CN116304179A - 一种获取目标视频的数据处理系统 - Google Patents

Abstract

本发明提供了一种获取目标视频的数据处理系统，包括：若干个视频数据采集端、处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：获取预设时间段内的初始视频数据列表；获取目标对象列表；获取第二视频数据；获取中间图像列表；获取目标视频数据列表。可知本发明能够基于初始视频数据，获取第二视频数据，并根据目标对象的特征向量，对第二视频数据中的每一帧图像进行处理，精准获取到每一帧中目标对象对应的目标图像，将目标对象对应的目标图像组成目标对象对应的目标视频数据，减小了获取目标视频数据的误差，从而有利于提高获取目标视频数据的准确度。

Description

一种获取目标视频的数据处理系统

技术领域

本发明涉及视频处理技术领域，特别是涉及一种获取目标视频的数据处理系统。

背景技术

对于从数据采集端采集到的视频数据来说，使用时，需要对视频数据进行处理，从视频数据中获取到目标对象出现的目标视频数据，方便用户使用，基于人工提供的目标对象的定位信息获取目标对象出现的图像帧，将图像帧组合成为目标视频数据。

但是上述方法也存在以下技术问题：

基于人工智能提供的目标对象的定位信息获取目标对象出现的图像帧的过程中，存在定位误差和提供的定位信息对应的图像帧数量较多的情况，导致从视频数据中获取到目标对象出现的图像帧不够精准和处理数据量较大，从而降低了获取目标视频数据的准确度。

发明内容

针对上述技术问题，本发明采用的技术方案为：

一种获取目标视频的数据处理系统，包括：若干个视频数据采集端、处理器和存储有计算机程序的存储器，其中，每一视频数据采集端均与处理器通信连接，当计算机程序被处理器执行时，实现以下步骤：

S100、获取预设时间段T内的初始视频数据列表B={B₁，B₂，……，B_j，……，B_n}，其中，B_j为第j个视频数据采集端对应的初始视频数据，j=1，2……n，n为视频数据采集端数量。

S200、根据B，获取目标对象列表A={A₁，A₂，……，A_i，……，A_m}，A_i为第i个目标对象，i=1，2……m，m为目标对象数量。

S300、对B进行处理，获取B对应的第二视频数据DE；其中，在S300步骤中包括如下步骤获取DE：

S301、根据B，获取B对应的第三图像列表F={F₁，F₂，……，F_j，……，F_n}，F_j为B_j对应的第三图像，其中，第三图像为初始视频数据中任一一帧图像。

S302、根据F，获取F对应的第一距离列表L={L₁，L₂，……，L_j，……，L_n}，L_j为F_j对应的第一距离。

S303、按照L_j从大到小顺序对B_j进行排序，获取中间视频数据列表B⁰={B⁰ ₁，B⁰ ₂，……，B⁰ _j，……，B⁰ _n}，B⁰ _j是第j个中间视频数据。

S304、根据T和B⁰，获取关键视频数据GJ。

S305、对GJ进行噪声处理，获取DE。

S400、根据DE，获取DE对应的中间图像列表C={C₁，C₂，……，C_r，……，C_s}，C_r为DE中第r帧中间图像，r=1，2……s，s为DE对应的中间图像数量，其中，中间图像为第二视频数据中的图像，其中，s符合如下条件：

s=T×60×a，a为DE中每一秒的帧数。

S500、根据A和C，获取A对应的目标视频数据列表D={D₁，D₂，……，D_i，……，D_m}，D_i为A_i对应的目标视频数据。

本发明至少具有以下有益效果：

本发明提供了一种获取目标视频的数据处理系统，包括：若干个视频数据采集端、处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：获取预设时间段内的初始视频数据列表；获取目标对象列表；获取第二视频数据；获取中间图像列表；获取目标视频数据列表。可知本发明，基于初始视频数据，获取目标对象对应的第二视频数据，并根据目标对象的特征向量，对第二视频数据中的每一帧图像进行处理，精准获取到每一帧中目标对象对应的目标图像，将目标对象对应的目标图像组成目标对象对应的目标视频数据，减小了获取目标视频数据的误差，从而有利于提高获取目标视频数据的准确度。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单介绍，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为本发明实施例提供的一种获取目标视频的数据处理系统执行计算机程序的流程图。

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。

需要说明的是，本发明的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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明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、产品或服务器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。

本发明提供了一种获取目标视频的数据处理系统，包括：若干个视频数据采集端、处理器和存储有计算机程序的存储器，其中，每一视频数据采集端与处理器通信连接，当计算机程序被处理器执行时，实现以下步骤，如图1所示：

S100、获取预设时间段T内的初始视频数据列表B={B₁，B₂，……，B_j，……，B_n}，其中，B_j为第j个视频数据采集端对应的初始视频数据，j=1，2……n，n为视频数据采集端数量，视频数据采集端可以理解为摄像机。

具体地，每一视频数据采集端的焦距均不一致，可以满足各种范围内的视频数据采集需求。

具体地，预设时间段的取值范围为10min-30min，其中，本领域技术人员可根据实际需求设置预设时间段的取值。

S200、根据B，获取目标对象列表A={A₁，A₂，……，A_i，……，A_m}，A_i为第i个目标对象，i=1，2……m，m为目标对象数量。

具体地，在S200步骤中包括如下步骤：

S201、根据B，获取B对应的第一图像列表E={E₁，E₂，……，E_j，……，E_n}，E_j为B_j对应的第一图像，其中，第一图像为初始视频数据中的最后一帧图像，本领域技术人员知晓，现有技术中任一从视频中获取一帧图像的方法，均属于本发明的保护范围，在此不再赘述。

S202、根据E，获取E对应的像素点数量列表E⁰={E⁰ ₁，E⁰ ₂，……，E⁰ _j，……，E⁰ _n}，E⁰ _j为E_j对应的像素点数量。

S203、根据E，获取E对应的图像噪声数量列表E¹={E¹ ₁，E¹ ₂，……，E¹ _j，……，E¹ _n}，E¹ _j为E_j对应的图像噪声数量。

S204、根据E⁰和E¹，获取E对应的图像清晰度列表E²={E² ₁，E² ₂，……，E² _j，……，E² _n}，E² _j为E_j对应的图像清晰度，其中，E² _j符合如下条件：

E² _j=（E⁰ _j-E¹ _j）/E⁰ _j。

S205、根据E²，获取第二图像，其中，第二图像为E²中最大的数据项对应的E中数据项。

S206、将第二图像输入至预设图像识别模型中，获取A，本领域技术人员知晓，现有技术中任一能够识别对象的图像识别模型均属于本发明的保护范围，在此不再赘述。

上述，获取每一初始视频数据中的第一图像的图像清晰度，对第一图像的清晰度进行对比，选取出最清晰的第一图像作为第二图像，根据第二图像，可以精准并清晰地获取到每一目标对象，对目标对象进行处理，获取目标对象对应的第一特征向量，进一步地获取目标对象对应的目标视频数据，有利于提高获取目标视频数据的准确度。

S300、对B进行处理，获取B对应的第二视频数据DE。

具体地，在S300步骤中包括如下步骤：

S301、根据B，获取B对应的第三图像列表F={F₁，F₂，……，F_j，……，F_n}，F_j为B_j对应的第三图像，其中，第三图像为初始视频数据中任一一帧图像。

S302、根据F，获取F对应的第一距离列表L={L₁，L₂，……，L_j，……，L_n}，L_j为F_j对应的第一距离。

具体地，在S302步骤中还包括如下步骤：

S3021、将F_j输入至预设图像特征提取模型中，获取F_j对应的第一图像特征F⁰ _j，本领域技术人员知晓，现有技术中任一能够获取图像特征的图像特征提取模型均属于本发明的保护范围，在此不再赘述。

S3022、获取预设距离映射列表YS={YS₁，YS₂，……，YS_e，……，YS_f}，YS_e=（YS_e1，YS_e2），YS_e1为预设距离映射列表中第e个记录中的预设图像特征，YS_e2为YS_e1对应的第二距离，e=1，2……f，f为预设距离映射列表中的记录数量，其中，预设图像特征为本领域技术人员根据实际需求预先设置好的图像特征，第二距离为本领域技术人员根据实际需求以及预设图像特征设置的视频数据采集端能够采集到的最远距离。

S3023、根据F⁰ _j和YS_e1，获取F⁰ _j与YS_e1的特征相似度XS_je，本领域技术人员知晓，现有技术中任一获取两个图像特征之间的特征相似度的方法均属于本发明的保护范围，在此不再赘述。

S3024、当XS_je=1时，确定YS_e2为L_j。

上述，通过预设距离映射列表，获取每一初始视频数据对应的第一距离，对第一距离进行排序处理，获取中间视频数据列表，进一步地，可以精准地获取到中间视频数据列表和第二视频数据，对第二视频数据进行处理，有利于提高获取目标视频数据的准确度。

S303、按照L_j从大到小顺序对B_j进行排序，获取中间视频数据列表B⁰={B⁰ ₁，B⁰ ₂，……，B⁰ _j，……，B⁰ _n}，B⁰ _j是第j个中间视频数据；可以理解为：将最大的L_j对应的B_j作为B⁰ ₁，将第二大的L_j对应的B_j作为B⁰ ₂，将第三大的L_j对应的B_j作为B⁰ ₃，……，将最小的L_j对应的B_j作为B⁰ _n。

S304、根据T和B⁰，获取关键视频数据GJ。

具体地，在S304步骤中包括如下步骤：

S3041、根据T和n，获取第一间隔时长t，其中，t符合如下条件：

t=T×60/n。

S3042、根据B⁰和t，获取B⁰对应的第一视频数据时间点列表B¹={B¹ ₁，B¹ ₂，……，B¹ _j，……，B¹ _n}，B¹ _j=（B¹ _j1，B¹ _j2），B¹ _j1为B⁰ _j对应的第一个第一视频数据时间点，B¹ _j2为B⁰ _j对应的第二个第一视频数据时间点，其中，B¹ _j1和B¹ _j2符合如下条件：

B¹ _j2=B¹ _j1+t-1，其中，当j≠1时，B¹ _j1=t×（j-1）+1；当j=1时，B¹ _j1=0。

具体地，B¹ _j1和B¹ _j2的单位为秒。

S3043、获取B⁰ _j中属于[B¹ _j1，B¹ _j2]的中间视频数据作为B⁰ _j对应的第一视频数据B² _j，本领域技术人员知晓，现有技术中任一从视频数据中获取视频数据的方法均属于本发明的保护范围，在此不再赘述。

S3044、将所有的B² _j按照顺序拼接在一起，获取GJ；可以理解为：将B² ₂拼接在B² ₁之后，将B² ₃拼接在B² ₂之后，……，将B² _n拼接在B² _n-1之后，本领域技术人员知晓，现有技术中任一将视频数据拼接在一起的方法均属于本发明的保护范围，在此不再赘述。

上述，对中间视频数据进行处理，精准获取每一中间视频数据对应的第一视频数据时间点列表，从而可以精准获取到第一视频数据列表，将第一视频数据按照顺序拼接在一起形成关键视频数据，通过对关键视频数据处理，能够精准获取到第二视频数据，从而有利于提高获取目标视频数据的准确度。

S305、对GJ进行噪声处理，获取DE，本领域技术人员知晓，现有技术中任一对视频进行噪声处理的方法，均属于本发明的保护范围，在此不再赘述。

上述，对初始视频数据进行处理，获取关键视频数据，进一步地对关键视频进行噪声处理，可以获取到精准且清晰的第二视频数据，从而对第二视频数据进行处理，有利于提高获取目标视频数据的准确度。

S400、根据DE，获取DE对应的中间图像列表C={C₁，C₂，……，C_r，……，C_s}，C_r为DE中第r帧中间图像，r=1，2……s，s为DE对应的中间图像数量，其中，中间图像为第二视频数据中的图像，DE对应的第r帧中间图像可以理解为DE中的第r帧图像。

