CN116600090B - 一种用于ipc网络摄像头的运维管控方法及系统 - Google Patents
一种用于ipc网络摄像头的运维管控方法及系统 Download PDFInfo
- Publication number
- CN116600090B CN116600090B CN202310871976.5A CN202310871976A CN116600090B CN 116600090 B CN116600090 B CN 116600090B CN 202310871976 A CN202310871976 A CN 202310871976A CN 116600090 B CN116600090 B CN 116600090B
- Authority
- CN
- China
- Prior art keywords
- video
- target
- target computers
- network camera
- transmission
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012423 maintenance Methods 0.000 title claims abstract description 40
- 230000005540 biological transmission Effects 0.000 claims abstract description 129
- 238000012545 processing Methods 0.000 claims abstract description 92
- 238000003066 decision tree Methods 0.000 claims description 25
- 230000006835 compression Effects 0.000 claims description 20
- 238000007906 compression Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 17
- 238000007726 management method Methods 0.000 description 18
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- H04N19/156—Availability of hardware or computational resources, e.g. encoding based on power-saving criteria
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种用于IPC网络摄像头的运维管控方法及系统,涉及数据处理领域,其中,所述方法包括:根据IPC网络摄像头的功能属性,确定第一网络交换设备待传输的多个目标计算机;通过对多个目标计算机的端口分布特征和视频处理参数进行识别,生成动态约束条件;通过IPC网络摄像头采集目标区域的视频信号集;按照动态约束条件对视频信号集进行视频编码,获取信号编码处理结果;将信号编码处理结果传输至多个目标计算机。解决了现有技术中IPC网络摄像头的运维管控准确性低,导致IPC网络摄像头的视频传输效果不佳的技术问题。达到了提升IPC网络摄像头的视频传输质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种用于IPC网络摄像头的运维管控方法及系统。
背景技术
IPC网络摄像头是一种结合传统摄像机与网络技术所产生的智能网络摄像机。IPC网络摄像头在传统摄像机的基础上,增加了音视频编码压缩功能,并通过网口将压缩后的数据发送到网络上。网络上的用户可以直接用浏览器观看IPC网络摄像头发送过来的图像。IPC网络摄像头已广泛应用于教育、商业、医疗等行业的安防监控领域。
现有技术中,存在IPC网络摄像头的运维管控准确性低,导致IPC网络摄像头的视频传输效果不佳的技术问题。
发明内容
本申请提供了一种用于IPC网络摄像头的运维管控方法及系统。解决了现有技术中IPC网络摄像头的运维管控准确性低,导致IPC网络摄像头的视频传输效果不佳的技术问题。达到了提高IPC网络摄像头的运维管控的准确性、全面性,提高IPC网络摄像头的视频传输的时效性、精确度,提升IPC网络摄像头的视频传输质量的技术效果。
鉴于上述问题,本申请提供了一种用于IPC网络摄像头的运维管控方法及系统。
第一方面,本申请提供了一种用于IPC网络摄像头的运维管控方法,其中,所述方法应用于一种用于IPC网络摄像头的运维管控系统,所述方法包括:获取IPC网络摄像头的第一网络交换设备;根据所述IPC网络摄像头的功能属性,确定所述第一网络交换设备待传输的多个目标计算机;获取所述多个目标计算机的端口分布特征,以及所述多个目标计算机的视频处理参数;通过对所述多个目标计算机的端口分布特征和所述视频处理参数进行识别,生成动态约束条件;通过所述IPC网络摄像头采集目标区域的视频信号集;按照所述动态约束条件对所述视频信号集进行视频编码,获取信号编码处理结果,其中,所述信号编码处理结果中包括已处理的视频信号集,和用于还原视频信号的解码数据集;将所述信号编码处理结果传输至所述多个目标计算机。
