[发明专利]一种远程监控视频的传输方法及其传输装置

说明书

本发明实施例提供了一种远程监控视频的传输方法及其传输系统。该传输方法包括：收集训练样本，所述数据样本为多输入单输出构成的样本；根据模糊规则，对所述训练样本进行聚类，获得m组样本聚类结果；每一组聚类结果与一条模糊规则对应，每一条模糊规则与一个神经网络对应；使用所述样本聚类结果，训练对应的神经网络；将预测样本输入训练完成后的模糊神经网络中，获得对视频传输的建议；所述模糊神经网络由所述多个与模糊规则对应的神经网络组成。

技术领域

本发明涉及监控视频传输技术领域，尤其涉及一种远程监控视频的传输方法及其传输装置。

背景技术

在物流领域，管理者为了更好地对在途货物进行监管以及对在途货车进行更好地调度，通常都通过实时传输的随车远程监控视频来确保货物的万无一失以及根据视频情况确定货车的调度。

虽然实时传输监控视频的方式可以让管理者获得很好的掌控效果，但随之会带来较为昂贵的视频传输流量。而且，在货车长途行驶过程中，存在许多没必要传输或者观看的视频资源。这样会导致监控调度中心出现观看疲劳等的问题，对物力、人力来说都是一个浪费。

面对具有传输流量大，无意义视频片段多等特点的传统远程监控视频传输系统，如何在确保货物和货车的掌控性的前提下，减少不必要的视频传输量，从而降低流量传输成本和减轻监控中心人员观看视频压力成为企业亟需解决的难题。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种远程监控视频的传输方法及其传输装置，旨在解决现有技术中视频传输数据量量较大，造成人力和传输资源浪费的问题。

为了达到上述目的，本发明采取了以下技术方案：一种远程监控视频的传输方法。该传输方法包括：

收集训练样本，所述数据样本为多输入单输出构成的样本；

根据模糊规则，对所述训练样本进行聚类，获得m组样本聚类结果；每一组聚类结果与一条模糊规则对应，每一条模糊规则与一个神经网络对应；

使用所述样本聚类结果，训练对应的神经网络；

将预测样本输入训练完成后的模糊神经网络中，获得对视频传输的建议；所述模糊神经网络由所述多个与模糊规则对应的神经网络组成。

所述的远程监控视频传输的方法，其中，所述收集训练样本，具体包括：

提取与货车运行相关的行驶数据，并选择所述行驶数据中的关键指标；

归一化所述关键指标并与关于传输视频的专家意见结合，作为所述数据样本；每一个数据样本由多个输入和一个输出构成。

所述的远程监控视频传输的方法，其中，所述神经网络为标准的4层神经网络；包括输入层、模糊化层、推理层以及清晰层。

所述的远程监控视频传输的方法，其中，所述使用所述样本聚类结果，训练对应的神经网络，具体包括：

使用BP算法，以所述其中一组样本聚类结果作为训练样本，训练所述对应的神经网络。

所述的远程监控视频传输的方法，其中，在使用BP算法训练所述神经网络的过程中，引入如下算式所示的准函数：

其中，nc是测试评价用的样本，是M组内的样本数，是M组内对应x_j的输出样本，I^m表示矩阵。

所述的远程监控视频传输的方法，其中，所述将预测样本输入训练完成后的模糊神经网络中，获得对视频传输的建议，具体包括：

计算所述预测样本相对于各条模糊规则的隶属度；

将所述预测样本依次输入各个与所述模糊规则对应的神经网络，确定各个神经网络的输出；