CN112601106B - 视频图像的处理方法、装置及存储介质 - Google Patents

Abstract

本申请公开了一种视频图像的处理方法、装置及存储介质。应用于视频处理系统，所述视频处理系统包括边缘计算和存储设备，所述边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，并且视频图像的处理方法包括：所述边缘计算和存储设备接收通过图像采集器采集的实时视频图像；以及所述边缘计算和存储设备将所述实时视频图像存储至所述多个存储器中耐擦写性能最优的第一存储器。

Description

视频图像的处理方法、装置及存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种视频图像的处理方法、装置及存储介质。

背景技术

目前基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系。稳定性强意味着存储器的耐擦写性能强，例如eMMC存储器，但是往往这种耐擦写性能强的存储器的存储成本非常昂贵，并且由于采用直接贴片焊接的方式，用户无法更换。同样的，存储成本较低的存储器(例如SD卡、USB硬盘)的耐擦写性能相对较差，且接口容易损坏，很容易造成数据的丢失，稳定性差。

针对上述的现有技术中存在的基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种视频图像的处理方法、装置及存储介质，以至少解决现有技术中存在的基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系的技术问题。

根据本公开实施例的一个方面，提供了一种视频图像的处理方法，应用于视频处理系统，视频处理系统包括边缘计算和存储设备，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，并且方法包括：边缘计算和存储设备接收通过图像采集器采集的实时视频图像；以及边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种视频图像的处理装置，应用于视频处理系统，视频处理系统包括边缘计算和存储设备，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，并且处理装置包括：实时视频图像接收模块，用于接收通过图像采集器采集的实时视频图像；以及实时视频图像存储模块，用于将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器。

根据本公开实施例的另一个方面，还提供了一种视频图像的处理装置，包括：应用于视频处理系统，视频处理系统包括边缘计算和存储设备，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，并且处理装置包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：边缘计算和存储设备接收通过图像采集器采集的实时视频图像；以及边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器。

在本公开实施例中，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，结合需要不断的存储实时视频图像以及实时视频图像的高查询频率的特性，边缘计算和存储设备接收通过图像采集器采集的实时视频图像后，选择将该实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器，有效保障了实时视频图像的稳定性。并且，结合视频图像的数据量十分庞大以及历史视频图像的查询频率远低于实时视频图像的查询频率的特性，本实施例可以将耐擦写性能低于第一存储器的其他存储器作为历史视频图像的存储器，即将存储成本低于第一存储器的其他存储器为历史视频图像的存储器，从而可以有效平衡视频图像的存储成本与稳定性之间的关系。达到了边缘计算和存储设备具有多样化的基于视频图像的边缘侧存储方式，可以有效平衡视频图像的存储成本与稳定性之间的关系的技术效果。进而解决了现有技术中存在的基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系的技术问题。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1是用于实现根据本公开实施例1所述的方法的计算存储设备的硬件结构框图；

图2是根据本公开实施例1所述的视频处理系统的框架示意图；

图3是根据本公开实施例1的第一个方面所述的视频图像的处理方法的流程示意图；

图4是根据本公开实施例1所述的视频图像的查询流程示意图；

图5是根据本公开实施例2所述的视频图像的处理装置的示意图；以及

图6是根据本公开实施例3所述的视频图像的处理装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，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，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本实施例，提供了一种视频图像的处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例所提供的方法实施例可以在服务器或者类似的计算设备中执行。图1示出了一种用于实现视频图像的处理方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器可用于存储应用软件的软件程序以及模块，如本公开实施例中的视频图像的处理方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的视频图像的处理方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算设备的用户界面进行交互。

此处需要说明的是，在一些可选实施例中，上述图1所示的计算设备可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算设备中的部件的类型。

图2是根据本实施例所述的视频处理系统的框架示意图。参照图2所示，该系统包括：设置于边缘网络的边缘计算和存储设备10以及设置于云端网络的能够与边缘计算和存储设备10通信连接的远端服务器20。并且，边缘计算和存储设备10设置有多个存储器110～130、人工智能处理设备140以及多个图像采集器150a～150n。远端服务器20设置有云端存储器210。其中，多个存储器110～130分别具备不同的耐擦写性能，存储器110例如为eMMC存储器，存储器120例如为SD卡，存储器130例如为USB硬盘或者SATA硬盘。其中，eMMC存储器的耐擦写性能最优，性能最稳定，但是其存储容量小、价格昂贵且用户无法更换。SD卡的耐擦写性能低于eMMC存储器的耐擦写性能，但是其价格低于eMMC存储器、存储容量大于eMMC存储器且更换随意、安装便捷体积小。USB硬盘或者SATA硬盘的耐擦写性能高于SD卡的耐擦写性能，其价格也相对便宜、存储容量更大且更换随意，但是其体积大，安装不便捷。云端存储器210的性能稳定以及价格便宜，但是其需要有4G或者5G等网络支持，即将视频图像上传至云端存储器210需要占用很大的带宽，网络带宽成本高昂。

