CN108683901A - 一种数据处理方法、mec服务器及计算机可读存储介质 - Google Patents
一种数据处理方法、mec服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108683901A CN108683901A CN201810445193.XA CN201810445193A CN108683901A CN 108683901 A CN108683901 A CN 108683901A CN 201810445193 A CN201810445193 A CN 201810445193A CN 108683901 A CN108683901 A CN 108683901A
- Authority
- CN
- China
- Prior art keywords
- video data
- dimensional video
- image
- terminal
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 95
- 230000008569 process Effects 0.000 claims abstract description 70
- 230000001360 synchronised effect Effects 0.000 claims abstract description 17
- 238000011084 recovery Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 48
- 238000012795 verification Methods 0.000 claims description 40
- 230000006837 decompression Effects 0.000 claims description 23
- 230000006854 communication Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000007906 compression Methods 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 10
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 2
- 238000012549 training Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
- G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例公开了一种数据处理方法，包括：从第一终端获取三维视频数据，第一终端通过接入网与第一MEC服务器进行通信；将三维视频数据输入至预设图像恢复模型，输出目标三维图像，预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型；验证目标三维图像恢复的恢复结果；当恢复结果为图像恢复正确时，将三维视频数据同步至业务处理服务器。本申请实施例还同时公开了一种MEC服务器及计算机可读存储介质。
Description
技术领域
本申请实施例涉及通信领域中的数据传输处理技术，尤其涉及一种数据处理方法、移动边缘计算(MEC，Mobile Edge Computing)服务器及计算机可读存储介质。
背景技术
随着移动通信网络的不断发展，移动通信网络的传输速率飞速提高，从而给三维视频业务的产生和发展提供了有力的技术支持。终端在三维视频数据的传输过程中基于自身处理能力的问题，出现各种原因传输问题，(例如丢包)使得接收端接收到的三维视频数据出现与原始数据不一致、图像重构错误、图像内容无法识别出等问题。
发明内容
本申请实施例提供一种数据处理方法、MEC服务器及计算机可读存储介质，能够提高数据传输的正确率和传输效率。
本申请的技术方案是这样实现的：
本申请实施例提供了一种数据处理方法，应用于第一移动边缘计算MEC服务器中，包括：
从第一终端获取三维视频数据，所述第一终端通过接入网与所述第一MEC服务器进行通信；
将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像，所述预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型；
验证所述目标三维图像恢复的恢复结果；
当所述恢复结果为图像恢复正确时，将所述三维视频数据同步至业务处理服务器。
本申请实施例提供了一种第一MEC服务器，包括：
获取单元，用于从第一终端获取三维视频数据，所述第一终端通过接入网与所述第一MEC服务器进行通信；
模型处理单元，用于将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像，所述预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型；
验证单元，用于验证所述目标三维图像恢复的恢复结果；
发送单元，用于当所述恢复结果为图像恢复正确时，将所述三维视频数据同步至业务处理服务器。
本申请实施例还提供了一种第一MEC服务器，其特征在于，
处理器、存储有所述处理器可执行指令的存储介质，以及通信接口，所述存储介质、所述通信接口通过通信总线依赖所述处理器执行操作，所述可执行指令被所述处理器执行上述的数据处理方法。
本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行上述的数据处理方法。
本申请实施例提供了一种数据处理方法、MEC服务器及计算机可读存储介质，从第一终端获取三维视频数据，第一终端通过接入网与第一MEC服务器进行通信；将三维视频数据输入至预设图像恢复模型，输出目标三维图像，预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型；验证目标三维图像恢复的恢复结果；当恢复结果为图像恢复正确时，将三维视频数据同步至业务处理服务器。采用上述方案实现技术，由于第一MEC服务器可以与第一终端进行通信，第一MEC服务器需要对接收的三维视频数据进行验证，验证数据正确才进行传输，这样传输出去的数据一定是正确的数据，并且在第一MEC服务器上进行第一终端获取的三维视频数据的处理和传输时的处理速度快，这样，避免了由第一终端进行长距离传输时丢包的问题和计算量较大传输慢的问题，从而提高了进行数据传输过程中的正确率和传输效率。
附图说明
图1为本申请实施例提供的数据处理方法应用的系统架构示意图；
图2为本申请实施例提供的一种数据处理方法的流程示意图一；
图3为本申请实施例提供的示例性的图像恢复示意图；
图4为本申请实施例提供的示例性的预设图像恢复模型的训练流程示意图；
图5为本申请实施例提供的一种数据处理方法的流程示意图二；
图6为本申请实施例提供的一种数据处理方法的流程示意图三；
图7为本申请实施例提供的一种数据处理方法的交互图；
图8为本申请实施例提供的一种第一MEC服务器的结构示意图一；
图9为本申请实施例提供的一种第一MEC服务器的结构示意图二。
具体实施方式
在对本申请实施例的技术方案进行详细说明之前，首先对本申请实施例的数据处理方法应用的系统架构进行简单说明。本申请实施例的数据处理方法应用于三维视频数据的相关业务，该业务例如是三维视频数据分享的业务，或者基于三维视频数据的直播业务等等。在这种情况下，由于三维视频数据的数据量较大，分别传输的深度数据和二维视频数据在数据传输过程中需要较高的技术支持，因此需要移动通信网络具有较快的数据传输速率，以及较稳定的数据传输环境。
图1为本申请实施例的数据处理方法应用的系统架构示意图；如图1所示，系统可包括终端、接入网(基站)、移动边缘计算(MEC，Mobile Edge Computing)服务器、业务处理服务器、核心网和互联网(Internet)等；MEC服务器与业务处理服务器之间通过核心网建立高速通道以实现数据同步。
以图1所示的两个终端交互的应用场景为例，MEC服务器A为部署于靠近终端A(发送端，即第一终端)的MEC服务器(第一MEC服务器)，核心网A为终端A所在区域的核心网；相应的，MEC服务器B为部署于靠近终端B(接收端，即第二终端)的MEC服务器(第二MEC服务器)，核心网B为终端B所在区域的核心网；MEC服务器A和MEC服务器B可与业务处理服务器之间分别通过核心网A和核心网B建立高速通道以实现数据同步。
其中，终端A发送的三维视频数据传输到MEC服务器A后，由MEC服务器A通过核心网A将数据同步至业务处理服务器；再由MEC服务器B从业务处理服务器获取终端A发送的三维视频数据，并发送至终端B进行呈现。
这里，如果终端B与终端A通过同一个MEC服务器来实现传输，此时终端B和终端A直接通过一个MEC服务器实现三维视频数据的传输，不需要业务处理服务器的参与，这种方式称为本地回传方式。具体地，假设终端B与终端A通过MEC服务器A实现三维视频数据的传输，终端A发送的三维视频数据传输到MEC服务器A后，由MEC服务器A发送三维视频数据至终端B进行呈现。
这里，终端可基于网络情况、或者终端自身的配置情况、或者自身配置的算法选择接入4G网络的演进型基站(eNB)，或者接入5G网络的下一代演进型基站(gNB)，从而使得eNB通过长期演进(LTE，Long Term Evolution)接入网与MEC服务器连接，使得gNB通过下一代接入网(NG-RAN)与MEC服务器连接。
这里，MEC服务器部署于靠近终端或数据源头的网络边缘侧，所谓靠近终端或者靠近数据源头，不仅是逻辑位置上，还在地理位置上靠近终端或者靠近数据源头。区别于现有的移动通信网络中主要的业务处理服务器部署于几个大城市中，MEC服务器可在一个城市中部署多个。例如在某写字楼中，用户较多，则可在该写字楼附近部署一个MEC服务器。
其中，MEC服务器作为具有融合网络、计算、存储、应用核心能力的边缘计算网关，为边缘计算提供包括设备域、网络域、数据域和应用域的平台支撑。其联接各类智能设备和传感器，就近提供智能联接和数据处理业务，让不同类型的应用和数据在MEC服务器中进行处理，实现业务实时、业务智能、数据聚合与互操作、安全与隐私保护等关键智能服务，有效提升业务的智能决策效率。
下面结合附图及具体实施例对本申请作进一步详细的说明。其中，终端可以是例如手机、平板电脑等移动终端，也可以是电脑等类型的终端。
需要说明的是，本申请实施例是基于5G系统架构实现的数据处理方法。
本申请实施例提供了一种数据处理方法，如图2所示，该方法可以包括：
S101、从第一终端获取三维视频数据，第一终端通过接入网与第一MEC服务器进行通信。
本申请实施例提供的一种数据处理方法可以应用在第一MEC服务器(即MEC服务器)中。
在本申请实施例中，第一MEC是针对三维视频数据进行的数据处理，其中，本申请实施例中的三维视频数据是由深度信息和RGB信息组成的三维视频帧数据。
基于图1描述的系统架构，MEC是通过接入网与终端建立网络链路，实现通信的。在本申请实施例中，第一MEC服务器就可以通过接入网与第一终端进行通信。
需要说明的是，本申请实施例提供的数据处理方法是应用在5G系统架构下的三维视频数据的处理方法，因此，在本申请实施例中，接入网可以为gNB。
基于上述描述可知，第一MEC可以从第一终端出获取到待处理的三维视频数据，开始对该三维视频数据进行处理。
在本申请的一些实施例中，第一终端进行原始三维视频数据的采集，这样，第一MEC服务器就可以接收到第一终端发送的原始三维视频数据；第一MEC服务器可以对原始三维视频数据进行校验，得到校验成功的三维视频数据。也就是说，第一MEC服务器在接收到原始三维视频数据之后，可以对该原始三维视频数据做预处理(即上述的校验)，过滤得到去除重复、噪音、冗余等杂质的三维视频数据，即校验成功的三维视频数据。这样，第一MEC服务器获取到的三维视频数据就是有用的视频数据了。
需要说明的是，在本申请实施例中，原始三维视频数据的RGB信息可由RGB摄像头采集，原始三维视频数据的深度信息可通过结构光/飞行时间测距法(TOF，Time offlight)/双目摄像头等方式采集，本申请实施例不作限制。优选的，本申请实施例采用结构光来实现深度信息的采集。
此外，在本申请实施例中，第一终端是可以通过图像传感器采集到预设时间段内的深度信息-RGB图像信息的对应关系，从而得到的原始三维视频数据的。其中，预设时间段为时间很短的一个时间段，便于形成由三维图像形成的原始三维视频数据。例如，预设时间段为0-T1的时间段，T1为1秒。
可以理解的是，在本申请实施例中，由于预设时间段较短，因此，第一终端采集到的原始三维视频数据中的拍摄的目标对象可能是同一个，且变化较小的原始三维视频数据。对于一个较长的原始三维视频数据可以理解为由很多个预设时间段内的原始三维视频数据组成的。
S102、将三维视频数据输入至预设图像恢复模型，输出目标三维图像，预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型。
第一MEC服务器上可以建立有预设图像恢复模型，该预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型。这样，在第一MEC服务器在获取到了有用的三维视频数据之后，由于第一MEC服务器侧建立有预设图像恢复模型，于是，该第一MEC服务器就可以将三维视频数据输入至该预设图像恢复模型中，合成(恢复出)该三维视频数据中的目标对象的三维图像，即输出目标三维图像。
需要说明的是，本申请实施例中的目标三维图像是三维视频数据中在较短的预设时间段中的拍摄的目标对象是同一个，目标三维图像就是该目标对象的三维图像。本申请实施例是采用目标三维图像来验证第一MEC服务器接收到的三维视频数据是不是正确的，后续实施例中将会作说明。
示例性的，如图3所示，第一MEC服务器将三维视频数据1输入到预设图像恢复模型2中，得到了输出的目标对象(人像)对应的目标三维图像3。
进一步地，在本申请的一些实施例中，如图4所示，本申请实施例提供一种基于引入机器学习技术而形成一种预设图像恢复模型。在形成预设图像恢复模型的初期，仍然需要人工挑选尽可能多维度的特征(即样本视频数据的特征)供机器学习模型训练，根据特征对训练结果的区分度决定选用哪些特征擦描述，这里基本不存在人工干预选择参数的问题，机器学习可以自己学习出合适的参数来；由于特征含义相比没有意义的参数看来更为直观，结合特征的分布，解释起来也比较容易理解；首先基于机器学习模型的图像恢复，涉及到多个样本三维视频数据的综合考虑，提高了图像恢复的准确性。另外由于模型自身具有进化学习的功能。即使在允许范围发生更新或删减，通过简单的重新进行模型训练(有时候需要对特征进行微调)，即可以识别新的允许范围的确定并进行预设图像恢复模型的调整，使图像恢复结果准确。
机器学习技术在三维视频数据的应用可以自由的分享和传播，因为机器学习学习的样本全面且可以自我进化，不针对特定的三维视频数据，可以对任意的三维视频数据对象进行开基于机器学习模型的图像恢复。基于前述的实施例，第一MEC服务器建立预设图像恢复模型的过程可以包括：S1021-1023。如下：
S1021、按照预设的配置比例获取正样本和负样本，正样本为正样本三维视频数据与对应的正样本目标三维图像，负样本为负样本三维视频数据与对应的负样本目标三维图像。
这里，在实际操作的过程中，图像恢复为优(正样本)和图像恢复为差(负样本)会存在一定的比例，这个比例即为配置比例，在形成预设图像恢复模型时，第一MEC服务器对训练数据的配置(已有的样本和对应的图像恢复)也需要按照该配置比例进行设置。其中，正样本为正样本三维视频数据与对应的正样本目标三维图像，负样本为负样本三维视频数据与对应的负样本目标三维图像。
S1022、调用设置的训练模型处理正样本或负样本，得到训练结果。
需要说明的是，本申请实施例中的第一MEC服务器对正样本和负样本的训练原理相同。
可以理解的是，本申请实施例中的正样本和负样本涉及的允许范围越完整，后续的图像恢复结果是越准确的。
S1023、持续检测训练模型，直至训练结果满足预设条件，并将训练结果满足预设条件的训练模型作为预设图像恢复模型，预设条件用于表征根据预设图像恢复模型得到的图像恢复结果运用于第一MEC服务器中的三维视频数据的图像恢复时，最接近真实的图像恢复场景。
在本申请实施例中，不管采用何种训练模型，在开始训练之时，该训练模型的录入包括上述至少两个维度的特征，经过多次试验如果该特征不对训练结果产生有利影响或者错误的时候，就降低该维度的特征或数据的权重，如果该特征对训练结果产生有利影响时候，就提高该特征或数据的权重，如果一个参数的权重降低为0，那么在训练模型中该特征将不起任何作用了。经过本申请实施例的最终试验，上述不同的维度的特征最终对训练结果能够产生积极影响的是长期特征。上述的预设图像恢复模型的形成过程大致包括：将正样本或负样本的对应的三维视频数据从至少两个维度提取特征输入至训练模型(即调用训练模型)，从训练模型获得训练结果；持续监测训练结果直至满足预设条件时，则将训练模型作为预设图像恢复模型。
可选的，本申请实施例中的预设条件可以为图像恢复结果的准确率达到预设阈值，该预设阈值可以为99％，具体的预设阈值的确定可设置，本申请实施例不作限制，但是，预设阈值设置的越高，达到该预设阈值或预设条件的图像恢复结果的预设图像恢复模型就越精确。
从以上流程可以看出，1)本申请实施例采用了基于图像恢复方式，能够有效得到反映第一MEC服务器上的三维视频数据中的目标对象的目标三维图像的恢复，实现对基于目标三维图像对三维视频数据的正确性进行验证；2)本申请实施例采用的预设图像恢复模型的一个显著特点是模型可以自我进化，自动进行特征权值的调整，避免基于规则的人工频繁介入调整参数。
可以理解的是，在本申请实施例中，第一MEC服务器使用接收到的三维视频数据作为主要数据源，模型构造过程简单易行，不需要使用各种复杂的编码、聚类、筛选手段进行复杂的构造和处理，大大降低了数据处理的工作量，使得预设图像恢复模型简单可用。
S103、验证目标三维图像恢复的恢复结果。
第一MEC服务器在得到了三维视频数据中拍摄的目标对象的目标三维图像之后，该第一MEC服务器就可以根据恢复的目标三维图像，去向第一终端验证是否三维视频数据在传输过程中没有发生传输错误的情况，从而得到第一终端反馈的恢复结果(即图像恢复结果)。
在本申请实施例中，恢复结果可以包括：图像恢复正确和图像恢复失败。那么，第一MEC服务器后面就可以根据恢复结果，确定三维视频数据的传输是否正确后，再进行后续的数据传输。
需要说明的是，具体的第一MEC服务器验证目标三维图像恢复，得到恢复结果的过程将在后面的实施例中进行详细的描述。
S104、当恢复结果为图像恢复正确时，将三维视频数据同步至业务处理服务器。
在本申请实施例中，恢复结果可以包括：图像恢复正确和图像恢复失败，因此，当恢复结果为图像恢复正确时，表征第一MEC服务器此时接收到的三维视频数据是传输正确的，于是，该第一MEC服务器将传输正确的三维视频数据同步至业务处理服务器，由该业务处理服务器对三维视频数据进行传输处理，实现三维视频类业务功能，本申请实施例不限制三维视频类业务功能。例如，直播功能(演唱会或者球赛等)，生物特征识别、支付，验证等功能。
需要说明的是，在本申请实施例中，第一终端采集的原始三维视频数据是可以在不同的应用场景下产生的，对应的三维视频数据是在不同的应用场景下产生的。例如，第一终端在进行直播的时候，采集主播的三维视频数据，通过第一MEC服务器的处理，传输到直播业务对应的业务处理服务器的场景，或者第一终端在进行某类应用的验证、支付或识别等过程时，采用摄像头采集使用者的三维视频数据进行验证、支付或识别，通过第一MEC服务器的处理，传输到验证、支付或识别业务对应的业务处理服务器的场景。这样，业务处理服务器为三维视频类业务功能对应的后台处理服务器。
在本申请的一些实施例中，第一MEC服务器可以对三维视频数据进行压缩，得到第一压缩三维视频数据；从而将第一压缩三维视频数据同步至业务处理服务器。
可以理解的是，由于三维视频数据的数据量比较大，因此，在第一MEC服务器传输三维视频数据的时候，可以将三维视频数据进行压缩，得到第一压缩三维视频数据，从而减少传输的数据量，只需传输第一压缩三维视频数据即可。
需要说明的是，本申请实施例中采用的数据压缩的方式需要保证一定的图像质量或画质，不能一味的压缩。本申请实施例不限定具体的数据压缩方式。
进一步地，在本申请实施例中，当恢复结果为图像恢复失败时，表征三维视频数据在传输过程中是发生错误的，因此，该三维视频数据不是有效或游泳的三维视频数据，该第一MEC服务器丢弃掉该三维视频数据，可以再次去第一终端重新获取新的三维视频数据，以实现三维视频类业务功能。
进一步地，在本申请实施例中，第一MEC服务器将三维视频数据发送至业务处理服务器的过程可以是基于图1的系统架构中，第一MEC服务器通过EPC传输至业务处理服务器的，本申请实施例不限制第一MEC服务器与业务处理服务器的传输方式，以实际部分和部署的情况来决定。
可以理解的是，由于第一MEC服务器可以与第一终端进行通信，第一MEC服务器需要对接收的三维视频数据进行验证，验证数据正确才进行传输，这样传输出去的数据一定是正确的数据，并且在第一MEC服务器上进行第一终端获取的三维视频数据的处理和传输时的处理速度快，这样，避免了由第一终端进行长距离传输时丢包的问题和计算量较大传输慢的问题，从而提高了进行数据传输过程中的正确率和传输效率。
基于上述描述，第一MEC服务器验证目标三维图像恢复的恢复结果的过程可以包括：S1031-S1035。如下：
S1031、从目标三维图像中提取对应的特征信息。
第一MEC服务器在获取了目标对象的目标三维图像之后，该第一MEC服务器可以对目标三维图像进行特征提取，得到特征信息。
在本申请实施例中，特征信息是用于描述目标对象的特征的参数，也称为特征描述子；基于不同的需求和侧重，本申请实施例可以相应选取，为了提稳定性可以组合使用，特征提取的方式可以包括：尺度不变特征变换(SIFT，Scale-invariant featuretransform)特征、方向梯度直方图(HOG，Histogram of Oriented Gradient)特征或者加速稳健特征(SURF，Speeded Up Robust Features)中的至少一项。
需要说明的是，特征是某一类对象区别于其他类对象的相应(本质)特点或特性，或是这些特点和特性的集合。特征是通过测量或处理能够抽取的数据。对于图像而言，每一幅图像都具有能够区别于其他类图像的自身特征，有些是可以直观地感受到的自然特征，如亮度、边缘、纹理和色彩等；有些则是需要通过变换或处理才能得到的，如矩、直方图以及主成份等。本申请实施例中对于目标三维图像的特征的提取，可以通过一些简单的区域描绘子，直方图及其统计特征，以及灰度共现矩阵等方式体现。
下面将以目标三维图像的特征信息为HOG特征值(也称为HOG数据特征)进行举例，HOG特征原理：HOG的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。通过将整幅图像分割成小的连接区域(称为cells)，每个cell生成一个方向梯度直方图或者cell中pixel的边缘方向，这些直方图的组合可表示出(所检测目标对象)描述子。为改善准确率，局部直方图可以通过计算图像中一个较大区域(称为block)的光强作为measure被对比标准化，然后用这个值(measure)归一化这个block中的所有cells.这个归一化过程完成了更好的照射/阴影不变性。
与其他描述子相比，HOG得到的描述子保持了几何和光学转化不变性(除非物体方向改变)。因此，HOG描述子尤其适合人脸的检测。具体的，HOG特征提取方法就是将一个image进行了下面的过程：1、灰度化(将图像看做一个x，y，z(灰度)的三维图像)；2、划分成小cells(2*2)；3、计算每个cell中每个pixel的gradient(即orientation)；4、统计每个cell的梯度直方图(不同梯度的个数)，即可形成每个cell的descriptor。
需要说明的是，在本申请实施例中，可以通过梯度下降法计算权重偏差量。总之，对给定的目标三维图像，在这些特征关键点位置上计算一些信息罗列成为一个向量，即为提取特征信息，然后将特征信息进行回归，即对向量的每一个数值进行组合，最后得到关键点距离真解的偏移量。其中，提取特征信息的方法有很多，包括：随机森林，sift等，用这些提取出的第一特征可以表达出目标三维图像在当前关键点位置的特点。
S1032、将特征信息发送至第一终端，进行特征验证。
第一MEC服务区从目标三维图像中提取对应的特征信息之后，该第一MEC服务区可以将提取出来的特征信息发送到第一终端中，该第一终端可以将采集的原始三维视频数据的目标对象的三维图像也进行特征信息提取，并将自己提取的特征信息和第一MEC服务器发送过来的特征信息进行对比，实现特征验证，并将特征验证的结果反馈回第一MEC服务器。
这里，第一终端进行特征验证后，若第一终端自己提取的特征信息与第一MEC服务器发送的特征信息匹配或一致，则得到的特征验证结果为成功；若第一终端自己提取的特征信息与第一MEC服务器发送的特征信息不匹配或不一致，则得到的特征验证结果为失败。
需要说明的是，在本申请实施例中，第一终端与第一MEC服务器之间的信息或数据的交互都是通过接入网来实现的。
S1033、接收第一终端针对特征信息反馈的特征验证结果。
S1034、当特征验证结果为成功时，表征特征信息对应的目标三维图像的恢复结果为图像恢复正确。
S1035、当特征验证结果为失败时，表征特征信息对应的目标三维图像的恢复结果为图像恢复失败。
第一终端在接收到第一MEC服务器的特征信息，进行特征验证之后，将特征验证结果发送给第一MEC服务器，这样，第一MEC服务器就可以接收到了第一终端针对特征信息反馈的特征验证结果了。那么，当特征验证结果为成功时，表征特征信息对应的目标三维图像的恢复结果为图像恢复正确。当特征验证结果为失败时，表征特征信息对应的目标三维图像的恢复结果为图像恢复失败。这样，第一MEC服务器就验证完得到了目标三维图像的图像恢复结果了。
示例性的，基于图1的系统架构，MEC服务器A从中提炼出特征值(小数据量的特征信息)，称之为mask-1(特征信息)，将mask-1反馈回给终端A，终端A本地通过算法进行简单的特征比对，确认mask-1的有效性(即特征验证结果)，并反馈ACK给MEC服务器A，于是，MEC服务器A收到之后，发现验证成功，图像恢复成功，就开始对三维视频数据进行压缩打包，通过EPC网络，通过业务处理服务器同步或者传输到对终端B(第二终端)的MEC服务器B，整个链路上的传输过程完成。
可以理解的是，由于第一MEC服务器进行传输来的三维视频数据的验证过程，使得第一MEC服务器通过EPC同步或传输到业务处理服务器的数据是有用的数据，从而提高了数据处理的效率和成功率。
基于描述的是第一MEC服务器从第一终端获取三维视频数据，并进行数据传输的过程，那么，对于第一MEC服务器来说，该第一MEC服务器也是可以从业务处理服务器中获取压缩视频数据的过程的。也就是说，在端对端的通信过程中，第一终端和第二终端中进行三维视频数据的传输过程是通过业务处理服务器进行同步和传输的，第一MEC服务器发送三维视频数据至业务处理服务器的过程和第二MEC服务器发送由第二终端获取的三维视频数据的过程原理是一致的，那么，当第二MEC服务器将第二终端获取的三维数据经过上面描述的验证和压缩之后，第二MEC服务器是将得到的第二压缩三维视频数据传输到业务处理服务器，这时，当第一终端需要该业务处理服务器获取同步的三维视频数据时，该业务处理服务器就会将第二MEC服务器传输过来的数据通过第一MEC服务器发送给第一终端，即如图5所示，本申请实施例提供的一种数据处理方法还可以包括：S201-203。如下：
S201、接收业务处理服务器发送的第二压缩三维视频数据，第二压缩三维视频数据是由第二终端通过第二MEC服务器压缩后发送给业务处理服务器的；
S202、对第二压缩三维视频数据进行解压，得到解压三维视频数据；
S203、将解压三维视频数据发送至第一终端进行呈现。
在第一MEC服务器接收到第二MEC服务器同步到业务处理服务器上的第二压缩三维视频数据之后，由于第二压缩三维视频数据为了便于传输是压缩后的数据，那么，在第一MEC服务器接收到该第二压缩三维视频数据之后，为了减轻第一终端上的数据处理工作量，于是，该第一MEC服务器就将第二压缩三维视频数据在自己端进行了解压缩处理，从而得到了解压三维视频数据，这样，第一MEC服务器就可以将解压三维视频数据通过接入网发送给第一终端了，该第一终端上就可以通过显示装置显示该解压三维视频数据了，即呈现解压三维视频数据。
示例性的，主播B在手机B(第二终端)上的直播应用进行直播，采集到了原始三维视频数据，手机B将原始三维视频数据传输到第二MEC服务器，由第二MEC服务器按照数据处理流程对原始三维视频数据进行处理，得到第二压缩三维视频数据，并将该第二压缩三维视频数据同步到业务处理服务器，这时，手机A打开相同的直播应用想要进行三维视频数据的接收的时候，第一MEC服务器就可以从业务处理服务器中获取到第二压缩三维视频数据了，经过处理后再传送给手机A，显示主播B的直播视频(即解压三维视频数据)。
进一步地，如图6所示，第一MEC服务器在接收业务处理服务器发送的第二压缩三维视频数据之前，还可以先进行身份验证，再实现数据的传输，即S204-S205。
S204、获取由第一终端发送的生物特征信息。
S205、根据生物特征信息进行远程认证。
在本申请实施例中，为了保证数据被接收的安全性，需要在接收数据端进行远程认证，通过远程认证后再进行数据的传输。这样，第一终端想要从业务处理服务器中获取第二终端上直播的三维视频数据时，第一MEC服务器需要先从第一终端处获取由该第一终端采集的生物特征信息，采用生物特征信息进行远程认证，若验证成功，再进行后续数据的传输处理。
在本申请的一些实施例中，第一MEC服务区可以将生物特征信息发送至业务处理服务器进行远程认证来实现，本申请实施例不限制远程认证的具体实现过程。
在本申请实施例中，生物特征信息可以包括：指纹、掌纹、虹膜、面部表情、声纹、皮肤、人脸特征和人体骨骼等。本申请实施例中的生物特征信息还可以包括：运动生物特征信息，该运动生物特征信息用于表征待识别对象的运动时的体态或形态，例如，人的步态信息和体态信息等，本申请实施例不作限制。其中，步态信息为行走或移动时的步伐特征，体态信息为行走或移动时的形体特征。这里，由于两个不同待识别对象拥有相同生物特征的几率极低，因此，采用生物特征信息进行身份识别或验证的安全性能较高。
在本申请实施例中，远程认证的方式除了生物特征验证之外，还可以采用文字密码或者其他验证方式，本申请实施例不作限制。
相应的，基于S204-S205的实现，S201相应的处理过程为：
S201、当接收远程认证的结果为验证成功时，接收业务处理服务器发送的第二压缩三维视频数据。
在本申请实施例中，在S204-S205的实现基础上，第一MEC服务器接收远程认证的结果为验证成功时，才可以接收业务处理服务器发送的第二压缩三维视频数据，进而进行后续的数据处理流程。而当接收远程认证的结果为验证失败时，禁止向第一MEC服务器发送第二压缩三维视频数据。
可以理解的是，本申请实施例提供的一种数据处理方法可以在第一MEC服务器接收数据的时候进行远程认证，只有验证成功才可以接收数据，提高了数据被接收的安全性。
需要说明的是，在本申请实施例中，业务处理服务器和MEC服务器之间传输的所有数据是经过加密处理的，以提高数据传输过程中的安全性。
在本申请的一些实施例中，第一终端和第一MEC服务器之间传输的所有数据也可以是经过加密处理的；或者，第二终端和第二MEC服务器之间传输的所有数据是经过加密处理的。这样，在本申请实施例中，凡是涉及到数据传输的过程都是加密处理后进行的，这样可以更进一步提高数据传输的安全性。其中，加密方式可以为MD5等，本申请实施例不限制加密方式。
进一步地，在本申请实施例中，第一MEC服务器在发送了第一压缩三维视频数据至业务处理服务器之后，当第二终端想通过从业务处理服务器实现三维视频类业务功能时，该第二MEC服务器就可以按照第一MEC服务器实现S201-S205的过程获取到第一压缩三维视频数据解压后的解压三维视频数据，从而将解压三维视频数据再通过接入网传输至第二终端，在第二终端上呈现该解压三维视频数据了。
如图7所示，下面以第一终端和第二终端的三维视频数据交互为例，介绍本申请实施例提供的数据处理方法的过程。如下：
S301、第一终端通过采集组件采集原始三维视频数据。
S302、第一终端将原始三维视频数据通过第一接入网发送至第一MEC服务器。
S303、第一MEC服务器对原始三维视频数据进行校验，得到校验成功的三维视频数据。
S304、第一MEC服务器将三维视频数据输入至预设图像恢复模型，输出目标三维图像，预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型。
S305、第一MEC服务器验证目标三维图像恢复的恢复结果。
S306、当恢复结果为图像恢复正确时，第一MEC服务器将三维视频数据通过与第一终端对应的第一核心网同步至业务处理服务器。
S307、第二终端采集生物特征信息。
S308、第二终端通过第二接入网发送生物特征信息至第二MEC服务器。
S309、第二MEC服务器将生物特征信息发送至业务处理服务器进行远程认证。
S310、业务处理服务器将生物特征信息与预设生物特征信息进行对比，得到远程认证的结果。
S311、当远程认证的结果为验证成功时，业务处理服务器发送第一压缩三维视频数据至第二MEC服务器。
S312、第二MEC服务器对第一压缩三维视频数据进行解压，得到解压三维视频数据。
S313、第二MEC服务器将解压三维视频数据发送至第二终端。
S314、第二终端显示解压三维视频数据。
可以理解的是，由于第一MEC服务器可以与第一终端进行通信，第一MEC服务器需要对接收的三维视频数据进行验证，验证数据正确才进行传输，这样传输出去的数据一定是正确的数据，并且在第一MEC服务器上进行第一终端获取的三维视频数据的处理和传输时的处理速度快，这样，避免了由第一终端进行长距离传输时丢包的问题和计算量较大传输慢的问题，从而提高了进行数据传输过程中的正确率和传输效率。
基于上述提出的一种数据处理方法的同一发明构思，如图8所示，本申请实施例提供了一种第一MEC服务器1，该第一MEC服务器1可以包括：
获取单元10，用于从第一终端获取三维视频数据，所述第一终端通过接入网与所述第一MEC服务器进行通信；
模型处理单元11，用于将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像，所述预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型；
验证单元12，用于验证所述目标三维图像恢复的恢复结果；
发送单元13，用于当所述恢复结果为图像恢复正确时，将所述三维视频数据同步至业务处理服务器。
在本申请的一些实施例中，所述第一MEC服务器1还包括：接收单元14。
所述接收单元14，用于接收所述第一终端发送的原始三维视频数据；
所述获取单元10，具体用于对所述原始三维视频数据进行校验，得到校验成功的所述三维视频数据。
在本申请的一些实施例中，所述第一MEC服务器1还包括：压缩单元15。
所述压缩单元15，用于对所述三维视频数据进行压缩，得到第一压缩三维视频数据；
所述发送单元13，具体用于将所述第一压缩三维视频数据发送至所述业务处理服务器。
在本申请的一些实施例中，所述恢复结果包括：所述图像恢复正确和图像恢复失败；所述第一MEC服务器1还包括：接收单元14。
所述验证单元12，具体用于从目标三维图像中提取对应的特征信息；
所述发送单元13，还用于将所述特征信息发送至所述第一终端，进行特征验证；
所述接收单元14，用于接收所述第一终端针对所述特征信息反馈的特征验证结果；
所述验证单元12，还具体用于当所述特征验证结果为成功时，表征所述特征信息对应的所述目标三维图像的恢复结果为所述图像恢复正确；以及当所述特征验证结果为失败时，表征所述特征信息对应的所述目标三维图像的恢复结果为所述图像恢复失败。
在本申请的一些实施例中，所述第一MEC服务器1还包括：接收单元14和解压缩单元16。
所述接收单元14，用于接收所述业务处理服务器发送的第二压缩三维视频数据，所述第二压缩三维视频数据是由所述第二终端通过第二MEC服务器压缩后发送给所述业务处理服务器的；
所述解压缩单元16，用于对所述第二压缩三维视频数据进行解压，得到解压三维视频数据；
所述发送单元13，还用于将所述解压三维视频数据发送至所述第一终端进行呈现。
在本申请的一些实施例中，所述获取单元10，还用于所述接收所述业务处理服务器发送的第二压缩三维视频数据之前，获取由所述第一终端发送的生物特征信息；
所述验证单元12，还用于根据所述生物特征信息进行远程认证；
所述接收单元14，具体用于当接收远程认证的结果为验证成功时，接收所述业务处理服务器发送的所述第二压缩三维视频数据。
在本申请的一些实施例中，所述第一MEC服务器1还包括：建立单元17。
所述建立单元17，用于所述将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像之前，建立所述预设图像恢复模型。
在本申请的一些实施例中，业务处理服务器和MEC服务器之间传输的数据是经过加密处理的。
在实际应用中，上述获取单元10、模型处理单元11、验证单元12、压缩单元15、解压缩单元16和建立单元17可由第一MEC服务器上的处理器18实现，具体可以为中央处理器(CPU，Central Processing Unit)、微处理器(MPU，Microprocessor Unit)、数字信号处理器(DSP，Digital Signal Processing)或现场可编程门阵列(FPGA，Field ProgrammableGate Array)等；接收单元14和发送单元13可由通信接口19实现，第一MEC服务器还包括存储介质110。其中，该存储介质110和通信接口19可通过通信总线111与处理器18进行通信。
因此，如图9所示，本申请实施例还提供了一种第一MEC服务器，包括：
处理器18、存储有所述处理器18可执行指令的存储介质110，以及通信接口19，所述存储介质110、所述通信接口19通过通信总线111依赖所述处理器18执行操作，所述可执行指令被所述处理器18执行上述数据处理方法。
其中，存储介质包括：磁性随机存取存储器(ferromagnetic random accessmemory，FRAM)、只读存储器(Read Only Memory，ROM)、可编程只读存储器(ProgrammableRead-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，EEPROM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等各种可以存储程序代码的介质，本申请实施例不作限制。
同时，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行上述数据处理方法。
可以理解的是，由于第一MEC服务器可以与第一终端进行通信，第一MEC服务器需要对接收的三维视频数据进行验证，验证数据正确才进行传输，这样传输出去的数据一定是正确的数据，并且在第一MEC服务器上进行第一终端获取的三维视频数据的处理和传输时的处理速度快，这样，避免了由第一终端进行长距离传输时丢包的问题和计算量较大传输慢的问题，从而提高了进行数据传输过程中的正确率和传输效率。
以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。
Claims (18)
1.一种数据处理方法，其特征在于，应用于第一移动边缘计算MEC服务器中，包括：
从第一终端获取三维视频数据，所述第一终端通过接入网与所述第一MEC服务器进行通信；
将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像，所述预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型；
验证所述目标三维图像恢复的恢复结果；
当所述恢复结果为图像恢复正确时，将所述三维视频数据同步至业务处理服务器。
2.根据权利要求1所述的方法，其特征在于，所述从第一终端获取三维视频数据，包括：
接收所述第一终端发送的原始三维视频数据；
对所述原始三维视频数据进行校验，得到校验成功的所述三维视频数据。
3.根据权利要求1所述的方法，其特征在于，所述将所述三维视频数据同步至业务处理服务器，包括：
对所述三维视频数据进行压缩，得到第一压缩三维视频数据；
将所述第一压缩三维视频数据发送至所述业务处理服务器。
4.根据权利要求1所述的方法，其特征在于，所述恢复结果包括：所述图像恢复正确和图像恢复失败，所述验证所述目标三维图像恢复的恢复结果，包括：
从目标三维图像中提取对应的特征信息；
将所述特征信息发送至所述第一终端，进行特征验证；
接收所述第一终端针对所述特征信息反馈的特征验证结果；
当所述特征验证结果为成功时，表征所述特征信息对应的所述目标三维图像的恢复结果为所述图像恢复正确；
当所述特征验证结果为失败时，表征所述特征信息对应的所述目标三维图像的恢复结果为所述图像恢复失败。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收所述业务处理服务器发送的第二压缩三维视频数据，所述第二压缩三维视频数据是由所述第二终端通过第二MEC服务器压缩后发送给所述业务处理服务器的；
对所述第二压缩三维视频数据进行解压，得到解压三维视频数据；
将所述解压三维视频数据发送至所述第一终端进行呈现。
6.根据权利要求5所述的方法，其特征在于，所述接收所述业务处理服务器发送的第二压缩三维视频数据之前，所述方法还包括：
获取由所述第一终端发送的生物特征信息；
根据所述生物特征信息进行远程认证。
相应的，所述接收所述业务处理服务器发送的第二压缩三维视频数据，包括：
当接收远程认证的结果为验证成功时，接收所述业务处理服务器发送的所述第二压缩三维视频数据。
7.根据权利要求1所述的方法，其特征在于，所述将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像之前，所述方法还包括：
建立所述预设图像恢复模型。
8.根据权利要求1至7任一项所述的方法，其特征在于，
业务处理服务器和MEC服务器之间传输的数据是经过加密处理的。
9.一种第一移动边缘计算MEC服务器，其特征在于，包括：
获取单元，用于从第一终端获取三维视频数据，所述第一终端通过接入网与所述第一MEC服务器进行通信；
模型处理单元，用于将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像，所述预设图像恢复模型为训练出的对三维视频数据对应的目标对象进行图像恢复的模型；
验证单元，用于验证所述目标三维图像恢复的恢复结果；
发送单元，用于当所述恢复结果为图像恢复正确时，将所述三维视频数据同步至业务处理服务器。
10.根据权利要求9所述的第一MEC服务器，其特征在于，所述第一MEC服务器还包括：接收单元；
所述接收单元，用于接收所述第一终端发送的原始三维视频数据；
所述获取单元，具体用于对所述原始三维视频数据进行校验，得到校验成功的所述三维视频数据。
11.根据权利要求9所述的第一MEC服务器，其特征在于，所述第一MEC服务器还包括：压缩单元；
所述压缩单元，用于对所述三维视频数据进行压缩，得到第一压缩三维视频数据；
所述发送单元，具体用于将所述第一压缩三维视频数据发送至所述业务处理服务器。
12.根据权利要求9所述的第一MEC服务器，其特征在于，所述恢复结果包括：所述图像恢复正确和图像恢复失败；所述第一MEC服务器还包括：接收单元；
所述验证单元，具体用于从目标三维图像中提取对应的特征信息；
所述发送单元，还用于将所述特征信息发送至所述第一终端，进行特征验证；
所述接收单元，用于接收所述第一终端针对所述特征信息反馈的特征验证结果；
所述验证单元，还具体用于当所述特征验证结果为成功时，表征所述特征信息对应的所述目标三维图像的恢复结果为所述图像恢复正确；以及当所述特征验证结果为失败时，表征所述特征信息对应的所述目标三维图像的恢复结果为所述图像恢复失败。
13.根据权利要求9所述的第一MEC服务器，其特征在于，所述第一MEC服务器还包括：接收单元和解压缩单元；
所述接收单元，用于接收所述业务处理服务器发送的第二压缩三维视频数据，所述第二压缩三维视频数据是由所述第二终端通过第二MEC服务器压缩后发送给所述业务处理服务器的；
所述解压缩单元，用于对所述第二压缩三维视频数据进行解压，得到解压三维视频数据；
所述发送单元，还用于将所述解压三维视频数据发送至所述第一终端进行呈现。
14.根据权利要求13所述的第一MEC服务器，其特征在于，
所述获取单元，还用于所述接收所述业务处理服务器发送的第二压缩三维视频数据之前，获取由所述第一终端发送的生物特征信息；
所述验证单元，还用于根据所述生物特征信息进行远程认证；
所述接收单元，具体用于当接收远程认证的结果为验证成功时，接收所述业务处理服务器发送的所述第二压缩三维视频数据。
15.根据权利要求9所述的第一MEC服务器，其特征在于，所述第一MEC服务器还包括：建立单元；
所述建立单元，用于所述将所述三维视频数据输入至所述预设图像恢复模型，输出目标三维图像之前，建立所述预设图像恢复模型。
16.根据权利要求9至15所述的第一MEC服务器，其特征在于，
业务处理服务器和MEC服务器之间传输的数据是经过加密处理的。
17.一种第一移动边缘计算MEC服务器，其特征在于，
处理器、存储有所述处理器可执行指令的存储介质，以及通信接口，所述存储介质、所述通信接口通过通信总线依赖所述处理器执行操作，所述可执行指令被所述处理器执行如权利要求1至8任一项所述的方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行如权利要求1至8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810445193.XA CN108683901B (zh) | 2018-05-10 | 2018-05-10 | 一种数据处理方法、mec服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810445193.XA CN108683901B (zh) | 2018-05-10 | 2018-05-10 | 一种数据处理方法、mec服务器及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108683901A true CN108683901A (zh) | 2018-10-19 |
| CN108683901B CN108683901B (zh) | 2020-11-03 |
Family
ID=63805434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810445193.XA Active CN108683901B (zh) | 2018-05-10 | 2018-05-10 | 一种数据处理方法、mec服务器及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108683901B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022012429A1 (zh) * | 2020-07-13 | 2022-01-20 | 华为技术有限公司 | 用于实现终端验证的方法、装置、系统、设备及存储介质 |
| CN114499796A (zh) * | 2020-11-12 | 2022-05-13 | 大唐移动通信设备有限公司 | 一种数据传输方法、装置及设备 |
| CN115766489A (zh) * | 2022-12-23 | 2023-03-07 | 中国联合网络通信集团有限公司 | 数据处理设备、方法及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1301116A (zh) * | 1999-12-22 | 2001-06-27 | 杨振里 | 一种单屏立体电视系统的实现方法 |
| CN101409813A (zh) * | 2007-10-08 | 2009-04-15 | 陈诚 | 防止和识别图像篡改的图像编码方法 |
| CN101478697A (zh) * | 2009-01-20 | 2009-07-08 | 中国测绘科学研究院 | 影像有损压缩质量评价方法 |
| CN102164265A (zh) * | 2011-05-23 | 2011-08-24 | 宇龙计算机通信科技(深圳)有限公司 | 一种三维视频通话的方法及系统 |
| CN105122370A (zh) * | 2013-04-05 | 2015-12-02 | 微软技术许可有限责任公司 | 对按照容器格式的媒体文件进行的知晓语法的操纵 |
| CN105578199A (zh) * | 2016-02-22 | 2016-05-11 | 北京佰才邦技术有限公司 | 虚拟现实全景多媒体处理系统、方法及客户端设备 |
-
2018
- 2018-05-10 CN CN201810445193.XA patent/CN108683901B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1301116A (zh) * | 1999-12-22 | 2001-06-27 | 杨振里 | 一种单屏立体电视系统的实现方法 |
| CN101409813A (zh) * | 2007-10-08 | 2009-04-15 | 陈诚 | 防止和识别图像篡改的图像编码方法 |
| CN101478697A (zh) * | 2009-01-20 | 2009-07-08 | 中国测绘科学研究院 | 影像有损压缩质量评价方法 |
| CN102164265A (zh) * | 2011-05-23 | 2011-08-24 | 宇龙计算机通信科技(深圳)有限公司 | 一种三维视频通话的方法及系统 |
| CN105122370A (zh) * | 2013-04-05 | 2015-12-02 | 微软技术许可有限责任公司 | 对按照容器格式的媒体文件进行的知晓语法的操纵 |
| CN105578199A (zh) * | 2016-02-22 | 2016-05-11 | 北京佰才邦技术有限公司 | 虚拟现实全景多媒体处理系统、方法及客户端设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022012429A1 (zh) * | 2020-07-13 | 2022-01-20 | 华为技术有限公司 | 用于实现终端验证的方法、装置、系统、设备及存储介质 |
| CN114499796A (zh) * | 2020-11-12 | 2022-05-13 | 大唐移动通信设备有限公司 | 一种数据传输方法、装置及设备 |
| CN115766489A (zh) * | 2022-12-23 | 2023-03-07 | 中国联合网络通信集团有限公司 | 数据处理设备、方法及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108683901B (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111479112B (zh) | 一种视频编码方法、装置、设备和存储介质 | |
| TWI756687B (zh) | 防止隱私資料洩漏的編碼模型訓練方法及裝置 | |
| CN109446981B (zh) | 一种脸部活体检测、身份认证方法及装置 | |
| CN109492536B (zh) | 一种基于5g架构的人脸识别方法及系统 | |
| CN111738735B (zh) | 一种图像数据处理方法、装置和相关设备 | |
| CN108683901A (zh) | 一种数据处理方法、mec服务器及计算机可读存储介质 | |
| CN111768336A (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 | |
| CN111368943A (zh) | 图像中对象的识别方法和装置、存储介质及电子装置 | |
| CN113763296A (zh) | 图像处理方法、设备以及介质 | |
| CN111898484A (zh) | 生成模型的方法、装置、可读存储介质及电子设备 | |
| CN114529765A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
| CN115424056A (zh) | 模型训练方法和装置、图像分类方法、设备和介质 | |
| CN113762034A (zh) | 视频分类方法和装置、存储介质及电子设备 | |
| CN109886084A (zh) | 基于陀螺仪的人脸认证方法、电子设备及存储介质 | |
| CN113989870A (zh) | 一种活体检测方法、门锁系统及电子设备 | |
| CN111461091B (zh) | 万能指纹生成方法和装置、存储介质及电子装置 | |
| CN114792284A (zh) | 形象切换方法和装置、存储介质及电子设备 | |
| CN115708135A (zh) | 人脸识别模型的处理方法、人脸识别方法及装置 | |
| CN115082873A (zh) | 基于通路融合的图像识别方法、装置及存储介质 | |
| CN116912639B (zh) | 图像生成模型的训练方法和装置、存储介质及电子设备 | |
| CN113033307B (zh) | 对象的匹配方法、装置、存储介质及电子装置 | |
| CN114448952B (zh) | 流媒体数据的传输方法和装置、存储介质及电子设备 | |
| CN112329606B (zh) | 一种活体检测方法、装置、电子设备及可读存储介质 | |
| CN116778534B (zh) | 图像处理方法、装置、设备和介质 | |
| US20230022561A1 (en) | Method and system for authenticating a user |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |