CN114584804A - 虚拟现实视频流数据处理系统 - Google Patents

虚拟现实视频流数据处理系统 Download PDF

Info

Publication number
CN114584804A
CN114584804A CN202210236057.6A CN202210236057A CN114584804A CN 114584804 A CN114584804 A CN 114584804A CN 202210236057 A CN202210236057 A CN 202210236057A CN 114584804 A CN114584804 A CN 114584804A
Authority
CN
China
Prior art keywords
data
video
processing
video stream
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.)
Granted
Application number
CN202210236057.6A
Other languages
English (en)
Other versions
CN114584804B (zh
Inventor
彭芳芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Telecom Public Information Industry Co ltd
Original Assignee
Guangzhou Huisi Software Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Huisi Software Technology Co ltd filed Critical Guangzhou Huisi Software Technology Co ltd
Priority to CN202210236057.6A priority Critical patent/CN114584804B/zh
Publication of CN114584804A publication Critical patent/CN114584804A/zh
Application granted granted Critical
Publication of CN114584804B publication Critical patent/CN114584804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04N21/23—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
    • 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
    • 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
    • H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4405—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving video stream decryption
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/816—Monomedia components thereof involving special video data, e.g 3D video
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了虚拟现实视频流数据处理系统，包括：虚拟搭建模块：获取视频流数据处理需求，根据所述视频流数据处理需求构建虚拟空间；视频分析模块：通过人机交互输入设备将视频流进行导入所述虚拟空间，并对所述视频流进行视频均衡性分析，获取分析结果；数据处理模块：用于根据所述分析结果，获取视频流的数据信息，并对视频图像数据信息进行降噪校正处理，获取处理结果；数据可视化模块：用于基于所述处理结果，在虚拟空间中对处理后的视频流数据进行可视化操作，获取可视化视频数据，本发明通过在虚拟空间中并行量化处理视频数据，可以使得数据处理更加高效稳定，集群运行良好，且能满足大规模视频流数据处理。

Description

虚拟现实视频流数据处理系统
技术领域
本发明涉及数据处理技术领域，特别涉及虚拟现实视频流数据处理系统。
背景技术
目前，在对于视频流的处理方法由于计算机资源能力不足，无法满足大量高效的视频流数据内容分析的问题，因此需要借助虚拟现实技术来对视频流数据进行量化处理方法，在现有技术中，对于视频流数据的处理所需的时间还是没有大幅减少，同时由于视频流数据中会存在视频图像噪声，如果没有对视频图像噪声进行消除就会在处理过程中会存在数据误差，因此对于数据处理后的视频流数据缺乏准确性，例如在CN202111200449-虚拟现实视频流数据处理系统中，是通过视频分割的方法，然后对分割参数进行视频区域划分，来完成视频流数据处理的，但是这种处理方法耗费时间长，视频处理效率低，但是本发明通过视频流均衡性分析以及视频图像降噪量化处理，可以使得数据处理更加准确高效，且集群运行良好，且能满足大规模视频流数据处理的需要。
发明内容
本发明提供虚拟现实视频流数据处理系统，用以解决上述的情况，本发明通过在构建的虚拟空间中对视频流数据进行视频图像降噪校正处理，就可以视频流数据处理的准确性，然后根据均衡性分析结果根据对多个视频区块进行数据集群量化处理，可以节省数据处理的时间，因此在本发明中不仅通过在构建的虚拟空间中消除了视频流存储容量的限制，而且通过上述处理提高了数据处理的准确性和高效性。
虚拟现实视频流数据处理系统，包括：
虚拟搭建模块：获取视频流数据处理需求，根据所述视频流数据处理需求构建虚拟空间；
视频分析模块：通过人机交互输入设备将视频流进行导入所述虚拟空间，并对所述视频流进行视频均衡性分析，获取分析结果；
数据处理模块：用于根据所述分析结果，获取视频流的数据信息，并对视频图像数据信息进行降噪校正处理，获取处理结果；
数据可视化模块：用于基于所述处理结果，在虚拟空间中对处理后的视频流数据进行可视化操作，获取可视化视频数据。
作为本发明的一种实施例：所述虚拟搭建模块包括：
需求确定单元：用于接收用户的视频流数据处理需求和视频流数据，并对所述视频流数据处理需求进行预处理，生成第一视频流数据；
其中，所述预处理包括：场景识别处理和视频流分类处理；
元素识别单元：用于根据所述场景识别处理，确定所述视频流数据对应的数据源场景，根据所述数据源场景，对所述视频流数据进行场景元素解析，确定所述视频流数据中的场景元素；
元素标定单元：用于在三维空间坐标中，对所述场景元素进行标定，确定每个场景元素的三维坐标；
三维空间搭建单元：用于根据所述视频流数据处理需求，生成对应的视频流处理通道，并将所述视频流处理通道和预设的三维空间模型对接，构成三维视频流处理空间；
虚拟空间搭建单元：用于根据所述三维坐标，在所述三维视频流处理空间中载入所述场景元素，构成虚拟空间。
作为本发明的一种实施例：所述需求确定单元中视频流分类处理包括步骤如下所示：
步骤一：通过视频流数据构建视频处理数据库，对视频处理数据库中存储的所有视频进行分帧处理，获取视频帧图像，并基于所述视频帧图像进行图像色彩特征提取，获取图像色彩特征；
步骤二：根据所述图像色彩特征按照对应视频帧图像特征提取时间顺序进行编号，获取编号图像色彩特征并将所述编号图像色彩特征进行符号化，生成标号二进制串；
步骤三：基于所述编号二进制串，按照编号顺序将编号为2的二进制串的汉明距离与编号为1的二进制串的汉明距离进行计算，获取第一计算结果；
步骤四：基于步骤三，将编号为3的二进制串的汉明距离与编号为1和2的二进制串分别进行汉明距离进行计算，获取第二计算结果，以此类推，将编号为n的二进制串的汉明距离与编号为1、2，…，n-1的二进制串的汉明距离进行计算，获取第n计算结果；
步骤五：根据第n次计算结果，当结果显示属于预设相似阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为同类型图像；
步骤六：根据第n次计算结果，当结果显示不属于预设相识阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为不同类型图像；
步骤七：根据所述步骤六和步骤五的判断结果，按照视频类型在不同区块中存储所述视频流数据。
作为本发明的一种实施例：所述视频分析模块包括：
视频导入单元：用于将视频流数据导入所述虚拟空间；
视频采集单元：在所述虚拟空间中，通过网络传输将所述视频流数据传输至虚拟云平台进行处理，获取处理结果；
媒体协议单元：用于在所述视频流数据通过网络进行传输的过程中，通过RTSP协议对视频流数据进行同步调控处理；
基于所述RTSP协议进行视频流数据同步调控的步骤如下：
步骤一：所述媒体协议单元接收视频流数据，对接收视频流数据的时间进行记录，获取记录结果；
步骤二：根据所述记录结果，将所述记录结果与预设视频数据传输时间进行对比，获取对比结果；
其中所述对比结果包括：记录结果比预设视频数据传输时间耗时短，记录结果比预设视频数据传输时间耗时长；
步骤三：当记录结果比预设视频数据传输时间耗时短，进行网络减速处理，当记录结果比预设视频数据传输时间耗时长，进行网络加速处理；
视频缓存单元：用于对所述视频流数据进行解耦合处理，获取多帧视频图像，基于所述多帧视频图像按照视频图像生成的时间顺序进行组织排序，获取排序结果；
其中，所述排序结果为，对于视频分割获取的多帧视频图像按照先后顺序进行图像编号处理；
根据所述排序结果，基于SIFT特征的关键帧提取算法对视频图像关键帧进行提取，确定关键帧图像；
关键帧图像的编号位置进行标定处理，获取图像帧；
基于所述图像帧对视频图像缓存的起始位置进行查找，确定视频起始位置；
视频分析单元：用于对所述视频起始位置进行数据均衡性分析处理，获取视频数据均衡性分析结果。
作为本发明的一种实施例：所述视频分析单元还包括：
高效性分析子单元：用于通过虚拟空间在单位时间内对视频流数据的处理量进行计算，获取数据吞吐量；
基于所述数据吞吐量，对视频数据的处理效率进行分析，获取分析结果；
其中，在高效性分析子单元中进行视频分析过程中：当所需处理的视频流数据为一个区块的数据量时，选取虚拟单机模式进行视频流处理可获取最优处理结果；
当所需处理的视频流数据为多个区块的数据量时，选取集群模式进行视频流处理可获取最优处理结果；
其中，所述虚拟单机模式为使用一个虚拟数据处理机对一个区块中的视频数据进行处理；
虚拟集群模式为采用多个虚拟数据处理机对多个区块中的视频数据进行处理；
均衡性分析子单元：用于对视频流数据进行数据节点划分，获取数据处理节点，对于分布于同一数据处理节点的超过节点数据处理阈值的视频流数据进行数据倾斜度计算，获取节点数据倾斜数据；
基于所述节点数据倾斜数据，进行节点视频流数据均衡化调整，获取均匀分布的视频流数据。
作为本发明的一种实施例：所述数据处理模块包括：
数据权限管理单元：用于对区块视频流数据进行权限设置，生成加密视频数据，获取视频查看权限密钥；
其中，所述权限设置包括：数据查看权限设置、数据调取权限设置和数据加密解密权限设置；
数据量化处理单元：用于根据高效性分析子单元中获取的分析结果，对均衡性分析子单元中获取的均匀分布的视频流数据采用不同的虚拟机模式进行数据量化处理，获取处理结果；
其中，所述数据量化处理包括：采用虚拟集群模式对不同区块的视频数据进行量化处理和采用虚拟单机模式对同一区块中每个视频场景元素对应的数据进行量化处理；
像素处理单元：用于对视频流数据进行图像像素校准，获取优化视频图像；
其中，所述图像像素校准包括：视频图像噪声消除、视频图像误差消除和视频图像校准优化；
结果获取单元：用于根据数据权限管理单元、数据量化处理单元和像素处理单元对视频图像进行降噪量化处理，获取数据处理结果。
作为本发明的一种实施例：所述像素处理单元进行视频图像像素处理的流程如下所示：
对视频图像中具有图像噪声进行视频图像降噪处理，获取无噪视频图像；
其中，图像噪声的类型包括：脉冲噪声、高斯噪声、脉冲噪声和高斯噪声混合叠加噪声；
在进行视频图像降噪处理中，根据所述图像噪声类型，构建噪声降噪通道；
其中，所述噪声降噪通道包括：第一降噪通道、第二噪声降噪通道和第三噪声降噪通道；
当图像噪声为脉冲噪声时，通过第一降噪通道对视频图像采用均值滤波进行降噪；
当图像噪声为高斯噪声时，通过第二降噪通道对视频图像采用非线性滤波方法进行视频图像降噪；
当图像噪声为脉冲噪声和高斯噪声混合叠加噪声时，通过第三降噪通道对视频图像采用双边滤波进行降噪；
通过对图像进行降噪处理，获取无噪视频图像，并基于所述无噪视频图像，进行图像误差消除处理，获取标准视频图像；
对所述标准视频图像进行图像边缘优化处理，获取优化视频图像。
作为本发明的一种实施例：所述数据权限管理单元进行视频数据加密解密权限设置的具体步骤如下所示：
步骤S1：用于对每个区块的视频数据进行节点划分，获取数据节点，并在所述数据节点中设置一对公私密钥；
步骤S2：用于根据所述数据节点，对节点上的视频数据通过数字签名进行签名，并通过对称密钥对数字签名算法中的明文进行加密处理，获取加密密文；
步骤S3：通过私钥对所述加密密文进行解密处理，获取解密校验码；
步骤S4：根据所述解密校验码，当所述校验码显示校验成功，判断用户具有视频区块访问权限，则完成视频数据解密操作；当所述解密校验码显示校验失败，判断用户不具有视频区块访问权限，则视频数据解密操作中断。
作为本发明的一种实施例：所述数据可视化模块包括：
语义确定单元：通过对数据处理模块中处理后的视频流数据进行视频图像语义数据和色彩数据提取，获取视频准确语义数据和视频准确色彩数据；
数据整理单元：用于对获取的准确色彩数据和准确语义数据按照时间序列进行排序整理，获取时间序列数据；
数据可视化单元：用于根据所述时间序列数据，通过层次结构方法对时间序列数据在虚拟空间中进行数据可视化操作，获取可视化视频数据；
其中，所述层次结构方法包括：数据语义调取方法、色彩节点连接方法、数据空间分布填充方法。
作为本发明的一种实施例：所述数据可视化模块还包括：
数据统计单元：用于对可视化视频数据进行统计整理，获取统计表格；
其中，所述数据统计单元对可视化视频数据进行统计的流程如下所示：
对可视化视频数据进行统计整理，获取数据处理项；
其中，所述数据处理项包括：视频流数据语义项和视频流数据色彩项；
通过自动布局算法将数据处理项进行布局罗列，获取数据布局网状图；
并通过数据处理项和数据布局网状图进行数据统计，获取统计表格。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中虚拟现实视频流数据处理系统的模块连接图；
图2为本发明实施例中虚拟现实视频流数据处理系统中虚拟搭建模块流程图；
图3为本发明实施例中虚拟现实视频流数据处理系统中视频分析模块流程图；
图4为本发明实施例中虚拟现实视频流数据处理系统中数据处理模块流程图；
图5为本发明实施例中虚拟现实视频流数据处理系统中数据可视化模块流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明实施例提供了虚拟现实视频流数据处理系统，包括：
虚拟搭建模块：获取视频流数据处理需求，根据所述视频流数据处理需求构建虚拟空间；
视频分析模块：通过人机交互输入设备将视频流进行导入所述虚拟空间，并对所述视频流进行视频均衡性分析，获取分析结果；
数据处理模块：用于根据所述分析结果，获取视频流的数据信息，并对视频图像数据信息进行降噪校正处理，获取处理结果；
数据可视化模块：用于基于所述处理结果，在虚拟空间中对处理后的视频流数据进行可视化操作，获取可视化视频数据；
在一个实际场景中：在对于视频流数据进行处理的时候，是对视频进行切割然后获取切割参数，对于得到的参数然后划分聚焦区域和边缘区域，然后对其进行编码压缩处理，这样的视频处理方法过于单调，且会产生对数据处理影响较大的误差；
本发明在进行实施的时候：如图1所示，通过虚拟搭建模块、视频分析模块、数据处理模块和数据可视化模块之间的相互连接作用，可以构建的虚拟空间中对视频流数据进行分析处理，这样的分析处理方法更加的高效，且视频处理的存储空间不受限制，确保视频数据处理的流畅性，在通过虚拟现实技术进行视频流的数据处理的时候，首先要构建出数据处理的场所，因此就要进行虚拟环境的搭建，以此获取虚拟空间，首先在虚拟搭建模块中通过需要确定对视频流数据处理需求，这样就可以构建出针对此视频流处理需求构建的虚拟空间，然后先进行三维空间的搭建，在搭建三维空间时，需要对视频流数据需求进行预处理，然后确定视频流数据对应的数据源场景，然后进行数据场景元素解析，得到场景元素，通过三维空间坐标和坐标中标定的场景元素进行三维空间搭建，最后通过在三维视频流处理空间中载入场景元素，就可以构成虚拟空间，对视频流数据需求进行预处理时，还包括对视频流数据进行分类，进行视频分类的方法是对视频流数据进行视频分帧处理，然后对于分帧得到的帧图像进行图像色彩特征提取，并将提取的特征进行编号，然后对编号的特征进行符号化就可以得到二进制串，然后根据对每一个编号的二进制串进行汉明距离计算，对于计算结果不属于预设相似阈值内时，可判断对应的视频流数据不是同类型的，反之则为同类型，将同类型的视频流存储在同一区块中。在虚拟空间中对视频流进行视频均衡性分析，通过均衡性分析可以确定视频流数据在虚拟空间中能够均衡在各个数据节点均匀分布的视频流数据，对于在进行视频数据处理的时候通过上述的视频流分类方法可以节省一定的数据处理时间，并且基于分析还可以得出进行视频流数据处理的时候，为了节省数据处理时间，可根据视频流数据处理量选取虚拟单机模式或者虚拟集群模式对视频流数据进行同时间量化处理，就可以节省大量的视频数据处理时间，从而提高了视频数据处理的高效性，由于视频数据中的会存在视频图像噪声，这样就会如果没有对视频图像噪声进行消除就会在处理过程中会存在数据误差，如果不进行图像噪声的消除这样就会影响最后数据处理的准确性，因此在数据处理模块中，首先对视频图像中的图像噪声进行视频图像降噪处理，进行图像降噪的处理是采用不同的降噪通道对脉冲噪声、高斯噪声或脉冲噪声和高斯噪声混合叠加噪声降噪进行降噪处理，然后就可以得到无噪视频图像，这样就可以消除因图像噪声带来的数据误差，最后对处理后的数据在虚拟空间中进行数据可视化操作，是通过层次结构方法的色彩节点连接方法、数据语义调取方法和数据分布空间填充方法，对数据进行整理统计，然后就可以得到数据处理统计项：视频流数据语义项和视频流数据色彩项，最后通过自动布局算法将数据处理项进行布局罗列以及统计，就可以得到可视化的统计表格，这样就可以得到清晰而具有条理化的视频处理后的数据；
上述技术方案的有益效果为：通过根据虚拟搭建模块、视频分析模块、数据处理模块和数据可视化模块的相互连接作用，可以根据搭建的虚拟空间对视频流数据进行导入，并对导入的视频流数据进行数据处理，可以使得数据处理更加高效，通过对数据进行量化处理，还可以节省数据处理的时间，并且通过对处理后的数据进行可视化操作，可以使得数据更具有条理性，且更易管理。
实施例2：
在一个实施例中，所述虚拟搭建模块包括：
所述虚拟搭建模块包括：
需求确定单元：用于接收用户的视频流数据处理需求和视频流数据，并对所述视频流数据处理需求进行预处理，生成第一视频流数据；
其中，所述预处理包括：场景识别处理和视频流分类处理；
元素识别单元：用于根据所述场景识别处理，确定所述视频流数据对应的数据源场景，根据所述数据源场景，对所述视频流数据进行场景元素解析，确定所述视频流数据中的场景元素；
元素标定单元：用于在三维空间坐标中，对所述场景元素进行标定，确定每个场景元素的三维坐标；
三维空间搭建单元：用于根据所述视频流数据处理需求，生成对应的视频流处理通道，并将所述视频流处理通道和预设的三维空间模型对接，构成三维视频流处理空间；
虚拟空间搭建单元：用于根据所述三维坐标，在所述三维视频流处理空间中载入所述场景元素，构成虚拟空间；
在一个实际场景中：通过客户端发送实时交互启动指令进行虚拟实现技术的数据处理，只是通过交互启动来实现虚拟显示视频数据的处理的方法是缺乏准确性，且对于虚拟现实的构建页过于简单，这样基于虚拟现实进行视频流数据处理的结果的准确性也是不足的；
本发明在进行实施的时候：如图2所示，在进行视频流数据处理的时候需要先确定视频流数据处理需求，并对视频流数据需求进行预处理，对于场景识别的预处理中，确定视频流数据对应的数据源场景，然后进行数据场景元素解析，得到场景元素，通过三维空间坐标和坐标中标定的场景元素进行三维空间搭建，最后通过在三维视频流处理空间中载入场景元素，就可以构成虚拟空间，构建的虚拟空间是不受视频容量的限制，因此可以对海量视频流数据进行处理；
上述技术方案的有益效果为：通过虚拟搭建模块进行虚拟空间的搭建，然后在虚拟空间中进行视频流数据的分析处理，可以提供更安全更高效的数据处理环境，并且在虚拟环境中对于数据的处理会更加的便捷，从而可以提高视频流数据处理的效率。
实施例3：
在一个实施例中，
所述需求确定单元中视频流分类处理包括步骤如下所示：
步骤一：通过视频流数据构建视频处理数据库，对视频处理数据库中存储的所有视频进行分帧处理，获取视频帧图像，并基于所述视频帧图像进行图像色彩特征提取，获取图像色彩特征；
步骤二：根据所述图像色彩特征按照对应视频帧图像特征提取时间顺序进行编号，获取编号图像色彩特征并将所述编号图像色彩特征进行符号化，生成标号二进制串；
步骤三：基于所述编号二进制串，按照编号顺序将编号为2的二进制串的汉明距离与编号为1的二进制串的汉明距离进行计算，获取第一计算结果；
步骤四：基于步骤三，将编号为3的二进制串的汉明距离与编号为1和2的二进制串分别进行汉明距离进行计算，获取第二计算结果，以此类推，将编号为n的二进制串的汉明距离与编号为1、2，…，n-1的二进制串的汉明距离进行计算，获取第n计算结果；
步骤五：根据第n次计算结果，当结果显示属于预设相似阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为同类型图像；
步骤六：根据第n次计算结果，当结果显示不属于预设相识阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为不同类型图像；
步骤七：根据所述步骤六和步骤五的判断结果，按照视频类型在不同区块中存储所述视频流数据；
在一个实际场景中：对于在虚拟空间中对视频数据进行区块的划分是没有涉及的，因此对于大量的视频流数据进行数据处理的时候会存在处理效率低的问题，并且本发明在视频区块划分的时候是通过对视频图像的特征进行提取，然后将提取的特征转化为二进制串，通过对比二进制串和目标二进制串的汉明距离来判断视频的相似性，将对比视频相似的所有任务目标视频划分为一个区块，这样的方法是现有技术所没有涉及的；
本发明在进行实施的时候：在进行视频流区块划分的时候，是需要将相似的视频数据划分为一个区块，这样不仅有利于视频数据的管理，而且在进行视频数据处理的时候会更加的高效，在对相似的视频进行判断划分的时候，需要用户所要处理的视频流数据进行图像分帧，然后对分帧的视频图像进行图像色彩特征提取，这样就能够得到图像色彩特征，然后将得到的色彩图像特征生成对应的二进制串，根据上述的方法，然后将得到二进制串进行编号，就可以得到编号二进制串，按照编号顺序将编号为2的二进制串的汉明距离与编号为1的二进制串的汉明距离进行计算，获取第一计算结果，将编号为3的二进制串的汉明距离与编号为1和2的二进制串分别进行汉明距离进行计算，获取第二计算结果，以此类推，将编号为n的二进制串的汉明距离与编号为1、2，…，n-1的二进制串的汉明距离进行计算，获取第n计算结果,然后当结果显示属于预设相识阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为同类型图像，当结果显示不属于预设相识阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为不同类型图像，通过上述视频流数据类型的判断方法，按照视频类型在不同区块中存储视频流数据；
上述技术方案的有益效果为：通过将视频流数据相似的数据划分在一个区块进行存储，这样对于数据在后续的量化处理过程中就能够节省大量的时间，并且区块的划分是通过对视频图像的特征进行二进制串转化的，然后根据二进制串之间的汉明距离来对视频数据的相似性进行判断的，这样的方法能够非常准确的将相似的视频数据划分为一个区块存储，从而避免视频数据在划分的时候出现混乱。
实施例4：
在一个实施例中，
所述视频分析模块包括：
视频导入单元：用于将视频流数据导入所述虚拟空间；
视频采集单元：在所述虚拟空间中，通过网络传输将所述视频流数据传输至虚拟云平台进行处理，获取处理结果；
媒体协议单元：用于在所述视频流数据通过网络进行传输的过程中，通过RTSP协议对视频流数据进行同步调控处理；
基于所述RTSP协议进行视频流数据同步调控的步骤如下：
步骤一：所述媒体协议单元接收视频流数据，对接收视频流数据的时间进行记录，获取记录结果；
步骤二：根据所述记录结果，将所述记录结果与预设视频数据传输时间进行对比，获取对比结果；
其中所述对比结果包括：记录结果比预设视频数据传输时间耗时短，记录结果比预设视频数据传输时间耗时长；
步骤三：当记录结果比预设视频数据传输时间耗时短，进行网络减速处理，当记录结果比预设视频数据传输时间耗时长，进行网络加速处理；
视频缓存单元：用于对所述视频流数据进行解耦合处理，获取多帧视频图像，基于所述多帧视频图像按照视频图像生成的时间顺序进行组织排序，获取排序结果；
其中，所述排序结果为，对于视频分割获取的多帧视频图像按照先后顺序进行图像编号处理；
根据所述排序结果，基于SIFT特征的关键帧提取算法对视频图像关键帧进行提取，确定关键帧图像；
关键帧图像的编号位置进行标定处理，获取图像帧；
基于所述图像帧对视频图像缓存的起始位置进行查找，确定视频起始位置；
视频分析单元：用于对所述视频起始位置进行数据均衡性分析处理，获取视频数据均衡性分析结果；
本发明在进行实施的时候：如图3所示，将视频流数据导入至虚拟空间中，对于进行视频分析的时候，在媒体协议单元，对视频流通过RTSP协议进行数据处理同步调控，因为视频流的分析可能因为网络的原因造成视频分析不同步，因此需要在媒体协议单元对其进行同步调控处理，然后根据对视频进行分帧处理，就可以获得多帧视频图像，对多帧视频图像进行编号，并进行关键帧判断，对于关键帧的判断，是对一段视频中最重要的视频信息的确定，如果没有进行关键帧的判断，在进行视频处理的时候可能就会出现视频处理不准确的情况出现，然后对关键帧视频图像对应的视频起始位置进行查找，然后从上到下进行视频读取，这样就可以将视频流数据完整的缓存下来，并对缓存的视频流数据进行均衡性分析，就可以获取分析结果；
上述技术方案的有益效果为：在视频分析模块是对视频数据进行预分析判断的，这样就可以保证视频分析的过程中是对关键的数据信息进行分析的，避免造成无效分析，从而保证视频数据分析的准确性。
实施例5：
在一个实施例中，
所述视频分析单元还包括：
高效性分析子单元：用于通过虚拟空间在单位时间内对视频流数据的处理量进行计算，获取数据吞吐量；
基于所述数据吞吐量，对视频数据的处理效率进行分析，获取分析结果；
其中，在高效性分析子单元中进行视频分析过程中：当所需处理的视频流数据为一个区块的数据量时，选取虚拟单机模式进行视频流处理可获取最优处理结果；
当所需处理的视频流数据为多个区块的数据量时，选取集群模式进行视频流处理可获取最优处理结果；
其中，所述虚拟单机模式为使用一个虚拟数据处理机对一个区块中的视频数据进行处理；
虚拟集群模式为采用多个虚拟数据处理机对多个区块中的视频数据进行处理；
均衡性分析子单元：用于对视频流数据进行数据节点划分，获取数据处理节点，对于分布于同一数据处理节点的超过节点数据处理阈值的视频流数据进行数据倾斜度计算，获取节点数据倾斜数据；
基于所述节点数据倾斜数据，进行节点视频流数据均衡化调整，获取均匀分布的视频流数据；
本发明在进行实施的时候：在虚拟空间环境中对视频流数据进行分析主要包括对视频数据的高效性和均衡性进行分析，在进行高效性分析的时候，可以得出所需处理的视频流数据为一个区块的视频流数据量时，选取单机模式进行视频流处理可获取最优处理结果，当所需处理的视频流数据为多个区块的视频流数据量时，选取集群模式进行视频流处理可获取最优处理结果，在进行均衡性分析的时候，由于划分的数据节点中的视频流数据分布不均匀，会导致数据分析处理时间延长，因此在进行均衡化分析的时候需要进行数据分布调整，从而获得均匀分布视频流数据；
上述技术方案的有益效果为：在进行视频数据分析的过程中，是从视频数据的高效性和均衡性进行分析的，通过上述分析，可以得出最优的视频流处理方法，通过这样的方法可以提高视频流数据处理的高效性通过对视频流数据进行均衡化分析就可以得到在划分的数据节点上均匀分布的视频流数据。
实施例6：
在一个实施例中，
所述数据处理模块包括：
数据权限管理单元：用于对区块视频流数据进行权限设置，生成加密视频数据，获取视频查看权限密钥；
其中，所述权限设置包括：数据查看权限设置、数据调取权限设置和数据加密解密权限设置；
数据量化处理单元：用于根据高效性分析子单元中获取的分析结果，对均衡性分析子单元中获取的均匀分布的视频流数据采用不同的虚拟机模式进行数据量化处理，获取处理结果；
其中，所述数据量化处理包括：采用虚拟集群模式对不同区块的视频数据进行量化处理和采用虚拟单机模式对同一区块中每个视频场景元素对应的数据进行量化处理；
像素处理单元：用于对视频流数据进行图像像素校准，获取优化视频图像；
其中，所述图像像素校准包括：视频图像噪声消除、视频图像误差消除和视频图像校准优化；
结果获取单元：用于根据数据权限管理单元、数据量化处理单元和像素处理单元对视频图像进行降噪量化处理，获取数据处理结果；
本发明在进行实施的时候：如图4所示，在数据处理模块中，首先通过数据权限管理单元对区块中的视频流数据进行加密和解密权限设置，这样可以保证数据的安全性，然后通过数据量化处理单元和像素处理单元分别对不同区块中的视频数据进行同时处理和对同一区块中的不同数据进行同时处理、以及视频图像噪声消除、视频图像误差消除和视频图像校准优化的视频像素校正处理，这样就能够得到无干扰清晰的视频数据；
上述技术方案的有益效果为：在数据处理模块中，进行数据量化处理的时候是针对不同区块中的视频数据进行同时处理和对同一区块中的不同数据进行同时处理，这样不仅可以提高数据处理的效率，而且大大的节省了数据处理的时间。
实施例7：
在一个实施例中，在像素处理单元中，对视频图像进行像素校正处理，是为了避免图像中的噪声对视频数据产生影响，因此为了避免噪声对视频数据带来的影响，首先对视频图像进行降噪处理：
Figure BDA0003542224890000201
其中，f(m)为降噪后的视频图像；
Figure BDA0003542224890000202
为图像梯度模值；ζ为正则化参数；γθ为滤波参数；Ω为图像区域；x为图像宽度；y为图像长度；m为视频图像像素最大值；m0为视频图像像素初始值；
根据降噪处理得到的降噪后的视频图像f(m)，会因为降噪过程中产生误差，因此需要对其进行进一步的误差消除处理，误差消除的具体操作如下所示：
Figure BDA0003542224890000203
其中，η0为误差参数；f(m1)表示消除误差的视频图像；
Figure BDA0003542224890000204
表示对降噪后的视频图像进行误差消除处理；
对于进行误差消除后的视频图像f(m1)再进行优化处理，就可以得到无干扰清晰稳定的视频数据，对误差消除后的视频图像f(m1)进行优化的具体方法如下所示：
Figure BDA0003542224890000205
其中，f(m优)为优化后的视频图像；f(m1)表示消除误差的视频图像；m表示图像像素；μ表示标准像素参数；
根据上述计算，可以得到优化后的视频图像，这样得到的视频图像在进行数据处理的时候可以更加的高效；
上述技术的原理为：在像素处理单元中，对视频流数据进行图像像素校准然后获取优化视频图像，是为了在后续进行视频数据处理的时候能够使得视频的准确性更高，从而视频处理的效率也越高，在进行视频像素校准的时候，需要先对视频图像通过
Figure BDA0003542224890000211
Figure BDA0003542224890000212
计算进行降噪处理，然后得到降噪后的视频图像f(m)，由于在降噪过程出会出现视频误差，因此还需要对降噪得到的视频图像进行误差消除处理，根据计算得到的消除误差后的视频图像f(m1)，再最后进行视频图像的优化处理，这样就能够得到稳定且最优的视频图像，这样再进行视频数据处理的时候会更加的准确；
上述技术的有益效果为：通过对视频图像进行降噪处理，然后再进行误差消除处理，再最后进行视频图像的优化处理，这样就能够得到稳定且最优的视频图像，这样再进行视频数据处理的时候会更加的准确。
实施例8：
在一个实施例中，
所述像素处理单元进行视频图像像素处理的流程如下所示：
对视频图像中具有图像噪声进行视频图像降噪处理，获取无噪视频图像；
其中，图像噪声的类型包括：脉冲噪声、高斯噪声、脉冲噪声和高斯噪声混合叠加噪声；
在进行视频图像降噪处理中，根据所述图像噪声类型，构建噪声降噪通道；
其中，所述噪声降噪通道包括：第一降噪通道、第二噪声降噪通道和第三噪声降噪通道；
当图像噪声为脉冲噪声时，通过第一降噪通道对视频图像采用均值滤波进行降噪；
当图像噪声为高斯噪声时，通过第二降噪通道对视频图像采用非线性滤波方法进行视频图像降噪；
当图像噪声为脉冲噪声和高斯噪声混合叠加噪声时，通过第三降噪通道对视频图像采用双边滤波进行降噪；
通过对图像进行降噪处理，获取无噪视频图像，并基于所述无噪视频图像，进行图像误差消除处理，获取标准视频图像；
对所述标准视频图像进行图像边缘优化处理，获取优化视频图像；
在一个实际场景中：对于进行像素校正处理后得到的优化视频图像进行标准性评估的方法是现有视频流数据处理技术中所没有涉及的，这样对于优化后的视频图像的效果就不能够准确的了解，从而可能对最后处理后的视频数据的结果页产生较大的影响；
本发明在进行实施的时候：在像素处理单元进行视频图像像素处理过程中，首先对视频图像中的图像噪声进行视频图像降噪处理，然后得到无噪视频图像，在进行视频图像降噪的时候，是通过构建的不同降噪通道对所包含的三种不同噪声进行降噪处理，其中，当图像噪声为脉冲噪声时，通过第一降噪通道对视频图像采用均值滤波进行降噪，当图像噪声为高斯噪声时，通过第二降噪通道对视频图像采用非线性滤波方法进行视频图像降噪，当图像噪声为脉冲噪声和高斯噪声混合叠加噪声时，通过第三降噪通道对视频图像采用双边滤波进行降噪，通过上述降噪就可以的奥无噪的视频图像，然后根据得到的无噪视频图像，进行图像误差消除处理，就可以获得标准视频图像，最后对标准视频图像进行图像边缘优化处理，就可以避免视频图像的边缘信息出现模糊的情况出现；
上述技术方案的有益效果为：通过对视频图像进行降噪处理，然后再进行误差消除处理，再最后进行视频图像的优化处理，这样就能够得到稳定且最优的视频图像，这样再进行视频数据处理的时候会更加的准确。
实施例9：
在一个实施例中，在像素评估单元中，是针对校正优化后的视频像素进行标准性检测，然后根据检测得到的结果进行评估，通过下述计算进行像素评估：
Figure BDA0003542224890000231
其中，g(x)表示评估等级；g1为一级标准视频图像；g2为二级标准视频图像；g3为三级标准视频图像；x表示像素失真性；
通过上述评估得到的视频图像像素等级，就可以在后续进行视频数据处理的时候进行对应参考；
上述技术的原理为：针对校正优化后的视频像素进行标准性检测，然后根据检测得到的结果进行评估，当检测结果显示视频图像的失真性小于等于3％时，评估获取的优化视频图像为一级标准视频图像g1，这时的视频图像的品质是比较高的，因此在根据上述等级的视频图像进行数据处理的结果是比较准确的，当所述检测结果显示视频图像的失真性小于等于7％且大于3％时，评估获取的优化视频图像为二级标准视频图像g2，这时的视频图像品质为一般，对数据处理结果有较小影响，但是在一般的数据处理任务中，二级标准视频图像对于数据的影响可以忽略，当所述检测结果显示视频图像的失真性大于7％时，评估获取的优化视频图像为三级标准视频图像g3，这时的图像品质较差，对于进行数据处理后的结果有较大影响；
上述技术的有益效果为：在进行数据处理的时候，对于给视频图像进行像素校正处理后，还需对其进行像素校正评估，通过评估结果，可以对最后得到的视频数据处理结果的准确性进行参照。
实施例10：
在一个实施例中，
所述数据权限管理单元进行视频数据加密解密权限设置的具体步骤如下所示：
步骤S1：用于对每个区块的视频数据进行节点划分，获取数据节点，并在所述数据节点中设置一对公私密钥；
步骤S2：用于根据所述数据节点，对节点上的视频数据通过数字签名进行签名，并通过对称密钥对数字签名算法中的明文进行加密处理，获取加密密文；
步骤S3：通过私钥对所述加密密文进行解密处理，获取解密校验码；
步骤S4：根据所述解密校验码，当所述校验码显示校验成功，判断用户具有视频区块访问权限，则完成视频数据解密操作；当所述解密校验码显示校验失败，判断用户不具有视频区块访问权限，则视频数据解密操作中断；
在一个实际场景中：对于给数据进行加密，一般采用的是对称加密，但是只用对称加密的方法对数据进行加密，会存在数据丢失的问题，但是本技术采用是对称加密和数字签名算法结合进行的加密方法，这样的加密方法不仅更安全而且更简便；
本发明在进行实施的时候：在对区块中的视频数据进行加密的时候，首先需要对视频数据进行节点划分，并为每一个节点设置一对公私密钥，然后对数据节点中的视频数据通过数字签名进行签名处理，然后用对称密钥对数字签名算法中的明文进行加密处理，得到加密密文，将设置的私钥发送给数据查看人员，数据查看人员通过用私钥对加密密文进行解密处理，在进行解密的时候可获取解密校验码，根据解密校验码的显示可对解密工作是否完成进行判断，当所述校验码显示校验成功，则完成视频数据解密操作，这样就说明查看人员是具有数据查看权限，当所述解密校验码显示校验失败，则视频数据解密操作中断，说明查看人员是不具有数据查看权限的；
上述技术方案的有益效果为：对于划分的区块中的视频数据进行加密处理，可以保证视频数据的安全性，防止出现数据丢失的问题出现，并且本技术采用的是对称加密和数字签名算法结合进行的加密方法，这样的加密方法不仅更安全而且更简便。
实施例11：
在一个实施例中，
所述数据可视化模块包括：
语义确定单元：通过对数据处理模块中处理后的视频流数据进行视频图像语义数据和色彩数据提取，获取视频准确语义数据和视频准确色彩数据；
数据整理单元：用于对获取的准确色彩数据和准确语义数据按照时间序列进行排序整理，获取时间序列数据；
数据可视化单元：用于根据所述时间序列数据，通过层次结构方法对时间序列数据在虚拟空间中进行数据可视化操作，获取可视化视频数据；
其中，所述层次结构方法包括：数据语义调取方法、色彩节点连接方法、数据空间分布填充方法；
本发明在进行实施的时候：如图5所示，在数据可视化模块中，需要通过语义确定单元、视频感知单元和数据可视化单元的相互作用，确定视频的准确语义数据和视频准确色彩数据，然后在视频感知单元对其按照时间序列进行感知，这样就可以清楚的了解视频数据在时间段中表达的语义时什么，可以能够更准确的获取视频的数据内容，然后在虚拟空间中对视频感知数据进行可视化，可以更直观明了的对视频感知数据进行展示；
上述技术方案的有益效果为：在对处理后的视频数据进行可视化处理，是为了能够对视频中的语义和色彩进行理解，这样就能够得到清晰准确的视频数据结果，并且通过可视化处理后的视频数据可以更易理解。
实施例12：
在一个实施例中，
所述数据可视化模块还包括：
数据统计单元：用于对可视化视频数据进行统计整理，获取统计表格；
其中，所述数据统计单元对可视化视频数据进行统计的流程如下所示：
对可视化视频数据进行统计整理，获取数据处理项；
其中，所述数据处理项包括：视频流数据语义项和视频流数据色彩项；
通过自动布局算法将数据处理项进行布局罗列，获取数据布局网状图；
并通过数据处理项和数据布局网状图进行数据统计，获取统计表格；
本发明在进行实施的时候：在数据统计单元中，对可视化视频数据进行统计后，通过自动布局算法将数据处理项进行布局罗列，获取数据布局网状图，根据获得的数据处理项和数据布局网状图进行数据统计，就可以获取统计表格；
上述技术方案的有益效果为：在数据统计单元中是根据得到的数据处理项可以生成统计表格，这样可以便于用户对处理后的视频数据进行快速查看以及对数据可以进行高效的管理。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.虚拟现实视频流数据处理系统，其特征在于，包括：
虚拟搭建模块：获取视频流数据处理需求，根据所述视频流数据处理需求构建虚拟空间；
视频分析模块：通过人机交互输入设备将视频流进行导入所述虚拟空间，并对所述视频流进行视频均衡性分析，获取分析结果；
数据处理模块：用于根据所述分析结果，获取视频流的数据信息，并对视频图像数据信息进行降噪校正处理，获取处理结果；
数据可视化模块：用于基于所述处理结果，在虚拟空间中对处理后的视频流数据进行可视化操作，获取可视化视频数据。
2.如权利要求1所述的虚拟现实视频流数据处理系统，其特征在于，所述虚拟搭建模块包括：
需求确定单元：用于接收用户的视频流数据处理需求和视频流数据，并对所述视频流数据处理需求进行预处理，生成第一视频流数据；
其中，所述预处理包括：场景识别处理和视频流分类处理；
元素识别单元：用于根据所述场景识别处理，确定所述视频流数据对应的数据源场景，根据所述数据源场景，对所述视频流数据进行场景元素解析，确定所述视频流数据中的场景元素；
元素标定单元：用于在三维空间坐标中，对所述场景元素进行标定，确定每个场景元素的三维坐标；
三维空间搭建单元：用于根据所述视频流数据处理需求，生成对应的视频流处理通道，并将所述视频流处理通道和预设的三维空间模型对接，构成三维视频流处理空间；
虚拟空间搭建单元：用于根据所述三维坐标，在所述三维视频流处理空间中载入所述场景元素，构成虚拟空间。
3.如权利要求2所述的虚拟现实视频流数据处理系统，其特征在于，所述需求确定单元中视频流分类处理包括步骤如下所示：
步骤一：通过视频流数据构建视频处理数据库，对视频处理数据库中存储的所有视频进行分帧处理，获取视频帧图像，并基于所述视频帧图像进行图像色彩特征提取，获取图像色彩特征；
步骤二：根据所述图像色彩特征按照对应视频帧图像特征提取时间顺序进行编号，获取编号图像色彩特征并将所述编号图像色彩特征进行符号化，生成标号二进制串；
步骤三：基于所述编号二进制串，按照编号顺序将编号为2的二进制串的汉明距离与编号为1的二进制串的汉明距离进行计算，获取第一计算结果；
步骤四：基于步骤三，将编号为3的二进制串的汉明距离与编号为1和2的二进制串分别进行汉明距离进行计算，获取第二计算结果，以此类推，将编号为n的二进制串的汉明距离与编号为1、2，…，n-1的二进制串的汉明距离进行计算，获取第n计算结果；
步骤五：根据第n次计算结果，当结果显示属于预设相似阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为同类型图像；
步骤六：根据第n次计算结果，当结果显示不属于预设相识阈值内时，判断进行汉明距离计算的二进制串对应的视频帧图像为不同类型图像；
步骤七：根据所述步骤六和步骤五的判断结果，按照视频类型在不同区块中存储所述视频流数据。
4.如权利要求1所述的虚拟现实视频流数据处理系统，其特征在于，所述视频分析模块包括：
视频导入单元：用于将视频流数据导入所述虚拟空间；
视频采集单元：在所述虚拟空间中，通过网络传输将所述视频流数据传输至虚拟云平台进行处理，获取处理结果；
媒体协议单元：用于在所述视频流数据通过网络进行传输的过程中，通过RTSP协议对视频流数据进行同步调控处理；
基于所述RTSP协议进行视频流数据同步调控的步骤如下：
步骤一：所述媒体协议单元接收视频流数据，对接收视频流数据的时间进行记录，获取记录结果；
步骤二：根据所述记录结果，将所述记录结果与预设视频数据传输时间进行对比，获取对比结果；
其中所述对比结果包括：记录结果比预设视频数据传输时间耗时短，记录结果比预设视频数据传输时间耗时长；
步骤三：当记录结果比预设视频数据传输时间耗时短，进行网络减速处理，当记录结果比预设视频数据传输时间耗时长，进行网络加速处理；
视频缓存单元：用于对所述视频流数据进行解耦合处理，获取多帧视频图像，基于所述多帧视频图像按照视频图像生成的时间顺序进行组织排序，获取排序结果；
其中，所述排序结果为，对于视频分割获取的多帧视频图像按照先后顺序进行图像编号处理；
根据所述排序结果，基于SIFT特征的关键帧提取算法对视频图像关键帧进行提取，确定关键帧图像；
关键帧图像的编号位置进行标定处理，获取图像帧；
基于所述图像帧对视频图像缓存的起始位置进行查找，确定视频起始位置；
视频分析单元：用于对所述视频起始位置进行数据均衡性分析处理，获取视频数据均衡性分析结果。
5.如权利要求4所述的虚拟现实视频流数据处理系统，其特征在于，所述视频分析单元还包括：
高效性分析子单元：用于通过虚拟空间在单位时间内对视频流数据的处理量进行计算，获取数据吞吐量；
基于所述数据吞吐量，对视频数据的处理效率进行分析，获取分析结果；
其中，在高效性分析子单元中进行视频分析过程中：当所需处理的视频流数据为一个区块的数据量时，选取虚拟单机模式进行视频流处理可获取最优处理结果；
当所需处理的视频流数据为多个区块的数据量时，选取集群模式进行视频流处理可获取最优处理结果；
其中，所述虚拟单机模式为使用一个虚拟数据处理机对一个区块中的视频数据进行处理；
虚拟集群模式为采用多个虚拟数据处理机对多个区块中的视频数据进行处理；
均衡性分析子单元：用于对视频流数据进行数据节点划分，获取数据处理节点，对于分布于同一数据处理节点的超过节点数据处理阈值的视频流数据进行数据倾斜度计算，获取节点数据倾斜数据；
基于所述节点数据倾斜数据，进行节点视频流数据均衡化调整，获取均匀分布的视频流数据。
6.如权利要求1所述的虚拟现实视频流数据处理系统，其特征在于，所述数据处理模块包括：
数据权限管理单元：用于对区块视频流数据进行权限设置，生成加密视频数据，获取视频查看权限密钥；
其中，所述权限设置包括：数据查看权限设置、数据调取权限设置和数据加密解密权限设置；
数据量化处理单元：用于根据高效性分析子单元中获取的分析结果，对均衡性分析子单元中获取的均匀分布的视频流数据采用不同的虚拟机模式进行数据量化处理，获取处理结果；
其中，所述数据量化处理包括：采用虚拟集群模式对不同区块的视频数据进行量化处理和采用虚拟单机模式对同一区块中每个视频场景元素对应的数据进行量化处理；
像素处理单元：用于对视频流数据进行图像像素校准，获取优化视频图像；
其中，所述图像像素校准包括：视频图像噪声消除、视频图像误差消除和视频图像校准优化；
结果获取单元：用于根据数据权限管理单元、数据量化处理单元和像素处理单元对视频图像进行降噪量化处理，获取数据处理结果。
7.如权利要求6所述的虚拟现实视频流数据处理系统，其特征在于，所述像素处理单元进行视频图像像素处理的流程如下所示：
对视频图像中具有图像噪声进行视频图像降噪处理，获取无噪视频图像；
其中，图像噪声的类型包括：脉冲噪声、高斯噪声、脉冲噪声和高斯噪声混合叠加噪声；
在进行视频图像降噪处理中，根据所述图像噪声类型，构建噪声降噪通道；
其中，所述噪声降噪通道包括：第一降噪通道、第二噪声降噪通道和第三噪声降噪通道；
当图像噪声为脉冲噪声时，通过第一降噪通道对视频图像采用均值滤波进行降噪；
当图像噪声为高斯噪声时，通过第二降噪通道对视频图像采用非线性滤波方法进行视频图像降噪；
当图像噪声为脉冲噪声和高斯噪声混合叠加噪声时，通过第三降噪通道对视频图像采用双边滤波进行降噪；
通过对图像进行降噪处理，获取无噪视频图像，并基于所述无噪视频图像，进行图像误差消除处理，获取标准视频图像；
对所述标准视频图像进行图像边缘优化处理，获取优化视频图像。
8.如权利要求6所述的虚拟现实视频流数据处理系统，其特征在于，所述数据权限管理单元进行视频数据加密解密权限设置的具体步骤如下所示：
步骤S1：用于对每个区块的视频数据进行节点划分，获取数据节点，并在所述数据节点中设置一对公私密钥；
步骤S2：用于根据所述数据节点，对节点上的视频数据通过数字签名进行签名，并通过对称密钥对数字签名算法中的明文进行加密处理，获取加密密文；
步骤S3：通过私钥对所述加密密文进行解密处理，获取解密校验码；
步骤S4：根据所述解密校验码，当所述校验码显示校验成功，判断用户具有视频区块访问权限，则完成视频数据解密操作；当所述解密校验码显示校验失败，判断用户不具有视频区块访问权限，则视频数据解密操作中断。
9.如权利要求1所述的虚拟现实视频流数据处理系统，其特征在于，所述数据可视化模块包括：
语义确定单元：通过对数据处理模块中处理后的视频流数据进行视频图像语义数据和色彩数据提取，获取视频准确语义数据和视频准确色彩数据；
数据整理单元：用于对获取的准确色彩数据和准确语义数据按照时间序列进行排序整理，获取时间序列数据；
数据可视化单元：用于根据所述时间序列数据，通过层次结构方法对时间序列数据在虚拟空间中进行数据可视化操作，获取可视化视频数据；
其中，所述层次结构方法包括：数据语义调取方法、色彩节点连接方法、数据空间分布填充方法。
10.如权利要求9所述的虚拟现实视频流数据处理系统，其特征在于，所述数据可视化模块还包括：
数据统计单元：用于对可视化视频数据进行统计整理，获取统计表格；
其中，所述数据统计单元对可视化视频数据进行统计的流程如下所示：
对可视化视频数据进行统计整理，获取数据处理项；
其中，所述数据处理项包括：视频流数据语义项和视频流数据色彩项；
通过自动布局算法将数据处理项进行布局罗列，获取数据布局网状图；
并通过数据处理项和数据布局网状图进行数据统计，获取统计表格。
CN202210236057.6A 2022-03-11 2022-03-11 虚拟现实视频流数据处理系统 Active CN114584804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210236057.6A CN114584804B (zh) 2022-03-11 2022-03-11 虚拟现实视频流数据处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210236057.6A CN114584804B (zh) 2022-03-11 2022-03-11 虚拟现实视频流数据处理系统

Publications (2)

Publication Number Publication Date
CN114584804A true CN114584804A (zh) 2022-06-03
CN114584804B CN114584804B (zh) 2023-06-23

Family

ID=81780303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210236057.6A Active CN114584804B (zh) 2022-03-11 2022-03-11 虚拟现实视频流数据处理系统

Country Status (1)

Country Link
CN (1) CN114584804B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117061794A (zh) * 2023-10-12 2023-11-14 深圳市迪威泰实业有限公司 一种具有数据加密保护的银行监控摄像头及其监控方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG130964A1 (en) * 2005-09-16 2007-04-26 St Microelectronics Asia System and method for video noise reduction using motion and edge adaptive temporal-spatial filtering
CN104657205A (zh) * 2014-12-26 2015-05-27 中通服公众信息产业股份有限公司 一种基于虚拟化的视频内容分析方法及系统
CN108769458A (zh) * 2018-05-08 2018-11-06 东北师范大学 一种深度视频场景分析方法
CN109754471A (zh) * 2019-01-10 2019-05-14 网易（杭州）网络有限公司 增强现实中的图像处理方法及装置、存储介质、电子设备
US20200304773A1 (en) * 2019-03-21 2020-09-24 Eccum, Ltd Depth codec for 3d-video recording and streaming applications
CN112560552A (zh) * 2019-09-25 2021-03-26 华为技术有限公司 视频分类的方法和装置
CN113688839A (zh) * 2021-10-26 2021-11-23 腾讯科技（深圳）有限公司 视频处理方法及装置、电子设备、计算机可读存储介质
CN114037626A (zh) * 2021-10-28 2022-02-11 上海联影医疗科技股份有限公司 血管成像方法、装置、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG130964A1 (en) * 2005-09-16 2007-04-26 St Microelectronics Asia System and method for video noise reduction using motion and edge adaptive temporal-spatial filtering
CN104657205A (zh) * 2014-12-26 2015-05-27 中通服公众信息产业股份有限公司 一种基于虚拟化的视频内容分析方法及系统
CN108769458A (zh) * 2018-05-08 2018-11-06 东北师范大学 一种深度视频场景分析方法
CN109754471A (zh) * 2019-01-10 2019-05-14 网易（杭州）网络有限公司 增强现实中的图像处理方法及装置、存储介质、电子设备
US20200304773A1 (en) * 2019-03-21 2020-09-24 Eccum, Ltd Depth codec for 3d-video recording and streaming applications
CN112560552A (zh) * 2019-09-25 2021-03-26 华为技术有限公司 视频分类的方法和装置
CN113688839A (zh) * 2021-10-26 2021-11-23 腾讯科技（深圳）有限公司 视频处理方法及装置、电子设备、计算机可读存储介质
CN114037626A (zh) * 2021-10-28 2022-02-11 上海联影医疗科技股份有限公司 血管成像方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高健健: "沉浸式虚拟现实环境下的电网数据交互可视化" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117061794A (zh) * 2023-10-12 2023-11-14 深圳市迪威泰实业有限公司 一种具有数据加密保护的银行监控摄像头及其监控方法
CN117061794B (zh) * 2023-10-12 2024-02-13 深圳市迪威泰实业有限公司 一种具有数据加密保护的银行监控摄像头及其监控方法

Also Published As

Publication number Publication date
CN114584804B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
WO2022116888A1 (zh) 一种视频数据处理方法、装置、设备以及介质
US9269105B2 (en) Image processing
US9304994B2 (en) Media management based on derived quantitative data of quality
EP2657884B1 (en) Identifying multimedia objects based on multimedia fingerprint
CN112215171B (zh) 目标检测方法、装置、设备及计算机可读存储介质
US20100158362A1 (en) Image processing
CN112084812B (zh) 图像处理方法、装置、计算机设备及存储介质
US20200372255A1 (en) Video format classification and metadata injection using machine learning
US20190311744A1 (en) Comparing frame data to generate a textless version of a multimedia production
CN112686165A (zh) 视频中目标对象的识别方法、装置、电子设备及存储介质
CN111639230B (zh) 一种相似视频的筛选方法、装置、设备和存储介质
CN114584804B (zh) 虚拟现实视频流数据处理系统
US8620971B2 (en) Image processing apparatus, image processing method, and program
KR102052535B1 (ko) 특징점을 이용한 불법복제 영상 판단 장치 및 그 방법
CN114359159A (zh) 视频生成方法、系统、电子设备和存储介质
WO2021189908A1 (zh) 基于深度学习的图像分类方法、装置、服务器及介质
CN116757300B (zh) 基于循环卷积网络的智能预订数据处理方法及系统
US20210209256A1 (en) Peceptual video fingerprinting
JP2015231125A (ja) 画像伝送システム、画像処理装置、画像蓄積装置、及びそれらの制御方法
CN111667495A (zh) 一种图像场景解析方法和装置
CN111368128A (zh) 目标图片的识别方法、装置和计算机可读存储介质
CN112991419A (zh) 视差数据生成方法、装置、计算机设备及存储介质
CN113628122A (zh) 图像处理方法、模型训练方法、装置及设备
US7831533B1 (en) Video demultiplexing based on meaningful modes extraction
KR102334276B1 (ko) 상품 데이터 관리 시스템

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230531

Address after: 650199 Auxiliary Building of Telecom Second Long Distance Hub Building, Xingyuan Road, Xishan District, Kunming City, Yunnan Province

Applicant after: Yunnan Telecom Public Information Industry Co.,Ltd.

Address before: 510000 140, room 2112, No. 20, Mingyue 1st Road, Yuexiu District, Guangzhou City, Guangdong Province (cluster registration)

Applicant before: Guangzhou Huisi Software Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant