Nothing Special   »   [go: up one dir, main page]

CN112507824A - 一种视频图像特征识别的方法及系统 - Google Patents

一种视频图像特征识别的方法及系统 Download PDF

Info

Publication number
CN112507824A
CN112507824A CN202011360822.2A CN202011360822A CN112507824A CN 112507824 A CN112507824 A CN 112507824A CN 202011360822 A CN202011360822 A CN 202011360822A CN 112507824 A CN112507824 A CN 112507824A
Authority
CN
China
Prior art keywords
video
image
face
identification
task
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
Application number
CN202011360822.2A
Other languages
English (en)
Inventor
王孝文
林文国
张涛
戴文艳
王伟宗
吴迎晖
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.)
Evecom Information Technology Development Co ltd
Original Assignee
Evecom Information Technology Development 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 Evecom Information Technology Development Co ltd filed Critical Evecom Information Technology Development Co ltd
Priority to CN202011360822.2A priority Critical patent/CN112507824A/zh
Publication of CN112507824A publication Critical patent/CN112507824A/zh
Pending legal-status Critical Current

Links

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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

一种视频图像特征识别的方法，包括以下步骤：S1、获取视频图像并对其进行存储；S2、生成人脸图像识别模型；S3、从视频库中提取目标视频图像，并设置镜头片段间隔值；S4、对获取的视频图像进行分割；S5、从各镜头片段中随机提取出一帧图像；S6、按照顺序对提取出的图像进行检测，以判断图像中是否包含人脸信息；S7、依据人脸图像识别模型来对图像中的人脸进行识别，以确定该人脸身份是否为所需检测人员，最终确定包含该所需检测人员的镜头片段；本发明还提出了一种视频图像特征识别系统。本发明能够快速识别视频图像，快速定位到包含有用户预设人员的视频图像，识别定位的结果更加准确，显著提升了用户观赏视频的体验，使用效果极佳。

