CN110659384B - 视频结构化分析方法及装置 - Google Patents
视频结构化分析方法及装置 Download PDFInfo
- Publication number
- CN110659384B CN110659384B CN201810609988.XA CN201810609988A CN110659384B CN 110659384 B CN110659384 B CN 110659384B CN 201810609988 A CN201810609988 A CN 201810609988A CN 110659384 B CN110659384 B CN 110659384B
- Authority
- CN
- China
- Prior art keywords
- video
- detected
- video frame
- target
- frame
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种视频结构化分析方法及装置，应用于视频分析技术领域，该视频结构化分析方法包括：获取待分析的视频数据；针对视频数据中的待检测视频帧，通过预设算法，确定待检测视频帧中是否包含被关注的目标主体；若待检测视频帧中包含目标主体，对待检测视频帧进行视频结构化分析。通过上述视频结构化分析方法，对包含目标主体的待检测视频帧进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
Description
技术领域
本发明涉及视频分析技术领域，特别是涉及视频结构化分析方法及装置。
背景技术
视频数据作为物联网视觉感知的重要来源，在公共安全领域发挥着越来越重要的作用。视频结构化分析是针对非结构化视频数据的深入应用，使得视频数据成为可感知，可描述的智能型数据，应用领域极为广泛。针对公共安全来说，视频结构化分析几乎渗透到公共安全的方方面面，通过对公共场所各监控拍摄的视频数据进行视频结构化分析，提取相应的数据。
在相关的视频结构化分析方法中，通常的做法是逐帧分析待分析视频中的各视频帧，从而完成对待分析视频的视频结构化分析。现有的这种视频分析方法需要花费大量的时间，视频结构化分析的效率低。
发明内容
本发明实施例的目的在于提供一种视频结构化分析方法及装置，以实现增加视频结构化分析的效率。具体技术方案如下：
第一方面，本发明实施例提供了一种视频结构化分析方法，所述方法包括：
获取待分析的视频数据；
针对所述视频数据中的待检测视频帧，通过预设算法，确定所述待检测视频帧中是否包含被关注的目标主体；
若所述待检测视频帧中包含所述目标主体，对所述待检测视频帧进行视频结构化分析。
可选的，所述针对所述视频数据中的待检测视频帧，通过预设算法，确定所述待检测视频帧中是否包含被关注的目标主体，包括：
根据预设的待检测视频帧选取规则，确定所述视频数据的当前待检测视频帧；
通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体；
在所述若所述待检测视频帧中包含所述目标主体，对所述待检测视频帧进行视频结构化分析之后，所述方法还包括：
若所述当前待检测视频帧中包含所述目标主体，则开启或保持对所述视频数据中从所述当前待检测视频帧到下一待检测视频帧之间的各视频帧的视频结构化分析。
可选的，在所述通过所述预设算法，检测所述当前待检测视频帧中是否包含所述目标主体之后，所述方法还包括：
若所述当前待检测视频帧中不包含所述目标主体，则关闭或不开启对所述视频数据中当前视频段的视频结构化分析，其中，所述当前视频段包括所述当前待检测视频帧，及从所述当前待检测视频帧到所述下一待检测视频帧之间的各视频帧。
可选的，所述通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体，包括：
通过预设的背景建模方法，提取所述当前待检测视频帧的前景信息；
若所述前景信息符合预设前景规则，则判定所述当前待检测视频帧中包含所述目标主体；
若所述前景信息不符合所述预设前景规则，则判定所述当前待检测视频帧中不包含所述目标主体。
可选的，所述通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体，包括：
通过预设的目标检测方法，检测所述视频数据的当前待检测视频帧中是否包含所述目标主体。
第二方面，本发明实施例提供了一种视频结构化分析方法，所述方法包括：
获取待分析的视频数据，按照预设的拆分规则，将所述视频数据拆分为多个视频段；
通过预设的视频帧选取规则，分别选取每个所述视频段中的待检测视频帧；
通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体；
将包含所述目标主体的待检测视频帧所在的视频段，作为目标视频段；
对各所述目标视频段进行视频结构化分析。
可选的，所述通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体，包括：
针对每帧所述待检测视频帧，通过预设的背景建模方法，提取该待检测视频帧的前景信息；
若所述前景信息符合预设前景规则，则判定该待检测视频帧中包含所述目标主体；
若所述前景信息不符合所述预设前景规则，则判定该待检测视频帧中不包含所述目标主体。
可选的，所述通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体，包括：
通过预设的目标检测方法，分别检测各所述待检测视频帧中是否包含被关注的目标主体。
第三方面，本发明实施例提供了一种视频结构化分析装置，所述装置包括：
视频数据获取模块，用于获取待分析的视频数据；
目标主体判定模块，用于针对所述视频数据中的待检测视频帧，通过预设算法，确定所述待检测视频帧中是否包含被关注的目标主体；
第一结构分析模块，用于若所述待检测视频帧中包含所述目标主体，对所述待检测视频帧进行视频结构化分析。
可选的，所述目标主体判定模块，包括：
视频帧确定子模块，用于根据预设的待检测视频帧选取规则，确定所述视频数据的当前待检测视频帧；
视频帧检测子模块，用于通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体；
所述装置还包括：
第二结构分析模块，用于若所述当前待检测视频帧中包含所述目标主体，则开启或保持对所述视频数据中从所述当前待检测视频帧到下一待检测视频帧之间的各视频帧的视频结构化分析。
可选的，本发明实施例的视频结构化分析装置还包括：
分析关闭模块，用于若所述当前待检测视频帧中不包含所述目标主体，则关闭或不开启对所述视频数据中当前视频段的视频结构化分析，其中，所述当前视频段包括所述当前待检测视频帧，及从所述当前待检测视频帧到所述下一待检测视频帧之间的各视频帧。
可选的，所述视频帧检测子模块，包括：
前景信息提取单元，用于通过预设的背景建模方法，提取所述当前待检测视频帧的前景信息；
第一判定单元，用于若所述前景信息符合预设前景规则，则判定所述当前待检测视频帧中包含所述目标主体；
第二判定单元，用于若所述前景信息不符合所述预设前景规则，则判定所述当前待检测视频帧中不包含所述目标主体。
可选的，所述视频帧检测子模块，具体用于：
通过预设的目标检测方法，检测所述视频数据的当前待检测视频帧中是否包含所述目标主体。
第四方面，本发明实施例提供了一种视频结构化分析装置，所述装置包括：
视频段拆分模块，用于获取待分析的视频数据，按照预设的拆分规则，将所述视频数据拆分为多个视频段；
视频帧选取模块，用于通过预设的视频帧选取规则，分别选取每个所述视频段中的待检测视频帧；
目标主体检测模块，用于通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体；
目标视频段确定模块，用于将包含所述目标主体的待检测视频帧所在的视频段，作为目标视频段；
第三结构分析模块，用于对各所述目标视频段进行视频结构化分析。
可选的，所述目标主体检测模块，包括：
前景信息提取子模块，用于针对每帧所述待检测视频帧，通过预设的背景建模方法，提取该待检测视频帧的前景信息；
第一判定子模块，用于若所述前景信息符合预设前景规则，则判定该待检测视频帧中包含所述目标主体；
第二判定子模块，用于若所述前景信息不符合所述预设前景规则，则判定该待检测视频帧中不包含所述目标主体。
可选的，所述目标主体检测模块，具体用于：
通过预设的目标检测方法，分别检测各所述待检测视频帧中是否包含被关注的目标主体。
第五方面，本发明实施例提供了一种电子设备，包括处理器及存储器，所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面任一所述的视频结构化分析方法或上述第二方面任一所述的视频结构化分析方法。
第六方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的视频结构化分析方法或上述第二方面任一所述的视频结构化分析方法。
本发明实施例提供的视频结构化分析方法及装置，获取待分析的视频数据；针对视频数据中的待检测视频帧，通过预设算法，确定待检测视频帧中是否包含被关注的目标主体；若待检测视频帧中包含目标主体，对待检测视频帧进行视频结构化分析。对包含目标主体的待检测视频帧进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
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，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为本发明实施例的视频结构化分析方法的第一种流程示意图；
图2为本发明实施例的视频数据中视频帧的示意图；
图3为本发明实施例的视频结构化分析方法的第二种流程示意图；
图4为本发明实施例的视频结构化分析方法的第三种流程示意图；
图5为本发明实施例的视频结构化分析装置的第一种示意图；
图6为本发明实施例的视频结构化分析装置的第二种示意图；
图7为本发明实施例的视频结构化分析模块的工作流程示意图；
图8为本发明实施例的视频结构化分析装置的第三种示意图；
图9为本发明实施例的电子设备的一种示意图。
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，本领域普通技术人员在没有做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。
视频结构化是一种视频内容信息提取的技术，它对视频内容按照语义关系，采用时空分割、特征提取、对象识别等处理手段，组织成可供计算机和人理解的文本信息。现有技术中，逐帧对待分析视频中的各视频帧进行视频结构化分析，视频结构化分析的效率低。
有鉴于此本发明实施例提供了一种视频结构化分析方法，参见图1，该方法包括：
S101，获取待分析的视频数据。
本发明实施例中的视频结构化分析方法可以通过快速分析***实现，快速分析***为任意能够实现本发明实施例的视频结构化分析方法的***。例如：
快速分析***可以为一种设备，包括：处理器、存储器、通信接口和总线；处理器、存储器和通信接口通过总线连接并完成相互间的通信；存储器存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行本发明实施例的视频结构化分析方法。
快速分析***还可以为一种应用程序，用于在运行时执行本发明实施例的视频结构化分析方法。
快速分析***还可以为一种存储介质，用于存储可执行代码，可执行代码用于执行本发明实施例的视频结构化分析方法。
快速分析***获取待分析的视频数据，可以为读取数据库中待分析的视频数据，以实现对历史视频数据的视频结构化分析。快速分析***获取待分析的视频数据，还可以为实时接收由摄像头等视频采集设备发送的视频数据，以实现对实时采集的视频数据的视频结构化分析。能够适用多种应用场景，从而满足多种用户需求。
S102，针对上述视频数据中的待检测视频帧，通过预设算法，确定上述待检测视频帧中是否包含被关注的目标主体。
目标主体为用户关注并希望获取相关数据的目标，例如道路上的车辆、电梯中的乘客、景区中的游客或保护区中的动物等。预设算法为任意能够识别视频帧中是否包含目标主体的方法，例如背景建模方法或目标检测方法等。快速分析***通过预设算法，检测待检测视频帧中是否包含目标主体。
S103，若上述待检测视频帧中包含上述目标主体，对上述待检测视频帧进行视频结构化分析。
快速分析***对包含目标主体的待检测视频帧进行视频结构化分析，对于不包含目标主体的待检测视频帧，不进行视频结构化分析。
对视频数据的视频帧进行视频结构化分析包括：提取视频的背景图，提取运动目标每帧的目标图像和掩码图，及生成视频结构化目标描述文件。其中，视频结构化目标描述文件可以包括：目标轨迹信息、目标属性信息和事件信息，目标轨迹信息可以包含每个目标轨迹的ID号、轨迹点数量、每个轨迹点的帧序号、时间信息、空间信息以及其它与之产生过交叠的轨迹ID号等，目标属性信息可以包括目标的所有属性信息，例如目标出现时间、目标运动速度、目标运动方向、车牌号、车型、车辆品牌、车辆颜色、人的着装颜色、年龄、身高、是否佩戴眼镜、是否背包拎包等信息。
在本发明实施例中，对包含目标主体的待检测视频帧进行视频结构化分析，对于不包含目标主体的待检测视频帧，不进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
