文摘

智能城市使城市更高效地运行,很多城市已获批准。智能城市建设过程中,大量的数据生成。特别是,现场直播的体育事件一直被视为智能城市不可分割的一部分。然而,随着生活质量的改善,人们倾向于获得更好的观看体验体育赛事。出于这样的目的,本文提出了基于高性能服务器、流媒体传输优化方法称为HPTO,包括两个主要模块,即高性能服务器优化和传输优化。具体地说,为服务器优化,本文设计一个分布式存储策略,以避免产生的内部磁盘碎片和提高写作效率运动视频。传输优化,本文设计一种deep-learning-based视频压缩策略来节省服务器的存储空间,加快体育视频的传播。此外,本文基于PyCharm仿真实验。实验结果表明,HPTO有更高的存储效率,较小的传输时间,比基准和较低的丢包率,这表明该优化策略的两个方面(服务器优化和传输优化)是有效的。

1。介绍

智能城市(1- - - - - -3)通常应用现代网络基础设施和信息技术改善市民的生活质量,使城市更高效地运行。最近,有一些城市致力于建设世界上智能城市,包括芝加哥,米尔顿凯恩斯,釜山和上海。生活标准的持续改进,市民喜欢看现场直播的体育和满意质量的经验。然而,这些行为将产生大量数据,预计到达ZB-level。事实上,体育赛事的直播传输通常显示了并发特性(4,5),存储系统和传输路径上有非常高的要求。为了保证智能城市的持续和稳定工作过程中观看体育赛事,优化已获批准的两个方面,也就是说,服务器优化和传输优化。

为服务器优化,它指的是提高存储系统。当前存储系统通常依赖于文件系统管理或原始磁盘设计(6,7]。file-management-based存储系统将产生大量的内部磁盘碎片的磁头移动频繁。此外,文件系统需要维护索引信息和属性信息,处理冗余信息和违背体育视频数据的存储。不同于raw-disk-based file-management-based存储系统中,存储系统直接由应用程序执行读写操作,从而大大提高了I / O的效率。然而,体育赛事的直播并发特性,导致数据存储空间是相对分散,从而产生内部磁盘碎片。特别是当故障发生时,存储系统退出大失效概率;也就是说,raw-disk-based存储系统没有可靠性高。与上面的不同,本文优化服务器的存储系统是基于分布式存储的方法。

传输优化,它是由两种方法。一个是传输路径的选择,也就是说,路由(8]。然而,智能城市通常依赖于骨干网,传输路径通常是事先指定的服务提供者。因此,在直播体育赛事的传播方面,传输路径的优化对传输性能的影响没有明显的改善。另一个是压缩的内容;即体育视频压缩成较小的尺寸,但所有属性没有改变。视频压缩有两个优点。一方面,体育视频中可以传播的有效途径。另一方面,高性能服务器的存储空间可以减少压力,这样保存高性能服务器工作顺利。视频压缩的原理是通过编码器(编译原始视频9,10),编码器有两个功能,即,(i)阅读视频和(2)的信号识别和计数剩余信号。在本文中,使用深度学习完成体育视频的压缩。

在智能城市,本文提出high-performance-server-based直播传输优化方法,名叫HPTO。HPTO的主要贡献是概括为三个方面:分布式存储策略是设计,以避免内部磁盘碎片的生成和提高写作效率,也就是说,服务器优化深入学习方法用于压缩运动视频节省存储空间,加快传播丰富的实验,包括神经网络验证,验证视频压缩和直播优化验证

剩下的纸是组织如下。部分2介绍了服务器的优化。部分3介绍了传输优化。部分4实验结果报告。本文的结论部分5。

2。高性能的服务器优化

2.1。存储结构的运动视频

为了避免生产产生的内部磁盘碎片并发和随机写的直播,本文处理体育视频高速缓冲结构设计和磁盘逻辑存储结构。此外,本文还使用缓冲区映射政策属于bcache-based混合存储技术来完成高速缓冲存储器和磁盘逻辑之间的联系。具体而言,固态硬盘(SSD) [11)的书面直播专用高速缓存操作,集团的照片(共和党)作为基本单位分配的固定缓冲段为每个频道的直播。整个体育视频的存储结构如图1。高速缓冲结构由超级块、缓冲区的位图,和缓冲段。其中,超级块superfield报道一些参数的信息,包括创建时间、缓冲区大小,缓冲数量和分配状况。特别是,超块对应的文件指定为“0 xef53”格式订单开始时完成。缓冲区的位图字段是用于描述服务条件有关后续缓冲段。其余的字段是缓冲段视为基本单元分配和回收的直播体育视频。在这篇文章中,缓冲段的大小设置为16 MB。特别是,当剩余空间不能分配一个完整的缓冲段,这是保留。此外,当最后一个共和党的直播完全写,回收相应的缓冲空间。磁盘逻辑存储结构由超级块、数据块的位图,主要指标,二级指标,和缓冲段。特别是,超块对应的文件指定为“0 xef53”格式订单开始时完成。主索引覆盖几个参数的信息包括直播的ID,开始和结束时间,比特率类型,和共和党。二级指标是专门用于覆盖共和党的详细信息。缓冲区映射策略支持多个硬盘驱动器(hdd)使用相同的SSD缓存磁盘。具体而言,“回声”语句用于附加“cset。uuid”从高速缓冲结构磁盘缓存磁盘逻辑存储结构;同时,写作顺序被标记为“回写。”

2.2。存储管理

原始磁盘通常指这样特殊的电影设备没有格式化操作,它不能由Unix / Linux的文件系统12];因此,空间管理非常呆板,和相应的按需扩大需求很难得到满足。鉴于此,本文利用了逻辑卷(LV)完成高性能服务器的扩大。高性能的存储管理服务器如图2。

具体而言,当LV集团举债经营(LVG)的未分配的空间可以满足扩大需求,所需的扩大规模划分。然后,“rawdevice”安装和使用在一定会“/ dev /生/生]。“相反,扩大需求不能被满足时,添加了额外的物理磁盘,然后可以开始安装和绑定操作。

如果扩大需求不能满足上述放大方法,当前文件系统将外侧增加外部高性能服务器达到扩张的目的。特别是,增加高绩效提交其条件状态管理器通过心跳协议。

2.3。体育视频的写作方法

体育视频摘要的写作方法是单线程的。首先,体育视频的生活流根据请求存储的时间安排。通过这些缓冲区,然后,他们同时将单线程的编码方法是用于处理这些并发生活流。单线程的编码方式并通过hugepage连续存储,有效地避免了时间消费由于等待解决多线程的并发性;因此,提高传输效率,存储时间却降低了。特别是,一个缓冲只是用来存储一个频道的直播,这保证了连续的物理存储空间。

3所示。基于视频压缩传输优化

3.1。方法

在智能城市,需要更高的视频压缩比例是直播的传播受到有限的传输速度和存储空间。特别是体育直播视频包含大量的图像;也就是说,视频压缩也称为图像压缩。当前视频图像压缩主要压缩intraframe数据,也就是说,用更少的数据(存储以前的视频图像信息13]。

本文提出一种视频片段压缩方法实现传输优化,在两个关键帧提取并用于存储一个视频片段。此外,在视频解码器端,帧插值法用于恢复之前的视频段数据。特别是三维卷积神经网络(3 dcnn)(深学习方法14,15])是用于制造这些体育视频的分类部分通过分析时间信息和空间信息的视频帧序列,其中有三种视频片段,也就是说,激进的变化,逐渐改变,和普通的变化。事实上,3 dcnn吸引了注意力,视频信息处理,因为它引入了时间维度的基础上创新空间维度之间的上下文信息来捕获不同的体育视频中帧。

为了保证有效和准确的分类,一个足够大的表面数据集是十分必要的。否则,它是相当困难,甚至不可能火车高精度3 dcnn。有鉴于此,本文提出一个足够大的数据集与249621年体育视频片段,包括135202年彻底改变段,103146渐变段,11263年普通改变段。与此同时,每个体育视频片段包含16个图像序列,和重叠的两个体育视频片段之间的帧数设置为8为了防止泄漏检测现象的发生。

3.2。3 dcnn-based视频压缩

使用3 dcnn卷积有五层,三个池层,和三个完整的连接层。其中,每个卷积层包括一个单位(ReLU)激活函数修正线性与当地反应正常化(LRN)操作。前两个完整的连接层包括2048个神经元,最后一个完整的连接层包括三个神经元,每个神经元都对应于一个体育视频片段。3 dcnn本文的详细信息如表所示1。

此外,普通改变视频片段的头架和尾架是用来表达整个体育视频片段,和整个长度不能超过32个帧。

4所示。实验结果

4.1。实验方法

在智能城市,提出HPTO实现基于英特尔(R)的核心(TM) i5 - 8500 @3.00 GHz CPU, RAM 8.00 GB, Ubuntul6.02 64位操作系统上运行。Python编程语言,PyCharm上运行。HPTO包括三个方面的验证。首先,3 dcnn-based深在传输优化学习方法验证的一部分。特别是,两个基准(16,17]关于CNN用于评估查全率的比较,查准率,和四个值(///)。然后,基于3 dcnn视频压缩方法验证,一个基准(18)关于与比特率视频压缩用于比较评估。最后,整个流媒体传输优化方案包括高性能服务器优化和验证传输优化。与此同时,两个基准(19,20.]关于直播优化用于评估存储效率的比较,传输时间和丢包率。总共五个用KumarB表示上述基准LiuB, RaghaB,来,和自由,分别和他们介绍如下:Kumar et al。16]做了一个比较研究在CNN对任何实时图像分类和目标识别,在CNN的能力创造优化的视频图像分类和对象认识刘等人。17]提出了memristor-based 3 dcnn识别和分类的人类行为的视频与6个主要行动Raghavendra et al。18)设计了不同的图像压缩技术没有任何数据丢失他等。19)提出了一个未编码的多用户视频系统利用视频内容的多样性和多个用户的信道条件李等人。20.)提出了一个联合优化方法会话高清视频服务,考虑到视频编码和传输之间的联系

此外,7介绍了上述绩效评价指标如下:召回率被定义为 在哪里表明真阳性和表明假阴性。精确率被定义为 在哪里表明假阳性。 价值的定义是 当 , 价值。比特率被定义为每秒传输的比特数(kbps)。存储效率被定义为高性能服务器的存储空间的利用率。传输时间被定义为之间的时差计算当第一个直播的视频片段从高性能服务器端发送,当最后一个视频片段的直播在解码器端到达。丢包率被定义为损失的比例数量的视频段的总数视频段。

4.2。3 dcnn验证

实验结果基于六次模拟的查全率如表所示2。我们可以观察到该HPTO具有最好的查全率,其次是LiuB和KumarB。特别是,HPTO的查全率可以达到99%左右,相比增加约2%和4.5% LiuB KumarB,分别。比KumarB HPTO和LiuB有较高的召回率,结果他们使用3 dcnn结构识别和分类这些直播流的运动视频。在这里,我们强调3 dcnn介绍了时间维度的基础上创新空间维度获取上下文信息帧运动视频和更好的性能比传统的CNN结构。HPTO和LiuB前提出了基于表深度培训13日,而后者没有进一步改善dcnn结构。因此,HPTO LiuB相比具有更高的查全率。

实验结果精度比基于六次模拟如表所示3。我们还发现该HPTO查准率最高,其次是LiuB KumarB。类似的原因被发现从上面的语句。

基于表2和3,平均实验结果值包括 , , ,和如表所示4。我们可以观察到,的增加 ,相应的价值变得越来越小。事实上,评估的基础上参考价值最高。特别是大值意味着相应的策略具有更好的性能。从表可以看出4,该HPTO最大值,这意味着HPTO的分类效果最好的直播体育视频。

4.3。视频压缩的验证

本节考虑六种运动视频(NBA, CBA,德甲,意甲,世界杯,和AOTC)和两种编码结构(h / AVC和HEVC)。平均比特率实验结果如表所示5。比特率的改善度如表所示6。我们可以观察到该HPTO具有一个明显的优势而言,增加了比特率。特别是,改进的比特率相对于基准率可以达到65.52%(甲级)基于h / AVC的编码结构和85.29%(世界杯)基于HEVC编码结构,分别。这进一步表明,该视频压缩效率优化方案。

4.4。直播优化验证

实验结果基于六次模拟的存储效率如表所示7。我们可以观察到HPTO存储效率最高,其次是来和自由,特别是HPTO的存储效率可以达到86%左右,但来和自由只能达到约79%和72%,分别。不同于两个基准,HPTO使优化直播流的两个方面,也就是说,服务器优化和传输优化。具体而言,服务器优化提高了存储结构,存储管理方法,和写作方法。此外,3 dcnn也用来优化视频压缩传输优化的部分。事实上,3 dcnn结构和视频压缩方案提出了有效的实验结果,可以发现部分4所示。2和部分4所示。3。

基于六次模拟传输时间的实验结果如表所示8。我们可以发现该HPTO具有最小的传输时间,其次是自由而来。特别是,HPTO传输时间是来的两倍多;这是因为HPTO增加存储时间和节省更多的存储空间,加快直播的传播。不同于来,自由会话高清视频服务提出了一种联合优化方法通过考虑视频编码和传输之间的联系;因此,传输时间小于来。

实验结果基于六次模拟的丢包率如表所示9。我们可以发现提出HPTO丢包率最低,其次是来和自由,这意味着HPTO将最好的观看体验体育视频。特别是HPTO的丢包率几乎达到0%,这表明服务器优化和传输优化可以保证所有生活流的运动视频到达用户。

5。结论

在智能城市,优化体育直播视频是非常重要的,因为它直接影响看质量。在本文中,基于服务器的实时流媒体传输优化方法优化和传输优化算法。与此同时,服务器优化包括存储结构优化,存储管理优化和优化方法。传输优化主要依赖于基于3 dcnn结构视频压缩。

实验包括3 dcnn验证、视频压缩验证,和直播优化验证,评估的七个指标,也就是说,查全率、查准率,4值、比特率、存储效率、传输时间和丢包率。所有的实验结果表明,该HPTO具有更好的性能优化体育直播视频。

在未来,我们将测试指标和更多的应用程序。此外,我们还计划做一个真正的演示该流媒体传输优化机制通过连接一些高性能服务器。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。