CN109379570A - 一种嵌入式智能nvr硬件系统 - Google Patents
一种嵌入式智能nvr硬件系统 Download PDFInfo
- Publication number
- CN109379570A CN109379570A CN201811486558.XA CN201811486558A CN109379570A CN 109379570 A CN109379570 A CN 109379570A CN 201811486558 A CN201811486558 A CN 201811486558A CN 109379570 A CN109379570 A CN 109379570A
- Authority
- CN
- China
- Prior art keywords
- nvr
- video
- data
- subsystem
- module
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 238000013135 deep learning Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 239000000284 extract Substances 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004224 protection Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种嵌入式智能NVR硬件系统，包含NVR子系统、智能分析子系统和电源模块，NVR子系统实现常规NVR系统功能，智能分析子系统实现视频分析、结构化信息提取和结构化数据存储，NVR子系统包括视频解码模块、视频存储模块和外部接口；智能分析子系统包含智能分析模块和结构化数据存储模块，智能分析模块包含深度学习处理器芯片，对经视频解码模块解码后的非压缩视频数据进行处理，提取视频数据中的结构化数据，实现在线实时智能视频分析处理；所述海量视频数据和结构化数据分别存储在不同的Track，通过时戳关联。本发明提高了视频数据中的结构化信息提取的实时性，也提高了结构化信息数据和视频流数据存储和检索的效率，减少了冗余数据。
Description
技术领域
本发明属于图像通信技术领域，涉及对视频大数据的分析和信息挖掘，具体涉及一种嵌入式智能NVR硬件系统。
背景技术
NVR(Network Video Recorders)，是一个以网际网络IP协议为基础的网络设备，NVR的相关功能运行全部基于IP架构，可以透过局域网或广域网对其进行远端管理，在构架网络视频监控系统时就具有较强的灵活性，而且支持远端存取并记录IP摄像机或DVS所拍摄的视频码流，因此受到安防等行业的广泛青睐。
随着我国智慧城市、平安城市、雪亮工程等战略的深入实施，公共安全视频共享平台的逐渐完善，视频监控不断普及，实施点位不断增加，视频海量数据的存取对实时有效的技术防范提出挑战。采用计算机视觉、图像处理、模式识别等人工智能手段，通过对视频数据进行实时分析处理，形成结构化数据和预警信息已经是发展趋势。让海量的视频数据被有效地利用，需要实现对视频大数据的分析和信息挖掘，首先要解决视频数据的结构化问题。
视频结构化是一种将视频内容中的纹理、色彩、线条、特征、模式、运动、结构等语义信息进行结构化提取的技术，利用它对视频内容按照语义关系，采用时空分割、特征提取、对象识别、深度学习等处理手段，组织成可供计算机和人理解的文本信息或可视化图形信息。传统的方案下，视频经过采集传输存储，然后由视频分析服务器实现结构化。采用目标检测、对象识别、深度学习等分析手段提取视频图像中的目标对象及运动轨迹；对目标对象进行分类，形成为人、车辆、行为、事件等不同类别；进一步提取目标的高层结构化属性特征包括目标颜色特征、分类特征、速度特征等，并把目标的轨迹信息以及高层特征形成高效的索引数据进行结构化检索。
这种通用的视频分析服务器方案，需要用服务器进行解码识别，由于总线数据吞吐、内存访问带宽都受到局限，单路视频服务器方案证明不经济，而多路视频共享服务器方案会出现系统之间耦合度高、稳定差的缺陷，另外多路服务器方案还会导致负荷重、任务切换频繁和实时性较差的问题。
发明内容
