CN110738256A - 基于统计学习模型的图像隐含信息挖掘方法及装置 - Google Patents
基于统计学习模型的图像隐含信息挖掘方法及装置 Download PDFInfo
- Publication number
- CN110738256A CN110738256A CN201910978242.0A CN201910978242A CN110738256A CN 110738256 A CN110738256 A CN 110738256A CN 201910978242 A CN201910978242 A CN 201910978242A CN 110738256 A CN110738256 A CN 110738256A
- Authority
- CN
- China
- Prior art keywords
- image
- learning model
- statistical learning
- mining
- information
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000007781 pre-processing Methods 0.000 claims description 22
- 230000000007 visual effect Effects 0.000 claims description 18
- 238000003066 decision tree Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种基于统计学习模型的图像隐含信息挖掘方法及装置,属于图像信号处理领域。为解决现有图像检测和识别技术中对于一些包含隐藏信息的图片无法进行合理的推断挖掘的问题,本发明可包括:通过预处理获取符合要求的待处理图像;将所述待处理图像通过常规的图像检测和识别模型进行检测和识别,得到图像检测和识别所能检测到的直观结果;将所述检测到的直观结果通过训练完备的统计学习模型进行推断,推断出图像中的隐含信息,所述训练完备的统计学习模型是根据已有的大规模样本生成的。本发明合理利用了统计学习方法,实现了灵活合理的对常规图像检测识别结果进行隐含信息进行挖掘和补充,提升了图像信息的使用率和识别结果的丰富度。
Description
技术领域
本发明涉及图像信号处理技术,特别涉及一种基于统计学习模型的图像隐含信息挖掘方法及装置。
背景技术
图像检测和识别技术在目前生活中应用广泛。在图像检测和识别时,首先需要对图像进行处理,包括灰度化、几何变换、图像增强、平滑、锐化等,然后通过图像检测模型得到目标位置、属性、关键点等信息,最后通过图像识别模型,通过关键点对比实现图像识别。
但是,常用的图像检测和识别技术对于一些包含隐藏信息的图片无法进行合理的推断挖掘,而忽略图像中的大量有用信息,造成信息利用不充分。
发明内容
本发明的目的是提供一种基于统计学习模型的图像隐含信息挖掘方法及装置,解决现有图像检测和识别技术中对于一些包含隐藏信息的图片无法进行合理的推断挖掘的问题。
本发明解决其技术问题,采用的技术方案是:基于统计学习模型的图像隐含信息挖掘方法,包括如下步骤:
步骤1、通过预处理获取符合要求的待处理图像;
步骤2、将所述待处理图像通过常规的图像检测和识别模型进行检测和识别,得到图像检测和识别所能检测到的直观结果;
步骤3、将所述检测到的直观结果通过训练完备的统计学习模型进行推断,推断出图像中的隐含信息,所述训练完备的统计学习模型是根据已有的大规模样本生成的。
进一步的是,步骤1中,所述预处理包括:图像分帧、图像几何变换、图像平滑和图像增强。
具体的是,步骤2中,所述直观结果包括:关键点坐标、边界点坐标、目标标签和人物骨架。
进一步的是,步骤3中,根据所述训练完备的统计学习模型进行推断之后,还包括:
若所述统计学习模型无法推断出所述隐含信息,则直接输出所述直观结果;
若所述统计学习模型推断出了所述隐含信息,则输出所述直观结果以及隐含信息。
具体的是,步骤3中,还包括:
所述统计学习模型根据接收到的具有不同特征的待处理图像,分别进行针对不同特征的不同统计学习模型的隐含信息挖掘。
进一步的是,步骤3中,所述统计学习模型包括:贝叶斯网络、隐马尔可夫模型、支持向量机、Boosting、决策树、梯度提升决策树、多层感知机和神经网络。
基于统计学习模型的图像隐含信息挖掘装置,应用于所述的基于统计学习模型的图像隐含信息挖掘方法,包括:
预处理模块,用于对输入图像进行预处理操作;
图像检测和识别模块,用于对预处理模块处理得到的图像数据进行检测和识别;
推理模块,用于根据所述统计学习模型进行图像隐含信息的挖掘和推断,得到图像中的隐含信息。
本发明的有益效果是,通过上述基于统计学习模型的图像隐含信息挖掘方法及装置,在传统图像检测和识别方法的基础上,能够合理利用统计学习方法,实现灵活合理的对常规图像检测识别结果进行隐含信息进行挖掘和补充,提升了图像信息的使用率和识别结果的丰富度。
附图说明
图1为本发明基于统计学习模型的图像隐含信息挖掘方法的流程图。
