CN116453016A - 一种监控视频处理方法、监控服务系统、存储介质 - Google Patents
一种监控视频处理方法、监控服务系统、存储介质 Download PDFInfo
- Publication number
- CN116453016A CN116453016A CN202310345239.1A CN202310345239A CN116453016A CN 116453016 A CN116453016 A CN 116453016A CN 202310345239 A CN202310345239 A CN 202310345239A CN 116453016 A CN116453016 A CN 116453016A
- Authority
- CN
- China
- Prior art keywords
- video
- monitoring
- client
- access
- event
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000008569 process 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
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 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
- 230000001151 other effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了一种监控视频处理方法、监控服务系统、存储介质。通过获取客户端上传的监控视频,执行视频标记,并进行存储;视频标记包括视频事件信息;根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型;所述触发数据包括客户端请求访问信息;基于所述视频处理模型对后续上传的监控视频执行处理,确定后续上传的监控视频所属的类别,并推荐用户对应类别下的文件地址。相比于现有技术,通过根据用户触发数据建立视频处理模型对后续的视频进行类别处理并执行根据用户位置的其他监控文件的推荐,提高了用户体验;且提出了基于缓存的异常检测以及用户访问限制保证了监控视频访问的安全性。
Description
技术领域
本发明涉及视频监控技术领域,具体而言,涉及一种监控视频处理方法、监控服务系统、存储介质。
背景技术
视频监控是安全防范系统的重要组成部分,最新的监控系统可以使用智能手机担当,同时对图像进行自动识别、存储和自动报警。视频数据通过3G/4G/WIFI传回控制主机,主机可对图像进行实时观看、录入、回放、调出及储存等操作,从而实现移动互联的视频监控。
监控视频服务器,将前端设备采集的监控视频图像上传到固定的网址,可供监控终端通过互联网直接获取,减少转发节点,安全性提高。但是目前对于手机客户端进行上传的监控视频只能被动式接受用户的查询访问,难以根据用户的访问信息执行对应的有效推荐,用户体验差。
本背景技术描述的内容仅为了便于了解本领域的相关技术,不视作对现有技术的承认。
发明内容
根据本发明公开的示例实施例,提供了一种监控视频处理方法、监控服务系统、存储介质。
在本发明公开的第一方面中,提供了一种监控视频处理方法,所述方法包括:
获取客户端上传的监控视频,执行视频标记,并进行存储;所述视频标记包括视频事件信息;
根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型;所述触发数据包括客户端请求访问信息;
基于所述视频处理模型对后续上传的监控视频执行处理,确定后续上传的监控视频所属的类别,并推荐用户对应类别下的文件地址。
进一步,所述客户端请求访问信息包括客户端所在的位置信息、请求访问的第一监控视频信息以及请求次数;
所述根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型,包括:
根据请求访问信息中的客户端所在的位置信息,且确定所述位置上的累计对于服务器存储的第一监控视频请求次数超于预定阈值,则确定当前客户端的访问触发为拟推荐模式;
推荐所述第一监控视频所属的同一视频事件信息下的且符合当前客户端所在的位置信息习惯规则的视频文件地址至客户端。
进一步,所述服务端包括第一服务器与第二服务器;
所述方法还包括:第一服务器获取客户端上传的监控视频的同时,根据预定的频率抽取视频帧,并进行缓存,以生成第一缓存视频流;将所述第一缓存视频流发送至第二服务器;
第二服务器根据检测模型对所述第一缓存视频流的视频事件进行检测,并进行标记。
进一步,所述检测模型是基于卷积神经网络对所述第一缓存视频流中的各个帧进行特征提取以及特征分类,从而确定视频事件类型;
所述卷积神经网络包括如下神经元:输入层、与输入层相连的第一特征提取层、与特征提取层相连的第二特征提取层、与第二特征提取层相连的第一全连接层、与第一全连接层相连的第二全连接层、与第二全连接层相连的分类层和输出层。
进一步,所述视频事件信息包括人员走动事件、陌生人逗留事件、光线异常事件、入侵事件中的一种或多种;所述客户端请求访问信息还包括访问权限信息,所述访问权限信息包括对于权限等级、权限使用时间、权限访问频率;
所述方法还包括:预先根据客户端用户信息,设置权限等级,并根据权限等级选择是否设置权限使用时间和/或权限访问频率;若选择设置权限使用时间和/或权限访问频率,则触发循环检测控件,基于循环检测权限使用时间是否达到预定时间,和/或权限访问频率是否达到预定频率;若权限使用时间达到预定时间和/或预定频率,则触发权限回收,限制用户访问。
在本发明公开的第二方面中,提供了一种监控服务系统,所述监控服务系统包括:一个或多个处理器,存储器,所述存储器用于存储一个或多个计算机程序;其特征在于,所述计算机程序被配置成由所述一个或多个处理器执行,所述程序包括用于执行第一方面所述的监控视频处理方法步骤。
在本发明公开的第三方面中,提供了一种存储介质,所述存储介质存储有计算机程序;所述程序由处理器加载并执行以实现第一方面所述的监控视频处理方法步骤。
本发明的方案中通过获取客户端上传的监控视频,执行视频标记,并进行存储;视频标记包括视频事件信息;根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型;所述触发数据包括客户端请求访问信息;基于所述视频处理模型对后续上传的监控视频执行处理,确定后续上传的监控视频所属的类别,并推荐用户对应类别下的文件地址。相比于现有技术,通过根据用户触发数据建立视频处理模型对后续的视频进行类别处理并执行根据用户位置的其他监控文件的推荐,提高了用户体验;且提出了基于缓存的异常检测以及用户访问限制保证了监控视频访问的安全性。
应当理解,发明内容部分中所描述的内容并非旨在限定本发明公开的实施例的关键或重要特征,亦非用于限制本发明公开的范围。本发明公开的其它特征将通过以下的描述变得容易理解。
本发明实施例的可选特征和其他效果一部分在下文描述,一部分可通过阅读本文而明白。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本发明实施例公开的监控视频处理方法的流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请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。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
需要说明的是:在本文中提及的“多个”是指两个或两个以上。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
在本实施例公开的第一方面中,如图1所示,提供了一种监控视频处理方法,所述方法包括:
S100,获取客户端上传的监控视频,执行视频标记,并进行存储;所述视频标记包括视频事件信息。
本实施例,对于上传的监控视频进行事件检测后标记。其中,事件检测的内容包括确定一个事件在视频中的时间范围和位置。关于事件检测所采取的方法,本实施例参考文献“Cheng Y,Fan Q,Pankanti S,et al.Temporal sequence modeling for video eventdetection[C]//Proceedings of the IEEE Conference on Computer Vision andPattern Recognition.2014:2227-2234.”。
S200,根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型;所述触发数据包括客户端请求访问信息。
进一步,所述客户端请求访问信息包括客户端所在的位置信息、请求访问的第一监控视频信息以及请求次数。
所述根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型,包括:根据请求访问信息中的客户端所在的位置信息,且确定所述位置上的累计对于服务器存储的第一监控视频请求次数超于预定阈值,则确定当前客户端的访问触发为拟推荐模式;推荐所述第一监控视频所属的同一视频事件信息下的且符合当前客户端所在的位置信息习惯规则的视频文件地址至客户端。
具体地,本实施例,举例来说,本实施例的位置信息可以以城市为代表。那么,在模型建立的时候,对于不同地点对于同一视频(比如陌生人逗留事件)的访问累计次数高于一定的阈值,则将该视频事件的类型判定为该区域内的客户端(用户)关注度高的事件。而后,在后续的视频访问过程中,若访问道该视频,则推荐所述第一监控视频所属的同一视频事件信息下(陌生人逗留事件类型)的且符合当前客户端所在的位置信息习惯规则的视频文件地址至客户端。其中,推荐的时候,按照最近的时间的视频来推荐。
S300,基于所述视频处理模型对后续上传的监控视频执行处理,确定后续上传的监控视频所属的类别,并推荐用户对应类别下的文件地址。
进一步,所述服务端包括第一服务器与第二服务器;所述方法还包括:第一服务器获取客户端上传的监控视频的同时,根据预定的频率抽取视频帧,并进行缓存,以生成第一缓存视频流;将所述第一缓存视频流发送至第二服务器;
第二服务器根据检测模型对所述第一缓存视频流的视频事件进行检测,并进行标记。
具体地,关于事件检测所采取的方法,本实施例参考文献“Cheng Y,Fan Q,Pankanti S,et al.Temporal sequence modeling for video event detection[C]//Proceedings of the IEEE Conference on Computer Vision and PatternRecognition.2014:2227-2234.”。
一般异常事件检测任务应该要在弱监督框架下进行学习。此处弱监督指在训练时,只知道一段视频中有或没有异常事件,而异常事件的种类以及具体的发生时间是未知的。异常事件检测任务应该采取两阶段的框架,即不管异常事件的种类,生成异常事件的proposal,之后再对proposal中包含的异常事件进行分类。这样有助于提高异常事件检测的召回率(应该是因为这样可以找到一些不在现有类别中的异常)。
进一步,所述检测模型是基于卷积神经网络对所述第一缓存视频流中的各个帧进行特征提取以及特征分类,从而确定视频事件类型;
所述卷积神经网络包括如下神经元:输入层、与输入层相连的第一特征提取层、与特征提取层相连的第二特征提取层、与第二特征提取层相连的第一全连接层、与第一全连接层相连的第二全连接层、与第二全连接层相连的分类层和输出层。
进一步,所述视频事件信息包括人员走动事件、陌生人逗留事件、光线异常事件、入侵事件中的一种或多种;所述客户端请求访问信息还包括访问权限信息,所述访问权限信息包括对于权限等级、权限使用时间、权限访问频率;
所述方法还包括:预先根据客户端用户信息,设置权限等级,并根据权限等级选择是否设置权限使用时间和/或权限访问频率;若选择设置权限使用时间和/或权限访问频率,则触发循环检测控件,基于循环检测权限使用时间是否达到预定时间,和/或权限访问频率是否达到预定频率;若权限使用时间达到预定时间和/或预定频率,则触发权限回收,限制用户访问。
具体地,本实施例可以为不同用户类型分配不同的权限等级,并根据不同的权限等级可以对应设置权限使用时间、权限访问频率的设定。比如,对于权限等级为高级的用户,权限使用时间可以选择为L1区间的限制时间,权限访问频率也可以设置为最高等级的访问频率;当然也可以不设置权限访问频率,只根据权限等级对应设置权限使用时间。一旦确定对应的权限设置后,则触发循环检测控件,基于循环检测权限使用时间是否达到预定时间,和/或权限访问频率是否达到预定频率;若权限使用时间达到预定时间和/或预定频率,则触发权限回收,限制用户访问。
在本实施例公开的第二方面中,提供了一种监控服务系统,所述监控服务系统包括:一个或多个处理器,存储器,所述存储器用于存储一个或多个计算机程序;其特征在于,所述计算机程序被配置成由所述一个或多个处理器执行,所述程序包括用于执行第一方面所述的监控视频处理方法步骤。
在本实施例公开的第三方面中,提供了一种存储介质,所述存储介质存储有计算机程序;所述程序由处理器加载并执行以实现第一方面所述的监控视频处理方法步骤。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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,所述单元的划分,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。另外,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,也可以是电的,机械的或其它的形式连接。
所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,作为单元显本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,在本发明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,也可以是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。
所述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,本发明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,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网格设备等)执行本发明各个实施例所述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(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种监控视频处理方法,应用于服务端,其特征在于,所述方法包括:
获取客户端上传的监控视频,执行视频标记,并进行存储;所述视频标记包括视频事件信息;
根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型;所述触发数据包括客户端请求访问信息;
基于所述视频处理模型对后续上传的监控视频执行处理,确定后续上传的监控视频所属的类别,并推荐用户对应类别下的文件地址。
2.根据权利要求1所述的监控视频处理方法,其特征在于,所述客户端请求访问信息包括客户端所在的位置信息、请求访问的第一监控视频信息以及请求次数;
所述根据预定的时间周期以及所述时间周期内的触发数据建立视频处理模型,包括:
根据请求访问信息中的客户端所在的位置信息,且确定所述位置上的累计对于服务器存储的第一监控视频请求次数超于预定阈值,则确定当前客户端的访问触发为拟推荐模式;
推荐所述第一监控视频所属的同一视频事件信息下的且符合当前客户端所在的位置信息习惯规则的视频文件地址至客户端。
3.根据权利要求2所述的监控视频处理方法,其特征在于,所述服务端包括第一服务器与第二服务器;
所述方法还包括:第一服务器获取客户端上传的监控视频的同时,根据预定的频率抽取视频帧,并进行缓存,以生成第一缓存视频流;将所述第一缓存视频流发送至第二服务器;
第二服务器根据检测模型对所述第一缓存视频流的视频事件进行检测,并进行标记。
4.根据权利要求3所述的监控视频处理方法,其特征在于,所述检测模型是基于卷积神经网络对所述第一缓存视频流中的各个帧进行特征提取以及特征分类,从而确定视频事件类型;
所述卷积神经网络包括如下神经元:输入层、与输入层相连的第一特征提取层、与特征提取层相连的第二特征提取层、与第二特征提取层相连的第一全连接层、与第一全连接层相连的第二全连接层、与第二全连接层相连的分类层和输出层。
5.根据权利要求4所述的监控视频处理方法,其特征在于,所述视频事件信息包括人员走动事件、陌生人逗留事件、光线异常事件、入侵事件中的一种或多种;所述客户端请求访问信息还包括访问权限信息,所述访问权限信息包括对于权限等级、权限使用时间、权限访问频率;
所述方法还包括:预先根据客户端用户信息,设置权限等级,并根据权限等级选择是否设置权限使用时间和/或权限访问频率;若选择设置权限使用时间和/或权限访问频率,则触发循环检测控件,基于循环检测权限使用时间是否达到预定时间,和/或权限访问频率是否达到预定频率;若权限使用时间达到预定时间和/或预定频率,则触发权限回收,限制用户访问。
6.一种监控服务系统,所述监控服务系统包括:一个或多个处理器,存储器,所述存储器用于存储一个或多个计算机程序;其特征在于,所述计算机程序被配置成由所述一个或多个处理器执行,所述程序包括用于执行如权利要求1-5任一项所述的监控视频处理方法步骤。
7.一种存储介质,所述存储介质存储有计算机程序;所述程序由处理器加载并执行以实现如权利要求1-5任一项所述的监控视频处理方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310345239.1A CN116453016A (zh) | 2023-03-31 | 2023-03-31 | 一种监控视频处理方法、监控服务系统、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310345239.1A CN116453016A (zh) | 2023-03-31 | 2023-03-31 | 一种监控视频处理方法、监控服务系统、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116453016A true CN116453016A (zh) | 2023-07-18 |
Family
ID=87123182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310345239.1A Pending CN116453016A (zh) | 2023-03-31 | 2023-03-31 | 一种监控视频处理方法、监控服务系统、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116453016A (zh) |
-
2023
- 2023-03-31 CN CN202310345239.1A patent/CN116453016A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112417439B (zh) | 账号检测方法、装置、服务器及存储介质 | |
CN106060442B (zh) | 一种录像存储方法、装置及系统 | |
CN105100032B (zh) | 一种防止资源盗取的方法及装置 | |
CN108334758B (zh) | 一种用户越权行为的检测方法、装置及设备 | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
CN111278014A (zh) | 一种防诈骗系统、方法、服务器及存储介质 | |
CN107305611B (zh) | 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置 | |
CN104836781A (zh) | 区分访问用户身份的方法及装置 | |
CN111866600B (zh) | 用于保护隐私的方法、装置和系统 | |
CN111565225B (zh) | 一种人物行动轨迹确定方法及装置 | |
CN112671870B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN111144344B (zh) | 人物年龄的确定方法、装置、设备及存储介质 | |
CN113378616A (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
CN114039794A (zh) | 基于半监督学习的异常流量检测模型训练方法及装置 | |
CN111611519B (zh) | 一种个人异常行为检测方法及装置 | |
CN116108491B (zh) | 基于半监督联邦学习的数据泄露预警方法、装置及系统 | |
CN113792691A (zh) | 一种视频识别方法、系统、设备及介质 | |
CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
CN111064719A (zh) | 文件异常下载行为的检测方法及装置 | |
CN116797993B (zh) | 一种基于智慧社区场景的监控方法、系统、介质及设备 | |
CN108024148B (zh) | 基于行为特征的多媒体文件识别方法、处理方法及装置 | |
CN110895663A (zh) | 一种两轮车识别方法、装置、电子设备及监控系统 | |
CN115442159B (zh) | 一种基于家用路由的风险管控方法、系统和存储介质 | |
CN116453016A (zh) | 一种监控视频处理方法、监控服务系统、存储介质 | |
CN114841705B (zh) | 一种基于场景识别的反欺诈监测方法 |
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 |