CN111400047A - 通过云边协同从监控视频流中进行人脸检测和识别的方法 - Google Patents
通过云边协同从监控视频流中进行人脸检测和识别的方法 Download PDFInfo
- Publication number
- CN111400047A CN111400047A CN202010193385.3A CN202010193385A CN111400047A CN 111400047 A CN111400047 A CN 111400047A CN 202010193385 A CN202010193385 A CN 202010193385A CN 111400047 A CN111400047 A CN 111400047A
- Authority
- CN
- China
- Prior art keywords
- data
- face
- monitoring
- image data
- image 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 11
- 230000001815 facial effect Effects 0.000 claims 2
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了通过云边协同从监控视频流中进行人脸检测和识别的方法,包括以下步骤:S1、通过边缘设备扫描并添加图像采集设备,并拉取所述图像采集设备的视频流;S2、分离出所述视频流中的压缩数据,并对所述压缩数据解码获取全局图像帧数据;S3、抽取所述全局图像帧数据中的局部图像帧数据进行人脸特征点检测,并生成含有人脸位置数据和人脸图像数据的数据包;S4、根据所述数据包对所述全局图像帧数据进行人脸跟踪识别,输出特征人脸图像数据;S5、将所述特征人脸图像数据上传至云服务器,所述云服务器接收到所述特征人脸图像数据后,根据所述特征人脸图像数据对云数据库进行对比识别,并得到对比识别数据。
Description
技术领域
本发明涉及视频图像抓取、人脸检测和识别等技术领域,具体涉及通过云边协同从监控视频流中进行人脸检测和识别的方法。
背景技术
目前的监控人脸识别需要前端部署专用人脸抓拍机设备进行人脸检测抓怕,搭配NVR设备做人脸对比识别。
现有的监控人脸检测识别:需要部署NVR设备和人脸抓拍机,成本较高,人脸对比识别局限在单个NVR***内,无法形成多NVR汇聚,形成人脸信息孤岛,无法利用原有普通视频监控摄像头进行人脸检测抓拍。
发明内容
针对现有技术中的缺陷,本发明提供通过云边协同从监控视频流中进行人脸检测和识别的方法,主要利用边缘设备对普通视频监控摄像头进行人脸检测,不需要单独部署人脸抓拍机,边缘设备可以同时处理多路视频流,云端进行人脸对比识别,形成云端人脸识别汇聚,解决单NVR设备人脸识别局限性和人脸信息孤岛问题。
通过云边协同从监控视频流中进行人脸检测和识别的方法,包括以下步骤:S1、通过边缘设备扫描并添加图像采集设备,并拉取所述图像采集设备的视频流;S2、分离出所述视频流中的压缩数据,并对所述压缩数据解码获取全局图像帧数据;S3、抽取所述全局图像帧数据中的局部图像帧数据进行人脸特征点检测,并生成含有人脸位置数据和人脸图像数据的数据包;S4、根据所述数据包对所述全局图像帧数据进行人脸跟踪识别,输出特征人脸图像数据;S5、将所述特征人脸图像数据上传至云服务器,所述云服务器接收到所述特征人脸图像数据后,根据所述特征人脸图像数据对云数据库进行对比识别,并得到对比识别数据。
本发明通过使用边缘设备实时对普通摄像头的视频流进行人脸检测,减少传输成本,云端人脸汇聚进行人脸对比识别,能够降低视频监控人脸检测识别成本,云端人脸汇聚识别解决传统NVR人脸识别信息孤岛问题。不需要专门装备NVR设备或人脸抓拍机,通过普通视频流即可抓取人脸数据,大大减少了设备成本。
进一步的,为了提高该方法的协同性、灵活性,所述步骤S1中所述边缘设备通过ONVIF协议扫描并添加图像采集设备,并通过RTSP协议拉取所述图像采集设备的视频流。ONVIF规范描述了网络视频的模型、接口、数据类型以及数据交互的模式,并且包括一些现有标准。
进一步的,所述压缩数据为H.264格式的数据,采用该格式的数据拥有低码率、高质量、容错率高以及网络适应性强等优点。
进一步的,为了方便实时应用,所述压缩数据通过OpenCV来解码获取全局图像帧数据。
进一步的,为了增大兼容性,所述步骤S3中通过Dlib人脸检测模块进行人脸特征点检测。
进一步的,所述步骤S3中所述抽取所述全局图像帧数据中的局部图像帧数据的具体步骤为:
从所述全局图像帧数据里每5帧连续图像中,任意抽取1帧图像做为局部图像帧数据。
进一步的,所述步骤S4中所述人脸跟踪识别通过人脸跟踪模块或人脸跟踪算法完成。
进一步的,所述步骤S4中获取所述特征人脸图像数据具体步骤为:
将所述数据包导入所述人脸跟踪模块或人脸跟踪算法中,所述人脸跟踪模块或人脸跟踪算法根据所述数据包中的人脸位置数据和人脸图像数据对所述全局图像帧数据中的每一帧进行对比识别,获取每一帧里的人脸图像数据,并对比这些人脸图像数据得到最优人脸图像数据作为所述特征人脸图像数据。