图2为本发明基于统计学习模型的图像隐含信息挖掘装置的结构框图。
具体实施方式
下面结合附图及实施例,详细描述本发明的技术方案。
本发明所述基于统计学习模型的图像隐含信息挖掘方法,其流程图参见图1,其中,该方法包括如下步骤:
步骤1、通过预处理获取符合要求的待处理图像。
步骤2、将所述待处理图像通过常规的图像检测和识别模型进行检测和识别,得到图像检测和识别所能检测到的直观结果。
步骤3、将所述检测到的直观结果通过训练完备的统计学习模型进行推断,推断出图像中的隐含信息,所述训练完备的统计学习模型是根据已有的大规模样本生成的。
上述方法中,步骤1中,预处理包括:图像分帧、图像几何变换、图像平滑和图像增强等。
步骤2中,直观结果包括:关键点坐标、边界点坐标、目标标签和人物骨架等。
步骤3中,根据所述训练完备的统计学习模型进行推断之后,还包括:
若所述统计学习模型无法推断出所述隐含信息,则直接输出所述直观结果;
若所述统计学习模型推断出了所述隐含信息,则输出所述直观结果以及隐含信息。
步骤3中,还包括:
所述统计学习模型根据接收到的具有不同特征的待处理图像,分别进行针对不同特征的不同统计学习模型的隐含信息挖掘。
步骤3中,统计学习模型包括:贝叶斯网络、隐马尔可夫模型、支持向量机、Boosting、决策树、梯度提升决策树、多层感知机、神经网络和上述统计学习模型的变种算法或融合算法。
基于统计学习模型的图像隐含信息挖掘装置,应用于所述的基于统计学习模型的图像隐含信息挖掘方法,其结构框图参见图2,该装置包括:
预处理模块,用于对输入图像进行预处理操作;
图像检测和识别模块,用于对预处理模块处理得到的图像数据进行检测和识别;
推理模块,用于根据所述统计学习模型进行图像隐含信息的挖掘和推断,得到图像中的隐含信息。
实施例一
本实施例为基于统计学习模型的图像隐含信息挖掘方法,包括:
步骤S11、通过预处理获取符合图像检测和识别方法要求的待处理图片。
所述预处理包括对图像进行处理,获得待检测图像。具体地,对图像进行处理可以为:图像分帧、图像几何变换、图像增强。
以某视频为例,首先对视频文件进行图像分帧处理,从而得到单帧图片,单帧图片的分辨率与原始视频文件的分辨率一致,通过图像几何变换,使得图像尺寸符合图像检测模型的输入要求,然后通过图像增强模块,对图像关键信息色彩范围进行增强,得到待检测图像,使得检测结果更加快速可靠。
步骤S12、将所述待处理图片通过所述图像检测和识别方法,得到图像检测和识别所能检测到的直观结果。
在本实施例中,我们以某场足球比赛的某任意球场景为例,进行说明。图像检测模型对足球场景图像进行检测得到足球,场上人物,球场,球门,球衣颜色等目标及其关键坐标等信息。识别模型通过检测模型得到的足球场上的人物坐标、关键点等信息,对人物进行细节识别,包括分析识别场人物的姿势,朝向,运动状态等可以通过关键点识别得到的信息。
具体地,例如在某足球比赛的任意球场景中,检测模型得到10个属性为人的目标框及其对应的骨架关键点、目标边界信息,同时,检测模型还检测到了球场上对应半场的球门关键点及其边界信息和球场的边缘白线的关键点。利用检测模型得到的目标边界,人物骨骼关键点和球场、球门关键点等信息,识别模型可以进一步识别得到球衣颜色、球员当前状态、球员朝向等信息。
步骤S13,将所述检测到的直观结果通过训练完备的统计学习模型进行推断,挖掘图像中的隐含信息,所述训练完备的统计学习模型是根据已有的大规模样本生成的。
在本实施例中,仍以上述场景进行解释说明进一步的推理工作。通过步骤S11-12后得到足球场上的直观数据,但仍然缺乏一些隐含数据,比如针对场上人物的身份的隐含信息:谁是裁判,谁是守门员,谁是球员,谁是前锋,谁是后卫等等,这些信息无法通过识别模型直接得到,因为这些信息难以通过单个目标的属性得出,而是由待分析图像中大多数目标的相对关系确定。此时将大量标注数据通过待训练的统计学习模型进行训练,此处以贝叶斯网络为例,贝叶斯网络根据已有大量数据,统计其基于球员姿势,球员球衣颜色,球员朝向,球员数量分布,球员位置信息等条件下各种身份角色的条件概率,得到训练完备的统计学习模型,模型的功能是利用可检测特征推断任务隐含身份属性。然后利用基于上述大数据训练完备的统计学习模型对输入的球员检测直观结果进行计算预测,从而对场上人物身份进行推断,挖掘得到人物身份是的隐含信息并完成标注输出。
具体地,例如利用上述检测识别模型得到的某一球员的球衣颜色为黑色、姿势为防守,朝向为背对球门,球衣颜色唯一,则将这些特征预处理后输入到训练完备的统计学习模型中进行预测计算,模型根据输入的特征条件判断是进行隐含身份信息挖掘的步骤,进而进行身份信息挖掘,最终得到该球员为守门员的概率最大,则成功挖掘到该球员身份为守门员。此例即完成了一次隐含信息挖掘工作。同理可以对场上人物进行球员,裁判员等身份的判断挖掘。
如果某图像的信息不足以通过统计学习方法进行隐含信息的挖掘或不存在隐含信息,则直接将已有直观数据输出。统计学习模型根据接收到的具有不同特征的待处理图片,分别进行针对不同特征的不同统计学习模型的隐含信息挖掘。
上述图像隐含信息挖掘的方法根据图像实际情况进行处理,在图像条件符合进行隐含信息挖掘时则进行进一步隐含数据挖掘,丰富图像检测和识别的结果,可以为后续交互或处理***提供更加有力的数据信息,提升产品的竞争力和灵活性。且本方法可以根据不同情况下进行不同隐含信息的挖掘,例如根据不同检测结果挖掘足球半场是进攻方或防守方半场,足球球员是进攻方或防守方球员,足球球员是守门员或裁判员或一般球员。本实施例仅以足球比赛场景做解释说明,具体实施时并不局限于足球比赛场景的身份分析,还可以用于如监控场景人员身份分析,农业场景植物生长情况分析等在获取图像识别无法直接获时的隐含信息时,采用识别结果进一步挖掘隐含信息的场景。
统计学习模型,包括:贝叶斯网络、隐马尔可夫模型、支持向量机、Boosting、决策树、梯度提升决策树、多层感知机、神经网络和上述统计学习模型的变种算法或融合算法。
本实施例使用的统计学习模型为贝叶斯网络,但也可以使用任意一种具有统计分析预测的统计学习方法替换。
实施例二
本实施例为基于统计学***板电脑等,上述服务器可以为任意平台下的高性能计算机,本实施例对智能终端和服务器的形态不做限定。
预处理模块,用于对输入图像进行预处理操作;所述预处理操作包括:图像分帧、图像几何变换、图像平滑、图像增强,此模块完成实施例一中S11所述功能。
图像检测和识别模块,用于对预处理模块处理得到的图像数据进行检测和识别;此模块为完成实施例一中步骤S12所述功能。
推理模块,用于根据所述统计学习模型进行图像隐含信息的挖掘和推断,得到图片中的隐含信息;此模块为完成实施例一中步骤S13所述功能。
在本实施例中,预处理模块完成对图像的预处理工作,图像检测和识别模块对待检测图像进行直观的检测和识别工作的到直观结果,推理模块基于统计学习模型对数据进行进一步的隐含信息挖掘,提升传统图像检测识别***的信息丰富度和产品灵活性。
Claims (7)
1.基于统计学习模型的图像隐含信息挖掘方法,其特征在于,包括如下步骤:
步骤1、通过预处理获取符合要求的待处理图像;
步骤2、将所述待处理图像通过常规的图像检测和识别模型进行检测和识别,得到图像检测和识别所能检测到的直观结果;
步骤3、将所述检测到的直观结果通过训练完备的统计学习模型进行推断,推断出图像中的隐含信息,所述训练完备的统计学习模型是根据已有的大规模样本生成的。
2.根据权利要求1所述的基于统计学***滑和图像增强。
3.根据权利要求1所述的基于统计学习模型的图像隐含信息挖掘方法,其特征在于,步骤2中,所述直观结果包括:关键点坐标、边界点坐标、目标标签和人物骨架。
4.根据权利要求1所述的于统计学习模型的图像隐含信息挖掘方法,其特征在于,步骤3中,根据所述训练完备的统计学习模型进行推断之后,还包括:
若所述统计学习模型无法推断出所述隐含信息,则直接输出所述直观结果;
若所述统计学习模型推断出了所述隐含信息,则输出所述直观结果以及隐含信息。
5.根据权利要求1所述的基于统计学习模型的图像隐含信息挖掘方法,其特征在于,步骤3中,还包括:
所述统计学习模型根据接收到的具有不同特征的待处理图像,分别进行针对不同特征的不同统计学习模型的隐含信息挖掘。
6.根据权利要求1所述的基于统计学习模型的图像隐含信息挖掘方法,其特征在于,步骤3中,所述统计学习模型包括:贝叶斯网络、隐马尔可夫模型、支持向量机、Boosting、决策树、梯度提升决策树、多层感知机和神经网络。
7.基于统计学习模型的图像隐含信息挖掘装置,应用于权利要求1-6任意一项所述的基于统计学习模型的图像隐含信息挖掘方法,其特征在于,包括:
预处理模块,用于对输入图像进行预处理操作;
图像检测和识别模块,用于对预处理模块处理得到的图像数据进行检测和识别;
推理模块,用于根据所述统计学习模型进行图像隐含信息的挖掘和推断,得到图像中的隐含信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910978242.0A CN110738256A (zh) | 2019-10-15 | 2019-10-15 | 基于统计学习模型的图像隐含信息挖掘方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910978242.0A CN110738256A (zh) | 2019-10-15 | 2019-10-15 | 基于统计学习模型的图像隐含信息挖掘方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110738256A true CN110738256A (zh) | 2020-01-31 |
Family
ID=69269341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910978242.0A Pending CN110738256A (zh) | 2019-10-15 | 2019-10-15 | 基于统计学习模型的图像隐含信息挖掘方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738256A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247392A (zh) * | 2008-02-28 | 2008-08-20 | 中兴通讯股份有限公司 | 目标活动预测装置及方法 |
