CN112866724B - 一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统 - Google Patents
一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统 Download PDFInfo
- Publication number
- CN112866724B CN112866724B CN202011625632.9A CN202011625632A CN112866724B CN 112866724 B CN112866724 B CN 112866724B CN 202011625632 A CN202011625632 A CN 202011625632A CN 112866724 B CN112866724 B CN 112866724B
- Authority
- CN
- China
- Prior art keywords
- video
- target video
- request information
- heat
- edge node
- 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.)
- Active
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 72
- 238000000034 method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2181—Source of audio or video content, e.g. local disk arrays comprising remotely distributed storage units, e.g. when movies are replicated over a plurality of video servers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
- H04N21/23106—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion involving caching operations
-
- 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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明涉及一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统,包括标配边缘节点的本地缓存中未存在目标视频时,将视频请求信息转发至SDN控制器,SDN控制器根据视频请求信息和视频热度模型,确定目标视频的热度,并根据目标视频的热度,确定待缓存目标视频的标配边缘节点,SDN控制器根据视频请求信息,确定处理视频请求信息的高配边缘节点,高配边缘节点根据视频请求信息和流表信息,将目标视频发送至终端。本发明通过SDN控制器的全局管理能力,对高清视频业务提供智能热点分析,可满足终端用户的超高清视频业务的敏捷连接等方面的需求。高配边缘节点针对超高清视频处理的特殊需求增加特殊适配方案,大量减少设备数量,从而减少系统投入。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统。
背景技术
随着互联网的规模不断增长,用户数不断增加,传统的网络体系架构暴露出各种各样的问题,如分布式部署,可控性差,移动性差等问题。这些缺点严重制约着网络技术的快速发展,因此,亟需一种能够打破这种局面的网络架构。软件定义网络(Software-defined Networks,SDN)也由此应运而生。软件定义网络的本质是实现控制平面和数据平面的解耦,使得网络管理员可以通过软件编程控制整个网络。与传统网络相比,SDN将当前网络的控制平面和数据平面分离开来,数据平面由实际的网络设备(如交换机和路由器)进行简单的数据转发,控制平面由逻辑上集中管理的控制器(或称为网络操作系统)实现数据平面的调控,以此简化了策略的执行、优化以及网络的配置。
随着网络技术的发展,超高清视频能够给用户带来更好的观看体验。目前,我国超高清视频技术处于发展阶段,随着超高清视频源的数量的增长。如何在SDN网络中满足用户的超高清视频的需求,且减少SDN网络中的投入是目前亟需解决的技术问题。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统。
本发明解决上述技术问题的技术方案如下:
一种基于软件定义网络和边缘计算技术的视频业务处理方法,所述方法包括:
当标配边缘节点接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将所述视频请求信息转发至SDN控制器;
所述SDN控制器根据所述视频请求信息和视频热度模型,确定所述目标视频的热度,并根据所述目标视频的热度,确定待缓存所述目标视频的标配边缘节点,并通知所述待缓存目标视频的标配边缘节点缓存所述目标视频;
所述SDN控制器根据所述视频请求信息和本地流表数据库,确定处理所述视频请求信息的高配边缘节点,并将所述高配边缘节点对应的流表信息发送至所述高配边缘节点;
所述高配边缘节点根据所述视频请求信息和所述流表信息,将所述目标视频发送至所述终端。
本方法发明的有益效果是:提供一种基于软件定义网络和边缘计算技术的视频业务处理方法,通过标配边缘节点接收终端发送的视频请求信息,若本地缓存中未存在目标视频时,则将视频请求信息转发至SDN控制器,SDN控制器根据视频请求信息和视频热度模型,确定目标视频的热度,并根据目标视频的热度,确定待缓存目标视频的标配边缘节点,并通知待缓存目标视频的标配边缘节点缓存目标视频,SDN控制器根据视频请求信息和本地流表数据库,确定处理视频请求信息的高配边缘节点,并将高配边缘节点对应的流表信息至高配边缘节点,高配边缘节点根据视频请求信息和流表信息,将所述目标视频发送至终端,本发明通过软件定义网络SDN控制器的全局管理能力,对高清视频业务提供智能热点分析,并且对边缘节点的路由编排管理和缓存管理,其中标配边缘节点具有计算、存储、网络转发以及决策等能力,且距离终端用户最近,可满足终端用户的超高清视频业务的敏捷连接等方面的需求,及超高清监控视频、短视频以及视频点播等应用。高配边缘节点针对超高清视频处理的特殊需求增加特殊适配方案,大量减少高配边缘节点的数量,从而减少系统投入。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步地,所述SDN控制器根据所述视频请求信息和视频热度模型,确定所述目标视频的热度,具体包括:
所述SDN控制器根据预设时间段内统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵;
根据所述目标视频的数据,提取所述目标视频的特征信息,根据所述目标视频的特征信息生成视频特征矩阵;
将所述热度空间矩阵和所述视频特征矩阵输入至所述视频热度模型,得到所述目标视频的热度。
采用上述进一步方案的有益效果是:SDN控制器根据统计目标视频的视频请求信息和标配边缘节点,生成热度空间矩阵,根据目标视频的数据,提取目标视频的特征信息,根据目标视频的特征信息生成视频特征矩阵。将热度空间矩阵和视频特征矩阵输入至视频热度模型,得到目标视频的热度,提高判断目标视频是否是高热点视频的准确度。
进一步地,所述根据所述目标视频的热度,确定待缓存所述目标视频的标配边缘节点,具体包括:
当所述目标视频的热度大于预设阈值时,将所述热度空间矩阵输入至所述视频热度模型中,得到待缓存所述目标视频的标配边缘节点,并通知所述待缓存所述目标视频的标配边缘节点缓存所述目标视频。
采用上述进一步方案的有益效果是:通过将热度空间矩阵输入至视频热度模型中,得到待缓存目标视频的标配边缘节点,得到请求高热点视频的热点区域,并将热点区域中的标配边缘节点缓存目标视频,可减少需缓存目标视频的标配边缘节点,节省标配边缘节点内的缓存空间,同时减少了网络带宽的占用。
进一步地,所述根据所述目标视频的数据,提取所述目标视频的特征信息,根据所述目标视频的特征信息生成视频特征矩阵,具体包括:
从所述目标视频中提取若干个视频帧;
对所述视频帧进行信息提取包括人脸检测和/或OCR文字提取;
基于人脸检测的结果和/或OCR文字提取的结果,使用神经网络提取特征向量;
根据所述特征向量,得到所述视频特征矩阵。
采用上述进一步方案的有益效果是:通过从目标视频中提取若干个视频帧,将所提取的每一个视频帧划人脸检测和OCR文字提取出特征向量,根据特征向量生成目标视频的视频特征矩阵,提高了对视频是否是高热点视频的判断的准确度。
进一步地,所述根据统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵,具体包括:
分别统计每一个所述标配边缘节点接收到的对所述目标视频的视频请求信息的数量;
提取接收到所述目标视频的视频请求信息数量大于预设阈值的所述标配边缘节点,作为预设空矩阵中元素;
将所述标配边缘节点的所接收到的所述目标视频的视频请求信息数量作为所述预设空矩阵中的每一个元素的值,得到所述热度空间矩阵。
采用上述进一步方案的有益效果是:通过分别统计每一个标配边缘节点接收到的对目标视频的视频请求信息的数量,提取接收到目标视频的视频请求信息数量大于预设阈值的标配边缘节点,作为预设空矩阵中元素,将标配边缘节点的所接收到的目标视频的视频请求信息数量作为预设空矩阵中的每一个元素的值,得到热度空间矩阵,得到高热点视频的热点请求区域。
进一步地,所述视频热度模型的训练过程包括:
获取历史的高热度视频,并得到所述高热度视频的视频特征矩阵;
统计所述标配边缘节点接收到的所述高热度视频的视频请求信息,并生成所述高热度视频的所述热度空间矩阵;
依据所述高热度视频的视频特征矩阵和所述热度空间矩阵,对预设的神经网络模型进行训练,得到所述视频热度模型。
采用上述进一步方案的有益效果是:获取历史的高热度视频,并得到高热度视频的视频特征矩阵,统计标配边缘节点接收到的高热度视频的视频请求信息,并生成高热度视频的热度空间矩阵,依据高热度视频的视频特征矩阵和热度空间矩阵,对预设的神经网络模型进行训练,得到视频热度模型,提升了对目标视频是否是高热度视频判断的准确度。
进一步地,所述当标配边缘节点接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将所述视频请求信息转发至SDN控制器,具体包括:
所述标配边缘节点根据所述视频请求信息,确定所述目标视频的名称和清晰度指标;
判断本地缓存中是否存在所述目标视频;
若否,则将所述视频请求信息转发至所述SDN控制器;
否则,判断本地缓存中的所述目标视频的清晰度指标是否满足所述视频请求信息中的清晰度指标;
若否,则将所述视频请求信息转发至所述SDN控制器。
采用上述进一步方案的有益效果是:通过当标配边缘节点接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将视频请求信息转发至SDN控制器,满足了终端用户对视频清晰度的需求。
进一步地,所述高配边缘节点根据SDN控制器下发的所述视频请求信息和流表信息,对本地缓存视频进行处理,获得所述目标视频,并发送至所述终端,具体包括:
所述高配边缘节点根据所述SDN控制器下发的视频请求信息,确定所述目标视频的名称和清晰度指标;
对本地缓存中的相应视频进行满足分辨率的视频编解码处理,获得满足终端请求清晰的目标视频;
从所述SDN控制器中接收流表信息,根据所述流表信息将所述目标视频发送至所述终端。
本发明解决上述技术问题的另一种技术方案如下:一种基于软件定义网络和边缘计算技术的视频业务处理系统,包括:
标配边缘节点,用于接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将所述视频请求信息转发至SDN控制器;
所述SDN控制器,用于根据所述视频请求信息和视频热度模型,确定所述目标视频的热度,并根据所述目标视频的热度,确定待缓存所述目标视频的标配边缘节点,并通知所述待缓存目标视频的标配边缘节点缓存所述目标视频;
所述SDN控制器,用于根据所述视频请求信息和本地流表数据库,确定处理所述视频请求信息的高配边缘节点,并将所述高配边缘节点对应的流表信息发送至所述高配边缘节点;
所述高配边缘节点,用于根据所述视频请求信息和所述流表信息,对本地缓存视频进行处理,并将获得的所述目标视频发送至所述终端。
本系统发明的有益效果是:提供一种基于软件定义网络和边缘计算技术的视频业务处理系统,通过标配边缘节点接收终端发送的视频请求信息,若本地缓存中未存在目标视频时,则将视频请求信息转发至SDN控制器,SDN控制器根据视频请求信息和视频热度模型,确定目标视频的热度,并根据目标视频的热度,确定待缓存目标视频的标配边缘节点,并通知待缓存目标视频的标配边缘节点缓存目标视频,SDN控制器根据视频请求信息和本地流表数据库,确定处理视频请求信息的高配边缘节点,并将高配边缘节点对应的流表信息至高配边缘节点,高配边缘节点根据视频请求信息和流表信息,将所述目标视频发送至终端,本发明通过软件定义网络SDN控制器的全局管理能力,对高清视频业务提供智能热点分析,并且对边缘节点的路由编排管理和缓存管理,其中标配边缘节点具有计算、存储、网络转发以及决策等能力,且距离终端用户最近,可满足终端用户的超高清视频业务的敏捷连接等方面的需求,及超高清监控视频、短视频以及视频点播等应用。高配边缘节点针对超高清视频处理的特殊需求增加特殊适配方案,大量减少高配边缘节点的数量,从而减少系统投入。
进一步地,所述SDN控制器,具体用于根据预设时间段内统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵;
根据所述目标视频的数据,提取所述目标视频的特征信息,根据所述目标视频的特征信息生成视频特征矩阵;
将所述热度空间矩阵和所述视频特征矩阵输入至所述视频热度模型,得到所述目标视频的热度。
进一步地,所述SDN控制器,具体用于当所述目标视频的热度大于预设阈值时,将所述热度空间矩阵输入至所述视频热度模型中,得到待缓存所述目标视频的标配边缘节点。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例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,下面所描述的附图仅仅是本发明的一些实施例,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为本发明的一种基于软件定义网络和边缘计算技术的视频业务处理方法的流程示意图;
图2为本发明的一种基于软件定义网络和边缘计算技术的视频业务处理系统的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
如图1本发明的一种基于软件定义网络和边缘计算技术的视频业务处理方法的流程示意图所示,基于软件定义网络和边缘计算技术的视频业务处理方法包括以下步骤:
110、当标配边缘节点接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将视频请求信息转发至SDN控制器。
应理解,本实施例中的标配边缘节点可以认为是设置在SDN网络边缘中的一种SDN设备,可以接收终端用户的请求信息,并处理一些终端用户的请求信息,且具有一些缓存空间,可缓存一些数据信息。同样的,高配边缘节点也设置在SDN网络边缘中,但是高配边缘节点相比更靠近SDN网络的中心位置,且不直接接收终端用户的请求信息,高配边缘节点数量比标配边缘节点的数量要少。
