[发明专利]基于k均值的监控视频热度云存储方法

权利要求书

1.一种基于k均值的监控视频热度云存储方法，其特征在于：根据经典的k-means聚类算法对网络上的视频资源进行视频热度分析，预测城市摄像头热度，并将热度较高的视频存储在性能节点高的集群，将热度较低的视频存储在性能节点低的集群中。

2.根据权利要求1所述的基于k均值的监控视频热度云存储方法，其特征在于：对于高热度监控视频的视频热度分析服务每天分析一次，并根据用户进入视频云存储系统的强度分布，重新发布视频热度索引库时间。

3.根据权利要求1所述的基于k均值的监控视频热度云存储方法，其特征在于，采用k-means聚类算法对网络上的视频资源进行视频热度分析具体包括以下步骤：

(1)将所有视频分为n个数据集，从数据集{xn}n≥1中任意选取k个赋给初始的聚类中心c1，c2，…，ck；

(2)对数据集中的每个样本xi，计算其与各个聚类中心cj的欧式距离并获取其类别标号：

Label(i)＝arg min||xi-cj||,i＝1,…,N,j＝1,…,k；

(3)按下式重新计算k个聚类中心：

(4)重复步骤(2)和步骤(3)，直到达到最大迭代次数为止。

4.根据权利要求3所述的基于k均值的监控视频热度云存储方法，其特征在于：进行视频热度分析前，先对视频进行标准化，所述视频标准化是对每个视频选取六个特征值，包括前天、昨天、今天共3天的视频分别回放次数，区域重要性，摄像机属性，视频标记；其中，视频的某天访问次数为分别记录所有摄像头当天的历史调阅总次数；区域重要性为根据用户具体业务需求进行划分，并且可根据需求变动改变区域重要性；摄像机属性为摄像机本身功能属性，摄像头有高清、标清、球机、枪机、夜市、红外之分，根据摄像机所具有的不同属性划分其重要程度；视频标记为从软件使用层面出发，针对具体业务，用户可标记感兴趣的某路视频；对每一路视频数据的六个特征值进行线性变换，使结果值映射到[0-1]之间。