进一步的,为了增加对比范围以及精确度,所述步骤S5中根据所述特征人脸图像数据对云数据库进行对比识别,包括1对1对比、1对N对比,所述N为自然数。
进一步的,所述边缘设备包括摄像头、路由器、路由交换机、集成接入设备、多路复用器以及城域网或广域网接入设备。
本发明的有益效果体现在:
本发明提供通过云边协同从监控视频流中进行人脸检测和识别的方法,主要利用边缘设备对普通视频监控摄像头进行人脸检测,不需要单独部署人脸抓拍机,边缘设备可以同时处理多路视频流,云端进行人脸对比识别,形成云端人脸识别汇聚,解决单NVR设备人脸识别局限性和人脸信息孤岛问题。减少传输成本,云端人脸汇聚进行人脸对比识别,能够降低视频监控人脸检测识别成本,云端人脸汇聚识别解决传统NVR人脸识别信息孤岛问题。不需要专门装备NVR设备或人脸抓拍机,通过普通视频流即可抓取人脸数据,大大减少了设备成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例的步骤示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例
如图1所示,通过云边协同从监控视频流中进行人脸检测和识别的方法,包括以下步骤:S1、通过边缘设备扫描并添加图像采集设备,并拉取所述图像采集设备的视频流;S2、分离出所述视频流中的压缩数据,并对所述压缩数据解码获取全局图像帧数据;S3、抽取所述全局图像帧数据中的局部图像帧数据进行人脸特征点检测,并生成含有人脸位置数据和人脸图像数据的数据包;S4、根据所述数据包对所述全局图像帧数据进行人脸跟踪识别,输出特征人脸图像数据;S5、将所述特征人脸图像数据上传至云服务器,所述云服务器接收到所述特征人脸图像数据后,根据所述特征人脸图像数据对云数据库进行对比识别,并得到对比识别数据。
本发明通过使用边缘设备实时对普通摄像头的视频流进行人脸检测,减少传输成本,云端人脸汇聚进行人脸对比识别,能够降低视频监控人脸检测识别成本,云端人脸汇聚识别解决传统NVR人脸识别信息孤岛问题。不需要专门装备NVR设备或人脸抓拍机,通过普通视频流即可抓取人脸数据,大大减少了设备成本。
为了提高该方法的协同性、灵活性,所述步骤S1中所述边缘设备通过ONVIF协议扫描并添加图像采集设备,并通过RTSP协议拉取所述图像采集设备的视频流。ONVIF规范描述了网络视频的模型、接口、数据类型以及数据交互的模式,并且包括一些现有标准;协同性是指不同厂商所提供的产品,均可以通过一个统一的“语言”来进行交流。方便了***的集成。灵活性是指终端用户和集成用户不需要被某些设备的固有解决方案所束缚。大大降低了开发成本。RTSP协议包括多个优点:RTSP协议具有如下特点:可扩展性,新方法和参数很容易加入RTSP;易解析,RTSP可由标准HTTP或MIME解析器解析;安全,RTSP使用网页安全机制;独立于传输,RTSP可使用不可靠数据报协议(EDP)、可靠数据报协议(RDP);如要实现应用级可靠,可使用可靠流协议。
所述压缩数据为H.264格式的数据,采用该格式的数据拥有低码率、高质量、容错率高以及网络适应性强等优点。
为了方便实时应用,所述压缩数据通过OpenCV来解码获取全局图像帧数据。
为了增大兼容性,所述步骤S3中通过Dlib人脸检测模块进行人脸特征点检测。Dlib是一个现代化的C++工具箱,其中包含用于在C++中创建复杂软件以解决实际问题的机器学习算法和工具。它广泛应用于工业界和学术界,包括机器人,嵌入式设备,移动电话和大型高性能计算环境。Dlib可在多种***间兼容,例如MS Windows,Linux和Mac OS X***。
所述步骤S3中所述抽取所述全局图像帧数据中的局部图像帧数据的具体步骤为:
从所述全局图像帧数据里每5帧连续图像中,任意抽取1帧图像做为局部图像帧数据。
所述步骤S4中所述人脸跟踪识别通过人脸跟踪模块或人脸跟踪算法完成。
所述步骤S4中获取所述特征人脸图像数据具体步骤为:
将所述数据包导入所述人脸跟踪模块或人脸跟踪算法中,所述人脸跟踪模块或人脸跟踪算法根据所述数据包中的人脸位置数据和人脸图像数据对所述全局图像帧数据中的每一帧进行对比识别,获取每一帧里的人脸图像数据,并对比这些人脸图像数据得到最优人脸图像数据作为所述特征人脸图像数据。
在本实施例中所述人脸跟踪算法采用GoTurn算法目标跟踪等现有技术。
在本市实施例中最优人脸图像数据指这些人脸图像数据中清晰度最高、像素点最多、噪点最少的图像。
为了增加对比范围以及精确度,所述步骤S5中根据所述特征人脸图像数据对云数据库进行对比识别,包括1对1对比、1对N对比,所述N为自然数。
所述边缘设备包括摄像头、路由器、路由交换机、集成接入设备、多路复用器以及城域网或广域网接入设备。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.通过云边协同从监控视频流中进行人脸检测和识别的方法,其特征在于:包括以下步骤:
S1、通过边缘设备扫描并添加图像采集设备,并拉取所述图像采集设备的视频流;
S2、分离出所述视频流中的压缩数据,并对所述压缩数据解码获取全局图像帧数据;
S3、抽取所述全局图像帧数据中的局部图像帧数据进行人脸特征点检测,并生成含有人脸位置数据和人脸图像数据的数据包;
