-
公开(公告)号：CN118803203A
公开(公告)日：2024-10-18
申请号：CN202410825078.0
申请日：2024-06-25
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请提供一种视频监控方法、装置、电子设备、存储介质及程序产品，涉及信息技术领域，以解决现有视频监控方案的适配性较差的问题。本方法包括：获取监控视频，对所述监控视频进行抽帧处理，得到至少一个视频帧；对所述至少一个视频帧进行要素特征提取，得到要素特征集；根据预先配置的监控需求，构建至少一类要素关系表；对所述至少一类要素关系表进行关系特征提取，得到关系特征集；根据所述关系特征集和所述要素特征集，输出所述监控视频的监控信息。本申请能够提高视频监控方案的适配性。
-
公开(公告)号：CN118802511A
公开(公告)日：2024-10-18
申请号：CN202410005306.X
申请日：2024-01-02
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: H04L41/0803 , H04L41/08 , H04L41/14
Abstract: 本发明公开了一种多边缘设备多模型部署方法、系统、设备及存储介质，方法包括：根据多个待部署模型之间的依赖关系，将多个所述待部署模型划分为多个任务；获取多个所述任务在多个待部署边缘设备上的多种部署方案；对于每一种所述部署方案，获取每一个所述待部署边缘设备上的任务运行时间；根据所有所述任务运行时间，确认多个所述待部署模型在多个所述待部署边缘设备上的最终部署方案。采用本发明实施例能够在可能的部署方案中找到最优解，相比人为手动配置，不受人为经验影响，提高准确性和部署效率。
-
公开(公告)号：CN118799952A
公开(公告)日：2024-10-18
申请号：CN202311634545.3
申请日：2023-12-01
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种细粒度动作识别方法、装置、设备及存储介质，通过获取待识别的动作视频，计算所述动作视频的总帧数，从所述动作视频中提取预设数量的视频帧；将所述总帧数嵌入所述视频帧中，并将处理后的视频帧输入到预设的特征提取层中进行特征提取，得到持续时间感知的视觉特征；将所述视觉特征输入到预先构建的层次化序列聚合解码器的不同解码层，输出不同解码层学习后的识别向量；将不同解码层输出的识别向量分别输入到不同的全连接层，得到不同动作元素的预测概率；根据不同动作元素的预测概率确定识别的细粒度动作。本申请能够感知细粒度动作的持续时间，并且计算量较低，能够高效地进行细粒度动作的识别。
-
公开(公告)号：CN117115908A
公开(公告)日：2023-11-24
申请号：CN202311061366.5
申请日：2023-08-22
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请提供一种视频动作识别方法、装置、电子设备及存储介质，涉及视频技术领域，该方法包括：对视频分别采样N次，获得N个不同的采样帧序列，N为大于1的整数；分别获取每个采样帧序列中的每个视频帧的图像特征，所述图像特征包括全局图像特征和局部图像特征，所述局部图像特征为动作区域的图像特征；分别将所述每个采样帧序列中的每个视频帧的图像特征按时序进行融合处理，得到所述每个采样帧序列的融合特征；基于所述每个采样帧序列的融合特征，确定所述视频的动作识别结果。本申请的视频动作识别方法能够兼顾识别效果与运算量。
-
公开(公告)号：CN118823498A
公开(公告)日：2024-10-22
申请号：CN202311688403.5
申请日：2023-12-11
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V10/774 , G06V20/40 , G06V40/20
Abstract: 本发明提供了一种用于细粒度动作识别的模型训练方法、装置、设备和介质，该方法包括：构建视频细粒度动作的训练数据集，训练数据集包括动作视频和每一个动作视频对应的K个目标动作元素；其中，每一个动作视频对应M个动作元素，目标动作元素是在M个动作元素中确定的，M为大于1的整数，K为大于0并且小于M的整数；根据训练数据集进行模型训练，获取细粒度动作识别模型。本发明实施例仅使用动作视频中的部分动作元素而不是全部动作元素对模型进行弱监督训练，可以降低对训练数据的质量要求，并且充分利用训练数据，使得获得的细粒度动作识别模型性能较高，识别准确度高。
-
Patent Agency Ranking
公开(公告)号：CN116912938A
公开(公告)日：2023-10-20
申请号：CN202310860962.3
申请日：2023-07-13
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种生物体关键点检测方法、装置、设备及存储介质，属于计算机视觉技术领域，所述生物体关键点检测方法，包括：获取待检测图像的特征图像、窗口标记图和关键点标记图；根据所述特征图像、所述窗口标记图和所述关键点标记图，进行第一处理和第二处理得到热力图；所述第一处理包括对窗口标记图和关键点特征图进行视觉变换处理；所述第二处理包括补丁合并处理和关键点补充处理；根据所述热力图进行生物体关键点检测，得到检测结果。本发明的方案，可以提高生物体关键点的检测效率，提升检测效果。
-
公开(公告)号：CN116912927A
公开(公告)日：2023-10-20
申请号：CN202211399663.6
申请日：2022-11-09
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/62 , G06V10/774 , G06V10/764
Abstract: 本申请公开了一种时序动作检测模型的训练方法、时序动作检测方法、装置、电子设备及存储介质，其中，时序动作检测模型的训练方法包括：在每个视频样本对应的视频特征序列中，交替划分出第一特征分段和第二特征分段；基于每个视频样本对应的每个第一特征分段的动作类别和对应的动作起止位置，以及基于每个视频样本对应的每个第二特征分段的动作类别和对应的动作起止位置，训练时序动作检测模型，直至达到第一设定收敛条件；其中，时序动作检测模型包括第一检测模型和第二检测模型；第一检测模型用于预测第一特征分段的动作类别和动作起止位置；第二检测模型用于预测第二特征分段对应的每个视频帧的动作类别。
-
公开(公告)号：CN118803298A
公开(公告)日：2024-10-18
申请号：CN202410122684.6
申请日：2024-01-29
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: H04N21/234 , H04N21/44 , H04N21/845 , G06V10/82 , G06V40/16
Abstract: 本申请实施例公开了一种高光片段提取方法、装置、设备、芯片、存储介质及产品，其中，所述方法包括：对待处理的视频进行分割，得到N个片段，N为正整数；从所述N个片段中筛选出M个片段，M为小于等于N的正整数；其中，所述M个片段中的每个片段均满足以下要求：片段中人物出现的时长在该片段总时长中的占比大于等于第一阈值；对所述M个片段中的每个片段进行高光相关特征的检测，基于所述每个片段的检测结果确定所述每个片段是高光片段或不是高光片段。
-
公开(公告)号：CN118799955A
公开(公告)日：2024-10-18
申请号：CN202410140020.2
申请日：2024-01-31
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请提供一种行为识别方法、装置、电子设备、计算机存储介质和计算机程序产品，该方法应用于计算机技术领域，该方法包括：获取待识别视频，确定所述待识别视频的关键行人集合；对所述关键行人集合进行关键点检测，得到关键点特征图；以部位为粒度对所述关键点特征图进行拆分，得到多个部位的关键点特征子图；分别对所述多个部位的关键点特征子图进行特征提取，得到多个特征提取结果；确定所述多个特征提取结果各自对应的权重，根据所述权重对所述多个特征提取结果进行融合处理，得到特征融合结果；对所述特征融合结果进行行为识别，得到识别结果；所述识别结果表征所述待识别视频中是否存在对应行为。如此，可以提升行为识别的准确性。
-
公开(公告)号：CN119313684A
公开(公告)日：2025-01-14
申请号：CN202411339359.1
申请日：2024-09-24
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC: G06T7/10 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本申请实施例提供一种上采样方法、上采样装置、电子设备、芯片、存储介质及计算机程序产品，所述方法包括：提取目标图像的视觉特征和待分割目标的文本特征；根据所述视觉特征和所述文本特征，得到所述目标图像的分割特征和反卷积偏移量；基于所述反卷积偏移量，通过变形反卷积的方式对所述分割特征进行上采样处理，得到所述目标图像的分割结果。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.158 seconds)
