CN117392596B - 数据处理方法、电子设备和计算机可读介质 - Google Patents
数据处理方法、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN117392596B CN117392596B CN202311149140.0A CN202311149140A CN117392596B CN 117392596 B CN117392596 B CN 117392596B CN 202311149140 A CN202311149140 A CN 202311149140A CN 117392596 B CN117392596 B CN 117392596B
- Authority
- CN
- China
- Prior art keywords
- information
- video
- word
- script
- generate
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012795 verification Methods 0.000 claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 28
- 241000700605 Viruses Species 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 25
- 238000012552 review Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012546 transfer 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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了数据处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对数据查阅对象进行身份验证，以生成身份验证信息；响应于确定身份验证信息表征身份验证通过，进行运行环境自检；响应于运行环境自检通过，获取查阅特征信息；确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合；根据查阅特征信息和可用视频源信息集合进行视频片段定位，以生成视频定位信息；根据视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。该实施方式提高了警情事件的处理效率。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及数据处理方法、装置、电子设备和计算机可读介质。
背景技术
在对常见警情事件进行处理时，往往需要调取周边监控视频以用于警情确认和追踪。目前，在进行监控视频调取时，尤其是调取非民用摄像头采集的监控视频时，往往需要前往视频监控中心等集中管理非民用摄像头采集的监控视频的地点。
然而，发明人发现，当采用上述方式时，经常会存在如下技术问题：
第一，上述的监控视频调取方式，降低了警情事件的处理效率；
第二，由于监控视频往往为不间断录制的视频，采用逐帧的人工定位方式，导致确认与警情事件相关视频片段的效率较差，侧面降低了警情事件的处理效率。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了数据处理方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种数据处理方法，该方法包括：对数据查阅对象进行身份验证，以生成身份验证信息；响应于确定上述身份验证信息表征身份验证通过，进行运行环境自检；响应于运行环境自检通过，获取查阅特征信息，其中，上述查阅特征信息是由上述数据查阅对象输入的信息；确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合；根据上述查阅特征信息和上述可用视频源信息集合进行视频片段定位，以生成视频定位信息，其中，上述视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与上述查阅特征信息对应的视频帧位置；根据上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。
第二方面，本公开的一些实施例提供了一种数据处理装置，装置包括：身份验证单元，被配置成对数据查阅对象进行身份验证，以生成身份验证信息；运行环境自检单元，被配置成响应于确定上述身份验证信息表征身份验证通过，进行运行环境自检；获取单元，被配置成响应于运行环境自检通过，获取查阅特征信息，其中，上述查阅特征信息是由上述数据查阅对象输入的信息；确定单元，被配置成确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合；视频片段定位单元，被配置成根据上述查阅特征信息和上述可用视频源信息集合进行视频片段定位，以生成视频定位信息，其中，上述视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与上述查阅特征信息对应的视频帧位置；生成单元，被配置成根据上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的数据处理方法，提高了警情事件的处理效率。实践中，针对大部分警情事件，往往需要调取警情事件发生点附近的监控视频，以用于警情确认和追踪。而在进行监控视频调取时，尤其是调取非民用摄像头采集的监控视频时，往往需要前往视频监控中心等集中管理非民用摄像头采集的监控视频的地点。增加了警情事件的处理成本。基于此，本公开的一些实施例的数据处理方法，首先，对数据查阅对象进行身份验证，以生成身份验证信息。由于监控视频涉及公民隐私，在进行视频调取时，通过对数据查阅对象的身份进行验证，以确认数据查阅对象是否拥有相应的视频查阅权限。其次，响应于确定上述身份验证信息表征身份验证通过，进行运行环境自检。