可选的，上述针对上述视频数据中的待检测视频帧，通过预设算法，确定上述待检测视频帧中是否包含被关注的目标主体，包括：
根据预设的待检测视频帧选取规则，确定上述视频数据的当前待检测视频帧。
预设的待检测视频帧选取规则为任意的视频帧选取规则，例如，按照时序顺序，每隔N(N为非负整数)帧视频帧选取一帧视频帧作为待检测视频帧。
可选的，预设选取规则为：按照时序顺序，分别选取视频数据中的每帧视频帧作为待检测的视频帧。将视频数据中的每帧视频帧均作为待检测视频帧，可以在不丢失目标主体的情况下，加快对视频数据进行视频结构化分析的速度。
通过预设算法，检测上述当前待检测视频帧中是否包含上述目标主体。
快速分析***通过预设算法，例如背景建模方法或目标检测方法等，检测当前待检测视频帧中是否包含目标主体。
相应的，在上述若上述待检测视频帧中包含上述目标主体，对上述待检测视频帧进行视频结构化分析之后，上述方法还包括：
若上述当前待检测视频帧中包含上述目标主体，则开启或保持对上述视频数据中从上述当前待检测视频帧到下一待检测视频帧之间的各视频帧的视频结构化分析。
为了加快视频结构化分析的速度，目标主体的检测与视频结构化分析可以同时进行。在检测到当前待检测视频帧中包含目标主体时，按照时序，开启或保持对视频数据中相应的视频段的视频结构化分析。例如，按照时序，在当前待检测视频帧为第一帧待检测视频帧，或当前待检测视频帧的上一待检测视频帧不包含目标主体时，则开启对视频数据的视频结构化分析；在当前待检测视频帧的上一待检测视频帧包含目标主体时，则保持对视频数据的视频结构化分析。
视频数据中相应的视频段包括从当前待检测视频帧到下一待检测视频帧之间的所有视频帧，例如图2所示，当前待检测视频帧为第L帧视频帧，下一待检测视频帧为第S帧视频帧，则视频数据中相应的视频段中视频帧的集合可以表示为[L+1，S-1]。因为快速分析***还会对包含目标主体的待检测视频帧进行视频结构化分析，因此在当前待检测视频帧即第L帧视频帧包含目标主体时，需要进行视频结构化分析的视频帧集合可以表示为[L，S-1]。
当前待检测视频帧的下一待检测视频帧，同样是根据预设的待检测视频帧选取规则选取的。例如，在预设选取规则为按照时序顺序，每隔N帧视频帧选取一帧视频帧作为待检测视频帧时，若当前待检测视频帧为第K帧视频帧，则当前待检测视频帧的下一待检测视频帧为第K+N+1帧视频帧；相应的，若当前待检测视频帧为第K帧视频帧，则当前待检测视频帧的上一待检测视频帧为第K-N-1帧视频帧。
在本发明实施例中，能够在检测待检测视频帧中是否包含目标主体的同时，对相应的视频段进行视频结构化分析，能够进一步增加视频结构化分析的速度。
可选的，在上述通过上述预设算法，检测上述当前待检测视频帧中是否包含上述目标主体之后，上述方法还包括：
若上述当前待检测视频帧中不包含上述目标主体，则关闭或不开启对上述视频数据中当前视频段的视频结构化分析，其中，上述当前视频段包括上述当前待检测视频帧，及从上述当前待检测视频帧到上述下一待检测视频帧之间的各视频帧。
例如，在当前待检测视频帧的上一待检测视频帧不包含目标主体时，不开启对视频数据中相应的视频段的视频结构化分析；或在当前待检测视频帧的上一待检测视频帧包含目标主体时，关闭对视频数据中相应的视频段的视频结构化分析。
在本发明实施例中，能够在检测待检测视频帧中是否包含目标主体的同时，对相应的目标视频段进行视频结构化分析，能够进一步增加视频结构化分析的速度。
可选的，上述通过预设算法，检测上述当前待检测视频帧中是否包含上述目标主体，包括：
步骤一，通过预设的背景建模方法，提取上述当前待检测视频帧的前景信息。
预设的背景建模方法为任意的背景建模方法，例如，颜色背景模型方法、平均背景模型方法、高斯背景模型方法或CodeBook背景模型方法等。
步骤二，若上述前景信息符合预设前景规则，则判定上述当前待检测视频帧中包含上述目标主体。
预设前景规则为任意判定是否包含目标主体的规则，例如前景信息中包含稳定的前景块(例如前景块的形状或大小符合预设的标准时，即为稳定的前景块)，则判定当前待检测视频帧中包含目标主体。在实际应用环境中，例如，对于高速公路上的摄像头采集的视频数据，通过预设的背景建模方法确定道路为背景，稳定的前景块即为行驶的车辆。
步骤三，若上述前景信息不符合上述预设前景规则，则判定上述当前待检测视频帧中不包含上述目标主体。
例如，前景信息中不包含稳定的前景块，则判定当前待检测视频帧中不包含目标主体。
在本发明实施例中，通过背景建模方法检测当前待检测视频帧中是否包含目标主体，采用背景建模方法目标主体检测速度快，从而增加了视频结构化分析的速度。
可选的，上述通过预设算法，检测上述当前待检测视频帧中是否包含上述目标主体，包括：
通过预设的目标检测方法，检测上述视频数据的当前待检测视频帧中是否包含上述目标主体。
通过预设的目标检测方法为任意检测目标主体的算法，例如，Boosting、RCNN(Regions Convolutional Neural Network)、FRCNN(Fast Region Convolutional NeuralNetwork)、FasterRCNN(Faster Region Convolutional Neural Network)、SSD(SingleShot MultiBox Detector)等。
例如，目标主体为行人，根据预设的目标检测方法检测当前待检测视频帧中是否包含行人，若包含行人即包含目标主体，若不包含行人则不包含目标主体。
在本发明实施例中，通过目标检测方法检测当前待检测视频帧中是否包含目标主体，目标主体的检测准确，减少了将不包含目标主体的视频帧判定为包含目标主体的情况，从而增加了视频结构化分析的速度。
可选的，上述针对上述视频数据中的待检测视频帧，通过预设算法，确定上述待检测视频帧中是否包含被关注的目标主体，包括：
步骤一，按照预设的拆分规则，将上述视频数据拆分为多个视频段。
通过预设的划分方法将视频数据划分为多个视频段，例如，按照时序顺序，从视频数据的第一帧视频帧开始，每N+1帧视频帧划分为一个目标视频段。
步骤二，通过预设的视频帧选取规则，分别选取每个上述视频段中的待检测视频帧。
预设的视频帧选取规则为任意在视频段中选取待检测视频帧的规则，例如选取各视频段的第一帧视频帧作为待检测视频帧，或分别在每个视频段中随机选取M(M为正整数，且M不大于N+1)帧视频帧作为待检测视频帧。
步骤三，通过上述预设算法，分别判断每帧上述待检测视频帧中是否包含上述目标主体。
相应的，本发明实施例的视频结构化分析方法还包括：
将包含上述目标主体的待检测视频帧所在的视频段，作为目标视频段；
对各上述目标视频段进行视频结构化分析。
目标视频段可以为一帧视频帧，也可以为多帧视频帧的集合。对目标视频段进行视频结构化分析，不对视频数据中除目标视频段外的其他视频段进行视频结构化分析。
可选的，在本发明实施例中可以将上述视频数据的每帧视频帧均拆分为一个视频段。即分别检测视频数据每帧视频帧中是否包含目标主体，将所有包含目标主体的视频帧提取出来，进行视频结构化分析。可以在不丢失目标主体的情况下，加快对视频数据进行视频结构化分析的速度。
在实际计算过程中，检测视频帧中是否包含目标主体的速度，比对视频帧进行视频结构化分析的速度快的多，采用本发明实施例中的方法，仅对目标视频段进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
图3为本发明实施例的另一种视频结构化分析方法，该方法包括：
S301，获取待检测的视频数据；
S302，根据预设选取规则，选取上述视频数据的当前待检测视频帧；
预设选取规则为任意的视频帧选取规则，例如，按照时序顺序，每隔N(N为非负整数)帧视频帧选取一帧视频帧作为待检测视频帧。
S303，通过预设算法，检测上述视频数据的当前待检测视频帧中是否包含上述目标主体，若当前待检测视频帧中包含目标主体，则执行S304；若当前待检测视频帧中不包含目标主体，则执行S302。
预设算法为任意能够识别视频帧中是否包含目标主体的方法，例如背景建模方法或目标检测方法等。
因为已经对当前待检测视频帧进行了是否包含目标主体的检测，因此在当前待检测视频帧中不包含目标主体，返回执行S302时，选取的视频帧为已检测的当前待检测视频帧的下一帧待检测视频帧。例如，当前待检测视频帧为第i(i为正整数)帧待检测视频帧，在当前待检测视频帧中不包含目标主体时，返回执行S302时选取的为第i+1帧待检测视频帧。
S304，对上述视频数据中相应的视频段进行视频结构化分析，并输出结构化数据，其中，上述视频数据中相应的视频段包括上述当前待检测视频帧，及从上述当前待检测视频帧到下一待检测视频帧之间的各视频帧。
在本发明实施例中，仅对包含目标主体的视频段进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
在本发明的又一实施例中，提供了一种视频结构化分析方法，参见图4，上述方法包括：
S401，获取待分析的视频数据，按照预设的拆分规则，将上述视频数据拆分为多个视频段。
本发明实施例中的视频结构化分析方法可以通过快速分析***实现，快速分析***为任意能够实现本发明实施例的视频结构化分析方法的***。例如：
快速分析***可以为一种设备，包括：处理器、存储器、通信接口和总线；处理器、存储器和通信接口通过总线连接并完成相互间的通信；存储器存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行本发明实施例的视频结构化分析方法。
快速分析***还可以为一种应用程序，用于在运行时执行本发明实施例的视频结构化分析方法。
快速分析***还可以为一种存储介质，用于存储可执行代码，可执行代码用于执行本发明实施例的视频结构化分析方法。
预设的拆分规则为任意将视频数据拆分为视频段的规则，例如，按照时序顺序，从视频数据的第一帧视频帧开始，每N+1帧视频帧划分为一个目标视频段；或按照拍摄时间，与预设单位时间为划分单位，将每个单位内的视频帧划分为一个视频段等。每个视频段中可以包含多帧视频帧，也可以仅包含一帧视频帧，各视频段中的实际视频帧数量，根据预设的拆分规则确定。
可选的，在本发明实施例中可以将上述视频数据的每帧视频帧均拆分为一个视频段。即分别检测视频数据每帧视频帧中是否包含目标主体，将所有包含目标主体的视频帧提取出来，进行视频结构化分析。可以在不丢失目标主体的情况下，加快对视频数据进行视频结构化分析的速度。
S402，通过预设的视频帧选取规则，分别选取每个上述视频段中的待检测视频帧。
预设的视频帧选取规则为任意在视频段中选取待检测视频帧的规则，例如选取各视频段的第一帧视频帧作为待检测视频帧，或分别在每个视频段中随机选取M(M为正整数，且M不大于N+1)帧视频帧作为待检测视频帧。
S403，通过预设算法，分别判断各上述待检测视频帧中是否包含被关注的目标主体。
快速分析***通过背景建模方法和目标检测方法等，分别判断各待检测视频帧中是否包含目标主体。
S404，将包含上述目标主体的待检测视频帧所在的视频段，作为目标视频段。
快速分析***将包含目标主体的待检测视频帧所在的视频段，作为目标视频段。
S405，对各上述目标视频段进行视频结构化分析。
快速分析***对目标视频段进行视频结构化分析，不对视频数据中除目标视频段外的其他视频段进行视频结构化分析。
在实际计算过程中，检测视频帧中是否包含目标主体的速度，比对视频帧进行视频结构化分析的速度快的多，采用本发明实施例中的方法，仅对目标视频段进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
可选的，上述通过预设算法，分别判断各上述待检测视频帧中是否包含被关注的目标主体，包括：
步骤一，针对每帧上述待检测视频帧，通过预设的背景建模方法，提取该待检测视频帧的前景信息。
预设的背景建模方法为任意的背景建模方法，例如，颜色背景模型方法、平均背景模型方法、高斯背景模型方法或CodeBook背景模型方法等。
步骤二，若上述前景信息符合预设前景规则，则判定该待检测视频帧中包含上述目标主体。
预设前景规则为任意判定是否包含目标主体的规则，例如前景信息中包含稳定的前景块(例如前景块的形状或大小符合预设的标准时，即为稳定的前景块)，则判定当前待检测视频帧中包含目标主体。在实际应用环境中，例如，对于高速公路上的摄像头采集的视频数据，通过预设的背景建模方法确定道路为背景，稳定的前景块即为行驶的车辆。
步骤三，若上述前景信息不符合上述预设前景规则，则判定该待检测视频帧中不包含上述目标主体。
例如，前景信息中不包含稳定的前景块，则判定当前待检测视频帧中不包含目标主体。
在本发明实施例中，通过背景建模方法检测当前待检测视频帧中是否包含目标主体，采用背景建模方法目标主体检测速度快，从而增加了视频结构化分析的速度。
可选的，上述通过预设算法，分别判断各上述待检测视频帧中是否包含被关注的目标主体，包括：
通过预设的目标检测方法，分别检测各上述待检测视频帧中是否包含被关注的目标主体。
通过预设的目标检测方法为任意检测目标主体的算法，例如，Boosting、RCNN、FRCNN、FasterRCNN、SSD等。
例如，目标主体为行人，根据预设的目标检测方法检测当前待检测视频帧中是否包含行人，若包含行人即包含目标主体，若不包含行人则不包含目标主体。
在本发明实施例中，通过目标检测方法检测当前待检测视频帧中是否包含目标主体，目标主体的检测准确，减少了将不包含目标主体的视频帧判定为包含目标主体的情况，从而增加了视频结构化分析的速度。
本发明实施例还提供了一种视频结构化分析装置，如图5所示，包括：
视频数据获取模块501，用于获取待分析的视频数据；
目标主体判定模块502，用于针对上述视频数据中的待检测视频帧，通过预设算法，确定上述待检测视频帧中是否包含被关注的目标主体；
第一结构分析模块503，用于若上述待检测视频帧中包含上述目标主体，对上述待检测视频帧进行视频结构化分析。
在本发明实施例中，对包含目标主体的待检测视频帧进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
可选的，在本发明实施例的视频结构化分析装置中，上述目标主体判定模块502，包括：
视频帧确定子模块，用于根据预设的待检测视频帧选取规则，确定上述视频数据的当前待检测视频帧；
视频帧检测子模块，用于通过预设算法，检测上述当前待检测视频帧中是否包含上述目标主体；
上述装置还包括：
第二结构分析模块，用于若上述当前待检测视频帧中包含上述目标主体，则开启或保持对上述视频数据中从上述当前待检测视频帧到下一待检测视频帧之间的各视频帧的视频结构化分析。
相应的，本发明实施例的视频结构化分析装置还包括：
分析关闭模块，用于若上述当前待检测视频帧中不包含上述目标主体，则关闭或不开启对上述视频数据中当前视频段的视频结构化分析，其中，上述当前视频段包括上述当前待检测视频帧，及从上述当前待检测视频帧到上述下一待检测视频帧之间的各视频帧。
在本发明实施例中，能够在检测待检测视频帧中是否包含目标主体的同时，对相应的目标视频段进行视频结构化分析，能够进一步增加视频结构化分析的速度。
可选的，在本发明实施例的视频结构化分析装置中，上述视频帧检测子模块，包括：
前景信息提取单元，用于通过预设的背景建模方法，提取上述当前待检测视频帧的前景信息；
第一判定单元，用于若上述前景信息符合预设前景规则，则判定上述当前待检测视频帧中包含上述目标主体；
第二判定单元，用于若上述前景信息不符合上述预设前景规则，则判定上述当前待检测视频帧中不包含上述目标主体。
在本发明实施例中，通过背景建模方法检测当前待检测视频帧中是否包含目标主体，背景建模方法检测速度快，从而增加了视频结构化分析的速度。
可选的，在本发明实施例的视频结构化分析装置中，上述视频帧检测子模块，具体用于：
通过预设的目标检测方法，检测上述视频数据的当前待检测视频帧中是否包含上述目标主体。
在本发明实施例中，通过目标检测方法检测当前待检测视频帧中是否包含目标主体，目标主体的检测准确，减少了将不包含目标主体的视频帧判定为包含目标主体的情况，从而增加了视频结构化分析的速度。
可选的，在本发明实施例的视频结构化分析装置中，上述目标主体判定模块502，包括：
视频拆分子模块，用于按照预设的拆分规则，将上述视频数据拆分为多个视频段；
视频帧选取子模块，用于通过预设的视频帧选取规则，分别选取每个上述视频段中的待检测视频帧；
视频帧判断子模块，用于通过预设算法，分别判断各上述待检测视频帧中是否包含上述目标主体；
相应的，本发明实施例的视频结构化分析装置还包括：
目标视频段确定模块，用于将包含上述目标主体的待检测视频帧所在的视频段，作为目标视频段；
第三结构分析模块，用于对各上述目标视频段进行视频结构化分析。
在本发明实施例中，仅对包含目标主体的目标视频段进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
参见图6，图6为本发明实施例的视频结构化分析装置的另一种示意图，包括：
视频分析模块601，用于获取待检测的视频数据中的待检测视频帧，并通过预设算法，检测当前待检测视频中是否包含目标主体；在当前待检测视频帧中包含目标主体时，开启视频结构分析模块602或保持视频结构分析模块602工作；在当前待检测视频帧中不包含目标主体时，关闭或不开启视频结构分析模块602。
视频结构化分析模块602，用于对待检测的视频数据进行视频结构化分析，得到目标描述文件。
为了加快视频结构化分析的速度，目标主体的检测与视频结构化分析可以同时进行。视频分析模块601在检测待检测视频帧中是否包含目标主体的同时，控制视频结构化分析模块602的工作状态，若当前待检测视频帧中包含目标主体则控制视频结构化分析模块602为工作状态，若当前待检测视频帧中不包含目标主体则控制视频结构化分析模块602为关闭状态。
如图7所示视频结构化分析模块602用于确定目标主体的目标描述文件，目标描述文件包括：目标轨迹描述文件及目标属性描述文件。具体的，通过预设目标提取技术确定目标主体的目标轨迹描述文件，通过目标属性提取技术确定目标主体的目标属性描述文件。其中，目标轨迹描述文件可以包含每个目标主体轨迹的ID号、轨迹点数量、每个轨迹点的帧序号、时间信息、空间信息以及其它与之产生过交叠的轨迹ID号等，目标属性描述文件可以包括目标主体的所有属性信息，例如目标主体出现时间、目标主体运动速度、目标主体运动方向、车牌号、车型、车辆品牌、车辆颜色、人的着装颜色、年龄、身高、是否佩戴眼镜、是否背包拎包等信息。
在本发明实施例中，对包含目标主体的目标视频段进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
本发明实施例还提供了一种视频结构化分析装置，如图8所示，包括：
视频段拆分模块801，用于获取待分析的视频数据，按照预设的拆分规则，将上述视频数据拆分为多个视频段；
视频帧选取模块802，用于通过预设的视频帧选取规则，分别选取每个上述视频段中的待检测视频帧；
目标主体检测模块803，用于通过预设算法，分别判断各上述待检测视频帧中是否包含被关注的目标主体；
目标视频段确定模块804，用于将包含上述目标主体的待检测视频帧所在的视频段，作为目标视频段；
第三结构分析模块805，用于对各上述目标视频段进行视频结构化分析。
在实际计算过程中，检测视频帧中是否包含目标主体的速度，比对视频帧进行视频结构化分析的速度快的多，采用本发明实施例中的方法，仅对目标视频段进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
可选的，上述目标主体检测模块803，包括：
前景信息提取子模块，用于针对每帧上述待检测视频帧，通过预设的背景建模方法，提取该待检测视频帧的前景信息；
第一判定子模块，用于若上述前景信息符合预设前景规则，则判定该待检测视频帧中包含上述目标主体；
第二判定子模块，用于若上述前景信息不符合上述预设前景规则，则判定该待检测视频帧中不包含上述目标主体。
在本发明实施例中，通过背景建模方法检测当前待检测视频帧中是否包含目标主体，采用背景建模方法目标主体检测速度快，从而增加了视频结构化分析的速度。
可选的，上述目标主体检测模块803，具体用于：
