CN116260970A - 一种基于数据大量传输的网络通信方法及系统 - Google Patents

一种基于数据大量传输的网络通信方法及系统 Download PDF

Info

Publication number
CN116260970A
CN116260970A CN202310114616.0A CN202310114616A CN116260970A CN 116260970 A CN116260970 A CN 116260970A CN 202310114616 A CN202310114616 A CN 202310114616A CN 116260970 A CN116260970 A CN 116260970A
Authority
CN
China
Prior art keywords
data
node
graph
determining
preset
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.)
Pending
Application number
CN202310114616.0A
Other languages
English (en)
Inventor
魏金超
赵坤
库万军
于志
肖鹏
麻梅银
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.)
Shenzhen Jinchao Cloud Control Technology Co ltd
Original Assignee
Shenzhen Jinchao Cloud Control 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 Shenzhen Jinchao Cloud Control Technology Co ltd filed Critical Shenzhen Jinchao Cloud Control Technology Co ltd
Priority to CN202310114616.0A priority Critical patent/CN116260970A/zh
Publication of CN116260970A publication Critical patent/CN116260970A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146Data rate or code amount at the encoder output
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/164Feedback from the receiver or from the transmission channel

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据传输技术领域,具体公开了一种基于数据大量传输的网络通信方法及系统,所述方法包括根据预设的数据条件打包待传输数据;将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图;基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率;当所述准确率达到预设的准确率阈值时,打包节点图,向请求端发送。本发明对待传输数据进行打包式传输,根据请求端的配置及其请求确定一次打包内容的数据量,在打包的内容中确定预设数量的节点数据,向用户发送;用户只需接收少量的节点数据,再结合预设的推测规则,即可获取到一段时间内的数据,在降低传输压力的同时,尽量的保证了数据的充分性。

Description

一种基于数据大量传输的网络通信方法及系统
技术领域
本发明涉及数据传输技术领域,具体是一种基于数据大量传输的网络通信方法及系统。
背景技术
现有的某些数据量较大的且需要实时传输的数据,比如远景监测图,对数据收发设备的要求较高,而普通人的设备成本很难同时满足内容完整性和传输实时性。
为了平衡内容完整性和传输实时性,现有的数据传输方案大都是保证实时性,对数据进行简化,然后实时向用户进行传输;对于某些数据收发设备,尤其是接收设备,其信号接收模块的性能极低,此外,再结合网络环境的影响,发送方需要将数据的细节量降的非常低,才能保证实时性;可以想到,当细节量较低时,用户的观看体验很差;因此,如何更好的平衡内容完整性和传输实时性是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种基于数据大量传输的网络通信方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于数据大量传输的网络通信方法,所述方法包括:
根据预设的数据条件打包待传输数据;所述数据条件与请求端的最低配置和通信需求相关;
将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图;
基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率;
当所述准确率达到预设的准确率阈值时,打包节点图,向请求端发送。
作为本发明进一步的方案:所述根据预设的数据条件打包待传输数据的步骤包括:
查询备案的请求端,确定最低配置,根据所述最低配置确定第一打包数据量;
查询请求端的需求时间间隔及其数据收发速度,根据所述需求时间间隔及其数据收发速度计算第二打包数据量;
比对第一打包数据量和第二打包数据量,选取最小值,作为数据条件;
实时接收待传输数据,基于所述数据条件打包所述待传输数据。
作为本发明进一步的方案:所述将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图的步骤包括:
根据预设的拟合公式计算各待传输数据的特征值,得到以时间为序的特征值组;
遍历所述待传输数据,根据预设的色值条件对各像素点进行二值化处理,得到数据图;
对所述数据图进行像素点聚类,确定各类像素点的轮廓线;
比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图。
作为本发明进一步的方案:所述对所述数据图进行像素点聚类,确定各类像素点的轮廓线的步骤包括:
随机选取一个点作为中心点,以中心点为圆心,预设的数值为半径建立检测圆;
获取所述检测圆中的所有数据点,基于所有数据点与中心点计算偏移量;
根据所述偏移量更新中心点,并计算两次中心点之间的距离;
循环执行上述步骤直至两次中心点之间的距离小于预设的阈值,得到以中心点位置为标签的点簇;
根据所有点簇确定轮廓线。
作为本发明进一步的方案:所述获取所述检测圆中的所有数据点,基于所有数据点与中心点计算偏移量的步骤包括:
获取所有数据点及中心点的位置;
在所述传输数据图中查询所有数据点及中心点对应的色值;
将所述位置和所述色值输入预设的计算公式,得到偏移量;
所述计算公式为:
Figure BDA0004078085420000031
式中,P为偏移量,C为常数项,hs为色值域中的半径,hr为空间域中的半径,xs为数据点处的色值,
Figure BDA0004078085420000032
为中心点处的色值,xr为数据点处的位置,/>
Figure BDA0004078085420000033
为中心点处的位置,K为数据点数量。
作为本发明进一步的方案:所述比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图的步骤包括:
将含有轮廓线的数据图输入训练好的形状匹配模型,依次计算相邻数据图的相似度;
确定呈等差数列的相似度阈值,根据所述相似度阈值对数据图进行切分,得到数据集并计算集合数;
计算所述集合数与预设数量的偏差率,选取最小偏差率对应的集合数及其数据集;
在数据集中选取中间元素和端部元素,作为节点图。
作为本发明进一步的方案:所述基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率的步骤包括:
查询节点图,根据端部元素和中间元素预测运动轨迹;
根据所述运动轨迹和端部元素确定预测图;
基于时间顺序查询与预测对应的数据图并比对,得到准确率。
本发明技术方案还提供了一种基于数据大量传输的网络通信系统,所述系统包括:
数据打包模块,用于根据预设的数据条件打包待传输数据;所述数据条件与请求端的最低配置和通信需求相关;
节点图确定模块,用于将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图;
准确率计算模块,用于基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率;
数据发送模块,用于当所述准确率达到预设的准确率阈值时,打包节点图,向请求端发送。
作为本发明进一步的方案:所述数据打包模块包括:
第一确定单元,用于是查询备案的请求端,确定最低配置,根据所述最低配置确定第一打包数据量;
第二确定单元,用于查询请求端的需求时间间隔及其数据收发速度,根据所述需求时间间隔及其数据收发速度计算第二打包数据量;
条件生成单元,用于比对第一打包数据量和第二打包数据量,选取最小值,作为数据条件;
数据接收单元,用于实时接收待传输数据,基于所述数据条件打包所述待传输数据。
作为本发明进一步的方案:所述节点图确定模块包括:
特征值确定单元,用于根据预设的拟合公式计算各待传输数据的特征值,得到以时间为序的特征值组;
数据图生成单元,用于遍历所述待传输数据,根据预设的色值条件对各像素点进行二值化处理,得到数据图;
轮廓线确定单元,用于对所述数据图进行像素点聚类,确定各类像素点的轮廓线;
比对预测单元,用于比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图。
与现有技术相比,本发明的有益效果是:本发明对待传输数据进行打包式传输,根据请求端的配置及其请求确定一次打包内容的数据量,在打包的内容中确定预设数量的节点数据,向用户发送;用户只需接收少量的节点数据,再结合预设的推测规则,即可获取到一段时间内的数据,在降低传输压力的同时,尽量的保证了数据的充分性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1为基于数据大量传输的网络通信方法的流程框图。
图2为基于数据大量传输的网络通信方法的第一子流程框图。
图3为基于数据大量传输的网络通信方法的第二子流程框图。
图4为基于数据大量传输的网络通信方法的第三子流程框图。
图5为基于数据大量传输的网络通信系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,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。
实施例1
图1为基于数据大量传输的网络通信方法的流程框图,本发明实施例中,一种基于数据大量传输的网络通信方法,所述方法包括:
步骤S100:根据预设的数据条件打包待传输数据;所述数据条件与请求端的最低配置和通信需求相关;
在对本方法进行说明之前,对本发明技术方案的应用场景进行简单的说明,本发明技术方案面对的数据是面积大,运动区域小的高空远景图像,这些远景图像由预设的高空采集设备完成,比如安装在高处的摄像头或者无人机;所述高空采集设备获取到的图像,数据量极大,用户只能通过专用的性能较高的设备查看图像,如果设备性能不高或传输模块的传输速度较低,那么用户的查询过程会非常不便,要么是实时性无法保证,要么就是数据完整性难以保证。因此,本发明获取请求端的最低配置和通讯需求(实时性需求),根据请求端的最低配置和通讯需求对待传输数据进行打包,对打包的数据进行简化,进而向用户发送。其中,所述待传输数据为高空远景图像。
步骤S200:将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图;
对待传输数据进行转换,可以得到较为简单,便于分析的数据,也就是所述数据图,比对同一打包结果内的多个待传输数据对应的数据图,可以选取出具有代表性的数据图,作为基准节点,称为节点图。
步骤S300:基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率;
以节点图为基准,根据预设的推测规则确定预测图,然后,将所述预测图与对应的真实数据图进行比对,可以得到一个准确率,用于反映节点图及预测过程是否准确。
步骤S400:当所述准确率达到预设的准确率阈值时,打包节点图,向请求端发送;
如果所述准确率达到预设的准确率阈值时,就说明足够准确,此时,打包节点图,作为最终输出,向用户发送即可;用户在接收到打包的节点图后,可以根据用户的需求和所述推测规则获取想要获取的内容;在保证了传输实时性的同时(传输内容少),尽量的保证了数据的完整性。
图2为基于数据大量传输的网络通信方法的第一子流程框图,所述根据预设的数据条件打包待传输数据的步骤包括:
步骤S101:查询备案的请求端,确定最低配置,根据所述最低配置确定第一打包数据量;
步骤S102:查询请求端的需求时间间隔及其数据收发速度,根据所述需求时间间隔及其数据收发速度计算第二打包数据量;
步骤S103:比对第一打包数据量和第二打包数据量,选取最小值,作为数据条件;
步骤S104:实时接收待传输数据,基于所述数据条件打包所述待传输数据。
请求端中的最低配置和请求端发送的需求信息共同确定一次打包过程中的打包数据量,选取较小的打包数据量作为最终的打包数据量;在本方法中,打包数据量越大,实时性越差,传输压力越小(节点图数量一定,代表的数据更多)。
图3为基于数据大量传输的网络通信方法的第二子流程框图,所述将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图的步骤包括:
步骤S201:根据预设的拟合公式计算各待传输数据的特征值,得到以时间为序的特征值组;
所述拟合公式可以基于现有技术确定,比如,先对各待传输数据进行灰度转换,然后再计算所有灰度的均值,最终得到的均值即为特征值;特征值相似是两个待传输数据相似的必要不充分条件。
步骤S202:遍历所述待传输数据,根据预设的色值条件对各像素点进行二值化处理,得到数据图;
遍历所述待传输数据,根据预设的色值条件对各像素点进行二值化处理,处理过程较为容易,满足色值条件的像素点置为一,不满足色值条件的像素点置为零,由零和一组成的图称为数据图。
步骤S203:对所述数据图进行像素点聚类,确定各类像素点的轮廓线;
将数据图中的零视为背景,将数据图中的一视为待分类的像素点,对像素点进行聚类后,可以确定一些轮廓线;在本发明技术方案的应用场景中,用户会根据实际情况设定色值条件,使得背景为零,动态区域为一。
步骤S204:比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图;
比对含有轮廓线的数据图,可以对数据图进行归类,举例来说,如果一片区域中,有一个人员在行走,所有含有该人员的数据图都会归为一类,如果出现第二个人员,那么这两者是不一样的;结合轮廓线和特征值这两个参数,可以确定一些节点图,这些节点图就是打包的数据图的重点。
作为本发明技术方案的一个优选实施例,所述对所述数据图进行像素点聚类,确定各类像素点的轮廓线的步骤包括:
随机选取一个点作为中心点,以中心点为圆心,预设的数值为半径建立检测圆;
获取所述检测圆中的所有数据点,基于所有数据点与中心点计算偏移量;
根据所述偏移量更新中心点,并计算两次中心点之间的距离;
循环执行上述步骤直至两次中心点之间的距离小于预设的阈值,得到以中心点位置为标签的点簇;
上述内容是基于meanshift聚类算法的一种实景应用,关于meanshift聚类算法的具体说明如下:
1.在未被标记的数据点中随机选择一个点作为原始中心点。
2.找出以中心点为球心,半径为R的球体中所有数据点,认为他们为聚类C,同时在C类中记录这些数据点出现的次数+1;由于本发明技术方案面对的数据是二维的,因此,确定的是检测圆,而不是检测球。
3.以球心为起点,球内样本点为终点,将他们的向量相加后求平均,得到meanshift值。
4.球心+meanshift的值,得到更新后的球心。
5.重复234直到meanshift很小或者不移动,记录下此时的中心点,注意迭代过程中遇到的点都应该归类到C。
6.判断收敛时的C类中心点与其他已经存在的类的中心点距离是否小于阈值,如果小于就把他们合并,数据点出现的次数也应该合并,如果大于,就把C当作一个新的聚类。
7.重复123456直到所有点都被标记为已访问。
8.对每个点,哪个类访问次数最多,就归属于哪个类。
根据所有点簇确定轮廓线;
当点簇确定后,轮廓线的确定过程并不困难,连接边界点或者在此基础上进行优化均是可行的技术方案;由于轮廓线的作用是相互比对,关于其精度要求,本发明技术方案不做限定。
作为本发明技术方案的一个优选实施例,所述获取所述检测圆中的所有数据点,基于所有数据点与中心点计算偏移量的步骤包括:
获取所有数据点及中心点的位置;
在所述传输数据图中查询所有数据点及中心点对应的色值;
将所述位置和所述色值输入预设的计算公式,得到偏移量;
所述计算公式为:
Figure BDA0004078085420000091
式中,P为偏移量,C为常数项,hs为色值域中的半径,hr为空间域中的半径,xs为数据点处的色值,
Figure BDA0004078085420000092
为中心点处的色值,xr为数据点处的位置,/>
Figure BDA0004078085420000093
为中心点处的位置,K为数据点数量。
需要说明的是,上式从空间域和色值域两个角度共同确定偏移量,这是在传统的meanshift算法(仅有空间距离)上的进一步扩充,即,引入了色值参数,
Figure BDA0004078085420000094
表示颜色信息,颜色越相似,其值越大;/>
Figure BDA0004078085420000095
代表空间位置的信息,离中心点越近,其值就越大;值得一提的是,所述色值指的是待传输数据中的色值,数据图中没有色值这一参数,这一过程涉及到数据图和待传输数据的对应关系,由于数据图源于待传输数据,这一对应关系属于已知数据。
作为本发明技术方案的一个优选实施例,所述比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图的步骤包括:
将含有轮廓线的数据图输入训练好的形状匹配模型,依次计算相邻数据图的相似度;
比对轮廓线,计算相似度;关于轮廓线相似度的评判过程,由预设的形状匹配模型进行确定,所述形状匹配模型由工作人员基于现有技术确定。
确定呈等差数列的相似度阈值,根据所述相似度阈值对数据图进行切分,得到数据集并计算集合数;
本发明技术方案中的待传输数据和数据图默认按照时间进行排序,由于是现实中的监测图像,时域中相邻的数据图内容本身就是相似的,除非发生突变;计算相邻数据图的相似度,可以确定一些突变时刻(相似度达到某一相似度阈值),基于这些突变时刻对数据图进行切分,即可得到多个数据集。
计算所述集合数与预设数量的偏差率,选取最小偏差率对应的集合数及其数据集;
在数据集中选取中间元素和端部元素,作为节点图;
当数据集的数量满足条件时,在各个数据库中选取数据图,作为节点图。
图4为基于数据大量传输的网络通信方法的第三子流程框图,所述基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率的步骤包括:
步骤S301:查询节点图,根据端部元素和中间元素预测运动轨迹;
步骤S302:根据所述运动轨迹和端部元素确定预测图;
步骤S303:基于时间顺序查询与预测对应的数据图并比对,得到准确率;
步骤S300与步骤S400相辅相成,因此,仅对步骤S300进行具体的描述,由端部远素和中间元素,可以确定轮廓的变化情况,这一变化情况称为运动轨迹;由运动轨迹和端部元素,可以进行一些常规预测,得到预测图,基于时间查询对应的数据图,比对预测图和数据图,即可确定预测过程的准确率。
实施例2
图5为基于数据大量传输的网络通信系统的组成结构框图,本发明实施例中,一种基于数据大量传输的网络通信系统,所述系统10包括:
数据打包模块11,用于根据预设的数据条件打包待传输数据;所述数据条件与请求端的最低配置和通信需求相关;
节点图确定模块12,用于将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图;
准确率计算模块13,用于基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率;
数据发送模块14,用于当所述准确率达到预设的准确率阈值时,打包节点图,向请求端发送。
所述数据打包模块11包括:
第一确定单元,用于是查询备案的请求端,确定最低配置,根据所述最低配置确定第一打包数据量;
第二确定单元,用于查询请求端的需求时间间隔及其数据收发速度,根据所述需求时间间隔及其数据收发速度计算第二打包数据量;
条件生成单元,用于比对第一打包数据量和第二打包数据量,选取最小值,作为数据条件;
数据接收单元,用于实时接收待传输数据,基于所述数据条件打包所述待传输数据。
所述节点图确定模块12包括:
特征值确定单元,用于根据预设的拟合公式计算各待传输数据的特征值,得到以时间为序的特征值组;
数据图生成单元,用于遍历所述待传输数据,根据预设的色值条件对各像素点进行二值化处理,得到数据图;
轮廓线确定单元,用于对所述数据图进行像素点聚类,确定各类像素点的轮廓线;
比对预测单元,用于比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图。
上述基于数据大量传输的网络通信方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述基于数据大量传输的网络通信方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于数据大量传输的网络通信方法,其特征在于,所述方法包括:
根据预设的数据条件打包待传输数据;所述数据条件与请求端的最低配置和通信需求相关;
将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图;
基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率;
当所述准确率达到预设的准确率阈值时,打包节点图,向请求端发送。
2.根据权利要求1所述的基于数据大量传输的网络通信方法,其特征在于,所述根据预设的数据条件打包待传输数据的步骤包括:
查询备案的请求端,确定最低配置,根据所述最低配置确定第一打包数据量;
查询请求端的需求时间间隔及其数据收发速度,根据所述需求时间间隔及其数据收发速度计算第二打包数据量;
比对第一打包数据量和第二打包数据量,选取最小值,作为数据条件;
实时接收待传输数据,基于所述数据条件打包所述待传输数据。
3.根据权利要求1所述的基于数据大量传输的网络通信方法,其特征在于,所述将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图的步骤包括:
根据预设的拟合公式计算各待传输数据的特征值,得到以时间为序的特征值组;
遍历所述待传输数据,根据预设的色值条件对各像素点进行二值化处理,得到数据图;
对所述数据图进行像素点聚类,确定各类像素点的轮廓线;
比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图。
4.根据权利要求3所述的基于数据大量传输的网络通信方法,其特征在于,所述对所述数据图进行像素点聚类,确定各类像素点的轮廓线的步骤包括:
随机选取一个点作为中心点,以中心点为圆心,预设的数值为半径建立检测圆;
获取所述检测圆中的所有数据点,基于所有数据点与中心点计算偏移量;
根据所述偏移量更新中心点,并计算两次中心点之间的距离;
循环执行上述步骤直至两次中心点之间的距离小于预设的阈值,得到以中心点位置为标签的点簇;
根据所有点簇确定轮廓线。
5.根据权利要求4所述的基于数据大量传输的网络通信方法,其特征在于,所述获取所述检测圆中的所有数据点,基于所有数据点与中心点计算偏移量的步骤包括:
获取所有数据点及中心点的位置;
在所述传输数据图中查询所有数据点及中心点对应的色值;
将所述位置和所述色值输入预设的计算公式,得到偏移量;
所述计算公式为:
Figure FDA0004078085410000021
式中,P为偏移量,C为常数项,hs为色值域中的半径,hr为空间域中的半径,xs为数据点处的色值,
Figure FDA0004078085410000022
为中心点处的色值,xr为数据点处的位置,/>
Figure FDA0004078085410000023
为中心点处的位置,K为数据点数量。
6.根据权利要求3所述的基于数据大量传输的网络通信方法,其特征在于,所述比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图的步骤包括:
将含有轮廓线的数据图输入训练好的形状匹配模型,依次计算相邻数据图的相似度;
确定呈等差数列的相似度阈值,根据所述相似度阈值对数据图进行切分,得到数据集并计算集合数;
计算所述集合数与预设数量的偏差率,选取最小偏差率对应的集合数及其数据集;
在数据集中选取中间元素和端部元素,作为节点图。
7.根据权利要求1所述的基于数据大量传输的网络通信方法,其特征在于,所述基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率的步骤包括:
查询节点图,根据端部元素和中间元素预测运动轨迹;
根据所述运动轨迹和端部元素确定预测图;
基于时间顺序查询与预测对应的数据图并比对,得到准确率。
8.一种基于数据大量传输的网络通信系统,其特征在于,所述系统包括:
数据打包模块,用于根据预设的数据条件打包待传输数据;所述数据条件与请求端的最低配置和通信需求相关;
节点图确定模块,用于将所述待传输数据转换为数据图,比对数据图,确定预设数量的节点图;
准确率计算模块,用于基于所述节点图随机确定预测图,将所述预测图与对应的数据图进行比对,得到准确率;
数据发送模块,用于当所述准确率达到预设的准确率阈值时,打包节点图,向请求端发送。
9.根据权利要求8所述的基于数据大量传输的网络通信系统,其特征在于,所述数据打包模块包括:
第一确定单元,用于是查询备案的请求端,确定最低配置,根据所述最低配置确定第一打包数据量;
第二确定单元,用于查询请求端的需求时间间隔及其数据收发速度,根据所述需求时间间隔及其数据收发速度计算第二打包数据量;
条件生成单元,用于比对第一打包数据量和第二打包数据量,选取最小值,作为数据条件;
数据接收单元,用于实时接收待传输数据,基于所述数据条件打包所述待传输数据。
10.根据权利要求8所述的基于数据大量传输的网络通信系统,其特征在于,所述节点图确定模块包括:
特征值确定单元,用于根据预设的拟合公式计算各待传输数据的特征值,得到以时间为序的特征值组;
数据图生成单元,用于遍历所述待传输数据,根据预设的色值条件对各像素点进行二值化处理,得到数据图;
轮廓线确定单元,用于对所述数据图进行像素点聚类,确定各类像素点的轮廓线;
比对预测单元,用于比对含有轮廓线的数据图,根据比对结果和所述特征值组确定预设数量的节点图。
CN202310114616.0A 2023-02-15 2023-02-15 一种基于数据大量传输的网络通信方法及系统 Pending CN116260970A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310114616.0A CN116260970A (zh) 2023-02-15 2023-02-15 一种基于数据大量传输的网络通信方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310114616.0A CN116260970A (zh) 2023-02-15 2023-02-15 一种基于数据大量传输的网络通信方法及系统

Publications (1)

Publication Number Publication Date
CN116260970A true CN116260970A (zh) 2023-06-13

Family

ID=86680392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310114616.0A Pending CN116260970A (zh) 2023-02-15 2023-02-15 一种基于数据大量传输的网络通信方法及系统

Country Status (1)

Country Link
CN (1) CN116260970A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117194732A (zh) * 2023-11-07 2023-12-08 山东青鸟工业互联网有限公司 一种工业互联网可信数据通信方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117194732A (zh) * 2023-11-07 2023-12-08 山东青鸟工业互联网有限公司 一种工业互联网可信数据通信方法和系统
CN117194732B (zh) * 2023-11-07 2024-02-02 山东青鸟工业互联网有限公司 一种工业互联网可信数据通信方法和系统

Similar Documents

Publication Publication Date Title
JP7372010B2 (ja) 深層学習システム
CN111079570A (zh) 一种人体关键点识别方法、装置及电子设备
CN112258512A (zh) 点云分割方法、装置、设备和存储介质
CN111723815B (zh) 模型训练方法、图像处理方法、装置、计算机系统和介质
CN113607185B (zh) 车道线信息显示方法、装置、电子设备和计算机可读介质
CN116260970A (zh) 一种基于数据大量传输的网络通信方法及系统
CN114494298A (zh) 对象分割方法、装置、设备及存储介质
CN110910375A (zh) 基于半监督学习的检测模型训练方法、装置、设备及介质
CN110717405B (zh) 人脸特征点定位方法、装置、介质及电子设备
US20220375134A1 (en) Method, device and system of point cloud compression for intelligent cooperative perception system
CN111680645B (zh) 一种垃圾分类处理方法及装置
CN117313828A (zh) 一种感知模型的迁移方法、装置、设备及介质
CN111985439A (zh) 人脸检测方法、装置、设备和存储介质
CN112654999A (zh) 标注信息的确定方法及装置
CN116912556A (zh) 图片分类方法、装置、电子设备及存储介质
CN113808134B (zh) 油罐布局信息生成方法、装置、电子设备、介质
CN116664829A (zh) 一种rgb-t语义分割方法、系统、装置及存储介质
CN115690465A (zh) 图像多标签分类方法、装置、计算机设备和存储介质
WO2019069905A1 (ja) 情報処理装置、制御方法、及びプログラム
CN114241315A (zh) 装载率的确定方法及装置、存储介质、电子装置
CN114399002A (zh) 基于图神经网络的图像场景分类方法及装置
CN113051406A (zh) 一种人物属性预测方法、装置、服务器及可读存储介质
CN113779116A (zh) 对象排序方法、相关设备及介质
CN113392861A (zh) 模型训练方法、地图绘制方法、装置、计算机设备和介质
CN110909067A (zh) 一种面向海洋多维数据的可视分析系统及方法

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