一种特征向量的统一方法、设备、通信系统和存储介质技术方案

本申请公开了一种特征向量的统一方法、前端设备、后端设备、通信系统和计算机可读存储介质，该方法应用于通信系统中的后端设备，该通信系统包括前端设备以及后端设备，该方法包括：响应于前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同，判断前端设备是否支持特征向量模型版本的升级；若是，则向前端设备发送模型升级包，以使得前端设备基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本，其中，模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。通过上述方式，本申请能够统一通信系统中的特征向量，减少智能模块性能的消耗，提高系统性能。提高系统性能。提高系统性能。

【技术实现步骤摘要】
一种特征向量的统一方法、设备、通信系统和存储介质


[0001]本申请涉及通信
，具体涉及一种特征向量的统一方法、前端设备、后端设备、通信系统和计算机可读存储介质。

技术介绍

[0002]在现有通信系统的端边云技术中，对图片流的处理方案是从端或边获取到图片流，然后将其传送到云，再由云在中心服务器中进行图片特征向量提取，而目前端、边、云各自的算法中使用的特征向量模型版本不统一，前端设备从图片流中提取的特征向量并不能在传到后端设备后被后端设备直接使用，后端设备仍然需要再次提取特征向量，而且端、边、云在使用各自的特征向量模型对图片流进行特征向量提取时，会消耗智能模块性能。

技术实现思路

[0003]本申请提供一种特征向量的统一方法、前端设备、后端设备、通信系统和计算机可读存储介质，能够统一通信系统中特征向量，减少智能模块性能的消耗，提高系统性能。
[0004]为解决上述技术问题，本申请采用的技术方案是提供一种特征向量的统一方法，该方法应用于通信系统中的后端设备，该通信系统包括前端设备以及后端设备，该方法包括：响应于前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同，判断前端设备是否支持特征向量模型版本的升级；若是，则向前端设备发送模型升级包，以使得前端设备基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本，其中，模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。
[0005]为解决上述技术问题，本申请采用的另一技术方案是提供一种特征向量的统一方法，该方法应用于通信系统中的前端设备，该通信系统包括前端设备以及后端设备，后端设备用于在后端设备的特征向量模型版本信息与前端设备的特征向量模型版本信息不同时，判断前端设备是否支持特征向量模型版本的升级，该方法包括：在前端设备支持特征向量模型版本的升级时，接收后端设备发送的模型升级包；基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本，其中，模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。
[0006]为解决上述技术问题，本申请采用的另一技术方案是提供一种后端设备，后端设备包括互相连接的存储器和处理器，其中，存储器用于存储计算机程序，计算机程序在被处理器执行时，用于实现权利要求上述的特征向量的统一方法。
[0007]为解决上述技术问题，本申请采用的又一技术方案是提供一种前端设备，前端设备包括互相连接的存储器和处理器，其中，存储器用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述的特征向量的统一方法。
[0008]为解决上述技术问题，本申请采用的再一技术方案是提供一种通信系统，包括互相连接的前端设备和后端设备，后端设备用于在前端设备的特征向量模型版本信息与后端
设备的特征向量模型版本信息不同时，判断前端设备是否支持特征向量模型版本的升级；若是，则向前端设备发送模型升级包；前端设备用于接收模型升级包，基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本，其中，模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息。
[0009]为解决上述技术问题，本申请采用的又一技术方案是提供一种计算机可读存储介质，用于存储计算机程序，该计算机程序在被处理器执行时，用于实现上述的特征向量的统一方法。
[0010]通过上述方案，本申请的有益效果是：后端设备在检测到前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同时，判断前端设备是否支持特征向量模型版本的升级；如果前端设备支持升级，后端设备就向前端设备发送模型升级包，该模型升级包包括后端设备的特征向量以及后端设备的特征向量模型版本信息；前端设备在接收到后端设备法发送的模型升级包后，可基于模型升级包将前端设备的特征向量模型版本升级为后端设备的特征向量模型版本，以便在前端设备与后端设备的特征向量模型版本不同时，将支持升级的前端设备的特征向量模型版本升级为后端设备的特征向量模型版本，实现对通信系统中的前端设备与后端设备所提取出的特征向量的统一，保证系统中的设备维护的是同一个特征向量模型版本，使得后端设备能够直接使用前端设备输出的特征向量，无需利用自身的智能模块对前端设备输出的特征向量进行特征提取，使得特征提取的次数减少，减少了智能模块性能的消耗，智能模块的处理任务减少，能够提升后端设备处理任务的速度，有助于提升系统性能。
附图说明
[0011]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0012]图1是本申请提供的特征向量的统一方法一实施例的流程示意图；
[0013]图2是本申请提供的特征向量的统一方法另一实施例的流程示意图；
[0014]图3是本申请提供的特征向量的统一方法又一实施例的流程示意图；
[0015]图4是本申请提供的IVSS、IPC1以及IPC2组成的通信系统的结构示意图；
[0016]图5是本申请提供的后端设备一实施例的结构示意图；
[0017]图6是本申请提供的前端设备一实施例的结构示意图；
[0018]图7是本申请提供的通信系统一实施例的结构示意图；
[0019]图8是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0020]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]请参阅图1，图1是本申请提供的特征向量的统一方法一实施例的流程示意图，该方法应用于通信系统中的后端设备，该通信系统包括前端设备以及后端设备，该方法包括：
[0022]步骤11：响应于前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不同，后端设备判断前端设备是否支持特征向量模型版本的升级。
[0023]后端设备可接收前端设备发送的特征向量模型版本信息，后端设备在识别到前端设备的特征向量模型版本信息与后端设备的特征向量模型版本信息不相同时，例如，前端设备的特征向量模型版本为A，后端设备的特征向量模型版本为B，为了统一前端设备与后端设备的特征向量模型版本，可以对前端设备的特征向量模型版本进行升级处理，首先对前端设备是否支持特征向量模型版本的升级进行判断。
[0024]进一步地，在通信系统中的端边云技术中，前端设备以及后端设备是相对的，端可为前端、网络摄像机(IPC，IP Camera)或者球型摄像机等，边可为存储设备、网络视频录像机(NVR，Network Video Recorder)或者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征向量的统一方法，其特征在于，所述方法应用于通信系统中的后端设备，所述通信系统包括前端设备以及所述后端设备，所述方法包括：响应于所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息不同，判断所述前端设备是否支持特征向量模型版本的升级；若是，则向所述前端设备发送模型升级包，以使得所述前端设备基于所述模型升级包将所述前端设备的特征向量模型版本升级为所述后端设备的特征向量模型版本，其中，所述模型升级包包括所述后端设备的特征向量以及所述后端设备的特征向量模型版本信息。2.根据权利要求1所述的特征向量的统一方法，其特征在于，所述响应于所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息不同，判断所述前端设备是否支持特征向量模型版本的升级的步骤之前，包括：接收所述前端设备发送的设备信息，其中，所述设备信息包括所述前端设备的特征向量模型版本信息；获取所述后端设备的特征向量模型版本信息，并判断所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息是否相同。3.根据权利要求1所述的特征向量的统一方法，其特征在于，所述向所述前端设备发送模型升级包，以使得所述前端设备基于所述模型升级包将所述前端设备的特征向量模型版本升级为所述后端设备的特征向量模型版本的步骤之后，包括：接收所述前端设备输出的码流数据，其中，所述码流数据携带所述前端设备的特征向量以及所述前端设备的特征向量模型版本信息；基于所述码流数据中携带的所述前端设备的特征向量模型版本信息，对所述前端设备的特征向量进行处理。4.根据权利要求3所述的特征向量的统一方法，其特征在于，所述基于所述码流数据中携带的所述前端设备的特征向量模型版本信息，对所述前端设备的特征向量进行处理的步骤，包括：判断所述码流数据中携带的所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息是否相同；若是，则读取所述码流数据携带的所述前端设备的特征向量，对所述前端设备的特征向量进行智能分析；若否，则对所述码流数据中携带的所述特征向量进行特征提取处理，并对提取出的特征向量进行智能分析。5.根据权利要求4所述的特征向量的统一方法，其特征在于，所述判断所述码流数据中携带的所述前端设备的特征向量模型版本信息与所述后端设备的特征向量模型版本信息是否相同的步骤之前，包括：判断所述码流数据中是否携带所述前端设备的特征向量模型版本信息；若否，则对所述码流数据中携带的所述特征向量进行特征提取处理，对提取出的特征向量进行智能分析。6.根据权利要求2所述的特征向量的统一方法，其特征在于，所述设备信息还包括所述前端设备的升级参数，所述判断所述前端设备...

【专利技术属性】
技术研发人员：黄云寿，卢成翔，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：