著录项信息
专利名称 | |
申请号 | cn202310552380.9 | 申请日期 | 2023-05-17 |
法律状态 | 实质审查 | 申报国家 | 中国 |
公开/公告日 | 2023-06-23 | 公开/公告号 | cn116320405a |
优先权 | 暂无 | 优先权号 | 暂无 |
主分类号 | | ipc分类号 | 查看分类表>
|
申请人 | | 申请人地址 | 陕西省西安市莲湖区高新一路5号正信大厦b座23层
变更
专利地址、主体等相关变化,请及时变更,防止失效 |
权利人 | 西安畅榜电子科技有限公司 | 当前权利人 | 西安畅榜电子科技有限公司 |
发明人 | 赖玉玲; 魏畅 |
代理机构 | 暂无 | 代理人 | 暂无 |
摘要
本发明公开了一种安防监控视频压缩存储方法,包括以下步骤:将监控区域划分为若干个子区域,根据划分后的子区域对视频监控每一帧呈现的图像按照同种方式进行划分,使每个子区域均呈现若干张图像;对每个子区域内呈现的若干张图像进行相似度匹配,将相似度高的图像进行归类。本发明只需对同一类图像中画质最优的图像进行一次压缩,可有效地降低对同一类图像的压缩次数,进而降低整体的压缩次数,从而大大降低压缩的时间,提高压缩的效率,其次,以同一类图像中画质最优的图像为基准图像进行压缩后替换,可将同一类图像中所有的图像替换为画质质量最优的图像,可有效地提高视频压缩后的质量。
1.一种安防监控视频压缩存储方法,其特征在于,包括以下步骤:
将监控区域划分为若干个子区域,根据划分后的子区域对视频监控每一帧呈现的图像按照同种方式进行划分,使每个子区域均呈现若干张图像;
对每个子区域内呈现的若干张图像进行相似度匹配,将相似度高的图像进行归类;
获取同一类图像中的图像参数,根据图像参数建立数据分析模型,生成画质筛选评价系数;
筛选出同一类图像中画质最优的图像,以同一类图像中画质最优的图像为基准图像进行压缩,并将压缩后的图像对同一类的其他图像进行全部替换。
2.根据权利要求1所述的一种安防监控视频压缩存储方法,其特征在于,将监控区域划分为若干个子区域,子区域的数量设置为n,n为大于等于2的正整数,根据划分后的子区域对视频监控每一帧呈现的图像按照同种方式进行划分,若视频中的帧数为m,m为正整数,则每个子区域内均会呈现m张图像。
3.根据权利要求1所述的一种安防监控视频压缩存储方法,其特征在于,基于特征向量方法评估若干张图像的相似度,包括以下步骤:
s1:特征提取
对于每张图像,先使用特征提取算法提取出关键点及其特征向量;
s2:特征匹配
通过计算特征向量之间的距离或相似度,将每张图像与其他所有图像进行匹配;
s3:特征聚合
将每张图像的匹配结果聚合,形成一个与所有图像有关的特征向量;
s4:相似度计算
通过计算特征向量之间的距离或相似度,得出所有图像之间的相似度矩阵;
s5:相似度排序
对于每张图像,根据其与其他图像的相似度进行排序,得到与之相似度最高的若干张图像。
4.根据权利要求1所述的一种安防监控视频压缩存储方法,其特征在于,图像参数包括图像中的噪声占比、图像对比度、色彩准确度以及色彩失真值,采集后,将噪声占比、图像对比度、图像模糊度以及色彩失真值分别标定为zszi、dbdi、mhzi、szzi。
5.根据权利要求4所述的一种安防监控视频压缩存储方法,其特征在于,噪声占比即图像中噪声的面积占图像的面积,计算的表达式为: ,式中,yx表示噪声的区域面积,x表示噪声区域的数量,x=1、2、3、……、n,n为正整数。
6.根据权利要求5所述的一种安防监控视频压缩存储方法,其特征在于,图像对比度是指图像中最亮像素和最暗像素之间的差异程度,图像对比度可以通过以下公式计算:
;其中 表示图像中最亮像素的亮度值, 表
示图像中最暗像素的亮度值,对比度的取值范围在0到1之间。
7.根据权利要求6所述的一种安防监控视频压缩存储方法,其特征在于,图像模糊度是用来描述图像清晰度的指标,常用于评估图像质量,采用梯度法测量图像的模糊度,测量的步骤为:
a、对图像进行灰度化处理;
b、计算图像中每个像素点的梯度值,使用sobel算子或prewitt算子滤波器进行计算;
c、对所有像素点的梯度值求平均,得到图像的平均梯度值即为图像的模糊度。
8.根据权利要求7所述的一种安防监控视频压缩存储方法,其特征在于,色彩失真使用deltae值来衡量,deltae计算方式为: ,其中
l1、a1、b1分别是实际颜色的l、a、b值,l2、a2、b2分别是图像中的l、a、b值;通过deltae值直接获取色彩失真值。
