CN110839128A - 拍照行为检测方法、装置及存储介质 - Google Patents
拍照行为检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110839128A CN110839128A CN201810936534.3A CN201810936534A CN110839128A CN 110839128 A CN110839128 A CN 110839128A CN 201810936534 A CN201810936534 A CN 201810936534A CN 110839128 A CN110839128 A CN 110839128A
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- target
- photographing
- video image
- image
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/62—Control of parameters via user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种拍照行为检测方法、装置及存储介质,属于数据处理技术领域。该方法包括:获取目标场景的视频图像,确定该视频图像包括的目标移动终端的图像区域。调用目标定位模型,将该图像区域输入至该目标定位模型中,输出该目标移动终端的拍照手势标签,该目标定位模型用于根据任一移动终端的图像区域确定该移动终端的拍照手势,基于所输出的拍照手势标签,确定该目标移动终端是否具有拍照行为。本发明实施例无需根据闪光灯进行拍照行为检测,也即是,无论移动终端是否开启闪光灯,均可以检测出目标场景中目标移动终端是否具有拍照行为。
Description
技术领域
本发明实施例涉及数据处理技术领域,特别涉及一种拍照行为检测方法、装置及存储介质。
背景技术
在日常生活中,一些诸如博物馆、展览馆之类的应用场景通常不允许拍照。然而,随着移动终端功能的不断扩大,一些用户可能使用移动终端偷偷进行拍照。因此,在该类应用场景中,有拍照行为检测的需求。
目前,可以在上述应用场景中架设摄像装置,以通过该摄像装置来检测该应用场景中是否有移动终端具有拍照行为。譬如,可以通过该摄像装置检测是否有闪光灯闪烁,当检测到有闪关灯闪烁时,确定有移动终端具有拍照行为。
然而,在上述实现方案中,只有当用户使用闪光灯时,才能检测出有移动终端具有拍照行为,若在拍照时未开启闪光灯,将无法检测出移动终端具有拍照行为,由此可见,上述拍照行为的检测结果不准确。
发明内容
本发明实施例提供了一种拍照行为检测方法、装置及存储介质,可以解决相关技术中拍照行为的检测结果不准确的问题。所述技术方案如下:
第一方面,提供了一种拍照行为检测方法,所述方法包括:
获取目标场景的视频图像;
确定所述视频图像包括的目标移动终端的图像区域;
调用目标定位模型,将所述图像区域输入至所述目标定位模型中,输出所述目标移动终端的拍照手势标签,所述目标定位模型用于根据任一移动终端的图像区域确定所述移动终端的拍照手势;
基于所输出的拍照手势标签,确定所述目标移动终端是否具有拍照行为。
可选地,所述确定所述视频图像包括的目标移动终端的图像区域,包括:
调用目标检测模型,将所述视频图像输入至所述目标检测模型中,输出所述视频图像包括的目标移动终端的位置信息,所述目标检测模型用于根据任一视频图像检测所述视频图像包括的移动终端的位置信息;
基于所述目标移动终端的位置信息,从所述视频图像中确定所述目标移动终端的图像区域。
可选地,所述基于所述目标移动终端的位置信息,从所述视频图像中确定所述目标移动终端的图像区域,包括:
在所述视频图像中确定目标区域,所述目标区域是指所述目标移动终端的位置信息对应的位置区域扩大后的区域;
从所述视频图像中切割出所述目标区域,得到所述目标移动终端的图像区域。
可选地,所述目标检测模型是基于多个视频图像样本和每个视频图像样本中移动终端的位置信息,对待训练的检测模型进行训练得到的。
可选地,所述目标定位模型是基于多个图像区域样本及每个图像区域样本的拍照手势标签,对待训练的定位模型进行训练得到的。
可选地,所述基于所输出的拍照手势标签,确定所述目标移动终端是否具有拍照行为,包括:
当输出的拍照手势标签属于拍照行为标签时,确定所述目标移动终端具有拍照行为。
可选地,所述确定所述目标移动终端具有拍照行为之后,还包括:
确定所述目标移动终端的拍照次数,所述拍照次数是指距离当前时间的预设时长内所述目标移动终端所拍照的次数;
当所述目标移动终端的拍照次数达到拍照次数阈值时,进行报警提示。
可选地,所述获取视频图像之前,还包括:
检测所述视频图像是否为有效图像,所述有效图像是指摄像装置未被遮挡且未被移动时所拍摄的图像;
当所述视频图像为有效图像时,执行所述获取视频图像的操作;当所述视频图像不是有效图像时,进行检测异常报警提示。
第二方面,提供了一种拍照行为检测装置,所述装置包括:
图像获取模块,用于获取目标场景的视频图像;
区域确定模块,用于确定所述视频图像包括的目标移动终端的图像区域;
调用模块,用于调用目标定位模型,将所述图像区域输入至所述目标定位模型中,输出所述目标移动终端的拍照手势标签,所述目标定位模型用于根据任一移动终端的图像区域确定所述移动终端的拍照手势;
行为确定模块,用于基于所输出的拍照手势标签,确定所述目标移动终端是否具有拍照行为。
可选地,所述区域确定模块用于:
调用目标检测模型,将所述视频图像输入至所述目标检测模型中,输出所述视频图像包括的目标移动终端的位置信息,所述目标检测模型用于根据任一视频图像检测所述视频图像包括的移动终端的位置信息;
基于所述目标移动终端的位置信息,从所述视频图像中确定所述目标移动终端的图像区域。
可选地,所述区域确定模块用于:
