本发明涉及计算机技术领域，尤其涉及一种视频流数据的处理方法、设备和系统。
背景技术：
摄像设备作为一种视频输入设备，可以通过视频采集卡与计算机设备进行连接，具有视频摄像、视频传播以及静态图像捕捉等功能。摄像设备主要包含镜头、感光组件电路以及控制组件，其中，镜头用于对图像进行采集，感光组件以及控制组件用于对采集到的图像进行处理，并将采集到的图像转换成数字信号，摄像设备可以将采集到的图像存储在视频采集卡上，也可以将转换得到的数字信号发送给计算机设备。计算机设备在接收到数字信号后，可以通过对数字信号的转化实现播放视频图像。因此，摄像设备被广泛应用于监控领域。
具体地，在所要监控的目标位置部署摄像设备，并将其与计算机设备之间建立数据传输链路。这样，当摄像设备对目标位置的图像进行采集时，计算机设备可以将采集的图像进行显示，以实现对目标位置的监控。例如，在某一交通路口安装摄像设备，可以实现对该交通路口的交通状况的监控。
然而，在实际应用中，计算机设备可以按照摄像设备采集图像的时间顺序依次对接收到的图像数据进行存储。在一些特殊场景下，如果需要查找在目标位置中发生的特定事件的数据时，需要从计算机设备中查找到该目标位置对应的历史图像数据，并对查找到的历史图像数据进行分析，以得到在目标位置中发生的特定事件的数据。在这一过程中，如果查找的图像数据的数据量比较大，导致后续图像数据分析的数据量也相对较大，进而使得得到所需要数据的效率比较低。
技术实现要素：
有鉴于此，本发明实施例提供了一种视频流数据的处理方法、设备和系统，用于解决现有的通过查找摄像设备采集到的图像数据获取需要的数据时，由于需要查找的图像数据的数量比较大导致的得到需要的数据的效率比较低的问题。
本发明提供了一种视频流数据的处理方法，包括：
接收至少一个摄像设备发送的多个视频流数据，其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；
根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；
按照所述特征，对接收到的所述多个视频流数据进行分类。
本发明提供了一种视频流数据的处理设备，包括：
接收单元，用于接收至少一个摄像设备发送的多个视频流数据，其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；
提取单元，用于根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；
分类单元，用于按照所述特征，对接收到的所述多个视频流数据进行分类。
本发明提供了一种视频流数据的处理系统，包括：
至少一个摄像设备，用于采集设定对象的图像数据，得到多个视频流数据，并将得到的多个视频流数据发送至数据处理设备，其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；
数据处理设备，用于接收所述至少一个摄像设备发送的多个视频流数据，根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；按照所述特征，对接收到的所述多个视频流数据进行分类。
本发明有益效果如下：
本发明实施例接收至少一个摄像设备发送的多个视频流数据，其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；按照所述特征，对接收到的所述多个视频流数据进行分类。在接收到摄像设备采集的设定对象的图像数据后，通过提取所述设定对象的特征，并按照提取的特征对接收到的视频流数据进行分类，有效实现了视频流数据向结构化数据的转换，同时也为后续从大量的视频流数据中查找到符合目标对象的视频流数据奠定基础，有效提升获取目标对象的视频流数据的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种视频流数据的处理方法的流程示意图；
图2为本发明实施例提供的一种识别车牌号码的算法流程示意图；
图3为本发明实施例提供的一种识别所述车辆的车辆类型的方法流程示意图；
图4为本发明实施例提供的一种识别所述车辆大小的方法流程示意图；
图5为本发明实施例提供的一种识别人脸特征的方法流程示意图；
图6为本发明实施例提供的一种视频流数据的处理设备的结构示意图；
图7为本发明实施例提供的一种视频流数据的处理系统的结构示意图。
具体实施方式