进一步地，人工智能处理设备140与多个图像采集器150a～150n通信连接，用于接收多个图像采集器150a～150n采集的视频图像，并对该视频图像进行人工智能处理后按照预设的存储规则存储至多个存储器110～130中的目标存储器。并且，在设置于边缘网络的多个存储器110～130的存储容量写满的情况下，边缘计算和存储设备10将“溢出来”的视频图像发送至设置于云端网络中的云端服务器20(关于“溢出来”一词的含义，在下文中详细解释)，由云端服务器20将“溢出来”的视频图像存储至云端存储器210。需要说明的是，系统中的边缘计算和存储设备10以及远端服务器20均可适用上面所述的硬件结构。

在上述运行环境下，根据本实施例的第一个方面，提供了一种视频图像的处理方法方法，应用于视频处理系统，视频处理系统包括边缘计算和存储设备10，边缘计算和存储设备10设置有具备不同的耐擦写性能的多个存储器110～130，该方法由图2中所示的边缘计算和存储设备10以及远端服务器20共同实现。图3示出了该方法的流程示意图，参考图3所示，该方法包括：

S302：边缘计算和存储设备接收通过图像采集器采集的实时视频图像；以及

S304：边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器。

正如上述背景技术中所述的，目前基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系。稳定性强意味着存储器的耐擦写性能强，例如eMMC存储器，但是往往这种耐擦写性能强的存储器的存储成本非常昂贵，并且由于采用直接贴片焊接的方式，用户无法更换。同样的，存储成本较低的存储器(例如SD卡、USB硬盘)的耐擦写性能的耐擦写性能相对较差，且接口容易损坏，很容易造成数据的丢失，稳定性差。

有鉴于此，在本实施例中，在图像采集器(例如图像采集器150a)采集到实时视频图像的情况下，边缘计算和存储设备10接收图像采集器150a采集的实时视频图像。考虑到在大多数应用场景下(例如监控场景下)，图像采集器需要不断的采集视频图像，边缘计算和存储设备10必然不断的从图像采集器150a接收实时视频图像，并且实时视频图像的查询频率远高于历史视频图像的查询频率，因此边缘计算和存储设备10需要将这些实时视频图像存储至多个存储器110～130中耐擦写性能最优的第一存储器(例如存储器110)，有效保障了实时视频图像的稳定性。

进一步地，由于边缘计算和存储设备10设置有具备不同的耐擦写性能的多个存储器110～130，考虑到耐擦写性能最优的第一存储器的存储成本非常高并且视频图像的数据量十分庞大，本实施例可将视频图像划分为实时视频图像和历史视频图像，例如将近8小时内采集的视频图像划分为实时视频图像，将距离采集时间超过8小时的视频图像划分为历史视频图像，结合历史视频图像的查询频率较低的特性，在第一存储器(即，存储器110)的存储空间写满的情况下，边缘计算和存储设备10可以将第一存储器存储的历史视频图像迁移至耐擦写性能低于第一存储器的其他存储器(例如，存储器120)，存储器120的耐擦写性能低于第一存储器(即，存储器110)意味着存储器120的存储成本也低于存储器110。从而，可以有效平衡视频图像的存储成本与稳定性之间的关系。

在本实施例中，边缘计算和存储设备10设置有具备不同的耐擦写性能的多个存储器110～130，结合需要不断的存储实时视频图像以及实时视频图像的高查询频率的特性，边缘计算和存储设备10接收通过图像采集器采集的实时视频图像后，选择将该实时视频图像存储至多个存储器110～130中耐擦写性能最优的第一存储器(例如存储器110)，有效保障了实时视频图像的稳定性。并且，结合视频图像的数据量十分庞大以及历史视频图像的查询频率远低于实时视频图像的查询频率的特性，本实施例可以将耐擦写性能低于第一存储器的其他存储器作为历史视频图像的存储器，即将存储成本低于第一存储器的其他存储器为历史视频图像的存储器，从而可以有效平衡视频图像的存储成本与稳定性之间的关系。达到了边缘计算和存储设备具有多样化的基于视频图像的边缘侧存储方式，可以有效平衡视频图像的存储成本与稳定性之间的关系的技术效果。进而解决了现有技术中存在的基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系的技术问题。

可选地，边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器的操作之前，还包括：边缘计算和存储设备判定第一存储器是否具备存储实时视频图像的存储空间；以及边缘计算和存储设备在判定第一存储器不具备存储实时视频图像的存储空间的情况下，将第一存储器存储的第一历史视频图像迁移至多个存储器中的第二存储器，其中第二存储器的耐擦写性能低于第一存储器，并且第二存储器的存储成本也低于第一存储器。

具体地，由于耐擦写性能最优的存储器110(例如eMMC存储器)的存储容量较小且价格昂贵，而视频图像的体积十分庞大，导致存储容量小的存储器110很容易存满，因此边缘计算和存储设备10在将实时视频图像存储至多个存储器110～130中耐擦写性能最优的存储器110的操作之前，需要判定存储器110是否具备存储实时视频图像的存储空间，保证能够成功地将实时视频图像存储至存储器110。边缘计算和存储设备10在判定存储器110不具备存储实时视频图像的存储空间的情况下，将存储器110存储的第一历史视频图像迁移至多个存储器中的第二存储器(例如存储器120，即SD卡)。其中存储器120的耐擦写性能低于存储器110，并且存储器120的存储成本也低于存储器110。

例如：存储器110能够存储8个小时的视频图像，待存储至存储器110的实时视频图像为2020年11月5日8时01分采集的，而存储器110已存储有从2020年11月5日0时0分至2020年11月5日8时0分所采集的视频图像。在这种情况下，边缘计算和存储设备10判定存储器110不具备存储2020年11月5日8时01分采集的实时视频图像的存储空间，因此需要将存储器110中存储的2020年11月5日0时0分至2020年11月5日1时0分采集的视频图像迁移至存储器120。即，在此场景下，解释了本实施例中关于“溢出来”的含义。通过将读写频率高的实时视频图像存储至耐擦写性能最优的第一存储器，将读写频率较低的历史视频图像存储至耐擦写性能低于第一存储器的第二存储器，可以有效平衡视频图像的存储成本与稳定性之间的关系。

可选地，边缘计算和存储设备将第一存储器存储的第一历史视频图像迁移至多个存储器中的第二存储器的操作之前，还包括：边缘计算和存储设备判定第二存储器是否具备存储第一历史视频图像的存储空间；以及边缘计算和存储设备在判定第二存储器不具备存储第一历史视频图像的存储空间得情况下，将第二存储器中存储的第二历史视频图像迁移至多个硬盘存储器中作为第三存储器。

具体地，参照图2所示，边缘计算和存储设备10在将存储器110存储的第一历史视频图像迁移至多个存储器110～130中的存储器120的操作之前，为了保证第一历史视频图像能够成功存储至存储器120，边缘计算和存储设备10需要判断存储器120是否具备存储第一历史视频图像的存储空间，即判定存储器120是否写满。在判定存储器120已写满的情况下，将存储器120中存储的第二历史视频图像迁移至多个硬盘存储器130中作为第三存储器(例如存储器130)。其中，存储器130例如为USB硬盘或者SATA硬盘等，价格便宜，存储容量大但是相对于eMMC存储器和SD卡而言体积大，安装不便捷。因此只有在SD卡写满后，边缘计算和存储设备10才将SD卡中的历史视频图像迁移至USB硬盘或者SATA硬盘等。通过这种方式，提供了多样化的存储方式，进一步有效平衡视频图像的存储成本与稳定性之间的关系。

可选地，边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器的操作，包括：边缘计算和存储设备根据用户预先定义的单个存储视频图像的视频文件的存储容量，将实时视频图像的不同视频文件依次写入第一存储器中。

具体地，由于视频图像的数据量大，为了避免单个大文件的长时间写入容易造成数据的遗失或破坏，用户可以预先定义单个存储视频图像的视频文件的存储容量。例如：用户可以定义单个视频文件能够存储1分钟、3分钟或者5分钟的视频图像。下面以用户定义单个视频文件能够存储3分钟的视频图像为例，展开说明边缘计算和存储设备10如何将实时视频图像依次写入第一存储器中的不同视频文件。具体为，边缘计算和存储设备10将实时视频图像存储至耐擦写性能最优的存储器110(即eMMC存储器)的操作过程中，需要根据用户预先定义的单个视频文件能够存储3分钟的视频图像的存储规则，将第一个3分钟的视频图像写入存储器110中的视频文件1，然后将第二个3分钟的视频图像写入存储器110中的视频文件2，以此类推，直至将所有的实时视频图像全部写入存储器110。从而，在本实施例中，写文件采用小尺寸文件，用户可自定义文件的存储容量，有效避免了因大文件的长时间写入容易造成大量数据的遗失或破坏。

可选地，边缘计算和存储设备将第一存储器存储的第一历史视频图像迁移至多个存储器中的第二存储器的操作，包括：边缘计算和存储设备根据存储容量，确定待迁移的视频图像的迁移容量；边缘计算和存储设备根据迁移容量，在不同视频文件中确定待迁移的第一视频文件集合；以及边缘计算和存储设备将第一视频文件集合中的各个视频文件依次迁移至第二存储器。

具体地，由于存储器120的耐擦写性能低于存储器110，为了尽量减少存储器120的写入次数，边缘计算和存储设备10在将存储器110中的历史视频图像迁移至存储器120时，选择将一批历史视频图像一次性写入存储器120。因此，边缘计算和存储设备10需要根据用户定义的单个视频文件的存储容量，确定待迁移的视频图像的迁移容量。例如：当用户定义的单个视频文件的存储容量为3分钟的视频图像的情况下，所确定的待迁移的视频图像的迁移容量应当为3分钟的整数倍的视频图像(例如30分钟的视频图像)。当用户定义的单个视频文件的存储容量为5分钟的视频图像的情况下，所确定的待迁移的视频图像的迁移容量应当为5分钟的整数倍的视频图像(例如50分钟的视频图像)。

进一步地，边缘计算和存储设备10根据迁移容量，在不同视频文件中确定待迁移的第一视频文件集合。其中，边缘计算和存储设备10所确定的迁移容量例如为30分钟的视频图像，存储器110存储有100个视频文件，此时边缘计算和存储设备10需要从这100个视频文件中确定10个连续的历史视频文件组成待迁移的第一视频文件集合。最后，边缘计算和存储设备10将第一视频文件集合中的这10个历史视频文件依次迁移至存储器120。从而，本实施例在进行数据迁移的时候按照视频文件的尺寸(即，存储容量)依次迁移，实现了快速的数据迁移操作的同时，保证了数据迁移能够稳定执行。

此外，视频文件的名称可以使用视频图像的采集时间。例如，当用户定义的单个视频文件的存储容量为3分钟的视频图像的情况下，当前采集到的实时视频图像的采集时间为2020年11月05日08时00分至03分，那么存储有这一实时视频图像的视频文件的名称可以为“202011050800～03”，同理可得下一个视频文件的名称为“202011050804～06”，以此类推。

可选地，视频处理系统还包括云端服务器，并且方法还包括：边缘计算和存储设备在第三存储器不具备存储视频图像的存储空间的情况下，将第三存储器存储的第三历史视频图像迁移至云端服务器中的云端存储器。

具体地，参照图2所示，视频处理系统还包括云端服务器20，并且边缘计算和存储设备10在硬盘存储器作为第三存储器(存储器130)不具备存储视频图像的存储空间的情况下，即存储器130已写满的情况下，可以将存储器130存储的历史视频图像迁移至云端服务器20中的云端存储器210。通过这种方式，在边缘计算和存储设备端的存储器写满的情况下，系统能够将边缘计算和存储设备端“溢出来”的历史视频图像通过4G或者5G等网络上传至云端存储器210，从而实现了边缘端和云端的协同存储，进一步提高了视频图像存储方式的多样性以及增强了整个系统的存储容量。

可选地，边缘计算和存储设备还设置有人工智能处理设备，其中人工智能处理设备能够对视频图像中包含的物体进行检测，并且方法还包括：人工智能处理设备对实时视频图像中的目标物体进行检测，生成与目标物体相关的目标物体事件；人工智能处理设备建立实时视频图像的采集时间与目标物体事件之间的映射关系；人工智能处理设备将映射关系存储至预先设置的事件映射表，其中事件映射表存储有各个视频图像的采集时间与各个物体事件之间的映射关系；以及人工智能处理设备将存储有映射关系的事件映射表发送至云端服务器。

具体地，参照图2所示，边缘计算和存储设备还设置有人工智能处理设备140，通过人工智能处理设备140将实时视频图像中的目标物体检测并分离，生成与目标相关的目标物体事件，然后建立实时视频图像的采集时间与目标物体时间之间的映射关系。例如：人工智能处理设备140通过对实时视频图像中的目标物体进行检测后得到目标物体为用户A且用户A的姿态为摔倒姿态，此时生成的目标物体事件为“用户A且摔倒”。并且，该实时视频图像的采集时间为2020年11月05日12时05分，人工智能处理设备140则将事件“用户A且摔倒”与采集时间“2020年11月05日12时05分”建立映射关系。

进一步地，人工智能处理设备140将该映射关系存储至预先设置的事件映射表。其中，预先设置的事件映射表如下表1所示。并且，人工智能处理设备140还将存储有映射关系的事件映射表发送至云端服务器20。通过这种方式，用户可以基于目标物体事件向边缘计算和存储设备10或者云端服务器20查询存储的视频图像，边缘计算和存储设备10或者云端服务器20能够根据目标物体事件在事件映射表检索与事件对应的视频图像的采集时间，然后根据该采集时间确定视频图像的存储位置并获取相应的视频图像返回给用户查看。从而通过对目标物体事件的检索，实现了快速浏览存储的视频图像，加快了检索速度。并且，可以通过4G/5G网络将事件映射表传输至云端服务器，边缘计算和存储设备本地存储的视频图像也映射到云端文件，方便云端统一管理。

表1

目标物体事件	实时视频图像的采集时间
		事件a	2020年11月05日8时00分
事件b	2020年11月05日10时05分
		事件c	2020年11月06日11时30分
···	···
		用户A且摔倒	2020年11月05日12时05分

可选地，本实施例还包括：云端服务器接收基于事件标签查询第一目标视频图像的第一查询请求；云端服务器根据第一查询请求和事件映射表，确定第一目标视频图像是否存储于云端存储器；云端服务器在判定所述第一目标视频图像未存储于所述云端存储器的情况下，将所述第一查询请求发送至所述人工智能处理设备；以及所述人工智能处理设备根据所述第一查询请求和所述事件映射表，从所述多个存储器中获取所述第一目标视频图像并发送至所述云端服务器。

具体地，用户在需要查询某一视频图像(对应于第一目标视频图像)的情况下，可以基于事件标签向云端服务器20查询，即用户在查询组件中输入对应的事件标签进行查询。其中，事件标签例如为“摔倒”，在这一应用场景下，云端服务器20根据用户的查询请求和预先配置的事件映射表，确定与事件对应的第一目标视频图像是否存储于云端存储器210。例如，云端服务器20首先在事件映射表中检索与事件“摔倒”对应的第一目标视频图像的采集时间，然后根据采集时间来判定云端存储器210是否存储有与该采集时间对应的视频图像。

进一步地，云端服务器20在判定第一目标视频图像未存储于云端存储器210的情况下，将第一查询请求发送至人工智能处理设备140，由人工智能处理设备140根据第一查询请求和存储于本地的事件映射表，确定第一目标视频图像在本地设备的存储位置，即确定第一视频图像存储于多个存储器110～130中的存储位置，然后根据存储位置获取第一目标视频图像并发送至云端服务器20，由云端服务器20将第一目标视频图像返回至用户进行浏览查看。通过这种方式，无论用户想要查看的视频图像是存储于云端存储器210还是存储于边缘计算和存储设备中的多个存储器110～130，用户都可以基于事件标签向云端服务器20提出查询请求，并且云端服务器20能够相应于用户的查询请求返回用户相应的视频图像供用户查看。

可选地，本实施例还包括：云端服务器接收基于时间标签查询第二目标视频图像的第二查询请求；云端服务器根据第二查询请求，确定第二目标视频图像是否存储于云端存储器；云端服务器在判定第二目标视频图像未存储于云端存储器的情况下，将第二查询请求发送至人工智能处理设备；以及人工智能处理设备根据第二查询请求，从多个存储器中获取第二目标视频图像并发送至云端服务器。

具体地，参照图4所示，用户在需要查询某一视频图像(对应于第二目标视频图像)的情况下，可以基于时间标签向云端服务器20查询，即用户在查询组件中输入对应的时间标签进行查询。其中，时间标签例如为“2020年11月05日10时05分”，在这一应用场景下，云端服务器20根据用户的查询请求，确定与该时间标签对应的第二目标视频图像是否存储于云端存储器210。

进一步地，云端服务器20在判定第二目标视频图像未存储于云端存储器210的情况下，将第二查询请求发送至人工智能处理设备140，由人工智能处理设备140根据第二查询请求，将该时间标签转换为位置标签，确定第一目标视频图像在多个存储器110～130中的存储位置，即确定第一视频图像存储于多个存储器110～130中的存储位置，然后根据存储位置获取第二目标视频图像并发送至云端服务器20，由云端服务器20将第二目标视频图像返回至用户进行浏览查看。通过这种方式，无论用户想要查看的视频图像是存储于云端存储器210还是存储于边缘计算和存储设备10中的多个存储器110～130，用户都可以基于时间标签向云端服务器20提出查询请求，并且云端服务器20能够相应于用户的查询请求返回用户相应的视频图像供用户查看。

此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质。存储介质包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

实施例2

图5示出了根据本实施例所述的视频图像的处理装置500，应用于视频处理系统，视频处理系统包括边缘计算和存储设备，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，该处理装置500与根据实施例1的第一个方面所述的方法相对应。参考图5所示，该处理装置500包括：实时视频图像接收模块510，用于接收通过图像采集器采集的实时视频图像；以及实时视频图像存储模块520，用于将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器。

可选地，处理装置500还包括：第一判定模块，用于判定第一存储器是否具备存储实时视频图像的存储空间；以及第一迁移模块，用于在判定第一存储器不具备存储实时视频图像的存储空间的情况下，将第一存储器存储的第一历史视频图像迁移至多个存储器中的第二存储器，其中第二存储器的耐擦写性能低于第一存储器，并且第二存储器的存储成本也低于第一存储器。

可选地，处理装置500还包括：第二判定模块，用于边缘计算和存储设备判定第二存储器是否具备存储第一历史视频图像的存储空间；以及第二迁移模块，用于在判定第二存储器不具备存储第一历史视频图像的存储空间得情况下，将第二存储器中存储的第二历史视频图像迁移至多个硬盘存储器中作为第三存储器。

可选地，实时视频图像存储模块520，包括：依次写入子模块，用于根据用户预先定义的单个存储视频图像的视频文件的存储容量，将所述实时视频图像依次写入所述第一存储器中的不同视频文件。

可选地，第一迁移模块，包括：迁移容量确定子模块，用于根据所述存储容量，确定待迁移的视频图像的迁移容量；确定子模块，用于根据迁移容量，在不同视频文件中确定待迁移的第一视频文件集合；以及迁移子模块，用于将第一视频文件集合中的各个视频文件依次迁移至第二存储器。

可选地，视频处理系统还包括云端服务器，并且处理装置500还包括：第三迁移模块，用于在第三存储器不具备存储视频图像的存储空间的情况下，将第三存储器存储的第三历史视频图像迁移至云端服务器中的云端存储器。

可选地，处理装置500还包括：事件检测模块，用于对实时视频图像中的目标物体进行检测，生成与目标物体相关的目标物体事件；映射关系建立模块，用于建立实时视频图像的采集时间与目标物体事件之间的映射关系；映射关系存储模块，用于将映射关系存储至预先设置的事件映射表，其中所述事件映射表存储有各个视频图像的采集时间与各个物体事件之间的映射关系；以及事件映射表发送模块，用于将存储有映射关系的事件映射表发送至云端服务器。

可选地，处理装置500还包括：第一查询请求接收模块，用于接收基于事件标签查询第一目标视频图像的第一查询请求；第一目标视频图像确定模块，用于根据第一查询请求和事件映射表，确定第一目标视频图像是否存储于云端存储器；第一查询请求发送模块，用于在判定第一目标视频图像未存储于云端存储器的情况下，将第一查询请求发送至人工智能处理设备；以及第一目标视频图像发送模块，用于根据第一查询请求和事件映射表，从多个存储器中获取第一目标视频图像并发送至云端服务器。

可选地，处理装置500还包括：第二查询请求接收模块，用于接收基于时间标签查询第二目标视频图像的第二查询请求；第二目标视频图像确定模块，用于根据第二查询请求，确定第二目标视频图像是否存储于云端存储器；第二查询请求发送模块，用于在判定第二目标视频图像未存储于云端存储器的情况下，将第二查询请求发送至人工智能处理设备；以及第二目标视频图像发送模块，用于根据第二查询请求，从多个存储器中获取第二目标视频图像并发送至云端服务器。

从而根据本实施例，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，结合需要不断的存储实时视频图像以及实时视频图像的高查询频率的特性，边缘计算和存储设备接收通过图像采集器采集的实时视频图像后，选择将该实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器，有效保障了实时视频图像的稳定性。并且，结合视频图像的数据量十分庞大以及历史视频图像的查询频率远低于实时视频图像的查询频率的特性，本实施例可以将耐擦写性能低于第一存储器的其他存储器作为历史视频图像的存储器，即将存储成本低于第一存储器的其他存储器为历史视频图像的存储器，从而可以有效平衡视频图像的存储成本与稳定性之间的关系。达到了边缘计算和存储设备具有多样化的基于视频图像的边缘侧存储方式，可以有效平衡视频图像的存储成本与稳定性之间的关系的技术效果。进而解决了现有技术中存在的基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系的技术问题。

实施例3

图6示出了根据本实施例所述的视频图像的处理装置600，应用于视频处理系统，视频处理系统包括边缘计算和存储设备，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，该装置600与根据实施例1的第一个方面所述的方法相对应。参考图6所示，该装置600包括：处理器610；以及存储器620，与处理器610连接，用于为处理器610提供处理以下处理步骤的指令：边缘计算和存储设备接收通过图像采集器采集的实时视频图像；以及边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器。

