專利名稱：基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法及其系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻監(jiān)控領(lǐng)域，特別涉及一種海量視頻實(shí)時(shí)處理技術(shù)。
背景技術(shù)：
目前 分布式系統(tǒng)基礎(chǔ)架構(gòu)hadoop是雅虎公司關(guān)于谷歌的云計(jì)算思想開源實(shí)現(xiàn)，在傳統(tǒng)互聯(lián)應(yīng)用中取得了比較好的效果。但本發(fā)明的發(fā)明人發(fā)現(xiàn)，對分布式系統(tǒng)基礎(chǔ)架構(gòu)hadoop下的海量視頻流于實(shí)時(shí)智能分析存在問題首先，由于hadoop面向的是海量數(shù)據(jù)的批處理，其響應(yīng)會有一定的時(shí)間延遲，雖然hadoop采用分布式計(jì)算技術(shù)處理海量數(shù)據(jù)比獨(dú)立計(jì)算機(jī)處理是要快很多，但是hadoop由于自身框架特性的限制，它無法實(shí)時(shí)返回處理結(jié)果。其次，基于Java虛擬機(jī)的hadoop中的Java虛擬機(jī)啟動(dòng)需要一定時(shí)間，hadoop從接收到用戶的作業(yè)請求到作業(yè)成功啟動(dòng)需要花費(fèi)的時(shí)間過多，導(dǎo)致啟動(dòng)時(shí)間慢；而且hadoop計(jì)算歸并模型或稱為MapReduce模型內(nèi)部節(jié)點(diǎn)之間是通過定時(shí)的心跳來交互信息，使得海量視頻流于實(shí)時(shí)智能分析的實(shí)時(shí)性進(jìn)一步無法保證。同時(shí)，對目前各大視頻監(jiān)控的將智能程序嵌入前端視頻采集器或通道的實(shí)時(shí)智能分析產(chǎn)品和專門負(fù)責(zé)若干路視頻采集器或通道的實(shí)時(shí)布控專門的一臺智能分析服務(wù)器，本發(fā)明的發(fā)明人發(fā)現(xiàn)，上述產(chǎn)品的處理方式也存在以下問題首先，針對視頻數(shù)據(jù)有很多的分析算法人臉分析、行為分析和車牌分析等，用這些算法可以做實(shí)時(shí)分析，但面向的都是小規(guī)模的數(shù)據(jù)，一般來說是采用單獨(dú)的服務(wù)器對處理小范圍的分析，進(jìn)行小規(guī)模的協(xié)同調(diào)度實(shí)時(shí)分析，所以面向小規(guī)模。其次，現(xiàn)有的智能分析服務(wù)器之間都是各自獨(dú)立，不能統(tǒng)一規(guī)劃，有效利用資源。最后，智能分析服務(wù)器可以分析哪些視頻采集器或通道是預(yù)先配置好的，而它分析多少路的視頻采集器或通道受其能力限定，不能動(dòng)態(tài)進(jìn)行增加或減少分析視頻采集器或通道，導(dǎo)致性能擴(kuò)展水平不佳。綜上所述，現(xiàn)有的技術(shù)不能很好解決大規(guī)模實(shí)時(shí)海量視頻智能分析的問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法及其系統(tǒng)，面向大規(guī)模實(shí)時(shí)視頻數(shù)據(jù)的智能分析引入了分布式計(jì)算框架，解決了傳統(tǒng)分布式計(jì)算框架不能面向海量視頻數(shù)據(jù)碼流實(shí)時(shí)處理的問題，便于性能擴(kuò)展和有效利用資源，從而可以高效協(xié)調(diào)各計(jì)算資源進(jìn)行實(shí)時(shí)分析大規(guī)模路數(shù)的視頻流。為解決上述技術(shù)問題，本發(fā)明的實(shí)施方式公開了一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法，方法基于云計(jì)算的分布式計(jì)算模型進(jìn)行，該模型包括客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)；方法包括以下步驟客戶端為需要進(jìn)行分析的每個(gè)實(shí)時(shí)視頻碼流采集器分別生成切片信息，切片信息中包括實(shí)時(shí)視頻碼流采集器訪問信息和智能分析規(guī)則；客戶端將切片信息上傳到主節(jié)點(diǎn)；客戶端向主節(jié)點(diǎn)提交作業(yè)；主節(jié)點(diǎn)將作業(yè)分解成多個(gè)任務(wù)，將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)分布式計(jì)算的任務(wù)節(jié)點(diǎn)；各任務(wù)節(jié)點(diǎn)執(zhí)行被指派的任務(wù)，根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析，并將分析結(jié)果即時(shí)發(fā)送給服務(wù)器。本發(fā)明的實(shí)施方式還公開了一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)，系統(tǒng)基于云計(jì)算的分布式計(jì)算模型，該模型包括客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)；客戶端，用于為需要進(jìn)行分析的每個(gè)實(shí)時(shí)視頻碼流采集器分別生成切片信息，切片信息中包括實(shí)時(shí)視頻碼流采集器訪問信息和智能分析規(guī)則，之后將切片信息上傳到和將作業(yè)提交至主節(jié)點(diǎn)；主節(jié)點(diǎn)，用于接收客戶端上傳的切片信息和提交的作業(yè)，并將作業(yè)分解成多個(gè)任務(wù)，以及將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)分布式計(jì)算的任務(wù)節(jié)點(diǎn)；任務(wù)節(jié)點(diǎn)，用于執(zhí)行主節(jié)點(diǎn)中指派的任務(wù)，并根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析，并將分析結(jié)果即時(shí)發(fā)送給服務(wù)器。本發(fā)明實(shí)施方式與現(xiàn)有技術(shù)相比，主要區(qū)別及其效果在于面向大規(guī)模實(shí)時(shí)視頻數(shù)據(jù)的智能分析引入了分布式計(jì)算框架，客戶端提交分布式作業(yè)任務(wù)請求，為了保證任務(wù)節(jié)點(diǎn)分析的速度不能低于實(shí)時(shí)時(shí)頻碼流的速度，主節(jié)點(diǎn)按照 具體分析算法復(fù)雜度和任務(wù)節(jié)點(diǎn)的機(jī)器性能分解作業(yè)，主動(dòng)向各任務(wù)節(jié)點(diǎn)分派任務(wù)，任務(wù)節(jié)點(diǎn)執(zhí)行任務(wù)中的具體任務(wù)并根據(jù)實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，以及根據(jù)切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行實(shí)時(shí)智能分析，并將分析結(jié)果即時(shí)反饋，解決了傳統(tǒng)分布式計(jì)算框架不能面向海量視頻數(shù)據(jù)碼流實(shí)時(shí)處理的問題，保證了大規(guī)模實(shí)時(shí)視頻智能分析的實(shí)時(shí)性，并可應(yīng)用于視頻監(jiān)控領(lǐng)域的實(shí)時(shí)布控；在后臺部署分布式計(jì)算集群，集群集成各種圖像分析算法，便于性能擴(kuò)展和有效利用資源，從而可以高效協(xié)調(diào)各計(jì)算資源進(jìn)行實(shí)時(shí)分析大規(guī)模路數(shù)的視頻流。進(jìn)一步地，通過唯一分配的統(tǒng)一資源定位符采集器訪問信息，可以訪問為網(wǎng)絡(luò)攝像機(jī)的實(shí)時(shí)視頻碼流采集器。進(jìn)一步地，在視頻監(jiān)控領(lǐng)域的實(shí)時(shí)布控應(yīng)用中，可以根據(jù)相關(guān)布防和事件關(guān)聯(lián)性，將報(bào)警記錄中的事件即時(shí)發(fā)送給報(bào)警服務(wù)器即時(shí)報(bào)警；或者在視頻監(jiān)控領(lǐng)域的其他應(yīng)用中，可將報(bào)警記錄中的事件即時(shí)發(fā)送給報(bào)警服務(wù)器即時(shí)報(bào)警，以進(jìn)行相應(yīng)的視頻截取匹配、軌跡跟蹤處理、錄像顯示和追蹤等一系列聯(lián)動(dòng)操作。進(jìn)一步地，在分布式計(jì)算模型中使用輸入插件獲取視頻碼流，多個(gè)任務(wù)節(jié)點(diǎn)可以協(xié)同工作，進(jìn)一步便于海量視頻碼實(shí)時(shí)流智能分析的性能擴(kuò)展和資源的有效利用，使各計(jì)算資源實(shí)時(shí)分析大規(guī)模路數(shù)的視頻碼流可以高效協(xié)調(diào)進(jìn)行。進(jìn)一步地，在分布式計(jì)算模型中使用輸入插件獲取視頻碼流和計(jì)算插件分析視頻碼流，可使在后臺部署的分布式計(jì)算集群中方便集成各種圖像分析算法在每個(gè)計(jì)算插件中，同時(shí)進(jìn)一步增強(qiáng)了系統(tǒng)的可擴(kuò)展性。


圖I是本發(fā)明第一實(shí)施方式中一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法的流程示意圖；
圖2是本發(fā)明第二實(shí)施方式中一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法的數(shù)據(jù)處理流程示意圖；圖3是本發(fā)明第三實(shí)施方式中一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)的結(jié)構(gòu)示意圖；圖4是本發(fā)明第四實(shí)施方式中一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)的結(jié)構(gòu)示意圖。
具體實(shí)施例方式在以下的敘述中，為了使讀者更好地理解本申請而提出了許多技術(shù)細(xì)節(jié)。但是，本領(lǐng)域的普通技術(shù)人員可以理解，即使沒有這些技術(shù)細(xì)節(jié)和基于以下各實(shí)施方式的種種變化和修改，也可以實(shí)現(xiàn)本申請各權(quán)利要求所要求保護(hù)的技術(shù)方案。為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明的實(shí)施方式作進(jìn)一步地詳細(xì)描述。本發(fā)明第一實(shí)施方式涉及一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法。圖I是該基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法的流程示意圖。該基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法基于云計(jì)算的分布式計(jì)算模型進(jìn)行，該模型包括客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)。如圖I所示，所述方法包括以下步驟在步驟101中，客戶端為需要進(jìn)行分析的每個(gè)實(shí)時(shí)視頻碼流采集器分別生成切片信息，切片信息中包括實(shí)時(shí)視頻碼流采集器訪問信息和智能分析規(guī)則。此后進(jìn)入步驟102，客戶端將切片信息上傳到主節(jié)點(diǎn)。此后進(jìn)入步驟103，客戶端向主節(jié)點(diǎn)提交作業(yè)。此后進(jìn)入步驟104，主節(jié)點(diǎn)將作業(yè)分解成多個(gè)任務(wù)。此后進(jìn)入步驟105，將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)分布式計(jì)算的任務(wù)節(jié)點(diǎn)。此后進(jìn)入步驟106，各任務(wù)節(jié)點(diǎn)執(zhí)行被指派的任務(wù)，根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流。此后進(jìn)入步驟107，各任務(wù)節(jié)點(diǎn)執(zhí)行被指派的任務(wù)，根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析。此后進(jìn)入步驟108，各任務(wù)節(jié)點(diǎn)將分析結(jié)果即時(shí)發(fā)送給服務(wù)器，此后結(jié)束本流程。此外,可以理解,在本發(fā)明中，通過刪減基于云計(jì)算的分布式計(jì)算模型MapReduce框架中的歸并Reduce子框架,保留和使用計(jì)算Map子框架,對基于云計(jì)算的分布式計(jì)算模型MapReduce框架進(jìn)行了改進(jìn)，本發(fā)明的實(shí)現(xiàn)也可以借鑒基于云計(jì)算的分布式計(jì)算模型MapReduce進(jìn)行，相關(guān)細(xì)節(jié)和實(shí)現(xiàn)方法可以相互參考，如客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)可以分別為HMapReduce框架中的負(fù)責(zé)提交分布式計(jì)算請求的客戶端模塊HJobClient、負(fù)責(zé)計(jì)算和歸并任務(wù)的分配和控制的主節(jié)點(diǎn)HJobTracker和負(fù)責(zé)執(zhí)行某些具體的計(jì)算和歸并任務(wù)的任務(wù)節(jié)點(diǎn)HTaskTracker本發(fā)明第二實(shí)施方式涉及一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法。圖2是該基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法的數(shù)據(jù)處理流程示意圖。第二實(shí)施方式在第一實(shí)施方式的基礎(chǔ)上進(jìn)行了改進(jìn)，主要改進(jìn)之處在于通過唯一分配的統(tǒng)一資源定位符采集器訪問信息，可以訪問為網(wǎng)絡(luò)攝像機(jī)的實(shí)時(shí)視頻碼流采集器。在視頻監(jiān)控領(lǐng)域的實(shí)時(shí)布控應(yīng)用中，可以根據(jù)相關(guān)布防和事件關(guān)聯(lián)性，將報(bào)警記錄中的事件即時(shí)發(fā)送給報(bào)警服務(wù)器即時(shí)報(bào)警。或者在視頻監(jiān)控領(lǐng)域的其他應(yīng)用中，可將報(bào)警記錄中的事件即時(shí)發(fā)送給報(bào)警服務(wù)器即時(shí)報(bào)警，以進(jìn)行相應(yīng)的視頻截取匹配、軌跡跟蹤處理、錄像顯示和追蹤等一系列聯(lián)動(dòng)操作。在分布式計(jì)算模型中使用輸入插件獲取視頻碼流，進(jìn)一步便于海量視頻碼流實(shí)時(shí)智能分析的性能擴(kuò)展和資源的有效利用，使各計(jì)算資源實(shí)時(shí)分析大規(guī)模路數(shù)的視頻碼流可以高效協(xié)調(diào)進(jìn)行。在分布式計(jì)算模型中使用輸入插件獲取視頻碼流和計(jì)算插件分析視頻碼流，可使在后臺部署的分布式計(jì)算集群中方便集成各種圖像分析算法在每個(gè)計(jì)算插件中，同時(shí)進(jìn)一步增強(qiáng)了系統(tǒng)的可擴(kuò)展性。具體地說采集器為網(wǎng)絡(luò)攝像機(jī)。該采集器訪問信息為統(tǒng)一資源定位符。當(dāng)然，該統(tǒng)一資源定位(Universal Resource Locator,簡稱“URL”)包含訪問該采集器的所有訪問信息。在本發(fā)明的其他某些實(shí)施方式中，實(shí)時(shí)視頻碼流采集器并不局限于網(wǎng)絡(luò)攝像機(jī)(IP Camera，簡稱“IPC”)，還包括數(shù)字視頻錄像機(jī)(Digital Video Recorder，簡稱“DVR”)或其中的某路通道，或者模擬攝像裝置等。上述將分析結(jié)果即時(shí)發(fā)送給服務(wù)器的步驟108，還包括以下子步驟將分析結(jié)果生成報(bào)警記錄，該報(bào)警記錄包括為采集器分配的唯一編號、匹配時(shí)間點(diǎn)所采用的時(shí)間戳和事件。將報(bào)警記錄即時(shí)發(fā)送給報(bào)警服務(wù)器。此外，可以理解，在本發(fā)明的其他某些實(shí)施方式中，報(bào)警記錄還可以根據(jù)具體的應(yīng)用，包含為采集器分配的唯一編號、匹配時(shí)間點(diǎn)所采用的時(shí)間戳和事件中的一個(gè)或若干個(gè)，也可以包含除上述三個(gè)信息之外的其他信息。在上述根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流的步驟106之前，還包括以下步驟各任務(wù)節(jié)點(diǎn)加載輸入插件，該輸入插件用于根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流。此外，可以理解,在與基于云計(jì)算的分布式計(jì)算模型MapReduce的相關(guān)細(xì)節(jié)和實(shí)現(xiàn)方法相互參考時(shí)，輸入插件InputPlugin從IPC中獲取實(shí)時(shí)視頻碼流。在本發(fā)明的其他某些實(shí)施方式中，也可以將輸入插件固定在任務(wù)節(jié)點(diǎn)中以直接獲取實(shí)時(shí)視頻碼流。在根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析的步驟107之前，還包括以下步驟各任務(wù)節(jié)點(diǎn)加載計(jì)算插件，該計(jì)算插件根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻 碼流進(jìn)行分析。此外，可以理解，在與分布式計(jì)算模型HMapReduce的相關(guān)細(xì)節(jié)和實(shí)現(xiàn)方法相互參考時(shí)，計(jì)算插件MapPlugin進(jìn)行即時(shí)視頻圖像分析。在本發(fā)明的其他某些實(shí)施方式中，也可以將計(jì)算插件固定在任務(wù)節(jié)點(diǎn)中以直接進(jìn)行即時(shí)視頻圖像分析。作為本發(fā)明的一個(gè)優(yōu)選實(shí)施方式，在如圖2所示的數(shù)據(jù)處理過程中，首先，客戶端形成切片信息，一路采集器IPC的相關(guān)信息作為一個(gè)切片，切片信息包括URL和規(guī)則等。URL包含了訪問該IPC的所有信息，規(guī)則是計(jì)算插件中的智能分析算法的一些內(nèi)容，比如匹配條件、采用的具體分析算法等等。其次，主節(jié)點(diǎn)將客戶端提交的作業(yè)分解成任務(wù)，再將該任務(wù)分派至各個(gè)任務(wù)節(jié)點(diǎn)，即切片被調(diào)度到多個(gè)任務(wù)節(jié)點(diǎn)上，任務(wù)節(jié)點(diǎn)實(shí)時(shí)獲取采集器IPC的碼流進(jìn)行實(shí)時(shí)圖像分析運(yùn)算。再則，如果分析到匹配條件的對象，則形成報(bào)警記錄alarm record,該報(bào)警記錄包括采集器標(biāo)識(CamerID, IPC的唯一編號)、匹配時(shí)間點(diǎn)的采用時(shí)間戳TimeStamp、事件Event。最后,各個(gè)任務(wù)節(jié)點(diǎn)將產(chǎn)生的報(bào)警記錄alarm record都發(fā)給報(bào)警服務(wù)器alarmserver,報(bào)警服務(wù)器alarm server可以根據(jù)CamerID、TimeStamp等信息進(jìn)行后續(xù)的向預(yù)定客戶端或者服務(wù)器發(fā)報(bào)警、聯(lián)動(dòng)錄像、聯(lián)動(dòng)顯示或追蹤等聯(lián)動(dòng)操作。本發(fā)明的各方法實(shí)施方式均可以以軟件、硬件、固件等方式實(shí)現(xiàn)。不管本發(fā)明是以軟件、硬件、還是固件方式實(shí)現(xiàn)，指令代碼都可以存儲在任何類型的計(jì)算機(jī)可訪問的存儲器中(例如永久的或者可修改的，易失性的或者非易失性的，固態(tài)的或者非固態(tài)的，固定的或者可更換的介質(zhì)等等)。同樣，存儲器可以例如是可編程陣列邏輯(Prog rammable ArrayLogic，簡稱“PAL”)、隨機(jī)存取存儲器(Random Access Memory，簡稱“RAM”)、可編程只讀存儲器(Prog rammable Read Only Memory,簡稱“PROM”)、只讀存儲器(Read-Only Memory,簡稱“ROM”)、電可擦除可編程只讀存儲器(Electrically Erasable Programmable ROM,簡稱“EEPR0M”)、磁盤、光盤、數(shù)字通用光盤(Digital Versatile Disc，簡稱“DVD”)等等。