基于5G互联网的监控数据可视化方法及系统与流程

基于5g互联网的监控数据可视化方法及系统
技术领域
1.本发明涉及数据处理技术领域，具体而言，涉及一种基于5g互联网的监控数据可视化方法及系统。


背景技术：

2.移动通信延续着每十年一代技术的发展规律，已历经1g、2g、3g、4g的发展。每一次代际跃迁，每一次技术进步，都极大地促进了产业升级和经济社会发展。从1g到2g，实现了模拟通信到数字通信的过渡，移动通信走进了千家万户；从2g到3g、4g，实现了语音业务到数据业务的转变，传输速率成百倍提升，促进了移动互联网应用的普及和繁荣。当前，移动网络已融入社会生活的方方面面，深刻改变了人们的沟通、交流乃至整个生活方式。4g网络造就了繁荣的互联网经济，解决了人与人随时随地通信的问题，随着移动互联网快速发展，新服务、新业务不断涌现，移动数据业务流量爆炸式增长，4g移动通信系统难以满足未来移动数据流量暴涨的需求，急需研发下一代移动通信(5g)系统。
3.5g作为一种新型移动通信网络，不仅要解决人与人通信，为用户提供增强现实、虚拟现实、超高清(3d)视频等更加身临其境的极致业务体验，更要解决人与物、物与物通信问题，满足移动医疗、车联网、智能家居、工业控制、环境监测等物联网应用需求。最终，5g将渗透到经济社会的各行业各领域，成为支撑经济社会数字化、网络化、智能化转型的关键新型基础设施。例如，基于5g互联网的图像监控，在诸多领域中有应用。并且，在图像监控中，图像的可视化是一个重要的环节，但是，在现有技术中，对于大量的监控图像的可视化存在效果不佳的问题。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于5g互联网的监控数据可视化方法及系统，以改善监控数据的可视化处理的效果不佳的问题。
5.为实现上述目的，本发明实施例采用如下技术方案：
6.一种基于5g互联网的监控数据可视化方法，包括：
7.在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，获取多个第二5g互联网终端设备采集得到的多个初始监控图像；
8.依据对应的图像内容，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合，每一个所述监控图像分类集合包括至少一个所述初始监控图像；
9.分别对所述至少一个监控图像分类集合中的每一个所述监控图像分类集合进行数据推送处理，以将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备，使得所述第一5g互联网终端设备对接收到的所述监控图像分类集合包括的初始监控图像进行可视化处理。
10.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，所述在
接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，获取多个第二5g互联网终端设备采集得到的多个初始监控图像的步骤，包括：
11.在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，对所述监控数据可视化请求信息进行解析操作，以确定出所述监控数据可视化请求信息对应的目标监控区域；
12.依据所述目标监控区域确定出部署于所述目标监控区域的每一个第二5g互联网终端设备，以确定出多个第二5g互联网终端设备，以及，获取所述多个第二5g互联网终端设备分别采集得到的多个初始监控图像，每一个所述第二5g互联网终端设备采集得到至少一个初始监控图像。
13.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，所述依据对应的图像内容，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合，每一个所述监控图像分类集合包括至少一个所述初始监控图像的步骤，包括：
14.分别挖掘出所述多个初始监控图像中的每一个初始监控图像对应的方向梯度直方图特征表示，所述方向梯度直方图特征表示用于指代表所述初始监控图像对应的方向梯度直方图数据；
15.基于每一个所述初始监控图像对应的方向梯度直方图特征表示，构建出对应的第一梯度直方图匹配关系分布集合，所述第一梯度直方图匹配关系分布集合基于每两个所述初始监控图像对应的方向梯度直方图特征表示之间的特征表示匹配系数构成，且在所述第一梯度直方图匹配关系分布集合中，所述特征表示匹配系数构成多行多列；
16.基于所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据对应的目标更新参数，对所述第一梯度直方图匹配关系分布集合进行更新处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合；
17.基于所述更新梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量；
18.基于所述图像监控用户的用户数量，对所述多个初始监控图像进行分组，以形成每一个图像监控用户对应的初始监控图像；
19.基于对应的图像监控用户是否相同，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合。
20.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，在所述基于所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据对应的目标更新参数，对所述第一梯度直方图匹配关系分布集合进行更新处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合的步骤之前，所述依据对应的图像内容，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合，每一个所述监控图像分类集合包括至少一个所述初始监控图像的步骤，还包括：
21.针对所述第一梯度直方图匹配关系分布集合中的一个集合分布列数据，基于初始先后关系信息，对所述集合分布列数据包括的多个特征表示匹配系数中属于参考区间的特征表示匹配系数进行按序排布处理，以形成对应的初始按序排布匹配系数组合；
22.基于所述初始按序排布匹配系数组合，计算输出属于所述参考区间的各特征表示匹配系数中排布序号邻接的每两个特征表示匹配系数之间的特征表示匹配系数距离，形成多个特征表示匹配系数距离；
23.从所述多个特征表示匹配系数距离中，筛选出与配置的初始筛选条件匹配的特征表示匹配系数距离；
24.基于所述与配置的初始筛选条件匹配的特征表示匹配系数距离，分析输出所述集合分布列数据对应的目标更新参数。
25.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，所述基于所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据对应的目标更新参数，对所述第一梯度直方图匹配关系分布集合进行更新处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合的步骤，包括：
26.对所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据包括的特征表示匹配系数中，未超过每一个集合分布列数据对应的目标更新参数的特征表示匹配系数进行更新处理，以更新为对应的第一更新参考匹配系数，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合；或者
27.对所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据包括的特征表示匹配系数中，未超过每一个集合分布列数据对应的目标更新参数的特征表示匹配系数和第二更新参考匹配系数进行融合处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合。
28.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，所述基于所述更新梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量的步骤，包括：
29.分别基于预先配置的多个目标筛选数量中的每一个目标筛选数量，对所述更新梯度直方图匹配关系分布集合进行调整，以形成每一个目标筛选数量对应的调整梯度直方图匹配关系分布集合；
30.基于所述多个目标筛选数量和每一个所述目标筛选数量对应的调整梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量。
31.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，所述分别基于预先配置的多个目标筛选数量中的每一个目标筛选数量，对所述更新梯度直方图匹配关系分布集合进行调整，以形成每一个目标筛选数量对应的调整梯度直方图匹配关系分布集合的步骤，包括：
32.针对所述多个目标筛选数量中的一个目标筛选数量，基于所述目标筛选数量，对所述更新梯度直方图匹配关系分布集合进行系数更新处理，以形成对应的初级梯度直方图匹配关系分布集合；
33.对所述初级梯度直方图匹配关系分布集合进行集合分布调整操作，以形成对应的中级梯度直方图匹配关系分布集合，使得所述中级梯度直方图匹配关系分布集合中的每一个特征表示匹配系数组合包括的两个特征表示匹配系数一致，每一个所述特征表示匹配系数组合包括的两个特征表示匹配系数的集合分布关系为目标集合分布关系；
34.对所述中级梯度直方图匹配关系分布集合进行集合分布列数据与集合分布行数
据的相关调整处理，以形成对应的高级梯度直方图匹配关系分布集合；
35.对所述高级梯度直方图匹配关系分布集合进行系数映射处理，以形成对应的映射梯度直方图匹配关系分布集合，所述系数映射处理用于将所述高级梯度直方图匹配关系分布集合中每一个集合分布列数据包括的特征表示匹配系数映射至目标系数区间；
36.对所述映射梯度直方图匹配关系分布集合进行集合分布调整操作，形成所述目标筛选数量对应的调整梯度直方图匹配关系分布集合。
37.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，所述基于所述多个目标筛选数量和每一个所述目标筛选数量对应的调整梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量的步骤，包括：
38.基于所述多个目标筛选数量和每一个所述目标筛选数量对应的调整梯度直方图匹配关系分布集合，分析输出每一个所述目标筛选数量对应的目标筛选数量占比，所述目标筛选数量占比用于反映对应的所述目标筛选数量对应的调整梯度直方图匹配关系分布集合中筛选出的特征表示匹配系数的筛选数目；
39.基于每一个所述目标筛选数量对应的目标筛选数量占比，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量。
40.在一些优选的实施例中，在上述基于5g互联网的监控数据可视化方法中，所述分别对所述至少一个监控图像分类集合中的每一个所述监控图像分类集合进行数据推送处理，以将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备，使得所述第一5g互联网终端设备对接收到的所述监控图像分类集合包括的初始监控图像进行可视化处理的步骤，包括：
41.分别对所述至少一个监控图像分类集合中的每一个所述监控图像分类集合进行数据推送处理，以依次将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备，使得所述第一5g互联网终端设备依次对当前接收到的所述监控图像分类集合包括的初始监控图像进行可视化处理；
42.依次将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备的先后顺序，基于包括的初始监控图像的图像采集时间确定，且在依次将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备的过程中，同一个所述监控图像分类集合包括的多个初始监控图像通过拼接形成一个拼接初始监控图像，再推送给所述第一5g互联网终端设备。
43.本发明实施例还提供一种基于5g互联网的监控数据可视化系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的基于5g互联网的监控数据可视化方法。
44.本发明实施例提供的一种基于5g互联网的监控数据可视化方法及系统，在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，获取多个第二5g互联网终端设备采集得到的多个初始监控图像；依据对应的图像内容，对多个初始监控图像进行分类，以形成对应的至少一个监控图像分类集合；分别对至少一个监控图像分类集合中的每一个监控图像分类集合进行数据推送处理，以将每一个监控图像分类集合推送给第一5g互联网终端设备，使得第一5g互联网终端设备对接收到的监控图像分类集合包括的初始监控图像进行可视化处理。基于前述的内容，由于监控图像是分类推送的，使得可以进行分类
可视化处理，从而提供可视化处理的效果(例如，通过分类可视化，可以使得可视化的内容之间更为紧密)，进而改善现有技术中监控数据的可视化处理的效果不佳的问题。
45.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
46.图1为本发明实施例提供的基于5g互联网的监控数据可视化系统的结构框图。
47.图2为本发明实施例提供的基于5g互联网的监控数据可视化方法包括的各步骤的流程示意图。
48.图3为本发明实施例提供的基于5g互联网的监控数据可视化装置包括的各模块的示意图。
具体实施方式
49.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
50.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.如图1所示，本发明实施例提供了一种基于5g互联网的监控数据可视化系统。其中，所述基于5g互联网的监控数据可视化系统可以包括存储器和处理器，或者，还可以包括其它的器件或组件。
52.详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于5g互联网的监控数据可视化方法。
53.可以选择的是，在一些实施方式中，所述存储器可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。所述处理器可以是一种通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)、片上系统(system on chip，soc)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
54.可以选择的是，在一些实施方式中，所述基于5g互联网的监控数据可视化系统可以是一种具备数据处理能力的服务器。
55.结合图2，本发明实施例还提供一种基于5g互联网的监控数据可视化方法，可应用于上述基于5g互联网的监控数据可视化系统。其中，所述基于5g互联网的监控数据可视化方法有关的流程所定义的方法步骤，可以由所述基于5g互联网的监控数据可视化系统实现。
56.下面将对图2所示的具体流程，进行详细阐述。
57.步骤s110，在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，获取多个第二5g互联网终端设备采集得到的多个初始监控图像。
58.在本发明实施例中，所述基于5g互联网的监控数据可视化系统可以在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，获取多个第二5g互联网终端设备采集得到的多个初始监控图像(所述多个初始监控图像可以是多个第二5g互联网终端设备同步或异步采集得到)。
59.步骤s120，依据对应的图像内容，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合。
60.在本发明实施例中，所述基于5g互联网的监控数据可视化系统可以依据对应的图像内容，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合。每一个所述监控图像分类集合包括至少一个所述初始监控图像。
61.步骤s130，分别对所述至少一个监控图像分类集合中的每一个所述监控图像分类集合进行数据推送处理，以将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备。
62.在本发明实施例中，所述基于5g互联网的监控数据可视化系统可以分别对所述至少一个监控图像分类集合中的每一个所述监控图像分类集合进行数据推送处理，以将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备。使得所述第一5g互联网终端设备对接收到的所述监控图像分类集合包括的初始监控图像进行可视化处理。
63.基于前述的内容，由于监控图像是分类推送的，使得可以进行分类可视化处理，从而提供可视化处理的效果(例如，通过分类可视化，可以使得可视化的内容之间更为紧密，如同一时间或相邻时间可视化的内容相关性更高)，进而改善现有技术中监控数据的可视化处理的效果不佳的问题。
64.可以选择的是，在上述的步骤s110中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
65.在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，对所述监控数据可视化请求信息进行解析操作，以确定出所述监控数据可视化请求信息对应的目标监控区域(示例性地，所述监控数据可视化请求信息中可以携带有所述目标监控区域的区域标识信息)；
66.依据所述目标监控区域确定出部署于所述目标监控区域的每一个第二5g互联网终端设备，以确定出多个第二5g互联网终端设备，以及，获取所述多个第二5g互联网终端设备分别采集得到的多个初始监控图像，每一个所述第二5g互联网终端设备采集得到至少一个初始监控图像(示例性地，所述第二5g互联网终端设备可以是图像采集设备等)。
67.可以选择的是，在上述的步骤s120中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
68.分别挖掘出所述多个初始监控图像中的每一个初始监控图像对应的方向梯度直方图特征表示，所述方向梯度直方图特征表示用于指代表所述初始监控图像对应的方向梯度直方图数据(示例性地，可以先对每一个所述初始监控图像进行方向梯度直方图的确定，然后，可以通过编码神经网络对所述方向梯度直方图进行编码处理，以形成所述方向梯度直方图特征表示，所述方向梯度直方图，即histogram of oriented gradient,hog)；
69.基于每一个所述初始监控图像对应的方向梯度直方图特征表示，构建出对应的第一梯度直方图匹配关系分布集合，所述第一梯度直方图匹配关系分布集合基于每两个所述初始监控图像对应的方向梯度直方图特征表示之间的特征表示匹配系数构成，且在所述第一梯度直方图匹配关系分布集合中，所述特征表示匹配系数构成多行多列(也就是说，可以先计算每两个所述初始监控图像对应的方向梯度直方图特征表示之间的特征表示匹配系数，包括一个初始监控图像对应的方向梯度直方图特征表示和该初始监控图像自身对应的方向梯度直方图特征表示之间的特征表示匹配系数，如此，在所述第一梯度直方图匹配关系分布集合中，一个集合分布列数据包括一个初始监控图像对应的方向梯度直方图特征表示与所述多个初始监控图像中的每一个初始监控图像对应的方向梯度直方图特征表示之间的特征表示匹配系数，同样地，一个集合分布行数据也包括一个初始监控图像对应的方向梯度直方图特征表示与所述多个初始监控图像中的每一个初始监控图像对应的方向梯度直方图特征表示之间的特征表示匹配系数；另外，在所述方向梯度直方图特征表示用于向量表示时，所述特征表示匹配系数可以是指向量之间的相似度)；
70.基于所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据对应的目标更新参数，对所述第一梯度直方图匹配关系分布集合进行更新处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合；
71.基于所述更新梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量(在一个图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述，而梯度主要存在于边缘的地方，因此，可以通过所述方向梯度直方图特征表示反映出所述初始监控图像中具有的图像监控用户的轮廓信息，而轮廓信息可以较好的代表图像监控用户，即不同的图像监控用户具有不同的轮廓信息)；
72.基于所述图像监控用户的用户数量，对所述多个初始监控图像进行分组，以形成每一个图像监控用户对应的初始监控图像(也就是说，一个图像监控用户可以对应一个分组)；
73.基于对应的图像监控用户是否相同，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合(也就是说，在同一个所述监控图像分类集合中，包括的各初始监控图像对应的图像监控用户是相同的，或者，也可以直接在进行前述的分组时，直接将一个分组的初始监控图像作为一个监控图像分类集合)。
74.可以选择的是，在所述基于所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据对应的目标更新参数，对所述第一梯度直方图匹配关系分布集合进行更新处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合的步骤之前，在上述的步骤s120中，在一些实施方式中，其具体还可以包括以下的可以执行的子步骤：
75.针对所述第一梯度直方图匹配关系分布集合中的一个集合分布列数据(每一个所
述集合分布列数据的处理方式可以是一致的)，基于初始先后关系信息(如先大后小等)，对所述集合分布列数据包括的多个特征表示匹配系数中属于参考区间的特征表示匹配系数进行按序排布处理，以形成对应的初始按序排布匹配系数组合(示例性地，所述参考区间的具体区间不受限制，例如，可以是-0.9到0.9或-0.8到0.8等；
76.基于所述初始按序排布匹配系数组合，计算输出属于所述参考区间的各特征表示匹配系数中排布序号邻接的每两个特征表示匹配系数之间的特征表示匹配系数距离，形成多个特征表示匹配系数距离(示例性地，所述特征表示匹配系数距离可以是对所述两个特征表示匹配系数进行减法计算的结果，如前一个特征表示匹配系数减去后一个特征表示匹配系数)；
77.从所述多个特征表示匹配系数距离中，筛选出与配置的初始筛选条件匹配的特征表示匹配系数距离(示例性地，可以将所述多个特征表示匹配系数距离中，具有最大值的特征表示匹配系数距离作为所述与配置的初始筛选条件匹配的特征表示匹配系数距离)；
78.基于所述与配置的初始筛选条件匹配的特征表示匹配系数距离，分析输出所述集合分布列数据对应的目标更新参数(示例性地，可以将所述与配置的初始筛选条件匹配的特征表示匹配系数距离对应的两个特征表示匹配系数中的前一个特征表示匹配系数作为所述目标更新参数)。
79.可以选择的是，在所述基于所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据对应的目标更新参数，对所述第一梯度直方图匹配关系分布集合进行更新处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
80.对所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据包括的特征表示匹配系数中，未超过每一个集合分布列数据对应的目标更新参数(如前所述，每一个集合分布列数据对应有一个目标更新参数)的特征表示匹配系数进行更新处理，以更新为对应的第一更新参考匹配系数，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合(也就是说，将未超过所述目标更新参数的特征表示匹配系数替换为所述第一更新参考匹配系数；另外，示例性地，所述第一更新参考匹配系数的具体数值不受限制，如可以为0)；或者
81.对所述第一梯度直方图匹配关系分布集合中每一个集合分布列数据包括的特征表示匹配系数中，未超过每一个集合分布列数据对应的目标更新参数的特征表示匹配系数和第二更新参考匹配系数进行融合处理，以形成所述第一梯度直方图匹配关系分布集合对应的更新梯度直方图匹配关系分布集合(示例性地，该融合处理可以是对特征表示匹配系数和第二更新参考匹配系数进行乘积计算，所述第二更新参考匹配系数可以为0.02等)。
82.可以选择的是，在所述基于所述更新梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
83.分别基于预先配置的多个目标筛选数量中的每一个目标筛选数量，对所述更新梯度直方图匹配关系分布集合进行调整，以形成每一个目标筛选数量对应的调整梯度直方图匹配关系分布集合(基于此，对于所述多个目标筛选数量，可以形成多个调整梯度直方图匹配关系分布集合；另外，所述目标筛选数量的具体数值可以根据实际应用需求进行配置)；
84.基于所述多个目标筛选数量和每一个所述目标筛选数量对应的调整梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量。
85.可以选择的是，在所述分别基于预先配置的多个目标筛选数量中的每一个目标筛选数量，对所述更新梯度直方图匹配关系分布集合进行调整，以形成每一个目标筛选数量对应的调整梯度直方图匹配关系分布集合的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
86.针对所述多个目标筛选数量中的一个目标筛选数量(每一个目标筛选数量对应的处理方式可以是一致的，以得到调整梯度直方图匹配关系分布集合)，基于所述目标筛选数量，对所述更新梯度直方图匹配关系分布集合进行系数更新处理，以形成对应的初级梯度直方图匹配关系分布集合；
87.对所述初级梯度直方图匹配关系分布集合进行集合分布调整操作，以形成对应的中级梯度直方图匹配关系分布集合，使得所述中级梯度直方图匹配关系分布集合中的每一个特征表示匹配系数组合包括的两个特征表示匹配系数一致，每一个所述特征表示匹配系数组合包括的两个特征表示匹配系数的集合分布关系为目标集合分布关系；
88.对所述中级梯度直方图匹配关系分布集合进行集合分布列数据与集合分布行数据的相关调整处理，以形成对应的高级梯度直方图匹配关系分布集合；
89.对所述高级梯度直方图匹配关系分布集合进行系数映射处理，以形成对应的映射梯度直方图匹配关系分布集合，所述系数映射处理用于将所述高级梯度直方图匹配关系分布集合中每一个集合分布列数据包括的特征表示匹配系数映射至目标系数区间；
90.对所述映射梯度直方图匹配关系分布集合进行集合分布调整操作，形成所述目标筛选数量对应的调整梯度直方图匹配关系分布集合(对所述映射梯度直方图匹配关系分布集合进行集合分布调整操作的具体方式，可以与对所述初级梯度直方图匹配关系分布集合进行集合分布调整操作的具体方式一致，在此不做一一赘述，可以参照后文的相关描述)。
91.可以选择的是，在所述针对所述多个目标筛选数量中的一个目标筛选数量，基于所述目标筛选数量，对所述更新梯度直方图匹配关系分布集合进行系数更新处理，以形成对应的初级梯度直方图匹配关系分布集合的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
92.针对所述更新梯度直方图匹配关系分布集合中每一个集合分布列数据包括的多个特征表示匹配系数，对与初始参考条件匹配的所述目标筛选数量个特征表示匹配系数(即最大的所述目标筛选数量个特征表示匹配系数)以外的其它特征表示匹配系数进行系数更新处理，以更新为预先配置的第一更新目标匹配系数，得到所述初级梯度直方图匹配关系分布集合(示例性地，第一更新目标匹配系数的具体数值不受限制，如可以为0)；或者
93.对所述更新梯度直方图匹配关系分布集合包括的特征表示匹配系数中，与初始参考条件匹配的所述目标筛选数量个特征表示匹配系数以外的其它特征表示匹配系数和预先配置的第二更新目标匹配系数进行融合处理，形成对应的初级梯度直方图匹配关系分布集合(示例性地，该融合处理可以是指，对该其它特征表示匹配系数和该第二更新目标匹配系数进行乘积运算，另外，该第二更新目标匹配系数可以为0.02等数值)。
94.可以选择的是，在所述对所述初级梯度直方图匹配关系分布集合进行集合分布调整操作，以形成对应的中级梯度直方图匹配关系分布集合的步骤中，在一些实施方式中，其
具体可以包括以下的可以执行的子步骤：
95.对所述初级梯度直方图匹配关系分布集合中的集合分布列数据和集合分布行数据进行对换操作，以形成所述初级梯度直方图匹配关系分布集合对应的对换梯度直方图匹配关系分布集合(也就是说，在所述初级梯度直方图匹配关系分布集合中的集合分布列数据对换之后，在所述对换梯度直方图匹配关系分布集合属于集合分布行数据，在所述初级梯度直方图匹配关系分布集合中的集合分布行数据对换之后，在所述对换梯度直方图匹配关系分布集合属于集合分布列数据)；
96.对所述初级梯度直方图匹配关系分布集合和所述初级梯度直方图匹配关系分布集合对应的对换梯度直方图匹配关系分布集合进行特征表示匹配系数的均值融合(也就是说，可以将两个梯度直方图匹配关系分布集合之间相同集合位置的两个特征表示匹配系数进行均值计算，以得到所述中级梯度直方图匹配关系分布集合中相同集合位置的元素)，以形成所述初级梯度直方图匹配关系分布集合对应的中级梯度直方图匹配关系分布集合。
97.可以选择的是，在所述对所述初级梯度直方图匹配关系分布集合进行集合分布调整操作，以形成对应的中级梯度直方图匹配关系分布集合的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
98.在所述初级梯度直方图匹配关系分布集合中筛选出每一个特征表示匹配系数组合，每一个所述特征表示匹配系数组合包括的两个特征表示匹配系数的集合分布关系为目标集合分布关系(示例性地，所述目标集合分布关系可以是指，在所述初级梯度直方图匹配关系分布集合中，每一个所述特征表示匹配系数组合包括的两个特征表示匹配系数之间的连线的垂直平分线与所述初级梯度直方图匹配关系分布集合的集合对角线重合)；
99.针对每一个所述特征表示匹配系数组合，基于该特征表示匹配系数组合包括的两个特征表示匹配系数中的一个特征表示匹配系数，对另一个特征表示匹配系数进行替换，以形成所述初级梯度直方图匹配关系分布集合对应的中级梯度直方图匹配关系分布集合(示例性地，可以将两个特征表示匹配系数中较小的一个特征表示匹配系数，更新或替换为两个特征表示匹配系数中较大的一个特征表示匹配系数)。
100.可以选择的是，在所述对所述中级梯度直方图匹配关系分布集合进行集合分布列数据与集合分布行数据的相关调整处理，以形成对应的高级梯度直方图匹配关系分布集合的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
101.基于所述中级梯度直方图匹配关系分布集合，形成所述中级梯度直方图匹配关系分布集合对应的对换梯度直方图匹配关系分布集合；
102.基于所述中级梯度直方图匹配关系分布集合和所述中级梯度直方图匹配关系分布集合对应的对换梯度直方图匹配关系分布集合，形成所述中级梯度直方图匹配关系分布集合对应的高级梯度直方图匹配关系分布集合，所述高级梯度直方图匹配关系分布集合中每一个特征表示匹配系数，与所述中级梯度直方图匹配关系分布集合中对应的集合分布列数据相关、与所述中级梯度直方图匹配关系分布集合对应的对换梯度直方图匹配关系分布集合中对应的集合分布行数据相关(示例性地，对于所述高级梯度直方图匹配关系分布集合中的每一个特征表示匹配系数，可以先确定该特征表示匹配系数在所述高级梯度直方图匹配关系分布集合中的集合分布位置，如集合分布列数目和集合分布行数目，然后，可以提取出所述中级梯度直方图匹配关系分布集合中对应集合分布列数目的集合分布列数据，作
为第一数据序列，并提取出所述对换梯度直方图匹配关系分布集合中对应集合分布行数目的集合分布行数据，作为第二数据序列，以及，将所述第一数据序列和所述第二数据序列之间相同序列位置的数据进行乘积计算，以得到每一个序列位置对应的乘积计算结果，再将每一个序列位置对应的乘积计算结果进行融合，以求和计算，以得到该特征表示匹配系数)。
103.可以选择的是，在所述对所述高级梯度直方图匹配关系分布集合进行系数映射处理，以形成对应的映射梯度直方图匹配关系分布集合的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
104.基于所述高级梯度直方图匹配关系分布集合中每一个集合分布列数据包括的多个特征表示匹配系数，筛选出每一个集合分布列数据对应的目标特征表示匹配系数(示例性地，所述目标特征表示匹配系数可以为所述多个特征表示匹配系数中的最大值)；
105.针对所述高级梯度直方图匹配关系分布集合中的每一个集合分布列数据，基于该集合分布列数据对应的目标特征表示匹配系数，对该集合分布列数据包括的多个特征表示匹配系数进行系数映射处理(示例性地，该系数映射处理可以是指，将该特征表示匹配系数除以对应的目标特征表示匹配系数)，以形成对应的映射梯度直方图匹配关系分布集合。
106.可以选择的是，在所述基于所述多个目标筛选数量和每一个所述目标筛选数量对应的调整梯度直方图匹配关系分布集合，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
107.基于所述多个目标筛选数量和每一个所述目标筛选数量对应的调整梯度直方图匹配关系分布集合，分析输出每一个所述目标筛选数量对应的目标筛选数量占比，所述目标筛选数量占比用于反映对应的所述目标筛选数量对应的调整梯度直方图匹配关系分布集合中筛选出的特征表示匹配系数的筛选数目；以及，基于每一个所述目标筛选数量对应的目标筛选数量占比，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量。
108.可以选择的是，在所述基于所述多个目标筛选数量和每一个所述目标筛选数量对应的调整梯度直方图匹配关系分布集合，分析输出每一个所述目标筛选数量对应的目标筛选数量占比的步骤中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
109.针对所述多个目标筛选数量中的一个目标筛选数量(对于每一个所述目标筛选数量，对应的处理方式可以是一致的，以形成每一个所述目标筛选数量对应的目标筛选数量占比)，对所述目标筛选数量对应的调整梯度直方图匹配关系分布集合进行拉氏积分映射处理(示例性地，所述拉氏积分映射处理是工程数学中常用的一种积分变换，属于线性变换，可以将一个因数为实数t(t≥0)的函数转换为一个因数为复数s的函数)，以形成所述目标筛选数量对应的积分梯度直方图匹配关系分布集合；
110.对所述积分梯度直方图匹配关系分布集合进行集合元素主成分分解操作(所述集合元素主成分分解操作的处理原理为：对于矩阵a(m*n)，即所述积分梯度直方图匹配关系分布集合，存在u(m*m)，v(n*n)，s(m*n)，满足a＝u*s*v’，u和v中分别是a的奇异向量，而s是a的奇异值，aa'的正交单位特征向量组成u，目标关键参数组成s's，a'a的正交单位特征向量组成v，目标关键参数组成ss')，以形成对应的多个目标关键参数；
111.从所述多个目标关键参数中，筛选出第一关键参数和指定数目个第二关键参数，所述第一关键参数在所述多个目标关键参数中最大，每一个所述第二关键参数属于，基于目标先后关系信息(如先大后小)对所述多个目标关键参数进行按序排布处理后确定出的与预先设置的相关配置条件匹配的(如最大的指定数目个，该指定数目可以为2、4等)目标关键参数；
112.对所述指定数目个第二关键参数中排布序号邻接的每两个第二关键参数进行求差计算，以输出对应的多个关键参数求差结果；
113.基于所述第一关键参数，对第一关键参数求差结果进行数值映射处理，得到映射关键参数求差结果(示例性地，可以将所述第一关键参数求差结果除以所述第一关键参数)，所述第一关键参数求差结果属于所述多个关键参数求差结果中具有最大值的关键参数求差结果；
114.基于所述映射关键参数求差结果和所述目标筛选数量，计算输出所述目标筛选数量对应的目标筛选数量占比(示例性地，所述目标筛选数量占比可以等于，所述目标筛选数量除以所述映射关键参数求差结果)。
115.可以选择的是，在所述基于每一个所述目标筛选数量对应的目标筛选数量占比，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量的步骤中，在一些实施方式中，其具体包括以下的可以执行的子步骤：
116.基于每一个所述目标筛选数量对应的目标筛选数量占比，从所述多个目标筛选数量中分析输出对应的第一目标筛选数量，所述第一目标筛选数量属于所述多个目标筛选数量中对应的目标筛选数量占比具有最小值的目标筛选数量；获取到所述第一目标筛选数量对应的多个关键参数求差结果；以及，基于所述第一目标筛选数量对应的多个关键参数求差结果，分析输出所述多个初始监控图像中具有的图像监控用户的用户数量(示例性地，可以将所述第一目标筛选数量对应的多个关键参数求差结果组成所述第一目标筛选数量对应的关键参数求差结果特征表示，然后，对所述关键参数求差结果特征表示进行分析处理，得到所述多个初始监控图像中具体的图像监控用户的用户数量，该分析处理可以是寻找具有最大评分的参量)。
117.可以选择的是，在所述基于所述图像监控用户的用户数量，对所述多个初始监控图像进行分组，以形成每一个图像监控用户对应的初始监控图像的步骤中，在一些实施方式中，具体可以包括以下的可以执行的子步骤：
118.对所述第一目标筛选数量对应的调整梯度直方图匹配关系分布集合进行集合元素主成分分解操作(如前相关描述)，得到多个代表关键参数；
119.从所述多个代表关键参数中，筛选出所述图像监控用户的用户数量个代表关键参数(示例性地，可以筛选出最小的所述图像监控用户的用户数量个代表关键参数)；提取出所述图像监控用户的用户数量个代表关键参数中的每一个代表关键参数对应的特征表示；
120.基于所述图像监控用户的用户数量个代表关键参数中的每一个代表关键参数对应的特征表示，构建出对应的特征表示分布集合(示例性，每一个所述特征表示的尺寸可以为1*a,对于b个代表关键参数，所述特征表示分布集合的尺寸可以为b*a)，所述特征表示分布集合的集合行数据的数量等于所述图像监控用户的用户数量，所述特征表示分布集合的集合列数据的数量等于所述初始监控图像的数量；
121.基于所述特征表示分布集合，分析输出所述多个初始监控图像中的每一个初始监控图像对应的特征表示(例如，可以将所述特征表示分布集合中的一个集合列数据作为一个初始监控图像对应的特征表示)；
122.基于所述图像监控用户的用户数量和所述多个初始监控图像中的每一个初始监控图像对应的特征表示，对所述多个初始监控图像进行分组(示例性地，可以基于所述特征表示之间的匹配系数或距离，对所述多个初始监控图像进行聚类，其中，具体的聚类方式不受限制，聚类中心的数量可以为所述图像监控用户的用户数量)，以形成每一个图像监控用户对应的初始监控图像。
123.可以选择的是，在上述的步骤s130中，在一些实施方式中，其具体可以包括以下的可以执行的子步骤：
124.分别对所述至少一个监控图像分类集合中的每一个所述监控图像分类集合进行数据推送处理，以依次将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备，使得所述第一5g互联网终端设备依次对当前接收到的所述监控图像分类集合包括的初始监控图像进行可视化处理；
125.依次将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备的先后顺序，基于包括的初始监控图像的图像采集时间确定(例如，可以将包括的初始监控图像的图像采集时间的平均值早的先进行推送，将包括的初始监控图像的图像采集时间的平均值晚的后进行推送)，且在依次将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备的过程中，同一个所述监控图像分类集合包括的多个初始监控图像通过拼接形成一个拼接初始监控图像，再推送给所述第一5g互联网终端设备(使得所述第一5g互联网终端设备可以直接对拼接初始监控图像进行可视化处理)。
126.结合图3，本发明实施例还提供一种基于5g互联网的监控数据可视化装置，可应用于上述基于5g互联网的监控数据可视化系统。其中，所述基于5g互联网的监控数据可视化装置可以包括：
127.监控图像获取模块，用于在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，获取多个第二5g互联网终端设备采集得到的多个初始监控图像(具体内容可以参照前述的步骤s110)；
128.监控图像分类模块，用于依据对应的图像内容，对所述多个初始监控图像进行分类，以形成所述多个初始监控图像对应的至少一个监控图像分类集合，每一个所述监控图像分类集合包括至少一个所述初始监控图像(具体内容可以参照前述的步骤s120)；
129.监控图像推送模块，用于分别对所述至少一个监控图像分类集合中的每一个所述监控图像分类集合进行数据推送处理，以将每一个所述监控图像分类集合推送给所述第一5g互联网终端设备，使得所述第一5g互联网终端设备对接收到的所述监控图像分类集合包括的初始监控图像进行可视化处理(具体内容可以参照前述的步骤s130)。
130.综上所述，本发明提供的一种基于5g互联网的监控数据可视化方法及系统，在接收到第一5g互联网终端设备发起的监控数据可视化请求信息的情况下，获取多个第二5g互联网终端设备采集得到的多个初始监控图像；依据对应的图像内容，对多个初始监控图像进行分类，以形成对应的至少一个监控图像分类集合；分别对至少一个监控图像分类集合中的每一个监控图像分类集合进行数据推送处理，以将每一个监控图像分类集合推送给第
一5g互联网终端设备，使得第一5g互联网终端设备对接收到的监控图像分类集合包括的初始监控图像进行可视化处理。基于前述的内容，由于监控图像是分类推送的，使得可以进行分类可视化处理，从而提供可视化处理的效果(例如，通过分类可视化，可以使得可视化的内容之间更为紧密)，进而改善现有技术中监控数据的可视化处理的效果不佳的问题。
131.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。