基于序列编码的远程人脸识别视频存储方法及系统与流程

本发明涉及计算机视觉，尤其涉及基于序列编码的远程人脸识别视频存储方法及系统。

背景技术：

1、计算机视觉技术领域结合了图像处理、模式识别、人工智能和数据存储技术，致力于对视频流中的面部图像进行识别和分析，在安全监控中，这种技术尤其重要，因为它可以用于识别和验证个人身份，提高安全性，此外，该领域还与大数据和云计算技术紧密相关，因为处理和存储大量的视频数据需要强大的计算和存储能力。

2、其中，远程人脸识别视频存储方法是一种结合人脸识别技术和远程数据存储的方法，其主要目的是实现高效、可靠的身份验证和监控，方法通过识别视频流中的人脸监控和记录个人活动，同时确保数据的安全性和可访问性，远程存储允许更大规模的数据保留，便于检索和分析，这对于需要长期监控和数据分析的场合尤其重要，此方法的效果在于提高安全监控系统的效率和准确性，同时确保数据的完整性和隐私保护，在实际应用中，方法通过安装在关键位置的视频监控摄像头来捕获图像，然后使用先进的人脸识别算法对图像中的人脸进行检测和识别，这些算法能够处理大量的视频数据，快速准确地识别出个人的面部特征，识别出的数据随后被传输到远程服务器或云存储系统中进行安全存储，这些系统采用加密和访问控制技术，确保数据的安全性，此外，这种方法还可能结合机器学习技术，以提高识别准确性和适应不断变化的环境条件。

3、现有的远程人脸识别视频存储技术，尽管在身份验证和监控方面具有一定的效用，但在仍存在如下不足，首先，现有技术在视频流的编码策略上缺乏灵活性，且采用统一的处理方式，难以有效区分视频流中的关键内容（如人脸特征）和次要内容（如背景场景），导致重要信息未得到适当的重视，从而造成存储空间的浪费，其次，在视频数据存储结构方面，多数现有技术仍然遵循传统的线性或顺序存储模式，忽略了内容的特异性和重要性，从而在数据检索和处理效率上受到限制，此外，现有技术在数据完整性和冗余管理方面也显示出不足，尤其在长期视频监控中，数据易受损坏且存储效率低下，并且现有技术在处理网络带宽和存储容量变化时也缺乏适应性和灵活性，特别是在视频数据的动态编码质量调整方面，限制了在不同网络和存储条件下的性能，此外，索引机制在现有技术中是静态或全量更新的，这在面对不断增长的数据量时效率低下，容易增加处理负担，最后，智能存储分配在现有技术中也是一个薄弱环节，未能充分考虑视频内容的特定特点，如人脸识别频率或地理位置信息，导致存储效率和数据传输速度未得到最优化。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的基于序列编码的远程人脸识别视频存储方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案：基于序列编码的远程人脸识别视频存储方法，包括以下步骤：

3、s1：基于接收的远程视频流，采用卷积神经网络，进行视频帧的实时分析和分类，并区分关键信息帧和非关键信息帧，所述关键信息帧具体为带有人脸特征的视频帧，所述非关键信息帧包括背景场景、无人脸特征画面，生成初步处理后的视频流和帧分类信息；

4、s2：基于所述初步处理后的视频流和帧分类信息，采用h.265编码技术，对视频帧进行动态编码调整，生成优化编码的视频流；

5、s3：基于所述优化编码的视频流，采用逆向索引机制，重新组织视频数据的存储结构，优先处理含有关键人脸信息的视频片段，生成逆向重构的视频数据；

6、s4：基于所述逆向重构的视频数据，采用crc-32算法调整crc参数，生成具有优化crc参数的视频数据；

7、s5：基于所述具有优化crc参数的视频数据，采用可伸缩视频编码技术，根据网络带宽和存储容量调整多层视频数据的编码质量，生成分层编码的视频数据；

8、s6：基于所述分层编码的视频数据，采用elasticsearch的增量索引机制，对视频数据进行索引，生成带有增量式索引的视频数据；

9、s7：基于所述带有增量式索引的视频数据，采用基于内容和上下文规则的存储优化算法，根据视频元数据（时间戳、地理位置、场景标签）进行智能存储决策，生成最终的优化存储视频数据。

