视频结构化方法、相关设备、系统及存储介质技术方案

本发明专利技术提供了一种视频结构化方法，包括如下步骤：流媒体平台预先导入设备信息；流媒体平台接收视频指令并生成视频流；应用服务器接收视频流；应用服务器生成结构化请求并将其发送神经网络服务器，以用于神经网络服务器将视频流进行结构化解析；应用服务器在页面显示并实时更新结构化进度，并在结构化完成后可对当前任务的监控录像进行快速检索。本发明专利技术提供了一种流媒体平台设备、应用服务器设备、视频结构化系统以及计算机可读存储介质。与相关技术相比，采用本发明专利技术的技术方案的实现监控录像在线结构化解析成可供检索的图像及文本数据功能，且查阅监控录像的效率高。且查阅监控录像的效率高。且查阅监控录像的效率高。

【技术实现步骤摘要】
视频结构化方法、相关设备、系统及存储介质


[0001]本专利技术涉及视频图像处理
，尤其涉及一种视频结构化方法、相关设备、系统及存储介质。

技术介绍

[0002]随着网络应用越来越广泛，尤其监控设备的应用也越来越多。其中，传统的监控设备的智能化和结构化越来越重要。目前市场上的监控在视频结构化方面可分为两种：一种是智能实时结构化相机，另一种是非智能的普通相机。
[0003]相关技术的传统非智能监控实时视频结构化服务端采用的解决方案为：通过边缘计算引擎和神经网络服务器对实时视频流进行采集并结构化。
[0004]然而，传统的非智能相机只有视频监控和录像功能，缺乏对视频画面出现的目标进行结构化解析的能力。且当前新一代的智能监控设备价格高昂，普及率远低于传统监控。智能相机可以对监控的视频流实时进行结构化，但是智能相机是近几年才出现的产品，还未大量普及，社会上已安装的相机绝大多数都是非智能的普通相机。由于智能相机价格是普通相机的十几倍甚至几十倍，更新换代成本高昂。非智能监控想要结构化需要手动下载录像再上传到服务端进行结构化解析，操作很耗时间。
[0005]目前的针对现有的非智能监控无法进行结构化视频流的问题，结合当前实际问题：非智能监控数量多，分布广，更新换代难度大、费用高昂，且案发时只需某个案发时间段和部分监控区域的监控录像进行解析。现有的大量传统监控无法通过结构化解析进行有效的目标检索，且更新设备或部署实时结构化服务器成本具有高昂问题。
[0006]因此，实有必要提供一种新的方法、设备及系统来解决上述技术问题。

技术实现思路

[0007]本专利技术的目的是克服上述技术问题，提供一种实现监控录像在线结构化解析成可供检索的图像及文本数据功能，且查阅监控录像的效率高的视频结构化方法、流媒体平台设备、应用服务器设备、视频结构化系统以及计算机可读存储介质。
[0008]为了实现上述目的，本专利技术提供一种视频结构化方法，其应用于流媒体平台，该方法包括如下步骤：步骤S11、所述流媒体平台预先导入与其通信连接的监控设备的设备信息，所述设备信息包括设备名称、设备IP、设备安装地址、用户名、密码以及经纬度；步骤S12、所述流媒体平台接收视频指令，根据所述视频指令和所述设备信息将所述监控设备的视频录像进行截取并生成对应的视频流，所述视频指令包括需要结构化视频的监控点位和录像时间段；步骤S13、所述流媒体平台将所述视频流发送至与其通信连接的应用服务器；其中，所述视频流用于与所述流媒体平台通讯连接的神经网络服务器进行结构化解析；
所述结构化解析为所述应用服务器根据接收的所述视频流生成结构化请求并将其发送所述神经网络服务器，同时所述应用服务器在页面显示并实时更新结构化进度，并在结构化完成后可对当前任务的监控录像进行快速检索，所述快速检索包括条件检索和以图搜图；所述结构化请求用于所述神经网络服务器根据接收的所述结构化请求获取所述应用服务器对应的所述视频流，并分析所述视频流的编码方式，使用对应的解码方式进行解码抽帧输出图片，再对每张图片进行目标识别并提取目标的特征属性数据和目标属性数据，将所述目标属性数据存储到全文搜索引擎，将所述目标特征数据存储到特征搜索引擎，并实时更新所述视频流的结构化进度。
[0009]更优的，所述步骤S12中，所述视频结构化方法还包括如下步骤：步骤S121、所述流媒体平台接收所述视频指令后，判断所述监控设备是否存在与所述视频指令对应的视频录像，若有，则根据所述视频指令截取并生成对应的所述视频流。
[0010]更优的，所述步骤S13中，所述视频流以文件的形式存储于所述应用服务器的指定路径，并由所述应用服务器记录下载状态；所述下载状态用于所述应用服务器通过定时任务检查下载任务为完成时发送所述结构化请求，以使得所述神经网络服务器根据接收的所述结构化请求中的所述指定路径获取对应的所述视频流。
[0011]本专利技术还提供一种流媒体平台设备，包括处理器和存储器，所述处理器用于读取所述存储器中的程序，执行如上中任一项所述的视频结构化方法中的步骤。
[0012]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有视频结构化方法的程序，所述视频结构化方法的程序被处理器执行时实现如上中任一项所述的视频结构化方法的步骤。
[0013]本专利技术还提供一种视频结构化方法，其应用于应用服务器，该方法包括如下步骤：步骤S21、所述应用服务器通过下载并接收由与其通信连接的所述流媒体平台发送的所述视频流，所述视频流为所述流媒体平台根据监控设备的设备信息和接收的视频指令将所述监控设备的视频录像进行截取并生成，所述视频指令包括需要结构化视频的监控点位和录像时间段，所述设备信息为所述流媒体平台预先导入所述设备信息，所述设备信息包括设备名称、设备IP、设备安装地址、用户名、密码以及经纬度；步骤S22、所述应用服务器根据接收的所述视频流生成结构化请求并将其发送至与其通信连接的神经网络服务器，以用于所述神经网络服务器将所述结构化请求对应的所述视频流进行结构化解析；其中，所述结构化请求用于所述神经网络服务器根据接收的所述结构化请求获取所述应用服务器对应的所述视频流，并分析所述视频流的编码方式，使用对应的解码方式进行解码抽帧输出图片，再对每张图片进行目标识别并提取目标的特征属性数据和目标属性数据，将所述目标属性数据存储到全文搜索引擎，将所述目标特征数据存储到特征搜索引擎，并实时更新所述视频流的结构化进度；步骤S23、所述应用服务器在页面显示并实时更新结构化进度，并在结构化完成后可对当前任务的监控录像进行快速检索，所述快速检索包括条件检索和以图搜图。
[0014]更优的，所述步骤S22中，所述视频流以文件的形式存储于所述应用服务器的指定路径，并由所述应用服务器记录下载状态；所述下载状态用于所述应用服务器通过定时任
务检查下载任务为完成时发送所述结构化请求，以使得所述神经网络服务器根据接收的所述结构化请求中的所述指定路径获取对应的所述视频流；所述步骤S22之前，所述视频结构化方法还包括如下步骤：步骤S220、所述应用服务器判断所述视频流的下载任务是否完成，若完成，则进入所述步骤S22。
[0015]更优的，所述步骤S23之前，所述视频结构化方法还包括如下步骤：步骤S230、所述应用服务器实时接收由所述神经网络服务器产生并发送至的结构化解析数据，并将所述结构化解析数据存储到所述应用服务器的全文检索引擎和特征搜索引擎中，以用于用户实时对所述结构化解析数据进行检索。
[0016]更优的，述步骤S23之前，所述视频结构化方法还包括如下步骤：步骤S231、所述应用服务器生成结构化控制指令并将其发送至所述神经网络服务器，以用于所述神经网络服务器将所述结构化控制指令对应的任务进行操作；所述结构化控制指令包括开始指令、暂停指令以及结束终止指令；所述开始指令用于启动所述神经网络服务器将所述结构化请求对应的所述视频流进行结构化解析，启动所述神经网络服务器将解码的过程中每解码一帧都会记录解码位置，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频结构化方法，其应用于流媒体平台，其特征在于，该方法包括如下步骤：步骤S11、所述流媒体平台预先导入与其通信连接的监控设备的设备信息，所述设备信息包括设备名称、设备IP、设备安装地址、用户名、密码以及经纬度；步骤S12、所述流媒体平台接收视频指令，根据所述视频指令和所述设备信息将所述监控设备的视频录像进行截取并生成对应的视频流，所述视频指令包括需要结构化视频的监控点位和录像时间段；步骤S13、所述流媒体平台将所述视频流发送至与其通信连接的应用服务器；其中，所述视频流用于与所述流媒体平台通讯连接的神经网络服务器进行结构化解析；所述结构化解析为所述应用服务器根据接收的所述视频流生成结构化请求并将其发送所述神经网络服务器，同时所述应用服务器在页面显示并实时更新结构化进度，并在结构化完成后可对当前任务的监控录像进行快速检索，所述快速检索包括条件检索和以图搜图；所述结构化请求用于所述神经网络服务器根据接收的所述结构化请求获取所述应用服务器对应的所述视频流，并分析所述视频流的编码方式，使用对应的解码方式进行解码抽帧输出图片，再对每张图片进行目标识别并提取目标的特征属性数据和目标属性数据，将所述目标属性数据存储到全文搜索引擎，将所述目标特征数据存储到特征搜索引擎，并实时更新所述视频流的结构化进度。2.根据权利要求1所述的视频结构化方法，其特征在于，所述步骤S12中，所述视频结构化方法还包括如下步骤：步骤S121、所述流媒体平台接收所述视频指令后，判断所述监控设备是否存在与所述视频指令对应的视频录像，若有，则根据所述视频指令截取并生成对应的所述视频流。3.根据权利要求1所述的视频结构化方法，其特征在于，所述步骤S13中，所述视频流以文件的形式存储于所述应用服务器的指定路径，并由所述应用服务器记录下载状态；所述下载状态用于所述应用服务器通过定时任务检查下载任务为完成时发送所述结构化请求，以使得所述神经网络服务器根据接收的所述结构化请求中的所述指定路径获取对应的所述视频流。4.一种视频结构化方法，其应用于应用服务器，其特征在于，该方法包括如下步骤：步骤S21、所述应用服务器通过下载并接收由与其通信连接的所述流媒体平台发送的所述视频流，所述视频流为所述流媒体平台根据监控设备的设备信息和接收的视频指令将所述监控设备的视频录像进行截取并生成，所述视频指令包括需要结构化视频的监控点位和录像时间段，所述设备信息为所述流媒体平台预先导入所述设备信息，所述设备信息包括设备名称、设备IP、设备安装地址、用户名、密码以及经纬度；步骤S22、所述应用服务器根据接收的所述视频流生成结构化请求并将其发送至与其通信连接的神经网络服务器，以用于所述神经网络服务器将所述结构化请求对应的所述视频流进行结构化解析；其中，所述结构化请求用于所述神经网络服务器根据接收的所述结构化请求获取所述应用服务器对应的所述视频流，并分析所述视频流的编码方式，使用对应的解码方式进行解码抽帧输出图片，再对每张图片进行目标识别并提取目标的特征属性数据和目标属性数
据，将所述目标属性数据存储到全文搜索引擎，将所述目标特征数据存储到特征搜索引擎，并实时更新所述视频流的结构化进度；步骤S23、所述应用服务器在页面显示并实时更新结构化进度，并在结构化完成后可对当前任务的监控录像进行快速检索，所述快速检索包括条件检索和以图搜图。5.根据权利要求4所述的视频结构化方法，其特征在于，所述步骤S22中，所述视频流以文件的形式存储于所述应用服务器的指定路径，并由所述应用服务器记录下载状态；所述下载状态用于所述应用服务器通过定时任务检查下载任务为完成时发送所述结构化请求...

【专利技术属性】
技术研发人员：饶晓冬，钟毅，闫潇宁，
申请(专利权)人：深圳市安软科技股份有限公司，
类型：发明
国别省市：