CN109788222A - 一种视联网视频的处理方法及装置 - Google Patents

Abstract

本申请提供了一种视联网视频的处理方法及装置。在本申请中，事先在训练预设神经网络模型时，技术人员采集了大量的图片，大量的图片中包括了多种类型的样本物体，例如汽车、人、宠物、自行车、摩托车、枪以及刀具等等，大量的图片中包括了多种姿态的样本物体，例如，对于人而言，有站姿、跪姿、蹲姿、趴姿以及躺姿等，躺姿还包括侧躺和正躺等等，如此使得本申请中使用预设神经网络模型可以识别出图像中的多种类型的物体以及多种姿态的物体，也即，能够识别出图片中的尽可能多的物体，从而可以提高预设神经网络模型的识别准确率。

Description

一种视联网视频的处理方法及装置

技术领域

本申请涉及视联网技术领域，特别是涉及一种视联网视频的处理方法及装置。

背景技术

现今社会，为了给人们的工作和生活提供安全预防和保障，往往在重要位置处设置有监控摄像头，通过监控摄像头录制重要位置处的监控视频流，之后，安排查看人员查看监控摄像头录制的监控视频流中是否存在可疑人物，例如，查看是否存在在逃人员等。

其中，查看人员可以使用终端来查看监控摄像头录制的监控视频流，例如，监控摄像头将录制到的监控视频流发送给该终端，该终端接收监控摄像头发送的监控视频流，并在屏幕上播放监控视频流，查看人员可以查看该终端在屏幕上播放的监控视频流。

发明内容

为了解决上述问题，本申请示出了一种视联网视频的处理方法及装置。

第一方面，本申请示出了一种视联网视频的处理方法，应用于视联网视频的处理***，所述***包括视联网视频录制设备、视联网服务器以及视联网终端，所述视联网视频录制设备与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网终端之间基于视联网协议通信连接，所述方法应用于所述视联网服务器中，所述方法包括：

获取视联网编码视频，所述视联网编码视频是对视联网原始视频编码后得到的；

根据所述视联网编码视频确定对所述视联网原始视频编码时所使用的编码方式；

在多种预设解码方式中确定与所述编码方式相对应的目标解码方式；

使用所述目标解码方式对所述视联网编码视频解码，得到所述视联网原始视频；

使用预设神经网络模型识别所述视联网原始视频中的每一帧图片中的目标物体，所述预设神经网络模型包括由Darknet和YOLO(You Only Look Once)结合的模型，所述预设神经网络模型是基于多种类型的样本物体以及多种姿态的样本物体训练得到的；

在所述视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示所述视联网原始视频中的每一帧图片时能够显示设置的矩形框；

显示或向视联网终端发送设置了矩形框的视联网原始视频。

在一个可选的实现方式中，所述使用预设神经网络模型识别所述视联网原始视频中的每一帧图片中的目标物体，包括：

使用预设神经网络模型借助所述视联网服务器中的图形处理器GPU识别所述视联网原始视频中的每一帧图片中的目标物体。

在一个可选的实现方式中，所述在所述视联网原始视频中的每一帧图片中设置矩形框之前，还包括：

对于在所述视联网原始视频中的每一帧图片，统计在所述图片中识别出的目标物体的数量，在所述图片中设置所述数量，以使在显示所述图片时能够显示所述报警信息。

在一个可选的实现方式中，所述方法还包括：

确定所述数量是否大于预设数量；

如果所述数量大于预设数量，则生成报警信息；

在所述图片中设置所述报警信息，以使在显示所述图片时能够显示所述报警信息。

在一个可选的实现方式中，所述获取视联网编码视频，包括：

获取在所述视联网服务器中直接输入的视联网编码视频；或，

接收所述视联网视频录制设备发送的、实时录制的视联网编码视频，所述视联网视频录制设备与视联网服务器之间点对点通过数据线直接通信连接；或，

通过视联网络获取视联网编码视频。

在一个可选的实现方式中，所述根据所述视联网编码视频确定对所述视联网原始视频编码时所使用的编码方式，包括：

在所述视联网编码视频中的预设字段中查找编码标识；

根据所述编码标识确定所述编码方式。

在一个可选的实现方式中，所述在多种预设解码方式中确定与所述编码方式相对应的目标解码方式，包括：

在编码方式与编码方式匹配的解码方式之间的对应关系中，查找与所述编码方式相对应的解码方式，并作为所述目标解码方式。

第二方面，本申请示出了一种视联网视频的处理装置，应用于视联网视频的处理***，所述***包括视联网视频录制设备、视联网服务器以及视联网终端，所述视联网视频录制设备与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网终端之间基于视联网协议通信连接，所述装置应用于所述视联网服务器中，所述装置包括：

获取模块，用于获取视联网编码视频，所述视联网编码视频是对视联网原始视频编码后得到的；

第一确定模块，用于根据所述视联网编码视频确定对所述视联网原始视频编码时所使用的编码方式；

第二确定模块，用于在多种预设解码方式中确定与所述编码方式相对应的目标解码方式；

解码模块，用于使用所述目标解码方式对所述视联网编码视频解码，得到所述视联网原始视频；

识别模块，用于使用预设神经网络模型识别所述视联网原始视频中的每一帧图片中的目标物体，所述预设神经网络模型包括由Darknet和YOLO(You Only Look Once)结合的模型，所述预设神经网络模型是基于多种类型的样本物体以及多种姿态的样本物体训练得到的；

第一设置模块，用于在所述视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示所述视联网原始视频中的每一帧图片时能够显示设置的矩形框；

显示发送模块，用于显示或向视联网终端发送设置了矩形框的视联网原始视频。

在一个可选的实现方式中，所述识别模块具体用于使用预设神经网络模型借助所述视联网服务器中的图形处理器GPU识别所述视联网原始视频中的每一帧图片中的目标物体。

在一个可选的实现方式中，所述装置还包括：

统计模块，用于对于在所述视联网原始视频中的每一帧图片，统计在所述图片中识别出的目标物体的数量，第二设置模块，用于在所述图片中设置所述数量，以使在显示所述图片时能够显示所述报警信息。

在一个可选的实现方式中，所述装置还包括：

第三确定模块，用于确定所述数量是否大于预设数量；

生成模块，用于如果所述数量大于预设数量，则生成报警信息；

第三设置模块，用于在所述图片中设置所述报警信息，以使在显示所述图片时能够显示所述报警信息。

在一个可选的实现方式中，所述获取模块包括：

第一获取单元，用于获取在所述视联网服务器中直接输入的视联网编码视频；或，

接收单元，用于接收所述视联网视频录制设备发送的、实时录制的视联网编码视频，所述视联网视频录制设备与视联网服务器之间点对点通过数据线直接通信连接；或，

第二获取单元，用于通过视联网络获取视联网编码视频。

在一个可选的实现方式中，所述第一确定模块包括：

查找单元，用于在所述视联网编码视频中的预设字段中查找编码标识；

确定单元，用于根据所述编码标识确定所述编码方式。

在一个可选的实现方式中，所述第二确定模块具体用于在编码方式与编码方式匹配的解码方式之间的对应关系中，查找与所述编码方式相对应的解码方式，并作为所述目标解码方式。

本申请包括以下优点：

在本申请中，视联网服务器中预先设置有多种不同的编码方式分别匹配的解码方式，因此，对于通过任一种编码方式编码得到的视联网编码视频，本申请的视联网服务器也可以对其解码，得到编码前的视联网原始视频，并在视联网原始视频中使用预设神经网络模型识别视联网原始视频中的每一帧图片中的目标物体，然后在视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示视联网原始视频中的每一帧图片时能够显示设置的矩形框。因此，本申请可以支持对通过多种编码方式中的任一种编码方式编码得到的视联网编码视频进行解码并处理。

其次，在本申请中，事先在训练预设神经网络模型时，技术人员采集了大量的图片，大量的图片中包括了多种类型的样本物体，例如汽车、人、宠物、自行车、摩托车、枪以及刀具等等，大量的图片中包括了多种姿态的样本物体，例如，对于人而言，有站姿、跪姿、蹲姿、趴姿以及躺姿等，躺姿还包括侧躺和正躺等等，如此使得本申请中使用预设神经网络模型可以识别出图像中的多种类型的物体以及多种姿态的物体，也即，能够识别出图片中的尽可能多的物体，从而可以提高预设神经网络模型的识别准确率。

附图说明

图1是本申请的一种视联网的组网示意图。

图2是本申请的一种节点服务器的硬件结构示意图。

图3是本申请的一种接入交换机的硬件结构示意图。

图4是本申请的一种以太网协转网关的硬件结构示意图。

图5是本申请的一种视联网视频的处理***的结构框图。

图6是本申请的一种视联网视频的处理方法的步骤流程图。

图7是本申请的一种视联网视频的处理装置的结构框图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

视联网是网络发展的重要里程碑，是一个实时网络，能够实现高清视频实时传输，将众多互联网应用推向高清视频化，高清面对面。

视联网采用实时高清视频交换技术，可以在一个网络平台上将所需的服务，如高清视频会议、视频监控、智能化监控分析、应急指挥、数字广播电视、延时电视、网络教学、现场直播、VOD点播、电视邮件、个性录制(PVR)、内网(自办)频道、智能化视频播控、信息发布等数十种视频、语音、图片、文字、通讯、数据等服务全部整合在一个***平台，通过电视或电脑实现高清品质视频播放。

为使本领域技术人员更好地理解本申请，以下对视联网进行介绍：

视联网所应用的部分技术如下所述：

网络技术(Network Technology)

视联网的网络技术创新改良了传统以太网(Ethernet)，以面对网络上潜在的巨大视频流量。不同于单纯的网络分组包交换(Packet Switching)或网络电路交换(CircuitSwitching)，视联网技术采用Packet Switching满足Streaming需求。视联网技术具备分组交换的灵活、简单和低价，同时具备电路交换的品质和安全保证，实现了全网交换式虚拟电路，以及数据格式的无缝连接。

交换技术(Switching Technology)

视联网采用以太网的异步和包交换两个优点，在全兼容的前提下消除了以太网缺陷，具备全网端到端无缝连接，直通用户终端，直接承载IP数据包。用户数据在全网范围内不需任何格式转换。视联网是以太网的更高级形态，是一个实时交换平台，能够实现目前互联网无法实现的全网大规模高清视频实时传输，将众多网络视频应用推向高清化、统一化。

服务器技术(Server Technology)

视联网和统一视频平台上的服务器技术不同于传统意义上的服务器，它的流媒体传输是建立在面向连接的基础上，其数据处理能力与流量、通讯时间无关，单个网络层就能够包含信令及数据传输。对于语音和视频业务来说，视联网和统一视频平台流媒体处理的复杂度比数据处理简单许多，效率比传统服务器大大提高了百倍以上。

储存器技术(Storage Technology)

统一视频平台的超高速储存器技术为了适应超大容量和超大流量的媒体内容而采用了最先进的实时操作***，将服务器指令中的节目信息映射到具体的硬盘空间，媒体内容不再经过服务器，瞬间直接送达到用户终端，用户等待一般时间小于0.2秒。最优化的扇区分布大大减少了硬盘磁头寻道的机械运动，资源消耗仅占同等级IP互联网的20％，但产生大于传统硬盘阵列3倍的并发流量，综合效率提升10倍以上。

网络安全技术(Network Security Technology)

视联网的结构性设计通过每次服务单独许可制、设备与用户数据完全隔离等方式从结构上彻底根除了困扰互联网的网络安全问题，一般不需要杀毒程序、防火墙，杜绝了黑客与病毒的攻击，为用户提供结构性的无忧安全网络。

服务创新技术(Service Innovation Technology)

统一视频平台将业务与传输融合在一起，不论是单个用户、私网用户还是一个网络的总合，都不过是一次自动连接。用户终端、机顶盒或PC直接连到统一视频平台，获得丰富多彩的各种形态的多媒体视频服务。统一视频平台采用“菜谱式”配表模式来替代传统的复杂应用编程，可以使用非常少的代码即可实现复杂的应用，实现“无限量”的新业务创新。

视联网的组网如下所述：

视联网是一种集中控制的网络结构，该网络可以是树型网、星型网、环状网等等类型，但在此基础上网络中需要有集中控制节点来控制整个网络。

如图1所示，视联网分为接入网和城域网两部分。

接入网部分的设备主要可以分为3类：节点服务器，接入交换机，终端(包括各种机顶盒、编码板、存储器等)。节点服务器与接入交换机相连，接入交换机可以与多个终端相连，并可以连接以太网。

其中，节点服务器是接入网中起集中控制功能的节点，可控制接入交换机和终端。节点服务器可直接与接入交换机相连，也可以直接与终端相连。

类似的，城域网部分的设备也可以分为3类：城域服务器，节点交换机，节点服务器。城域服务器与节点交换机相连，节点交换机可以与多个节点服务器相连。

其中，节点服务器即为接入网部分的节点服务器，即节点服务器既属于接入网部分，又属于城域网部分。

城域服务器是城域网中起集中控制功能的节点，可控制节点交换机和节点服务器。城域服务器可直接连接节点交换机，也可直接连接节点服务器。

由此可见，整个视联网是一种分层集中控制的网络结构，而节点服务器和城域服务器下控制的网络可以是树型、星型、环状等各种结构。

形象地称，接入网部分可以组成统一视频平台(虚线圈中部分)，多个统一视频平台可以组成视联网；每个统一视频平台可以通过城域以及广域视联网互联互通。

视联网设备分类

1.1本申请的视联网中的设备主要可以分为3类：服务器，交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。视联网整体上可以分为城域网(或者国家网、全球网等)和接入网。

1.2其中接入网部分的设备主要可以分为3类：节点服务器，接入交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。

各接入网设备的具体硬件结构为：

节点服务器：

如图2所示，主要包括网络接口模块201、交换引擎模块202、CPU模块203、磁盘阵列模块204；

其中，网络接口模块201，CPU模块203、磁盘阵列模块204进来的包均进入交换引擎模块202；交换引擎模块202对进来的包进行查地址表205的操作，从而获得包的导向信息；并根据包的导向信息把该包存入对应的包缓存器206的队列；如果包缓存器206的队列接近满，则丢弃；交换引擎模202轮询所有包缓存器队列，如果满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。磁盘阵列模块204主要实现对硬盘的控制，包括对硬盘的初始化、读写等操作；CPU模块203主要负责与接入交换机、终端(图中未示出)之间的协议处理，对地址表205(包括下行协议包地址表、上行协议包地址表、数据包地址表)的配置，以及，对磁盘阵列模块204的配置。

接入交换机：

如图3所示，主要包括网络接口模块(下行网络接口模块301、上行网络接口模块302)、交换引擎模块303和CPU模块304；

其中，下行网络接口模块301进来的包(上行数据)进入包检测模块305；包检测模块305检测包的目地地址(DA)、源地址(SA)、数据包类型及包长度是否符合要求，如果符合，则分配相应的流标识符(stream-id)，并进入交换引擎模块303，否则丢弃；上行网络接口模块302进来的包(下行数据)进入交换引擎模块303；CPU模块204进来的数据包进入交换引擎模块303；交换引擎模块303对进来的包进行查地址表306的操作，从而获得包的导向信息；如果进入交换引擎模块303的包是下行网络接口往上行网络接口去的，则结合流标识符(stream-id)把该包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃；如果进入交换引擎模块303的包不是下行网络接口往上行网络接口去的，则根据包的导向信息，把该数据包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃。

交换引擎模块303轮询所有包缓存器队列，在本申请中分两种情形：

如果该队列是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零；3)获得码率控制模块产生的令牌；

如果该队列不是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。

码率控制模块208是由CPU模块204来配置的，在可编程的间隔内对所有下行网络接口往上行网络接口去的包缓存器队列产生令牌，用以控制上行转发的码率。

CPU模块304主要负责与节点服务器之间的协议处理，对地址表306的配置，以及，对码率控制模块308的配置。

以太网协转网关：

如图4所示，主要包括网络接口模块(下行网络接口模块401、上行网络接口模块402)、交换引擎模块403、CPU模块404、包检测模块405、码率控制模块408、地址表406、包缓存器407和MAC添加模块409、MAC删除模块410。

其中，下行网络接口模块401进来的数据包进入包检测模块405；包检测模块405检测数据包的以太网MAC DA、以太网MAC SA、以太网length or frame type、视联网目的地址DA、视联网源地址SA、视联网数据包类型及包长度是否符合要求，如果符合则分配相应的流标识符(stream-id)；然后，由MAC删除模块410减去MAC DA、MAC SA、length or frame type(2byte)，并进入相应的接收缓存，否则丢弃；

下行网络接口模块401检测该端口的发送缓存，如果有包则根据包的视联网目的地址DA获知对应的终端的以太网MAC DA，添加终端的以太网MAC DA、以太网协转网关的MACSA、以太网length or frame type，并发送。

以太网协转网关中其他模块的功能与接入交换机类似。

终端：

主要包括网络接口模块、业务处理模块和CPU模块；例如，机顶盒主要包括网络接口模块、视音频编解码引擎模块、CPU模块；编码板主要包括网络接口模块、视音频编码引擎模块、CPU模块；存储器主要包括网络接口模块、CPU模块和磁盘阵列模块。

1.3城域网部分的设备主要可以分为2类：节点服务器，节点交换机，城域服务器。其中，节点交换机主要包括网络接口模块、交换引擎模块和CPU模块；城域服务器主要包括网络接口模块、交换引擎模块和CPU模块构成。

