CN117893951A - 一种视频物联网检测设备 - Google Patents
一种视频物联网检测设备 Download PDFInfo
- Publication number
- CN117893951A CN117893951A CN202410269497.0A CN202410269497A CN117893951A CN 117893951 A CN117893951 A CN 117893951A CN 202410269497 A CN202410269497 A CN 202410269497A CN 117893951 A CN117893951 A CN 117893951A
- Authority
- CN
- China
- Prior art keywords
- video
- data set
- unit
- module
- internet
- 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.)
- Granted
Links
- 230000006855 networking Effects 0.000 title claims description 4
- 238000012360 testing method Methods 0.000 title claims description 3
- 238000001514 detection method Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000003745 diagnosis Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims description 66
- 230000006835 compression Effects 0.000 claims description 57
- 238000007906 compression Methods 0.000 claims description 57
- 230000005540 biological transmission Effects 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000007781 pre-processing Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 9
- 238000004904 shortening Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种视频物联网检测设备,涉及视频检测技术领域,该视频物联网检测设备包括视频数据采集模块、物联网数据采集模块、分析模块、诊断模块、报警模块以及反馈模块,该设备通过六个模块的协同工作,实现了视频设备数据的采集、分析、诊断、报警和反馈等一系列功能,其有益效果包括实时监测视频设备状态、全面分析多维数据、自动报警和优化,从而提高了设备性能、降低了运维成本,相较于传统手段,该系统在自动化和智能化方面取得了显著改进,提升了整体效果,这种集成式的设计能够更好地适应视频物联网领域的复杂环境,为用户提供更可靠、高效的监测和运维服务。
Description
技术领域
本发明涉及视频检测技术领域,具体为一种视频物联网检测设备。
背景技术
视频物联网检测设备是一种整合了视频监控技术和物联网(Internet ofThings,IoT)技术的设备,其主要功能是通过连接物联网传感器和视频监控设备,实时采集、分析和诊断视频设备及其周边环境的状态和数据,这种设备能够通过网络实现设备之间的通信和协同工作,从而提供更智能化、自动化的监测、运维和优化服务。
在传统的视频监控体系中,存在一定程度上的对设备状态监测不及时、数据分析不够全面、运维过程繁琐的问题,从而容易导致监控系统在应对复杂环境和异常情况时效率较低,运维成本较高。此外,现有的监控设备缺乏对不同优化等级的智能判别和匹配优化方式,使得设备无法根据具体情况采用个性化的优化措施。
发明内容
针对现有技术的不足,本发明提供了一种视频物联网检测设备,解决了背景技术中提到的对设备状态监测不及时、数据分析不够全面、运维过程繁琐的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种视频物联网检测设备,包括视频数据采集模块、物联网数据采集模块、分析模块、诊断模块、报警模块以及反馈模块;
所述视频数据采集模块用于采集检测设备的视频数据组,并将采集获取的视频数据组输入至分析模块内,通过分析模块对视频数据组进行预处理,并对预处理后的视频数据组进行特征提取,从而形成第一数据组;
所述物联网数据采集模块用于采集物联网辅助数据组,并将采集获取的物联网辅助数据组输入至分析模块内,通过分析模块对物联网辅助数据组进行预处理,并对预处理后的物联网辅助数据组进行特征提取,从而形成第二数据组;
分析模块包括预处理单元和数据提取单元,其中预处理单元用于对视频数据组和物联网辅助数据组进行预处理,数据提取单元用于将预处理后的各项数据进行提取从而形成第一数据组和第二数据组,所述分析模块将生成的第一数据组和第二数据组输入至诊断模块内;
所述诊断模块用于对第一数据组和第二数据组先进行无量纲处理后进行整合计算从而分别获得视频特征参数SPtz和辅助特征参数FZtz,再将视频特征参数SPtz和辅助特征参数FZtz先进行无量纲处理后再进行整合计算进而获得介入参考值JRckz,并将计算获取的介入参考值JRckz输入至报警模块内;
所述报警模块将计算获取的介入参考值JRckz与预设的第一阈值Y进行对比,从而生成第一对比结果,根据第一对比结果判断是否需要对视频进行优化调整,若判断结果为无需进行优化调整则保持现有状态进行传输,若判断结果为需要进行优化调整则将计算获取的与第一阈值Y输入至诊断模块内进行整合计算从而获取介入优化系数JRyhz以及第二阈值R,并将优化系数与第二阈值R进行比较,从而生成第二对比结果,并将第二对比结果输入至反馈模块内;
所述反馈模块用于将第二对比结果与预设的优化措施进行匹配,从而执行相应的优化措施,并在执行后生成优化日志,发送至后台进行归档保存。
优选的,所述第一数据组包括红色频道均值Rjz、蓝色频道均值LPjz、绿色频道均值LSjz、灰度值Hz和对比度值Dz;
所述第二数据组包括传输帧率SPcsl、关键帧间隔Gjg、压缩率Ysl、压缩时间值Ysj以及压缩速度值Ysd。
优选的,所述视频数据采集模块包括白平衡检测单元和亮度检测单元;
所述白平衡检测单元用于采集视频的红色频道均值Rjz、蓝色频道均值LPjz以及绿色频道均值LSjz;
所述亮度检测单元用于采集视频的灰度值Hz和对比度值Dz;
所述物联网数据采集模块包括比特率检测单元和压缩率检测单元;
其中所述比特率检测单元用于检测视频的传输帧率SPcsl以及关键帧间隔Gjg,所述压缩率检测单元用于检测视频的压缩率Ysl、压缩时间值Ysj以及压缩速度值Ysd。
优选的,所述报警模块包括第一对比单元和第二对比单元,所述第一对比单元用于生成第一对比结果,所述第二对比单元用于生成第二对比结果;
所述第一对比结果为:
当时,代表无需对视频进行优化调整;
当时,代表需要对视频进行优化调整;
为介入参考值,/>为第一阈值;
当时,代表当前为第一待优化等级;
当时,代表当前为第二优化等级;
当时,代表当前为第三优化等级;
当时,代表当前为第四优化等级;
为介入优化系数,/>为第二阈值。
优选的,所述反馈模块包括储存单元,所述储存单元用于储存优化方式,具体如下:
当第二对比结果为第一待优化等级时,检查传输帧率SPcsl以及关键帧间隔Gjg,并上调5%的传输帧率SPcsl,缩短1%的关键帧间隔Gjg;
当第二对比结果为第二待优化等级时,检查传输帧率SPcsl以及关键帧间隔Gjg,并上调7%的传输帧率SPcsl以及缩短3%的关键帧间隔Gjg;
当第二对比结果为第三待优化等级时,检查传输帧率SPcsl、关键帧间隔Gjg以及压缩率Ysl,并上调8.5%的传输帧率SPcsl同时缩短5%的关键帧间隔Gjg并提高3%的压缩率Ysl;
当第二对比结果为第四待优化等级时,检查传输帧率SPcsl、关键帧间隔Gjg、压缩率Ysl以及压缩速度Ysd,并上调10%的传输帧率SPcsl,缩短7.3%的关键帧间隔Gjg,并提高5%的压缩率Ysl以及提高5%的压缩速度Ysd。
优选的,所述反馈模块还包括匹配单元,所述匹配单元用于将储存单元所储存的优化方式与第二对比结果进行匹配。
优选的,所述反馈模块还包括执行单元,所述执行单元用于执行所述储存单元内的优化方式,并在执行后生成优化日志进行保存和归档。
优选的,所述诊断模块包括第一计算单元,所述第一计算单元用于计算视频特征参数SPtz和辅助特征参数FZtz,具体计算公式分别如下:
;
;
式中:Rjz为红色频道均值,LPjz为蓝色频道均值,LSjz为绿色频道均值,Hz为灰度值,Dz为对比度值,a1和a2为权重值,且,A为第一修正常数,且a1、a2以及A的值由用户调整设置;
SPcsl为传输帧率,Gjg为关键帧间隔,Ysj为压缩时间值,Ysd为压缩速度值,Ysl为压缩率,b1和b2为权重值,且,b1以及b2的值由用户调整设置。
优选的,述诊断模块还包括第二计算单元,所述第二计算单元用于计算介入参考值JRckz,具体计算公式如下:
;
式中:SPtz为视频特征参数,FZtz为辅助特征参数,c1和c2均为权重值,且,C为第二修正常数,且c1、c2以及C的值由用户调整设置。
优选的,所述诊断模块还包括第三计算单元,所述第三计算单元用于计算第二阈值R以及介入优化系数JRyhz,具体计算公式分别如下:
;
;
式中:JRckz为介入参考值,Y为第一阈值,D为第三修正常数,且D的值由用户调整设置。
本发明提供了一种视频物联网检测设备,具备以下有益效果:
(1)该视频物联网检测设备通过六个模块的协同工作,实现了视频设备数据的采集、分析、诊断、报警和反馈等一系列功能。其有益效果包括实时监测视频设备状态、全面分析多维数据、自动报警和优化,从而提高了设备性能、降低了运维成本,相较于传统手段,该系统在自动化和智能化方面取得了显著改进,提升了整体效果,这种集成式的设计能够更好地适应视频物联网领域的复杂环境,为用户提供更可靠、高效的监测和运维服务。
(2)通过对比介入参考值JRckz和介入优化系数JRyhz与第一阈值Y以及第二阈值R的关系,生成第一和第二对比结果,通过该流程使得设备能够智能判断是否需要进行视频优化调整,并在需要时提供详细的优化等级信息,通过对比机制,设备能够实时判断视频状态,提高了系统对异常情况的响应速度,不同优化等级下的智能匹配优化方式,使得设备能够根据具体情况采用个性化的优化措施,提升了系统的灵活性和定制性。
附图说明
图1为本发明的系统流程图。
图中:101、视频数据采集模块;102、物联网数据采集模块;103、分析模块;104、诊断模块;105、报警模块;106、反馈模块;201、白平衡检测单元;202、亮度检测单元;204、比特率检测单元;205、压缩率检测单元;206、预处理单元;207、数据提取单元;208、第一计算单元;209、第二计算单元;210、第三计算单元;211、第一对比单元;212、第二对比单元;213、储存单元;214、匹配单元;215、执行单元。
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、完整地描述,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。
实施例1
本发明提供一种视频物联网检测设备,请参阅图1,包括视频数据采集模块101、物联网数据采集模块102、分析模块103、诊断模块104、报警模块105以及反馈模块106;
视频数据采集模块101用于采集检测设备的视频数据组,并将采集获取的视频数据组输入至分析模块103内,通过分析模块103对视频数据组进行预处理,并对预处理后的视频数据组进行特征提取,从而形成第一数据组;
物联网数据采集模块102用于采集物联网辅助数据组,并将采集获取的物联网辅助数据组输入至分析模块103内,通过分析模块103对物联网辅助数据组进行预处理,并对预处理后的物联网辅助数据组进行特征提取,从而形成第二数据组;
分析模块103包括预处理单元206和数据提取单元207,其中预处理单元206用于对视频数据组和物联网辅助数据组进行预处理,数据提取单元207用于将预处理后的各项数据进行提取从而形成第一数据组和第二数据组,分析模块103将生成的第一数据组和第二数据组输入至诊断模块104内;
诊断模块104用于对第一数据组和第二数据组先进行无量纲处理后进行整合计算从而分别获得视频特征参数SPtz和辅助特征参数FZtz,再将视频特征参数SPtz和辅助特征参数FZtz先进行无量纲处理后再进行整合计算进而获得介入参考值JRckz,并将计算获取的介入参考值JRckz输入至报警模块105内;
报警模块105将计算获取的介入参考值JRckz与预设的第一阈值Y进行对比,从而生成第一对比结果,根据第一对比结果判断是否需要对视频进行优化调整,若判断结果为无需进行优化调整则保持现有状态进行传输,若判断结果为需要进行优化调整则将计算获取的与第一阈值Y输入至诊断模块104内进行整合计算从而获取介入优化系数JRyhz以及第二阈值R,并将优化系数JRyhz与第二阈值R进行比较,从而生成第二对比结果,并将第二对比结果输入至反馈模块106内;
反馈模块106用于将第二对比结果与预设的优化措施进行匹配,从而执行相应的优化措施,并在执行后生成优化日志,发送至后台进行归档保存。
本实施例中:视频数据采集模块101负责从检测设备获取视频数据,通过采集得到的视频数据组,并将其输入到分析模块103,从而实现了实时视频数据的抓取和传输,为后续的分析提供了实时的数据支持,确保系统能够持续监测并响应。
物联网数据采集模块102负责采集与检测设备相关的物联网辅助数据组,并将其输入到分析模块103,从而丰富了系统获取的数据类型,为综合分析提供了更全面的信息基础,有助于综合判断检测设备的状态。
分析模块103包括预处理单元206和数据提取单元207,负责对视频数据组和物联网辅助数据组进行预处理和特征提取,这使得系统能够从原始数据中提取出有价值的特征信息,形成第一数据组和第二数据组,为后续的诊断和报警提供了有效的数据基础。
诊断模块104对第一数据组和第二数据组进行无量纲处理、整合计算,分别获得视频特征参数SPtz和辅助特征参数FZtz,通过对这些参数进行处理,系统可以进行全面的视频设备诊断,评估视频特征和辅助特征的状态,为后续的报警决策提供依据。
报警模块105接收诊断模块输出的介入参考值JRckz,并与预设的第一阈值Y进行对比,生成第一对比结果,报警模块105负责监测视频设备的状态,判断是否需要进行优化调整,确保问题能够被迅速发现和解决。
反馈模块106接收报警模块105输出的第二对比结果,并执行相应的优化措施,在系统判断需要进行优化时,反馈模块能够自动匹配并执行相应的优化策略,优化日志会被生成并发送至后台进行归档保存。这有助于实现自动化运维,减轻用户的运维负担,提高系统稳定性和性能。
该视频物联网检测设备通过六个模块的协同工作,实现了视频设备数据的采集、分析、诊断、报警和反馈等一系列功能。其有益效果包括实时监测视频设备状态、全面分析多维数据、自动报警和优化,从而提高了设备性能、降低了运维成本。相较于传统手段,该系统在自动化和智能化方面取得了显著改进,提升了整体效果。这种集成式的设计能够更好地适应视频物联网领域的复杂环境,为用户提供更可靠、高效的监测和运维服务。
实施例2
请参照图1,第一数据组包括红色频道均值Rjz、蓝色频道均值LPjz、绿色频道均值LSjz、灰度值Hz和对比度值Dz;
第二数据组包括传输帧率SPcsl、关键帧间隔Gjg、压缩率Ysl、压缩时间值Ysj以及压缩速度值Ysd。
视频数据采集模块101包括白平衡检测单元201和亮度检测单元202;
白平衡检测单元201用于采集视频的红色频道均值Rjz、蓝色频道均值LPjz以及绿色频道均值LSjz;
亮度检测单元202用于采集视频的灰度值Hz和对比度值Dz;
物联网数据采集模块102包括比特率检测单元204和压缩率检测单元205;
其中比特率检测单元204用于检测视频的传输帧率SPcsl以及关键帧间隔Gjg,压缩率检测单元205用于检测视频的压缩率Ysl、压缩时间值Ysj以及压缩速度值Ysd。
本实施例中:视频数据采集模块101和物联网数据采集模块102分别包含白平衡检测单元201、亮度检测单元202、比特率检测单元204和压缩率检测单元205,从而引入红色频道均值Rjz、蓝色频道均值LPjz以及绿色频道均值LSjz三个特征参数,丰富了对视频色彩和亮度的描述,使设备能够更全面地了解视频的视觉特性,并额外加入了传输帧率SPcsl、关键帧间隔Gjg、压缩率Ysl、压缩时间值Ysj和压缩速度值Ysd,使设备能够深入分析视频的压缩和传输性能,为优化和自动化运维提供更精准的依据,进而实现了设备模块化的数据采集设计,增强了设备的可扩展性和灵活性,通过引入白平衡检测和亮度检测单元,设备可以更智能地分析视频的颜色平衡和亮度特性,从而提高视频质量和用户体验。
实施例3
请参照图1,报警模块105包括第一对比单元211和第二对比单元212,第一对比单元211用于生成第一对比结果,第二对比单元212用于生成第二对比结果;
第一对比结果为:
当时,代表无需对视频进行优化调整;
当时,代表需要对视频进行优化调整;
为介入参考值,/>为第一阈值;
第二对比结果为:
当时,代表当前为第一待优化等级;
当时,代表当前为第二优化等级;
当时,代表当前为第三优化等级;
当时,代表当前为第四优化等级;
为介入优化系数,/>为第二阈值。