在所述视频图像中确定目标区域,所述目标区域是指所述目标移动终端的位置信息对应的位置区域扩大后的区域;
从所述视频图像中切割出所述目标区域,得到所述目标移动终端的图像区域。
可选地,所述目标检测模型是基于多个视频图像样本和每个视频图像样本中移动终端的位置信息,对待训练的检测模型进行训练得到的。
可选地,所述目标定位模型是基于多个图像区域样本及每个图像区域样本的拍照手势标签,对待训练的定位模型进行训练得到的。
可选地,所述行为确定模块用于:
当输出的拍照手势标签属于拍照行为标签时,确定所述目标移动终端具有拍照行为。
可选地,所述装置还包括:
次数确定模块,用于确定所述目标移动终端的拍照次数,所述拍照次数是指距离当前时间的预设时长内所述目标移动终端所拍照的次数;
报警模块,用于当所述目标移动终端的拍照次数达到拍照次数阈值时,进行报警提示。
可选地,所述装置还包括:
检测模块,用于检测所述视频图像是否为有效图像,所述有效图像是指摄像装置未被遮挡且未被移动时所拍摄的图像;
所述图像获取模块,还用于当所述视频图像为有效图像时,执行所述获取视频图像的操作;当所述视频图像不是有效图像时,进行检测异常报警提示。
第三方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行上述第一方面所述的拍照行为检测方法。
第四方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面所述的拍照行为检测方法。
本发明实施例提供的技术方案带来的有益效果是:
获取目标场景的视频图像,该目标场景为待监测的场景。确定该视频图像中的目标移动终端的图像区域,调用目标定位模型,将该图像区域输入到该目标定位模型中。由于该目标定位模型可以根据任一移动终端的图像区域确定该移动终端的拍照手势,因此,通过该目标定位模型可以输出目标移动终端的拍照手势标签。如此,根据输出的拍照手势标签,即可检测出该目标移动终端是否具有拍照行为。本发明实施例无需根据闪光灯进行拍照行为检测,也即是,无论目标移动终端是否开启闪光灯,均可以检测出目标场景中目标移动终端是否具有拍照行为。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据一示例性实施例示出的一种拍照行为检测方法的流程图。
图2是根据一示例性实施例示出的一种拍照行为检测装置的结构示意图。
图3是根据另一示例性实施例示出的一种拍照行为检测装置的结构示意图。
图4是根据另一示例性实施例示出的一种拍照行为检测装置的结构示意图。
图5示出了本发明一个示例性实施例提供的终端700的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例提供的拍照行为检测方法进行详细介绍之前,先对本发明实施例涉及的应用场景和实施环境进行简单介绍。
首先,对本发明实施例涉及的应用场景进行简单介绍。
在日常生活中,一些场景禁止拍照。然而,由于用户通常会随身携带移动终端,且移动终端具有拍照功能,因此,难免会有一些用户使用移动终端偷偷的拍照。目前,只能通过检测是否有人使用闪关灯,来检测是否有目标移动终端具有拍照行为,但如果用户在使用目标移动终端拍照时,没有开启闪关灯,将无法检测到该用户的拍照行为。为此,本发明实施例提供了一种拍照行为检测方法,该方法将基于目标移动终端的图像区域,通过目标定位模型确定目标移动终端的拍照手势标签,从而根据所确定的拍照手势标签,检测目标移动终端是否具有拍照行为。如此,无论目标移动终端是否开启闪光灯,均可以检测出目标场景中目标移动终端是否具有拍照行为。其具体实现过程请参见如下所示实施例。
其次,对本发明实施例涉及的实施环境进行简单介绍。
本发明实施例提供的拍照行为检测方法可以由终端来执行,在一种可能的实现方式中,该终端可以配置有摄像装置,或者,该终端也可以通过数据线或蓝牙等连接设备与外接的摄像装置之间进行连接,以通过摄像装置获取待监测的目标场景的视频图像。在一些实施例中,该终端可以为手机、平板电脑、计算机等,本发明实施例对此不做限定。
在介绍完本发明实施例涉及的应用场景和实施环境后,接下来,将结合附图对本发明实施例提供的拍照行为检测方法进行详细介绍。
请参考图1,图1是根据一示例性实施例示出的一种拍照行为检测方法的流程图,该拍照行为检测方法可以应用于上述实施环境中,该拍照行为检测方法可以包括如下几个实现步骤:
步骤101:获取目标场景的视频图像。
该目标场景通常是指不允许有拍照行为的待监测场景,譬如,该目标场景可以包括但不限于博物馆、展览馆、信息敏感的金融领域场景。在一些实施例中,可以在该目标场景中安装摄像装置,终端通过该摄像装置获取目标场景的视频图像。
进一步地,获取目标场景的视频图像之前,检测该视频图像是否为有效图像,该有效图像是指摄像装置未被遮挡且未被移动时所拍摄的图像,当该视频图像为有效图像时,获取视频图像,当该视频图像不是有效图像时,进行检测异常报警提示。
一些用户为了躲避拍照行为检测,可能会将监测目标场景的摄像装置遮挡住或移向其它方向,如此,终端将无法成功进行拍照行为检测。为此,终端在获取目标场景的视频图像之前,可以检测该视频图像是否为有效图像,即检测摄像装置是否被遮挡或移动。当确定该视频图像为有效图像时,获取该视频图像,并继续执行后续操作。反之,当该视频图像不是有效图像时,说明摄像装置可能被遮挡或被移动了,此时,可以进行异常报警提示,譬如,可以播放语音“摄像装置拍摄异常”等,以便于工作人员及时发现检测异常。
在一种可能的实现方式中,检测该视频图像是否为有效图像的具体实现可以包括:将该视频图像的像素值与预设视频图像的像素值进行比较,当该视频图像的像素值与该预设视频图像的像素值之间的差值小于或等于像素值阈值时,确定该视频图像为有效图像,当该视频图像的像素值与预设视频图像的像素值之间的差值大于该像素值阈值时,确定该视频图像不是有效图像。
也即是,为了检测视频图像是否有效,可以预先在该终端中存储预设视频图像,其中,该预设视频图像是在摄像装置未被遮挡且未被移动时,对目标场景拍摄得到的视频图像。在拍照行为检测过程中,将目标场景的视频图像的像素值与该预设视频图像的像素值进行比较。若该视频图像的像素值与预设视频图像的像素值之间的差值小于或等于像素值阈值,说明该视频图像与该预设视频图像之间的差异不大,因此,可以确定该视频图像为有效图像。
反之,当该视频图像的像素值与预设视频图像的像素值之间的差值大于该像素值阈值时,说明该视频图像与该预设视频图像之间的差异较大,此时可以确定该视频图像不是有效图像。譬如,当摄像装置被遮挡时,所拍摄的该目标场景的视频图像可能为全黑图像,此时,该全黑视频图像与预设视频图像之间的像素值差异较大,因此,可以确定该视频图像不是有效图像。
其中,该像素值阈值可以由用户根据实际需求自定义设置,也可以由该终端默认设置,本发明实施例对此不做限定。
步骤102:确定该视频图像包括的目标移动终端的图像区域。
在一种可能的实现方式中,确定该视频图像包括的目标移动终端的图像区域的具体实现可以包括:调用目标检测模型,将该视频图像输入至该目标检测模型中,输出该视频图像包括的目标移动终端的位置信息,该目标检测模型用于根据任一视频图像检测该视频图像包括的目标移动终端的位置信息,基于该目标移动终端的位置信息,从该视频图像中确定该目标移动终端的图像区域。
其中,上述目标移动终端的位置信息可以包括该目标移动终端的尺寸大小,以及目标移动终端在该视频图像中的位置坐标。
在一些实施例中,该目标检测模型的结构可以包括输入层、卷积层、池化层、全连接层和输出层。在该种情况下,终端将该视频图像从输入层输入至该目标检测模型中后,通过该目标检测模型包括的卷积层、池化层和全连接层进行数据处理,并在输出层输出该视频图像包括的目标移动终端的位置信息。
在一种可能的实现方式中,上述基于该目标移动终端的位置信息,从该视频图像中确定该目标移动终端的图像区域的具体实现包括:在视频图像中确定目标区域,该目标区域是指该目标移动终端的位置信息对应的位置区域扩大后的区域,从该视频图像中切割出该目标区域,得到该目标移动终端的图像区域。
不难理解,为了能够准确的定位目标移动终端的拍照手势,可以根据该目标移动终端的位置信息,确定该目标移动终端在该视频图像中的位置区域,之后,确定该位置区域扩大后的区域,以使得扩大后的区域内可能包括手势部分、用于架设目标移动终端的拍照杆部分或其它用户肢体部分,得到目标区域,从而可以根据该目标区域来确定目标移动终端的拍照手势。
在一种可能的实现方式中,终端确定该目标区域,可以从该视频图像中切割出该目标区域,从而得到该目标移动终端的图像区域。
或者,在另一种可能的实现方式中,终端确定目标区域后,还可以从该视频图像中圈出该目标区域,得到该目标移动终端的图像区域,本发明实施例对此不做限定。
进一步地,该目标检测模型是基于多个视频图像样本和每个视频图像样本中移动终端的位置信息,对待训练的检测模型进行训练得到的。
也即是,在调用目标检测模型之前,可以获取多个视频图像样本及每个视频图像样本中移动终端的位置信息,之后,基于该多个视频图像样本和该每个视频图像样本中移动终端的位置信息,对待训练的检测模型进行训练,得到该目标检测模型。
在一些实施方式中,该待训练的检测模型可以为卷积神经网络模型,其中,该卷积神经网络模型的结构可以包括输入层、卷积层、池化层、全连接层和输出层。调用目标检测模型之前,终端将该多个视频图像样本和该每个视频图像样本中移动终端的位置信息输入至该卷积神经网络模型中进行深度学习、训练,得到该目标检测模型,如此,所得到的该目标检测模型即可根据任一视频图像检测该视频图像包括的移动终端的位置信息。
值得一提的是,采用经过深度学习后得到的目标检测模型来检测目标移动终端的位置信息,保证了对位置信息检测的可靠性和准确性。
步骤103:调用目标定位模型,将该图像区域输入至该目标定位模型中,输出该目标移动终端的拍照手势标签,该目标定位模型用于根据任一移动终端的图像区域确定该移动终端的拍照手势。
其中,该图像区域可以包括多个像素点,该多个像素点中的每个像素点均对应有像素值,譬如,该像素值可以用RGB来表示,该RGB的取值范围可以为0至255。在一种可能的实现方式中,该目标定位模型可以基于该图像区域包括的像素点的像素值,确定该目标移动终端的拍照手势标签。
进一步地,该目标定位模型还可以对该目标移动终端的图像区域的像素值进行数据格式转换处理。譬如,若每个图像区域的像素值用RGB来表示,则可以将每个图像区域的像素值的格式转换为包括三组数据,该三组数据分别为R组,G组和B组,该R组,G组和B组中的每组分别用于存储像素值中R的值,G的值和B的值。总之,在实现时,只要最终该每个图像区域的像素值的格式能够满足该目标定位模型所要求的数据格式即可。
在一些实施例中,该目标定位模型的结构可以包括输入层、卷积层、池化层、全连接层和输出层。在该种情况下,终端将该图像区域从输入层输入至该目标定位模型后,通过该目标定位模型包括的卷积层、池化层和全连接层进行数据处理,并在输出层输出该目标移动终端的拍照手势标签。
进一步地,若还对图像区域的像素值进行数据格式转换处理,则该目标定位模型可以基于该图像区域中经过数据格式转换处理后的像素值,确定该目标移动终端的拍照手势标签。
在一些实施例中,该目标定位模型输出的目标移动终端的拍照手势标签可以包括但不限于“手握目标移动终端无任何操作”、“玩目标移动终端”、“打电话”、“目标移动终端挂在脖子上”、“手握目标移动终端拍照”、“目标移动终端在拍照杆上显示屏对着目标拍照”、“目标移动终端在拍照杆上镜头对着目标拍照”、“目标移动终端在拍照杆上无任何操作”。
进一步地,该目标定位模型是基于多个图像区域样本及每个图像区域样本的拍照手势标签,对待训练的定位模型进行训练得到的。
也即是,调用目标定位模型之前,获取多个图像区域样本及每个图像区域样本的拍照手势标签,基于该多个图像区域样本及该每个图像区域样本的拍照手势标签,对待训练的定位模型进行训练,得到该目标定位模型。
