CN117880463A - 一种考试监控录像传输方法、装置及系统 - Google Patents
一种考试监控录像传输方法、装置及系统 Download PDFInfo
- Publication number
- CN117880463A CN117880463A CN202311823338.2A CN202311823338A CN117880463A CN 117880463 A CN117880463 A CN 117880463A CN 202311823338 A CN202311823338 A CN 202311823338A CN 117880463 A CN117880463 A CN 117880463A
- Authority
- CN
- China
- Prior art keywords
- video
- video file
- examination monitoring
- behavior analysis
- analysis server
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 82
- 230000005540 biological transmission Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 13
- 230000006399 behavior Effects 0.000 description 40
- 238000012545 processing Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 229930186657 Lat Natural products 0.000 description 4
- 239000003202 long acting thyroid stimulator Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008713 feedback mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请公开了一种考试监控录像传输方法、装置及系统。所述考试监控录像传输方法包括：获取自至少一个硬盘录像机所获取的考试监控的录像文件；分别为获取的每个录像文件设置优先级以及位置索引；获取各个行为分析服务器的当前负载情况；根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。本申请的考试监控录像传输方法能够解决传统考试监控系统中存在的效率低下和资源利用不足的问题，特别是在需要同时处理多个视频流的场景中。通过智能地调整录像文件的传输顺序和频率，以及根据服务器负载情况动态优化带宽利用，本发明能够显著提高考试监控系统的整体性能和响应速度。
Description
技术领域
本申请涉及数据传输技术领域，尤其涉及一种考试监控录像传输方法、考试监控录像传输装置以及考试监控录像传输系统。
背景技术
随着信息技术的快速发展，视频监控已成为考试监督管理的重要工具。特别是在大规模考试中，视频监控用于确保考场的公正性和安全性，监控考生行为以防止作弊。在传统的考试监控系统中，视频数据通常由人工监控或事后回放分析，这不仅耗费大量人力资源，而且效率低下，尤其是在面对大量视频数据时。
近年来，为提高效率和准确性，许多考试监控系统开始采用智能行为分析技术。这些技术利用人工智能算法自动分析视频内容，以识别潜在的作弊行为。然而，这些高级分析方法对数据的处理和传输提出了新的挑战。尤其是在带宽有限的情况下，高质量视频数据的实时传输可能受到限制，影响分析效率和准确性。
此外，当多个视频分析服务器同时运行时，未经优化的视频流可能导致服务器过载或带宽资源不足。因此，如何在保证视频质量的同时，高效合理地分配和优化视频数据的传输，成为提高考试监控系统性能的关键。
现有技术中缺乏一种能够根据实时服务器负载智能调整视频流的方法，以确保在多服务器环境中视频数据的有效传输和处理。
因此，希望有一种技术方案来解决或至少减轻现有技术的上述不足。
发明内容
本发明的目的在于提供一种考试监控录像传输方法来至少解决上述的一个技术问题。
本发明提供了下述方案：
根据本发明的一个方面，提供一种考试监控录像传输方法，所述考试监控录像传输方法包括：
获取自至少一个硬盘录像机所获取的考试监控的录像文件；
分别为获取的每个录像文件设置优先级以及位置索引；
获取各个行为分析服务器的当前负载情况；
根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
可选地，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件包括：
通过网络扫描算法获取可用的硬盘录像机；
通过协议与各个可用的硬盘录像机连接；
获取各个可用的硬盘录像机所传递的考试监控的录像文件。
可选地，当与任意一个所述硬盘录像机连接断开时，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件进一步包括：
在检测到连接断开后，自动尝试重新建立连接；其中，重连尝试采用指数退避策略，即重连等待时间在每次失败后逐渐增加；其中，每次的重连等待时间采用自适应算法获取。
可选地，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件进一步包括：
在获取各个可用的硬盘录像机所传递的考试监控的录像文件过程中，通过网络质量检测算法实时检测网络质量，当网络质量低于预设阈值时，调整传输频率。
可选地，所述考试监控录像传输方法进一步包括：
对每个录像文件进行有效性检验。
可选地，所述对每个录像文件进行有效性检验包括：
获取每个录像文件的CRC校验码；
获取预设CRC校验码数据库，所述预设CRC校验码数据库包括至少一个预设CRC校验码；
将每个录像文件的CRC校验码分别与每个预设CRC校验码进行比对，当一个录像文件的CRC校验码与一个预设CRC校验码匹配成功，则判断该录像文件的CRC校验码所对应的录像文件正确。
可选地，所述根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器包括：
从每个行为分析服务器实时收集负载数据；
获取负载预测模型；
将每个行为分析服务器的负载数据属于至负载预测模型，从而获取每个行为分析服务器的预设未来时间段内的负载情况；
根据各个行为分析服务器的预设未来时间段内的负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
本申请还提供了一种考试监控录像传输装置，所述考试监控录像传输装置包括：
自动录像文件访问模块，所述自动录像文件访问模块由于获取自至少一个硬盘录像机所获取的考试监控的录像文件；
智能录像排序和索引功能模块，所述智能录像排序和索引功能模块用于分别为获取的每个录像文件设置优先级以及位置索引；
当前负载情况获取模块，所述当前负载情况获取模块用于获取各个行为分析服务器的当前负载情况；
负载适应性传输调度功能模块，所述负载适应性传输调度功能模块用于根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
本申请还提供了一种考试监控录像传输系统，所述考试监控录像传输系统包括至少一个硬盘录像机、至少两个行为分析服务器以及如上所述的考试监控录像传输装置。
本申请的考试监控录像传输方法能够解决传统考试监控系统中存在的效率低下和资源利用不足的问题，特别是在需要同时处理多个视频流的场景中。通过智能地调整录像文件的传输顺序和频率，以及根据服务器负载情况动态优化带宽利用，本发明能够显著提高考试监控系统的整体性能和响应速度。
附图说明
图1是本申请一实施例中的考试监控录像传输方法的流程示意图。
图2是本申请一个实施例提供的一种电子设备结构框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
图1是本申请一实施例中的考试监控录像传输方法的流程示意图。
如图1所示的考试监控录像传输方法包括：
获取自至少一个硬盘录像机所获取的考试监控的录像文件；
分别为获取的每个录像文件设置优先级以及位置索引；
获取各个行为分析服务器的当前负载情况；
根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
本申请的考试监控录像传输方法能够解决传统考试监控系统中存在的效率低下和资源利用不足的问题，特别是在需要同时处理多个视频流的场景中。通过智能地调整录像文件的传输顺序和频率，以及根据服务器负载情况动态优化带宽利用，本发明能够显著提高考试监控系统的整体性能和响应速度。
在本实施例中，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件包括：
通过网络扫描算法获取可用的硬盘录像机；
通过协议与各个可用的硬盘录像机连接；
获取各个可用的硬盘录像机所传递的考试监控的录像文件。
在本实施例中，通过网络扫描算法获取可用的硬盘录像机包括：
1、网络探测：在网络上探测可用的设备。这通常通过发送特定的网络包来完成，使用ICMP协议的ping请求或特定的网络发现协议。
2、端口扫描：一旦探测到网络上的设备，算法将对这些设备进行端口扫描，以确定哪些端口是开放的。对于DVR，有特定的通信端口(RTSP端口554)会被扫描。
3、服务识别：在确定了开放端口之后，算法尝试识别这些端口上运行的服务。这可以通过发送特定的请求并分析响应来完成，以确定是否是DVR服务。
3、设备识别：对于已确认的DVR服务，算法进一步收集设备信息，通常通过发送特定的查询命令或访问设备的API来实现。
4、结果汇总：最后，算法将所有探测到的DVR设备及其相关信息汇总，提供给系统使用。
具体而言，本申请设置有自动录像文件访问模块(AVFAM-Automatic VideoFileAccess Module)
功能描述：AVFAM专门负责建立与多个录像设备的连接，自动检索考试监控录像。它支持多种通信协议，可适应不同型号的硬盘录像机。模块内置的连接管理机制确保即使在大量设备同时在线的情况下也能保持稳定的数据传输。
在本实施例中，当与任意一个所述硬盘录像机连接断开时，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件进一步包括：
在检测到连接断开后，自动尝试重新建立连接；其中，重连尝试采用指数退避策略，即重连等待时间在每次失败后逐渐增加；其中，每次的重连等待时间采用自适应算法获取。
举例来说，在一个录像文件传输单元结束后，会尝试多次重连，根据等待时间判断。例如，第一次重连等待1秒，第二次等待2秒，第三次等待4秒，依此类推，等待时间长的归为网络质量不稳定，则适当降低传输速率。
自动录像文件访问模块(AVFAM-Automatic Video FileAccess Module)具体工作过程如下：
AVFAM设计为可以自动识别和连接到网络中的硬盘录像机。它采用高效的网络扫描算法来定位所有可用的录像设备，并通过预先配置的协议自动建立连接。该模块支持断线重连和错误处理机制。
1、断线重连机制
实时连接监控：AVFAM持续监控与硬盘录像机的连接状态。这通过发送定期的心跳信号或使用TCP保持活动(Keep-Alive)机制实现，以确保连接的活跃性。
自动断线检测：当监控到连接断开(如心跳信号失败或TCP连接中断)，AVFAM立即触发断线检测机制。
重连策略：在检测到连接断开后，AVFAM自动尝试重新建立连接。重连尝试采用指数退避策略，即重连等待时间在每次失败后逐渐增加，以避免频繁重连导致的网络拥堵。
2、错误处理机制
错误识别：AVFAM能够识别和区分不同类型的错误，如网络超时、认证失败或硬盘录像机响应错误。
错误日志记录：所有识别的错误都会被记录到系统日志中，便于问题的追踪和后期分析。
错误响应策略：根据错误类型，AVFAM执行不同的响应策略。例如，对于暂时性的网络错误，它会尝试重连；对于认证失败，它会发送警报并停止进一步尝试，直到问题被解决。
在本实施例中，自适应重连时间间隔采用如下方法：在原有的断线重连机制基础上，引入自适应算法来优化重连时间间隔。根据过去的连接稳定性记录，动态调整重连尝试的频率和等待时间。
智能错误分类与响应：改进错误处理机制，使其能够更准确地分类错误，并根据错误的严重性和频率动态调整响应策略。
在本实施例中，在获取各个可用的硬盘录像机所传递的考试监控的录像文件过程中，通过网络质量检测算法实时检测网络质量，当网络质量低于预设阈值时，调整传输频率。
网络稳定性优化采用如下方法：引入网络质量检测算法，预测和识别网络不稳定性，提前采取措施如降低数据传输频率，以减少断线风险。确保在不稳定的网络环境下也能维持持续的数据访问。
在本实施例中，分别为获取的每个录像文件设置优先级以及位置索引具体采用如下方法：
本申请设置有智能录像排序和索引功能模块(IVSIF-IntelligentVideo Sortingand Indexing Feature)。
具体而言，IVSIF对接收到的录像文件进行分类、排序和索引。
1.录像文件的分类、排序和索引
分类维度：录像文件可以根据多种维度进行分类，如录像源(不同的监控摄像头)、录像类型(常规监控、事件触发录像)、录像质量(高清、标清)等。
排序维度和顺序：文件排序依据多个维度，如文件大小、创建日期、录像时长等。当多个维度同时存在时，系统根据预设的优先级决定排序顺序。例如，首先根据创建日期排序，若日期相同，则按文件大小排序。
索引构建：构建索引以加速数据检索，例如，为每个分类创建索引，如按录像源或录像类型创建的索引。这些索引存储关键元数据，使得针对特定查询的响应更快
使用高级排序算法如快速排序或归并排序，根据文件大小、创建日期等多个维度进行排序。对接收的录像文件元数据进行存储和管理。它使用SQL或NoSQL查询进行高效排序，并建立索引以加快数据检索，比如哈希表或平衡树。
哈希表的应用：哈希表用于存储录像文件的快速访问索引。例如，系统可能使用文件名或唯一标识符作为键，将文件的存储位置和元数据作为值存储在哈希表中，从而实现对特定文件的快速访问。
平衡树的运用：为支持范围查询和有序遍历，系统使用平衡树(如AVL树或红黑树)来管理录像文件。例如，根据文件大小或创建日期创建平衡树索引，以支持对文件的有序访问和范围内搜索。以支持快速数据检索和访问。
在本实施例中，所述考试监控录像传输方法进一步包括：
对每个录像文件进行有效性检验。
在本实施例中，所述对每个录像文件进行有效性检验包括：
获取每个录像文件的CRC校验码；
获取预设CRC校验码数据库，所述预设CRC校验码数据库包括至少一个预设CRC校验码；
将每个录像文件的CRC校验码分别与每个预设CRC校验码进行比对，当一个录像文件的CRC校验码与一个预设CRC校验码匹配成功，则判断该录像文件的CRC校验码所对应的录像文件正确。
在本实施例中，增强CRC(循环冗余校验)算法是在传统的CRC算法基础上进行改进，以提高错误检测能力、适应特定应用需求或优化性能。具体包括：
2、增加校验码长度：增加CRC校验码的长度可以提高错误检测的能力。较长的校验码意味着更高的冗余度，从而能够检测更多的错误。
4、引入附加数据：在计算CRC时，可以将额外的数据包括序列号、时间戳、特定的标识符)纳入计算过程中，以增强校验码的唯一性和错误检测能力。
具体而言，本申请还进一步包括录像有效性检验功能模块(VVVF-VideoValidityVerification Feature)。
在本实施例中，VVVF持续分析录像文件的完整性。该功能采用数据校验和文件完整性检测算法，采用CRC校验校验。
1、CRC校验的基本流程
当录像文件被接收或在系统中移动时，VVVF自动执行CRC(循环冗余校验)校验。
系统首先计算文件的CRC校验码。这一过程涉及读取整个文件的数据内容，然后根据CRC算法生成一个校验码，该校验码是文件内容的紧凑数字代表。
文件的原始或之前计算的CRC校验码存储在系统数据库或文件元数据中。
系统将新计算的校验码与存储的校验码进行比对。如果两者匹配，则文件被视为未损坏；如果不匹配，则文件可能已损坏。
2、完整性检测
完整性检测包括检查文件的各个部分是否完整且未被截断。
系统会检测文件的大小、头部信息和尾部标记，确保它们符合录像文件的标准格式和预期的文件结构。
如果文件大小、头部或尾部信息与预期不符，系统将该文件标记为损坏。
在本实施例中，本申请采用增强CRC算法：采用更高效的CRC算法实现，如并行CRC计算，以提高大文件校验的速度。
在本实施例中，本申请采用分段校验：对于较大的录像文件，采用分段CRC校验。即将文件分为多个部分，对每个部分单独计算校验码，这样可以在文件传输或存储过程中逐段验证，提高效率。以确认文件未被损坏。对于识别为完整且有效的录像文件，VVVF将它们加入到待处理队列。同时，对于检测到的损坏文件，进行标记和记录，以供后续审核。
在本实施例中，所述根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器包括：
从每个行为分析服务器实时收集负载数据；
获取负载预测模型；
将每个行为分析服务器的负载数据属于至负载预测模型，从而获取每个行为分析服务器的预设未来时间段内的负载情况；
根据各个行为分析服务器的预设未来时间段内的负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
具体而言，本申请还进一步包括负载适应性传输调度功能模块(LATSF-Load-Adaptive Transmission Scheduling Feature)。
在本实施例中，LATSF根据实时分析和预测智能行为分析服务器的负载情况，动态调整录像文件的推送策略。该功能采用负载预测模型，如基于时间序列的预测算法，来估计服务器未来的负载情况。
具体而言，本申请的LATSF采用如下方法：
1、实时负载数据收集
LATSF首先从所有连接的行为分析服务器实时收集负载数据，包括CPU使用率、内存使用量、磁盘I/O速度和网络带宽使用情况。
这些数据通过监控工具(如Nagios或Prometheus)收集，并通过API或数据库连接实时传输至LATSF系统。
2、负载预测模型
LATSF使用基于时间序列的预测算法(如ARIMA或指数平滑法)来分析和预测每个服务器的未来负载情况。
系统对历史负载数据进行时间序列分析，识别负载的模式和趋势，然后基于这些信息预测未来一定时间内的负载情况。
3、推送策略动态调整
根据预测结果，LATSF动态调整录像文件的推送策略。例如，如果某服务器预计将面临高负载，系统会减少向该服务器推送的文件数量。
推送策略调整包括改变文件推送的优先级和时间安排。高优先级的文件被优先发送到负载较低的服务器，而低优先级的文件在负载较高时可以延迟发送。
4、推送调度优化
LATSF持续优化推送调度算法，以提高整体系统的效率和响应速度。这包括调整文件分配到各服务器的比例和考虑不同类型文件的处理优先级。
系统还考虑网络带宽的使用情况，确保文件传输不会导致网络拥堵。
5、反馈机制与自适应调整
LATSF实施反馈机制，监控推送策略调整后的效果，如服务器的实际负载与预测负载之间的偏差。
根据反馈数据，系统不断调整预测模型和推送策略，以适应服务器性能的变化和网络条件的波动。并据此调整文件推送的优先级和时间安排。
在本实施例中，本申请还进一步包括高效数据处理与传输功能模块(EDPTF-Efficient DataProcessing andTransmissionFeature)
EDPTF专注于大文件和高清视频的高效传输。它采用如H.264或H.265的高效视频编码技术减少文件大小，同时使用TCP/IP或UDP等协议优化网络传输。
在本实施例中，EDPTF进行传输时采用动态带宽分配方法，具体方法如下：
1、带宽监控
EDPTF首先对网络环境进行实时监控，收集关于网络带宽利用率的数据。这包括测量整个网络的带宽使用情况，以及单个设备(如服务器和路由器)的带宽使用。
这些数据通过网络监控工具(例如SNMP协议工具)收集，以评估当前的网络容量和利用率。
2、带宽需求评估
EDPTF对即将传输的录像文件(特别是大文件和高清视频)进行带宽需求评估。这包括估计文件传输所需的理想带宽和最小带宽要求。
评估基于文件大小、视频质量(如分辨率和帧率)以及预期的传输时间。
3、动态带宽分配
根据当前网络带宽的可用性和文件的带宽需求，EDPTF动态分配带宽给每个传输任务。
如果当前网络带宽充足，EDPTF将分配更多带宽给传输任务，以加快传输速度。如果网络带宽紧张，EDPTF将减少单个文件的带宽分配，以平衡整个网络的带宽使用。
4、优化网络传输
在传输过程中，EDPTF根据网络条件的变化实时调整带宽分配。例如，当网络拥堵时，减少带宽分配给非紧急传输任务。
使用TCP/IP或UDP协议根据不同场景和需求优化传输。TCP用于确保数据完整性，而UDP用于高速传输场景。
5、反馈与调整
EDPTF持续收集传输过程中的性能数据，并根据这些数据调整带宽分配策略。例如，如果检测到文件传输速度低于预期，EDPTF会增加该传输任务的带宽分配。确保数据传输的高效性和稳定性。
在本实施例中，本申请还进一步包括动态优先级调整模块(DPAM-DynamicPriorityAdjustment Module)
具体而言，DPAM通过实时监控智能行为分析服务器的处理能力和当前负载，动态调整录像文件的处理优先级。它采用复杂事件处理和实时数据流分析技术来评估服务器状态，以确保数据流的有效管理。
具体而言，DPAM采用如下方法进行调节：
1、实时监控与数据收集
DPAM首先通过实时监控系统持续收集智能行为分析服务器的处理能力和当前负载数据，包括CPU使用率、内存使用量、网络带宽使用情况和磁盘I/O。
使用专用的监控工具(例如SNMP协议工具、Nagios或Prometheus等)实时获取这些性能指标。
本申请还提供了复杂事件处理模块(CEP)。
复杂事件处理(CEP)的基本概念定义：复杂事件处理是一种用于实时分析和处理来自多个数据源的事件流的技术。它专注于识别复杂模式、关系或趋势，这些通常涉及多个事件和数据点的组合。
核心功能：
事件识别：CEP可以识别和解释一系列事件，这些事件可能是单独无意义的，但在一起时表明了某种特定的情况或趋势。
模式匹配：通过定义特定的规则和模式，CEP能够匹配特定的事件序列，识别出重要的事件组合或异常行为。
DPAM采用复杂事件处理技术来分析从服务器收集到的实时数据。这涉及识别特定模式或趋势，如负载突增、持续的高负载或资源使用率的异常变化。
CEP系统能够快速识别这些事件，并触发相应的响应机制，如优先级调整或资源重新分配。
3、实时数据流分析
DPAM处理持续收集的性能数据。这包括使用时间序列分析、趋势预测和异常检测算法来评估服务器状态。
例如，分析CPU和内存使用趋势，预测可能的性能瓶颈，并据此调整数据流的处理优先级。
4、处理优先级的动态调整
根据实时分析的结果，DPAM动态调整录像文件的处理优先级。当某服务器显示出即将达到或已达到高负载时，DPAM降低分配给该服务器的低优先级任务的处理速率，同时提高对高优先级任务的处理速率。
优先级调整决策基于当前服务器状态和预测的未来负载情况，以及各个录像文件的重要性和紧急程度。
5、数据流的有效管理
DPAM的目标是确保在智能行为分析服务器上数据流的有效和平衡管理。通过实时调整处理优先级，DPAM能够优化服务器的资源使用，减少处理延迟，并提高整体的数据处理效率。
本发明通过上述模块的协同工作，大大提高了考试监控系统处理大规模视频数据的能力。每个模块都经过精心设计，以确保数据的有效获取、处理和传输，同时优化智能行为分析服务器的负载。这一系统的实施不仅提升了视频分析的效率，还保证了整个监控过程的连续性和可靠性，为考试监控领域提供了一个高效的解决方案。
在本实施例中，行为分析服务器的最大接入路数用于确定推流规则的调整，从而确保在多服务器环境下实现对录像文件的高效、有序处理和分析。
在本实施例中，根据行为分析服务器的分析结果反馈，动态调整后续录像文件的推送优先级，以优化整体视频分析的效率和准确性。
在本实施例中，本申请支持多个行为分析服务器的同时接入，并能根据每个服务器的实时负载情况独立调整推送规则，从而提高整个视频监控系统的响应速度和分析质量。
在本实施例中，所述方法还包括一个监控界面，用于实时展示当前录像文件的推送状态、智能行为分析服务器的负载情况，以及任何相关的分析结果反馈，从而为用户提供直观的操作和监控体验。
本申请还提供了一种考试监控录像传输装置，所述考试监控录像传输装置包括自动录像文件访问模块、智能录像排序和索引功能模块、当前负载情况获取模块以及负载适应性传输调度功能模块，其中，
自动录像文件访问模块由于获取自至少一个硬盘录像机所获取的考试监控的录像文件；
智能录像排序和索引功能模块用于分别为获取的每个录像文件设置优先级以及位置索引；
当前负载情况获取模块用于获取各个行为分析服务器的当前负载情况；
负载适应性传输调度功能模块用于根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
本申请还提供了一种考试监控录像传输系统，所述考试监控录像传输系统包括至少一个硬盘录像机、至少两个行为分析服务器以及如权利要求8所述的考试监控录像传输装置。
图2是本发明一个或多个实施例提供的一种客户端结构框图。
如图2所示，本申请还公开了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器中存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行考试监控录像传输方法的步骤。
本申请还提供了一种计算机可读存储介质，其存储有可由电子设备执行的计算机程序，当计算机程序在电子设备上运行时，能够实现考试监控录像传输方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended IndustryStandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
电子设备包括硬件层，运行在硬件层之上的操作系统层，以及运行在操作系统上的应用层。该硬件层包括中央处理器(CPU，Central Processing Unit)、内存管理单元(MMU，MemoryManagementUnit)和内存等硬件。该操作系统可以是任意一种或多种通过进程(Process)实现电子设备控制的计算机操作系统，例如，Linux操作系统、Unix操作系统、Android操作系统、iOS操作系统或windows操作系统等。并且在本发明实施例中该电子设备可以是智能手机、平板电脑等手持设备，也可以是桌面计算机、便携式计算机等电子设备，本发明实施例中并未特别限定。
本发明实施例中的电子设备控制的执行主体可以是电子设备，或者是电子设备中能够调用程序并执行程序的功能模块。电子设备可以获取到存储介质对应的固件，存储介质对应的固件由供应商提供，不同存储介质对应的固件可以相同可以不同，在此不做限定。电子设备获取到存储介质对应的固件后，可以将该存储介质对应的固件写入存储介质中，具体地是往该存储介质中烧入该存储介质对应固件。将固件烧入存储介质的过程可以采用现有技术实现，在本发明实施例中不做赘述。
电子设备还可以获取到存储介质对应的重置命令，存储介质对应的重置命令由供应商提供，不同存储介质对应的重置命令可以相同可以不同，在此不做限定。
