CN110781815B - 视频数据处理方法及*** - Google Patents
视频数据处理方法及*** Download PDFInfo
- Publication number
- CN110781815B CN110781815B CN201911022529.2A CN201911022529A CN110781815B CN 110781815 B CN110781815 B CN 110781815B CN 201911022529 A CN201911022529 A CN 201911022529A CN 110781815 B CN110781815 B CN 110781815B
- Authority
- CN
- China
- Prior art keywords
- data
- merging
- level
- clustering
- group
- 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 abstract description 13
- 238000000034 method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 229910000831 Steel Inorganic materials 0.000 description 33
- 239000010959 steel Substances 0.000 description 33
- 230000000875 corresponding effect Effects 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种视频数据处理方法,通过下级***先对相应聚类范围内的视频数据进行一次聚类,下级***的相应聚类范围可以为县、乡等小地域范围,下级***对小范围内的视频数据进行聚类,聚类精度较高。接收各个下级***上报的下级聚类数据,对下级聚类数据进行合并处理,使得不同下级***的相匹配的下级聚类数据合并到同一个合并组内,将同一个合并组内的视频数据确定为一组上级聚类数据。因为每组上级聚类数据是由高聚类精度的下级聚类数据合并得到的,所以每组上级聚类数据的聚类精度也较高,即提高了大范围内、海量数据环境下的数据聚类准确性。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种视频数据处理方法及***。
背景技术
对视频的智能分析处理,从早期第一代的运动目标检测和浓缩摘要,到第二代的运动目标结构化分类,再到第三代分类后的目标身份识别,对视频图像中的运动目标的分析应用正在逐步深化。随着用户需求的增加和视图结构化数据的应用痛点突显,即将迎来***视频数据的智能分析技术,即如何快速构建基于最小计算单元实现海量视频数据分析应用,如何对海量数据的目标进行聚类归集,如何提供高效数据服务,将会成为未来的主流发展趋势。
目前的视频对象归档聚类技术受限图像识别技术的准确度,需要进行归档聚类计算的基数较大时,所造成的归档聚类误差会被放大。因此,目前主流视频图像***产品主要是基于较小区域、较小数据量环境下实现视频对象归档聚类计算的,在大范围、海量数据环境下,归档聚类准确性较差。
发明内容
为至少在一定程度上克服相关技术中存在的问题,本申请提供一种视频数据处理方法及***。
本申请的方案如下:
根据本申请实施例的第一方面,提供一种视频数据处理方法,包括:
接收各个下级***上报的下级聚类数据,所述下级聚类数据是每个下级***对相应聚类范围内的视频数据进行聚类后得到的,所述下级***为多个;
对所述下级聚类数据进行合并处理,使得不同下级***的相匹配的下级聚类数据合并到同一个合并组内;
将同一个合并组内的视频数据确定为一组上级聚类数据。
优选的,在本申请一种可实现的方式中,所述对所述聚类数据进行合并处理之前,所述方法还包括:
获取上级***中已存储的合并关系表,以根据所述合并关系表对所述聚类数据进行合并处理,所述合并关系表用于记录关联信息,所述关联信息包括统一标识,不同的合并组具有不同的统一标识。
优选的,在本申请一种可实现的方式中,所述下级聚类数据中包括当前标识,所述根据所述合并关系表对所述聚类数据进行合并处理,包括:
判断所述合并关系表记录的关联信息中,是否存在所述当前标识;
若存在,则将所述下级聚类数据合并到所述当前标识所属的关联信息所包括的统一标识对应的合并组。
优选的,在本申请一种可实现的方式中,所述方法还包括:
若不存在,则比对所述下级聚类数据和各个合并组内的数据,判断是否存在与所述下级聚类数据相匹配的数据;
若存在相匹配的数据,则将所述下级聚类数据合并到所述匹配的数据所在的合并组。
优选的,在本申请一种可实现的方式中,所述方法还包括:
若不存在相匹配的数据,则新建一个合并组,将所述下级聚类数据合并到所述新建的合并组,并为所述合并组新分配一个统一标识,以及在所述合并关系表中新增一条关联信息,所述新增的关联关系包括所述新分配的统一标识。
