CN114998811B - 基于智能网络互联的大数据处理方法及系统 - Google Patents
基于智能网络互联的大数据处理方法及系统 Download PDFInfo
- Publication number
- CN114998811B CN114998811B CN202210895974.5A CN202210895974A CN114998811B CN 114998811 B CN114998811 B CN 114998811B CN 202210895974 A CN202210895974 A CN 202210895974A CN 114998811 B CN114998811 B CN 114998811B
- Authority
- CN
- China
- Prior art keywords
- physical
- area
- internet terminal
- connecting line
- terminal device
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供的基于智能网络互联的大数据处理方法及系统,涉及大数据技术领域。在本发明中,对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频。依据每一个互联网终端设备对应的物理区域,对多个互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息。依据每一个物理对象对应的物理区域移动轨迹信息,对多个互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。基于前述内容,可以提高区域关联度确定的可靠度。
Description
技术领域
本发明涉及大数据技术领域,具体而言,涉及一种基于智能网络互联的大数据处理方法及系统。
背景技术
在现有技术中,一般是基于区域之间的位置关系,来确定区域之间的关联度,然后,再依据确定的关联度进行相关应用,如依据区域之间的关联度,来对用户进行相关性的评价和分析等,基于此,会使得其应用的可靠度不佳,即确定的区域之间的关联度的可靠度不佳。
发明内容
有鉴于此,本发明的目的在于提供一种基于智能网络互联的大数据处理方法及系统,以提高区域关联度确定的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于智能网络互联的大数据处理方法,应用于大数据处理服务器,所述基于智能网络互联的大数据处理方法包括:
对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频;
依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息;
依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频的步骤,包括:
对于每一个互联网终端设备,依据预先配置的初始信息采集指令,并通过该互联网终端设备对对应的物理区域进行第一信息采集操作,以形成该互联网终端设备对应的第一区域监控视频;
对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令;
对于每一个所述互联网终端设备,依据所述目标信息采集指令,并通过该互联网终端设备对对应的物理区域进行第二信息采集操作,以形成该互联网终端设备对应的第二区域监控视频,以及,再将该互联网终端设备对应的第一区域监控视频和该第二区域监控视频进行视频的合并操作,以形成该互联网终端设备对应的区域监控视频。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令的步骤,包括:
对于每一个所述互联网终端设备,分别对该互联网终端设备对应的第一区域监控视频包括的每一帧区域监控视频帧进行对象的识别提取操作,以形成每一帧区域监控视频帧对应的识别对象集合;
对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频包括的每一帧区域监控视频帧对应的识别对象集合进行集合的合并操作,以形成该互联网终端设备对应的识别对象集合;
对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该互联网终端设备对应的第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该互联网终端设备对应的第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令的步骤,包括:
对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合进行对象数量的确定操作,以输出该互联网终端设备对应的第一对象数量,所述第一对象数量作为该互联网终端设备对应的第一解析结果;
对于每一个所述互联网终端设备,依据该互联网终端设备对应的第一对象数量和预先配置的对象数量参考值之间的比例值,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令,所述更新处理至少包括,对所述初始信息采集指令中的采集帧率进行更。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息的步骤,包括:
对于多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧,将该区域监控视频帧对应的互联网终端设备对应的物理区域进行标记操作,以形成该区域监控视频帧对应的视频帧标签信息;
对于多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧,对该区域监控视频帧进行对象的识别提取操作,以形成该区域监控视频帧对应的每一个物理对象;
对多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧对应的每一个物理对象进行分类操作,以形成至少一个物理对象集合,属于同一个物理对象集合的每两个物理对象一样;
对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合对应的物理对象进行移动轨迹的确定操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合对应的物理对象进行移动轨迹的确定操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息的步骤,包括:
对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合进行标签集合的构建操作,以形成该物理对象集合对应的标签信息集合;
对于每一个所述物理对象集合,分别对该物理对象集合包括的每一个物理对象对应的每一帧区域监控视频帧进行视频帧的时间戳的确定操作,以输出每一帧区域监控视频帧对应的视频帧时间戳信息;
对于每一个所述物理对象集合,依据每一个视频帧标签信息对应的区域监控视频帧对应的视频帧时间戳信息,对该物理对象集合对应的标签信息集合中的每一个视频帧标签信息进行排序操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值的步骤,包括:
依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域网络关系图的确定操作,以形成所述多个物理区域对应的区域网络关系图;
依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域网络关系图的确定操作,以形成所述多个物理区域对应的区域网络关系图的步骤,包括:
依据所述多个物理区域中的每一个物理区域对应的物理位置信息,分别对所述多个物理区域中的每一个物理区域进行网络节点的位置确定操作,以形成所述多个物理区域对应的初始网络关系图;
对于所述初始网络关系图中的每两个网络节点,依据该两个网络节点对应的两个物理区域是否具有对应的目标物理区域移动轨迹信息,确定是否对该两个网络节点进行连接操作,以形成第一网络关系图,所述两个物理区域在对应的目标物理区域移动轨迹信息中相邻;
对于所述第一网络关系图中连接的每两个网络节点,对该两个网络节点之间的连接线进行长度的计算操作,以输出该两个网络节点对应的连接线长度,再依据该连接线长度对该两个网络节点进行节点系数的确定操作,以输出该两个网络节点之间的第一节点系数;
对于所述第一网络关系图中连接的每两个网络节点,分别对该两个网络节点对应的两个物理区域对应的每一条目标物理区域移动轨迹信息包括的物理区域的数量进行统计操作,以输出每一条目标物理区域移动轨迹信息对应的区域统计数量,再对每一条目标物理区域移动轨迹信息对应的区域统计数量的负相关系数进行求和操作,以输出该两个网络节点之间的区域统计数量相关系数,再依据该区域统计数量相关系数对该两个网络节点进行节点系数的确定操作,以输出该两个网络节点之间的第二节点系数;
对于所述第一网络关系图中连接的每两个网络节点,对该两个网络节点之间的第一节点系数和第二节点系数进行融合操作,以输出该两个网络节点之间的目标节点系数,再将该目标节点系数作为该两个网络节点之间连接线对应的连接线标签信息,以实现对所述第一网络关系图的更新处理,以形成所述多个物理区域对应的区域网络关系图,所述连接线标签信息对应的目标节点系数用于反映对应的两个网络节点之间的直接相关度。
在一些优选的实施例中,在上述基于智能网络互联的大数据处理方法中,所述依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值的步骤,包括:
在两个物理区域对应的两个网络节点在所述区域网络关系图中具有一条连接线的情况下,依据该两个网络节点之间的连接线对应的连接线标签信息反映的直接相关度,对该两个物理区域进行第一区域关联系数的确定操作,以输出该两个物理区域之间的第一区域关联系数,在该两个物理区域对应的两个网络节点在所述区域网络关系图中不具有一条连接线的情况下,对该两个物理区域之间的第一区域关联系数进行赋值操作;
以所述两个网络节点为遍历起点和遍历终点,按照每两个网络节点通过一条连接线连接的原则,对所述区域网络关系图进行遍历,以形成该两个网络节点对应的连接线路径集合,在所述连接线路径集合包括的每一条连接线路径中,任意相邻的两个网络节点之间具有一条连接线;
对所述连接线路径集合包括的连接线路径进行数量的确定操作,以输出路径数量,再依据该路径数量,对所述两个物理区域进行第二区域关联系数的确定操作,以输出所述两个物理区域之间的第二区域关联系数;
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在该连接线路径上的每一个相邻网络节点之间的直接相关度,形成该网络节点对应的第一节点特征,第一节点特征包括与在前的一个相邻网络节点之间的直接相关度、与在后的一个相邻网络节点之间的直接相关度,在每一条所述连接线路径上,遍历起点和遍历终点对应的两个网络节点互相作为彼此的相邻网络节点;
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在所述区域网络关系图中具有一条连接线的每一个连接网络节点之间的直接相关度,形成对应的第二节点特征;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第一节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第一路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第二节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第二路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径之间的第一路径相关系数和第二路径相关系数进行融合操作,以输出该两条连接线路径之间的路径相关系数,再依据每两条连接线路径之间的路径相关系数,对所述两个物理区域进行第三区域关联系数的确定操作,以输出所述两个物理区域之间的第三区域关联系数,以及,再依据所述第一区域关联系数、所述第二区域关联系数和所述第三区域关联系数进行系数的融合操作,以输出所述两个物理区域之间的区域关联程度值。
本发明实施例还提供一种基于智能网络互联的大数据处理系统,应用于大数据处理服务器,所述基于智能网络互联的大数据处理系统包括:
信息采集模块,用于对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频;
对象解析模块,用于依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息;
关联度确定模块,用于依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。
本发明实施例提供的一种基于智能网络互联的大数据处理方法及系统,对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频。依据每一个互联网终端设备对应的物理区域,对多个互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息。依据每一个物理对象对应的物理区域移动轨迹信息,对多个互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。也就是说,在本发明实施例中,是从物理区域中的物理对象移动的维度,来对物理区域之间的关联度进行确定,使得依据该关联度进行的与物理对象相关的应用的可靠性可以更高,即可以在一定程度上提高区域关联度确定的可靠度。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1本发明实施例提供的基于智能网络互联的大数据处理方法包括的各步骤的流程示意图。
