CN113392264A - 一种基于结构化查询语言的流计算处理方法 - Google Patents
一种基于结构化查询语言的流计算处理方法 Download PDFInfo
- Publication number
- CN113392264A CN113392264A CN202110934909.4A CN202110934909A CN113392264A CN 113392264 A CN113392264 A CN 113392264A CN 202110934909 A CN202110934909 A CN 202110934909A CN 113392264 A CN113392264 A CN 113392264A
- Authority
- CN
- China
- Prior art keywords
- image information
- real
- dynamic
- images
- image
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/732—Query formulation
- G06F16/7343—Query language or query format
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于电数字处理技术领域,尤其涉及一种基于结构化查询语言的流计算处理方法,所述方法包括:获取实时监控流数据,所述实时监控流数据为按照时间顺序采集的连续图像;对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息,所述动态区域图像信息包含动态区域图像以及位置信息;利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储。本发明实施例提供的一种基于结构化查询语言的流计算处理方法,通过对采集到的画面进行划分,将画面分为动态区和静态区,从而在不影响数据的有效性的前提下减少了数据的传输量,并且减少了数据的存储量。
Description
技术领域
本发明属于电数字处理技术领域,尤其涉及一种基于结构化查询语言的流计算处理方法。
背景技术
在传统数据处理过程中,数据是先被采集到,然后将数据存储于数据库当中,此种数据为静态数据,静态数据只有被存储之后才能被处理,因此其时效性较差,另外一种与静态数据相对的为流数据,其产生过程为连续性的,因此为了保证数据处理的时效性,一般实时对其进行处理,由于处理的过程为连续的,因此称之为流计算。流计算的应用非常广泛,例如在购物网站等大型流数据产生位置就会使用到,利用流计算的时效性能够大幅提高网站的响应速度。
在当前的图像采集过程中,例如监控过程中,其中就有利用流计算进行数据处理的,其将摄像头采集的图像利用流计算进行处理,从而实现实时响应的目的。
但是,对于采集的图像进行处理时,将数据进行完全存储,这就会导致数据存储量大,数据传输要求高。
发明内容
本发明实施例的目的在于提供一种基于结构化查询语言的流计算处理方法,旨在解决背景技术中提出的问题。
本发明实施例是这样实现的,一种基于结构化查询语言的流计算处理方法,所述方法包括:
获取实时监控流数据,所述实时监控流数据为按照时间顺序采集的连续图像;
对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息,所述动态区域图像信息包含动态区域图像以及位置信息;
利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储。
优选的,所述对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息的步骤包括:
读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像;
对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像,所述动态区图像为两张画面修正图像之间的存在差异的区域,其他区域为静态区图像;
对动态区图像进行像素恢复,得到动态区域图像信息;
对静态区图像进行图像填补,得到实时背景图像信息。
优选的,所述读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像的步骤,具体包括:
将实时监控流数据中的连续图像按照预设的尺寸进行调整,得到画面调整图像;
对画面调整图像进行画面修复,修复画面调整图像中存在变形扭曲的区域,得到画面修正图像。
优选的,所述对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像的步骤,具体包括:
对相邻两张画面修正图像进行灰度处理,得到两组灰度处理图像;
将两组灰度处理图像中相同位置的像素进行灰度值比较,划分灰度值差值小于预设值的像素为静态像素,划分灰度值差值不小于预设值的像素为动态像素;
整合静态像素为静态区图像,整合动态像素为动态区图像。
优选的,所述对动态区图像进行像素恢复,得到动态区域图像信息的步骤包括:
计算动态区图像中灰度像素的位置;
根据灰度像素的位置从画面修正图像中读取相应位置的颜色码;
根据颜色码对动态区图像中相应位置的像素进行颜色替换,得到动态区域图像信息。
优选的,所述利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储的步骤,具体包括:
将相邻两张实时背景图像信息进行比对,若存在差异,则存储后一张实时背景图像信息,否则不存储实时背景图像信息;
存储动态区域图像信息,所述存储实时背景图像信息以及存储动态区域图像信息的过程均采用结构化查询语言。
优选的,所述利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储的步骤,还包括对实时背景图像信息和动态区域图像信息进行加密。
本发明的另一目的在于提供一种基于结构化查询语言的流计算处理系统,所述基于结构化查询语言的流计算处理系统包括:
信息获取模块,用于获取实时监控流数据,所述实时监控流数据为按照时间顺序采集的连续图像;
图像分析模块,用于对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息,所述动态区域图像信息包含动态区域图像以及位置信息;
数据存储模块,用于利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储。
优选的,所述图像分析模块包括:
画面修正单元,用于读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像;
图像对比单元,用于对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像,所述动态区图像为两张画面修正图像之间的存在差异的区域,其他区域为静态区图像;
图像恢复单元,用于对动态区图像进行像素恢复,得到动态区域图像信息;
图像填补单元,用于对静态区图像进行图像填补,得到实时背景图像信息。
优选的,所述画面修正单元包括:
画面调整单元,用于将实时监控流数据中的连续图像按照预设的尺寸进行调整,得到画面调整图像;
图像修复单元,用于对画面调整图像进行画面修复,修复画面调整图像中存在变形扭曲的区域,得到画面修正图像。
本发明实施例提供的一种基于结构化查询语言的流计算处理方法,通过对采集到的画面进行划分,将画面分为动态区和静态区,从而在不影响数据的有效性的前提下减少了数据的传输量,并且减少了数据的存储量。
附图说明
图1为本发明实施例提供的一种基于结构化查询语言的流计算处理方法的流程图;
图2为本发明实施例提供的得到动态区域图像信息和实时背景图像信息的步骤的流程图;
图3为本发明实施例提供的得到画面修正图像的步骤的流程图;
图4为本发明实施例提供的对相邻两张画面修正图像进行比对并划分静态区图像和动态区图像的步骤的流程图;
图5为本发明实施例提供的对动态区图像进行像素恢复,得到动态区域图像信息的步骤的流程图;
图6为本发明实施例提供的利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储的步骤的流程图;
图7为本发明实施例提供的一种基于结构化查询语言的流计算处理系统的架构图;
图8为本发明实施例提供的一种图像分析模块的架构图;
图9为本发明实施例提供的一种画面修正单元的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
在当前的图像采集过程中,例如监控过程中,其中就有利用流计算进行数据处理的,其将摄像头采集的图像利用流计算进行处理,从而实现实时响应的目的。但是,对于采集的图像进行处理时,将数据进行完全存储,这就会导致数据存储量大,数据传输要求高。
在本发明中,通过对采集到的画面进行划分,将画面分为动态区和静态区,从而在不影响数据的有效性的前提下减少了数据的传输量,并且减少了数据的存储量。
图1为本发明实施例提供的一种基于结构化查询语言的流计算处理方法的流程图,所述方法包括:
S100,获取实时监控流数据,所述实时监控流数据为按照时间顺序采集的连续图像。
在当前的监控系统当中,一般是直接通过摄像头进行数据采集,采集到的画面直接上传至后台进行存储,由于摄像画面由摄像机的清晰度决定,因此对于清晰度越高的监控系统,其产生的监控数据量就越大,由于需要实时传输的数据量非常大,这就对传输通道的带宽有了更高的要求,同样的,后台对其进行存储也需要更大容量的存储设备,因此无论是存储成本还是传输成本要求都比较高。
在本步骤中,首先获取实时监控流数据,实时监控流数据为按照时间顺序采集的连续图像,由于摄像机采集的数据为图片,其采集时间是按照时间轴顺序采集的,由于被采集的相邻两组图片之间的时间间隔就很小,这就导致相邻两组图片之间的差异很小或者没有差异,如果摄像机是用于对动态区域进行连续拍摄,例如对人流量大的区域进行拍摄,那么相邻两组图片之间差异较大。
S200,对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息,所述动态区域图像信息包含动态区域图像以及位置信息。
在本步骤中,首先将实时监控流数据拆分为单独的图片,然后将图片中的相邻的两张图片进行实时分析,从而将图片中的动态区域单独划分出来,就得到了动态区域图像信息,动态区域图像信息记载了当前图片相较于前一张图片中不同的区域,动态区域图像信息包含动态区域图像以及位置信息,而实时背景图像信息则是当前图片的画面中没有发生变化或者变化非常小的地方。
S300,利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储。
在本步骤中,分别将实时背景图像信息和动态区域图像信息存储起来,其中实时背景图像信息并非每一张都要存储,在存储之前,将相继产生的两组实时背景图像信息进行比对,如果两者之间并无差异,则放弃存储,仅存储对应的动态区域图像信息;在存储的过程中,利用结构化查询语言进行存储,结构化查询语言允许用户在高层数据结构上工作。它不要求用户指定对数据的存放方法,也不需要用户了解具体的数据存放方式,所以具有完全不同底层结构的不同数据库系统, 可以使用相同的结构化查询语言作为数据输入与管理的接口;当然,为了保证数据的安全性,在存储时,对实时背景图像信息和动态区域图像信息进行加密。
如图2所示,作为本发明一个优选的实施例,所述对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息的步骤包括:
S201,读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像。
在本步骤中,首先读取监控流数据中的连续图像,然后对图像进行修正,这是由于对于不同的时间采集的图像而言,采集设备可能存在轻微的偏移,这就会导致图像的中心位置出现变化,或者导致图像的角度发生变化,此时通过对图像进行修正,对图像进行旋转,以保持图像始终处于中间位置,进而对画面进行调整,使得所有图像都具有相同的尺寸,以方便后续进行比对。
S202,对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像,所述动态区图像为两张画面修正图像之间的存在差异的区域,其他区域为静态区图像。
在本步骤中,首先读取相邻的两张画面修正图像,在每次接收到一张画面修正图像之后,读取前一张画面修正图像,进行灰度处理,然后将两者进行比对,此处将两组画面修正图像分别称为前画面修正图像和后画面修正图像,其中后画面修正图像为当前需要处理的画面修正图像,由于前画面修正图像和后画面修正图像均进行过修正,因此其尺寸相同,即前画面修正图像和后画面修正图像长度方向和宽度方向的像素数量均相同,在进行比对是将像素一一比对即可,从而划分静态区图像和动态区图像,动态区图像为两张画面修正图像之间的存在差异的区域,其他区域为静态区图像。
S203,对动态区图像进行像素恢复,得到动态区域图像信息。
在本步骤中,对动态区图像进行像素恢复,由于在进行比对的过程中对图像进行了灰度处理,此时要对其进行恢复,根据动态区图像中的像素点的位置从画面修正图像提取对应的像素,从而得到动态区域图像信息。
S204,对静态区图像进行图像填补,得到实时背景图像信息。
在本步骤中,对静态区图像进行像素恢复,由于在进行比对的过程中对图像进行了灰度处理,此时要对其进行恢复,根据静态区图像中的像素点的位置从画面修正图像提取对应的像素,然后将静态区图像中的空白区域(原动态区图像的位置)填充起来,填充单一色彩的像素即可,从而得到静态区域图像信息。
如图3所示,作为本发明一个优选的实施例,所述读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像的步骤,具体包括:
S2011,将实时监控流数据中的连续图像按照预设的尺寸进行调整,得到画面调整图像。
在本步骤中,将实时监控流数据中的连续图像按照预设的尺寸进行调整,为了方便对比,预设的尺寸根据摄像机的采集的画面进行设置,例如摄像机采集的画面内包含5000万像素,其长度方向的像素数量为100万,宽度方向的像素数量为50万,那么预设的尺寸则定为100万*50万,那么在后续的处理过程中,直接按照上述尺寸对图片进行调整即可,调整的方式可以为旋转画面,缩放画面等,以使得画面能够达到预设的尺寸。
S2012,对画面调整图像进行画面修复,修复画面调整图像中存在变形扭曲的区域,得到画面修正图像。
在本步骤中,对画面调整图像进行画面修复,由于在进行画面调整的过程中,可能会对部分区域进行缩放,因此可能会导致画面变形,此时对其进行修复,使其更加自然,最终得到画面修正图像。
如图4所示,作为本发明一个优选的实施例,所述对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像的步骤,具体包括:
S2021,对相邻两张画面修正图像进行灰度处理,得到两组灰度处理图像。
在本步骤中,对相邻两张画面修正图像进行灰度处理,由于画面修正图像中色彩非常丰富,如果直接进行处理,那么数据的处理量就会大大增加,而此处只需要获取哪些位置的像素点出现变化即可,因此可以直接利用灰度图像进行分析,因此,对两张画面修正图像进行灰度处理,得到的灰度图像中的像素均有自己的灰度值,通过比较灰度值就可以得知哪些位置的像素出现变化。
S2022,将两组灰度处理图像中相同位置的像素进行灰度值比较,划分灰度值差值小于预设值的像素为静态像素,划分灰度值差值不小于预设值的像素为动态像素。
在本步骤中,将两组灰度处理图像中相同位置的像素进行灰度值比较,将相同位置的像素点的灰度值相减,从而得到相应的计算结果,将计算结果与预设值进行比对,如果差值小于预设值时,则说明该处的像素变动较小,因此不会对画面造成太大影响,可以忽略,如果不小于预设值,则说明该处出现变化,按照上述方式,划分灰度值差值小于预设值的像素为静态像素,划分灰度值差值不小于预设值的像素为动态像素。
S2023,整合静态像素为静态区图像,整合动态像素为动态区图像。
在本步骤中,在上一个步骤中,将所有的像素进行划分,得到了静态像素和动态像素,将整合静态像素为静态区图像,整合动态像素为动态区图像。
如图5所示,作为本发明一个优选的实施例,所述对动态区图像进行像素恢复,得到动态区域图像信息的步骤包括:
S2031,计算动态区图像中灰度像素的位置。
S2032,根据灰度像素的位置从画面修正图像中读取相应位置的颜色码。
在本步骤中,读取动态区图像,计算动态区图像中灰度图像的位置,从而根据该位置去寻找画面修正图像的对应位置,并识别画面修正图像中对应位置的颜色码。
S2033,根据颜色码对动态区图像中相应位置的像素进行颜色替换,得到动态区域图像信息。
在本步骤中,读取颜色码之后,根据颜色码对对动态区图像中相应位置的像素进行颜色替换,得到动态区域图像信息。
如图5所示,作为本发明一个优选的实施例,所述利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储的步骤,具体包括:
S301,将相邻两张实时背景图像信息进行比对,若存在差异,则存储后一张实时背景图像信息,否则不存储实时背景图像信息。
在本步骤中,将相邻两张实时背景图像信息进行比对由于实时背景图像信息如果差别非常小,那么久就无需更新,直接删除该实时背景图像信息即可,如果实时背景图像信息的差别较大,为了保证画面的还原程度,则需要将其存储起来。
S302,存储动态区域图像信息,所述存储实时背景图像信息以及存储动态区域图像信息的过程均采用结构化查询语言。
在本步骤中,存储动态区域图像信息,存储实时背景图像信息以及存储动态区域图像信息的过程均采用结构化查询语言,结构化查询语言可以独立完成数据库生命周期中的全部活动,包括定义关系模式、录入数据、建立数据库、査询、更新、维护、数据库重构、数据库安全性控制等一系列操作,根据需要随时逐步修改模式,且不影响数据库的运行。
如图7所示,为本发明提供的一种基于结构化查询语言的流计算处理系统,所述基于结构化查询语言的流计算处理系统包括:
信息获取模块100,用于获取实时监控流数据,所述实时监控流数据为按照时间顺序采集的连续图像。
在本系统中,信息获取模块100获取实时监控流数据,实时监控流数据为按照时间顺序采集的连续图像,由于摄像机采集的数据为图片,其采集时间是按照时间轴顺序采集的。
图像分析模块200,用于对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息,所述动态区域图像信息包含动态区域图像以及位置信息。
在本系统中,图像分析模块200将实时监控流数据拆分为单独的图片,然后将图片中的相邻的两张图片进行实时分析,从而将图片中的动态区域单独划分出来,就得到了动态区域图像信息,动态区域图像信息记载了当前图片相较于前一张图片中不同的区域,动态区域图像信息包含动态区域图像以及位置信息,而实时背景图像信息则是当前图片的画面中没有发生变化或者变化非常小的地方。
数据存储模块300,用于利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储。
在本系统中,数据存储模块300分别将实时背景图像信息和动态区域图像信息存储起来,其中实时背景图像信息并非每一张都要存储,在存储之前,将相继产生的两组实时背景图像信息进行比对,如果两者之间并无差异,则放弃存储,仅存储对应的动态区域图像信息。
如图8所示,作为本发明一个优选的实施例,所述图像分析模块包括:
画面修正单元201,用于读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像。
在本模块中,画面修正单元201读取监控流数据中的连续图像,然后对图像进行修正,使得所有图像都具有相同的尺寸,以方便后续进行比对。
图像对比单元202,用于对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像,所述动态区图像为两张画面修正图像之间的存在差异的区域,其他区域为静态区图像。
在本模块中,图像对比单元202读取相邻的两张画面修正图像,在每次接收到一张画面修正图像之后,读取前一张画面修正图像,进行灰度处理,然后将两者进行比对,此处将两组画面修正图像分别称为前画面修正图像和后画面修正图像,其中后画面修正图像为当前需要处理的画面修正图像。
图像恢复单元203,用于对动态区图像进行像素恢复,得到动态区域图像信息。
在本模块中,图像恢复单元203对动态区图像进行像素恢复,由于在进行比对的过程中对图像进行了灰度处理,此时要对其进行恢复,根据动态区图像中的像素点的位置从画面修正图像提取对应的像素,从而得到动态区域图像信息。
图像填补单元204,用于对静态区图像进行图像填补,得到实时背景图像信息。
在本模块中,图像填补单元204对静态区图像进行像素恢复,由于在进行比对的过程中对图像进行了灰度处理,此时要对其进行恢复,根据静态区图像中的像素点的位置从画面修正图像提取对应的像素,然后将静态区图像中的空白区域(原动态区图像的位置)填充起来,填充单一色彩的像素即可,从而得到静态区域图像信息。
如图9所示,作为本发明一个优选的实施例,所述画面修正单元包括:
画面调整子单元2011,用于将实时监控流数据中的连续图像按照预设的尺寸进行调整,得到画面调整图像。
在本单元中,画面调整子单元2011对两张画面修正图像进行灰度处理,得到的灰度图像中的像素均有自己的灰度值,通过比较灰度值就可以得知哪些位置的像素出现变化。
图像修复子单元2012,用于对画面调整图像进行画面修复,修复画面调整图像中存在变形扭曲的区域,得到画面修正图像。
在本单元中,图像修复子单元2012将两组灰度处理图像中相同位置的像素进行灰度值比较,将相同位置的像素点的灰度值相减,从而得到相应的计算结果,将计算结果与预设值进行比对。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性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,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于结构化查询语言的流计算处理方法,其特征在于,所述方法包括:
获取实时监控流数据,所述实时监控流数据为按照时间顺序采集的连续图像;
对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息,所述动态区域图像信息包含动态区域图像以及位置信息;
利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储。
2.根据权利要求1所述的基于结构化查询语言的流计算处理方法,其特征在于,所述对实时监控流数据中的连续图像进行逐帧分析,得到动态区域图像信息和实时背景图像信息的步骤包括:
读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像;
对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像,所述动态区图像为两张画面修正图像之间的存在差异的区域,其他区域为静态区图像;
对动态区图像进行像素恢复,得到动态区域图像信息;
对静态区图像进行图像填补,得到实时背景图像信息。
3.根据权利要求2所述的基于结构化查询语言的流计算处理方法,其特征在于,所述读取实时监控流数据中的连续图像,进行逐帧修正,得到画面修正图像的步骤,具体包括:
将实时监控流数据中的连续图像按照预设的尺寸进行调整,得到画面调整图像;
对画面调整图像进行画面修复,修复画面调整图像中存在变形扭曲的区域,得到画面修正图像。
4.根据权利要求2所述的基于结构化查询语言的流计算处理方法,其特征在于,所述对相邻两张画面修正图像进行比对,划分静态区图像和动态区图像的步骤,具体包括:
对相邻两张画面修正图像进行灰度处理,得到两组灰度处理图像;
将两组灰度处理图像中相同位置的像素进行灰度值比较,划分灰度值差值小于预设值的像素为静态像素,划分灰度值差值不小于预设值的像素为动态像素;
整合静态像素为静态区图像,整合动态像素为动态区图像。
5.根据权利要求2所述的基于结构化查询语言的流计算处理方法,其特征在于,所述对动态区图像进行像素恢复,得到动态区域图像信息的步骤包括:
计算动态区图像中灰度像素的位置;
根据灰度像素的位置从画面修正图像中读取相应位置的颜色码;
根据颜色码对动态区图像中相应位置的像素进行颜色替换,得到动态区域图像信息。
6.根据权利要求2所述的基于结构化查询语言的流计算处理方法,其特征在于,所述利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储的步骤,具体包括:
将相邻两张实时背景图像信息进行比对,若存在差异,则存储后一张实时背景图像信息,否则不存储实时背景图像信息;
存储动态区域图像信息,所述存储实时背景图像信息以及存储动态区域图像信息的过程均采用结构化查询语言。
7.根据权利要求2所述的基于结构化查询语言的流计算处理方法,其特征在于,所述利用结构化查询语言对实时背景图像信息和动态区域图像信息进行存储的步骤,还包括对实时背景图像信息和动态区域图像信息进行加密。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934909.4A CN113392264A (zh) | 2021-08-16 | 2021-08-16 | 一种基于结构化查询语言的流计算处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934909.4A CN113392264A (zh) | 2021-08-16 | 2021-08-16 | 一种基于结构化查询语言的流计算处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113392264A true CN113392264A (zh) | 2021-09-14 |
Family
ID=77622565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110934909.4A Withdrawn CN113392264A (zh) | 2021-08-16 | 2021-08-16 | 一种基于结构化查询语言的流计算处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392264A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114187556A (zh) * | 2021-12-14 | 2022-03-15 | 养哇(南京)科技有限公司 | 一种基于画面特征的高清视频智能分割方法 |
CN116431857A (zh) * | 2023-06-14 | 2023-07-14 | 山东海博科技信息系统股份有限公司 | 一种用于无人场景的视频处理方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200733746A (en) * | 2006-02-21 | 2007-09-01 | Softfoundry Internat Ptd Ltd | Regional video compression processing method and the system thereof |
CN103327306A (zh) * | 2013-06-14 | 2013-09-25 | 广东威创视讯科技股份有限公司 | 视频监控存储方法及装置 |
CN104363403A (zh) * | 2014-11-14 | 2015-02-18 | 浙江宇视科技有限公司 | 一种视频监控系统中视频数据的存储方法及存储设备 |
CN106559678A (zh) * | 2015-09-28 | 2017-04-05 | 北京视连通科技有限公司 | 一种对数字视频进行结构化处理的方法 |
CN107295296A (zh) * | 2016-04-01 | 2017-10-24 | 中国科学院上海高等研究院 | 一种监控视频选择性存储与恢复方法及系统 |
CN108540743A (zh) * | 2018-03-23 | 2018-09-14 | 佛山市台风网络科技有限公司 | 一种基于视频监控的图像数据保存方法及系统 |
CN109474799A (zh) * | 2018-10-26 | 2019-03-15 | 西安科锐盛创新科技有限公司 | 基于视频监控的图像存储方法及其系统 |
-
2021
- 2021-08-16 CN CN202110934909.4A patent/CN113392264A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200733746A (en) * | 2006-02-21 | 2007-09-01 | Softfoundry Internat Ptd Ltd | Regional video compression processing method and the system thereof |
CN103327306A (zh) * | 2013-06-14 | 2013-09-25 | 广东威创视讯科技股份有限公司 | 视频监控存储方法及装置 |
CN104363403A (zh) * | 2014-11-14 | 2015-02-18 | 浙江宇视科技有限公司 | 一种视频监控系统中视频数据的存储方法及存储设备 |
CN106559678A (zh) * | 2015-09-28 | 2017-04-05 | 北京视连通科技有限公司 | 一种对数字视频进行结构化处理的方法 |
CN107295296A (zh) * | 2016-04-01 | 2017-10-24 | 中国科学院上海高等研究院 | 一种监控视频选择性存储与恢复方法及系统 |
CN108540743A (zh) * | 2018-03-23 | 2018-09-14 | 佛山市台风网络科技有限公司 | 一种基于视频监控的图像数据保存方法及系统 |
CN109474799A (zh) * | 2018-10-26 | 2019-03-15 | 西安科锐盛创新科技有限公司 | 基于视频监控的图像存储方法及其系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114187556A (zh) * | 2021-12-14 | 2022-03-15 | 养哇(南京)科技有限公司 | 一种基于画面特征的高清视频智能分割方法 |
CN114187556B (zh) * | 2021-12-14 | 2023-12-15 | 华策影视(北京)有限公司 | 一种基于画面特征的高清视频智能分割方法 |
CN116431857A (zh) * | 2023-06-14 | 2023-07-14 | 山东海博科技信息系统股份有限公司 | 一种用于无人场景的视频处理方法和系统 |
CN116431857B (zh) * | 2023-06-14 | 2023-09-05 | 山东海博科技信息系统股份有限公司 | 一种用于无人场景的视频处理方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11756170B2 (en) | Method and apparatus for correcting distorted document image | |
CN113392264A (zh) | 一种基于结构化查询语言的流计算处理方法 | |
CN109886077B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
Zhou et al. | Learning oracle attention for high-fidelity face completion | |
CN110516541B (zh) | 文本定位方法、装置、计算机可读存储介质和计算机设备 | |
CN111340694B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN110517186B (zh) | 消除发票印章的方法、装置、存储介质和计算机设备 | |
CN111898682B (zh) | 基于多个源模型修正新模型的方法、装置以及计算机设备 | |
WO2020155485A1 (zh) | 图片差异性判断方法、装置、计算机设备和存储介质 | |
CN110046577B (zh) | 行人属性预测方法、装置、计算机设备和存储介质 | |
US20230154140A1 (en) | Neural network-based high-resolution image restoration method and system | |
CN111881737A (zh) | 年龄预测模型的训练方法及装置、年龄预测方法及装置 | |
CN111951167A (zh) | 超分辨率图像重建方法、装置、计算机设备和存储介质 | |
CN111476216A (zh) | 人脸识别方法、装置、计算机设备和可读存储介质 | |
CN111951180A (zh) | 图像抖动校正方法、装置、计算机设备和存储介质 | |
CN110942067A (zh) | 文本识别方法、装置、计算机设备和存储介质 | |
CN111091146B (zh) | 图片相似度获取方法、装置、计算机设备及存储介质 | |
CN111586321A (zh) | 视频生成方法、装置、电子设备和计算机可读存储介质 | |
CN104978734A (zh) | 前景图像的提取方法及装置 | |
CN111145107B (zh) | 一种图像美化方法、装置、介质及设备 | |
CN113240042A (zh) | 图像分类预处理、图像分类方法、装置、设备及存储介质 | |
Arora et al. | Augmentation of Images through DCGANs | |
CN110298229B (zh) | 视频图像处理方法及装置 | |
CN112069810A (zh) | 一种文本填充方法及装置 | |
CN114299193B (zh) | 一种基于神经网络的黑白视频上色方法、系统、设备及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210914 |
|
WW01 | Invention patent application withdrawn after publication |