具体地，s符合如下条件：

s=T×60×a，a为DE中每一秒的帧数。

S500、根据A和C，获取A对应的目标视频数据列表D={D₁，D₂，……，D_i，……，D_m}，D_i为A_i对应的目标视频数据。

具体地，在S500步骤中包括如下步骤：

S501、将A_i输入到预设图像特征向量提取模型中，获取A_i对应的第一特征向量列表G_i={G_i1，G_i2，……，G_ix，……，G_ip}，G_ix为A_i对应的第x个特征向量，x=1，2……p，p为特征向量的数量，本领域技术人员知晓，现有技术中任一能够获取图像特征向量的图像特征向量提取模型，均属于本发明的保护范围，在此不再赘述。

S502、根据C，获取在C中A_i对应的第一对象列表Hⁱ={Hⁱ _s，Hⁱ _s-1，……，Hⁱ _r}，Hⁱ _r={Hⁱ _r1，Hⁱ _r2，……，Hⁱ _ry，……，Hⁱ _rq（r）}，Hⁱ _ry为在C_r中A_i对应的第y个第一对象，y=1，2……q（r），q（r）为C_r中第一对象数量，其中，本领域技术人员知晓，获取第一对象的方法参照获取目标对象的方法，在此不再赘述。

S503、根据G_i和Hⁱ _ry，获取Hⁱ对应的第二对象列表Uⁱ={Uⁱ _s，Uⁱ _s-1，……，Uⁱ _r}，Uⁱ _r为Hⁱ _r对应的第二对象。

具体地，在S503步骤中包括如下步骤：

S5031、将Hⁱ _ry输入到预设图像特征向量提取模型中，获取Hⁱ _ry对应的第二特征向量列表Qⁱ _ry={Qⁱ¹ _ry，Qⁱ² _ry，……，Q^ix _ry，……，Q^ip _ry}，Q^ix _ry为Hⁱ _ry对应的第x个第二特征向量。

S5032、当r=s时，根据G_i和Qⁱ _ry，获取Uⁱ _r。

具体地，在S5032步骤中包括如下步骤：

S1、根据G_i和Qⁱ _ry，获取A_i与Hⁱ _ry之间的第一特征向量相似度列表Wⁱ _ry={Wⁱ¹ _ry，Wⁱ² _ry，……，W^ix _ry，……，W^ip _ry}，W^ix _ry为G_ix与Q^ix _ry之间的特征向量相似度，其中，本领域技术人员知晓，获取特征向量相似度的方法参照获取特征相似度的方法，在此不再赘述。

S2、根据W^ix _ry，获取A_i与Hⁱ _r之间的第二特征向量相似度列表TZⁱ _r={TZⁱ _r1，TZⁱ _r2，……，TZⁱ _ry，……，TZⁱ _rq（r）}，TZⁱ _ry为A_i与Hⁱ _ry之间的第二特征向量相似度，其中，TZⁱ _ry符合如下条件：

TZⁱ _ry=∑^p _x=1（W^ix _ry）/Wⁱ⁰ _ry，Wⁱ⁰ _ry为Wⁱ _ry中W^ix _ry的值不为0的数量。

S3、当TZⁱ _r中最大的TZⁱ _ry的数值不为0且TZⁱ _r中最大的TZⁱ _ry的数值对应的数量等于1时，确定最大的TZⁱ _ry对应的Hⁱ _ry为Uⁱ _r。