反馈模块106包括储存单元213,储存单元213用于储存优化方式,具体如下:
当第二对比结果为第一待优化等级时,检查传输帧率SPcsl以及关键帧间隔Gjg,并上调5%的传输帧率SPcsl,缩短1%的关键帧间隔Gjg;
当第二对比结果为第二待优化等级时,检查传输帧率SPcsl以及关键帧间隔Gjg,并上调7%的传输帧率SPcsl以及缩短3%的关键帧间隔Gjg;
当第二对比结果为第三待优化等级时,检查传输帧率SPcsl、关键帧间隔Gjg以及压缩率Ysl,并上调8.5%的传输帧率SPcsl同时缩短5%的关键帧间隔Gjg并提高3%的压缩率Ysl;
当第二对比结果为第四待优化等级时,检查传输帧率SPcsl、关键帧间隔Gjg、压缩率Ysl以及压缩速度Ysd,并上调10%的传输帧率SPcsl,缩短7.3%的关键帧间隔Gjg,并提高5%的压缩率Ysl以及提高5%的压缩速度Ysd。
反馈模块106还包括匹配单元214,匹配单元214用于将储存单元213所储存的优化方式与第二对比结果进行匹配。
本实施例中:报警模块105包括第一对比单元211和第二对比单元212,通过对比介入参考值JRckz和介入优化系数JRyhz与预设阈值的关系,生成第一和第二对比结果,通过该流程使得设备能够智能判断是否需要进行视频优化调整,并在需要时提供详细的优化等级信息,通过对比机制,设备能够实时判断视频状态,提高了系统对异常情况的响应速度,不同优化等级下的智能匹配优化方式,使得设备能够根据具体情况采用个性化的优化措施,提升了系统的灵活性和定制性。
反馈模块106包含储存单元213、匹配单元214和执行单元215,储存单元213存储了不同优化等级下的具体优化方式,匹配单元214则将储存的优化方式与第二对比结果进行智能匹配,执行单元215负责执行匹配到的优化方式,并生成优化日志进行保存,通过储存单元213、匹配单元214和执行单元215进一步提升了设备的智能化水平,为用户提供了更便捷和高效的运维体验。
实施例4
请参照图1,诊断模块104包括第一计算单元208,第一计算单元208用于计算视频特征参数SPtz和辅助特征参数FZtz,具体计算公式分别如下:
;
;
式中:Rjz为红色频道均值,LPjz为蓝色频道均值,LSjz为绿色频道均值,Hz为灰度值,Dz为对比度值,a1和a2为权重值,且,A为第一修正常数,且a1、a2以及A的值由用户调整设置;
SPcsl为传输帧率,Gjg为关键帧间隔,Ysj为压缩时间值,Ysd为压缩速度值,Ysl为压缩率,b1和b2为权重值,且,b1以及b2的值由用户调整设置。
诊断模块104还包括第二计算单元209,第二计算单元209用于计算介入参考值JRckz,具体计算公式如下:
式中:SPtz为视频特征参数,FZtz为辅助特征参数,c1和c2均为权重值,且,C为第二修正常数,且c1、c2以及C的值由用户调整设置。
诊断模块104还包括第三计算单元210,第三计算单元210用于计算第二阈值R以及介入优化系数JRyhz,具体计算公式分别如下:
;
;
式中:JRckz为介入参考值,Y为第一阈值,D为第三修正常数,且D的值由用户调整设置。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种视频物联网检测设备,包括视频数据采集模块(101)、物联网数据采集模块(102)、分析模块(103)、诊断模块(104)、报警模块(105)以及反馈模块(106),其特征在于:
所述视频数据采集模块(101)用于采集检测设备的视频数据组,并将采集获取的视频数据组输入至分析模块(103)内,通过分析模块(103)对视频数据组进行预处理,并对预处理后的视频数据组进行特征提取,从而形成第一数据组;
所述物联网数据采集模块(102)用于采集物联网辅助数据组,并将采集获取的物联网辅助数据组输入至分析模块(103)内,通过分析模块(103)对物联网辅助数据组进行预处理,并对预处理后的物联网辅助数据组进行特征提取,从而形成第二数据组;
分析模块(103)包括预处理单元(206)和数据提取单元(207),其中预处理单元(206)用于对视频数据组和物联网辅助数据组进行预处理,数据提取单元(207)用于将预处理后的各项数据进行提取从而形成第一数据组和第二数据组,所述分析模块(103)将生成的第一数据组和第二数据组输入至诊断模块(104)内;
所述诊断模块(104)用于对第一数据组和第二数据组先进行无量纲处理后进行整合计算从而分别获得视频特征参数SPtz和辅助特征参数FZtz,再将视频特征参数SPtz和辅助特征参数FZtz先进行无量纲处理后再进行整合计算进而获得介入参考值JRckz,并将计算获取的介入参考值JRckz输入至报警模块(105)内;
所述报警模块(105)将计算获取的介入参考值JRckz与预设的第一阈值Y进行对比,从而生成第一对比结果,根据第一对比结果判断是否需要对视频进行优化调整,若判断结果为无需进行优化调整则保持现有状态进行传输,若判断结果为需要进行优化调整则将计算获取的与第一阈值Y输入至诊断模块(104)内进行整合计算从而获取介入优化系数JRyhz以及第二阈值R,并将优化系数JRyhz与第二阈值R进行比较,从而生成第二对比结果,并将第二对比结果输入至反馈模块(106)内;
所述反馈模块(106)用于将第二对比结果与预设的优化措施进行匹配,从而执行相应的优化措施,并在执行后生成优化日志,发送至后台进行归档保存。
2.根据权利要求1所述的视频物联网检测设备,其特征在于:所述第一数据组包括红色频道均值Rjz、蓝色频道均值LPjz、绿色频道均值LSjz、灰度值Hz和对比度值Dz;
所述第二数据组包括传输帧率SPcsl、关键帧间隔Gjg、压缩率Ysl、压缩时间值Ysj以及压缩速度值Ysd。
3.根据权利要求2所述的视频物联网检测设备,其特征在于:所述视频数据采集模块(101)包括白平衡检测单元( 201)和亮度检测单元(202);
所述白平衡检测单元(201)用于采集视频的红色频道均值Rjz、蓝色频道均值LPjz以及绿色频道均值LSjz;
所述亮度检测单元(202)用于采集视频的灰度值Hz和对比度值Dz;
所述物联网数据采集模块(102)包括比特率检测单元(204)和压缩率检测单元(205);
其中所述比特率检测单元(204)用于检测视频的传输帧率SPcsl以及关键帧间隔Gjg,所述压缩率检测单元(205)用于检测视频的压缩率Ysl、压缩时间值Ysj以及压缩速度值Ysd。
4.根据权利要求3所述的视频物联网检测设备,其特征在于:所述报警模块(105)包括第一对比单元(211)和第二对比单元(212),所述第一对比单元(211)用于生成第一对比结果,所述第二对比单元(212)用于生成第二对比结果;
所述第一对比结果为:
当时,代表无需对视频进行优化调整;
当时,代表需要对视频进行优化调整;
为介入参考值,/>为第一阈值;
所述第二对比结果为:
当时,代表当前为第一待优化等级;
当时,代表当前为第二优化等级;
当时,代表当前为第三优化等级;
当时,代表当前为第四优化等级;
为介入优化系数,/>为第二阈值。
5.根据权利要求4所述的视频物联网检测设备,其特征在于:所述反馈模块(106)包括储存单元(213),所述储存单元(213)用于储存优化方式,具体如下:
当第二对比结果为第一待优化等级时,检查传输帧率SPcsl以及关键帧间隔Gjg,并上调5%的传输帧率SPcsl,缩短1%的关键帧间隔Gjg;
当第二对比结果为第二待优化等级时,检查传输帧率SPcsl以及关键帧间隔Gjg,并上调7%的传输帧率SPcsl以及缩短3%的关键帧间隔Gjg;
当第二对比结果为第三待优化等级时,检查传输帧率SPcsl、关键帧间隔Gjg以及压缩率Ysl,并上调8.5%的传输帧率SPcsl同时缩短5%的关键帧间隔Gjg并提高3%的压缩率Ysl;
当第二对比结果为第四待优化等级时,检查传输帧率SPcsl、关键帧间隔Gjg、压缩率Ysl以及压缩速度Ysd,并上调10%的传输帧率SPcsl,缩短7.3%的关键帧间隔Gjg,并提高5%的压缩率Ysl以及提高5%的压缩速度Ysd。
6.根据权利要求5所述的视频物联网检测设备,其特征在于:所述反馈模块(106)还包括匹配单元(214),所述匹配单元(214)用于将储存单元(213)所储存的优化方式与第二对比结果进行匹配。
7.根据权利要求6所述的视频物联网检测设备,其特征在于:所述反馈模块(106)还包括执行单元(215),所述执行单元(215)用于执行所述储存单元(213)内的优化方式,并在执行后生成优化日志进行保存和归档。
8.根据权利要求7所述的视频物联网检测设备,其特征在于:所述诊断模块(104)包括第一计算单元(208),所述第一计算单元(208)用于计算视频特征参数SPtz和辅助特征参数FZtz,具体计算公式分别如下:
;
;
式中:Rjz为红色频道均值,LPjz为蓝色频道均值,LSjz为绿色频道均值,Hz为灰度值,Dz为对比度值,a1和a2为权重值,且,A为第一修正常数,且a1、a2以及A的值由用户调整设置;
