基于边缘计算的视频结构化存储方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了基于边缘计算的视频结构化存储方法，利用靠近设备端的边缘节点的服务器完成视频数据的结构化处理，包括以下步骤：对服务器中接收到的视频数据提取预期目标，识别出预期目标是否为有效目标；对有效目标进行跟踪，获取该有效目标的系列图片；识别系列图片中目标特征，并将识别结果进行存储。本发明专利技术还提供了一种基于边缘计算的视频结构化存储装置、设备及介质。本发明专利技术无需在摄像机中进行视频分析等算法，减少了视频采集终端的成本；同时，结构化处理后的视频数据量也将大大减少，降低了骨干网络的压力。

Video structured storage methods, devices, devices and media based on edge computing

【技术实现步骤摘要】
基于边缘计算的视频结构化存储方法、装置、设备及介质
本专利技术涉及视频监控及存储
，尤其涉及基于边缘计算的视频结构化存储方法、装置、设备及介质。
技术介绍
近年来，随着“平安城市”、“天网工程”、“雪亮工程”等大型综合安防系统的部署，监控设备的安装和使用数量呈几何式增长。同时，监控设备的分辨率也越来越高，由此产生了海量的视频监控数据。现有技术中，由于摄像设备的升级，视频流在分辨率方面有了大幅度的提升，同时也让视频文件的容量变得更大，可以对海量的视频监控数据进行处理，但是大容量的视频监控数据对网络的带宽和服务器的处理能力是极大的挑战。现有技术中的视频数据存储方法存在以下几个问题：（1）视频监控的数据量非常巨大，如果完整的向主服务器或云服务器传输，将会占用大量网络资源，且实时性非常差；（2）很多监控设备在大多数时候的监控画面为变化不大的静态画面，如果全部存储下来，海量的视频监控数据量需要的存储空间将产生巨大的浪费；（3）视频监控数据为非结构性的无序数据，用户在使用时检索非常麻烦，只能依靠人工查阅，费时且费力。因此如何合理的传输、存储及调阅这些视频数据，成为了一个急需解决的难题。
技术实现思路
针对上述现有技术存在不足，本专利技术提供基于边缘计算的视频结构化存储方法，利用距离采集设备端更近的边缘节点服务器，对视频数据进行结构化处理，使视频监控更加智能化，有序化，快速化。本专利技术采用的技术方案为：第一方面，本专利技术提供了一种基于边缘计算的视频结构化存储方法，利用靠近设备端的边缘节点的服务器完成视频数据的结构化处理，包括以下步骤：对服务器中接收到的视频数据提取预期目标，识别出预期目标是否为有效目标；对有效目标进行跟踪，获取该有效目标的系列图片；识别系列图片中目标特征，并将识别结果进行存储。在第一方面的第一种可能实施方式中，所述对服务器中接收到的视频数据提取预期目标，识别出预期目标是否为有效目标；具体为：采用前景检测算法，对服务器内部的视频数据进行提取获得预期目标；对预期目标中的场景、人员和行为进行识别，确定预期目标是否为有效目标。在第一方面的第二种可能实施方式中，所述采用前景检测算法，对服务器内部的视频数据进行提取获得预期目标；具体包括：预先获取背景图像，建立背景参考模型；将当前视频帧与背景参考模型进行比较，分离前景与背景，提取出预期目标的轮廓；更新背景模型与样本点集合。在第一方面的第三种可能实施方式中，所述对预期目标中的场景、人员和行为进行识别，确定预期目标是否为有效目标；具体为：采集预期目标的样本集；采用深度学习模型框架对样本集进行迭代更新，训练得到预期目标的模型；使用训练好的目标模型判断前景分离出的预期目标是否为有效目标。在第一方面的第四种可能实施方式中，所述对有效目标进行跟踪，获取该有效目标的系列图片；具体包括：采用目标跟踪、目标合并以及目标评价技术，对有效目标进行持续跟踪，如果在当前帧中检测到有效目标，提取其特征元素及当前像素点位置，并保存下来；检测跟踪的视频帧，如果有相同特征的目标，则持续记录其位置，形成目标轨迹并将其分类。在第一方面的第五种可能实施方式中，所述识别系列图片中目标特征，并将识别结果进行存储；具体包括：确定视频关键帧，记录帧号信息；提取视频关键帧中的图片颜色、轮廓特征，对场景进行分类，融合，记录场景的首尾时间、帧号及目标特征信息；通过评价模型对记录的每一帧目标特征进行评价，得到识别结果；将识别结果存储于主服务器的数据库。在第一方面的第五种可能实施方式中，所述确定视频关键帧，记录帧号信息；具体包括：采用直方图比较法确定视频关键帧，提取每一帧的颜色直方图并比较差值，计算出直方图相似度；如果相似度超过设定的阈值，表示两帧相似度较高；反之，说明有场景或者目标的切换；选取后一帧作为关键帧，记录帧号信息。在第一方面的第六种可能实施方式中，所述提取视频关键帧中的图片颜色、轮廓特征，对场景进行分类，融合，记录场景的首尾时间、帧号及目标特征信息；具体包括：对视频关键帧上截取目标区域图像并进行归一化；计算目标区域的颜色、纹理和形状特征矢量；使用支持向量机对提取的头部特征矢量进行有和无的二分类判断；对场景进行分类，融合；记录下场景的首尾时间、帧号及目标特征信息。第二方面，本专利技术实施例提供了一种基于边缘计算的视频结构化存储装置，包括：有效目标识别模块，用于对服务器中接收到的视频数据提取预期目标，识别出预期目标是否为有效目标；跟踪模块，用于对有效目标进行跟踪，获取该有效目标的系列图片；判断存储模块，用于识别系列图片中目标特征，并将识别结果进行存储。第三方面，本专利技术实施例提供了一种基于边缘计算的视频结构化存储装置，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于边缘计算的视频结构化存储方法。第四方面，本专利技术实施例提供了一种基于边缘计算的视频结构化存储介质，所述基于边缘计算的视频结构化存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述基于边缘计算的视频结构化存储介质所在设备执行所述的基于边缘计算的视频结构化存储方法。本专利技术的有益效果为：本专利技术利用靠近设备端的边缘节点的服务器完成视频数据的结构化处理，无需在摄像机中进行视频分析等算法，减少了视频采集终端的成本；同时，结构化处理后的视频数据量也将大大减少，降低了骨干网络的压力。附图说明图1为本专利技术提出的基于边缘计算的视频结构化存储方法流程图；图2为本专利技术提出的一具体实施例结构图；图3为本专利技术提出的一具体实施例结构图；图4为本专利技术提出的一具体实施例结构图；图5为本专利技术提出的基于边缘计算的视频结构化存储装置结构图。具体实施方式本专利技术提供基于边缘计算的视频结构化存储方法，利用靠近设备端的边缘节点的服务器完成视频数据的结构化处理，减少了骨干网络的传输压力并实现了视频信息的高效组织，极大的提高设备存储的利用率。本专利技术提供的技术方案总体思路如下：本专利技术提供基于边缘计算的视频结构化存储方法，包括以下步骤：有效检测、场景跟踪和特征提取；其中，有效检测是先利用前景检测算法，根据预期目标的特征从视频场景中提取出预期目标；然后使用场景识别、人员识别和行为识别技术，识别出预期目标是否为有效目标。场景跟踪采用目标跟踪、目标合并以及目标评价技术，对前期目标进行持续跟踪，同时在整个跟踪过程中抓拍一张或多张高质量图片，最终对多帧中的相同目标进行特征评价。以上是本申请的核心思想，为了使本
的人员更好地理解本申请方案，下面结合附图对本申请作进一步的详细说明。应当理解本申请实施例以及实施例中的具本文档来自技高网...

【技术保护点】
1.基于边缘计算的视频结构化存储方法，其特征在于，利用靠近设备端的边缘节点的服务器完成视频数据的结构化处理，包括以下步骤：/n对服务器中接收到的视频数据提取预期目标，识别出预期目标是否为有效目标；/n对有效目标进行跟踪，获取该有效目标的系列图片；/n识别系列图片中目标特征，并将识别结果进行存储。/n

【技术特征摘要】
1.基于边缘计算的视频结构化存储方法，其特征在于，利用靠近设备端的边缘节点的服务器完成视频数据的结构化处理，包括以下步骤：
对服务器中接收到的视频数据提取预期目标，识别出预期目标是否为有效目标；
对有效目标进行跟踪，获取该有效目标的系列图片；
识别系列图片中目标特征，并将识别结果进行存储。


2.根据权利要求1所述的方法，其特征在于，所述对服务器中接收到的视频数据提取预期目标，识别出预期目标是否为有效目标；具体为：
采用前景检测算法，对服务器内部的视频数据进行提取获得预期目标；
对预期目标中的场景、人员和行为进行识别，确定预期目标是否为有效目标。


3.根据权利要求2所述的方法，其特征在于，所述采用前景检测算法，对服务器内部的视频数据进行提取获得预期目标；具体包括：
预先获取背景图像，建立背景参考模型；
将当前视频帧与背景参考模型进行比较，分离前景与背景，提取出预期目标的轮廓；
更新背景模型与样本点集合。


4.根据权利要求2所述的方法，其特征在于，所述对预期目标中的场景、人员和行为进行识别，确定预期目标是否为有效目标；具体为：
采集预期目标的样本集；
采用深度学习模型框架对样本集进行迭代更新，训练得到预期目标的模型；
使用训练好的目标模型判断前景分离出的预期目标是否为有效目标。


5.根据权利要求1所述的方法，其特征在于，所述对有效目标进行跟踪，获取该有效目标的系列图片；具体包括：
采用目标跟踪、目标合并以及目标评价技术，对有效目标进行持续跟踪，如果在当前帧中检测到有效目标，提取其特征元素及当前像素点位置，并保存下来；
检测跟踪的视频帧，如果有相同特征的目标，则持续记录其位置，形成目标轨迹并将其分类。


6.根据权利要求1所述的方法，其特征在于，所述识别系列图片中目标特征，并将识别结果进行存储；具体包括：
确定视频关键帧，记录帧号信息；
提取视频关键帧中的图片颜色、轮廓特...

【专利技术属性】
技术研发人员：黄前华，张永宁，张庚生，童旸，黄文礼，华雄，
申请(专利权)人：安徽南瑞继远电网技术有限公司，
类型：发明
国别省市：安徽;34