一种网络视频存储方法及系统技术方案

本发明专利技术涉及视频存储领域，揭露一种网络视频存储方法及系统，包括：识别待存储网络视频的视频类别，对待存网络视频进行分类，得到分类网络视频；查询分类网络视频的帧率，根据帧率导出分类网络视频的序列帧，得到多帧图像，计算导出损失，根据导出损失对多帧图像进行图像修复，得到修复图像；提取修复图像的图像特征，构建修复图像的矢量矩阵，将图像特征映射到矢量矩阵中，得到矢量变化特征；根据矢量变化特征分析网络视频的背景状态，在背景状态为异常时，查询异常状态对应的异常图帧，根据异常图帧对网络视频剪切，对剪切视频进行编码，得到编码视频，将编码视频存储在预构建的视频数据库中。本发明专利技术可以提高视频存储资源的利用率。率。率。

【技术实现步骤摘要】
一种网络视频存储方法及系统


[0001]本专利技术涉及视频存储领域，尤其涉及一种网络视频存储方法及系统。

技术介绍

[0002]随着互联网的普及，网络视频数据的产生与处理越来越多，视频存储也变得越来越重要。视频存储可以为各种领域的研究和探索提供丰富的素材和数据支持。然而在大量的网络视频中存在很多无效或低价值的内容，这样不仅对视频存储带来了很大的压力，同时也导致了用户在提取视频的时候较难筛选。
[0003]目前，对于网络视频的存储方法一般使用云存储进行存储，这种方式具有存储容量大、存储效率高的特点，然而使用云存储存储视频的方法无法有效的分析视频并对视频有价值内容进行截取，从而导致了对于网络视频存储所需的存储资源需求较大。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供了一种网络视频存储方法及系统，能够提高网络视频存储的准确性。
[0005]第一方面，本专利技术提供了一种网络视频存储方法，包括：获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
[0006]在第一方面的一种可能实现方式中，所述识别所述网络视频的视频类别，包括：提取所述网络视频的当前标注标签，并获取所述网络视频的历史标注标签；将所述当前标注标签与所述历史标注标签进行标签匹配，得到匹配标签，根据所述匹配标签，识别所述网络视频的视频类别。
[0007]在第一方面的一种可能实现方式中，所述根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，包括：构建所述分类网络视频的提帧程序，在所述提帧程序中配置所述分类网络视频的提帧函数；
根据所述帧率，在所述提帧函数中设置提帧参数，得到目标函数，并在所述目标函数中设置所述分类网络视频的提帧存储位置后，激活所述目标函数，以执行所述分类网络视频的序列帧提取操作，得到多帧图像。
[0008]在第一方面的一种可能实现方式中，所述根据所述导出损失，对所述多帧图像进行图像修复，得到修复图像，包括：从所述多帧图像中提取所述导出损失大于预设损失值的图像，得到损失图像，计算所述损失图像的特征损失及像素损失；根据所述特征损失和所述像素损失，利用下述公式对所述损失图像进行图像修复：；其中，表示修复图像，k表示损失图像导出前的像素点数，y表示多帧图像导出后的像素点数，a表示多帧图像导出前的特征值，b表示多帧图像导出后的特征值，表示多帧像素的像素损失，表示多帧图像的特征补偿函数，表示多帧图像的特征损失，表示多帧图像的像素补偿函数，i表示损失图像导出前的第i像素点，j表示多帧图像导出前的第j个特征值。
[0009]在第一方面的一种可能实现方式中，所述提取所述修复图像的图像特征，包括：构建所述修复图像的特征矩阵，并在所述特征矩阵中输入所述修复图像的特征点集，得到目标矩阵；将所述修复图像的像素值分解为数字矩阵，并将所述目标矩阵中的特征点集与所述数字矩阵中的像素值进行匹配，以获取所述修复图像的特征值；从所述特征值中筛选符合预设条件的数值，得到目标值，将所述目标值进行特征翻译，得到图像特征。
[0010]在第一方面的一种可能实现方式中，所述构建所述修复图像的矢量矩阵，包括：创建所述修复图像的矩阵空间，按照所述修复图像的特征参数在所述矩阵空间中设置对应的矩阵行列；利用预设的图像激活算法创建所述修复图像在所述矩阵行列中的矢量矩阵。
[0011]在第一方面的一种可能实现方式中，所述根据所述矢量变化特征分析所述网络视频的背景状态，包括：创建所述矢量变化特征的信号标签，根据所述信号标签利用下述公式计算所述矢量变化特征的变化值：；其中，表示矢量变化特征的变化值，m表示矢量变化特征对应初始特征的数量，n表示矢量变化特征对应变化后特征的数量，表示矢量变化特征的均值函数，表示矢量变化特征对应第x个初始特征的信号标签，表示矢量变化特征对应第y个初始特征的信
号标签，当所述变化值大于预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为异常；当所述变化值不大于所述预设变化值时，则所述矢量变化特征所对应的网络视频的背景状态为正常。
[0012]在第一方面的一种可能实现方式中，所述对所述剪切视频进行编码，得到编码视频，包括：配置所述剪切视频的编码器，在所述编码器中设置所述剪切视频的视频码率及视频格式；按照所述视频码率及所述视频格式对所述剪切视频进行编码，得到编码视频。
[0013]在第一方面的一种可能实现方式中，所述计算所述损失图像的特征损失及像素损失，包括：利用下述公式计算所述损失图像的特征损失：其中，表示特征损失，n表示损失图像的特征点数量，表示特征匹配函数，表示损失图像的矩阵空间，a表示损失图像的特征值，表示映射到矩阵空间后的特征值，利用下述公式计算所述损失图像的像素损失：；其中，表示像素损失，n表示损失图像的像素点数量，表示第i个损失图像对应像素点的真实标签，表示第i个损失图像对应像素点的预测标签，w表示损失图像的权重矩阵，f表示损失图像的样本矩阵，表示损失图像的线性函数。
[0014]第二方面，本专利技术提供了一种网络视频存储系统，所述系统包括：视频分类模块，用于获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；图像修复模块，用于查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像；特征映射模块，用于提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；视频剪切模块，用于根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；视频存储模块，用于对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。
[0015]与现有技术相比，本方案的技术原理及有益效果在于：
本方案首先通过识别所述网络视频的视频类别可以对大量杂乱无序的视频进行信息识别，以便于对所述网络视频进行分类管理以及检索查阅等，并根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频可以将大量视频进行类别的区分，从而使得在后续的视频提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络视频存储方法，其特征在于，所述方法包括：获取待存储的网络视频，识别所述网络视频的视频类别，根据所述视频类别，对所述待存网络视频进行分类，得到分类网络视频；查询所述分类网络视频的帧率，根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，计算所述多帧图像的导出损失，根据所述导出损失对所述多帧图像进行图像修复，得到修复图像，其中，所述计算所述多帧图像的导出损失，包括：利用下述公式计算所述多帧图像的导出损失：；其中表示导出损失，表示多帧图像的图像长度，表示多帧图像的图像宽度，n表示多帧图像的原像素位置，m表示多帧图像导出后的像素位置，表示多帧图像的像素损失，表示多帧图像的图像边缘损失；提取所述修复图像的图像特征，并构建所述修复图像的矢量矩阵，将所述图像特征映射到所述矢量矩阵中，得到所述修复图像的矢量变化特征；根据所述矢量变化特征分析所述网络视频的背景状态，在所述背景状态为异常状态时，查询所述异常状态对应的异常图帧，根据所述异常图帧对所述网络视频进行剪切，得到剪切视频；对所述剪切视频进行编码，得到编码视频，将所述编码视频存储在预构建的视频数据库中。2.根据权利要求1所述的方法，其特征在于，所述识别所述网络视频的视频类别，包括：提取所述网络视频的当前标注标签，并获取所述网络视频的历史标注标签；将所述当前标注标签与所述历史标注标签进行标签匹配，得到匹配标签，根据所述匹配标签，识别所述网络视频的视频类别。3.根据权利要求1所述的方法，其特征在于，所述根据所述帧率导出所述分类网络视频的序列帧，得到多帧图像，包括：构建所述分类网络视频的提帧程序，在所述提帧程序中配置所述分类网络视频的提帧函数；根据所述帧率，在所述提帧函数中设置提帧参数，得到目标函数，并在所述目标函数中设置所述分类网络视频的提帧存储位置后，激活所述目标函数，以执行所述分类网络视频的序列帧提取操作，得到多帧图像。4.根据权利要求1所述的方法，其特征在于，所述根据所述导出损失，对所述多帧图像进行图像修复，得到修复图像，包括：从所述多帧图像中提取所述导出损失大于预设损失值的图像，得到损失图像，计算所述损失图像的特征损失及像素损失；根据所述特征损失和所述像素损失，利用下述公式对所述损失图像进行图像修复：;
其中，表示修复图像，k表示损失图像导出前的像素点数，y表示多帧图像导出后的像素点数，a表示多帧图像导出前的特征值，b表示多帧图像导出后的特征值，表示多帧像素的像素损失，表示多帧图像的特征补偿函数，表示多帧图像的特征损失，表示多帧图像的像素补偿函数，i表示损失图像导出前的第i像素点，j表示多帧图像导出前的第j个特征值。5.根据权利要求1所述的方法，其特征在于，所述提取所述修复图像的图像特征，包括：构建所述修复图像的特征矩阵，并在所述特征矩阵中输入所述修复图像的特征点集，得到目标矩阵；将所述修复图像的像素值分解为数字矩阵，并将所述目标矩阵中的特征点集与所述数字矩阵中的像素值进行匹配，以获取所述修复图像的特征值；从所述特征值中筛选符合预设条件的...

【专利技术属性】
技术研发人员：李安，许噹噹，许东申，
申请(专利权)人：深圳市神飞致远技术有限公司，
类型：发明
国别省市：