CN115761598A - 一种基于云端业务平台的大数据分析方法及系统 - Google Patents
一种基于云端业务平台的大数据分析方法及系统 Download PDFInfo
- Publication number
- CN115761598A CN115761598A CN202211638483.9A CN202211638483A CN115761598A CN 115761598 A CN115761598 A CN 115761598A CN 202211638483 A CN202211638483 A CN 202211638483A CN 115761598 A CN115761598 A CN 115761598A
- Authority
- CN
- China
- Prior art keywords
- video frame
- service
- frame region
- service video
- region
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明提供的基于云端业务平台的大数据分析方法及系统,涉及数据处理技术领域。在本发明中,从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对待处理业务视频帧进行分割处理,以形成对应的业务视频帧区域集合;分别确定出每一个业务视频帧区域是否属于目标业务视频帧区域,在业务视频帧区域属于目标业务视频帧区域的情况下,表明业务视频帧区域中携带的视频帧内容属于违规视频帧内容;在待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成待处理业务视频帧对应的目标业务视频帧。基于前述内容,可以提高业务视频处理的效果。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种基于云端业务平台的大数据分析方法及系统。
背景技术
随着数据处理技术的不断成熟,使得其应用场景逐渐增多,例如,在一些场景中,需要对待处理业务视频帧进行违规识别,例如,对于交互业务中,需要对交互的视频帧进行违规识别。其中,在现有技术中,一般是对视频帧进行整体的识别,且在识别出属于违规视频帧时,一般是对违规视频帧进行拦截,因此,存在业务视频帧处理的效果不佳的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于云端业务平台的大数据分析方法及系统,以提高业务视频处理的效果。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于云端业务平台的大数据分析方法,包括:
从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的业务视频帧区域集合,所述业务视频帧区域集合包括多个业务视频帧区域,所述多个业务视频帧区域至少属于所述待处理业务视频帧中的一部分视频帧区域,所述待处理业务视频帧属于存储的任意一帧;
分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域,在所述业务视频帧区域属于目标业务视频帧区域的情况下,表明所述业务视频帧区域中携带的视频帧内容属于违规视频帧内容;
在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成所述待处理业务视频帧对应的目标业务视频帧,所述目标业务视频帧中携带的违规视频帧内容的数据量小于所述待处理业务视频帧中携带的违规视频帧内容的数据量。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的业务视频帧区域集合的步骤,包括:
从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并提取到预先配置的目标区域尺寸;
基于所述目标区域尺寸,对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的初始业务视频帧区域集合,所述初始业务视频帧区域集合包括多个初始业务视频帧区域,所述多个初始业务视频帧区域能够拼接形成所述待处理业务视频帧;
基于预先配置的视频帧区域筛选规则,对所述初始业务视频帧区域集合包括的多个初始业务视频帧区域进行筛选处理,以筛选出多个初始业务视频帧区域,以标记为业务视频帧区域,并基于多个所述业务视频帧区域组合形成所述待处理业务视频帧对应的业务视频帧区域集合,所述视频帧区域筛选规则与定义的违规视频帧内容之间具有相关关系。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域的步骤,包括:
对所述业务视频帧区域集合包括的多个业务视频帧区域进行序列化处理,以形成所述业务视频帧区域集合对应的业务视频帧区域序列;
对所述业务视频帧区域序列进行加载处理,以加载至预先进行网络优化形成的目标视频帧区域识别神经网络中,利用所述目标视频帧区域识别神经网络对所述业务视频帧区域序列进行分析识别,以输出所述业务视频帧区域序列中的每一个业务视频帧区域对应的区域可能性集合,所述区域可能性集合包括的多个区域可能性表征值用于反映所述业务视频帧区域与预先配置的多个标准业务视频帧区域之间的匹配可能度;
对于每一个所述业务视频帧区域,从该业务视频帧区域对应的区域可能性集合中确定出具有最大值的区域可能性表征值,以标记为该业务视频帧区域对应的目标区域可能性表征值,以及,基于所述目标区域可能性表征值与预先配置的参考区域可能性表征值之间的相对大小关系,确定该业务视频帧区域是否属于目标业务视频帧区域。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域的步骤,还包括:对构建的初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络,其中,所述对构建的初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络的步骤,包括:
对提取到的示例性业务视频帧区域序列进行加载处理,以加载到构建的初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列进行分析识别,以输出所述示例性业务视频帧区域序列中每一个业务视频帧区域对应的原始区域可能性集合,所述示例性业务视频帧区域序列包括一个属于目标业务视频帧区域的第一业务视频帧区域;
依据每一个所述业务视频帧区域对应的原始区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的分析识别学习代价值;
