视频标签类型标记的方法及系统与流程

1.本发明属于计算机技术领域，具体涉及一种视频标签类型标记的方法及系统。


背景技术：

2.现在在城市街头中有成千上万的摄像头，对于他们的记录只有名称地址以及对应的坐标，但这些信息都是零散的，没有形成结构化，无法在想要查看具有某一特征的视频时，获得到相关的视频列表。
3.对于视频标记，可通过人工查看每条视频的安装信息，比如安装的地址、有意义的摄像头名称等或者通过查看具体的拍摄内容为摄像头进行标记，这种方法比较耗时耗力，效率低下，难以一次性获得大量的视频信息。而且对于一些有意义的名词如小区名、酒店名、饭店名，人工并不能完全知晓，会导致错标漏标的状况，且成本过高。


技术实现要素：

4.本发明是为了解决上述问题而进行的，目的在于提供一种适应性强、效率高且所确定的标签更准确的视频标签类型标记的方法及系统。
5.本发明提供了一种视频标签类型标记的方法，其特征在于，包括以下步骤：建立视频标签库、地点标签库和场景标签库；
6.根据每个摄像头安装时设置的文字描述信息从所述地点标签库中选择对应的摄像头的地点标签；
7.根据每个摄像头拍摄的场景内容从所述场景标签库中选择对应的摄像头的场景标签；
8.根据每个摄像头确定的所述地点标签和所述场景标签从所述视频标签库中选择对应的摄像头的视频标签。
9.进一步，在本发明提供的视频标签类型标记的方法中，还可以具有这样的特征：其中，视频标签库将视频标签分为27类，视频标签的27类分别为：办公场所、村落、道路、地铁站、电梯、工厂、公交车站、购物场所、河道、加油站、交通枢纽、景点、酒店、码头、停车场、文化体育、小区、学校、养老院、医院、银行、邮局、娱乐场所、远景、政府机构、宗教场所、其他；
10.所述地点标签库将地点标签分为27类，地点标签的27类与所述视频标签的27类相同；
11.所述场景标签库将场景标签分为17类，场景标签的17类分别为：道路、公交车站、地铁站、人行天桥、消防通道、出入口、河道、沿街商铺、桥梁、垃圾厢房、加油站、商场、体育场所、宗教场所、火车站、室内、其他。
12.进一步，在本发明提供的视频标签类型标记的方法中，还可以具有这样的特征：其中，根据地点标签和场景标签确定摄像头的视频标签的方法为：
13.步骤1，判断地点标签是否为其他，若是，则视频标签为其他，若不是，则进入步骤2；
14.步骤2，判断地点标签是否为道路，若是，则进入步骤3，若否则进入步骤4；
15.步骤3，判断场景标签是否为其他，若是，则视频标签为其他，若否，则进入步骤5；
16.步骤4，判断场景标签是否为道路，若是，则视频标签为道路，若否，则进入步骤6；
17.步骤5，判断场景标签是否为出入口或沿街商铺或室内或消防通道，若是，则视频标签为小区，若否，则视频标签为地点标签确定的分类；
18.步骤6，判断场景标签是否为其他，若是，则视频标签为其他，若否，则视频标签为地点标签确定的分类。
19.进一步，在本发明提供的视频标签类型标记的方法中，还可以具有这样的特征：其中，确定摄像头的地点标签的方法为：
20.将所述地点标签库中的每个地点标签都设定相对应的一个或多个关键字和正则表达式，并将部分地点标签设定对应的知识库；
21.将摄像头安装时的文字描述信息与所述地点标签库中的所有地点标签按顺序进行匹配，顺序匹配时，若匹配成功则结束，若匹配不成功则进行下一个地点标签的匹配，
22.将摄像头安装时的文字描述信息与一个地点标签匹配时，将摄像头安装时的文字描述信息与该地点标签对应的关键字或者正则表达式或者知识库进行匹配，若匹配成功，则该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
23.进一步，在本发明提供的视频标签类型标记的方法中，还可以具有这样的特征：其中，摄像头安装时的文字描述信息包括视频名称和/或者视频地址，根据视频名称和/或者视频地址匹配所述地点标签库中的一个地点标签对应的关键字或者正则表达式或者知识库来确定该地点标签是否为该摄像头的地点标签。
24.进一步，在本发明提供的视频标签类型标记的方法中，还可以具有这样的特征：其中，确定一个地点标签是否为一个摄像头的地点标签的方法为：
25.根据视频名称匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则进入下一步；
26.根据视频地址匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
27.进一步，在本发明提供的视频标签类型标记的方法中，还可以具有这样的特征：其中，采用图像分类模型确定摄像头的场景标签。
28.进一步，在本发明提供的视频标签类型标记的方法中，还可以具有这样的特征：其中，采用图像分类模型确定摄像头的场景标签的方法为：
29.以resnet50模型为骨干拼接分类器，构成一个分类模型；
30.根据现有的与所述场景标签库的场景标签相关的场景图片和真实的视频内容截图训练所述分类模型；
31.将摄像头拍摄的视频截图输入训练好的分类模型中，模型输出该摄像头的分类结果。
32.本发明还提供了一种视频标签类型标记的系统，其特征在于，包括：存储单元，用于存储视频标签库、地点标签库和场景标签库；
33.多个摄像头，每个摄像头安装时设置有文字描述信息，每个所述摄像头均用于拍
摄视频监控；以及
34.处理器，与多个所述摄像头连接，所述处理器用于根据每个摄像头安装时设置的文字描述信息从所述地点标签库中选择对应的摄像头的地点标签，根据每个摄像头拍摄的场景内容从所述场景标签库中选择对应的摄像头的场景标签，然后根据每个摄像头确定的所述地点标签和所述场景标签从所述视频标签库中选择对应的摄像头的视频标签，并将每个摄像头对应的视频标签存储于所述存储单元中。
35.进一步，在本发明提供的视频标签类型标记的系统中，还可以具有这样的特征：其中，视频标签库将视频标签分为27类，视频标签的27类分别为：办公场所、村落、道路、地铁站、电梯、工厂、公交车站、购物场所、河道、加油站、交通枢纽、景点、酒店、码头、停车场、文化体育、小区、学校、养老院、医院、银行、邮局、娱乐场所、远景、政府机构、宗教场所、其他；
36.所述地点标签库将地点标签分为27类，地点标签的27类与所述视频标签的27类相同；
37.所述场景标签库将场景标签分为17类，场景标签的17类分别为：道路、公交车站、地铁站、人行天桥、消防通道、出入口、河道、沿街商铺、桥梁、垃圾厢房、加油站、商场、体育场所、宗教场所、火车站、室内、其他。
38.进一步，在本发明提供的视频标签类型标记的系统中，还可以具有这样的特征：其中，根据地点标签和场景标签确定摄像头的视频标签的方法为：
39.步骤1，判断地点标签是否为其他，若是，则视频标签为其他，若不是，则进入步骤2；
40.步骤2，判断地点标签是否为道路，若是，则进入步骤3，若否则进入步骤4；
41.步骤3，判断场景标签是否为其他，若是，则视频标签为其他，若否，则进入步骤5；
42.步骤4，判断场景标签是否为道路，若是，则视频标签为道路，若否，则进入步骤6；
43.步骤5，判断场景标签是否为出入口或沿街商铺或室内或消防通道，若是，则视频标签为小区，若否，则视频标签为地点标签确定的分类；
44.步骤6，判断场景标签是否为其他，若是，则视频标签为其他，若否，则视频标签为地点标签确定的分类。
45.进一步，在本发明提供的视频标签类型标记的系统中，还可以具有这样的特征：其中，确定摄像头的地点标签的方法为：
46.将所述地点标签库中的每个地点标签都设定相对应的一个或多个关键字和正则表达式，并将部分地点标签设定对应的知识库；
47.将摄像头安装时的文字描述信息与所述地点标签库中的所有地点标签按顺序进行匹配，顺序匹配时，若匹配成功则结束，若匹配不成功则进行下一个地点标签的匹配，
48.将摄像头安装时的文字描述信息与一个地点标签匹配时，将摄像头安装时的文字描述信息与该地点标签对应的关键字或者正则表达式或者知识库进行匹配，若匹配成功，则该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
49.进一步，在本发明提供的视频标签类型标记的系统中，还可以具有这样的特征：其中，摄像头安装时的文字描述信息包括视频名称和/或者视频地址，根据视频名称和/或者视频地址匹配所述地点标签库中的一个地点标签对应的关键字或者正则表达式或者知识库来确定该地点标签是否为该摄像头的地点标签。
50.进一步，在本发明提供的视频标签类型标记的系统中，还可以具有这样的特征：其中，确定一个地点标签是否为一个摄像头的地点标签的方法为：
51.根据视频名称匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则进入下一步；
52.根据视频地址匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
53.进一步，在本发明提供的视频标签类型标记的系统中，还可以具有这样的特征：其中，采用图像分类模型确定摄像头的场景标签。
54.进一步，在本发明提供的视频标签类型标记的系统中，还可以具有这样的特征：其中，采用图像分类模型确定摄像头的场景标签的方法为：
55.以resnet50模型为骨干拼接分类器，构成一个分类模型；
56.根据现有的与所述场景标签库的场景标签相关的场景图片和真实的视频内容截图训练所述分类模型；
57.将摄像头拍摄的视频截图输入训练好的分类模型中，模型输出该摄像头的分类结果。
58.本发明的优点如下：
59.根据本发明所涉及的视频标签类型标记的方法,首先根据实际情况建立全面有效的视频标签库、地点标签库和场景标签库，因此，确定的视频标签分类更明确，适应性强，能够将大量的摄像头进行结构化分类管理，从而想查找某一特征视频时，方便获取相关的视频列表。然后，通过每个摄像头安装时设置的文字描述信息从地点标签库中选择对应的摄像头的地点标签，通过每个摄像头拍摄的场景内容从场景标签库中选择对应的摄像头的场景标签，根据确定的地点标签和场景标签确定该摄像头的视频标签，因此，视频标签确定更为准确，并且节省了大量人力，效率高。
60.本发明所涉及的视频标签类型标记的系统确定的视频标签更准确，且节省了大量人力，效率高，视频标签库分类全面，适应性强，且能够将大量的摄像头进行结构化分类管理，从而想查找某一特征视频时，方便获取相关的视频列表。
附图说明
61.图1是本发明中确定地点标签的流程图。
62.图2是本发明中确定视频标签的流程图。
63.图3是本发明中处理器处理的动作流程图。
具体实施方式
64.为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明视频标签类型标记的方法及系统作具体阐述。
65.视频标签类型标记的方法包含以下步骤：
66.首先建立视频标签库、地点标签库和场景标签库。
67.视频标签库将视频标签分为27类，视频标签的27类分别为：办公场所、村落、道路、
地铁站、电梯、工厂、公交车站、购物场所、河道、加油站、交通枢纽、景点、酒店、码头、停车场、文化体育、小区、学校、养老院、医院、银行、邮局、娱乐场所、远景、政府机构、宗教场所、其他。对视频标签的每一类均设定具体的含义。比如：办公场所定义为公司、园区、办公楼、商务楼等办公区域。27类视频标签的定义如表1所示。
68.表1. 27类视频标签的定义
69.[0070][0071]
地点标签库将地点标签分为27类，地点标签的27类与视频标签的27类相同。
[0072]
场景标签库将场景标签分为17类，场景标签的17类分别为：道路、公交车站、地铁站、人行天桥、消防通道、出入口、河道、沿街商铺、桥梁、垃圾厢房、加油站、商场、体育场所、宗教场所、火车站、室内、其他。
[0073]
其中，视频标签库、地点标签库和场景标签库中的分类“其他”也是视频标签、地点标签和场景标签中的一个类别。比如，视频标签库中的“办公场所”、“其他”均是视频标签的一个分类。
[0074]
然后，根据每个摄像头安装时设置的文字描述信息从地点标签库中选择对应的摄像头的地点标签。
[0075]
在本实施例中，确定摄像头的地点标签的方法为：
[0076]
将地点标签库中的每个地点标签都设定相对应的一个或多个关键字和正则表达式，并将部分地点标签设定对应的知识库。
[0077]
比如：小区、娱乐场所、文化体与、购物场所、酒店、景点这些地点标签的分类，由于这些分类中的名称很多，并且有些名称也没有特殊的含义，摄像头安装时设定的名称有时并不能通过关键词和正则表达式确定，因此，对小区、娱乐场所、文化体与、购物场所、酒店、景点等这些地点标签的分类分别设定对应的知识库，知识库中存储有这些地方的所有名称，比如，将一个城市中所有的小区名都存储在小区的知识库中等。
[0078]
将摄像头安装时的文字描述信息与地点标签库中的所有地点标签按顺序进行匹配，顺序匹配时，若匹配成功则结束，若匹配不成功则进行下一个地点标签的匹配。具体实施时，需预先设定好27类标签的顺序，按照设定好的顺序依次进行匹配。
[0079]
将摄像头安装时的文字描述信息与一个地点标签匹配时，将摄像头安装时的文字描述信息与该地点标签对应的关键字或者正则表达式或者知识库进行匹配，若匹配成功，则该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
[0080]
具体地，将摄像头安装时的文字描述信息与地点标签库中的一个地点标签进行匹配时，可以随机选择与该地点标签对应的关键字或者正则表达式或者知识库中的任何一种方式进行匹配，如果匹配成功则，则结束，若未匹配成功则选择另外的一种方式，若三种方式均不能匹配，再与下一个地点标签对应的关键字或者正则表达式或者知识库进行匹配。需要说明的是，每个地点标签的匹配方式并不都是三种方式，可以为两种，即仅为关键字和正则表达式；也可以为三种，包括关键字、正则表达式、知识库三种方式。若仅为两种匹配方式，则只能从对应的两种匹配方式中进行选择。若为三种，则可以从对应的三种匹配方式中进行选择。
[0081]
具体地，将摄像头安装时的文字描述信息与一个地点标签的知识库进行匹配时，通过计算该地点标签的知识库中的信息与摄像头安装时设置的文字描述信息的文字差距确定该摄像头是否属于该知识库，从而确定该摄像头是否属于该知识库对应的地点标签。
[0082]
具体地，摄像头安装时的文字描述信息包括视频名称和/或者视频地址，根据视频名称和/或者视频地址匹配地点标签库中的一个地点标签对应的关键字或者正则表达式或者知识库来确定该地点标签是否为该摄像头的地点标签。
[0083]
更具体地，如图1所示，确定一个地点标签是否为一个摄像头的地点标签的方法为：
[0084]
根据视频名称匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则进入下一步。
[0085]
根据视频地址匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
[0086]
根据每个摄像头拍摄的场景内容从场景标签库中选择对应的摄像头的场景标签。
[0087]
在本实施例中，采用图像分类模型确定摄像头的场景标签。具体地，采用图像分类模型确定摄像头的场景标签的方法为：
[0088]
以resnet50模型为骨干拼接分类器，构成一个分类模型。
[0089]
根据现有的与场景标签库的场景标签相关的场景图片和真实的视频内容截图训
练所述分类模型。其中，现有的与场景标签库的场景标签相关的场景图片为通过网上查找的。
[0090]
将摄像头拍摄的视频截图输入训练好的分类模型中，模型输出该摄像头的分类结果。输出的分类结果即判定的摄像头的场景标签。
[0091]
根据每个摄像头确定的地点标签和场景标签从视频标签库中选择对应的摄像头的视频标签。
[0092]
在此步骤中的“其他”为地点标签或场景标签或视频标签中的分类“其他”，属于地点标签或场景标签或视频标签中的一个类别。在本实施例中，根据地点标签和场景标签确定摄像头的视频标签的方法为：
[0093]
步骤s1，判断地点标签是否为其他，若是，则视频标签为其他，若不是，则进入步骤s2。
[0094]
步骤s2，判断地点标签是否为道路，若是，则进入步骤s3，若否则进入步骤s4。
[0095]
步骤s3，判断场景标签是否为其他，若是，则视频标签为其他，若否，则进入步骤s5。
[0096]
步骤s4，判断场景标签是否为道路，若是，则视频标签为道路，若否，则进入步骤s6。
[0097]
步骤s5，判断场景标签是否为出入口或沿街商铺或室内或消防通道，若是，则视频标签为小区，若否，则视频标签为地点标签确定的分类，即道路(此步骤中地点标签在步骤s2中判断为道路)。
[0098]
步骤s6，判断场景标签是否为其他，若是，则视频标签为其他，若否，则视频标签为地点标签确定的分类。
[0099]
本发明还提供了一种视频标签类型标记的系统。
[0100]
视频标签类型标记的系统包括：存储单元、多个摄像头和处理器。
[0101]
存储单元用于存储视频标签库、地点标签库和场景标签库。
[0102]
视频标签库存储有27类视频标签，分别为：办公场所、村落、道路、地铁站、电梯、工厂、公交车站、购物场所、河道、加油站、交通枢纽、景点、酒店、码头、停车场、文化体育、小区、学校、养老院、医院、银行、邮局、娱乐场所、远景、政府机构、宗教场所、其他。
[0103]
地点标签库中存储有27类地点标签，其类别与视频标签库中的类别相同。
[0104]
场景标签库中存储有17类场景标签，分别为：道路、公交车站、地铁站、人行天桥、消防通道、出入口、河道、沿街商铺、桥梁、垃圾厢房、加油站、商场、体育场所、宗教场所、火车站、室内、其他。
[0105]
每个摄像头安装时设置有文字描述信息，每个摄像头均用于拍摄视频监控。
[0106]
处理器与多个所述摄像头连接，处理器用于根据每个摄像头安装时设置的文字描述信息从地点标签库中选择对应的摄像头的地点标签，根据每个摄像头拍摄的场景内容从场景标签库中选择对应的摄像头的场景标签，然后根据每个摄像头确定的所述地点标签和场景标签从视频标签库中选择对应的摄像头的视频标签，并将每个摄像头对应的视频标签存储于存储单元中。
[0107]
如图3所示，处理器确定每个摄像头的视频标签的过程为：
[0108]
步骤1，获取每个摄像头安装时设置的文字描述信息和每个摄像头拍摄的场景内
容(即视频截图)。
[0109]
步骤2，根据每个摄像头安装时设置的文字描述信息从地点标签库中选择对应的摄像头的地点标签，且根据每个摄像头拍摄的场景内容从场景标签库中选择对应的摄像头的场景标签。
[0110]
步骤3，根据获取的地点标签和场景标签从视频标签库中选择对应的摄像头的视频标签。
[0111]
步骤4，将确定的摄像头的视频标签存储在存储单元中。
[0112]
在本实施例中，确定摄像头的地点标签的方法为：
[0113]
将所述地点标签库中的每个地点标签都设定相对应的一个或多个关键字和正则表达式，并将部分地点标签设定对应的知识库。
[0114]
将摄像头安装时的文字描述信息与地点标签库中的所有地点标签按顺序进行匹配，顺序匹配时，若匹配成功则结束，若匹配不成功则进行下一个地点标签的匹配。具体实施时，需预先设定好27类标签的顺序，按照设定好的顺序依次进行匹配。
[0115]
将摄像头安装时的文字描述信息与一个地点标签匹配时，将摄像头安装时的文字描述信息与该地点标签对应的关键字或者正则表达式或者知识库进行匹配，若匹配成功，则该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
[0116]
具体地，将摄像头安装时的文字描述信息与一个地点标签的知识库进行匹配时，通过计算该地点标签的知识库中的信息与摄像头安装时设置的文字描述信息的文字差距确定该摄像头是否属于该知识库，从而确定该摄像头是否属于该知识库对应的地点标签。
[0117]
具体地，摄像头安装时的文字描述信息包括视频名称和/或者视频地址，根据视频名称和/或者视频地址匹配所述地点标签库中的一个地点标签对应的关键字或者正则表达式或者知识库来确定该地点标签是否为该摄像头的地点标签。
[0118]
更具体地，确定一个地点标签是否为一个摄像头的地点标签的方法为：
[0119]
根据视频名称匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则进入下一步。
[0120]
根据视频地址匹配该地点标签对应的关键字或者正则表达式或者知识库，若能匹配成功，则确定该地点标签为该摄像头的地点标签，若否，则该地点标签不是该摄像头的地点标签。
[0121]
在本实施例中，采用图像分类模型确定摄像头的场景标签。具体地，采用图像分类模型确定摄像头的场景标签的方法为：
[0122]
以resnet50模型为骨干拼接分类器，构成一个分类模型。
[0123]
根据现有的与所述场景标签库的场景标签相关的场景图片和真实的视频内容截图训练所述分类模型。
[0124]
将摄像头拍摄的视频截图输入训练好的分类模型中，模型输出该摄像头的分类结果。
[0125]
在本实施例中，根据地点标签和场景标签确定摄像头的视频标签的方法为：
[0126]
步骤1，判断地点标签是否为其他，若是，则视频标签为其他，若不是，则进入步骤2。
[0127]
步骤2，判断地点标签是否为道路，若是，则进入步骤3，若否则进入步骤4。
[0128]
步骤3，判断场景标签是否为其他，若是，则视频标签为其他，若否，则进入步骤5。
[0129]
步骤4，判断场景标签是否为道路，若是，则视频标签为道路，若否，则进入步骤6。
[0130]
步骤5，判断场景标签是否为出入口或沿街商铺或室内或消防通道，若是，则视频标签为小区，若否，则视频标签为地点标签确定的分类，即道路(此步骤中地点标签在步骤s2中判断为道路)。
[0131]
步骤6，判断场景标签是否为其他，若是，则视频标签为其他，若否，则视频标签为地点标签确定的分类。
[0132]
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。