CN112312070A - 一种数字视网膜云端软件调度方法 - Google Patents

Abstract

一种数字视网膜云端软件调度方法，包括如下步骤：步骤1：添加Camera ID信息，包括IP地址；添加视频编码格式，包括分辨率、帧率、码率参数，添加Camera流程；步骤2：添加Convertor的ID信息，包括IP地址；并建立DualServer集群和接入Camera的连接，添加Convertor流程；步骤3：DualServer启动就绪后，DualServer建立一个MongoClcient对象，将自己注册到全局数据库中，并定期产生心跳信号，更新自己的状态，DualServer入网；本发明改进了传统视频监控系统只对DVR设备中视频流做单一的云端汇聚，解决多节点设备管理及多元数据复杂应用问题。

Description

一种数字视网膜云端软件调度方法

技术领域

本发明是一种数字视网膜云端软件调度方法，涉及视频监控技术领域，特别涉及数字视网膜系统在千路以上级接入规模的摄像机的接入、智能分析、浓缩转码、检索查询等应用的调度管理。

背景技术

目前部署的视频监控系统，采用的是十多年前的技术标准H.264，数据压缩效率低，建设成本高，应用效果差强人意，主要表现在：

1)早期标准压缩效率低。在保证视频质量的情况下，我国部署的三千万摄像机估计需要数千亿元的存储成本，各地在存储空间不足的情况下，往往对视频进行过度压缩，造成大量视频图像质量严重劣化，在发生案件或安全事故时，看不清关键人物和车辆；

2)监控视频联网难。很多省市部署的摄像机都超过百万，但采用老标准编码，在现有通信带宽条件下，能够实时传输的视频只有数百路，大部分监控视频得不到有效利用；

3)高度密集的摄像机无法进行全场景覆盖。尽管部分地区的摄像机分布密集度很高，仍然无法进行全场景覆盖，对于摄像机覆盖的区域地面摄像机拍摄的信息也是有限的，同时全天候采集的视频数据冗余度很高，但很难提取全局有价值信息，造成巨大的信息浪费；

4)海量视频检索难。传统视频监控系统是通过监控人员调阅历史录像来实现事件的回放取证，人工回放录像取证的方式效率低，尽管图像检索技术有了快速的发展，但是在产业界应用，特别是安防领域的大规模应用还亟待解决；

5)缺乏视频精准分析。在公安等部门的实战应用中，视频监控技术存在视频调阅慢、分析难的问题，如何从海量视频中发现重要而有价值的线索，如快速识别定位目标、挖掘其行动轨迹，对缩短事件处理时间，降低执法人员的工作强度，提高工作效率具有积极意义。

发明内容

本发明的目的是提供一种数字视网膜云端软件调度方法，以解决数字视网膜系统大规模摄像机的接入、智能分析、浓缩转码、检索查询的软件调度管理问题。

本发明的技术方案如下：

一种数字视网膜云端软件调度方法，包括如下步骤：

步骤1：添加Camera ID信息，包括IP地址；添加视频编码格式，包括分辨率、帧率、码率参数，添加Camera流程；

步骤2：添加Convertor的ID信息，包括IP地址；并建立DualServer集群和接入Camera的连接，添加Convertor流程；

步骤3：DualServer启动就绪后，DualServer建立一个MongoClcient对象，将自己注册到全局数据库中，并定期产生心跳信号，更新自己的状态，DualServer入网；

步骤4：Convertor入网包括如下两个子步骤：

(1)当Convertor接入云端网络时，它会依次调用DualClient库的PreLogin()和Login()方法，之后进入就绪状态；

(2)每个Convertor会在云端对应一个专用于写结构化数据的MongoClient对象，用于MongoCluster的负载均衡；

步骤5：Camera入网包括如下子步骤：

(1)Convertor连接Camera成功后，将进行一系列的资源分配，然后向上级属主DualServer报告Camera的到来，DualServer会将此事记录到MongoCluster中；

(2)Convertor会为该Camera创建对应的视频链路和特征链路；

步骤6：DualServer向VideoCluster写入视频流数据，同时，DualServer会将此次写入视频流的信息记录到MongoCluster中；

步骤7：DualServer向PictureCluster、FeatureCluster和MongoCluster分别写入图片数据、特征数据和结构化数据，同时，DualServer会将此次写入特征流信息记录到MongoServer中；

步骤8：Browser通过AppServer向MongoCluster发送检索请求，MongoCluster检索完成后返回检索结果，Browser获得检索结果后显示；同时，AppServer会将此次检索信息记录到MongoServer中；

步骤9：Browser以图搜图包括如下子步骤：

(1)Browser通过AppServer向DualServer发送待检索图片请求，DualServer完成待检索图片的Feature计算；

(2)DualServer向FeatureCluster发送检索请求，FeatureCluster按待检索图片Feature检索完成后返回检索结果；

(3)AppServer会将此次检索信息记录到MongoServer中。

本发明改进了传统视频监控系统只对DVR设备中视频流做单一的云端汇聚，解决多节点设备管理及多元数据复杂应用问题。

附图说明

附图1是本发明一种数字视网膜云端软件调度方法的系统组成图。

附图2是本发明添加Camera的时序图。

附图3是本发明添加Convertor的时序图。

附图4是本发明DualServer入网的时序图。

附图5是本发明Convertor入网的时序图。

附图6是本发明Camera入网的时序图。

附图7是本发明DualServer派发视频流的时序图。

附图8是本发明DualServer派发特征流的时序图。

附图9是本发明Browser查询结构化数据的时序图。

附图10是本发明Browser以图搜图的时序图。

具体实施方式

本发明的目的是解决数字视网膜系统大规模摄像机的接入、智能分析、浓缩转码、检索查询等应用的软件调度管理问题。

为了实现上述目的，本发明提供一种数字视网膜云端软件调度方法在端云架构下通过对云端软件调度操作流程的定义实现千路以上级接入规模的摄像机的高效稳定的云端汇聚应用。

一种数字视网膜云端软件调度方法支持大规模监控视频的接入、智能分析、浓缩转码、检索查询等应用，云端软件支持千路级摄像机的线性扩容，如附图1所示。本方法对基于数字视网膜体系的大规模智能视频监控的云端软件进行定义，特别是云端的调度软件，能够提供千路以上级接入规模的摄像机智能分析的管理。

本发明提出了一种数字视网膜云端软件调度方法，包括四个步骤：监控视频接入管理；数字视网膜计算节点入网调度管理；数字视网膜数据流调度管理；数字视网膜应用服务调度管理。一种数字视网膜云端软件调度方法基于数字视网膜的软硬件平台根据业务应用服务流程制定高效的数据流交互方法，改进传统视频监控系统只对DVR设备中视频流做单一的云端汇聚，解决多节点设备管理及多元数据复杂应用问题。

本发明的技术方案如下：

一种数字视网膜云端软件调度方法，包括如下步骤：

步骤1：添加Camera ID信息(如IP地址)和视频编码格式(分辨率、帧率、码率)等参数，添加Camera详细流程参见附图2。

步骤2：添加Convertor的ID信息(如IP地址)，并建立DualServer集群和接入Camera的连接，添加Convertor详细流程参见附图3。

步骤3：DualServer启动就绪后，它会建立一个MongoClcient对象，将自己注册到全局数据库中，并定期产生心跳信号，更新自己的状态，DualServer入网详细流程参见附图4。

步骤4：Convertor入网包括如下两个子步骤：

(1)当Convertor接入云端网络时，它会依次调用DualClient库的PreLogin()和Login()方法，之后进入就绪状态；

(2)每个Convertor会在云端对应一个专用于写结构化数据的MongoClient对象，用于MongoCluster(Mongo数据库集群)的负载均衡；

Convertor入网详细流程参见附图5。

步骤5：Camera入网包括如下子步骤：

(1)Convertor连接Camera成功后，将进行一系列的资源分配，然后向上级属主DualServer报告Camera的到来，DualServer会将此事记录到MongoCluster中；

(2)Convertor会为该Camera创建对应的视频链路和特征链路；

Camera入网详细流程参见附图6。

步骤6：DualServer向VideoCluster(视频数据库集群)写入视频流数据，同时，DualServer会将此次写入视频流的信息记录到MongoCluster中,DualServer派发视频流详细流程参见附图7。

步骤7：DualServer向PictureCluster(图片数据库集群)、FeatureCluster(特征数据库集群)和MongoCluster分别写入图片数据、特征数据和结构化数据，同时，DualServer会将此次写入特征流信息记录到MongoServer中，DualServer派发特征流详细流程参见附图8。

步骤8：Browser(查询终端)通过AppServer向MongoCluster发送检索请求，MongoCluster检索完成后返回检索结果，Browser获得检索结果后显示。同时，AppServer会将此次检索信息记录到MongoServer中，Browser查询结构化数据详细流程参见附图9。

步骤9：Browser以图搜图包括如下子步骤：

(1)Browser通过AppServer向DualServer发送待检索图片请求，DualServer完成待检索图片的Feature计算；

(2)DualServer向FeatureCluster发送检索请求，FeatureCluster按待检索图片Feature检索完成后返回检索结果；

(3)AppServer会将此次检索信息记录到MongoServer中；

Browser以图搜图详细流程参见附图10。

实施例:

一种数字视网膜云端软件调度方法，包括如下步骤：

步骤1：添加Camera ID信息(如IP地址)和视频编码格式(分辨率、帧率、码率)等参数，添加Camera详细流程参见附图2。

步骤2：添加Convertor的ID信息(如IP地址)，并建立DualServer集群和接入Camera的连接，添加Convertor详细流程参见附图3。

步骤3：DualServer启动就绪后，它会建立一个MongoClcient对象，将自己注册到全局数据库中，并定期产生心跳信号，更新自己的状态，DualServer入网详细流程参见附图4。

步骤4：Convertor入网包括如下两个子步骤：

(1)当Convertor接入云端网络时，它会依次调用DualClient库的PreLogin()和Login()方法，之后进入就绪状态；

(2)每个Convertor会在云端对应一个专用于写结构化数据的MongoClient对象，用于MongoCluster(Mongo数据库集群)的负载均衡；

Convertor入网详细流程参见附图5。

步骤5：Camera入网包括如下子步骤：

(1)Convertor连接Camera成功后，将进行一系列的资源分配，然后向上级属主DualServer报告Camera的到来，DualServer会将此事记录到MongoCluster中；

(2)Convertor会为该Camera创建对应的视频链路和特征链路；

Camera入网详细流程参见附图6。

步骤6：DualServer向VideoCluster(视频数据库集群)写入视频流数据，同时，DualServer会将此次写入视频流的信息记录到MongoCluster中,DualServer派发视频流详细流程参见附图7。

步骤7：DualServer向PictureCluster(图片数据库集群)、FeatureCluster(特征数据库集群)和MongoCluster分别写入图片数据、特征数据和结构化数据，同时，DualServer会将此次写入特征流信息记录到MongoServer中，DualServer派发特征流详细流程参见附图8。

步骤8：Browser(查询终端)通过AppServer向MongoCluster发送检索请求，MongoCluster检索完成后返回检索结果，Browser获得检索结果后显示。同时，AppServer会将此次检索信息记录到MongoServer中，Browser查询结构化数据详细流程参见附图9。

步骤9：Browser以图搜图包括如下子步骤：

(1)Browser通过AppServer向DualServer发送待检索图片请求，DualServer完成待检索图片的Feature计算；

(2)DualServer向FeatureCluster发送检索请求，FeatureCluster按待检索图片Feature检索完成后返回检索结果；

(3)AppServer会将此次检索信息记录到MongoServer中；

Browser以图搜图详细流程参见附图10。

需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

MongoClient库需要实现的方法语义

MongoClient库用于访问MongoCluster，运行在AppServer和DualServer里。

MongoClient库采用Java语言实现，主体是MongoClient类。一个MongoClient实例化对象代表着一个数据库连接。

特别指出，DualServer利用MongoClient写结构化数据到MongoCluster时，由于数据量比较大，MongoCluster必须考虑多个MongoClient的负载均衡问题，或者说，MongoClient必须连接到一个负载合适的MongoServer才可以。这里可以参考Convertor连接DualCluster时采用的二次协商机制。

1)joinMongoCluster(“mongocluster.com”，“username”，“password”，booleanisBigDataLink)

2)leaveMongoCluster()

3)dualServerLogin(long dualServerId，“dualServerIp”，“dualServerName”)

4)dualServerLogout(long dualServerId)

5)dualServerHeartbeat(long dualServerId)

6)getDualServerByConvertorCount()

7)getDualServerByCameraCount()

8)convertorLogin(long dualServerId，long convertorId，“convertorName”)

9)convertorLogout(long dualServerId，long convertId)

10)cameraLogin(long dualServerId，long convertorId，long cameraId，“cameraIp”，“cameraName”)

11)cameraLogout(long dualServerId，long convertorId，long cameraId)

12)writeXxxData()

13)queryXxxData()

Claims (1)

1.一种数字视网膜云端软件调度方法，包括如下步骤：

步骤1：添加Camera ID信息，包括IP地址；添加视频编码格式，包括分辨率、帧率、码率参数，添加Camera流程；

步骤2：添加Convertor的ID信息，包括IP地址；并建立DualServer集群和接入Camera的连接，添加Convertor流程；

步骤3：DualServer启动就绪后，DualServer建立一个MongoClcient对象，将自己注册到全局数据库中，并定期产生心跳信号，更新自己的状态，DualServer入网；

步骤4：Convertor入网包括如下两个子步骤：

(1)当Convertor接入云端网络时，它会依次调用DualClient库的PreLogin()和Login()方法，之后进入就绪状态；

(2)每个Convertor会在云端对应一个专用于写结构化数据的MongoClient对象，用于MongoCluster的负载均衡；

步骤5：Camera入网包括如下子步骤：

(1)Convertor连接Camera成功后，将进行一系列的资源分配，然后向上级属主DualServer报告Camera的到来，DualServer会将此事记录到MongoCluster中；

(2)Convertor会为该Camera创建对应的视频链路和特征链路；

步骤6：DualServer向VideoCluster写入视频流数据，同时，DualServer会将此次写入视频流的信息记录到MongoCluster中；

步骤7：DualServer向PictureCluster、FeatureCluster和MongoCluster分别写入图片数据、特征数据和结构化数据，同时，DualServer会将此次写入特征流信息记录到MongoServer中；

步骤8：Browser通过AppServer向MongoCluster发送检索请求，MongoCluster检索完成后返回检索结果，Browser获得检索结果后显示；同时，AppServer会将此次检索信息记录到MongoServer中；

步骤9：Browser以图搜图包括如下子步骤：

(1)Browser通过AppServer向DualServer发送待检索图片请求，DualServer完成待检索图片的Feature计算；

(2)DualServer向FeatureCluster发送检索请求，FeatureCluster按待检索图片Feature检索完成后返回检索结果；

(3)AppServer会将此次检索信息记录到MongoServer中。

Images