可选地，存储器620还用于为处理器610提供处理以下处理步骤的指令：边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器的操作之前，边缘计算和存储设备判定第一存储器是否具备存储实时视频图像的存储空间；以及边缘计算和存储设备在判定第一存储器不具备存储实时视频图像的存储空间的情况下，将第一存储器存储的第一历史视频图像迁移至多个存储器中的第二存储器，其中第二存储器的耐擦写性能低于第一存储器，并且第二存储器的存储成本也低于第一存储器。

可选地，存储器620还用于为处理器610提供处理以下处理步骤的指令：边缘计算和存储设备将第一存储器存储的第一历史视频图像迁移至多个存储器中的第二存储器的操作之前，边缘计算和存储设备判定第二存储器是否具备存储第一历史视频图像的存储空间；以及边缘计算和存储设备在判定第二存储器不具备存储第一历史视频图像的存储空间得情况下，将第二存储器中存储的第二历史视频图像迁移至多个硬盘存储器中作为第三存储器。

可选地，边缘计算和存储设备将实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器的操作，包括：边缘计算和存储设备根据用户预先定义的单个存储视频图像的视频文件的存储容量，将实时视频图像依次写入第一存储器中的不同视频文件。

可选地，边缘计算和存储设备将第一存储器存储的第一历史视频图像迁移至多个存储器中的第二存储器的操作，包括：边缘计算和存储设备根据存储容量，确定待迁移的视频图像的迁移容量；边缘计算和存储设备根据迁移容量，在不同视频文件中确定待迁移的第一视频文件集合；以及边缘计算和存储设备将第一视频文件集合中的各个视频文件依次迁移至第二存储器。

可选地，视频处理系统还包括云端服务器，并且存储器620还用于为处理器610提供处理以下处理步骤的指令：边缘计算和存储设备在第三存储器不具备存储视频图像的存储空间的情况下，将第三存储器存储的第三历史视频图像迁移至云端服务器中的云端存储器。

可选地，边缘计算和存储设备还设置有人工智能处理设备，其中人工智能处理设备能够对视频图像中包含的物体进行检测，并且存储器620还用于为处理器610提供处理以下处理步骤的指令：人工智能处理设备对实时视频图像中的目标物体进行检测，生成与目标物体相关的目标物体事件；人工智能处理设备建立实时视频图像的采集时间与目标物体事件之间的映射关系；人工智能处理设备将映射关系存储至预先设置的事件映射表，其中事件映射表存储有各个视频图像的采集时间与各个物体事件之间的映射关系；以及人工智能处理设备将存储有映射关系的事件映射表发送至云端服务器。

可选地，存储器620还用于为处理器610提供处理以下处理步骤的指令：云端服务器接收基于事件标签查询第一目标视频图像的第一查询请求；云端服务器根据第一查询请求和事件映射表，确定第一目标视频图像是否存储于云端存储器；云端服务器在判定第一目标视频图像未存储于云端存储器的情况下，将第一查询请求发送至人工智能处理设备；以及人工智能处理设备根据第一查询请求和事件映射表，从多个存储器中获取第一目标视频图像并发送至云端服务器。

可选地，存储器620还用于为处理器610提供处理以下处理步骤的指令：云端服务器接收基于时间标签查询第二目标视频图像的第二查询请求；云端服务器根据第二查询请求，确定第二目标视频图像是否存储于云端存储器；云端服务器在判定第二目标视频图像未存储于云端存储器的情况下，将第二查询请求发送至人工智能处理设备；以及人工智能处理设备根据第二查询请求，从多个存储器中获取第二目标视频图像并发送至云端服务器。

从而根据本实施例，边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，结合需要不断的存储实时视频图像以及实时视频图像的高查询频率的特性，边缘计算和存储设备接收通过图像采集器采集的实时视频图像后，选择将该实时视频图像存储至多个存储器中耐擦写性能最优的第一存储器，有效保障了实时视频图像的稳定性。并且，结合视频图像的数据量十分庞大以及历史视频图像的查询频率远低于实时视频图像的查询频率的特性，本实施例可以将耐擦写性能低于第一存储器的其他存储器作为历史视频图像的存储器，即将存储成本低于第一存储器的其他存储器为历史视频图像的存储器，从而可以有效平衡视频图像的存储成本与稳定性之间的关系。达到了边缘计算和存储设备具有多样化的基于视频图像的边缘侧存储方式，可以有效平衡视频图像的存储成本与稳定性之间的关系的技术效果。进而解决了现有技术中存在的基于视频图像的边缘侧存储方式单一，很难有效的平衡存储成本与稳定性之间的关系的技术问题。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，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接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元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全部或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(可为个人计算机、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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种视频图像的处理方法，应用于视频处理系统，其特征在于，所述视频处理系统包括边缘计算和存储设备，所述边缘计算和存储设备设置有具备不同的耐擦写性能的多个存储器，并且方法包括：

所述边缘计算和存储设备接收通过图像采集器采集的实时视频图像；

所述边缘计算和存储设备将所述实时视频图像存储至所述多个存储器中耐擦写性能最优的第一存储器；以及

所述边缘计算和存储设备还设置有人工智能处理设备，其中所述人工智能处理设备能够对视频图像中包含的物体进行检测，并且方法还包括：

所述人工智能处理设备对所述实时视频图像中的目标物体进行检测，生成与所述目标物体相关的目标物体事件；

所述人工智能处理设备建立所述实时视频图像的采集时间与所述目标物体事件之间的映射关系；

所述人工智能处理设备将所述映射关系存储至预先设置的事件映射表，其中所述事件映射表存储有各个视频图像的采集时间与各个目标物体事件之间的映射关系；以及

所述人工智能处理设备将存储有所述映射关系的事件映射表发送至云端服务器，其中

所述边缘计算和存储设备将所述实时视频图像存储至所述多个存储器中耐擦写性能最优的第一存储器的操作之前，还包括：所述边缘计算和存储设备判定所述第一存储器是否具备存储所述实时视频图像的存储空间；以及所述边缘计算和存储设备在判定所述第一存储器不具备存储所述实时视频图像的存储空间的情况下，将所述第一存储器存储的第一历史视频图像迁移至所述多个存储器中的第二存储器，其中所述第二存储器的耐擦写性能低于所述第一存储器，并且所述第二存储器的存储成本也低于所述第一存储器，并且其中

所述边缘计算和存储设备将所述第一存储器存储的第一历史视频图像迁移至所述多个存储器中的第二存储器的操作之前，还包括：所述边缘计算和存储设备判定所述第二存储器是否具备存储所述第一历史视频图像的存储空间；以及所述边缘计算和存储设备在判定所述第二存储器不具备存储所述第一历史视频图像的存储空间得情况下，将所述第二存储器中存储的第二历史视频图像迁移至所述多个存储器中作为第三存储器，其中所述第一存储器可以为eMMC存储器，第二存储器可以为SD卡，第三存储器可以为USB硬盘或者SATA硬盘。

2.根据权利要求1所述的处理方法，其特征在于，所述边缘计算和存储设备将所述实时视频图像存储至所述多个存储器中耐擦写性能最优的第一存储器的操作，包括：

所述边缘计算和存储设备根据用户预先定义的单个存储视频图像的视频文件的存储容量，将所述实时视频图像依次写入所述第一存储器中的不同视频文件。

3.根据权利要求2所述的处理方法，其特征在于，所述边缘计算和存储设备将所述第一存储器存储的第一历史视频图像迁移至所述多个存储器中的第二存储器的操作，包括：

所述边缘计算和存储设备根据所述存储容量，确定待迁移视频图像的迁移容量；

所述边缘计算和存储设备根据所述迁移容量，在所述不同视频文件中确定待迁移的第一视频文件集合；以及

所述边缘计算和存储设备将所述第一视频文件集合中的各个视频文件依次迁移至所述第二存储器。

4.根据权利要求1所述的处理方法，其特征在于，所述视频处理系统还包括所述云端服务器，并且方法还包括：

所述边缘计算和存储设备在所述第三存储器不具备存储视频图像的存储空间的情况下，将所述第三存储器存储的第三历史视频图像迁移至所述云端服务器中的云端存储器。

5.根据权利要求4所述的处理方法，其特征在于，所述边缘计算和存储设备还设置有人工智能处理设备，其中所述人工智能处理设备能够对视频图像中包含的物体进行检测，并且方法还包括：

所述人工智能处理设备对所述实时视频图像中的目标物体进行检测，生成与所述目标物体相关的目标物体事件；

所述人工智能处理设备建立所述实时视频图像的采集时间与所述目标物体事件之间的映射关系；

所述人工智能处理设备将所述映射关系存储至预先设置的事件映射表，其中所述事件映射表存储有各个视频图像的采集时间与各个目标物体事件之间的映射关系；以及

所述人工智能处理设备将存储有所述映射关系的事件映射表发送至所述云端服务器。

6.根据权利要求4所述的处理方法，其特征在于，还包括：

所述云端服务器接收基于时间标签查询第二目标视频图像的第二查询请求；

所述云端服务器根据所述第二查询请求，确定所述第二目标视频图像是否存储于所述云端存储器；

所述云端服务器在判定所述第二目标视频图像未存储于所述云端存储器的情况下，将所述第二查询请求发送至所述人工智能处理设备；以及

所述人工智能处理设备根据所述第二查询请求，从所述多个存储器中获取所述第二目标视频图像并发送至所述云端服务器。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至6中任意一项所述的方法。

Images