S4、根据所述数据包对所述全局图像帧数据进行人脸跟踪识别,输出特征人脸图像数据;
S5、将所述特征人脸图像数据上传至云服务器,所述云服务器接收到所述特征人脸图像数据后,根据所述特征人脸图像数据对云数据库进行对比识别,并得到对比识别数据。
2.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述步骤S1中所述边缘设备通过ONVIF协议扫描并添加图像采集设备,并通过RTSP协议拉取所述图像采集设备的视频流。
3.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述压缩数据为H.264格式的数据。
4.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述压缩数据通过OpenCV来解码获取全局图像帧数据。
5.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述步骤S3中通过Dlib人脸检测模块进行人脸特征点检测。
6.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述步骤S3中所述抽取所述全局图像帧数据中的局部图像帧数据的具体步骤为:
从所述全局图像帧数据里每5帧连续图像中,任意抽取1帧图像做为局部图像帧数据。
7.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述步骤S4中所述人脸跟踪识别通过人脸跟踪模块或人脸跟踪算法完成。
8.根据权利要求7所述的一种基于物联网技术的监测识别***,其特征在于,所述步骤S4中获取所述特征人脸图像数据具体步骤为:
将所述数据包导入所述人脸跟踪模块或人脸跟踪算法中,所述人脸跟踪模块或人脸跟踪算法根据所述数据包中的人脸位置数据和人脸图像数据对所述全局图像帧数据中的每一帧进行对比识别,获取每一帧里的人脸图像数据,并对比这些人脸图像数据得到最优人脸图像数据作为所述特征人脸图像数据。
9.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述步骤S5中根据所述特征人脸图像数据对云数据库进行对比识别,包括1对1对比、1对N对比,所述N为自然数。
10.根据权利要求1所述的一种基于物联网技术的监测识别***,其特征在于,所述边缘设备包括摄像头、路由器、路由交换机、集成接入设备、多路复用器以及城域网或广域网接入设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193385.3A CN111400047A (zh) | 2020-03-18 | 2020-03-18 | 通过云边协同从监控视频流中进行人脸检测和识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193385.3A CN111400047A (zh) | 2020-03-18 | 2020-03-18 | 通过云边协同从监控视频流中进行人脸检测和识别的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111400047A true CN111400047A (zh) | 2020-07-10 |
Family
ID=71430943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010193385.3A Pending CN111400047A (zh) | 2020-03-18 | 2020-03-18 | 通过云边协同从监控视频流中进行人脸检测和识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111400047A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633068A (zh) * | 2020-11-25 | 2021-04-09 | 河北汉光重工有限责任公司 | 基于陆防监控的人车图像识别追踪云*** |
CN113780156A (zh) * | 2021-09-08 | 2021-12-10 | 交通银行股份有限公司 | 一种基于云边端架构的人脸识别方法和*** |
CN114154018A (zh) * | 2022-02-08 | 2022-03-08 | 中国电子科技集团公司第二十八研究所 | 一种面向无人***的云边协同视频流处理方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514432A (zh) * | 2012-06-25 | 2014-01-15 | 诺基亚公司 | 人脸特征提取方法、设备和计算机程序产品 |
WO2017016516A1 (zh) * | 2015-07-24 | 2017-02-02 | 上海依图网络科技有限公司 | 一种复杂场景下基于人脸识别的视频人像跟踪方法 |