标配边缘节点接收到终端的视频请求信息后,确定终端所要请求的目标视频和目标视频的清晰度,确定标配边缘节点的缓存中是否有满足目标视频清晰度的目标视频,若没有,那么就将视频请求信息发送至SDN控制器。
120、SDN控制器根据视频请求信息和视频热度模型,确定目标视频的热度,并根据目标视频的热度,确定待缓存目标视频的标配边缘节点,并通知待缓存目标视频的标配边缘节点缓存目标视频。
应理解,SDN网络中有大量的标配边缘节点,并且根据地理区域将标配边缘节点划分到了不同的地理区域,根据目标视频的热度和请求目标视频的热点区域,确定将要缓存目标视频的标配边缘节点。
130、SDN控制器根据视频请求信息和本地流表数据库,确定处理视频请求信息的高配边缘节点,并将高配边缘节点对应的流表信息发送至高配边缘节点。
应理解,SDN控制器需要处理终端用户的本次视频请求信息,通过本地流表数据库,确定缓存了目标视频的高配边缘节点,并根据标配边缘节点的区域信息,确定距离最近的且缓存了目标视频的高配边缘节点,将流表下发给高配边缘节点,通过高配边缘节点发送目标视频给终端用户。
软件定义网络中将控制功能和转发功能分离,其中控制功能是集中在SDN控制器中完成,标配边缘节点和高配边缘节点在软件定义网络做数据转发,这样的设计保证了数据的高速转发,边缘节点进行数据转发的依据就是流表,但是边缘节点不会管理流表,流表通常是由SDN控制器进行管理,并下发至边缘节点,边缘节点接收到流表后,根据流表转发数据。SDN控制器中建立流表数据库对流表进行管理。
140、高配边缘节点根据视频请求信息和流表信息,对本地缓存视频进行处理,并将获得的目标视频发送至终端。
具体地,当标配边缘节点接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将视频请求信息转发至SDN控制器;
另外,当标配边缘节点的本地缓存中存在目标视频时,就将本地缓存中的目标视频和终端申请的目标视频的清晰度进行匹配,若匹配成功将目标视频根据SDN下发的流表信息发送到终端,否则,将视频请求信息转发至SDN控制器。
SDN控制器根据视频请求信息和视频热度模型,确定目标视频的热度,并根据目标视频的热度,确定标配边缘节点是否需要缓存目标视频,若是,通知标配边缘节点缓存目标视频并下发相关流表信息,否则,根据网络拓扑信息,将视频请求信息转发至附近高配边缘节点;
SDN控制器根据视频请求信息、本地流表数据库和网络拓扑信息,确定处理视频请求信息的高配边缘节点,并将高配边缘节点对应的流表信息发送至高配边缘节点;
高配边缘节点根据视频请求信息和所述流表信息,对本地缓存视频进行处理,并将获得的目标视频发送至所述终端。
基于本实施例所提供的一种基于软件定义网络和边缘计算技术的视频业务处理方法,通过标配边缘节点接收终端发送的视频请求信息,若本地缓存中未存在目标视频时,则将视频请求信息转发至SDN控制器,SDN控制器根据视频请求信息和视频热度模型,确定目标视频的热度,并根据目标视频的热度,确定待缓存目标视频的标配边缘节点,并通知待缓存目标视频的标配边缘节点缓存目标视频,SDN控制器根据视频请求信息和本地流表数据库,确定处理视频请求信息的高配边缘节点,并将高配边缘节点对应的流表信息至高配边缘节点,高配边缘节点根据视频请求信息和流表信息,将目标视频发送至终端,本发明通过软件定义网络SDN控制器的全局管理能力,对高清视频业务提供智能热点分析,并且对边缘节点的路由编排管理和缓存管理,其中标配边缘节点具有计算、存储、网络转发以及决策等能力,且距离终端用户最近,可满足终端用户的超高清视频业务的敏捷连接等方面的需求,及超高清监控视频、短视频以及视频点播等应用。高配边缘节点针对超高清视频处理的特殊需求增加特殊适配方案,大量减少高配边缘节点的数量,从而减少系统投入。
进一步地,步骤120中具体包括:
121、SDN控制器根据预设时间段内统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵。
应理解,热度空间矩阵反应了各个标配边缘节点接收到的目标视频的视频请求信息的热度,例如标配边缘节点1接收到的目标视频请求信息的频率为每天七千次,标配边缘节点2接收到的目标视频请求信息的频率为每天一百次,将各个标配边缘节点按照空间进行划分,例如区域一中的标配边缘节点包括标配边缘节点1-8,区域二中包括标配边缘节点13-19,则将同一区域中的标配边缘节点接收到的目标视频的视频请求信息的热度值按照列或行,写入热度空间矩阵中,热度值的计算可以按照每天接收到的请求的次数或是其他的一些数学计算方法,本申请中就不再赘叙了。
122、根据目标视频的数据,提取目标视频的特征信息,根据目标视频的特征信息生成视频特征矩阵。
应理解,目标视频是由一系列视频帧组成的,在提取目标视频的特征信息时,从目标视频中提取若干个视频帧进行,为保证提取的视频帧确定目标视频的特征信息时,使用的视频帧的信息一致,需将所提取的每一个视频帧划分为相同数量个图像块。提取的视频帧的特征信息,特征信息包括人脸检测,人脸检测算法是广泛应用的算法,根据检测速度、检测精度等因素选取合适的算法,如识别到当前的一些网络热度比较高的人员。OCR文字提取,视频中出现的字幕和弹幕等信息提取出来。视频中的文字信息一般为水平展示或垂直展示,所以针对两种不同情况分别进行提取,同时视频中出现的文字可能不只有汉字,所以对英文等外文和藏文、维吾尔文等少数民族文字进行了识别。由于不同语言文字的书写方向和书写格式不同,需要针对不同语言训练不同的OCR文字提取模型。
当提取到这些特征信息后,通过建立神经网络提取特征信息的特征向量,对于人脸识别和OCR文字提取出的文字以及原始图像分别提取特征向量,根据提取到的特征向量通过注意力机制或其他数学方式,得到视频特征矩阵
123、将热度空间矩阵和视频特征矩阵输入至视频热度模型,得到目标视频的热度。
124、当所述目标视频的热度大于预设阈值时,将所述热度空间矩阵输入至所述视频热度模型中,得到待缓存所述目标视频的标配边缘节点,并通知所述待缓存所述目标视频的标配边缘节点缓存所述目标视频。
进一步地,步骤122中具体包括:
从所述目标视频中提取若干个视频帧。
对所述视频帧进行信息提取包括人脸检测和/或OCR文字提取。
基于人脸检测的结果和/或OCR文字提取的结果,使用神经网络提取特征向量。
根据所述特征向量,得到所述视频特征矩阵。
进一步地,步骤121中具体包括:
分别统计每一个标配边缘节点接收到的对目标视频的视频请求信息的数量。
提取接收到目标视频的视频请求信息数量大于预设阈值的标配边缘节点,作为预设空矩阵中元素。
将标配边缘节点的所接收到的目标视频的视频请求信息数量作为预设空矩阵中的每一个元素的值,得到热度空间矩阵。
应理解,为了得到热度空间矩阵,提前预设了空矩阵,其中空矩阵中的每行每列中的元素值分别代表了各个边缘节点接收到的所请求目标视频的热度值。
进一步地,视频热度模型的训练过程包括:
获取历史的高热度视频,并得到高热度视频的视频特征矩阵。
统计标配边缘节点接收到的高热度视频的视频请求信息,并生成高热度视频的热度空间矩阵。
依据高热度视频的视频特征矩阵和热度空间矩阵,对预设的神经网络模型进行训练,得到视频热度模型。
进一步地,步骤110中具体包括:
标配边缘节点根据视频请求信息,确定目标视频的名称和清晰度指标。
判断本地缓存中是否存在目标视频。
若否,则将视频请求信息转发至SDN控制器。
否则,判断本地缓存中的目标视频的清晰度指标是否满足视频请求信息中的清晰度指标。
若否,则将视频请求信息转发至SDN控制器。
基于上述实施例,步骤140中具体包括:
所述高配边缘节点根据所述视频请求信息,确定所述目标视频的名称和清晰度指标;
从本地缓存中匹配满足所述清晰度指标的所述目标视频,从所述SDN控制器中接收流表信息;
根据所述流表信息将所述目标视频发送至所述终端。
如图2本发明的一种基于软件定义网络和边缘计算技术的视频业务处理系统的示意图所示,基于软件定义网络和边缘计算技术的视频业务处理系统,包括:
标配边缘节点,用于接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将所述视频请求信息转发至SDN控制器;
所述SDN控制器,用于根据所述视频请求信息和视频热度模型,确定所述目标视频的热度,并根据所述目标视频的热度,确定待缓存所述目标视频的标配边缘节点,并通知所述待缓存目标视频的标配边缘节点缓存所述目标视频;
所述SDN控制器,用于根据所述视频请求信息和本地流表数据库,确定处理所述视频请求信息的高配边缘节点,并将所述高配边缘节点对应的流表信息发送至所述高配边缘节点;
所述高配边缘节点,用于根据所述视频请求信息和所述流表信息,对本地缓存视频进行处理,并将获得的所述目标视频发送至所述终端。
基于本实施例提供的一种基于软件定义网络和边缘计算技术的视频业务处理系统,通过标配边缘节点接收终端发送的视频请求信息,若本地缓存中未存在目标视频时,则将视频请求信息转发至SDN控制器,SDN控制器根据视频请求信息和视频热度模型,确定目标视频的热度,并根据目标视频的热度,确定待缓存目标视频的标配边缘节点,并通知待缓存目标视频的标配边缘节点缓存目标视频,SDN控制器根据视频请求信息和本地流表数据库,确定处理视频请求信息的高配边缘节点,并将高配边缘节点对应的流表信息至高配边缘节点,高配边缘节点根据视频请求信息和流表信息,将所述目标视频发送至终端,本发明通过软件定义网络SDN控制器的全局管理能力,对高清视频业务提供智能热点分析,并且对边缘节点的路由编排管理和缓存管理,其中标配边缘节点具有计算、存储、网络转发以及决策等能力,且距离终端用户最近,可满足终端用户的超高清视频业务的敏捷连接等方面的需求,及超高清监控视频、短视频以及视频点播等应用。高配边缘节点针对超高清视频处理的特殊需求增加特殊适配方案,大量减少高配边缘节点的数量,从而减少系统投入。
进一步地,所述SDN控制器,具体用于根据预设时间段内统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵。
根据所述目标视频的数据,提取所述目标视频的特征信息,根据所述目标视频的特征信息生成视频特征矩阵。
将所述热度空间矩阵和所述视频特征矩阵输入至所述视频热度模型,得到所述目标视频的热度。
进一步地,所述SDN控制器,具体用于当所述目标视频的热度大于预设阈值时,将所述热度空间矩阵输入至所述视频热度模型中,得到待缓存所述目标视频的标配边缘节点,并通知所述待缓存所述目标视频的标配边缘节点缓存所述目标视频。
应理解,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端系统和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端系统实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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。
所述集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到各种等效的修改或替换,这些修改或替换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以权利要求的保护范围为准。
Claims (8)
1.一种基于软件定义网络和边缘计算技术的视频业务处理方法,其特征在于,所述方法包括:
当标配边缘节点接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将所述视频请求信息转发至SDN控制器;
所述SDN控制器根据所述视频请求信息和视频热度模型,确定所述目标视频的热度,并根据所述目标视频的热度,确定待缓存所述目标视频的标配边缘节点,并通知所述待缓存目标视频的标配边缘节点缓存所述目标视频;
所述SDN控制器根据所述视频请求信息和本地流表数据库,确定处理所述视频请求信息的高配边缘节点,并将所述高配边缘节点对应的流表信息发送至所述高配边缘节点;
所述高配边缘节点根据所述视频请求信息和所述流表信息,对本地缓存视频进行处理,并将获得的所述目标视频发送至所述终端;
其中,所述SDN控制器根据所述视频请求信息和视频热度模型,确定所述目标视频的热度,具体包括:
所述SDN控制器根据预设时间段内统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵;
根据所述目标视频的数据,提取所述目标视频的特征信息,根据所述目标视频的特征信息生成视频特征矩阵;
将所述热度空间矩阵和所述视频特征矩阵输入至所述视频热度模型,得到所述目标视频的热度。
2.根据权利要求1所述基于软件定义网络和边缘计算技术的视频业务处理方法,其特征在于,所述根据所述目标视频的热度,确定待缓存所述目标视频的标配边缘节点,具体包括:
当所述目标视频的热度大于预设阈值时,将所述热度空间矩阵输入至所述视频热度模型中,得到待缓存所述目标视频的标配边缘节点,并通知所述待缓存所述目标视频的标配边缘节点缓存所述目标视频。
3.根据权利要求2所述基于软件定义网络和边缘计算技术的视频业务处理方法,其特征在于,所述根据所述目标视频的数据,提取所述目标视频的特征信息,根据所述目标视频的特征信息生成视频特征矩阵,具体包括:
从所述目标视频中提取若干个视频帧;
对所述视频帧进行信息提取包括人脸检测和/或OCR文字提取;
基于人脸检测的结果和/或OCR文字提取的结果,使用神经网络提取特征向量;
根据所述特征向量,得到所述视频特征矩阵。
4.根据权利要求3所述基于软件定义网络和边缘计算技术的视频业务处理方法,其特征在于,所述根据统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵,具体包括:
分别统计每一个所述标配边缘节点接收到的对所述目标视频的视频请求信息的数量;
提取接收到所述目标视频的视频请求信息数量大于预设阈值的所述标配边缘节点,作为预设空矩阵中元素;
将所述标配边缘节点的所接收到的所述目标视频的视频请求信息数量作为所述预设空矩阵中的每一个元素的值,得到所述热度空间矩阵。
5.根据权利要求4所述基于软件定义网络和边缘计算技术的视频业务处理方法,其特征在于,所述视频热度模型的训练过程包括:
获取历史的高热度视频,并得到所述高热度视频的视频特征矩阵;
统计所述标配边缘节点接收到的所述高热度视频的视频请求信息,并生成所述高热度视频的所述热度空间矩阵;
依据所述高热度视频的视频特征矩阵和所述热度空间矩阵,对预设的神经网络模型进行训练,得到所述视频热度模型。
6.根据权利要求1-5中任一项所述基于软件定义网络和边缘计算技术的视频业务处理方法,其特征在于,所述当标配边缘节点接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将所述视频请求信息转发至SDN控制器,具体包括:
所述标配边缘节点根据所述视频请求信息,确定所述目标视频的名称和清晰度指标;
判断本地缓存中是否存在所述目标视频;
若否,则将所述视频请求信息转发至所述SDN控制器;
否则,判断本地缓存中的所述目标视频的清晰度指标是否满足所述视频请求信息中的清晰度指标;
若否,则将所述视频请求信息转发至所述SDN控制器。
7.根据权利要求6所述基于软件定义网络和边缘计算技术的视频业务处理方法,其特征在于,所述高配边缘节点根据SDN控制器下发的所述视频请求信息和流表信息,对本地缓存视频进行处理,获得所述目标视频,并发送至所述终端,具体包括:
所述高配边缘节点根据所述SDN控制器下发的视频请求信息,确定所述目标视频的名称和清晰度指标;
对本地缓存中的相应视频进行满足分辨率的视频编解码处理,获得满足终端请求清晰的目标视频;
从所述SDN控制器中接收流表信息,根据所述流表信息将所述目标视频发送至所述终端。
8.一种基于软件定义网络和边缘计算技术的视频业务处理系统,其特征在于,包括:
标配边缘节点,用于接收到终端发送的视频请求信息时,若本地缓存中未存在目标视频时,则将所述视频请求信息转发至SDN控制器;
所述SDN控制器,用于根据所述视频请求信息和视频热度模型,确定所述目标视频的热度,并根据所述目标视频的热度,确定待缓存所述目标视频的标配边缘节点,并通知所述待缓存目标视频的标配边缘节点缓存所述目标视频;
所述SDN控制器,用于根据所述视频请求信息和本地流表数据库,确定处理所述视频请求信息的高配边缘节点,并将所述高配边缘节点对应的流表信息发送至所述高配边缘节点;
所述高配边缘节点,用于根据所述视频请求信息和所述流表信息,将所述目标视频发送至所述终端;
其中,所述SDN控制器,具体用于根据预设时间段内统计接收到的所述目标视频的所有所述视频请求信息和接收到所述目标视频的视频请求信息的所有所述标配边缘节点,生成热度空间矩阵;
根据所述目标视频的数据,提取所述目标视频的特征信息,根据所述目标视频的特征信息生成视频特征矩阵;
将所述热度空间矩阵和所述视频特征矩阵输入至所述视频热度模型,得到所述目标视频的热度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625632.9A CN112866724B (zh) | 2020-12-31 | 2020-12-31 | 一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625632.9A CN112866724B (zh) | 2020-12-31 | 2020-12-31 | 一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112866724A CN112866724A (zh) | 2021-05-28 |
CN112866724B true CN112866724B (zh) | 2022-07-29 |
Family
ID=75999469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011625632.9A Active CN112866724B (zh) | 2020-12-31 | 2020-12-31 | 一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866724B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112837A (zh) * | 2023-06-07 | 2023-11-24 | 青岛尘元科技信息有限公司 | 视频舆情监测系统和方法、存储介质及电子设备 |
CN117119052B (zh) * | 2023-10-25 | 2024-01-19 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103312776A (zh) * | 2013-05-08 | 2013-09-18 | 青岛海信传媒网络技术有限公司 | 边缘节点服务器缓存视频的内容的方法和装置 |
CN108540821A (zh) * | 2018-04-23 | 2018-09-14 | 冼钇冰 | 一种网络视频缓存方法、装置及计算机存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170164020A1 (en) * | 2015-12-08 | 2017-06-08 | Le Holdings (Beijing) Co., Ltd. | Content delivery method for content delivery network platform and scheduling proxy server |
CN108696895B (zh) * | 2017-04-07 | 2020-10-09 | 华为技术有限公司 | 资源获取方法、装置及系统 |
CN108984433B (zh) * | 2017-06-05 | 2023-11-03 | 华为技术有限公司 | 缓存数据控制方法及设备 |
CN110858912A (zh) * | 2018-08-22 | 2020-03-03 | 中国电信股份有限公司 | 流媒体缓存方法和系统、缓存策略服务器、流服务节点 |
CN109168050B (zh) * | 2018-09-30 | 2020-12-25 | 电子科技大学 | 一种基于sdn的视频组播方法 |
CN110139125B (zh) * | 2019-06-18 | 2021-01-22 | 洛阳师范学院 | 无线移动网络下基于需求感知与资源缓存的视频共享方法 |
US10771524B1 (en) * | 2019-07-31 | 2020-09-08 | Theta Labs, Inc. | Methods and systems for a decentralized data streaming and delivery network |
CN111597383A (zh) * | 2020-04-24 | 2020-08-28 | 北京奇艺世纪科技有限公司 | 一种视频热度级别预测方法及装置 |
CN111432231B (zh) * | 2020-04-26 | 2023-04-07 | 中移(杭州)信息技术有限公司 | 边缘网络的内容调度方法、家庭网关、系统、及服务器 |
-
2020
- 2020-12-31 CN CN202011625632.9A patent/CN112866724B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103312776A (zh) * | 2013-05-08 | 2013-09-18 | 青岛海信传媒网络技术有限公司 | 边缘节点服务器缓存视频的内容的方法和装置 |
CN108540821A (zh) * | 2018-04-23 | 2018-09-14 | 冼钇冰 | 一种网络视频缓存方法、装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112866724A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111479112A (zh) | 一种视频编码方法、装置、设备和存储介质 | |
CN112866724B (zh) | 一种基于软件定义网络和边缘计算技术的视频业务处理方法和系统 | |
US20200372039A1 (en) | Data processing method, apparatus, and system | |
CN109344884B (zh) | 媒体信息分类方法、训练图片分类模型的方法及装置 | |
WO2020093694A1 (zh) | 生成视频分析模型的方法及视频分析系统 | |
CN109408639B (zh) | 一种弹幕分类方法、装置、设备和存储介质 | |
US20210271872A1 (en) | Machine Learned Structured Data Extraction From Document Image | |
CN106326321B (zh) | 大数据交换方法及装置 | |
US11768873B2 (en) | Method, apparatus, electronic device and readable storage medium for classifying video | |
US20230237633A1 (en) | Image processing method and apparatus, system, and storage medium | |
US20230047748A1 (en) | Method of fusing image, and method of training image fusion model | |
CN113762377A (zh) | 网络流量识别方法、装置、设备及存储介质 | |
CN112383824A (zh) | 视频广告过滤方法、设备及存储介质 | |
CN112015553A (zh) | 基于机器学习模型的数据处理方法、装置、设备和介质 | |
WO2020199472A1 (zh) | 识别模型的优化方法和装置 | |
Meybodi et al. | TEDGE-Caching: Transformer-based edge caching towards 6G networks | |
Wang et al. | Edge-assisted real-time video analytics with spatial–temporal redundancy suppression | |
CN112235598B (zh) | 一种视频结构化处理方法、装置及终端设备 | |
CN113868471A (zh) | 一种基于监控设备关系的数据匹配方法及系统 | |
CN112162668A (zh) | 界面更新方法和监控终端 | |
US11528196B2 (en) | Systems and methods for generating a cognitive analytics hub and predictive actions from distributed data models | |
CN114140488A (zh) | 视频目标分割方法及装置、视频目标分割模型的训练方法 | |
CN114584804A (zh) | 虚拟现实视频流数据处理系统 | |
Wang et al. | CoLive: Edge-Assisted Clustered Learning Framework for Viewport Prediction in 360$^\circ $ Live Streaming | |
CN105607886A (zh) | 一种基于物联网的教育云视频数据显示处理系统及方法 |
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 |