CN113115069A - 一种行车记录仪的视频存储方法和系统 - Google Patents

Abstract

本发明涉及视频存储技术领域，特别涉及行车记录仪的视频存储方法和系统，该方法包括：设备端获取云空间对应的存储配置，并根据存储配置生成多个标准的视频文件；设备端将视频文件上传至云空间，云空间在云端可动态配置；服务端接收到设备端上传至云空间的视频文件，对视频文件进行分析及处理，得到不同视频文件对应的处理结果；服务端将不同视频文件对应的处理结果写入云空间中，并生成可访问的地址。本发明实施例提供的行车记录仪的视频存储方法，设备云空间可动态调整，相对于传统的记录仪为本地全盘存储，本发明实施例中的云空间存储基本可以做到不限量。同时，本发明可以对视频数据进行分析处理，最终使结构化数据包含更多有用的信息。

Description

一种行车记录仪的视频存储方法和系统

技术领域

本发明涉及视频存储技术领域，尤其涉及行车记录仪的视频存储方法和系统。

背景技术

目前的传统的记录仪视频数据一般存储在设备端的TF卡中，而对应的视频目录数据大部分是在车机端，需要通过访问设备才能获取，后期将部分文件目录上传只能大量使用分表，或商业的方案，成本很高，会给研发和后续维护带来的很多问题，而且由于视频数据在设备端上，如果服务端需要根据业务场景做一些视频数据的分析，则比较麻烦。

综上，传统的记录仪视频数据在存储方面，具有如下缺陷：

一是统计分析查询是不方便，在分析时，需要将同一组织的设备分别在各个分库查询出来，再通过控制设备上传视频数据，最终等所有视频数据上传到云空间，才能做统一分析；

二是通过分库始终还是会在设备量和数据量达到一定规模时，达到数据量的瓶颈，这样在查询和入库时会越来越慢，最终不能支撑业务发展；

三是随着移动互联网技术的发展，出现了功能更强大的智能车机，除了基本的视频数据外，还会进行更多传感数据的存储与分析，此时传统数据库的扩展性明显不够，只靠数据库是难以解析视频大数据量存储的，需要多种存储方式结合才能达到目的，如果将扩展数据也强制存储在数据库中，最终会数据列相对很多，数据表的数据将会非常大。

四是由于视频等数据存储在设备端，无法进行各种数据的智能修复，导致一些错误的数据误导用户，或是一些有价值的数据被当作无用片段被扔弃。

五是由于视频数据量巨大，无法长久存储，且由于比较占用存储空间，检索非常耗时，无法短时获取到视频记录和视频源，传输速度也是一个大问题。

因此，不管采用上述哪一种模式都存在明显的缺点，这些方法的实施，都有一些预设的前提条件，要么需要事先在按数据量进行取模再分库，要么需要提前按业务组织进行分库，这些都是海量数据分强制分散的存储方法，在海量数据进行大数据检索分析时，是比较难以达到实时分析计算目的的。

发明内容

针对上述技术问题，本发明实施例提供了一种行车记录仪视频存储方法和系统。以解决传统的行车记录仪视频本地存储数据量大，分析、计算困难的一种或者多种问题。

本发明实施例的第一方面提供一种行车记录仪的视频存储方法，包括：设备端获取云空间对应的存储配置，并根据所述存储配置生成多个标准的视频文件；所述设备端将所述视频文件上传至所述云空间，所述云空间在云端可动态配置；服务端接收到所述设备端上传至所述云空间的视频文件，对所述视频文件进行分析及处理，得到不同视频文件对应的处理结果；所述服务端将不同视频文件对应的处理结果写入所述云空间中，并生成可访问的地址。

可选地，所述方法还包括：所述设备端将所述多个视频文件中，对应时段内收集到的各种结构化视频打包成一批次的视频记录；所述设备端调用上传视频记录接口将视频记录数据上传至所述云空间。

可选地，所述服务端接收到所述设备端上传至所述云空间的视频文件，对所述视频文件进行分析及处理，得到不同视频文件对应的处理结果，具体包括：所述服务端接收到所述视频记录，将所述视频记录放入队列中，由视频记录处理微服务对同一批次的所述视频记录进行处理，所述处理包括：对所述视频记录进行过滤、打标签、修复和快照；根据所述视频记录，得到不同视频文件的对应的处理结果。

可选地，所述方法还包括：所述服务端将经过过滤、打标签、修复、预处理和快照后的视频记录存储至进分布式数据库中。

可选地，所述方法还包括：所述服务端将所述可访问的地址更新到对应的视频记录中。

可选地，对同一批次的视频记录进行打标签具体为：将所述视频记录区分为驾驶行为事件、报警事件、突发事件、异常数据或者地理区域。

可选地，在对所述视频记录进行过滤、打标签、修复和快照之后，所述方法还包括：将所述结构化数据的子项数据进行排序；检查每一子项数据是否有异常的数据；将生成的各种标签数据用二进制位的形式合并到子项数据中，完成所述结构化数据的优化。

可选地，所述方法还包括：对同一批次的所述结构化数据进行处理；将处理完后的所述结构化数据再次以文件包的方式上传到所述云空间。

本发明实施例的第二方面提供一种行车记录仪的视频存储系统，包括：应用端；设备端；行车记录仪视频的服务端，所述服务端分别与所述应用端和所述设备端互联；所述服务端和所述设备端基于所述应用端执行如上所述的视频存储方法。

可选地，所述服务端的采用云空间和分布式数据库相结合存储所述视频文件。

本发明实施例提供的行车记录仪的视频存储方法，具备如下有益效果：

1、设备云空间可动态调整，相对于传统的记录仪更多的为本地全盘存储，本发明实施例中的云空间存储基本可以做到不限量。

2、海量数据处理以及算法优化快速实现视频数据修复，由于传统的车机功能单一，存储空间有限，不能结合云端历史缓存数据及结构化数据进行数据分析，所以数据修复基本很难实现，而本发明实施例中的云端可以根据大量历史数据做一些视频记录数据修复，同时删除一些无效的数据。

3、服务端对视频记录打各种标签：本发明借助行车记录仪同时间段接收到记录仪的其它各项设备数据及历史设备数据，可对视频进行各项业务数据的详细分析，同时将标签与视频记录共同存储，后期可根据标签索引快速定位到视频记录。

4、更多指标的结构化数据：本发明实施例将原本的结构化数据进行基本优化处理，并增加各种业务标签后，使结构化数据包含更多有用的信息。

5、本发明实施例结合分布式队列，分布式异步处理,可以做到海量设备数量的上传，数据异步存储。可根据数据量及业务量，动态部署更多的视频记录处理服务。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1为本发明实施例提供的一种行车记录仪的视频存储系统的结构示意图；

图2是本发明实施例提供的一种行车记录仪的视频存储方法的流程示意图。

具体实施方式

为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。

除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

众所周知，视频类数据处理是比较麻烦和消耗资源的，特别是网络流量和硬盘存储空间，而且由于数据量大，比较难以存储和管理。随着联网记录仪相关业务的不断完善，虽然行车记录仪上的云业务场景也越来越完善，但传统技术的设备端上云时获取动态配置流程是不变的(可根据空间使用在后台动态调整)，并且上云后数据的处理也会有差异，本发明下述实施例提供的行车记录仪的视频存储方法，则由于采用云空间和分布式数据库相结合，使得视频应用的开发更加便利，真正做到给第三方的厂家赋能。具体地，其服务端根据缓存的历史数据、设备动态数据、结构化数据等对视频文件做数据优化、数据动态修复、打智能标签、视频时段合并、视频日历生成、云端视频合成、结构化数据合成等使得原来离散的数据进行合理的组合存储，数据更具有商业价值。

以下首先对本发明实施例的行车记录仪的视频存储系统进行详述。请参阅图1，图1为本发明实施例提供的一种行车记录仪的视频存储系统，包括：行车记录仪的视频存储的设备端、服务端和应用端。其中，行车记录仪的设备端分别与服务端以及应用端互联，设备端安装有行车记录仪，该行车记录仪用于录制驾驶过程中的视频，并且，行车记录仪可以按照服务端的云空间配置，存储配置生成多个标准的视频文件。

在本发明实施例中，服务端的采用云空间和分布式数据库相结合存储视频文件，行车记录仪的视频存储系统依赖设备端存储和服务端存储的相互配合执行下述实施例中行车记录仪的视频存储方法，达到最好效果。

具体地，设备端将行车记录仪生成标准格式的视频文件上传到云空间，再将对应时段内行车记录仪收集到的各种设备数据组装成一批视频记录，调用上传视频记录接口将数据存储至云空间中。

在本发明实施例中，服务端接收到视频记录数据，将数据放入队列中，由视频记录处理微服务器从队列中取出记录，将该批次的记录进行排序、过滤、打标签、修复、预处理、快照；并将记录存储进分布式数据库中，以便后续应用端快速检索使用。在一些应用场景中，同一批次的视频结构化数据是海量的，本发明的服务端则还可以将海量的数据处理完成后再次以文件包的方式上传到云空间进行存储，以便后续各应用端获取使用视频数据。