第二方面,本申请还提供了一种用于IPC网络摄像头的运维管控系统,其中,所述系统包括:网络交换设备获取模块,所述网络交换设备获取模块用于获取IPC网络摄像头的第一网络交换设备;目标计算机确定模块,所述目标计算机确定模块用于根据所述IPC网络摄像头的功能属性,确定所述第一网络交换设备待传输的多个目标计算机;特征参数获取模块,所述特征参数获取模块用于获取所述多个目标计算机的端口分布特征,以及所述多个目标计算机的视频处理参数;约束条件生成模块,所述约束条件生成模块用于通过对所述多个目标计算机的端口分布特征和所述视频处理参数进行识别,生成动态约束条件;视频信号采集模块,所述视频信号采集模块用于通过所述IPC网络摄像头采集目标区域的视频信号集;视频编码模块,所述视频编码模块用于按照所述动态约束条件对所述视频信号集进行视频编码,获取信号编码处理结果,其中,所述信号编码处理结果中包括已处理的视频信号集,和用于还原视频信号的解码数据集;传输模块,所述传输模块用于将所述信号编码处理结果传输至所述多个目标计算机。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过IPC网络摄像头的功能属性,确定第一网络交换设备的多个目标计算机;基于多个目标计算机的端口分布特征、视频处理参数进行识别,生成动态约束条件;通过IPC网络摄像头采集目标区域的视频信号集;按照动态约束条件对视频信号集进行视频编码,获取信号编码处理结果;将信号编码处理结果传输至多个目标计算机。达到了提高IPC网络摄像头的运维管控的准确性、全面性,提高IPC网络摄像头的视频传输的时效性、精确度,提升IPC网络摄像头的视频传输质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种用于IPC网络摄像头的运维管控方法的流程示意图;
图2为本申请一种用于IPC网络摄像头的运维管控方法中生成动态约束条件的流程示意图;
图3为本申请一种用于IPC网络摄像头的运维管控系统的结构示意图。
附图标记说明:网络交换设备获取模块11,目标计算机确定模块12,特征参数获取模块13,约束条件生成模块14,视频信号采集模块15,视频编码模块16,传输模块17。
具体实施方式
本申请通过提供一种用于IPC网络摄像头的运维管控方法及系统。解决了现有技术中IPC网络摄像头的运维管控准确性低,导致IPC网络摄像头的视频传输效果不佳的技术问题。达到了提高IPC网络摄像头的运维管控的准确性、全面性,提高IPC网络摄像头的视频传输的时效性、精确度,提升IPC网络摄像头的视频传输质量的技术效果。
实施例一
请参阅附图1,本申请提供一种用于IPC网络摄像头的运维管控方法,其中,所述方法应用于一种用于IPC网络摄像头的运维管控系统,所述方法具体包括如下步骤:
步骤S100:获取IPC网络摄像头的第一网络交换设备;
步骤S200:根据所述IPC网络摄像头的功能属性,确定所述第一网络交换设备待传输的多个目标计算机;
具体而言,基于IPC网络摄像头,确定IPC网络摄像头的第一网络交换设备和功能属性,并根据功能属性,获得第一网络交换设备对应的多个目标计算机。其中,IPC网络摄像头为目标区域内的网络摄像机。目标区域可以使用所述一种用于IPC网络摄像头的运维管控系统进行智能化IPC网络摄像头运维管理的任意区域。第一网络交换设备可以为IPC网络摄像头对应的任意网络交换机。网络交换机是一种扩展网络的设备,它可以为IPC网络摄像头提供更多的连接端口,以便IPC网络摄像头连接更多的计算机,提高IPC网络摄像头的运维管控的兼容性。网络交换机具有高性价比、高灵活性、相对简单和易于实现的特点。功能属性包括IPC网络摄像头对应的多个用户的类型、计算机数量、计算机型号等数据信息。多个目标计算机包括功能属性中的多个用户对应的多个计算机。达到了确定IPC网络摄像头的第一网络交换设备和功能属性,并确定第一网络交换设备待传输的多个目标计算机,为后续对多个目标计算机进行视频信号传输奠定基础的技术效果。
步骤S300:获取所述多个目标计算机的端口分布特征,以及所述多个目标计算机的视频处理参数;
步骤S400:通过对所述多个目标计算机的端口分布特征和所述视频处理参数进行识别,生成动态约束条件;
进一步的,如附图2所示,本申请步骤S400还包括:
步骤S410:根据所述多个目标计算机的端口分布特征,生成第一约束条件;
步骤S420:获取所述多个目标计算机对应的视频处理参数,其中,所述视频处理参数包括视频接收容量、视频接收格式、视频安全算法以及可支持预处理模式;
步骤S430:根据所述视频处理参数,生成第二约束条件;
步骤S440:以所述第一约束条件和所述第二约束条件,生成所述动态约束条件,用于对输入各个计算机的视频数据进行云台约束处理。
具体而言,遍历多个目标计算机进行端口参数、视频处理参数查询,获得多个目标计算机的端口分布特征、视频处理参数。其中,端口分布特征包括每个目标计算机对应的多个计算机端口号。示例性地,基于本领域技术人员进行确认,一个计算机可以具有65535个计算机端口号。其中,0-1023是公认端口号,即已经公认定义或为将要公认定义的软件保留的端口。而1024-65535是并没有公共定义的端口号,用户可以自定义这些端口的作用。例如,当计算机端口号为25时,表明该端口是为SMTP服务器所开放的端口,用于发送邮件。视频处理参数包括每个目标计算机对应的视频接收容量、视频接收格式、视频安全算法、可支持预处理模式。视频接收容量包括每个目标计算机可以接收的视频容量范围信息。视频接收格式包括每个目标计算机可以接收的视频格式参数。例如,视频接收格式包括rmvb、mp4等。视频安全算法包括每个目标计算机对应的视频加密算法。可支持预处理模式包括每个目标计算机对应的视频预处理算法。例如,可支持预处理模式包括视频灰度化、视频去噪、视频分割等。
进一步,将端口分布特征设置为第一约束条件,将视频处理参数设置为第二约束条件。基于第一约束条件和第二约束条件,生成动态约束条件。其中,动态约束条件包括第一约束条件和第二约束条件。动态约束条件用于对输入各个计算机的视频数据进行云台约束处理,具体地,第一约束条件用于根据所开放的端口地址,对视频数据进行记录,并存储至云台中作为日志数据,第二约束条件用于根据目标计算机的数据接收条件,预先在云台中对视频数据进行存储和处理,满足目标计算机的需求指令。达到了通过对多个目标计算机的端口分布特征和视频处理参数进行识别,生成动态约束条件,从而提高IPC网络摄像头的运维管控准确性的技术效果。
步骤S500:通过所述IPC网络摄像头采集目标区域的视频信号集;
步骤S600:按照所述动态约束条件对所述视频信号集进行视频编码,获取信号编码处理结果,其中,所述信号编码处理结果中包括已处理的视频信号集,和用于还原视频信号的解码数据集;
具体而言,通过IPC网络摄像头对目标区域进行实时监测,获得视频信号集。按照动态约束条件对视频信号集进行视频编码,获取信号编码处理结果。其中,视频信号集包括IPC网络摄像头采集的目标区域的实时视频信息。信号编码处理结果包括已处理的视频信号集,以及用于还原视频信号的解码数据集。已处理的视频信号集包括视频编码后的视频信号集。解码数据集包括已处理的视频信号集对应的解码标识信息。
视频编码是指通过现有的视频压缩技术对视频信号集进行视频格式转换。示例性地,通过现有的视频压缩算法将视频信号集转换为动态约束条件中每个目标计算机对应的视频接收格式,即可获得已处理的视频信号集。同时,按照视频压缩算法对已处理的视频信号集进行解码信息标识,获得解码数据集。
达到了通过动态约束条件对视频信号集进行视频编码,获取信号编码处理结果,从而提高IPC网络摄像头的视频传输效率的技术效果。
进一步的,本申请步骤S500还包括:
步骤S510:将所述视频信号集进行重点区域划分,得到多级重点区域分别对应的多区块视频信号集;
步骤S520:将所述多区块视频信号集传输至所述第一云台处理模块进行处理,包括保存时长以及压缩指数,根据所述保存时长以及压缩指数进行视频备份存储。
具体而言,通过对目标区域进行重点区域标识,获得多级重点区域,根据重点区域的标识可以将对应视频数据在所述第一云台处理模块中的保存时长进行区分设置,即重点区域的视频监控能够具有较高的保存时长,以及最小化压缩损失,以使得数据保持清晰度和准确度,再按照多级重点区域对视频信号集进行匹配,获得多区块视频信号集。继而,将多区块视频信号集上传至第一云台处理模块,第一云台处理模块包括预先设置确定的视频备份存储的保存时长、压缩指数。第一云台处理模块根据保存时长、压缩指数对多区块视频信号集进行视频备份存储。从而提高IPC网络摄像头的运维管控的全面性。其中,多区块视频信号集包括视频信号集中,多级重点区域对应的视频信息。保存时长包括预先设置确定的视频备份存储时长信息。压缩指数包括预先设置确定的视频备份存储压缩容量。压缩指数可用于表征多区块视频信号集的压缩程度。压缩指数越大,对应的多区块视频信号集的压缩程度越大。所述第一云台处理模块包括于IPC网络摄像头。所述第一云台处理模块具有对多区块视频信号集进行视频压缩、视频备份存储的功能。
示例性地,在对目标区域进行重点区域标识时,按照目标区域的结构组成,对目标区域进行区域划分,获得M个栅格区域。且,M为大于1的正整数。对M个栅格区域进行历史预警频率采集,获得M个预警触发频率。每个预警触发频率包括每个栅格区域对应的历史预警次数。基于M个预警触发频率进行加和计算,获得总预警触发频率。将M个预警触发频率与总预警触发频率之间的比值输出为M个区域关注标识系数。分别判断M个区域关注标识系数是否大于/等于预先设置确定的区域关注标识系数阈值。将大于/等于区域关注标识系数阈值的多个区域关注标识系数对应的多个栅格区域标识为多级重点区域。
步骤S700:将所述信号编码处理结果传输至所述多个目标计算机。
进一步的,本申请步骤S700还包括:
步骤S710:判断所述多个目标计算机是否为同步传输指令;
步骤S720:当所述多个目标计算机为非同步传输指令,获取所述多个目标计算机的目标地址;
具体而言,多个目标计算机包括预先设置确定的传输指令。传输指令为同步传输指令/非同步传输指令。当传输指令为非同步传输指令时,遍历多个目标计算机进行地址查询,获得目标地址。其中,同步传输指令是用于表征需要对多个目标计算机进行信号编码处理结果的同步传输的指令信息。非同步传输指令是用于表征不需要对多个目标计算机进行信号编码处理结果的同步传输的指令信息。目标地址包括每个目标计算机对应的IP地址。
步骤S730:根据所述多个目标计算机的目标地址进行路径寻优,输出第一传输路径;
进一步的,本申请步骤S730还包括:
步骤S731:获取所述多个目标计算机的连接关系网;
步骤S732:根据所述连接关系网对所述多个目标计算机的目标地址进行路径寻优,所述路径寻优包括获取所述连接关系网中的孤立计算机节点,将所述孤立计算机节点作为一级叶节点,以及根据所述连接关系网中剩余的目标计算机搭建决策树;
进一步的,本申请步骤S732还包括:
步骤S7321:将所述孤立计算机节点作为一级叶节点,获取所述一级叶节点中各个叶节点对应的集合,其中,每个集合中所包括的计算机均可与对应的叶节点连接;
步骤S7322:对所述各个叶节点对应的集合进行传输复杂度计算,确定传输复杂度小于一级预设传输复杂度的多个子节点,将所述多个子节点作为对应叶节点的分支,以此类推,搭建所述决策树。
具体而言,基于多个目标计算机,获得连接关系网。其中,连接关系网包括孤立计算机节点和多个关联计算机节点。多个关联计算机节点包括具有连接关系的多个目标计算机。孤立计算机节点包括与多个关联计算机节点不具有连接关系的目标计算机。
进一步,将孤立计算机节点作为一级叶节点,基于连接关系网,获得一级叶节点中各个叶节点对应的集合。其中,各个叶节点对应的集合包括连接关系网中,一级叶节点可以传输数据的多个关联计算机节点。即,各个叶节点对应的集合包括孤立计算机节点可以传输数据的多个关联计算机节点中的多个目标计算机。继而,对各个叶节点对应的集合进行传输复杂度计算,获得多个传输复杂度。对多个传输复杂度是否小于一级预设传输复杂度进行判断。当传输复杂度小于一级预设传输复杂度时,将各个叶节点对应的集合中,该传输复杂度对应的关联计算机节点设置为子节点。将该子节点作为对应的一级叶节点的分支,以此类推,搭建决策树。其中,所述决策树包括一级叶节点,以及一级叶节点对应的多个分支。多个分支包括多个子节点。多个子节点包括各个叶节点对应的集合中,小于一级预设传输复杂度的多个传输复杂度对应的多个关联计算机节点。一级预设传输复杂度包括预先设置确定的传输复杂度阈值。
示例性地,在对各个叶节点对应的集合进行传输复杂度计算时,分别将各个叶节点对应的集合中的每一个关联计算机节点设置为第一关联计算机节点。基于动态约束条件对第一关联计算机节点、孤立计算机节点进行匹配,获得关联计算机传输特征、孤立计算机传输特征。关联计算机传输特征包括动态约束条件中,第一关联计算机节点对应的端口分布特征、视频处理参数。孤立计算机传输特征包括动态约束条件中,孤立计算机节点对应的端口分布特征、视频处理参数。将关联计算机传输特征、孤立计算机传输特征进行相似度分析,获得关联-孤立传输特征相似度。将关联-孤立传输特征相似度对应的倒数输出为第一关联计算机节点对应的传输复杂度。关联计算机传输特征与孤立计算机传输特征之间的相似程度越高,对应的关联-孤立传输特征相似度越大,对应的传输复杂度越小。
达到了通过对多个目标计算机的连接关系网进行分析,构建决策树,从而提高对多个目标计算机的目标地址进行路径寻优的精准性的技术效果。
步骤S733:基于所述决策树进行路径寻优,输出第一传输路径。
进一步的,本申请步骤S733还包括:
步骤S7331:获取所述多个目标计算机的传输紧急指数;
步骤S7332:当所述传输紧急指数大于预设传输紧急指数,生成深度优先搜索指令,按照所述深度优先搜索指令对所述决策树进行遍历,输出节点遍历结果;
步骤S7333:根据所述节点遍历结果,输出所述第一传输路径。
步骤S740:按照所述第一传输路径,将所述信号编码处理结果传输至所述多个目标计算机。
具体而言,基于多个目标计算机进行传输时限采集,获得多个目标计算机的传输紧急指数。所述传输紧急指数包括每个目标计算机对应的传输时限。进一步,分别判断每个目标计算机对应的传输时限是否大于预设传输紧急指数。当目标计算机对应的传输时限大于预设传输紧急指数时,所述一种用于IPC网络摄像头的运维管控系统自动生成深度优先搜索指令,按照深度优先搜索指令对决策树进行遍历,输出节点遍历结果。根据节点遍历结果,获得第一传输路径,并根据第一传输路径将信号编码处理结果传输至多个目标计算机。其中,预设传输紧急指数包括预先设置确定的传输时限阈值。深度优先搜索指令是用于表征传输时限大于预设传输紧急指数,需要对该传输时限对应的目标计算机进行优先数据传输的指令信息。所述第一传输路径包括节点遍历结果。
示例性地,在根据深度优先搜索指令对决策树进行遍历时,按照优先传输地址、目标地址对决策树进行标识,获得标识决策树。优先传输地址包括大于预设传输紧急指数的传输时限对应的目标计算机的IP地址。当多个传输时限大于预设传输紧急指数时,则,按照这多个传输时限的紧急程度,将这多个传输时限对应的多个目标计算机的多个IP地址标识为一级优先传输地址、二级优先传输地址……K级优先传输地址。传输时限越小,则,该传输时限的紧急程度越高,对应的IP地址的优先传输级别越高。
基于标识决策树进行大数据查询,获得多组构建数据。每组构建数据包括历史标识决策树、历史节点遍历结果。将多组构建数据中随机的70%的数据信息划分为训练数据集。将多组构建数据中随机的30%的数据信息划分为测试数据集。基于BP神经网络对训练数据集进行交叉监督训练,获得路径寻优模型。将测试数据集作为输入信息,输入路径寻优模型,通过测试数据集对路径寻优模型进行参数更新。BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。BP神经网络可以进行正向计算、反向计算。正向计算时,输入信息从输入层经过多层神经元逐层处理,转向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向计算,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小。路径寻优模型包括输入层、隐含层、输出层。将标识决策树输入路径寻优模型,通过路径寻优模型对标识决策树进行传输路径规划,获得节点遍历结果。节点遍历结果包括将信号编码处理结果传输至多个目标计算机对应的传输路径。
达到了通过对决策树进行路径寻优,输出第一传输路径,提高IPC网络摄像头的数据传输时效性,提升IPC网络摄像头的视频传输效果的技术效果。
综上所述,本申请所提供的一种用于IPC网络摄像头的运维管控方法具有如下技术效果:
1.通过IPC网络摄像头的功能属性,确定第一网络交换设备的多个目标计算机;基于多个目标计算机的端口分布特征、视频处理参数进行识别,生成动态约束条件;通过IPC网络摄像头采集目标区域的视频信号集;按照动态约束条件对视频信号集进行视频编码,获取信号编码处理结果;将信号编码处理结果传输至多个目标计算机。达到了提高IPC网络摄像头的运维管控的准确性、全面性,提高IPC网络摄像头的视频传输的时效性、精确度,提升IPC网络摄像头的视频传输质量的技术效果。
2.通过对多个目标计算机的连接关系网进行分析,构建决策树,从而提高对多个目标计算机的目标地址进行路径寻优的精准性。
实施例二
基于与前述实施例中一种用于IPC网络摄像头的运维管控方法,同样发明构思,本发明还提供了一种用于IPC网络摄像头的运维管控系统,请参阅附图3,所述系统包括:
网络交换设备获取模块11,所述网络交换设备获取模块11用于获取IPC网络摄像头的第一网络交换设备;
目标计算机确定模块12,所述目标计算机确定模块12用于根据所述IPC网络摄像头的功能属性,确定所述第一网络交换设备待传输的多个目标计算机;
特征参数获取模块13,所述特征参数获取模块13用于获取所述多个目标计算机的端口分布特征,以及所述多个目标计算机的视频处理参数;
约束条件生成模块14,所述约束条件生成模块14用于通过对所述多个目标计算机的端口分布特征和所述视频处理参数进行识别,生成动态约束条件;
视频信号采集模块15,所述视频信号采集模块15用于通过所述IPC网络摄像头采集目标区域的视频信号集;
视频编码模块16,所述视频编码模块16用于按照所述动态约束条件对所述视频信号集进行视频编码,获取信号编码处理结果,其中,所述信号编码处理结果中包括已处理的视频信号集,和用于还原视频信号的解码数据集;
传输模块17,所述传输模块17用于将所述信号编码处理结果传输至所述多个目标计算机。
进一步的,所述系统还包括:
判断模块,所述判断模块用于判断所述多个目标计算机是否为同步传输指令;
地址获取模块,所述地址获取模块用于当所述多个目标计算机为非同步传输指令,获取所述多个目标计算机的目标地址;
路径寻优模块,所述路径寻优模块用于根据所述多个目标计算机的目标地址进行路径寻优,输出第一传输路径;
第一执行模块,所述第一执行模块用于按照所述第一传输路径,将所述信号编码处理结果传输至所述多个目标计算机。
进一步的,所述系统还包括:
连接关系网获取模块,所述连接关系网获取模块用于获取所述多个目标计算机的连接关系网;
搭建模块,所述搭建模块用于根据所述连接关系网对所述多个目标计算机的目标地址进行路径寻优,所述路径寻优包括获取所述连接关系网中的孤立计算机节点,将所述孤立计算机节点作为一级叶节点,以及根据所述连接关系网中剩余的目标计算机搭建决策树;
第一传输路径获取模块,所述第一传输路径获取模块用于基于所述决策树进行路径寻优,输出第一传输路径。
进一步的,所述系统还包括:
第二执行模块,所述第二执行模块用于将所述孤立计算机节点作为一级叶节点,获取所述一级叶节点中各个叶节点对应的集合,其中,每个集合中所包括的计算机均可与对应的叶节点连接;
第三执行模块,所述第三执行模块用于对所述各个叶节点对应的集合进行传输复杂度计算,确定传输复杂度小于一级预设传输复杂度的多个子节点,将所述多个子节点作为对应叶节点的分支,以此类推,搭建所述决策树。
进一步的,所述系统还包括:
传输紧急指数获取模块,所述传输紧急指数获取模块用于获取所述多个目标计算机的传输紧急指数;
第四执行模块,所述第四执行模块用于当所述传输紧急指数大于预设传输紧急指数,生成深度优先搜索指令,按照所述深度优先搜索指令对所述决策树进行遍历,输出节点遍历结果;
第五执行模块,所述第五执行模块用于根据所述节点遍历结果,输出所述第一传输路径。
进一步的,所述系统还包括:
第一约束条件生成模块,所述第一约束条件生成模块用于根据所述多个目标计算机的端口分布特征,生成第一约束条件;
第六执行模块,所述第六执行模块用于获取所述多个目标计算机对应的视频处理参数,其中,所述视频处理参数包括视频接收容量、视频接收格式、视频安全算法以及可支持预处理模式;
第二约束条件生成模块,所述第二约束条件生成模块用于根据所述视频处理参数,生成第二约束条件;
约束处理模块,所述约束处理模块用于以所述第一约束条件和所述第二约束条件,生成所述动态约束条件,用于对输入各个计算机的视频数据进行云台约束处理。
进一步的,所述系统还包括:
重点区域划分模块,所述重点区域划分模块用于将所述视频信号集进行重点区域划分,得到多级重点区域分别对应的多区块视频信号集;
第七执行模块,所述第七执行模块用于将所述多区块视频信号集传输至所述第一云台处理模块进行处理,包括保存时长以及压缩指数,根据所述保存时长以及压缩指数进行视频备份存储。
本发明实施例所提供的一种用于IPC网络摄像头的运维管控系统可执行本发明任意实施例所提供的一种用于IPC网络摄像头的运维管控方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本申请提供了一种用于IPC网络摄像头的运维管控方法,其中,所述方法应用于一种用于IPC网络摄像头的运维管控系统,所述方法包括:通过IPC网络摄像头的功能属性,确定第一网络交换设备的多个目标计算机;基于多个目标计算机的端口分布特征、视频处理参数进行识别,生成动态约束条件;通过IPC网络摄像头采集目标区域的视频信号集;按照动态约束条件对视频信号集进行视频编码,获取信号编码处理结果;将信号编码处理结果传输至多个目标计算机。解决了现有技术中IPC网络摄像头的运维管控准确性低,导致IPC网络摄像头的视频传输效果不佳的技术问题。达到了提高IPC网络摄像头的运维管控的准确性、全面性,提高IPC网络摄像头的视频传输的时效性、精确度,提升IPC网络摄像头的视频传输质量的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种用于IPC网络摄像头的运维管控方法,其特征在于,所述方法包括:
获取IPC网络摄像头的第一网络交换设备;
根据所述IPC网络摄像头的功能属性,确定所述第一网络交换设备待传输的多个目标计算机,其中,所述功能属性包括IPC网络摄像头对应的多个用户的类型、计算机数量和计算机型号,所述多个目标计算机包括功能属性中的多个用户对应的多个计算机;
获取所述多个目标计算机的端口分布特征,以及所述多个目标计算机的视频处理参数;
通过对所述多个目标计算机的端口分布特征和所述视频处理参数进行识别,生成动态约束条件;
通过所述IPC网络摄像头采集目标区域的视频信号集;
按照所述动态约束条件对所述视频信号集进行视频编码,获取信号编码处理结果,其中,所述信号编码处理结果中包括已处理的视频信号集,和用于还原视频信号的解码数据集;
将所述信号编码处理结果传输至所述多个目标计算机。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述多个目标计算机是否为同步传输指令;
当所述多个目标计算机为非同步传输指令,获取所述多个目标计算机的目标地址;
根据所述多个目标计算机的目标地址进行路径寻优,输出第一传输路径;
按照所述第一传输路径,将所述信号编码处理结果传输至所述多个目标计算机。
3.如权利要求2所述的方法,其特征在于,所述根据所述多个目标计算机的目标地址进行路径寻优,输出第一传输路径,方法包括:
获取所述多个目标计算机的连接关系网;
根据所述连接关系网对所述多个目标计算机的目标地址进行路径寻优,所述路径寻优包括获取所述连接关系网中的孤立计算机节点,将所述孤立计算机节点作为一级叶节点,以及根据所述连接关系网中剩余的目标计算机搭建决策树;
基于所述决策树进行路径寻优,输出第一传输路径。
4.如权利要求3所述的方法,其特征在于,所述方法包括:
将所述孤立计算机节点作为一级叶节点,获取所述一级叶节点中各个叶节点对应的集合,其中,每个集合中所包括的计算机均可与对应的叶节点连接;
对所述各个叶节点对应的集合进行传输复杂度计算,确定传输复杂度小于一级预设传输复杂度的多个子节点,将所述多个子节点作为对应叶节点的分支,以此类推,搭建所述决策树。
5.如权利要求3所述的方法,其特征在于,所述方法还包括:
获取所述多个目标计算机的传输紧急指数;
当所述传输紧急指数大于预设传输紧急指数,生成深度优先搜索指令,按照所述深度优先搜索指令对所述决策树进行遍历,输出节点遍历结果;
根据所述节点遍历结果,输出所述第一传输路径。
6.如权利要求1所述的方法,其特征在于,通过对所述多个目标计算机的端口分布特征和所述视频处理参数进行识别,生成动态约束条件,方法还包括:
根据所述多个目标计算机的端口分布特征,生成第一约束条件;
获取所述多个目标计算机对应的视频处理参数,其中,所述视频处理参数包括视频接收容量、视频接收格式、视频安全算法以及可支持预处理模式;
根据所述视频处理参数,生成第二约束条件;
以所述第一约束条件和所述第二约束条件,生成所述动态约束条件,用于对输入各个计算机的视频数据进行云台约束处理。
7.如权利要求1所述的方法,其特征在于,所述IPC网络摄像头还包括第一云台处理模块,方法包括:
将所述视频信号集进行重点区域划分,得到多级重点区域分别对应的多区块视频信号集;
将所述多区块视频信号集传输至所述第一云台处理模块进行处理,包括保存时长以及压缩指数,根据所述保存时长以及压缩指数进行视频备份存储。
8.一种用于IPC网络摄像头的运维管控系统,其特征在于,所述系统用于执行权利要求1至7任一项所述的方法,所述系统包括:
网络交换设备获取模块,所述网络交换设备获取模块用于获取IPC网络摄像头的第一网络交换设备;
目标计算机确定模块,所述目标计算机确定模块用于根据所述IPC网络摄像头的功能属性,确定所述第一网络交换设备待传输的多个目标计算机,其中,所述功能属性包括IPC网络摄像头对应的多个用户的类型、计算机数量和计算机型号,所述多个目标计算机包括功能属性中的多个用户对应的多个计算机;
特征参数获取模块,所述特征参数获取模块用于获取所述多个目标计算机的端口分布特征,以及所述多个目标计算机的视频处理参数;
约束条件生成模块,所述约束条件生成模块用于通过对所述多个目标计算机的端口分布特征和所述视频处理参数进行识别,生成动态约束条件;
视频信号采集模块,所述视频信号采集模块用于通过所述IPC网络摄像头采集目标区域的视频信号集;
视频编码模块,所述视频编码模块用于按照所述动态约束条件对所述视频信号集进行视频编码,获取信号编码处理结果,其中,所述信号编码处理结果中包括已处理的视频信号集,和用于还原视频信号的解码数据集;
传输模块,所述传输模块用于将所述信号编码处理结果传输至所述多个目标计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310871976.5A CN116600090B (zh) | 2023-07-17 | 2023-07-17 | 一种用于ipc网络摄像头的运维管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310871976.5A CN116600090B (zh) | 2023-07-17 | 2023-07-17 | 一种用于ipc网络摄像头的运维管控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116600090A CN116600090A (zh) | 2023-08-15 |
CN116600090B true CN116600090B (zh) | 2023-09-19 |
Family
ID=87604766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310871976.5A Active CN116600090B (zh) | 2023-07-17 | 2023-07-17 | 一种用于ipc网络摄像头的运维管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116600090B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104469104A (zh) * | 2013-09-25 | 2015-03-25 | 三星泰科威株式会社 | 网络系统和网络方法 |
CN106341663A (zh) * | 2016-09-28 | 2017-01-18 | 浙江宇视科技有限公司 | 视频共享方法及装置 |
CN107979743A (zh) * | 2017-12-13 | 2018-05-01 | 柳州市睿亿联电子商务有限公司 | 一种工业视频监控系统 |
CN110176971A (zh) * | 2018-02-20 | 2019-08-27 | 网件公司 | 摄像头通信信道选择 |
CN113542795A (zh) * | 2020-04-21 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
CN114466084A (zh) * | 2020-10-22 | 2022-05-10 | 华为技术有限公司 | 用于检测视频监控设备的方法和电子设备 |
CN115767098A (zh) * | 2022-10-21 | 2023-03-07 | 华中科技大学 | 面向机器视觉的端-边协同视频编码方法及视频传输系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9729785B2 (en) * | 2015-01-19 | 2017-08-08 | Microsoft Technology Licensing, Llc | Profiles identifying camera capabilities that are usable concurrently |
KR101770070B1 (ko) * | 2016-08-16 | 2017-08-21 | 라인 가부시키가이샤 | 비디오 컨퍼런스를 위한 비디오 스트림 제공 방법 및 시스템 |
US11272189B2 (en) * | 2018-02-20 | 2022-03-08 | Netgear, Inc. | Adaptive encoding in security camera applications |
-
2023
- 2023-07-17 CN CN202310871976.5A patent/CN116600090B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104469104A (zh) * | 2013-09-25 | 2015-03-25 | 三星泰科威株式会社 | 网络系统和网络方法 |
CN106341663A (zh) * | 2016-09-28 | 2017-01-18 | 浙江宇视科技有限公司 | 视频共享方法及装置 |
CN107979743A (zh) * | 2017-12-13 | 2018-05-01 | 柳州市睿亿联电子商务有限公司 | 一种工业视频监控系统 |
CN110176971A (zh) * | 2018-02-20 | 2019-08-27 | 网件公司 | 摄像头通信信道选择 |
CN113542795A (zh) * | 2020-04-21 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
CN114466084A (zh) * | 2020-10-22 | 2022-05-10 | 华为技术有限公司 | 用于检测视频监控设备的方法和电子设备 |
CN115767098A (zh) * | 2022-10-21 | 2023-03-07 | 华中科技大学 | 面向机器视觉的端-边协同视频编码方法及视频传输系统 |
Non-Patent Citations (1)
Title |
---|
HD-SDI数字高清路在哪里?;周新海;;中国公共安全(第08期);60-62 * |
Also Published As
Publication number | Publication date |
---|---|
CN116600090A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112231305A (zh) | 一种基于数字孪生的数字电网系统及方法 | |
CN117041019B (zh) | 内容分发网络cdn的日志分析方法、装置及存储介质 | |
CN114462520A (zh) | 一种基于流量分类的网络入侵检测方法 | |
CN109446327B (zh) | 一种移动通信客户投诉的诊断方法及系统 | |
CN116090757A (zh) | 一种情报保障体系能力需求满足度评估方法 | |
CN116362526B (zh) | 一种用于数字化电厂的云边协同资源管控方法及系统 | |
CN105812280B (zh) | 一种分类方法及电子设备 | |
CN116600090B (zh) | 一种用于ipc网络摄像头的运维管控方法及系统 | |
CN117172413B (zh) | 基于多模态数据联合表征和动态权重学习的电网设备运行状态监测方法 | |
CN116611813B (zh) | 一种基于知识图谱的智能运维管理方法及系统 | |
CN112925964A (zh) | 基于云计算服务的大数据采集方法及大数据采集服务系统 | |
CN117171686A (zh) | 一种基于联邦学习的智能电网异常数据的检测方法及系统 | |
CN116318878A (zh) | 一种电力信息网络安全风险的评估方法 | |
CN111046321B (zh) | 光伏电站运维策略优化方法和装置 | |
CN114564516A (zh) | 一种业务对象的分类方法、装置、设备及存储介质 | |
Shuai et al. | Memtv: a research on multi-level edge computing model for traffic video processing | |
CN112016004A (zh) | 一种基于多粒度信息融合的职务犯罪筛查系统及方法 | |
CN113626511A (zh) | 一种异构数据库融合接入系统 | |
CN112925831A (zh) | 基于云计算服务的大数据挖掘方法及大数据挖掘服务系统 | |
CN114401398B (zh) | 智能视频运维管理系统 | |
Nan et al. | An Efficient Data-driven Traffic Prediction Framework for Network Digital Twin | |
Yang | Analysis and Application of Big Data Feature Extraction Based on Improved k-means Algorithm | |
Liu | Effective combination and application path of computer big data analysis and cloud computing network technology | |
CN116993307B (zh) | 一种具有人工智能学习能力的协同办公方法及系统 | |
CN116192520B (zh) | 一种基于大数据的安全通讯管理方法及系统 |
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 |