S4、当TZⁱ _r中最大的TZⁱ _ry的数值不为0且TZⁱ _r中最大的TZⁱ _ry的数值对应的数量大于1时，将r+1对应的取值作为结束。

S5、当TZⁱ _ry均为0时，更新B¹，执行S3042步骤。

具体地，在S5步骤中包括如下步骤：

S51、获取关键时间点SJ，SJ符合如下条件：

。

S52、当SJ∈[B¹ _j1，B¹ _j2]时，确定B¹ _（j-1）2=SJ，B¹ _j1=SJ+1。

S5033、当r≠s时，根据Uⁱ _r+1和Qⁱ _ry，获取Uⁱ _r。

具体地，在S5053步骤中包括如下步骤：

S10、获取Uⁱ _r+1对应的第二特征向量列表。

S20、根据Uⁱ _r+1对应的第二特征向量列表和Qⁱ _ry，获取Uⁱ _r，其中，本领域技术人员知晓，根据Uⁱ _r+1对应的第二特征向量列表和Qⁱ _ry，获取Uⁱ _r的方法，参照根据S1步骤-S5步骤，在此不在赘述。

上述，根据目标对象的特征向量，对第二视频数据中的每一帧图像进行处理，可以精准获取到每一帧中目标对象对应的第二对象，其中，当无法精准判断出第二对象时，停止获取，当不存在第二对象时，更新第一视频数据时间点列表，重新获取第二对象，减小了获取第二对象的误差，对第二对象进行处理，有利于提高获取目标视频数据的准确度。

S504、根据Uⁱ，获取Uⁱ对应的目标图像列表Vⁱ={Vⁱ _r，Vⁱ _r+1，……，Vⁱ _s}，Vⁱ _r为Uⁱ _r对应的目标图像，其中，目标图像为中间图像中只包括第二对象的图像，本领域技术人员知晓，现有技术中任一从图像中获取一部分图像的方法均属于本发明的保护范围，在此不再赘述。

S505、将所有的Vⁱ _r按照顺序拼接在一起，获取D_i，可以理解为，将Vⁱ _r+1拼接在Vⁱ _r之后。

上述，从中间图像中获取只包括第二对象的图像作为目标图像，将目标图像按照顺序拼接成为目标视频数据，有利于提高获取目标视频数据的准确度。

本发明提供了一种获取目标视频的数据处理系统，包括：若干个视频数据采集端、处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：获取预设时间段内的初始视频数据列表；获取目标对象列表；获取第二视频数据；获取中间图像列表获取目标视频数据列表。可知本发明，基于初始视频数据，获取目标对象对应的第二视频数据，并根据目标对象的特征向量，对第二视频数据中的每一帧图像进行处理，精准获取到每一帧中目标对象对应的目标图像，将目标对象对应的目标图像组成目标对象对应的目标视频数据，减小了获取目标视频数据的误差，从而有利于提高获取目标视频数据的准确度。

虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明公开的范围由所附权利要求来限定。

Claims (10)

1.一种获取目标视频的数据处理系统，其特征在于，所述系统包括：若干个视频数据采集端、处理器和存储有计算机程序的存储器，其中，每一所述视频数据采集端均与所述处理器通信连接，当所述计算机程序被所述处理器执行时，实现以下步骤：

S100、获取预设时间段T内的初始视频数据列表B={B₁，B₂，……，B_j，……，B_n}，其中，B_j为第j个视频数据采集端对应的初始视频数据，j=1，2……n，n为视频数据采集端数量；

S200、根据B，获取目标对象列表A={A₁，A₂，……，A_i，……，A_m}，A_i为第i个目标对象，i=1，2……m，m为目标对象数量；

S300、对B进行处理，获取B对应的第二视频数据DE；其中，在S300步骤中包括如下步骤获取DE：

S301、根据B，获取B对应的第三图像列表F={F₁，F₂，……，F_j，……，F_n}，F_j为B_j对应的第三图像，其中，第三图像为初始视频数据中任一一帧图像；

S302、根据F，获取F对应的第一距离列表L={L₁，L₂，……，L_j，……，L_n}，L_j为F_j对应的第一距离；

S303、按照L_j从大到小顺序对B_j进行排序，获取中间视频数据列表B⁰={B⁰ ₁，B⁰ ₂，……，B⁰ _j，……，B⁰ _n}，B⁰ _j是第j个中间视频数据；

S304、根据T和B⁰，获取关键视频数据GJ；

S305、对GJ进行噪声处理，获取DE；

S400、根据DE，获取DE对应的中间图像列表C={C₁，C₂，……，C_r，……，C_s}，C_r为DE中第r帧中间图像，r=1，2……s，s为DE对应的中间图像数量，其中，中间图像为第二视频数据中的图像，其中，s符合如下条件：

s=T×60×a，a为DE中每一秒的帧数；

S500、根据A和C，获取A对应的目标视频数据列表D={D₁，D₂，……，D_i，……，D_m}，D_i为A_i对应的目标视频数据。

2.根据权利要求1所述的获取目标视频的数据处理系统，其特征在于，在S200步骤中包括如下步骤：

S201、根据B，获取B对应的第一图像列表E={E₁，E₂，……，E_j，……，E_n}，E_j为B_j对应的第一图像，其中，第一图像为初始视频数据中的最后一帧图像；

S202、根据E，获取E对应的像素点数量列表E⁰={E⁰ ₁，E⁰ ₂，……，E⁰ _j，……，E⁰ _n}，E⁰ _j为E_j对应的像素点数量；

S203、根据E，获取E对应的图像噪声数量列表E¹={E¹ ₁，E¹ ₂，……，E¹ _j，……，E¹ _n}，E¹ _j为E_j对应的图像噪声数量；

S204、根据E⁰和E¹，获取E对应的图像清晰度列表E²={E² ₁，E² ₂，……，E² _j，……，E² _n}，E² _j为E_j对应的图像清晰度，其中，E² _j符合如下条件：

E² _j=（E⁰ _j-E¹ _j）/E⁰ _j；

S205、根据E²，获取第二图像，其中，第二图像为E²中最大的数据项对应的E中数据项；

S206、将第二图像输入至预设图像识别模型中，获取A。

3.根据权利要求1所述的获取目标视频的数据处理系统，其特征在于，在S302步骤中包括如下步骤：

S3021、将F_j输入至预设图像特征提取模型中，获取F_j对应的第一图像特征F⁰ _j；

S3022、获取预设距离映射列表YS={YS₁，YS₂，……，YS_e，……，YS_f}，YS_e=（YS_e1，YS_e2），YS_e1为预设距离映射列表中第e个记录中的预设图像特征，YS_e2为YS_e1对应的第二距离，e=1，2……f，f为预设距离映射列表中的记录数量；

S3023、根据F⁰ _j和YS_e1，获取F⁰ _j与YS_e1的特征相似度XS_je；

S3024、当XS_je=1时，确定YS_e2为L_j。

4.根据权利要求1所述的获取目标视频的数据处理系统，其特征在于，在S304步骤中包括如下步骤：

S3041、根据T和n，获取第一间隔时长t，其中，t符合如下条件：

t=T×60/n；

S3042、根据B⁰和t，获取B⁰对应的第一视频数据时间点列表B¹={B¹ ₁，B¹ ₂，……，B¹ _j，……，B¹ _n}，B¹ _j=（B¹ _j1，B¹ _j2），B¹ _j1为B⁰ _j对应的第一个第一视频数据时间点，B¹ _j2为B⁰ _j对应的第二个第一视频数据时间点，其中，B¹ _j1和B¹ _j2符合如下条件：

B¹ _j2=B¹ _j1+t-1，其中，当j≠1时，B¹ _j1=t×（j-1）+1；当j=1时，B¹ _j1=0；

S3043、获取B⁰ _j中属于[B¹ _j1，B¹ _j2]的中间视频数据作为B⁰ _j对应的第一视频数据B² _j；

S3044、将所有的B² _j按照顺序拼接在一起，获取GJ。

5.根据权利要求4所述的获取目标视频的数据处理系统，其特征在于，在S500步骤中包括如下步骤：

S501、将A_i输入到预设图像特征向量提取模型中，获取A_i对应的第一特征向量列表G_i={G_i1，G_i2，……，G_ix，……，G_ip}，G_ix为A_i对应的第x个特征向量，x=1，2……p，p为特征向量的数量；

S502、根据C，获取在C中A_i对应的第一对象列表Hⁱ={Hⁱ _s，Hⁱ _s-1，……，Hⁱ _r}，Hⁱ _r={Hⁱ _r1，Hⁱ _r2，……，Hⁱ _ry，……，Hⁱ _rq（r）}，Hⁱ _ry为在C_r中A_i对应的第y个第一对象，y=1，2……q（r），q（r）为C_r中第一对象数量；

S503、根据G_i和Hⁱ _r，获取Hⁱ对应的第二对象列表Uⁱ={Uⁱ _s，Uⁱ _s-1，……，Uⁱ _r}，Uⁱ _r为Hⁱ _r对应的第二对象；

S504、根据Uⁱ，获取Uⁱ对应的目标图像列表Vⁱ={Vⁱ _r，Vⁱ _r+1，……，Vⁱ _s}，Vⁱ _r为Uⁱ _r对应的目标图像，其中，目标图像为中间图像中只包括第二对象的图像；

S505、将所有的Vⁱ _r按照顺序拼接在一起，获取D_i。

6.根据权利要求5所述的获取目标视频的数据处理系统，其特征在于，在S503步骤中包括如下步骤：

S5031、将Hⁱ _ry输入到预设图像特征向量提取模型中，获取Hⁱ _ry对应的第二特征向量列表Qⁱ _ry={Qⁱ¹ _ry，Qⁱ² _ry，……，Q^ix _ry，……，Q^ip _ry}，Q^ix _ry为Hⁱ _ry对应的第x个第二特征向量；

S5032、当r=s时，根据G_i和Qⁱ _ry，获取Uⁱ _r；

S5033、当r≠s时，根据Uⁱ _r+1和Qⁱ _ry，获取Uⁱ _r。

7.根据权利要求6所述的获取目标视频的数据处理系统，其特征在于，在S5032步骤中包括如下步骤：

S1、根据G_i和Qⁱ _ry，获取A_i与Hⁱ _ry之间的第一特征向量相似度列表Wⁱ _ry={Wⁱ¹ _ry，Wⁱ² _ry，……，W^ix _ry，……，W^ip _ry}，W^ix _ry为G_ix与Q^ix _ry之间的特征向量相似度；

S2、根据W^ix _ry，获取A_i与Hⁱ _r之间的第二特征向量相似度列表TZⁱ _r={TZⁱ _r1，TZⁱ _r2，……，TZⁱ _ry，……，TZⁱ _rq（r）}，TZⁱ _ry为A_i与Hⁱ _ry之间的第二特征向量相似度，其中，TZⁱ _ry符合如下条件：

TZⁱ _ry=∑^p _x=1（W^ix _ry）/Wⁱ⁰ _ry，Wⁱ⁰ _ry为Wⁱ _ry中W^ix _ry的值不为0的数量；

S3、当TZⁱ _r中最大的TZⁱ _ry的数值不为0且TZⁱ _r中最大的TZⁱ _ry的数值对应的数量等于1时，确定最大的TZⁱ _ry对应的Hⁱ _ry为Uⁱ _r；

S4、当TZⁱ _r中最大的TZⁱ _ry的数值不为0且TZⁱ _r中最大的TZⁱ _ry的数值对应的数量大于1时，将r+1对应的取值作为结束；

S5、当TZⁱ _ry均为0时，更新B¹，执行S3042步骤。

8.根据权利要求7所述的获取目标视频的数据处理系统，其特征在于，在S5步骤中包括如下步骤：

S51、获取关键时间点SJ，SJ符合如下条件：

；

S52、当SJ∈[B¹ _j1，B¹ _j2]时，确定B¹ _（j-1）2=SJ，B¹ _j1=SJ+1。

9.根据权利要求6所述的获取目标视频的数据处理系统，其特征在于，在S5053步骤中包括如下步骤：

S10、获取Uⁱ _r+1对应的第二特征向量列表；

S30、根据Uⁱ _r+1对应的第二特征向量列表和Qⁱ _ry，获取Uⁱ _r。

10.根据权利要求1所述的获取目标视频的数据处理系统，其特征在于，预设时间段的取值范围为10min-30min。

Images