应用深度神经网络的大数据分析系统的制作方法

本发明涉及大数据领域，尤其涉及一种应用深度神经网络的大数据分析系统。

背景技术：

1、现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。未来的时代将不是it时代，而是dt的时代，dt就是datatechnology数据科技，显示大数据对于未来的技术发展来说举足轻重。

2、有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。

3、帧间编码因为需要处理较大规模的数据以及需要较为复杂的运算过程而成为大数据应用的主要领域之一。然而，现有技术中的基于大数据的帧间编码在寻找匹配当前图像以进行帧间编码的参考帧之前，无法确定本次帧间编码的具体工作方案是否能够成功搜索到匹配当前图像以进行帧间编码的参考帧，这样，需要更多的运算成本去寻找匹配当前图像以进行帧间编码的参考帧，容易陷入冗余繁琐的数据处理过程中。

技术实现思路

1、为了解决相关领域的技术问题，本发明提供了一种应用深度神经网络的大数据分析系统，能够在大数据处理的基础上，设计定制结构的智能预测模型并针对性筛选了多项基础数据投入在设定数量内的前序图像中是否能够成功搜索到匹配当前图像以进行帧间编码的参考帧的智能分析，在具体执行参考帧的搜索之前就可以确定本次搜索是否成功的结果，从而有效减少了基于大数据的帧间编码的运算成本。

2、根据本发明，提供了一种应用深度神经网络的大数据分析系统，所述系统包括：

3、参数分析机构，用于针对待执行帧间编码的当前图像，获取所述当前图像的各项图像参数，所述当前图像的各项图像参数包括所述当前图像的信噪比、对比度、平均亮度值、最大噪声幅值以及噪声类型数量；

4、整体鉴定机构，用于获取当前图像所在的视频中位于当前图像之前的设定数量的多个前序图像，获取每一个前序图像的对比度、最大亮度值和最小亮度值，对多个前序图像分别对应的多份对比度执行算术平均值计算以获得整体对比度，对多个前序图像分别对应的多份最大亮度值执行算术平均值计算以获得整体最大亮度值，对多个前序图像分别对应的多份最小亮度值执行算术平均值计算以获得整体最小亮度值；

5、逐次训练机构，用于对深度神经网络执行多次训练以获得经过多次训练后的深度神经网络，并作为智能预测模型输出，所述深度神经网络的训练的次数与所述当前图像的解析度单调正向关联；

6、大数据分析节点，分别与所述参数分析机构、所述整体鉴定机构以及所述逐次训练机构连接，用于基于设定数量、所述当前图像的各项图像参数、当前图像之前的设定数量的多个前序图像对应的整体对比度、整体最大亮度值和整体最小亮度值采用智能预测模型智能预测在当前图像之前的设定数量的多个前序图像内搜索到匹配当前图像执行帧间编码的参考帧的成功标识；

7、其中，基于设定数量、所述当前图像的各项图像参数、当前图像之前的设定数量的多个前序图像对应的整体对比度、整体最大亮度值和整体最小亮度值采用智能预测模型智能预测在当前图像之前的设定数量的多个前序图像内搜索到匹配当前图像执行帧间编码的参考帧的成功标识包括：当参考帧匹配当前图像执行帧间编码时，采用所述参考帧对当前图像执行帧间编码获得重建帧，所述重建帧与当前图像二者之间的差值图像中非零像素点数量的占比小于等于设定比例；

8、其中，当参考帧匹配当前图像执行帧间编码时，采用所述参考帧对当前图像执行帧间编码获得重建帧，所述重建帧与当前图像二者之间的差值图像中非零像素点数量的占比小于等于设定比例包括：所述重建帧与当前图像二者之间的差值图像为所述重建帧与当前图像二者相同位置的像素点的像素值进行差值运算后获得的图像；

9、其中，当参考帧匹配当前图像执行帧间编码时，采用所述参考帧对当前图像执行帧间编码获得重建帧，所述重建帧与当前图像二者之间的差值图像中非零像素点数量的占比小于等于设定比例还包括：所述差值图像中像素值非零的像素点的数量占据所述差值图像的像素点总数的比例小于等于设定比例。

10、因此，本发明至少具备以下三处有益的技术效果：

11、首先：为了分析在设定数量内的前序图像中是否能够成功搜索到匹配当前图像以进行帧间编码的参考帧，设计定制结构的智能预测模型，所述智能预测模型为经过多次训练后的深度神经网络且训练的次数与当前图像的解析度单调正向关联；

12、其次：为了保证分析结果的可靠性和稳定性，针对性筛选了多项基础数据，包括当前图像的信噪比、对比度、平均亮度值、最大噪声幅值以及噪声类型数量、设定数量、当前图像之前的设定数量的多个前序图像对应的整体对比度、整体最大亮度值和整体最小亮度值；

13、再次：具体地，当采用设定图像对当前图像执行帧间编码获得重建帧，所述重建帧与当前图像二者之间的差值图像中非零像素点数量的占比小于等于设定比例时，判断所述设定图像为匹配当前图像以进行帧间编码的参考帧，其中，重建帧与当前图像二者之间的差值图像为重建帧与当前图像二者相同位置的像素点的像素值进行差值运算后获得的图像。

14、本发明的应用深度神经网络的大数据分析系统结构紧凑、成本低廉。由于能够在大数据处理的基础上，设计定制结构的智能预测模型并针对性筛选了多项基础数据投入在设定数量内的前序图像中是否能够成功搜索到匹配当前图像以进行帧间编码的参考帧的智能分析，从而有效减少了帧间编码的运算成本。

技术特征：

1.一种应用深度神经网络的大数据分析系统，其特征在于，所述系统包括：

2.如权利要求1所述的应用深度神经网络的大数据分析系统，其特征在于：

3.如权利要求2所述的应用深度神经网络的大数据分析系统，其特征在于，所述系统还包括：

4.如权利要求3所述的应用深度神经网络的大数据分析系统，其特征在于：

5.如权利要求4所述的应用深度神经网络的大数据分析系统，其特征在于：

6.如权利要求5所述的应用深度神经网络的大数据分析系统，其特征在于：

7.如权利要求3-6任一所述的应用深度神经网络的大数据分析系统，其特征在于，所述系统还包括：

8.如权利要求7所述的应用深度神经网络的大数据分析系统，其特征在于：

9.如权利要求8所述的应用深度神经网络的大数据分析系统，其特征在于：

技术总结本发明涉及一种应用深度神经网络的大数据分析系统，包括：逐次训练机构，用于对深度神经网络执行多次训练以获得经过多次训练后的深度神经网络，并作为智能预测模型输出；大数据分析节点，用于基于当前筛选的多项基础数据采用智能预测模型智能预测在当前图像之前的设定数量的多个前序图像内搜索到匹配当前图像执行帧间编码的参考帧的成功标识。本发明的应用深度神经网络的大数据分析系统结构紧凑、成本低廉。由于能够在大数据处理的基础上，设计定制结构的智能预测模型并针对性筛选了多项基础数据投入在设定数量内的前序图像中是否能够成功搜索到匹配当前图像以进行帧间编码的参考帧的智能分析，从而有效减少了帧间编码的运算成本。技术研发人员：王非受保护的技术使用者：南京策之汉安全科技有限公司技术研发日：技术公布日：2024/10/10