CN116894103B - 特定场景的数据分类存储*** - Google Patents

特定场景的数据分类存储*** Download PDF

Info

Publication number
CN116894103B
CN116894103B CN202310906827.8A CN202310906827A CN116894103B CN 116894103 B CN116894103 B CN 116894103B CN 202310906827 A CN202310906827 A CN 202310906827A CN 116894103 B CN116894103 B CN 116894103B
Authority
CN
China
Prior art keywords
monitored
sub
information
area
acquiring
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
Application number
CN202310906827.8A
Other languages
English (en)
Other versions
CN116894103A (zh
Inventor
郑美惠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Wintoo Information Technology Co ltd
Original Assignee
Anhui Wintoo Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Wintoo Information Technology Co ltd filed Critical Anhui Wintoo Information Technology Co ltd
Priority to CN202310906827.8A priority Critical patent/CN116894103B/zh
Publication of CN116894103A publication Critical patent/CN116894103A/zh
Application granted granted Critical
Publication of CN116894103B publication Critical patent/CN116894103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/061—Improving I/O performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/062—Securing storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种特定场景的数据分类存储***，属于数据存储技术领域，该数据分类存储***通过对历史数据进行分析处理，获取图像采集单元中各摄像头所监控区域之间的内部联系，对各摄像头采集的图像信息进行有针对性的分布存储，因此在特定的异常特征进行检索时，也可以进行有针对性的检索分析，避免对所有摄像头采集的图像信息进行全面的、覆盖式的检索，这种方法一方面能够降低需要检索的数据量，从而提升对对应的异常的特征的检索效率，使用户能够快速的获取对应异常特征在被监控区域内的活动数据，另一方面还能够降低对不常用的存储信息的搜索频率，从而有利于降低存储成本。

Description

特定场景的数据分类存储***
技术领域
本发明属于数据存储技术领域，具体的，涉及一种特定场景的数据分类存储***。
背景技术
通过监控摄像头对一个指定区域的图像信息进行采集获取是现有技术中一种常见的监控手段，随着存储技术的发展，也能够对大量的图像信息进行存储，保证了数据的完整性，但是同时，海量的数据也为数据的筛选带来了难题，现有技术中，在用户需要对大量视频数据中出现的一个特征集合进行筛选时，只能通过全面覆盖的方式来进行，这就大大的提升了检索过程中的计算量，从而显著降低了检索的效率，为了解决上述问题，提供一种能够在保证检索效果的前提下，避免对海量的视频数据进行分析处理，以提升检索效率，降低对数据存储设备的要求的方法，本发明提供了以下技术方案。
发明内容
本发明的目的在于提供一种特定场景的数据分类存储***，解决现有技术中在对海量的图像信息中的异常特征进行识别时，需要采用全面覆盖的方式进行，大大的降低了检索效率。
本发明的目的可以通过以下技术方案实现：
特定场景的数据分类存储***，包括：
图像采集单元，包括分布设置在被监控区域内的摄像头，各摄像头对被监控区域内的图像信息进行采集，并将其传输至分类单元；
特征识别单元，用于对图像采集单元所采集的图像信息进行识别分析，对其中的异常特征进行识别；
分类单元，用于对图像采集单元中各摄像头所采集的图像信息进行分类后发送至存储单元进行存储；
存储单元，包括若干个子存储单元，通过若干个子存储单元对图像采集单元所采集的图像信息进行分布式存储；
通过分类单元对图像采集单元中各摄像头所采集的图像信息进行分类后发送至存储单元进行存储的方法包括如下步骤：
S1、通过图像采集单元中的各摄像头获取被监控区域的各监控子区域的图像信息，并将其传输至分类单元；
通过分类单元将一个人的特征信息集合标记为目标特征信息；
通过特征识别单元对摄像头所采集的图像信息进行分析，获取其中的目标特征信息；
S2、获取目标特征信息在被监控区域内的被监控路径；
所述目标特征在被监控区域内的被监控路径是指在目标特征信息出现在各监控子区域内的顺序；
S3、通过分类单元标记不同的特征信息集合作为目标特征信息，并获取在过去的预设时间t2内，被监控区域内对应的所有被监控路径，形成被监控路径集合；
获取各被监控子区域在被监控路径集合中出现的次数ri；
以一个被监控子区域为中心点，当其所能直接到达的各被监控子区域对应的ri值均小于中心点对应的ri值时，则认为对应的中心点为集团核；
将集团核能够直接到达的各被监控子区域标记为对应信息集团的一级关联子区域；
获取信息集团中各一级关联子区域对应的二级关联子区域；
其中，当一个被监控子区域与对应的一个一级关联子区域之间的关联系数G大于预设值G1y时，则认为对应的被监控子区域为对应信息集团的二级关联子区域；
依次获取信息集团对应的各级关联子区域，将各级关联子区域以及集团核标记为同一信息集团；
所述能够直接到达是指目标特征信息能够在不经过其他的被监控子区域而直接到达对应的被监控子区域；
S4、按照步骤S3的方法依次获取若干个信息集团，并将剩余的不属于任何信息集团的被监控子区域作为至少一个信息集团，将每个信息集团对应的监控子区域的监控图像信息作为一组存储在一个子存储单元中。
作为本发明的进一步方案，当目标特征信息两次出现在监控子区域内之间的时差大于等于预设值t1时，则认为对于目标特征信息，这两次对应的监控子区域属于不同的被监控路径。
作为本发明的进一步方案，两个被监控子区域之间的关联系数G的计算方法为：
将两个被监控子区域分表标记为第一对象与第二对象；
获取被监控路径集合；
获取各特征信息集合自第一对象出发的次数k1，以及对应特征信息集合自第一对象出发后，前往第二对象的次数k2；
获取各特征信息集合自第二对象出发的次数k3，以及对应特征信息集合自第二对象出发后，前往第二对象的次数k4；
当k2/k1与k4/k3中的任一大于预设值k5时，则将其k2/k1与k4/k3中的较大值作为对应的两个被监控子区域之间的关联系数G。
作为本发明的进一步方案，上述***还包括检索单元，用户通过检索单元输入异常特征，还能够通过检索单元输入对应异常特征出现的被监控子区域；
SS1、当用户确定异常特征时，通过特征识别单元对对应的异常特征进行识别，然后获取异常特征第一次出现的被监控子区域，并获取该被监控子区域所属的子存储单元；
SS2、在对应的子存储单元内进行检索，并根据异常特征在被监控子区域中出现的时序获取异常特征在对应子存储单元所对应的被监控子区域中的运动路径，将该路径标记为碎片路径；
获取碎片路径的开头与结尾所对应的被监控子区域，将对应的被监控子区域标记为延展子区域；
SS3、除了与延展子区域处于同一信息集团的被监控子区域外，获取延展子区域能够直接到达的其他被监控子区域，并将这些其他被监控子区域标记为待衔接子区域；
获取延展子区域与各待衔接子区域之间的关联系数G；
将各待衔接子区域按照所属的信息集团进行分组，计算获取各信息集团对应的各待衔接子区域的关联系数之和；
SS4、将各信息集团按照对应的各待衔接子区域的关联系数之和从大到小的顺序进行排序；
特征识别单元按照顺序依次对各信息集团对应的子存储单元内的图像信息进行识别分析；
SS5、发现对应的异常特征时，继续按照SS2至SS4的步骤进行，直至在对应的子存储单元无法识别到对应的异常特征。
作为本发明的进一步方案，当仅通过检索单元输入异常特征时，则按照各子存储单元对应的被监控子区域所对应的ri值从大到小的顺序依次对各子存储单元进行检索，直至发现对应的异常特征。
本发明的有益效果：
1、本发明通过对历史数据进行分析处理，获取图像采集单元中各摄像头所监控区域之间的内部联系，对各摄像头采集的图像信息进行有针对性的分布存储，因此在特定的异常特征进行检索时，也可以进行有针对性的检索分析，避免对所有摄像头采集的图像信息进行全面的、覆盖式的检索，这种方法一方面能够降低需要检索的数据量，从而提升对对应的异常的特征的检索效率，使用户能够快速的获取对应异常特征在被监控区域内的活动数据，另一方面还能够降低对不常用的存储信息的搜索频率，从而有利于降低存储成本。
2、本发明通过将图像采集信息所采集的图像信息进行分布式存储，从而有效提升了摄像头所采集图像信息的安全性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明特定场景的数据分类存储***的框架结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
特定场景的数据分类存储***，如图1所示，包括：
图像采集单元，包括分布设置在被监控区域内的摄像头，各摄像头对被监控区域内的图像信息进行采集，并将其传输至分类单元；
特征识别单元，用于对图像采集单元所采集的图像信息进行识别分析，对其中的异常特征进行识别；
分类单元，用于对图像采集单元中各摄像头所采集的图像信息进行分类后发送至存储单元进行存储；
存储单元，包括若干个子存储单元，通过若干个子存储单元对图像采集单元所采集的图像信息进行分布式存储；
检索单元，用户通过检索单元输入异常特征，还能够通过检索单元输入对应异常特征出现的被监控子区域；
通过分类单元对图像采集单元中各摄像头所采集的图像信息进行分类后发送至存储单元进行存储的方法包括如下步骤：
S1、通过图像采集单元中的各摄像头获取被监控区域的各监控子区域的图像信息，并将其传输至分类单元；
将各摄像头依次标记为C1、C2、…、Cn，其中n为被监控区域内设置的摄像头的数量；
通过分类单元将其中的一个人的特征信息集合标记为目标特征信息；
通过特征识别单元对摄像头Ci所采集的图像信息进行分析，获取其中的目标特征信息；
其中1≤i≤n；
S2、获取目标特征信息在被监控区域内的被监控路径；
所述目标特征在被监控区域内的被监控路径是指在目标特征信息出现在各监控子区域内的顺序；
其中，当目标特征信息两次出现在监控子区域内之间的时差大于等于预设值t1时，则认为对于目标特征信息，这两次对应的监控子区域属于不同的被监控路径；
S3、通过分类单元标记不同的特征信息集合作为目标特征信息，并获取在过去的预设时间t2内，被监控区域内对应的所有被监控路径，形成被监控路径集合；
获取各被监控子区域在被监控路径集合中出现的次数ri；
以一个被监控子区域为中心点，当其所能直接到达的各被监控子区域对应的ri值均小于中心点对应的ri值时，则认为对应的中心点为集团核；
将集团核与其对应的能够直接到达的各被监控子区域标记为同一信息集团；
将集团核能够直接到达的各被监控子区域标记为对应信息集团的一级关联子区域；
获取信息集团中各一级关联子区域对应的二级关联子区域；
其中，当一个被监控子区域与对应的一个一级关联子区域之间的关联系数G大于预设值G1y时，则认为对应的被监控子区域为对应信息集团的二级关联子区域；
在本发明的一个实施例中，两个被监控子区域之间的关联系数G的计算方法为：
将两个被监控子区域分表标记为第一对象与第二对象；
获取被监控路径集合；
获取各特征信息集合自第一对象出发的次数k1，以及对应特征信息集合自第一对象出发后，前往第二对象的次数k2；
获取各特征信息集合自第二对象出发的次数k3，以及对应特征信息集合自第二对象出发后，前往第二对象的次数k4；
当k2/k1与k4/k3中的任一大于预设值k5时，则将其k2/k1与k4/k3中的较大值作为对应的两个被监控子区域之间的关联系数G；
按照上述方法依次获取信息集团对应的各级关联子区域，将各级关联子区域以及集团核标记为同一信息集团；
其中所述能够直接到达是指目标特征信息能够在不经过其他的被监控子区域而直接到达对应的被监控子区域；
S4、按照步骤S3的方法依次获取若干个信息集团，并将剩余的不属于任何信息集团的被监控子区域作为至少一个信息集团，将每个信息集团对应的监控子区域的监控图像信息作为一组存储在一个子存储单元中；
S5、当用户确定异常特征时，通过特征识别单元对对应的异常特征进行识别，然后获取异常特征出现的被监控子区域，并获取该被监控子区域所属的子存储单元；
在对应的子存储单元内进行检索，获取异常特征在哪些被监控子区域中出现，并根据时序获取异常特征在对应子存储单元所对应的被监控子区域中的运动路径，将该路径标记为碎片路径；
获取碎片路径的开头与结尾所对应的被监控子区域，将对应的被监控子区域标记为延展子区域；
所述碎片路径的开头是指异常特征自其他子存储单元进入对应子存储单元时第一次涉及的被监控子区域，所述碎片路径的结尾是指异常特征自对应子存储单元进入其他子存储单元时最后涉及的被监控子区域；
其中一个子存储单元对应的监控范围内可以包括两个或两个以上的碎片路径；
除了与延展子区域处于同一信息集团的被监控子区域外，获取延展子区域能够直接到达的其他被监控子区域，并将这些其他被监控子区域标记为待衔接子区域；
获取延展子区域与各待衔接子区域之间的关联系数G；
将各待衔接子区域按照所属的信息集团进行分组，计算获取各信息集团对应的各待衔接子区域的关联系数之和；
将各信息集团按照对应的各待衔接子区域的关联系数之和从大到小的顺序进行排序；
特征识别单元按照顺序依次对各信息集团对应的子存储单元内的图像信息进行识别分析；
发现对应的异常特征时，继续按照上述步骤进行处理，直至在对应的子存储单元无法识别到对应的异常特征。
需要注意的是，当特征识别单元按照顺序依次对各信息集团对应的子存储单元内的图像信息进行识别分析时，可以先确定一定的时间范围，特征识别单元只对对应时间范围内的图像信息进行识别分析；
这样能够大大的降低数据的处理量，提升了检索效率。
在本发明的一个实施例中，当仅通过检索单元输入异常特征时，则按照各子存储单元对应的被监控子区域所对应的ri值从大到小的顺序依次对各子存储单元进行检索，直至发现对应的异常特征，从而确定异常特征出现的位置；
本发明通过对历史数据进行分析处理，获取图像采集单元中各摄像头所监控区域之间的内部联系，对各摄像头采集的图像信息进行有针对性的分布存储，因此在特定的异常特征进行检索时，也可以进行有针对性的检索分析，避免对所有摄像头采集的图像信息进行全面的、覆盖式的检索，这种方法一方面能够提升对对应的异常的特征的检索效率，另一方面能够降低对不常用的存储信息的搜索频率，从而有利于降低存储成本；
另外，本发明通过将图像采集信息所采集的图像信息进行分布式存储，从而有效提升了摄像头所采集图像信息的安全性。
在说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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发明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。
以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (3)

1.特定场景的数据分类存储***，其特征在于，包括：
图像采集单元，包括分布设置在被监控区域内的摄像头，各摄像头对被监控区域内的图像信息进行采集，并将其传输至分类单元；
特征识别单元，用于对图像采集单元所采集的图像信息进行识别分析，对其中的异常特征进行识别；
分类单元，用于对图像采集单元中各摄像头所采集的图像信息进行分类后发送至存储单元进行存储；
存储单元，包括若干个子存储单元，通过若干个子存储单元对图像采集单元所采集的图像信息进行分布式存储；
通过分类单元对图像采集单元中各摄像头所采集的图像信息进行分类后发送至存储单元进行存储的方法包括如下步骤：
S1、通过图像采集单元中的各摄像头获取被监控区域的各监控子区域的图像信息，并将其传输至分类单元；
通过分类单元将一个人的特征信息集合标记为目标特征信息；
通过特征识别单元对摄像头所采集的图像信息进行分析，获取其中的目标特征信息；
S2、获取目标特征信息在被监控区域内的被监控路径；
所述目标特征信息在被监控区域内的被监控路径是指在目标特征信息出现在各监控子区域内的顺序；
S3、通过分类单元标记不同的特征信息集合作为目标特征信息，并获取在过去的预设时间t2内，被监控区域内对应的所有被监控路径，形成被监控路径集合；
获取各被监控子区域在被监控路径集合中出现的次数ri；
以一个被监控子区域为中心点，当其所能直接到达的各被监控子区域对应的ri值均小于中心点对应的ri值时，则认为对应的中心点为集团核；
将集团核能够直接到达的各被监控子区域标记为对应信息集团的一级关联子区域；
获取信息集团中各一级关联子区域对应的二级关联子区域；
其中，当一个被监控子区域与对应的一个一级关联子区域之间的关联系数G大于预设值G1y时，则认为对应的被监控子区域为对应信息集团的二级关联子区域；
依次获取信息集团对应的各级关联子区域，将各级关联子区域以及集团核标记为同一信息集团；
所述能够直接到达是指目标特征信息能够在不经过其他的被监控子区域而直接到达对应的被监控子区域；
S4、按照步骤S3的方法依次获取若干个信息集团，并将剩余的不属于任何信息集团的被监控子区域作为至少一个信息集团，将每个信息集团对应的监控子区域的监控图像信息作为一组存储在一个子存储单元中；
两个被监控子区域之间的关联系数G的计算方法为：
将两个被监控子区域分别标记为第一对象与第二对象；
获取被监控路径集合；
获取各特征信息集合自第一对象出发的次数k1，以及对应特征信息集合自第一对象出发后，前往第二对象的次数k2；
获取各特征信息集合自第二对象出发的次数k3，以及对应特征信息集合自第二对象出发后，前往第一对象的次数k4；
当k2/k1与k4/k3中的任一大于预设值k5时，则将其k2/k1与k4/k3中的较大值作为对应的两个被监控子区域之间的关联系数G；
所述数据分类存储***，还包括检索单元，用户通过检索单元输入异常特征，还能够通过检索单元输入对应异常特征出现的被监控子区域；
SS1、当用户确定异常特征时，通过特征识别单元对对应的异常特征进行识别，然后获取异常特征第一次出现的被监控子区域，并获取该被监控子区域所属的子存储单元；
SS2、在对应的子存储单元内进行检索，并根据异常特征在被监控子区域中出现的时序获取异常特征在对应子存储单元所对应的被监控子区域中的运动路径，将该路径标记为碎片路径；
获取碎片路径的开头与结尾所对应的被监控子区域，将对应的被监控子区域标记为延展子区域；
SS3、除了与延展子区域处于同一信息集团的被监控子区域外，获取延展子区域能够直接到达的其他被监控子区域，并将这些其他被监控子区域标记为待衔接子区域；
获取延展子区域与各待衔接子区域之间的关联系数G；
将各待衔接子区域按照所属的信息集团进行分组，计算获取各信息集团对应的各待衔接子区域的关联系数之和；
SS4、将各信息集团按照对应的各待衔接子区域的关联系数之和从大到小的顺序进行排序；
特征识别单元按照顺序依次对各信息集团对应的子存储单元内的图像信息进行识别分析；
SS5、发现对应的异常特征时，继续按照SS2至SS4的步骤进行，直至在对应的子存储单元无法识别到对应的异常特征。
2.根据权利要求1所述的特定场景的数据分类存储***，其特征在于，当目标特征信息两次出现在监控子区域内之间的时差大于等于预设值t1时，则认为对于目标特征信息，这两次对应的监控子区域属于不同的被监控路径。
3.根据权利要求1所述的特定场景的数据分类存储***，其特征在于，当仅通过检索单元输入异常特征时，则按照各子存储单元对应的被监控子区域所对应的ri值从大到小的顺序依次对各子存储单元进行检索，直至发现对应的异常特征。
CN202310906827.8A 2023-07-24 2023-07-24 特定场景的数据分类存储*** Active CN116894103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310906827.8A CN116894103B (zh) 2023-07-24 2023-07-24 特定场景的数据分类存储***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310906827.8A CN116894103B (zh) 2023-07-24 2023-07-24 特定场景的数据分类存储***

Publications (2)

Publication Number Publication Date
CN116894103A CN116894103A (zh) 2023-10-17
CN116894103B true CN116894103B (zh) 2024-02-09

Family

ID=88313368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310906827.8A Active CN116894103B (zh) 2023-07-24 2023-07-24 特定场景的数据分类存储***

Country Status (1)

Country Link
CN (1) CN116894103B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101033238B1 (ko) * 2010-08-26 2011-05-06 주식회사 대덕지에스 영상 감시 장치와 영상 감시 프로그램이 기록된 기록매체
CN103049460A (zh) * 2011-10-17 2013-04-17 天津市亚安科技股份有限公司 一种视频监控场景信息分类存储的方法及检索方法
CN106254494A (zh) * 2016-08-17 2016-12-21 浙江诚名智能工程有限公司 人流监控***
WO2020103293A1 (zh) * 2018-11-22 2020-05-28 深圳云天励飞技术有限公司 一种人员检索信息的呈现方法、装置和电子设备
CN115731515A (zh) * 2022-11-21 2023-03-03 合肥辉煌杀虫服务有限公司 一种鼠类活动区域与活动轨迹定位***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10389969B2 (en) * 2014-02-14 2019-08-20 Nec Corporation Video processing system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101033238B1 (ko) * 2010-08-26 2011-05-06 주식회사 대덕지에스 영상 감시 장치와 영상 감시 프로그램이 기록된 기록매체
CN103049460A (zh) * 2011-10-17 2013-04-17 天津市亚安科技股份有限公司 一种视频监控场景信息分类存储的方法及检索方法
CN106254494A (zh) * 2016-08-17 2016-12-21 浙江诚名智能工程有限公司 人流监控***
WO2020103293A1 (zh) * 2018-11-22 2020-05-28 深圳云天励飞技术有限公司 一种人员检索信息的呈现方法、装置和电子设备
CN115731515A (zh) * 2022-11-21 2023-03-03 合肥辉煌杀虫服务有限公司 一种鼠类活动区域与活动轨迹定位***

Also Published As

Publication number Publication date
CN116894103A (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
CN102110122B (zh) 一种建立样本图片索引表和图片过滤、搜索方法及装置
CN106815263B (zh) 法律条文的搜索方法及装置
EP1494132B1 (en) Method and apparatus for representing a group of images
KR102161882B1 (ko) 물체 묘사를 위한 후보가 되는 하나 이상의 후보 디지털 이미지를 위치 결정하는 방법
CN113297578B (zh) 基于大数据和人工智能的信息感知方法及信息安全***
CN112818162B (zh) 图像检索方法、装置、存储介质和电子设备
CN114419501A (zh) 视频推荐方法、装置、计算机设备及存储介质
CN116860840B (zh) 用于高速公路路面信息快速检索方法
CN105760844A (zh) 一种视频流数据的处理方法、设备和***
CN115151952A (zh) 一种变电设备高精度识别方法及***
CN117809124B (zh) 基于多特征融合的医学图像关联调用方法及***
DE102014113817A1 (de) Vorrichtung und Verfahren zur Erkennung eines Objekts in Einem Bild
CN117221087A (zh) 告警根因定位方法、装置及介质
CN116894103B (zh) 特定场景的数据分类存储***
CN116884041B (zh) 基于区域历史数据的林业虫灾预测方法及***
CN112836124A (zh) 一种画像数据获取方法、装置、电子设备及存储介质
US20130054553A1 (en) Method and apparatus for automatically extracting information of products
CN116911500A (zh) 一种基于大数据监测的草原鼠情智能监管***及方法
CN110580299A (zh) 生成对象的推荐语的配图的方法、***、设备及存储介质
CN111666786B (zh) 图像处理方法、装置、电子设备及存储介质
CN111353349B (zh) 人体关键点检测方法、装置、电子设备及存储介质
CN112528893A (zh) 异常状态的识别方法、装置及计算机可读存储介质
CN113657179A (zh) 图像识别及建模方法、装置、电子设备及存储介质
JP5923744B2 (ja) 画像検索システム、画像検索方法及び検索装置
CN114048344A (zh) 一种相似人脸搜索方法、装置、设备和可读存储介质

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