System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉,尤其涉及基于序列编码的远程人脸识别视频存储方法及系统。
技术介绍
1、计算机视觉
结合了图像处理、模式识别、人工智能和数据存储技术,致力于对视频流中的面部图像进行识别和分析,在安全监控中,这种技术尤其重要,因为它可以用于识别和验证个人身份,提高安全性,此外,该领域还与大数据和云计算技术紧密相关,因为处理和存储大量的视频数据需要强大的计算和存储能力。
2、其中,远程人脸识别视频存储方法是一种结合人脸识别技术和远程数据存储的方法,其主要目的是实现高效、可靠的身份验证和监控,方法通过识别视频流中的人脸监控和记录个人活动,同时确保数据的安全性和可访问性,远程存储允许更大规模的数据保留,便于检索和分析,这对于需要长期监控和数据分析的场合尤其重要,此方法的效果在于提高安全监控系统的效率和准确性,同时确保数据的完整性和隐私保护,在实际应用中,方法通过安装在关键位置的视频监控摄像头来捕获图像,然后使用先进的人脸识别算法对图像中的人脸进行检测和识别,这些算法能够处理大量的视频数据,快速准确地识别出个人的面部特征,识别出的数据随后被传输到远程服务器或云存储系统中进行安全存储,这些系统采用加密和访问控制技术,确保数据的安全性,此外,这种方法还可能结合机器学习技术,以提高识别准确性和适应不断变化的环境条件。
3、现有的远程人脸识别视频存储技术,尽管在身份验证和监控方面具有一定的效用,但在仍存在如下不足,首先,现有技术在视频流的编码策略上缺乏灵活性,且采用统一的处理方式,难以有效区分视频流中的关键内
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点,而提出的基于序列编码的远程人脸识别视频存储方法及系统。
2、为了实现上述目的,本专利技术采用了如下技术方案:基于序列编码的远程人脸识别视频存储方法,包括以下步骤:
3、s1:基于接收的远程视频流,采用卷积神经网络,进行视频帧的实时分析和分类,并区分关键信息帧和非关键信息帧,所述关键信息帧具体为带有人脸特征的视频帧,所述非关键信息帧包括背景场景、无人脸特征画面,生成初步处理后的视频流和帧分类信息;
4、s2:基于所述初步处理后的视频流和帧分类信息,采用h.265编码技术,对视频帧进行动态编码调整,生成优化编码的视频流;
5、s3:基于所述优化编码的视频流,采用逆向索引机制,重新组织视频数据的存储结构,优先处理含有关键人脸信息的视频片段,生成逆向重构的视频数据;
6、s4:基于所述逆向重构的视频数据,采用crc-32算法调整crc参数,生成具有优化crc参数的视频数据;
7、s5:基于所述具有优化crc参数的视频数据,采用可伸缩视频编码技术,根据网络带宽和存储容量调整多层视频数据的编码质量,生成分层编码的视频数据;
8、s6:基于所述分层编码的视频数据,采用elasticsearch的增量索引机制,对视频数据进行索引,生成带有增量式索引的视频数据;
9、s7:基于所述带有增量式索引的视频数据,采用基于内容和上下文规则的存储优化算法,根据视频元数据(时间戳、地理位置、场景标签)进行智能存储决策,生成最终的优化存储视频数据。
10、作为本专利技术的进一步方案,所述初步处理后的视频流和帧分类信息具体为每帧视频的信息密度和关键内容标记信息,所述优化编码的视频流具体为经过动态编码调整的视频帧序列,所述逆向重构的视频数据具体指按内容重要性重新排序和存储的视频数据,所述具有优化crc参数的视频数据具体为经过crc参数优化,处理冗余后的视频数据,所述分层编码的视频数据具体指根据多网络和存储条件分层编码的视频数据,所述带有增量式索引的视频数据具体为附加了逐步构建的数据索引的视频数据,所述最终的优化存储视频数据具体为根据视频元数据进行智能存储分配的视频数据。
11、作为本专利技术的进一步方案,基于接收的远程视频流,采用卷积神经网络,进行视频帧的实时分析和分类,并区分关键信息帧和非关键信息帧,生成初步处理后的视频流和帧分类信息的步骤具体为:
12、s101:基于接收的远程视频流,采用帧间差分法进行逐帧提取,生成逐帧提取的视频数据;
13、s102:基于所述逐帧提取的视频数据,采用基于vgg-16的特征提取网络进行帧特征分析,生成帧特征分析数据;
14、s103:基于所述帧特征分析数据,采用支持向量机分类器,区分关键信息帧和非关键信息帧,生成初步处理后的视频流和帧分类信息。
15、作为本专利技术的进一步方案,基于所述初步处理后的视频流和帧分类信息,采用h.265编码技术,对视频帧进行动态编码调整,生成优化编码的视频流的步骤具体为:
16、s201:基于所述初步处理后的视频流和帧分类信息,采用关键帧提取算法选定所述关键信息帧,生成关键帧数据;
17、s202:基于所述关键帧数据,采用h.265编码技术对所述关键信息帧进行编码,生成编码后的关键帧数据;
18、s203:基于所述编码后的关键帧数据,采用帧数据融合方法,将所述关键信息帧的数据与所述非关键信息帧的数据结合,再采用双向预测编码技术,生成优化编码的视频流。
19、作为本专利技术的进一步方案,基于所述优化编码的视频流,采用逆向索引机制,重新组织视频数据的存储结构,优先处理含有关键人脸信息的视频片段,生成逆向重构的视频数据的步骤具体为:
20、s301:基于所述优化编码的视频流,采用反向索引技术,进行视频数据结构分析和处理,生成逆向索引准备数据;
21、s302:基于所述逆向索引准备数据,采用数据分块与重排序技术,进行视频数据重组,生成视频数据重组阶段性结果;
22、s303:基于所述视频数据重组阶段性结果,采用自适应流重构算法,根据视频数据的内容和结构进行智能重组,生成逆向重构的视频数据。
23、作为本专利技术的进一步方案,基于所述逆向重构的视频数据,采用crc-32算法调整crc参数,生成具有优化crc参数的视频数据的步骤具体为:
24、s4本文档来自技高网...
【技术保护点】
1.基于序列编码的远程人脸识别视频存储方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:所述初步处理后的视频流和帧分类信息具体为每帧视频的信息密度和关键内容标记信息,所述优化编码的视频流具体为经过动态编码调整的视频帧序列,所述逆向重构的视频数据具体指按内容重要性重新排序和存储的视频数据,所述具有优化CRC参数的视频数据具体为经过CRC参数优化,处理冗余后的视频数据,所述分层编码的视频数据具体指根据多网络和存储条件分层编码的视频数据,所述带有增量式索引的视频数据具体为附加了逐步构建的数据索引的视频数据,所述最终的优化存储视频数据具体为根据视频元数据进行智能存储分配的视频数据。
3.根据权利要求1所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于接收的远程视频流,采用卷积神经网络,进行视频帧的实时分析和分类,并区分关键信息帧和非关键信息帧,生成初步处理后的视频流和帧分类信息的步骤具体为:
4.根据权利要求3所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述初步处
5.根据权利要求4所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述优化编码的视频流,采用逆向索引机制,重新组织视频数据的存储结构,优先处理含有关键人脸信息的视频片段,生成逆向重构的视频数据的步骤具体为:
6.根据权利要求5所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述逆向重构的视频数据,采用CRC-32算法调整CRC参数,生成具有优化CRC参数的视频数据的步骤具体为:
7.根据权利要求6所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述具有优化CRC参数的视频数据,采用可伸缩视频编码技术,根据网络带宽和存储容量调整多层视频数据的编码质量,生成分层编码的视频数据的步骤具体为:
8.根据权利要求7所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述分层编码的视频数据,采用Elasticsearch的增量索引机制,对视频数据进行索引,生成带有增量式索引的视频数据的步骤具体为:
9.根据权利要求8所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述带有增量式索引的视频数据,采用基于内容和上下文规则的存储优化算法,根据视频元数据(时间戳、地理位置、场景标签)进行智能存储决策,生成最终的优化存储视频数据的步骤具体为:
10.基于序列编码的远程人脸识别视频存储系统,其特征在于:根据权利要求1-9任一项所述的基于序列编码的远程人脸识别视频存储方法,所述系统包括视频流处理模块、动态编码调整模块、逆向重构模块、CRC优化模块、分层编码模块、增量索引模块、元数据分析模块、存储优化决策模块;
...【技术特征摘要】
1.基于序列编码的远程人脸识别视频存储方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:所述初步处理后的视频流和帧分类信息具体为每帧视频的信息密度和关键内容标记信息,所述优化编码的视频流具体为经过动态编码调整的视频帧序列,所述逆向重构的视频数据具体指按内容重要性重新排序和存储的视频数据,所述具有优化crc参数的视频数据具体为经过crc参数优化,处理冗余后的视频数据,所述分层编码的视频数据具体指根据多网络和存储条件分层编码的视频数据,所述带有增量式索引的视频数据具体为附加了逐步构建的数据索引的视频数据,所述最终的优化存储视频数据具体为根据视频元数据进行智能存储分配的视频数据。
3.根据权利要求1所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于接收的远程视频流,采用卷积神经网络,进行视频帧的实时分析和分类,并区分关键信息帧和非关键信息帧,生成初步处理后的视频流和帧分类信息的步骤具体为:
4.根据权利要求3所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述初步处理后的视频流和帧分类信息,采用h.265编码技术,对视频帧进行动态编码调整,生成优化编码的视频流的步骤具体为:
5.根据权利要求4所述的基于序列编码的远程人脸识别视频存储方法,其特征在于:基于所述优化编码的视频流,采用逆向索引机制,重新组织视频数据的存储结构,优先处理...
【专利技术属性】
技术研发人员:刘礼畅,
申请(专利权)人:广东启正电子科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。