CN115830489B - 一种基于ai识别的智能动态分析系统 - Google Patents
一种基于ai识别的智能动态分析系统 Download PDFInfo
- Publication number
- CN115830489B CN115830489B CN202211368673.3A CN202211368673A CN115830489B CN 115830489 B CN115830489 B CN 115830489B CN 202211368673 A CN202211368673 A CN 202211368673A CN 115830489 B CN115830489 B CN 115830489B
- Authority
- CN
- China
- Prior art keywords
- information
- video
- analysis
- feature
- module
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于ai识别的智能动态分析系统,包括视频信息采集模块、片段提取模块、特征导入模块、影像增强模块、持续分析模块、结果评估模块与结果导出模块;所述视频信息采集模块用于用户导入待分析的视频信息,同时视频信息采集模块对采集到的视频信息进行初步分类处理,将视频进行分类获取到视频分类信息,视频分类信息包括第一类视频、第三类视频与第三类视频;所述特征导入模块用于用户导入视频分析的特征信息,所述片段提取模块用于接收特征信息与视频分类信息分类信息,并根据特征片段规则进行特征片段提取获取到继续分析影像片段。本发明能够更加快速准确的进行视频动态分析。
Description
技术领域
本发明涉及视频分析领域,具体涉及一种基于ai识别的智能动态分析系统。
背景技术
视频分析,视频分析技术就是使用计算机图像视觉分析技术,通过将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的目的;
视频分析的种类有很多,视频动态分析也是其中一种,通过视频动态分析,来了解到视频影像中是否存在用户所需的预设动态的影像片段,在进行动态分析过程中,即会使用到动态分析系统。
现有的动态分析系统,在实际使用过程,动态分析的结果偏差较大并且速度较慢,给动态分析系统的使用带来了一定的影响,因此,提出一种基于ai识别的智能动态分析系统。
发明内容
本发明所要解决的技术问题在于:如何解决现有的动态分析系统,在实际使用过程,动态分析的结果偏差较大并且速度较慢,给动态分析系统的使用带来了一定的影响的问题,提供了一种基于ai识别的智能动态分析系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括视频信息采集模块、片段提取模块、特征导入模块、影像增强模块、持续分析模块、结果评估模块与结果导出模块;
所述视频信息采集模块用于用户导入待分析的视频信息,同时视频信息采集模块对采集到的视频信息进行初步分类处理,将视频进行分类获取到视频分类信息,视频分类信息包括第一类视频、第三类视频与第三类视频;
所述特征导入模块用于用户导入视频分析的特征信息,所述片段提取模块用于接收特征信息与视频分类信息分类信息,并根据特征片段规则进行特征片段提取获取到继续分析影像片段;
所述影像增强模块用于对获取到的继续分析影像片段进行影像增强处理,获取到清晰影像信息;
所述持续分析模块用于对获取到的清晰影像信息继续进行特征分析比对,获取到特征分析初步结果;
所述结果评估模块用于接收特征分析初步结果,并对特征分析初步结果进行评估处理获取到结果评估信息,结果评估信息为评估结果正常时,即将其导出,结果评估信息为评估结果异常时,即重新进行动态分析;
所述结果导出模块用于在结果评估信息为评估结果正常时,将结果评估信息对应的视频片段发送到预设接收终端。
进一步在于,所述视频分类信息的具体分类过程如下:提取出采集到的待分析的视频信息,获取到待分析的视频信息的视频时长信息,当视频时长信息大于预设时长,即将其分为一类视频,当视频时长信息在预设时长范围内,即将其分为二类视频,当视频时长信息小于预设时长即将其分为三类视频。
进一步在于,所述特征片段规则包括第一提取规则、第二提取规则与第三提取规则;
所述特征片段规则的具体处理过程如下:片段提取模块对导入的特征数量信息进行处理获取到导入片段数量信息,当导入片段数量信息大于预设数量时,即选定为第三提取规则,当导入片段数量信息在预设数量范围内时,即选定为第二提取规则,当导入片段数量信息小于预设数量时,即选定为第一提取规则。
进一步在于,所述片段提取模块进行第一提取规则的具体过程如下:将所有导入的特征信息同步进行特征提取,并提取出待分析的视频信息中所有与该特征相似度大于a1的所有图片,并提取出该图片前后预设时长的视频信息为提取片段,即继续分析影像片段;
所述片段提取模块进行第二提取规则的具体过程如下:将所有导入的特征信息中的b1个特征同步进行特征提取,直到所有导入特征提取完毕,提取出待分析的视频信息中与导入的特征相似度大于a1的图片,并提取出该图片前后预设时长的视频信息为提取片段;
所述片段提取模块进行第三提取规则的具体过程如下:第三提取规则与第二提取规则相同,其区别在于其同时将所有导入的特征信息中的b2个特征同步进行特征提取,b2>b1。
进一步在于,所述影像增强模块对获取到的继续分析影像片段进行影像增强处理的具体过程如下:获取到继续分析影像片段,先对继续分析影像片段进行影像清晰度分析,获取到实时影像清晰度信息,当实时清晰度信息大于预设清晰度时,即不进行影像增强直接进行影像持续分析,当实时清晰度信息小于预设清晰度时,即对其进行影像增强处理,将影像清晰度提升到预设清晰度时,再进行影像持续分析,所述影像增强处理为对继续分析影像片通过超分辨率算法进行分辨率提升。
进一步在于,所述持续分析模块对获取到的清晰影像信息继续进行特征分析比对获取到特征分析初步结果的具体过程如下:
S1:提取出采集到的继续分析影像片段与视频分析的特征信息,将继续分析影像片段标记为Qi,i为继续分析影像片段的数量,将视频分析的特征信息标记为Pm,m为视频分析的特征信息的数量信息;
S2:之后再将m个视频分析的特征信息Pm分别与i个继续分析影像片段Qi进行特征比对,获取到h个比对结果信息,i≥1;
S3:对h个比对结果信息为特征信息Pm与分析影像片段Qi的相似度信息,将其标记为PQh,提取出PQh中相似度超过预设值的比对结果信息,PQh中相似度超过预设值的比对结果信息即为特征分析初步结果。
进一步在于,所述结果评估模块对特征分析初步结果进行评估处理获取到结果评估信息的具体过程如下;
步骤(1):提取出特征分析初步结果,再提取出特征分析初步结果对应的视频分析的特征信息;
步骤(2):再将特征分析初步结果对应的视频分析的特征信息进行二次的相似度比对,获取到二次比对信息,二次比对信息为二次比对相似度;
步骤(3),当二次比对相似度小于预设值时,结果评估信息即为评估结果正常,当二次比对相似度大于预设值时,结果评估信息即为评估异常;
当评估信息即为评估异常时,提取出二次比对相似度,当其二次比对相似度大于预设的警示值时,即生成偏差异常警示信息。
本发明相比现有技术具有以下优点:该基于ai识别的智能动态分析系统,通过设置的片段提取模块配合着特征导入模块,先对用户导入的影像信息进行初步的相似特征的片段影像进行提取出,实现初步动态分析,初步的了解到该视频影视中是否存在预设动态内容,之后再通过影像增强模块对获取到的初步的相似特征的片段影像进行影像增强,获取到清晰度更高的相似特征的片段影像,从而保证后续二次分析时的片段影像清晰度更高,分析结果准确性更高使得该系统分析出的分析结果参考价值更大,最后通过设置的持续分析模块对清晰度更高的片段影像进行分析获取到分析结果,让用户更进一步的了解到其上传的影像中是否存在对应的特征动作,并且设置的结果评估模块,对输出的分析结果进行了评估,不仅保证了评估结果的准确性,还能够在评估异常时发出警示,提示系统管理人员进行参数调整,避免分析评估数据偏差较大的状况发生,让该系统实现了更加智能化的稳定的动态分析,让该系统更加值得推广使用。
附图说明
图1是本发明的系统框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种基于ai识别的智能动态分析系统,包括视频信息采集模块、片段提取模块、特征导入模块、影像增强模块、持续分析模块、结果评估模块与结果导出模块;
所述视频信息采集模块用于用户导入待分析的视频信息,同时视频信息采集模块对采集到的视频信息进行初步分类处理,将视频进行分类获取到视频分类信息,视频分类信息包括第一类视频、第三类视频与第三类视频;
所述特征导入模块用于用户导入视频分析的特征信息,所述片段提取模块用于接收特征信息与视频分类信息分类信息,并根据特征片段规则进行特征片段提取获取到继续分析影像片段;
所述影像增强模块用于对获取到的继续分析影像片段进行影像增强处理,获取到清晰影像信息;
所述持续分析模块用于对获取到的清晰影像信息继续进行特征分析比对,获取到特征分析初步结果;
所述结果评估模块用于接收特征分析初步结果,并对特征分析初步结果进行评估处理获取到结果评估信息,结果评估信息为评估结果正常时,即将其导出,结果评估信息为评估结果异常时,即重新进行动态分析;
所述结果导出模块用于在结果评估信息为评估结果正常时,将结果评估信息对应的视频片段发送到预设接收终端;
本发明通过设置的片段提取模块配合着特征导入模块,先对用户导入的影像信息进行初步的相似特征的片段影像进行提取出,实现初步动态分析,初步的了解到该视频影视中是否存在预设动态内容,之后再通过影像增强模块对获取到的初步的相似特征的片段影像进行影像增强,获取到清晰度更高的相似特征的片段影像,从而保证后续二次分析时的片段影像清晰度更高,分析结果准确性更高使得该系统分析出的分析结果参考价值更大,最后通过设置的持续分析模块对清晰度更高的片段影像进行分析获取到分析结果,让用户更进一步的了解到其上传的影像中是否存在对应的特征动作,并且设置的结果评估模块,对输出的分析结果进行了评估,不仅保证了评估结果的准确性,还能够在评估异常时发出警示,提示系统管理人员进行参数调整,避免分析评估数据偏差较大的状况发生,让该系统实现了更加智能化的稳定的动态分析,让该系统更加值得推广使用。
所述视频分类信息的具体分类过程如下:提取出采集到的待分析的视频信息,获取到待分析的视频信息的视频时长信息,当视频时长信息大于预设时长,即将其分为一类视频,当视频时长信息在预设时长范围内,即将其分为二类视频,当视频时长信息小于预设时长即将其分为三类视频,所述特征片段规则包括第一提取规则、第二提取规则与第三提取规则;
所述特征片段规则的具体处理过程如下:片段提取模块对导入的特征数量信息进行处理获取到导入片段数量信息,当导入片段数量信息大于预设数量时,即选定为第三提取规则,当导入片段数量信息在预设数量范围内时,即选定为第二提取规则,当导入片段数量信息小于预设数量时,即选定为第一提取规则;
本发明,通过上述过程,先对用户导入的待分析视频进行了细化的分类,并根据不同类型的视频,制定了不同类型的特征分析规则,在保证分析结果准确的前提下,有效的加快了动态分析的速度和效率,让该系统更加值得推广使用。
所述片段提取模块进行第一提取规则的具体过程如下:将所有导入的特征信息同步进行特征提取,并提取出待分析的视频信息中所有与该特征相似度大于a1的所有图片,并提取出该图片前后预设时长的视频信息为提取片段,即继续分析影像片段;
所述片段提取模块进行第二提取规则的具体过程如下:将所有导入的特征信息中的b1个特征同步进行特征提取,直到所有导入特征提取完毕,提取出待分析的视频信息中与导入的特征相似度大于a1的图片,并提取出该图片前后预设时长的视频信息为提取片段;
所述片段提取模块进行第三提取规则的具体过程如下:第三提取规则与第二提取规则相同,其区别在于其同时将所有导入的特征信息中的b2个特征同步进行特征提取,b2>b1;
通过上述过程,具体设置了片段提取模块在不同提取规则下的提取过程,从而实现快速准确的动态分析,获取到动态分析结果。
所述影像增强模块对获取到的继续分析影像片段进行影像增强处理的具体过程如下:获取到继续分析影像片段,先对继续分析影像片段进行影像清晰度分析,获取到实时影像清晰度信息,当实时清晰度信息大于预设清晰度时,即不进行影像增强直接进行影像持续分析,当实时清晰度信息小于预设清晰度时,即对其进行影像增强处理,将影像清晰度提升到预设清晰度时,再进行影像持续分析,所述影像增强处理为对继续分析影像片通过超分辨率算法进行分辨率提升;
通过上述过程,能够有效的增强片段视频的清晰度,从而为后续的二次特征分析打下基础,保证分析效率,并且对于清晰度本身就达到分析需求的视频,不再进行视频增强处理,能够更加进一步的加快该系统的动态分析速度。
所述持续分析模块对获取到的清晰影像信息继续进行特征分析比对获取到特征分析初步结果的具体过程如下:
S1:提取出采集到的继续分析影像片段与视频分析的特征信息,将继续分析影像片段标记为Qi,i为继续分析影像片段的数量,将视频分析的特征信息标记为Pm,m为视频分析的特征信息的数量信息;
S2:之后再将m个视频分析的特征信息Pm分别与i个继续分析影像片段Qi进行特征比对,获取到h个比对结果信息,i≥1;
S3:对h个比对结果信息为特征信息Pm与分析影像片段Qi的相似度信息,将其标记为PQh,提取出PQh中相似度超过预设值的比对结果信息,PQh中相似度超过预设值的比对结果信息即为特征分析初步结果;
通过上述过程,实现了二次的动态分析,让导入视频的用户能够了解到导入的视频是否存在其所需的动态内容,实现了更加准确的视频动态分析。
所述结果评估模块对特征分析初步结果进行评估处理获取到结果评估信息的具体过程如下;
步骤(1):提取出特征分析初步结果,再提取出特征分析初步结果对应的视频分析的特征信息;
步骤(2):再将特征分析初步结果对应的视频分析的特征信息进行二次的相似度比对,获取到二次比对信息,二次比对信息为二次比对相似度;
步骤(3),当二次比对相似度小于预设值时,结果评估信息即为评估结果正常,当二次比对相似度大于预设值时,结果评估信息即为评估异常;
当评估信息即为评估异常时,提取出二次比对相似度,当其二次比对相似度大于预设的警示值时,即生成偏差异常警示信息;
通过上述过程,对获取到动态分析结果进行了细化的评估,能够及时的了解到动态分析结果是否存在较大偏差,在发现分析结果偏差异常时,及时的发出警示信息,警示系统管理人员进行维护处理,以保证系统的正常运行。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种基于ai识别的智能动态分析系统,其特征在于,包括视频信息采集模块、片段提取模块、特征导入模块、影像增强模块、持续分析模块、结果评估模块与结果导出模块;
所述视频信息采集模块用于用户导入待分析的视频信息,同时视频信息采集模块对采集到的视频信息进行初步分类处理,将视频进行分类获取到视频分类信息,视频分类信息包括第一类视频、第三类视频与第三类视频;
所述特征导入模块用于用户导入视频分析的特征信息,所述片段提取模块用于接收特征信息与视频分类信息分类信息,并根据特征片段规则进行特征片段提取获取到继续分析影像片段;
所述影像增强模块用于对获取到的继续分析影像片段进行影像增强处理,获取到清晰影像信息;
所述持续分析模块用于对获取到的清晰影像信息继续进行特征分析比对,获取到特征分析初步结果;
所述结果评估模块用于接收特征分析初步结果,并对特征分析初步结果进行评估处理获取到结果评估信息,结果评估信息为评估结果正常时,即将其导出,结果评估信息为评估结果异常时,即重新进行动态分析;
所述结果导出模块用于在结果评估信息为评估结果正常时,将结果评估信息对应的视频片段发送到预设接收终端;
所述特征片段规则包括第一提取规则、第二提取规则与第三提取规则;
所述特征片段规则的具体处理过程如下:片段提取模块对导入的特征数量信息进行处理获取到导入片段数量信息,当导入片段数量信息大于预设数量时,即选定为第三提取规则,当导入片段数量信息在预设数量范围内时,即选定为第二提取规则,当导入片段数量信息小于预设数量时,即选定为第一提取规则;
所述片段提取模块进行第一提取规则的具体过程如下:将所有导入的特征信息同步进行特征提取,并提取出待分析的视频信息中所有与该特征相似度大于a1的所有图片,并提取出该图片前后预设时长的视频信息为提取片段,即继续分析影像片段;
所述片段提取模块进行第二提取规则的具体过程如下:将所有导入的特征信息中的b1个特征同步进行特征提取,直到所有导入特征提取完毕,提取出待分析的视频信息中与导入的特征相似度大于a1的图片,并提取出该图片前后预设时长的视频信息为提取片段;
所述片段提取模块进行第三提取规则的具体过程如下:第三提取规则与第二提取规则相同,其区别在于其同时将所有导入的特征信息中的b2个特征同步进行特征提取,b2>b1。
2.根据权利要求1所述的一种基于ai识别的智能动态分析系统,其特征在于:所述视频分类信息的具体分类过程如下:提取出采集到的待分析的视频信息,获取到待分析的视频信息的视频时长信息,当视频时长信息大于预设时长,即将其分为一类视频,当视频时长信息在预设时长范围内,即将其分为二类视频,当视频时长信息小于预设时长即将其分为三类视频。
3.根据权利要求1所述的一种基于ai识别的智能动态分析系统,其特征在于:所述影像增强模块对获取到的继续分析影像片段进行影像增强处理的具体过程如下:获取到继续分析影像片段,先对继续分析影像片段进行影像清晰度分析,获取到实时影像清晰度信息,当实时清晰度信息大于预设清晰度时,即不进行影像增强直接进行影像持续分析,当实时清晰度信息小于预设清晰度时,即对其进行影像增强处理,将影像清晰度提升到预设清晰度时,再进行影像持续分析,所述影像增强处理为对继续分析影像片通过超分辨率算法进行分辨率提升。
4.根据权利要求1所述的一种基于ai识别的智能动态分析系统,其特征在于:所述持续分析模块对获取到的清晰影像信息继续进行特征分析比对获取到特征分析初步结果的具体过程如下:
S1:提取出采集到的继续分析影像片段与视频分析的特征信息,将继续分析影像片段标记为Qi,i为继续分析影像片段的数量,将视频分析的特征信息标记为Pm,m为视频分析的特征信息的数量信息;
S2:之后再将m个视频分析的特征信息Pm分别与i个继续分析影像片段Qi进行特征比对,获取到h个比对结果信息,i≥1;
S3:对h个比对结果信息为特征信息Pm与分析影像片段Qi的相似度信息,将其标记为PQh,提取出PQh中相似度超过预设值的比对结果信息,PQh中相似度超过预设值的比对结果信息即为特征分析初步结果。
5.根据权利要求1所述的一种基于ai识别的智能动态分析系统,其特征在于:所述结果评估模块对特征分析初步结果进行评估处理获取到结果评估信息的具体过程如下;
步骤(1):提取出特征分析初步结果,再提取出特征分析初步结果对应的视频分析的特征信息;
步骤(2):再将特征分析初步结果对应的视频分析的特征信息进行二次的相似度比对,获取到二次比对信息,二次比对信息为二次比对相似度;
步骤(3),当二次比对相似度小于预设值时,结果评估信息即为评估结果正常,当二次比对相似度大于预设值时,结果评估信息即为评估异常;
当评估信息即为评估异常时,提取出二次比对相似度,当其二次比对相似度大于预设的警示值时,即生成偏差异常警示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211368673.3A CN115830489B (zh) | 2022-11-03 | 2022-11-03 | 一种基于ai识别的智能动态分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211368673.3A CN115830489B (zh) | 2022-11-03 | 2022-11-03 | 一种基于ai识别的智能动态分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830489A CN115830489A (zh) | 2023-03-21 |
CN115830489B true CN115830489B (zh) | 2023-10-20 |
Family
ID=85526410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211368673.3A Active CN115830489B (zh) | 2022-11-03 | 2022-11-03 | 一种基于ai识别的智能动态分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830489B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107277301A (zh) * | 2016-04-06 | 2017-10-20 | 杭州海康威视数字技术股份有限公司 | 监控视频的图像分析方法及其系统 |
CN110119711A (zh) * | 2019-05-14 | 2019-08-13 | 北京奇艺世纪科技有限公司 | 一种获取视频数据人物片段的方法、装置及电子设备 |
CN110826429A (zh) * | 2019-10-22 | 2020-02-21 | 北京邮电大学 | 一种基于景区视频的旅游突发事件自动监测的方法及系统 |
CN110868413A (zh) * | 2019-11-12 | 2020-03-06 | 成都索贝数码科技股份有限公司 | 一种基于帧内提取生成关联摘要的视音频可信播放方法 |
CN111062491A (zh) * | 2019-12-13 | 2020-04-24 | 周世海 | 一种基于强化学习的智能体探索未知环境方法 |
CN111950424A (zh) * | 2020-08-06 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置、计算机及可读存储介质 |
KR102180921B1 (ko) * | 2019-10-18 | 2020-11-19 | 주식회사 엠티이지 | 인공지능 기반의 수술 동영상에 대한 주석 삽입 장치 및 방법 |
WO2021031384A1 (zh) * | 2019-08-19 | 2021-02-25 | 平安科技(深圳)有限公司 | 摔倒行为检测处理方法、装置、计算机设备及存储介质 |
CN113824900A (zh) * | 2021-09-18 | 2021-12-21 | 深圳市爱剪辑科技有限公司 | 一种云端视频剪辑系统 |
CN113886612A (zh) * | 2020-11-18 | 2022-01-04 | 北京字跳网络技术有限公司 | 一种多媒体浏览方法、装置、设备及介质 |
CN114677623A (zh) * | 2022-03-14 | 2022-06-28 | 阿里巴巴达摩院(杭州)科技有限公司 | 模型训练方法、视频处理方法、计算机设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229280B (zh) * | 2017-04-20 | 2020-11-13 | 北京市商汤科技开发有限公司 | 时域动作检测方法和系统、电子设备、计算机存储介质 |
-
2022
- 2022-11-03 CN CN202211368673.3A patent/CN115830489B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107277301A (zh) * | 2016-04-06 | 2017-10-20 | 杭州海康威视数字技术股份有限公司 | 监控视频的图像分析方法及其系统 |
CN110119711A (zh) * | 2019-05-14 | 2019-08-13 | 北京奇艺世纪科技有限公司 | 一种获取视频数据人物片段的方法、装置及电子设备 |
WO2021031384A1 (zh) * | 2019-08-19 | 2021-02-25 | 平安科技(深圳)有限公司 | 摔倒行为检测处理方法、装置、计算机设备及存储介质 |
KR102180921B1 (ko) * | 2019-10-18 | 2020-11-19 | 주식회사 엠티이지 | 인공지능 기반의 수술 동영상에 대한 주석 삽입 장치 및 방법 |
CN110826429A (zh) * | 2019-10-22 | 2020-02-21 | 北京邮电大学 | 一种基于景区视频的旅游突发事件自动监测的方法及系统 |
CN110868413A (zh) * | 2019-11-12 | 2020-03-06 | 成都索贝数码科技股份有限公司 | 一种基于帧内提取生成关联摘要的视音频可信播放方法 |
CN111062491A (zh) * | 2019-12-13 | 2020-04-24 | 周世海 | 一种基于强化学习的智能体探索未知环境方法 |
CN111950424A (zh) * | 2020-08-06 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 一种视频数据处理方法、装置、计算机及可读存储介质 |
CN113886612A (zh) * | 2020-11-18 | 2022-01-04 | 北京字跳网络技术有限公司 | 一种多媒体浏览方法、装置、设备及介质 |
CN113824900A (zh) * | 2021-09-18 | 2021-12-21 | 深圳市爱剪辑科技有限公司 | 一种云端视频剪辑系统 |
CN114677623A (zh) * | 2022-03-14 | 2022-06-28 | 阿里巴巴达摩院(杭州)科技有限公司 | 模型训练方法、视频处理方法、计算机设备及介质 |
Non-Patent Citations (3)
Title |
---|
Discovering attractive segments in the user-generated video streams;Zheng Wang等;《Information Processing & Management》;第57卷(第1期);102130-1-14 * |
Zero-day多态蠕虫特征自动提取技术研究;祝仰金等;《微计算机信息》;第27卷(第01期);190-192 * |
视频行为识别关键技术研究;李红阳;《中国优秀硕士学位论文全文数据库_信息科技辑》;I138-30 * |
Also Published As
Publication number | Publication date |
---|---|
CN115830489A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738127B (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
CN110008797B (zh) | 一种多摄像机多人脸视频接续采集方法 | |
US11361423B2 (en) | Artificial intelligence-based process and system for visual inspection of infrastructure | |
CN110826538A (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
Kong et al. | Detect and locate: Exposing face manipulation by semantic-and noise-level telltales | |
CN116188821B (zh) | 版权检测方法、系统、电子设备和存储介质 | |
KR20200052932A (ko) | 골수 세포 표지 방법 및 시스템 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
WO2022213540A1 (zh) | 目标检测、属性识别与跟踪方法及系统 | |
CN115953566A (zh) | 一种用于红外热成像仪的特征分析方法、系统及介质 | |
CN115830489B (zh) | 一种基于ai识别的智能动态分析系统 | |
CN113191320A (zh) | 一种基于深度学习的食品安全指标监测方法 | |
CN113297913A (zh) | 一种配网现场作业人员穿衣规范的识别方法 | |
CN111582278B (zh) | 人像分割方法、装置及电子设备 | |
CN109977738A (zh) | 一种视频场景分割判断方法、智能终端及存储介质 | |
CN107169004A (zh) | 一种特征数据库更新方法及装置 | |
CN112465002B (zh) | 一种火灾现场铜导线熔痕智能识别方法及装置 | |
CN115424352A (zh) | 一种基于计算机视觉识别后厨有害生物入侵的方法 | |
CN112347303B (zh) | 媒体视听信息流监测监管数据样本及其标注方法 | |
CN115391596A (zh) | 视频档案生成方法、装置及存储介质 | |
CN112069357B (zh) | 视频资源处理方法、装置、电子设备及存储介质 | |
CN114385837A (zh) | 一种媒体内容自动检测审核方法与审核系统 | |
CN110033082B (zh) | 一种识别ai设备中深度学习模型的方法 | |
CN112052737A (zh) | 一种金融机构营业网点治理方法、系统、存储介质及电子设备 | |
CN115170616B (zh) | 人员轨迹分析方法、装置、终端及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |