CN116320431B - 视频压缩编码数据动态无线网络传输系统 - Google Patents
视频压缩编码数据动态无线网络传输系统 Download PDFInfo
- Publication number
- CN116320431B CN116320431B CN202310273120.8A CN202310273120A CN116320431B CN 116320431 B CN116320431 B CN 116320431B CN 202310273120 A CN202310273120 A CN 202310273120A CN 116320431 B CN116320431 B CN 116320431B
- Authority
- CN
- China
- Prior art keywords
- file
- video file
- current video
- data
- algorithm
- 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
- 238000007906 compression Methods 0.000 title claims abstract description 77
- 230000006835 compression Effects 0.000 title claims abstract description 77
- 230000005540 biological transmission Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000000875 corresponding effect Effects 0.000 claims description 109
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000013144 data compression Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000003999 initiator Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods 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
- H04N19/146—Data rate or code amount at the encoder output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods 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
- H04N19/146—Data rate or code amount at the encoder output
- H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明涉及一种视频压缩编码数据动态无线网络传输系统，包括：数量分析机构，用于基于接收到的当前视频文件对应的编码后内容的数据量，确定为编码后内容的数据量提供的IP数据包的数量；信息捕获机构，用于基于确定的视频压缩算法对应的算法标识以及算法复杂度、当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量。通过本发明，能够在每一视频文件执行压缩后的无线网络传输之前，基于视频文件的属性信息以及执行压缩的视频压缩编码算法的属性信息解析视频文件的压缩数据量，进而提前为视频文件的压缩数据提供相应数量的网络数据包，从而提升了视频文件压缩管理的智能化水准。
Description
技术领域
本发明涉及数据传输领域，尤其涉及一种视频压缩编码数据动态无线网络传输系统。
背景技术
视频技术的应用范围很广，如网上可视会议、网上可视电子商务、网上政务、网上购物、网上学校、远程医疗、网上研讨会、网上展示厅、个人网上聊天、可视咨询等业务。但是，以上所有的应用都必须压缩。传输的数据量之大，单纯用扩大存储器容量、增加通信干线的传输速率的办法是不现实的，数据压缩技术是个行之有效的解决办法，通过数据压缩，可以把信息数据量压下来，以压缩形式存储、传输，既节约了存储空间，又提高了通信干线的传输效率，同时也可使计算机实时处理音频、视频信息，以保证播放出高质量的视频、音频节目。
可见，多媒体数据压缩是非常必要的。由于多媒体声音、数据、视像等信源数据有很强的相关性，也就是说有大量的冗余信息。数据压缩可以将庞大数据中的冗余信息去掉(去除数据之间的相关性)，保留相互独立的信息分量，因此，多媒体数据压缩是完全可以实现的。
视频压缩编码方法可分为两代：第一代是基于数据统计，去掉的是数据冗余，称为低层压缩编码方法；第二代是基于内容，去掉的是内容冗余，其中基于对象(Object－Based)方法称为中层压缩编码方法，其中基于语义(Syntax－Based)方法称为高层压缩编码方法。
但是，对应需要执行网络传输的视频文件来说，尤其是与其他数据一并进入同一无线网络传输链路时，由于其他数据的传输和视频文件一样，需要占用一定数量的数据包，如果在完成视频文件压缩后再执行数据包的分配，则会降低数据传输的实时性，如果提取为每一视频文件的压缩数据提供固定数量的数据包，则可能产生一些空闲数据包或者数据包数量相对不足的场景。
CN115811598A公开了一种视频会议的视频传输控制方法及系统，其中，方法包括：步骤1：当发起者发起视频会议时，获取发起者输入的视频画面请求须知信息；步骤2：当视频会议内的加入者请求接收发起者的视频画面时，向加入者推送视频画面请求须知信息；步骤3：获取加入者查看视频画面请求须知信息的查看情况；步骤4：基于查看情况，对加入者进行请求验证；步骤5：若验证通过，在视频会议内将发起者的视频画面传输给加入者。本发明的视频会议的视频传输控制方法及系统，提升了便捷性，提升用户体验，另外，避免加入者粗略查看后无意违反造成纠纷。
CN115802047A公开了一种视频数据传输方法及相关装置，涉及数据传输技术领域，包括：根据设定的分割方式分割当前帧图像，得到多个图像网格；比对所述当前帧图像的像素与上一帧图像的像素；根据比对结果，确定所述当前帧图像与所述上一帧图像存在差异的所述图像网格；将当前帧图像与上一帧图像存在差异的所述图像网格发送给客户端。该视频数据传输方法能够减少对CPU资源的占用，降低CPU的负担。
CN115802049A公开了一种视频数据编解码方法、装置以及视频数据传输系统，其中视频数据编码方法包括：获取待处理的原始视频；基于SVAC标准对原始视频进行编码处理得到SVAC码流；对SVAC码流中NALU单元的原始字节序列载荷进行解析，得到NALU单元对应的编码块数据；对编码块数据中编码头信息以及编码数据信息中的至少一者进行加密，得到原始视频对应的加密SVAC码流。本申请实施例通过对SVAC码流中NALU单元的原始字节序列载荷进行解析，获取到与视频数据内容有关的编码块数据，从而便于后续针对实际需求对编码块的头信息或者数据信息进行加密，满足了现有对视频信息中重要数据部分的精准加密的需求。
CN115802106A公开了一种视频加密传输方法、装置、电子设备及存储介质，涉及通信技术领域。获取视频会议中的待加密视频数据；基于随机数N，将所述待加密视频数据分为N块，得到N块子视频数据，所述随机数N每隔预设时长获取一次；基于所述随机数N，确定所述N块子视频数据中待进行加密的M块子视频数据，以及不进行加密的T块子视频数据；基于多种加密算法，对所述M块子视频数据中每块子视频数据进行加密，获得M块加密后的子视频数据；将所述M块加密后的子视频数据，以及所述T块子视频数据传输至所述视频会议的接收端。如此，通过多种加密算法对分块后的子视频数据进行加密，提高了视频会议中视频数据加密传输的安全性。
从现有技术中可见，没有发现能够在每一视频文件执行压缩后的无线网络传输之前，基于所述视频文件的属性信息以及执行压缩的视频压缩编码算法的属性信息解析所述视频文件的压缩数据量，进而提前为视频文件的压缩数据提供相应数量的网络数据包的技术方案。
发明内容
为了解决相关领域的技术问题，本发明提供了一种视频压缩编码数据动态无线网络传输系统，能够在每一视频文件执行压缩后的无线网络传输之前，基于所述视频文件的属性信息以及执行压缩的视频压缩编码算法的属性信息解析所述视频文件的压缩数据量，进而提前为视频文件的压缩数据提供相应数量的网络数据包，从而保证了无线网络传输的实时性，避免造成无线传输资源的浪费。
根据本发明的一方面，提供了一种视频压缩编码数据动态无线网络传输系统，所述系统包括：
数量分析机构，用于基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量；
内容存储机构，用于存储各种视频压缩算法分别对应的各个算法标识以及各个算法复杂度；
文件接收机构，与文件源设备连接，用于获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度；
信息捕获机构，分别与所述数量分析机构、所述内容存储机构以及所述文件接收机构连接，用于基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量；
模型建立机构，与所述信息捕获机构连接，用于为所述信息捕获机构建立所述人工智能模型；
其中，所述信息捕获机构还用于将采用人工智能模型分析的当前视频文件对应的编码后内容的数据量传输给所述数量分析机构；
其中，基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量包括：所述人工智能模型为完成多次训练后的深度神经网络；
其中，所述人工智能模型为完成多次训练后的深度神经网络包括：所述多次训练的次数与各种视频压缩算法对应的算法种类数量正向关联；
其中，所述人工智能模型为完成多次训练后的深度神经网络包括：所述深度神经网络包括输入层、输出层以及多个隐藏层，所述多个隐藏层的总数与各种视频压缩算法对应的算法种类数量正向关联。
通过本发明的技术方案，能够在每一视频文件执行压缩后的无线网络传输之前，基于视频文件的属性信息以及执行压缩的视频压缩编码算法的属性信息解析视频文件的压缩数据量，进而提前为视频文件的压缩数据提供相应数量的网络数据包，从而提升了视频文件压缩管理的智能化水准。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明第一实施方案示出的视频压缩编码数据动态无线网络传输系统的内部结构示意图。
图2为根据本发明第二实施方案示出的视频压缩编码数据动态无线网络传输系统的内部结构示意图。
图3为根据本发明第三实施方案示出的视频压缩编码数据动态无线网络传输系统的内部结构示意图。
具体实施方式
下面将参照附图对本发明的视频压缩编码数据动态无线网络传输方法的实施方案进行详细说明。
实施例一
图1为根据本发明第一实施方案示出的视频压缩编码数据动态无线网络传输系统的内部结构示意图，所述系统包括：
数量分析机构，用于基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量；
内容存储机构，用于存储各种视频压缩算法分别对应的各个算法标识以及各个算法复杂度；
文件接收机构，与文件源设备连接，用于获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度；
信息捕获机构，分别与所述数量分析机构、所述内容存储机构以及所述文件接收机构连接，用于基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量；
模型建立机构，与所述信息捕获机构连接，用于为所述信息捕获机构建立所述人工智能模型；
其中，所述信息捕获机构还用于将采用人工智能模型分析的当前视频文件对应的编码后内容的数据量传输给所述数量分析机构；
其中，基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量包括：所述人工智能模型为完成多次训练后的深度神经网络；
其中，所述人工智能模型为完成多次训练后的深度神经网络包括：所述多次训练的次数与各种视频压缩算法对应的算法种类数量正向关联；
其中，所述人工智能模型为完成多次训练后的深度神经网络包括：所述深度神经网络包括输入层、输出层以及多个隐藏层，所述多个隐藏层的总数与各种视频压缩算法对应的算法种类数量正向关联。
实施例二
图2为根据本发明第二实施方案示出的视频压缩编码数据动态无线网络传输系统的内部结构示意图。
在图2中，与图1不同，图2中的视频压缩编码数据动态无线网络传输系统还可以包括以下组件：
现场显示设备，与所述数量分析机构连接，用于接收并显示为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量。
实施例三
图3为根据本发明第三实施方案示出的视频压缩编码数据动态无线网络传输系统的内部结构示意图。
在图3中，与图1不同，图3中的视频压缩编码数据动态无线网络传输系统还可以包括以下组件：
模型存储设备，与所述模型建立机构连接，用于存储所述模型建立机构为所述信息捕获机构建立的人工智能模型；
其中，存储所述模型建立机构为所述信息捕获机构建立的人工智能模型包括：通过存储所述模型建立机构为所述信息捕获机构建立的人工智能模型对应的各项模型参数实现对所述人工智能模型的存储。
接着，继续对本发明的视频压缩编码数据动态无线网络传输系统的具体结构进行进一步的说明。
在根据本发明的各个实施方案的视频压缩编码数据动态无线网络传输系统中：
为所述信息捕获机构建立所述人工智能模型包括：对所述深度神经网络执行多次训练以获得完成多次训练后的深度神经网络。
在根据本发明的各个实施方案的视频压缩编码数据动态无线网络传输系统中：
获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度包括：所述当前视频文件对应的文件数据量为所述当前视频文件对应的二进制码流的二进制位数；
其中，获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度包括：所述当前视频文件对应的文件帧数为所述当前视频文件包括的图像帧的总数；
其中，获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度包括：所述当前视频文件对应的平均解析度为所述当前视频文件包括的各个图像帧分别对应的各个解析度的算术平均值。
在根据本发明的各个实施方案的视频压缩编码数据动态无线网络传输系统中：
基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量包括：确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度为所述人工智能模型的多项输入内容；
其中，基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量包括：当前视频文件对应的编码后内容的数据量为执行所述人工智能模型后所述人工智能模型的输出内容。
在根据本发明的各个实施方案的视频压缩编码数据动态无线网络传输系统中：
基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量包括：接收到的当前视频文件对应的编码后内容的数据量越多，确定的为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量越多；
其中，基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量包括：基于单个IP数据包的最大负载数量确定接收到的当前视频文件对应的编码后内容的数据量与为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量的对应关系。
另外，在所述视频压缩编码数据动态无线网络传输系统中，获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度包括：获取所述文件源设备发送的待执行基于时分双工通信模式的无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度。
采用本发明的视频压缩编码数据动态无线网络传输系统，针对现有技术中视频文件压缩数据执行无线网络传输时传输资源难以提前配置的技术问题，能够在每一视频文件执行压缩后的无线网络传输之前，基于视频文件的属性信息以及执行压缩的视频压缩编码算法的属性信息解析视频文件的压缩数据量，进而提前为视频文件的压缩数据提供相应数量的网络数据包，从而提升了视频文件压缩管理的智能化水准。
由此可见，本发明至少具备以下三处重要的发明点：
首先、基于确定的为当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量，从而为后续的自适应压缩文件数据的无线网络传输策略提供重要信息；
其次、基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量，从而实现无线网络传输策略的提前配置；
再次、采用的人工智能模型的结构定制之处在于，所述人工智能模型为完成多次训练后的深度神经网络，所述多次训练的次数与各种视频压缩算法对应的算法种类数量正向关联，以及所述深度神经网络包括输入层、输出层以及多个隐藏层，所述多个隐藏层的总数与各种视频压缩算法对应的算法种类数量同样正向关联，从而保证了数据量分析的可靠性和有效性。
可以理解的是，虽然本发明已以较佳实施方案披露如上，然而上述实施方案并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施方案。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施方案所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (8)
1.一种视频压缩编码数据动态无线网络传输系统，其特征在于，所述系统包括：
数量分析机构，用于基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量；
内容存储机构，用于存储各种视频压缩算法分别对应的各个算法标识以及各个算法复杂度；
文件接收机构，与文件源设备连接，用于获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度；
其中，所述当前视频文件对应的平均解析度为所述当前视频文件包括的各个图像帧分别对应的各个解析度的算术平均值；
信息捕获机构，分别与所述数量分析机构、所述内容存储机构以及所述文件接收机构连接，用于基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量；
模型建立机构，与所述信息捕获机构连接，用于为所述信息捕获机构建立所述人工智能模型；
其中，所述信息捕获机构还用于将采用人工智能模型分析的当前视频文件对应的编码后内容的数据量传输给所述数量分析机构；
其中，基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量包括：所述人工智能模型为完成多次训练后的深度神经网络；
其中，所述人工智能模型为完成多次训练后的深度神经网络包括：所述多次训练的次数与各种视频压缩算法对应的算法种类数量正向关联；
其中，所述人工智能模型为完成多次训练后的深度神经网络包括：所述深度神经网络包括输入层、输出层以及多个隐藏层，所述多个隐藏层的总数与各种视频压缩算法对应的算法种类数量正向关联。
2.如权利要求1所述的视频压缩编码数据动态无线网络传输系统，其特征在于，所述系统还包括：
现场显示设备，与所述数量分析机构连接，用于接收并显示为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量。
3.如权利要求1所述的视频压缩编码数据动态无线网络传输系统，其特征在于，所述系统还包括：
模型存储设备，与所述模型建立机构连接，用于存储所述模型建立机构为所述信息捕获机构建立的人工智能模型；
其中，存储所述模型建立机构为所述信息捕获机构建立的人工智能模型包括：通过存储所述模型建立机构为所述信息捕获机构建立的人工智能模型对应的各项模型参数实现对所述人工智能模型的存储。
4.如权利要求1-3任一所述的视频压缩编码数据动态无线网络传输系统，其特征在于：
获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度包括：所述当前视频文件对应的文件数据量为所述当前视频文件对应的二进制码流的二进制位数。
5.如权利要求4所述的视频压缩编码数据动态无线网络传输系统，其特征在于：
获取所述文件源设备发送的待执行无线网络传输的当前视频文件，并提供所述当前视频文件对应的文件数据量、文件帧数以及平均解析度包括：所述当前视频文件对应的文件帧数为所述当前视频文件包括的图像帧的总数。
6.如权利要求1-3任一所述的视频压缩编码数据动态无线网络传输系统，其特征在于：
基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量包括：确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度为所述人工智能模型的多项输入内容。
7.如权利要求6所述的视频压缩编码数据动态无线网络传输系统，其特征在于：
基于确定的为所述当前视频文件执行的视频压缩算法对应的算法标识以及算法复杂度、所述当前视频文件对应的文件数据量、文件帧数以及平均解析度采用人工智能模型分析当前视频文件对应的编码后内容的数据量包括：当前视频文件对应的编码后内容的数据量为执行所述人工智能模型后所述人工智能模型的输出内容。
8.如权利要求1-3任一所述的视频压缩编码数据动态无线网络传输系统，其特征在于：
基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量包括：接收到的当前视频文件对应的编码后内容的数据量越多，确定的为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量越多；
其中，基于接收到的当前视频文件对应的编码后内容的数据量，确定为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量包括：基于单个IP数据包的最大负载数量确定接收到的当前视频文件对应的编码后内容的数据量与为所述当前视频文件对应的编码后内容的数据量提供的IP数据包的数量的对应关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310273120.8A CN116320431B (zh) | 2023-03-20 | 2023-03-20 | 视频压缩编码数据动态无线网络传输系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310273120.8A CN116320431B (zh) | 2023-03-20 | 2023-03-20 | 视频压缩编码数据动态无线网络传输系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116320431A CN116320431A (zh) | 2023-06-23 |
| CN116320431B true CN116320431B (zh) | 2024-03-01 |
Family
ID=86792166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310273120.8A Active CN116320431B (zh) | 2023-03-20 | 2023-03-20 | 视频压缩编码数据动态无线网络传输系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116320431B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116781910A (zh) * | 2023-07-03 | 2023-09-19 | 江苏汇智达信息科技有限公司 | 基于神经网络算法的信息转换系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5805222A (en) * | 1996-03-29 | 1998-09-08 | Fujitsu Limited | Video coding apparatus |
| JP2004289629A (ja) * | 2003-03-24 | 2004-10-14 | Toshiba Corp | 画像データ送出装置および画像データ送出方法 |
| WO2011054208A1 (zh) * | 2009-11-04 | 2011-05-12 | 腾讯科技（深圳）有限公司 | 一种媒体文件的压缩方法和系统 |
| CN103179402A (zh) * | 2013-03-19 | 2013-06-26 | 中国科学院半导体研究所 | 一种视频压缩编码与解码方法及其装置 |
| CN105489194A (zh) * | 2015-11-24 | 2016-04-13 | 小米科技有限责任公司 | 一种显示图像的方法和装置 |
| WO2016101305A1 (zh) * | 2014-12-26 | 2016-06-30 | 深圳Tcl数字技术有限公司 | 视频文件处理方法及显示装置 |
| CN113676730A (zh) * | 2021-08-12 | 2021-11-19 | 北京百度网讯科技有限公司 | 视频编码方法、装置、电子设备和存储介质 |
| CN114245127A (zh) * | 2021-12-13 | 2022-03-25 | 北京百度网讯科技有限公司 | 一种云桌面编码器的参数调整方法、装置、设备及介质 |
| CN115550666A (zh) * | 2021-06-29 | 2022-12-30 | 北京京东方技术开发有限公司 | 用于视频数据的编码方法、解码方法、计算设备和介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4849297B2 (ja) * | 2005-04-26 | 2012-01-11 | ソニー株式会社 | 符号化装置および方法、復号装置および方法、並びにプログラム |
-
2023
- 2023-03-20 CN CN202310273120.8A patent/CN116320431B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5805222A (en) * | 1996-03-29 | 1998-09-08 | Fujitsu Limited | Video coding apparatus |
| JP2004289629A (ja) * | 2003-03-24 | 2004-10-14 | Toshiba Corp | 画像データ送出装置および画像データ送出方法 |
| WO2011054208A1 (zh) * | 2009-11-04 | 2011-05-12 | 腾讯科技（深圳）有限公司 | 一种媒体文件的压缩方法和系统 |
| CN103179402A (zh) * | 2013-03-19 | 2013-06-26 | 中国科学院半导体研究所 | 一种视频压缩编码与解码方法及其装置 |
| WO2016101305A1 (zh) * | 2014-12-26 | 2016-06-30 | 深圳Tcl数字技术有限公司 | 视频文件处理方法及显示装置 |
| CN105489194A (zh) * | 2015-11-24 | 2016-04-13 | 小米科技有限责任公司 | 一种显示图像的方法和装置 |
| CN115550666A (zh) * | 2021-06-29 | 2022-12-30 | 北京京东方技术开发有限公司 | 用于视频数据的编码方法、解码方法、计算设备和介质 |
| CN113676730A (zh) * | 2021-08-12 | 2021-11-19 | 北京百度网讯科技有限公司 | 视频编码方法、装置、电子设备和存储介质 |
| CN114245127A (zh) * | 2021-12-13 | 2022-03-25 | 北京百度网讯科技有限公司 | 一种云桌面编码器的参数调整方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116320431A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116320431B (zh) | 视频压缩编码数据动态无线网络传输系统 | |
| Li et al. | Robust batch steganography in social networks with non-uniform payload and data decomposition | |
| CN111931678A (zh) | 一种视频信息处理方法、装置、电子设备及存储介质 | |
| CN101005611B (zh) | 一种网吧视频监控和实名拍照系统及装置 | |
| CN106937127B (zh) | 一种智能搜索准备的显示方法及其系统 | |
| CN110139128A (zh) | 一种信息处理方法、拦截器、电子设备及存储介质 | |
| CN110719526B (zh) | 视频播放方法及装置 | |
| CN113068059B (zh) | 视频直播方法、装置、设备及存储介质 | |
| CN113259621B (zh) | 一种云会议分步录制方法及系统 | |
| TWI806479B (zh) | 點雲編解碼方法、裝置、電腦可讀介質及電子設備 | |
| CN114390318B (zh) | 一种用户数据加解密方法、装置及电子设备 | |
| EP3985989A1 (en) | Detection of modification of an item of content | |
| US20220012276A1 (en) | Device and method to render multimedia data stream tamper-proof based on block chain recording | |
| Janu et al. | Development of an efficient real-time H. 264/AVC advanced video compression encryption scheme | |
| CN111432271B (zh) | 一种多屏交互方法及其系统 | |
| CN112383737A (zh) | 多人在线内容同屏的视频处理验证方法、装置和电子设备 | |
| CN112822156B (zh) | 一种机密信息监管系统及方法 | |
| CN116456136B (zh) | 一种基于国产化的设备投屏方法及装置 | |
| CN115086730B (zh) | 签约视频生成方法、系统、计算机设备及介质 | |
| CN115150368B (zh) | 媒体文件的关联处理方法、装置、介质及电子设备 | |
| Satrio et al. | Hiding Document Format Files Using Video Steganography Techniques with Least Significant Bit Method | |
| CN114584580A (zh) | 一种基于医学影像的无损智能会诊方法及系统 | |
| CN114302178A (zh) | 形象模型文件传输方法及装置 | |
| CN114339282A (zh) | 直播互动中主播形象图片的传输方法及装置 | |
| CN116456129A (zh) | 直播视频流的处理方法、装置、播放方法及电子设备 |
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: 20240204 Address after: 518000, Building 2111, East Coast Times Apartment, No. 12069 Shennan Avenue, Honghuayuan Community, Nantou Street, Nanshan District, Shenzhen, Guangdong Province Applicant after: Shenzhen Hezhong Cultural Communication Co.,Ltd. Country or region after: China Address before: Room 1515, Office Building, Beijing Science and Technology Exhibition Center, No. 48 North Third Ring West Road, Haidian District, Beijing, 100081 Applicant before: Duan Junjie Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |