CN109040839A - 智慧视频结构化方法及装置 - Google Patents
智慧视频结构化方法及装置 Download PDFInfo
- Publication number
- CN109040839A CN109040839A CN201810957706.5A CN201810957706A CN109040839A CN 109040839 A CN109040839 A CN 109040839A CN 201810957706 A CN201810957706 A CN 201810957706A CN 109040839 A CN109040839 A CN 109040839A
- Authority
- CN
- China
- Prior art keywords
- video
- structured image
- camera
- wisdom
- server
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 17
- 230000006835 compression Effects 0.000 claims description 15
- 238000007906 compression Methods 0.000 claims description 15
- 230000006837 decompression Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 13
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
- H04N21/4341—Demultiplexing of audio and video streams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client
- H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
- H04N21/643—Communication protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/854—Content authoring
- H04N21/85406—Content authoring involving a specific file format, e.g. MP4 format
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供了一种智慧视频结构化方法及装置，应用于嵌入式设备，涉及视频结构化的技术领域，通过获取摄像机采集的视频流，摄像机包括模拟摄像机；对视频流进行智慧视频结构化分析，获得结构化图像；将结构化图像传输至服务器。该方法通过嵌入式直连模拟摄像机可做低延迟快速计算，对网络摄像机采集的视频流进行视频解码，再进行结构化分析，可以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题，解决了服务器或设备处理大量摄像视频存在大量排队的现象，减少服务器处理压力，节约服务器成本。
Description
技术领域
本发明涉及视频结构化技术领域，尤其是涉及一种智慧视频结构化方法及装置。
背景技术
现在监控设备无处不在，整个监控系统正在向智能化发展，摄像机采集到海量视频数据，对视频传出速度提出更高的要求。目前，服务器对视频进行智慧视频结构化需要大量带宽将摄像机的视频传到服务器上，带宽成本高。视频压缩然后传输到服务器有一定延时，并且服务器处理大量视频通常存在大量排队，最终结果实时性难以保证。
传统安防行业摄像机视频存量巨大，很长一段时间智慧视频结构化服务器或设备都是紧缺的，如何让数量有限的服务器或设备处理更多的摄像机视频有着巨大的现实价值。因此，传统视频结构化服务器在处理海量数据时存在数据传输延迟的问题，难以保证实时性。
发明内容
有鉴于此，本发明的目的在于提供一种智慧视频结构化方法及装置，以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题，解决了服务器或设备处理大量摄像视频存在大量排队的现象，减少服务器处理压力，节约服务器成本。
第一方面，本发明实施例提供了一种智慧视频结构化方法，所述方法应用于嵌入式设备，包括：
获取摄像机采集的视频流，所述摄像机包括模拟摄像机；
对所述视频流进行智慧视频结构化分析，获得结构化图像；
将所述结构化图像传输至服务器。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述模拟摄像机包括：SDI视频输入摄像机和BNC视频输入摄像机。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述摄像机还包括网络摄像机；
在对所述视频流进行智慧视频结构化分析之前，还包括：对所述网络摄像机采集的视频流进行视频解码。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述对所述网络摄像机采集的视频流进行视频解码，包括：
对所述网络摄像机采集的视频流进行解压，得到非压缩视频流；
对所述非压缩视频流进行均匀丢帧处理。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述对所述视频流进行智慧视频结构化分析，获得结构化图像之后，还包括：
对所述结构化图像进行择优处理，获得择优后的结构化图像。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述对所述结构化图像进行择优处理，获得择优后的结构化图像之后，还包括：
对所述择优后的结构化图像结构进行去重处理，获得去重后的结构化图像。
第二方面，本发明实施例还提供了一种智慧视频结构化装置，所述装置应用于嵌入式设备，包括：
输入模块，用于获取摄像机采集的视频流，所述摄像机包括模拟摄像机；
结构化模块，用于对所述视频流进行智慧视频结构化分析，获得结构化图像；
输出模块，用于将所述结构化图像传输至服务器。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述装置还包括：
解码模块，用于对所述网络摄像机采集的视频流进行视频解码。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述解码模块包括：
解压单元，用于对所述网络摄像机采集的视频流进行解压，得到非压缩视频流；
抓拍单元，用于对所述非压缩视频流进行均匀丢帧处理。
结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述装置还包括：
择优模块：用于对所述结构化图像进行择优处理，获得择优后的结构化图像。
本发明实施例带来了以下有益效果：本发明实施例提供的一种智慧视频结构化方法及装置，应用于嵌入式设备，通过获取摄像机采集的视频流，所述摄像机包括模拟摄像机；对视频流进行智慧视频结构化分析，获得结构化图像；将结构化图像传输至服务器。该方法通过嵌入式直连模拟摄像机可做低延迟快速计算，对视频流进行结构化分析，可以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题，解决了服务器或设备处理大量摄像视频存在大量排队的现象，减少服务器处理压力，节约服务器成本。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的智慧视频结构化方法流程图一；
图2为本发明实施例提供的智慧视频结构化方法流程图二；
图3为本发明实施例提供的步骤S22的详细流程图；
图4为本发明实施例提供的智慧视频结构化装置的示意图。
图标：
21-输入模块；22-解码模块；23-结构化模块；24-择优模块；25-去重模块；26-输出模块；221-解压单元；222-抓拍单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，服务器对视频进行智慧视频结构化需要大量带宽将摄像机的视频传到服务器上，带宽成本高。视频压缩然后传输到服务器有一定延时，并且服务器处理大量视频通常存在大量排队，最终结果实时性难以保证。因此，传统视频结构化服务器在处理海量数据时存在数据传输延迟的问题，难以保证实时性。
基于此，本发明实施例提供的一种智慧视频结构化方法及装置，可以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题，解决了服务器或设备处理大量摄像视频存在大量排队的现象，减少服务器处理压力，节约服务器成本。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种智慧视频结构化方法进行详细介绍。
实施例一：
本发明实施例提供了一种智慧视频结构化方法，应用于嵌入式设备，如嵌入式Linux环境平台，可提供网络通信功能。如图1所示，该智慧视频结构化方法包括以下步骤：
S11：获取摄像机采集的视频流。
该摄像机为模拟摄像机。模拟摄像机包括：SDI视频输入摄像机和BNC视频输入摄像机。
采集到的SDI视频输入和BNC视频输入为非压缩视频，可直接传输至进行智慧视频结构化分析。SDI视频输入和BNC视频输入可实现无延迟输入，也可以兼容早期安防监控的SDI和BNC设备。
模拟摄像机使用传统的服务器模式做结构化分析的方式需要额外增加编码设备和搭建高速上传带宽，并且传统的结构化服务器模式需要大量带宽将摄像机的视频压缩然后传输到服务器上，因此，存在高延迟的问题。而嵌入式设备直连模拟摄像机不再需要增加编码设备，并且只需要低速上传带宽，因此，可以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题。
S12：对该视频流进行智慧视频结构化分析，获得结构化图像。
采用多个卷积层的神经网络算法对单帧图像进行特征提取，得到特征图。对于每个特征图，利用神经网络算法确定与特征图对应的单帧图像中每个物体的物体类别，即感兴趣目标，物体类别包括：自行车、两轮摩托车、三轮摩托车、小汽车、面包车、卡车、大型客车、行人、人脸等。对于特征图中的每个物体进行编码，视频结构化会对物体在时间序列图像中进行跟踪，获得一系列时间序列的物体类别和编码。
作为一种优选的实施方式，本发明实施例提供的一种智慧视频结构化方法中，在步骤S12之后，还包括以下步骤S13、S14：
S13：对该结构化图像进行择优处理，获得择优后的结构化图像。
择优是指对感兴趣目标的截图进行质量评价，综合考量包括但不限于目标尺寸、是否被遮挡、图像是否清晰、角度是否合适等因素，通过量化指标对当前帧感兴趣目标的质量进行打分，分数越高越适合后续分析。
作为一种优选的实施方式，本发明实施例提供的一种智慧视频结构化方法中，在步骤S13之后，还包括以下步骤：
S14：对该择优后的结构化图像结构进行去重处理，获得去重后的结构化图像。
去重是指根据择优过程中对感兴趣目标在时间序列中的打分，选择时间序列中目标最清晰、得分最高的高质量截图作为该感兴趣目标的一次结构化结果。通过去重剔除掉绝大多数截图，可以减少抓图jpg编码的负荷压力。
传统视频结构化方法采用先抓拍后分析的方式，需要每一帧都抓拍编码，后续根据去重择优来剔除抓拍图。本发明实施例提供的智慧视频结构化方法采用选择时间序列中得分最高的截图作为该感兴趣目标的一次结构化结果，大大减少传输数据量。
S15：将该结构化图像传输至服务器。
将视频结构化获得的每个物体的类别和物体编码传输至服务器。
智慧视频结构化设备传输的结果只有少量的图片和json组织的结果数据，相对于传统视频传输的结构化图像数据减少，所占用的带宽少，节省带宽的成本，采用单路无线4G甚至无线3G就可以传输偏远地区的视频信息。
步骤S13、S14为可选实施步骤，其他实施方式中也可以在步骤S12后执行步骤S15，利用步骤S12获得的结构化图像传输至服务器。
本发明实施例提供的一种智慧视频结构化方法中，应用于嵌入式设备，通过获取摄像机采集的视频流，该摄像机包括模拟摄像机；对视频流进行智慧视频结构化分析，获得结构化图像；将结构化图像传输至服务器。该方法通过嵌入式直连模拟摄像机可做低延迟快速计算，对视频流进行结构化分析，可以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题，解决了服务器或设备处理大量摄像视频存在大量排队的现象，减少服务器处理压力，节约服务器成本。
实施例二：
本发明实施例提供了一种智慧视频结构化方法，应用于嵌入式设备，如嵌入式Linux环境平台，可提供网络通信功能。如图2所示，该智慧视频结构化方法包括以下步骤：
S21：获取摄像机采集的视频流。
该摄像机为网络摄像机，如RTSP网络摄像视频输入，RTSP网络视频输入的是压缩视频，现在多数摄像机均可支持RTSP网络视频输入，其具有可扩展性强、灵活度高的特点。嵌入式设备能够有效输入网络摄像机，并具有兼容性，可扩展性强、灵活度高、稳定性强的特点。
网络摄像机采用传统服务器做结构化分析需要高上传带宽，而嵌入式设备部署在同一个局域网中只需要低速带宽。
S22：对该网络摄像机采集的视频流进行视频解码。
视频解码是将网络摄像机采集的视频流中的压缩视频进行解压，得到非压缩的视频，交给智慧视频结构化分析模块处理。在本发明实施例中采用海思解码芯片对该网络摄像机采集的视频流进行视频解码。
步骤S22：对该网络摄像机采集的视频流进行视频解码，如图3所示，具体包括以下两个子步骤：
S221：对该网络摄像机采集的视频流进行解压，得到非压缩视频流。
S222：对该非压缩视频流进行均匀丢帧处理。
对输入到神经网络的视频做均匀丢帧处理，可以大幅提高处理视频通道数。通过多个解码通道对多路视频同时进行解码来实现多路输出，为视频结构化算法验证提供多路场景。
示例性的，具体实施方式可以为：采用4帧丢3帧的处理方法，在某些场景，如高速公路上的汽车，镜头覆盖范围可能达到200米，车辆过远或太近都会导致拍摄车辆细节不理想。最优抓拍范围可能只有40米，按100公里/小时速度算，也就是最优抓拍时间只有1.44秒，在分辨率为1080P、每秒显示图像刷新次数为25帧的摄像机中有36帧图像。采用4帧丢3帧的处理方法，36帧图像减少为9帧图像。最优抓拍中有9帧优质图像可以满足该场景下的图像采集要求。因此，在类似场景中采用4帧丢1帧的处理方法，可以将同样数量的智慧视频结构化设备处理容量扩大至原来的4倍，最终得到的抓拍和分析效果依然可以很好。
S23：对该视频流进行智慧视频结构化分析，获得结构化图像。
采用多个卷积层的神经网络算法对单帧图像进行特征提取，得到特征图。对于每个特征图，利用神经网络算法确定与特征图对应的单帧图像中每个物体的物体类别，即感兴趣目标，物体类别包括：自行车、两轮摩托车、三轮摩托车、小汽车、面包车、卡车、大型客车、行人、人脸等。对于特征图中的每个物体进行编码，视频结构化会对物体在时间序列图像中进行跟踪，获得一系列时间序列的物体类别和编码。
作为一种优选的实施方式，本发明实施例提供的一种智慧视频结构化方法中，在步骤S23之后，还包括以下步骤S24、S25：
S24：对该结构化图像进行择优处理，获得择优后的结构化图像。
择优是指对感兴趣目标的截图进行质量评价，综合考量包括但不限于目标尺寸、是否被遮挡、图像是否清晰、角度是否合适等因素，通过量化指标对当前帧感兴趣目标的质量进行打分，分数越高越适合后续分析。
作为一种优选的实施方式，本发明实施例提供的一种智慧视频结构化方法中，在步骤S24之后，还包括以下步骤：
S25：对该择优后的结构化图像结构进行去重处理，获得去重后的结构化图像。
去重是指根据择优过程中对感兴趣目标在时间序列中的打分，选择时间序列中目标最清晰、得分最高的高质量截图作为该感兴趣目标的一次结构化结果。通过去重剔除掉绝大多数截图，可以减少抓图jpg编码的负荷压力。
传统视频结构化方法采用先抓拍后分析的方式，需要每一帧都抓拍编码，后续根据去重择优来剔除抓拍图。本发明实施例提供的智慧视频结构化方法采用选择时间序列中得分最高的截图作为该感兴趣目标的一次结构化结果，大大减少传输数据量。
S26：将该结构化图像传输至服务器。
将视频结构化获得的每个物体的类别和物体编码传输至服务器。
智慧视频结构化设备传输的结果只有少量的图片和json组织的结果数据，相对于传统视频传输的结构化图像数据减少，所占用的带宽少，节省带宽的成本，采用单路无线4G甚至无线3G就可以传输偏远地区的视频信息。
步骤S24、S25为可选实施步骤，其他实施方式中也可以在步骤S23后执行步骤S26，利用步骤S23获得的结构化图像传输至服务器。
本发明实施例提供的一种智慧视频结构化方法中，应用于嵌入式设备，通过获取摄像机采集的视频流，该摄像机包括网络摄像机；对网络摄像机采集的视频流进行视频解码，对解码后的图像进行智慧视频结构化分析，获得结构化图像；经择优去重处理获得结构化图像，将结构化图像传输至服务器。该方法通过对网络摄像机采集的视频流进行视频解码，再对视频流进行结构化分析，可以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题，解决了服务器或设备处理大量摄像视频存在大量排队的现象，减少服务器处理压力，节约服务器成本。
上述实施例一和实施例二可以相结合，上述摄像机可以既包括模拟摄像机，也包括网络摄像机，二者视频流的结构化并列进行。
实施例三：
本发明实施例提供的一种智慧视频结构化装置，如图4所示，该装置包括：输入模块21、解码模块22、结构化模块23、择优模块24、去重模块25、输出模块26；解码模块22包括：解压单元221、抓拍单元222。
输入模块21，用于获取摄像机采集的视频流，摄像机包括模拟摄像机；结构化模块23，用于对视频流进行智慧视频结构化分析，获得结构化图像；输出模块26，用于将结构化图像传输至服务器。解码模块22，用于对网络摄像机采集的视频流进行视频解码。择优模块24，用于对结构化图像进行择优处理，获得择优后的结构化图像。去重模块25，用于对择优后的结构化图像结构进行去重处理，获得去重后的结构化图像。
解压单元221，用于对网络摄像机采集的视频流进行解压，得到非压缩视频流；抓拍单元222，用于对非压缩视频流进行均匀丢帧处理。
本发明实施例提供的智慧视频结构化装置中，应用于嵌入式设备，通过输入模块获取摄像机采集的视频流，该摄像机包括模拟摄像机；利用结构化模块对视频流进行智慧视频结构化分析，获得结构化图像；通过输出模块将结构化图像传输至服务器。该方法通过嵌入式直连模拟摄像机可做低延迟快速计算，对视频流进行结构化分析，可以缓解传统视频结构化服务器在处理海量数据时存在带宽成本高、数据传输延迟的技术问题，解决了服务器或设备处理大量摄像视频存在大量排队的现象，减少服务器处理压力，节约服务器成本。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种智慧视频结构化方法，其特征在于，所述方法应用于嵌入式设备，包括：
获取摄像机采集的视频流，所述摄像机包括模拟摄像机；
对所述视频流进行智慧视频结构化分析，获得结构化图像；
将所述结构化图像传输至服务器。
2.根据权利要求1所述的方法，其特征在于，所述模拟摄像机包括：SDI视频输入摄像机和BNC视频输入摄像机。
3.根据权利要求1所述的方法，其特征在于，所述摄像机还包括网络摄像机；
在对所述视频流进行智慧视频结构化分析之前，还包括：对所述网络摄像机采集的视频流进行视频解码。
4.根据权利要求3所述的方法，其特征在于，所述对所述网络摄像机采集的视频流进行视频解码，包括：
对所述网络摄像机采集的视频流进行解压，得到非压缩视频流；
对所述非压缩视频流进行均匀丢帧处理。
5.根据权利要求1所述的方法，其特征在于，所述对所述视频流进行智慧视频结构化分析，获得结构化图像之后，还包括：
对所述结构化图像进行择优处理，获得择优后的结构化图像。
6.根据权利要求5所述的方法，其特征在于，所述对所述结构化图像进行择优处理，获得择优后的结构化图像之后，还包括：
对所述择优后的结构化图像结构进行去重处理，获得去重后的结构化图像。
7.一种智慧视频结构化装置，其特征在于，所述装置应用于嵌入式设备，包括：
输入模块，用于获取摄像机采集的视频流，所述摄像机包括模拟摄像机；
结构化模块，用于对所述视频流进行智慧视频结构化分析，获得结构化图像；
输出模块，用于将所述结构化图像传输至服务器。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
解码模块，用于对所述网络摄像机采集的视频流进行视频解码。
9.根据权利要求7所述的装置，其特征在于，所述解码模块包括：
解压单元，用于对所述网络摄像机采集的视频流进行解压，得到非压缩视频流；
抓拍单元，用于对所述非压缩视频流进行均匀丢帧处理。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括：
择优模块，用于对所述结构化图像进行择优处理，获得择优后的结构化图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810957706.5A CN109040839A (zh) | 2018-08-21 | 2018-08-21 | 智慧视频结构化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810957706.5A CN109040839A (zh) | 2018-08-21 | 2018-08-21 | 智慧视频结构化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109040839A true CN109040839A (zh) | 2018-12-18 |
Family
ID=64627603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810957706.5A Pending CN109040839A (zh) | 2018-08-21 | 2018-08-21 | 智慧视频结构化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109040839A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110517660A (zh) * | 2019-08-22 | 2019-11-29 | 珠海格力电器股份有限公司 | 基于嵌入式Linux实时内核的降噪方法和装置 |
| CN110874424A (zh) * | 2019-09-23 | 2020-03-10 | 北京旷视科技有限公司 | 数据处理的方法、装置、计算机设备及可读存储介质 |
| CN113486062A (zh) * | 2021-07-02 | 2021-10-08 | 北京睿芯高通量科技有限公司 | 一种新型智能安防系统中的识别过滤方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101394467A (zh) * | 2008-10-15 | 2009-03-25 | 中山大学 | 一种增强型数字视频监控终端系统的智能主控系统 |
| CN101783881A (zh) * | 2010-03-05 | 2010-07-21 | 公安部第三研究所 | 一种具有视频结构化描述功能的智能网络摄像机 |
| CN101902617A (zh) * | 2010-06-11 | 2010-12-01 | 公安部第三研究所 | 一种用dsp和fpga实现视频结构化描述的装置及方法 |
| US20120105680A1 (en) * | 2010-11-02 | 2012-05-03 | Hynix Semiconductor Inc. | Soc structure of video codec-embedded image sensor and method of driving image sensor using the same |
| CN104284098A (zh) * | 2013-07-01 | 2015-01-14 | 杭州海康威视数字技术股份有限公司 | 视频数据的处理方法及系统 |
| CN105530480A (zh) * | 2015-12-30 | 2016-04-27 | 郑州航空工业管理学院 | 一种基于计算机的嵌入式多路无线视频监控系统 |
-
2018
- 2018-08-21 CN CN201810957706.5A patent/CN109040839A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101394467A (zh) * | 2008-10-15 | 2009-03-25 | 中山大学 | 一种增强型数字视频监控终端系统的智能主控系统 |
| CN101783881A (zh) * | 2010-03-05 | 2010-07-21 | 公安部第三研究所 | 一种具有视频结构化描述功能的智能网络摄像机 |
| CN101902617A (zh) * | 2010-06-11 | 2010-12-01 | 公安部第三研究所 | 一种用dsp和fpga实现视频结构化描述的装置及方法 |
| US20120105680A1 (en) * | 2010-11-02 | 2012-05-03 | Hynix Semiconductor Inc. | Soc structure of video codec-embedded image sensor and method of driving image sensor using the same |
| CN104284098A (zh) * | 2013-07-01 | 2015-01-14 | 杭州海康威视数字技术股份有限公司 | 视频数据的处理方法及系统 |
| CN105530480A (zh) * | 2015-12-30 | 2016-04-27 | 郑州航空工业管理学院 | 一种基于计算机的嵌入式多路无线视频监控系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110517660A (zh) * | 2019-08-22 | 2019-11-29 | 珠海格力电器股份有限公司 | 基于嵌入式Linux实时内核的降噪方法和装置 |
| CN110874424A (zh) * | 2019-09-23 | 2020-03-10 | 北京旷视科技有限公司 | 数据处理的方法、装置、计算机设备及可读存储介质 |
| CN113486062A (zh) * | 2021-07-02 | 2021-10-08 | 北京睿芯高通量科技有限公司 | 一种新型智能安防系统中的识别过滤方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110300977B (zh) | 用于图像处理和视频压缩的方法 | |
| CN114616832A (zh) | 基于网络的视觉分析 | |
| KR20230074137A (ko) | 머신 러닝 시스템들을 이용한 인스턴스 적응적 이미지 및 비디오 압축 | |
| CN111479048A (zh) | 一种基于边缘计算的智能视频图像处理设备 | |
| CN109040839A (zh) | 智慧视频结构化方法及装置 | |
| CN107018352A (zh) | 一种视频图像处理方法、装置及系统 | |
| CN104704826B (zh) | 两步量化和编码方法和装置 | |
| US8582876B2 (en) | Hybrid codec for compound image compression | |
| CN107566798A (zh) | 一种数据处理的系统、方法及装置 | |
| CN110691252A (zh) | 结合块匹配和串匹配的图像压缩装置 | |
| US20240007637A1 (en) | Video picture encoding and decoding method and related device | |
| Varischio et al. | Hybrid point cloud semantic compression for automotive sensors: A performance evaluation | |
| WO2019047663A1 (zh) | 一种基于视频格式的端到端自动驾驶数据的存储方法及装置 | |
| KR20200022798A (ko) | 3d 모델 압축 및 압축해제 시스템 및 방법 | |
| Wang et al. | Deep image compression toward machine vision: A unified optimization framework | |
| Hsiang et al. | Analysis of the effect of automotive ethernet camera image quality on object detection models | |
| CN117201798B (zh) | 一种远程视频监控摄像头信息传输方法及系统 | |
| WO2024125281A1 (zh) | 一种车辆图像数据处理方法以及装置 | |
| CN114761968B (zh) | 用于频域静态通道滤波的方法、系统和存储介质 | |
| CN116918329A (zh) | 一种视频帧的压缩和视频帧的解压缩方法及装置 | |
| Liang et al. | Action recognition based on discrete cosine transform by optical pixel-wise encoding | |
| CN112261417A (zh) | 视频推送方法及系统、设备及可读存储介质 | |
| CN116433491A (zh) | 一种图像处理方法、装置、设备、存储介质及产品 | |
| CN115474046A (zh) | 点云属性信息编码方法、解码方法、装置及相关设备 | |
| Kumar et al. | STAR: Efficient SpatioTemporal Modeling for Action Recognition |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |