The invention provides a monitoring video thermal cloud storage method based on k-means. Video thermal analysis of video resources on the network is carried out according to the classical k_means clustering algorithm to predict the heat of urban cameras. Videos with higher heat are stored in clusters with higher performance nodes, and videos with lower heat are stored in clusters with lower performance nodes in order to speed up video retrieval speed and speed up video retrieval. Later intelligent processing.
【技术实现步骤摘要】
基于k均值的监控视频热度云存储方法
本专利技术涉及视频监控
，具体涉及一种监控视频的存储方法。
技术介绍
随着数字安防技术的普及，监控技术逐渐往高清化、网络化发展，随之而来的是海量的数据存储问题。海量数据必须拥有能够进行可靠、可保证效率且拥有快速读写以及响应能力的存储。传统的视频监控存储主要分为三个阶段，分别为早期的硬盘录像存储设备、直接连接存储(DAS)和基于网络的网络附加存储(NAS)。为了降低视频监控系统存储设备的成本以及解决大容量存储等问题，构建了Hadoop分布式云存储集群，其构架如图1所示。目前云存储技术发展迅猛，比较知名的有亚马逊云存储、谷歌云存储、IBM、百度云、华为网盘等。然而通用化的Hadoop平台对有如下一些缺点：1.无法最大化发挥平台智能化处理性能。视频点播回放热度不一样，用户一般只选择高热度视频进行智能化处理，如视频摘要、全景融合，而视频智能化处理对计算机节点性能要求较高，高热度视频存储在低性能节点会降低智能化分析速度。2.通用视频云存储架构浪费了存储空间。监控视频绝大部分都是冗余数据，且视频存储时效为一个月。Hadoop分布式存储...
【技术保护点】
1.一种基于k均值的监控视频热度云存储方法，其特征在于：根据经典的k‑means聚类算法对网络上的视频资源进行视频热度分析，预测城市摄像头热度，并将热度较高的视频存储在性能节点高的集群，将热度较低的视频存储在性能节点低的集群中。
【技术特征摘要】
1.一种基于k均值的监控视频热度云存储方法，其特征在于：根据经典的k-means聚类算法对网络上的视频资源进行视频热度分析，预测城市摄像头热度，并将热度较高的视频存储在性能节点高的集群，将热度较低的视频存储在性能节点低的集群中。2.根据权利要求1所述的基于k均值的监控视频热度云存储方法，其特征在于：对于高热度监控视频的视频热度分析服务每天分析一次，并根据用户进入视频云存储系统的强度分布，重新发布视频热度索引库时间。3.根据权利要求1所述的基于k均值的监控视频热度云存储方法，其特征在于，采用k-means聚类算法对网络上的视频资源进行视频热度分析具体包括以下步骤：(1)将所有视频分为n个数据集，从数据集{xn}n≥1中任意选取k个赋给初始的聚类中心c1，c2，…，ck；(2)对数据集中的每个样本xi，计算其与各个聚类中心cj的欧式距离并获取其类别标号：Label(i)＝argmi...
【专利技术属性】
技术研发人员：张超，赵凯，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。