数据的直播视频帧图像;
对所述疾病关联度信息进行可视化处理,得到疾病关联度视图;
将所述会议视频帧图像、所述直播视频帧图像和所述疾病关联度视图嵌入预设的视频画面窗口,得到所述目标视频帧图像;
将所述目标视频帧图像进行汇集处理,得到所述目标视频数据。
4.根据权利要求1至3任一项所述的方法,其特征在于,在所述根据所述患者信息获取模型端的疾病关联度信息之前,所述方法还包括:
存储所述用户病程数据,具体包括:
获取所述第一用户端的用户病程数据;其中,所述用户病程数据包括以下至少之一:患者临床照片、患者病历图片、患者CT图片、病情语音数据和电子病历信息;
获取所述用户病程数据的数据类别;
根据所述数据类别将所述用户病程数据分别存储至预设数据库,得到目标数据库。
5.根据权利要求4所述的方法,其特征在于,在根据所述数据类别将所述用户病程数据分别存储至预设数据库,以得到目标数据库之后,所述方法还包括:
接收所述第一用户端的调取请求;
根据所述调取请求对所述第一用户端进行授权处理,得到授权信息;其中,所述授权信息包括:账户信息和授权操作;
将所述授权信息发送至所述第一用户端,以使所述第一用户端根据所述账户信息对从所述目标数据库的所述用户病程数据执行所述授权操作。
6.一种视频数据处理方法,其特征在于,应用于模型端,所述方法包括:
获取第二用户端的患者信息;其中,所述患者信息由业务端获取至少两个第一用户端的会议视频数据和候选操控请求,根据预设的主控信息设置至少两个所述第一用户端的任意一个所述第一用户端为选中用户端,且将所述选中用户端发送的候选操控请求作为目标操控请求,并将所述目标操控请求从所述第二用户端获取;
根据所述患者信息在业务端的目标数据库获取用户病程数据;
通过预设的疾病关联度分析模型对所述用户病程数据进行疾病关联度计算,得到疾病关联度信息;
将所述疾病关联度信息发送至所述业务端,以使所述业务端获取会议视频数据、直播视频数据,并根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据;其中,所述目标视频数据包括至少两个目标视频帧图像,所述目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图,再将所述目标视频数据发送至第一用户端,以使所述第一用户端的视频窗口显示所述目标视频帧图像。
7.根据权利要求6所述的方法,其特征在于,所述疾病关联度分析模型包括:至少两个卷积池化层和至少两个全连接层,所述通过预设的疾病关联度分析模型对所述用户病程数据进行疾病关联度计算,得到疾病关联度信息,包括:
获取所述用户病程数据的数据类别;
根据所述数据类别对所述卷积池化层和所述全连接层进行筛选处理,得到目标卷积池化层、目标全连接层和Softmax分类层;
通过所述目标卷积池化层对所述用户病程数据进行卷积处理,得到数据特征向量;
通过所述目标全连接层和Softmax分类层对所述数据特征向量进行特征关联性计算,得到所述疾病关联度信息。
8.一种视频数据处理装置,其特征在于,应用于业务端,所述装置包括:
第一获取模块,用于获取至少两个第一用户端的会议视频数据和候选操控请求,并从所述候选操控请求筛选出目标操控请求,具体包括:获取至少两个第一用户端的会议视频数据和候选操控请求,根据预设的主控信息设置至少两个所述第一用户端的任意一个所述第一用户端为选中用户端,且将所述选中用户端发送的候选操控请求作为目标操控请求;
请求发送模块,用于将所述目标操控请求发送至第二用户端,以使所述第二用户端调节摄像参数得到目标摄像参数,并根据所述目标摄像参数拍摄得到直播视频数据;
第二获取模块,用于根据所述目标操控请求获取所述第二用户端的所述直播视频数据和患者信息;
信息获取模块,用于获取模型端的疾病关联度信息;其中,所述疾病关联度信息由模型端根据所述患者信息从预设的目标数据库中提取对应的用户病程数据,并通过预设的疾病关联度分析模型对用户病程数据进行疾病关联度计算得到,所述疾病关联度信息表征疾病类别的关联度;
整合处理模块,用于根据所述会议视频数据、所述直播视频数据和所述疾病关联度信息进行整合处理,得到目标视频数据;其中,所述目标视频数据包括至少两个目标视频帧图像,所述目标视频帧图像包括:会议视频帧图像、直播视频帧图像和疾病关联度视图;
数据发送模块,用于将所述目标视频数据发送至所述第一用户端,以使所述第一用户端的视频窗口显示所述目标视频帧图像。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至4任一项的视频数据处理方法,权利要求5至7任一项所述的视频数据处理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4任一项所述的视频数据处理方法,权利要求5至7任一项所述的视频数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211128878.4A CN115514913B (zh) | 2022-09-16 | 2022-09-16 | 视频数据处理方法和装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211128878.4A CN115514913B (zh) | 2022-09-16 | 2022-09-16 | 视频数据处理方法和装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115514913A CN115514913A (zh) | 2022-12-23 |