2、视联网数据包定义

2.1接入网数据包定义

接入网的数据包主要包括以下几部分：目的地址(DA)、源地址(SA)、保留字节、payload(PDU)、CRC。

如下表所示，接入网的数据包主要包括以下几部分：

DA

SA

Reserved

Payload

CRC

其中：

目的地址(DA)由8个字节(byte)组成，第一个字节表示数据包的类型(例如各种协议包、组播数据包、单播数据包等)，最多有256种可能，第二字节到第六字节为城域网地址，第七、第八字节为接入网地址；

源地址(SA)也是由8个字节(byte)组成，定义与目的地址(DA)相同；

保留字节由2个字节组成；

payload部分根据不同的数据报的类型有不同的长度，如果是各种协议包的话是64个字节，如果是单组播数据包话是32+1024＝1056个字节，当然并不仅仅限于以上2种；

CRC有4个字节组成，其计算方法遵循标准的以太网CRC算法。

2.2城域网数据包定义

城域网的拓扑是图型，两个设备之间可能有2种、甚至2种以上的连接，即节点交换机和节点服务器、节点交换机和节点交换机、节点交换机和节点服务器之间都可能超过2种连接。但是，城域网设备的城域网地址却是唯一的，为了精确描述城域网设备之间的连接关系，在本申请中引入参数：标签，来唯一描述一个城域网设备。

本说明书中标签的定义和MPLS(Multi-Protocol Label Switch，多协议标签交换)的标签的定义类似，假设设备A和设备B之间有两个连接，那么数据包从设备A到设备B就有2个标签，数据包从设备B到设备A也有2个标签。标签分入标签、出标签，假设数据包进入设备A的标签(入标签)是0x0000，这个数据包离开设备A时的标签(出标签)可能就变成了0x0001。城域网的入网流程是集中控制下的入网过程，也就意味着城域网的地址分配、标签分配都是由城域服务器主导的，节点交换机、节点服务器都是被动的执行而已，这一点与MPLS的标签分配是不同的，MPLS的标签分配是交换机、服务器互相协商的结果。

如下表所示，城域网的数据包主要包括以下几部分：

DA

SA

Reserved

标签

Payload

CRC

即目的地址(DA)、源地址(SA)、保留字节(Reserved)、标签、payload(PDU)、CRC。其中，标签的格式可以参考如下定义：标签是32bit，其中高16bit保留，只用低16bit，它的位置是在数据包的保留字节和payload之间。

基于视联网的上述特性，提出了本申请的核心构思之一，遵循视联网的协议，在本申请中，事先在训练预设神经网络模型时，技术人员采集了大量的图片，大量的图片中包括了多种类型的样本物体，例如汽车、人、宠物、自行车、摩托车、枪以及刀具等等，大量的图片中包括了多种姿态的样本物体，例如，对于人而言，有站姿、跪姿、蹲姿、趴姿以及躺姿等，躺姿还包括侧躺和正躺等等，如此使得本申请中使用预设神经网络模型可以识别出图像中的多种类型的物体以及多种姿态的物体，也即，能够识别出图片中的尽可能多的物体，从而可以提高预设神经网络模型的识别准确率。

参照图5，示出了本申请的一种视联网视频的处理***的结构框图，该***包括：视联网视频录制设备01、视联网服务器02以及视联网终端03，视联网视频录制设备01与视联网服务器02基于视联网协议通信连接，视联网服务器02与视联网终端03之间基于视联网协议通信连接。

其中，视频录制设备01包括监控摄像头等。视联网终端03包括手机、平板电脑、笔记本电脑以及台式电脑等等。

参照图6，示出了本申请的一种视联网视频的处理方法的步骤流程图，该方法可以应用于图5所示的视联网服务器02中，该方法具体可以包括如下步骤：

在步骤S101中，获取视联网编码视频，视联网编码视频是对视联网原始视频编码后得到的；

本申请可以通过三种方式获取视联网编码视频。

在一个示例中，视联网服务器可以获取在视联网服务器中直接输入的视联网编码视频；例如，用户通过USB(Universal Serial Bus，通用串行总线)直接向视联网服务器输入视联网编码视频。

在另一个示例中，接收视联网视频录制设备发送的、实时录制的视联网编码视频，其中，视联网视频录制设备与视联网服务器之间点对点通过数据线直接通信连接。视联网视频录制设备实时录制视联网原始视频，然后对视联网原始视频编码得到视联网编码视频，然后向视联网服务器发送视联网编码视频。

在又一个示例中，通过视联网络获取视联网编码视频，例如，通过视联网网络从其他视联网设备中下载视联网编码视频。

在步骤S102中，根据视联网编码视频确定对视联网原始视频编码时所使用的编码方式；

在视联网原始视频之前，为了节省网络资源，往往需要对视联网原始视频编码得到视联网编码视频，在本申请中，对视联网原始视频编码时可以使用各种编码方式，例如MP4(Moving Picture Experts Group 4，动态图像专家组)、AVI(Audio VideoInterleaved，音频视频交错格式)、H.265、H.264以及YUV(颜色编码方法)等等，且会将所使用的编码方式的编码标识存储在视联网编码视频中的预设字段中。不同编码方式的编码标识不同，如此，在本步骤中，可以在视联网编码视频中的预设字段中查找编码标识，然后根据该编码标识确定编码方式。

在步骤S103中，在多种预设解码方式中确定与该编码方式相对应的目标解码方式；

每一种编码方式都匹配有解码方式，本地存储有编码方式与编码方式匹配的解码方式之间的对应关系，该对应关系中存储有各种编码方式及其匹配的解码方式。

如此，在本步骤中，可以在编码方式与编码方式匹配的解码方式之间的对应关系中，查找与该编码方式相对应的解码方式，并作为目标解码方式。

在步骤S104中，使用目标解码方式对视联网编码视频解码，得到视联网原始视频；

在步骤S105中，使用预设神经网络模型识别视联网原始视频中的每一帧图片中的目标物体，预设神经网络模型包括由Darknet和YOLO(You Only Look Once)结合的模型，预设神经网络模型是基于多种类型的样本物体以及多种姿态的样本物体训练得到的；

由于YOLO中包括更多的卷积层，网络更大，能够准确识别出图片中的尺寸较小的物体，因此，使用包含有YOLO的预设神经网络模型可以提高识别图片中的目标物体的识别准确率。

另外，由于YOLO可以实现每秒最高的测量浮点运算，以及GPU(GraphicsProcessing Unit，图形处理器)更适用于浮点运算的加速，从而在可以借助GPU加速识别，例如使用预设神经网络模型借助视联网服务器中的GPU识别视联网原始视频中的每一帧图片中的目标物体，提高识别的速率。

在步骤S106中，在视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示视联网原始视频中的每一帧图片时能够显示设置的矩形框；

在步骤S107中，显示或向视联网终端发送设置了矩形框的视联网原始视频。

视联网服务器可以直接显示设置了矩形框的视联网原始视频，也可以向视联网终端发送设置了矩形框的视联网原始视频，以使使用视联网终端的用户可以查看设置了矩形框的视联网原始视频。

在本申请中，视联网服务器中预先设置有多种不同的编码方式分别匹配的解码方式，因此，对于通过任一种编码方式编码得到的视联网编码视频，本申请的视联网服务器也可以对其解码，得到编码前的视联网原始视频，并在视联网原始视频中使用预设神经网络模型识别视联网原始视频中的每一帧图片中的目标物体，然后在视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示视联网原始视频中的每一帧图片时能够显示设置的矩形框。因此，本申请可以支持对通过多种编码方式中的任一种编码方式编码得到的视联网编码视频进行解码并处理。

其次，在本申请中，事先在训练预设神经网络模型时，技术人员采集了大量的图片，大量的图片中包括了多种类型的样本物体，例如汽车、人、宠物、自行车、摩托车、枪以及刀具等等，大量的图片中包括了多种姿态的样本物体，例如，对于人而言，有站姿、跪姿、蹲姿、趴姿以及躺姿等，躺姿还包括侧躺和正躺等等，如此使得本申请中使用预设神经网络模型可以识别出图像中的多种类型的物体以及多种姿态的物体，也即，能够识别出图片中的尽可能多的物体，从而可以提高预设神经网络模型的识别准确率。

在本申请另一实施例中，对于在视联网原始视频中的任意一帧图片，可以统计在该图片中识别出的目标物体的数量，然后可以在该图片中设置该数量，以使在显示图片时能够显示该报警信息。

如果图片中的人较多，例如在一个区域中人数量较多，则可能发生非法聚集或斗殴等事件，进而可以报警，以提示查看视频的人员可以及时获知现场情况并及时处理现场情况。例如，可以确定该数量是否大于预设数量；如果该数量大于预设数量，则生成报警信息；在该图片中设置该报警信息，以使在显示该图片时能够显示该报警信息。

对于在视联网原始视频中的其他每一帧图片，同样如此。

需要说明的是，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，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，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申请实施例所必须的。

参照图7，示出了本申请的一种视联网视频的处理装置的结构框图，应用于视联网视频的处理***，所述***包括视联网视频录制设备、视联网服务器以及视联网终端，所述视联网视频录制设备与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网终端之间基于视联网协议通信连接，所述装置应用于所述视联网服务器中，所述装置包括：

获取模块11，用于获取视联网编码视频，所述视联网编码视频是对视联网原始视频编码后得到的；

第一确定模块12，用于根据所述视联网编码视频确定对所述视联网原始视频编码时所使用的编码方式；

第二确定模块13，用于在多种预设解码方式中确定与所述编码方式相对应的目标解码方式；

解码模块14，用于使用所述目标解码方式对所述视联网编码视频解码，得到所述视联网原始视频；

识别模块15，用于使用预设神经网络模型识别所述视联网原始视频中的每一帧图片中的目标物体，所述预设神经网络模型包括由Darknet和YOLO(You Only Look Once)结合的模型，所述预设神经网络模型是基于多种类型的样本物体以及多种姿态的样本物体训练得到的；

第一设置模块16，用于在所述视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示所述视联网原始视频中的每一帧图片时能够显示设置的矩形框；

显示发送模块17，用于显示或向视联网终端发送设置了矩形框的视联网原始视频。

在一个可选的实现方式中，所述识别模块15具体用于使用预设神经网络模型借助所述视联网服务器中的图形处理器GPU识别所述视联网原始视频中的每一帧图片中的目标物体。

在一个可选的实现方式中，所述装置还包括：

统计模块，用于对于在所述视联网原始视频中的每一帧图片，统计在所述图片中识别出的目标物体的数量，第二设置模块，用于在所述图片中设置所述数量，以使在显示所述图片时能够显示所述报警信息。

在一个可选的实现方式中，所述装置还包括：

第三确定模块，用于确定所述数量是否大于预设数量；

生成模块，用于如果所述数量大于预设数量，则生成报警信息；

第三设置模块，用于在所述图片中设置所述报警信息，以使在显示所述图片时能够显示所述报警信息。

在一个可选的实现方式中，所述获取模块11包括：

第一获取单元，用于获取在所述视联网服务器中直接输入的视联网编码视频；或，

接收单元，用于接收所述视联网视频录制设备发送的、实时录制的视联网编码视频，所述视联网视频录制设备与视联网服务器之间点对点通过数据线直接通信连接；或，

第二获取单元，用于通过视联网络获取视联网编码视频。

在一个可选的实现方式中，所述第一确定模块12包括：

查找单元，用于在所述视联网编码视频中的预设字段中查找编码标识；

确定单元，用于根据所述编码标识确定所述编码方式。

在一个可选的实现方式中，所述第二确定模块13具体用于在编码方式与编码方式匹配的解码方式之间的对应关系中，查找与所述编码方式相对应的解码方式，并作为所述目标解码方式。

在本申请中，视联网服务器中预先设置有多种不同的编码方式分别匹配的解码方式，因此，对于通过任一种编码方式编码得到的视联网编码视频，本申请的视联网服务器也可以对其解码，得到编码前的视联网原始视频，并在视联网原始视频中使用预设神经网络模型识别视联网原始视频中的每一帧图片中的目标物体，然后在视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示视联网原始视频中的每一帧图片时能够显示设置的矩形框。因此，本申请可以支持对通过多种编码方式中的任一种编码方式编码得到的视联网编码视频进行解码并处理。

其次，在本申请中，事先在训练预设神经网络模型时，技术人员采集了大量的图片，大量的图片中包括了多种类型的样本物体，例如汽车、人、宠物、自行车、摩托车、枪以及刀具等等，大量的图片中包括了多种姿态的样本物体，例如，对于人而言，有站姿、跪姿、蹲姿、趴姿以及躺姿等，躺姿还包括侧躺和正躺等等，如此使得本申请中使用预设神经网络模型可以识别出图像中的多种类型的物体以及多种姿态的物体，也即，能够识别出图片中的尽可能多的物体，从而可以提高预设神经网络模型的识别准确率。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请实施例是参照根据本申请实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种视联网视频的处理方法及装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种视联网视频的处理方法，其特征在于，应用于视联网视频的处理***，所述***包括视联网视频录制设备、视联网服务器以及视联网终端，所述视联网视频录制设备与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网终端之间基于视联网协议通信连接，所述方法应用于所述视联网服务器中，所述方法包括：

获取视联网编码视频，所述视联网编码视频是对视联网原始视频编码后得到的；

根据所述视联网编码视频确定对所述视联网原始视频编码时所使用的编码方式；

在多种预设解码方式中确定与所述编码方式相对应的目标解码方式；

使用所述目标解码方式对所述视联网编码视频解码，得到所述视联网原始视频；

使用预设神经网络模型识别所述视联网原始视频中的每一帧图片中的目标物体，所述预设神经网络模型包括由Darknet和YOLO(You Only Look Once)结合的模型，所述预设神经网络模型是基于多种类型的样本物体以及多种姿态的样本物体训练得到的；

在所述视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示所述视联网原始视频中的每一帧图片时能够显示设置的矩形框；

显示或向视联网终端发送设置了矩形框的视联网原始视频。

2.根据权利要求1所述的方法，其特征在于，所述使用预设神经网络模型识别所述视联网原始视频中的每一帧图片中的目标物体，包括：

使用预设神经网络模型借助所述视联网服务器中的图形处理器GPU识别所述视联网原始视频中的每一帧图片中的目标物体。

3.根据权利要求1所述的方法，其特征在于，所述在所述视联网原始视频中的每一帧图片中设置矩形框之前，还包括：

对于在所述视联网原始视频中的每一帧图片，统计在所述图片中识别出的目标物体的数量，在所述图片中设置所述数量，以使在显示所述图片时能够显示所述报警信息。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

确定所述数量是否大于预设数量；

如果所述数量大于预设数量，则生成报警信息；

在所述图片中设置所述报警信息，以使在显示所述图片时能够显示所述报警信息。

5.根据权利要求1所述的方法，其特征在于，所述获取视联网编码视频，包括：

获取在所述视联网服务器中直接输入的视联网编码视频；或，

接收所述视联网视频录制设备发送的、实时录制的视联网编码视频，所述视联网视频录制设备与视联网服务器之间点对点通过数据线直接通信连接；或，

通过视联网络获取视联网编码视频。

6.根据权利要求1所述的方法，其特征在于，所述根据所述视联网编码视频确定对所述视联网原始视频编码时所使用的编码方式，包括：

在所述视联网编码视频中的预设字段中查找编码标识；

根据所述编码标识确定所述编码方式。

7.根据权利要求1所述的方法，其特征在于，所述在多种预设解码方式中确定与所述编码方式相对应的目标解码方式，包括：

在编码方式与编码方式匹配的解码方式之间的对应关系中，查找与所述编码方式相对应的解码方式，并作为所述目标解码方式。

8.一种视联网视频的处理装置，其特征在于，应用于视联网视频的处理***，所述***包括视联网视频录制设备、视联网服务器以及视联网终端，所述视联网视频录制设备与所述视联网服务器基于视联网协议通信连接，所述视联网服务器与所述视联网终端之间基于视联网协议通信连接，所述装置应用于所述视联网服务器中，所述装置包括：

获取模块，用于获取视联网编码视频，所述视联网编码视频是对视联网原始视频编码后得到的；

第一确定模块，用于根据所述视联网编码视频确定对所述视联网原始视频编码时所使用的编码方式；

第二确定模块，用于在多种预设解码方式中确定与所述编码方式相对应的目标解码方式；

解码模块，用于使用所述目标解码方式对所述视联网编码视频解码，得到所述视联网原始视频；

识别模块，用于使用预设神经网络模型识别所述视联网原始视频中的每一帧图片中的目标物体，所述预设神经网络模型包括由Darknet和YOLO(You Only Look Once)结合的模型，所述预设神经网络模型是基于多种类型的样本物体以及多种姿态的样本物体训练得到的；

第一设置模块，用于在所述视联网原始视频中的每一帧图片中设置矩形框，以使每一帧图片中的每一个目标物体均位于一个不同的矩形框中，以及使得在显示所述视联网原始视频中的每一帧图片时能够显示设置的矩形框；

显示发送模块，用于显示或向视联网终端发送设置了矩形框的视联网原始视频。

9.根据权利要求8所述的装置，其特征在于，所述识别模块具体用于使用预设神经网络模型借助所述视联网服务器中的图形处理器GPU识别所述视联网原始视频中的每一帧图片中的目标物体。

10.根据权利要求8所述的装置，其特征在于，所述装置还包括：

统计模块，用于对于在所述视联网原始视频中的每一帧图片，统计在所述图片中识别出的目标物体的数量，第二设置模块，用于在所述图片中设置所述数量，以使在显示所述图片时能够显示所述报警信息。