本发明针对上述问题提出一种在线智能视频分析硬件模块(NVR+智能分析)的解决方案，通过采用稳定性好、能耗低的嵌入式SOC方案，通过专用深度学习智能分析模块实现视频结构化，同时，本系统支持以刀片机形式组成服务器，实现多路视频流结构化分析，以降低视频数据结构化产品的系统复杂度，提高系统稳定性、实施方便性和管理高效性。
为达到上述目的，本发明提出的技术方案为一种嵌入式智能NVR硬件系统，其包含NVR子系统、智能分析子系统和电源模块，NVR子系统实现常规NVR系统功能，智能分析子系统实现视频分析、结构化信息提取和结构化数据存储，电源模块给前述两个系统提供电源；NVR子系统包括视频解码模块、视频存储模块和外部接口，视频解码模块包含NVR SoC(System on Chip)处理芯片，负责处理来自网络摄像机实时视频压缩流和人机交互控制命令，实现对NVR管理和控制，视频存储模块负责海量视频数据存储；智能分析子系统包含智能分析模块和结构化数据存储模块，智能分析模块包含深度学习处理器芯片，对经视频解码模块解码后的非压缩视频数据进行处理，提取视频数据中的结构化数据，实现在线实时智能视频分析处理；所述海量视频数据和结构化数据分别存储在不同的Track，通过时戳Time Stamp关联。
鉴于海量视频数据吞吐存储与结构化少量数据的频繁访问具有不同的特性，对于硬盘等存储媒体采用不同的存取机制，有利于提高存储媒体的存取效率和延长存储媒体使用寿命，上述海量视频数据可采用优化的物理上连续存储机制，定期滚动式覆盖。
上述结构化数据的存储采用信息数据库存储方法。
作为优选，上述外部接口包括千兆网络、USB接口、HDMI/VGA/CVBS视频接口、音频接口、串口、报警输入输出。
作为优选，上述人机交互控制命令的获取途径包括网络、USB、串口或IR红外遥控器。
进一步，可以扩展GPIO为报警输入输出接口，实现本地报警联动功能。
进一步，上述智能分析子系统的深度学习处理器芯片提取视频数据中的结构化信息发送给NVR子系统，进行数据量小的矢量数据存储。
作为优选，上述结构化信息为语义特征描述。
作为优选，上述结构化信息通过SPI总线发送给NVR子系统。
与现有技术相比，本发明的有益效果在于：
1，在视频数据采集的同时进行视频智能分析，形成结构化信息，信息提取的实时性非常高、延时小；
2，结构化数据和视频流数据分别存储在不同的Track，通过时戳Time Stamp关联，可以提高系统存储、传输和检索的效率；
3，鉴于海量视频数据吞吐存储与结构化少量数据的频繁访问具有不同的特性，本发明对于硬盘等存储媒体采用不同的存取机制，有利于提高存储媒体的存取效率和延长存储媒体使用寿命；
4，本系统中视频存取与智能分析模块实现了共享电源管理、通信网络、通用处理控制模块与外设接口；
5，针对现有技术方案存在的采用服务器去解码识别导致的总线数据吞吐、内存访问带宽都受到局限的问题，本系统中采用多个在线智能视频分析硬件模块(NVR+智能分析)，通过刀片机形式可以组成集群服务器，比如每四个摄像头对应一个刀片，存储、智能分析，从而提升系统容量，降低实施复杂度，降低系统成本。
附图说明
图1为嵌入式智能NVR硬件系统的原理框图。
图2为嵌入式智能NVR硬件系统的一个实施例的原理图。
图3为嵌入式智能NVR硬件系统的数据处理流程图。
图4为嵌入式智能NVR硬件系统的深度学习神经网络训练流程示意图。
图5为嵌入式智能NVR硬件系统的深度学习提取结构化特征矢量流程图。
图6为嵌入式智能NVR硬件系统的一个实施例的电路模块图。
具体实施方式
现结合附图对本发明的具体实施方式作进一步的说明。
图1所示为嵌入式智能NVR硬件系统原理框图，可见本系统包含NVR子系统、智能分析子系统和电源模块。NVR子系统的作用是实现常规NVR系统功能，智能分析子系统是实现视频分析、结构化信息提取和结构化数据存储，电源模块给前述两个系统提供电源。
NVR子系统进一步包括视频解码模块、视频存储模块和外部接口，其中，视频解码模块包含NVR SoC处理芯片，负责处理来自网络摄像机实时视频压缩流和人机交互控制命令，实现对NVR管理和控制，视频存储模块负责海量视频数据存储。
SoC(System-on-Chip)指的是在单个芯片上集成一个完整的系统，对所有或部分必要的电子电路进行包分组的技术。SoC是与其它技术并行发展的，如绝缘硅(SOI)，它可以提供增强的时钟频率，从而降低微芯片的功耗。由于空前的高效集成性能，SoC是替代集成电路的主要解决方案。SoC已经成为当前微电子芯片发展的必然趋势。
智能分析子系统包含智能分析模块和结构化数据存储模块，智能分析模块包含深度学习处理器芯片，其作用是对经视频解码模块解码后的非压缩视频数据进行处理，提取视频数据中的结构化数据，实现在线实时智能视频分析处理。
网络芯片负责接入来自网络摄像机实时视频压缩流和来自用户对NVR的操作命令，传输给NVR SoC处理芯片，实现对NVR管理和控制。网络高清摄像机数据带宽较大，一般都通过千兆网络交换机接入，所以系统中一般采用千兆网络接口芯片。
视频解码模块负责解码接收到的多路网络视频流，实现NVR可视化人机交互管理和控制，同时，提供解码后的非压缩视频数据给深度学习处理芯片，实现在线实时智能视频分析处理。
智能视频分析模块接收实时视频流，通过深度学习算法实时提取结构化特征矢量数据，发送给NVR处理模块，记录在矢量数据存储区中。深度学习是机器学习中一种基于对数据进行表征学习的算法，优点是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征，目前已经得到广泛的市场应用，如人脸识别、语音识别、车辆特征提取等。
存储模块负责海量视频数据存储和结构化少量数据存储。海量视频数据都采用优化的物理上连续存储机制，定期滚动式覆盖。语义特征描述的结构化信息，数据量较小，可以保存更长的时间，采用基于文本数据库的存储方式，便于快速检索，长期存储取证。
图2所示为嵌入式智能NVR硬件系统的实施例的原理图，由NVR子系统和智能分析子系统组成。NVR子系统实现常规NVR系统功能，智能分析子系统实现视频分析、结构化信息提取。外部接口主要有千兆网络、USB接口、HDMI/VGA/CVBS视频接口、音频接口、串口、报警输入输出、电源输入。
嵌入式智能NVR从网络、USB、串口或IR红外遥控器，获取人机交互控制命令；从网络获取高清网络摄像机的实时音视频流，实现海量音视频数据管理、存储、转发、回放；通过HDMI、VGA、CVBS等视频接口，实现本地显示；扩展GPIO为报警输入输出接口，实现本地报警联动功能；扩展SATA接口，挂载多盘位大容量硬盘，实现本地数据存储；I2C总线读取高精度RTC实时时钟，作为系统基准时钟；数据加密单元，可以实现音视频数据的加解密；视频编解码及图形加速器，提供强大的硬件视频处理引擎；各种存储资源，保障系统正常稳定运行。同时，通过音视频解码模块，提供实时音视频数据给智能分析子系统，由子系统中的深度学习处理器芯片，进行数据建模、深度学习，提取视频数据中的结构化信息。语义特征描述的结构化信息，通过SPI总线发送给NVR子系统，进行数据量小的矢量数据存储。
图3所示为嵌入式智能NVR硬件系统数据处理流程图，嵌入式智能NVR通过千兆网络接受视频流数据，经过网络解包处理，进行视频数据存储和视频解码。视频解码后，传输给HDMI、VGA显示器，实现人机交互显示。同时，提取视频流中的图片，先经过图片预处理，如图像色彩调整、图像大小调整、数据归一化等，再进行特征训练和建模提取特征，得到语义特征描述的结构化信息图片后，压缩处理并存储。存储后的视频流数据和结构化信息数据，通过网络打包处理，实现数据转发。
智能分析子系统通过深度学习算法实时提取结构化特征矢量数据，需要有合适的深度学习神经网络。图4所示为嵌入式智能NVR硬件系统的深度学习神经网络训练流程，描述的是一种深度学习神经网络的训练流程。第一步，确定滤波器数量、滤波器尺寸、神经网络建构，用随机数初始化滤波器和权重。第二步，输入准备好的训练图片，执行前向传播训练。用滤波器进行卷积操作；用ReLU(纠正线性单元)激活函数增加神经网络各层之间的非线性关系；空间池化降低每个特征映射的维度，但保留最重要信息；全连接层通过激励函数进行各种特征分类，输出元素取之0～1且和为1的向量。第三步，计算输出层的目标概率和输出概率的误差。如果总误差满足要求，那么输出训练好的神经网络，否则，进入第四步反向传播训练。第四步，反向传播算法计算误差相对于所有权重的梯度，并用梯度下降法更新所有滤波器、权重的值，以使输出误差最小化。
图5所示为嵌入式智能NVR硬件系统的深度学习提取结构化特征矢量流程，描述了卷积神经网络深度学习处理流程。智能分析子系统接收实时视频流，传递给卷积神经网络；卷积神经网络，用训练完成后的滤波器对每一帧图像进行卷积操作，并用相应的权重修正；通过ReLU激活函数进行激励层操作，增加神经网络各层之间的非线性；池化层操作降低特征映射的维度，降低计算复杂度，同时保留最重要信息；全连接层通过分类器进行特征向量分类，完成视频数据中的结构化特征矢量提取。深度学习卷积网络，卷积层、ReLU层、池化层，根据不同的需求可以多个，表现出众的卷积网络，都有数以十计的卷积加池化层。
图6为本系统的一个实施例的电路模块图，嵌入式智能NVR系统的硬件主要由以下电路组成：NVR SOC(NVR处理模块)，HDMI(数字视频输出)，VGA(模拟视频输出)，NET(网络传输)，USB(USB通信)，Alarm IO(报警输入输出)，DL SOC(深度学习处理)，SATA(SATA存储)，Audio(音频输入输出)。
NVR SOC和HDMI，通过HDMI总线连接，实现HDMI输出。NVR SOC和VGA，通过RGB模拟总线连接，实现VGA输出。NVR SOC和NET，通过千兆网络收发芯片，实现网络通信。NVR SOC和USB，通过USB总线连接，实现USB接口和外设通信。NVR SOC和Alarm IO，通过继电器电路，实现报警输入输出。NVR SOC和DL SOC，通过BT.1120接口实现视频流传输；通过SPI总线实现语义特征描述的结构化数据传输。NVR SOC和SATA硬盘，通过SATA串行通信总线连接，实现海量视频数据存储和少量语义特征描述的结构化数据存储。NVR SOC和Audio，通过挂在I2S总线下的音频编解码芯片，实现音频输入输出。系统基准时钟，通过挂在I2C总线下的实时时钟芯片实现。
现有技术中，通常都是采用服务器去解码识别，导致总线数据吞吐、内存访问带宽都受到局限，而单路服务器方案，一个前端摄像机对应一个服务器又不经济，多路共享服务器方案系统之间存在耦合度高、服务器负荷重、稳定差等缺点。本发明的方案中，多个在线智能视频分析硬件模块(NVR+智能分析)，通过刀片机形式可以组成集群服务器，比如每四个摄像头对应一个刀片，进行海量数据的存储、智能分析，可以提升系统容量，降低实施复杂度，降低成本，而且本系统还具有实施、管理方便，系统稳定性高的优点。
综上所述，本发明提出的嵌入式智能NVR硬件系统，通过人工智能方法实现视频分析应用于安防监控、智慧交通等应用领域，通过对实时视频流处理的同时，进行视频结构化信息提取，基于海量视频数据和语义特征描述的结构化信息数据采用不同机制存储，并且通过时戳等信息关联，提高了视频数据中的结构化信息提取的实时性，也提高了结构化信息数据和视频流数据存储和检索的效率，减少了冗余数据，通过采用基于事件的压缩视频存储，提高硬盘等存储媒体的使用寿命，由于采用视频和语义数据分开存储方法，重要的语义特征描述的结构化信息数据，数据量较小，可以长时间存储。
需要说明的是，本发明所提供的上述实施例仅具有示意性，不具有限定本发明的具体实施的范围的作用。本发明的保护范围应包括那些对于本领域的普通技术人员来说显而易见的变换或替代方案。
Claims (9)
1.一种嵌入式智能NVR硬件系统，其特征在于，包含NVR子系统、智能分析子系统和电源模块，NVR子系统实现常规NVR系统功能，智能分析子系统实现视频分析、结构化信息提取和结构化数据存储，电源模块给前述两个系统提供电源；
NVR子系统包括视频解码模块、视频存储模块和外部接口，视频解码模块包含NVR SoC处理芯片，负责处理来自网络摄像机实时视频压缩流和人机交互控制命令，实现对NVR管理和控制，视频存储模块负责海量视频数据存储；
智能分析子系统包含智能分析模块和结构化数据存储模块，智能分析模块包含深度学习处理器芯片，对经视频解码模块解码后的非压缩视频数据进行处理，提取视频数据中的结构化数据，实现在线实时智能视频分析处理；
所述海量视频数据和结构化数据分别存储在不同的Track，通过时戳关联。
2.根据权利要求1所述的嵌入式智能NVR硬件系统，其特征在于，所述海量视频数据采用连续存储机制，定期滚动式覆盖。
3.根据权利要求1所述的嵌入式智能NVR硬件系统，其特征在于，所述结构化数据的存储采用信息数据库存储方法。
4.根据权利要求1所述的嵌入式智能NVR硬件系统，其特征在于，所述外部接口包括千兆网络、USB接口、HDMI/VGA/CVBS视频接口、音频接口、串口、报警输入输出。
5.根据权利要求1所述的嵌入式智能NVR硬件系统，其特征在于，所述人机交互控制命令的获取途径包括网络、USB、串口或IR红外遥控器。
6.根据权利要求1所述的嵌入式智能NVR硬件系统，其特征在于，扩展GPIO为报警输入输出接口，实现本地报警联动功能。
7.根据权利要求1所述的嵌入式智能NVR硬件系统，其特征在于，所述智能分析子系统的深度学习处理器芯片提取视频数据中的结构化信息发送给NVR子系统，进行数据量小的矢量数据存储。
8.根据权利要求7所述的嵌入式智能NVR硬件系统，其特征在于，所述结构化信息为语义特征描述。
9.根据权利要求7所述的嵌入式智能NVR硬件系统，其特征在于，所述结构化信息通过SPI总线发送给NVR子系统。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811159334 | 2018-09-30 | ||
| CN2018111593348 | 2018-09-30 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109379570A true CN109379570A (zh) | 2019-02-22 |
Family
ID=65376065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811486558.XA Pending CN109379570A (zh) | 2018-09-30 | 2018-12-06 | 一种嵌入式智能nvr硬件系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109379570A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110087033A (zh) * | 2019-04-24 | 2019-08-02 | 北京旷视科技有限公司 | 视频处理系统和方法、视频处理设备及介质 |
| CN110809103A (zh) * | 2019-11-22 | 2020-02-18 | 英特灵达信息技术(深圳)有限公司 | 一种智能边缘微型服务器 |
| CN111241981A (zh) * | 2020-01-07 | 2020-06-05 | 武汉旷视金智科技有限公司 | 视频结构化系统 |
| CN113096201A (zh) * | 2021-03-30 | 2021-07-09 | 上海西井信息科技有限公司 | 嵌入式视频图像深度学习系统、方法、设备及存储介质 |
| CN116055782A (zh) * | 2021-10-28 | 2023-05-02 | 安华高科技股份有限公司 | 用于音频及视频处理的特征及参数提取 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694734A (zh) * | 2009-11-02 | 2010-04-14 | 北京声迅电子有限公司 | 一种用于atm机的嵌入式智能数字硬盘录像机 |
| CN101790064A (zh) * | 2010-02-23 | 2010-07-28 | 公安部第三研究所 | 具有视频结构化描述功能的硬盘录像设备及其方法 |
| CN101827266A (zh) * | 2010-04-01 | 2010-09-08 | 公安部第三研究所 | 一种具有视频结构化描述功能的网络视频服务器及利用其实现视频分析描述的方法 |
| CN101877783A (zh) * | 2009-11-06 | 2010-11-03 | 北京邦诺存储科技有限公司 | 网络视频存储器集群化视频监控系统和方法 |
| CN102098479A (zh) * | 2009-12-14 | 2011-06-15 | 天津市亚安科技电子有限公司 | 一种具备智能分析功能的数字硬盘录像机 |
| CN103974034A (zh) * | 2014-03-28 | 2014-08-06 | 国家电网公司 | 一种支持IPv6的视频处理单元 |
| CN104902238A (zh) * | 2015-05-29 | 2015-09-09 | 江苏天鹰知淮数码科技有限公司 | 一种智能视频分析服务器 |
| CN105898204A (zh) * | 2014-12-25 | 2016-08-24 | 支录奎 | 视频结构化智能录像机 |
| CN206117878U (zh) * | 2016-08-31 | 2017-04-19 | 浙江宇视科技有限公司 | 智能视频分析装置、设备及视频监控系统 |
| CN106981041A (zh) * | 2017-05-10 | 2017-07-25 | 深圳火眼智能有限公司 | 一种基于深度学习的智慧平安社区管理系统 |
| CN107222700A (zh) * | 2017-07-10 | 2017-09-29 | 深圳市海清视讯科技有限公司 | 一种智能监控信息获取方法和一种高清智能识别硬盘录像机 |
| CN107333096A (zh) * | 2016-04-29 | 2017-11-07 | 长沙云电信息技术开发有限公司 | 一种用于数字高清视频监控系统中的全智能一体化监控分布式管理服务器 |
| CN206650770U (zh) * | 2016-12-31 | 2017-11-17 | 讯之美物联网服务有限公司 | 一种自动报警的物联网系统 |
-
2018
- 2018-12-06 CN CN201811486558.XA patent/CN109379570A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694734A (zh) * | 2009-11-02 | 2010-04-14 | 北京声迅电子有限公司 | 一种用于atm机的嵌入式智能数字硬盘录像机 |
| CN101877783A (zh) * | 2009-11-06 | 2010-11-03 | 北京邦诺存储科技有限公司 | 网络视频存储器集群化视频监控系统和方法 |
| CN102098479A (zh) * | 2009-12-14 | 2011-06-15 | 天津市亚安科技电子有限公司 | 一种具备智能分析功能的数字硬盘录像机 |
| CN101790064A (zh) * | 2010-02-23 | 2010-07-28 | 公安部第三研究所 | 具有视频结构化描述功能的硬盘录像设备及其方法 |
| CN101827266A (zh) * | 2010-04-01 | 2010-09-08 | 公安部第三研究所 | 一种具有视频结构化描述功能的网络视频服务器及利用其实现视频分析描述的方法 |
| CN103974034A (zh) * | 2014-03-28 | 2014-08-06 | 国家电网公司 | 一种支持IPv6的视频处理单元 |
| CN105898204A (zh) * | 2014-12-25 | 2016-08-24 | 支录奎 | 视频结构化智能录像机 |
| CN104902238A (zh) * | 2015-05-29 | 2015-09-09 | 江苏天鹰知淮数码科技有限公司 | 一种智能视频分析服务器 |
| CN107333096A (zh) * | 2016-04-29 | 2017-11-07 | 长沙云电信息技术开发有限公司 | 一种用于数字高清视频监控系统中的全智能一体化监控分布式管理服务器 |
| CN206117878U (zh) * | 2016-08-31 | 2017-04-19 | 浙江宇视科技有限公司 | 智能视频分析装置、设备及视频监控系统 |
| CN206650770U (zh) * | 2016-12-31 | 2017-11-17 | 讯之美物联网服务有限公司 | 一种自动报警的物联网系统 |
| CN106981041A (zh) * | 2017-05-10 | 2017-07-25 | 深圳火眼智能有限公司 | 一种基于深度学习的智慧平安社区管理系统 |
| CN107222700A (zh) * | 2017-07-10 | 2017-09-29 | 深圳市海清视讯科技有限公司 | 一种智能监控信息获取方法和一种高清智能识别硬盘录像机 |
Non-Patent Citations (7)
| Title |
|---|
| 周文;: "视频结构化分析平台建设技术需求方案", 中国公共安全, no. 04 * |
| 方权亮;余谅;: "基于云计算的智能高清视频监控系统研究", 微型机与应用, no. 03 * |
| 曾莹;: "如何构架运营商智能视频分析平台", 电子世界, no. 16 * |
| 王显龙;方明;: "一种智能视频监控系统架构方案设计", 长春理工大学学报(自然科学版), no. 01 * |
| 程岳寅;: "H.265NVR未来已来", 中国公共安全, no. 20 * |
| 范一斌;朱海晟;孙家华;杨华;: "智慧城市安防高清视频资源共享系统及应用", 电视技术, no. 14 * |
| 邓晔;: "AI数据中心成为人工智能应用的重要基石", 中国公共安全, no. 10 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110087033A (zh) * | 2019-04-24 | 2019-08-02 | 北京旷视科技有限公司 | 视频处理系统和方法、视频处理设备及介质 |
| CN110809103A (zh) * | 2019-11-22 | 2020-02-18 | 英特灵达信息技术(深圳)有限公司 | 一种智能边缘微型服务器 |
| CN111241981A (zh) * | 2020-01-07 | 2020-06-05 | 武汉旷视金智科技有限公司 | 视频结构化系统 |
| CN113096201A (zh) * | 2021-03-30 | 2021-07-09 | 上海西井信息科技有限公司 | 嵌入式视频图像深度学习系统、方法、设备及存储介质 |
| CN113096201B (zh) * | 2021-03-30 | 2023-04-18 | 上海西井信息科技有限公司 | 嵌入式视频图像深度学习方法、设备及存储介质 |
| CN116055782A (zh) * | 2021-10-28 | 2023-05-02 | 安华高科技股份有限公司 | 用于音频及视频处理的特征及参数提取 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109379570A (zh) | 一种嵌入式智能nvr硬件系统 | |
| US9342594B2 (en) | Indexing and searching according to attributes of a person | |
| US10178430B2 (en) | Intelligent processing method and system for video data | |
| CN107808139B (zh) | 一种基于深度学习的实时监控威胁分析方法及系统 | |
| CN104616501B (zh) | 基于智能视觉的车辆违章停车检测系统及方法 | |
| CN114997279A (zh) | 一种基于改进Yolov5模型的建筑工人危险区域入侵检测方法 | |
| CN112839200B (zh) | 基于5g技术的电厂违章行为识别方法、系统和网络服务端 | |
| CN108174165A (zh) | 电力安全作业及运维智能监管系统及方法 | |
| CN110516138A (zh) | 一种基于多源自更新威胁情报库的食品安全事件预警系统 | |
| CN106981063A (zh) | 一种基于深度学习的电网设备状态监测装置 | |
| CN106650674A (zh) | 一种基于混合池化策略的深度卷积特征的动作识别方法 | |
| CN102724485A (zh) | 采用双核处理器对输入视频进行结构化描述的装置和方法 | |
| CN103237201A (zh) | 一种基于社会化标注的案件视频研判方法 | |
| WO2023231082A1 (zh) | 一种基于大数据的公共视频监控系统 | |
| CN106878676A (zh) | 一种用于智能监控视频数据的存储方法 | |
| CN106534784A (zh) | 一种用于视频分析数据结果集的采集分析存储统计系统 | |
| CN107748786B (zh) | 警情大数据管理系统 | |
| CN114222163A (zh) | 一种营业厅智能视频分析系统 | |
| CN102665064A (zh) | 一种基于标准标记与快速检索的交通视频监控系统 | |
| CN211184122U (zh) | 铁路作业安全防控和大客流预警联动的智能视频分析系统 | |
| CN117351189A (zh) | 基于时空融合的卫星序列图像运动小目标检测方法 | |
| CN115205780A (zh) | 一种工地违规的监控方法、系统、介质及电子设备 | |
| CN202120402U (zh) | 基于云计算的海量视频分析与快速检索系统 | |
| CN111046213B (zh) | 一种基于图像识别的知识库构建方法 | |
| CN108898072A (zh) | 一种面向公安刑侦应用的视频图像智能研判系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190222 |
|
| WD01 | Invention patent application deemed withdrawn after publication |