9.根据权利要求8所述的一种安防监控视频压缩存储方法,其特征在于,获取到噪声占比zszi、图像对比度dbdi、图像模糊度mhzi以及色彩失真值szzi后,建立数据分析模型,生成画质筛选评价系数pgxi,依据的公式为:
式中,、、、分别为噪声占比、图像对
比度、图像模糊度以及色彩失真值的预设比例系数,且 、、、均大于0。
10.根据权利要求9所述的一种安防监控视频压缩存储方法,其特征在于,求出同一类图像得出的画质筛选评价系数后,将同一类图像中得出的画质筛选评价系数按照由大到小或者由小到大的顺序进行排序,筛选出画质筛选评价系数最大值对应的图像,画质筛选评价系数最大值对应的图像即为画质最优的图像,将画质筛选评价系数最大值对应的图像为压缩基准图像进行压缩,再将压缩后的图像对同一类的其他图像进行全部替换。
一种安防监控视频压缩存储方法\n技术领域\n[0001] 本发明涉及安防监控视频压缩存储技术领域,具体涉及一种安防监控视频压缩存储方法。\n背景技术\n[0002] 安防监控系统是指利用视频探测技术、监视设防区域并实时显示、记录现场图像的电子系统或网络;由于安防监控系统所涉及的图像数据量巨大,大量的图像数据存储在存储设备中,势必会占用较多的存储设备容量,因此需要对大量的图像数据进行压缩后再存储,因此安防监控系统涉及到大量图像的压缩存储。\n[0003] 现有技术存在以下不足:现有技术在对视频进行压缩时,大多是将视频中所有帧的图像全部进行压缩,当监控区域长时间处于静态画面时,所有帧的图像相似度将很高(几乎完全相同),若是将所有帧中相似度很高的区域全部逐一进行压缩,将会花费大量的时间,将导致视频压缩的效率大大降低,其次,当很多帧的图像相似度很高时,若是对很多帧的图像进行分别压缩,当视频画面中存在画质较差的画面时,将会影响对视频画面的观察。\n[0004] 在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。\n发明内容\n[0005] 本发明的目的是提供一种安防监控视频压缩存储方法,本发明通过将监控区域划分为若干个子区域,根据划分后的子区域对视频监控每一帧呈现的图像按照同种方式进行划分,使每个子区域均呈现若干张图像,再对每个子区域内呈现的若干张图像进行相似度匹配,将相似度高的图像进行归类,获取同一类图像中的图像参数,根据图像参数建立数据分析模型,生成画质筛选评价系数,将同一类图像得出的画质筛选评价系数进行顺序排序,筛选出同一类图像中画质最优的图像,以同一类图像中画质最优的图像为基准图像进行压缩,并将压缩后的图像对同一类的其他图像进行全部替换,只需对同一类图像中画质最优的图像进行一次压缩,可有效地降低对同一类图像的压缩次数,进而降低整体的压缩次数,从而大大降低压缩的时间,提高压缩的效率,其次,以同一类图像中画质最优的图像为基准图像进行压缩后替换,可将同一类图像中所有的图像替换为画质质量最优的图像,可有效地提高视频压缩后的质量,以解决上述背景技术中的问题。\n[0006] 为了实现上述目的,本发明提供如下技术方案:一种安防监控视频压缩存储方法,包括以下步骤:\n将监控区域划分为若干个子区域,根据划分后的子区域对视频监控每一帧呈现的\n图像按照同种方式进行划分,使每个子区域均呈现若干张图像;\n对每个子区域内呈现的若干张图像进行相似度匹配,将相似度高的图像进行归\n类;\n获取同一类图像中的图像参数,根据图像参数建立数据分析模型,生成画质筛选\n评价系数;\n筛选出同一类图像中画质最优的图像,以同一类图像中画质最优的图像为基准图\n像进行压缩,并将压缩后的图像对同一类的其他图像进行全部替换。\n[0007] 优选的,将监控区域划分为若干个子区域,子区域的数量设置为n,n为大于等于2的正整数,根据划分后的子区域对视频监控每一帧呈现的图像按照同种方式进行划分,若视频中的帧数为m,m为正整数,则每个子区域内均会呈现m张图像。\n[0008] 优选的,基于特征向量方法评估若干张图像的相似度,包括以下步骤:\ns1:特征提取\n对于每张图像,先使用特征提取算法提取出关键点及其特征向量;\ns2:特征匹配\n通过计算特征向量之间的距离或相似度,将每张图像与其他所有图像进行匹配;\ns3:特征聚合\n将每张图像的匹配结果聚合,形成一个与所有图像有关的特征向量;\ns4:相似度计算\n通过计算特征向量之间的距离或相似度,得出所有图像之间的相似度矩阵;\ns5:相似度排序\n对于每张图像,根据其与其他图像的相似度进行排序,得到与之相似度最高的若\n干张图像。\n[0009] 优选的,图像参数包括图像中的噪声占比、图像对比度、色彩准确度以及色彩失真值,采集后,将噪声占比、图像对比度、图像模糊度以及色彩失真值分别标定为zszi、dbdi、mhzi、szzi。\n[0010] 优选的,噪声占比即图像中噪声的面积占图像的面积,计算的表达式为: ,\n式中,yx表示噪声的区域面积,x表示噪声区域的数量,x=1、2、3、……、n,n为正整数。\n[0011] 优选的,图像对比度是指图像中最亮像素和最暗像素之间的差异程度,图像对比度可以通过以下公式计算: ;其中 表示图像中\n最亮像素的亮度值, 表示图像中最暗像素的亮度值,对比度的取值范围在0到1之间。\n[0012] 优选的,图像模糊度是用来描述图像清晰度的指标,常用于评估图像质量,采用梯度法测量图像的模糊度,测量的步骤为:\na、对图像进行灰度化处理;\nb、计算图像中每个像素点的梯度值,使用sobel算子或prewitt算子等滤波器进行\n计算;\nc、对所有像素点的梯度值求平均,得到图像的平均梯度值即为图像的模糊度。\n[0013] 优选的,色彩失真使用deltae值来衡量,deltae计算方式为:\n,其中l1、a1、b1分别是实际颜色的l、a、b值,\nl2、a2、b2分别是图像中的l、a、b值;通过deltae值直接获取色彩失真值。\n[0014] 优选的,获取到噪声占比zszi、图像对比度dbdi、图像模糊度mhzi以及色彩失真值szzi后,建立数据分析模型,生成画质筛选评价系数pgxi,依据的公式为:\n式中,、、、分别为噪声占比、图\n像对比度、图像模糊度以及色彩失真值的预设比例系数,且 、、、均大于0。\n[0015] 优选的,求出同一类图像得出的画质筛选评价系数后,将同一类图像中得出的画质筛选评价系数按照由大到小或者由小到大的顺序进行排序,筛选出画质筛选评价系数最大值对应的图像,画质筛选评价系数最大值对应的图像即为画质最优的图像,将画质筛选评价系数最大值对应的图像为压缩基准图像进行压缩,再将压缩后的图像对同一类的其他图像进行全部替换。\n[0016] 在上述技术方案中,本发明提供的技术效果和优点:\n本发明通过将监控区域划分为若干个子区域,根据划分后的子区域对视频监控每\n一帧呈现的图像按照同种方式进行划分,使每个子区域均呈现若干张图像,再对每个子区域内呈现的若干张图像进行相似度匹配,将相似度高的图像进行归类,获取同一类图像中的图像参数,根据图像参数建立数据分析模型,生成画质筛选评价系数,将同一类图像得出的画质筛选评价系数进行顺序排序,筛选出同一类图像中画质最优的图像,以同一类图像中画质最优的图像为基准图像进行压缩,并将压缩后的图像对同一类的其他图像进行全部替换,将画质筛选评价系数最大值对应的图像为压缩基准图像进行压缩,再将压缩后的图像对同一类的其他图像进行全部替换,只需对同一类图像中画质最优的图像进行一次压缩,可有效地降低对同一类图像的压缩次数,进而降低整体的压缩次数,从而大大降低压缩的时间,提高压缩的效率,其次,以同一类图像中画质最优的图像为基准图像进行压缩后替换,可将同一类图像中所有的图像替换为画质质量最优的图像,可有效地提高视频压缩后的质量。\n附图说明\n[0017] 为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。\n[0018] 图1为本发明一种安防监控视频压缩存储方法的方法流程图。\n具体实施方式\n[0019] 现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本公开的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。\n[0020] 本发明提供了如图1所示的一种安防监控视频压缩存储方法,包括以下步骤:\n将监控区域划分为若干个子区域,根据划分后的子区域对视频监控每一帧呈现的\n图像按照同种方式进行划分,使每个子区域均呈现若干张图像;\n实际使用时,将监控区域划分为若干个子区域,子区域的数量设置为n,n为大于等\n于2的正整数,根据划分后的子区域对视频监控每一帧呈现的图像按照同种方式进行划分,若视频中的帧数为m,m为正整数,则每个子区域内均会呈现m张图像;\n对每个子区域内呈现的若干张图像进行相似度匹配,将相似度高的图像进行归\n类;\n基于特征向量方法评估若干张图像的相似度,包括以下步骤:\ns1:特征提取\n对于每张图像,先使用特征提取算法(如sift、surf或orb等)提取出关键点及其特\n征向量;\ns2:特征匹配\n通过计算特征向量之间的距离或相似度,将每张图像与其他所有图像进行匹配;\ns3:特征聚合\n将每张图像的匹配结果聚合,形成一个与所有图像有关的特征向量;\ns4:相似度计算\n通过计算特征向量之间的距离或相似度,得出所有图像之间的相似度矩阵;\ns5:相似度排序\n对于每张图像,根据其与其他图像的相似度进行排序,得到与之相似度最高的若\n干张图像;\n基于特征向量方法将图像按照相似度进行分类后,对相似度高的同一类图像进行\n进一步处理;\n需要说明的是,相似度最高的若干张图像为一类图像,同一类图像中图像的画面\n完全相同;\n获取同一类图像中的图像参数,根据图像参数建立数据分析模型,生成画质筛选\n评价系数;\n图像参数包括图像中的噪声占比、图像对比度、色彩准确度以及色彩失真值,采集\n后,将噪声占比、图像对比度、图像模糊度以及色彩失真值分别标定为zszi、dbdi、mhzi、szzi;\n噪声占比即图像中噪声的面积占图像的面积,计算的表达式为: ,式\n中,yx表示噪声的区域面积,x表示噪声区域的数量,x=1、2、3、……、n,n为正整数;在图像采集和处理的过程中,由于各种因素的干扰和影响,会导致图像中出现一些不真实的像素点或者像素值,这些不真实的像素点或者像素值就被称为噪声,噪声可以分为多种类型,如高斯噪声、椒盐噪声、斑点噪声等,其中,高斯噪声是最为常见的一种噪声类型,是由于图像采集设备的电子噪声或者其他环境因素的影响而产生的,椒盐噪声则是由于图像传输或者存储过程中出现的信号丢失或错误而产生的,斑点噪声则是由于图像采集设备的某些像素点损坏或失效导致的,噪声对于图像处理和分析具有很大的影响;\n图像对比度是指图像中最亮像素和最暗像素之间的差异程度,对比度高的图像意\n味着最亮和最暗的部分之间的差异很大,图像的颜色和细节更加鲜明,相反,对比度低的图像意味着最亮和最暗的部分之间的差异较小,图像的颜色和细节会变得模糊或者不清晰;\n图像对比度可以通过以下公式计算: ;其中 表\n示图像中最亮像素的亮度值, 表示图像中最暗像素的亮度值,对比度的取值范围在0到\n1之间,值越大表示对比度越高,图像的颜色和细节更加鲜明;\n图像模糊度是用来描述图像清晰度的指标,常用于评估图像质量,图像模糊度越\n小,则图像中的细节信息就越清晰,图像质量就越好,通常采用梯度法测量图像的模糊度,测量的步骤为:\na、对图像进行灰度化处理;\nb、计算图像中每个像素点的梯度值,使用sobel算子或prewitt算子等滤波器进行\n计算;\nc、对所有像素点的梯度值求平均,得到图像的平均梯度值即为图像的模糊度;\n色彩失真指图像中的颜色与实际物体的颜色不同,或是出现了奇怪的颜色条纹,\n计算色彩失真的方法通常是使用deltae值来衡量,该值表示实际颜色和图像中的颜色之间的差异程度,常见的deltae计算方式为: ,其\n中l1、a1、b1分别是实际颜色的l、a、b值,l2、a2、b2分别是图像中的l、a、b值;\nl、a、b值是cielab*颜色空间中的三个参数,用于表示颜色,cielab*颜色空间是一\n种标准化的颜色空间,由国际照明委员会(cie)于1976年提出,用于描述物体的颜色特征;\nl表示明度(luminance),取值范围从0到100,表示从黑到白的变化,a和b表示颜色\n的范围,a轴表示红绿轴,取值范围从‑128到127,负值表示绿色,正值表示红色,b轴表示蓝黄轴,取值范围也是从‑128到127,负值表示蓝色,正值表示黄色;因此,通过l、a、b值,可以准确地描述出一个颜色的亮度、红绿色调和蓝黄色调;\n通过deltae值直接获取色彩失真值szzi,色彩失真值是表示实际颜色和图像中的\n颜色之间的差异程度,因此失真值越大,表明图像中的颜色和实际颜色之间的差异越大,也就意味着图像的色彩还原能力越差,图像质量也就越差;\n获取到噪声占比zszi、图像对比度dbdi、图像模糊度mhzi以及色彩失真值szzi后,\n建立数据分析模型,生成画质筛选评价系数pgxi,依据的公式为:\n式中,、、、分别为噪声占比、图\n像对比度、图像模糊度以及色彩失真值的预设比例系数,且 、、、均大于0;\n由公式可知,当图像中的噪声占比越高、图像对比度越低、图像模糊度越高、色彩\n失真值越高,即画质筛选评价系数的表现值越低,表明图像的画质质量越差,当图像中的噪声占比越低、图像对比度越高、图像模糊度越低、色彩失真值越低,即画质筛选评价系数的表现值越高,表明图像的画质质量越好;\n筛选出同一类图像中画质最优的图像,以同一类图像中画质最优的图像为基准图\n像进行压缩,并将压缩后的图像对同一类的其他图像进行全部替换;\n求出同一类图像得出的画质筛选评价系数后,将同一类图像中得出的画质筛选评\n价系数按照由大到小或者由小到大的顺序进行排序,筛选出画质筛选评价系数最大值对应的图像,该图像为同一类图像中画质最优的图像,将画质筛选评价系数最大值对应的图像为压缩基准图像进行压缩,再将压缩后的图像对同一类的其他图像进行全部替换,通过此方式只需对同一类图像中画质最优的图像进行一次压缩,可有效地降低对同一类图像的压缩次数,进而降低整体的压缩次数,从而大大降低压缩的时间,提高压缩的效率,其次,以同一类图像中画质最优的图像为基准图像进行压缩后替换,可将同一类图像中所有的图像替换为画质质量最优的图像,可有效地提高视频压缩后的质量。\n[0021] 本发明通过将监控区域划分为若干个子区域,根据划分后的子区域对视频监控每一帧呈现的图像按照同种方式进行划分,使每个子区域均呈现若干张图像,再对每个子区域内呈现的若干张图像进行相似度匹配,将相似度高的图像进行归类,获取同一类图像中的图像参数,根据图像参数建立数据分析模型,生成画质筛选评价系数,将同一类图像得出的画质筛选评价系数进行顺序排序,筛选出同一类图像中画质最优的图像,以同一类图像中画质最优的图像为基准图像进行压缩,并将压缩后的图像对同一类的其他图像进行全部替换,将画质筛选评价系数最大值对应的图像为压缩基准图像进行压缩,再将压缩后的图像对同一类的其他图像进行全部替换,通过此方式只需对同一类图像中画质最优的图像进行一次压缩,可有效地降低对同一类图像的压缩次数,进而降低整体的压缩次数,从而大大降低压缩的时间,提高压缩的效率,其次,以同一类图像中画质最优的图像为基准图像进行压缩后替换,可将同一类图像中所有的图像替换为画质质量最优的图像,可有效地提高视频压缩后的质量。\n[0022] 上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。\n[0023] 上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,dvd)或者半导体介质。半导体介质可以是固态硬盘。\n[0024] 应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,a和/或b,可以表示:单独存在a,同时存在a和b,单独存在b这三种情况,其中a,b可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。\n[0025] 本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a‑b,a‑c,b‑c,或a‑b‑c,其中a,b,c可以是单个,也可以是多个。\n[0026] 应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。\n[0027] 本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。\n[0028] 在本申请所提供的几个实施例中,应该理解到,所揭露的方法,可以通过其它的方式实现。例如,以上所描述的实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。\n[0029] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。\n[0030] 另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。\n[0031] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。\n而前述的存储介质包括:u盘、移动硬盘、只读存储器(read‑only memory,rom)、随机存取存储器(random access memory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。\n[0032] 以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
法律信息
- 2023-07-11
实质审查的生效
ipc(主分类): h04n 19/105
专利申请号: 202310552380.9
申请日: 2023.05.17
- 2023-06-23
引用专利(该专利引用了哪些专利)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 |
---|
该专利没有引用任何外部专利数据! |
被引用专利(该专利被哪些专利引用)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 |
---|
该专利没有被任何外部专利所引用! |