[发明专利]一种控制带宽的方法和系统

权利要求书

1.一种控制带宽的方法，包括：

获取待控制带宽所应用的场景中，N个时间点的人数特征和网络特征，所述人数特征包括第一人数特征和第二人数特征，N为大于0的整数；

将所述N个时间点的所述人数特征和所述网络特征输入训练好的带宽控制模型，预测目标带宽，并将所述待控制带宽调整为所述目标带宽；其中，

所述带宽控制模型包括激光预测层、视频预测层和融合层；

所述激光预测层基于所述N个时间点的所述第一人数特征获取激光特征；

所述视频预测层基于所述N个时间点的所述第二人数特征获取视频特征；

所述融合层基于所述激光特征、所述视频特征和所述网络特征，输出目标带宽；

所述第一人数特征通过执行一次或多次第一过程获取，所述第一过程包括：

激光雷达发射激光束，并基于所述激光束反射的信号获取多个目标物的特征数据；

训练好的第一人数识别模型基于所述多个目标物的特征数据，确定所述第一人数特征；

所述第二人数特征通过执行一次或多次第二过程获取，所述第二过程包括：

基于视频数据抽取帧数据；

训练好的第二人数识别模型提取所述帧数据中的至少一个目标对象，并基于所述至少一个目标对象确定所述第二人数特征。

2.如权利要求1所述的方法，所述执行多次第一过程和所述执行多次第二过程包括：

对于所述N个时间点的每一个时间点，第一取样率模型基于所述激光束反射的信号的质量特征确定第一取样率，第二取样率模型基于所述视频数据的质量特征确定第二取样率；

基于所述第一取样率执行所述多次第一过程，基于所述第二取样率执行所述多次第二过程；

基于所述多次第一过程执行的结果确定第一人数特征，基于所述多次第二过程执行的结果确定第二人数特征。

3.如权利要求1所述的方法，所述激光预测层、所述视频预测层和所述融合层是深度神经网络。

4.如权利要求1所述的方法，所述网络特征包含网络状况特征和网络需求特征，所述网络需求特征基于事件类别获取。

5.一种控制带宽的系统，包括：

特征获取模块，用于获取待控制带宽所应用的场景中，N个时间点的人数特征和网络特征，所述人数特征包括第一人数特征和第二人数特征，N为大于0的整数；

目标带宽预测模块，用于将所述N个时间点的所述人数特征和所述网络特征输入训练好的带宽控制模型，预测目标带宽，并将所述待控制带宽调整为所述目标带宽；其中，

所述带宽控制模型包括激光预测层、视频预测层和融合层；

所述激光预测层基于所述N个时间点的所述第一人数特征获取激光特征；

所述视频预测层基于所述N个时间点的所述第二人数特征获取视频特征；

所述融合层基于所述激光特征、所述视频特征和所述网络特征，输出目标带宽；

所述第一人数特征通过执行一次或多次第一过程获取，所述第一过程包括：

激光雷达发射激光束，并基于所述激光束反射的信号获取多个目标物的特征数据；

训练好的第一人数识别模型基于所述多个目标物的特征数据，确定所述第一人数特征；

所述第二人数特征通过执行一次或多次第二过程获取，所述第二过程包括：

基于视频数据抽取帧数据；

训练好的第二人数识别模型提取所述帧数据中的至少一个目标对象，并基于所述至少一个目标对象确定所述第二人数特征。

6.如权利要求5所述的系统，所述目标带宽预测模块用于：

对于所述N个时间点的每一个时间点，第一取样率模型基于所述激光束反射的信号的质量特征确定第一取样率，第二取样率模型基于所述视频数据的质量特征确定第二取样率；

基于所述第一取样率执行所述多次第一过程，基于所述第二取样率执行所述多次第二过程；

基于所述多次第一过程执行的结果确定第一人数特征，基于所述多次第二过程执行的结果确定第二人数特征。

7.如权利要求5所述的系统，所述激光预测层、所述视频预测层和所述融合层是深度神经网络。