本申請涉及智慧交通，具體是一種基于視頻云平臺拉流檢測的交通事件二次識別方法。
背景技術(shù)：
1、目前，多數(shù)省份采用“路段-省級云平臺-部級云平臺”的架構(gòu)建設(shè)視頻云平臺，即通過本地部署的方式建設(shè)路段視頻監(jiān)控系統(tǒng)，通過云端部署的方式建設(shè)省級云平臺。
2、另外，為滿足交通事件識別準(zhǔn)確率的要求，交通事件識別系統(tǒng)采用單次識別模式進(jìn)行事件檢測，即通常直接拉取1mbps或以上碼流的視頻進(jìn)行檢測，這需要大量計算資源與網(wǎng)絡(luò)資源支撐。
3、但是，單次識別模式通過rtmp、http-hls、flv等協(xié)議，從數(shù)據(jù)源所在系統(tǒng)或平臺拉取不低于1mbps碼流的全量、實時的視頻數(shù)據(jù)至交通事件識別系統(tǒng)中進(jìn)行檢測。通常情況下，監(jiān)控視頻檢測結(jié)果大多是無交通事件發(fā)生，同時產(chǎn)生了大量的資源開銷，即消耗了大量不可少但不完全必要的資源，沒有高效利用好云網(wǎng)資源。
技術(shù)實現(xiàn)思路
1、本申請的目的在于提供一種基于視頻云平臺拉流檢測的交通事件二次識別方法，基于低碼流輪巡事件檢測，高碼流事件復(fù)核檢測的二次識別技術(shù)，能夠在充分利用資源的同時提升事件識別準(zhǔn)確率。
2、為實現(xiàn)上述目的，本申請公開了以下技術(shù)方案：一種基于視頻云平臺拉流檢測的交通事件二次識別方法，該方法包括以下步驟：
3、s1-在云端拉取低碼流的視頻數(shù)據(jù)，通過交通事件識別系統(tǒng)進(jìn)行低碼流輪巡事件檢測，輸出初步檢測結(jié)果；
4、s2-若初步檢測結(jié)果為交通事件，則拉取與該低碼流的視頻數(shù)據(jù)對應(yīng)的高碼流的視頻數(shù)據(jù)，通過交通事件識別系統(tǒng)進(jìn)行高碼流事件復(fù)核檢測，輸出最終識別結(jié)果；
5、其中，所述交通事件識別系統(tǒng)的運行，通過云端算力的動態(tài)調(diào)度共享云資源。
6、作為優(yōu)選，所述低碼流低于1mbps；所述高碼流為高于1mbps。
7、作為優(yōu)選，所述交通事件識別系統(tǒng)的網(wǎng)絡(luò)框架包括：
8、云端部署的省級視頻云平臺，被配置為：通過ipsec?vpn或ssl?vpn與本地業(yè)務(wù)系統(tǒng)互通；
9、網(wǎng)絡(luò)出口，被配置為：采用防火墻、路由器作為出口設(shè)備，具有安全策略和路由策略；
10、核心層，被配置為：通過核心交換機(jī)實現(xiàn)高速數(shù)據(jù)傳輸；
11、接入層，被配置為：通過接入交換機(jī)連接應(yīng)用服務(wù)器、數(shù)據(jù)服務(wù)器及分布式存儲設(shè)備。
12、作為優(yōu)選，所述交通事件識別系統(tǒng)的網(wǎng)絡(luò)框架還包括：
13、在所述網(wǎng)絡(luò)出口和所述核心層之間設(shè)置流量負(fù)載均衡模塊，所述流量負(fù)載均衡模塊被配置為：根據(jù)實時流量動態(tài)調(diào)整數(shù)據(jù)傳輸路徑。
14、作為優(yōu)選，所述的根據(jù)實時流量動態(tài)調(diào)整數(shù)據(jù)傳輸路徑，具體包括：
15、d1-實時監(jiān)測網(wǎng)絡(luò)出口的流量負(fù)載率和核心層的流量負(fù)載率；
16、d2-計算網(wǎng)絡(luò)出口的流量負(fù)載率和核心層的流量負(fù)載率的差值；
17、d3-根據(jù)所述差值和網(wǎng)絡(luò)最大理論負(fù)載率動態(tài)分配傳輸路徑的路徑權(quán)重。
18、作為優(yōu)選，所述網(wǎng)絡(luò)最大理論負(fù)載率，通過以下公式計算得到：
19、
20、其中，為網(wǎng)絡(luò)出口和核心層的總帶寬容量；為網(wǎng)絡(luò)峰值流量需求；為網(wǎng)絡(luò)傳輸延遲時間；為任務(wù)執(zhí)行周期；
21、所述差值具體為：；
22、其中，為網(wǎng)絡(luò)出口的流量負(fù)載率，為核心層的流量負(fù)載率；
23、所述路徑權(quán)重具體為：；
24、其中，為靈敏度系數(shù)，為閾值參數(shù)。
25、作為優(yōu)選，所述的云端算力的動態(tài)調(diào)度，具體包括：
26、通過云端數(shù)據(jù)對接減少網(wǎng)絡(luò)帶寬消耗，根據(jù)所述低碼流輪巡事件檢測和所述高碼流事件復(fù)核檢測的算力需求，動態(tài)分配計算資源；
27、基于交通事件的緊急程度調(diào)整計算資源的分配比例。
28、作為優(yōu)選，所述動態(tài)分配計算資源，具體包括：
29、根據(jù)所述低碼流輪巡事件檢測的視頻路數(shù)和對應(yīng)的碼流，及所述高碼流事件復(fù)核檢測的視頻路數(shù)和對應(yīng)的碼流，動態(tài)計算總算力需求；總算力需求通過以下公式計算得到：
30、
31、其中，為低碼流視頻的單位碼流算力系數(shù)；為高碼流視頻的單位碼流算力系數(shù)；為第i路低碼流視頻的實際碼流值；為第j路高碼流視頻的實際碼流值；和為非線性調(diào)節(jié)指數(shù)；為第j路高碼流視頻的優(yōu)先級加權(quán)因子。
32、作為優(yōu)選，所述低碼流視頻的單位碼流算力系數(shù)和所述高碼流視頻的單位碼流算力系數(shù)，基于歷史檢測任務(wù)的數(shù)據(jù)，統(tǒng)計低碼流視頻的平均檢測耗時和高碼流視頻的平均檢測耗時得到，具體為：
33、
34、
35、其中，為低碼流視頻的平均碼流值；為高碼流視頻的平均碼流值；和為校正系數(shù)；為動態(tài)補(bǔ)償因子。
36、作為優(yōu)選，所述校正系數(shù)的取值范圍為：，，且在一次所述動態(tài)分配計算資源中，取值滿足。
37、有益效果：本申請的基于視頻云平臺拉流檢測的交通事件二次識別方法，在云端拉取低碼流的視頻數(shù)據(jù)進(jìn)行低碼流輪巡事件檢測，并在初步檢測結(jié)果為交通事件時，則拉取對應(yīng)的高碼流的視頻數(shù)據(jù)進(jìn)行高碼流事件復(fù)核檢測，并輸出最終識別結(jié)果，降低了帶寬資源消耗，能有效節(jié)約網(wǎng)絡(luò)資源與計算資源的投入，并且，在基于視頻分析技術(shù)的事件檢測算法支持下，能夠確保識別準(zhǔn)確率。
1.一種基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述低碼流低于1mbps；所述高碼流為高于1mbps。
3.根據(jù)權(quán)利要求1所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述交通事件識別系統(tǒng)的網(wǎng)絡(luò)框架包括：
4.根據(jù)權(quán)利要求3所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述交通事件識別系統(tǒng)的網(wǎng)絡(luò)框架還包括：
5.根據(jù)權(quán)利要求4所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述的根據(jù)實時流量動態(tài)調(diào)整數(shù)據(jù)傳輸路徑，具體包括：
6.根據(jù)權(quán)利要求5所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述網(wǎng)絡(luò)最大理論負(fù)載率，通過以下公式計算得到：
7.根據(jù)權(quán)利要求1所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述的云端算力的動態(tài)調(diào)度，具體包括：
8.根據(jù)權(quán)利要求7所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述動態(tài)分配計算資源，具體包括：
9.根據(jù)權(quán)利要求8所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述低碼流視頻的單位碼流算力系數(shù)和所述高碼流視頻的單位碼流算力系數(shù)，基于歷史檢測任務(wù)的數(shù)據(jù)，統(tǒng)計低碼流視頻的平均檢測耗時和高碼流視頻的平均檢測耗時得到，具體為：
10.根據(jù)權(quán)利要求9所述的基于視頻云平臺拉流檢測的交通事件二次識別方法，其特征在于，所述校正系數(shù)的取值范圍為：，，且在一次所述動態(tài)分配計算資源中，取值滿足。