CN115190320A - 一种用于视频处理与存储的云计算系统和方法 - Google Patents

Abstract

一种用于视频处理与存储的云计算系统和方法，涉及视频监控技术领域，包括：视频采集模块、云计算视频处理模块和云计算视频存储模块，通过本地端的哈希值去重方式，降低了系统对视频传输带宽与本地存储大小要求，云端进行视频的去重、压缩以及使用大数据分布式处理技术，加快了视频的处理效率的同时，进一步降低了视频存储要求，通过云存储方式进行视频的存储，能保证视频安全不易丢失，也节省了存储成本，达到了降低传输带宽，减少传输时间，提升计算效率和减少存储空间的效果。

Description

一种用于视频处理与存储的云计算系统和方法

技术领域

本发明涉及视频监控技术领域，具体涉及一种用于视频处理与存储的云计算系统和方法。

背景技术

随着计算机软件、硬件技术的日新月异的发展，我们已经进入一个高速发展的信息化时代，人类大概有85％的信息来自图像和视频，技术应用中图像和视频的处理与存储技术越来越成为不可缺少的手段。安防、监控、短视频、军事演练等行业都进入了崭新的时代，高清技术、大数据技术、云计算技术与智能AI技术越来越广泛的结合在一起来应用，视频图像处理技术也逐渐成熟起来，只有这样才能切合各个行业的技术发展，为此，对于视频图像处理技术的研究成为上述行业值得重视的领域。

面对海量复杂的高清监控视频，视频传输带宽和视频存储空间要求越来越高，按照传统的视频处理与存储方法，在保证同样效果或功能的前提下政府或企业在这方面的投入会越来越大，成本也越来越贵。虽然越来越多的AI智能技术在视频处理方面做了优化，但是这些方法和系统带来的改善效果还是很有限，如何运用云计算、大数据处理及AI技术来提升视频的处理和存储效率就显得尤为重要了。

发明内容

本发明实施例提供了一种用于视频处理与存储的云计算系统和方法，通过本地端的一次去重、云存储端的二次去重、压缩与存储，达到了降低传输带宽，减少传输时间，提升计算效率和减少存储空间的效果。

一种用于视频处理与存储的云计算系统，包括：视频采集模块、云计算视频处理模块和云计算视频存储模块；

视频采集模块，用于实时进行视频采集并暂存到本地存储装置中，还用于将采集的视频发送到所述云计算视频处理模块；

云计算视频处理模块，用于定期接收所述视频采集模块发送的视频，进行去重和压缩处理；

云计算视频存储模块，用于存储所述云计算视频处理模块处理后的视频并接收其他设备或装置对指定视频的提取。

进一步的，所述视频采集模块包括视频采集单元、AI视频处理单元、本地存储单元和第一通信单元，所述视频采集单元用于实时捕捉视线范围内视频信息，以帧为最小单位进行视频信息提取，以帧为单位发送视频信息到所述AI视频处理单元，所述AI视频处理单元用于接收所述视频采集单元的视频信息，并对视频进行第一次去重处理后通过本地存储单元进行存储，还用于通过所述第一通信单元将视频发送到所述云计算视频处理模块。

进一步的，所述云计算视频处理模块包括第一视频接收单元、视频特征信息计算单元、视频压缩单元和第二通信单元，所述第一视频接收单元用于接收所述视频采集模块发送的视频并进行处理后发送到所述视频特征信息计算单元，所述视频特征信息计算单元用于对视频进行第二次去重处理后发送到所述视频压缩单元，所述视频压缩单元用于对视频进行压缩处理，压缩完成后返回压缩完成指令到所述视频特征信息计算单元，所述第二通信单元用于在所述视频特征信息计算单元接收到压缩完成指令后，将压缩后的视频发送到所述云计算视频存储模块。

进一步的，所述云计算视频存储模块包括第二视频接收单元、视频存储单元和第三通信单元，所述第二视频接收单元用于读取或接收所述云计算视频处理模块发送的视频，所述视频存储单元用于对所述第二视频接收单元接收的视频进行存储，还用于发送存储完成指令到所述第三通信单元，还用于根据指令读取视频信息，返回视频信息到所述第三通信单元，所述第三通信单元返回存储完成指令到所述云计算视频处理模块，返回根据指令读取的视频信息到所述云计算视频处理模块。

进一步的，所述AI视频处理单元对视频进行第一次去重处理的过程为：

1)接收所述视频采集单元的视频信息；

2)从目标帧中提取特征信息；

3)计算当前目标帧中的特征信息的哈希值；

4)比较基准帧与目标帧的特征信息的哈希值，若比较接近则丢弃目标帧；若相差较大，保存目标帧到所述本地存储单元并更新基准帧为目标帧；

5)通过所述第一通信单元发送目标帧到所述云计算视频处理模块。

进一步的，所述第一视频接收单元的工作过程为：

1)读取或接收所述视频采集模块发送的视频信息；

2)以帧为最小单位对视频信息进行提取并发送到所述视频特征信息计算单元。

进一步的，所述视频特征信息计算单元对视频进行第二次去重处理的过程为：

1)视频特征信息计算单元采用Hadoop或Spark大数据处理方法对目标视频特征信息进行分布式处理；大数据处理方法根据当前视频大小以及当前负载情况，以帧为单位将视频信息分发到不同云计算系统的不同节点；

2)从目标帧中提取卷积神经图像特征信息；

3)计算基准帧与目标帧的卷积神经图像特征距离，若距离差小于预设值则丢弃目标帧；

4)若距离差大于预设值，发送目标帧到所述视频压缩单元，并更新基准帧的卷积神经图像特征。

进一步的，所述视频压缩单元对视频进行压缩处理的过程为：

1)接收当前节点上所分发的目标帧的视频信息；

2)根据预设的视频压缩算法和编码规则进行视频的压缩，包括但不限于MPEG和H264；

3)视频压缩完成后，返回压缩完成指定给所述视频特征信息计算单元。

进一步的，所述视频存储单元存储视频的过程为：

1)存储视频信息到当前节点或指定存储空间，包括但不限于本地磁盘、云计算存储节点或云计算存储空间；

2)发送存储完成指令到所述第三通信单元；

3)根据指令读取视频信息，返回视频信息到所述第三通信单元。

第二方面，本发明实施例提供一种用于视频处理与存储的云计算方法，包括以下步骤：

S110，视频采集单元实时采集视线范围内视频信息；

S111，视频采集单元以帧为最小单位对采集的视频进行分割处理发送到Al视频处理单元；

S112，Al视频处理单元提取目标帧的特征信息；

S113，Al视频处理单元比较基准帧与目标帧特征信息的哈希值，哈希值接近则丢弃目标帧，进入下一帧；

S114，哈希值相差较大则存储目标帧，并更新目标帧；

S210，存储目标帧到本地存储单元，发送目标帧到云计算视频处理模块；

S211，视频接收单元分发目标帧到视频特征信息计算单元；

S212，视频特征信息计算单元提取卷积神经图像特征信息提取卷积神经图像特征信息；

S213，视频特征信息计算单元计算基准帧与目标帧的卷积神经图像特征距离，若距离小于预设值则丢弃目标帧，进入下一帧；

S214，若所述步骤S213中计算的距离大于预设值，进入下一步骤；

S310，视频压缩单元对所述步骤S213中得到的视频使用MPEG和H.264压缩算法和编码规则进行视频压缩；

S311，云计算视频存储对压缩后的视频进行存储。

本发明实施例提供的上述技术方案的有益效果至少包括：

1、使用AI识别技术，捕捉具有特殊特征信息的目标对象，极大减少了视频采集设备采集的视频大小。

2、利用本地存储装置暂存视频信息，云计算系统定时读取本地信息，降低了对视频传输带宽的要求。

3、云计算系统利用大数据技术对视频进行分布式去重和压缩处理，极大降低了视频的存储空间。

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、权利要求书、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为本发明实施例公开的用于视频处理与存储的云计算系统的结构示意图；

图2为本发明实施例公开的视频采集模块的结构示意图；

图3为本发明实施例公开的云计算视频处理模块的结构示意图；

图4为本发明实施例公开的云计算视频存储模块的结构示意图；

图5为本发明实施例公开的用于视频处理与存储的云计算方法的流程示意图。

附图标记：

1、视频采集模块；10、视频采集单元；11、AI视频处理单元；12、本地存储单元；13、第一通信单元；2、云计算视频处理模块；20、第一视频接收单元；21、视频特征信息计算单元；22、视频压缩单元；23、第二通信单元；3、云计算视频存储模块；30、第二视频接收单元；31、视频存储单元；32、第三通信单元。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例一

