本發(fā)明涉及大數(shù)據(jù)領(lǐng)域，尤其涉及一種應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)。

背景技術(shù)：

1、現(xiàn)在的社會是一個高速發(fā)展的社會，科技發(fā)達，信息流通，人們之間的交流越來越密切，生活也越來越方便，大數(shù)據(jù)就是這個高科技時代的產(chǎn)物。未來的時代將不是it時代，而是dt的時代，dt就是datatechnology數(shù)據(jù)科技，顯示大數(shù)據(jù)對于未來的技術(shù)發(fā)展來說舉足輕重。

2、有人把數(shù)據(jù)比喻為蘊藏能量的煤礦。煤炭按照性質(zhì)有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數(shù)據(jù)并不在“大”，而在于“有用”。價值含量、挖掘成本比數(shù)量更為重要。對于很多行業(yè)而言，如何利用這些大規(guī)模數(shù)據(jù)是贏得競爭的關(guān)鍵。

3、幀間編碼因為需要處理較大規(guī)模的數(shù)據(jù)以及需要較為復(fù)雜的運算過程而成為大數(shù)據(jù)應(yīng)用的主要領(lǐng)域之一。然而，現(xiàn)有技術(shù)中的基于大數(shù)據(jù)的幀間編碼在尋找匹配當(dāng)前圖像以進行幀間編碼的參考幀之前，無法確定本次幀間編碼的具體工作方案是否能夠成功搜索到匹配當(dāng)前圖像以進行幀間編碼的參考幀，這樣，需要更多的運算成本去尋找匹配當(dāng)前圖像以進行幀間編碼的參考幀，容易陷入冗余繁瑣的數(shù)據(jù)處理過程中。

技術(shù)實現(xiàn)思路

1、為了解決相關(guān)領(lǐng)域的技術(shù)問題，本發(fā)明提供了一種應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，能夠在大數(shù)據(jù)處理的基礎(chǔ)上，設(shè)計定制結(jié)構(gòu)的智能預(yù)測模型并針對性篩選了多項基礎(chǔ)數(shù)據(jù)投入在設(shè)定數(shù)量內(nèi)的前序圖像中是否能夠成功搜索到匹配當(dāng)前圖像以進行幀間編碼的參考幀的智能分析，在具體執(zhí)行參考幀的搜索之前就可以確定本次搜索是否成功的結(jié)果，從而有效減少了基于大數(shù)據(jù)的幀間編碼的運算成本。

2、根據(jù)本發(fā)明，提供了一種應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，所述系統(tǒng)包括：

3、參數(shù)分析機構(gòu)，用于針對待執(zhí)行幀間編碼的當(dāng)前圖像，獲取所述當(dāng)前圖像的各項圖像參數(shù)，所述當(dāng)前圖像的各項圖像參數(shù)包括所述當(dāng)前圖像的信噪比、對比度、平均亮度值、最大噪聲幅值以及噪聲類型數(shù)量；

4、整體鑒定機構(gòu)，用于獲取當(dāng)前圖像所在的視頻中位于當(dāng)前圖像之前的設(shè)定數(shù)量的多個前序圖像，獲取每一個前序圖像的對比度、最大亮度值和最小亮度值，對多個前序圖像分別對應(yīng)的多份對比度執(zhí)行算術(shù)平均值計算以獲得整體對比度，對多個前序圖像分別對應(yīng)的多份最大亮度值執(zhí)行算術(shù)平均值計算以獲得整體最大亮度值，對多個前序圖像分別對應(yīng)的多份最小亮度值執(zhí)行算術(shù)平均值計算以獲得整體最小亮度值；

5、逐次訓(xùn)練機構(gòu)，用于對深度神經(jīng)網(wǎng)絡(luò)執(zhí)行多次訓(xùn)練以獲得經(jīng)過多次訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)，并作為智能預(yù)測模型輸出，所述深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練的次數(shù)與所述當(dāng)前圖像的解析度單調(diào)正向關(guān)聯(lián)；

6、大數(shù)據(jù)分析節(jié)點，分別與所述參數(shù)分析機構(gòu)、所述整體鑒定機構(gòu)以及所述逐次訓(xùn)練機構(gòu)連接，用于基于設(shè)定數(shù)量、所述當(dāng)前圖像的各項圖像參數(shù)、當(dāng)前圖像之前的設(shè)定數(shù)量的多個前序圖像對應(yīng)的整體對比度、整體最大亮度值和整體最小亮度值采用智能預(yù)測模型智能預(yù)測在當(dāng)前圖像之前的設(shè)定數(shù)量的多個前序圖像內(nèi)搜索到匹配當(dāng)前圖像執(zhí)行幀間編碼的參考幀的成功標(biāo)識；

7、其中，基于設(shè)定數(shù)量、所述當(dāng)前圖像的各項圖像參數(shù)、當(dāng)前圖像之前的設(shè)定數(shù)量的多個前序圖像對應(yīng)的整體對比度、整體最大亮度值和整體最小亮度值采用智能預(yù)測模型智能預(yù)測在當(dāng)前圖像之前的設(shè)定數(shù)量的多個前序圖像內(nèi)搜索到匹配當(dāng)前圖像執(zhí)行幀間編碼的參考幀的成功標(biāo)識包括：當(dāng)參考幀匹配當(dāng)前圖像執(zhí)行幀間編碼時，采用所述參考幀對當(dāng)前圖像執(zhí)行幀間編碼獲得重建幀，所述重建幀與當(dāng)前圖像二者之間的差值圖像中非零像素點數(shù)量的占比小于等于設(shè)定比例；

8、其中，當(dāng)參考幀匹配當(dāng)前圖像執(zhí)行幀間編碼時，采用所述參考幀對當(dāng)前圖像執(zhí)行幀間編碼獲得重建幀，所述重建幀與當(dāng)前圖像二者之間的差值圖像中非零像素點數(shù)量的占比小于等于設(shè)定比例包括：所述重建幀與當(dāng)前圖像二者之間的差值圖像為所述重建幀與當(dāng)前圖像二者相同位置的像素點的像素值進行差值運算后獲得的圖像；

9、其中，當(dāng)參考幀匹配當(dāng)前圖像執(zhí)行幀間編碼時，采用所述參考幀對當(dāng)前圖像執(zhí)行幀間編碼獲得重建幀，所述重建幀與當(dāng)前圖像二者之間的差值圖像中非零像素點數(shù)量的占比小于等于設(shè)定比例還包括：所述差值圖像中像素值非零的像素點的數(shù)量占據(jù)所述差值圖像的像素點總數(shù)的比例小于等于設(shè)定比例。

10、因此，本發(fā)明至少具備以下三處有益的技術(shù)效果：

11、首先：為了分析在設(shè)定數(shù)量內(nèi)的前序圖像中是否能夠成功搜索到匹配當(dāng)前圖像以進行幀間編碼的參考幀，設(shè)計定制結(jié)構(gòu)的智能預(yù)測模型，所述智能預(yù)測模型為經(jīng)過多次訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)且訓(xùn)練的次數(shù)與當(dāng)前圖像的解析度單調(diào)正向關(guān)聯(lián)；

12、其次：為了保證分析結(jié)果的可靠性和穩(wěn)定性，針對性篩選了多項基礎(chǔ)數(shù)據(jù)，包括當(dāng)前圖像的信噪比、對比度、平均亮度值、最大噪聲幅值以及噪聲類型數(shù)量、設(shè)定數(shù)量、當(dāng)前圖像之前的設(shè)定數(shù)量的多個前序圖像對應(yīng)的整體對比度、整體最大亮度值和整體最小亮度值；

13、再次：具體地，當(dāng)采用設(shè)定圖像對當(dāng)前圖像執(zhí)行幀間編碼獲得重建幀，所述重建幀與當(dāng)前圖像二者之間的差值圖像中非零像素點數(shù)量的占比小于等于設(shè)定比例時，判斷所述設(shè)定圖像為匹配當(dāng)前圖像以進行幀間編碼的參考幀，其中，重建幀與當(dāng)前圖像二者之間的差值圖像為重建幀與當(dāng)前圖像二者相同位置的像素點的像素值進行差值運算后獲得的圖像。

14、本發(fā)明的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)結(jié)構(gòu)緊湊、成本低廉。由于能夠在大數(shù)據(jù)處理的基礎(chǔ)上，設(shè)計定制結(jié)構(gòu)的智能預(yù)測模型并針對性篩選了多項基礎(chǔ)數(shù)據(jù)投入在設(shè)定數(shù)量內(nèi)的前序圖像中是否能夠成功搜索到匹配當(dāng)前圖像以進行幀間編碼的參考幀的智能分析，從而有效減少了幀間編碼的運算成本。

技術(shù)特征：

1.一種應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于，所述系統(tǒng)包括：

2.如權(quán)利要求1所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于：

3.如權(quán)利要求2所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

4.如權(quán)利要求3所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于：

5.如權(quán)利要求4所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于：

6.如權(quán)利要求5所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于：

7.如權(quán)利要求3-6任一所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

8.如權(quán)利要求7所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于：

9.如權(quán)利要求8所述的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，其特征在于：

技術(shù)總結(jié)
本發(fā)明涉及一種應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)，包括：逐次訓(xùn)練機構(gòu)，用于對深度神經(jīng)網(wǎng)絡(luò)執(zhí)行多次訓(xùn)練以獲得經(jīng)過多次訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)，并作為智能預(yù)測模型輸出；大數(shù)據(jù)分析節(jié)點，用于基于當(dāng)前篩選的多項基礎(chǔ)數(shù)據(jù)采用智能預(yù)測模型智能預(yù)測在當(dāng)前圖像之前的設(shè)定數(shù)量的多個前序圖像內(nèi)搜索到匹配當(dāng)前圖像執(zhí)行幀間編碼的參考幀的成功標(biāo)識。本發(fā)明的應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析系統(tǒng)結(jié)構(gòu)緊湊、成本低廉。由于能夠在大數(shù)據(jù)處理的基礎(chǔ)上，設(shè)計定制結(jié)構(gòu)的智能預(yù)測模型并針對性篩選了多項基礎(chǔ)數(shù)據(jù)投入在設(shè)定數(shù)量內(nèi)的前序圖像中是否能夠成功搜索到匹配當(dāng)前圖像以進行幀間編碼的參考幀的智能分析，從而有效減少了幀間編碼的運算成本。

技術(shù)研發(fā)人員：王非
受保護的技術(shù)使用者：南京策之漢安全科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10