US20090192967A1 (en) * | 2008-01-25 | 2009-07-30 | Jiebo Luo | Discovering social relationships from personal photo collections |
CN103942577A (zh) * | 2014-04-29 | 2014-07-23 | 上海复控华龙微***技术有限公司 | 视频监控中基于自建立样本库及混合特征的身份识别方法 |
CN107292315A (zh) * | 2016-04-11 | 2017-10-24 | 北京大学 | 基于多尺度ltp特征的隐写分析方法和隐写分析装置 |
CN107491735A (zh) * | 2017-07-20 | 2017-12-19 | 浙江工业大学 | 人类行为识别的标签和交互关系联合学习方法 |
CN107871120A (zh) * | 2017-11-02 | 2018-04-03 | 汕头市同行网络科技有限公司 | 基于机器学习的体育赛事理解***及方法 |
US20180181842A1 (en) * | 2016-12-22 | 2018-06-28 | TCL Research America Inc. | Method and device for quasi-gibbs structure sampling by deep permutation for person identity inference |
CN108875704A (zh) * | 2018-07-17 | 2018-11-23 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
CN109271843A (zh) * | 2018-07-27 | 2019-01-25 | 苏州女娲机器人有限公司 | 一种连续图像序列中隐含信息深度学习方法 |
CN109635727A (zh) * | 2018-12-11 | 2019-04-16 | 昆山优尼电能运动科技有限公司 | 一种人脸表情识别方法及装置 |
CN109934182A (zh) * | 2019-03-18 | 2019-06-25 | 北京旷视科技有限公司 | 对象行为分析方法、装置、电子设备及计算机存储介质 |
CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、***和智能终端 |
CN110147743A (zh) * | 2019-05-08 | 2019-08-20 | 中国石油大学(华东) | 一种复杂场景下的实时在线行人分析与计数***及方法 |
-
2019
- 2019-10-15 CN CN201910978242.0A patent/CN110738256A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090192967A1 (en) * | 2008-01-25 | 2009-07-30 | Jiebo Luo | Discovering social relationships from personal photo collections |
CN101247392A (zh) * | 2008-02-28 | 2008-08-20 | 中兴通讯股份有限公司 | 目标活动预测装置及方法 |
CN103942577A (zh) * | 2014-04-29 | 2014-07-23 | 上海复控华龙微***技术有限公司 | 视频监控中基于自建立样本库及混合特征的身份识别方法 |
CN107292315A (zh) * | 2016-04-11 | 2017-10-24 | 北京大学 | 基于多尺度ltp特征的隐写分析方法和隐写分析装置 |
US20180181842A1 (en) * | 2016-12-22 | 2018-06-28 | TCL Research America Inc. | Method and device for quasi-gibbs structure sampling by deep permutation for person identity inference |
CN107491735A (zh) * | 2017-07-20 | 2017-12-19 | 浙江工业大学 | 人类行为识别的标签和交互关系联合学习方法 |
CN107871120A (zh) * | 2017-11-02 | 2018-04-03 | 汕头市同行网络科技有限公司 | 基于机器学习的体育赛事理解***及方法 |
CN108875704A (zh) * | 2018-07-17 | 2018-11-23 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