优选的,在本申请一种可实现的方式中,若所述合并组具有统一标识,所述对所述聚类数据进行合并处理之后,所述方法还包括:
确定所述下级聚类数据合并到的合并组的统一标识;
将所述统一标识发送给所述下级聚类数据来自的下级***,以使所述下级***在下级***内用所述统一标识标识所述下级聚类数据。
优选的,在本申请一种可实现的方式中,所述当前标识为:
所述下级聚类数据所对应的统一标识,所述统一标识是所述下级***之前从所述上级***获取的,且用于标识所述下级聚类数据;或者,
所述下级聚类数据所对应的下级标识,不同下级***的下级聚类数据具有不同的下级标识,且所述关联信息还包括下级标识,每个统一标识关联一个或多个下级标识。
优选的,在本申请一种可实现的方式中,所述方法还包括:
在上级***存储或应用所述上级聚类数据。
根据本申请实施例的第二方面,提供一种视频数据处理***,其特征在于,包括:
多个下级***,每个下级***分别用于对相应聚类范围内的视频数据进行聚类,得到相应的下级聚类数据;
上级***,用于接收所述下级聚类数据,对所述下级聚类数据进行合并处理,使得不同下级***的相匹配的下级聚类数据合并到同一个合并组内;以及,将同一个合并组内的视频数据确定为一组上级聚类数据。
优选的,在本申请一种可实现的方式中,视频数据处理***还包括:
级联服务***,用于接收所述下级聚类数据,并将所述下级聚类数据发送给所述上级***。
本申请提供的技术方案可以包括以下有益效果:
本申请中,通过下级***先对相应聚类范围内的视频数据进行一次聚类,下级***的相应聚类范围可以为县、乡等小地域范围,下级***对小范围内的视频数据进行聚类,聚类精度较高。接收各个下级***上报的下级聚类数据,对下级聚类数据进行合并处理,使得不同下级***的相匹配的下级聚类数据合并到同一个合并组内,将同一个合并组内的视频数据确定为一组上级聚类数据。因为每组上级聚类数据是由高聚类精度的下级聚类数据合并得到的,所以每组上级聚类数据的聚类精度也较高,即提高了大范围内、海量数据环境下的数据聚类准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种视频数据处理方法的流程图;
图2是本申请另一个实施例提供的一种视频数据处理方法的流程图;
图3是本申请一个实施例提供的一种视频数据处理***的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1是本申请一个实施例提供的一种视频数据处理方法的流程图,参照图1,一种视频数据处理方法,其特征在于,包括:
S11:接收各个下级***31上报的下级聚类数据,下级聚类数据是每个下级***31对相应聚类范围内的视频数据进行聚类后得到的,下级***31为多个;
本实施例中,视频数据是泛指名词,实际上视频数据还包括图片数据。
下级***31对相应聚类范围内的视频数据进行聚类具体包括:
通过数据采集模块,实现对视频流、图片流的数据接入,获取人脸、人体和车辆抓拍图片和视频数据。
由结构化计算调度引擎分别调用人脸、人体和车辆结构化算法服务,传入抓拍图片和视频,输出获取对应结构化信息数据。
结构化特征是指:
行人结构化:对于视频图像中的人物,可提供行人的各种结构化特征属性信息,包括衣着和装饰物特征:上衣、裤子、裙子和连衣裙、鞋子、帽子、太阳镜墨镜、围巾、皮带腰带;携带物特征:单肩挎包、双肩背包、手提包、拉杆箱、雨伞;人体特征:头发、面部。
车辆结构化:对于视频图像中的车辆,可进行多车道车辆检测、车头车尾检测识别功能,能够提取识别车辆的10多项结构化属性信息,包括车辆号牌、车身颜色、车辆品牌、车辆类型、子品牌、车辆年款及各种车辆特征物信息,如:年检标、遮阳板、挂件、摆件、纸巾盒、安全带等。
调用视频对象归档聚类算法,通过地点、时间及结构化特征将相同的人像、车辆聚类,并生成下级聚类数据所对应的下级标识,完成下级***31对相应聚类范围内的视频数据进行聚类的过程。
S12:对下级聚类数据进行合并处理,使得不同下级***31的相匹配的下级聚类数据合并到同一个合并组内;
对聚类数据进行合并处理之前,参照图2,方法还包括:
S21:获取上级***32中已存储的合并关系表,以根据合并关系表对聚类数据进行合并处理,合并关系表用于记录关联信息,关联信息包括统一标识,不同的合并组具有不同的统一标识。
合并关系表用来记录关联信息,关联信息包括统一标识,不同的合并组具有不同的统一标识。
比如上级***32内具有小刚数据合并组,小明数据合并组,小红数据合并组,这三个合并组的统一标识分别是小刚数据,小明数据,小红数据。
其中小刚数据合并组包括:A地区下级***31上传的小刚数据,B地区下级***31上传的小刚数据,C地区下级***31上传的小刚数据,合并关系表用来记录小刚数据、A地区下级***31上传的小刚数据、B地区下级***31上传的小刚数据和C地区下级***31上传的小刚数据进行互相关联。
下级聚类数据中包括当前标识,根据合并关系表对聚类数据进行合并处理,参照图2,包括:
S22:判断合并关系表记录的关联信息中,是否存在当前标识;
本实施例中以下级聚类数据为小刚数据为例进行说明,下级聚类数据中包括当前标识,比如,A地区下级***31聚类数据包括的当前标识为A-小刚数据。同理,B地区下级***31聚类数据包括的当前标识为B-小刚数据,C地区下级***31聚类数据包括的当前标识为C-小刚数据。该数据合并组的统一标识为小刚数据,合并关系表用来记录小刚数据、A-小刚数据、B-小刚数据和C-小刚数据进行互相关联。
判断合并关系表记录的关联信息中,是否存在A-小刚数据这一当前标识;
并得出如下两种情况,参照图2,包括:
S221:若存在,则将下级聚类数据合并到当前标识所属的关联信息所包括的统一标识对应的合并组。
若合并关系表记录的关联信息中存在A-小刚数据这一当前标识,代表曾经A地区下级***31已经上传过小刚的数据,合并关系表将A-小刚数据这一当前标识进行过关联,所以,合并关系表的关联信息中存在A-小刚数据这一当前标识。此时,将A地区下级***31上传的小刚数据合并到当前标识A-小刚数据所属的关联信息所包括的同一标识所对应的合并组。其中当前标识A-小刚数据所属的关联信息所包括的同一标识为小刚数据。小刚数据所对应的合并组为小刚数据合并组。
S222:若不存在,则比对下级聚类数据和各个合并组内的数据,判断是否存在与下级聚类数据相匹配的数据;
若合并关系表记录的关联信息中不存在A-小刚数据这一当前标识,代表A地区下级***31是第一次上传小刚的数据,合并关系表之前并没有将A-小刚数据这一当前标识进行过关联。
则比对A地区下级***31上传的小刚数据和各个合并组内的数据,判断是否存在与A地区下级***31上传的小刚数据相匹配的数据。相匹配的数据如小刚数据合并组内的B地区下级***31上传的小刚数据,C地区下级***31上传的小刚数据等。
数据比对可以通过聚类引擎进行计算。
并得出如下两种情况,参照图2,包括:
S2221:若存在相匹配的数据,则将下级聚类数据合并到匹配的数据所在的合并组。
若存在与A地区下级***31上传的小刚数据相匹配的数据,即小刚数据合并组内的数据。则将A地区下级***31上传的小刚数据合并到匹配的数据所在的合并组即小刚数据合并组。
S2222:若不存在相匹配的数据,则新建一个合并组,将下级聚类数据合并到新建的合并组,并为合并组新分配一个统一标识,以及在合并关系表中新增一条关联信息,新增的关联关系包括新分配的统一标识。
若不存在与A地区下级***31上传的小刚数据相匹配的数据,即上级***32从未接收过任何下级***31上传的小刚数据,也并未建立小刚数据合并组。则新建一个合并组,将A地区下级***31上传的小刚数据合并到新建的合并组,并为合并组新分配一个统一标识,如小刚数据。在合并关系表中新增一条关联信息,小刚数据和A-小刚数据互相关联。
S13:将同一个合并组内的视频数据确定为一组上级聚类数据。
以小刚数据合并组为例,将小刚数据合并组内的视频数据确定为一组上级聚类数据。用于代表上级***32对应的聚类范围内的小刚视频数据的聚类数据。
本实施例中,通过下级***31先对相应聚类范围内的视频数据进行一次聚类,下级***31的相应聚类范围可以为县、乡等小地域范围,下级***31对小范围内的视频数据进行聚类,聚类精度较高。接收各个下级***31上报的下级聚类数据,对下级聚类数据进行合并处理,使得不同下级***31的相匹配的下级聚类数据合并到同一个合并组内,将同一个合并组内的视频数据确定为一组上级聚类数据。因为每组上级聚类数据是由高聚类精度的下级聚类数据合并得到的,所以每组上级聚类数据的聚类精度也较高,即提高了大范围内、海量数据环境下的数据聚类准确性。
一些实施例中的视频数据处理方法,还包括:与下级***31建立级联关系;
将下级***31上报的下级聚类数据确定为上级聚类数据后,还基于级联服务将上级聚类数据同步到下级聚类数据来自的下级***31。
级联在计算机科学里指多个对象之间的映射关系,建立数据之间的级联关系提高管理效率。级联在关联映射中是个重要的概念,指当主动方对象执行操作时,被动方是否同步执行同一操作。本实施例中,主动方可以为上级***32,被动方可以为下级***31。
利用级联关系,使下级***31可以获得上级***32的上级聚类数据,并进行存储或使用。
进一步的,若合并组具有统一标识,对聚类数据进行合并处理之后,方法还包括:
确定下级聚类数据合并到的合并组的统一标识;
将统一标识发送给下级聚类数据来自的下级***31,以使下级***31在下级***31内用统一标识标识下级聚类数据。
级联模式下的下级***31和上级***32做到下级聚类数据和上级聚类数据的标识统一。
比如,A地区下级***31上传的小刚数据合并到小刚数据合并组后,具有的统一标识为小刚数据。将小刚数据这一统一标识发送到A地区的下级***31,使A地区的下级***31用小刚数据这一统一标识来标识A地区内的下级聚类数据,从而做到下级聚类数据和上级聚类数据的标识统一。
一些实施例中的视频数据处理方法,其特征在于,当前标识为:
下级聚类数据所对应的统一标识,统一标识是下级***31之前从上级***32获取的,且用于标识下级聚类数据;或者,
下级聚类数据所对应的下级标识,不同下级***31的下级聚类数据具有不同的下级标识,且关联信息还包括下级标识,每个统一标识关联一个或多个下级标识。
下级***31在没有从上级***32获取统一标识时,下级***31对下级聚类数据进行下级标识,如A地区的下级***31对小刚数据标识为A-小刚数据。A-小刚数据为A地区的下级***31的下级聚类数据所对应的下级标识。同理,B地区的下级***31的下级聚类数据所对应的下级标识为B-小刚数据。
并且,在合并关系表中,小刚数据作为统一标识,与多个下级标识,如A-小刚数据、B-小刚数据和C-小刚数据建立关联信息。
一些实施例中的视频数据处理方法,还包括:
在上级***32存储或应用上级聚类数据。
将上级聚类数据进行存储方便以后使用。
将上级聚类数据应用于各种数据服务。
图3是本申请一个实施例提供的一种视频数据处理***的结构图,参照图3,一种视频数据处理***,其特征在于,包括:
多个下级***31,每个下级***31分别用于对相应聚类范围内的视频数据进行聚类,得到相应的下级聚类数据;
上级***32,用于接收下级聚类数据,对下级聚类数据进行合并处理,使得不同下级***31的相匹配的下级聚类数据合并到同一个合并组内;以及,将同一个合并组内的视频数据确定为一组上级聚类数据。
下级***31可以为设立在县、乡等小地域范围内的数据处理***,下级***31的相应聚类范围可以为县、乡等小地域范围。
上级***32可以为设立省、市等大地域范围内的数据处理***,上级***32的相应聚类范围可以为省、市等大地域范围。
一些实施例中的的视频数据处理***,还包括:
级联服务***33,用于接收下级聚类数据,并将下级聚类数据发送给上级***32。
级联在计算机科学里指多个对象之间的映射关系,建立数据之间的级联关系提高管理效率。级联在关联映射中是个重要的概念,指当主动方对象执行操作时,被动方是否同步执行同一操作。本实施例中,主动方可以为下级***31,被动方可以为上级***32,下级***31通过级联服务***33向上级***32发送下级聚类数据。
其他实施例中,主动方也可以为上级***32,被动方也可以为下级***31,通过级联服务***33,使下级***31可以获得上级***32的上级聚类数据。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种视频数据处理方法,其特征在于,包括:
接收各个下级***上报的下级聚类数据,所述下级聚类数据是每个下级***对相应聚类范围内的视频数据进行聚类后得到的,所述下级***为多个;
获取上级***中已存储的合并关系表,所述合并关系表用于记录关联信息,所述关联信息包括统一标识,不同的合并组具有不同的统一标识;所述统一标识为合并组中数据的统一名称;
根据所述合并关系表对所述下级聚类数据进行合并处理,使得不同下级***的相匹配的下级聚类数据合并到同一个合并组内;
将同一个合并组内的视频数据确定为一组上级聚类数据;
其中,所述下级聚类数据中包括当前标识,所述根据所述合并关系表对所述聚类数据进行合并处理,包括:
判断所述合并关系表记录的关联信息中,是否存在所述当前标识;
若存在,则将所述下级聚类数据合并到所述当前标识所属的关联信息所包括的统一标识对应的合并组;
若不存在,则比对所述下级聚类数据和各个合并组内的数据,判断是否存在与所述下级聚类数据相匹配的数据;
若存在相匹配的数据,则将所述下级聚类数据合并到所述匹配的数据所在的合并组;
若不存在相匹配的数据,则新建一个合并组,将所述下级聚类数据合并到所述新建的合并组,并为所述合并组新分配一个统一标识,以及在所述合并关系表中新增一条关联信息,所述新增的关联关系包括所述新分配的统一标识;
若所述合并组具有统一标识,所述对所述聚类数据进行合并处理之后,所述方法还包括:
确定所述下级聚类数据合并到的合并组的统一标识;
将所述统一标识发送给所述下级聚类数据来自的下级***,以使所述下级***在下级***内用所述统一标识标识所述下级聚类数据。
2.根据权利要求1所述的方法,其特征在于,所述当前标识为:
所述下级聚类数据所对应的统一标识,所述统一标识是所述下级***之前从所述上级***获取的,且用于标识所述下级聚类数据;或者,
所述下级聚类数据所对应的下级标识,不同下级***的下级聚类数据具有不同的下级标识,且所述关联信息还包括下级标识,每个统一标识关联一个或多个下级标识。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在上级***存储或应用所述上级聚类数据。
4.一种视频数据处理***,其特征在于,包括:
多个下级***,每个下级***分别用于对相应聚类范围内的视频数据进行聚类,得到相应的下级聚类数据;
上级***,用于接收所述下级聚类数据,获取上级***中已存储的合并关系表,根据所述合并关系表对所述下级聚类数据进行合并处理,使得不同下级***的相匹配的下级聚类数据合并到同一个合并组内;以及,将同一个合并组内的视频数据确定为一组上级聚类数据;
其中,所述合并关系表用于记录关联信息,所述关联信息包括统一标识,不同的合并组具有不同的统一标识;所述统一标识为合并组中数据的统一名称;所述下级聚类数据中包括当前标识,所述根据所述合并关系表对所述聚类数据进行合并处理,包括:判断所述合并关系表记录的关联信息中,是否存在所述当前标识;若存在,则将所述下级聚类数据合并到所述当前标识所属的关联信息所包括的统一标识对应的合并组;若不存在,则比对所述下级聚类数据和各个合并组内的数据,判断是否存在与所述下级聚类数据相匹配的数据;若存在相匹配的数据,则将所述下级聚类数据合并到所述匹配的数据所在的合并组;若不存在相匹配的数据,则新建一个合并组,将所述下级聚类数据合并到所述新建的合并组,并为所述合并组新分配一个统一标识,以及在所述合并关系表中新增一条关联信息,所述新增的关联关系包括所述新分配的统一标识;
所述上级***还用于在所述合并组具有统一标识,且对所述聚类数据进行合并处理之后,确定所述下级聚类数据合并到的合并组的统一标识;将所述统一标识发送给所述下级聚类数据来自的下级***,以使所述下级***在下级***内用所述统一标识标识所述下级聚类数据。
5.根据权利要求4所述的视频数据处理***,其特征在于,还包括:
级联服务***,用于接收所述下级聚类数据,并将所述下级聚类数据发送给所述上级***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911022529.2A CN110781815B (zh) | 2019-10-25 | 2019-10-25 | 视频数据处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911022529.2A CN110781815B (zh) | 2019-10-25 | 2019-10-25 | 视频数据处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110781815A CN110781815A (zh) | 2020-02-11 |
CN110781815B true CN110781815B (zh) | 2022-09-27 |
Family
ID=69387745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911022529.2A Active CN110781815B (zh) | 2019-10-25 | 2019-10-25 | 视频数据处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781815B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113987089B (zh) * | 2021-12-28 | 2022-08-26 | 北京力控元通科技有限公司 | 一种***级联方法、数据处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103838863A (zh) * | 2014-03-14 | 2014-06-04 | 内蒙古科技大学 | 一种基于云计算平台的大数据聚类算法 |
CN106845536A (zh) * | 2017-01-09 | 2017-06-13 | 西北工业大学 | 一种基于图像缩放的并行聚类方法 |
CN108717444A (zh) * | 2018-05-17 | 2018-10-30 | 安阳工学院 | 一种基于分布式结构的大数据聚类方法和装置 |
CN110046187A (zh) * | 2018-12-25 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 数据处理***、方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10877997B2 (en) * | 2017-06-28 | 2020-12-29 | International Business Machines Corporation | Clustering database data |
-
2019
- 2019-10-25 CN CN201911022529.2A patent/CN110781815B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103838863A (zh) * | 2014-03-14 | 2014-06-04 | 内蒙古科技大学 | 一种基于云计算平台的大数据聚类算法 |
CN106845536A (zh) * | 2017-01-09 | 2017-06-13 | 西北工业大学 | 一种基于图像缩放的并行聚类方法 |
CN108717444A (zh) * | 2018-05-17 | 2018-10-30 | 安阳工学院 | 一种基于分布式结构的大数据聚类方法和装置 |
CN110046187A (zh) * | 2018-12-25 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 数据处理***、方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110781815A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102959551B (zh) | 图像处理装置 | |
TWI740537B (zh) | 一種資訊處理方法及裝置、儲存介質 | |
JP2004361987A (ja) | 画像検索システム、画像分類システム、画像検索プログラム及び画像分類プログラム、並びに画像検索方法及び画像分類方法 | |
US20080162561A1 (en) | Method and apparatus for semantic super-resolution of audio-visual data | |
Iguernaissi et al. | People tracking in multi-camera systems: a review | |
US20090091798A1 (en) | Apparel as event marker | |
WO2020259099A1 (zh) | 一种信息处理方法及装置、存储介质 | |
CN107615298A (zh) | 人脸识别方法及*** | |
JP6500374B2 (ja) | 画像処理装置及び画像処理プログラム | |
JP2015106300A (ja) | 画像検索装置、画像検索装置の制御方法およびプログラム | |
US20120109715A1 (en) | Visualizing visitation patterns at sites of a commercial facility | |
CN110781815B (zh) | 视频数据处理方法及*** | |
Hossari et al. | ADNet: A deep network for detecting adverts | |
Xu et al. | Dual-channel CNN for efficient abnormal behavior identification through crowd feature engineering | |
Cai et al. | Messytable: Instance association in multiple camera views | |
Bartoli et al. | Museumvisitors: a dataset for pedestrian and group detection, gaze estimation and behavior understanding | |
Santra et al. | An end-to-end annotation-free machine vision system for detection of products on the rack | |
Kera et al. | Discovering objects of joint attention via first-person sensing | |
US20210158399A1 (en) | System and method for interactive perception and content presentation | |
Elias et al. | Tracking subjects and detecting relationships in crowded city videos | |
Qiu et al. | Eye fixation assisted video saliency detection via total variation-based pairwise interaction | |
Gurkan et al. | Evaluation of human and machine face detection using a novel distinctive human appearance dataset | |
CN115661624A (zh) | 一种货架的数字化方法、装置及电子设备 | |
CN112950245B (zh) | 用于分析服饰潮流的数据处理方法、装置、设备和介质 | |
Yoganand et al. | Face detection approach from video with the aid of KPCM and improved neural network classifier |
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 |