由于视频查阅端往往为移动设备，当设备被侵染时，可能会影响数据安全性。因此，在进行视频拉取、视频定位前，需要进行设备运行环境自检，以确保视频查阅端的终端安全性。接着，响应于运行环境自检通过，获取查阅特征信息，其中，上述查阅特征信息是由上述数据查阅对象输入的信息。实践中，针对警情事件，报警人往往会提供一些与警情时间相关的查阅特征。如，在人员走失的场景中，查阅特征信息可以是走失人员的外貌，衣着等特征。进一步，确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合。此外，根据上述查阅特征信息和上述可用视频源信息集合进行视频片段定位，以生成视频定位信息，其中，上述视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与上述查阅特征信息对应的视频帧位置。以此实现自动化的定位与查阅特征信息相关的警情事件的视频片段。最后，根据上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。以辅助警务人员进行警情事件的事件认定。通过此种方式，提高了警情事件的处理效率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的数据处理方法的一些实施例的流程图；
图2是根据本公开的数据处理装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1，示出了根据本公开的数据处理方法的一些实施例的流程100。该数据处理方法，包括以下步骤：
步骤101，对数据查阅对象进行身份验证，以生成身份验证信息。
在一些实施例中，数据处理方法的执行主体(例如，计算设备)可以对数据查阅对象进行身份验证，以生成身份验证信息。其中，数据查阅对象可以是待进行视频查阅的对象。实践中，上述数据查阅对象可以是警务人员。上述身份验证信息可以表征数据查阅对象是否拥有视频查阅权限。
作为示例，首先，上述执行主体可以通过指纹验证的方式，读取上述数据查阅对象的指纹信息。然后，上述执行主体可以根据指纹信息确定预先存储的指纹信息对应的对象是否拥有数据查阅权限。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成单个终端设备。当计算设备体现为软件时，可以安装在上述终端设备中。具体的，上述计算设备可以是移动警务终端。
在一些实施例的一些可选的实现方式中，上述执行主体对数据查阅对象进行身份验证，以生成身份验证信息，可以包括以下步骤：
第一步，获取上述数据查阅对象对应的人脸图像序列。
其中，上述执行主体可以通过前置摄像头，采集上述人脸图像序列。
第二步，根据上述人脸图像序列进行活体对象检测，得到对象识别信息。
其中，对象识别信息包括：活体对象检测标识和人脸特征向量。其中，活体对象检测标识表征数据查阅对象是否为活体。人脸特征向量表征数据查阅对象对应的、向量化的人脸特征。实践中，上述执行主体可以通过活体对象检测模型进行活体对象检测。其中，活体对象检测模型采用循环神经网络为网络骨架结构。活体对象检测模型还包括一个分类层。其中，分类层对应的分类类别可以是：活体对象和非活体对象。具体的，活体对象检测模型可以捕捉每张人脸图像的人脸面部动作特征，并通过比较不同人脸图像对应的人脸面部动作特征，以此确定不同人脸图像之间是否存在面部动作变化，由此确定数据查阅对象是否为活体对象。人脸特征向量的向量维度可以是256维。
第三步，响应于确定上述活体对象检测标识表征上述数据查阅对象为活体，根据上述人脸特征向量，确定上述数据查阅对象对应的身份信息。
其中，身份信息包括：绑定终端标识、对象标识和查阅权限信息。
作为示例，上述执行主体可以将人脸特征向量发送至警务人员身份信息数据库进行比对，以确定上述数据查阅对象的身份信息。具体的，考虑到数据安全问题，再将人脸特征向量发送至警务人员身份信息数据库时，需要对人脸特征向量进行数据加密。
作为又一示例，由于上述执行主体与设备可使用对象之间存在绑定关系，因此，上述执行主体也可以预先存储已绑定对象对应的人脸特征向量。即，上述执行主体可以在本地进行人脸特征向量的比对。
第四步，读取终端信息。
其中，终端信息包括：终端标识和可使用对象标识。其中，上述终端信息可以是上述执行主体的终端相关信息。其中，终端标识可以是上述执行主体的唯一设备标识。例如，终端标识可以是上述执行主体的设备编号。上述终端标识也可以是上述执行主体的MAC(Media Access Control Address，媒体访问控制地址)地址。可使用对象标识可以是可以使用上述执行主体的对象的身份标识。
第五步，响应于确定上述身份信息和上述终端信息满足验证条件组中的各个验证条件，生成表征身份验证通过的身份验证信息。
其中，上述验证条件组包括：第一验证条件、第二验证条件和第三验证条件。第一验证条件为：上述绑定终端标识和上述终端标识匹配。上述第二验证条件为：上述对象标识和上述可使用对象标识匹配。上述第三验证条件为：查阅权限信息表征运行对可用视频源信息进行查阅。实践中，当上述执行主体为移动警务终端时，由于其为通用的警务终端，因此，需要根据查阅权限信息确定数据查阅对象是否拥有通过上述执行主体进行(视频)数据查阅的权限。
步骤102，响应于确定身份验证信息表征身份验证通过，进行运行环境自检。
在一些实施例中，上述执行主体可以响应于确定身份验证信息表征身份验证通过，进行运行环境自检。实践中，上述执行主体可以执行防侵入自检程序，以实现运行环境自检。具体的，上述执行主体往往存在与其他终端进行数据交换的能力，例如，通过硬件接口与其他设备连接，以进行数据交换。因此，存在一定的被侵染风险，由此，需要进行运行环境自检，以保证上述执行主体的硬件和软件安全性。
在一些实施例的一些可选的实现方式中，上述执行主体响应于确定上述身份验证信息表征身份验证通过，进行运行环境自检，可以包括以下步骤：
第一步，对当前自检脚本进行脚本自检，以生成脚本自检结果。
其中，当前自检脚本可以是上述执行主体中的存储的、用于进行自检的程序脚本。实践中，上述执行主体可以运行上述当前自检脚本，以确定上述当前自检脚本是否脚本完整。
第二步，响应于确定上述脚本自检结果表征程序损坏，向脚本更新服务器发送脚本更新请求。
