一种监控视频的保活方法、系统、设备和存储介质技术方案

本发明专利技术涉及一种监控视频的保活方法，包括以下步骤：从视频监控客户端获取用户ID及对应的历史观看行为数据，以用户ID及对应的历史观看行为数据作为训练样本，对基于时间序列的预测模型进行训练，得到用户常用视频预测模型；获取登录视频监控客户端用户的用户ID，基于用户ID，利用用户常用视频预测模型预测该用户的常用视频通道；基于该用户的常用视频通道生成一保活队列，所述保活队列中包含需要保活的视频通道；基于保活队列，对视频监控客户端中处于保活队列中的视频通道进行预先读流，保持对应的视频通道处于活动状态。应的视频通道处于活动状态。应的视频通道处于活动状态。

【技术实现步骤摘要】
一种监控视频的保活方法、系统、设备和存储介质


[0001]本专利技术涉及一种监控视频的保活方法、系统、设备和存储介质，属于保活


技术介绍

[0002]视频监控(Cameras and Surveillance)是安全防范系统的重要组成部分，传统的视频监控系统包括前端摄像机、传输线缆、视频监控客户端。
[0003]视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控技术也有了长足的发展。监控视频数据通过3G/4G/WIFI传回视频监控客户端，视频监控客户端可对图像进行实时观看、录入、回放、调出及储存等操作。从而实现移动互联的视频监控。
[0004]但是，目前的视频监控技术还存在以下技术问题：传统的视频监控客户端在打开不同前端摄像机的视频流时，需要加载视频流，从而导致打开一个监控视频就需要等待大量的时间，而负责监控的工作人员在工作时往往需要不断打开各个前端摄像机的监控视频，因此，大量的加载时间严重影响了用户体验。

技术实现思路

[0005]为了解决上述现有技术中存在的问题，本专利技术提出了一种监控视频的保活方法，通过基于时间序列的预测模型，预测用户登录视频监控客户端时有可能打开的视频，预先将这些视频进行保活，这样，用户在打开被保活的视频通道时，就能立即加载出监控视频，大大减少了等待时间。
[0006]本专利技术的技术方案如下：
[0007]一方面，本专利技术提供一种监控视频的保活方法，包括以下步骤：
[0008]从视频监控客户端获取用户ID及对应的历史观看行为数据，以用户ID及对应的历史观看行为数据作为训练样本，对基于时间序列的预测模型进行训练，得到用户常用视频预测模型；
[0009]获取登录视频监控客户端用户的用户ID，基于用户ID，利用用户常用视频预测模型预测该用户的常用视频通道；
[0010]基于该用户的常用视频通道生成一保活队列，所述保活队列中包含需要保活的视频通道；
[0011]基于保活队列，对视频监控客户端中处于保活队列中的视频通道进行预先读流，保持对应的视频通道处于活动状态。
[0012]作为优选实施方式，所述基于该用户的常用视频通道生成一保活队列的方法具体为：
[0013]设置保活队列中包含的视频通道数量的最大上限；
[0014]每次获取对应用户的常用视频通道时，将获取的各常用视频通道均放入至保活队
列中，同时记录各常用视频通道放入保活队列的时间；
[0015]当保活队列中的视频通道数量超过最大上限时，按照各常用视频通道放入保活队列的时间，将旧的常用视频通道移出保活队列，将新的常用视频通道放入保活队列。
[0016]作为优选实施方式，所述保活队列包括可变保活队列和长期保活队列；
[0017]所述可变保活队列由对应用户的常用视频通道生成，所述长期保活队列由用户选择对应的视频通道生成；
[0018]其中，所述长期保活队列中用户选择的视频通道数量小于等于设置的保活队列中包含的视频通道数量的最大上限；所述可变保活队列中的视频通道数量小于等于设置的保活队列中包含的视频通道数量的最大上限减去长期保活队列中的视频通道数量。
[0019]作为优选实施方式，所述对基于时间序列的预测模型进行训练的步骤具体为：
[0020]通过用户的历史观看行为数据，获取用户的历史交互行为序列，根据用户的历史行为交互序列构造无向图并基于无向图构建item
‑
item兴趣图结构；
[0021]构造加权余弦相似度计算函数度量item
‑
item兴趣图结构中item之间的相似度，并设定相似度阈值以控制整个item
‑
item兴趣图结构的稀疏性；
[0022]进行加权融合，通过聚类感知和查询感知计算获取item
‑
item兴趣图结构中每一item添加注意力权重，并基于添加注意力权重后的item对目标item的周围邻居节点的embedding进行加权融合，使得得到的embedding是融合了周围相似item的embedding；
[0023]进行兴趣提取，通过图池化，对进行加权融合后的item
‑
item兴趣图结构进行粗化，得到每一item的粗化分数，并基于每一item的粗化分数，对每一item进行正则化；
[0024]采用深度兴趣进化网络中的AUGRU序列，基于经上述处理后的item
‑
item兴趣图结构挖掘用户兴趣随时间的动态分布，根据用户的历史观看行为数据构造训练集，结合全连接层预测训练样本对应的用户在下一时刻与item交互的概率，构造基于负对数似然函数的损失函数，对网络参数进行训练。
[0025]另一方面，本专利技术还提供一种监控视频的保活系统，包括：
[0026]数据获取模块，用于从视频监控客户端获取用户ID及对应的历史观看行为数据；
[0027]模型训练模块，用于以用户ID及对应的历史观看行为数据作为训练样本，对基于时间序列的预测模型进行训练，得到用户常用视频预测模型；
[0028]预测模块，用于获取登录视频监控客户端用户的用户ID，基于用户ID，利用用户常用视频预测模型预测该用户的常用视频通道；
[0029]队列生成模块，用于基于该用户的常用视频通道生成一保活队列，所述保活队列中包含需要保活的视频通道；
[0030]保活模块，用于基于保活队列，对视频监控客户端中处于保活队列中的视频通道进行预先读流，保持对应的视频通道处于活动状态。
[0031]作为优选实施方式，所述队列生成模块包括：
[0032]上限设置单元，用于设置保活队列中包含的视频通道数量的最大上限；
[0033]记录单元，用于在每次获取对应用户的常用视频通道时，将获取的各常用视频通道均放入至保活队列中，同时记录各常用视频通道放入保活队列的时间；
[0034]队列更新单元，用于在保活队列中的视频通道数量超过最大上限时，按照各常用视频通道放入保活队列的时间，将旧的常用视频通道移出保活队列，将新的常用视频通道
放入保活队列。
[0035]作为优选实施方式，所述队列生成模块还包括可变保活队列生成单元和长期保活队列生成单元；
[0036]所述可变保活队列生成单元用于通过对应用户的常用视频通道生成可变保活队列；
[0037]所述长期保活队列生成单元用于根据用户选择对应的视频通道生成长期保活队列；
[0038]其中，所述长期保活队列中用户选择的视频通道数量小于等于设置的保活队列中包含的视频通道数量的最大上限；所述可变保活队列中的视频通道数量小于等于设置的保活队列中包含的视频通道数量的最大上限减去长期保活队列中的视频通道数量。
[0039]作为优选实施方式，所述模型训练模块具体包括：
[0040]图结构构建单元，用于通过用户的历史观本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种监控视频的保活方法，其特征在于，包括以下步骤：从视频监控客户端获取用户ID及对应的历史观看行为数据，以用户ID及对应的历史观看行为数据作为训练样本，对基于时间序列的预测模型进行训练，得到用户常用视频预测模型；获取登录视频监控客户端用户的用户ID，基于用户ID，利用用户常用视频预测模型预测该用户的常用视频通道；基于该用户的常用视频通道生成一保活队列，所述保活队列中包含需要保活的视频通道；基于保活队列，对视频监控客户端中处于保活队列中的视频通道进行预先读流，保持对应的视频通道处于活动状态。2.根据权利要求1所述的一种监控视频的保活方法，其特征在于，所述基于该用户的常用视频通道生成一保活队列的方法具体为：设置保活队列中包含的视频通道数量的最大上限；每次获取对应用户的常用视频通道时，将获取的各常用视频通道均放入至保活队列中，同时记录各常用视频通道放入保活队列的时间；当保活队列中的视频通道数量超过最大上限时，按照各常用视频通道放入保活队列的时间，将旧的常用视频通道移出保活队列，将新的常用视频通道放入保活队列。3.根据权利要求2所述的一种监控视频的保活方法，其特征在于：所述保活队列包括可变保活队列和长期保活队列；所述可变保活队列由对应用户的常用视频通道生成，所述长期保活队列由用户选择对应的视频通道生成；其中，所述长期保活队列中用户选择的视频通道数量小于等于设置的保活队列中包含的视频通道数量的最大上限；所述可变保活队列中的视频通道数量小于等于设置的保活队列中包含的视频通道数量的最大上限减去长期保活队列中的视频通道数量。4.根据权利要求1所述的一种监控视频的保活方法，其特征在于，所述对基于时间序列的预测模型进行训练的步骤具体为：通过用户的历史观看行为数据，获取用户的历史交互行为序列，根据用户的历史行为交互序列构造无向图并基于无向图构建item
‑
item兴趣图结构；构造加权余弦相似度计算函数度量item
‑
item兴趣图结构中item之间的相似度，并设定相似度阈值以控制整个item
‑
item兴趣图结构的稀疏性；进行加权融合，通过聚类感知和查询感知计算获取item
‑
item兴趣图结构中每一item添加注意力权重，并基于添加注意力权重后的item对目标item的周围邻居节点的embedding进行加权融合，使得得到的embedding是融合了周围相似item的embedding；进行兴趣提取，通过图池化，对进行加权融合后的item
‑
item兴趣图结构进行粗化，得到每一item的粗化分数，并基于每一item的粗化分数，对每一item进行正则化；采用深度兴趣进化网络中的AUGRU序列，基于经上述处理后的item
‑
item兴趣图结构挖掘用户兴趣随时间的动态分布，根据用户的历史观看行为数据构造训练集，结合全连接层预测训练样本对应的用户在下一时刻与item交互的概率，构造基于负对数似然函数的损失函数，对网络参数进行训练。
5.一种监控视频的保活系统，其特征在于，包括：数据获取模块，用于从视频监控客户端获取用户ID及对应的历史观看行为数据；模型训练模块，用于以用户ID及对应的历史观看行为数据作为训练样本，对基于时间序列的预测模型进行训练，得到用户常用视频预测模型；预测模块，用于获取登录视频监控客户端用户的用...

【专利技术属性】
技术研发人员：俞杰，任飞，唐旭，
申请(专利权)人：福建万福信息技术有限公司，
类型：发明
国别省市：