CN113572983A - 云端视频的处理方法及系统 - Google Patents

Abstract

本申请实施例公开了一种云端视频的处理方法及系统，该方法包括：获取第一视频，第一视频为超过预设保留时长的监控视频；按照采样周期对第一视频进行采样，得到M张待处理图像；将M张待处理图像进行划分，得到N张目标图像块和信息列表；将N张目标图像块进行拼接，得到至少一张目标图像，并将至少一张目标图像存储至第一存储节点；将第一存储节点的存储地址记录到信息列表中，并将信息列表存储于信息管理中心。本申请通过对超过预设保留时长的监控视频进行处理，从监控视频中提取仅包括目标对应的图像块进行存储，能够延长云端视频存储时间。

Description

云端视频的处理方法及系统

技术领域

本申请涉及通信技术领域，尤其涉及一种云端视频的处理方法及系统。

背景技术

随着数字视频处理技术的发展和人们安全防护意识的提高，视频监控技术得到越来越广泛的应用，例如家庭视频监控、车载视频监控、商店视频监控等。其中随着云技术的发展，人们会将监控设备采集的监控视频上传到云端进行存储，但随着时间的增长，监控视频需要占用越来越多的内存。为了减少内存占用空间，会采用监控录像自动覆盖方法，即将保留时长内的监控视频自动覆盖保留时长外的监控视频，以此循环进行存储。但是被自动覆盖的视频很难被恢复，因此无法查阅保留时长外的监控视频。

发明内容

本申请实施例提供了一种云端视频的处理方法及系统，能够延长云端视频存储时间。

第一方面，本申请实施例提供一种云端视频的处理方法，所述方法包括：

获取第一视频，所述第一视频为超过预设保留时长的监控视频；

按照采样周期对所述第一视频进行采样，得到M张待处理图像，所述M为大于1的正整数；

将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，所述信息列表包括每张目标图像的信息，所述目标图像块为包括目标对应的图像块，所述N为正整数；

将所述N张目标图像块进行拼接，得到至少一张目标图像，并将所述至少一张目标图像存储至第一存储节点；

将所述第一存储节点的存储地址记录到所述信息列表中，并将所述信息列表存储于信息管理中心。

第二方面，本申请实施例提供的一种云端视频的处理系统，所述系统包括：

获取单元，用于获取第一视频，所述第一视频为超过预设保留时长的监控视频；

采样单元，用于按照采样周期对所述第一视频进行采样，得到M张待处理图像，所述M为大于1的正整数；

划分单元，用于将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，所述信息列表包括每张目标图像的信息，所述目标图像块为包括目标对应的图像块，所述N为正整数；

拼接单元，用于将所述N张目标图像块进行拼接，得到至少一张目标图像，并将所述至少一张目标图像存储至第一存储节点；

存储单元，用于将所述第一存储节点的存储地址记录到所述信息列表中，并将所述信息列表存储于信息管理中心。

第三方面，本申请实施例提供一种云服务器，所述云服务器包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行上述第一方面所述的方法中所描述的部分或全部步骤的指令。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行上述第一方面所述的方法中所描述的部分或全部步骤。

本申请提供的技术方案，获取第一视频，第一视频为超过预设保留时长的监控视频；按照采样周期对第一视频进行采样，得到M张待处理图像；将M张待处理图像进行划分，得到N张目标图像块和信息列表；将N张目标图像块进行拼接，得到至少一张目标图像，并将至少一张目标图像存储至第一存储节点；将第一存储节点的存储地址记录到信息列表中，并将信息列表存储于信息管理中心。本申请通过对超过预设保留时长的监控视频进行处理，从监控视频中提取仅包括目标对应的图像块进行存储，能够延长云端视频存储时间。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请实施例提供的一种网络架构示意图；

图2是本申请实施例提供的一种云端视频的处理方法的流程示意图；

图2a是本申请实施例提供的一种图像划分成图像块的示意图；

图3是本申请实施例提供的一种云端视频的处理系统结构示意图；

图4是本申请实施例提供的一种云服务器的结构示意图。

具体实施方式

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、软件、产品或设备没有限定于已列出的步骤或单元，而是还包括没有列出的步骤或单元，或还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

