[发明专利]一种多层次视觉特征描述方法和视觉检索系统有效
申请号: | 201910786387.0 | 申请日: | 2019-08-23 |
公开(公告)号: | CN110659333B | 公开(公告)日: | 2022-04-22 |
发明(设计)人: | 殷海兵;黄晓峰;贾惠柱 | 申请(专利权)人: | 杭州未名信科科技有限公司;浙江省北大信息技术高等研究院 |
主分类号: | G06F16/28 | 分类号: | G06F16/28;G06F16/738;G06F16/783;G06F16/75;G06F16/732 |
代理公司: | 北京辰权知识产权代理有限公司 11619 | 代理人: | 刘广达 |
地址: | 311200 浙江省杭州市萧*** | 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: | 一种 多层次 视觉 特征 描述 方法 检索系统 | ||
1.一种多层次视觉特征描述方法,其特征在于,包括:
获得视频流;
将所述视频流压缩获取视频浓缩流,从视频浓缩流截取摘要获取浓缩摘要流;
将所述视频流经过目标检测提取特征信息;
将视频流的特征信息进行目标追踪、目标优选,获取若干特征流;
将若干特征流、视频流、浓缩摘要流按照AVS工作组数字视网膜工作组制定的标准生成多层次视频及视觉特征流,所述多层次视频包括视频流、若干特征流、浓缩摘要流三个层次,视觉特征流包括步态特征流、CDVS特征流、reID深度特征流、人脸ID特征流、车牌特征流、人体属性特征流、车辆特征流、关键点序列特征流中的一种或多种层次的视觉特征流;
将多层次视频及视觉特征流在云端按照特征分类存储;
云端根据终端的应用场景业务需求对云端存储的多层次视频及视觉特征流进行多种特征组合检索。
2.如权利要求1所述的一种多层次视觉特征描述方法,其特征在于,所述云端根据终端的应用场景业务需求可以对多层次视频及视觉特征流采用特征匹配方法进行目标布控,并将异常事件经过云端发送给终端。
3.如权利要求2所述的一种多层次视觉特征描述方法,其特征在于,在所述将若干特征流、视频流、浓缩摘要流组合生成多层次视频及视觉特征流后,记录所述视频流的若干特征流的时间和所述视频流的摄像头位置,将时间和位置信息添加于多层次视频及视觉特征流。
4.如权利要求3所述的一种多层次视觉特征描述方法,其特征在于,所述若干特征流包括步态特征流、CDVS特征流、reID深度特征流、人脸ID特征流、车牌特征流、人体属性特征流、车辆特征流、关键点序列特征流中的一种或多种。
5.如权利要求4所述的一种多层次视觉特征描述方法,其特征在于,所述将所述视频流经过目标检测提取特征信息,包括:
提取所述视频流的数据帧,经过缩放得到固定尺寸图片,进入多目标检测器,检测出行人、车辆特征信息,若图片满足像素分辨率和角度条件,启用人脸和车牌检测器检测人脸和车牌特征信息。
6.一种多层次视觉特征的视觉检索系统,其特征在于,包括视频流模块、浓缩模块、特征信息提取模块、特征流模块、多层次流码复用模块、云端模块、终端模块,
视频流模块,用于接收摄像头所采集的原始视频数据和/或接收传统摄像头经过解码后的视频数据,将视频数据转换为视频流;
浓缩模块,用于将从视频流模块接收的视频流经过视频编码得到视频浓缩流,从视频浓缩流截取摘要得到浓缩摘要流;
特征信息提取模块,用于将从视频流模块接收的视频流经过目标检测得到所述视频流中的特征信息;
特征流模块,用于将从特征信息提取模块接收的特征信息进行目标追踪、目标优选得到若干特征流;
多层次流码复用模块,用于将从特征流模块接收的若干特征流、从浓缩模块接收的视频浓缩流、浓缩摘要流按照AVS工作组数字视网膜工作组制定的标准生成多层次视频及视觉特征流,所述多层次视频包括视频流、若干特征流、浓缩摘要流三个层次,视觉特征流包括步态特征流、CDVS特征流、reID深度特征流、人脸ID特征流、车牌特征流、人体属性特征流、车辆特征流、关键点序列特征流中的一种或多种层次的视觉特征流;
云端模块,用于将从多层次流码复用模块接收的多层次视频及视觉特征流在云端按照特征分类存储;
终端模块,用于根据应用场景业务需求对云端模块存储的多层次视频及视觉特征流进行多种特征组合检索。
7.如权利要求6所述的一种多层次视觉特征的视觉检索系统,其特征在于,还包括目标布控模块,云端根据终端的智能检索分析服务器的应用场景业务需求可以对多层次视频及视觉特征流采用特征匹配方法进行目标布控,实时监测目标信息。
8.如权利要求7所述的一种多层次视觉特征的视觉检索系统,其特征在于,还包括定时定位模块,记录所述视频流的若干特征流的时间和所述视频流的摄像头位置,将时间和位置信息添加于多层次视频及视觉特征流。
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未名信科科技有限公司;浙江省北大信息技术高等研究院,未经杭州未名信科科技有限公司;浙江省北大信息技术高等研究院许可,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/201910786387.0/1.html,转载请声明来源钻瓜专利网。