10、作为本发明的进一步方案，所述初步处理后的视频流和帧分类信息具体为每帧视频的信息密度和关键内容标记信息，所述优化编码的视频流具体为经过动态编码调整的视频帧序列，所述逆向重构的视频数据具体指按内容重要性重新排序和存储的视频数据，所述具有优化crc参数的视频数据具体为经过crc参数优化，处理冗余后的视频数据，所述分层编码的视频数据具体指根据多网络和存储条件分层编码的视频数据，所述带有增量式索引的视频数据具体为附加了逐步构建的数据索引的视频数据，所述最终的优化存储视频数据具体为根据视频元数据进行智能存储分配的视频数据。

11、作为本发明的进一步方案，基于接收的远程视频流，采用卷积神经网络，进行视频帧的实时分析和分类，并区分关键信息帧和非关键信息帧，生成初步处理后的视频流和帧分类信息的步骤具体为：

12、s101：基于接收的远程视频流，采用帧间差分法进行逐帧提取，生成逐帧提取的视频数据；

13、s102：基于所述逐帧提取的视频数据，采用基于vgg-16的特征提取网络进行帧特征分析，生成帧特征分析数据；

14、s103：基于所述帧特征分析数据，采用支持向量机分类器，区分关键信息帧和非关键信息帧，生成初步处理后的视频流和帧分类信息。

15、作为本发明的进一步方案，基于所述初步处理后的视频流和帧分类信息，采用h.265编码技术，对视频帧进行动态编码调整，生成优化编码的视频流的步骤具体为：

16、s201：基于所述初步处理后的视频流和帧分类信息，采用关键帧提取算法选定所述关键信息帧，生成关键帧数据；

17、s202：基于所述关键帧数据，采用h.265编码技术对所述关键信息帧进行编码，生成编码后的关键帧数据；

18、s203：基于所述编码后的关键帧数据，采用帧数据融合方法，将所述关键信息帧的数据与所述非关键信息帧的数据结合，再采用双向预测编码技术，生成优化编码的视频流。

19、作为本发明的进一步方案，基于所述优化编码的视频流，采用逆向索引机制，重新组织视频数据的存储结构，优先处理含有关键人脸信息的视频片段，生成逆向重构的视频数据的步骤具体为：

20、s301：基于所述优化编码的视频流，采用反向索引技术，进行视频数据结构分析和处理，生成逆向索引准备数据；

21、s302：基于所述逆向索引准备数据，采用数据分块与重排序技术，进行视频数据重组，生成视频数据重组阶段性结果；

22、s303：基于所述视频数据重组阶段性结果，采用自适应流重构算法，根据视频数据的内容和结构进行智能重组，生成逆向重构的视频数据。

23、作为本发明的进一步方案，基于所述逆向重构的视频数据，采用crc-32算法调整crc参数，生成具有优化crc参数的视频数据的步骤具体为：

24、s401：基于所述逆向重构的视频数据，采用sha-256哈希算法，进行初步完整性检查，生成初步检查后的数据；

25、s402：基于所述初步检查后的数据，采用crc-32算法调整crc参数，并对数据进行完整性校验，生成经过crc校验的视频数据；

26、s403：基于所述经过crc校验的视频数据，采用纠错编码优化技术，进行最终校验和优化处理，生成具有优化crc参数的视频数据。

27、作为本发明的进一步方案，基于所述具有优化crc参数的视频数据，采用可伸缩视频编码技术，根据网络带宽和存储容量调整多层视频数据的编码质量，生成分层编码的视频数据的步骤具体为：

28、s501：基于所述具有优化crc参数的视频数据，采用wireshark工具，进行网络带宽和存储容量评估，生成带宽和存储容量分析数据；

29、s502：基于所述带宽和存储容量分析数据，采用可伸缩视频编码技术，调整视频数据的编码层级，生成调整编码层级的视频数据；

30、s503：基于所述调整编码层级的视频数据，采用多码率自适应编码技术，进行编码优化，生成分层编码的视频数据。

31、作为本发明的进一步方案，基于所述分层编码的视频数据，采用elasticsearch的增量索引机制，对视频数据进行索引，生成带有增量式索引的视频数据的步骤具体为：

32、s601：基于所述分层编码的视频数据，采用yolo视频内容分析算法，进行关键内容提取和分析，生成视频内容分析结果；

33、s602：基于所述视频内容分析结果，采用elasticsearch索引构建技术，对视频数据进行索引，生成索引过程中间数据；

34、s603：基于所述索引过程中间数据，采用倒排索引构建方法，进行索引的最终优化和数据整合，生成带有增量式索引的视频数据。

35、作为本发明的进一步方案，基于所述带有增量式索引的视频数据，采用基于内容和上下文规则的存储优化算法，根据视频元数据（时间戳、地理位置、场景标签）进行智能存储决策，生成最终的优化存储视频数据的步骤具体为：

36、s701：基于所述带有增量式索引的视频数据，采用ffmpeg工具，提取时间戳、地理位置和场景标签数据，生成视频元数据分析结果；

37、s702：基于所述视频元数据分析结果，采用决策树分析模型，根据提取的数据内容制定智能存储策略，生成存储策略决策数据；

38、s703：基于所述存储策略决策数据，采用数据压缩和归档技术，根据内容和上下文规则进行最终存储优化，生成最终的优化存储视频数据。

39、基于序列编码的远程人脸识别视频存储系统，所述基于序列编码的远程人脸识别视频存储系统用于执行上述基于序列编码的远程人脸识别视频存储方法，所述系统包括视频流处理模块、动态编码调整模块、逆向重构模块、crc优化模块、分层编码模块、增量索引模块、元数据分析模块、存储优化决策模块；

40、所述视频流处理模块基于接收的远程视频流，采用卷积神经网络进行视频帧的实时分析和分类，并区分关键信息帧和非关键信息帧，生成初步处理后的视频流和帧分类信息；

41、所述动态编码调整模块基于初步处理后的视频流和帧分类信息，采用h.265编码技术，对视频帧进行动态编码调整，生成优化编码的视频流；

42、所述逆向重构模块基于优化编码的视频流，采用反向索引技术，重新组织视频数据的存储结构，并且优先处理带有关键人脸信息的视频片段，生成逆向重构的视频数据；

43、所述crc优化模块基于逆向重构的视频数据，采用crc-32算法校验数据的完整性，生成具有优化crc参数的视频数据；

44、所述分层编码模块基于具有优化crc参数的视频数据，采用可伸缩视频编码技术，根据网络带宽和存储容量调整多层视频数据的编码质量，生成分层编码的视频数据；

45、所述增量索引模块基于分层编码的视频数据，采用elasticsearch索引构建技术，对视频数据进行索引，生成带有增量式索引的视频数据；

46、所述元数据分析模块基于带有增量式索引的视频数据，采用ffmpeg工具，提取关键的视频元数据，生成视频元数据分析结果。

47、所述存储优化决策模块基于视频元数据分析结果，采用决策树分析模型，根据内容和上下文规则进行存储优化，生成最终的优化存储视频数据。

48、与现有技术相比，本发明的优点和积极效果在于：

49、本发明中，通过采用自适应序列帧重构算法，结合卷积神经网络，本发明大幅提高了视频流编码策略的灵活性，有效区分了关键信息帧和非关键信息帧，极大提升了存储效率并减少了空间浪费，其次，利用逆向视频流重构技术，优化了视频数据的存储结构，使数据检索和处理更高效，尤其在关键人脸信息的快速定位和访问方面，此外，本发明还引入了自优化的循环冗余校验存储机制，通过动态调整crc参数，提高了数据完整性和减少冗余数据，特别适用于长时间视频监控的需求，同时，自适应分层视频数据编码能够根据网络带宽和存储容量变化动态调整编码质量，提高了编码适应性和灵活性，增量式视频数据索引优化策略则通过逐步构建和更新索引，提高了大规模视频存储系统的数据检索速度和准确性，减轻了处理负担，最后，视频元数据驱动的智能存储分配能够根据时间戳、地理位置和场景标签等视频元数据智能决定存储位置和方式，优化存储效率和数据传输速度。