监控视频数据存储管理的方法和系统与流程

本发明涉及大数据管理、监控视频数据处理和机器视觉领域，特别涉及一种监控视频数据价值的评价和存储管理方法。
背景技术：
：近几年，随着“平安城市”和“智慧城市”理念的提出，监控摄像头在城市的部署数量以每年超过30％的复合速率增长，同时从以往的标清逐步向现在的高清过度，大量视频监控设备产生海量视频及其相关的数据，如交通卡口和电子警察记录数据。大规模监控摄像头的建设产生了海量的监控视频数据，为监控视频的大数据处理与研究提供了数据基础。然而，城市监控系统每天24小时不间断工作，当前存储技术无法满足监控视频存储的需要。由于受到存储量的限制，按目前国家的要求，除部分重要监控区域外，一般监控视频数据在系统里只存储保留30天。这种存储方案没有考虑监控视频之间价值量的差异性，造成价值量不高的视频占用了大量存储空间，价值量较高的视频保存时长过短而缺失历史数据，对大数据应用产生不可弥补的损失。因此，如何区分不同的监控视频数据价值，使得高价值的监控视频数据存储更长时间，有效提高监控视频的存储管理有效性，是本领域技术人员急需解决的问题。技术实现要素：本发明的主要目的在于提供一种监控视频存储管理方法和系统，基于价值量对监控视频进行梯度存储，进而有效优化存储开销，并为视频大数据处理提供大量高价值数据。为了达到上述目的，本发明采用以下技术方案：本发明一种监控视频数据存储管理的方法，包括下述步骤：s1、对不同的监控视频摄像头价值量进行计算并区分；s2、对同一个摄像头不同的时间段的价值量进行区分；s3、通过步骤s1和步骤s2价值量区分的结果，基于价值量对监控视频进行梯度存储；s4、所述价值量通过下述方法进行评估：s41、摄像头评价指标选择；s42、摄像头评价指标量化计算；s43、摄像头指标权重确定；s44、摄像头总价值量计算并分类。作为优选的技术方案，步骤s41中，所述评价指标包括摄像头清晰度、摄像头监控投影面积、摄像头所在道路级别、摄像头与最近交通节点的距离、案件记录数以及访问度。作为优选的技术方案，所述摄像头清晰度，通过其摄像头线数进行量化计算；所述摄像头所在道路级别，通过目前四种等级的城市道路规定宽度的中值进行量化计算，分别为：55、45、30、23；所述摄像头与最近交通节点的距离，通过反比例函数进行量化处理，公式为：其中vdc是量化后的价值尺度，dc是摄像头与最近交通节点的距离；所述案件记录数，通过该摄像头的涉案数进行量化。作为优选的技术方案，所述摄像头监控投影面积，通过摄像头安装角度、安装高度、视场角进行计算，公式为：其中，h为监控摄像头的安装高度,所述安装高度为监控摄像头距离地面的高度；β为摄像头与垂直方向的夹角；2θ为摄像头的视场角。作为优选的技术方案，所述访问度通过下述方式进行计算：s41-1、对历史期间设定一个评估期vp，并且把评估期vp划分nt个活跃期；s41-2、对每个活跃期的访问量进行统计，记为ui，其中i＝1,2,3…，距离当前时间越近，i越小；s41-3、通过下式给定每个活跃期的权值大小，s41-4根据步骤s41-2和s41-3得到的每个活跃期的访问量和权值，加权计算摄像头在某个时间的总使用度u，公式为：作为优选的技术方案，所述步骤s42中，采用ahp层次分析法确定各评价指标权值，具体方法为：首先，领域专家判定各指标,引入5分位(5、3、2、1、0)比例标度，通过两两比较确定因素之间的相对重要性，形成了n阶判别矩阵an：其中，aij为指标i相对于指标j的重要程度。然后通过以下公式进行一致性检验，保证专家判断的一致性，当cr<0.1，则认为矩阵具有一致性；其中，其中n是矩阵的维度，λmax是矩阵的最大特征值，ri是矩阵的修正因子，ri根据矩阵阶数的不同在1-1.5间取值；矩阵最大特征值λmax对应的归一化后的特征向量，即为各指标对应的权值。作为优选的技术方案，步骤s2中，对同一个摄像头不同的时间段的价值量进行区分的具体方法为：s21、把一天划分为多个不同的时间段；s22、根据特定领域，对每个时间段根据特定领域选择部分参数进行聚类分析，区分出一天不同时间段的价值。作为优选的技术方案，基于监控视频存储策略把摄像头按其所记录的监控视频总体价值量划分为4类，分别为高、较高、中等、较低；把每个摄像头一天的时间段划分为3类，分别为高、中、低；具体存储策略为：高价值量的摄像头，存储所有时间段；较高价值量的摄像头，存储高、中价值量时间段；中等价值量的摄像头，存储高价值量时间段；较低价值量的摄像头，丢弃所有时间段。本发明还公开了一种监控视频数据存储管理的系统，包括监控视频数据过滤模块、监控视频数据描述模块以及监控视频存储模块；所述监控视频数据过滤模块，用于监控视频数据存储管理的方法，对各监控系统的监控视频数据进行过滤，从而保留价值量较高的监控视频；所述监控视频数据描述模块，对于经过筛选后的高价值视频，利用监控视频元数据对视频文件进行描述；所述监控视频存储模块，包括视频描述数据库和视频数据库，其中，视频描述数据库用于存储视频文件的描述数据，视频数据库用于存储原始视频文件，然后基于视频描述数据库，建立检索接口。作为优选的技术方案，所述的视频元数据包括监控视频类别、日期、摄像头唯一编号、摄像头所在地址、视频数据url地址、视频起始帧时间、视频持续时间、视频格式、视频大小和视频编码方式。本发明与现有技术相比，具有如下优点和有益效果：首先，本发明公开了一种监控视频存储管理方法和系统，对各监控摄像头获取的视频数据，提出一套监控视频评价指标体系和价值评估计算方法。其次，本发明从摄像头维度和时间段维度，对监控视频价值量做出综合评估，实现基于监控视频的总价值量分析与筛选。第三，本发明公开了一种基于监控视频价值量的梯度存储策略，对监控视频数据(文件)实现差异化存储管理，即保证高价值量监控视频的存储，并进行有效描述与管理，有效减少了存储开销。附图说明图1是本实施例的一个流程图。图2是本发明方法的监控视频存储管理系统框架。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例参见附图1，本发明提供了一种监控视频存储管理方法，包括以下步骤：s1、对不同的监控视频摄像头价值量进行计算并区分；s2、对同一个摄像头不同的时间段的价值量进行区分；s3、通过s1和s2价值量区分的结果，基于价值量对监控视频进行梯度存储。进一步地，步骤s1中，包括以下步骤：s4摄像头价值评价指标选取；s5摄像头价值评价指标量化；s6摄像头价值评价指标权值确定；s7摄像头价值量计算与分类。步骤s4中，选取摄像头清晰度，摄像头监控投影面积，摄像头所在道路级别，摄像头与最近交通节点的距离，案件记录数，访问度作为评价指标。在步骤s5中，将所述摄像头清晰度通过摄像头线数进行量化。在步骤s5中，将所述摄像头监控投影面积，通过摄像头安装角度、安装高度、视场角进行计算，如图2所示，公式为：其中，h为监控摄像头的安装高度(离地面的高度)；β为摄像头与垂直方向的夹角；2θ为摄像头的视场角。在步骤s5中，对摄像头所在道路级别，通过道路所属级别宽度的中间值量化。目前城市道路可分为四级，如表1所示，一级道路的计车速为60-80公里/小时，道路总宽度为40-70米。二级道路的设计车速为40-60公里/小时，道路总宽度为30-60米。三级道路的设计车速为30-40公里小时，道路总宽度为20-40米。四级道路的设计车速为30公里/小时以下，道路总宽度为16-30米。道路宽度越大，价值越大，量化后四种级别道路价值量分别为55、45、30、23。表1城市道路等级道路等级车速(km/h)宽度(m)一级60-8040-70二级40-6030-60三级30-4020-40四级30以下16-30在步骤s5中，对摄像头与最近交通节点的距离，通过反比例函数进行量化处理，公式为：其中vdc是量化后的价值尺度，dc是摄像头与最近交通节点的距离。在步骤s5中，对访问度，通过以下步骤计算获得：s8对历史期间设定一个评估期vp，并且把评估期vp划分nt个活跃期；s9对每个活跃期的访问量进行统计，记为ui，其中i＝1,2,3…，距离当前时间越近，i越小；s10通过下式给定每个活跃期的权值大小：s11根据步骤s9和s10得到的每个活跃期的访问量和权值，加权计算摄像头在某个时间的总使用度u，公式为：进一步地，在步骤s6中，采用ahp层次分析法确定各评价指标权值，首先，对各指标两两比较相互之间相对重要性，采用9分制形式表示，如表2所示。完成指标的两两比较后，即形成了下述6阶判别矩阵an：表2比例标度其中，aij为指标i相对于指标j的重要程度，如果aij<1，表示指标j比指标i重要；如果aij>1，表示指标i比指标j重要；如果aij＝1，表示指标i与指标j同样重要。对矩阵an通过下式进行一致性检验，若没通过一致性检验，即cr>＝0.1，则重新构建判别矩阵，若通过一致性检验，即cr<0.1，则可通过该矩阵最大特征值λmax对应的归一化特征向量得到各指标的权值大小。在步骤s7中，由于各评价指标之间量纲不一致，因此，需要下式对各评价指标进行标准化处理，使得个评价指标的取值与最后价值量的取值落在区间[0,100]间。其中，min、max分别为各摄像头第i个指标的最小值与最大值。并利用下式计算摄像头的价值量，步骤s2中，包括以下步骤：s12把一天划分为不同的时间段t1、t2、t3…tns13根据特定领域，对每个时间段根据特定领域选择部分参数进行聚类分析，区分出一天不同时间段的价值。例如针对交通领域利用每个时段的车流量和违章记录数通过聚类区分不同时间段的价值在步骤s3中，把摄像头按价值量划分为4类，分别为高、较高、中等、较低，在步骤s3中，把每个摄像头一天的时间段按价值量划分为3类，分别为高、中、低。具体存储策略为：高价值量的摄像头，存储所有时间段；较高价值量的摄像头，存储高、中价值量时间段；中等价值量的摄像头，存储高价值量时间段；较低价值量的摄像头，丢弃所有时间段。如表3所示，√表示保留，×表示不保留。表3基于价值量的梯度存储方案本发明提供了一种监控视频存储管理系统，包括：监控视频数据过滤模块：采用所述基于价值量的监控视频存储策略，对各监控系统的监控视频数据进行过滤，从而保留价值量较高的监控视频；监控视频数据描述模块：对于经过筛选后的高价值视频，利用监控视频元数据对视频文件进行描述；其中，所述的视频元数据包括监控视频类别、日期、摄像头唯一编号、摄像头所在地址、视频数据url地址、视频起始帧时间、视频持续时间、视频格式、视频大小、视频编码方式；监控视频存储模块：包括视频描述数据库和视频数据库，其中，视频描述数据库用于存储视频文件的描述数据，视频数据库用于存储原始视频文件，然后基于视频描述数据库，建立检索接口。上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。当前第1页12