一种多源视频资源池用数据处理装置及其使用方法与流程

本发明涉及视频资源数据处理，具体涉及一种多源视频资源池用数据处理装置及其使用方法。

背景技术：

1、资源池是为了解决资源的频繁分配释放所造成问题而设立的模式。数据库连接池就是资源池模式的一个实现场景。数据库连接池的基本思想就是为数据库连接建立一个缓冲池。预先在缓冲池中放入一定数量的连接，当需要建立数据库连接时，只需从缓冲池中取出一个，使用完毕之后再放回去。

2、而多源视频数据由于来自不同的渠道，在放入到建造的资源池之前，若是未对视频资源进行分类和数据处理，互不兼容的视频格式不仅会造成资源池中的视频数据杂乱，而且在提取视频数据时会出现数据重新放入再次来到杂乱的状态，同时也在输出视频资源时对存储层造成负担。因此本领域技术人员在此提出一种多源视频资源池用数据处理装置及其使用方法的技术方案。

技术实现思路

1、针对上述背景技术当中提出的多源视频资源池数据处理过程中存在的缺陷，提供如下的一种多源视频资源池用数据处理装置的技术方案，其包括：视频资源库，基于边缘平台和云平台的多源视频资源预处理单元以及视频分析单元，且视频资源库中包含多线程分组模块和视频资源提取融合模块。

2、其中，所述边缘平台基于边云协同操作系统，将视频数据分析智能应用以轻量化方式从云端部署到边缘设备；而所述云平台则结合大数据配合边缘平台对视频资源进行预处理和视频分析；所述多线程分组模块利用计算机gpu多线程对分类后的视频资源进行分组存储；视频资源提取融合模块中通过对视频资源建模、融合模型，基于深度学习对模型融合后对其进行数据增强。

3、在上述一种多源视频资源池用数据处理装置的技术方案中，优选地，所述多源视频资源预处理单元和视频分析单元中具体有：

4、通过对多来源的视频资源按照分割参数进行分割，在得到的小视频文件利用按照视频属性进行标记，同时对视频中的目标进行提取，得到目标图像后输入到分类模型进行训练，并依靠目标分类算法对视频数据进行分类，通过特征提取算法和统计分析算法对视频数据进行处理后，得到分类分析后的视频数据报表。

5、多源视频资源池用数据处理装置使用方法中具有如下的步骤：基于边缘平台中的边云协同操作系统，以及云平台中的大数据处理系统，对视频资源进行基于像素差异法和直方图方法的分割；对分割后的视频资源提取关键帧，并对视频特征进行提取；在初步获得视频特征后，将视频数据输入到分类模型进行训练，并依靠目标分类算法对视频数据进行分类，通过特征提取算法和统计分析算法对视频数据进行处理后，得到分类分析后的视频数据报表，同时视频数据按照分类被输入存储到服务器的存储层；在提取资源池中的视频资源时，输出的视频资源依靠视频资源提取融合模块中的数据融合算法，通过对视频资源建模、融合模型，基于深度学习对模型融合后对其进行数据增强，然后得到原始视频资源。

6、在上述多源视频资源池用数据处理装置使用方法技术方案中，优选地，所述s1中的基于像素差异法的分割具体有：定义视频像素差异测度，计算连续两帧图像的帧间差异并用其与一个预先设定的阈值作比较，大于该阈值则认为场景发生了改变；直方图方法的分割具体有：将相邻帧的各个像素的灰度、亮度或颜色等分成n个等级，再针对每个等级统计像素数做成直方图比较。

7、在上述多源视频资源池用数据处理装置使用方法技术方案中，优选地，所述s2中的提取关键帧具体有：基于颜色、纹理、形状进行特征提取；当前帧与最后一个判断为关键帧的图像比较，若有较多特征发生改变，则为新的关键帧；不同的视频镜头，得到不同数据的关键帧。

8、在上述多源视频资源池用数据处理装置使用方法技术方案中，优选地，所述提取关键帧中还包含，在灰度共生矩阵中选取表示纹理特征的对比度、纹理一致性、像素对灰度相关性和熵作为特征向量，并利用灰度共生矩阵法提取视频纹理特征；通过矩来描述视频数据的形状，依靠边缘检测形状特征。

9、在上述多源视频资源池用数据处理装置使用方法技术方案中，优选地，所述s2中的视频特征进行提取具体有：对视频图像进行自动分割，划分出其中所含的对象或颜色区域，根据区域对图像索引；以及根据视频中的全局运动和局部运动动态特征分类视频。

10、在上述多源视频资源池用数据处理装置使用方法技术方案中，优选地，所述s4中的视频资源提取融合模块具体有：通过深度学习模型训练时空数据，基于特征层融合所有视频模型进行产出；以及训练时空数据时通过深度学习网络融合数据再融合进行产出。

11、由上述技术方案可知，本发明提供一种多源视频资源池用数据处理装置及其使用方法与现有技术相比，本发明具有以下有益效果：

12、本发明的技术方案中以边云协同操作系统和云平台大数据系统进行配合，对视频资源进行预处理和视频分析，以分类和提取特征的方式对视频资源进行处理，便于计算机多线程对分类后的视频资源进行分组存储，同时在读取资源池中视频资源时，借助对视频资源建模、融合模型，基于深度学习对模型融合后对其进行数据增强，实现融合分类后的视频数据，便于提取视频。

技术特征：

1.一种多源视频资源池用数据处理装置，其特征在于：

2.根据权利要求1所述的一种多源视频资源池用数据处理装置，其特征在于，所述多源视频资源预处理单元和视频分析单元中具体有：

3.一种多源视频资源池用数据处理装置使用方法，其特征在于，适用于权利要求1-2任意一项所述的数据处理装置，且该使用方法中具有如下的步骤：

4.根据权利要求3所述的一种多源视频资源池用数据处理装置使用方法，其特征在于，所述s1中的基于像素差异法的分割具体有：定义视频像素差异测度，计算连续两帧图像的帧间差异并用其与一个预先设定的阈值作比较，大于该阈值则认为场景发生了改变；直方图方法的分割具体有：将相邻帧的各个像素的灰度、亮度或颜色等分成n个等级，再针对每个等级统计像素数做成直方图比较。

5.根据权利要求3所述的一种多源视频资源池用数据处理装置使用方法，其特征在于，所述s2中的提取关键帧具体有：基于颜色、纹理、形状进行特征提取；当前帧与最后一个判断为关键帧的图像比较，若有较多特征发生改变，则为新的关键帧；不同的视频镜头，得到不同数据的关键帧。

6.根据权利要求5所述的一种多源视频资源池用数据处理装置使用方法，其特征在于，所述提取关键帧中还包含，在灰度共生矩阵中选取表示纹理特征的对比度、纹理一致性、像素对灰度相关性和熵作为特征向量，并利用灰度共生矩阵法提取视频纹理特征；通过矩来描述视频数据的形状，依靠边缘检测形状特征。

7.根据权利要求3所述的一种多源视频资源池用数据处理装置使用方法，其特征在于，所述s2中的视频特征进行提取具体有：对视频图像进行自动分割，划分出其中所含的对象或颜色区域，根据区域对图像索引；以及根据视频中的全局运动和局部运动动态特征分类视频。

8.根据权利要求3所述的一种多源视频资源池用数据处理装置使用方法，其特征在于，所述s4中的视频资源提取融合模块具体有：通过深度学习模型训练时空数据，基于特征层融合所有视频模型进行产出；以及训练时空数据时通过深度学习网络融合数据再融合进行产出。

技术总结本发明公开了一种多源视频资源池用数据处理装置及其使用方法，本发明涉及视频资源数据处理技术领域，现提出如下方案，包括视频资源库，基于边缘平台和云平台的多源视频资源预处理单元以及视频分析单元，且视频资源库中包含多线程分组模块和视频资源提取融合模块。本发明的技术方案中以边云协同操作系统和云平台大数据系统进行配合，对视频资源进行预处理和视频分析，以分类和提取特征的方式对视频资源进行处理，便于计算机多线程对分类后的视频资源进行分组存储，同时在读取资源池中视频资源时，借助对视频资源建模、融合模型，基于深度学习对模型融合后对其进行数据增强，实现融合分类后的视频数据，便于提取视频。技术研发人员：杨延东,彭李,吴琼艳,梅增荣,赵鸿昌,秦鑫,李海峰,吴亚杰,邹锐,赵承远,熊合勇受保护的技术使用者：华能澜沧江水电股份有限公司技术研发日：技术公布日：2024/7/25