对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的一个其它业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列;
对所述更新示例性业务视频帧区域序列进行加载处理,以加载到所述初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列进行分析识别出,以输出所述更新示例性业务视频帧区域序列包括的每一个业务视频帧区域对应的更新区域可能性集合;
依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值;
依据所述分析识别学习代价值和所述更新数据分析识别学习代价值,对所述初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值的步骤,包括:
依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述原始区域可能性集合对于所述更新区域可能性集合具有的第一个集合分布差异,并分析输出所述更新区域可能性集合对于所述原始区域可能性集合具有的第二个集合分布差异;
依据所述第一个集合分布差异和所述第二个集合分布差异,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的一个其它业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列的步骤,包括:
对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的其它业务视频帧区域进行任意性的确定处理,以确定出对应的第一视频帧区域序列分布坐标;
对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的其它业务视频帧区域进行任意性的确定处理,以确定出对应的第一视频帧区域序列分布坐标的步骤,包括:
对所述第一业务视频帧区域对应的视频帧区域序列分布坐标的进行标记处理,以形成对应的视频帧区域序列分布坐标边界值,再基于所述视频帧区域序列分布坐标边界值和预先配置的坐标区间大小信息,在所述第一业务视频帧区域对应的相邻视频帧区域中,选择出一个序列分布坐标目标区间;
在所述序列分布坐标目标区间中,任意确定出一个序列分布坐标,以标记为对应的第一视频帧区域序列分布坐标。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列的步骤,包括:
在所述第一视频帧区域序列分布坐标对应的业务视频帧区域对应的相关业务子视频帧集合中任意确定出一个相关业务子视频帧,以标记为对应的更新相关业务子视频帧;
基于所述更新相关业务子视频帧,对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列。
在一些优选的实施例中,在上述基于云端业务平台的大数据分析方法中,所述在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成所述待处理业务视频帧对应的目标业务视频帧的步骤,包括:
提取到预先配置的模板业务子视频帧,并基于所述模板业务子视频帧具有的视频帧内容,在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏替换处理,以形成所述待处理业务视频帧对应的目标业务视频帧;或者
在所述待处理业务视频帧中,提取到不属于目标业务视频帧区域的每一个业务视频帧区域,并基于该业务视频帧区域具有的视频帧内容,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏替换处理,以形成所述待处理业务视频帧对应的目标业务视频帧。
本发明实施例还提供一种基于云端业务平台的大数据分析系统,包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以实现上述的基于云端业务平台的大数据分析方法。
本发明实施例提供的一种基于云端业务平台的大数据分析方法及系统,从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对待处理业务视频帧进行分割处理,以形成对应的业务视频帧区域集合;分别确定出每一个业务视频帧区域是否属于目标业务视频帧区域,在业务视频帧区域属于目标业务视频帧区域的情况下,表明业务视频帧区域中携带的视频帧内容属于违规视频帧内容;在待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成待处理业务视频帧对应的目标业务视频帧。一方面,通过对对待处理业务视频帧进行分割处理,使得可以针对业务视频帧区域进行细粒度的违规识别,可以在一定程度上提高视频帧识别的可靠度,另外,通过对违规的业务视频帧区域进行视频帧内容隐藏处理,使得得到的目标业务视频帧的合规性更高,如此,可以综合提高业务视频处理的效果。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的基于云端业务平台的大数据分析系统的结构框图。
图2为本发明实施例提供的基于云端业务平台的大数据分析方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于云端业务平台的大数据分析装置包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于云端业务平台的大数据分析系统。其中,所述大数据分析系统可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的基于云端业务平台的大数据分析方法。
应当理解的是,在一些实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器应当理解的是,在一些实施方式中,所述基于云端业务平台的大数据分析系统可以是一种具备数据处理能力的服务器。
结合图2,本发明实施例还提供一种基于云端业务平台的大数据分析方法,可应用于上述基于云端业务平台的大数据分析系统。其中,所述基于云端业务平台的大数据分析方法有关的流程所定义的方法步骤,可以由所述基于云端业务平台的大数据分析系统实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S110,从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的业务视频帧区域集合。
在本发明实施例中,所述基于云端业务平台的大数据分析系统可以从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的业务视频帧区域集合。所述业务视频帧区域集合包括多个业务视频帧区域,所述多个业务视频帧区域至少属于所述待处理业务视频帧中的一部分视频帧区域,所述待处理业务视频帧属于存储的任意一帧(也就是说,可以对存储的每一帧待处理业务视频帧进行同样的处理)。
步骤S120,分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域。
在本发明实施例中,所述基于云端业务平台的大数据分析系统可以分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域。在所述业务视频帧区域属于目标业务视频帧区域的情况下,表明所述业务视频帧区域中携带的视频帧内容属于违规视频帧内容。
步骤S130,在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成所述待处理业务视频帧对应的目标业务视频帧。
在本发明实施例中,所述基于云端业务平台的大数据分析系统可以在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成所述待处理业务视频帧对应的目标业务视频帧。所述目标业务视频帧中携带的违规视频帧内容的数据量小于所述待处理业务视频帧中携带的违规视频帧内容的数据量。
基于前述的步骤S110、步骤S120和步骤S130,一方面,通过对对待处理业务视频帧进行分割处理,使得可以针对业务视频帧区域进行细粒度的违规识别,可以在一定程度上提高视频帧识别的可靠度,另外,通过对违规的业务视频帧区域进行视频帧内容隐藏处理,使得得到的目标业务视频帧的合规性更高,如此,可以综合提高业务视频处理的效果。
应当理解的是,在一些实施方式中,在上述的步骤S110的执行过程,具体可以通过执行以下子步骤以实现:
从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并提取到预先配置的目标区域尺寸(所述目标区域尺寸的具体尺寸不受限制,可以根据实际应用需求进行配置,例如,基于不同的违规内容的定义可以有不同的尺寸,如手势违规和全部身体违规对应的目标区域尺寸不同,前者对应的目标区域尺寸可以小于后者对应的目标区域尺寸);
基于所述目标区域尺寸,对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的初始业务视频帧区域集合,所述初始业务视频帧区域集合包括多个初始业务视频帧区域,所述多个初始业务视频帧区域能够拼接形成所述待处理业务视频帧(每一个初始业务视频帧区域的区域尺寸等于所述目标区域尺寸,且所述多个初始业务视频帧区域中的每两个初始业务视频帧区域可以不具有任何的重叠部分);
基于预先配置的视频帧区域筛选规则,对所述初始业务视频帧区域集合包括的多个初始业务视频帧区域进行筛选处理,以筛选出多个初始业务视频帧区域,以标记为业务视频帧区域,并基于多个所述业务视频帧区域组合形成所述待处理业务视频帧对应的业务视频帧区域集合,所述视频帧区域筛选规则与定义的违规视频帧内容之间具有相关关系(例如,倘若是针对身体部分的违规,则可以将身体以外的区域筛除,即仅保留身体部分对应的初始业务视频帧区域,以标记为业务视频帧区域)。
应当理解的是,在一些实施方式中,在上述的步骤S120的执行过程,具体可以通过执行以下子步骤以实现:
对所述业务视频帧区域集合包括的多个业务视频帧区域进行序列化处理,以形成所述业务视频帧区域集合对应的业务视频帧区域序列;
对所述业务视频帧区域序列进行加载处理,以加载至预先进行网络优化形成的目标视频帧区域识别神经网络中,利用所述目标视频帧区域识别神经网络对所述业务视频帧区域序列进行分析识别,以输出所述业务视频帧区域序列中的每一个业务视频帧区域对应的区域可能性集合,所述区域可能性集合包括的多个区域可能性表征值用于反映所述业务视频帧区域与预先配置的多个标准业务视频帧区域之间的匹配可能度(示例性地,每一个所述标准业务视频帧区域中可以携带有违规视频帧内容);
对于每一个所述业务视频帧区域,从该业务视频帧区域对应的区域可能性集合中确定出具有最大值的区域可能性表征值,以标记为该业务视频帧区域对应的目标区域可能性表征值,以及,基于所述目标区域可能性表征值与预先配置的参考区域可能性表征值之间的相对大小关系,确定该业务视频帧区域是否属于目标业务视频帧区域(示例性地,在所述目标区域可能性表征值大于或等于所述参考区域可能性表征值的情况下,可以确定所述业务视频帧区域属于目标业务视频帧区域,在所述目标区域可能性表征值小于所述参考区域可能性表征值的情况下,可以确定所述业务视频帧区域不属于目标业务视频帧区域)。
应当理解的是,在一些实施方式中,在上述的步骤S120的执行过程,具体还可以通过执行以下子步骤以实现:
对构建的初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络。
应当理解的是,在一些实施方式中,在所述对构建的初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络的步骤的执行过程,具体可以通过执行以下子步骤以实现:
对提取到的示例性业务视频帧区域序列进行加载处理,以加载到构建的初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列进行分析识别,以输出所述示例性业务视频帧区域序列中每一个业务视频帧区域对应的原始区域可能性集合,所述示例性业务视频帧区域序列包括一个属于目标业务视频帧区域的第一业务视频帧区域(示例性地,所述示例性业务视频帧区域序列可以仅包括一个属于目标业务视频帧区域的第一业务视频帧区域);
依据每一个所述业务视频帧区域对应的原始区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的分析识别学习代价值;
对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的一个其它业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列;
对所述更新示例性业务视频帧区域序列进行加载处理,以加载到所述初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列进行分析识别出,以输出所述更新示例性业务视频帧区域序列包括的每一个业务视频帧区域对应的更新区域可能性集合;
依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值;
依据所述分析识别学习代价值和所述更新数据分析识别学习代价值,对所述初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络(示例性地,可以对所述分析识别学习代价值和所述更新数据分析识别学习代价值进行加权求和计算,以得到目标学习代价值,再依据所述目标学习代价值,对所述初始视频帧区域识别神经网络进行网络优化处理)。
