CN112149670A - 一种社会安防视频自动校时方法 - Google Patents
一种社会安防视频自动校时方法 Download PDFInfo
- Publication number
- CN112149670A CN112149670A CN202011020976.7A CN202011020976A CN112149670A CN 112149670 A CN112149670 A CN 112149670A CN 202011020976 A CN202011020976 A CN 202011020976A CN 112149670 A CN112149670 A CN 112149670A
- Authority
- CN
- China
- Prior art keywords
- video
- time
- social
- local
- equipment
- 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
Images
Classifications
-
- 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
- G06V20/635—Overlay text, e.g. embedded captions in a TV program
-
- 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种社会安防视频自动校时方法,首先对于在线社会视频,直接获取视频本地及全局时钟,计算视频设备本地时间与公共视频监控***统一时间的偏移量,完成时间信息的标注;对于离线社会视频,现场采集社会安防视频图像,并标记采集设备(移动终端)***时间;然后基于深度学习算法分析采集的离线社会视频图像,通过对离线社会视频图像的区域检测和文字/数字识别,获取图像中的时间标记字符串,并将时间标记字符串转换为标准格式的社会视频设备本地时间,并对本地时间进行校正;最后读取采集设备***时间,计算得出视频设备的基准时钟偏移量,为视频数据加注时间信息标签,实现多源视频数据集的时间映射。本发明提升了办案人员工作效率。
Description
技术领域
本发明属于社会安防技术领域,涉及一种安防视频自动校时方法,具体涉及一种社会安防视频自动校时方法。
背景技术
随着我国视频监控安防技术水平的不断进步,遍布大街小巷的各类视频探头、视频监控录像,成为公安机关治安防范、侦查破案、服务群众的有力抓手,视频侦查已成为第四大侦查技术,破案新的增长点。在各类视频监控***中,除政府主建的“平安城市”、“雪亮工程”等公共视频监控***外,由社会、单位、个人安装的用于自身技防的视频监控设备(社会视频***)是公共视频监控***不可或缺的有力补充。据统计,在通过视频侦查破获的各类案件中,用到社会视频***的占到五成以上。
然而,社会视频***建设因缺乏规划,建设标准、设备型号、网络构架差异大,底数不明、点位杂乱,为视频侦查工作顺利进行带来障碍。一方面,新的视频监控设备数量、位置每日都在变,为视频侦查拓线带来机遇;另一方面,因大多数视频设备所有人不懂操作,缺乏维护、管理,需要安装技术员到场,侦查员需要等待、询问登录名、密码,完成时间校对等工作。由于私有区域内的社会安防视频***缺少全局时钟校准机制,当前办案人员只能使用人工方法检索社会安防视频来获取数据,工作量大且繁琐,特别在涉及多场所、长时段、复杂案情的视频数据搜索时,人工处理难免产生错误的时间映射,导致筛查疏漏,严重影响工作效率。
发明内容
为了解决社会上各安防视频设备画面中时间标记大小、字体、颜色等属性各异,给精准识别带来很大难度的技术问题,本发明提供了一种社会安防视频自动校时方法。
本发明所采用的技术方案是:一种社会安防视频自动校时方法,其特征在于,包括以下步骤:
步骤1:对于在线社会视频,直接获取视频本地及全局时钟,计算视频设备本地时间与公共视频监控***统一时间的偏移量,完成时间信息的标注;
对于离线社会视频,使用移动终端现场采集社会安防视频图像,并标记采集设备(移动终端(警务通))***时间;
步骤2:基于深度学习算法分析采集的离线社会视频图像,通过对离线社会视频图像的区域检测和文字/数字识别,获取图像中的时间标记字符串,并将时间标记字符串转换为标准格式的社会视频设备本地时间,并对本地时间进行校正;
步骤3:读取采集设备(移动终端(警务通))***时间,计算得出视频设备的基准时钟偏移量,为视频数据加注时间信息标签,实现多源视频数据集的时间映射。
与传统技术方案相比,本发明的主要优点在于:
(1)文本定位优势
传统OCR算法以二值化作为文本行提取的基础,针对复杂背景,二值化无法减少噪声,提取文本行的能力较差;而深度学习算法能利用深度学习网络,在画面中直接应用训练的文本特征进行定位,无需担心噪声造成的干扰。
(2)字符切割优势
针对字符粘连、模糊等干扰,传统OCR算法进行字符切割十分困难;而深度学习算法使用启发式的注意力模型,以模拟人脑的方式将各种字符的主要特征提取出来,相比传统算法只能提取边缘阈值的方式有更强大的适应能力。
附图说明