此时电子设备的存储介质为写入了对应的固件的存储介质，电子设备可以在写入了对应的固件的存储介质中响应该存储介质对应的重置命令，从而电子设备根据存储介质对应的重置命令，对该写入对应的固件的存储介质进行重置。根据重置命令对存储介质进行重置的过程可以现有技术实现，在本发明实施例中不做赘述。
为了描述的方便，描述以上装置时以功能分为各种单元、模块分别描述。当然在实施本申请时可以把各单元、模块的功能在同一个或多个软件和/或硬件中实现。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器或者网络设备等)执行本申请各个实施方式或者实施方式的某些部分所述的方法。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种考试监控录像传输方法，其特征在于，所述考试监控录像传输方法包括：
获取自至少一个硬盘录像机所获取的考试监控的录像文件；
分别为获取的每个录像文件设置优先级以及位置索引；
获取各个行为分析服务器的当前负载情况；
根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
2.如权利要求1所述的考试监控录像传输方法，其特征在于，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件包括：
通过网络扫描算法获取可用的硬盘录像机；
通过协议与各个可用的硬盘录像机连接；
获取各个可用的硬盘录像机所传递的考试监控的录像文件。
3.根据权利要求2所述的考试监控录像传输方法，其特征在于，当与任意一个所述硬盘录像机连接断开时，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件进一步包括：
在检测到连接断开后，自动尝试重新建立连接；其中，重连尝试采用指数退避策略，即重连等待时间在每次失败后逐渐增加。
4.如权利要求3所述的考试监控录像传输方法，其特征在于，所述获取自至少一个硬盘录像机所获取的考试监控的录像文件进一步包括：
在获取各个可用的硬盘录像机所传递的考试监控的录像文件过程中，通过网络质量检测算法实时检测网络质量，当网络质量低于预设阈值时，调整传输频率。
5.根据权利要求4所述的考试监控录像传输方法，其特征在于，所述考试监控录像传输方法进一步包括：
对每个录像文件进行有效性检验。
6.如权利要求5所述的考试监控录像传输方法，其特征在于，所述对每个录像文件进行有效性检验包括：
获取每个录像文件的CRC校验码；
获取预设CRC校验码数据库，所述预设CRC校验码数据库包括至少一个预设CRC校验码；
将每个录像文件的CRC校验码分别与每个预设CRC校验码进行比对，当一个录像文件的CRC校验码与一个预设CRC校验码匹配成功，则判断该录像文件的CRC校验码所对应的录像文件正确。
7.如权利要求6所述的考试监控录像传输方法，其特征在于，所述根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器包括：
从每个行为分析服务器实时收集负载数据；
获取负载预测模型；
将每个行为分析服务器的负载数据属于至负载预测模型，从而获取每个行为分析服务器的预设未来时间段内的负载情况；
根据各个行为分析服务器的预设未来时间段内的负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
8.一种考试监控录像传输装置，其特征在于，所述考试监控录像传输装置包括：
自动录像文件访问模块，所述自动录像文件访问模块由于获取自至少一个硬盘录像机所获取的考试监控的录像文件；
智能录像排序和索引功能模块，所述智能录像排序和索引功能模块用于分别为获取的每个录像文件设置优先级以及位置索引；
当前负载情况获取模块，所述当前负载情况获取模块用于获取各个行为分析服务器的当前负载情况；
负载适应性传输调度功能模块，所述负载适应性传输调度功能模块用于根据各个行为分析服务器的当前负载情况以及各个录像文件的优先级将各个录像文件发送给各个行为分析服务器。
9.一种考试监控录像传输系统，其特征在于，所述考试监控录像传输系统包括至少一个硬盘录像机、至少两个行为分析服务器以及如权利要求8所述的考试监控录像传输装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311823338.2A CN117880463A (zh) | 2023-12-27 | 2023-12-27 | 一种考试监控录像传输方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311823338.2A CN117880463A (zh) | 2023-12-27 | 2023-12-27 | 一种考试监控录像传输方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117880463A true CN117880463A (zh) | 2024-04-12 |
Family
ID=90592588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311823338.2A Pending CN117880463A (zh) | 2023-12-27 | 2023-12-27 | 一种考试监控录像传输方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117880463A (zh) |
-
2023
- 2023-12-27 CN CN202311823338.2A patent/CN117880463A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10318366B2 (en) | System and method for relationship based root cause recommendation | |
| US11237913B2 (en) | System and method for data classification during file backup | |
| US20110320870A1 (en) | Collecting network-level packets into a data structure in response to an abnormal condition | |
| US6633834B2 (en) | Baselining of data collector data | |
| CN104899130A (zh) | 一种应用程序管理方法及系统 | |
| CN110809060B (zh) | 一种应用服务器集群的监控系统及监控方法 | |
| CN111181923A (zh) | 流量检测方法、装置、电子设备及存储介质 | |
| CN112260889B (zh) | 一种基于Linux的进程流量监控方法、系统及设备 | |
| CN114710369B (zh) | 一种异常数据检测方法、装置、计算机设备及存储介质 | |
| CN112532614A (zh) | 一种用于电网终端的安全监测方法和系统 | |
| US9215152B2 (en) | High efficiency network monitoring system and methods | |
| CN108667740A (zh) | 流量控制的方法、装置及系统 | |
| CN117081996B (zh) | 基于服务端实时反馈和软阈值的流量控制方法及相关设备 | |
| CN117880463A (zh) | 一种考试监控录像传输方法、装置及系统 | |
| JP2001077813A (ja) | ネットワーク情報管理装置とネットワーク情報管理方法およびその処理プログラムを記録した記録媒体 | |
| CN116414661A (zh) | 分布式存储的固态硬盘处理方法和装置 | |
| CN106686082B (zh) | 存储资源调整方法及管理节点 | |
| CN102377582A (zh) | 数据上传方法和设备 | |
| CN113923272A (zh) | 数据解析方法、装置和服务器设备 | |
| CN113778831A (zh) | 一种数据应用性能分析方法、装置、设备和介质 | |
| CN115333917A (zh) | 一种cdn异常检测方法及装置 | |
| CN114531253A (zh) | 一种威胁情报生成方法、设备、系统及存储介质 | |
| CN115022094B (zh) | 一种便于了解单位内部计算机使用情况的监控系统 | |
| CN117891619B (zh) | 基于虚拟化平台的主机资源同步方法及系统 | |
| US20220100611A1 (en) | System and method for selecting a backup plan based on sampled metadata |
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 |