Description

一种视频图像特征识别的方法及系统
技术领域
本发明涉及视频图像识别技术领域，尤其涉及一种视频图像特征识别的方法及系统。
背景技术
随着社会的快速发展和科学技术的不断进步，人们所能触及到的信息呈现几何式的增长，人们越来越需要借助信息搜索技术在海量的信息中挖掘出有效信息；目前用户可以从各种各样的渠道获取不同的视频资源，有专业的视频，也有用手机拍摄的视频，但目前的信息搜索技术对于文字的搜索效果较好，可以快速定位到包含有用户预设关键词的文章，但是对于一段视频而言，若用户希望观看仅包含自己喜爱演员出场的视频片断，则只能通过拖动视频进度按钮或按下视频快进键进行查找，费时费力，操作不方便，使用效果不佳，并且目前的视频图像特征识别的方法及系统较为简单，识别范围较小，功能单一，识别内容有限，也难以对不良视频进行识别，有待进行改善。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题，本发明提出一种视频图像特征识别的方法及系统，能够快速识别视频图像，快速定位到包含有用户预设人员的视频图像，并为用户推送仅包含有其所希望观看的演员出场的视频片断，识别定位的结果更加准确，显著提升了用户观赏视频的体验，还能够识别不良视频，使用效果极佳。
(二)技术方案
本发明提出了一种视频图像特征识别的方法，包括以下步骤：
S1、获取视频图像并对其进行存储，以生成待识别视频库；
S2、人脸信息库对所需检测出的人脸图像信息存储，提取该人脸图像的特征并生成人脸图像识别模型；
S3、从视频库中提取目标视频图像，并设置镜头片段间隔值；
S4、采用视频分割技术对获取的视频图像进行分割，以获取多个镜头片段；
S5、从各镜头片段中随机提取出一帧图像，并对提取出的图像进行排序；
S6、按照顺序对提取出的图像进行检测，以判断图像中是否包含人脸信息；当图像中包含人脸信息时，将该图像提取出来；
S7、依序识别各图像中的人脸特征，并依据预先生成的人脸图像识别模型来对图像中的人脸进行识别，以确定该人脸身份是否为所需检测人员，最终确定包含该所需检测人员的镜头片段。
优选的，S4的具体操作如下：
根据所获取视频图像的播放顺序得到多个视频帧；判断当前视频帧与前一视频帧之间的连续性；根据判断结果将视频分割为多个镜头片段；
其中，连续性的判断操作如下：获取当前视频帧的多个第一匹配点和前一视频帧的多个第二匹配点，将第一匹配点与第二匹配点进行匹配，根据匹配结果判断当前视频帧与前一视频帧之间的连续性。
优选的，在S2之前，还包括以下步骤：
从视频图像中分别提取A个视频帧和B个视频帧作为输入图像，并对提供的视频帧进行预处理；其中，A个视频帧在整个视频图像中呈正态分布，B个视频帧在整个视频图像中呈均匀分布；
先对所提取的A个视频帧进行图像特征提取，再对所提取的B个视频帧进行图像特征提取；
先采用Inception V3网络模型对A个视频帧的图像特征进行识别，再采用VGGNet网络模型对B个视频帧的图像进行识别；若二者的识别结果中至少一个为不良视频时，则判断该视频图像为不良视频，并为该视频图像打上不良视频标签。
优选的，对A视频帧和B视频帧的处理主要包括灰度处理、清晰度处理和滤波处理。
优选的，还包括对视频图像进行优先级划分，具体操作如下：
获取视频图像任务列表中正在处理识别任务和待处理的识别任务；
对获取的识别任务进行优先级判断，并将各识别任务划分为高优先级识别任务和低优先级识别任务；其中，高优先级识别任务为必须完成的识别任务，低优先级识别任务为非必须完成的识别任务。
优选的，当对视频图像的优先级划分完成后，优先处理高优先级识别任务，并对高优先级识别任务加速处理；在对高优先级识别任务进行处理的同时暂停对低优先级任务的处理，待高优先级识别任务处理完毕后，重新恢复对低优先级识别任务的识别。
优选的，在视频图像优先级划分过程中，还需所获取识别任务的状态进行显示并检测识别任务是否处于异常状态，当某识别任务处于异常状态时，则显示异常状态原因并提示解决办法。
优选的，在S2中，人脸图像识别模型的生成具体如下：
根据所需检测人员的信息，获取该目标人脸所对应的人脸图片数据包，以该目标人脸图片数据包作为训练样本，经过训练后得到与目标人脸信息所对应的人脸图像识别模型。
优选的，在S7之后，还包括如下步骤：
接收终端发送的视频推送请求，视频推送请求中包含待推送的人脸标识；根据待推送的人脸标识进行查找，将与待推送的人脸标识对应的视频片段推送给用户。
本发明还提出了一种视频图像特征识别系统，包括中央处理器、视频采集模块、存储模块、人脸模型训练模块、人脸特征提取模块、图像分割模块和比对识别模块；
中央处理器通讯连接视频采集模块、存储模块、人脸模型训练模块、人脸特征提取模块、图像分割模块和比对识别模块。
本发明的上述技术方案具有如下有益的技术效果：
首先获取视频图像，然后生成人脸图像识别模型；之后从视频库中提取目标视频图像并视频图像进行分割，以获取多个镜头片段；随之从各镜头片段中随机提取出一帧图像，按照顺序对提取出的图像进行检测，以判断图像中是否包含人脸信息；最后依序识别各图像中的人脸特征，并依据预先生成的人脸图像识别模型来对图像中的人脸进行识别，以确定该人脸身份是否为所需检测人员，最终确定包含该所需检测人员的镜头片段；
本发明能够快速识别视频图像，快速定位到包含有用户预设人员的视频图像，并为用户推送仅包含有其所希望观看的演员出场的视频片断，识别定位的结果更加准确，显著提升了用户观赏视频的体验，还能够识别不良视频，使用效果极佳。
附图说明
图1为本发明提出的一种视频图像特征识别的方法的流程图。
图2为本发明提出的一种视频图像特征识别的方法中图像分割的流程图。
图3为本发明提出的一种视频图像特征识别的方法中不良视频检测的流程图。
图4为本发明提出的一种视频图像特征识别的方法中视频图像优先级划分的流程图。
图5为本发明提出的一种视频图像特征识别系统的系统框图。
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明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1-4所示，本发明提出的一种视频图像特征识别的方法，包括以下步骤：
S1、获取视频图像并对其进行存储，以生成待识别视频库；
S2、人脸信息库对所需检测出的人脸图像信息存储，提取该人脸图像的特征并生成人脸图像识别模型；
S3、从视频库中提取目标视频图像，并设置镜头片段间隔值；
S4、采用视频分割技术对获取的视频图像进行分割，以获取多个镜头片段；
S5、从各镜头片段中随机提取出一帧图像，并对提取出的图像进行排序；
S6、按照顺序对提取出的图像进行检测，以判断图像中是否包含人脸信息；当图像中包含人脸信息时，将该图像提取出来；
S7、依序识别各图像中的人脸特征，并依据预先生成的人脸图像识别模型来对图像中的人脸进行识别，以确定该人脸身份是否为所需检测人员，最终确定包含该所需检测人员的镜头片段。
在一个可选的实施例中，S4的具体操作如下：根据所获取视频图像的播放顺序得到多个视频帧；判断当前视频帧与前一视频帧之间的连续性；根据判断结果将视频分割为多个镜头片段；其中，连续性的判断操作如下：获取当前视频帧的多个第一匹配点和前一视频帧的多个第二匹配点，将第一匹配点与第二匹配点进行匹配，根据匹配结果判断当前视频帧与前一视频帧之间的连续性。
在一个可选的实施例中，在S2之前，还包括以下步骤：从视频图像中分别提取A个视频帧和B个视频帧作为输入图像，并对提供的视频帧进行预处理，对A视频帧和B视频帧的处理主要包括灰度处理、清晰度处理和滤波处理；其中，A个视频帧在整个视频图像中呈正态分布，B个视频帧在整个视频图像中呈均匀分布；先对所提取的A个视频帧进行图像特征提取，再对所提取的B个视频帧进行图像特征提取；先采用Inception V3网络模型对A个视频帧的图像特征进行识别，再采用VGGNet网络模型对B个视频帧的图像进行识别；若二者的识别结果中至少一个为不良视频时，则判断该视频图像为不良视频，并为该视频图像打上不良视频标签，能够对包含色情等不良信息的视频进行检测，有利于净化网络视频图像。
在一个可选的实施例中，还包括对视频图像进行优先级划分，具体操作如下：获取视频图像任务列表中正在处理识别任务和待处理的识别任务；对获取的识别任务进行优先级判断，并将各识别任务划分为高优先级识别任务和低优先级识别任务；其中，高优先级识别任务为必须完成的识别任务，低优先级识别任务为非必须完成的识别任务；当对视频图像的优先级划分完成后，优先处理高优先级识别任务，并对高优先级识别任务加速处理，能够对必须完成的识别任务进行快速处理；在对高优先级识别任务进行处理的同时暂停对低优先级任务的处理，待高优先级识别任务处理完毕后，重新恢复对低优先级识别任务的识别；在视频图像优先级划分过程中，还需所获取识别任务的状态进行显示并检测识别任务是否处于异常状态，当某识别任务处于异常状态时，则显示异常状态原因并提示解决办法。
在一个可选的实施例中，在S2中，人脸图像识别模型的生成具体如下：根据所需检测人员的信息，获取该目标人脸所对应的人脸图片数据包，以该目标人脸图片数据包作为训练样本，经过训练后得到与目标人脸信息所对应的人脸图像识别模型。
在一个可选的实施例中，在S7之后，还包括如下步骤：接收终端发送的视频推送请求，视频推送请求中包含待推送的人脸标识；根据待推送的人脸标识进行查找，将与待推送的人脸标识对应的视频片段推送给用户。
如图5所示，本发明还提出了一种视频图像特征识别系统，包括中央处理器、视频采集模块、存储模块、人脸模型训练模块、人脸特征提取模块、图像分割模块和比对识别模块；
中央处理器通讯连接视频采集模块、存储模块、人脸模型训练模块、人脸特征提取模块、图像分割模块和比对识别模块。视频采集模块用于采集视频图像，存储模块用于对相关信息进行存储，人脸模型训练模块用于训练和生成人脸图像识别模型，人脸特征提取用于提取目标人脸特征，图像分割模块用于对视频图像进行分割，比对识别模块用于对视频图像进行快速识别。
本发明中，使用时，首先获取视频图像并对其进行存储，以生成待识别视频库；人脸信息库对所需检测出的人脸图像信息存储，提取该人脸图像的特征并生成人脸图像识别模型；然后从视频库中提取目标视频图像，并设置镜头片段间隔值，并采用视频分割技术对获取的视频图像进行分割，以获取多个镜头片段；随之从各镜头片段中随机提取出一帧图像，并对提取出的图像进行排序；按照顺序对提取出的图像进行检测，以判断图像中是否包含人脸信息；当图像中包含人脸信息时，将该图像提取出来；最后依序识别各图像中的人脸特征，并依据预先生成的人脸图像识别模型来对图像中的人脸进行识别，以确定该人脸身份是否为所需检测人员，最终确定包含该所需检测人员的镜头片段，能够有效且快速地实现人脸识别和人脸视频片段定位，使用效果极佳；
本发明能够快速识别视频图像，快速定位到包含有用户预设人员的视频图像，并为用户推送仅包含有其所希望观看的演员出场的视频片断，识别定位的结果更加准确，显著提升了用户观赏视频的体验。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种视频图像特征识别的方法，其特征在于，包括以下步骤：
S1、获取视频图像并对其进行存储，以生成待识别视频库；
S2、人脸信息库对所需检测出的人脸图像信息存储，提取该人脸图像的特征并生成人脸图像识别模型；
S3、从视频库中提取目标视频图像，并设置镜头片段间隔值；
S4、采用视频分割技术对获取的视频图像进行分割，以获取多个镜头片段；
S5、从各镜头片段中随机提取出一帧图像，并对提取出的图像进行排序；
S6、按照顺序对提取出的图像进行检测，以判断图像中是否包含人脸信息；当图像中包含人脸信息时，将该图像提取出来；
S7、依序识别各图像中的人脸特征，并依据预先生成的人脸图像识别模型来对图像中的人脸进行识别，以确定该人脸身份是否为所需检测人员，最终确定包含该所需检测人员的镜头片段。
2.根据权利要求1所述的一种视频图像特征识别的方法，其特征在于，S4的具体操作如下：
根据所获取视频图像的播放顺序得到多个视频帧；判断当前视频帧与前一视频帧之间的连续性；根据判断结果将视频分割为多个镜头片段；
其中，连续性的判断操作如下：获取当前视频帧的多个第一匹配点和前一视频帧的多个第二匹配点，将第一匹配点与第二匹配点进行匹配，根据匹配结果判断当前视频帧与前一视频帧之间的连续性。
3.根据权利要求1所述的一种视频图像特征识别的方法，其特征在于，在S2之前，还包括以下步骤：
从视频图像中分别提取A个视频帧和B个视频帧作为输入图像，并对提供的视频帧进行预处理；其中，A个视频帧在整个视频图像中呈正态分布，B个视频帧在整个视频图像中呈均匀分布；
先对所提取的A个视频帧进行图像特征提取，再对所提取的B个视频帧进行图像特征提取；
先采用Inception V3网络模型对A个视频帧的图像特征进行识别，再采用VGGNet网络模型对B个视频帧的图像进行识别；若二者的识别结果中至少一个为不良视频时，则判断该视频图像为不良视频，并为该视频图像打上不良视频标签。
4.根据权利要求3所述的一种视频图像特征识别的方法，其特征在于，对A视频帧和B视频帧的处理主要包括灰度处理、清晰度处理和滤波处理。
5.根据权利要求1所述的一种视频图像特征识别的方法，其特征在于，还包括对视频图像进行优先级划分，具体操作如下：
获取视频图像任务列表中正在处理识别任务和待处理的识别任务；
对获取的识别任务进行优先级判断，并将各识别任务划分为高优先级识别任务和低优先级识别任务；其中，高优先级识别任务为必须完成的识别任务，低优先级识别任务为非必须完成的识别任务。
6.根据权利要求5所述的一种视频图像特征识别的方法，其特征在于，当对视频图像的优先级划分完成后，优先处理高优先级识别任务，并对高优先级识别任务加速处理；在对高优先级识别任务进行处理的同时暂停对低优先级任务的处理，待高优先级识别任务处理完毕后，重新恢复对低优先级识别任务的识别。
7.根据权利要求5所述的一种视频图像特征识别的方法，其特征在于，在视频图像优先级划分过程中，还需所获取识别任务的状态进行显示并检测识别任务是否处于异常状态，当某识别任务处于异常状态时，则显示异常状态原因并提示解决办法。
8.根据权利要求1所述的一种视频图像特征识别的方法，其特征在于，在S2中，人脸图像识别模型的生成具体如下：
根据所需检测人员的信息，获取该目标人脸所对应的人脸图片数据包，以该目标人脸图片数据包作为训练样本，经过训练后得到与目标人脸信息所对应的人脸图像识别模型。
9.根据权利要求1所述的一种视频图像特征识别的方法，其特征在于，在S7之后，还包括如下步骤：
接收终端发送的视频推送请求，视频推送请求中包含待推送的人脸标识；根据待推送的人脸标识进行查找，将与待推送的人脸标识对应的视频片段推送给用户。
10.一种视频图像特征识别系统，其特征在于，包括中央处理器、视频采集模块、存储模块、人脸模型训练模块、人脸特征提取模块、图像分割模块和比对识别模块；
中央处理器通讯连接视频采集模块、存储模块、人脸模型训练模块、人脸特征提取模块、图像分割模块和比对识别模块。
CN202011360822.2A 2020-11-27 2020-11-27 一种视频图像特征识别的方法及系统 Pending CN112507824A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011360822.2A CN112507824A (zh) 2020-11-27 2020-11-27 一种视频图像特征识别的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011360822.2A CN112507824A (zh) 2020-11-27 2020-11-27 一种视频图像特征识别的方法及系统

Publications (1)

Publication Number Publication Date
CN112507824A true CN112507824A (zh) 2021-03-16

Family

ID=74967932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011360822.2A Pending CN112507824A (zh) 2020-11-27 2020-11-27 一种视频图像特征识别的方法及系统

Country Status (1)

Country Link
CN (1) CN112507824A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114500950A (zh) * 2022-01-26 2022-05-13 中煤科工集团重庆智慧城市科技研究院有限公司 基于智慧城市的箱体异常状态检测系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104618803A (zh) * 2014-02-26 2015-05-13 腾讯科技（深圳）有限公司 信息推送方法、装置、终端及服务器
CN105354543A (zh) * 2015-10-29 2016-02-24 小米科技有限责任公司 视频处理方法及装置
CN105631422A (zh) * 2015-12-28 2016-06-01 北京酷云互动科技有限公司 一种视频识别方法以及视频识别系统
CN105721462A (zh) * 2016-02-01 2016-06-29 百度在线网络技术（北京）有限公司 信息推送的方法和装置
US20170116465A1 (en) * 2015-10-26 2017-04-27 Le Holdings (Beijing) Co., Ltd. Video processing method and system, video player and cloud server
CN106874827A (zh) * 2015-12-14 2017-06-20 北京奇虎科技有限公司 视频识别方法和装置
CN108235133A (zh) * 2018-01-15 2018-06-29 北京陌上花科技有限公司 视频识别方法及装置
WO2018133666A1 (zh) * 2017-01-17 2018-07-26 腾讯科技（深圳）有限公司 视频目标跟踪方法和装置
CN110414471A (zh) * 2019-08-06 2019-11-05 福建省趋普物联科技有限公司 基于双模型的视频识别方法及系统
WO2020029406A1 (zh) * 2018-08-07 2020-02-13 平安科技（深圳）有限公司 人脸情绪识别方法、装置、计算机设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104618803A (zh) * 2014-02-26 2015-05-13 腾讯科技（深圳）有限公司 信息推送方法、装置、终端及服务器
US20170116465A1 (en) * 2015-10-26 2017-04-27 Le Holdings (Beijing) Co., Ltd. Video processing method and system, video player and cloud server
CN105354543A (zh) * 2015-10-29 2016-02-24 小米科技有限责任公司 视频处理方法及装置
CN106874827A (zh) * 2015-12-14 2017-06-20 北京奇虎科技有限公司 视频识别方法和装置
CN105631422A (zh) * 2015-12-28 2016-06-01 北京酷云互动科技有限公司 一种视频识别方法以及视频识别系统
CN105721462A (zh) * 2016-02-01 2016-06-29 百度在线网络技术（北京）有限公司 信息推送的方法和装置
WO2018133666A1 (zh) * 2017-01-17 2018-07-26 腾讯科技（深圳）有限公司 视频目标跟踪方法和装置
CN108235133A (zh) * 2018-01-15 2018-06-29 北京陌上花科技有限公司 视频识别方法及装置
WO2020029406A1 (zh) * 2018-08-07 2020-02-13 平安科技（深圳）有限公司 人脸情绪识别方法、装置、计算机设备及存储介质
CN110414471A (zh) * 2019-08-06 2019-11-05 福建省趋普物联科技有限公司 基于双模型的视频识别方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114500950A (zh) * 2022-01-26 2022-05-13 中煤科工集团重庆智慧城市科技研究院有限公司 基于智慧城市的箱体异常状态检测系统及方法

Similar Documents

Publication Publication Date Title
JP5358083B2 (ja) 人物画像検索装置及び画像検索装置
US20130148898A1 (en) Clustering objects detected in video
CN102868934B (zh) 基于智能电视的视频对象信息检索方法及装置
CN106658199B (zh) 一种视频内容的展示方法及装置
CN107818180B (zh) 视频关联方法、视频显示方法、装置及存储介质
CN111046235B (zh) 基于人脸识别的声像档案搜索方法、系统、设备及介质
US9953221B2 (en) Multimedia presentation method and apparatus
CN105306899B (zh) 一种监控视频的处理方法和装置
CN103916626A (zh) 一种监控录像信息提供方法、装置及视频监控系统
CN105659279B (zh) 信息处理设备和信息处理方法
CN109740530B (zh) 视频段的提取方法、装置、设备及计算机可读存储介质
CN108712667B (zh) 一种智能电视、其截屏应用方法、装置及可读性存储介质
CN106874827A (zh) 视频识别方法和装置
US11763720B2 (en) Methods, systems, and media for detecting a presentation of media content on a display device
CN112672208B (zh) 视频播放方法、装置、电子设备、服务器及系统
WO2022033228A1 (zh) 一种数据处理方法及装置
CN111553372A (zh) 一种训练图像识别网络、图像识别搜索的方法及相关装置
CN112380929A (zh) 一种高光片段的获取方法、装置、电子设备和存储介质
CN113542833A (zh) 基于人脸识别的视频播放方法、装置、设备及存储介质
CN112507824A (zh) 一种视频图像特征识别的方法及系统
CN108540760A (zh) 视频监控识别方法、装置和系统
US20100150447A1 (en) Description based video searching system and method
CN109151599B (zh) 视频处理方法和装置
CN110275988A (zh) 获取图片的方法及装置
CN113128261B (zh) 数据处理方法及装置、视频处理方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210316