视频流检测方法、装置、设备及存储介质制造方法及图纸

本申请涉及人工智能领域，提供一种视频流检测方法、装置、设备及存储介质，所述方法包括：基于待识别的视频流，得到帧数据序列，对所述帧数据序列进行关键帧识别；若识别到关键帧，则对所述关键帧进行目标对象检测，将检测结果存入预设的对象池；若识别到非关键帧，则使用所述检测结果对所述非关键帧进行目标对象的位置标注。通过仅检测视频流的关键帧，并基于关键帧的检测结果对非关键帧中的目标对象进行位置标注，进而实现高效、准确地对目标对象的检测，降低检测的硬件需求，实现资源优化。化。化。

【技术实现步骤摘要】
视频流检测方法、装置、设备及存储介质


[0001]本申请涉及人工智能领域，尤其涉及一种视频流检测方法、装置、设备及存储介质。

技术介绍

[0002]在现有的视频流检测技术，为了提高检测速度，选择将神经网络模型的权重文件量化后，做成嵌入到边缘计算盒子中的小模型，虽然提高了识别速度，但精准率无法得到保障。或者选择横向增加AI识别服务器数量，实现并行识别。上述两种识别方式都增加了识别的硬件成本，现有技术无法在保证计算精确度和计算速度的同时实现资源的优化。