图1为本发明实施例的流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
请见图1,本发明提供的一种社会安防视频自动校时方法,包括以下步骤:
步骤1:对于在线社会视频,接入“平安城市”、“雪亮工程”等的社会视频***直接获取本地及全局时钟,计算视频设备本地时间与公共视频监控***统一时间的偏移量,完成时间信息的标注;
对于未接入“平安城市”、“雪亮工程”等的离线社会视频***(离线),采用手持移动终端(警务通)现场采集社会安防视频图像,并标记移动终端(警务通)***时间。
步骤2:基于深度学习算法分析采集的离线社会视频图像,通过对离线社会视频图像的区域检测和文字/数字识别,获取图像中的时间标记字符串,并将时间标记字符串转换为标准格式的社会视频设备本地时间,并对本地时间进行校正;
本实施例中,对本地时间进行校正,具体实现为:
步骤2.1:随机或重点抽取某个采集的离线社会视频图像,自动识别出其中的本地时间;
步骤2.2:参照所抽取图像,对步骤2.1中自动识别的结果进行人工核查和校正。
步骤3:读取移动终端(警务通)***时间,计算得出视频设备的基准时钟偏移量,为视频数据加注时间信息标签,实现多源视频数据集的时间映射。
本实施例中,计算得出视频设备的基准时钟偏移量,计算公式为:
TΔ=Tglobal-Tlocal
其中,通过警务通联网获得公安部门统一的全局时间Tglobal,即标准***时间;Tlocal为视频设备本地时间。
本实施例中实现多源视频数据集的时间映射,设社会视频设备1、2、…、n的时钟偏移量分别为TΔ1、TΔ2、…、TΔn,则视频设备的全局时间分别为视频设备本地时间与其基准时钟偏移量之和,即
Tglobal1=Tlocal1+TΔ1
Tglobal2=Tlocal2+TΔ2
……
Tglobaln=Tlocaln+TΔn。
本发明的核心内容和效果:
(1)采用深度学习算法自动实现区域检测和字符识别,获取采集视频画面中的时间标记,并支持人工比对修正;
(2)使用一种精准、快捷社会安防视频***时间自动校准方法实现视频的语义标注,提升办案人员工作效率。
应当理解的是,本说明书未详细阐述的部分均属于现有技术;上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种社会安防视频自动校时方法,其特征在于,包括以下步骤:
步骤1:对于在线社会视频,直接获取视频本地及全局时钟,计算视频设备本地时间与公共视频监控***统一时间的偏移量,完成时间信息的标注;
对于离线社会视频,现场采集社会安防视频图像,并标记采集设备***时间;
步骤2:基于深度学习算法分析采集的离线社会视频图像,通过对离线社会视频图像的区域检测和文字/数字识别,获取图像中的时间标记字符串,并将时间标记字符串转换为标准格式的社会视频设备本地时间,并对本地时间进行校正;
步骤3:读取采集设备***时间,计算得出视频设备的基准时钟偏移量,为视频数据加注时间信息标签,实现多源视频数据集的时间映射。
2.根据权利要1所述的社会安防视频自动校时方法,其特征在于:步骤2中,所述对本地时间进行校正,具体实现包括以下子步骤:
步骤2.1:随机或重点抽取某个采集的离线社会视频图像,自动识别出其中的本地时间;
步骤2.2:参照所抽取图像,对步骤2.1中自动识别的结果进行人工核查和校正。
3.根据权利要1所述的社会安防视频自动校时方法,其特征在于:步骤3中,计算得出视频设备的基准时钟偏移量,计算公式为:
TΔ=Tglobal-Tlocal
其中,联网获得公安部门统一的全局时间Tglobal,即标准***时间;Tlocal为视频设备本地时间。
4.根据权利要1-3任意一项所述的社会安防视频自动校时方法,其特征在于:步骤3中所述实现多源视频数据集的时间映射,设社会视频设备1、2、…、n的时钟偏移量分别为TΔ1、TΔ2、…、TΔn,则视频设备的全局时间分别为视频设备本地时间与其基准时钟偏移量之和,即
Tglobal1=Tlocal1+TΔ1
Tglobal2=Tlocal2+TΔ2
……
Tglobaln=Tlocaln+TΔn。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011020976.7A CN112149670A (zh) | 2020-09-25 | 2020-09-25 | 一种社会安防视频自动校时方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011020976.7A CN112149670A (zh) | 2020-09-25 | 2020-09-25 | 一种社会安防视频自动校时方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149670A true CN112149670A (zh) | 2020-12-29 |
Family
ID=73896912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011020976.7A Pending CN112149670A (zh) | 2020-09-25 | 2020-09-25 | 一种社会安防视频自动校时方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149670A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103442216A (zh) * | 2013-08-22 | 2013-12-11 | 中国电子科技集团第三十八研究所 | 监控视频时间的校准装置及其校准方法 |
CN208401996U (zh) * | 2018-07-20 | 2019-01-18 | 杭州海康威视数字技术股份有限公司 | 一种摄像机 |
CN109391799A (zh) * | 2017-08-14 | 2019-02-26 | 杭州海康威视数字技术股份有限公司 | 一种监控视频同步方法、装置及视频采集设备 |
-
2020
- 2020-09-25 CN CN202011020976.7A patent/CN112149670A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103442216A (zh) * | 2013-08-22 | 2013-12-11 | 中国电子科技集团第三十八研究所 | 监控视频时间的校准装置及其校准方法 |
CN109391799A (zh) * | 2017-08-14 | 2019-02-26 | 杭州海康威视数字技术股份有限公司 | 一种监控视频同步方法、装置及视频采集设备 |
CN208401996U (zh) * | 2018-07-20 | 2019-01-18 | 杭州海康威视数字技术股份有限公司 | 一种摄像机 |
Non-Patent Citations (1)
Title |
---|
焦李成 等: "《人工智能、类脑计算与图像解译前沿》", 30 November 2019, 西安电子科技大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103839194B (zh) | 基于输电线路和gis的无人机巡检图像检索***及方法 | |
CN105788017B (zh) | 一种基于北斗/gps定位、rfid和摄像头获取学生精准考勤状态的方法 | |
CN110033132A (zh) | 基于深度目标检测和数值天气预报的热带气旋预报方法 | |
Xu et al. | A supervoxel approach to the segmentation of individual trees from LiDAR point clouds | |
Xu et al. | Tourism geography through the lens of time use: A computational framework using fine-grained mobile phone data | |
CN110955738B (zh) | 一种基于信令数据结合场景信息的人物画像刻画方法 | |
CN110348439A (zh) | 一种自动识别价签的方法、计算机可读介质及*** | |
CN104199840A (zh) | 基于统计模型的智能地名识别技术 | |
CN102446187A (zh) | 业务信息关联方法及关联装置 | |
CN105046959B (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
CN106776771A (zh) | 信息推送方法和装置 | |
CN111597949A (zh) | 一种基于npp-viirs夜间灯光数据的城市建成区提取方法 | |
KR101481323B1 (ko) | 이동 단말로부터 전달되는 식물 영상을 이용한 식물 정보 제공 시스템 | |
CN112668375A (zh) | 景区内游客分布分析***及方法 | |
CN107133689B (zh) | 一种位置标记方法 | |
Welsh | An overview of the forest bird monitoring program in Ontario, Canada | |
CN110324589A (zh) | 一种旅游景区的监控***与方法 | |
CN112347926B (zh) | 基于建筑形态分布的高分辨率影像城中村检测方法 | |
CN112149670A (zh) | 一种社会安防视频自动校时方法 | |
CN109034008A (zh) | 一种基于特征识别的展览会场管理*** | |
CN113256978A (zh) | 一种城市拥堵地区的诊断方法、***及储存介质 | |
CN102323950B (zh) | 基于投诉信息的地点识别的方法和装置 | |
CN105631569A (zh) | 基于电网gis电气化铁路牵引站气象监测及预警方法及*** | |
CN111210885A (zh) | 一种应急管理***及方法 | |
CN113158902B (zh) | 一种基于知识蒸馏的自动化训练识别模型的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201229 |