申请/专利权人：北京赛思信安技术股份有限公司

申请日：2022-03-01

公开（公告）日：2024-05-03

公开（公告）号：CN114565878B

主分类号：G06V20/40

分类号：G06V20/40;G06V10/22;G06V10/40;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2022.06.17#实质审查的生效;2022.05.31#公开

摘要：本发明公开一种支持类别可配置的视频标志物检测方法，属于视频数据分析领域。本发明将目标视频标志物进行标志物特征提取，对提取的目标视频标志物特征构建特征索引文件。对待检测的视频进行标志物的目标检测与定位，将检测出的视频标志物进行特征提取，对检测出的视频标志物特征与构建的目标视频标志物特征索引文件进行特征匹配，通过特征匹配后的距离阈值判断检测出的视频标志物是否为目标视频标志物。本发明采用对视频标志物智能检测的审核方式代替了人工视频审核方式，解决了现有的违规视频审核方式的自动化程度低，过分依赖人工等技术问题。有效的提高了视频审核的效率，降低了视频审核的人力物力的成本。

主权项：1.一种支持类别可配置的视频标志物检测方法，其特征在于：具体步骤为：步骤1：确定目标标志物，进一步获取目标标志物的图片数据，并按目标标志物的类别进行分类，以此作为特征提取的训练数据和目标检索特征库的输入数据；步骤2：目标视频标志物特征提取；通过改进的ResNet-18网络对目标标志物图片进行模型训练和特征提取；改进的ResNet-18网络为ResNet-18网络的改进结构，增加了深度注意力机制；不同类别视频目标标志物图片作为模型输入，输入到训练好的特征提取网络模型中，通过特征提取网络模型的卷积与池化操作，最终可以有效的提取出目标标志物的一个特征信息，且每一张图片都可以获得一个同维度的特征信息；步骤3：构建目标标志物特征库；步骤4：采用由LogoDet-3K+Logo-2K合并的泛化性标志物的数据集作为训练数据集，对增加了注意力机制的Attention+YOLOv3网络进行视频标志物检测与定位；步骤5：检出标志物的特征匹配与检索；使用训练好的改进的ResNet-18网络模型提取检测出的标志物特征；并将提取出的标志物特征，通过与目标标志物特征检索库进行KNN特征检索，并根据设置的距离阈值，来判断检测出的标志物是否为目标标志物。

全文数据：

权利要求：

百度查询： 北京赛思信安技术股份有限公司 一种支持类别可配置的视频标志物检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD