本发明属于视频分类，具体涉及一种基于安全运维的视频整合分类系统及方法。
背景技术：
1、视频分类是指给定一个视频片段，对其中包含的内容进行分类，视频分类技术的应用范围十分广泛，在安全运维的视频分类整合方面同样有运用。然而现如今市面上现有的安全运维的视频整合分类系统中的视频中冗余和干扰信息较多，大大降低了数据处理的效率。同时现有的安全运维的视频整合分类系统单独采用静态分类的方式对视频进行抽帧后利用深度学习算法模型进行视频分类，现有的分类的系统的分类方法较为单一，分类的准确性低，效率低下；并且现有的安全运维的视频整合分类系统在视频分类后，无法对视频打上标签和链接，难以对视频进行查看，并且现有的安全运维的视频整合分类系统中的检索图库难以进行自动更新，无法保证系统的整合分类能力与时俱进的更新和提升，降低了系统的能力。同时现有的安全运维的视频整合分类系统在登录时，密码为明文，降低了登录的安全性，容易出现摩玛泄露的情况，并且单独对密码进行。
技术实现思路
1、针对现有技术存在的问题，本申请提供一种可以有效对视频进行压缩、去冗余、去噪声和图像增强处理以及去除了视频中的干扰和噪声，减少了数据量，提升了视频处理的效率并能进一步提高安全性的基于安全运维的视频整合分类系统及方法。
2、本发明的技术方案如下：
3、一种基于安全运维的视频整合分类系统，包括用户注册模块、用户登录模块、管理员登录模块、视频采集模块、数据储存模块、格式转化模块、视频预处理模块、视频分类模块、图库检索模块、图片对比模块、结果得出模块、视频整合模块、分类存放模块、标签生成模块、链接生成模块、视频查看模块、日志模块、图库更新模块、加密模块、双重验证模块；
4、所述用户注册模块与用户登录模块建立数据链接；所述用户登录模块、管理员登录模块、视频采集模块分别与数据储存模块建立数据链接；
5、所述用户登录模块分别与加密模块和双重验证模块建立数据链接；
6、所述数据储存模块与格式转化模块、视频预处理模块、视频分类模块、图库检索模块、图片对比模块、结果得出模块、视频整合模块、分类存放模块、标签生成模块、链接生成模块、视频查看模块、日志模块、图库更新模块依次建立数据链接。
7、对本发明的进一步说明，所述视频预处理模块包括数据压缩模块、冗余去除模块、噪声去除模块和图形增强模块；所述数据压缩模块、冗余去除模块、噪声去除模块、图形增强模块依次建立数据链接。
8、对本发明的进一步说明，所述视频分类模块包括视频抽帧模块、特征提取模块、音频提取模块、特征向量提取模块、向量平均模块、分类识别模块、初步结果模块和平均得出模块；所述视频抽帧模块和音频提取模块分别与特征提取模块建立数据链接；所述特征提取模块、特征向量提取模块、向量平均模块、分类识别模块、初步结果模块、平均得出模块依次建立数据链接。
9、一种基于安全运维的视频整合分类的方法，包括步骤一，用户注册及登录；步骤二，数据采集；步骤三，数据预处理；步骤四，视频分类；步骤五，检索整合；步骤六，标签链接生成；步骤七，查看更新。
10、对本发明的进一步说明，所述步骤一中，首先客户利用用户注册模块进行注册，随后通过用户登录模块进行登录；与此同时，管理员通过管理员登录模块进行登录，登录时加密模块采用加密算法进行加密，并且双重验证模块对加密后的密码进行验证，并且需要u盘插入到双重验证模块进行双重验证，验证合格后同意登录；
11、所述步骤二中，当步骤一中的客户登录后，此时视频采集模块来采集视频数据信息，随后采集的视频数据传递到数据储存模块进行暂时储存，随后视频传递到格式转化模块转化为统一的格式；
12、所述步骤三中，当步骤二中的视频转化为统一格式后，传递到视频预处理模块中进行数据预处理；所述预处理包括通过利用数据压缩模块进行视频压缩，冗余去除模块进行视频中的冗余信息的去除，噪声去除模块进行干扰噪声的去除，图形增强模块进行图形质量的增强；
13、所述步骤四中，当步骤三中的图像预处理完成后，视频传递到视频分类模块中，利用深度学习算法模型来对视频进行抽帧分析处理；
14、所述步骤五中，当步骤四中的抽帧分析处理完成后，将抽帧的图像传输到图库检索模块中，将抽帧的图像输送到数据库中进行检索，然后利用图片对比模块将图像与数据库中现有的类别的图片进行对比，对比后结果得出模块得出对比结果，继而利用视频整合模块进行整合；
15、所述步骤六中，当步骤五中的整合之后利用分类存放模块进行分类存放，随后利用标签生成模块来生成视频标签，继而利用链接生成模块生成链接；
16、所述步骤七中，当步骤六中标签和链接生成之后，视频查看模块进行视频查看，并且日志模块生成查看日志，随后图库更新模块对数据库进行更新。
17、对本发明的进一步说明，所述步骤四中，深度学习算法模型至少为卷积神经网络模型、循环神经网络模型和残差网络模型中的一种。
18、本发明的有益效果：
19、本发明通过视频预处理模块来对视频进行压缩、去冗余、去噪声和图像增强处理，有效的去除了视频中的干扰和噪声，减少了数据量，提升了视频处理的效率。同时在视频分类过程中，对视频进行抽帧处理，提取单帧图像信息中的特征，提取音频中的信息，随后进行分类识别，同时将图像与数据库中的已有的类别的图像进行对比分析，对视频进行进一步的分类，提升了视频分类的准确性和效率。同时视频分类之后利用标签生成模块生成标签，随后利用链接生成模块生成链接，方便视频查看，并且利用图库更新模块对数据库进行更新处理，有利于提升后续整合分类能力。
20、1.提高管理效率：本发明通过对分散、多源的视频数据进行整合和分类，可以提升管理效率，减少管理人员的工作量和时间成本；
21、2.提高安全性：本发明可以对视频数据进行分析和预警，帮助管理人员及时发现潜在的安全隐患，从而加强安全防范和管理；
22、3.节约成本：本发明通过整合和分类视频数据，可以减少基础设施和存储成本，降低管理和维护成本；
23、4.优化资源配置：本发明通过对视频数据进行整合和分类，可以更加精细地管理和配置资源，从而优化资源利用和管理效益。
1.一种基于安全运维的视频整合分类系统，其特征在于：包括用户注册模块、用户登录模块、管理员登录模块、视频采集模块、数据储存模块、格式转化模块、视频预处理模块、视频分类模块、图库检索模块、图片对比模块、结果得出模块、视频整合模块、分类存放模块、标签生成模块、链接生成模块、视频查看模块、日志模块、图库更新模块、加密模块、双重验证模块；
2.根据权利要求1所述的一种基于安全运维的视频整合分类系统，其特征在于：
3.根据权利要求1所述的一种基于安全运维的视频整合分类系统，其特征在于：
4.一种基于安全运维的视频整合分类的方法，其特征在于：包括步骤一、用户注册及登录；步骤二、数据采集；步骤三、数据预处理；步骤四、视频分类；步骤五、检索整合；步骤六、标签链接生成；步骤七、查看更新。
5.根据权利要求4所述的一种基于安全运维的视频整合分类的方法，其特征在于：
6.根据权利要求5所述的一种基于安全运维的视频整合分类的方法，其特征在于：所述步骤四中，深度学习算法模型至少为卷积神经网络模型、循环神经网络模型和残差网络模型中的一种。