CN115514913B true CN115514913B (zh) | 2024-02-13 |
Family
ID=84504713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211128878.4A Active CN115514913B (zh) | 2022-09-16 | 2022-09-16 | 视频数据处理方法和装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115514913B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105814601A (zh) * | 2013-12-24 | 2016-07-27 | 三星电子株式会社 | 用于远程医疗图像服务的用户终端及其控制方法 |
CN111063455A (zh) * | 2019-11-28 | 2020-04-24 | 北京紫冬认知科技有限公司 | 远程医疗的人机交互方法和装置 |
CN111403055A (zh) * | 2020-04-09 | 2020-07-10 | 武汉爱尔眼科医院有限公司 | 眼科远程会诊系统及其设备 |
CN111816301A (zh) * | 2020-07-07 | 2020-10-23 | 平安科技(深圳)有限公司 | 医疗问诊辅助方法、装置、电子设备及介质 |
CN112653866A (zh) * | 2021-01-13 | 2021-04-13 | 青岛海信电子产业控股股份有限公司 | 一种终端和视频就诊方法 |
CN113141518A (zh) * | 2021-04-20 | 2021-07-20 | 北京安博盛赢教育科技有限责任公司 | 直播课堂中视频帧图像的控制方法、控制装置 |
CN113397503A (zh) * | 2021-06-16 | 2021-09-17 | 苏州景昱医疗器械有限公司 | 家用医疗设备的控制方法及相关装置 |
WO2021202204A1 (en) * | 2020-03-31 | 2021-10-07 | Alibaba Group Holding Limited | Data processing method, means and system |
CN113949893A (zh) * | 2021-10-15 | 2022-01-18 | 中国联合网络通信集团有限公司 | 直播处理方法、装置、电子设备及可读存储介质 |
CN113947959A (zh) * | 2021-10-23 | 2022-01-18 | 首都医科大学附属北京天坛医院 | 一种基于mr技术的远程教学系统和直播问题筛选系统 |
CN114171192A (zh) * | 2021-12-15 | 2022-03-11 | 苏州景昱医疗器械有限公司 | 控制设备和远程会诊系统 |
CN114358020A (zh) * | 2022-01-11 | 2022-04-15 | 平安科技(深圳)有限公司 | 疾病部位识别方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111656357B (zh) * | 2018-04-17 | 2024-05-10 | 深圳华大生命科学研究院 | 眼科疾病分类模型的建模方法、装置及系统 |
-
2022
- 2022-09-16 CN CN202211128878.4A patent/CN115514913B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105814601A (zh) * | 2013-12-24 | 2016-07-27 | 三星电子株式会社 | 用于远程医疗图像服务的用户终端及其控制方法 |
CN111063455A (zh) * | 2019-11-28 | 2020-04-24 | 北京紫冬认知科技有限公司 | 远程医疗的人机交互方法和装置 |
WO2021202204A1 (en) * | 2020-03-31 | 2021-10-07 | Alibaba Group Holding Limited | Data processing method, means and system |
CN111403055A (zh) * | 2020-04-09 | 2020-07-10 | 武汉爱尔眼科医院有限公司 | 眼科远程会诊系统及其设备 |
CN111816301A (zh) * | 2020-07-07 | 2020-10-23 | 平安科技(深圳)有限公司 | 医疗问诊辅助方法、装置、电子设备及介质 |
CN112653866A (zh) * | 2021-01-13 | 2021-04-13 | 青岛海信电子产业控股股份有限公司 | 一种终端和视频就诊方法 |
CN113141518A (zh) * | 2021-04-20 | 2021-07-20 | 北京安博盛赢教育科技有限责任公司 | 直播课堂中视频帧图像的控制方法、控制装置 |
CN113397503A (zh) * | 2021-06-16 | 2021-09-17 | 苏州景昱医疗器械有限公司 | 家用医疗设备的控制方法及相关装置 |
CN113949893A (zh) * | 2021-10-15 | 2022-01-18 | 中国联合网络通信集团有限公司 | 直播处理方法、装置、电子设备及可读存储介质 |
CN113947959A (zh) * | 2021-10-23 | 2022-01-18 | 首都医科大学附属北京天坛医院 | 一种基于mr技术的远程教学系统和直播问题筛选系统 |
CN114171192A (zh) * | 2021-12-15 | 2022-03-11 | 苏州景昱医疗器械有限公司 | 控制设备和远程会诊系统 |
CN114358020A (zh) * | 2022-01-11 | 2022-04-15 | 平安科技(深圳)有限公司 | 疾病部位识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115514913A (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533097B (zh) | 一种图像清晰度识别方法、装置、电子设备及存储介质 | |
CN110929622B (zh) | 视频分类方法、模型训练方法、装置、设备及存储介质 | |
WO2020177673A1 (zh) | 一种视频序列选择的方法、计算机设备及存储介质 | |
CN110929807B (zh) | 图像分类模型的训练方法、图像分类方法及装置 | |
KR20170000767A (ko) | 신경망, 신경망 학습 방법 및 이미지 신호 처리 튜닝 시스템 | |
CN112215171B (zh) | 目标检测方法、装置、设备及计算机可读存储介质 | |
CN111339813B (zh) | 人脸属性识别方法、装置、电子设备和存储介质 | |
CN112001274B (zh) | 人群密度确定方法、装置、存储介质和处理器 | |
KR101996371B1 (ko) | 영상 캡션 생성 시스템과 방법 및 이를 위한 컴퓨터 프로그램 | |
CN112163488B (zh) | 一种视频虚假人脸检测方法及电子装置 | |
CN113191495A (zh) | 超分模型的训练及人脸识别方法、装置、介质及电子设备 | |
CN116645624A (zh) | 视频内容理解方法和系统、计算机设备、存储介质 | |
CN112529149A (zh) | 一种数据处理方法及相关装置 | |
CN117079299A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115514913B (zh) | 视频数据处理方法和装置、电子设备及存储介质 | |
CN110516153B (zh) | 视频的智能推送方法和装置、存储介质及电子装置 | |
CN117218013A (zh) | 事件相机图像处理方法、训练方法、系统、设备及介质 | |
CN116721454A (zh) | 微表情识别方法和装置、电子设备及存储介质 | |
CN116503684A (zh) | 模型训练方法、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 | |
CN114299598A (zh) | 确定注视位置的方法及相关装置 | |
CN113888216A (zh) | 广告信息推送方法、装置、电子设备及存储介质 | |
CN110163043B (zh) | 面部检测方法、装置、存储介质及电子装置 | |
WO2020260869A1 (en) | Anonymization | |
Megala et al. | Video Face Anonymization for Preserving Privacy |
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 |