请参阅图1，图1是本申请实施例提供的一种网络架构示意图，该网络架构包括：云服务器和监控设备。监控设备获取实际发生的数据的部分，监控设备可拍摄图像来实时监控预设监控区域，将实时图像发送至云服务器进行存储。监控设备也能接收云服务器的指令，做出对应的执行动作。云服务器具备云端计算能力，可生成指令发送至监控设备；服务器在云端不仅能对监控设备进行数据交流，还能够通过网络连接接入其他数据平台，形成数据交流及数据同步，在下述实施例中，云服务器可以接入监控平台的数据中心的数据库，从数据库中进行数据同步和数据反馈。

结合上述描述，下面从方法示例的角度描述本申请。

请参阅图2，图2为本申请实施例提供的一种云端视频的处理方法流程示意图，应用于如图1中的云服务器，该方法包括如下步骤。

S210、获取第一视频，所述第一视频为超过预设保留时长的监控视频。

其中，当存储在云服务器中的监控视频的存储时间超过预设保留时长，如监控视频超过3个月时，云服务器从存储该监控视频的存储节点中提取该第一视频进行处理。

S220、按照采样周期对所述第一视频进行采样，得到M张待处理图像，所述M为大于1的正整数。

其中，由于监控设备的监控范围没有变化，监控视频中相邻多帧的图像变化很小甚至没有变化。因此，为了节约存储空间，可以按照采用周期对第一视频采样，得到多张待处理图像。

S230、将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，所述信息列表包括每张目标图像的信息，所述目标图像块为包括目标对应的图像块，所述N为正整数。

在实际应用中，若没有对象(如用户、动物等)进入监控设备的监控区域时，第一视频中的画面整体上都是一样的，即监控设备采集的相邻帧图像相同或相似。这些没有变化的图像帧不仅占用了有限的存储空间，而且给视频的检索和浏览带来不必要的麻烦。因此，本申请通过对监控视频的图像帧进行筛选从而仅存储有效的图像帧(变化的图像帧)以节约存储空间，并为检索和浏览提供便利。

可选的，所述将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，包括：获取初始图像，所述初始图像为监控设备在监控范围内采集的背景图像；将所述M张待处理图像分别与所述初始图像进行比较，若待处理图像包括目标对象，将所述待处理图像划分至候选图像集；计算第一待处理图像与第二待处理图像中对应像素点之间差值，若所述差值小于第一阈值，则删除所述第二待处理图像，所述第一待处理图像和所述第二待处理图像为所述候选图像集中相邻的两张待处理图像；将所述候选图像集中的每张待处理图像按照预设方式进行划分，得到P个图像块组，每个图像块组包括至少一张第一图像块，所述P为大于1的整数；将所述初始图像按照所述预设方式划分成P张初始图像块；计算所述第一图像块中每一第一图像块与第一初始图像块之间的相似度，若所述相似度小于第二阈值，将所述第一图像块确定为目标图像块，得到所述N张目标图像块，所述第一图像块组的索引与所述第一初始图像块的索引相同；将每张目标图像块的索引号和每张目标图像块所在的待处理图像的时间戳存储于所述信息列表。

其中，所述初始图像可以是云服务器预先存储的监控设备采集监控范围的背景图像。云服务器可以待处理图像与背景图像进行比较，将M张待处理图像中选取出包括目标对象的待处理图像。示例的，采用边缘检测方法分别对M张待处理图像和初始图像分别进行识别，得到M张待处理图像和初始图像的轮廓，将每张待处理图像的轮廓与初始图像的轮廓进行比较，若两者的轮廓不同，则认为该待处理图像中包括目标对象。

进一步地，当目标对象进入监控区域时，连续相邻帧的图像差别不大，因此为了进一步减少占用的存储空间，云服务器可以比较相邻包括目标对象的待处理图像，比较相邻两个待处理图像的预定区域内的像素点有无变化。其中，这里的预定区域可以是预先确定的一个或多个区域，该预定区域可以是当监控区域的图像发生变化时最有可能先变化的区域，也可以是当监控区域的图像发生变化时变化频率最高的区域，等等。另外，该预定区域可以是根据经验在监控区域中人为定义的区域，也可以是基于预先获取的所述视频的监控区域的视频样本训练得到的区域，本申请对此不做限定。通过优先对比预定区域，云服务器可以快速检测到待处理图像帧之间的变化。

在本实施例中，电子设备判断像素点是否发生变化，可以通过判断像素点的一个或多个特征值的变化量是否超过预设阈值来实现，当该一个或多个特征值的变化量超过对应的预设阈值时，判断为像素点发生变化，当该一个或多个特征值的变化量没有超过预设阈值时，判断为像素点没有发生变化。其中，上述特征值例如可以包括但不限于以下至少一项：灰度值、亮度值，等等。上述特征值的变化量可以是其变化值的绝对值。举例而言，云服务器可以通过像素点的灰度值的变化量是否超过预定阈值来判断像素点有无变化。在灰度图像中，每个像素点只有一个采样颜色。通常，灰度图像具有从黑色到白色的任意颜色深度，即灰度。灰度可以用0-255之间的任意数值来表示，则每个灰度对应的数值为该灰度的灰度值。其中，可以用0表示黑色，用255表示白色。对于本实施例中获取的相邻两个待处理图像帧，云服务器可以先将其转换成灰度图像，则每个像素点具有一个对应的灰度值。当像素点之间差值小于第一阈值时，则表明第一待处理图像与第二待处理图像差别很小，可以直接用第一待处理图像来代替第二待处理图像，云服务器可以删除候选图像集中的第二待处理图像。

具体实施时，目标对象进入监控区域时，会在待处理图像中的部分区域显示。因此为了进一步的节省存储内存，云服务器可按照预先存储的分割方式，对候选图像集中的每张待处理图像进行分割，如图2a所示，将待处理图像划分成九个等同的图像块。云服务器还可对划分区域进行标号，将相同索引的图像块放入同一图像块组中，从而得到九个图像块组。

其中，判断待处理图像与初始图像是否有发生变化的区域，可以将每一第一图像块与第二图像块进行匹配，具体为计算每组图像块中第一图像块与对应的第二图像块之间的相似度来表示第一图像块与第二图像块是否匹配。若匹配，则认为该第一图像块为背景图像区域，可删除；若不匹配，则认为第一图像块中包括目标对象，将第一图像块确定为目标图像块。

具体为，调用特征提取网络提取每个第一图像块和与第一图像块对应的第二图像块中的第一特征和第二特征。该第一特征可以是图像块的颜色特征或文理特征，该第二特征可以是图像块中特征点的位置特征，该位置特征可以由特征点在图像块中位置的x，y坐标值来表示。其中特征提取网络可以是深度神经网络，通过深度神经网络可以提取图像块的高阶特征，标准化后可得到第一特征矩阵、第二特征矩阵、第三特征矩阵和第四特征矩阵。

进一步地，计算第一特征矩阵与第三特征矩阵中特征之间的余弦相似度，通过计算第一特征矩阵与第三特征矩阵中每列特征向量的夹角余弦值来评估他们的相似度。然后计算第二特征矩阵与第四特征矩阵中每列特征的第一差值，通过第一差值来减少现实摄像头拍摄场景中出现的形变、背景嘈杂、噪声等情况对待处理图像的影响。最后计算第一图像块与第二图像块之间的相似度，该第i个第一图像块与其对应的第i第二图像块的相似度S(p_i,q_i)的计算公式可以表示为：S(p_i,q_i)＝exp[-α₁(1-c(p_i,q_i))²-α₂d(p_i,q_i)²]。其中，α₁和α₂为权重系数，d(p_i,q_i)为第i个第一图像块与其对应的第i第二图像块中最大的第一差值，c(p_i,q_i)为第i个第一图像块与其对应的第i第二图像块中第一差值最大的列所对应的余弦相似度。当c(p_i,q_i)＝1且d(p_i,q_i)＝0时，表示第i个第一图像块与其对应的第i第二图像块的相似度最大；当c(p_i,q_i)较小或d(p_i,q_i)较大时，S(p_i,q_i)趋近于0，表示第i个第一图像块与其对应的第i第二图像块的相似度较小。

在本申请实施例中，为了方便对第一视频的检索和浏览，可将目标图像块的的信息和目标图像块分开存储。

S240、将所述N张目标图像块进行拼接，得到至少一张目标图像，并将所述至少一张目标图像存储至第一存储节点。

在本申请实施例中，在得到目标图像块后，云服务器可将多张目标图像块拼接成目标图像进行存储，按照预设分割方式将每P张目标图像块拼接成一张目标图像。如将每9张目标图像块拼接成一张图像。然后将目标图像块存储于相应的存储节点。

S250、将所述第一存储节点的存储地址记录到所述信息列表中，并将所述信息列表存储于信息管理中心。

其中，为了方便查找目标图像块，可将每张目标图像的存储节点的存储地址记录到信息列表中。该信息列表中可记录每张目标图像块的索引号、时间戳和存储地址。

在一种可能的示例中，所述方法还包括：接收来自终端设备的第一数据请求，所述第一数据请求用于获取第一时间的监控视频，所述第一时间与当前时间的差大于所述预设保留时长；从所述信息列表中查找至少一个第一时间戳，所述第一时间戳与所述第一时间的时间差小于第三阈值的时间戳；获取每个第一时间戳对应的第一索引和存储地址，并根据所述存储地址获取至少一张所述目标图像；将每张所述目标图像按照所述预设方式进行分割，得到多张目标图像块；从所述多张目标图像块中确定所述至少一个第一时间戳对应的至少一张中间图像块；根据每个第一时间戳对应的第一索引，将所述至少一张中间图像块复原成至少一张复原图像；根据所述至少一张复原图像生成所述第一时间的监控视频。

在本申请实施例中，云服务器可接收用户端发出的数据请求，以获取用户想要查看超过预设保留时长的监控视频。云服务器根据请求的视频的第一时间，从信息管理中心的信息列表中查找与第一时间距离预设时间范围的至少一个时间戳，然后获取每个时间戳对应的索引号和存储地址，根据存储地址从存储节点中获取目标图像。进而将目标图像按照预设方式进行分割，根据时间戳确定用户所需的目标图像块。在得到每一时间戳对应的目标图像块后，将每一图像块复原成图像，最后根据复原图像生成用户所请求的监控视频。

可选的，所述将所述至少一张中间图像块复原成至少一张复原图像，包括：获取第一参照图像和第二参照图像，所述第一参照图像为采用第一拍摄参数拍摄的图像，所述第二参照图像为采用第二拍摄参数拍摄的图像；提取所述第一参照图像的RGB值组成第一三维矩阵，以及所述第二参照图像的RGB值组成第二三维矩阵；按照第一方式分别将第一三维矩阵和第二三维矩阵进行切割，得到多个部分第一三维矩阵和多个部分第二三维矩阵；确定所述第一时间对应的目标场景和候选三维矩阵，所述候选三维矩阵为第一三维矩阵或第二三维矩阵，根据场景与权值矩阵之间的映射关系，确定所述目标场景对应的目标权值矩阵；将计算每个部分第一三维矩阵与对应部分第二三维矩阵的差值，得到多个差值矩阵；若差值矩阵中零元素的数量大于或等于第一值，将所述目标权值矩阵乘以所述候选三维矩阵，得到目标三维矩阵；若差值矩阵中零元素的数量小于所述第一值，将所述候选三维矩阵确定为所述目标三维矩阵；将每个所述目标三维矩阵进行合成，得到目标背景图像；将所述目标背景图像按照所述预设方式划分成P张背景图像块；按照每张目标图像块的时间戳，分别将所述P张背景图像块中索引与所述中间图像块的索引相同的背景图像块替换成所述中间图像块，得到所述至少一张复原图像。

其中，不同的环境下监控范围的背景图像可能会有所不同，例如白天和晚上的背景图会因为光线的原因造成背景图像不同。因此，本申请选取第一参照图像和第二参照图像，并根据第一时间对第一参照图像或第二参照图像进行调整，以获得第一时间时的背景图像。

具体地，该第一参考图像可以是白天环境下监控设备拍摄的背景图像，该第二参考图像可以是晚上环境下监控设备拍摄的背景图像，云服务器分别提取第一参考图像和第二参考图像的特征，得到第一三维矩阵和第二三维矩阵。根据第一时间确定第一时间的参照图像，例如，若第一时间为14:00，则可将第一参照图像确定为候选参照图像，若第一时间为18:00，则可将第二参照图像确定为候选参照图像，并根据第一时间确定目标权值矩阵，其中第一时间与候选参照图像的拍摄时间越短，其需要对候选参照图像的调整越小；第一时间与候选参照图像的拍摄时间越长，其需要对候选参照图像的调整越大。云服务器可根据第一时间与候选参照图像的拍摄时间的差来设置该目标权值矩阵。然后将第一三维矩阵和第二三维矩阵分别分割成多个部分三维矩阵，计算每个部分第一三维矩阵与对应部分第二三维矩阵的差值，得到多个差值矩阵。若第j个差值矩阵中零元素的数量大于或等于第一值，则表示不同环境对该背景区域影响较小，云服务器可根据目标权值矩阵对第j个部分第一三维矩阵或第j个部分第二三维矩阵进行调整，得到第j个部分候选三维矩阵。若第j个差值矩阵中零元素的数量小于第一值，则表示不同环境对该背景区域影响较大，云服务器可根据第一时间将第j个部分第一三维矩阵或第j个部分第二三维矩阵确定为第j个部分候选三维矩阵。基于此，计算出所有部分候选三维矩阵，然后将所有部分候选三维矩阵合成候选三维矩阵，根据三维矩阵得到第一时间下的背景图像。将背景图像按照预设方式进行分割，然后将目标图像块代替相同索引的背景图像块，从而得到复原图像。

可选的，所述根据所述至少一张复原图像生成所述第一时间的监控视频，包括：将至少一张复原图像按照时间戳进行升序排列；将第i张复原图像以及第i+1张复原图像各自划分成若干个小区域，并搜索出每个区域在相邻帧图像中的位置，得到运动矢量，所述i为正整数；根据所述运动矢量，从所述第i+1张复原图像中找出对应的区域，在和预设的预测误差相加后得到第i′张复原图像；根据所述复原图像生成所述第一时间的监控视频。

其中，云服务器将复原图片按照时间进行升序排列，采用运动估计算法对第i个复原图像以及第i+1个复原图像进行运动补偿，以产生第i′个复原图像，该第i′个复原图像为第i个复原图像与第i+1个复原图像中间的复原图像。

具体的，可将第i个复原图像以及第i+1个复原图像各自划分成若干个小区域，并搜索出每个区域在相邻帧图像中的位置，从而获得对应的相对偏移量，也被视为运动矢量。例如根据第i个复原图像中的区域A以及该区域A对应在第i+1个复原图像中的位置区域，从而获得运动矢量。进一步地，根据该运动矢量，从相邻帧图像(如第i+1个复原图像)找出对应的区域，和预设的预测误差相加后可获得该区域在当前帧图像(即第i′个预测帧图像)中的位置。按照上述原理依此类推，从而可预测出完整的第i′个复原图像。

可以看出，本申请提出的云端视频的处理方法，云服务器获取第一视频，第一视频为超过预设保留时长的监控视频；按照采样周期对第一视频进行采样，得到M张待处理图像；将M张待处理图像进行划分，得到N张目标图像块和信息列表；将N张目标图像块进行拼接，得到至少一张目标图像，并将至少一张目标图像存储至第一存储节点；将第一存储节点的存储地址记录到信息列表中，并将信息列表存储于信息管理中心。本申请通过对超过预设保留时长的监控视频进行处理，从监控视频中提取仅包括目标对应的图像块进行存储，能够延长云端视频存储时间。

上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，网络设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，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申请的范围。