应当理解的是,在一些实施方式中,在所述对提取到的示例性业务视频帧区域序列进行加载处理,以加载到构建的初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列进行分析识别,以输出所述示例性业务视频帧区域序列中每一个业务视频帧区域对应的原始区域可能性集合的步骤的执行过程,具体可以通过执行以下子步骤以实现:
对提取到的示例性业务视频帧区域序列进行加载处理,以加载到构建的初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列包括的每一个业务视频帧区域进行视频帧区域关键信息挖掘处理,以形成每一个所述业务视频帧区域对应的视频帧区域关键信息特征表示;
依据所述视频帧区域关键信息特征表示,分析输出所述示例性业务视频帧区域序列包括的每一个业务视频帧区域对应的原始区域可能性集合(示例性地,可以基于所述业务视频帧区域对应的视频帧区域关键信息特征表示和每一个所述标准业务视频帧区域对应的的视频帧区域关键信息特征表示之间的相似度,以确定出所述原始区域可能性集合)。
应当理解的是,在一些实施方式中,在所述依据每一个所述业务视频帧区域对应的原始区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的分析识别学习代价值的步骤的执行过程,具体可以通过执行以下子步骤以实现:
提取出所述示例性业务视频帧区域序列包括的每一个业务视频帧区域对应的参考区域可能性集合(可以基于人工标注或配置形成);
依据所述参考区域可能性集合和所述原始区域可能性集合,分析输出所述示例性业务视频帧区域序列包括的每一个业务视频帧区域对应的融合区域可能性集合(示例性地,可以对所述参考区域可能性集合和所述原始区域可能性集合进行求差处理,以得到融合区域可能性集合);
依据所述每个业务视频帧区域对应的融合区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的分析识别学习代价值(示例性地,可以对所述融合区域可能性集合包括的每一个集合元素进行均值计算,以得到目标值,再基于所述目标值确定出正相关的分析识别学习代价值)。
应当理解的是,在一些实施方式中,在所述对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的一个其它业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列的步骤的执行过程,可以通过执行以下子步骤以实现:
对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的其它业务视频帧区域进行任意性的确定处理,以确定出对应的第一视频帧区域序列分布坐标(即任意的一个序列分布坐标);
对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理(即对任意一个业务视频帧区域进行更新处理),形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列。
应当理解的是,在一些实施方式中,在所述对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的其它业务视频帧区域进行任意性的确定处理,以确定出对应的第一视频帧区域序列分布坐标的步骤的执行过程,具体可以通过执行以下子步骤以实现:
对所述第一业务视频帧区域对应的视频帧区域序列分布坐标的进行标记处理,以形成对应的视频帧区域序列分布坐标边界值,再基于所述视频帧区域序列分布坐标边界值和预先配置的坐标区间大小信息,在所述第一业务视频帧区域对应的相邻视频帧区域中,选择出一个序列分布坐标目标区间(例如,以视频帧区域序列分布坐标边界值为第一边界值,再通过所述坐标区间大小信息确定一个初始序列分布坐标目标区间,然后,再从该初始序列分布坐标目标区间中确定任意的一个子区间,以作为suoshu序列分布坐标目标区间);
在所述序列分布坐标目标区间中,任意确定出一个序列分布坐标,以标记为对应的第一视频帧区域序列分布坐标。
应当理解的是,在一些实施方式中,在所述对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列的步骤的执行过程,具体可以通过执行以下子步骤以实现:
在所述第一视频帧区域序列分布坐标对应的业务视频帧区域对应的相关业务子视频帧集合中任意确定出一个相关业务子视频帧,以标记为对应的更新相关业务子视频帧;
基于所述更新相关业务子视频帧,对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列(示例性地,可以在所述示例性业务视频帧区域序列中,将所述第一视频帧区域序列分布坐标对应的业务视频帧区域替换为所述更新相关业务子视频帧,使得可以形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列)。
应当理解的是,在一些实施方式中,在所述依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值的步骤的执行过程,具体可以通过执行以下子步骤以实现:
依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述原始区域可能性集合对于所述更新区域可能性集合具有的第一个集合分布差异(示例性地,可以对所述原始区域可能性集合和所述更新区域可能性集合进行相除运算,再将相除运算的结果的对数结果与所述原始区域可能性集合进行相乘运算,再对相乘运算的结果进行积分运算,再将积分运算的负相关值作为第一个集合分布差异),并分析输出所述更新区域可能性集合对于所述原始区域可能性集合具有的第二个集合分布差异;
依据所述第一个集合分布差异和所述第二个集合分布差异,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值(示例性地,可以对所述第一个集合分布差异和所述第二个集合分布差异和求和运算,再将求和运算的结果的正相关值作为所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值)。
应当理解的是,在一些实施方式中,在上述的步骤S130的执行过程,具体可以通过执行以下子步骤以实现:
提取到预先配置的模板业务子视频帧,并基于所述模板业务子视频帧具有的视频帧内容,在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏替换处理,以形成所述待处理业务视频帧对应的目标业务视频帧(示例性地,可以先配置多个模板业务子视频帧,然后,选择出最匹配的模板业务子视频帧以替代属于目标业务视频帧区域的每一个业务视频帧区域);或者
在所述待处理业务视频帧中,提取到不属于目标业务视频帧区域的每一个业务视频帧区域,并基于该业务视频帧区域具有的视频帧内容,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏替换处理,以形成所述待处理业务视频帧对应的目标业务视频帧(示例性地,可以直接基于最近的不属于目标业务视频帧区域的业务视频帧区域对属于目标业务视频帧区域的业务视频帧区域进行替代,或者,也可以基于不属于目标业务视频帧区域的业务视频帧区域对属于目标业务视频帧区域的业务视频帧区域进行预测,以基于预测视频帧区域进行替代等)。
应当理解的是,在一些实施方式中,在所述提取到预先配置的模板业务子视频帧,并基于所述模板业务子视频帧具有的视频帧内容,在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏替换处理,以形成所述待处理业务视频帧对应的目标业务视频帧的步骤的执行过程,具体可以通过执行以下子步骤以实现:
对所述模板业务子视频帧包括的每一个第一像素点(即所述模板业务子视频帧包括的每一个像素点)进行像素梯度值的计算,形成所述模板业务子视频帧对应的模板像素梯度分布图,并对所述业务视频帧区域包括的每一个第二像素点(即所述业务视频帧区域包括的每一个像素点)进行像素梯度值的计算,形成所述业务视频帧区域对应的区域像素梯度分布图;
对于所述模板像素梯度分布图中的每一个模板像素梯度分布坐标(一个模板像素梯度分布坐标对应一个第一像素点,即该模板像素梯度分布坐标对应的模板像素梯度值为该第一像素点的像素梯度值),以该模板像素梯度分布坐标为目标规则几何图形中心(如圆心),按照预先配置的图形尺寸(如半径),确定出该模板像素梯度分布坐标对应的模板梯度分布区域,以及,对于所述区域像素梯度分布图中的每一个区域像素梯度分布坐标(一个区域像素梯度分布坐标对应一个第二像素点,即该区域像素梯度分布坐标对应的区域像素梯度值为该第二像素点的像素梯度值),以该区域像素梯度分布坐标为目标规则几何图形中心(如圆心,与对所述模板像素梯度分布图的处理方式保持一致即可),按照预先配置的图形尺寸(如半径),确定出该区域像素梯度分布坐标对应的区域梯度分布区域;
对于所述模板像素梯度分布图中的每一个模板像素梯度分布坐标,对该模板像素梯度分布坐标对应的模板梯度分布区域中第一模板像素梯度分布坐标进行数量占比的统计计算,以输出该模板像素梯度分布坐标对应的第一坐标数量占比,所述第一模板像素梯度分布坐标对应的模板像素梯度值大于或等于预先配置的参考像素梯度值(所述参考像素梯度值的具体数值不受限制,可以根据实际应用需求进行配置);
对于所述区域像素梯度分布图中的每一个区域像素梯度分布坐标,对该区域像素梯度分布坐标对应的区域梯度分布区域中第二模板像素梯度分布坐标进行数量占比的统计计算,以输出该区域像素梯度分布坐标对应的第二坐标数量占比,所述第二模板像素梯度分布坐标对应的区域像素梯度值大于或等于所述参考像素梯度值;
对所述模板业务子视频帧进行像素特征点的识别提取处理(可以是任意一种特征点识别提取技术,例如,可以采用基于与周围区域的像素点的像素值进行对比的ORB特征提取技术),以形成所述模板业务子视频帧对应的第一像素特征点集合, 并对所述业务视频帧区域进行像素特征点的识别提取处理,以形成所述业务视频帧区域对应的第二像素特征点集合;
对于所述第一像素特征点集合中的每一个第一像素特征点,对该第一像素特征点和每一个其它第一像素特征点之间的像素值相对大小关系和像素位置坐标相关关系进行编码处理(可以利用编码神经网络实现),以形成该第一像素特征点对应的第一编码向量,以及,对于所述第二像素特征点集合中的每一个第二像素特征点,对该第二像素特征点和每一个其它第二像素特征点之间的像素值相对大小关系和像素位置坐标相关关系进行编码处理,以形成该第二像素特征点对应的第二编码向量;
基于对应的模板像素梯度分布坐标对应的第一坐标数量占比,对所述第一像素特征点集合中的每一个第一像素特征点对应的第一编码向量进行加权求和计算(也就是说,可以先确定所述第一像素特征点对应的模板像素梯度分布坐标对应的第一坐标数量占比,确定出具有正相关关系的加权系数,以进行加权求和计算),以形成对应的聚合第一编码向量,以及,基于对应的区域像素梯度分布坐标对应的第二坐标数量占比,对所述第二像素特征点集合中的每一个第二像素特征点对应的第二编码向量进行加权求和计算(也就是说,可以先确定所述第二像素特征点对应的区域像素梯度分布坐标对应的第二坐标数量占比,确定出具有正相关关系的加权系数,以进行加权求和计算),以形成对应的聚合第二编码向量;
对所述聚合第一编码向量和所述聚合第二编码向量中的至少一个进行向量的压缩或拉伸处理(可以采用任意中现有的向量压缩或拉伸的技术,在此不做具体的限定),以使压缩或拉伸处理之后的所述聚合第一编码向量和所述聚合第二编码向量的向量尺寸相同;
对压缩或拉伸处理之后的所述聚合第一编码向量和所述聚合第二编码向量进行向量相似度的计算,以输出所述模板业务子视频帧和所述业务视频帧区域之间的匹配度(即将向量相似度作为对应的匹配度,或者,还可以基于进行向量的压缩或拉伸处理的幅度,对向量相似度进行调整,以输出所述模板业务子视频帧和所述业务视频帧区域之间的匹配度,其中,该幅度和该匹配度之间可以具有负相关的对应关系,例如,可以将该向量相似度和该幅度的负相关值进行乘积计算,以得到对应的匹配度)。
结合图3,本发明实施例还提供一种基于云端业务平台的大数据分析装置,可应用于上述基于云端业务平台的大数据分析系统。其中,所述基于云端业务平台的大数据分析装置可以包括:
业务视频帧分割模块(软件程序模块化),用于从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的业务视频帧区域集合,所述业务视频帧区域集合包括多个业务视频帧区域,所述多个业务视频帧区域至少属于所述待处理业务视频帧中的一部分视频帧区域,所述待处理业务视频帧属于存储的任意一帧;
视频帧区域识别模块(软件程序模块化),用于分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域,在所述业务视频帧区域属于目标业务视频帧区域的情况下,表明所述业务视频帧区域中携带的视频帧内容属于违规视频帧内容;
视频帧内容隐藏模块(软件程序模块化),用于在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成所述待处理业务视频帧对应的目标业务视频帧,所述目标业务视频帧中携带的违规视频帧内容的数据量小于所述待处理业务视频帧中携带的违规视频帧内容的数据量。