SPcsl为传输帧率,Gjg为关键帧间隔,Ysj为压缩时间值,Ysd为压缩速度值,Ysl为压缩率,b1和b2为权重值,且,b1以及b2的值由用户调整设置。
9.根据权利要求8所述的视频物联网检测设备,其特征在于:所述诊断模块(104)还包括第二计算单元(209),所述第二计算单元(209)用于计算介入参考值JRckz,具体计算公式如下:
;
式中:SPtz为视频特征参数,FZtz为辅助特征参数,c1和c2均为权重值,且,C为第二修正常数,且c1、c2以及C的值由用户调整设置。
10.根据权利要求9所述的视频物联网检测设备,其特征在于:所述诊断模块(104)还包括第三计算单元(210),所述第三计算单元(210)用于计算第二阈值R以及介入优化系数JRyhz,具体计算公式分别如下:
;
;
式中:JRckz为介入参考值,Y为第一阈值,D为第三修正常数,且D的值由用户调整设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410269497.0A CN117893951B (zh) | 2024-03-11 | 一种视频物联网检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410269497.0A CN117893951B (zh) | 2024-03-11 | 一种视频物联网检测设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117893951A true CN117893951A (zh) | 2024-04-16 |
CN117893951B CN117893951B (zh) | 2024-06-28 |
Family
ID=
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208086A (zh) * | 2015-08-17 | 2015-12-30 | 成都同兴伟业科技有限公司 | 基于物联网架构的分布式智能监控系统 |
CN205039847U (zh) * | 2015-08-28 | 2016-02-17 | 厦门云远软件科技有限公司 | 一种物联网数据采集设备 |
CN107172421A (zh) * | 2017-07-17 | 2017-09-15 | 深圳森阳环保材料科技有限公司 | 一种用于视频监控的图像质量诊断系统 |
CN109151463A (zh) * | 2018-11-07 | 2019-01-04 | 浩云科技股份有限公司 | 一种视频质量诊断系统及视频质量分析方法 |
CN111933270A (zh) * | 2020-07-17 | 2020-11-13 | 浙江理工大学 | 一种基于物联网的移动医疗数据采集与传输系统 |
CN112767631A (zh) * | 2021-01-25 | 2021-05-07 | 珠海智慧控股集团有限公司 | 基于物联网及移动互联网ai技术的安防一体化系统 |
CN114003771A (zh) * | 2021-09-17 | 2022-02-01 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
CN116976832A (zh) * | 2023-08-31 | 2023-10-31 | 杭州消迅通智能科技有限公司 | 基于ai、大数据和物联网的智慧消防集中统一监管平台 |
CN117289659A (zh) * | 2023-08-28 | 2023-12-26 | 华能左权煤电有限责任公司 | 一种电厂集控运行智能自动监控系统 |
CN117392587A (zh) * | 2023-11-02 | 2024-01-12 | 华能澜沧江水电股份有限公司景洪水电厂 | 基于物联网的特种设备安全监测系统 |
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208086A (zh) * | 2015-08-17 | 2015-12-30 | 成都同兴伟业科技有限公司 | 基于物联网架构的分布式智能监控系统 |
CN205039847U (zh) * | 2015-08-28 | 2016-02-17 | 厦门云远软件科技有限公司 | 一种物联网数据采集设备 |
CN107172421A (zh) * | 2017-07-17 | 2017-09-15 | 深圳森阳环保材料科技有限公司 | 一种用于视频监控的图像质量诊断系统 |
CN109151463A (zh) * | 2018-11-07 | 2019-01-04 | 浩云科技股份有限公司 | 一种视频质量诊断系统及视频质量分析方法 |
CN111933270A (zh) * | 2020-07-17 | 2020-11-13 | 浙江理工大学 | 一种基于物联网的移动医疗数据采集与传输系统 |
CN112767631A (zh) * | 2021-01-25 | 2021-05-07 | 珠海智慧控股集团有限公司 | 基于物联网及移动互联网ai技术的安防一体化系统 |
CN114003771A (zh) * | 2021-09-17 | 2022-02-01 | 中通服和信科技有限公司 | 基于物联网的特殊作业现场异常预警分析系统及方法 |
CN117289659A (zh) * | 2023-08-28 | 2023-12-26 | 华能左权煤电有限责任公司 | 一种电厂集控运行智能自动监控系统 |
CN116976832A (zh) * | 2023-08-31 | 2023-10-31 | 杭州消迅通智能科技有限公司 | 基于ai、大数据和物联网的智慧消防集中统一监管平台 |
CN117392587A (zh) * | 2023-11-02 | 2024-01-12 | 华能澜沧江水电股份有限公司景洪水电厂 | 基于物联网的特种设备安全监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101085442B (zh) | 基于rgb复合模型的柑橘图像处理分级的方法 | |
CN105868722A (zh) | 异常电力设备图像的识别方法及系统 | |
CN110675395A (zh) | 输电线路智能在线监测方法 | |
CN112488738B (zh) | 基于电力大数据的居民空置住户识别方法及设备 | |
CN116517860A (zh) | 基于数据分析的通风机故障预警系统 | |
CN116781864B (zh) | 基于物联网数据采集的工厂经营状态远程监控系统及方法 | |
CN108198176A (zh) | 一种基于图像分析烟草成熟度的判别方法 | |
CN115860579A (zh) | 一种用于面粉加工的生产质量监测系统 | |
CN117893951B (zh) | 一种视频物联网检测设备 | |
CN101452122B (zh) | Lcd显示效果检测装置及方法 | |
CN113743725B (zh) | 基于边缘计算的登高作业人员的登高资质检测方法及系统 | |
CN116612438B (zh) | 基于热成像的蒸汽锅炉燃烧状态实时监测系统 | |
CN117893951A (zh) | 一种视频物联网检测设备 | |
CN117576632A (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
WO2023280117A1 (zh) | 指示信号识别方法、设备以及计算机存储介质 | |
CN1975392A (zh) | 基于图像处理的烟气排放连续监测系统 | |
CN109697433A (zh) | 一种基于3d卷积神经网络的铝电解槽过热度状态识别方法及系统 | |
CN110827267B (zh) | 一种白酒厂原酒酿造过程配糟质量视觉分析方法及系统 | |
CN114047193A (zh) | 一种拉链缝合机生产监测方法及监测装置 | |
CN110647837B (zh) | 电梯曳引机特征数据收集分析方法和电梯曳引机 | |
CN113409781A (zh) | 一种5g智慧杆 | |
CN112508946A (zh) | 一种基于对抗神经网络的电缆隧道异常检测方法 | |
CN115267600B (zh) | 分体式接触型电缆泄漏电流监测仪及监测方法 | |
CN114784974B (zh) | 一种智能电网实时预警系统 | |
CN114538234B (zh) | 一种物联网大数据电梯安全运行标准ai自建系统及方法 |
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 | ||
GR01 | Patent grant |