请参阅图3，图3是本申请实施例提供的一种云端视频的处理系统的结构示意图，所述系统300包括：处理单元310和存储单元320，其中，

所述处理单元310，用于获取第一视频，所述第一视频为超过预设保留时长的监控视频；

所述处理单元310，还用于按照采样周期对所述第一视频进行采样，得到M张待处理图像，所述M为大于1的正整数；

所述处理单元310，还用于将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，所述信息列表包括每张目标图像的信息，所述目标图像块为包括目标对应的图像块，所述N为正整数；

所述处理单元310，还用于将所述N张目标图像块进行拼接，得到至少一张目标图像，并将所述至少一张目标图像存储至第一存储节点；

所述存储单元320，用于将所述第一存储节点的存储地址记录到所述信息列表中，并将所述信息列表存储于信息管理中心。

可选的，在将所述M张待处理图像进行划分，得到N张目标图像块和信息列表方面，所述处理单元310具体用于：获取初始图像，所述初始图像为监控设备在监控范围内采集的背景图像；将所述M张待处理图像分别与所述初始图像进行比较，若待处理图像包括目标对象，将所述待处理图像划分至候选图像集；计算第一待处理图像与第二待处理图像中对应像素点之间差值，若所述差值小于第一阈值，则删除所述第二待处理图像，所述第一待处理图像和所述第二待处理图像为所述候选图像集中相邻的两张待处理图像；将所述候选图像集中的每张待处理图像按照预设方式进行划分，得到P个图像块组，每个图像块组包括至少一张第一图像块，所述P为大于1的整数；将所述初始图像按照所述预设方式划分成P张初始图像块；计算所述第一图像块中每一第一图像块与第一初始图像块之间的相似度，若所述相似度小于第二阈值，将所述第一图像块确定为目标图像块，得到所述N张目标图像块，所述第一图像块组的索引与所述第一初始图像块的索引相同；将每张目标图像块的索引号和每张目标图像块所在的待处理图像的时间戳存储于所述信息列表。

可选的，所述装置300还包括收发单元330，所述收发单元330，用于接收来自终端设备的第一数据请求，所述第一数据请求用于获取第一时间的监控视频，所述第一时间与当前时间的差大于所述预设保留时长；

所述处理单元320，还用于从所述信息列表中查找至少一个第一时间戳，所述第一时间戳与所述第一时间的时间差小于第三阈值的时间戳；获取每个第一时间戳对应的第一索引和存储地址，并根据所述存储地址获取至少一张所述目标图像；将每张所述目标图像按照所述预设方式进行分割，得到多张目标图像块；从所述多张目标图像块中确定所述至少一个第一时间戳对应的至少一张中间图像块；根据每个第一时间戳对应的第一索引，将所述至少一张中间图像块复原成至少一张复原图像；根据所述至少一张复原图像生成所述第一时间的监控视频。

可选的，在将所述至少一张中间图像块复原成至少一张复原图像方面，所述处理单元320具体用于：获取第一参照图像和第二参照图像，所述第一参照图像为采用第一拍摄参数拍摄的图像，所述第二参照图像为采用第二拍摄参数拍摄的图像；提取所述第一参照图像的RGB值组成第一三维矩阵，以及所述第二参照图像的RGB值组成第二三维矩阵；按照第一方式分别将第一三维矩阵和第二三维矩阵进行切割，得到多个部分第一三维矩阵和多个部分第二三维矩阵；确定所述第一时间对应的目标场景和候选三维矩阵，所述候选三维矩阵为第一三维矩阵或第二三维矩阵，根据场景与权值矩阵之间的映射关系，确定所述目标场景对应的目标权值矩阵；将计算每个部分第一三维矩阵与对应部分第二三维矩阵的差值，得到多个差值矩阵；若差值矩阵中零元素的数量大于或等于第一值，将所述目标权值矩阵乘以所述候选三维矩阵，得到目标三维矩阵；若差值矩阵中零元素的数量小于所述第一值，将所述候选三维矩阵确定为所述目标三维矩阵；将每个所述目标三维矩阵进行合成，得到目标背景图像；将所述目标背景图像按照所述预设方式划分成P张背景图像块；按照每张目标图像块的时间戳，分别将所述P张背景图像块中索引与所述中间图像块的索引相同的背景图像块替换成所述中间图像块，得到所述至少一张复原图像。

可选的，根据所述至少一张复原图像生成所述第一时间的监控视频方面，所述处理单元320具体用于：将至少一张复原图像按照时间戳进行升序排列；将第i张复原图像以及第i+1张复原图像各自划分成若干个小区域，并搜索出每个区域在相邻帧图像中的位置，得到运动矢量，所述i为正整数；根据所述运动矢量，从所述第i+1张复原图像中找出对应的区域，在和预设的预测误差相加后得到第i'张复原图像；根据所述复原图像生成所述第一时间的监控视频。

应理解，这里的系统300以功能单元的形式体现。这里的术语“单元”可以指应用特有集成电路(application specific integrated circuit，ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。在一个可选例子中，本领域技术人员可以理解，系统300可以具体为上述实施例中的云服务器，系统300可以用于执行上述方法实施例中与云服务器对应的各个流程和/或步骤，为避免重复，在此不再赘述。

上述各个方案的系统300具有实现上述方法中云服务器执行的相应步骤的功能；所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块；例如收发单元330可以由发送机替代、处理单元320可以由处理器代替，分别执行各个方法实施例中的收发操作以及相关的处理操作。

在本申请的实施例，系统300也可以是芯片或者芯片系统，例如：片上系统(systemon chip，SoC)。对应的，收发单元可以是该芯片的收发电路，在此不做限定。

请参阅图4，图4是本申请实施例提供的一种云服务器的结构示意图，该云服务器包括：一个或多个处理器、一个或多个存储器、一个或多个通信接口，以及一个或多个程序；所述一个或多个程序被存储在所述存储器中，并且被配置由所述一个或多个处理器执行。

上述程序包括用于执行以下步骤的指令：

获取第一视频，所述第一视频为超过预设保留时长的监控视频；

按照采样周期对所述第一视频进行采样，得到M张待处理图像，所述M为大于1的正整数；

将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，所述信息列表包括每张目标图像的信息，所述目标图像块为包括目标对应的图像块，所述N为正整数；

将所述N张目标图像块进行拼接，得到至少一张目标图像，并将所述至少一张目标图像存储至第一存储节点；

将所述第一存储节点的存储地址记录到所述信息列表中，并将所述信息列表存储于信息管理中心。

其中，上述方法实施例涉及的各场景的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。

以及，除非有相反的说明，本申请实施例提及“第一”、“第二”等序数词是用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。例如，第一信息和第二信息，只是为了区分不同的信息，而并不是表示这两种信息的内容、优先级、发送顺序或者重要程度等的不同。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器执行存储器中的指令，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。

Claims (8)

1.一种云端视频的处理方法，其特征在于，应用于云服务器，所述方法包括：

获取第一视频，所述第一视频为超过预设保留时长的监控视频；

按照采样周期对所述第一视频进行采样，得到M张待处理图像，所述M为大于1的正整数；

将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，所述信息列表包括每张目标图像的信息，所述目标图像块为包括目标对应的图像块，所述N为正整数；

将所述N张目标图像块进行拼接，得到至少一张目标图像，并将所述至少一张目标图像存储至第一存储节点；

将所述第一存储节点的存储地址记录到所述信息列表中，并将所述信息列表存储于信息管理中心。

2.根据权利要求1所述的方法，其特征在于，所述将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，包括：

获取初始图像，所述初始图像为监控设备在监控范围内采集的背景图像；将所述M张待处理图像分别与所述初始图像进行比较，若待处理图像包括目标对象，将所述待处理图像划分至候选图像集；计算第一待处理图像与第二待处理图像中对应像素点之间差值，若所述差值小于第一阈值，则删除所述第二待处理图像，所述第一待处理图像和所述第二待处理图像为所述候选图像集中相邻的两张待处理图像；将所述候选图像集中的每张待处理图像按照预设方式进行划分，得到P个图像块组，每个图像块组包括至少一张第一图像块，所述P为大于1的整数；将所述初始图像按照所述预设方式划分成P张初始图像块；计算所述第一图像块中每一第一图像块与第一初始图像块之间的相似度，若所述相似度小于第二阈值，将所述第一图像块确定为目标图像块，得到所述N张目标图像块，所述第一图像块组的索引与所述第一初始图像块的索引相同；将每张目标图像块的索引号和每张目标图像块所在的待处理图像的时间戳存储于所述信息列表。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

接收来自终端设备的第一数据请求，所述第一数据请求用于获取第一时间的监控视频，所述第一时间与当前时间的差大于所述预设保留时长；从所述信息列表中查找至少一个第一时间戳，所述第一时间戳与所述第一时间的时间差小于第三阈值的时间戳；获取每个第一时间戳对应的第一索引和存储地址，并根据所述存储地址获取至少一张所述目标图像；将每张所述目标图像按照所述预设方式进行分割，得到多张目标图像块；从所述多张目标图像块中确定所述至少一个第一时间戳对应的至少一张中间图像块；根据每个第一时间戳对应的第一索引，将所述至少一张中间图像块复原成至少一张复原图像；根据所述至少一张复原图像生成所述第一时间的监控视频。

4.根据权利要求3所述的方法，其特征在于，所述将所述至少一张中间图像块复原成至少一张复原图像，包括：

获取第一参照图像和第二参照图像，所述第一参照图像为采用第一拍摄参数拍摄的图像，所述第二参照图像为采用第二拍摄参数拍摄的图像；提取所述第一参照图像的RGB值组成第一三维矩阵，以及所述第二参照图像的RGB值组成第二三维矩阵；按照第一方式分别将第一三维矩阵和第二三维矩阵进行切割，得到多个部分第一三维矩阵和多个部分第二三维矩阵；确定所述第一时间对应的目标场景和候选三维矩阵，所述候选三维矩阵为第一三维矩阵或第二三维矩阵，根据场景与权值矩阵之间的映射关系，确定所述目标场景对应的目标权值矩阵；将计算每个部分第一三维矩阵与对应部分第二三维矩阵的差值，得到多个差值矩阵；若差值矩阵中零元素的数量大于或等于第一值，将所述目标权值矩阵乘以所述候选三维矩阵，得到目标三维矩阵；若差值矩阵中零元素的数量小于所述第一值，将所述候选三维矩阵确定为所述目标三维矩阵；将每个所述目标三维矩阵进行合成，得到目标背景图像；将所述目标背景图像按照所述预设方式划分成P张背景图像块；按照每张目标图像块的时间戳，分别将所述P张背景图像块中索引与所述中间图像块的索引相同的背景图像块替换成所述中间图像块，得到所述至少一张复原图像。

5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一张复原图像生成所述第一时间的监控视频，包括：

将至少一张复原图像按照时间戳进行升序排列；将第i张复原图像以及第i+1张复原图像各自划分成若干个小区域，并搜索出每个区域在相邻帧图像中的位置，得到运动矢量，所述i为正整数；根据所述运动矢量，从所述第i+1张复原图像中找出对应的区域，在和预设的预测误差相加后得到第i'张复原图像；根据所述复原图像生成所述第一时间的监控视频。

6.一种云端视频的处理系统，其特征在于，所述系统包括：

处理单元，用于获取第一视频，所述第一视频为超过预设保留时长的监控视频；

所述处理单元，还用于按照采样周期对所述第一视频进行采样，得到M张待处理图像，所述M为大于1的正整数；

所述处理单元，还用于将所述M张待处理图像进行划分，得到N张目标图像块和信息列表，所述信息列表包括每张目标图像的信息，所述目标图像块为包括目标对应的图像块，所述N为正整数；

所述处理单元，还用于将所述N张目标图像块进行拼接，得到至少一张目标图像；

存储单元，用于将所述至少一张目标图像存储至第一存储节点，将所述第一存储节点的存储地址记录到所述信息列表中，并将所述信息列表存储于信息管理中心。

7.一种云服务器，其特征在于，包括处理器、存储器和通信接口，所述存储器存储有一个或多个程序，并且所述一个或多个程序由所述处理器执行，所述一个或多个程序包括用于执行如权利要求1-5任一项所述的方法中的步骤的指令。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法的步骤。

Images