其中，脚本更新服务器可以是维护自检脚本的、用于向移动警务终端发送最新版本的自检脚本的服务器。其中，上述脚本更新请求是用于向脚本更新服务器请求最新版本的自检脚本的请求。实践中，上述脚本更新请求可以包括：异常脚本段位置。
第三步，响应于接收到上述脚本更新服务器发送的脚本段，根据上述脚本段，对上述当前自检脚本进行脚本修复，以生成修复后自检脚本。
其中，脚本段可以是上述异常脚本段位置对应的、无程序错误的脚本片段。实践中，上述执行主体通过脚本段对上述异常脚本位置对应的脚本片段进行替换，以生成上述修复后自检脚本。
第四步，响应于确定上述脚本自检结果表征脚本未损坏，向病毒样本服务器发送病毒样本库更新请求。
其中，病毒样本服务器可以是用于维护计算机病毒样本特征的数据库。上述病毒样本库更新请求可以是用于请求最新版本的病毒样本特征库的请求。
第五步，响应于接收到上述病毒样本服务器发送的目标病毒样本特征库，根据上述目标病毒样本特征库对当前病毒样本特征库进行更新。
其中，上述目标病毒样本特征库可以是最新版本的病毒样本特征库。
第六步，执行上述修复后自检脚本，以根据上述目标病毒样本特征库进行病毒自检。
其中，上述执行主体可以执行上述修复后自检脚本，并根据上述目标病毒样本特征库对上述执行主体自身进行病毒查杀。
步骤103，响应于运行环境自检通过，获取查阅特征信息。
在一些实施例中，响应于运行环境自检通过，上述执行主体可以获取查阅特征信息。其中，查阅特征信息可以是由数据查阅对象输入的、针对警情事件的事件相关特征信息。实践中，上述数据查阅对象可以根据报警人的描述，输入上述查阅特征信息。
可选地，查阅特征信息可以包括：文本型查阅特征信息和图像型查阅特征信息。其中，文本型查阅特征信息可以是文本类型的描述信息。图像型查阅特征信息可以是图像类型的描述信息。
作为示例，当警情事件为物品丢失案件时，查阅特征信息可以是丢失物品对应的物品特征信息。具体的，查阅特征信息可以包括丢失物品的、文本类型的描述信息和图像类型的描述信息。例如，丢失物品对应的文本型查阅特征信息可以是“红色手提包，手提包正面带有蝴蝶结”。丢失物品对应的图像型查阅特征信息可以是丢失物品对应的物品图像。
作为又一示例，当警情事件为车祸事件时，查阅特征信息可以是车祸事件相关车辆的车辆特征信息。
步骤104，确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合。
在一些实施例中，上述执行主体可以确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合。其中，可用视频源信息可以表征可以用于辅助警情时间处理的视频。实践中，上述执行主体可以确定警情事件发生点周围位置的、工作正常的视频源采集的视频，作为上述可用视频源信息集合。视频源可以是用于进行视频监控的视频录制源。
在一些实施例的一些可选的实现方式中，上述执行主体确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合，可以包括以下步骤：
第一步，确定上述当前地点对应的电子地图。
其中，当前地点可以是警情事件的发生地点。电子地图可以是以当前地点为中心的局部区域地图。电子地图包含至少一个视频录制源位置。
第二步，拉取上述目标视频录制源位置集合中的每个目标视频录制源位置对应的视频录制源录制的历史视频，作为可用视频源信息，得到上述可用视频源信息集合。
其中，目标视频录制源位置集合中的目标视频录制源位置是上述数据查阅对象从上述电子地图中选取的视频录制源位置。实践中，上述执行主体可以从监控视频缓存服务器拉取目标视频录制源位置对应的视频录制源录制的历史视频。监控视频缓存服务器是用于缓存不同视频源录制的监控视频的服务器。具体的，当监控区域较大时，所需要存储的监控视频的数据量较大，因此，上述监控视频缓存服务器可以采用分布式的存储架构。
步骤105，根据查阅特征信息和可用视频源信息集合进行视频片段定位，以生成视频定位信息。
在一些实施例中，上述执行主体可以根据查阅特征信息和可用视频源信息集合进行视频片段定位，以生成视频定位信息。视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与上述查阅特征信息对应的视频帧位置。具体的，子视频定位信息可以包括：视频源标识和视频帧位置序列。
作为示例，可用视频源信息集合可以包括：可用视频源信息A、可用视频源信息B和可用视频源信息C。可用视频源信息A对应的视频源标识可以是“001”。可用视频源信息B对应的视频源标识可以是“002”。可用视频源信息C对应的视频源标识可以是“003”。子视频定位信息可以是{视频源标识：“003”，视频帧位置序列：[300，301…420]}，表征可用视频源信息A对应的历史视频中的第300帧图像到第420帧图像中，出现了与查阅特征信息近似的内容。
在一些实施例的一些可选的实现方式中，上述执行主体根据上述查阅特征信息和上述可用视频源信息集合进行视频片段定位，以生成视频定位信息，可以包括以下步骤：
第一步，对上述文本型查阅特征信息进行描述信息提取，以生成第一描述信息集合。
其中，第一描述信息集合中的第一描述信息包括：描述词和描述词类型。
作为示例，第一描述信息集合可以包括：第一描述信息A、第一描述信息B和第一描述信息词C。其中，第一描述信息A可以是{描述词：“背包”，描述词类型：“物品类型”}。第一描述信息B可以是{描述词：“圆形”，描述词类型：“物品形状”}。第一描述信息C可以是{描述词：“红色”，描述词类型：“物品颜色”}。实践中，首先，上述执行主体可以对文本型查阅特征信息进行分词处理，得到词集合。然后，上述执行主体可以对词集合中的每个词进行词类型标注，得到词类型信息。接着，根据词类型信息对词集合中的词进行过滤，并将未过滤的词和对应的词类型信息，作为第一描述信息，得到上述第一描述信息集合。
第二步，对于上述第一描述信息集合中的每个第一描述信息，执行以下更新步骤：
第一子步骤，根据上述第一描述信息包括的描述词类型，对上述图像型查阅特征信息进行图特征提取，得到第二描述词。
实践中，上述执行主体可以将描述词类型作为分类类别，对上述图像型查阅特征信息进行图特征提取，得到第二描述词。具体的，上述执行主体可以采用卷积神经网络作为图特征提取模型。图特征提取模型包括分类层。分类层对应的分类类别根据第一描述信息包括的描述类型确定。例如，第一描述信息集合对应的分类类别包括：“物品类型”、“物品形状”和“物品颜色”。则，分类层对应的分类类别为“物品类型”、“物品形状”和“物品颜色”。
第二子步骤，根据上述第二描述词，对上述第一描述信息包括的第一描述词进行描述词更新，得到更新后描述词。
作为示例，当警情事件为物品丢失案件时，报警人所提供的文本型查阅特征信息可能存在描述不精准的情形。例如，丢失物品在图像型查阅特征信息中的物品颜色是红色为主色、黑色为辅色。而，文本型查阅特征信息中物品颜色可以是“红色”。因此，相应的更新后描述词可以是“红色、黑色”。
第三步，对于上述可用视频源信息集合中的每个可用视频源信息，执行以下定位步骤：
第一子步骤，根据上述第一描述信息集合中的第一描述信息包括的描述词类型，对上述可用视频源信息进行图像帧特征提取，得到图像帧信息集合。
其中，上述图像帧信息包括：可用视频源标识、视频帧标识和图像帧特征。图像帧特征为与描述词类型对应的局部图像区域的图像特征。实践中，对于可用视频源信息对应的视频中的每个视频帧，首先，上述执行主体可以对可用视频源信息对应的视频中的视频帧进行区域分割，得到至少一个分割区域。然后，上述执行主体可以确定至少一个分割区域中的每个分割区域的对应的描述类型。接着，上述执行主体可以将描述类型与描述词类型对应的视频帧的视频帧特征，作为图像帧信息包括的图像帧特征，并将描述类型与描述词类型对应的视频帧额度视频帧标识，确定为图像帧信息包括的视频帧标识，以及将包含描述类型与描述词类型对应的视频帧的视频源信息的视频源标识，确定为图像帧信息包括的可用视频源标识。
第二子步骤，根据上述图像帧信息集合和上述第一描述信息集合中的第一描述信息包括的更新后描述词，进行视频片段定位，得到上述子视频定位信息组中的子视频定位信息。
其中，上述执行主体可以根据第一描述信息包括的更新后描述词，对图像帧信息集合中的图像帧信息进行特征匹配，并根据相匹配的图像帧信息包括的可用视频源标识和视频帧标识，确定子视频定位信息。
上述第一步至第三步作为本公开的一个发明点，解决了背景技术提及的技术问题二，即“由于监控视频往往为不间断录制的视频，采用逐帧的人工定位方式，导致确认与警情事件相关视频片段的效率较差，侧面降低了警情事件的处理效率”。首先，结合多模态的特征信息(文本型查阅特征信息和图像型查阅特征信息)以此辅助进行视频帧定位，通过特征比较的方式，可以实现自动化的视频片段定位，大大减少了警情事件处理过程中，在监控视频查阅时所消耗的时间。其次，考虑到文本型查阅特征信息在描述上可能存在不精准的情形，因此，本公开结合第一描述信息包括的描述词类型，对图像型查阅特征信息进行图特征提取，得到第二描述词，并通过第二描述词对对应的第一描述词进行词更新。通过此种方式消除了文本型查阅特征信息在描述上可能存在描述不精准的问题。同时也避免了将多模态数据直接进行并行特征提取，所可能出现的针对相同描述词类型出现不同的描述词的问题。接着，上述执行主体结合描述词类型对可用视频源信息对应的视频进行图像帧初步筛选，得到图像帧信息集合。进一步，通过更新后描述词对图像帧信息集合进行二次筛选，得到子视频定位信息，以实现视频片段定位的目的。通过此种方式，实现了视频片段定位的自动化执行，大大减少了在警情时间处理过程中，进行警情事件相关视频片段确认时所消耗的时间，侧面提高了警情事件的处理效率。
步骤106，根据视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。
在一些实施例中，上述执行主体可以根据视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。其中，候选认定结果可以是针对查阅特征信息对应的警情事件的认定结果。实践中，上述执行主体可以基于推理模型、上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。其中，推理模型可以由12层Transformer结构构成。例如，推理模型可以是GPT模型。
可选地，上述方法还包括：
响应于接收目标认定结果，执行以下处理步骤：
第一步，分别对上述目标认定结果和上述候选认定结果进行分词处理，以生成第一词序列和第二词序列。
其中，目标认定结果可以是由数据查阅对象所认定的、针对查阅特征信息对应的警情事件的认定结果。
第二步，对于上述第一词序列中的每个第一词，根据上述第一词对应的词性信息、上述第一词对应的词义信息和上述目标认定结果对应的全局语义特征，对上述第一词进行词更新，得到第一更新后词。
其中，第一词对应的词性信息可以通过LSTM(Long short-term memory，长短时记忆)模型+CRF(Conditional Random Field，条件随机场)模型进行词性标注得到。第一词对应的词义信息可以是采用向量形式表征。具体的，上述执行主体可以通过词性标注过程中的LSTM模型生成的、待输入CRF模型的词向量作为第一词对应的词义信息。全局语义特征可以是针对目标认定结果的全局语义向量。其中，全局语义特征可以是由Seq2Seq模型提取得到。第一更新后词可以是对对应的第一词进行词扩充后的词。例如，目标认定结果可以是“A车辆变道行驶过程中，未观察两侧车辆，与在第二车道行驶的B车辆发生碰撞，A车辆主责”。例如，第一词可以是“变道行驶”，对应的第一更新后词可以是“变道行驶的”。通过此种方式可以对词进行词完整化，从而将表述不精准的文本转换为标准格式的文本。
第三步，对于上述第二词序列中的每个第二词，根据上述第二词对应的词性信息、上述第二词对应的词义信息和上述目标认定结果对应的全局语义特征，对上述第二词进行词更新，得到第二更新后词。
上述执行主体可以采用第二步中的方式，对第二次进行词更新，在此不再赘述。
第四步，对得到的第一更新后词序列中的每个第一更新后词进行词向量编码，以生成第一编码后词，得到第一编码后词序列。
第五步，对得到的第二更新后词序列中的每个第二更新后词进行词向量编码，以生成第二编码后词，得到第二编码后词序列。
其中，上述执行主体可以通过word2vec模型，对第一更新后词和第二更新后词进行词向量编码。
第六步，分别根据上述第一编码后词序列和上述第二编码后词序列，生成上述目标认定结果和上述候选认定结果对应的更新后语义特征，得到第一更新后语义特征和第二更新后语义特征。
其中，上述执行主体可以将第一编码后词序列和第二编码后词序列分别输入Seq2Seq模型，得到第一更新后语义特征和第二更新后语义特征。
第七步，确定上述第一更新后语义特征和第二更新后语义特征的语义相似度。
实践中，上述执行主体可以通过计算特征相似度的方式，确定语义相似度。
第八步，响应于确定上述语义相似度小于等于预设语义相似度，将上述候选认定结果、上述目标认定结果、上述视频定位信息和上述事件描述信息发送至裁决节点。
其中，裁决节点可以是根据上述候选认定结果、上述目标认定结果、上述视频定位信息和上述事件描述信息，对相应的警情事件进行重新裁决的节点。实践中，裁决节点可以对应有裁决终端，裁决人员可以根据裁决终端获取候选认定结果、上述目标认定结果、上述视频定位信息和上述事件描述信息，并将裁决认定结果发送至上述执行主体。
可选地，在上述响应于确定上述语义相似度小于等于预设语义相似度，将上述候选认定结果、上述目标认定结果、上述视频定位信息和上述事件描述信息发送至裁决节点之后，上述方法还包括：
第一步，响应于接收到上述裁决节点发送的裁决认定结果，根据上述裁决认定结果、上述视频定位信息和上述事件描述信息，生成第一归档信息。
其中，当警情事件处置完毕后，需要生成归档信息，因此，根据上述裁决认定结果、上述视频定位信息和上述事件描述信息，生成第一归档信息，以用于事件归档。具体的，上述执行主体可以按照预先设定的数据格式，将裁决认定结果、上述视频定位信息和上述事件描述信息进行信息组合，得到上述第一归档信息。
第二步，响应于确定上述语义相似度大于预设语义相似度，根据上述目标认定结果、上述视频定位信息和上述事件描述信息，生成第一归档信息。
其中，当目标认定结果和候选认定结果的语义相似度较小时，可以理解为数据查阅对象所出具的目标认定结果基本无误，因此，可以直接根据上述目标认定结果、上述视频定位信息和上述事件描述信息，生成第一归档信息，以用于事件归档。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的数据处理方法，提高了警情事件的处理效率。实践中，针对大部分警情事件，往往需要调取警情事件发生点附近的监控视频，以用于警情确认和追踪。而在进行监控视频调取时，尤其是调取非民用摄像头采集的监控视频时，往往需要前往视频监控中心等集中管理非民用摄像头采集的监控视频的地点。增加了警情事件的处理成本。基于此，本公开的一些实施例的数据处理方法，首先，对数据查阅对象进行身份验证，以生成身份验证信息。由于监控视频涉及公民隐私，在进行视频调取时，通过对数据查阅对象的身份进行验证，以确认数据查阅对象是否拥有相应的视频查阅权限。其次，响应于确定上述身份验证信息表征身份验证通过，进行运行环境自检。由于视频查阅端往往为移动设备，当设备被侵染时，可能会影响数据安全性。因此，在进行视频拉取、视频定位前，需要进行设备运行环境自检，以确保视频查阅端的终端安全性。接着，响应于运行环境自检通过，获取查阅特征信息，其中，上述查阅特征信息是由上述数据查阅对象输入的信息。实践中，针对警情事件，报警人往往会提供一些与警情时间相关的查阅特征。如，在人员走失的场景中，查阅特征信息可以是走失人员的外貌，衣着等特征。进一步，确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合。此外，根据上述查阅特征信息和上述可用视频源信息集合进行视频片段定位，以生成视频定位信息，其中，上述视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与上述查阅特征信息对应的视频帧位置。以此实现自动化的定位与查阅特征信息相关的警情事件的视频片段。最后，根据上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。以辅助警务人员进行警情事件的事件认定。通过此种方式，提高了警情事件的处理效率。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种数据处理装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该数据处理装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的数据处理装置200包括：身份验证单元201、运行环境自检单元202、获取单元203、确定单元204、视频片段定位单元205和生成单元206。其中，身份验证单元201，被配置成对数据查阅对象进行身份验证，以生成身份验证信息；运行环境自检单元202，被配置成响应于确定上述身份验证信息表征身份验证通过，进行运行环境自检；获取单元203，被配置成响应于运行环境自检通过，获取查阅特征信息，其中，上述查阅特征信息是由上述数据查阅对象输入的信息；确定单元204，被配置成确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合；视频片段定位单元205，被配置成根据上述查阅特征信息和上述可用视频源信息集合进行视频片段定位，以生成视频定位信息，其中，上述视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与上述查阅特征信息对应的视频帧位置；生成单元206，被配置成根据上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。
可以理解的是，该数据处理装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于数据处理装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如，计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从只读存储器302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对数据查阅对象进行身份验证，以生成身份验证信息；响应于确定上述身份验证信息表征身份验证通过，进行运行环境自检；响应于运行环境自检通过，获取查阅特征信息，其中，上述查阅特征信息是由上述数据查阅对象输入的信息；确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合；根据上述查阅特征信息和上述可用视频源信息集合进行视频片段定位，以生成视频定位信息，其中，上述视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与上述查阅特征信息对应的视频帧位置；根据上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括身份验证单元、运行环境自检单元、获取单元、确定单元、视频片段定位单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，生成单元还可以被描述为“根据上述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种数据处理方法，其应用于移动警务终端，包括：
对数据查阅对象进行身份验证，以生成身份验证信息；
响应于确定所述身份验证信息表征身份验证通过，进行运行环境自检；
响应于运行环境自检通过，获取查阅特征信息，其中，所述查阅特征信息是由所述数据查阅对象输入的信息；
确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合；
根据所述查阅特征信息和所述可用视频源信息集合进行视频片段定位，以生成视频定位信息，其中，所述视频定位信息包括：子视频定位信息组，子视频定位信息表征可用视频源中与所述查阅特征信息对应的视频帧位置；
根据所述视频定位信息包括的子视频定位信息组和事件描述信息，生成候选认定结果；
响应于接收目标认定结果，其中，所述目标认定结果是由数据查阅对象所认定的、针对查阅特征信息对应的警情事件的认定结果，执行以下处理步骤：
分别对所述目标认定结果和所述候选认定结果进行分词处理，以生成第一词序列和第二词序列；
对于所述第一词序列中的每个第一词，根据所述第一词对应的词性信息、所述第一词对应的词义信息和所述目标认定结果对应的全局语义特征，对所述第一词进行词更新，得到第一更新后词；
对于所述第二词序列中的每个第二词，根据所述第二词对应的词性信息、所述第二词对应的词义信息和所述目标认定结果对应的全局语义特征，对所述第二词进行词更新，得到第二更新后词；
对得到的第一更新后词序列中的每个第一更新后词进行词向量编码，以生成第一编码后词，得到第一编码后词序列；
对得到的第二更新后词序列中的每个第二更新后词进行词向量编码，以生成第二编码后词，得到第二编码后词序列；
分别根据所述第一编码后词序列和所述第二编码后词序列，生成所述目标认定结果和所述候选认定结果对应的更新后语义特征，得到第一更新后语义特征和第二更新后语义特征；
确定所述第一更新后语义特征和第二更新后语义特征的语义相似度；
响应于确定所述语义相似度小于等于预设语义相似度，将所述候选认定结果、所述目标认定结果、所述视频定位信息和所述事件描述信息发送至裁决节点。
2.根据权利要求1所述的方法，其中，在所述响应于确定所述语义相似度小于等于预设语义相似度，将所述候选认定结果、所述目标认定结果、所述视频定位信息和所述事件描述信息发送至裁决节点之后，所述方法还包括：
响应于接收到所述裁决节点发送的裁决认定结果，根据所述裁决认定结果、所述视频定位信息和所述事件描述信息，生成第一归档信息；
响应于确定所述语义相似度大于预设语义相似度，根据所述目标认定结果、所述视频定位信息和所述事件描述信息，生成第一归档信息。
3.根据权利要求2所述的方法，其中，所述对数据查阅对象进行身份验证，以生成身份验证信息，包括：
获取所述数据查阅对象对应的人脸图像序列；
根据所述人脸图像序列进行活体对象检测，得到对象识别信息，其中，所述对象识别信息包括：活体对象检测标识和人脸特征向量；
响应于确定所述活体对象检测标识表征所述数据查阅对象为活体，根据所述人脸特征向量，确定所述数据查阅对象对应的身份信息，其中，所述身份信息包括：绑定终端标识、对象标识和查阅权限信息；
读取终端信息，其中，所述终端信息包括：终端标识和可使用对象标识；
响应于确定所述身份信息和所述终端信息满足验证条件组中的各个验证条件，生成表征身份验证通过的身份验证信息，其中，所述验证条件组包括：第一验证条件、第二验证条件和第三验证条件，其中，第一验证条件为：所述绑定终端标识和所述终端标识匹配，所述第二验证条件为：所述对象标识和所述可使用对象标识匹配，所述第三验证条件为：查阅权限信息表征运行对可用视频源信息进行查阅。
4.根据权利要求3所述的方法，其中，所述响应于确定所述身份验证信息表征身份验证通过，进行运行环境自检，包括：
对当前自检脚本进行脚本自检，以生成脚本自检结果；
响应于确定所述脚本自检结果表征程序损坏，向脚本更新服务器发送脚本更新请求；
响应于接收到所述脚本更新服务器发送的脚本段，根据所述脚本段，对所述当前自检脚本进行脚本修复，以生成修复后自检脚本；
响应于确定所述脚本自检结果表征脚本未损坏，向病毒样本服务器发送病毒样本库更新请求；
响应于接收到所述病毒样本服务器发送的目标病毒样本特征库，根据所述目标病毒样本特征库对当前病毒样本特征库进行更新；
执行所述修复后自检脚本，以根据所述目标病毒样本特征库进行病毒自检。
5.根据权利要求4所述的方法，其中，所述确定当前地点对应的可用视频源，以生成可用视频源信息，得到可用视频源信息集合，包括：
确定所述当前地点对应的电子地图，其中，所述电子地图包含至少一个视频录制源位置；
拉取所述目标视频录制源位置集合中的每个目标视频录制源位置对应的视频录制源录制的历史视频，作为可用视频源信息，得到所述可用视频源信息集合，其中，所述目标视频录制源位置集合中的目标视频录制源位置是所述数据查阅对象从所述电子地图中选取的视频录制源位置。
6.根据权利要求5所述的方法，其中，所述查阅特征信息包括：文本型查阅特征信息和图像型查阅特征信息；以及