CN109271843A (zh) * | 2018-07-27 | 2019-01-25 | 苏州女娲机器人有限公司 | 一种连续图像序列中隐含信息深度学习方法 |
CN109635727A (zh) * | 2018-12-11 | 2019-04-16 | 昆山优尼电能运动科技有限公司 | 一种人脸表情识别方法及装置 |
CN109934182A (zh) * | 2019-03-18 | 2019-06-25 | 北京旷视科技有限公司 | 对象行为分析方法、装置、电子设备及计算机存储介质 |
CN110147743A (zh) * | 2019-05-08 | 2019-08-20 | 中国石油大学(华东) | 一种复杂场景下的实时在线行人分析与计数***及方法 |
CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、***和智能终端 |
Non-Patent Citations (2)
Title |
---|
张囡囡: "体育视频中球员自动识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张蕾华: "视频侦查中的隐性信息分析", 《山东警察学院学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11354901B2 (en) | Activity recognition method and system | |
US10949658B2 (en) | Method and system for activity classification | |
US11436739B2 (en) | Method, apparatus, and storage medium for processing video image | |
CN109558832B (zh) | 一种人体姿态检测方法、装置、设备及存储介质 | |
CN108197589B (zh) | 动态人体姿态的语义理解方法、装置、设备和存储介质 | |
US20210065381A1 (en) | Target tracking method, device, system and non-transitory computer readable medium | |
CN108229297B (zh) | 人脸识别方法和装置、电子设备、计算机存储介质 | |
US10445602B2 (en) | Apparatus and method for recognizing traffic signs | |
CN110163096B (zh) | 人物识别方法、装置、电子设备和计算机可读介质 | |
CN108491872B (zh) | 目标再识别方法和装置、电子设备、程序和存储介质 | |
CN111652181B (zh) | 目标跟踪方法、装置及电子设备 | |
CN112381104A (zh) | 一种图像识别方法、装置、计算机设备及存储介质 | |
CN113221890A (zh) | 一种基于ocr的云手机文字内容监管方法和***和*** | |
CN112580472A (zh) | 一种快速轻量的人脸识别方法、装置、机器可读介质及设备 | |
CN113326773A (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
Lahiani et al. | Hand pose estimation system based on Viola-Jones algorithm for android devices | |
CN111783619A (zh) | 人体属性的识别方法、装置、设备及存储介质 | |
Dahirou et al. | Motion Detection and Object Detection: Yolo (You Only Look Once) | |
CN112579824A (zh) | 视频数据分类方法、装置、电子设备及存储介质 | |
CN114360182A (zh) | 一种智能告警方法、装置、设备及存储介质 | |
CN115993927A (zh) | 基于手势识别的屏幕显示方法、装置、设备及存储介质 | |
CN110738256A (zh) | 基于统计学习模型的图像隐含信息挖掘方法及装置 | |
CN114494978A (zh) | 基于Pipeline的并行视频结构化推理方法及*** | |
CN114067394A (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
CN113469138A (zh) | 对象检测方法和装置、存储介质及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |
|
RJ01 | Rejection of invention patent application after publication |