通过预设的目标检测方法，分别检测各上述待检测视频帧中是否包含被关注的目标主体。
在本发明实施例中，通过目标检测方法检测当前待检测视频帧中是否包含目标主体，目标主体的检测准确，减少了将不包含目标主体的视频帧判定为包含目标主体的情况，从而增加了视频结构化分析的速度。
本发明实施例还提供了一种电子设备，包括处理器及存储器，上述存储器，用于存放计算机程序；上述处理器，用于执行上述存储器上所存放的程序时，实现如下步骤：
获取待分析的视频数据；
针对上述视频数据中的待检测视频帧，通过预设算法，确定上述待检测视频帧中是否包含被关注的目标主体；
若上述待检测视频帧中包含上述目标主体，对上述待检测视频帧进行视频结构化分析。
或上述处理器，用于执行上述存储器上所存放的程序时，实现如下步骤：
获取待分析的视频数据，按照预设的拆分规则，将上述视频数据拆分为多个视频段；
通过预设的视频帧选取规则，分别选取每个上述视频段中的待检测视频帧；
通过预设算法，分别判断各上述待检测视频帧中是否包含被关注的目标主体；
将包含上述目标主体的待检测视频帧所在的视频段，作为目标视频段；
对各上述目标视频段进行视频结构化分析。
在本发明实施例中，对包含目标主体的目标视频段进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
可选的，上述处理器在用于执行上述存储器上所存放的程序时，还可以实现上述任一视频结构化分析方法。
可选的，本发明实施例的电子设备具体如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信，
存储器903，用于存放计算机程序；
处理器901，用于执行存储器903上所存放的程序时，实现如下步骤：
获取待分析的视频数据；
针对上述视频数据中的待检测视频帧，通过预设算法，确定上述待检测视频帧中是否包含被关注的目标主体；
若上述待检测视频帧中包含上述目标主体，对上述待检测视频帧进行视频结构化分析。
在本发明实施例中，对包含目标主体的待检测视频帧进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
或处理器901，用于执行存储器903上所存放的程序时，实现如下步骤：
获取待分析的视频数据，按照预设的拆分规则，将上述视频数据拆分为多个视频段；
通过预设的视频帧选取规则，分别选取每个上述视频段中的待检测视频帧；
通过预设算法，分别判断各上述待检测视频帧中是否包含被关注的目标主体；
将包含上述目标主体的待检测视频帧所在的视频段，作为目标视频段；
对各上述目标视频段进行视频结构化分析。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，该计算机程序被处理器执行时实现如下步骤：
获取待分析的视频数据；
针对上述视频数据中的待检测视频帧，通过预设算法，确定上述待检测视频帧中是否包含被关注的目标主体；
若上述待检测视频帧中包含上述目标主体，对上述待检测视频帧进行视频结构化分析。
或计算机程序被处理器执行时实现如下步骤：
获取待分析的视频数据，按照预设的拆分规则，将上述视频数据拆分为多个视频段；
通过预设的视频帧选取规则，分别选取每个上述视频段中的待检测视频帧；
通过预设算法，分别判断各上述待检测视频帧中是否包含被关注的目标主体；
将包含上述目标主体的待检测视频帧所在的视频段，作为目标视频段；
对各上述目标视频段进行视频结构化分析。
在本发明实施例中，对包含目标主体的待检测视频帧进行视频结构化分析，可以加快对视频数据进行视频结构化分析的速度，提高视频结构化分析的效率。
可选的，上述计算机可读存储介质内存储的计算机程序在被处理器执行时，还可以实现上述任一视频结构化分析方法。
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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于视频结构化分析装置、电子设备及存储介质的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非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作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (18)
1.一种视频结构化分析方法，其特征在于，所述方法包括：
获取待分析的视频数据；
针对所述视频数据中的待检测视频帧，通过预设算法，确定所述待检测视频帧中是否包含被关注的目标主体；
若所述待检测视频帧中包含所述目标主体，对所述待检测视频帧进行视频结构化分析，生成视频结构化目标描述文件，所述视频结构化目标描述文件包括：目标轨迹信息、目标属性信息和事件信息；
其中，所述待检测视频帧是根据预设的待检测视频帧选取规则选取得到，所述待检测视频帧选取规则为：按照时序顺序，分别选取所述视频数据中的每帧视频帧作为待检测视频帧。
2.根据权利要求1所述的方法，其特征在于，所述针对所述视频数据中的待检测视频帧，通过预设算法，确定所述待检测视频帧中是否包含被关注的目标主体，包括：
根据预设的待检测视频帧选取规则，确定所述视频数据的当前待检测视频帧；
通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体；
在所述若所述待检测视频帧中包含所述目标主体，对所述待检测视频帧进行视频结构化分析之后，所述方法还包括：
若所述当前待检测视频帧中包含所述目标主体，则开启或保持对所述视频数据中从所述当前待检测视频帧到下一待检测视频帧之间的各视频帧的视频结构化分析。
3.根据权利要求2所述的方法，其特征在于，在所述通过所述预设算法，检测所述当前待检测视频帧中是否包含所述目标主体之后，所述方法还包括：
若所述当前待检测视频帧中不包含所述目标主体，则关闭或不开启对所述视频数据中当前视频段的视频结构化分析，其中，所述当前视频段包括所述当前待检测视频帧，及从所述当前待检测视频帧到所述下一待检测视频帧之间的各视频帧。
4.根据权利要求2所述的方法，其特征在于，所述通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体，包括：
通过预设的背景建模方法，提取所述当前待检测视频帧的前景信息；
若所述前景信息符合预设前景规则，则判定所述当前待检测视频帧中包含所述目标主体；
若所述前景信息不符合所述预设前景规则，则判定所述当前待检测视频帧中不包含所述目标主体。
5.根据权利要求2所述的方法，其特征在于，所述通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体，包括：
通过预设的目标检测方法，检测所述视频数据的当前待检测视频帧中是否包含所述目标主体。
6.一种视频结构化分析方法，其特征在于，所述方法包括：
获取待分析的视频数据，按照预设的拆分规则，将所述视频数据拆分为多个视频段；
通过预设的视频帧选取规则，分别选取每个所述视频段中的待检测视频帧；
通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体；
将包含所述目标主体的待检测视频帧所在的视频段，作为目标视频段；
对各所述目标视频段进行视频结构化分析，生成视频结构化目标描述文件，所述视频结构化目标描述文件包括：目标轨迹信息、目标属性信息和事件信息；
其中，所述视频帧选取规则为：按照时序顺序，分别选取所述视频数据中的每帧视频帧作为待检测视频帧。
7.根据权利要求6所述的方法，其特征在于，所述通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体，包括：
针对每帧所述待检测视频帧，通过预设的背景建模方法，提取该待检测视频帧的前景信息；
若所述前景信息符合预设前景规则，则判定该待检测视频帧中包含所述目标主体；
若所述前景信息不符合所述预设前景规则，则判定该待检测视频帧中不包含所述目标主体。
8.根据权利要求6所述的方法，其特征在于，所述通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体，包括：
通过预设的目标检测方法，分别检测各所述待检测视频帧中是否包含被关注的目标主体。
9.一种视频结构化分析装置，其特征在于，所述装置包括：
视频数据获取模块，用于获取待分析的视频数据；
目标主体判定模块，用于针对所述视频数据中的待检测视频帧，通过预设算法，确定所述待检测视频帧中是否包含被关注的目标主体；
第一结构分析模块，用于若所述待检测视频帧中包含所述目标主体，对所述待检测视频帧进行视频结构化分析，生成视频结构化目标描述文件，所述视频结构化目标描述文件包括：目标轨迹信息、目标属性信息和事件信息；
其中，所述待检测视频帧是根据预设的待检测视频帧选取规则选取得到，所述待检测视频帧选取规则为：按照时序顺序，分别选取所述视频数据中的每帧视频帧作为待检测视频帧。
10.根据权利要求9所述的装置，其特征在于，所述目标主体判定模块，包括：
视频帧确定子模块，用于根据预设的待检测视频帧选取规则，确定所述视频数据的当前待检测视频帧；
视频帧检测子模块，用于通过预设算法，检测所述当前待检测视频帧中是否包含所述目标主体；
所述装置还包括：
第二结构分析模块，用于若所述当前待检测视频帧中包含所述目标主体，则开启或保持对所述视频数据中从所述当前待检测视频帧到下一待检测视频帧之间的各视频帧的视频结构化分析。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
分析关闭模块，用于若所述当前待检测视频帧中不包含所述目标主体，则关闭或不开启对所述视频数据中当前视频段的视频结构化分析，其中，所述当前视频段包括所述当前待检测视频帧，及从所述当前待检测视频帧到所述下一待检测视频帧之间的各视频帧。
12.根据权利要求10所述的装置，其特征在于，所述视频帧检测子模块，包括：
前景信息提取单元，用于通过预设的背景建模方法，提取所述当前待检测视频帧的前景信息；
第一判定单元，用于若所述前景信息符合预设前景规则，则判定所述当前待检测视频帧中包含所述目标主体；
第二判定单元，用于若所述前景信息不符合所述预设前景规则，则判定所述当前待检测视频帧中不包含所述目标主体。
13.根据权利要求10所述的装置，其特征在于，所述视频帧检测子模块，具体用于：
通过预设的目标检测方法，检测所述视频数据的当前待检测视频帧中是否包含所述目标主体。
14.一种视频结构化分析装置，其特征在于，所述装置包括：
视频段拆分模块，用于获取待分析的视频数据，按照预设的拆分规则，将所述视频数据拆分为多个视频段；
视频帧选取模块，用于通过预设的视频帧选取规则，分别选取每个所述视频段中的待检测视频帧；
目标主体检测模块，用于通过预设算法，分别判断各所述待检测视频帧中是否包含被关注的目标主体；
目标视频段确定模块，用于将包含所述目标主体的待检测视频帧所在的视频段，作为目标视频段；
第三结构分析模块，用于对各所述目标视频段进行视频结构化分析，生成视频结构化目标描述文件，所述视频结构化目标描述文件包括：目标轨迹信息、目标属性信息和事件信息；
其中，所述视频帧选取规则为：按照时序顺序，分别选取所述视频数据中的每帧视频帧作为待检测视频帧。
15.根据权利要求14所述的装置，其特征在于，所述目标主体检测模块，包括：
前景信息提取子模块，用于针对每帧所述待检测视频帧，通过预设的背景建模方法，提取该待检测视频帧的前景信息；
第一判定子模块，用于若所述前景信息符合预设前景规则，则判定该待检测视频帧中包含所述目标主体；
第二判定子模块，用于若所述前景信息不符合所述预设前景规则，则判定该待检测视频帧中不包含所述目标主体。
16.根据权利要求14所述的装置，其特征在于，所述目标主体检测模块，具体用于：
通过预设的目标检测方法，分别检测各所述待检测视频帧中是否包含被关注的目标主体。
17.一种电子设备，其特征在于，包括处理器及存储器，所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-5任一所述的视频结构化分析方法，或实现权利要求6-8任一所述的视频结构化分析方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的视频结构化分析方法，或实现权利要求6-8任一所述的视频结构化分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810609988.XA CN110659384B (zh) | 2018-06-13 | 2018-06-13 | 视频结构化分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810609988.XA CN110659384B (zh) | 2018-06-13 | 2018-06-13 | 视频结构化分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110659384A CN110659384A (zh) | 2020-01-07 |
| CN110659384B true CN110659384B (zh) | 2022-10-04 |
Family
ID=69026174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810609988.XA Active CN110659384B (zh) | 2018-06-13 | 2018-06-13 | 视频结构化分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110659384B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113989763B (zh) * | 2021-12-30 | 2022-04-15 | 江西省云眼大视界科技有限公司 | 一种视频结构化分析方法和分析*** |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133563A (zh) * | 2017-03-17 | 2017-09-05 | 深圳市能信安科技股份有限公司 | 一种基于公安领域的视频分析***及方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006115676A2 (en) * | 2005-03-30 | 2006-11-02 | Cernium Corporation | Video ghost detection by outline |
| CN103092930B (zh) * | 2012-12-30 | 2017-02-08 | 贺江涛 | 视频摘要生成方法和视频摘要生成装置 |
| CN104657712B (zh) * | 2015-02-09 | 2017-11-14 | 惠州学院 | 一种监控视频中蒙面人检测方法 |
| CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化***及其目标搜索方法 |
| CN106354816B (zh) * | 2016-08-30 | 2019-12-13 | 东软集团股份有限公司 | 一种视频图像处理方法及装置 |
| CN108012156B (zh) * | 2017-11-17 | 2020-09-25 | 深圳市华尊科技股份有限公司 | 一种视频处理方法及控制平台 |
-
2018
- 2018-06-13 CN CN201810609988.XA patent/CN110659384B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133563A (zh) * | 2017-03-17 | 2017-09-05 | 深圳市能信安科技股份有限公司 | 一种基于公安领域的视频分析***及方法 |
Non-Patent Citations (2)
| Title |
|---|
| "基于运动方向的异常行为检测";胡芝兰 等;《自动化学报》;20081115;第34卷(第11期);正文第1348-1353页 * |
| 胡芝兰 等."基于运动方向的异常行为检测".《自动化学报》.2008,第34卷(第11期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110659384A (zh) | 2020-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109145680B (zh) | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 | |
| CN111126258B (zh) | 图像识别方法及相关装置 | |
| US20190294881A1 (en) | Behavior recognition | |
| CN111857356B (zh) | 识别交互手势的方法、装置、设备和存储介质 | |
| CN106952303B (zh) | 车距检测方法、装置和*** | |
| Hoang Ngan Le et al. | Robust hand detection and classification in vehicles and in the wild | |
| CN113095124A (zh) | 一种人脸活体检测方法、装置以及电子设备 | |
| CN105512683A (zh) | 基于卷积神经网络的目标定位方法及装置 | |
| CN110781768A (zh) | 目标对象检测方法和装置、电子设备和介质 | |
| CN108805016B (zh) | 一种头肩区域检测方法及装置 | |
| CN109800682B (zh) | 驾驶员属性识别方法及相关产品 | |
| CN107944382B (zh) | 目标跟踪方法、装置及电子设备 | |
| CN104615986A (zh) | 利用多检测器对场景变化的视频图像进行行人检测的方法 | |
| CN110147731B (zh) | 车辆类型识别方法及相关产品 | |
| CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
| CN113496208B (zh) | 视频的场景分类方法及装置、存储介质、终端 | |
| CN110866428B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN111553321A (zh) | 一种流动商贩目标检测模型、检测方法及其管理方法 | |
| CN114445768A (zh) | 目标识别方法、装置、电子设备及存储介质 | |
| CN113469099A (zh) | 目标检测模型的训练方法、检测方法、装置、设备及介质 | |
| CN114870384A (zh) | 一种基于动态识别的太极拳训练方法及*** | |
| CN114511589A (zh) | 一种人体跟踪方法和*** | |
| CN115830399A (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
| Isa et al. | Real-time traffic sign detection and recognition using Raspberry Pi | |
| Kejriwal et al. | Vehicle detection and counting using deep learning basedYOLO and deep SORT algorithm for urban traffic management system |
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 |