云計(jì)算的視頻處理技術(shù)研究及其應(yīng)用

陳 雁，卿濟(jì)民，劉春秋

?

云計(jì)算的視頻處理技術(shù)研究及其應(yīng)用

陳 雁，卿濟(jì)民，劉春秋

（深圳市賽為智能股份有限公司，廣東 深圳 518000）

視頻監(jiān)控領(lǐng)域技術(shù)的發(fā)展為人們的生活提供了安全保證，使人們更加放心的生活。視頻監(jiān)控中視頻處理非常重要，同時(shí)相關(guān)技術(shù)在視頻處理上能夠提供很大的幫助，但隨著大量視頻監(jiān)控設(shè)備的運(yùn)用，人為處理視頻的技術(shù)存在很大的不足，效率非常低。而云計(jì)算具有每秒十億次的運(yùn)算能力，所以云計(jì)算視頻處理技術(shù)能夠有效提升視頻處理效率。本文結(jié)合視頻智能處理技術(shù)經(jīng)驗(yàn)對(duì)云計(jì)算視頻處理技術(shù)的應(yīng)用進(jìn)行分析。

云計(jì)算；視頻處理技術(shù)；視頻監(jiān)控；視頻處理效率

0 引言

互聯(lián)網(wǎng)的出現(xiàn)使人們的生活發(fā)生了翻天覆地的變化，其中以互聯(lián)網(wǎng)為基礎(chǔ)的云計(jì)算對(duì)信息時(shí)代的影響更加巨大。人們生活中的視頻監(jiān)控設(shè)施大量增加，這對(duì)人們的安全提供了有利保障，而且視頻可以對(duì)不法分子進(jìn)行有力打擊。但是視頻產(chǎn)生的數(shù)據(jù)量巨大，并且需要人員對(duì)監(jiān)控進(jìn)行觀察以便及時(shí)發(fā)現(xiàn)緊急狀況能夠第一時(shí)間采取措施。但是這方面的處理并非易事，視頻數(shù)據(jù)的存儲(chǔ)、分析對(duì)工作人員的挑戰(zhàn)巨大。將云計(jì)算與視頻處理相結(jié)合，這樣能夠使視頻處理更加方便。另外視頻處理也可投入到道路建設(shè)上，對(duì)于視頻處理領(lǐng)域?qū)a(chǎn)生深遠(yuǎn)影響。

1 智能監(jiān)控技術(shù)

云計(jì)算與視頻監(jiān)控的結(jié)合可實(shí)現(xiàn)智能監(jiān)控，而智能監(jiān)控解決了視頻監(jiān)控大量人力資源的需求，能夠提高監(jiān)控效率。相較于傳統(tǒng)監(jiān)控方式，智能監(jiān)控方式具有很大的優(yōu)勢(shì)，分析能力強(qiáng)、視頻信息的篩選效率高、處理能力高而且沒(méi)有疲勞等等。對(duì)于突發(fā)狀況可以第一時(shí)間采取措施，該技術(shù)由以下幾種技術(shù)構(gòu)成見(jiàn)圖1。

1.1 智能分析技術(shù)

智能分析技術(shù)能夠有效提升視頻數(shù)據(jù)的分析能力，這種技術(shù)是以監(jiān)控網(wǎng)絡(luò)為基礎(chǔ)，然后根據(jù)一些方法來(lái)進(jìn)行分析，主要有圖像處理方法、計(jì)算機(jī)視覺(jué)、模式識(shí)別方法等[1]。該技術(shù)可以解決很多方面的問(wèn)題，這樣能夠提高工作效率。比如（1）當(dāng)監(jiān)控設(shè)備出現(xiàn)問(wèn)題即某個(gè)攝像頭出現(xiàn)故障無(wú)法正常進(jìn)行工作，智能分析技術(shù)能夠進(jìn)行故障報(bào)錯(cuò)，方便進(jìn)行維護(hù)工作。（2）網(wǎng)絡(luò)傳輸有所限制，在智能分析技術(shù)中運(yùn)用了壓縮編碼技術(shù)，這樣能夠減緩、減少甚至杜絕出現(xiàn)網(wǎng)絡(luò)堵塞的情況，一定程度上壓縮了網(wǎng)絡(luò)流量，使網(wǎng)絡(luò)傳輸?shù)呢?fù)擔(dān)減輕。（3）因?yàn)橐曨l監(jiān)控會(huì)出現(xiàn)很多的干擾信息，這對(duì)于圖像采集產(chǎn)生影響。智能分析技術(shù)中的圖像處理可以解決這一問(wèn)題，對(duì)圖像進(jìn)行初步處理，去除光照、噪聲等。這些方便了進(jìn)行識(shí)別，相當(dāng)于信息的篩選。（4）對(duì)一些連續(xù)運(yùn)動(dòng)的物體進(jìn)行視覺(jué)識(shí)別，將其定位目標(biāo)對(duì)其運(yùn)動(dòng)軌跡進(jìn)行記錄，這為之后的識(shí)別提供了依據(jù)。 （5）將目標(biāo)分類，對(duì)于將物體進(jìn)行區(qū)分十分重要，這樣也能高效地對(duì)目標(biāo)進(jìn)行分析。（6）將網(wǎng)絡(luò)信息進(jìn)行分析處理，結(jié)合軟件，主要是進(jìn)行多種技術(shù)的集成，這對(duì)于目標(biāo)的識(shí)別分析有著重大幫助。

圖1 傳統(tǒng)視頻與智能視頻的不同監(jiān)控方式

1.2 視頻檢索濃縮技術(shù)

通過(guò)對(duì)視頻數(shù)據(jù)檢索，對(duì)圖像進(jìn)行分析，這是目標(biāo)分析、識(shí)別中非常重要的一種技術(shù)。檢測(cè)方法數(shù)據(jù)有鏡頭邊界檢測(cè)，提取圖像特征與關(guān)鍵幀，這樣進(jìn)行檢索，更加合理準(zhǔn)確。圖像的提取分析中需要對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行處理，涉及到運(yùn)動(dòng)軌跡估計(jì)、將目標(biāo)進(jìn)行分割等等，這些處理的出發(fā)點(diǎn)就是濃縮技術(shù)。該技術(shù)的進(jìn)行可分為以下幾大部分，（1）邊界檢測(cè)，這通過(guò)鏡頭中幀數(shù)的變化對(duì)目標(biāo)進(jìn)行分析。（2）關(guān)鍵幀提取，這種方法能夠?qū)π畔⒅械年P(guān)鍵幀進(jìn)行選擇，然后在進(jìn)行篩選，最終得到真正關(guān)鍵幀。（3）特征表示，對(duì)于大量的視頻數(shù)據(jù)可以采用視頻數(shù)據(jù)特征表征，當(dāng)然需要保證其能夠表達(dá)視頻內(nèi)容然后再去研究衡量方法，再進(jìn)行驗(yàn)證。（4）分布式處理方法，是在滿足視頻特征表示上對(duì)高效提高處理效率和進(jìn)行合理的計(jì)算資源利用。（5）構(gòu)建系統(tǒng)，以圖像的色彩、紋理等的形狀為索引，對(duì)目標(biāo)圖像的距離進(jìn)行計(jì)算，可以通過(guò)相似度來(lái)勁信息港檢索，這樣可以解決圖像數(shù)據(jù)系統(tǒng)中對(duì)信息進(jìn)行手工標(biāo)注的缺點(diǎn)。

2 智能視頻處理的關(guān)鍵技術(shù)

智能視頻處理關(guān)鍵技術(shù)中涉及到多個(gè)重要方面，首先是運(yùn)動(dòng)目標(biāo)分析。對(duì)于運(yùn)動(dòng)目標(biāo)，需要對(duì)其背景進(jìn)行處理，這涉及到很多的方法，其中有幀差法、背景相減法以及光流法[2]。這些方法在背景變化的情況下能夠更新并適合當(dāng)前情景。這需要建立背景模型，背景模型的建立是分析中的難點(diǎn)、重點(diǎn)。背景模型建立成功能對(duì)運(yùn)動(dòng)目標(biāo)分割的完整性有著密切聯(lián)系，保證其完整性。然后是目標(biāo)追蹤。該項(xiàng)屬于分析中的核心，當(dāng)前的卡爾曼、粒子濾波等都是跟蹤技術(shù)，能夠進(jìn)行匹配跟蹤，或在目標(biāo)部分被遮擋的情況下能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，而且在行為分析上非常重要。目標(biāo)分類，智能視頻處理自然需要對(duì)研究物體進(jìn)行分析，這樣就需要對(duì)目標(biāo)進(jìn)行分類，比如可分為車、人、動(dòng)物等等。另外在區(qū)分上，可以考慮目標(biāo)的整體結(jié)構(gòu)或者部分結(jié)構(gòu)，這樣的方式對(duì)于進(jìn)行目標(biāo)分類非常有利。行為分析。當(dāng)前智能視頻分析進(jìn)行入侵、絆線、徘徊等應(yīng)用，這是在完成目標(biāo)軌跡跟蹤的基礎(chǔ)上進(jìn)行。之后需要設(shè)定規(guī)則，對(duì)其運(yùn)動(dòng)軌跡進(jìn)行判斷，以此分析是否異常。關(guān)鍵幀提取方法。首先根據(jù)信息上的熵差確定最佳聚類數(shù)，這樣將最大幀圖像作為可選取關(guān)鍵幀，對(duì)這些進(jìn)行融合去除，最終得到真正的關(guān)鍵幀。然后面向檢索特征進(jìn)行提取分配，當(dāng)前的特征檢索的信息提取受到多媒體的特征的影響，比如圖像的顏色、形狀以及紋理等。智能視頻處理技術(shù)關(guān)系到運(yùn)動(dòng)形狀的分析，運(yùn)動(dòng)軌跡的分析等等，這些運(yùn)動(dòng)的特征需要建立一定的模型，一般存在兩大問(wèn)題，其中這些問(wèn)題關(guān)系到過(guò)程查詢和特征含義。在查詢上的問(wèn)題主要是不直觀，沒(méi)有宏觀的概念。然后是特征，語(yǔ)義上的缺乏，其檢測(cè)結(jié)果不會(huì)達(dá)到用戶期望水平，這些都和用戶對(duì)系統(tǒng)上的期望有著很大的差距。視頻庫(kù)組織索引，對(duì)于多媒體上的信息而言，這些都是非結(jié)構(gòu)化的，需要對(duì)其進(jìn)行整理這樣能夠?qū)崿F(xiàn)高效的利用。

3 智能視頻分析技術(shù)

3.1 運(yùn)動(dòng)目標(biāo)的檢測(cè)提取

在視頻分析技術(shù)中目標(biāo)檢測(cè)屬于基礎(chǔ)步驟，這是為目標(biāo)的提取所做的準(zhǔn)備工作，可提取出有用目標(biāo)。通常情況下目標(biāo)的檢測(cè)受到很多因素的影響，這造成檢測(cè)準(zhǔn)確度和效率降低[3]。涉及因素有光照變化、運(yùn)動(dòng)目標(biāo)動(dòng)作變化、運(yùn)動(dòng)背景干擾等等。檢測(cè)的最終結(jié)果就是得到目標(biāo)的顏色、大小以及位置等信息。目標(biāo)檢測(cè)一般根據(jù)場(chǎng)景圖像變化進(jìn)行，這樣能夠發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)，一旦場(chǎng)景出現(xiàn)變化則運(yùn)動(dòng)目標(biāo)出現(xiàn)。然后進(jìn)行目標(biāo)的提取，出現(xiàn)運(yùn)動(dòng)目標(biāo)則需要對(duì)其中的各種信息進(jìn)行提取，這能夠?yàn)楹笃诘姆治鎏峁┯行畔?。目?biāo)提取一般涉及到三種方法，首先是光流法，即在亮度保持的情況下進(jìn)行目標(biāo)檢測(cè)，其中像素點(diǎn)亮的運(yùn)動(dòng)速度稱作光流。計(jì)算得到的光流度可對(duì)目標(biāo)進(jìn)行檢測(cè)。幀間差分法，這是一種運(yùn)用廣泛的目標(biāo)檢測(cè)算法，這種方法多為對(duì)視頻中的相鄰幀進(jìn)行查分，從差值中得到像素點(diǎn)，這些是差值大的點(diǎn)，這些被稱作前景像素點(diǎn)。但是這種方法用于高實(shí)時(shí)性、監(jiān)控場(chǎng)景中，優(yōu)點(diǎn)是速度快。因目標(biāo)運(yùn)動(dòng)會(huì)在幀中改變位置，然后體現(xiàn)灰度值的變化，這樣變化容易觀察。背景差分法，與不包含目標(biāo)背景圖像進(jìn)行查分，這樣能夠找出是否出現(xiàn)幀的變化，從而確定目標(biāo)是否進(jìn)行運(yùn)動(dòng)，這方便目標(biāo)對(duì)象的提取。

3.2 運(yùn)動(dòng)目標(biāo)分類

對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類可以更有效地研究運(yùn)動(dòng)目標(biāo)對(duì)于之后的運(yùn)動(dòng)目標(biāo)的追蹤有著一定的幫助。其中需要對(duì)運(yùn)動(dòng)目標(biāo)的各種特征進(jìn)行提取，是運(yùn)動(dòng)目標(biāo)提取的進(jìn)一步處理。其中涉及到運(yùn)動(dòng)目標(biāo)的顏色、形狀等。這能夠?qū)崿F(xiàn)高精度的目標(biāo)跟蹤[4]。

3.3 運(yùn)動(dòng)目標(biāo)的跟蹤

將運(yùn)動(dòng)目標(biāo)提取是為了方便跟蹤工作的進(jìn)行，這是重要的一個(gè)過(guò)程。通過(guò)卡爾曼濾波、或者粒子濾波等進(jìn)行運(yùn)動(dòng)目標(biāo)的跟蹤，這樣能夠?qū)崿F(xiàn)有效跟蹤，這方便了目標(biāo)行為分析。

3.4 防碰撞技術(shù)

智能視頻處理可以實(shí)現(xiàn)列車防碰撞，這種技術(shù)按三位重建、運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤、分析等幾部分構(gòu)成。首先進(jìn)行目標(biāo)特征點(diǎn)的提取，然后進(jìn)行三維建模，計(jì)算列車運(yùn)動(dòng)軌跡、速度等參數(shù)，接著分析是否發(fā)生碰撞。智能視頻處理的應(yīng)用在列車運(yùn)動(dòng)軌跡上有著重要的作用[5-6]。

3.5 遺留物檢測(cè)

智能視頻處理需要進(jìn)行遺留物的檢測(cè)，一種是基于跟蹤方法的遺留物檢測(cè)，還有基于檢測(cè)的遺留物檢測(cè)算法。

（1）基于跟蹤方法的遺留物檢測(cè)算法

該算法是將監(jiān)控場(chǎng)景中的運(yùn)動(dòng)物體跟蹤記錄，然后記錄相關(guān)信息，這些信息有運(yùn)動(dòng)物體的速度、軌跡等。通過(guò)遺留物的檢測(cè)算法進(jìn)行檢測(cè)。在跟蹤方法上有特征跟蹤、運(yùn)動(dòng)特性跟蹤、區(qū)域跟蹤以及輪廓跟蹤等等[7]。

（2）基于檢測(cè)的遺留物檢測(cè)算法

該項(xiàng)算法主要是檢測(cè)不存在或者長(zhǎng)時(shí)間靜止之后運(yùn)動(dòng)的物體，然后在不同幀的圖像中進(jìn)行分析查找，將可疑物體進(jìn)行算法檢測(cè)判斷。

除了這些算法之外還有比如基于語(yǔ)句檢測(cè)算法，該方法把遺留物體看成事件，然后找出符合該事件的算法，實(shí)現(xiàn)遺留物的檢測(cè)，這種方法可對(duì)多個(gè)目標(biāo)進(jìn)行分析。

4 視頻檢索技術(shù)

4.1 鏡頭檢測(cè)方法

這種方法為以直方圖鏡頭檢測(cè)為基礎(chǔ)的檢測(cè)方法，首先進(jìn)行邊界的檢測(cè)，這需要利用灰度直方圖的比較來(lái)檢測(cè)邊界或者使用顏色直方圖的比較來(lái)檢測(cè)邊界。這種方法使檢測(cè)的精度與速度都有所 保證[8]。

代表人檢測(cè)方法檢測(cè)過(guò)程 Michael D.Beyno等人跟蹤遺留物檢測(cè)算法建立視頻分割、對(duì)象關(guān)聯(lián)、對(duì)象分類和三維模塊構(gòu)成的目標(biāo)跟蹤模型 Smith等人跟蹤遺留物檢測(cè)算法第一步：利用變維馬爾可夫鏈蒙特卡洛法跟蹤可疑物體，第二步：利用第一步的跟蹤結(jié)果判定可疑物體是否為遺留物。 Ferrando等人跟蹤遺留物檢測(cè)算法背景更新依據(jù)高層的反饋結(jié)果，不對(duì)可疑物體部分的背景圖像進(jìn)行更新。另外，在特征提取階段提取了位置和顏色信息，用來(lái)進(jìn)行目標(biāo)跟蹤。 F. Porikli等人基于檢測(cè)的遺留物檢測(cè)算法為每個(gè)像素點(diǎn)建立獨(dú)立的長(zhǎng)周期模型和短周期高斯模型。通過(guò)把一幀圖像與這兩模型比較，得出兩個(gè)前景掩碼：長(zhǎng)時(shí)間前景掩碼表示了場(chǎng)景中顏色、陰影和光照的變化。短周期前景掩碼包括了運(yùn)動(dòng)物體和噪音等。 Y.Tian等人基于檢測(cè)的遺留物檢測(cè)算法運(yùn)用混合高斯模型檢測(cè)出監(jiān)控場(chǎng)景中的運(yùn)動(dòng)物體和靜止物體。后來(lái)進(jìn)行的多方面的改進(jìn)使得該算法可以較好的應(yīng)對(duì)陰影和光照變化帶來(lái)的問(wèn)題。

4.2 關(guān)鍵幀的提取方法

對(duì)視頻內(nèi)容進(jìn)行檢索，找出主要內(nèi)容作為關(guān)鍵幀，然后分析視頻隨時(shí)間變化情況，確定關(guān)鍵幀數(shù)目，最后抽取關(guān)鍵幀。與上面提到的方法類似。

4.3 圖像特征提取方法

該過(guò)程需要對(duì)鏡頭的特征進(jìn)行提取，然后建立視頻索引，提取鏡頭顏色、文理等等。這是食品聚類和檢索的依據(jù)。

5 基于海量視頻的濃縮技術(shù)

該技術(shù)研究包括視頻的視覺(jué)特征表示、基于視覺(jué)特征的相似度計(jì)算以及大規(guī)模視頻數(shù)據(jù)處理等視頻檢索系統(tǒng)中的關(guān)鍵技術(shù)和問(wèn)題，主要的研究?jī)?nèi)容可以分為以下幾個(gè)技術(shù)部分:

5.1 分布式處理

針對(duì)海量視頻數(shù)據(jù)的相似度計(jì)算問(wèn)題，研究能夠滿足應(yīng)用要求的分布式計(jì)算和處理框架，在視頻的特征表示基礎(chǔ)上，研究如何通過(guò)分布式的方法有效提高處理的效率和合理的利用計(jì)算資源。著重以Hadoop計(jì)算框架為基礎(chǔ)，在此平臺(tái)上提出相關(guān)的算法和框架[9]。

5.2 系統(tǒng)構(gòu)建

根據(jù)圖像的色彩、紋理、圖像對(duì)象的形狀以及它們的空間關(guān)系等內(nèi)容特征作為圖像的索引，計(jì)算查詢圖像和目標(biāo)圖像的相似距離，按照相似度匹配進(jìn)行檢索，其目的是試圖解決圖像數(shù)據(jù)庫(kù)系統(tǒng)中手工建立文本標(biāo)注信息的缺點(diǎn)。

6 視頻存儲(chǔ)與轉(zhuǎn)碼技術(shù)

6.1 海量視頻存儲(chǔ)與轉(zhuǎn)碼系統(tǒng)分析

視頻數(shù)據(jù)的分布式存儲(chǔ)，實(shí)現(xiàn)了分布式的轉(zhuǎn)碼功能，對(duì)海量的視頻數(shù)據(jù)進(jìn)行轉(zhuǎn)碼分析處理，提高了轉(zhuǎn)碼的性能。分布式冗余存儲(chǔ)釆用HDFS實(shí)現(xiàn)，在流媒體服務(wù)器上實(shí)現(xiàn)了數(shù)據(jù)的接收，實(shí)現(xiàn)了海量視頻數(shù)據(jù)在HDFS上的分布式冗余備份存儲(chǔ)。分布式轉(zhuǎn)碼釆用Hadoop的MapReduce分布式計(jì)算框架實(shí)現(xiàn)，設(shè)計(jì)了流媒體數(shù)據(jù)讀取模塊，以及基于ffinpeg的分布式轉(zhuǎn)碼模塊，最終實(shí)現(xiàn)了對(duì)流媒體數(shù)據(jù)的分析轉(zhuǎn)碼處理，利用MapReduce的并行計(jì)算能力，顯著提升了轉(zhuǎn)碼的效率，同時(shí)也讓用戶獲得了可以通過(guò)使用普通播放器就能觀看錄像回放的視頻數(shù)據(jù)[10-11]。

6.2 海量視頻存儲(chǔ)與轉(zhuǎn)碼系統(tǒng)以及管理平臺(tái)的整體架構(gòu)設(shè)計(jì)

存儲(chǔ)在HDFS上的數(shù)據(jù)格式是H.264，而用戶的普通播放器是無(wú)法實(shí)現(xiàn)直接播放。因此，將存儲(chǔ)在HDFS上的H.264文件進(jìn)行基于ffinpeg的分布式轉(zhuǎn)碼提升了轉(zhuǎn)碼的效率。要實(shí)現(xiàn)流媒體數(shù)據(jù)在HDFS上存儲(chǔ)，就需要在媒體分發(fā)服務(wù)器處，將傳輸?shù)接脩舻臄?shù)據(jù)按刷新速率進(jìn)行臨時(shí)保存，而且是H.264數(shù)據(jù)，媒體分發(fā)服務(wù)器上所做的工作就是將設(shè)備傳輸過(guò)來(lái)視頻數(shù)據(jù)文件將按照一定的目錄格式進(jìn)行臨時(shí)存放，最后由媒體分發(fā)服務(wù)器上的DFSClient程序?qū)⑽募蟼鞯紿DFS集群，實(shí)現(xiàn)海量視頻數(shù)據(jù)的分布式存儲(chǔ)[12]。這個(gè)集群由節(jié)點(diǎn)服務(wù)器組成，NameNode是這個(gè)集群的主節(jié)點(diǎn)，負(fù)責(zé)存放文件的元數(shù)據(jù)，數(shù)據(jù)節(jié)點(diǎn)服務(wù)器H是所描述的一系列DataNode節(jié)點(diǎn)，是真正存放數(shù)據(jù)的節(jié)點(diǎn)群，在這些節(jié)點(diǎn)上面實(shí)現(xiàn)了數(shù)據(jù)的冗余備份存儲(chǔ)[13]。DFSClient是HDFS的客戶端，在本系統(tǒng)中有兩種類型的DFSClient，第一個(gè)是流媒體轉(zhuǎn)發(fā)服務(wù)器D，它負(fù)責(zé)接收流媒體數(shù)據(jù)，完成H.264數(shù)據(jù)帕的復(fù)原，同時(shí)將H.264文件上傳到HDFS集群。

7 結(jié)論

云計(jì)算的視頻處理有著非常重要的意義，而且這對(duì)于以往的模式來(lái)說(shuō)效率上有了很大的提升。通過(guò)以上技術(shù)的處理能夠?qū)崿F(xiàn)智能視頻處理，這是云計(jì)算的深度發(fā)展。而且當(dāng)前我國(guó)道路方面建設(shè)可以加入視頻監(jiān)控方法，這樣對(duì)于減少道路事故、提高軌道交通效率有著深遠(yuǎn)意義的影響。

[1] 許彬, 張海濤, 胡豆豆. 云計(jì)算平臺(tái)中監(jiān)控視頻摘要任務(wù)調(diào)度方法研究[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2017, 34(7): 7-10.

[2] 姚楠, 余勁. 基于云計(jì)算方法的電力視頻故障及狀態(tài)智能檢測(cè)技術(shù)研究[J]. 華東電力, 2013, 41(12): 2494-2497.

[3] 包盛, 段保通, 邵鋒軍. 三網(wǎng)融合下基于云計(jì)算的實(shí)時(shí)轉(zhuǎn)碼技術(shù)研究和應(yīng)用[J]. 電信科學(xué), 2011, 27(3): 12-16.

[4] 王東利. 云計(jì)算在船舶網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)中的應(yīng)用研究[J]. 艦船科學(xué)技術(shù), 2016(22): 151-153.

[5] 王傳連, 張宗朔. 基于私有云的大規(guī)模交通視頻處理框架設(shè)計(jì)[J]. 計(jì)算機(jī)工程與應(yīng)用, 2017, 53(21): 254-257.

[6] 陳旭文, 黃英銘. 海量視頻點(diǎn)播系統(tǒng)的云計(jì)算技術(shù)與建模實(shí)現(xiàn)[J]. 現(xiàn)代電子技術(shù), 2013(14): 10-12.

[7] 陳利佳, 李剛榮, 汪鵬. 云計(jì)算在媒體資源系統(tǒng)視頻應(yīng)用中的研究[J]. 中國(guó)數(shù)字醫(yī)學(xué), 2013(9): 7-9.

[8] 李煒, 馬樂(lè), 孫向聚. 基于云計(jì)算技術(shù)的會(huì)議系統(tǒng)在電力通信中的應(yīng)用[J]. 自動(dòng)化與儀器儀表, 2017(11): 118-119.

[9] 劉文慧, 王喆. 基于云計(jì)算的溫室視頻監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 電子技術(shù)應(yīng)用, 2015, 41(6): 139-142.

[10] Mustafa R, Zhu D. An Investigation into Content Based Video processing in Cloud Computing Paradigm[C]// Int'l Conf. Ip, Comp. Vision, and Pattern Recognition | Ipcv. 2013.

[11] Rosenzweig J J, Blackman S S, Lewis B G. Heterogeneous video processing using private or public cloud computing resources[J]. 2018.

[12] 張藝. 基于WebSocket的即時(shí)通信系統(tǒng)研究與實(shí)現(xiàn)[J]. 軟件, 2015, 36(03): 89-94.

[13] 張曉諾. 基于Android的智能家居環(huán)境監(jiān)測(cè)系統(tǒng)APP設(shè)計(jì)與實(shí)現(xiàn)[J]. 軟件, 2015, 36(02): 77-79.

Research and Application of Cloud Computing Video Processing Technology

CHEN Yan, QIN Ji-min, LIU Chun-qiu

(Shenzhen Saiwei Intelligent Co., Ltd., Shenzhen, Guangdong 518000)

The development of video monitoring technology provides security guarantee for people's life and makes people more comfortable. Video processing is very important in video monitoring, and related technologies can be of great help in video processing. However, with the application of a large number of video monitoring equipment, the technology of dealing with video artificially has a great deficiency. The efficiency is very low. Cloud computing is capable of billions of operations per second, so cloud computing video processing technology can effectively improve video processing efficiency. This paper combines video intelligent processing technology experience to analyze the application of cloud computing video processing technology.

Cloud computing; Video processing technology; Video monitoring; Video efficiency

TB565+.4

A

10.3969/j.issn.1003-6970.2018.10.011

本研究為2015年技術(shù)開(kāi)發(fā)項(xiàng)目“基于海量視頻數(shù)據(jù)的視頻監(jiān)控應(yīng)用系統(tǒng)”成果之一（項(xiàng)目編號(hào)：CXZZ20150402115235001）

陳雁(1975-)，高級(jí)工程師，博士，研究方向：計(jì)算機(jī)視覺(jué)、人臉識(shí)別、智能視頻監(jiān)控；卿濟(jì)民(1963-)，高級(jí)工程師，博士，國(guó)家一級(jí)注冊(cè)建造師，研究方向：軌道交通、節(jié)能領(lǐng)域、人工智能、神經(jīng)網(wǎng)絡(luò)技術(shù)；劉春秋(1983-)，信息系統(tǒng)集成項(xiàng)目管理中級(jí)工程師，一級(jí)建造師，研究方向：視頻分析，人臉識(shí)別。

陳雁，卿濟(jì)民，劉春秋. 云計(jì)算的視頻處理技術(shù)研究及其應(yīng)用[J]. 軟件，2018，39（10）：52-56