为了实现本发明的目的，本发明实施例中提供了一种视频流数据的处理方法、设备和系统，接收至少一个摄像设备发送的多个视频流数据，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；按照所述特征，对接收到的所述多个视频流数据进行分类。
在接收到摄像设备采集的设定对象的图像数据后，通过提取所述设定对象的特征，并按照提取的特征对接收到的视频流数据进行分类，有效实现了视频流数据向结构化数据的转换，同时也为后续从大量的视频流数据中查找到符合目标对象的视频流数据奠定基础，有效提升获取目标对象的视频流数据的效率。
下面结合说明书附图对本发明的各个实施例作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种视频流数据的处理方法的流程示意图，所述方法如下所述。
步骤101：接收至少一个摄像设备发送的多个视频流数据。
其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据。
在步骤101中，摄像设备可以对设定对象进行图像采集，在得到所述设定对象的图像数据后，可以将包含所述设定对象的图像数据的视频流数据发送至数据处理设备，所述数据处理设备可以接收所述视频流数据。
需要说明的是，这里的摄像设备指的是可以对图像进行采集的设备，可以是摄像头，也可以是摄像机，不做具体限定，所述摄像设备的个数可以是一个，也可以是多个，不做具体限定，每一个所述摄像设备可以向数据处理设备发送一个视频流数据，也可以向数据处理设备发送多个视频流数据，这里也不做具体限定。
所述数据处理设备指的是可以接收所述视频流数据并对所述视频流数据进行处理的设备，可以是计算机设备，也可以是其他智能设备，不做具体限定。
在实际应用中，可以将所述摄像设备部署在需要进行图像数据采集的设定位置，这样，所述摄像设备可以对所述设定位置包含的设定对象进行图像采集，并得到所述设定对象的图像数据。其中，所述设定对象的个数可以是一个，也可以是多个，不做具体限定。
所述至少一个摄像设备在得到所述设定对象的图像数据后，可以向所述数据处理设备发送包含所述设定对象的图像数据的多个视频流数据，所述数据处理设备可以接收所述至少一个摄像设备发送的所述多个视频流数据。
可选地，在接收至少一个摄像设备发送的多个视频流数据后，所述方法还包括：
确定每一个所述摄像设备所在的位置信息；并建立每一个位置信息与由在所述位置信息对应的位置上的所述摄像设备发送的视频流数据之间的映射关系。
所述数据处理设备在接收到所述至少一个摄像设备发送的多个视频流数据后，还可以确定发送所述多个视频流数据的每一个摄像设备的位置信息。其中，可以通过在部署所述至少一个摄像设备时记录的所述至少一个摄像设备的位置信息确定所述至少一个摄像设备的位置信息，还可以通过其他方式确定所述至少一个摄像设备的位置信息，这里不做具体限定。
在确定所述至少一个摄像设备的位置信息后，可以建立每一个位置信息与由在所述位置信息对应的位置上的所述摄像设备发送的视频流数据之间的映射关系，这样，在建立所述映射关系后，可以根据所述映射关系确定每一个所述视频流数据对应的位置信息。
步骤102：根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征。
其中，所述设定对象的特征用于表征所述设定对象所具备的属性。
在步骤102中，所述数据处理设备在接收到所述视频流数据后，可以对接收到的每一个视频流数据中包含的图像数据进行分析，以提取所述图像数据中包含的所述设定对象的特征。
需要说明的是，在本发明实施例中，所述设定对象可以是车辆，也可以是人脸，还可以是其他设定对象，但是，在实际应用中，在获取到摄像设备采集的图像数据后，通常对图像数据中包含的车辆以及人脸进行分析，并获取与车辆相关的信息以及与人脸相关的信息，因此，在本发明实施例中，可以以所述设定对象为车辆和人脸为例进行说明。
所述数据处理设备在根据每一个所述视频流数据包含的图像数据进行分析时，可以提取所述视频流数据中包含的车辆的特征，也可以提取所述视频流数据中包含的人脸特征。
需要说明的是，在本发明实施中，所述车辆的特征可以包含所述车辆的车牌号码，所述车辆的车辆类型以及所述车辆的颜色，所述人脸特征可以包含面部特征等其他特征，这里不做具体限定。
下面将分别针对提取所述视频流数据中包含的车辆的特征以及提取所述视频流数据中包含的人脸特征进行说明。
第一：提取所述多个视频流数据中包含的车辆的特征。
所述摄像设备对车辆进行图像采集时，可以采集到包含车辆的图像数据，那么，所述数据处理设备在接收到所述多个视频流数据后，可以根据所述多个视频流数据中包含的所述车辆的图像数据，提取所述车辆的特征。
具体地，根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，包括：
对每一个所述视频流数据中包含的图像数据进行分析，提取包含车辆的图片数据；
利用预设识别算法识别所述图片数据的颜色，并在确定所述图片数据中包含车牌号码时，利用预设算法识别所述图片数据中包含的车牌号码，确定所述图片数据中包含的车牌号码。
所述数据处理设备可以从所述车辆的图像数据中提取包含所述车辆的图片数据，并确定所述图片数据的颜色，其中，所述图片数据的颜色可以作为所述车辆的颜色。
例如，如果确定所述图片数据的颜色为红色，那么，所述车辆的颜色即为红色。
需要说明的是，在实际应用中，每辆车辆至少包含一种颜色，因此，在本发明实施例中，在确定所述图片数据的颜色时，可能得到至少两种颜色，如果确定得到的所述车辆的颜色至少有两种，那么，可以将其中一种颜色作为所述车辆的颜色，也可以将其中至少两种颜色作为所述车辆的颜色，不做具体限定。
例如，所述图片数据的颜色包含白色和黑色两种颜色，可以将黑色作为车辆的颜色，也可以将白色作为车辆的颜色，还可以将白色和黑色作为车辆的颜色。
在实际应用中，每个车辆拥有一个车牌号码，每个车牌号码各不相同，也就是说，车辆的车牌号码是车辆的唯一标识，因此，在提取到包含车辆的图片数据时，如果所述图片数据中包含车牌号码，可以所述车牌号码进行识别。
具体地，在确定所述图片数据中包含车牌号码时，可以利用预设算法对所述图片数据进行识别，以确定所述车牌号码。
需要说明的是，所述预设算法可以是字符识别算法，也可以是其他可以识别所述车牌号码的算法，不做具体限定。
图2为本发明实施例提供的一种识别车牌号码的算法流程示意图。
从图2中可以看出，在提取所述车辆的车牌号码时，可以分为五个步骤：
第一步：获取提取的包含车牌号码的图片数据
第二步：对提取的包含车牌号码的图片数据进行粗定位，定位所述车牌号码；
第三步：对所述车牌号码进行精确定位；
第四步：将定位得到的车牌号码进行字符分割，并利用字符识别算法识别分割的字符；
第五步：输出识别结果。
此时，可以确定所述图片数据中包含的车牌号码。
可选地，在确定所述车辆的车牌号码后，还可以进一步确定所述车牌的种类，其中，所述车牌的种类包括但不限于：普通民用车牌、单层黄牌、双层黄牌、新式武警车牌、军牌、警用车牌、农用车牌、港牌等。
具体地，根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，包括：
对每一个所述视频流数据中包含的图像数据进行分析，提取包含车辆的图型数据；
将所述图型数据与预设车辆模型数据库中包含的车辆模型数据进行匹配；
根据匹配结果，识别所述车辆的车辆类型，其中，所述车辆类型包含车辆的型号。
所述数据处理设备在确定所述视频流数据中包含所述车辆的图型数据时，可以提取所述车辆的图型数据，并根据所述车辆的图型数据确定所述车辆的车辆类型。
在本发明实施例中，所述车辆类型可以包括但不限于：所述车辆的品牌(例如：大众等)、型号(例如：帕萨特等)、年款(例如：2013款等)、类别(例如：面包车、轿车等)，等。
在提取到所述车辆的图型数据后，可以将所述车辆的图型数据与所述预设车辆模型库中包含的车辆模型数据进行匹配，进而识别所述车辆的车辆类型。
需要说明的是，所述预设车辆模型库中已预先存储现有的各种不同车辆类型的车辆模型数据，这样，所述数据处理设备在提取到所述车辆的车型数据后，可以将提取的所述车辆的图型数据与预设车辆模型库中包含的车辆模型数据进行匹配，并根据匹配结果识别所述车辆的车辆类型。
图3为本发明实施例提供的一种识别所述车辆的车辆类型的方法流程示意图。
从图3中可以看出，可以预先建立车脸样本库，其中，所述车脸样本库中包含各种不同车辆类型的车辆模型数据，这样，在提取到所述车辆的车型数据后，可以根据所述车辆的车型数据确定所述车辆的局部特征向量，并将所述车辆的局部特征向量与所述车脸样本库中包含的所有车型的局部特征向量进行匹配，根据匹配结果找到与所述车辆的车型相似度最大的车型，如果所述相似度大于设定阈值，则可以将找到的与所述车辆的车型相似度最大的车型作为所述车辆的车型。
需要说明的是，在实际应用中，在需要确定所述车辆的车辆类型以外，还需要确定所述车辆属于大车还是小车。
在本发明实施例中，可以根据所述多个视频流数据确定所述车辆属于大车还是小车。
具体地，可以根据所述车辆的车型数据确定所述车辆属于大车还是小车。
需要说明的是，在本发明实施例中，对识别所述车辆属于大车还是属于小车的识别算法不做具体限定。
图4为本发明实施例提供的一种识别所述车辆大小的方法流程示意图。
从图4中可以看出，可以预先建立车型样本数据库，其中，所述车型样本数据库包含大车的车型数据和小车的车型数据，这样，在得到所述车辆的车型数据后，可以根据所述车辆的车型数据提取所述车辆的车型的特征向量，并将所述车型的特征向量与车型样本数据库中的车型的特征向量进行匹配，根据匹配结果判断所述车辆的车型是大车还是小车。
可选地，在提取所述车辆的特征后，所述方法还包括：
根据提取的每一个所述视频流数据中包含的所述车辆的特征，生成包含所述特征的车辆图片。
需要说明的是，根据上述记载的方法，所述数据处理设备可以确定所述车辆的三个特征，即所述车牌号码、所述车辆类型以及所述车辆的颜色，那么，所述数据处理设备在生成车辆图片时，可以选择其中一种车辆特征生成包含选择的所述其中一个特征的车辆图片，也可以选择其中多个特征生成包含选择的所述多个特征的车辆图片，不做具体限定，其中，可以通过计算的方法生成所述车辆图片，也可以通过模拟仿真的方法生成所述车辆图片，这里不做具体限定。
第二：提取所述多个视频流数据中包含的人脸特征。
所述摄像设备对人脸进行图像采集时，可以采集到包含人脸的图像数据，那么，所述数据处理设备在接收到所述视频流数据后，可以根据所述视频流数据中包含的所述人脸的图像数据，提取所述多个视频流数据中包含的人脸特征。
具体地，根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，包括：
对每一个所述视频流数据中包含的图像数据进行分析，提取包含人脸的图像数据；
将所述包含人脸的图像数据与人脸数据库中包含的人脸特征数据进行匹配；
根据匹配结果，识别所述视频流数据中所包含的人脸特征。
所述数据处理设备在确定所述视频流数据中包含人脸的图像数据时，提取包含所述人脸的图像数据，并将所述图像数据与人脸数据库中包含的人脸特征数据进行匹配，并根据匹配结果识别所述视频流数据中包含的人脸特征。
在实际应用中，可以将提取到的包含所述人脸的图像数据与设定区域范围内所有人脸的特征数据进行匹配，此时，所述人脸数据库可以预先存储所述设定区域范围内所有的人脸特征数据，这样，可以将所述包含人脸的图像数据与所述人脸数据库预先存储的人脸的特征数据进行匹配，根据匹配结果识别所述视频流数据中包含的人脸特征，其中，所述设定区域范围可以根据实际情况确定，这里不作具体限定。
图5为本发明实施例提供的一种识别人脸特征的方法流程示意图。
如图5所示，人脸识别方法可以分为：人脸采集服务(RFSS)、特征提取服务(FRS)、特征对比服务(FCS)、人脸检索服务(FSS)、实时对比服务(RFCS)，其中：
人脸采集服务：获取视频流，提取包含人脸的图像数据，报告状态给任务调度服务器(VMS)，并处理配置请求指令；
特征提取服务：对传入的包含人脸的图像数据做人脸检测和特征提取并存入数据库，返回人脸特征(faceId)结果，报告状态给任务调度服务器，并处理配置请求指令；
特征对比服务：接收传入的人脸特征，根据人脸特征从数据库获取特征值做特征值比对，返回2个特征值相似度，报告状态给任务调度服务器并处理配置请求指令；
人脸检索服务：接收传入的人脸特征，根据人脸特征从数据库获取特征值做人脸检索，返回检索结果序列，报告状态给任务调度服务器并处理配置请求指令；
实时比对服务：接收传入的人脸特征，根据人脸特征从数据库获取特征值做人脸对比，返回对比结果，报告状态给任务调度服务器并处理配置请求指令。
步骤103：按照所述特征，对接收到的所述多个视频流数据进行分类。
在步骤103中，所述数据处理设备在提取到所述设定对象的特征后，可以按照所述特征，对接收到的所述视频流数据进行分类。
可选地，在提取到每一个所述视频流数据中包含的设定对象的特征时，分别建立每一个所述视频流数据与所述设定对象的特征之间的映射关系。
所述数据处理设备在提取到所述设定对象的特征时，可以建立每一个所述视频流数据与所述特征之间的映射关系。
基于上述步骤102中记载的的内容，所述设定对象的特征可以是所述车辆的特征，也可以是所述人脸特征。
需要说明的是，所述数据处理设备提取的所述设定对象的特征的个数可能是一个，也可能是多个，那么，在建立每一个所述视频流数据与所述特征之间的映射关系，可以分别针对上述两种情况建立所述映射关系。
在确定提取到的所述设定对象的特征的个数为1时，可以建立所述特征与每一个所述视频流数据之间的映射关系。
例如，所述特征为“车辆的颜色为红色”，那么，可以建立包含红色车辆的所述视频流数据与“车辆的颜色为红色”之间的映射关系。
在确定提取到的所述设定对象的特征个数大于1时，针对每一个特征，分别执行以下操作：
选择其中至少一个特征，将包含选择的所述特征的视频流数据作为同一类，并建立选择的所述特征与包含选择的所述特征的视频流数据之间的映射关系。
也就是说，在确定提取到的所述设定对象的特征的个数大于等于2时，可以建立其中一个特征与包含所述一个特征的所述视频流数据之间的映射关系，也可以建立多个(大于等于2个)特征与包含所述多个特征的所述视频流数据之间的映射关系。
例如，在确定所述特征为“车辆的颜色为红色”以及“车辆的车辆类型为轿车”，那么，可以建立包含红色车辆的所述视频流数据与“车辆的颜色为红色”之间的映射关系，也可以建立包含轿车的所述视频流数据与“车辆的车辆类型为轿车”之间的映射关系，还可以建立包含红色轿车的所述视频流数据与“车辆的颜色为红色”以及“车辆的车辆类型为轿车”之间的映射关系。
可选地，所述方法还包括：
在对接收到的所述多个视频流数据进行分类后，按照分类结果存储所述多个视频流数据。
所述数据处理设备在根据提取的所述设定对象的特征进行分类后，可以按照分类结果将所述多个视频流数据存储至所述数据处理设备中，这样，在需要查找所述设定对象的数据时，可以根据所述设定对象的特征快速找到与所述特征对应的图像数据。
可选地，在按照分类结果存储每一个所述视频流数据时，还可以将每一个所述视频流数据的位置信息进行存储。
需要说明的是，在步骤101中，所述数据处理设备已建立所述位置信息与由在所述位置信息对应的位置上的所述摄像设备发送的视频流数据之间的映射关系，因此，在按照分类结果存储每一个所述视频流数据时，可以根据所述视频流数据与所述位置信息之间的映射关系，确定每一个所述视频流数据的位置信息，并按照所述特征，将包含所述特征的视频流数据以及所述视频流数据对应的位置信息进行存储。
本发明实施例接收至少一个摄像设备发送的多个视频流数据，其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；按照所述特征，对接收到的所述多个视频流数据进行分类。在接收到摄像设备采集的设定对象的图像数据后，通过提取所述设定对象的特征，并按照提取的特征对接收到的视频流数据进行分类，有效实现了视频流数据向结构化数据的转换，同时也为后续从大量的视频流数据中查找到符合目标对象的视频流数据奠定基础，有效提升获取目标对象的视频流数据的效率。
图6为本发明实施例提供的一种视频流数据的处理设备的结构示意图。所述视频流数据的处理设备包括：接收单元61、提取单元62、分类单元63、建立单元64、存储单元65和生成单元66，其中：
接收单元61，用于接收至少一个摄像设备发送的多个视频流数据，其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；
提取单元62，用于根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；
分类单元63，用于按照所述特征，对接收到的所述多个视频流数据进行分类。
可选地，所述视频流数据的处理设备还包括：建立单元64，其中
所述建立单元64，用于在所述提取单元62提取到每一个所述视频流数据中包含的设定对象的特征时，分别建立每一个所述视频流数据与所述设定对象的特征之间的映射关系。
具体地，所述分类单元63对接收到的所述多个视频流数据进行分类，包括：
在确定提取到的所述设定对象的特征个数大于1时，针对每一个特征，分别执行以下操作：
选择其中至少一个特征，将包含选择的所述特征的视频流数据作为同一类，并建立选择的所述特征与包含选择的所述特征的视频流数据之间的映射关系。
可选地，所述视频流数据的处理设备还包括：存储单元65，其中：
所述存储单元65，用于在所述分类单元63对接收到的所述多个视频流数据进行分类后，按照分类结果存储所述多个视频流数据。
可选地，所述建立单元64，还用于在所述接收单元61接收至少一个摄像设备发送的多个视频流数据后，确定每一个所述摄像设备所在的位置信息；并建立每一个位置信息与由在所述位置信息对应的位置上的所述摄像设备发送的视频流数据之间的映射关系。
所述提取单元62根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，包括：
对每一个所述视频流数据中包含的图像数据进行分析，提取包含车牌号码的图片数据；
利用预设算法对所述包含车牌号码的图片数据进行识别，确定所述图片数据中包含的车牌号码。
所述提取单元62根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，包括：
对每一个所述视频流数据中包含的图像数据进行分析，提取包含车辆的图型数据；
将所述图型数据与预设车辆模型数据库中包含的车辆模型数据进行匹配；
根据匹配结果，识别所述车辆的车辆类型，其中，所述车辆类型包含车辆的型号。
所述提取单元62根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，包括：
对每一个所述视频流数据中包含的图像数据进行分析，提取包含车辆的图片数据；
利用预设识别算法识别所述图片数据的颜色。
可选地，所述视频流数据处理设备还包括：生成单元66，其中：
生成单元66，用于根据所述提取单元62提取的每一个所述视频流数据中包含的所述车辆的特征，生成包含所述特征的车辆图片。
可选地，所述建立单元64，还用于根据所述车辆图片中包含的图片数据，从接收到的视频流数据中选择出包含所述图片数据的视频流数据，并建立所述车辆图片与选择的视频流数据之间的映射关系。
所述提取单元62根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，包括：
对每一个所述视频流数据中包含的图像数据进行分析，提取包含人脸的图像数据；
将所述包含人脸的图像数据与人脸数据库中包含的人脸特征数据进行匹配；
根据匹配结果，识别所述视频流数据中所包含的人脸特征；
所述分类单元63按照所述特征，对接收到的所述多个视频流数据进行分类，包括：
按照所述人脸特征，对接收到的所述多个视频流数据进行分类
需要说明的是，本发明实施例提供的视频流数据的处理设备可以通过硬件方式实现，也可以通过软件方式实现，这里不做限定。
图7为本发明实施例提供的一种视频流数据的处理系统的结构示意图。所述系统包括：至少一个摄像设备711～71n、数据处理设备72和存储设备73，其中：
至少一个摄像设备711～71n，用于采集设定对象的图像数据，得到多个视频流数据，并将得到的多个视频流数据发送至数据处理设备，其中，每一个所述视频流数据中包含所述摄像设备采集的设定对象的图像数据；
数据处理设备72，用于接收所述至少一个摄像设备711～71n发送的多个视频流数据，根据每一个所述视频流数据中包含的图像数据，提取每一个所述视频流数据中包含的所述设定对象的特征，其中，所述设定对象的特征用于表征所述设定对象所具备的属性；按照所述特征，对接收到的所述多个视频流数据进行分类。
可选地，所述视频流数据处理系统还包括：存储设备73，其中：
所述存储设备73，用于按照所述数据处理设备的分类结果，存储所述多个视频流数据。
具体地，所述数据处理设备72还包括：车辆特征分析模块721和人脸特征分析模块722，其中：
所述车辆分析模块721，用于对所述至少一个摄像设备711～71n发送的多个视频流数据中包含的车辆的图像数据进行分析，提取所述车辆的特征；
所述人脸特征分析模块722，用于对所述至少一个摄像设备711～71n发送的多个视频流数据中包含的人脸的图像数据进行分析，提取所述多个视频流数据中包含的人脸特征。
可选地，所述车辆分析模块721还包括：车牌号码分析模块7211、车辆类型分析模块7212和车辆颜色分析模块7213，其中：
所述车牌号码分析模块7211，用于对所述至少一个摄像设备711～71n发送的多个视频流数据中包含的车辆的图像数据进行分析，提取所述车辆的车牌号码；
所述车辆类型分析模块7212，用于对所述至少一个摄像设备711～71n发送的多个视频流数据中包含的车辆的图像数据进行分析，提取所述车辆的车辆类型；
所述车辆颜色分析模块7213，用于对所述至少一个摄像设备711～71n发送的多个视频流数据中包含的车辆的图像数据进行分析，提取包含所述车辆的图片数据，并识别所述图片数据的颜色。
本领域的技术人员应明白，本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。