行车记录仪视频删除的恢复方法

       行车记录仪的出现解决了汽车行驶时音视频的采集问题,而行车记录仪在方便大家的同时也会面临数据安全问题,因为存储设备是处于读/写(R/W)状态之下,一些误操作(比如误删除)可能会导致重要视频文件丢失。下边我们看下“第1现场”行车记录仪误删除时的恢复方法,同时来演示一下OCR功能的使用方法!

故障存储:

16GB MINI SD/文件系统:exFat/簇大小:32KB

故障现象:

      客户描述在发生事故后想把视频文件复制一份留存,然后就拆下卡安装到手机上,结果在操作的时侯做了误删除的操作,把重要的视频文件删除了。

图1:可以看到大部分文件都被删除了

故障分析:

一般第三方品牌的行车记录仪都只有前置,但是这款记录仪分为前、后两个摄像头(图2),多路的摄像头一般“碎片化”的机率更高,后续的分析也验证了我们的推测。由于在误操作后就拔下了卡,所以理论上讲恢复机率相对比较高,具体情况只有扫描完成后才知道了!

图2:前后双摄像头

故障处理:

STEP1:选择要扫描的磁盘点击右键->扫描大类选择“记录仪“,扫描小类选择“样本文件”,添加样本文件后点击“扫描”即可。添加样本时也要注意,多路摄像头,添加样本时一定要添加你所需要的那一路生成的视频文件,本例中由于需要后置摄像头,那么我们要添加的就是后置摄像头中的视频文件,下边是如何分辨的方法。

第1现场行车记录仪会在根目录下生成一个“Normal”的文件夹,此文件夹下有两个子文件夹:

  1. F:前置摄像头。
  2. R:后置摄像头。

强烈建议扫描时添加样本文件,程序会解析样本文件并根据其编码、结构、特征等参数建立精确模型,可以大大提高扫描时的定位精确度,做到“有的放矢”。(具体样本要求请参考博主样本文件的使用方法以及注意事项”的帖子)

图3:添加正确的样本文件

STEP2:由于第1现场行车记录仪碎片较多的原因,所以需要点击“高级设置”对以下参数进行调整

  1. 视频帧判断->勾选“仅查找连续的视频帧”
  2. 最小连续数量(1-10)->1

STEP3:等待扫描完成,添加样本后程序会解析样本文件的各种参数(类型/拍摄时间 /速率/编码等),这些参数可以助力扫描算法精确定位同参数的视频文件。

STEP4:扫描完成后直接查看数据,可以看到高级版已经列出了视频类型、级别、拍摄时间、摄像机型号、视频编码、时长、长度等参数,这些参数为查找数据提供了便利。经过对比成功恢复了客户需要后置摄像头的视频文件,至此恢复工作完成!

关于文件级别:

在视频恢复模块都设置了“文件级别”一项,其含义就是程序根据视频文件数据块的情况进行了分级其中:

0-4级:代表文件相应的完整度级别,0级最好,数字越大效果越差;

  5级:代表此文件为孤立的音视频帧数据文件(此类文件没有拍摄时间、时长等逻辑参数),5级文件需要保存后使用高级版的“视频修复”功能才可以查看画面。

重点来讲下5级文件,5级文件一般用于存在覆盖或者部分覆盖的恢复场景,这一类文件可能结构体已经被覆盖,导致程序无法发现,但是数据块却真实的定位出来并进行了重组(AVI类、QT类、MXF类都有5级文件),此时只需要把5级文件保存然后再使用高级版的“视频修复”功能就可以重建视频文件的结构体,这个时候视频就以正常解码了。(具体案例参考公众号或者博主的相关帖子)

图5:CHS零壹视频恢复程序高级版扫描结果

可以看到“拍摄时间”一项中全部为“1970”年,这说明此记录仪底层的拍摄时间不准确了(一般是由于记录仪内置的CMOS电池电量低导致),这种情况可以使用 “OCR获取”功能来读取画面时间,但遗憾的是画面时间也是错的,即使这样我们还是演示一下只OCR的使用方法(开始前请先到CHS官网下载OCR安装包并根据提示放到相应的路径下)。

OCR使用方法演示:

STEP1:点击“获取OCR”,在出现的设置界面中,去掉“跳过已识别行”前边的对勾,点击“开始”

STEP2:等待OCR完成。

STEP3:查看OCR结果,可以看到程序已经识别到画面上的日期了。

这就是第1现场行车行车记录仪视频删除后的恢复方法,大家在遇到此类问题时,可以和我们联系!

点击下载:CHS零壹视频恢复程序高级版

Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值