在一些实施例中,该待训练的定位模型可以为卷积神经网络模型,该卷积神经网络模型的结构可以包括输入层、卷积层、池化层、全连接层和输出层。终端可以将该多个图像区域样本及该每个图像区域样本的拍照手势标签输入至该卷积神经网络模型进行深度学习和训练,得到能够对拍照手势进行分类的目标定位模型。如此,所得到的该目标定位模型即可根据任一移动终端的图像区域的像素值确定该移动终端的拍照手势。
需要说明的是,上述仅是以该待训练的定位模型采用卷积神经网络模型为例进行说明,在一些实施例中,该待训练的定位模型还可以采用其它多标签分类网络,本发明实施例对此不做限定。
值得一提的是,上述采用多标签分类网络确定目标定位模型,能够以较小的代价精细的定位目标移动终端对应的各种拍照手势标签,增强了可扩展性。
另外,本发明实施例依次基于两个经过深度学习后得到的模型,实现了拍照行为检测方法,保证整个实现***具有一定的防干扰能力,且增强了实用性。
步骤104:基于所输出的拍照手势标签,确定该目标移动终端是否具有拍照行为。
在一种可能的实现方式中,基于所输出的拍照手势标签,确定该目标移动终端是否具有拍照行为的具体实现可以包括:当输出的拍照手势标签属于拍照行为标签时,确定该目标移动终端具有拍照行为。
该终端中可以预先存储有多个拍照行为标签,譬如,该拍照行为标签可以包括但不限于“手握目标移动终端拍照”、“目标移动终端在拍照杆上显示屏对着目标拍照”、“目标移动终端在拍照杆上镜头对着目标拍照”。
如此,该终端查询上述目标定位模型输出的拍照手势标签是否属于该多个拍照行为标签,如果属于,则可以确定对应的目标移动终端具有拍照行为,如果不属于,则可以确定无目标移动终端具有拍照行为。
进一步地,确定该目标移动终端具有拍照行为之后,确定该目标移动终端的拍照次数,该拍照次数是指距离当前时间的预设时长内该目标移动终端所拍照的次数,当该目标移动终端的拍照次数达到拍照次数阈值时,进行报警提示。
其中,该预设时长可以由用户根据实际需求自定义设置,也可以由该终端默认设置,本发明实施例对此不做限定。譬如,该预设时长可以设置为30分钟,此时,如果在距离当前的半小时内,检测到目标移动终端的拍照次数达到拍照次数阈值,进行报警提示。
其中,该拍照次数阈值可以由用户根据实际需求自定义设置,也可以由该终端默认设置,本发明实施例对此不做限定。譬如,该拍照次数阈值可以设置为1,也可以设置为大于1的任一整数。
值得一提的是,若该拍照次数阈值设置为大于1的整数,则通过对目标移动终端进行行为跟踪,只有确定目标移动终端多次出现拍照行为时才进行报警提示,可以给出可信的报警信号,防止一次判断失误带来的误报,提高了报警的有效性。
在一些实施例中,当该视频图像包括多个目标移动终端时,该终端可以对该视频图像包括的每个目标移动终端进行ID编号,基于该ID编号生成跟踪列表,并维护该跟踪列表,以对每个目标移动终端进行行为跟踪。在列表维护过程中,该终端统计每个ID对应的目标移动终端的拍照次数,如果在距离当前时间的预设时长内拍照次数达到上述拍照次数阈值,则进行报警提示。
进一步地,终端可以采用多种方式进行报警提示,譬如,可以播报语音“请文明参观,禁止拍照”。进一步地,该终端还可以在显示屏上显示违规拍照的目标移动终端的信息,以便于工作人员进行当面制止管理。其中,该信息可以包括位置信息等。
在本发明实施例中,获取目标场景的视频图像,该目标场景为待监测的场景。确定该视频图像中的目标移动终端的图像区域,调用目标定位模型,将该图像区域输入到该目标定位模型中。由于该目标定位模型可以根据任一移动终端的图像区域确定该移动终端的拍照手势,因此,通过该目标定位模型可以输出目标移动终端的拍照手势标签。如此,根据输出的拍照手势标签,即可检测出该目标移动终端是否具有拍照行为。本发明实施例无需根据闪光灯进行拍照行为检测,也即是,无论目标移动终端是否开启闪光灯,均可以检测出目标场景中目标移动终端是否具有拍照行为。
图2是根据一示例性实施例示出的一种拍照行为检测装置的结构示意图,该拍照行为检测装置可以由软件、硬件或者两者的结合实现。该拍照检测装置可以包括:
图像获取模块201,用于获取目标场景的视频图像;
区域确定模块202,用于确定所述视频图像包括的目标移动终端的图像区域;
调用模块203,用于调用目标定位模型,将所述图像区域输入至所述目标定位模型中,输出所述目标移动终端的拍照手势标签,所述目标定位模型用于根据任一移动终端的图像区域确定所述移动终端的拍照手势;
行为确定模块204,用于基于所输出的拍照手势标签,确定所述目标移动终端是否具有拍照行为。
可选地,所述区域确定模块202用于:
调用目标检测模型,将所述视频图像输入至所述目标检测模型中,输出所述视频图像包括的目标移动终端的位置信息,所述目标检测模型用于根据任一视频图像检测所述视频图像包括的目标移动终端的位置信息;
基于所述目标移动终端的位置信息,从所述视频图像中确定所述目标移动终端的图像区域。
可选地,所述区域确定模块202用于:
在所述视频图像中确定目标区域,所述目标区域是指所述目标移动终端的位置信息对应的位置区域扩大后的区域;
从所述视频图像中切割出所述目标区域,得到所述目标移动终端的图像区域。
可选地,所述目标检测模型是基于多个视频图像样本和每个视频图像样本中移动终端的位置信息,对待训练的检测模型进行训练得到的。
可选地,所述目标定位模型是基于多个图像区域样本及每个图像区域样本的拍照手势标签,对待训练的定位模型进行训练得到的。
可选地,所述行为确定模块204用于:
当输出的拍照手势标签属于拍照行为标签时,确定所述目标移动终端具有拍照行为。
可选地,请参考图3,所述装置还包括:
次数确定模块205,用于确定所述目标移动终端的拍照次数,所述拍照次数是指距离当前时间的预设时长内所述目标移动终端所拍照的次数;
报警模块206,用于当所述目标移动终端的拍照次数达到拍照次数阈值时,进行报警提示。
