CN116366790B - 一种网络视频存储方法及系统 - Google Patents
一种网络视频存储方法及系统 Download PDFInfo
- Publication number
- CN116366790B CN116366790B CN202310602323.7A CN202310602323A CN116366790B CN 116366790 B CN116366790 B CN 116366790B CN 202310602323 A CN202310602323 A CN 202310602323A CN 116366790 B CN116366790 B CN 116366790B
- Authority
- CN
- China
- Prior art keywords
- video
- image
- frame
- network
- network video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 71
- 230000008859 change Effects 0.000 claims abstract description 67
- 230000008439 repair process Effects 0.000 claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 8
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 34
- 239000004973 liquid crystal related substance Substances 0.000 description 18
- 238000004891 communication Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009432 framing Methods 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000002893 slag Substances 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 208000008918 voyeurism Diseases 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
- H04N21/4334—Recording operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及视频存储领域，揭露一种网络视频存储方法及系统，包括：识别待存储网络视频的视频类别，对待存网络视频进行分类，得到分类网络视频；查询分类网络视频的帧率，根据帧率导出分类网络视频的序列帧，得到多帧图像，计算导出损失，根据导出损失对多帧图像进行图像修复，得到修复图像；提取修复图像的图像特征，构建修复图像的矢量矩阵，将图像特征映射到矢量矩阵中，得到矢量变化特征；根据矢量变化特征分析网络视频的背景状态，在背景状态为异常时，查询异常状态对应的异常图帧，根据异常图帧对网络视频剪切，对剪切视频进行编码，得到编码视频，将编码视频存储在预构建的视频数据库中。本发明可以提高视频存储资源的利用率。
Description
技术领域
本发明涉及视频存储领域，尤其涉及一种网络视频存储方法及系统。
背景技术
随着互联网的普及，网络视频数据的产生与处理越来越多，视频存储也变得越来越重要。视频存储可以为各种领域的研究和探索提供丰富的素材和数据支持。然而在大量的网络视频中存在很多无效或低价值的内容，这样不仅对视频存储带来了很大的压力，同时也导致了用户在提取视频的时候较难筛选。
目前，对于网络视频的存储方法一般使用云存储进行存储，这种方式具有存储容量大、存储效率高的特点，然而使用云存储存储视频的方法无法有效的分析视频并对视频有价值内容进行截取，从而导致了对于网络视频存储所需的存储资源需求较大。
发明内容
为了解决上述技术问题，本发明提供了一种网络视频存储方法及系统，能够提高网络视频存储的准确性。
第一方面，本发明提供了一种网络视频存储方法，包括：
获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；
查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；
提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；
根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；
对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
在第一方面的一种可能实现方式中，所述识别所述网络视频的视频类别，包括：
提取所述网络视频的当前标注标签，并获取所述网络视频的历史标注标签；
将所述当前标注标签与所述历史标注标签进行标签匹配，得到匹配标签，根据所述匹配标签，识别所述网络视频的视频类别。
在第一方面的一种可能实现方式中，所述根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，包括：
构建所述分类网络视频的提帧程序，在所述提帧程序中配置所述分类网络视频的提帧函数；
根据所述帧率，在所述提帧函数中设置提帧参数，得到目标函数，并在所述目标函数中设置所述分类网络视频的提帧存储位置后，激活所述目标函数，以执行所述分类网络视频的序列帧提取操作，得到多帧图像。
在第一方面的一种可能实现方式中，所述根据所述导出损失，对所述多帧图像进行图像修复，得到修复图像，包括：
从所述多帧图像中提取所述导出损失大于预设损失值的图像，得到损失图像，计算所述损失图像的特征损失及像素损失；
根据所述特征损失和所述像素损失，利用下述公式对所述损失图像进行图像修复：
；
其中，表示修复图像，k表示损失图像导出前的像素点数，y表示多帧图像导出后的像素点数，a表示多帧图像导出前的特征值，b表示多帧图像导出后的特征值，/>表示多帧像素的像素损失，/>表示多帧图像的特征补偿函数，/>表示多帧图像的特征损失，/>表示多帧图像的像素补偿函数，i表示损失图像导出前的第i像素点，j表示多帧图像导出前的第j个特征值。
在第一方面的一种可能实现方式中，所述提取所述修复图像的图像特征，包括：
构建所述修复图像的特征矩阵，并在所述特征矩阵中输入所述修复图像的特征点集，得到目标矩阵；
将所述修复图像的像素值分解为数字矩阵，并将所述目标矩阵中的特征点集与所述数字矩阵中的像素值进行匹配，以获取所述修复图像的特征值；
从所述特征值中筛选符合预设条件的数值，得到目标值，将所述目标值进行特征翻译，得到图像特征。
在第一方面的一种可能实现方式中，所述构建所述修复图像的矢量矩阵，包括：
创建所述修复图像的矩阵空间，按照所述修复图像的特征参数在所述矩阵空间中设置对应的矩阵行列；
利用预设的图像激活算法创建所述修复图像在所述矩阵行列中的矢量矩阵。
在第一方面的一种可能实现方式中，所述根据所述矢量变化特征分析所述网络视频的背景状态，包括：
创建所述矢量变化特征的信号标签，根据所述信号标签利用下述公式计算所述矢量变化特征的变化值：
；
其中，表示矢量变化特征的变化值，m表示矢量变化特征对应初始特征的数量，n表示矢量变化特征对应变化后特征的数量，/>表示矢量变化特征的均值函数，/>表示矢量变化特征对应第x个初始特征的信号标签，/>表示矢量变化特征对应第y个初始特征的信号标签，
当所述变化值大于预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为异常；
当所述变化值不大于所述预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为正常。
在第一方面的一种可能实现方式中，所述对所述剪切视频进行编码，得到编码视频，包括：
配置所述剪切视频的编码器，在所述编码器中设置所述剪切视频的视频码率及视频格式；
按照所述视频码率及所述视频格式对所述剪切视频进行编码，得到编码视频。
在第一方面的一种可能实现方式中，所述计算所述损失图像的特征损失及像素损失，包括：
利用下述公式计算所述损失图像的特征损失：
其中，表示特征损失，n表示损失图像的特征点数量，/>表示特征匹配函数，/>表示损失图像的矩阵空间，a表示损失图像的特征值，/>表示映射到矩阵空间后的特征值，
利用下述公式计算所述损失图像的像素损失：
；
其中，表示像素损失，n表示损失图像的像素点数量，/>表示第i个损失图像对应像素点的真实标签，/>表示第i个损失图像对应像素点的预测标签，w表示损失图像的权重矩阵，f表示损失图像的样本矩阵，/>表示损失图像的线性函数。
第二方面，本发明提供了一种网络视频存储系统，所述系统包括：
视频分类模块，用于获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；
图像修复模块，用于查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；
特征映射模块，用于提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；
视频剪切模块，用于根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；
视频存储模块，用于对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
与现有技术相比，本方案的技术原理及有益效果在于：
本方案首先通过识别所述网络视频的视频类别可以对大量杂乱无序的视频进行信息识别，以便于对所述网络视频进行分类管理以及检索查阅等，并根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频可以将大量视频进行类别的区分，从而使得在后续的视频提取或检索更加的方便快捷；其次，本发明实施例通过查询所述分类网络视频的帧率可以识别所述分类网络视频中不同视频帧数，进而能够计算后续到处的图像数量；以及根据所述导出损失对所述多帧图像进行图像修复，得到修复图像可以对图像进行还原，进而更加有利于对图像特征的检测与识别；进一步的，本发明实施例通过提取所述修复图像的图像特征可以了解所述修复图像所表达的信息或代表的含义如表示数字，建筑等信息，并根据所述矢量变化特征分析所述网络视频的背景状态可以了解所述网络视频中是否存在背景信息的变化或出现特殊事件如用户在银行自动存款机的存款时被窥视，高速公路的车祸现象等，并根据所述异常图帧对所述网络视频进行剪切，得到剪切视频可以提取所述网络视频中具有价值或研究意义的片段并减少所述网络视频的视频容从而较低视频存储库的存储资源压力，及对所述剪切视频进行编码，得到编码视频可以将剪切好的视频按照预设的视频格式进行转换，减少视频码率，降低视频存储所需的存储资源。因此，本发明实施例提出的一种网络视频存储方法及系统，能够降低网络视频存储的压力准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种网络视频存储方法的流程示意图；
图2为本发明一实施例提供的一种网络视频存储系统的模块示意图；
图3为本发明一实施例提供的实现网络视频存储方法的电子设备的内部结构示意图。
具体实施方式
应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种网络视频存储方法，所述网络视频存储方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述网络视频存储方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、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、内容分发网络(Content Delivery Network，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。
参阅图1所示，是本发明一实施例提供的网络视频存储方法的流程示意图。其中，图1中描述的网络视频存储方法包括以下步骤S1-S5：
S1、获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频。
本发明实施例通过所述识别所述网络视频的视频类别可以对大量杂乱无序的视频进行信息识别，以便于对所述网络视频进行分类管理以及检索查阅等。
作为本发明的一个实施例，所述识别所述网络视频的视频类别，包括：提取所述网络视频的当前标注标签，获取所述网络视频的历史标注标签，将所述当前标注标签与所述历史标注标签进行标签匹配，得到匹配标签，根据所述匹配标签识别所述网络视频的视频类别。
进一步的，本发明实施例通过所述根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频可以将大量视频进行类别的区分，从而使得在后续的视频提取或检索更加的方便快捷。其中，所述视频类别如运动视频、高速公路的监控视频、景区的风景视频等类别。
作为本发明的一个可选实施例，所述根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频通过预构建的视频分类器完成，所述视频分类器由编程语言JAVA生成。
示例性地，如所述当前标注标签为风景，所述历史标注标签为风景，则将所述当前网络视频设置为所述历史标注标签对应的视频类别。
S2、查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像。
本发明实施例通过所述查询所述分类网络视频的帧率可以识别所述分类网络视频中不同视频帧数，进而能够计算后续到处的图像数量。
作为本发明的一个可选实施例，所述查询所述分类网络视频的帧率通过识别所述分类网络视频的生成属性获取。
进一步的，本发明实施例通过所述根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像可以将视频信息转换为图像信息，从而能够更加好的分析视频信息。
作为本发明的一个实施例，所述根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，包括：构建所述分类网络视频的提帧程序，在所述提帧程序中配置所述分类网络视频提帧函数，根据所述帧率在所述提帧函数中设置提帧参数，并在所述提帧函数设置所述分类网络视频的提帧存储位置，激活所述提帧函数，得到多帧图像。其中，所述提帧程序是指为了完成某种任务生成软件工具，所述提帧函数是指由二进制代码生成的程序。
可选的，所述分类网络视频的提帧程序可有python语言生成，所述分类网络视频提帧函数由python语言中的函数生成工具创建，所述提帧函数可由函数激活脚本激活。
本发明实施例通过所述计算所述多帧图像的导出损失可以了解每帧图像的损失程度，并根据损失程度判断每帧图像是否需要修复。
作为本发明的一个实施例，所述计算所述多帧图像的导出损失，包括：
利用下述公式计算所述多帧图像的导出损失：
；
其中表示导出损失，/>表示多帧图像的图像长度，/>表示多帧图像的图像宽度，n表示多帧图像的原像素位置，m表示多帧图像导出后的像素位置，/>表示多帧图像的像素损失，/>表示多帧图像的图像边缘损失；
进一步的，本发明实施例通过所述根据所述导出损失对所述多帧图像进行图像修复，得到修复图像可以对图像进行还原，进而更加有利于对图像特征的检测与识别。
作为本发明的一个实施例，所述根据所述导出损失对所述多帧图像进行图像修复，得到修复图像，包括：提取所述导出损失的损失值大于预设损失值的图像，得到损失图像，计算所述损失图像的特征损失及像素损失，根据所述特征损失和所述像素损失利用下述公式损失图像进行图像修复：
；
其中，表示修复图像，k表示损失图像导出前的像素点数，y表示多帧图像导出后的像素点数，a表示多帧图像导出前的特征值，b表示多帧图像导出后的特征值，/>表示多帧像素的像素损失，/>表示多帧图像的特征补偿函数，/>表示多帧图像的特征损失，/>表示多帧图像的像素补偿函数，i表示损失图像导出前的第i像素点，j表示多帧图像导出前的第j个特征值。进一步的，作为本发明的又一可选实施例，所述计算所述损失图像的特征损失及像素损失，包括：
利用下述公式计算所述损失图像的特征损失：
其中，表示特征损失，n表示损失图像的特征点数量，/>表示特征匹配函数，/>表示损失图像的矩阵空间，a表示损失图像的特征值，/>表示映射到矩阵空间后的特征值，
利用下述公式计算所述损失图像的像素损失：
；
其中，表示像素损失，n表示损失图像的像素点数量，/>表示第i个损失图像对应像素点的真实标签，/>表示第i个损失图像对应像素点的预测标签，w表示损失图像的权重矩阵，f表示损失图像的样本矩阵，/>表示损失图像的线性函数。
S3、提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征。
本发明实施例通过所述提取所述修复图像的图像特征可以了解所述修复图像所表达的信息或代表的含义如表示数字，建筑等信息。
作为本发明的一个实施例，所述提取所述修复图像的图像特征，包括：构建所述修复图像的特征矩阵，并在所述特征矩阵中输入所述修复图像的特征点集，将所述修复图像的像素值分解为数字矩阵，将所述特征矩阵中的特征点集与所述数字矩阵中的像素值进行匹配，得到所述修复图像特征值，提取所述特征值达到预设阈值的特征值，得到目标特征值，将所述目标特征值进行特征翻译，得到图像特征。其中，所述数字矩阵是指将信息转化为数字表述的数字阵列，所述特征点集是指描述图像各个特征点的集合，所述预设阈值为0.8也可根据实际应用场景设置。
可选的，所述所述修复图像的特征矩阵通过JAVA语言生成的矩阵函数设置，所述将所述特征矩阵中的特征点集与所述数字矩阵中的像素值进行匹配通过线性乘法匹配，所述将所述目标特征值进行特征翻译，得到图像特征通过对矩阵进行反向编译实现。
进一步的，本发明实施例通过所述构建所述修复图像的矢量矩阵可以利用矢量矩阵来反映图像的变化特征。其中，所述矢量矩阵是指将数据信息转化为矢量信息的方法。
作为本发明的一个实施例，所述构建所述修复图像的矢量矩阵，包括：创建所述修复图像的矩阵空间，按照所述修复图像的特征参数在所述矩阵空间中设置对应的矩阵行列，并在所矩阵框架中述设置矩阵算法，激活所述矩阵算法，得到矢量矩阵。其中，所述矩阵行列如12x12,24x24等，所述矩阵算法有加法、减法、乘法、转置等。
可选的，所述修复图像的矩阵空间通过python语言创建，所述矩阵算法通过在所述矩阵空间生成时添加的算法参数设置。
S4、根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频。
本发明实施例通过所述根据所述矢量变化特征分析所述网络视频的背景状态可以了解所述网络视频中是否存在背景信息的变化或出现特殊事件如用户在银行自动存款机的存款时被窥视，高速公路的车祸现象等。
作为本发明的一个实施例，所述根据所述矢量变化特征分析所述网络视频的背景状态，包括：为所述矢量变化特征添加信号标签，根据所述信号标签利用下述公式计算所述矢量变化特征的变化值：
；
其中，表示矢量变化特征的变化值，m表示矢量变化特征对应初始特征的数量，n表示矢量变化特征对应变化后特征的数量，/>表示矢量变化特征的均值函数，/>表示矢量变化特征对应第x个初始特征的信号标签，/>表示矢量变化特征对应第y个初始特征的信号标签，
当所述变化值大于预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为异常；
当所述变化值不大于所述预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为正常。
其中，所述信号标签是指对特征进行标识的特殊符号，所述信号标签由c+语言构建的二进制代码生成。
进一步的，本发明一可选实施例中，所述查询所述异常状态对应的异常图帧通过将所述所述异常状态对应的当前背景图像与所述修复图像进行背景匹配查询。
本发明实施例通过所述根据所述异常图帧对所述网络视频进行剪切，得到剪切视频可以提取所述网络视频中具有价值或研究意义的片段并减少所述网络视频的视频容从而较低视频存储库的存储资源压力。
作为本发明的一个实施例，所述根据所述异常图帧对所述网络视频进行剪切，得到剪切视频，包括：根据所述异常图帧对所述网络视频进行图帧定位，得到异常视频段，将所述异常视频段进行剪切，得到剪切视频。
可选的，对所述网络视频进行图帧定位通过查询所述视频图侦导出的顺序获取，所述将所述异常视频段进行剪切，得到剪切视频通过视频剪切软件如inshort。
S5、对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
本发明实施例通过所述对所述剪切视频进行编码，得到编码视频可以将剪切好的视频按照预设的视频格式进行转换，减少视频码率，降低视频存储所需的存储资源。
其中，所述编码是指通过压缩技术，将原始视频格式的文件转换成另一种视频格式文件如mpeg、avi、mov等格式的方式。
作为本发明的一个实施例，所述对所述剪切视频进行编码，得到编码视频，包括：配置所述剪切视频的编码器，在所述编码器中设置所述剪切视频的视频码率及视频格式，利用所述预构建的编码器根据所述视频码率及所述视频格式对所述剪切视频进行编码，得到编码视频。
其中，所述编码器是指将信号（如比特流）或数据进行编制、转换为可用以通讯、传输和存储的信号形式的设备，所述视频码率是指视频数据传输时单位时间传送的数据位数，一般我们用的单位是kbps即千位每秒。
可选的，所述剪切视频的编码器可由ffmpeg工具设置，所述所述剪切视频的视频码率及视频格式通过所述编码器的码率设置功能和格式设置功能设置。
进一步，本发明实施例通过所述将所述编码视频存储在预构建的视频数据库中可以对视频进行存储保管，便于对视频的查看。
可以看出，本方案首先通过识别所述网络视频的视频类别可以对大量杂乱无序的视频进行信息识别，以便于对所述网络视频进行分类管理以及检索查阅等，并根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频可以将大量视频进行类别的区分，从而使得在后续的视频提取或检索更加的方便快捷；其次，本发明实施例通过查询所述分类网络视频的帧率可以识别所述分类网络视频中不同视频帧数，进而能够计算后续到处的图像数量；以及根据所述导出损失对所述多帧图像进行图像修复，得到修复图像可以对图像进行还原，进而更加有利于对图像特征的检测与识别；进一步的，本发明实施例通过提取所述修复图像的图像特征可以了解所述修复图像所表达的信息或代表的含义如表示数字，建筑等信息，并根据所述矢量变化特征分析所述网络视频的背景状态可以了解所述网络视频中是否存在背景信息的变化或出现特殊事件如用户在银行自动存款机的存款时被窥视，高速公路的车祸现象等，并根据所述异常图帧对所述网络视频进行剪切，得到剪切视频可以提取所述网络视频中具有价值或研究意义的片段并减少所述网络视频的视频容从而较低视频存储库的存储资源压力，及对所述剪切视频进行编码，得到编码视频可以将剪切好的视频按照预设的视频格式进行转换，减少视频码率，降低视频存储所需的存储资源。因此，本发明实施例提出的一种网络视频存储方法，能够降低网络视频存储的压力准确性。
如图2所示，是本发明网络视频存储系统的功能模块图。
本发明所述网络视频存储系统200可以安装于电子设备中。根据实现的功能，所述网络视频存储系统可以包括视频分类模块201、图像修复模块202、特征映射模块203、视频剪切模块204以及视频存储模块205。
本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本发明实施例中，关于各模块/单元的功能如下：
所述视频分类模块201，用于获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；
所述图像修复模块202，用于查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；
所述特征映射模块203，用于提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；
所述视频剪切模块204，用于根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；
所述视频存储模块205，用于对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
详细地，本发明实施例中所述网络视频存储系统200中的所述各模块在使用时采用与上述的图1中所述的网络视频存储方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明实现网络视频存储方法的电子设备的结构示意图。
所述电子设备可以包括处理器30、存储器31、通信总线32以及通信接口33，还可以包括存储在所述存储器31中并可在所述处理器30上运行的计算机程序，如焙烧锂渣锻造程序。
其中，所述处理器30在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器30是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块（例如执行焙烧锂渣锻造程序等），以及调用存储在所述存储器31内的数据，以执行电子设备的各种功能和处理数据。
所述存储器31至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器31在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器31在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器31还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器31不仅可以用于存储安装于电子设备的应用软件及各类数据，例如焙烧锂渣锻造程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线32可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器31以及至少一个处理器30等之间的连接通信。
所述通信接口33用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管图中未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理系统与所述至少一个处理器30逻辑相连，从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
所述电子设备中的所述存储器31存储的焙烧锂渣锻造程序是多个计算机程序的组合，在所述处理器30中运行时，可以实现以下方法：
获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；
查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；
提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；
根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；
对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
具体地，所述处理器30对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/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，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现以下方法：
获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；
查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；
提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；
根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；
对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种网络视频存储方法，其特征在于，所述方法包括：
获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存储的网络视频进行分类，得到分类网络视频；
查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；
提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；所述提取所述修复图像的图像特征，包括：
构建所述修复图像的特征矩阵，并在所述特征矩阵中输入所述修复图像的特征点集，得到目标矩阵；
将所述修复图像的像素值分解为数字矩阵，并将所述目标矩阵中的特征点集与所述数字矩阵中的像素值进行匹配，以获取所述修复图像的特征值；
提取所述特征值达到预设阈值的特征值，得到目标特征值，将所述目标特征值进行特征翻译，得到图像特征；
根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频，其中所述根据所述异常图帧对所述网络视频进行剪切，得到剪切视频，包括根据所述异常图帧对所述网络视频进行图帧定位，得到异常视频段，将所述异常视频段进行剪切，得到剪切视频，剪切视频包括异常视频段；
对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
2.根据权利要求1所述的方法，其特征在于，所述识别所述网络视频的视频类别，包括：
提取所述网络视频的当前标注标签，并获取所述网络视频的历史标注标签；
将所述当前标注标签与所述历史标注标签进行标签匹配，得到匹配标签，根据所述匹配标签，识别所述网络视频的视频类别。
3.根据权利要求1所述的方法，其特征在于，所述根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，包括：
构建所述分类网络视频的提帧程序，在所述提帧程序中配置所述分类网络视频的提帧函数；
根据所述帧率，在所述提帧函数中设置提帧参数，得到目标函数，并在所述目标函数中设置所述分类网络视频的提帧存储位置后，激活所述目标函数，以执行所述分类网络视频的序列帧提取操作，得到多帧图像。
4.根据权利要求1所述的方法，其特征在于，所述根据所述导出损失，对所述多帧图像进行图像修复，得到修复图像，包括：
从所述多帧图像中提取所述导出损失大于预设损失值的图像，得到损失图像，计算所述损失图像的特征损失及像素损失；
根据所述特征损失和所述像素损失，对所述损失图像进行图像修复。
5.根据权利要求1所述的方法，其特征在于，所述根据所述矢量变化特征分析所述网络视频的背景状态，包括：
创建所述矢量变化特征的信号标签，根据所述信号标签计算所述矢量变化特征的变化值；
当所述变化值大于预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为异常；
当所述变化值不大于所述预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为正常。
6.根据权利要求1所述的方法，其特征在于，所述对所述剪切视频进行编码，得到编码视频，包括：
配置所述剪切视频的编码器，在所述编码器中设置所述剪切视频的视频码率及视频格式；
按照所述视频码率及所述视频格式对所述剪切视频进行编码，得到编码视频。
7.一种网络视频存储系统，其特征在于，用于执行如权利要求1-6任意一项所述的网络视频存储方法，所述系统包括：
视频分类模块，用于获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存储的网络视频进行分类，得到分类网络视频；
图像修复模块，用于查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；
特征映射模块，用于提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；
视频剪切模块，用于根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；
视频存储模块，用于对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310602323.7A CN116366790B (zh) | 2023-05-26 | 2023-05-26 | 一种网络视频存储方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310602323.7A CN116366790B (zh) | 2023-05-26 | 2023-05-26 | 一种网络视频存储方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116366790A CN116366790A (zh) | 2023-06-30 |
| CN116366790B true CN116366790B (zh) | 2023-10-27 |
Family
ID=86922406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310602323.7A Active CN116366790B (zh) | 2023-05-26 | 2023-05-26 | 一种网络视频存储方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116366790B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003196767A (ja) * | 2001-12-25 | 2003-07-11 | Toshiba Corp | ネットワーク映像監視・配信システム |
| CN111026915A (zh) * | 2019-11-25 | 2020-04-17 | Oppo广东移动通信有限公司 | 视频分类方法、视频分类装置、存储介质与电子设备 |
| CN114004766A (zh) * | 2021-11-08 | 2022-02-01 | 山东省计算中心（国家超级计算济南中心） | 一种水下图像增强方法、系统和设备 |
| CA3095023A1 (en) * | 2020-10-02 | 2022-04-02 | Element Ai Inc. | Continuous training methods for systems identifying anomalies in an image of an object |
| CN114821421A (zh) * | 2022-04-28 | 2022-07-29 | 南京理工大学 | 一种交通异常行为检测方法与系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8095265B2 (en) * | 2008-10-06 | 2012-01-10 | International Business Machines Corporation | Recording, storing, and retrieving vehicle maintenance records |
| CN102714745B (zh) * | 2010-02-10 | 2015-06-17 | 松下电器产业株式会社 | 数字视频信号输出装置及显示装置、数字视频信号输出方法及接收方法 |
| JP7234719B2 (ja) * | 2019-03-18 | 2023-03-08 | 富士フイルムビジネスイノベーション株式会社 | 画像処理装置及びプログラム |
-
2023
- 2023-05-26 CN CN202310602323.7A patent/CN116366790B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003196767A (ja) * | 2001-12-25 | 2003-07-11 | Toshiba Corp | ネットワーク映像監視・配信システム |
| CN111026915A (zh) * | 2019-11-25 | 2020-04-17 | Oppo广东移动通信有限公司 | 视频分类方法、视频分类装置、存储介质与电子设备 |
| CA3095023A1 (en) * | 2020-10-02 | 2022-04-02 | Element Ai Inc. | Continuous training methods for systems identifying anomalies in an image of an object |
| CN114004766A (zh) * | 2021-11-08 | 2022-02-01 | 山东省计算中心（国家超级计算济南中心） | 一种水下图像增强方法、系统和设备 |
| CN114821421A (zh) * | 2022-04-28 | 2022-07-29 | 南京理工大学 | 一种交通异常行为检测方法与系统 |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于异常事件检测的智能视频监控系统;胡辉;黄思博;胡松;蔡映雪;陈伽;蔡昭权;;现代计算机(专业版)(第04期);30-33 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116366790A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110751224B (zh) | 视频分类模型的训练方法、视频分类方法、装置及设备 | |
| CN111523677B (zh) | 实现对机器学习模型的预测结果进行解释的方法及装置 | |
| CN113157927B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
| CN111814472B (zh) | 文本识别方法、装置、设备及存储介质 | |
| CN111382620B (zh) | 视频标签添加方法、计算机存储介质和电子设备 | |
| CN112308802A (zh) | 一种基于大数据的图像分析方法及系统 | |
| CN112560845A (zh) | 字符识别方法、装置、智能取餐柜、电子设备及存储介质 | |
| CN110765293A (zh) | 自动开启二维码的方法、系统、电子设备及存储介质 | |
| CN113962199B (zh) | 文本识别方法、装置、设备、存储介质及程序产品 | |
| CN113505273B (zh) | 基于重复数据筛选的数据排序方法、装置、设备及介质 | |
| CN112732693B (zh) | 智能化物联网数据采集方法、装置、设备及存储介质 | |
| CN113360911A (zh) | 恶意代码同源分析方法、装置、计算机设备和存储介质 | |
| CN116366790B (zh) | 一种网络视频存储方法及系统 | |
| CN112417996A (zh) | 工业图纸的信息处理方法、装置、电子设备和存储介质 | |
| CN113706207B (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
| CN114461833A (zh) | 图片取证方法、装置、计算机设备及存储介质 | |
| CN112801960A (zh) | 图像处理方法及装置、存储介质、电子设备 | |
| CN112580505A (zh) | 网点开关门状态识别方法、装置、电子设备及存储介质 | |
| CN112396111A (zh) | 文本意图分类方法、装置、计算机设备及存储介质 | |
| CN114173190B (zh) | 视频数据检测方法、装置、电子设备和存储介质 | |
| CN113076485B (zh) | 基于智能降级的资源推荐方法、装置、设备及存储介质 | |
| CN116431711B (zh) | 基于数据特征实现的数据智能采集方法及系统 | |
| CN115048543B (zh) | 图像相似判断方法、图像搜索方法及设备 | |
| CN113704411B (zh) | 基于词向量的相似客群挖掘方法、装置、设备及存储介质 | |
| CN117058127A (zh) | 一种对云桌面画面质量的检测方法及系统 |
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 |