如图1-4所示，本发明实施例提供一种用于视频处理与存储的云计算系统，包括：视频采集模块1、云计算视频处理模块2和云计算视频存储模块3；

视频采集模块1，用于实时进行视频采集并暂存到本地存储装置中，还用于将采集的视频发送到云计算视频处理模块2，视频采集模块1包括视频采集单元10、AI视频处理单元11、本地存储单元12和第一通信单元13；

具体的：

一)视频采集单元10，其用于：

1)实时捕捉视线范围内视频信息，以帧为最小单位进行视频信息提取；

2)以帧为单位发送视频信息到AI视频处理单元11；

二)AI视频处理单元11，其用于：

1)接收视频采集单元10的视频信息；

2)从目标帧中提取特征信息(如移动物体特征、燃烧特征、烟或雾特征等)；

3)计算当前目标帧中的特征信息的哈希值；

4)比较基准帧与目标帧的特征信息的哈希值，若比较接近则丢弃目标帧；若相差较大，保存目标帧到本地存储单元12并更新基准帧为目标帧；

5)通过第一通信单元13发送目标帧到云计算视频处理模块2；

三)本地存储单元12，其用于：

1)以帧为单位存储视频信息；

2)根据系统设置对视频信息进行删除或覆盖；

3)接受第一通信单元13的指令，发送视频信息到第一通信单元13；

四)第一通信单元13，其用于：

1)发送指令到本地存储单元12，并获取视频信息；

2)接受或发送视频信息到云计算视频处理模块2。

云计算视频处理模块2，用于定期接收视频采集模块1发送的视频，进行去重和压缩处理，云计算视频处理模块2包括第一视频接收单元20、视频特征信息计算单元21、视频压缩单元22和第二通信单元23；

具体的：

一)第一视频接收单元20，其用于：

1)读取或接收视频采集模块1发送的视频信息；

2)以帧为最小单位对视频信息进行提取并发送到视频特征信息计算单元21；

二)视频特征信息计算单元21，其用于：

1)视频特征信息计算单元21采用Hadoop、Spark等大数据处理方法对目标视频特征信息进行分布式处理；大数据处理方法会根据当前视频大小以及当前负载情况，以帧为单位将视频信息分发到不同云计算系统的不同节点；

2)从目标帧中提取卷积神经图像特征信息(如固定或移动物体特征、光亮特征、燃烧特征、烟或雾特征等)；

3)计算基准帧与目标帧的卷积神经图像特征距离，若距离差小于预设值则丢弃目标帧；

4)若距离差大于预设值，发送目标帧到视频压缩单元22，并更新基准帧的卷积神经图像特征；

三)视频压缩单元22，其用于：

1)接收当前节点上所分发的目标帧的视频信息；

2)根据预设的视频压缩算法和编码规则进行视频的压缩，包括但不限于MPEG、H264等；

3)视频压缩完成后，返回压缩完成指定给视频特征信息计算单元21。

四)第二通信单元23，其用于：

1)视频特征信息计算单元21接收到视频处理完成指令后，通过第二通信单元23将压缩后的视频信息发送到云计算视频存储模块3。

云计算视频存储模块3，用于存储云计算视频处理模块2处理后的视频并接收其他设备或装置对指定视频的提取，云计算视频存储模块3包括第二视频接收单元30、视频存储单元31和第三通信单元32；

具体的：

一)视频接收单元，其用于：

1)读取或接收云计算视频处理模块2发送的视频信息；

2)发送视频信息到视频存储单元31；

二)视频存储单元31，其用于：

1)存储视频信息到当前节点或指定存储空间，包括但不限于本地磁盘、云计算存储节点或云计算存储空间；

2)发送存储完成指令到第三通信单元32；

3)根据指令读取视频信息，返回视频信息到第三通信单元32。

三)第三通信单元32，其用于：

1)返回存储完成指令到云计算视频处理模块2；

2)返回根据指令读取的视频信息到云计算视频处理模块2。

本发明克服了现有技术中高清监控视频对视频传输带宽和视频存储空间的要求过高，导致成本过高的缺陷，通过本地端的哈希值去重方式，能降低系统对视频传输带宽与本地存储大小要求，云端进行视频的去重、压缩以及使用大数据分布式处理技术，加快了视频的处理效率的同时，进一步降低了视频存储要求，通过云存储方式进行视频的存储，能保证视频安全不易丢失，也节省了存储成本，达到了降低传输带宽，减少传输时间，提升计算效率和减少存储空间的效果。

实施例二

本发明实施例还公开了一种用于视频处理与存储的云计算方法，如图1-5，包括以下步骤：

S110，视频采集单元10实时采集视线范围内视频信息；

S111，视频采集单元10以帧为最小单位对采集的视频进行分割处理发送到Al视频处理单元11；

S112，Al视频处理单元11提取目标帧的特征信息；

S113，Al视频处理单元11比较基准帧与目标帧特征信息的哈希值，哈希值接近则丢弃目标帧，进入下一帧；

S114，哈希值相差较大则存储目标帧，并更新目标帧；

S210，存储目标帧到本地存储单元12，发送目标帧到云计算视频处理模块2；

S211，视频接收单元分发目标帧到视频特征信息计算单元21；

S212，视频特征信息计算单元21提取卷积神经图像特征信息提取卷积神经图像特征信息；

S213，视频特征信息计算单元21计算基准帧与目标帧的卷积神经图像特征距离，若距离小于预设值则丢弃目标帧，进入下一帧；

S214，若步骤S213中计算的距离大于预设值，进入下一步骤；

S310，视频压缩单元22对步骤S213中得到的视频使用MPEG和H.264压缩算法和编码规则进行视频压缩；

S311，云计算视频存储对压缩后的视频进行存储。

本实施例公开的一种用于视频处理与存储的云计算方法，通过本地端的哈希值去重方式，降低了系统对视频传输带宽与本地存储大小要求，云端进行视频的去重、压缩以及使用大数据分布式处理技术，加快了视频的处理效率的同时，进一步降低了视频存储要求，通过云存储方式进行视频的存储，能保证视频安全不易丢失，也节省了存储成本，达到了降低传输带宽，减少传输时间，提升计算效率和减少存储空间的效果。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。

对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

Claims (10)

1.一种用于视频处理与存储的云计算系统，其特征在于，包括：视频采集模块、云计算视频处理模块和云计算视频存储模块；

视频采集模块，用于实时进行视频采集并暂存到本地存储装置中，还用于将采集的视频发送到所述云计算视频处理模块；

云计算视频处理模块，用于定期接收所述视频采集模块发送的视频，进行去重和压缩处理；

云计算视频存储模块，用于存储所述云计算视频处理模块处理后的视频并接收其他设备或装置对指定视频的提取。

2.如权利要求1所述的一种用于视频处理与存储的云计算系统，其特征在于，所述视频采集模块包括视频采集单元、AI视频处理单元、本地存储单元和第一通信单元，所述视频采集单元用于实时捕捉视线范围内视频信息，以帧为最小单位进行视频信息提取，以帧为单位发送视频信息到所述AI视频处理单元，所述AI视频处理单元用于接收所述视频采集单元的视频信息，并对视频进行第一次去重处理后通过本地存储单元进行存储，还用于通过所述第一通信单元将视频发送到所述云计算视频处理模块。

3.如权利要求1所述的一种用于视频处理与存储的云计算系统，其特征在于，所述云计算视频处理模块包括第一视频接收单元、视频特征信息计算单元、视频压缩单元和第二通信单元，所述第一视频接收单元用于接收所述视频采集模块发送的视频并进行处理后发送到所述视频特征信息计算单元，所述视频特征信息计算单元用于对视频进行第二次去重处理后发送到所述视频压缩单元，所述视频压缩单元用于对视频进行压缩处理，压缩完成后返回压缩完成指令到所述视频特征信息计算单元，所述第二通信单元用于在所述视频特征信息计算单元接收到压缩完成指令后，将压缩后的视频发送到所述云计算视频存储模块。

4.如权利要求3所述的一种用于视频处理与存储的云计算系统，其特征在于，所述云计算视频存储模块包括第二视频接收单元、视频存储单元和第三通信单元，所述第二视频接收单元用于读取或接收所述云计算视频处理模块发送的视频，所述视频存储单元用于对所述第二视频接收单元接收的视频进行存储，还用于发送存储完成指令到所述第三通信单元，还用于根据指令读取视频信息，返回视频信息到所述第三通信单元，所述第三通信单元返回存储完成指令到所述云计算视频处理模块，返回根据指令读取的视频信息到所述云计算视频处理模块。

5.如权利要求2所述的一种用于视频处理与存储的云计算系统，其特征在于，所述AI视频处理单元对视频进行第一次去重处理的过程为：

1)接收所述视频采集单元的视频信息；

2)从目标帧中提取特征信息；

3)计算当前目标帧中的特征信息的哈希值；

4)比较基准帧与目标帧的特征信息的哈希值，若比较接近则丢弃目标帧；若相差较大，保存目标帧到所述本地存储单元并更新基准帧为目标帧；

5)通过所述第一通信单元发送目标帧到所述云计算视频处理模块。

6.如权利要求3所述的一种用于视频处理与存储的云计算系统，其特征在于，所述第一视频接收单元的工作过程为：

1)读取或接收所述视频采集模块发送的视频信息；

2)以帧为最小单位对视频信息进行提取并发送到所述视频特征信息计算单元。

7.如权利要求3所述的一种用于视频处理与存储的云计算系统，其特征在于，所述视频特征信息计算单元对视频进行第二次去重处理的过程为：

1)视频特征信息计算单元采用Hadoop或Spark大数据处理方法对目标视频特征信息进行分布式处理；大数据处理方法根据当前视频大小以及当前负载情况，以帧为单位将视频信息分发到不同云计算系统的不同节点；

2)从目标帧中提取卷积神经图像特征信息；

3)计算基准帧与目标帧的卷积神经图像特征距离，若距离差小于预设值则丢弃目标帧；

4)若距离差大于预设值，发送目标帧到所述视频压缩单元，并更新基准帧的卷积神经图像特征。

8.如权利要求3所述的一种用于视频处理与存储的云计算系统，其特征在于，所述视频压缩单元对视频进行压缩处理的过程为：

1)接收当前节点上所分发的目标帧的视频信息；

2)根据预设的视频压缩算法和编码规则进行视频的压缩，包括但不限于MPEG和H264；

3)视频压缩完成后，返回压缩完成指定给所述视频特征信息计算单元。

9.如权利要求4所述的一种用于视频处理与存储的云计算系统，其特征在于，所述视频存储单元存储视频的过程为：

1)存储视频信息到当前节点或指定存储空间，包括但不限于本地磁盘、云计算存储节点或云计算存储空间；

2)发送存储完成指令到所述第三通信单元；

3)根据指令读取视频信息，返回视频信息到所述第三通信单元。

10.一种用于视频处理与存储的云计算方法，应用如权利要求1-9任一项所述的一种用于视频处理与存储的云计算系统，其特征在于，包括以下步骤：

S110，视频采集单元实时采集视线范围内视频信息；

S111，视频采集单元以帧为最小单位对采集的视频进行分割处理发送到AI视频处理单元；

S112，AI视频处理单元提取目标帧的特征信息；

S113，AI视频处理单元比较基准帧与目标帧特征信息的哈希值，哈希值接近则丢弃目标帧，进入下一帧；

S114，哈希值相差较大则存储目标帧，并更新目标帧；

S210，存储目标帧到本地存储单元，发送目标帧到云计算视频处理模块；

S211，视频接收单元分发目标帧到视频特征信息计算单元；

S212，视频特征信息计算单元提取卷积神经图像特征信息提取卷积神经图像特征信息；

S213，视频特征信息计算单元计算基准帧与目标帧的卷积神经图像特征距离，若距离小于预设值则丢弃目标帧，进入下一帧；

S214，若所述步骤S213中计算的距离大于预设值，进入下一步骤；

S310，视频压缩单元对所述步骤S213中得到的视频使用MPEG和H.264压缩算法和编码规则进行视频压缩；

S311，云计算视频存储对压缩后的视频进行存储。

Images