技术实现思路

[0003]本申请提供了一种视频流检测方法、装置、设备及存储介质，旨在解决现有的视频流检测方法在保证计算精确度和速度时，无法实现资源优化的问题。
[0004]第一方面，本申请提供一种视频流检测方法，所述方法包括：
[0005]基于待识别的视频流，得到帧数据序列，对所述帧数据序列进行关键帧识别；
[0006]若识别到关键帧，则对所述关键帧进行目标对象检测，将检测结果存入预设的对象池；
[0007]若识别到非关键帧，则使用所述检测结果对所述非关键帧进行目标对象的位置标注。
[0008]第二方面，本申请实施例还提供一种视频流检测装置，所述装置包括：
[0009]得到模块，用于基于待识别的视频流，得到帧数据序列，对所述帧数据序列进行关键帧识别；
[0010]检测模块，用于若识别到关键帧，则对所述关键帧进行目标对象检测，将检测结果存入预设的对象池；
[0011]标注模块，用于若识别到非关键帧，则使用所述检测结果对所述非关键帧进行目标对象的位置标注。
[0012]第三方面，本申请还提供一种视频流检测设备，所述视频流检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的视频流检测方法的步骤。
[0013]第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的视频流检测方法的步骤。
[0014]本申请提供一种视频流检测方法、装置、设备及存储介质，本申请通过基于待识别的视频流，得到帧数据序列，对所述帧数据序列进行关键帧识别；若识别到关键帧，则对所述关键帧进行目标对象检测，将检测结果存入预设的对象池；若识别到非关键帧，则使用所述检测结果对所述非关键帧进行目标对象的位置标注。通过仅检测视频流的关键帧，并基
于关键帧的检测结果对非关键帧中的目标对象进行位置标注，进而实现高效、准确地对目标对象的检测，并能够降低检测的硬件需求，实现资源优化。
附图说明
[0015]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本申请实施例提供的一种视频流检测方法的流程示意图；
[0017]图2是本申请实施例提供的一种视频流检测装置的结构示意图；
[0018]图3是本申请实施例提供的一种视频流检测设备的示意性框图。
具体实施方式
[0019]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0020]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。
[0021]在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0022]请参阅图1，图1是本申请实施例提供的一种视频流检测方法的示意流程图。其中，该视频流检测方法可以应用在服务器中，可以通过只检测视频流的关键帧，并基于关键帧的检测结果对非关键帧中的目标对象进行位置标注，在实现高效、准确的检测前提下，降低检测的硬件需求，实现资源优化。
[0023]如图1所示，该视频流检测方法包括步骤S101至步骤S103。
[0024]S101、基于待识别的视频流，得到帧数据序列，对所述帧数据序列进行关键帧识别。
[0025]其中，视频流是指视频数据的传输，能够被作为一个稳定的和连续的流通过网络处理。而关键帧则是在视频流中保存了完整图像信息的帧。
[0026]在一些实施例中，基于待识别的视频流，得到帧数据序列，包括：获取待识别的视频流，对所述视频流进行编码处理，得到多个帧数据；对所述帧数据进行拆分，得到所述帧数据序列。
[0027]示例性的，基于H264协议，对所述视频流进行编码处理，得到所述视频流中的帧数据。应理解，基于H264协议，对所述视频流进行编码处理，能够节省视频流的传输资源。其中，第一类帧数据为关键帧，简称为I帧，是当前序列中记载最完整图像的编码图像；第二类帧数据为预测帧，简称为P帧，是通过充分降低于图像序列中前面已编码帧的时间冗余信息来压缩传输数据量的编码图像；第三类帧数据为双向预测帧，简称为B帧，是既考虑与源图
像序列前面已编码帧，也顾及源图像序列后面已编码帧之间的时间冗余信息来压缩传输数据量的编码图像。所述的预测帧和双向预测帧均为非关键帧。应理解，一个序列中的关键帧包含本序列最完整的图像信息，且与本序列的非关键帧包含的图像信息具有重叠，故关键帧为一个序列中最具代表性的帧数据。
[0028]示例性的，对所述视频流进行编码处理后，得到多个按照特定顺序排列的帧数据，按照特定规律划分成多个帧数据序列。其中，帧数据的特定顺序排列是根据原视频的图像内容按照一个关键帧、至少一个预测帧、至少一个双向预测帧的顺序依次排列。具体地，根据关键帧划分帧数据序列，在一个帧数据序列中有且只有一个作为起始帧的关键帧，但至少含有一个的预测帧以及双向预测帧。应理解，当识别到关键帧时，即开启了新的序列，即当再次识别到关键帧时，则前一帧数据序列中的非关键帧已经识别完毕，进入了新的帧数据序列。例如，视频流编码处理后，各类帧数据根据原视频的图像内容排列顺序为：“I帧、P帧、B帧、I帧、P帧、P帧、B帧”。当识别到第一个I帧时，则进入序列1，包括帧数据：“I帧、P帧、B帧”；当识别到第二个I帧时，则进入了序列2，包括帧数据：“I帧、P帧、P帧、B帧”。
[0029]在一些实施例中，可以使用FFmpeg对编码处理后得到的帧数据进行的截取，并识别各类帧数据中关键帧，以进行对关键帧的目标对象检测。其中，FFm本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频流检测方法，其特征在于，所述方法包括：基于待识别的视频流，得到帧数据序列，对所述帧数据序列进行关键帧识别；若识别到关键帧，则对所述关键帧进行目标对象检测，将检测结果存入预设的对象池；若识别到非关键帧，则使用所述检测结果对所述非关键帧进行目标对象的位置标注。2.根据权利要求1所述的方法，其特征在于，所述基于待识别的视频流，得到帧数据序列，包括：获取待识别的视频流，对所述视频流进行编码处理，得到多个帧数据；对所述帧数据进行拆分，得到所述帧数据序列。3.根据权利要求1所述的方法，其特征在于，在所述对所述关键帧进行目标对象检测之前，还包括：使用预先训练完成的第一神经网络模型检测所述对象池的存储状态；基于所述储存状态更新所述对象池。4.根据权利要求3所述的方法，其特征在于，所述基于所述储存状态更新所述对象池，包括：若所述存储状态为非空，则清空所述对象池。5.根据权利要求1所述的方法，其特征在于，所述对所述关键帧进行目标对象检测，将检测结果存入预设的对象池，还包括：利用预先训练完成的第二神经网络模型分析所述关键帧；确定所述关键帧中目标对象的坐标，将所述关键帧中所述目标对象的坐标作为所述检测结果储存至所述对象池，其中，所述关键帧中目标对象的坐标为所述关键帧中目标对象所在的方位。6.根据权利要...

【专利技术属性】
技术研发人员：黄哲，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：