CN109190532A (zh) * | 2018-08-21 | 2019-01-11 | 北京深瞐科技有限公司 | 一种基于云边融合的人脸识别方法、装置及*** |
-
2020
- 2020-03-18 CN CN202010193385.3A patent/CN111400047A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514432A (zh) * | 2012-06-25 | 2014-01-15 | 诺基亚公司 | 人脸特征提取方法、设备和计算机程序产品 |
WO2017016516A1 (zh) * | 2015-07-24 | 2017-02-02 | 上海依图网络科技有限公司 | 一种复杂场景下基于人脸识别的视频人像跟踪方法 |
CN109190532A (zh) * | 2018-08-21 | 2019-01-11 | 北京深瞐科技有限公司 | 一种基于云边融合的人脸识别方法、装置及*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633068A (zh) * | 2020-11-25 | 2021-04-09 | 河北汉光重工有限责任公司 | 基于陆防监控的人车图像识别追踪云*** |
CN113780156A (zh) * | 2021-09-08 | 2021-12-10 | 交通银行股份有限公司 | 一种基于云边端架构的人脸识别方法和*** |
CN114154018A (zh) * | 2022-02-08 | 2022-03-08 | 中国电子科技集团公司第二十八研究所 | 一种面向无人***的云边协同视频流处理方法及*** |
CN114154018B (zh) * | 2022-02-08 | 2022-05-10 | 中国电子科技集团公司第二十八研究所 | 一种面向无人***的云边协同视频流处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111400047A (zh) | 通过云边协同从监控视频流中进行人脸检测和识别的方法 | |
KR101942808B1 (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 | |
US20120057640A1 (en) | Video Analytics for Security Systems and Methods | |
WO2013039062A1 (ja) | 顔分析装置、顔分析方法、及び記録媒体 | |
WO2012142797A1 (zh) | 一种视频监控***及方法 | |
CN1849613A (zh) | 用于特征识别的设备和方法 | |
CN104410923A (zh) | 基于视频聊天室的动画呈现方法及装置 | |
CN114079820A (zh) | 在摄像机设备上借助于神经网络输入的以感兴趣的事件/对象为中心的间隔拍摄视频生成 | |
CN109660762A (zh) | 智能抓拍装置中大小图关联方法及装置 | |
KR20210014988A (ko) | 원격 모니터링을 위한 영상 분석 시스템 및 방법 | |
CN110379130B (zh) | 一种基于多路高清sdi视频的医疗看护防摔倒*** | |
CN108881119B (zh) | 一种视频浓缩的方法、装置和*** | |
CN112235540A (zh) | 一种用于屏幕显示故障识别报警的智能视频监控*** | |
CN116800725A (zh) | 数据处理方法及装置 | |
CN116939197A (zh) | 基于音视频的直播节目首播和重播内容一致性监测方法 | |
CN110704268B (zh) | 一种视频图像自动化测试方法及装置 | |
KR102456189B1 (ko) | 클라우드 엣지 기반의 영상 분석 시스템 | |
CN116824480A (zh) | 基于DeepStream的监控视频分析方法及*** | |
ZA202209296B (en) | System and method for analyzing videos in real-time | |
KR20070005247A (ko) | Gre 터널링을 이용한 원격 비디오 인식 시스템. | |
CN111918038A (zh) | 基于物联网的多摄像头互相关融合改善信号信噪比方法 | |
KR101849092B1 (ko) | 실시간 영상 서비스의 화면깨짐 검출방법 및 그를 위한 장치 | |
CN113038254B (zh) | 一种视频播放方法、装置和存储介质 | |
CN112800816A (zh) | 一种基于多模型的视频动作识别检测方法 | |
CN111666810A (zh) | 一种违纪识别方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200710 |
|
RJ01 | Rejection of invention patent application after publication |