[发明专利]一种基于数字视网膜系统的通信方法有效

专利信息
申请号: 202110117722.5 申请日: 2021-01-28
公开(公告)号: CN112929351B 公开(公告)日: 2022-08-09
发明(设计)人: 高文;王耀威;胡启帆 申请(专利权)人: 鹏城实验室
主分类号: H04L65/1104 分类号: H04L65/1104;H04L65/65;H04L67/02;H04L67/10
代理公司: 深圳市君胜知识产权代理事务所(普通合伙) 44268 代理人: 朱阳波
地址: 518000 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 数字 视网膜 系统 通信 方法
【说明书】:

发明公开了一种基于数字视网膜系统的通信方法,所述方法包括:构建数字视网膜系统;根据所述数字视网膜系统,构建端设备、边缘服务器和云服务器之间的通信协议;根据所述通信协议,执行注册,注销,配置下发,功能定义,模型下发,模型获取,特征流推送、结果流推送、视频流推送与获取,状态上报,控制指令下发和根据需求提取视频、图片、算法结果,实现信息在端设备、边缘服务器和云服务器之间的通信。通过本实施例的通信方法可以保证高效的存储,能支撑大数据查询分析,同时支持在端设备(端)、边缘服务(边)、云服务(云)之间进行面向智能视频编码和特征分析的深度学习模型自适应迁移、压缩、更新与转换。

技术领域

本发明涉及人工智能技术领域,尤其涉及的是一种基于数字视网膜系统的通信方法。

背景技术

传统摄像头只是把拍摄到的视频数据压缩后上传到云服务器进行存储,再做分析识别处理;无法对拍摄视频进行高质量视频编码和视觉特征提取编码,无法保证高效的存储,不能支撑大数据查询分析,也无法同时支持在端设备(端)、边缘服务(边)、云服务(云)之间进行面向智能视频编码和特征分析的深度学习模型自适应迁移、压缩、更新与转换。

因此,现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于数字视网膜系统的通信方法,旨在解决现有技术中的通信方法无法对拍摄视频进行高质量视频编码和视觉特征提取编码,无法保证高效的存储,不能支撑大数据查询分析,也无法同时支持在端设备(端)、边缘服务(边)、云服务(云)之间进行面向智能视频编码和特征分析的深度学习模型自适应迁移、压缩、更新与转换的问题。

本发明解决问题所采用的技术方案如下:

第一方面,本发明实施例提供一种基于数字视网膜系统的通信方法,其中,所述方法包括:

构建数字视网膜系统;

根据所述数字视网膜系统,构建端设备、边缘服务器和云服务器之间的通信协议;

根据所述通信协议,执行注册,注销,配置下发,功能定义,模型下发,模型获取,特征流推送、结果流推送、视频流推送与获取,状态上报,控制指令下发和根据需求提取视频、图片、算法结果,实现信息在端设备、边缘服务器和云服务器之间的通信。

在一种实现方式中,其中,所述构建数字视网膜系统包括:

获取所述图像数据;

对所述图像数据进行视频编码,视觉特征提取编码和深度自适应学习,得到压缩编码图像数据,视觉特征数据和深度自适应学习模型;

根据所述压缩编码图像数据,所述视觉特征数据和所述深度自适应学习模型,构建数字视网膜系统。

在一种实现方式中,其中,所述根据所述数字视网膜系统,构建端设备、边缘服务器和云服务器之间的通信协议包括:

采用SIP协议传输端设备的控制流(符合GB/T28181标准);

采用RTP/RTCP协议传输视频流(符合GB/T28181标准)。

在一种实现方式中,其中,所述根据所述数字视网膜系统,构建端设备、边缘服务器和云服务器之间的通信协议还包括:

将GB/T28181标准和GA/T1400标准以及WSS协议进行兼容;

采用HTTPS协议传输上行链路数据(符合GA/T1400标准);

采用WSS协议传输下行链路数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于鹏城实验室,未经鹏城实验室许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110117722.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top