本申請(qǐng)涉及智慧交通，具體是一種基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法。
背景技術(shù)：
1、目前，多數(shù)省份采用“路段-省級(jí)云平臺(tái)-部級(jí)云平臺(tái)”的架構(gòu)建設(shè)視頻云平臺(tái)，即通過本地部署的方式建設(shè)路段視頻監(jiān)控系統(tǒng)，通過云端部署的方式建設(shè)省級(jí)云平臺(tái)。
2、另外，為滿足交通事件識(shí)別準(zhǔn)確率的要求，交通事件識(shí)別系統(tǒng)采用單次識(shí)別模式進(jìn)行事件檢測(cè)，即通常直接拉取1mbps或以上碼流的視頻進(jìn)行檢測(cè)，這需要大量計(jì)算資源與網(wǎng)絡(luò)資源支撐。
3、但是，單次識(shí)別模式通過rtmp、http-hls、flv等協(xié)議，從數(shù)據(jù)源所在系統(tǒng)或平臺(tái)拉取不低于1mbps碼流的全量、實(shí)時(shí)的視頻數(shù)據(jù)至交通事件識(shí)別系統(tǒng)中進(jìn)行檢測(cè)。通常情況下，監(jiān)控視頻檢測(cè)結(jié)果大多是無(wú)交通事件發(fā)生，同時(shí)產(chǎn)生了大量的資源開銷，即消耗了大量不可少但不完全必要的資源，沒有高效利用好云網(wǎng)資源。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)的目的在于提供一種基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，基于低碼流輪巡事件檢測(cè)，高碼流事件復(fù)核檢測(cè)的二次識(shí)別技術(shù)，能夠在充分利用資源的同時(shí)提升事件識(shí)別準(zhǔn)確率。
2、為實(shí)現(xiàn)上述目的，本申請(qǐng)公開了以下技術(shù)方案：一種基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，該方法包括以下步驟：
3、s1-在云端拉取低碼流的視頻數(shù)據(jù)，通過交通事件識(shí)別系統(tǒng)進(jìn)行低碼流輪巡事件檢測(cè)，輸出初步檢測(cè)結(jié)果；
4、s2-若初步檢測(cè)結(jié)果為交通事件，則拉取與該低碼流的視頻數(shù)據(jù)對(duì)應(yīng)的高碼流的視頻數(shù)據(jù)，通過交通事件識(shí)別系統(tǒng)進(jìn)行高碼流事件復(fù)核檢測(cè)，輸出最終識(shí)別結(jié)果；
5、其中，所述交通事件識(shí)別系統(tǒng)的運(yùn)行，通過云端算力的動(dòng)態(tài)調(diào)度共享云資源。
6、作為優(yōu)選，所述低碼流低于1mbps；所述高碼流為高于1mbps。
7、作為優(yōu)選，所述交通事件識(shí)別系統(tǒng)的網(wǎng)絡(luò)框架包括：
8、云端部署的省級(jí)視頻云平臺(tái)，被配置為：通過ipsec?vpn或ssl?vpn與本地業(yè)務(wù)系統(tǒng)互通；
9、網(wǎng)絡(luò)出口，被配置為：采用防火墻、路由器作為出口設(shè)備，具有安全策略和路由策略；
10、核心層，被配置為：通過核心交換機(jī)實(shí)現(xiàn)高速數(shù)據(jù)傳輸；
11、接入層，被配置為：通過接入交換機(jī)連接應(yīng)用服務(wù)器、數(shù)據(jù)服務(wù)器及分布式存儲(chǔ)設(shè)備。
12、作為優(yōu)選，所述交通事件識(shí)別系統(tǒng)的網(wǎng)絡(luò)框架還包括：
13、在所述網(wǎng)絡(luò)出口和所述核心層之間設(shè)置流量負(fù)載均衡模塊，所述流量負(fù)載均衡模塊被配置為：根據(jù)實(shí)時(shí)流量動(dòng)態(tài)調(diào)整數(shù)據(jù)傳輸路徑。
14、作為優(yōu)選，所述的根據(jù)實(shí)時(shí)流量動(dòng)態(tài)調(diào)整數(shù)據(jù)傳輸路徑，具體包括：
15、d1-實(shí)時(shí)監(jiān)測(cè)網(wǎng)絡(luò)出口的流量負(fù)載率和核心層的流量負(fù)載率；
16、d2-計(jì)算網(wǎng)絡(luò)出口的流量負(fù)載率和核心層的流量負(fù)載率的差值；
17、d3-根據(jù)所述差值和網(wǎng)絡(luò)最大理論負(fù)載率動(dòng)態(tài)分配傳輸路徑的路徑權(quán)重。
18、作為優(yōu)選，所述網(wǎng)絡(luò)最大理論負(fù)載率，通過以下公式計(jì)算得到：
19、
20、其中，為網(wǎng)絡(luò)出口和核心層的總帶寬容量；為網(wǎng)絡(luò)峰值流量需求；為網(wǎng)絡(luò)傳輸延遲時(shí)間；為任務(wù)執(zhí)行周期；
21、所述差值具體為：；
22、其中，為網(wǎng)絡(luò)出口的流量負(fù)載率，為核心層的流量負(fù)載率；
23、所述路徑權(quán)重具體為：；
24、其中，為靈敏度系數(shù)，為閾值參數(shù)。
25、作為優(yōu)選，所述的云端算力的動(dòng)態(tài)調(diào)度，具體包括：
26、通過云端數(shù)據(jù)對(duì)接減少網(wǎng)絡(luò)帶寬消耗，根據(jù)所述低碼流輪巡事件檢測(cè)和所述高碼流事件復(fù)核檢測(cè)的算力需求，動(dòng)態(tài)分配計(jì)算資源；
27、基于交通事件的緊急程度調(diào)整計(jì)算資源的分配比例。
28、作為優(yōu)選，所述動(dòng)態(tài)分配計(jì)算資源，具體包括：
29、根據(jù)所述低碼流輪巡事件檢測(cè)的視頻路數(shù)和對(duì)應(yīng)的碼流，及所述高碼流事件復(fù)核檢測(cè)的視頻路數(shù)和對(duì)應(yīng)的碼流，動(dòng)態(tài)計(jì)算總算力需求；總算力需求通過以下公式計(jì)算得到：
30、
31、其中，為低碼流視頻的單位碼流算力系數(shù)；為高碼流視頻的單位碼流算力系數(shù)；為第i路低碼流視頻的實(shí)際碼流值；為第j路高碼流視頻的實(shí)際碼流值；和為非線性調(diào)節(jié)指數(shù)；為第j路高碼流視頻的優(yōu)先級(jí)加權(quán)因子。
32、作為優(yōu)選，所述低碼流視頻的單位碼流算力系數(shù)和所述高碼流視頻的單位碼流算力系數(shù)，基于歷史檢測(cè)任務(wù)的數(shù)據(jù)，統(tǒng)計(jì)低碼流視頻的平均檢測(cè)耗時(shí)和高碼流視頻的平均檢測(cè)耗時(shí)得到，具體為：
33、
34、
35、其中，為低碼流視頻的平均碼流值；為高碼流視頻的平均碼流值；和為校正系數(shù)；為動(dòng)態(tài)補(bǔ)償因子。
36、作為優(yōu)選，所述校正系數(shù)的取值范圍為：，，且在一次所述動(dòng)態(tài)分配計(jì)算資源中，取值滿足。
37、有益效果：本申請(qǐng)的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，在云端拉取低碼流的視頻數(shù)據(jù)進(jìn)行低碼流輪巡事件檢測(cè)，并在初步檢測(cè)結(jié)果為交通事件時(shí)，則拉取對(duì)應(yīng)的高碼流的視頻數(shù)據(jù)進(jìn)行高碼流事件復(fù)核檢測(cè)，并輸出最終識(shí)別結(jié)果，降低了帶寬資源消耗，能有效節(jié)約網(wǎng)絡(luò)資源與計(jì)算資源的投入，并且，在基于視頻分析技術(shù)的事件檢測(cè)算法支持下，能夠確保識(shí)別準(zhǔn)確率。
1.一種基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述低碼流低于1mbps；所述高碼流為高于1mbps。
3.根據(jù)權(quán)利要求1所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述交通事件識(shí)別系統(tǒng)的網(wǎng)絡(luò)框架包括：
4.根據(jù)權(quán)利要求3所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述交通事件識(shí)別系統(tǒng)的網(wǎng)絡(luò)框架還包括：
5.根據(jù)權(quán)利要求4所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述的根據(jù)實(shí)時(shí)流量動(dòng)態(tài)調(diào)整數(shù)據(jù)傳輸路徑，具體包括：
6.根據(jù)權(quán)利要求5所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述網(wǎng)絡(luò)最大理論負(fù)載率，通過以下公式計(jì)算得到：
7.根據(jù)權(quán)利要求1所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述的云端算力的動(dòng)態(tài)調(diào)度，具體包括：
8.根據(jù)權(quán)利要求7所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述動(dòng)態(tài)分配計(jì)算資源，具體包括：
9.根據(jù)權(quán)利要求8所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述低碼流視頻的單位碼流算力系數(shù)和所述高碼流視頻的單位碼流算力系數(shù)，基于歷史檢測(cè)任務(wù)的數(shù)據(jù)，統(tǒng)計(jì)低碼流視頻的平均檢測(cè)耗時(shí)和高碼流視頻的平均檢測(cè)耗時(shí)得到，具體為：
10.根據(jù)權(quán)利要求9所述的基于視頻云平臺(tái)拉流檢測(cè)的交通事件二次識(shí)別方法，其特征在于，所述校正系數(shù)的取值范圍為：，，且在一次所述動(dòng)態(tài)分配計(jì)算資源中，取值滿足。