一种视频流数据的处理与自动负载方法

近年来,大数据技术的发展使得实时视频流处理成为可能。实时视频流数据属于典型的大数据,从这些非结构化的数据中提取有价值的信息非常困难,因此需要利用大数据与视频流处理技术,通过实时处理模组从中提取有用的信息。由于视频流的大数据特性,传统的数据存储方法成本较高,需要配合云存储技术来实现视频流的高效处理与运算。云存储服务提供了大量的计算和存储资源,允许开发具有拓展性的自动负载视频流系统。本文旨在开发一个视频流处理系统,将其部署于亚马逊云服务,系统从视频流中调用实时运行的视频处理算法,并自动平衡负载,防止应用系统出现负载冗余或不足情况,节约成本,支撑视频数据的存储与管理。

一种基于小波变换以及BP神经网络的钢绳断裂识别方法

吊拉钢绳作为承载强度试验施加载荷的承力零件,是支撑强度实验尤其是疲劳试验的重要一环。钢绳的断裂故障在试验中也是时有发生,而目前采用的处理方法仍然是试验人员依据现场声响进行现场勘测查看,由于现场噪声与无关声音很大,时常造成误报警,浪费试验资源。因此,目前需要一种自动识别现场钢绳断裂的诊断方法以满足强度试验的需求。目前国内自行开发的钢丝绳检测仪器多采用基于统计模式识别的超门限决策方法来进行钢丝绳断丝检测的。本文介绍了一种基于小波变换与BP神经网络的钢绳断裂识别方法,达到消除现场白噪声、提取特征值与模式识别的效果,由于采用了神经网络算法,通过训练获得权值,因此具备较强的自学习与环境适应能力,能够满足试验现场较为复杂的条件,具备可实用性。