综上所述,本发明提供的一种基于云端业务平台的大数据分析方法及系统,从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对待处理业务视频帧进行分割处理,以形成对应的业务视频帧区域集合;分别确定出每一个业务视频帧区域是否属于目标业务视频帧区域,在业务视频帧区域属于目标业务视频帧区域的情况下,表明业务视频帧区域中携带的视频帧内容属于违规视频帧内容;在待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成待处理业务视频帧对应的目标业务视频帧。一方面,通过对对待处理业务视频帧进行分割处理,使得可以针对业务视频帧区域进行细粒度的违规识别,可以在一定程度上提高视频帧识别的可靠度,另外,通过对违规的业务视频帧区域进行视频帧内容隐藏处理,使得得到的目标业务视频帧的合规性更高,如此,可以综合提高业务视频处理的效果。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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)
1.一种基于云端业务平台的大数据分析方法,其特征在于,包括:
从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的业务视频帧区域集合,所述业务视频帧区域集合包括多个业务视频帧区域,所述多个业务视频帧区域至少属于所述待处理业务视频帧中的一部分视频帧区域,所述待处理业务视频帧属于存储的任意一帧;
分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域,在所述业务视频帧区域属于目标业务视频帧区域的情况下,表明所述业务视频帧区域中携带的视频帧内容属于违规视频帧内容;
在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成所述待处理业务视频帧对应的目标业务视频帧,所述目标业务视频帧中携带的违规视频帧内容的数据量小于所述待处理业务视频帧中携带的违规视频帧内容的数据量。
2.如权利要求1所述的基于云端业务平台的大数据分析方法,其特征在于,所述从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的业务视频帧区域集合的步骤,包括:
从目标云端业务平台对应的大数据存储设备中提取出一帧待处理业务视频帧,并提取到预先配置的目标区域尺寸;
基于所述目标区域尺寸,对所述待处理业务视频帧进行分割处理,以形成所述待处理业务视频帧对应的初始业务视频帧区域集合,所述初始业务视频帧区域集合包括多个初始业务视频帧区域,所述多个初始业务视频帧区域能够拼接形成所述待处理业务视频帧;
基于预先配置的视频帧区域筛选规则,对所述初始业务视频帧区域集合包括的多个初始业务视频帧区域进行筛选处理,以筛选出多个初始业务视频帧区域,以标记为业务视频帧区域,并基于多个所述业务视频帧区域组合形成所述待处理业务视频帧对应的业务视频帧区域集合,所述视频帧区域筛选规则与定义的违规视频帧内容之间具有相关关系。
3.如权利要求1所述的基于云端业务平台的大数据分析方法,其特征在于,所述分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域的步骤,包括:
对所述业务视频帧区域集合包括的多个业务视频帧区域进行序列化处理,以形成所述业务视频帧区域集合对应的业务视频帧区域序列;
对所述业务视频帧区域序列进行加载处理,以加载至预先进行网络优化形成的目标视频帧区域识别神经网络中,利用所述目标视频帧区域识别神经网络对所述业务视频帧区域序列进行分析识别,以输出所述业务视频帧区域序列中的每一个业务视频帧区域对应的区域可能性集合,所述区域可能性集合包括的多个区域可能性表征值用于反映所述业务视频帧区域与预先配置的多个标准业务视频帧区域之间的匹配可能度;
对于每一个所述业务视频帧区域,从该业务视频帧区域对应的区域可能性集合中确定出具有最大值的区域可能性表征值,以标记为该业务视频帧区域对应的目标区域可能性表征值,以及,基于所述目标区域可能性表征值与预先配置的参考区域可能性表征值之间的相对大小关系,确定该业务视频帧区域是否属于目标业务视频帧区域。
4.如权利要求3所述的基于云端业务平台的大数据分析方法,其特征在于,所述分别确定出每一个所述业务视频帧区域是否属于目标业务视频帧区域的步骤,还包括:对构建的初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络,其中,所述对构建的初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络的步骤,包括:
对提取到的示例性业务视频帧区域序列进行加载处理,以加载到构建的初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列进行分析识别,以输出所述示例性业务视频帧区域序列中每一个业务视频帧区域对应的原始区域可能性集合,所述示例性业务视频帧区域序列包括一个属于目标业务视频帧区域的第一业务视频帧区域;
依据每一个所述业务视频帧区域对应的原始区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的分析识别学习代价值;
对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的一个其它业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列;
对所述更新示例性业务视频帧区域序列进行加载处理,以加载到所述初始视频帧区域识别神经网络中,利用所述初始视频帧区域识别神经网络对所述示例性业务视频帧区域序列进行分析识别出,以输出所述更新示例性业务视频帧区域序列包括的每一个业务视频帧区域对应的更新区域可能性集合;
依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值;
依据所述分析识别学习代价值和所述更新数据分析识别学习代价值,对所述初始视频帧区域识别神经网络进行网络优化处理,以形成所述初始视频帧区域识别神经网络对应的目标视频帧区域识别神经网络。
5.如权利要求4所述的基于云端业务平台的大数据分析方法,其特征在于,所述依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值的步骤,包括:
依据所述原始区域可能性集合和所述更新区域可能性集合,分析输出所述原始区域可能性集合对于所述更新区域可能性集合具有的第一个集合分布差异,并分析输出所述更新区域可能性集合对于所述原始区域可能性集合具有的第二个集合分布差异;
依据所述第一个集合分布差异和所述第二个集合分布差异,分析输出所述示例性业务视频帧区域序列对应的更新数据分析识别学习代价值。
6.如权利要求4所述的基于云端业务平台的大数据分析方法,其特征在于,所述对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的一个其它业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列的步骤,包括:
对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的其它业务视频帧区域进行任意性的确定处理,以确定出对应的第一视频帧区域序列分布坐标;
对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列。
7.如权利要求6所述的基于云端业务平台的大数据分析方法,其特征在于,所述对所述示例性业务视频帧区域序列包括的所述第一业务视频帧区域以外的其它业务视频帧区域进行任意性的确定处理,以确定出对应的第一视频帧区域序列分布坐标的步骤,包括:
对所述第一业务视频帧区域对应的视频帧区域序列分布坐标的进行标记处理,以形成对应的视频帧区域序列分布坐标边界值,再基于所述视频帧区域序列分布坐标边界值和预先配置的坐标区间大小信息,在所述第一业务视频帧区域对应的相邻视频帧区域中,选择出一个序列分布坐标目标区间;
在所述序列分布坐标目标区间中,任意确定出一个序列分布坐标,以标记为对应的第一视频帧区域序列分布坐标。
8.如权利要求6所述的基于云端业务平台的大数据分析方法,其特征在于,所述对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列的步骤,包括:
在所述第一视频帧区域序列分布坐标对应的业务视频帧区域对应的相关业务子视频帧集合中任意确定出一个相关业务子视频帧,以标记为对应的更新相关业务子视频帧;
基于所述更新相关业务子视频帧,对所述第一视频帧区域序列分布坐标对应的业务视频帧区域进行更新处理,形成所述示例性业务视频帧区域序列对应的更新示例性业务视频帧区域序列。
9.如权利要求1-8任意一项所述的基于云端业务平台的大数据分析方法,其特征在于,所述在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏处理,以形成所述待处理业务视频帧对应的目标业务视频帧的步骤,包括:
提取到预先配置的模板业务子视频帧,并基于所述模板业务子视频帧具有的视频帧内容,在所述待处理业务视频帧中,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏替换处理,以形成所述待处理业务视频帧对应的目标业务视频帧;或者
在所述待处理业务视频帧中,提取到不属于目标业务视频帧区域的每一个业务视频帧区域,并基于该业务视频帧区域具有的视频帧内容,对属于目标业务视频帧区域的每一个业务视频帧区域进行视频帧内容隐藏替换处理,以形成所述待处理业务视频帧对应的目标业务视频帧。
10.一种基于云端业务平台的大数据分析系统,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以实现权利要求1-9任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638483.9A CN115761598B (zh) | 2022-12-20 | 2022-12-20 | 一种基于云端业务平台的大数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638483.9A CN115761598B (zh) | 2022-12-20 | 2022-12-20 | 一种基于云端业务平台的大数据分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115761598A true CN115761598A (zh) | 2023-03-07 |
CN115761598B CN115761598B (zh) | 2023-09-08 |
Family
ID=85346820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211638483.9A Active CN115761598B (zh) | 2022-12-20 | 2022-12-20 | 一种基于云端业务平台的大数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115761598B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108419091A (zh) * | 2018-03-02 | 2018-08-17 | 北京未来媒体科技股份有限公司 | 一种基于机器学习的视频内容审核方法及装置 |
CN109697416A (zh) * | 2018-12-14 | 2019-04-30 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法和相关装置 |
US10699751B1 (en) * | 2019-03-06 | 2020-06-30 | Wangsu Science & Technology Co., Ltd. | Method, system and device for fitting target object in video frame |
CN111738769A (zh) * | 2020-06-24 | 2020-10-02 | 湖南快乐阳光互动娱乐传媒有限公司 | 视频处理方法及装置 |
CN111754386A (zh) * | 2019-03-26 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 图像区域屏蔽方法、装置、设备及存储介质 |
US20210368112A1 (en) * | 2019-05-09 | 2021-11-25 | Tencent Technology (Shenzhen) Company Limited | Method for implanting information into video, computer device and storage medium |
CN113888534A (zh) * | 2021-11-17 | 2022-01-04 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种图像处理方法、电子设备及可读存储介质 |
