[發(fā)明專利]數(shù)據(jù)映射識別方法、裝置、設(shè)備及可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010058851.7
• 申請日: 2020-01-17
• 公開（公告）號: CN111314707B
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計）人: 徐高峰;裴衛(wèi)斌;張星;關(guān)淑菊
• 申請（專利權(quán)）人: 深圳力維智聯(lián)技術(shù)有限公司;南京中興力維軟件有限公司
• 主分類號: H04N19/42
• 分類號: H04N19/42;H04N21/2343;G06N3/06
• 代理公司: 深圳市恒程創(chuàng)新知識產(chǎn)權(quán)代理有限公司 44542
• 代理人: 張小容

本發(fā)明公開了一種數(shù)據(jù)映射識別方法、裝置、設(shè)備及介質(zhì)，所述數(shù)據(jù)映射識別方法通過將原始數(shù)據(jù)進(jìn)行映射編排，對原始數(shù)據(jù)進(jìn)行預(yù)處理，便于后續(xù)的壓縮處理；通過將第一映射位圖進(jìn)行編碼壓縮，在不影響采集數(shù)據(jù)的所帶來的各項(xiàng)分析需求的前提下，數(shù)據(jù)一次壓縮之后占用空間縮小為20％以下，降低了對傳輸帶寬、云端存儲空間的要求；通過在第一壓縮圖像的數(shù)據(jù)量超出預(yù)設(shè)閾值時基于預(yù)設(shè)圖像識別模型再次進(jìn)行壓縮并上傳，進(jìn)一步減小了原始數(shù)據(jù)的數(shù)據(jù)量，有效降低了邊緣側(cè)計算能力的需求，較之傳統(tǒng)的數(shù)據(jù)上傳方式傳輸資源消耗大大減少。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種數(shù)據(jù)映射識別方法、裝置、設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

隨著物聯(lián)網(wǎng)行業(yè)的快速發(fā)展，邊緣側(cè)數(shù)據(jù)采集節(jié)點(diǎn)的數(shù)目也隨之不斷增長，海量的邊緣側(cè)數(shù)據(jù)不斷涌現(xiàn)，因此也對邊緣側(cè)設(shè)備的數(shù)據(jù)計算、數(shù)據(jù)存儲與數(shù)據(jù)傳輸提出了更高的性能需求。這些性能需求要求邊緣側(cè)設(shè)備提供更高的算力，也就意味著滿足這些需求需要重新部署或硬件升級傳統(tǒng)的邊緣側(cè)設(shè)備。若將邊緣側(cè)設(shè)備采集到的原始數(shù)據(jù)按照傳統(tǒng)模式全部上傳至平臺，如采用運(yùn)營商網(wǎng)絡(luò)4G傳輸，數(shù)據(jù)傳輸?shù)某杀靖咔倚实停湫偷木褪且繇憯?shù)據(jù)的采集和處理，也即是導(dǎo)致了通過傳統(tǒng)方式上傳邊緣側(cè)設(shè)備所采集數(shù)據(jù)的傳輸資源消耗過大的技術(shù)問題。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種數(shù)據(jù)映射識別方法，旨在解決通過傳統(tǒng)方式上傳邊緣側(cè)設(shè)備所采集數(shù)據(jù)的傳輸資源消耗過大的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種數(shù)據(jù)映射識別方法，所述數(shù)據(jù)映射識別方法應(yīng)用于數(shù)據(jù)映射識別設(shè)備，所述數(shù)據(jù)映射識別方法包括以下步驟：

將邊緣側(cè)設(shè)備采集的原始數(shù)據(jù)進(jìn)行映射編排，生成第一映射位圖；

將所述第一映射位圖編碼壓縮為第一壓縮圖像，并判斷所述第一壓縮圖像的數(shù)據(jù)量是否超出預(yù)設(shè)閾值；

若超出預(yù)設(shè)閾值，則基于預(yù)設(shè)已訓(xùn)練的圖像識別模型對所述第一壓縮圖像進(jìn)行識別；

基于識別后的第一壓縮圖像生成第二壓縮圖像，并將所述第二壓縮圖像上傳至目標(biāo)平臺設(shè)備；

若不超出預(yù)設(shè)閾值，則將所述第一壓縮圖像上傳至所述目標(biāo)平臺設(shè)備。

可選地，所述若超出預(yù)設(shè)閾值，則基于預(yù)設(shè)已訓(xùn)練的圖像識別模型對所述第一壓縮圖像進(jìn)行識別的步驟之前，還包括：

基于預(yù)設(shè)歷史數(shù)據(jù)生成圖像編號映射表；

使用預(yù)設(shè)人工智能算法對所述圖像編號映射表進(jìn)行有監(jiān)督學(xué)習(xí)方式的訓(xùn)練，將訓(xùn)練所得出的參數(shù)模型作為所述已訓(xùn)練的圖像識別模型。

可選地，所述已訓(xùn)練的圖像識別模型為神經(jīng)網(wǎng)絡(luò)參數(shù)模型，所述基于預(yù)設(shè)已訓(xùn)練的圖像識別模型對所述第一壓縮圖像進(jìn)行識別的步驟包括：

利用所述神經(jīng)網(wǎng)絡(luò)參數(shù)模型識別出所述第一壓縮圖像所對應(yīng)的圖像信息編號；

根據(jù)所述圖像信息編號進(jìn)行信息確認(rèn)，并對所述第一壓縮圖像執(zhí)行與圖像信息相應(yīng)的信息處理操作。

可選地，所述基于識別后的第一壓縮圖像生成第二壓縮圖像，并將所述第二壓縮圖像上傳至目標(biāo)平臺設(shè)備的步驟包括：

將所述圖像信息編號進(jìn)行分組；

按照所述圖像信息編號的分組順序，將所述處理后的第一壓縮圖像進(jìn)行映射編排，生成第二映射位圖；

使用JPEG圖像壓縮編碼算法對所述第二映射位圖進(jìn)行編碼壓縮，生成所述第二壓縮圖像，并將所述第二壓縮圖像上傳至目標(biāo)平臺設(shè)備。

可選地，所述將邊緣側(cè)設(shè)備采集的原始數(shù)據(jù)進(jìn)行映射編排，生成第一映射位圖的步驟包括：