本发明属于云视频技术领域，具体涉及一种基于云平台的视频数据管理方法。
背景技术：
随着经济的发展，视频监控的普及化趋势越来越明显，监控区域越来越广，数据流量越来越大，如何有效地对监控系统的视频数据进行管理成为亟待解决的问题。现有的视频在调阅时采用的是一个个点开进行人眼观察，费时费力。而且在处理时，由于单帧图像大，有时监控的分辨率低，容易出现噪声或遮挡，对视频数据质量的精准判断和处理效率非常低，计算速度慢
技术实现要素：
本发明的目的是为了克服上述不足提供一种基于云平台的视频数据管理方法，包括以下步骤：
对所需视频的区域进行数据采集；
将采集得到的视频数据进行数据处理，然后再将数据处理后的视频储存到硬盘中；
对硬盘中的每个视频的进行多次分段截图形成多张截图，根据多张截图拼接成一张可视化视图；
检索并查询云平台中存储的视频数据；
下载检索到的视频数据并传输到用户的终端设备的上。
本发明具有以下效果：视频在调阅时对文字区域进行识别，对识别出来的数字和文字进行提取编辑，形成视频的简要说明，识别过程精确度高，可以实现对不同类型数字和文字的提取识别，适用图像范围更为广泛，视频调阅效率将会大幅度提升。通过将视频图像帧分为若干个数据块并对数据块进行自适应预测，在判断过程中提取数据块的特征值，将其转换为对应特征值的比较，不但提高了处理效率，还实现了视频数据质量的精准判断和处理。
具体实施方式
以下结合具体实施例对本发明作进一步的说明：
一种基于云平台的视频数据管理方法，包括以下步骤：
对所需视频的区域进行数据采集；
将采集得到的视频数据进行数据处理，然后再将数据处理后的视频储存到硬盘中；
对硬盘中的每个视频的进行多次分段截图形成多张截图，根据多张截图拼接成一张可视化视图；
检索并查询云平台中存储的视频数据；
下载检索到的视频数据并传输到用户的终端设备的上。
对根据多张截图拼接成一张可视化视图后，对所述可视化视图进行标引，具体包括以下步骤：对所述可视化视图进行进行图像二值化，使用高亮多边形标记出文字区域，对文字区域逐个进行数字识别，判断识别是否出现乱码，如果出现乱码则对识别结果进行过滤，如果没有出现乱码则选取第一识别数字作为参考点，参考点在截图上的坐标(x1,y1)，，在可视化视图中读取参考点的坐标(x2,y2)，选取第二识别数字在截图上的坐标(x3,y3)，计算第二识别数字对应的可视化视图中的坐标(x4,y4)，x4＝x2-(x3-x1)×x3r，y4＝y2-(y1-y3)×y3r，其中r为单位像素坐标增量，对比(x3,y3)和(x4,y4)两个坐标之间的差值，如果差值小于设定的阈值，则认为两个坐标对应的文字区域识别结果是正确的，对识别出来的数字和文字进行提取编辑，形成视频的简要说明。
将采集得到的视频数据进行数据处理，然后再将数据处理后的视频储存到硬盘中具体包括：将视频图像帧分为若干个数据块，每次预测一个数据块的像素位置pn，pn＝anpn-1+bnon+cn，其中，pn表示像素在第n帧的预测位置，pn-1是n-1帧中最终像素所在位置；an是状态转换矩阵，on是外部控制向量，bn是外部控制矩阵，cn为随机变量，将数据块的预测像素位置与预存的参考数据块的进行对比，判断噪声是否符合条件，如果不符合则进行矫正，如果符合则对视频图像帧中的已经完成预测的数据块进行标记，遍历所有数据块。
将数据块的预测像素位置与预存的参考数据块的进行对比具体为：提取预测数据块的位置特征值为fa＝(i,k)，提取的参考数据块的特征值为fb＝(j,t)。如果i<j，则预测数据块小于参考数据块；如果i>j，则预测数据块大于参考数据块；如果i＝＝j，则继续比较k和t：如果k<t，则预测数据块小于参考数据块；如果k>t，则预测数据块大于参考数据块；如果(k＝＝t且k＝＝i+1)或者(k＝＝t且i-k＝＝0)，则预测数据块等于参考数据块；否则从预测数据块的第i-k-1位、参考数据块的第j-t-1位开始，向低比特位的方向重新提取预测数据块的特征值fa＝(i,k)和参考数据块的特征值fb＝(j,t)，然后重复上述步骤即可。
对所需视频的区域进行数据采集时，同时采用多个摄影头进行视频监控的采集。
将数据处理后的视频储存到硬盘中，所述硬盘可以为临时存储的移动硬盘。
检索并查询云平台中存储的视频数据，下载检索到的视频数据并传输到用户的终端设备上后，用户若需调用某段时间的视频录像，则通过任一连接到网络上的终端，检索到所需视频，下载到终端设备上即可观看。
1.一种基于云平台的视频数据管理方法，其特征在于，包括以下步骤：
对所需视频的区域进行数据采集；
将采集得到的视频数据进行数据处理，然后再将数据处理后的视频储存到硬盘中；
对硬盘中的每个视频的进行多次分段截图形成多张截图，根据多张截图拼接成一张可视化视图；
检索并查询云平台中存储的视频数据；
下载检索到的视频数据并传输到用户的终端设备的上。
2.根据权利要求1所述基于云平台的视频数据管理方法，其特征在于，对根据多张截图拼接成一张可视化视图后，对所述可视化视图进行标引，具体包括以下步骤：对所述可视化视图进行进行图像二值化，使用高亮多边形标记出文字区域，对文字区域逐个进行数字识别，判断识别是否出现乱码，如果出现乱码则对识别结果进行过滤，如果没有出现乱码则选取第一识别数字作为参考点，参考点在截图上的坐标(x1,y1)，，在可视化视图中读取参考点的坐标(x2,y2)，选取第二识别数字在截图上的坐标(x3,y3)，计算第二识别数字对应的可视化视图中的坐标(x4,y4)，x4＝x2-(x3-x1)×x3r，y4＝y2-(y1-y3)×y3r，其中r为单位像素坐标增量，对比(x3,y3)和(x4,y4)两个坐标之间的差值，如果差值小于设定的阈值，则认为两个坐标对应的文字区域识别结果是正确的，对识别出来的数字和文字进行提取编辑，形成视频的简要说明。
3.根据权利要求1或2所述基于云平台的视频数据管理方法，其特征在于将采集得到的视频数据进行数据处理，然后再将数据处理后的视频储存到硬盘中具体包括：将视频图像帧分为若干个数据块，每次预测一个数据块的像素位置pn，pn＝anpn-1+bnon+cn，其中，pn表示像素在第n帧的预测位置，pn-1是n-1帧中最终像素所在位置；an是状态转换矩阵，on是外部控制向量，bn是外部控制矩阵，cn为随机变量，将数据块的预测像素位置与预存的参考数据块的进行对比，判断噪声是否符合条件，如果不符合则进行矫正，如果符合则对视频图像帧中的已经完成预测的数据块进行标记，遍历所有数据块。
4.根据权利要求3所述基于云平台的视频数据管理方法，其特征在于将数据块的预测像素位置与预存的参考数据块的进行对比具体为：提取预测数据块的位置特征值为fa＝(i,k)，提取的参考数据块的特征值为fb＝(j,t)。如果i<j，则预测数据块小于参考数据块；如果i>j，则预测数据块大于参考数据块；如果i＝＝j，则继续比较k和t：如果k<t，则预测数据块小于参考数据块；如果k>t，则预测数据块大于参考数据块；如果(k＝＝t且k＝＝i+1)或者(k＝＝t且i-k＝＝0)，则预测数据块等于参考数据块；否则从预测数据块的第i-k-1位、参考数据块的第j-t-1位开始，向低比特位的方向重新提取预测数据块的特征值fa＝(i,k)和参考数据块的特征值fb＝(j,t)，然后重复上述步骤即可。
5.根据权利要求4所述基于云平台的视频数据管理方法，其特征在于：对所需视频的区域进行数据采集时，同时采用多个摄影头进行视频监控的采集。
6.根据权利要求5所述基于云平台的视频数据管理方法，其特征在于：将数据处理后的视频储存到硬盘中，所述硬盘可以为临时存储的移动硬盘。
7.根据权利要求2所述基于云平台的视频数据管理方法，其特征在于：检索并查询云平台中存储的视频数据，下载检索到的视频数据并传输到用户的终端设备上后，用户若需调用某段时间的视频录像，则通过任一连接到网络上的终端，检索到所需视频，下载到终端设备上即可观看。