首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于视频预览的KVM切换器及其控制方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:广东视腾电子科技有限公司

摘要:本发明公开了一种基于视频预览的KVM切换器及其控制方法,其中该KVM切换器包括:多视频画面预览模块,用于对接入的多视频画面通过显示屏幕进行展示并预览;单画面控制模块,用于对接入的单画面进行键鼠同步控制;单画面切换模块,用于对多视频画面中某一画面切换为控制画面,对切换后的画面进行键鼠同步控制。本方案设置预览界面的方式,可以通过一路信号接入在预览界面展示所有主机电脑的视频画面,形成多视频画面预览的功能,且还可以实现通过另一路信号接入在控制界面上对单画面采用键鼠同步控制方式的进行单画面控制的方式。解决了现有技术中不能进行多画面预览的问题。

主权项:1.一种基于视频预览的KVM切换器,其特征在于,包括:多视频画面预览模块,用于对接入的多视频画面通过显示屏幕进行展示并预览;单画面控制模块,用于对接入的单画面进行键鼠同步控制;单画面切换模块,用于对多视频画面中某一画面切换为控制画面,对切换后的画面进行键鼠同步控制;还包括:多视频画面切换模块,用于在预览界面对多视频画面进行切换;所述多视频画面切换模块包括:预览界面画面数量设置单元,用于设置预览界面视频画面的数量;切换方式设置单元,用于设置预览界面的视频画面切换方式,切换方式包括:滚动循环预览、定时批量切换预览、随机循环预览和权重设定循环预览;预览界面设置单元,用于设置预览界面的尺寸和展示位置;还包括:多视频画面信息获取模块,用于获取多视频画面上的提示信息和图像信息;信息处理模块,用于对获取到的提示信息通过匹配模型匹配到相应事件;解决方案配置模块,用于根据匹配到的相应事件配置相应的解决方案;解决提示信息模块,用于基于相应的解决方案解决现有多视频画面的提示信息;所述多视频画面信息获取模块包括:判断单元,用于判断多视频画面中所有画面是否有提示弹窗;自动截取单元,用于自动截取提示信息以及当前画面,获得截图信息和当前图像信息;图像翻译单元,用于对图像信息进行图像翻译,获得图像信息;以及对截图信息进行信息提取,获得提示信息;提示信息获取单元,对所有画面的多有提示信息汇集到提示信息集中,对所属有画面的图像信息汇集到图像信息集中,基于提示信息集和图像信息集形成多视频画面的提示信息和图像信息;所述判断单元包括:帧画面提取子单元,用于提取视频画面的其中一帧,针对一帧画面,R-CNN利用选择性搜索方法产生设定数量的候选区域;输入子单元,用于将每一个候选区域变换到同等大小,并作为已训练好的CNN网络的输入;特征打分子单元,用于对每个类别,采用这个类别已训练好的svm分类器对提取到的特征打分;候选区域子单元,用于采用非极大值抑制对重复率比较高的几个候选区域进行剔除,得到每列中得分最高的几个候选区域;轮询子单元,用于经过一轮剔除完后,再从剩下的候选区域找到分数最高的,判断该分数最高的IOU是否超过阈值,超过阈值的继续剔除,直到没有剩下候选区域;筛选后的候选区域获取子单元,用于对每一列都采用上述方式操作,最终每一列都得到若干个筛选后的候选区域;边界框得到子单元,用于训练一个边界框回归模型,来对弹框的准确位置进行修正,得到每个类别修正后的边界框;判断条件子单元,用于根据边界框是否存在判断是否存在提示弹窗;所述图像翻译单元包括:截图信息文字识别子单元,用于对截图信息中的文字进行识别;所述截图信息文字识别子单元包括:文字切割子单元,用于对屏幕弹框图片进行了水平投影操作,使用水平投影的方法来寻找每一行文字的上下界限;对分割出来的每一行文字进行一个垂直投影操作,垂直投影后找到每一个字符的左边界和右边界,对屏幕弹框图片进行单个文字的分割;文字定位子单元,用于把水平投影和垂直投影的位置记录下来,根据水平投影图,让每个凸起的小山峰的起始点和结束点作为文本行的起始点和结束点来确定每一行的位置,在这些凸起的山峰上做些约束条件,获得每一个文本行的位置信息,接着利用获得位置信息把每个文本行切割下来用于接下来的每个文字的分割;所述图像翻译单元还包括:卷积神经网络文字识别子单元,用于基于卷积神经网路对文字进行识别;所述卷积神经网络文字识别子单元包括:模型构建子单元,用于设置优化器是Adam,学习率设置为0.1的神经网络模型;模型训练子单元,用于基于构建的神经网络模型对模型进行训练,获得卷积神经网络模型;识别子单元,用于基于所述卷积神经网络模型对文字进行识别,获得提示信息;所述模型构建子单元包括:卷积神经网络参数设置子单元,用于设置卷积神经网络参数;卷积神经网络特征图参数设置子单元,用于设置卷积神经网络中卷积层的特征图参数;参数优化子单元,用于对卷积神经网络的所有参数进行优化;卷积神经网络模型构建子单元,用于基于优化后的参数构建卷积神经网络模型;所述模型训练子单元包括:创建子单元,用于创建数据流图,数据流图由多个流水线的进程组成,进程间用队列连接;第一进程子单元,用于第一进程生成文件名,读取文件名并且将文件名排到文件名队列中;第二进程子单元,用于第二进程从文件中读取数据,产生样本,把样本存放在一个样本队列中;入队出队循环子单元,用于在第二进程后进行排队操作,入队到队列中去,在下一阶段出队;在训练过程中,训练循环使得样本队列中的样本不断地出队;训练设置子单元,用于训练网络和读取数据是异步的,主线程在训练网络,一个线程在将数据从硬盘中读入内存;设置最大迭代步数为16002,每100步进行一次验证,每500步存储一次模型。

全文数据:

权利要求:

百度查询: 广东视腾电子科技有限公司 一种基于视频预览的KVM切换器及其控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。