本發(fā)明第三實(shí)施方式涉及一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)。圖3是該基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)的結(jié)構(gòu)示意圖。該基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)基于云計(jì)算的分布式計(jì)算模型，該模型包括客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)。客戶端，用于為需要進(jìn)行分析的每個(gè)實(shí)時(shí)視頻碼流采集器分別生成切片信息，切片信息中包括實(shí)時(shí)視頻碼流采集器訪問信息和智能分析規(guī)則，之后將切片信息上傳到和將作業(yè)提交至主節(jié)點(diǎn)。主節(jié)點(diǎn)，用于接收客戶端上傳的切片信息和提交的作業(yè)，并將作業(yè)分解成多個(gè)任務(wù)，以及將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)分布式計(jì)算的任務(wù)節(jié)點(diǎn)。任務(wù)節(jié)點(diǎn)，用于執(zhí)行主節(jié)點(diǎn)中指派的任務(wù)，并根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析，并將分析結(jié)果即時(shí)發(fā)送給服務(wù)器。
面向大規(guī)模實(shí)時(shí)視頻數(shù)據(jù)的智能分析引入了分布式計(jì)算框架，客戶端提交分布式作業(yè)任務(wù)請求,主節(jié)點(diǎn)分解作業(yè)分派任務(wù),任務(wù)節(jié)點(diǎn)執(zhí)行任務(wù)中的具體任務(wù)并根據(jù)實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，以及根據(jù)切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行實(shí)時(shí)智能分析，并將分析結(jié)果即時(shí)反饋，解決了傳統(tǒng)分布式計(jì)算框架不能面向海量視頻數(shù)據(jù)碼流實(shí)時(shí)處理的問題，保證了大規(guī)模實(shí)時(shí)視頻智能分析的實(shí)時(shí)性，并可應(yīng)用于視頻監(jiān)控領(lǐng)域的實(shí)時(shí)布控。在后臺部署分布式計(jì)算集群，集群集成各種圖像分析算法，便于性能擴(kuò)展和有效利用資源，從而可以高效協(xié)調(diào)各計(jì)算資源進(jìn)行實(shí)時(shí) 分析大規(guī)模路數(shù)的視頻流。此外,可以理解,在本發(fā)明中，通過刪減基于云計(jì)算的分布式計(jì)算模型MapReduce框架中的歸并Reduce子框架,保留和使用計(jì)算Map子框架,對基于云計(jì)算的分布式計(jì)算模型MapReduce框架進(jìn)行了改進(jìn)，本發(fā)明的實(shí)現(xiàn)也可以借鑒基于云計(jì)算的分布式計(jì)算模型MapReduce進(jìn)行，相關(guān)細(xì)節(jié)和實(shí)現(xiàn)方法可以相互參考，如客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)可以分別為HMapReduce框架中的負(fù)責(zé)提交分布式計(jì)算請求的客戶端模塊HJobClient、負(fù)責(zé)計(jì)算和歸并任務(wù)的分配和控制的主節(jié)點(diǎn)HJobTracker和負(fù)責(zé)執(zhí)行某些具體的計(jì)算和歸并任務(wù)的任務(wù)節(jié)點(diǎn)HTaskTracker。作為本發(fā)明的一個(gè)優(yōu)選實(shí)施例，如圖3所示，系統(tǒng)基于云計(jì)算的分布式計(jì)算模型，該模型包括客戶端、主節(jié)點(diǎn)I. . . k(k為正整數(shù))和任務(wù)節(jié)點(diǎn)I. . . m(m為正整數(shù))；客戶端，用于為需要進(jìn)行分析的每個(gè)實(shí)時(shí)視頻碼流采集器分別生成切片信息，該實(shí)時(shí)視頻碼流采集器為實(shí)時(shí)視頻碼流采集器I. . . η中的一個(gè)，其中η為正整數(shù)，切片信息中包括實(shí)時(shí)視頻碼流采集器訪問信息和智能分析規(guī)則，之后將切片信息上傳到和將作業(yè)提交至主節(jié)點(diǎn)I. . . k ;主節(jié)點(diǎn)I. . . k，用于接收客戶端上傳的切片信息和提交的作業(yè)，并將作業(yè)分解成多個(gè)任務(wù)，以及將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)分布式計(jì)算的任務(wù)節(jié)點(diǎn)
I.. . m ；任務(wù)節(jié)點(diǎn)I... m中的一個(gè)或若干個(gè)，用于執(zhí)行被主節(jié)點(diǎn)I... k中的一個(gè)或若干個(gè)指派的任務(wù)，并根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析，并將分析結(jié)果即時(shí)發(fā)送給服務(wù)器。第一實(shí)施方式是與本實(shí)施方式相對應(yīng)的方法實(shí)施方式，本實(shí)施方式可與第一實(shí)施方式互相配合實(shí)施。第一實(shí)施方式中提到的相關(guān)技術(shù)細(xì)節(jié)在本實(shí)施方式中依然有效，為了減少重復(fù)，這里不再贅述。相應(yīng)地，本實(shí)施方式中提到的相關(guān)技術(shù)細(xì)節(jié)也可應(yīng)用在第一實(shí)施方式中。本發(fā)明第四實(shí)施方式涉及一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)，圖4是該基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)的結(jié)構(gòu)示意圖。第四實(shí)施方式在第三實(shí)施方式的基礎(chǔ)上進(jìn)行了改進(jìn)，主要改進(jìn)之處在于通過唯一分配的統(tǒng)一資源定位符采集器訪問信息，可以訪問為網(wǎng)絡(luò)攝像機(jī)的實(shí)時(shí)視頻碼流采集器。在視頻監(jiān)控領(lǐng)域的實(shí)時(shí)布控應(yīng)用中，可以根據(jù)相關(guān)布防和事件關(guān)聯(lián)性，將報(bào)警記錄中的事件即時(shí)發(fā)送給報(bào)警服務(wù)器即時(shí)報(bào)警?；蛘咴谝曨l監(jiān)控領(lǐng)域的其他應(yīng)用中，可將報(bào)警記錄中的事件即時(shí)發(fā)送給報(bào)警服務(wù)器即時(shí)報(bào)警，以進(jìn)行相應(yīng)的視頻截取匹配、軌跡跟蹤處理、錄像顯示和追蹤等一系列聯(lián)動(dòng)操作。在分布式計(jì)算模型中使用輸入插件獲取視頻碼流，進(jìn)一步便于海量視頻碼流實(shí)時(shí)智能分析的性能擴(kuò)展和資源的有效利用，使各計(jì)算資源實(shí)時(shí)分析大規(guī)模路數(shù)的視頻碼流可以高效協(xié)調(diào)進(jìn)行。在分布式計(jì)算模型中使用輸入插件獲取視頻碼流和計(jì)算插件分析視頻碼流，可使在后臺部署的分布式計(jì)算集群中方便集成各種圖像分析算法在每個(gè)計(jì)算插件中，同時(shí)進(jìn)一步便于海量視頻碼流實(shí)時(shí)智能分析的性能擴(kuò)展和資源的有效利用，使各計(jì)算資源實(shí)時(shí)分析大規(guī)模路數(shù)的視頻碼流可以高效協(xié)調(diào)進(jìn)行。具體地說采集器為網(wǎng)絡(luò)攝像機(jī)。該采集器訪問信息為統(tǒng)一資源定位符。此外，可以理解，該統(tǒng)一資源定位(Universal Resource Locator,簡稱“URL”)包含訪問該采集器的所有訪問信息。在本發(fā)明的其他某些實(shí)施方式中，實(shí)時(shí)視頻碼流采集器并不局限于網(wǎng)絡(luò)攝像機(jī)(IP Camera，簡稱“IPC”)，還包括數(shù)字視頻錄像機(jī)(Digital Video Recorder，簡稱“DVR”)或其中的某路通道，或者模擬攝像裝置等。任務(wù)節(jié)點(diǎn)還包括以下模塊生成子模塊，用于在任務(wù)節(jié)點(diǎn)將分析結(jié)果即時(shí)發(fā)送給服務(wù)器時(shí)，將分析結(jié)果生成報(bào)警記錄，該報(bào)警記錄包括為所述采集器分配的唯一編號、匹配時(shí)間點(diǎn)所采用的時(shí)間戳和事件；發(fā)送子模塊，用于將生成子模塊生成的報(bào)警記錄即時(shí)發(fā)送給報(bào)警服務(wù)器。此外，可以理解，在本發(fā)明的其他某些實(shí)施方式中，報(bào)警記錄還可以根據(jù)具體的應(yīng)用，包含為采集器分配的唯一編號、匹配時(shí)間點(diǎn)所采用的時(shí)間戳和事件中的一個(gè)或若干個(gè)，也可以包含除上述三個(gè)信息之外的其他信息。系統(tǒng)還包括輸入插件，用于根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流；任務(wù)節(jié)點(diǎn)，還包括以下子模塊加載子模塊，用于加載輸入插件。此外，可以理解，在與分布式計(jì)算模型H mapReduce的相關(guān)細(xì)節(jié)和實(shí)現(xiàn)方法相互參考時(shí)，輸入插件InputPlugin從IPC中獲取實(shí)時(shí)視頻碼流。在本發(fā)明的其他某些實(shí)施方式中，也可以將輸入插件固定在任務(wù)節(jié)點(diǎn)中以直接獲取實(shí)時(shí)視頻碼流。系統(tǒng)還包括計(jì)算插件，用于根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析；加載子模塊，還用于加載計(jì)算插件。此外，可以理解，在與分布式計(jì)算模型HMapReduce的相關(guān)細(xì)節(jié)和實(shí)現(xiàn)方法相互參考時(shí)，計(jì)算插件MapPlugin進(jìn)行即時(shí)視頻圖像分析。本發(fā)明中，任務(wù)節(jié)點(diǎn)中的加載子模塊加載輸入插件和計(jì)算插件到任務(wù)節(jié)點(diǎn)中，分別用于獲取和分析視頻碼流，這與任務(wù)節(jié)點(diǎn)獲取和分析視頻碼流在層次邏輯上是合理的。在本發(fā)明的其他某些實(shí)施方式中，也可以將計(jì)算插件以代碼的形式固定在任務(wù)節(jié)點(diǎn)中以直接進(jìn)行即時(shí)視頻圖像分析。、
第二實(shí)施方式是與本實(shí)施方式相對應(yīng)的方法實(shí)施方式，本實(shí)施方式可與第二實(shí)施方式互相配合實(shí)施。第二實(shí)施方式中提到的相關(guān)技術(shù)細(xì)節(jié)在本實(shí)施方式中依然有效，為了減少重復(fù)，這里不再贅述。相應(yīng)地，本實(shí)施方式中提到的相關(guān)技術(shù)細(xì)節(jié)也可應(yīng)用在第二實(shí)施方式中。需要說明的是，本發(fā)明各系統(tǒng)實(shí)施方式中提到的各單元都是邏輯單元，在物理上，一個(gè)邏輯單元可以是一個(gè)物理單元或模塊，也可以是一個(gè)物理單 元或模塊的一部分，還可以以多個(gè)物理單元或模塊的組合實(shí)現(xiàn)，這些邏輯單元或模塊本身的物理實(shí)現(xiàn)方式并不是最重要的，這些邏輯單元或模塊所實(shí)現(xiàn)的功能的組合是才解決本發(fā)明所提出的技術(shù)問題的關(guān)鍵。此外，為了突出本發(fā)明的創(chuàng)新部分，本發(fā)明上述各系統(tǒng)實(shí)施方式并沒有將與解決本發(fā)明所提出的技術(shù)問題關(guān)系不太密切的單元或模塊引入，這并不表明上述系統(tǒng)實(shí)施方式并不存在其它的單元或模塊。雖然通過參照本發(fā)明的某些優(yōu)選實(shí)施方式，已經(jīng)對本發(fā)明進(jìn)行了圖示和描述，但本領(lǐng)域的普通技術(shù)人員應(yīng)該明白，可以在形式上和細(xì)節(jié)上對其作各種改變，而不偏離本發(fā)明的精神和范圍。
權(quán)利要求
1.一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法，其特征在于，所述方法基于云計(jì)算的分布式計(jì)算模型進(jìn)行，該模型包括客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)； 所述方法包括以下步驟 所述客戶端為需要進(jìn)行分析的每個(gè)實(shí)時(shí)視頻碼流采集器分別生成切片信息，切片信息中包括實(shí)時(shí)視頻碼流采集器訪問信息和智能分析規(guī)則； 所述客戶端將切片信息上傳到所述主節(jié)點(diǎn)； 所述客戶端向所述主節(jié)點(diǎn)提交作業(yè)； 所述主節(jié)點(diǎn)將作業(yè)分解成多個(gè)任務(wù)，將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)分布式計(jì)算的所述任務(wù)節(jié)點(diǎn)； 各所述任務(wù)節(jié)點(diǎn)執(zhí)行被指派的任務(wù)，根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從所述實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析，并將分析結(jié)果即時(shí)發(fā)送給服務(wù)器。
2.根據(jù)權(quán)利要求I所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法，其特征在于，所述采集器為網(wǎng)絡(luò)攝像機(jī)；所述采集器訪問信息為統(tǒng)一資源定位符。
3.根據(jù)權(quán)利要求I所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法，其特征在于，所述將分析結(jié)果即時(shí)發(fā)送給服務(wù)器的步驟，還包括以下子步驟 將分析結(jié)果生成報(bào)警記錄，該報(bào)警記錄包括為所述采集器分配的唯一編號、匹配時(shí)間點(diǎn)所采用的時(shí)間戳和事件； 將所述報(bào)警記錄即時(shí)發(fā)送給報(bào)警服務(wù)器。
4.根據(jù)權(quán)利要求3所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法，其特征在于，在所述根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流的步驟之前，還包括以下步驟 各所述任務(wù)節(jié)點(diǎn)加載輸入插件，該輸入插件用于根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流。
5.根據(jù)權(quán)利要求4所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法，其特征在于，在所述根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析的步驟之前，還包括以下步驟 各所述任務(wù)節(jié)點(diǎn)加載計(jì)算插件，該計(jì)算插件根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析。
6.一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)，其特征在于，所述系統(tǒng)基于云計(jì)算的分布式計(jì)算模型，該模型包括客戶端、主節(jié)點(diǎn)和任務(wù)節(jié)點(diǎn)； 所述客戶端，用于為需要進(jìn)行分析的每個(gè)實(shí)時(shí)視頻碼流采集器分別生成切片信息，切片信息中包括實(shí)時(shí)視頻碼流采集器訪問信息和智能分析規(guī)則，之后將切片信息上傳到和將作業(yè)提交至所述主節(jié)點(diǎn)； 所述主節(jié)點(diǎn)，用于接收所述客戶端上傳的切片信息和提交的作業(yè)，并將所述作業(yè)分解成多個(gè)任務(wù)，以及將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)分布式計(jì)算的所述任務(wù)節(jié)點(diǎn)； 所述任務(wù)節(jié)點(diǎn)，用于執(zhí)行所述主節(jié)點(diǎn)中指派的任務(wù)，并根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從所述實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流，根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析，并將分析結(jié)果即時(shí)發(fā)送給服務(wù)器。
7.根據(jù)權(quán)利要求6所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)，其特征在于，所述采集器為網(wǎng)絡(luò)攝像機(jī)；所述采集器訪問信息為統(tǒng)一資源定位符。
8.根據(jù)權(quán)利要求6所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)，其特征在于，所述任務(wù)節(jié)點(diǎn)還包括以下模塊 生成子模塊，用于在所述任務(wù)節(jié)點(diǎn)將分析結(jié)果即時(shí)發(fā)送給服務(wù)器時(shí)，將分析結(jié)果生成報(bào)警記錄，該報(bào)警記錄包括為所述采集器分配的唯一編號、匹配時(shí)間點(diǎn)所采用的時(shí)間戳和事件； 發(fā)送子模塊，用于將所述生成子模塊生成的報(bào)警記錄即時(shí)發(fā)送給報(bào)警服務(wù)器。
9.根據(jù)權(quán)利要求8所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)，其特征在于，所述系統(tǒng)還包括 輸入插件，用于根據(jù)任務(wù)相關(guān)的切片信息中的實(shí)時(shí)視頻碼流采集器訪問信息從實(shí)時(shí)視頻碼流采集器獲取實(shí)時(shí)視頻碼流； 所述任務(wù)節(jié)點(diǎn)，還包括以下子模塊 加載子模塊，用于加載所述輸入插件。
10.根據(jù)權(quán)利要求9所述的基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析系統(tǒng)，其特征在于，所述系統(tǒng)還包括 計(jì)算插件，用于根據(jù)任務(wù)相關(guān)的切片信息中的智能分析規(guī)則對所獲取的實(shí)時(shí)視頻碼流進(jìn)行分析； 所述加載子模塊，還用于加載所述計(jì)算插件。
全文摘要
本發(fā)明涉及視頻監(jiān)控領(lǐng)域，公開了一種基于云計(jì)算的海量實(shí)時(shí)視頻碼流智能分析方法及其系統(tǒng)。引入了分布式計(jì)算框架，解決了傳統(tǒng)分布式計(jì)算框架不能面向海量視頻數(shù)據(jù)碼流實(shí)時(shí)處理的問題，便于性能擴(kuò)展和有效利用資源，可以高效協(xié)調(diào)各計(jì)算資源進(jìn)行實(shí)時(shí)分析。本發(fā)明中，方法包括以下步驟客戶端生成切片信息；客戶端將切片信息上傳到主節(jié)點(diǎn)；客戶端向主節(jié)點(diǎn)提交作業(yè)；主節(jié)點(diǎn)將作業(yè)分解成多個(gè)任務(wù)，將各任務(wù)及與任務(wù)相關(guān)的切片信息分別指派給多個(gè)任務(wù)節(jié)點(diǎn)；各任務(wù)節(jié)點(diǎn)執(zhí)行被指派的任務(wù)，獲取和分析實(shí)時(shí)視頻碼，并將分析結(jié)果即時(shí)發(fā)送給服務(wù)器。
文檔編號H04L29/06GK102638456SQ20121007318
公開日2012年8月15日 申請日期2012年3月19日 優(yōu)先權(quán)日2012年3月19日
發(fā)明者管國辰, 鄒拓宇, 金升鵬 申請人:杭州?？低曄到y(tǒng)技術(shù)有限公司