[发明专利]处理视频数据的方法、装置及计算机可读存储介质

说明书

本公开提供了一种处理视频数据的方法及装置、云服务器、边缘节点、内容分发网络以及计算机可读存储介质，涉及内容分发网络领域。其中的处理视频数据的方法包括：云服务器对视频数据进行下采样，获得下采样数据；云服务器利用下采样数据以及视频数据训练超分辨率卷积神经网络，使超分辨率卷积神经网络被配置为对下采样数据进行处理以获得视频数据；云服务器将超分辨率卷积神经网络的模型参数以及下采样数据发送至边缘节点，以指示边缘节点利用模型参数以及下采样数据获得视频数据。本公开能够减少视频业务对于存储空间和网络传输带宽的消耗。

技术领域

本公开涉及内容分发网络领域，特别涉及一种处理视频数据的方法及装置、云服务器、边缘节点、内容分发网络以及计算机可读存储介质。

背景技术

视频业务是互联网领域的重要业务。随着片源和用户量的持续增长，存储空间和网络传输带宽的消耗日益升高，成为业界面临的重要问题。

以内容分发网络中的边缘节点为例，在视频内容的存储方面，边缘节点为了适应不同终端设备的分辨率需求并节省转码时间，通常需要缓存多个不同分辨率的视频版本，因此加剧了边缘节点的存储压力。由此可见，如何对视频数据进行压缩来减少存储空间和网络传输带宽需求，是视频业务领域备受关注的焦点。

发明内容

本公开解决的一个技术问题是，如何减少视频业务对于存储空间和网络传输带宽的消耗。

根据本公开实施例的第一个方面，提供了一种处理视频数据的方法，包括：云服务器对视频数据进行下采样，获得下采样数据；云服务器利用下采样数据以及视频数据训练超分辨率卷积神经网络，使超分辨率卷积神经网络被配置为对下采样数据进行处理以获得视频数据；云服务器将超分辨率卷积神经网络的模型参数以及下采样数据发送至边缘节点，以指示边缘节点利用模型参数以及下采样数据获得视频数据。

在一些实施例中，视频数据为与播放场景需求参数对应的视频数据；训练超分辨率卷积神经网络包括：利用下采样数据、视频数据以及播放场景需求参数训练超分辨率卷积神经网络，获得与播放场景需求参数对应的超分辨率卷积神经网络；将超分辨率卷积神经网络的模型参数以及下采样数据发送至边缘节点包括：将各个播放场景需求参数对应的模型参数及下采样数据发送至边缘节点，以指示边缘节点利用目标播放场景需求参数对应的模型参数及下采样数据获得目标播放场景需求参数对应的视频数据。

在一些实施例中，视频数据包括各个拍摄场景下的视频数据片段，下采样数据包括各个拍摄场景下的下采样数据；训练超分辨率卷积神经网络包括：利用各个拍摄场景下的下采样数据及视频数据片段，分别训练各个拍摄场景下的超分辨率卷积神经网络；将超分辨率卷积神经网络的模型参数以及下采样数据发送至边缘节点包括：将各个拍摄场景下的模型参数及下采样数据发送至边缘节点，以指示边缘节点利用各个拍摄场景下的模型参数及下采样数据获得各个拍摄场景下的视频数据片段。

在一些实施例中，超分辨率卷积神经网络与视频数据一一对应。

根据本公开实施例的第二个方面，提供了一种处理视频数据的方法，包括：边缘节点接收云服务器发送的超分辨率卷积神经网络的模型参数及下采样数据，其中，下采样数据是云服务器对视频数据进行下采样获得的，超分辨率卷积神经网络是云服务器利用下采样数据以及视频数据训练得到的，超分辨率卷积神经网络被配置为对下采样数据进行处理以获得视频数据；边缘节点利用模型参数配置超分辨率卷积神经网络；边缘节点利用超分辨率卷积神经网络对下采样数据进行处理以获得视频数据。