CN117828124A - 一种基于内存计算的视频流数据动态处理的方法和系统 - Google Patents
一种基于内存计算的视频流数据动态处理的方法和系统 Download PDFInfo
- Publication number
- CN117828124A CN117828124A CN202410005522.4A CN202410005522A CN117828124A CN 117828124 A CN117828124 A CN 117828124A CN 202410005522 A CN202410005522 A CN 202410005522A CN 117828124 A CN117828124 A CN 117828124A
- Authority
- CN
- China
- Prior art keywords
- data
- video stream
- processing
- stream data
- module
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 title claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 144
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- 230000002776 aggregation Effects 0.000 claims abstract description 16
- 238000004220 aggregation Methods 0.000 claims abstract description 16
- 230000000903 blocking effect Effects 0.000 claims abstract description 16
- 230000004931 aggregating effect Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 69
- 238000001914 filtration Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 19
- 230000000694 effects Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000009432 framing Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及数据处理技术领域，公开了一种基于内存计算的视频流数据动态处理的方法，包括以下步骤：S1：数据采集，通过采集设备实时获取视频流数据，并将数据传输到内存计算系统中；S2：数据预处理，在内存计算系统中，对传输过来的视频流数据进行预处理；S3：数据分块，将预处理后的视频流数据进行分块，每个数据块包含一定数量的连续帧；S4：并行处理，在内存计算系统中，对每个数据块进行并行处理；S5：数据聚合，将并行处理后的各个数据块进行聚合。本发明中，通过建立多线路查找数据库，可以实现对不同类型的视频流数据及其处理结果的快速存储和管理，并且在查找数据时能够快速查询，提高了系统的数据处理效率和响应速度。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于内存计算的视频流数据动态处理的方法和系统。
背景技术
随着社会、经济的高速发展以及数字技术的快速发展，如今自媒体时代已经来临，人们对于视频数据的需求日益增长，视频数据处理技术在许多领域得到了广泛应用，如安防监控、智能交通、虚拟现实等。
然而，传统的视频数据在处理查找时需要在整个数据库中寻找相对应的资源、不仅消耗较多的时间，且资源消耗大，随着视频数据要求越来越高，导致无法满足实时、高效处理视频数据的需求。
发明内容
为了弥补以上不足，本发明提供了一种基于内存计算的视频流数据动态处理的方法和系统，旨在改善了现有技术中提到的“无法满足实时、高效处理视频数据的需求”的问题。
为了实现上述目的，本发明采用了如下技术方案：一种基于内存计算的视频流数据动态处理的方法，包括以下步骤：
S1：数据采集
通过采集设备实时获取视频流数据，并将数据传输到内存计算系统中；
S2：数据预处理
在内存计算系统中，对传输过来的视频流数据进行预处理；
S3：数据分块
将预处理后的视频流数据进行分块，每个数据块包含一定数量的连续帧；
S4：并行处理
在内存计算系统中，对每个数据块进行并行处理；
S5：数据聚合
将并行处理后的各个数据块进行聚合，将各个数据块中的结果进行整合，以便得到完整的视频流数据处理结果；
S6：多线路查找
通过多线路的方法进行查找，以便于加快查找速度；
S7：结果输出
将处理后的结果输出到终端上以便用户查看。
作为上述技术方案的进一步描述：
所述S1包括以下步骤：
S101：选择采集设备
在数据采集阶段，根据实际需求选择适合的采集设备，其中包括摄像头、视频监控，以实时获取视频流数据；
S102：视频流数据编码
采用合适的编码格式对采集到的视频流数据进行编码，以减小数据量，便于后续处理。
S103：数据传输
通过有线或无线网络，将编码后的视频流数据传输到内存计算系统中。
作为上述技术方案的进一步描述：
所述S2包括以下步骤：
S201：数据清洗
在内存计算系统中，对传输过来的视频流数据进行清洗，去除无效数据和噪声，提高数据质量，其中清洗数据的方法包括过滤、阈值处理、形态学处理；
S202：数据缓存
将清洗后的视频流数据进行缓存，以便在后续处理过程中能够快速访问，缓存的方法包括链表缓存、队列缓存；
S203：数据分帧
将清洗后的视频流数据进行分帧，每帧包含一定数量的画面，以便对每个画面进行单独处理；
S204：特征提取
从缓存中取出视频流数据，对其进行特征提取，其中包括颜色、形状、运动特征，以便后续的并行处理。
作为上述技术方案的进一步描述：
所述S4包括以下步骤：
S401：分配任务
在内存计算系统中，根据预处理后的视频流数据块，为每个数据块分配相应的处理任务，其中分配任务的方法包括根据数据块的特征参数进行任务划分以及根据预处理结果的复杂度进行任务分配；
S402：数据并行
对每个数据块分配任务后，在内存计算系统中进行并行处理，其中并行处理的方法可以包括多核处理器并行处理、GPU并行处理或分布式计算，并且在并行处理过程中，各个任务可以相互独立地进行计算，以提高处理速度；
S403：结果缓存
在并行处理过程中，将各个任务的结果进行缓存，以便后续数据聚合。
作为上述技术方案的进一步描述：
所述S5包括以下步骤：
S501：数据整合
在内存计算系统中，对并行处理后的各个数据块进行整合，将各个数据块中的结果进行融合，形成完整的视频流数据处理结果，其中整合的方法包括数据融合、特征值匹配和误差校正。
S502：数据优化
对整合后的视频流数据进行优化，以提高数据质量和处理效果，其中优化方法采用空间域滤波法。
空间域滤波的公式为：g(x,y)＝T[f(x,y)]
其中f(x,y)表示输入图像，g(x,y)表示处理后的图像，T是在点(x,y)的邻域上定义的关于f的一种算子。
作为上述技术方案的进一步描述：
所述S6包括以下步骤：
S601：建立多线路查找数据库
在内存计算系统中，建立一个多线路查找数据库，用于存储和管理不同类型的视频流数据及其处理结果，以便在后续处理过程中快速查找和匹配相应数据。
S602：查找匹配
对输入的视频流数据，通过多线路查找数据库进行匹配，查找与输入数据相似的数据及其处理结果，通过计算输入数据与数据库中数据的相似度来实现，采用欧氏距离方法。
S603：结果反馈
根据查找匹配的结果，从多线路查找数据库中获取相应的处理参数和处理方法，用于后续的视频流数据处理。
作为上述技术方案的进一步描述：
所述S7中包括以下步骤：
S701：
结果输出预处理
在内存计算系统中，对处理后的视频流数据进行预处理，以便将其输出到终端设备上，预处理方法包括图像缩放、滤波、颜色空间转换等；
S702：终端设备选择
根据用户需求和实际场景，选择合适的终端设备，包括手机、电脑、平板，将处理后的视频流数据输出到所选终端设备上；
S703：数据传输
通过有线或无线网络，将处理后的视频流数据传输到终端设备，以便用户查看和分析；
S704：用户交互
提供用户交互界面，允许用户对视频流数据进行实时查看、回放、暂停、快进等操作，同时接收用户的反馈和调整需求。
作为上述技术方案的进一步描述：
所述S602中欧氏距离方法在三维空间中，两点(x1，y1，z1)和(x2，y2，z2)之间的欧氏距离可以通过以下公式计算：
d＝sqrt((x2-x1)^2+(y2-y1)^2+(z2-z1)^2)
对于更高维度的空间，欧氏距离的公式可以进一步推广为：
d＝sqrt(∑(xi2-xi1)^2)
其中，i＝1,2,...,n，表示该点在n维空间中的坐标。
作为上述技术方案的进一步描述：
所述S102中编码格式包括H.264、H.265，所述S3中按照时间或空间的方法对视频流数据进行分块处理。
一种基于内存计算的视频流数据动态处理方法的系统，包括数据采集模块、数据处理模块、数据分块模块、并行模块、数据聚合模块、多线路模块、终端模块，所述数据采集模块用于获取实时的视频流数据，所述数据处理模块用于处理数据采集模块获取的视频流数据，所述数据分块模块用于将预处理的数据进行分块，便于后续的数据处理，所述并行模块用于对数据进行并行处理，所述数据聚合模块用于将并行处理后的各个数据块进行聚合以便于得到完整的数据处理结构，所述多线路模块用于存储和管理不同类型的视频流数据及其处理结果，以便在后续处理过程中快速查找和匹配相应数据，所述数据处理模块、数据分块模块、并行模块、数据聚合模块和多线路模块均集成在内存计算系统中。
本发明具有如下有益效果：
1、本发明中，通过建立多线路查找数据库，可以实现对不同类型的视频流数据及其处理结果的快速存储和管理，并且在查找数据时能够快速查询，提高了系统的数据处理效率和响应速度。
2、本发明中，采用并行处理技术对视频流数据进行高效处理，充分利用了内存计算系统的计算能力，大大提高了处理速度和效果，通过对视频流数据进行清洗、缓存、分帧、特征提取等预处理步骤，有效提高了数据质量和后续处理的准确性，从而保证了整个系统的稳定性和可靠性。
3、本发明中，通过欧氏距离方法实现了对输入视频流数据的快速匹配和处理参数的获取，提高了系统的自适应性和智能化水平，并且采用了空间域滤波技术对整合后的视频流数据进行优化，进一步提高了数据质量和处理效果。
附图说明
图1为本发明中完整流程示意图；
图2为本发明中S1详细流程示意图；
图3为本发明中S2详细流程示意图；
图4为本发明中S4详细流程示意图；
图5为本发明中S5详细流程示意图；
图6为本发明中S6详细流程示意图；
图7为本发明中S7详细流程示意图；
图8为本发明中系统模块框架示意图。
具体实施方式
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、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
参照1－图8，本发明提供的一种实施例：一种基于内存计算的视频流数据动态处理的方法，包括以下步骤：
S1：数据采集
通过采集设备实时获取视频流数据，并将数据传输到内存计算系统中；
S1包括以下步骤：
S101：选择采集设备
在数据采集阶段，我们需要根据实际需求选择适合的采集设备，这些设备包括摄像头、视频监控系统，以便实时获取视频流数据，在选择采集设备时，我们需要充分考虑设备的性能、稳定性、兼容性以及与实际应用场景的匹配程度。
S102：视频流数据编码
采用合适的编码格式对采集到的视频流数据进行编码，以减小数据量，便于后续处理，具体的，编码格式包括H.264、H.265，因其出色的性能和压缩比，被广泛应用于视频编码领域，更具体的，H.264采用多种先进的压缩技术，包括帧内预测、帧间预测、离散余弦变换、量化等，使得其在保持高质量画面的同时，具有较低的码率，与H.264相比，H.265在压缩性能上有了显著的提升，它采用了更多的编码工具，包括空间预测、熵编码等，进一步提高了编码效率。
S103：数据传输
通过有线或无线网络，将编码后的视频流数据传输到内存计算系统中。
S2：数据预处理
在内存计算系统中，对传输过来的视频流数据进行预处理；
进一步地，S2包括以下步骤：
S201：数据清洗
在内存计算系统中，对传输过来的视频流数据进行清洗，去除无效数据和噪声，提高数据质量，其中清洗数据的方法包括过滤、阈值处理、形态学处理，具体的，过滤主要用于去除噪声和改善图像质量，阈值处理用于将图像转换为二值图像，形态学处理则用于去除图像中的小物体和填充孔洞。
更具体的，过滤方法包括线性过滤、非线性过滤和高斯过滤等，线性过滤是通过一个卷积核对图像进行卷积运算，从而实现平滑、锐化等效果，参考公式如下：
线性过滤的计算公式：y(n)＝∑(k＝-∞)^(∞)h(k)*x(n-k)
其中，y(n)表示输出信号，x(n)表示输入信号，h(k)表示过滤器的冲击响应。
非线性过滤则是根据图像的像素值大小进行加权平均，从而实现颜色平衡、对比度增强等效果。高斯过滤则是通过一个高斯核对图像进行卷积运算，从而实现平滑效果，参考公式如下：
B＝colfilt(A,[mn],block_type,@fun，parameters)。
其中，A是图像矩阵；[mn]是邻域范围；block_type是邻域块的处理方式；@fun是函数句柄，调用外部写好的函数fun进行邻域像素处理；parameters是fun所需的参数。
阈值处理是将图像中的像素值设置为0或255，从而将图像转换为二值图像，常用的阈值处理方法包括手动阈值、自动阈值和Otsu算法，手动阈值是通过人工选择一个阈值，将图像中的像素值设置为0或255，自动阈值则是通过计算图像中像素值的分布情况，自动选择一个阈值，Otsu算法则是通过最大化两个类别之间的方差，自动选择一个阈值。
形态学处理包括膨胀、腐蚀、开运算和闭运算等，具体的，膨胀是将图像中的每个像素周围的像素值进行加和，从而实现去除小物体和填充孔洞的效果，腐蚀则是将图像中的每个像素周围的像素值进行求最小，从而实现去除小物体和填充孔洞的效果，开运算和闭运算则是膨胀和腐蚀的组合，用于去除图像中的细小物体和填充孔洞。
S202：数据缓存
将清洗后的视频流数据进行缓存，以便在后续处理过程中能够快速访问，缓存的方法包括链表缓存、队列缓存，链表缓冲是一种动态数据结构，可以快速插入和删除数据，具有很好的实时性，适用于对数据实时性要求较高的场景，队列缓存则是采用队列结构进行数据缓存，可以确保数据按照先进先出的顺序进行处理，适用于需要按照特定顺序处理数据的场景。
S203：数据分帧
将清洗后的视频流数据进行分帧，每帧包含一定数量的画面，以便对每个画面进行单独处理。
S204：特征提取
从缓存中取出视频流数据，对其进行特征提取，其中包括颜色、形状、运动特征，以便后续的并行处理
S3：数据分块
将预处理后的视频流数据进行分块，每个数据块包含一定数量的连续帧，具体的，按照时间或空间的方法对视频流数据进行分块处理，具体的，以时间为基础的分块方法，可以将视频流数据划分为若干个时间段，每个时间段包含若干个连续帧，这样可以确保每个时间段内的数据具有较高的相关性，有利于后续的并行处理。以空间为基础的分块方法，则是将视频流数据划分为若干个区域，每个区域包含一定数量的连续帧，这样可以确保每个区域内的数据具有较高的相关性，有利于后续的并行处理。
S4：并行处理
在内存计算系统中，对每个数据块进行并行处理；
进一步地，S4包括以下步骤：
S401：分配任务
在内存计算系统中，根据预处理后的视频流数据块，为每个数据块分配相应的处理任务，其中分配任务的方法包括根据数据块的特征参数进行任务划分以及根据预处理结果的复杂度进行任务分配，具体地，根据数据块的特征参数进行任务划分的方法，是通过分析每个数据块中的特征值，如颜色、形状、运动特征等，将相似特征的数据块分配给同一个处理任务，从而提高处理的效率。而根据预处理结果的复杂度进行任务分配的方法，则是根据每个数据块的预处理结果，如滤波、阈值处理、形态学处理等，判断其复杂度，将复杂度较低的数据块分配给较低优先级的处理任务，复杂度较高的数据块分配给较高优先级的处理任务，从而实现任务的均衡分配。
S402：数据并行
对每个数据块分配任务后，在内存计算系统中进行并行处理，其中并行处理的方法可以包括多核处理器并行处理、GPU并行处理或分布式计算，并且在并行处理过程中，各个任务可以相互独立地进行计算，以提高处理速度；
S403：结果缓存
在并行处理过程中，将各个任务的结果进行缓存，以便后续数据聚合。
S5：数据聚合
将并行处理后的各个数据块进行聚合，将各个数据块中的结果进行整合，以便得到完整的视频流数据处理结果；
进一步地，S5包括以下步骤：
S501：数据整合
在内存计算系统中，对并行处理后的各个数据块进行整合，将各个数据块中的结果进行融合，形成完整的视频流数据处理结果，其中整合的方法包括数据融合、特征值匹配和误差校正。
S502：数据优化
对整合后的视频流数据进行优化，以提高数据质量和处理效果，其中优化方法采用空间域滤波法。
空间域滤波的公式为：g(x,y)＝T[f(x,y)]
其中f(x,y)表示输入图像，g(x,y)表示处理后的图像，T是在点(x,y)的邻域上定义的关于f的一种算子。
S6：多线路查找
通过多线路的方法进行查找，以便于加快查找速度；
进一步地，S6包括以下步骤：
S601：建立多线路查找数据库
在内存计算系统中，建立一个多线路查找数据库，用于存储和管理不同类型的视频流数据及其处理结果，以便在后续处理过程中快速查找和匹配相应数据，具体地，数据库的建立可以通过分类、索引等方式，以满足快速查找的需求。
S602：查找匹配
对输入的视频流数据，通过多线路查找数据库进行匹配，查找与输入数据相似的数据及其处理结果，通过计算输入数据与数据库中数据的相似度来实现，采用欧氏距离方法，具体的，欧氏距离方法在三维空间中，两点(x1，y1，z1)和(x2，y2，z2)之间的欧氏距离可以通过以下公式计算：
d＝sqrt((x2-x1)^2+(y2-y1)^2+(z2-z1)^2)
对于更高维度的空间，欧氏距离的公式可以进一步推广为：
d＝sqrt(∑(xi2-xi1)^2)
其中，i＝1,2,...,n，表示该点在n维空间中的坐标。
S603：结果反馈
根据查找匹配的结果，从多线路查找数据库中获取相应的处理参数和处理方法，用于后续的视频流数据处理。
S7：结果输出
将处理后的结果输出到终端上以便用户查看；
进一步地，S7中包括以下步骤：
S701：
结果输出预处理
在内存计算系统中，对处理后的视频流数据进行预处理，以便将其输出到终端设备上，预处理方法包括图像缩放、滤波、颜色空间转换等；
S702：终端设备选择
根据用户需求和实际场景，选择合适的终端设备，包括手机、电脑、平板，将处理后的视频流数据输出到所选终端设备上；
S703：数据传输
通过有线或无线网络，将处理后的视频流数据传输到终端设备，以便用户查看和分析；
S704：用户交互
提供用户交互界面，允许用户对视频流数据进行实时查看、回放、暂停、快进等操作，同时接收用户的反馈和调整需求。
一种基于内存计算的视频流数据动态处理方法的系统，包括数据采集模块、数据处理模块、数据分块模块、并行模块、数据聚合模块、多线路模块、终端模块，数据采集模块用于获取实时的视频流数据，数据处理模块用于处理数据采集模块获取的视频流数据，数据分块模块用于将预处理的数据进行分块，便于后续的数据处理，并行模块用于对数据进行并行处理，数据聚合模块用于将并行处理后的各个数据块进行聚合以便于得到完整的数据处理结构，多线路模块用于存储和管理不同类型的视频流数据及其处理结果，以便在后续处理过程中快速查找和匹配相应数据，数据处理模块、数据分块模块、并行模块、数据聚合模块和多线路模块均集成在内存计算系统中。
最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于内存计算的视频流数据动态处理的方法，其特征在于：包括以下步骤：
S1：数据采集
通过采集设备实时获取视频流数据，并将数据传输到内存计算系统中；
S2：数据预处理
在内存计算系统中，对传输过来的视频流数据进行预处理；
S3：数据分块
将预处理后的视频流数据进行分块，每个数据块包含一定数量的连续帧；
S4：并行处理
在内存计算系统中，对每个数据块进行并行处理；
S5：数据聚合
将并行处理后的各个数据块进行聚合，将各个数据块中的结果进行整合，以便得到完整的视频流数据处理结果；
S6：多线路查找
通过多线路的方法进行查找，以便于加快查找速度；
S7：结果输出
将处理后的结果输出到终端上以便用户查看。
2.根据权利要求1所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S1包括以下步骤：
S101：选择采集设备
在数据采集阶段，根据实际需求选择适合的采集设备，其中包括摄像头、视频监控，以实时获取视频流数据。
S102：视频流数据编码
采用合适的编码格式对采集到的视频流数据进行编码，以减小数据量，便于后续处理；
S103：数据传输
通过有线或无线网络，将编码后的视频流数据传输到内存计算系统中。
3.根据权利要求1所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S2包括以下步骤：
S201：数据清洗
在内存计算系统中，对传输过来的视频流数据进行清洗，去除无效数据和噪声，提高数据质量，其中清洗数据的方法包括过滤、阈值处理、形态学处理；
S202：数据缓存
将清洗后的视频流数据进行缓存，以便在后续处理过程中能够快速访问，缓存的方法包括链表缓存、队列缓存；
S203：数据分帧
将清洗后的视频流数据进行分帧，每帧包含一定数量的画面，以便对每个画面进行单独处理；
S204：特征提取
从缓存中取出视频流数据，对其进行特征提取，其中包括颜色、形状、运动特征，以便后续的并行处理。
4.根据权利要求1所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S4包括以下步骤：
S401：分配任务
在内存计算系统中，根据预处理后的视频流数据块，为每个数据块分配相应的处理任务，其中分配任务的方法包括根据数据块的特征参数进行任务划分以及根据预处理结果的复杂度进行任务分配；
S402：数据并行
对每个数据块分配任务后，在内存计算系统中进行并行处理，其中并行处理的方法可以包括多核处理器并行处理、GPU并行处理或分布式计算，并且在并行处理过程中，各个任务可以相互独立地进行计算，以提高处理速度；
S403：结果缓存
在并行处理过程中，将各个任务的结果进行缓存，以便后续数据聚合。
5.根据权利要求1所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S5包括以下步骤：
S501：数据整合
在内存计算系统中，对并行处理后的各个数据块进行整合，将各个数据块中的结果进行融合，形成完整的视频流数据处理结果，其中整合的方法包括数据融合、特征值匹配和误差校正；
S502：数据优化
对整合后的视频流数据进行优化，以提高数据质量和处理效果，其中优化方法采用空间域滤波法；
空间域滤波的公式为：g(x,y)＝T[f(x,y)]
其中f(x,y)表示输入图像，g(x,y)表示处理后的图像，T是在点(x,y)的邻域上定义的关于f的一种算子。
6.根据权利要求1所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S6包括以下步骤：
S601：建立多线路查找数据库
在内存计算系统中，建立一个多线路查找数据库，用于存储和管理不同类型的视频流数据及其处理结果，以便在后续处理过程中快速查找和匹配相应数据；
S602：查找匹配
对输入的视频流数据，通过多线路查找数据库进行匹配，查找与输入数据相似的数据及其处理结果，通过计算输入数据与数据库中数据的相似度来实现，采用欧氏距离方法；
S603：结果反馈
根据查找匹配的结果，从多线路查找数据库中获取相应的处理参数和处理方法，用于后续的视频流数据处理。
7.根据权利要求1所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S7中包括以下步骤：
S701：结果输出预处理
在内存计算系统中，对处理后的视频流数据进行预处理，以便将其输出到终端设备上，预处理方法包括图像缩放、滤波、颜色空间转换等；
S702：终端设备选择
根据用户需求和实际场景，选择合适的终端设备，包括手机、电脑、平板，将处理后的视频流数据输出到所选终端设备上；
S703：数据传输
通过有线或无线网络，将处理后的视频流数据传输到终端设备，以便用户查看和分析；
S704：用户交互
提供用户交互界面，允许用户对视频流数据进行实时查看、回放、暂停、快进等操作，同时接收用户的反馈和调整需求。
8.根据权利要求6所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S602中欧氏距离方法在三维空间中，两点(x1，y1，z1)和(x2，y2，z2)之间的欧氏距离可以通过以下公式计算：
d＝sqrt((x2-x1)^2+(y2-y1)^2+(z2-z1)^2)
对于更高维度的空间，欧氏距离的公式可以进一步推广为：
d＝sqrt(∑(xi2-xi1)^2)
其中，i＝1,2,...,n，表示该点在n维空间中的坐标。
9.根据权利要求2所述的一种基于内存计算的视频流数据动态处理的方法，其特征在于：所述S102中编码格式包括H.264、H.265，所述S3中按照时间或空间的方法对视频流数据进行分块处理。
10.根据权利要求1-9任意一项所述的一种基于内存计算的视频流数据动态处理方法的系统，其特征在于：包括数据采集模块、数据处理模块、数据分块模块、并行模块、数据聚合模块、多线路模块、终端模块，所述数据采集模块用于获取实时的视频流数据，所述数据处理模块用于处理数据采集模块获取的视频流数据，所述数据分块模块用于将预处理的数据进行分块，便于后续的数据处理，所述并行模块用于对数据进行并行处理，所述数据聚合模块用于将并行处理后的各个数据块进行聚合以便于得到完整的数据处理结构，所述多线路模块用于存储和管理不同类型的视频流数据及其处理结果，以便在后续处理过程中快速查找和匹配相应数据，所述数据处理模块、数据分块模块、并行模块、数据聚合模块和多线路模块均集成在内存计算系统中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410005522.4A CN117828124A (zh) | 2024-01-03 | 2024-01-03 | 一种基于内存计算的视频流数据动态处理的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410005522.4A CN117828124A (zh) | 2024-01-03 | 2024-01-03 | 一种基于内存计算的视频流数据动态处理的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117828124A true CN117828124A (zh) | 2024-04-05 |
Family
ID=90518783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410005522.4A Pending CN117828124A (zh) | 2024-01-03 | 2024-01-03 | 一种基于内存计算的视频流数据动态处理的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117828124A (zh) |
-
2024
- 2024-01-03 CN CN202410005522.4A patent/CN117828124A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108028941B (zh) | 用于通过超像素编码和解码数字图像的方法和装置 | |
| JP2013211908A (ja) | ビデオ圧縮方法 | |
| US20220377339A1 (en) | Video signal processor for block-based picture processing | |
| CN110620924A (zh) | 编码数据的处理方法、装置、计算机设备及存储介质 | |
| WO2023000695A1 (zh) | 视频编码参考块的压缩方法、编码方法和装置 | |
| CN112449182A (zh) | 视频编码方法、装置、设备及存储介质 | |
| CN117560511A (zh) | 基于图分割技术电力巡检的间隔棒图像压缩方法及系统 | |
| Sivam et al. | Survey on video compression techniques for efficient transmission | |
| CN117828124A (zh) | 一种基于内存计算的视频流数据动态处理的方法和系统 | |
| CN115209147B (zh) | 摄像头视频传输带宽优化方法、装置、设备及存储介质 | |
| CN117280680A (zh) | 动态网格对齐的并行方式 | |
| Kavitha et al. | A survey of image compression methods for low depth-of-field images and image sequences | |
| WO2022141222A1 (zh) | 虚拟视点生成、渲染、解码方法及装置、设备、存储介质 | |
| CN107018421B (zh) | 一种图像发送、接收方法及装置、系统 | |
| CN114900717A (zh) | 视频数据传输方法、装置、介质和计算设备 | |
| CN113628121B (zh) | 数据处理、训练多媒体数据的方法和装置 | |
| WO2021093538A1 (zh) | 用于帧内预测的插值滤波方法、装置、介质及电子设备 | |
| WO2002056250A2 (en) | Method and system to encode a set of input values into a set of coefficients using a given algorithm | |
| Luo et al. | Super-High-Fidelity Image Compression via Hierarchical-ROI and Adaptive Quantization | |
| US20210289206A1 (en) | Block-based spatial activity measures for pictures | |
| CN116684636B (zh) | 一种语义通信人脸重建优化方法、系统 | |
| RU2782583C1 (ru) | Слияние изображений на блочной основе для контекстной сегментации и обработки | |
| CN111885378B (zh) | 多媒体数据编码方法、装置、设备以及介质 | |
| WO2024114432A1 (zh) | 视频编码中的样点自适应补偿方法及装置 | |
| WO2024074121A1 (en) | Method, apparatus, and medium for point cloud coding |
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 |