所述根据所述查阅特征信息和所述可用视频源信息集合进行视频片段定位，以生成视频定位信息，包括：
对所述文本型查阅特征信息进行描述信息提取，以生成第一描述信息集合，其中，所述第一描述信息集合中的第一描述信息包括：描述词和描述词类型；
对于所述第一描述信息集合中的每个第一描述信息，执行以下更新步骤：
根据所述第一描述信息包括的描述词类型，对所述图像型查阅特征信息进行图特征提取，得到第二描述词；
根据所述第二描述词，对所述第一描述信息包括的第一描述词进行描述词更新，得到更新后描述词；
对于所述可用视频源信息集合中的每个可用视频源信息，执行以下定位步骤：
根据所述第一描述信息集合中的第一描述信息包括的描述词类型，对所述可用视频源信息进行图像帧特征提取，得到图像帧信息集合，其中，所述图像帧信息包括：可用视频源标识、视频帧标识和图像帧特征；
根据所述图像帧信息集合和所述第一描述信息集合中的第一描述信息包括的更新后描述词，进行视频片段定位，得到所述子视频定位信息组中的子视频定位信息。
7.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311149140.0A CN117392596B (zh) | 2023-09-07 | 2023-09-07 | 数据处理方法、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311149140.0A CN117392596B (zh) | 2023-09-07 | 2023-09-07 | 数据处理方法、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117392596A CN117392596A (zh) | 2024-01-12 |
| CN117392596B true CN117392596B (zh) | 2024-04-30 |
Family
ID=89465614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311149140.0A Active CN117392596B (zh) | 2023-09-07 | 2023-09-07 | 数据处理方法、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117392596B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101764998A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 网络视频监控系统中报警联动的方法及网络视频监控系统 |
| CN105933650A (zh) * | 2016-04-25 | 2016-09-07 | 北京旷视科技有限公司 | 视频监控系统及方法 |
| CN109710660A (zh) * | 2018-12-18 | 2019-05-03 | 武汉烽火众智数字技术有限责任公司 | 一种景区数据管理系统及方法 |
| CN109934191A (zh) * | 2019-03-20 | 2019-06-25 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
| CN109977839A (zh) * | 2019-03-20 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
| WO2020151084A1 (zh) * | 2019-01-24 | 2020-07-30 | 北京明略软件系统有限公司 | 目标对象的监控方法、装置及系统 |
| CN111898416A (zh) * | 2020-06-17 | 2020-11-06 | 绍兴埃瓦科技有限公司 | 视频流处理方法、装置、计算机设备和存储介质 |
| CN113347395A (zh) * | 2021-06-17 | 2021-09-03 | 合肥智圣新创信息技术有限公司 | 一种基于人工智能技术的校园安防装置 |
| WO2022083345A1 (zh) * | 2020-10-20 | 2022-04-28 | 华为技术有限公司 | 一种用于检测视频监控设备的方法和电子设备 |
| CN114999099A (zh) * | 2022-07-18 | 2022-09-02 | 中国地质大学（武汉） | 基于大数据的协同预警方法、装置、设备及存储介质 |
| CN115168827A (zh) * | 2022-08-19 | 2022-10-11 | 中关村科学城城市大脑股份有限公司 | 包含身份信息的二维码生成方法和二维码读取方法 |
| CN116132630A (zh) * | 2023-01-09 | 2023-05-16 | 视联动力信息技术股份有限公司 | 一种视频处理方法、装置、设备及存储介质 |
| CN116664849A (zh) * | 2023-05-18 | 2023-08-29 | 中关村科学城城市大脑股份有限公司 | 数据处理方法、装置、电子设备和计算机可读介质 |
-
2023
- 2023-09-07 CN CN202311149140.0A patent/CN117392596B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101764998A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 网络视频监控系统中报警联动的方法及网络视频监控系统 |
| CN105933650A (zh) * | 2016-04-25 | 2016-09-07 | 北京旷视科技有限公司 | 视频监控系统及方法 |
| CN109710660A (zh) * | 2018-12-18 | 2019-05-03 | 武汉烽火众智数字技术有限责任公司 | 一种景区数据管理系统及方法 |
| WO2020151084A1 (zh) * | 2019-01-24 | 2020-07-30 | 北京明略软件系统有限公司 | 目标对象的监控方法、装置及系统 |
| CN109934191A (zh) * | 2019-03-20 | 2019-06-25 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
| CN109977839A (zh) * | 2019-03-20 | 2019-07-05 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
| CN111898416A (zh) * | 2020-06-17 | 2020-11-06 | 绍兴埃瓦科技有限公司 | 视频流处理方法、装置、计算机设备和存储介质 |
| WO2022083345A1 (zh) * | 2020-10-20 | 2022-04-28 | 华为技术有限公司 | 一种用于检测视频监控设备的方法和电子设备 |
| CN113347395A (zh) * | 2021-06-17 | 2021-09-03 | 合肥智圣新创信息技术有限公司 | 一种基于人工智能技术的校园安防装置 |
| CN114999099A (zh) * | 2022-07-18 | 2022-09-02 | 中国地质大学（武汉） | 基于大数据的协同预警方法、装置、设备及存储介质 |
| CN115168827A (zh) * | 2022-08-19 | 2022-10-11 | 中关村科学城城市大脑股份有限公司 | 包含身份信息的二维码生成方法和二维码读取方法 |
| CN116132630A (zh) * | 2023-01-09 | 2023-05-16 | 视联动力信息技术股份有限公司 | 一种视频处理方法、装置、设备及存储介质 |
| CN116664849A (zh) * | 2023-05-18 | 2023-08-29 | 中关村科学城城市大脑股份有限公司 | 数据处理方法、装置、电子设备和计算机可读介质 |
Non-Patent Citations (3)
| Title |
|---|
| A. Saleem ; Y. Xin ; RadiSys ; G. Sharratt ; Consultant ; .Media Server Markup Language (MSML).IETF rfc5707.2010,全文. * |
| B. Rosen ; .Interoperability Profile for Relay User Equipment draft-ietf-rum-rue-03.IETF .2020,全文. * |
| 视频故事单元语义相似度算法研究;罗娜;魏维;;成都信息工程学院学报;20130615(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117392596A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108427939B (zh) | 模型生成方法和装置 | |
| CN111581291B (zh) | 数据处理方法、装置、电子设备及可读介质 | |
| EP3637310A1 (en) | Method and apparatus for generating vehicle damage information | |
| CN115240157B (zh) | 道路场景数据持久化方法、装置、设备和计算机可读介质 | |
| CN108470179B (zh) | 用于检测对象的方法和装置 | |
| CN116932919B (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
| CN112200173B (zh) | 多网络模型训练方法、图像标注方法和人脸图像识别方法 | |
| CN115690765B (zh) | 车牌识别方法、装置、电子设备、可读介质和程序产品 | |
| CN113033707B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
| CN116760638B (zh) | 信息处理方法、系统、电子设备及存储介质 | |
| CN116664849B (zh) | 数据处理方法、装置、电子设备和计算机可读介质 | |
| CN117392596B (zh) | 数据处理方法、电子设备和计算机可读介质 | |
| CN112132120B (zh) | 用于视频结构化的方法及装置 | |
| CN116343905B (zh) | 蛋白质特征的预处理方法、装置、介质及设备 | |
| CN113469159B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
| CN117478434B (zh) | 边缘节点网络流量数据处理方法、装置、设备及介质 | |
| CN117496571B (zh) | 一种基于人脸识别的人员数据存储方法、设备及介质 | |
| CN112560694B (zh) | 数据分析方法、装置、电子设备及存储介质 | |
| CN117544814B (zh) | 基于执法记录仪的数据处理方法、装置、设备和可读介质 | |
| CN112650528B (zh) | 个性化算法生成方法、装置、电子设备和计算机可读介质 | |
| CN117635403B (zh) | 异常订单告警方法、装置、电子设备和计算机可读介质 | |
| CN110969189B (zh) | 人脸检测方法、装置及电子设备 | |
| CN114743300A (zh) | 基于行为大数据模型的门禁访问控制方法及系统 | |
| CN116959134A (zh) | 打卡方法、装置、电子设备和计算机可读介质 | |
| CN118114308A (zh) | 电子凭证存储方法、系统、电子设备和计算机可读介质 |
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 |