可选地,请参考图4,所述装置还包括:
检测模块207,用于检测所述视频图像是否为有效图像,所述有效图像是指摄像装置未被遮挡且未被移动时所拍摄的图像;
所述图像获取模块201,还用于当所述视频图像为有效图像时,执行所述获取视频图像的操作;当所述视频图像不是有效图像时,进行检测异常报警提示。
在本发明实施例中,获取目标场景的视频图像,该目标场景为待监测的场景。确定该视频图像中的目标移动终端的图像区域,调用目标定位模型,将该图像区域输入到该目标定位模型中。由于该目标定位模型可以根据任一移动终端的图像区域确定该移动终端的拍照手势,因此,通过该目标定位模型可以输出目标移动终端的拍照手势标签。如此,根据输出的拍照手势标签,即可检测出该目标移动终端是否具有拍照行为。本发明实施例无需根据闪光灯进行拍照行为检测,也即是,无论目标移动终端是否开启闪光灯,均可以检测出目标场景中目标移动终端是否具有拍照行为。
需要说明的是:上述实施例提供的拍照行为检测装置在实现拍照行为检测方法触发智能网业务时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的拍照行为检测装置与拍照行为检测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图5示出了本发明一个示例性实施例提供的终端700的结构框图。该终端700可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端700包括有:处理器701和存储器702。
处理器701可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的拍照行为检测方法。
在一些实施例中,终端700还可选包括有:***设备接口703和至少一个***设备。处理器701、存储器702和***设备接口703之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口703相连。具体地,***设备包括:射频电路704、触摸显示屏705、摄像头706、音频电路707、定位组件708和电源709中的至少一种。
***设备接口703可被用于将I/O(Input/Output,输入/输出)相关的至少一个***设备连接到处理器701和存储器702。在一些实施例中,处理器701、存储器702和***设备接口703被集成在同一芯片或电路板上;在一些其他实施例中,处理器701、存储器702和***设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路704包括:天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路704还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏705用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时,显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时,显示屏705还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏705可以为一个,设置终端700的前面板;在另一些实施例中,显示屏705可以为至少两个,分别设置在终端700的不同表面或呈折叠设计;在再一些实施例中,显示屏705可以是柔性显示屏,设置在终端700的弯曲表面上或折叠面上。甚至,显示屏705还可以设置成非矩形的不规则图形,也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地,摄像头组件706包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器701进行处理,或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路707还可以包括耳机插孔。
定位组件708用于定位终端700的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System,全球定位***)、中国的北斗***或俄罗斯的伽利略***的定位组件。
电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于:加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以终端700建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号,控制触摸显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测终端700的机体方向及转动角度,陀螺仪传感器712可以与加速度传感器711协同采集用户对终端700的3D动作。处理器701根据陀螺仪传感器712采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在终端700的侧边框和/或触摸显示屏705的下层。当压力传感器713设置在终端700的侧边框时,可以检测用户对终端700的握持信号,由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在触摸显示屏705的下层时,由处理器701根据用户对触摸显示屏705的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹,由处理器701根据指纹传感器714采集到的指纹识别用户的身份,或者,由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器701授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置终端700的正面、背面或侧面。当终端700上设置有物理按键或厂商Logo时,指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中,处理器701可以根据光学传感器715采集的环境光强度,控制触摸显示屏705的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏705的显示亮度;当环境光强度较低时,调低触摸显示屏705的显示亮度。在另一个实施例中,处理器701还可以根据光学传感器715采集的环境光强度,动态调整摄像头组件706的拍摄参数。
接近传感器716,也称距离传感器,通常设置在终端700的前面板。接近传感器716用于采集用户与终端700的正面之间的距离。在一个实施例中,当接近传感器716检测到用户与终端700的正面之间的距离逐渐变小时,由处理器701控制触摸显示屏705从亮屏状态切换为息屏状态;当接近传感器716检测到用户与终端700的正面之间的距离逐渐变大时,由处理器701控制触摸显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图5中示出的结构并不构成对终端700的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行上述图1所示实施例提供的拍照行为检测方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述图1所示实施例提供的拍照行为检测方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也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,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (17)
1.一种拍照行为检测方法,其特征在于,所述方法包括:
获取目标场景的视频图像;
确定所述视频图像包括的目标移动终端的图像区域;
调用目标定位模型,将所述图像区域输入至所述目标定位模型中,输出所述目标移动终端的拍照手势标签,所述目标定位模型用于根据任一移动终端的图像区域确定所述移动终端的拍照手势;
基于所输出的拍照手势标签,确定所述目标移动终端是否具有拍照行为。
2.如权利要求1所述的方法,其特征在于,所述确定所述视频图像包括的目标移动终端的图像区域,包括:
调用目标检测模型,将所述视频图像输入至所述目标检测模型中,输出所述视频图像包括的目标移动终端的位置信息,所述目标检测模型用于根据任一视频图像检测所述视频图像包括的移动终端的位置信息;
基于所述目标移动终端的位置信息,从所述视频图像中确定所述目标移动终端的图像区域。
3.如权利要求2所述的方法,其特征在于,所述基于所述目标移动终端的位置信息,从所述视频图像中确定所述目标移动终端的图像区域,包括:
在所述视频图像中确定目标区域,所述目标区域是指所述目标移动终端的位置信息对应的位置区域扩大后的区域;
从所述视频图像中切割出所述目标区域,得到所述目标移动终端的图像区域。
4.如权利要求2所述的方法,其特征在于,所述目标检测模型是基于多个视频图像样本和每个视频图像样本中移动终端的位置信息,对待训练的检测模型进行训练得到的。
5.如权利要求1所述的方法,其特征在于,所述目标定位模型是基于多个图像区域样本及每个图像区域样本的拍照手势标签,对待训练的定位模型进行训练得到的。
6.如权利要求1所述的方法,其特征在于,所述基于所输出的拍照手势标签,确定所述目标移动终端是否具有拍照行为,包括:
当输出的拍照手势标签属于拍照行为标签时,确定所述目标移动终端具有拍照行为。
7.如权利要求6所述的方法,其特征在于,所述确定所述目标移动终端具有拍照行为之后,还包括:
确定所述目标移动终端的拍照次数,所述拍照次数是指距离当前时间的预设时长内所述目标移动终端所拍照的次数;
当所述目标移动终端的拍照次数达到拍照次数阈值时,进行报警提示。
8.如权利要求1所述的方法,其特征在于,所述获取视频图像之前,还包括:
检测所述视频图像是否为有效图像,所述有效图像是指摄像装置未被遮挡且未被移动时所拍摄的图像;
当所述视频图像为有效图像时,执行所述获取视频图像的操作;当所述视频图像不是有效图像时,进行检测异常报警提示。
9.一种拍照行为检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取目标场景的视频图像;
区域确定模块,用于确定所述视频图像包括的目标移动终端的图像区域;
调用模块,用于调用目标定位模型,将所述图像区域输入至所述目标定位模型中,输出所述目标移动终端的拍照手势标签,所述目标定位模型用于根据任一移动终端的图像区域确定所述移动终端的拍照手势;
行为确定模块,用于基于所输出的拍照手势标签,确定所述目标移动终端是否具有拍照行为。
10.如权利要求9所述的装置,其特征在于,所述区域确定模块用于:
调用目标检测模型,将所述视频图像输入至所述目标检测模型中,输出所述视频图像包括的目标移动终端的位置信息,所述目标检测模型用于根据任一视频图像检测所述视频图像包括的移动终端的位置信息;
基于所述目标移动终端的位置信息,从所述视频图像中确定所述目标移动终端的图像区域。
11.如权利要求10所述的装置,其特征在于,所述区域确定模块用于:
在所述视频图像中确定目标区域,所述目标区域是指所述目标移动终端的位置信息对应的位置区域扩大后的区域;
从所述视频图像中切割出所述目标区域,得到所述目标移动终端的图像区域。
12.如权利要求10所述的装置,其特征在于,所述目标检测模型是基于多个视频图像样本和每个视频图像样本中移动终端的位置信息,对待训练的检测模型进行训练得到的。
