[发明专利]一种面向大规模视频分析的快速过滤系统

权利要求书

1.一种面向大规模视频分析的快速过滤系统，其特征在于，包括：

多级过滤器，用于过滤视频流中的背景帧、没有目标对象的帧，以及目标对象数量小于数量阈值NumberofObject的帧，得到视频流中的被检测帧；

全特征网络模型，用于对被检测帧进行检测和分析；

全局反馈队列模块，用于协调多级过滤器中各个过滤器的处理速度；

所述多级过滤器中的前后两个连续的过滤器中间增加一个队列，使多级过滤器以流水线的方式异步并行执行；

所述多级过滤器包括M个SDD、M个SNM和一个T-YOLO，其中，M≥1，M表示视频流的总数，一个视频流对应一个SDD和一个SNM，每个视频流和每个SDD之间具有一个SDD队列，每个SDD与每个SNM之间具有一个SNM队列，每个SNM与T-YOLO之间具有一个T-YOLO队列；

所述SDD队列，用于保存视频流；

所述SDD，用于从SDD队列中获取视频流，过滤视频流中的背景帧，得到第一视频帧；

所述SNM队列，用于保存第一视频帧；

所述SNM，用于从SNM队列中获取第一视频帧，过滤第一视频帧中没有目标对象的帧，得到第二视频帧；

所述T-YOLO队列，用于保存第二视频帧；

所述T-YOLO，用于从T-YOLO队列中获取第二视频帧，过滤第二视频帧中目标对象数量小于阈值NumberofObject的帧，得到视频流中的被检测帧；

所述SDD的处理速度＞SNM的处理速度＞T-YOLO的处理速度，保证多级过滤器的高效运行；

所述全局反馈队列模块的具体执行方式为：

在离线情况下，利用检测多级过滤器中后端过滤器的处理速度，控制前端过滤器的处理速度，通过维持每个过滤器队列深度在其阈值上限和多线程并行，来获得最高的吞吐量；在在线情况下，当T-YOLO队列深度低于其阈值上限一段时间，说明系统有富余的计算能力，一个新的视频流可以被加载到当前系统中，当T-YOLO队列深度高于其阈值上限一段时间，说明系统的计算能力不足以支持当前系统中所有视频流的实时检测，此时到达T-YOLO的最低帧率的视频流将被转发到另一个有富余计算能力的系统中，另外，全局队列反馈模块还用于根据视频流内容的变化，调整T-YOLO每个周期从相应的T-YOLO队列中取出视频帧的数量，维持视频流间的负载均衡。

2.如权利要求1所述的一种面向大规模视频分析的快速过滤系统，其特征在于，所述SDD的具体执行方式为：

将多张样本背景帧的平均值作为参考图像，根据参考图像和视频流中的某一帧的距离，判断两张图像内容是否相同；如果距离的均方误差大于第一阈值δ_diff，说明两张图像内容不相同，将该帧保存至SNM队列，否则，两张图像内容相同，该帧被视为一个背景帧，直接被过滤掉。

3.如权利要求2所述的一种面向大规模视频分析的快速过滤系统，其特征在于，所述SNM的具体执行方式为：

对于第一视频帧中的每一帧进行预测，得到每一帧中含有目标对象的概率c，当c＜t_pre时，对应的帧被直接过滤；当c≥t_pre时，对应的帧放入T-YOLO队列，继续执行后续的检测，其中，t_pre为第二阈值。

4.如权利要求1所述的一种面向大规模视频分析的快速过滤系统，其特征在于，所述T-YOLO的具体执行方式为：

T-YOLO依次遍历所有的T-YOLO队列，从T-YOLO队列中提取不超过num_t-yolo帧进行检测，输出每一帧中目标对象的数量信息，如果目标对象的数量小于用户设定的异常事件的数量阈值NumberofObject，说明当前场景不属于用户关心的范围，直接过滤掉该帧，否则，说明当前场景很可能发生了意外或异常事件，该帧需要使用全特征网络模型进行高精度的内容分析。