本发明实施例提供的行车记录仪的视频存储系统，其设备云空间可动态调整，相对于传统的记录仪更多的为本地全盘存储，本发明实施例中的云空间存储基本可以做到不限量。并且，由于传统的车机功能单一，存储空间有限，不能结合云端历史缓存数据及结构化数据进行数据分析，所以数据修复基本很难实现，而本发明实施例中的云端可以根据大量历史数据做一些视频记录数据修复，同时删除一些无效的数据。

请参阅图2，图2是本发明实施例提供的一种行车记录仪视频存储方法的流程示意图，如图2所示，该方法包括：

步骤21、设备端获取云空间对应的存储配置，并根据所述存储配置生成多个标准的视频文件。

设备端根据业务需要，为了与对应云空间互联，需配置对应的云空间的存储配置参数，以便将设备上的视频文件存储至云空间中。

具体地，设备端的车机在开机时会自动注册到云平台，然后由云平台分配唯一的设备ID，设备端再获取设备对应的云平台的各种存储配置，设备端记录的视频数据则可以根据该存储配置，生成标准格式的视频文件，并且设备端对这些视频文件进行规范命名。

步骤22、所述设备端将所述视频文件上传至所述云空间，所述云空间在云端可动态配置。

设备端可调用云空间的上传接口，将若干个标准视频文件上传至云空间，在本发明实施例中，云空间在云端是可动态配置的，每一动态配置的云空间均有其对应的云端存储地址。进一步地，在将标准的视频文件上传至云空间成功后，可获取其对应云空间的云端链接，即每一上传的标准视频文件均有其对应的云端存储地址。

在一些实施例中，当上传完云端链接后，设备端可以将多个视频文件中对应时段内记录仪收集到的各种结构化数据打包成一批次的视频记录，并同时调用上传视频记录接口将视频记录数据上传至云空间中，视频记录有助于视频文件在云空间的规则存储，也以便后续的检索调用。

在一些应用场景中，同一批次的视频结构化数据可能是海量的，此处则可以对海量的数据进行压缩、打包等处理，并将处理完后的结构化数据再次以文件包的方式上传到云空间存储，以便后面各应用端获取使用。

步骤23、服务端接收到所述设备端上传至所述云空间的视频文件，对所述视频文件进行分析及处理，得到不同视频文件对应的处理结果。

在本发明实施例中，服务端接收到所述设备端上传至所述云空间的视频文件后，会对所述视频文件进行分析及处理，以修复整理不同的视频文件。

具体地，其进行分析及处理的实现方式如下：所述服务端接收到所述视频记录，将所述视频记录推入分布队列中，由视频记录处理微服务对同一批次的所述视频记录进行处理。在本发明实施例中，其处理过程包括：对所述视频记录进行过滤、打标签、修复、和快照。

具体地，本发明还根据服务端各项缓存的历史数据，过滤无效异常数据。

进一步地，本发明服务端还根据业务需求对各种视频记录标记业务标签，例如，根据视频记录里的不同业务种类，可分为：驾驶行为事件、报警事件、突发事件、异常数据、地理区域等，这些业务标签可方便后续快速检索。

进一步地，所述服务端还依据视频结构化数据进行数据修复。具体地，由于车机的卫星状态、移动网络不稳定等原因导致的各种数据异常，可在服务端进行修复；修复完的视频记录及相关联的标签数据会存储于分布式数据库中，随后可进行视频段的合并。

由于实际中车机录像后的视频文件会分开多次上传，所以可能导致同段行程的视频文件被分割开，所以云端还可以根据业务需求进行动态配置，可将若干视频文件合并成一段，并将视频合并段记录分别存储进分布式数据库；以便后续应用端快速检索使用。

进一步地，服务端还可以根据以上视频文件和视频记录生成视频日历汇总信息，该日历汇总信息例如，可包含当天上传的视频文件的大小、视频文件的数量、标签数、事件数、视频时长等统计信息，以便后期应用端检索时快速匹配查询条件。

在以上流程处理完毕后，本发明还需要将结构化数据进行基本优化过滤处理，即对所述结构化数据的子项数据进行排序分析，并根据服务端各项缓存的历史数据，过滤无效异常数据。

具体地，对所述视频记录进行排序和过滤具体包括如下：

1、将结构化数据的子项数据进行排序；

2、检查每一子项数据是否有异常的数据；

3、将生成的各种标签数据用二进制位的形式合并到子项数据中，完成结构化数据的优化。

其中，对子项数据进行排序，可确保数据顺序。检查每项数据是否有异常的数据，则一般可根据视频时段或前后判断子项数据的时间是否正常。此处，还需要将上述实施例中生成的各种标签数据用二进制位的形式合并到子项数据中，经过这些处理后，可使每项子数据的指标更加清晰明了。

步骤24、所述服务端将不同视频文件对应的处理结果写入所述云空间中，并生成可访问的地址。

在本发明实施例中，所述服务端将经过排序、过滤、打标签、修复、预处理和快照后的视频记录存储至进分布式数据库中，并序列化成json文本格式，写入局域网的云空间中，并生成一个公共可访问的地址，将地址更新到数据库对应的视频记录中。后期通过应用端进行检索时，则可以根据云端的存储地址进行检索。

综上，本发明实施例提供的行车记录仪的视频存储方法，具备如下有益效果：

1、设备云空间可动态调整，相对于传统的记录仪更多的为本地全盘存储，本发明实施例中的云空间存储基本可以做到不限量。

2、海量数据处理以及算法优化快速实现视频数据修复，由于传统的车机功能单一，存储空间有限，不能结合云端历史缓存数据及结构化数据进行数据分析，所以数据修复基本很难实现，而本发明实施例中的云端可以根据大量历史数据做一些视频记录数据修复，同时删除一些无效的数据。

3、服务端对视频记录打各种标签：本发明借助行车记录仪同时间段接收到记录仪的其它各项设备数据及历史设备数据，可对视频进行各项业务数据的详细分析，同时将标签与视频记录共同存储，后期可根据标签索引快速定位到视频记录。

4、更多指标的结构化数据：本发明实施例将原本的结构化数据进行基本优化处理，并增加各种业务标签后，使结构化数据包含更多有用的信息。

5、本发明实施例结合分布式队列，分布式异步处理,可以做到海量设备数量的上传，数据异步存储。可根据数据量及业务量，动态部署更多的视频记录处理服务。

本领域技术人员应该还可以进一步意识到，结合本文中所公开的实施例描述的示例性的行车记录仪的视频存储方法的各个步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。

本领域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。设备端的计算机软件可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；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范围。

Claims (10)

1.一种行车记录仪的视频存储方法，其特征在于，包括：

设备端获取云空间对应的存储配置，并根据所述存储配置生成多个标准的视频文件；

所述设备端将所述视频文件上传至所述云空间，所述云空间在云端可动态配置；

服务端接收到所述设备端上传至所述云空间的视频文件，对所述视频文件进行分析及处理，得到不同视频文件对应的处理结果；

所述服务端将不同视频文件对应的处理结果写入所述云空间中，并生成可访问的地址。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述设备端将所述多个视频文件中，对应时段内收集到的各种结构化视频打包成一批次的视频记录；

所述设备端调用上传视频记录接口将视频记录数据上传至所述云空间。

3.根据权利要求2所述的方法，其特征在于，所述服务端接收到所述设备端上传至所述云空间的视频文件，对所述视频文件进行分析及处理，得到不同视频文件对应的处理结果，具体包括：

所述服务端接收到所述视频记录，将所述视频记录放入队列中，由视频记录处理微服务对同一批次的所述视频记录进行处理，所述处理包括：对所述视频记录进行过滤、打标签、修复和快照；

根据所述视频记录，得到不同视频文件的对应的处理结果。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

所述服务端将经过过滤、打标签、修复、预处理和快照后的视频记录存储至进分布式数据库中。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

所述服务端将所述可访问的地址更新到对应的视频记录中。

6.根据权利要求4所述的方法，其特征在于，对同一批次的视频记录进行打标签具体为：将所述视频记录区分为驾驶行为事件、报警事件、突发事件、异常数据或者地理区域。

7.根据权利要求4所述的方法，其特征在于，在对所述视频记录进行过滤、打标签、修复和快照之后，所述方法还包括：

将所述结构化数据的子项数据进行排序；

检查每一子项数据是否有异常的数据；

将生成的各种标签数据用二进制位的形式合并到子项数据中，完成所述结构化数据的优化。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

对同一批次的所述结构化数据进行处理；

将处理完后的所述结构化数据再次以文件包的方式上传到所述云空间。

9.一种行车记录仪的视频存储系统，其特征在于，包括：

应用端；

设备端；

行车记录仪视频的服务端，所述服务端分别与所述应用端和所述设备端互联；

所述服务端和所述设备端基于所述应用端执行如权利要求1-8任一项所述的视频存储方法。

10.根据权利要求9所述的视频存储系统，其特征在于，所述服务端的采用云空间和分布式数据库相结合存储所述视频文件。

Images