CN117111858B - 计算机文件数据匹配*** - Google Patents
计算机文件数据匹配*** Download PDFInfo
- Publication number
- CN117111858B CN117111858B CN202311368949.2A CN202311368949A CN117111858B CN 117111858 B CN117111858 B CN 117111858B CN 202311368949 A CN202311368949 A CN 202311368949A CN 117111858 B CN117111858 B CN 117111858B
- Authority
- CN
- China
- Prior art keywords
- similarity
- monitoring
- storage
- monitoring video
- video
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 220
- 238000011156 evaluation Methods 0.000 claims abstract description 74
- 230000008859 change Effects 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims description 35
- 230000035772 mutation Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 19
- 230000006978 adaptation Effects 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/061—Improving I/O performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
- G06F3/0643—Management of files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0646—Horizontal data movement in storage systems, i.e. moving data in between storage devices or systems
- G06F3/0652—Erasing, e.g. deleting, data cleaning, moving of data to a wastebasket
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0683—Plurality of storage devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了计算机文件数据匹配***,具体涉及数据匹配技术领域,通过文件数据的匹配计算视频相似动态变异系数,通过视频相似动态变异系数和相似度判断阈值的比较从而判断监控视频区段内的活跃度和变化情况,根据变化程度对监控视频的重要性进行判断,通过根据实际的监控活跃变化评估系数和监控重要评估阈值的比较,能够合理地决定是本地保存还是上传云端,从而避免了不必要的存储资源浪费,通过比较计算机本地存储剩余空间和监控视频区段所需存储空间,保障存储资源的合理分配和使用,提高了存储资源的利用效率,根据存储资源和监控视频的变化进行动态适应,保障计算机存储管理的有效性。
Description
技术领域
本发明涉及数据匹配技术领域,更具体地说,本发明涉及计算机文件数据匹配***。
背景技术
文件数据匹配是一种将不同文件或数据之间进行比较,以确定它们的相似性或一致性的过程。涉及不同类型的数据,如文本、图像、音频、视频等。在匹配过程中,可以使用各种算法和方法来计算相似度或差异度,以便进行后续操作。
在应用于对街道等公共场所的视频监控中,监控视频的文件数据是基于计算机进行存储和处理的;若将监控视频的文件数据全部上传云端,容易造成在网络不佳或其他原因时调取视频不及时;如果将监控视频的文件数据全部保存本地,存在存储资源占有率过高导致存储空间不足的情况;现有技术没有根据实际的监控视频的文件数据的实际情况,例如视频内容的匹配情况,来确定监控视频的重要性,从而来确定监控视频的文件数据的存储方式。
为了解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供计算机文件数据匹配***以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
计算机文件数据匹配***,包括数据处理模块、信息采集模块、相似度判断模块、第一存储判断模块以及第二存储判断模块;
信息采集模块采集相似度信息,将相似度信息发送至数据处理模块,数据处理模块计算得到视频相似动态变异系数;
相似度判断模块将视频相似动态变异系数与相似度判断阈值进行比较,相似度判断模块生成第一保存信号或继续分析信号;
信息采集模块采集人员信息和监控声音信息,将人员信息发送至数据处理模块,数据处理模块计算得到人次频繁评价指数;将监控声音信息发送至数据处理模块,数据处理模块计算得到声音突变指数;
当相似度判断模块生成继续分析信号,将视频相似动态变异系数、人次频繁评价指数以及声音突变指数通过数据处理模块计算监控活跃变化评估系数;
第一存储判断模块将监控活跃变化评估系数和监控重要评估阈值进行比较,第一存储判断模块生成第二保存信号或上传云端信号;
获取计算机本地存储剩余空间和监控视频区段的所需存储空间;第二存储判断模块将计算机本地存储剩余空间和监控视频区段的所需存储空间进行比较,第二存储判断模块生成本地保存信号或优先删除信号。
在一个优选的实施方式中,相似度信息通过视频相似动态变异系数体现,视频相似动态变异系数的获取逻辑为:计算独帧相似度:设定监控视频区段,获取监控视频区段内的帧的数量,并对监控视频区段的帧按照时间先后顺序进行编号,计算独帧相似度,独帧相似度为某帧与其前一个帧的相似度;
根据监控视频区段内的帧对应的独帧相似度,通过数据处理模块计算视频相似动态变异系数,其表达式为:,其中,/>为监控视频区段内的帧的数量,/>为监控视频区段内的帧的编号,/>均为大于1的正整数;分别为视频相似动态变异系数、监控视频区段内第/>个帧对应的独帧相似度以及监控视频区段内第/>个帧对应的独帧相似度;
独帧相似度的某帧与其前一个帧的相似度是基于结构相似性指数(SSIM)得到。
在一个优选的实施方式中,设定相似度判断阈值,相似度判断模块将视频相似动态变异系数与相似度判断阈值进行比较:当视频相似动态变异系数大于相似度判断阈值,相似度判断模块生成第一保存信号;当视频相似动态变异系数小于等于相似度判断阈值,相似度判断模块生成继续分析信号。
在一个优选的实施方式中,人员信息通过人次频繁评价指数体现;监控声音信息通过声音突变指数体现;
人次频繁评价指数的获取逻辑为:获取在监控视频区段内监控视频范围内的出现的人次;获取在监控视频区段内存在人图像的时间占比;
计算在监控视频区段内监控视频范围内的出现的人次与监控视频区段对应的时间长度的比值,将在监控视频区段内监控视频范围内的出现的人次与监控视频区段对应的时间长度的比值标记为人现频次比;将在监控视频区段内存在人图像的时间占比标记为人存占有比;
将人现频次比和人存占有比进行加权相加,计算人次频繁评价指数,其表达式为:,其中,/>分别为人次频繁评价指数、人现频次比以及人存占有比,/>分别为人现频次比和人存占有比的权重。
在一个优选的实施方式中,声音突变指数的获取逻辑为:获取在监控视频区段内的音频,设定音频监测集合,音频监测集合内包括若干个从监控视频区段内的音频均匀抽取的音频对应的音量,计算每个音频对应的音量与其前一个音频对应的音量的偏差值,设定音量偏差阈值;获取音频对应的音量与其前一个音频对应的音量的偏差值大于音量偏差阈值的音频对应的音量的个数;
计算声音突变指数,声音突变指数为音频对应的音量与其前一个音频对应的音量的偏差值大于音量偏差阈值的音频对应的音量的个数与从监控视频区段内的音频均匀抽取的音频对应的音量的比值。
在一个优选的实施方式中,当相似度判断模块生成继续分析信号,将视频相似动态变异系数、人次频繁评价指数以及声音突变指数通过数据处理模块的归一化处理,计算监控活跃变化评估系数;
设定监控重要评估阈值;第一存储判断模块将监控活跃变化评估系数和监控重要评估阈值进行比较:当监控活跃变化评估系数大于监控重要评估阈值,第一存储判断模块生成第二保存信号;当监控活跃变化评估系数小于等于监控重要评估阈值,第一存储判断模块生成上传云端信号。
在一个优选的实施方式中,当相似度判断模块生成第一保存信号或第一存储判断模块生成第二保存信号,获取计算机本地存储剩余空间,获取监控视频区段的所需存储空间;
第二存储判断模块将计算机本地存储剩余空间和监控视频区段的所需存储空间进行比较:若计算机本地存储剩余空间大于监控视频区段的所需存储空间,第二存储判断模块生成本地保存信号;若计算机本地存储剩余空间小于等于监控视频区段的所需存储空间,第二存储判断模块生成优先删除信号。
本发明计算机文件数据匹配***的技术效果和优点:
1、通过文件数据的匹配(比较相邻视频帧的相似度来衡量视频的变化程度涉及对视频帧数据的匹配过程)计算视频相似动态变异系数来衡量监控视频帧之间的相似度变化程度,通过视频相似动态变异系数和相似度判断阈值的比较从而判断监控视频区段内的活跃度和变化情况,根据变化程度对监控视频的重要性进行判断,进而采取不同的存储决策,提高存储效率和管理质量。
2、通过根据实际的监控活跃变化评估系数和监控重要评估阈值的比较,能够合理地决定是本地保存还是上传云端,从而避免了不必要的存储资源浪费,根据监控视频的活跃度变化,合理地安排存储策略,从而更有效地捕捉和记录重要事件,提高了监控***的效能和响应能力。
3、通过比较计算机本地存储剩余空间和监控视频区段所需存储空间,***可以做出适当的存储决策,保障存储资源的合理分配和使用,在存储空间不足的情况下,根据监控活跃变化评估系数来决定删除哪些监控视频区段,从而优先保留重要度较高的监控视频,提高了存储资源的利用效率,根据存储资源和监控视频的变化进行动态适应,保障计算机存储管理的有效性。
附图说明
图1为本发明计算机文件数据匹配***的结构示意图。
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。
图1给出了本发明计算机文件数据匹配***的结构示意图,计算机文件数据匹配***,包括数据处理模块、信息采集模块、相似度判断模块、第一存储判断模块以及第二存储判断模块。
信息采集模块采集相似度信息,将相似度信息发送至数据处理模块,数据处理模块计算得到视频相似动态变异系数。
相似度判断模块将视频相似动态变异系数与相似度判断阈值进行比较,相似度判断模块生成第一保存信号或继续分析信号。
信息采集模块采集人员信息和监控声音信息,将人员信息发送至数据处理模块,数据处理模块计算得到人次频繁评价指数;将监控声音信息发送至数据处理模块,数据处理模块计算得到声音突变指数。
当相似度判断模块生成继续分析信号,将视频相似动态变异系数、人次频繁评价指数以及声音突变指数通过数据处理模块计算监控活跃变化评估系数。
第一存储判断模块将监控活跃变化评估系数和监控重要评估阈值进行比较,第一存储判断模块生成第二保存信号或上传云端信号。
获取计算机本地存储剩余空间和监控视频区段的所需存储空间;第二存储判断模块将计算机本地存储剩余空间和监控视频区段的所需存储空间进行比较,第二存储判断模块生成本地保存信号或优先删除信号。
信息采集模块采集相似度信息,相似度信息反映了一段监控视频的相似度的情况,一段监控视频的相似度高意味着视频中的帧之间变化较小,内容相对稳定,可能表示画面中的场景相对静止或变化缓慢;相反,一段监控视频的相似度低意味着视频中的帧之间变化较大,内容更加动态,可能表示画面中的场景变化较快或包含了活动和事件;通过检测相邻帧之间的相似度,可以判断监控视频的动态性和变化情况,为制定存储策略、决定是否保存或上传至云端、标记重要事件等提供指导;相似度信息有助于更智能地管理监控视频数据,从而优化资源利用、提高效率,并更好地满足监控需求。
相似度信息通过视频相似动态变异系数体现,视频相似动态变异系数的获取逻辑为:
计算独帧相似度:设定监控视频区段,获取监控视频区段内的帧的数量,并对监控视频区段的帧按照时间先后顺序进行编号,计算独帧相似度,独帧相似度为某帧与其前一个帧的相似度。
独帧相似度是通过计算每一帧与其前一个帧之间的相似度来衡量视频帧之间的差异程度,是涉及对图像或视频数据进行比较和匹配。
独帧相似度越高表示当前帧与其前一个帧之间的相似度较高,即两帧之间的差异较小,这可能意味着视频中的内容变化较小,画面可能相对稳定,或者场景中的物体相对静止;相反,独帧相似度越低表示当前帧与其前一个帧之间的差异较大,即两帧之间的变化较大,这意味着视频中的内容发生了较大的变化,画面可能更加动态,或者场景中的物体发生了移动、变形等变化。
根据监控视频区段内的帧对应的独帧相似度,通过数据处理模块计算视频相似动态变异系数,其表达式为:,其中,/>为监控视频区段内的帧的数量,/>为监控视频区段内的帧的编号,/>均为大于1的正整数;/>分别为视频相似动态变异系数、监控视频区段内第/>个帧对应的独帧相似度以及监控视频区段内第/>个帧对应的独帧相似度;
如果视频相似动态变异系数较小,说明视频帧之间的独帧相似度较为稳定,即帧与帧之间的变化程度相对较小,这意味着监控视频区段内的内容变化不大,画面相对静态,或者监控场景相对稳定;如果视频相似动态变异系数较大,说明视频帧之间的独帧相似度变化较大,即帧与帧之间的差异较大,这表示监控视频区段内的内容变化较为活跃,画面更加动态,或者监控场景中的物体发生了较大的移动或变化。
设定相似度判断阈值,相似度判断模块通过将视频相似动态变异系数与相似度判断阈值的比较,对监控视频区段的监控画面的变化程度进行判断。
当视频相似动态变异系数大于相似度判断阈值,此时监控视频区段的监控画面的变化程度较大,相似度判断模块生成第一保存信号,此时根据生成的第一保存信号,需要将该监控视频区段保存在计算机本地。
当视频相似动态变异系数小于等于相似度判断阈值,此时监控视频区段的监控画面的变化程度一般,相似度判断模块生成继续分析信号,此时,将视频相似动态变异系数与其他因素结合继续分析。
相似度判断阈值是依据视频相似动态变异系数的大小以及其他实际情况进行设定,此处不再赘述。
监控视频区段表示的是一段监控视频内容,监控视频区段的时间长度是本领域专业技术人员根据实际的监控视频的大小、监控的场景的类型以及其他实际情况进行设定。
值得注意的是,在获取监控视频的帧的数量时,获取帧时可以对监控视频区段内的帧进行均匀抽样,以节省***的计算资源,也可以完全获取帧,具体根据实际情况进行操作。
独帧相似度的某帧与其前一个帧的相似度是基于结构相似性指数(SSIM)得到,使用结构相似性指数(SSIM),因为它在保留图像结构和对比度方面效果较好,适用于监控视频的特点。
SSIM计算综合考虑亮度、对比度和结构因素,使用SSIM方法计算相邻两帧的相似度的一般步骤为:
将相邻的两帧转为灰度图像(如果原视频是彩色的)。
使用SSIM计算相似度,SSIM包括亮度相似度、对比度相似度和结构相似度三个分量,可以通过对应的公式计算。
将亮度、对比度和结构三个分量的计算结果进行加权平均,得到最终的SSIM值,即相邻两帧的相似度。
具体的SSIM计算在实际中已较为成熟,此处不再赘述。
通过计算视频相似动态变异系数来衡量监控视频帧之间的相似度变化程度,通过视频相似动态变异系数和相似度判断阈值的比较从而判断监控视频区段内的活跃度和变化情况。有助于智能地管理监控视频数据,根据变化程度对监控视频的重要性进行判断,进而采取不同的存储决策。提高存储效率和管理质量。
信息采集模块还采集人员信息和监控声音信息,其中,人员信息通过人次频繁评价指数体现;监控声音信息通过声音突变指数体现。
人次频繁评价指数的获取逻辑为:
基于图像识别处理技术,获取在监控视频区段内监控视频范围内的出现的人次,出现在监控视频区段的监控视频范围到离开监控视频区段的监控视频范围记作一个人次;获取在监控视频区段内存在人图像的时间占比。
计算在监控视频区段内监控视频范围内的出现的人次与监控视频区段对应的时间长度的比值,将在监控视频区段内监控视频范围内的出现的人次与监控视频区段对应的时间长度的比值标记为人现频次比;将在监控视频区段内存在人图像的时间占比标记为人存占有比。
将人现频次比和人存占有比进行加权相加,计算人次频繁评价指数,其表达式为:,其中,/>分别为人次频繁评价指数、人现频次比以及人存占有比,/>分别为人现频次比和人存占有比的权重。人次频繁评价指数越大,在该监控视频区段内人体活动可能更加频繁和活跃,该段监控视频区段的监控视频的重要性越高。
人现频次比和人存占有比的权重的大小是固定的,人现频次比和人存占有比的权重的大小设定由本领域专业技术人员根据实际情况进行设定,此处不再赘述。
其中,获取在监控视频区段内出现的人次可以通过以下步骤实现:
使用适当的人体检测算法对监控视频的每一帧进行人体检测,以识别出视频中的人***置。
对于检测到的每个人体,使用目标跟踪算法(如卡尔曼滤波、基于深度学习的目标跟踪等)来跟踪人体在不同帧之间的运动轨迹。
根据人体的运动轨迹,判断何时有人进入监控视频范围,何时离开。当一个人体进入监控视频范围时,记为一个人次的开始;当同一人体离开监控视频范围时,记为一个人次的结束。
统计在监控视频区段内出现的人次数量,获取在监控视频区段内出现的人次。
其中,获取监控视频区段内存在人图像的时间占比通过以下步骤实现:
使用适当的人体检测算法(如目标检测模型)对监控视频区段的每一帧进行人体检测,以识别出视频中的人***置。
遍历视频的每一帧,在检测到人体图像的帧上标记为存在人图像的帧。通过统计存在人图像的帧数,得到存在人图像的时间段。
将存在人图像的帧数除以监控视频区段的总帧数,得到监控视频区段内存在人图像的时间占比。
声音突变指数的获取逻辑为:
获取在监控视频区段内的音频,对音频进行分析:设定音频监测集合,音频监测集合内包括若干个从监控视频区段内的音频均匀抽取的音频对应的音量,计算每个音频对应的音量与其前一个音频对应的音量的偏差值,设定音量偏差阈值;获取音频对应的音量与其前一个音频对应的音量的偏差值大于音量偏差阈值的音频对应的音量的个数。
计算声音突变指数,声音突变指数为音频对应的音量与其前一个音频对应的音量的偏差值大于音量偏差阈值的音频对应的音量的个数与从监控视频区段内的音频均匀抽取的音频对应的音量的比值。
声音突变指数越大意味着在监控视频区段内的音频中存在更多突然的声音变化。这表示在该监控视频区段,音频经常出现剧烈的声音变化,即音频在短时间内从低音量突然变为高音量,较大的声音突变指数可能反映了在监控视频中存在许多意外事件、噪音、声音干扰或其他音频活动,该监控视频区段的监控视频的重要性越高。
其中,音频监测集合内的从监控视频区段内的音频均匀抽取的音频的数量是依据实际的检测需求等其他实际情况进行设定,此处不再赘述。
音量偏差阈值是本领域专业技术人员根据实际的在监控视频领域对音量变化的要求标准等其他实际情况进行设定,此处不再赘述。
当相似度判断模块生成继续分析信号,将视频相似动态变异系数、人次频繁评价指数以及声音突变指数通过数据处理模块的归一化处理,计算监控活跃变化评估系数。
例如,本发明可采用如下公式进行监控活跃变化评估系数的计算,其表达式为:;其中,/>分别为监控活跃变化评估系数和声音突变指数;/>别为视频相似动态变异系数、人次频繁评价指数以及声音突变指数的预设比例系数,/>均大于0。
监控活跃变化评估系数越大,说明监控视频区段内的活跃度变化越明显和频繁。这可能表示监控视频在这个区段内所捕捉到的事件、运动、声音等活动较为频繁,监控区域内的情况较为复杂和动态。这个评估系数的增加可以提示用户在这个时间段内需要更多的注意和关注。
设定监控重要评估阈值,监控重要评估阈值是依据监控活跃变化评估系数的大小,以及在本专业的技术领域内对监控重要程度的要求标准等实际情况进行设定,此处不再赘述。
第一存储判断模块将监控活跃变化评估系数和监控重要评估阈值进行比较,生成不同的信号,从而计算机根据生成的信号,对监控视频区段采取存储措施。
当监控活跃变化评估系数大于监控重要评估阈值,第一存储判断模块生成第二保存信号,此时根据生成的第二保存信号,需要将该监控视频区段保存在计算机本地。
当监控活跃变化评估系数小于等于监控重要评估阈值,第一存储判断模块生成上传云端信号,此时根据生成的上传云端信号,将该监控视频区段上传至云端,并在计算机本地删除该监控视频区段。
通过多维度的评估和判断来决定监控视频的存储方式,使存储管理更加智能化和适应实际情况,通过根据实际的监控活跃变化评估系数和监控重要评估阈值的比较,能够合理地决定是本地保存还是上传云端,从而避免了不必要的存储资源浪费,根据监控视频的活跃度变化,合理地安排存储策略,从而更有效地捕捉和记录重要事件,提高了监控***的效能和响应能力。
当相似度判断模块生成第一保存信号或第一存储判断模块生成第二保存信号,此时,获取计算机本地存储剩余空间,获取监控视频区段的所需存储空间。
第二存储判断模块将计算机本地存储剩余空间和监控视频区段的所需存储空间进行比较:
若计算机本地存储剩余空间大于监控视频区段的所需存储空间,第二存储判断模块生成本地保存信号,将该监控视频区段保存在计算机本地。
若计算机本地存储剩余空间小于等于监控视频区段的所需存储空间,第二存储判断模块生成优先删除信号,根据优先删除信号,获取计算机内本地保存的所有监控视频区段对应的监控活跃变化评估系数,优先删除监控活跃变化评估系数小的对应的监控视频区段,直至计算机本地存储剩余空间大于监控视频区段的所需存储空间后,若该监控视频区段未被删除,则将该监控视频区段保存在计算机本地。
通过比较计算机本地存储剩余空间和监控视频区段所需存储空间,***可以做出适当的存储决策,保障存储资源的合理分配和使用,在存储空间不足的情况下,根据监控活跃变化评估系数来决定删除哪些监控视频区段,从而优先保留重要度较高的监控视频,提高了存储资源的利用效率,随着监控视频的不断录制和存储,根据存储资源和监控视频的变化进行动态适应,保障计算机存储管理的有效性。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络,或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD),或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,既可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后: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,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 (7)
1.计算机文件数据匹配***,其特征在于:包括数据处理模块、信息采集模块、相似度判断模块、第一存储判断模块以及第二存储判断模块;
信息采集模块采集相似度信息,将相似度信息发送至数据处理模块,数据处理模块计算得到视频相似动态变异系数;
相似度判断模块将视频相似动态变异系数与相似度判断阈值进行比较,相似度判断模块生成第一保存信号或继续分析信号;
信息采集模块采集人员信息和监控声音信息,将人员信息发送至数据处理模块,数据处理模块计算得到人次频繁评价指数;将监控声音信息发送至数据处理模块,数据处理模块计算得到声音突变指数;
当相似度判断模块生成继续分析信号,将视频相似动态变异系数、人次频繁评价指数以及声音突变指数通过数据处理模块计算监控活跃变化评估系数;
第一存储判断模块将监控活跃变化评估系数和监控重要评估阈值进行比较,第一存储判断模块生成第二保存信号或上传云端信号;
获取计算机本地存储剩余空间和监控视频区段的所需存储空间;第二存储判断模块将计算机本地存储剩余空间和监控视频区段的所需存储空间进行比较,第二存储判断模块生成本地保存信号或优先删除信号。
2.根据权利要求1所述的计算机文件数据匹配***,其特征在于:相似度信息通过视频相似动态变异系数体现,视频相似动态变异系数的获取逻辑为:计算独帧相似度:设定监控视频区段,获取监控视频区段内的帧的数量,并对监控视频区段的帧按照时间先后顺序进行编号,计算独帧相似度,独帧相似度为某帧与其前一个帧的相似度;
根据监控视频区段内的帧对应的独帧相似度,通过数据处理模块计算视频相似动态变异系数,其表达式为:其中,n为监控视频区段内的帧的数量,i为监控视频区段内的帧的编号,i=1、2、3、4、......、n,n、i均为大于1的正整数;sxdx、dxdi+1、dxdi分别为视频相似动态变异系数、监控视频区段内第i+1个帧对应的独帧相似度以及监控视频区段内第i个帧对应的独帧相似度;
独帧相似度的某帧与其前一个帧的相似度是基于结构相似性指数得到。
3.根据权利要求2所述的计算机文件数据匹配***,其特征在于:设定相似度判断阈值,相似度判断模块将视频相似动态变异系数与相似度判断阈值进行比较:当视频相似动态变异系数大于相似度判断阈值,相似度判断模块生成第一保存信号;当视频相似动态变异系数小于等于相似度判断阈值,相似度判断模块生成继续分析信号。
4.根据权利要求1所述的计算机文件数据匹配***,其特征在于:人员信息通过人次频繁评价指数体现;监控声音信息通过声音突变指数体现;
人次频繁评价指数的获取逻辑为:获取在监控视频区段内监控视频范围内的出现的人次;获取在监控视频区段内存在人图像的时间占比;
计算在监控视频区段内监控视频范围内的出现的人次与监控视频区段对应的时间长度的比值,将在监控视频区段内监控视频范围内的出现的人次与监控视频区段对应的时间长度的比值标记为人现频次比;将在监控视频区段内存在人图像的时间占比标记为人存占有比;
将人现频次比和人存占有比进行加权相加,计算人次频繁评价指数,其表达式为:rppz=a*rxpb+b*rczb,其中,rppz、rxpb、rczb分别为人次频繁评价指数、人现频次比以及人存占有比,a、b分别为人现频次比和人存占有比的权重。
5.根据权利要求1所述的计算机文件数据匹配***,其特征在于:声音突变指数的获取逻辑为:获取在监控视频区段内的音频,设定音频监测集合,音频监测集合内包括若干个从监控视频区段内的音频均匀抽取的音频对应的音量,计算每个音频对应的音量与其前一个音频对应的音量的偏差值,设定音量偏差阈值;获取音频对应的音量与其前一个音频对应的音量的偏差值大于音量偏差阈值的音频对应的音量的个数;
计算声音突变指数,声音突变指数为音频对应的音量与其前一个音频对应的音量的偏差值大于音量偏差阈值的音频对应的音量的个数与从监控视频区段内的音频均匀抽取的音频对应的音量的比值。
6.根据权利要求1所述的计算机文件数据匹配***,其特征在于:当相似度判断模块生成继续分析信号,将视频相似动态变异系数、人次频繁评价指数以及声音突变指数通过数据处理模块的归一化处理,计算监控活跃变化评估系数;
设定监控重要评估阈值;第一存储判断模块将监控活跃变化评估系数和监控重要评估阈值进行比较:当监控活跃变化评估系数大于监控重要评估阈值,第一存储判断模块生成第二保存信号;当监控活跃变化评估系数小于等于监控重要评估阈值,第一存储判断模块生成上传云端信号。
7.根据权利要求1所述的计算机文件数据匹配***,其特征在于:当相似度判断模块生成第一保存信号或第一存储判断模块生成第二保存信号,获取计算机本地存储剩余空间,获取监控视频区段的所需存储空间;
第二存储判断模块将计算机本地存储剩余空间和监控视频区段的所需存储空间进行比较:若计算机本地存储剩余空间大于监控视频区段的所需存储空间,第二存储判断模块生成本地保存信号;若计算机本地存储剩余空间小于等于监控视频区段的所需存储空间,第二存储判断模块生成优先删除信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368949.2A CN117111858B (zh) | 2023-10-23 | 2023-10-23 | 计算机文件数据匹配*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368949.2A CN117111858B (zh) | 2023-10-23 | 2023-10-23 | 计算机文件数据匹配*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117111858A CN117111858A (zh) | 2023-11-24 |
CN117111858B true CN117111858B (zh) | 2024-04-02 |
Family
ID=88809400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311368949.2A Active CN117111858B (zh) | 2023-10-23 | 2023-10-23 | 计算机文件数据匹配*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117111858B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118196978A (zh) * | 2024-05-16 | 2024-06-14 | 杭州高达软件***股份有限公司 | 一种用于球罐安全施工的智慧监控*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046682A (zh) * | 2015-05-20 | 2015-11-11 | 王向恒 | 一种基于本地计算的视频监控方法 |
CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储***及设备 |
JP2019220895A (ja) * | 2018-06-21 | 2019-12-26 | 日本電気株式会社 | 画像処理装置、画像処理方法、プログラム、および画像処理システム |
CN115297289A (zh) * | 2022-10-08 | 2022-11-04 | 南通第二世界网络科技有限公司 | 一种监控视频高效存储方法 |
CN116208842A (zh) * | 2021-11-30 | 2023-06-02 | 顺丰科技有限公司 | 视频处理方法、装置、设备和计算机可读存储介质 |
CN116456057A (zh) * | 2023-04-26 | 2023-07-18 | 河南铭视科技股份有限公司 | 一种基于物联网的视频处理***及方法 |
CN116595219A (zh) * | 2023-05-29 | 2023-08-15 | 成都信息工程大学 | 一种船舶监控视频有效片段提取方法及管理*** |
CN116634106A (zh) * | 2023-06-01 | 2023-08-22 | 福建恒吟信息科技有限公司 | 一种基于企业园区监控的监控安全*** |
-
2023
- 2023-10-23 CN CN202311368949.2A patent/CN117111858B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046682A (zh) * | 2015-05-20 | 2015-11-11 | 王向恒 | 一种基于本地计算的视频监控方法 |
CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储***及设备 |
JP2019220895A (ja) * | 2018-06-21 | 2019-12-26 | 日本電気株式会社 | 画像処理装置、画像処理方法、プログラム、および画像処理システム |
CN116208842A (zh) * | 2021-11-30 | 2023-06-02 | 顺丰科技有限公司 | 视频处理方法、装置、设备和计算机可读存储介质 |
CN115297289A (zh) * | 2022-10-08 | 2022-11-04 | 南通第二世界网络科技有限公司 | 一种监控视频高效存储方法 |
CN116456057A (zh) * | 2023-04-26 | 2023-07-18 | 河南铭视科技股份有限公司 | 一种基于物联网的视频处理***及方法 |
CN116595219A (zh) * | 2023-05-29 | 2023-08-15 | 成都信息工程大学 | 一种船舶监控视频有效片段提取方法及管理*** |
CN116634106A (zh) * | 2023-06-01 | 2023-08-22 | 福建恒吟信息科技有限公司 | 一种基于企业园区监控的监控安全*** |
Also Published As
Publication number | Publication date |
---|---|
CN117111858A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117111858B (zh) | 计算机文件数据匹配*** | |
US20190034734A1 (en) | Object classification using machine learning and object tracking | |
US8824740B2 (en) | Methods and apparatus for detecting a composition of an audience of an information presenting device | |
US8570376B1 (en) | Method and system for efficient sampling of videos using spatiotemporal constraints for statistical behavior analysis | |
KR101588995B1 (ko) | 대상 검출 장치 및 대상 검출 방법 | |
CN110650320B (zh) | 动态帧率存储方法及装置、监控设备 | |
US10986400B2 (en) | Compact video representation for video event retrieval and recognition | |
CN106526585B (zh) | 基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法 | |
US20180046877A1 (en) | Methods and systems of determining a minimum blob size in video analytics | |
CN110175526A (zh) | 狗情绪识别模型训练方法、装置、计算机设备及存储介质 | |
CN102929887A (zh) | 一种基于声音特征识别的快速录像检索方法及*** | |
WO2022041484A1 (zh) | 人体跌倒检测方法、装置、设备及存储介质 | |
CN111079694A (zh) | 一种柜面助手履职监控装置和方法 | |
CN111652331A (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
CN116386120B (zh) | 一种用于智慧校园宿舍的无感监控管理*** | |
CN106548158A (zh) | 基于机器视觉的人群密度智能监测***及方法 | |
CN114343574A (zh) | 一种睡眠质量评估方法及客户端、服务器、存储介质 | |
CN111653067A (zh) | 智能家居设备及基于音频的报警方法 | |
CN106781167B (zh) | 监测物体运动状态的方法及设备 | |
CN110503092B (zh) | 基于领域适应的改进ssd监控视频目标检测方法 | |
CN111784750A (zh) | 视频图像中移动物体追踪方法、装置、设备以及存储介质 | |
CN109522844B (zh) | 一种社交亲密度确定方法及*** | |
Planinc et al. | Detecting unusual inactivity by introducing activity histogram comparisons | |
CN115409089A (zh) | 一种非侵入式负荷识别的自适应阈值事件检测方法 | |
JP6784032B2 (ja) | 符号化装置、符号化方法、プログラム、及び画像処理システム |
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 |