一种非结构化视频数据处理方法和系统技术方案

本发明专利技术提供非结构化视频数据处理方法和系统，方法包括法管理模块，任务管理模块，算力管理模块；任务管理模块处理监控摄像模块拍摄的非结构化视频数据，并从动态单帧图片中识别出首次出现的人员、物品、交通工具中至少一个目标，并对识别出的目标赋予编码并归档，且对非结构化视频数据中识别出的相同的目标赋予相同的编码；基于接收到的数据处理任务和编码，分析和预测已归档的识别目标的活动轨迹和目标动向，并基于分析结果预测所述监控摄像模块拍摄的场所的态势变化趋势。实现数据全时归档建库，统一目标对象身份编码，便于对目标对象信息加工和处理，提高数据的利用率和利用效率。率。率。

【技术实现步骤摘要】
一种非结构化视频数据处理方法和系统


[0001]本专利技术涉及非结构化视频处理领域，具体涉及一种非结构化视频数据处理方法和系统。

技术介绍

[0002]现有的对视频数据的处理方案中，主要对生产视频数据的设备基础信息进行采集，并按照国标进行统一编码。依赖人工对视频、算法模型、算力进行编排组织，完成对低价值密度数据的萃取。相关技术中的数据的处理效率低，未对目标进行有效识别和编码，限制了动态数据的分类、检索和快速索引，缺乏有效组织场景、数据、算法、算力的计算服务框架实现自动编排的目标，无法对目标进行有效追踪和态势预测，缺乏对数据资源的充分挖掘和有效利用。

技术实现思路

[0003]为了克服相关技术中监控视频数据处理系统方案存在的诸多问题中的至少一者，本专利技术提供了一种非结构化视频数据处理方法和系统。
[0004]本专利技术第一方面提供了一种非结构化视频数据处理方法，所述方法应用于非结构化视频数据处理系统，任务管理模块处理监控摄像模块拍摄的非结构化视频数据以从所述视频的动态单帧图片中识别出首次出现的目标对象，所述的目标对象包括人员、物品、交通工具中至少一者，并对识别出的目标对象赋予编码和归档，且对非结构化视频数据中识别出的相同的目标对象赋予相同的编码，其中，所述的首次出现的目标对象是不同于历史数据中已识别的目标对象；任务管理模块基于接收到的数据处理任务和编码，分析和预测已归档的目标对象的活动轨迹和目标动向，并基于分析结果预测所述监控摄像模块拍摄的场所的态势变化趋势；其中，所述的非结构化视频数据处理系统包括：算法管理模块，其封装至少一种算法模型；任务管理模块，其配置为接收视频数据处理任务并调用所述算法模型以处理所述任务；算力管理模块，其根据计算资源的使用情况动态分配算力。
[0005]可选的一个实施例中，所述的识别出首次出现的目标对象包括：采用Region
‑
free的单阶段一体化目标检测模型实时生成对象类型编码，并结合相似度匹配模型识别目标对象是否为首次出现以避免编码重复生成。
[0006]可选的一个实施例中，所述的识别出首次出现的目标对象包括：基于预设的区域参数和时间段参数确定待分析的时空范围内的非结构化视频数据；
基于设定的追溯时长，确认目标对象在所述时间段开始时刻之前的所述追溯时长内未出现在所述时空范围内，并标记所述目标对象最早出现在所述时空范围内的时间为首次出现时间。
[0007]可选的一个实施例中，编码包括识别出的目标对象首次出现的地址编码、编码和标识编码，其中，编码用于区分识别出的目标对象的类型，所述的标识编码用于记录同类型不同目标对象的编号。
[0008]可选的一个实施例中，任务管理模块处理监控摄像模块拍摄的非结构化视频数据之后，还包括：对所述的非结构化视频数据设置多维标签，所述的多维标签包括属性标签、业务标签、场景标签、内容标签、质量标签、成效标签和热度标签中的至少两者。
[0009]可选的一个实施例中，所述的从动态单帧图片中识别出首次出现的目标对象包括对视频流单帧图片进行视频结构化特征提取，以识别图片中的人脸信息、人像信息、交通工具信息或物品信息至少一者。
[0010]可选的一个实施例中，采用人脸结构化算法、人体结构化算法、非机动车结构化算法、机动车结构化算法中至少一者进行视频结构化特征提取。
[0011]可选的一个实施例中，分析和预测已归档的目标对象的活动轨迹和目标动向包括：对所述非结构化视频数据中二维图片添加时间维度信息，并从所述图片中抽取在时间和空间维度上发生超过设定阈值变化的时空关键点特征以及包含目标沿时间变化趋势的密集轨迹特征，再通过时序预测神经网络分析和预测目标的活动轨迹和运动趋势。
[0012]可选的一个实施例中，分析和预测已归档的识别目标的活动轨迹和目标动向之后，还包括：使用全目标结构化算法对单张场景图片进行结构化信息提取以获得所述识别目标的多维结构化信息。
[0013]可选的一个实施例中，所述的处理系统还提供以下至少一种数据服务：目标特征数据描述服务、数据标准服务、模型服务、数据查询和调阅服务、报表服务、标签服务、知识服务、指标服务。
[0014]可选的一个实施例中，基于分析结果预测所述监控摄像模块拍摄的场所的态势变化趋势之后，还包括：对于识别或预测出的危险事件发出预警。
[0015]本专利技术第二方面提供一种非结构化视频数据处理系统，包括：算法管理模块，其封装至少一种算法模型；任务管理模块，其配置为接收视频数据处理任务并调用所述算法模型以处理所述任务；算力管理模块，其根据计算资源的使用情况动态分配算力；所述的任务管理模块处理监控摄像模块拍摄的非结构化视频数据以从所述视频的动态单帧图片中识别出首次出现的目标对象，所述的目标对象包括人员、物品、交通工具中至少一者，并对识别出的目标对象赋予编码和归档，且对非结构化视频数据中识别出的相同的目标对象赋予相同的编码，其中，所述的首次出现的目标对象是不同于历史数据中已识别的目标对象；所述的任务管理模块基于接收到的数据处理任务和编码，分析和预测已归档的目标对象的活动轨迹和目标动向，并基于分析结果预测所述监控摄像模块拍摄的场所的态势
变化趋势。
[0016]可选的一个实施例中，所述的识别出首次出现的目标对象包括采用Region
‑
free的单阶段一体化目标检测模型实时生成对象类型编码，并结合相似度匹配模型识别目标对象是否为首次出现以避免编码重复生成。
[0017]可选的一个实施例中，所述的识别出首次出现的目标对象包括：基于预设的区域参数和时间段参数确定待分析的时空范围内的非结构化视频数据；基于设定的追溯时长，确认目标对象在所述时间段开始时刻之前的所述追溯时长内未出现在所述时空范围内，并标记所述目标对象最早出现在所述时空范围内的时间为首次出现时间。
[0018]可选的一个实施例中，编码包括识别出的目标对象首次出现的地址编码、编码和标识编码，其中，编码用于区分识别出的目标对象的类型，所述的标识编码用于记录同类型不同目标对象的编号。
[0019]可选的一个实施例中，任务管理模块处理监控摄像模块拍摄的非结构化视频数据之后，还包括：对所述的非结构化视频数据设置多维标签，所述的多维标签包括属性标签、业务标签、场景标签、内容标签、质量标签、成效标签和热度标签中的至少两者。
[0020]可选的一个实施例中，所述的从动态单帧图片中识别出首次出现的目标对象包括对视频流单帧图片进行视频结构化特征提取，以识别图片中的人脸信息、人像信息、交通工具信息或物品信息至少一者。
[0021]可选的一个实施例中，采用人脸结构化算法、人体结构化算法、非机动车结构化算法、机动车结构化算法中至少一者进行视频结构化特征提取。
[0022]可选的一个实施例中，分析和预测已归档的目标对象的活动轨迹和目标动向包括：对所述非结构化视频数据中二维图片添加时间维度信息，并从所述图片中抽取在时间和空间维度上发生超过设定阈值变化的时空关键点特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非结构化视频数据处理方法，所述方法应用于非结构化视频数据处理系统，其特征在于：任务管理模块处理监控摄像模块拍摄的非结构化视频数据以从所述视频的动态单帧图片中识别出首次出现的目标对象，所述的目标对象包括人员、物品、交通工具中至少一者，并对识别出的目标对象赋予编码和归档，且对非结构化视频数据中识别出的相同的目标对象赋予相同的编码，其中，所述的首次出现的目标对象是不同于历史数据中已识别的目标对象；任务管理模块基于接收到的数据处理任务和编码，分析和预测已归档的目标对象的活动轨迹和目标动向，并基于分析结果预测所述监控摄像模块拍摄的场所的态势变化趋势；其中，所述的非结构化视频数据处理系统包括：算法管理模块，其封装至少一种算法模型；任务管理模块，其配置为接收视频数据处理任务并调用所述算法模型以处理所述任务；算力管理模块，其根据计算资源的使用情况动态分配算力。2.根据权利要求1所述的非结构化视频数据处理方法，其特征在于，所述的识别出首次出现的目标对象包括：采用Region
‑
free的单阶段一体化目标检测模型实时生成对象类型编码，并结合相似度匹配模型识别目标对象是否为首次出现以避免编码重复生成。3.根据权利要求1所述的非结构化视频数据处理方法，其特征在于，所述的识别出首次出现的目标对象包括：基于预设的区域参数和时间段参数确定待分析的时空范围内的非结构化视频数据；基于设定的追溯时长，确认目标对象在所述时间段开始时刻之前的所述追溯时长内未出现在所述时空范围内，并标记所述目标对象最早出现在所述时空范围内的时间为首次出现时间。4.根据权利要求2或3所述的非结构化视频数据处理方法，其特征在于，编码包括识别出的目标对象首次出现的地址编码、类型编码和标识编码，其中，编码用于区分识别出的目标对象的类型，所述的标识编码用于记录同类型不同目标对象的编号。5.根据权利要求1所述的非结构化视频数据处理方法，其特征在于，任务管理模块处理监控摄像模块拍摄的非结构化视频数据之后，还包括：对所述的非结构化视频数据设置多维标签，所述的多维标签包括属性标签、业务标签、场景标签、内容标签、质量标签、成效标签和热度标签中的至少两者。6.根据权利要求1所述的非结构化视频数据处理方法，其特征在于，所述的从动态单帧图片中识别出首次出现的目标对象包括对视频流单帧图片进行视频结构化特征提取，以识别图片中的人脸信息、人像信息、交通工具信息或物品信息至少一者。7.根据权利要求6所述的非结构化视频数据处理方法，其特征在于，采用人脸结构化算法、人体结构化算法、非机动车结构化算法、机动车结构化算法中至少一者进行视频结构化特征提取。8.根据权利要求1所述的非结构化视频数据处理方法，其特征在于，
分析和预测已归档的目标对象的活动轨迹和目标动向包括：对所述非结构化视频数据中二维图片添加时间维度信息，并从所述图片中抽取在时间和空间维度上发生超过设定阈值变化的时空关键点特征以及包含目标沿时间变化趋势的密集轨迹特征，再通过时序预测神经网络分析和预测目标的活动轨迹和运动趋势。9.根据权利要求8所述的非结构化视频数据处理方法，其特征在于，分析和预测已归档的识别目标的活动轨迹和目标动向之后，还包括：使用全目标结构化算法对单张场景图片进行结构化信息提取以获得所述识别目标的多维结构化信息。10.根据权利要求1所述的非结构化视频数据处理方法，其特征在于，所述的处理系统还提供以下至少一种数据服务：目标特征数据描述服务、数据标准服务、模型服务、数据查询和调阅服务、报表服务、标签服务、知识服务、指标服务。11.根据权利要求1所述的非结构化视频数据处理方法，其特征在于，基于分析结果预测所述监控摄像模块拍摄的场所的态势变化趋势之后，还包括：对于识别或预测出的危险事件发...

【专利技术属性】
技术研发人员：程栋，杨昊，沈滢章，张雪强，
申请(专利权)人：上海数字治理研究院有限公司，
类型：发明
国别省市：