13.如权利要求9所述的装置,其特征在于,所述目标定位模型是基于多个图像区域样本及每个图像区域样本的拍照手势标签,对待训练的定位模型进行训练得到的。
14.如权利要求9所述的装置,其特征在于,所述行为确定模块用于:
当输出的拍照手势标签属于拍照行为标签时,确定所述目标移动终端具有拍照行为。
15.如权利要求14所述的装置,其特征在于,所述装置还包括:
次数确定模块,用于确定所述目标移动终端的拍照次数,所述拍照次数是指距离当前时间的预设时长内所述目标移动终端所拍照的次数;
报警模块,用于当所述目标移动终端的拍照次数达到拍照次数阈值时,进行报警提示。
16.如权利要求9所述的装置,其特征在于,所述装置还包括:
检测模块,用于检测所述视频图像是否为有效图像,所述有效图像是指摄像装置未被遮挡且未被移动时所拍摄的图像;
所述图像获取模块,还用于当所述视频图像为有效图像时,执行所述获取视频图像的操作;当所述视频图像不是有效图像时,进行检测异常报警提示。
17.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现权利要求1-8所述的任一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810936534.3A CN110839128B (zh) | 2018-08-16 | 2018-08-16 | 拍照行为检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810936534.3A CN110839128B (zh) | 2018-08-16 | 2018-08-16 | 拍照行为检测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110839128A true CN110839128A (zh) | 2020-02-25 |
CN110839128B CN110839128B (zh) | 2021-04-27 |
Family
ID=69573418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810936534.3A Active CN110839128B (zh) | 2018-08-16 | 2018-08-16 | 拍照行为检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110839128B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523384A (zh) * | 2020-03-19 | 2020-08-11 | 浙江省北大信息技术高等研究院 | 一种基于视觉的会议防偷拍方法、装置、存储介质及终端 |
CN111631563A (zh) * | 2020-06-05 | 2020-09-08 | 京东方科技集团股份有限公司 | 展示装置及方法 |
CN111935403A (zh) * | 2020-08-14 | 2020-11-13 | 昆山同日工业自动化有限公司 | 一种基于5g网络的机密区域违章拍照监控*** |
CN112163677A (zh) * | 2020-10-14 | 2021-01-01 | 杭州海康威视数字技术股份有限公司 | 应用机器学习模型的方法、装置及设备 |
CN114125283A (zh) * | 2021-11-17 | 2022-03-01 | 北京蜂巢世纪科技有限公司 | 一种ar眼镜的控制方法、装置、电子设备及可读存储介质 |
CN115499580A (zh) * | 2022-08-15 | 2022-12-20 | 珠海视熙科技有限公司 | 多模式融合的智能取景方法、装置及摄像设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080031491A1 (en) * | 2006-08-03 | 2008-02-07 | Honeywell International Inc. | Anomaly detection in a video system |
JP2008312009A (ja) * | 2007-06-15 | 2008-12-25 | Sharp Corp | 盗撮防止システム、盗撮検出装置及び盗撮防止方法 |
CN106056071A (zh) * | 2016-05-30 | 2016-10-26 | 北京智芯原动科技有限公司 | 一种驾驶员打电话行为的检测方法及装置 |
CN107526438A (zh) * | 2017-08-08 | 2017-12-29 | 深圳市明日实业股份有限公司 | 根据举手动作进行跟踪录播的方法、装置及存储装置 |
CN107666594A (zh) * | 2017-09-18 | 2018-02-06 | 广东电网有限责任公司东莞供电局 | 一种视频监控实时监测违章作业的方法 |
CN108182396A (zh) * | 2017-12-25 | 2018-06-19 | 中国电子科技集团公司电子科学研究院 | 一种自动识别拍照行为的方法及装置 |
-
2018
- 2018-08-16 CN CN201810936534.3A patent/CN110839128B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080031491A1 (en) * | 2006-08-03 | 2008-02-07 | Honeywell International Inc. | Anomaly detection in a video system |
JP2008312009A (ja) * | 2007-06-15 | 2008-12-25 | Sharp Corp | 盗撮防止システム、盗撮検出装置及び盗撮防止方法 |
CN106056071A (zh) * | 2016-05-30 | 2016-10-26 | 北京智芯原动科技有限公司 | 一种驾驶员打电话行为的检测方法及装置 |
CN107526438A (zh) * | 2017-08-08 | 2017-12-29 | 深圳市明日实业股份有限公司 | 根据举手动作进行跟踪录播的方法、装置及存储装置 |
CN107666594A (zh) * | 2017-09-18 | 2018-02-06 | 广东电网有限责任公司东莞供电局 | 一种视频监控实时监测违章作业的方法 |
CN108182396A (zh) * | 2017-12-25 | 2018-06-19 | 中国电子科技集团公司电子科学研究院 | 一种自动识别拍照行为的方法及装置 |
Non-Patent Citations (1)
Title |
---|
沈家骏: "基于行为图像区域的行为识别算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523384A (zh) * | 2020-03-19 | 2020-08-11 | 浙江省北大信息技术高等研究院 | 一种基于视觉的会议防偷拍方法、装置、存储介质及终端 |
CN111631563A (zh) * | 2020-06-05 | 2020-09-08 | 京东方科技集团股份有限公司 | 展示装置及方法 |
CN111935403A (zh) * | 2020-08-14 | 2020-11-13 | 昆山同日工业自动化有限公司 | 一种基于5g网络的机密区域违章拍照监控*** |
CN112163677A (zh) * | 2020-10-14 | 2021-01-01 | 杭州海康威视数字技术股份有限公司 | 应用机器学习模型的方法、装置及设备 |
CN112163677B (zh) * | 2020-10-14 | 2023-09-19 | 杭州海康威视数字技术股份有限公司 | 应用机器学习模型的方法、装置及设备 |
CN114125283A (zh) * | 2021-11-17 | 2022-03-01 | 北京蜂巢世纪科技有限公司 | 一种ar眼镜的控制方法、装置、电子设备及可读存储介质 |
CN114125283B (zh) * | 2021-11-17 | 2024-04-09 | 北京蜂巢世纪科技有限公司 | 一种ar眼镜的控制方法、装置、电子设备及可读存储介质 |
CN115499580A (zh) * | 2022-08-15 | 2022-12-20 | 珠海视熙科技有限公司 | 多模式融合的智能取景方法、装置及摄像设备 |
CN115499580B (zh) * | 2022-08-15 | 2023-09-19 | 珠海视熙科技有限公司 | 多模式融合的智能取景方法、装置及摄像设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110839128B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110839128B (zh) | 拍照行为检测方法、装置及存储介质 | |
CN110308956B (zh) | 一种应用界面显示方法、装置及移动终端 | |
CN108132790B (zh) | 检测无用代码的方法、装置及计算机存储介质 | |
CN109886208B (zh) | 物体检测的方法、装置、计算机设备及存储介质 | |
CN111127509A (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN112084811A (zh) | 身份信息的确定方法、装置及存储介质 | |
CN110874905A (zh) | 监控方法及装置 | |
CN111754386A (zh) | 图像区域屏蔽方法、装置、设备及存储介质 | |
CN112749590B (zh) | 目标检测方法、装置、计算机设备和计算机可读存储介质 | |
CN110677713B (zh) | 视频图像处理方法及装置、存储介质 | |
CN111857793B (zh) | 网络模型的训练方法、装置、设备及存储介质 | |
CN111586279B (zh) | 确定拍摄状态的方法、装置、设备及存储介质 | |
CN107943484B (zh) | 执行业务功能的方法和装置 | |
CN111753606A (zh) | 一种智能模型的升级方法及装置 | |
CN111897465B (zh) | 弹窗显示方法、装置、设备及存储介质 | |
CN111127541A (zh) | 车辆尺寸的确定方法、装置及存储介质 | |
CN111931712A (zh) | 人脸识别方法、装置、抓拍机及*** | |
CN111860064B (zh) | 基于视频的目标检测方法、装置、设备及存储介质 | |
CN111611414A (zh) | 车辆检索方法、装置及存储介质 | |
CN113706807B (zh) | 发出报警信息的方法、装置、设备及存储介质 | |
CN113936240A (zh) | 确定样本图像的方法、装置、设备及存储介质 | |
CN110717365B (zh) | 一种获取图片的方法及装置 | |
CN108881715B (zh) | 拍摄模式的启用方法、装置、终端及存储介质 | |
CN111860030A (zh) | 行为检测方法、装置、设备及存储介质 | |
CN112990424A (zh) | 神经网络模型训练的方法和装置 |
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 |