CN114973053A (zh) * | 2022-03-17 | 2022-08-30 | 北京市商汤科技开发有限公司 | 检测方法、装置和系统、存储介质及计算机设备 |
-
2022
- 2022-12-20 CN CN202211638483.9A patent/CN115761598B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108419091A (zh) * | 2018-03-02 | 2018-08-17 | 北京未来媒体科技股份有限公司 | 一种基于机器学习的视频内容审核方法及装置 |
CN109697416A (zh) * | 2018-12-14 | 2019-04-30 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法和相关装置 |
US10699751B1 (en) * | 2019-03-06 | 2020-06-30 | Wangsu Science & Technology Co., Ltd. | Method, system and device for fitting target object in video frame |
CN111754386A (zh) * | 2019-03-26 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 图像区域屏蔽方法、装置、设备及存储介质 |
US20210368112A1 (en) * | 2019-05-09 | 2021-11-25 | Tencent Technology (Shenzhen) Company Limited | Method for implanting information into video, computer device and storage medium |
CN111738769A (zh) * | 2020-06-24 | 2020-10-02 | 湖南快乐阳光互动娱乐传媒有限公司 | 视频处理方法及装置 |
CN113888534A (zh) * | 2021-11-17 | 2022-01-04 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种图像处理方法、电子设备及可读存储介质 |
CN114973053A (zh) * | 2022-03-17 | 2022-08-30 | 北京市商汤科技开发有限公司 | 检测方法、装置和系统、存储介质及计算机设备 |
Non-Patent Citations (2)
Title |
---|
M. GASTAUD ET AL.: "Video segmentation using active contours on a group of pictures", IEEE * |
吴彧: "基于颜色特征的网络不良视频检测技术研究", 实用影音技术, no. 07, pages 73 - 76 * |
Also Published As
Publication number | Publication date |
---|---|
CN115761598B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304775B (zh) | 遥感图像识别方法、装置、存储介质以及电子设备 | |
CN107944450B (zh) | 一种车牌识别方法及装置 | |
CN109446061B (zh) | 一种页面检测方法、计算机可读存储介质及终端设备 | |
CN107209942B (zh) | 对象检测方法和图像检索系统 | |
CN111723815B (zh) | 模型训练方法、图像处理方法、装置、计算机系统和介质 | |
CN115660520B (zh) | 一种基于交通运输物流的数据分析方法及系统 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN112257801A (zh) | 图像的增量聚类方法、装置、电子设备及存储介质 | |
CN111767915A (zh) | 车牌检测方法、装置、设备及存储介质 | |
CN115964432A (zh) | 基于大数据可视化的用户操作异常分析方法及系统 | |
CN114299030A (zh) | 物体检测模型处理方法、装置、设备及存储介质 | |
CN115100541B (zh) | 一种卫星遥感数据的处理方法、系统及云平台 | |
CN111340139A (zh) | 一种图像内容复杂度的判别方法及装置 | |
CN115761598A (zh) | 一种基于云端业务平台的大数据分析方法及系统 | |
CN115908363A (zh) | 肿瘤细胞统计方法、装置、设备和存储介质 | |
CN111737371B (zh) | 可动态预测的数据流量检测分类方法及装置 | |
CN113128496B (zh) | 一种从图像中提取结构化数据的方法、装置和设备 | |
CN114399657A (zh) | 车辆检测模型训练方法、装置、车辆检测方法及电子设备 | |
CN114419370A (zh) | 目标图像处理方法、装置、存储介质与电子设备 | |
CN113392455A (zh) | 基于深度学习的户型图比例尺检测方法、装置及电子设备 | |
CN113378837A (zh) | 车牌遮挡识别方法、装置、电子设备和存储介质 | |
CN116958838B (zh) | 一种基于无人机航测技术的森林资源监测方法及系统 | |
CN112399236B (zh) | 一种视频查重方法、装置及电子设备 | |
CN115082709B (zh) | 遥感大数据处理方法、系统及云平台 | |
CN113365027B (zh) | 视频处理方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230815 Address after: 361006 room 2702, No. 4, Longqiu Sili, Huli District, Xiamen City, Fujian Province Applicant after: Easy software (Xiamen) Co.,Ltd. Address before: 250 Gulou Road, Wuhua District, Kunming, Yunnan 650000 Applicant before: Kunming Situi Network Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |