基于网络信息的数据预测系统的制作方法

1.本发明涉及网络传输领域，尤其涉及一种基于网络信息的数据预测系统。


背景技术：

2.网络传输技术是网络的核心技术之一，传输线路带宽的大小，网络的通信能力，体现了网络的传输水平。常用的传输系统主要有：传输布线系统(pds)、同步数字体系(sdh)、准同步数字体系(pdh)、数字微波传输系统、数字卫星通信系统、有线电视网(catv)和光纤通信网等。
3.在用于数据传输的计算机网络中，最常见的有局域网、广域网、城域网以及计算机互连网络internet。在这些网络中，局域网是关键的基础部分，广域网、城域网、internet都是由若干局域网通过电信网及相关的计算机通信协议互连而成。利用计算机网络，可快速便捷地传送视频数据，完成视频数据网络通信的任务。
4.然而，由于设计的缺陷、或者过多冗余信息的去除，导致网络传输过来的视频数据缺乏最关键的参数之一：解析度，所述解析度包括水平解析度和垂直解析度，是用于将传输过来的各个像素点信息进行组帧以构成每一帧画面数据的不可缺少的视频参数，虽然可以通过分析像素点信息来判断像素点是否属于边缘像素点，但在水平解析度和垂直解析度都丧失的情况下，在网络接收端仍然无法成功地将接收到的各个像素点信息进行组帧，进而无法执行后续各项视频数据处理。


技术实现要素：

5.为了解决现有技术中的技术问题，本发明提供了一种基于网络信息的数据预测系统，能够采用针对性设计的人工智能模型基于网络接收到的各个像素点信息、视频数据关联的边缘像素点以及非边缘像素点的数据特征，智能判断网络接收到的视频数据的水平解析度和垂直解析度，从而为网络接收端的成功组帧提供最重要的参考数据。
6.根据本发明，提供了一种基于网络信息的数据预测系统，所述系统包括：
7.信息解析机构，用于对接收到的、用于传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号；
8.数据分拣机构，与所述信息解析机构连接，用于在接收到所述第一检测信号时，从休眠模式转换到工作模式，并在工作模式下分拣预设数量的多个网络数据包的负载以分别获得的多份视频数据；
9.参数检测机构，用于获取网络数据包括传输的视频数据对应的多项视频参数，所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间；
10.内容判断器件，分布与所述数据分拣机构以及所述参数检测机构连接，用于采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边
缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出；
11.训练处理器件，与所述内容判断器件连接，用于对bp神经网络执行多次训练，以获得完成多次训练后的bp神经网络，并作为ai判断模型输出；
12.其中，采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出包括：所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与所述预设数量的取值正向关联；
13.其中，传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号包括：每一网络数据包括传输设定数目的多个像素点的像素信息，且每一像素点的像素信息为所述像素点在yuv空间下的y成分数值、u成分数值以及v成分数值；
14.其中，所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间包括：边缘像素点的成分数值分布区间为边缘像素点在yuv空间下的y成分数值分布区间、u成分数值分布区间以及v成分数值分布区间。
15.由此可见，本发明至少具备以下三处有益的技术效果：
16.第一处：在传输视频数据的网络数据包中缺失视频解析度这一关键信息，导致视频接收端无法基于接收到的像素信息进行组帧时，基于预设数量的多个网络数据包的负载、边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间智能判断网络数据包传输的视频数据对应的视频解析度，从而完成视频解析度这一关键信息的解析处理；
17.第二处：采用ai判断模型执行所述智能判断，所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与预设数量的取值正向关联，同时采用多个不同的已知视频分别参与bp神经网络的多次训练，从而保证了ai判断模型的智能判断结果的可靠性和稳定性；
18.第三处：每一网络数据包括传输设定数目的多个像素点的像素信息，且每一像素点的像素信息为所述像素点在yuv空间下的y成分数值、u成分数值以及v成分数值，以及边缘像素点的成分数值分布区间为边缘像素点在yuv空间下的y成分数值分布区间、u成分数值分布区间以及v成分数值分布区间，从而为智能判断提供多项有效的基础数据。
19.本发明的基于网络信息的数据预测系统设计智能、运行稳定。由于能够采用针对性设计的人工智能模型基于网络接收到的各个像素点信息、视频数据关联的边缘像素点以及非边缘像素点的数据特征，智能判断网络接收到的视频数据的水平解析度和垂直解析度，从而帮助网络接收端成功进行组帧。
附图说明
20.以下将结合附图对本发明的实施方案进行描述，其中：
21.图1为根据本发明第一实施方案示出的基于网络信息的数据预测系统的内部结构示意图。
22.图2为根据本发明第二实施方案示出的基于网络信息的数据预测系统的内部结构
示意图。
23.图3为根据本发明第三实施方案示出的基于网络信息的数据预测系统的内部结构示意图。
具体实施方式
24.下面将参照附图对本发明的基于网络信息的数据预测系统的实施方案进行详细说明。
25.图1为根据本发明第一实施方案示出的基于网络信息的数据预测系统的内部结构示意图，所述系统包括：
26.信息解析机构，用于对接收到的、用于传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号；
27.示例地，对接收到的、用于传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号包括：所述网络数据包可以是ip数据包；
28.数据分拣机构，与所述信息解析机构连接，用于在接收到所述第一检测信号时，从休眠模式转换到工作模式，并在工作模式下分拣预设数量的多个网络数据包的负载以分别获得的多份视频数据；
29.参数检测机构，用于获取网络数据包括传输的视频数据对应的多项视频参数，所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间；
30.内容判断器件，分布与所述数据分拣机构以及所述参数检测机构连接，用于采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出；
31.示例地，可以选择采用fpga器件或者cpld器件来实现所述内容判断器件；
32.训练处理器件，与所述内容判断器件连接，用于对bp神经网络执行多次训练，以获得完成多次训练后的bp神经网络，并作为ai判断模型输出；
33.其中，采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出包括：所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与所述预设数量的取值正向关联；
34.其中，传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号包括：每一网络数据包括传输设定数目的多个像素点的像素信息，且每一像素点的像素信息为所述像素点在yuv空间下的y成分数值、u成分数值以及v成分数值；
35.其中，所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间包括：边缘像素点的成分数值分布区间为边缘像素点在yuv空间下的y成分数值分布区间、u成分数值分布区间以及v成分数值分布区间；
36.其中，所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与多份视频数据的份数正向关联包括：在对所述bp神经网络执行的每一次训练中，将已知视频的解析度作为所述bp神经网络的输出内容，将所述已知视频对应的多份视频数据以及所述已知视频的多项视频参数作为所述bp神经网络的逐项输入内容，完成本次训练；
37.其中，采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出包括：所述预测解析度包括预测水平解析度和预测垂直解析度；
38.其中，所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与多份视频数据的份数正向关联还包括：采用多个不同的已知视频分别参与所述bp神经网络的多次训练。
39.图2为根据本发明第二实施方案示出的基于网络信息的数据预测系统的内部结构示意图。
40.与本发明第一实施方案不同，根据本发明第二实施方案示出的基于网络信息的数据预测系统还可以包括以下组件：
41.参数显示器件，与所述内容判断器件连接，用于接收并实时显示所还是预测解析度；
42.示例地，可以采用led显示阵列或者lcd显示阵列来实现所述参数显示器件。
43.图3为根据本发明第三实施方案示出的基于网络信息的数据预测系统的内部结构示意图。
44.与本发明第一实施方案不同，根据本发明第三实施方案示出的基于网络信息的数据预测系统还可以包括以下组件：
45.动态存储器件，与所述训练处理器件连接，用于接收并存储所述ai判断模型的各项模型参数。
46.接着，继续对本发明的基于网络信息的数据预测系统的具体结构进行进一步的说明。
47.在根据本发明的各个实施方案的基于网络信息的数据预测系统中：
48.采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出还包括：将所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间作为所述ai判断模型的逐项输入内容；
49.其中，采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出还包括：将所述网络数据包传输的视频数据对应的视频解析度作为所述ai判断模型的输出内容。
50.在根据本发明的各个实施方案的基于网络信息的数据预测系统中：
51.所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间包括：非边缘像素点的成分数值分布区间为非边缘像素点在yuv空间下的y
成分数值分布区间、u成分数值分布区间以及v成分数值分布区间。
52.在根据本发明的各个实施方案的基于网络信息的数据预测系统中：
53.所述数据分拣机构还用于在接收到所述第二检测信号时，从工作模式转换到休眠模式，以停止分拣预设数量的多个网络数据包的负载以分别获得的多份视频数据的处理；
54.其中，所述参数检测机构还用于在接收到所述第一检测信号时，从休眠模式转换到工作模式，还用于在接收到所述第二检测信号时，从工作模式转换到休眠模式；
55.其中，所述参数检测机构还用于在接收到所述第一检测信号时，从休眠模式转换到工作模式，还用于在接收到所述第二检测信号时，从工作模式转换到休眠模式包括：所述参数检测机构在休眠模式中暂停获取网络数据包括传输的视频数据对应的多项视频参数的处理。
56.以及在根据本发明的各个实施方案的基于网络信息的数据预测系统中：
57.传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号还包括：每一个网络数据包的负载为设定数目的多个像素点的像素信息；
58.其中，在接收到所述第一检测信号时，从休眠模式转换到工作模式，并在工作模式下分拣预设数量的多个网络数据包的负载以分别获得的多份视频数据包括：所述多份视频数据的份数大于等于设定数量阈值。
59.另外，在所述基于网络信息的数据预测系统中，采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出包括：选择采用matlab仿真模式完成采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出的仿真处理。
60.虽然本发明已经被描述的相当具体，但是应该认识到，不脱离本发明的精神和范围，本领域的技术人员可以改变其中的元件。相信通过前面的描述将能够理解本发明的系统以及该系统附带的优点，并且很清楚，可以对其中的形式、结构及其组件安排进行各种改变，而不会脱离本发明的范围和精神或者不牺牲本发明的所有实质性优点，并且由于此前描述的形式仅仅是本发明的说明性实施例，也不会提供另外的实质性改变。权利要求书意在涵盖并包括这些改变。

技术特征：
1.一种基于网络信息的数据预测系统，其特征在于，所述系统包括：信息解析机构，用于对接收到的、用于传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号；数据分拣机构，与所述信息解析机构连接，用于在接收到所述第一检测信号时，从休眠模式转换到工作模式，并在工作模式下分拣预设数量的多个网络数据包的负载以分别获得的多份视频数据；参数检测机构，用于获取网络数据包括传输的视频数据对应的多项视频参数，所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间；内容判断器件，分布与所述数据分拣机构以及所述参数检测机构连接，用于采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出；训练处理器件，与所述内容判断器件连接，用于对bp神经网络执行多次训练，以获得完成多次训练后的bp神经网络，并作为ai判断模型输出；其中，采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出包括：所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与所述预设数量的取值正向关联；其中，传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号包括：每一网络数据包括传输设定数目的多个像素点的像素信息，且每一像素点的像素信息为所述像素点在yuv空间下的y成分数值、u成分数值以及v成分数值；其中，所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间包括：边缘像素点的成分数值分布区间为边缘像素点在yuv空间下的y成分数值分布区间、u成分数值分布区间以及v成分数值分布区间。2.如权利要求1所述的基于网络信息的数据预测系统，其特征在于：所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与多份视频数据的份数正向关联包括：在对所述bp神经网络执行的每一次训练中，将已知视频的解析度作为所述bp神经网络的输出内容，将所述已知视频对应的多份视频数据以及所述已知视频的多项视频参数作为所述bp神经网络的逐项输入内容，完成本次训练；其中，采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出包括：所述预测解析度包括预测水平解析度和预测垂直解析度；其中，所述ai判断模型为完成多次训练后的bp神经网络，且训练的次数与多份视频数据的份数正向关联还包括：采用多个不同的已知视频分别参与所述bp神经网络的多次训练。3.如权利要求2所述的基于网络信息的数据预测系统，其特征在于，所述系统还包括：
参数显示器件，与所述内容判断器件连接，用于接收并实时显示所还是预测解析度。4.如权利要求2所述的基于网络信息的数据预测系统，其特征在于：动态存储器件，与所述训练处理器件连接，用于接收并存储所述ai判断模型的各项模型参数。5.如权利要求2-4任一所述的基于网络信息的数据预测系统，其特征在于：采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出还包括：将所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间作为所述ai判断模型的逐项输入内容。6.如权利要求5所述的基于网络信息的数据预测系统，其特征在于：采用ai判断模型以基于所述多份视频数据、所述边缘像素点的成分数值分布区间以及所述非边缘像素点的成分数值分布区间智能判断所述网络数据包传输的视频数据对应的视频解析度，并作为预测解析度输出还包括：将所述网络数据包传输的视频数据对应的视频解析度作为所述ai判断模型的输出内容。7.如权利要求2-4任一所述的基于网络信息的数据预测系统，其特征在于：所述多项视频参数包括边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间包括：非边缘像素点的成分数值分布区间为非边缘像素点在yuv空间下的y成分数值分布区间、u成分数值分布区间以及v成分数值分布区间。8.如权利要求2-4任一所述的基于网络信息的数据预测系统，其特征在于：所述数据分拣机构还用于在接收到所述第二检测信号时，从工作模式转换到休眠模式，以停止分拣预设数量的多个网络数据包的负载以分别获得的多份视频数据的处理；其中，所述参数检测机构还用于在接收到所述第一检测信号时，从休眠模式转换到工作模式，还用于在接收到所述第二检测信号时，从工作模式转换到休眠模式；其中，所述参数检测机构还用于在接收到所述第一检测信号时，从休眠模式转换到工作模式，还用于在接收到所述第二检测信号时，从工作模式转换到休眠模式包括：所述参数检测机构在休眠模式中暂停获取网络数据包括传输的视频数据对应的多项视频参数的处理。9.如权利要求2-4任一所述的基于网络信息的数据预测系统，其特征在于：传输视频数据的网络数据包进行解析处理以判断所述网络数据包中标识视频解析度的解析度标识是否缺失，并在缺失时，发出第一检测信号，否则，发出第二检测信号还包括：每一个网络数据包的负载为设定数目的多个像素点的像素信息；其中，在接收到所述第一检测信号时，从休眠模式转换到工作模式，并在工作模式下分拣预设数量的多个网络数据包的负载以分别获得的多份视频数据包括：所述多份视频数据的份数大于等于设定数量阈值。

技术总结
本发明涉及一种基于网络信息的数据预测系统，包括：内容判断器件，用于采用AI判断模型以基于多份视频数据、边缘像素点的成分数值分布区间以及非边缘像素点的成分数值分布区间智能判断网络数据包传输的视频数据的视频解析度；训练处理器件，与内容判断器件连接，用于对BP神经网络执行多次训练，以获得完成多次训练后的BP神经网络，并作为AI判断模型输出。本发明的基于网络信息的数据预测系统设计智能、运行稳定。由于能够采用针对性设计的人工智能模型基于网络接收到的各个像素点信息、视频数据关联的边缘像素点以及非边缘像素点的数据特征，智能判断网络接收到的视频数据的水平解析度和垂直解析度，从而帮助网络接收端成功进行组帧。行组帧。


技术研发人员：请求不公布姓名
受保护的技术使用者：泰州市海陵区一马商务信息咨询有限公司
技术研发日：2023.08.24
技术公布日：2023/10/20