[发明专利]数据处理方法、装置及存储介质有效
申请号: | 201710447349.3 | 申请日: | 2017-06-14 |
公开(公告)号: | CN107316011B | 公开(公告)日: | 2021-04-06 |
发明(设计)人: | 石小华;彭程;李兰;魏运运;郑晓东 | 申请(专利权)人: | 杭州励飞软件技术有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
地址: | 310000 浙江省杭州市杭州经济*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据处理 方法 装置 存储 介质 | ||
1.一种数据处理方法,其特征在于,包括:
获取指定区域的第一视频片段;
获取统计配置参数,所述统计配置参数包括:至少一个统计时间段、统计类别、指定目标,其中,所述指定目标为指定需要查找的人;
根据所述统计配置参数对所述第一视频片段进行分析,得到P个样本数据,具体为:根据所述统计时间段对所述第一视频片段进行截取操作,得到第二视频片段;获取所述统计类别对应的特征参数;根据所述特征参数对所述第二视频片段进行分析,得到所述P个样本数据,所述P为正整数;
按照预设方式展示所述P个样本数据;
对所述P个样本数据进行线性拟合,得到拟合曲线,所述拟合曲线用于表示时间与样本之间的关系;根据所述拟合曲线输出最优结果,所述最优结果包括最佳时刻与最佳样本。
2.根据权利要求1所述的方法,其特征在于,所述根据所述特征参数对所述第二视频片段进行分析,得到所述P个样本数据,包括:
对所述第二视频片段进行人脸识别,得到M个人脸图像,所述M为正整数;
对所述M个人脸图像进行图像质量评价,得到所述M个图像质量评价值;
从所述M个图像质量评价值中选取大于预设质量阈值的图像质量评价值,得到N个图像质量评价值,并获取其对应的人脸图像,得到所述N个人脸图像,所述N为小于所述M的正整数;
根据所述特征参数对所述N个人脸图像进行筛选,得到所述K个人脸图像,所述K为小于所述N的正整数;
对所述K个人脸图像进行数据处理,得到所述P个样本数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述K个人脸图像进行数据处理,包括:
获取所述K个人脸图像中每一人脸图像的属性信息,得到P个属性信息集;
根据所述P个属性信息集生成所述P个样本数据。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述按照预设方式展示所述P个样本数据,包括:
将所述P个样本数据生成统计图或者统计表。
5.一种数据处理装置,其特征在于,包括:
第一获取单元,用于获取指定区域的第一视频片段;
第二获取单元,用于获取统计配置参数,所述统计配置参数包括:至少一个统计时间段、统计类别、指定目标,其中,所述指定目标为指定需要查找的人;
分析单元,用于根据所述统计配置参数对所述第一视频片段进行分析,得到P个样本数据,具体为:根据所述统计时间段对所述第一视频片段进行截取操作,得到第二视频片段;获取所述统计类别对应的特征参数;根据所述特征参数对所述第二视频片段进行分析,得到所述P个样本数据,所述P为正整数;
展示单元,用于按照预设方式展示所述P个样本数据;
所述分析单元,还用于对所述P个样本数据进行线性拟合,得到拟合曲线,所述拟合曲线用于表示时间与样本之间的关系;根据所述拟合曲线输出最优结果,所述最优结果包括最佳时刻与最佳样本。
6.根据权利要求5所述的装置,其特征在于,所述分析模块包括:
识别模块,用于对所述第二视频片段进行人脸识别,得到M个人脸图像,所述M为正整数;
评价模块,用于对所述M个人脸图像进行图像质量评价,得到所述M个图像质量评价值;
选取模块,用于从所述M个图像质量评价值中选取大于预设质量阈值的图像质量评价值,得到N个图像质量评价值,并获取其对应的人脸图像,得到所述N个人脸图像,所述N为小于所述M的正整数;
筛选模块,用于根据所述特征参数对所述N个人脸图像进行筛选,得到所述K个人脸图像,所述K为小于所述N的正整数;
处理模块,用于对所述K个人脸图像进行数据处理,得到所述P个样本数据。
7.根据权利要求6所述的装置,其特征在于,所述处理模块具体用于:
获取所述K个人脸图像中每一人脸图像的属性信息,得到P个属性信息集,根据所述P个属性信息集生成所述P个样本数据。
8.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-4任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州励飞软件技术有限公司,未经杭州励飞软件技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710447349.3/1.html,转载请声明来源钻瓜专利网。