【技术实现步骤摘要】
本专利技术涉及基于人工智能的计算机视觉领域，尤其涉及一种基于任务分层的视频流识别方法、分布式系统及存储介质。
技术介绍
1、计算机视觉作为人工智能的重要分支，致力于使机器“看”并理解世界，其核心在于图像和视频的分析、识别与理解。这一领域的进步，如深度学习模型的出现，极大地提升了识别精度，但同时也带来了对计算资源的高度需求。
2、在图像处理方面，从原始图像预处理、特征提取到高级的语义理解，每一步都对算法效率和准确性提出了高要求。特别是在实际应用中，如何在有限的计算资源下实现快速、准确的图像识别成为了亟待解决的问题。因此，结合计算机视觉与分布式学习的优势，探索高效的任务调度与资源分配策略，成为提升图像处理系统性能的关键。
技术实现思路
1、专利技术目的：提出一种基于任务分层的视频流识别方法、分布式系统及存储介质，以解决现有技术存在的上述问题。
2、第一方面，提出一种基于任务分层的视频流识别方法，步骤如下：
3、获取目标视频流；
4、提取目标视频流...
【技术保护点】
1.一种基于任务分层的视频流识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于任务分层的视频流识别方法，其特征在于，所述目标视频流的获取方式包括：通过摄像头捕获显示设备上的视频流，或直接导入视频文件并由本地解码为视频流；对所述目标帧图像进行预处理，包括降噪滤波、二值化。
3.根据权利要求1所述的基于任务分层的视频流识别方法，其特征在于，通过构建编码器-解码器框架对所述预处理图像进行分析和描述；
4.根据权利要求3所述的基于任务分层的视频流识别方法，其特征在于，所述CNN分类网络中卷积层的输出表达式如下：
...
【技术特征摘要】
1.一种基于任务分层的视频流识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于任务分层的视频流识别方法，其特征在于，所述目标视频流的获取方式包括：通过摄像头捕获显示设备上的视频流，或直接导入视频文件并由本地解码为视频流；对所述目标帧图像进行预处理，包括降噪滤波、二值化。
3.根据权利要求1所述的基于任务分层的视频流识别方法，其特征在于，通过构建编码器-解码器框架对所述预处理图像进行分析和描述；
4.根据权利要求3所述的基于任务分层的视频流识别方法，其特征在于，所述cnn分类网络中卷积层的输出表达式如下：
5.根据权利要求4所述的基于任务分层的视频流识别方法，其特征在于，所述支持向量机在处理预处理图像的背景描述信息时，考虑环境类型影响，将优化问题表示为：
6.根据权利要求3所述的基...
【专利技术属性】
技术研发人员：王本昊，王一帆，彭晓晖，
申请(专利权)人：中科南京信息高铁研究院，
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。