图2为本发明实施例提供的基于智能网络互联的大数据处理系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种大数据处理服务器。
需要进一步说明的是,在一些实施方式中,所述大数据处理服务器可以包括存储器和处理器。所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的基于智能网络互联的大数据处理方法。
需要进一步说明的是,在一些实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要进一步说明的是,在一些实施方式中,所述大数据处理服务器还可包括用于与其它设备进行信息交互的通信单元。
参照图1所示的内容,本发明实施例还提供一种基于智能网络互联的大数据处理方法,可应用于上述大数据处理服务器。其中,所述基于智能网络互联的大数据处理方法有关的流程所定义的方法步骤,可以由所述大数据处理服务器实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S110,对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频。
在本发明实施例中,所述大数据处理服务器可以对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频。
步骤S120,依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息。
在本发明实施例中,所述大数据处理服务器可以依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息(如从A区域到B区域,在到C区域等)。
步骤S130,依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。
在本发明实施例中,所述大数据处理服务器可以依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。
也就是说,在本发明实施例中,是从物理区域中的物理对象移动的维度,来对物理区域之间的关联度进行确定,使得依据该关联度进行的与物理对象相关的应用的可靠性可以更高,即可以在一定程度上提高区域关联度确定的可靠度,从而改善现有技术中确定的关联度的可靠度不佳的问题。
需要进一步说明的是,在一些实施方式中,对于上述的步骤S110,在执行的过程中,可以执行以下具体内容:
对于每一个互联网终端设备,依据预先配置的初始信息采集指令,并通过该互联网终端设备对对应的物理区域进行第一信息采集操作,以形成该互联网终端设备对应的第一区域监控视频;
对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令;
对于每一个所述互联网终端设备,依据所述目标信息采集指令,并通过该互联网终端设备对对应的物理区域进行第二信息采集操作,以形成该互联网终端设备对应的第二区域监控视频,以及,再将该互联网终端设备对应的第一区域监控视频和该第二区域监控视频进行视频的合并操作,以形成该互联网终端设备对应的区域监控视频。
需要进一步说明的是,在一些实施方式中,对于所述对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令的步骤,在执行的过程中可以执行以下具体内容:
对于每一个所述互联网终端设备,分别对该互联网终端设备对应的第一区域监控视频包括的每一帧区域监控视频帧进行对象的识别提取操作,以形成每一帧区域监控视频帧对应的识别对象集合;
对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频包括的每一帧区域监控视频帧对应的识别对象集合进行集合的合并操作,以形成该互联网终端设备对应的识别对象集合;
对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该互联网终端设备对应的第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令。
需要进一步说明的是,在一些实施方式中,对于所述对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该互联网终端设备对应的第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令的步骤,在执行的过程中,可以执行以下具体内容:
对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合进行对象数量的确定操作,以输出该互联网终端设备对应的第一对象数量,所述第一对象数量作为该互联网终端设备对应的第一解析结果;
对于每一个所述互联网终端设备,依据该互联网终端设备对应的第一对象数量和预先配置的对象数量参考值之间的比例值,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令,所述更新处理至少包括,对所述初始信息采集指令中的采集帧率进行更新(例如,在所述比例值大于预设比例值时,可以增加该采集帧率,在所述比例值小于所述预设比例值时,可以减小该采集帧率,具体的增加幅度、减小幅度、该预设比例值的大小可以根据实际需求进行配置)。
需要进一步说明的是,在一些实施方式中,对于上述的步骤S120,在执行的过程中,可以执行以下具体内容:
对于多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧,将该区域监控视频帧对应的互联网终端设备对应的物理区域进行标记操作,以形成该区域监控视频帧对应的视频帧标签信息;
对于多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧,对该区域监控视频帧进行对象的识别提取操作,以形成该区域监控视频帧对应的每一个物理对象(该物理对象可以包括车辆和人,在其它应用中也可以包括其它可以移动的物体);
对多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧对应的每一个物理对象进行分类操作,以形成至少一个物理对象集合,属于同一个物理对象集合的每两个物理对象一样(如此,使得不同物理对象集合之间的物理对象是不一样的);
对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合对应的物理对象进行移动轨迹的确定操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息。
需要进一步说明的是,在一些实施方式中,对于所述对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合对应的物理对象进行移动轨迹的确定操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息的步骤,在执行的过程中,可以执行以下具体内容:
对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合进行标签集合的构建操作,以形成该物理对象集合对应的标签信息集合;
对于每一个所述物理对象集合,分别对该物理对象集合包括的每一个物理对象对应的每一帧区域监控视频帧进行视频帧的时间戳的确定操作,以输出每一帧区域监控视频帧对应的视频帧时间戳信息;
对于每一个所述物理对象集合,依据每一个视频帧标签信息对应的区域监控视频帧对应的视频帧时间戳信息,对该物理对象集合对应的标签信息集合中的每一个视频帧标签信息进行排序操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息。
需要进一步说明的是,在一些实施方式中,对于上述的步骤S130,在执行的过程中,可以执行以下具体内容:
依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域网络关系图的确定操作,以形成所述多个物理区域对应的区域网络关系图;
依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。
需要进一步说明的是,在一些实施方式中,对于所述依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域网络关系图的确定操作,以形成所述多个物理区域对应的区域网络关系图的步骤,在执行的过程中可以执行以下具体内容:
依据所述多个物理区域中的每一个物理区域对应的物理位置信息,分别对所述多个物理区域中的每一个物理区域进行网络节点的位置确定操作,以形成所述多个物理区域对应的初始网络关系图;
对于所述初始网络关系图中的每两个网络节点,依据该两个网络节点对应的两个物理区域是否具有对应的目标物理区域移动轨迹信息,确定是否对该两个网络节点进行连接操作,以形成第一网络关系图,所述两个物理区域在对应的目标物理区域移动轨迹信息中相邻;
对于所述第一网络关系图中连接的每两个网络节点,对该两个网络节点之间的连接线进行长度的计算操作,以输出该两个网络节点对应的连接线长度,再依据该连接线长度对该两个网络节点进行节点系数的确定操作,以输出该两个网络节点之间的第一节点系数(所述第一节点系数可以与所述连接线长度之间具有负相关的对应关系);
对于所述第一网络关系图中连接的每两个网络节点,分别对该两个网络节点对应的两个物理区域对应的每一条目标物理区域移动轨迹信息包括的物理区域的数量进行统计操作,以输出每一条目标物理区域移动轨迹信息对应的区域统计数量,再对每一条目标物理区域移动轨迹信息对应的区域统计数量的负相关系数进行求和操作,以输出该两个网络节点之间的区域统计数量相关系数,再依据该区域统计数量相关系数对该两个网络节点进行节点系数的确定操作,以输出该两个网络节点之间的第二节点系数(所述第二节点系数可以与所述区域统计数量相关系数具有正相关的关系);
对于所述第一网络关系图中连接的每两个网络节点,对该两个网络节点之间的第一节点系数和第二节点系数进行融合操作(例如,在执行该融合操作是,可以进行加权均值的计算),以输出该两个网络节点之间的目标节点系数,再将该目标节点系数作为该两个网络节点之间连接线对应的连接线标签信息,以实现对所述第一网络关系图的更新处理,以形成所述多个物理区域对应的区域网络关系图,所述连接线标签信息对应的目标节点系数用于反映对应的两个网络节点之间的直接相关度。
需要进一步说明的是,在一些实施方式中,对于所述依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值的步骤,在执行的过程中,可以执行以下具体内容(可以通过以下步骤,实现对每两个物理区域的计算):
在两个物理区域对应的两个网络节点在所述区域网络关系图中具有一条连接线的情况下(即该两个网络节点之间具有直接连接的关系),依据该两个网络节点之间的连接线对应的连接线标签信息反映的直接相关度(如前相关描述),对该两个物理区域进行第一区域关联系数的确定操作,以输出该两个物理区域之间的第一区域关联系数(所述第一区域关联系数与所述直接相关度之间可以具有正相关的对应关系),在该两个物理区域对应的两个网络节点在所述区域网络关系图中不具有一条连接线的情况下,对该两个物理区域之间的第一区域关联系数进行赋值操作(例如,可以将该第一区域关联系数赋值为0等较小值);
以所述两个网络节点为遍历起点和遍历终点,按照每两个网络节点通过一条连接线连接的原则,对所述区域网络关系图进行遍历,以形成该两个网络节点对应的连接线路径集合,在所述连接线路径集合包括的每一条连接线路径中,任意相邻的两个网络节点之间具有一条连接线(也就是说,任意相邻的两个网络节点之间具有直接连接的关系);
对所述连接线路径集合包括的连接线路径进行数量的确定操作,以输出路径数量,再依据该路径数量,对所述两个物理区域进行第二区域关联系数的确定操作,以输出所述两个物理区域之间的第二区域关联系数(所述第二区域关联系数可以与所述路径数量之间具有正相关的对应关系);
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在该连接线路径上的每一个相邻网络节点之间的直接相关度,形成该网络节点对应的第一节点特征,第一节点特征包括与在前的一个相邻网络节点之间的直接相关度、与在后的一个相邻网络节点之间的直接相关度(也就是说,每一个第一节点特征可以包括两个直接相关度),在每一条所述连接线路径上,遍历起点和遍历终点对应的两个网络节点互相作为彼此的相邻网络节点;
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在所述区域网络关系图中具有一条连接线的每一个连接网络节点之间的直接相关度,形成对应的第二节点特征;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第一节点特征进行路径相关系数的确定操作(例如,对于两条连接线路径,可以先依据较短的连接线路径,对较长的连接线路径进行滑窗,以形成至少一条滑窗路径,再依据较短的连接线路径和每一条滑窗路径之间的路径相似度,进行均值计算以输出第一路径相关系数,其中,路径相似度的计算过程包括:对于每一条路径,可以先分别将该路径上的每一个网络节点对应的第一节点特征进行向量化,即按照两个维度的直接相关度确定出两个维度的向量坐标,然后,可以计算两条路径上每一个路径位置对应的第一节点特征之间的向量相似度,再融合各路径位置的向量相似度,从而输出对应的路径相似度),以输出该两条连接线路径之间的第一路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第二节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第二路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径之间的第一路径相关系数和第二路径相关系数进行融合操作(该融合操作,可以是加权均值的计算),以输出该两条连接线路径之间的路径相关系数,再依据每两条连接线路径之间的路径相关系数,对所述两个物理区域进行第三区域关联系数的确定操作(例如,可以对每两条连接线路径之间的路径相关系数进行均值计算,以输出第三区域关联系数),以输出所述两个物理区域之间的第三区域关联系数,以及,再依据所述第一区域关联系数、所述第二区域关联系数和所述第三区域关联系数进行系数的融合操作(该融合操作,可以是加权均值的计算),以输出所述两个物理区域之间的区域关联程度值。
需要进一步说明的是,在一些实施方式中,对于所述对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第二节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第二路径相关系数的步骤,在执行的过程中,可以执行以下具体内容(通过以下步骤,实现对每两条连接线路径的计算):
对两条连接线路径中的第一条连接线路径包括的每一个网络节点对应的第二节点特征进行集合构建操作,以形成第一节点特征集合,再对两条连接线路径中的第二条连接线路径包括的每一个网络节点对应的第二节点特征进行集合构建操作,以形成第二节点特征集合;
对于所述第一节点特征集合包括的每一个第二节点特征,对该第二节点特征包括的直接相关度的数量进行确定操作,以输出该第二节点特征对应的第一数量值,对于所述第二节点特征集合包括的每一个第二节点特征,对该第二节点特征包括的直接相关度的数量进行确定操作,以输出该第二节点特征对应的第二数量值;
依据每一个所述第二节点特征对应的第一数量值,对所述第一节点特征集合包括的第二节点特征进行聚类操作(例如,可以按照现有的最邻近算法,对第二节点特征进行聚类,具体的实现过程在此不做赘述),以输出所述第一节点特征集合对应的至少一个第一节点特征子集合;
对于所述至少一个第一节点特征子集合中的每一个第一节点特征子集合,依据该第一节点特征子集合中属于聚类中心的第二节点特征,对该第一节点特征子集合包括的每一个第二节点特征进行特征维度的降维或升维操作(也就是说,倘若一个第二节点特征对应的第一数量值小于聚类中心对应的第二节点特征对应的第一数量值,则可以对该第二节点特征进行升维操作,例如,可以依据该第二节点特征包括的直接相关度进行插值操作;相反地,倘若一个第二节点特征对应的第一数量值大于聚类中心对应的第二节点特征对应的第一数量值,则可以对该第二节点特征进行降维操作,例如,可以依据该第二节点特征包括的直接相关度进行采样操作;以及,倘若一个第二节点特征对应的第一数量值等于聚类中心对应的第二节点特征对应的第一数量值,可以将该第二节点特征直接定义为对应的目标第二节点特征;如此,可以将每一个第一节点特征子集合更新为,该第一节点特征子集合对应的目标第一节点特征子集合),以形成该第一节点特征子集合对应的目标第一节点特征子集合,所述目标第一节点特征子集合包括的每一个目标第二节点特征包括的直接相关度的数量与对应的所述第一节点特征子集合中属于聚类中心的第二节点特征对应的第一数量值相等;
将所述至少一个第一节点特征子集合中的每一个第一节点特征子集合中属于聚类中心的第二节点特征对应的第一数量值作为聚类中心,并结合每一个所述第二节点特征对应的第二数量值,对所述第二节点特征集合包括的第二节点特征进行聚类操作,以输出所述第二节点特征集合对应的至少一个第二节点特征子集合;
对于所述至少一个第二节点特征子集合中的每一个第二节点特征子集合,依据该第二节点特征子集合中属于聚类中心的第二节点特征,对该第二节点特征子集合包括的每一个第二节点特征进行特征维度的降维或升维操作(如上相关的描述),以形成该第二节点特征子集合对应的目标第二节点特征子集合,所述目标第二节点特征子集合包括的每一个目标第二节点特征包括的直接相关度的数量与对应的所述第二节点特征子集合中属于聚类中心的第二节点特征对应的第二数量值相等;
将对应的目标第二节点特征包括的直接相关度的数量相同的每一个目标第一节点特征子集合和每一个目标第二节点特征子集合进行关联操作,以形成对应的特征子集合对;
对于每一个所述特征子集合对,依据该特征子集合对包括的目标第一节点特征子集合和目标第二节点特征子集合分别包括的每一个目标第二特征,对该目标第一节点特征子集合和该目标第二节点特征子集合进行特征相似度的计算操作(可以参照上文对两条连接线路径之间的第一路径相关系数的计算方式,在此不再一一赘述),以输出该特征子集合对对应的特征相似度,再对每一个所述特征子集合对对应的特征相似度进行相似度的融合操作(例如,可以对该特征相似度进行加权均值的计算),以输出所述两条连接线路径之间的第二路径相关系数。
参照图2所示的内容,本发明实施例还提供一种基于智能网络互联的大数据处理系统,可应用于上述大数据处理服务器。其中,所述大数据处理系统可以包括信息采集模块、对象解析模块和关联度确定模块。
需要进一步说明的是,在一些实施方式中,所述信息采集模块,用于对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频。所述对象解析模块,用于依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息。所述关联度确定模块,用于依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。
需要进一步说明的是,在一些实施方式中,所述大数据处理系统还可以包括其它的软件功能模块,在此不再一一赘述。
综上所述,本发明提供的一种基于智能网络互联的大数据处理方法及系统,对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频。依据每一个互联网终端设备对应的物理区域,对多个互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息。依据每一个物理对象对应的物理区域移动轨迹信息,对多个互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值。也就是说,在本发明实施例中,是从物理区域中的物理对象移动的维度,来对物理区域之间的关联度进行确定,使得依据该关联度进行的与物理对象相关的应用的可靠性可以更高,即可以在一定程度上提高区域关联度确定的可靠度。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于智能网络互联的大数据处理方法,其特征在于,应用于大数据处理服务器,所述基于智能网络互联的大数据处理方法包括:
对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频;
依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息;
依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值;
所述依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值的步骤,包括:
依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域网络关系图的确定操作,以形成所述多个物理区域对应的区域网络关系图;
依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值;
所述依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值的步骤,包括:
在两个物理区域对应的两个网络节点在所述区域网络关系图中具有一条连接线的情况下,依据该两个网络节点之间的连接线对应的连接线标签信息反映的直接相关度,对该两个物理区域进行第一区域关联系数的确定操作,以输出该两个物理区域之间的第一区域关联系数,在该两个物理区域对应的两个网络节点在所述区域网络关系图中不具有一条连接线的情况下,对该两个物理区域之间的第一区域关联系数进行赋值操作;
以所述两个网络节点为遍历起点和遍历终点,按照每两个网络节点通过一条连接线连接的原则,对所述区域网络关系图进行遍历,以形成该两个网络节点对应的连接线路径集合,在所述连接线路径集合包括的每一条连接线路径中,任意相邻的两个网络节点之间具有一条连接线;
对所述连接线路径集合包括的连接线路径进行数量的确定操作,以输出路径数量,再依据该路径数量,对所述两个物理区域进行第二区域关联系数的确定操作,以输出所述两个物理区域之间的第二区域关联系数;
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在该连接线路径上的每一个相邻网络节点之间的直接相关度,形成该网络节点对应的第一节点特征,第一节点特征包括与在前的一个相邻网络节点之间的直接相关度、与在后的一个相邻网络节点之间的直接相关度,在每一条所述连接线路径上,遍历起点和遍历终点对应的两个网络节点互相作为彼此的相邻网络节点;
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在所述区域网络关系图中具有一条连接线的每一个连接网络节点之间的直接相关度,形成对应的第二节点特征;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第一节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第一路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第二节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第二路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径之间的第一路径相关系数和第二路径相关系数进行融合操作,以输出该两条连接线路径之间的路径相关系数,再依据每两条连接线路径之间的路径相关系数,对所述两个物理区域进行第三区域关联系数的确定操作,以输出所述两个物理区域之间的第三区域关联系数,以及,再依据所述第一区域关联系数、所述第二区域关联系数和所述第三区域关联系数进行系数的融合操作,以输出所述两个物理区域之间的区域关联程度值。
2.如权利要求1所述的基于智能网络互联的大数据处理方法,其特征在于,所述对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频的步骤,包括:
对于每一个互联网终端设备,依据预先配置的初始信息采集指令,并通过该互联网终端设备对对应的物理区域进行第一信息采集操作,以形成该互联网终端设备对应的第一区域监控视频;
对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令;
对于每一个所述互联网终端设备,依据所述目标信息采集指令,并通过该互联网终端设备对对应的物理区域进行第二信息采集操作,以形成该互联网终端设备对应的第二区域监控视频,以及,再将该互联网终端设备对应的第一区域监控视频和该第二区域监控视频进行视频的合并操作,以形成该互联网终端设备对应的区域监控视频。
3.如权利要求2所述的基于智能网络互联的大数据处理方法,其特征在于,所述对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令的步骤,包括:
对于每一个所述互联网终端设备,分别对该互联网终端设备对应的第一区域监控视频包括的每一帧区域监控视频帧进行对象的识别提取操作,以形成每一帧区域监控视频帧对应的识别对象集合;
对于每一个所述互联网终端设备,对该互联网终端设备对应的第一区域监控视频包括的每一帧区域监控视频帧对应的识别对象集合进行集合的合并操作,以形成该互联网终端设备对应的识别对象集合;
对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该互联网终端设备对应的第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令。
4.如权利要求3所述的基于智能网络互联的大数据处理方法,其特征在于,所述对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合,对该互联网终端设备对应的第一区域监控视频进行解析操作,以输出该互联网终端设备对应的第一解析结果,再依据该互联网终端设备对应的第一解析结果,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令的步骤,包括:
对于每一个所述互联网终端设备,依据该互联网终端设备对应的识别对象集合进行对象数量的确定操作,以输出该互联网终端设备对应的第一对象数量,所述第一对象数量作为该互联网终端设备对应的第一解析结果;
对于每一个所述互联网终端设备,依据该互联网终端设备对应的第一对象数量和预先配置的对象数量参考值之间的比例值,对所述初始信息采集指令进行更新处理,以输出该互联网终端设备对应的目标信息采集指令,所述更新处理至少包括,对所述初始信息采集指令中的采集帧率进行更新。
5.如权利要求1所述的基于智能网络互联的大数据处理方法,其特征在于,所述依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息的步骤,包括:
对于多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧,将该区域监控视频帧对应的互联网终端设备对应的物理区域进行标记操作,以形成该区域监控视频帧对应的视频帧标签信息;
对于多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧,对该区域监控视频帧进行对象的识别提取操作,以形成该区域监控视频帧对应的每一个物理对象;
对多个所述互联网终端设备对应的多个区域监控视频包括的每一帧区域监控视频帧对应的每一个物理对象进行分类操作,以形成至少一个物理对象集合,属于同一个物理对象集合的每两个物理对象一样;
对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合对应的物理对象进行移动轨迹的确定操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息。
6.如权利要求5所述的基于智能网络互联的大数据处理方法,其特征在于,所述对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合对应的物理对象进行移动轨迹的确定操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息的步骤,包括:
对于每一个所述物理对象集合,依据该物理对象集合包括的每一个物理对象对应的区域监控视频帧对应的视频帧标签信息,对该物理对象集合进行标签集合的构建操作,以形成该物理对象集合对应的标签信息集合;
对于每一个所述物理对象集合,分别对该物理对象集合包括的每一个物理对象对应的每一帧区域监控视频帧进行视频帧的时间戳的确定操作,以输出每一帧区域监控视频帧对应的视频帧时间戳信息;
对于每一个所述物理对象集合,依据每一个视频帧标签信息对应的区域监控视频帧对应的视频帧时间戳信息,对该物理对象集合对应的标签信息集合中的每一个视频帧标签信息进行排序操作,以形成该物理对象集合对应的物理对象对应的物理区域移动轨迹信息。
7.如权利要求1所述的基于智能网络互联的大数据处理方法,其特征在于,所述依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域网络关系图的确定操作,以形成所述多个物理区域对应的区域网络关系图的步骤,包括:
依据所述多个物理区域中的每一个物理区域对应的物理位置信息,分别对所述多个物理区域中的每一个物理区域进行网络节点的位置确定操作,以形成所述多个物理区域对应的初始网络关系图;
对于所述初始网络关系图中的每两个网络节点,依据该两个网络节点对应的两个物理区域是否具有对应的目标物理区域移动轨迹信息,确定是否对该两个网络节点进行连接操作,以形成第一网络关系图,所述两个物理区域在对应的目标物理区域移动轨迹信息中相邻;
对于所述第一网络关系图中连接的每两个网络节点,对该两个网络节点之间的连接线进行长度的计算操作,以输出该两个网络节点对应的连接线长度,再依据该连接线长度对该两个网络节点进行节点系数的确定操作,以输出该两个网络节点之间的第一节点系数;
对于所述第一网络关系图中连接的每两个网络节点,分别对该两个网络节点对应的两个物理区域对应的每一条目标物理区域移动轨迹信息包括的物理区域的数量进行统计操作,以输出每一条目标物理区域移动轨迹信息对应的区域统计数量,再对每一条目标物理区域移动轨迹信息对应的区域统计数量的负相关系数进行求和操作,以输出该两个网络节点之间的区域统计数量相关系数,再依据该区域统计数量相关系数对该两个网络节点进行节点系数的确定操作,以输出该两个网络节点之间的第二节点系数;
对于所述第一网络关系图中连接的每两个网络节点,对该两个网络节点之间的第一节点系数和第二节点系数进行融合操作,以输出该两个网络节点之间的目标节点系数,再将该目标节点系数作为该两个网络节点之间连接线对应的连接线标签信息,以实现对所述第一网络关系图的更新处理,以形成所述多个物理区域对应的区域网络关系图,所述连接线标签信息对应的目标节点系数用于反映对应的两个网络节点之间的直接相关度。
8.一种基于智能网络互联的大数据处理系统,其特征在于,应用于大数据处理服务器,所述基于智能网络互联的大数据处理系统包括:
信息采集模块,用于对于每一个互联网终端设备,通过该互联网终端设备对对应的物理区域进行信息采集操作,以形成该互联网终端设备对应的区域监控视频;
对象解析模块,用于依据每一个所述互联网终端设备对应的物理区域,对多个所述互联网终端设备对应的多个区域监控视频进行对象解析操作,以形成每一个物理对象对应的物理区域移动轨迹信息;
关联度确定模块,用于依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值;
所述关联度确定模块具体用于:
依据每一个所述物理对象对应的物理区域移动轨迹信息,对多个所述互联网终端设备对应的多个物理区域进行区域网络关系图的确定操作,以形成所述多个物理区域对应的区域网络关系图;
依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值;
所述依据所述区域网络关系图对所述多个物理区域进行区域关联度的确定操作,以输出每两个物理区域之间的区域关联程度值,包括:
在两个物理区域对应的两个网络节点在所述区域网络关系图中具有一条连接线的情况下,依据该两个网络节点之间的连接线对应的连接线标签信息反映的直接相关度,对该两个物理区域进行第一区域关联系数的确定操作,以输出该两个物理区域之间的第一区域关联系数,在该两个物理区域对应的两个网络节点在所述区域网络关系图中不具有一条连接线的情况下,对该两个物理区域之间的第一区域关联系数进行赋值操作;
以所述两个网络节点为遍历起点和遍历终点,按照每两个网络节点通过一条连接线连接的原则,对所述区域网络关系图进行遍历,以形成该两个网络节点对应的连接线路径集合,在所述连接线路径集合包括的每一条连接线路径中,任意相邻的两个网络节点之间具有一条连接线;
对所述连接线路径集合包括的连接线路径进行数量的确定操作,以输出路径数量,再依据该路径数量,对所述两个物理区域进行第二区域关联系数的确定操作,以输出所述两个物理区域之间的第二区域关联系数;
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在该连接线路径上的每一个相邻网络节点之间的直接相关度,形成该网络节点对应的第一节点特征,第一节点特征包括与在前的一个相邻网络节点之间的直接相关度、与在后的一个相邻网络节点之间的直接相关度,在每一条所述连接线路径上,遍历起点和遍历终点对应的两个网络节点互相作为彼此的相邻网络节点;
对于所述连接线路径集合包括的每一条连接线路径上的每一个网络节点,依据该网络节点与该网络节点在所述区域网络关系图中具有一条连接线的每一个连接网络节点之间的直接相关度,形成对应的第二节点特征;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第一节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第一路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径分别包括的每一个网络节点对应的第二节点特征进行路径相关系数的确定操作,以输出该两条连接线路径之间的第二路径相关系数;
对于所述连接线路径集合包括的每两条连接线路径,依据该两条连接线路径之间的第一路径相关系数和第二路径相关系数进行融合操作,以输出该两条连接线路径之间的路径相关系数,再依据每两条连接线路径之间的路径相关系数,对所述两个物理区域进行第三区域关联系数的确定操作,以输出所述两个物理区域之间的第三区域关联系数,以及,再依据所述第一区域关联系数、所述第二区域关联系数和所述第三区域关联系数进行系数的融合操作,以输出所述两个物理区域之间的区域关联程度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210895974.5A CN114998811B (zh) | 2022-07-28 | 2022-07-28 | 基于智能网络互联的大数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210895974.5A CN114998811B (zh) | 2022-07-28 | 2022-07-28 | 基于智能网络互联的大数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114998811A CN114998811A (zh) | 2022-09-02 |
CN114998811B true CN114998811B (zh) | 2022-10-25 |
Family
ID=83022070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210895974.5A Active CN114998811B (zh) | 2022-07-28 | 2022-07-28 | 基于智能网络互联的大数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998811B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140491A (zh) * | 2021-11-11 | 2022-03-04 | 邹雪 | 一种基于智慧健康监控的就诊方法及系统 |
CN114173088A (zh) * | 2021-11-19 | 2022-03-11 | 刘艳艳 | 一种基于智慧城市监控的业务调整方法及系统 |
CN114155459A (zh) * | 2021-11-19 | 2022-03-08 | 刘艳艳 | 一种基于数据分析的智慧城市监控方法及系统 |
CN114697618A (zh) * | 2022-03-30 | 2022-07-01 | 杜娜娜 | 一种基于移动终端的楼宇控制方法及系统 |
-
2022
- 2022-07-28 CN CN202210895974.5A patent/CN114998811B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114998811A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027048B (zh) | 一种操作系统识别方法、装置、电子设备及存储介质 | |
US20170278016A1 (en) | Clustering Coefficient-based Adaptive Clustering Method and System | |
CN115188485A (zh) | 基于智慧医疗大数据的用户需求分析方法及系统 | |
CN114444619B (zh) | 样本生成方法、训练方法、数据处理方法以及电子设备 | |
CN115603973B (zh) | 基于政务信息网络的异构安全监测方法及系统 | |
CN112765386A (zh) | 基于大数据和互联网的信息管理方法、系统及云服务器 | |
CN114647636B (zh) | 大数据异常检测方法及系统 | |
CN114998811B (zh) | 基于智能网络互联的大数据处理方法及系统 | |
CN113672782A (zh) | 一种基于数据查询的物联网设备重要性匹配方法 | |
US20220004947A1 (en) | Logistics route prediction method and apparatus | |
CN113868471A (zh) | 一种基于监控设备关系的数据匹配方法及系统 | |
CN113947101A (zh) | 一种基于软化相似性学习的无监督行人重识别方法和系统 | |
CN115098548B (zh) | 一种数据决策方法、系统及云平台 | |
CN116361567B (zh) | 应用于云办公的数据处理方法及系统 | |
CN116821777A (zh) | 一种新型基础测绘数据整合方法及系统 | |
CN116935280A (zh) | 一种基于视频分析的行为预测方法及系统 | |
CN115329748B (zh) | 一种日志解析方法、装置、设备及存储介质 | |
CN116628138A (zh) | 应用于深度学习的物流订单文本挖掘方法及系统 | |
CN115330140A (zh) | 一种基于数据挖掘的建筑风险预测方法及其预测系统 | |
CN115100541A (zh) | 一种卫星遥感数据的处理方法、系统及云平台 | |
CN115099838A (zh) | 应用于线上广告投放的兴趣定位方法及系统 | |
CN114625747B (zh) | 基于信息安全的风控更新方法及系统 | |
CN117041121B (zh) | 基于数据挖掘的物联网异常监测方法及系统 | |
CN116680323B (zh) | 基于大数据安全平台的用户需求挖掘方法及系统 | |
CN115082709B (zh) | 遥感大数据处理方法、系统及云平台 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230803 Address after: 105, Building 1, No. 199 Huangpujiang Road, Changshu High tech Industrial Development Zone, Suzhou City, Jiangsu Province, 215500 Patentee after: Changshu Qiji Cloud Technology Co.,Ltd. Address before: 215500 No.2 Yunshen Road, Southeast street, Changshu City, Suzhou City, Jiangsu Province Patentee before: Chuangyu intelligent (Changshu) netlink Technology Co.,Ltd. |