[发明专利]云环境下基于深度学习的在线视频智能处理系统

说明书

技术领域

本发明涉及云计算领域，具体涉及到一种云环境下基于深度学习的在线视 频智能处理系统。

背景技术

随着监控视频应用的日益普及，视频数据已经成为大数据的最大来源。由 于视频数据的复杂性、速度要求以及不断地积累，在公共安全以及其他监控应 用中需要高效、智能、实时的视频处理系统。

现存视频处理系统对视频数据的关联、事件的关联和趋势的预测等信息基 本上没有涉及，很难对更高一个层次的基于视频数据的决策进行支持，同时也 无法提供软硬件系统的动态伸缩性。

云计算是一种新的计算模式，其运用先进的存储架构和分布式计算为用户 提供成本低廉、方便快速的体验。云计算技术的出现使得海量的视频数据处理、 挖掘成为可能。

发明内容

为解决现有技术中的缺点和不足，本发明提出了一种云环境下基于深度学 习的在线视频智能处理系统，根据目前云计算技术的不同处理技术的特点，将 两类不同的云计算技术融合，为了深入挖掘视频中的深层知识，利用深度学习 技术实现深层智能，帮助获取隐藏在视频数据中的知识；同时，结合不同的体 系结构风格包括发布订阅，MapReduce，共享数据的实现框架，分层结构等对系 统进行优化调整。

本发明的技术方案是这样实现的：

一种云环境下基于深度学习的在线视频智能处理系统，包括：视频数据采 集层，视频处理层，数据服务层，领域服务层；

视频数据采集层采集视频数据；

视频处理层根据不同视频处理任务的性质进行离线处理和在线处理；

数据服务层针对不同的领域应用，聚合离线处理结果和在线处理结果；

领域服务层将结果可视化反馈给客户端。

可选地，所述视频数据采集层采集视频数据的步骤，包括：

视频数据采集层利用流媒体服务器、网络摄像机组件以及开源视频采集组 件从不同的摄像头采集不同的视频数据，将视频流存储到存储系统中。

可选地，所述视频处理层根据不同视频处理任务的性质进行离线处理和在 线处理的步骤，包括：

对于实时性要求不高的任务进行离线处理；对于要求实时的处理任务被分 配到在线处理；

离线处理模块利用存储在存储系统中的历史数据构建训练数据集，利用 MapReduce训练卷积神经网络，得到最优的卷积神经网络参数，并且利用 MapReduce对历史数据进行分析，编解码操作；

在线处理模块采集来自流媒体服务器的实时视频流，将实时视频流解码为 帧图像之后将其作为Storm的输入源，将每一帧图像传入Storm中进行处理，利 用Storm的并行能力处理背景消除，事件检测，分类操作。

可选地，所述数据服务层针对不同的领域应用，聚合离线处理结果和在线 处理结果的步骤，包括：

在数据服务层针对不同的领域应用创建面向问题的视图，数据服务层实现 对视频处理层的离线处理模块和在线处理模块进行聚合。

可选地，所述领域服务层将结果可视化反馈给客户端，包括：

针对不同的业务需求与数据集，开发数据可视化组件，将数据服务层的数 据反馈给客户端。

本发明的有益效果是：

(1)将深度学习与两类不同的云计算技术结合，形成以应用为导向的、具 有一定通用性的视频大数据处理框架；

(2)通过并行化深度学习，减少训练时间，优化训练效果，有效地提高了 训练效率；

(3)利用Hadoop快速批量的处理海量视频数据；

(4)利用Storm和深度学习实时处理，提高准确率和效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述 中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付 出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明云环境下基于深度学习的在线视频智能处理系统的控制框图；

图2为本发明中视频处理层根据不同视频处理任务的性质进行离线处理和 在线处理的框架图。

具体实施方式