本发明涉及视频处理系统，尤其涉及一种视频物联汇聚系统。
背景技术：
1、随着视频监控技术的广泛应用和物联网技术的飞速发展，视频数据已成为现代社会中不可或缺的信息来源。然而，在实际应用中，视频数据的处理和管理面临着诸多挑战。
2、首先，视频数据量庞大且快速增长，给存储和传输带来了巨大压力。传统的视频处理系统往往采用静态的、固定的处理流程，无法根据视频数据的实时特性和网络条件的变化进行灵活调整。这导致在视频传输过程中，特别是在网络带宽有限或波动较大的情况下，容易出现数据丢包、延迟等问题，严重影响视频数据的流畅性和实时性。
3、其次，视频数据中的有效信息往往被大量冗余信息所掩盖，增加了处理难度和成本。传统的视频处理方法通常需要对所有采集到的视频数据进行全面分析，这不仅效率低下，而且难以精准捕捉到用户真正关心的目标区域或对象。这种“大海捞针”式的数据处理方式，不仅浪费了大量的计算资源，还可能因为数据量的庞大而错过重要的信息点。
4、此外，不同场景下的视频处理需求各异，对处理系统的灵活性和适应性提出了更高要求。例如，在公共场所的监控中，需要重点关注人流密集区域的异常行为；而在工业自动化领域，则可能更关注生产线上的设备运行状态。传统的视频处理系统往往缺乏足够的智能和灵活性，难以满足这些多样化的需求。
5、因此，有必要提供一种视频物联汇聚系统解决上述技术问题。
技术实现思路
1、为解决上述技术问题，本发明提供一种视频物联汇聚系统用于解决上述问题。
2、本发明提供的一种视频物联汇聚系统，包括：
3、采集处理模块，用于采集不同场景的初始视频数据并进行预处理，获得处理数据集；
4、监控反馈模块，用于输入处理数据集至预设的初筛模型，运用预设的监控反馈机制将处理数据集的场景标签的反馈结果反馈至初筛模型；
5、第一处理模块，用于初筛模型响应于监控反馈机制的反馈结果，动态调整对应的阈值，并筛选出处理数据集的至少一个目标区域或对象信息；
6、第二处理模块，用于将筛选出处理数据集的至少一个目标区域或对象信息输入至预设的精筛模型，处理获得分类视频数据；
7、压缩加密模块，用于压缩分类视频数据，并对压缩后的视频数据进行加密处理，获得加密视频数据；
8、存储发送模块，用于将加密视频数据进行归档处理存储，并分发给不同的用户终端设备。
9、优选的，所述采集处理模块具体包括：
10、接收处理模块，用于接收不同地理位置或监控点的初始视频数据，并将初始视频数据转换为统一的编码格式和分辨率，得到转换视频数据；
11、数据处理模块，用于对转换视频数据进行去噪处理，并为转换视频数据加时间戳和元数据，获得处理数据集。
12、优选的，所述初筛模型的预设过程包括以下步骤：
13、收集历史视频数据样本并标记出目标区域或对象的位置，获得目标区域或对象的标签信息；
14、选择卷积神经网络模型架构，并以目标区域或对象的标签信息作为训练集对卷积神经网络模型架构训练，获得初筛模型，并为初筛模型设置初始阈值。
15、优选的，所述监控反馈机制的预设过程包括以下步骤：
16、基于不同场景视频数据的采集权重，为不同场景视频数据设置场景标签；
17、定义视频数据的传输性能指标，具体包括数据流量指标和系统负载指标，并为不同场景视频数据的传输性能指标设置对应的性能阈值；
18、接收并识别处理数据集中的场景标签，获得识别结果；
19、响应于获得的识别结果，向初筛模型反馈对应的性能阈值。
20、优选的，所述监控反馈模块具体包括：
21、输入模块，用于输入处理数据集至预设的初筛模型，并触发监控反馈机制；监控模块，用于调控监控反馈机制，实时监测识别输入至初筛模型中的处理数据集场景标签。
22、优选的，所述第一处理模块包括：
23、参数调整模块，用于使初筛模型接收并分析监控反馈机制的反馈结果，动态调整反馈机制内部的阈值；
24、筛选模块，用于使初筛模型对处理数据集进行筛选，以筛选出处理数据集中的目标区域或对象信息。
25、优选的，所述精筛模型的预设过程具体包括以下步骤：
26、采集并识别历史视频数据的视觉特征，具体包括颜色、纹理、形状以及运动轨迹；
27、选择计算机视觉模型框架，并以历史视频数据的视觉特征作为训练集训练，获得精筛模型。
28、优选的，所述压缩加密模块具体包括：
29、数据压缩模块，用于采用视频压缩算法对分类视频数据进行压缩；
30、安全模块，用于采用加密算法对压缩后的视频数据进行加密处理，并生成加密密钥，并与加密视频数据一同管理。
31、优选的，所述存储发送模块具体包括：
32、归档模块，用于将加密后的视频数据按照时间规则进行归档存储；
33、分发传送模块，用于根据用户请求，将加密视频数据通过安全的传输渠道分发给相应的用户终端设备。
34、与相关技术相比较，本发明提供的一种视频物联汇聚系统具有如下有益效果：
35、本发明通过初筛模型结合监控反馈机制，动态调整以优化传输性能，确保视频数据在传输过程中的流畅与高效，同时实时监控系统负载和数据流量，实现资源的合理分配，且初筛模型基于传输状态反馈，智能筛选出预处理后视频数据中的目标区域或对象信息，大幅缩减了后续处理所需的数据量，提高了处理速度和精度，能够轻松适应不同场景下的视频处理需求，实现了对视频内容的精细化理解，为后续的智能决策提供了坚实的基础。
1.一种视频物联汇聚系统，其特征在于，包括：
2.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述采集处理模块具体包括：
3.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述初筛模型的预设过程包括以下步骤：
4.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述监控反馈机制的预设过程包括以下步骤：
5.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述监控反馈模块具体包括：
6.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述第一处理模块包括：
7.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述精筛模型的预设过程具体包括以下步骤：
8.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述压缩加密模块具体包括：
9.根据权利要求1所述的一种视频物联汇聚系统，其特征在于，所述存储发送模块具体包括：
