[发明专利]一种面向大规模视频分析的快速过滤系统

说明书

本发明公开了一种面向大规模视频分析的快速过滤系统，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。本发明通过多个过滤器级联，大大减少了需要全特征模型分析的视频帧的数量，并通过异步并行的级联结构，在相同硬件环境下，提高了系统能够实时检测的视频流的数量。

技术领域

本发明属于大数据系统与分析领域，更具体地，涉及一种面向大规模视频分析的快速过滤系统。

背景技术

在我们周围，监控摄像头无处不在。对于这些数量庞大的视频数据，传统的做法是统一收集到一个操作中心进行人工观察。这样的处理方式不仅容易出错，而且成本昂贵。通过利用机器学习的方法，基于目标检测技术的自动视频分析能够在很大程度上减少人为干预，因此受到了广泛的关注。监控视频的分析可以分为两种类型：在线的实时分析和离线的事后分析。在相同硬件环境下，在线分析要求尽可能多的扩展视频流数量，离线分析要求尽快的搜索和查询视频文件。

但是，对于视频内容分析而言，既有的全特征网络模型(例如YOLOv2，SSD，R-FCN等)虽然有着很高的精度，并且能够实现一些复杂场景的检测，但是，庞大的计算操作也限制了检测和分析的速度。目前最先进的目标检测模型YOLOv2也仅仅只达到了67FPS(FramePer Second，帧每秒)，与大规模视频流实时分析的要求还有很大差距。另一方面，大规模视频分析的主要目标是识别包含目标对象的场景，根据用户需求提取相关信息，尤其是一些异常场景下的信息提取。但是，在日常生活中，异常事件发生的概率很小，对所有视频帧都进行高精度的检测和分析显然浪费了大量的计算效率。

由此可见，利用现有技术在复杂场景下进行详细的视频内容分析时存在检测和分析的速度慢、无法在有限硬件环境条件下进行快速的离线分析和大规模视频流的在线分析的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种面向大规模视频分析的快速过滤系统，由此解决现有技术存在检测和分析的速度慢、无法在有限硬件环境下进行快速的离线分析和大规模视频流的在线分析的技术问题。

为实现上述目的，本发明提供了一种面向大规模视频分析的快速过滤系统，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。

进一步地，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SNM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；