[发明专利]基于队列的双缓冲AI视频传输方法及相关设备

说明书

本发明提供了一种基于队列的双缓冲AI视频传输方法，包括：步骤S1、获取实时采集的视频流；步骤S2、将所述视频流存入第一队列缓存区，存入的同时对所述视频流进行人工智能识别，并判断是否识别出识别目标：若是，则继续将该视频流存入所述第一队列缓存区，将预设时间之前的视频流前推复制到第二队列缓存区，并同时将所述视频流存入所述第二队列缓存区，再启动将缓存进所述第二队列缓存区的该视频流通过网络传输至云端服务器；若否，则继续将该视频流仅存入所述第一队列缓存区。本发明还提供了一种视频传输系统、视频传输设备及计算机可读存储介质。与相关技术相比，采用本发明的技术方案可只传输高价值视频并保证其完整性好，且传输效率高。

【技术领域】

本发明涉及物联网技术领域，尤其涉及一种双缓冲AI视频传输方法、视频传输系统、视频传输设备以及计算机可读存储介质。

【背景技术】

目前，物联网系统应用越来越重要，其中数据传输量越来越多，在物联网技术中，如何应用视频传输为重要部分。

相关技术的物联网系统包括终端和云端服务器，其中，终端包括多个视频摄像头。终端和云端服务器通过通信连接传输大量视频数据。视频摄像头采集的实时视频数据通过数据传输到云端服务器。

然而，大量的实时视频数据传输到云端服务器，云端服务器需要巨大的存储空间，同时传输数据还需要传输带宽足够大，尤其城市级的物联网，摄像头过10万，将这些大量视频数据全部存储和传输，物联网系统将承受其存储和传输带宽成本和性能压力。现实中，视频的多数时间只是背景，传输和存储价值极小。目前已有优化方案是先采用人工智能(英文：Artificial Intelligence，英文缩写为AI)识别，通过人工智能识别到人脸、车辆等场景后再传输视频数据。然而这种方式丢失了人工智能识别前的现场，损害了视频数据的完整性，不能满足监控需要。如何将视频数据应用人工智能技术进行传输是一个需要解决的技术问题。

因此，实有必要提供一种新的方法、系统及设备来解决上述技术问题。

【发明内容】

本发明的目的是克服上述技术问题，提供一种可只传输高价值视频并保证其完整性好，且传输效率高的基于队列的双缓冲AI视频传输方法、视频传输系统、视频传输设备以及计算机可读存储介质。

为了实现上述目的，本发明提供一种基于队列的双缓冲AI视频传输方法，其应用于物联网终端，该方法包括如下步骤：

步骤S1、获取实时采集的视频流；

步骤S2、将所述视频流存入第一队列缓存区，存入的同时对所述视频流进行人工智能识别，并判断是否识别出识别目标：

若是，则继续将该视频流存入所述第一队列缓存区，将预设时间之前的视频流前推复制到第二队列缓存区，并同时将所述视频流存入所述第二队列缓存区，再启动将缓存进所述第二队列缓存区的该视频流通过网络传输至云端服务器；

若否，则继续将该视频流仅存入所述第一队列缓存区。

优选的，所述步骤S1之前，所述基于队列的双缓冲AI视频传输方法还包括如下步骤：

步骤S0、配置所述第一队列缓存区的大小为A，并将所述第一队列缓存区的头地址和尾地址的均偏移设置为0；配置所述第二队列缓存区的大小为B，并将所述第二队列缓存区的头地址和尾地址的均偏移设置为0；设置预设时间为t；使所述第一队列缓存区及所述第二队列缓存区均与所述云端服务器通信连接；并将所述物联网终端的识别状态标志设置为false值，所述识别状态标志用于判断所述物联网终端人工智能是否识别出所述识别目标。

优选的，所述步骤S2具体包括：

步骤S21、将所述视频流存入所述第一队列缓存区，并判断所述物联网终端的视频传输标志是否为true值：若是，则继续将当前所述视频流存入至所述第二队列缓存区并将其缓存进所述第二队列缓存区后通过网络传输至云端服务器；若否，则进入步骤S22；