本发明涉及视频监控技术领域，具体涉及一种视频数据解析方法。
背景技术：
现阶段，安防系统是国家大力推动的社会性项目，安防事业的有效落实，对全社会民生安全是非常关键一步。安防系统中最主要的组成部分就是视频监控。
传统的视频监控方法主要通过人工回放视频流，记录视频流中的有用信息，形成监控日志，通过分析监控日志对人物或车辆定位，这种监控方法需要耗费大量人力，对人物或车辆定位的效率及识别的精确度都较低。
目前的视频监控方法，主要通过人工智能学习算法对人体进行识别并记录身份，通过简单提取监控视频中的视频流记录起始与结束时间对人物或车辆定位，由于这种监控方式仅对单一视频数据进行分析，无法与多视频监控系统联动，导致实用性较低。
技术实现要素：
为解决现有技术的不足，本发明实施例提供了一种视频数据解析方法，该方法包括以下步骤：
获取视频数据中视频流的人脸图像并对所述人脸图像进行识别，计算所述人脸图像与数据库中对应的人脸图像的第一相似度，生成人脸识别结果并根据所述人脸识别结果，判断所述人脸图像是否已建库；
若所述人脸图像已建库，则从所述视频流中获取所述人脸图像对应的人体基础特征，计算所述人体基础特征与数据库中所述人脸图像对应的人体基础特征的第二相似度，生成人体基础特征识别结果；
为所述人脸识别结果设置权重，得到第一权重，为所述人体基础特征识别结果设置权重，得到第二权重；
根据公式t＝s1×t1+s2×t2，得到所述视频流的可信度，其中，s1为第一相似度，t1为第一权重，s2为第二相似度，t2为第二权重；
并发执行上述步骤，得到所述视频数据各个视频流的可信度。
优选地，所述方法还包括：
若所述人脸图像未建库，则为所述人脸图像建库并从所述视频数据中获取对应的人体基础特征并将所述人脸图像与所述基础特征关联，生成人物监控日志。
优选地，在得到所述视频数据各个视频流的可信度之后，所述方法还包括：
接收用户输入的人脸图像并根据所述人脸图像，从所述视频数据中获取与所述人脸图像匹配的视频流，得到多条视频流；
根据可信度的大小，对所述多条视频流进行排序并展示所述多条视频流。
优选地，所述基础特征包括身高、体型、年龄、衣服、衣服颜色、性别、发型、是否配戴眼镜、行为预测和情绪预测。
本发明实施例提供的视频数据解析方法具有以下有益效果：
(1)将庞大、复杂的视频数据转化为文本日志，降低了人工成本，提高了对人或车辆的定位效率；
(2)通过同时并发监测多条视频流，提高了对人物或车辆定位的效率及识别的精确度，适用于多种视频数据，实用性较强。在视频监控中深入应用人工智能技术，在失踪人员的定位与查找、案件预防与取证等都有着非常重大的意义。
具体实施方式
以下结合具体实施例对本发明作具体的介绍。
本发明实施例提供的视频数据解析方法包括以下步骤：
s101，获取视频数据中视频流的人脸图像并对人脸图像进行识别，计算人脸图像与数据库中对应的人脸图像的第一相似度，生成人脸识别结果并根据人脸识别结果，判断人脸图像是否已建库。
s102，若人脸图像已建库，则从视频流中获取人脸图像对应的人体基础特征，计算人体基础特征与数据库中人脸图像对应的人体基础特征的第二相似度，生成人体基础特征识别结果。
s103，为人脸识别结果设置权重，得到第一权重，为人体基础特征识别结果设置权重，得到第二权重。
s104，根据公式t＝s1×t1+s2×t2，得到视频流的可信度，其中，s1为第一相似度，t1为第一权重，s2为第二相似度，t2为第二权重。
其中，第一权重大于第二权重。
s105，并发执行上述步骤，得到视频数据各个视频流的可信度。
作为一个具体的实施例，可信度的值在0到100之间。
可选地，该方法还包括：若人脸图像未建库，则为人脸图像建库并从视频数据中获取对应的人体基础特征并将人脸图像与基础特征关联，生成人物监控日志。
可选地，在得到视频数据各个视频流的可信度之后，该方法还包括：
接收用户输入的人脸图像并根据人脸图像，从视频数据中获取与人脸图像匹配的视频流，得到多条视频流；
根据可信度的大小，对多条视频流进行排序并展示多条视频流。
可选地，基础特征包括身高、体型、年龄、衣服、衣服颜色、性别、发型、是否配戴眼镜、行为预测和情绪预测。
特别说明，当通过解析视频数据对车辆定位时，与上述对人物定位的过程基本一致，只是由对人脸的识别变为对车辆车牌号的识别。
其中，输入指定搜索类型(人脸图像或车量车牌号)，如果输入车辆还可以指定车辆类型、搜索时间段和搜索区域，另外可根据其他的信息(比如人物或车辆的基础特征信息)，选择性的输入，车辆的基础特征信息包括车辆类型、车辆品牌、车型、车系、颜色、车内人员信息。
本发明实施例提供的视频数据解析方法，通过获取视频数据中视频流的人脸图像并对人脸图像进行识别，计算人脸图像与数据库中对应的人脸图像的第一相似度，生成人脸识别结果并根据人脸识别结果，判断人脸图像是否已建库，若人脸图像已建库，则从视频流中获取人脸图像对应的人体基础特征，计算人体基础特征与数据库中人脸图像对应的人体基础特征的第二相似度，生成人体基础特征识别结果，为人脸识别结果设置权重，得到第一权重，为人体基础特征识别结果设置权重，得到第二权重，根据公式t＝s1×t1+s2×t2，得到视频流的可信度，并发执行上述步骤，得到视频数据各个视频流的可信度，将庞大、复杂的视频数据转化为文本日志，降低了人工成本，提高了对人或车辆的定位效率，通过同时并发监测多条视频流，提高了对人物或车辆定位的效率及识别的精确度，适用于多种视频数据，实用性较强。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。