具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的图像存储方法，可以应用于如图1所示的应用环境中。其中，智慧安防监控终端102通过网络与服务器104进行通信，服务器还连接有用户终端106，用户终端106用于向服务器104发送待检索的图像，还能够接收服务器104返回的压缩图像和画质增强图像。具体地，参考图1，在智慧安防监控场景中，智慧安防监控终端将采集的视频流上传至服务器104，服务器104获取智慧安防监控终端上传的视频流，然后从视频流中的每单位时长的视频中提取图像质量最高的视频帧作为目标视频帧，服务器104通过对目标视频帧进行压缩处理，得到目标视频帧的压缩图像，进而将压缩图像进行存储。其中，智慧安防监控终端102是指具有智能识别移动检测技术的安防监控设备，智慧安防监控终端包括但不限于监控摄像机、视频监控平台，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，用户终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。

在一个实施例中，如图2所示，提供了一种图像存储方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S201，获取智慧安防监控终端上传的视频流。

其中，视频流是指视频数据以流式格式进行传输。

具体地，智慧安防监控终端将视频数据按照编码标准进行编码，将编码的视频数据按照安防视频信息传输标准，以视频流的格式上传至向服务器，服务器接收智慧安防终端上传的编码的视频数据。安防视频信息传输标准（Technical requirements forinformation transport, switch and control in video surveillance networksystem for public security，安全防范视频监控联网系统信息传输、交换、控制技术要求）为GB/T28181。视频数据的编码标准包括H.264，H.265。

例如，电梯安防监控场景中安装的监控摄像机，对电梯内画面进行拍摄，监控摄像机将拍摄的视频数据按照H.264编码标准进行编码，将编码的视频数据按照GB/T28181的安防视频信息传输标准，以视频流的形式上传至服务器中，服务器接收监控摄像机传输的编码的视频数据。

步骤S202，提取视频流中的目标视频帧；目标视频帧为视频流中的每单位时长的视频中的图像质量最高的视频帧。

其中，单位时长可以是1秒、2秒等，当然也可以根据实际情况进行调整，在此不进行具体限定。每单位时长的视频中所包括的视频帧的数量至少是2帧，比如15帧、30帧等，当然也可以根据实际情况进行调整，在此不进行具体限定。视频帧是指视频中最小单位的单幅图像。

其中，视频帧的图像质量，是由视频帧的各种图像质量影响因素综合确定的。

具体地，服务器分别获取视频流中的每单位时长的视频中所包括的视频帧的图像质量，然后从视频流中的每单位时长的视频中，提取出图像质量最高的视频帧，作为目标视频帧。由此，服务器在获取到目标视频帧之后，将目标视频帧作为处理对象执行后续的图像压缩步骤。

例如，每秒的视频中包含有30帧的视频帧，服务器分别获取这30帧的视频帧的图像质量，然后从这30帧中选择图像质量最高的那一帧视频帧，将其作为目标视频帧。

步骤S203，对目标视频帧进行压缩处理，得到目标视频帧的压缩图像；压缩图像的画质增强图像的图像画质与目标视频帧相同。

其中，压缩处理是指通过图像压缩算法降低目标视频帧的码率。图像压缩算法包括但不限于降采样。画质增强图像是指通过多种基于深度学习的图像超分算法，对压缩图像进行画质增强处理后所得到的图像。基于深度学习的图像超分算法，包括但不限于图像区域增强算法、色域增强算法、色彩增强算法、超分辨率算法。

具体地，服务器通过图像压缩算法，对目标视频帧进行压缩处理，直到压缩处理后得到的压缩图像的画质增强图像的图像画质与目标视频帧相同，则将该压缩图像作为该目标视频帧的压缩图像。压缩处理为无损压缩处理，服务器将目标视频帧的压缩图像通过基于深度学习的图像超分算法进行画质增强，得到画质增强图像，画质增强图像的图像画质与目标视频帧相同。

步骤S204，将压缩图像进行存储。

具体地，服务器将压缩图像存储至预设的图像存储位置，便于供用户查看。预设的图像存储位置包括但不限于各种文件系统和存有图像存储路径的数据库。由此，服务器在存储压缩图像之后，将存储的压缩图像作为存储和检索依据执行后续的图像存储和图像检索步骤。

上述图像存储方法中，通过获取智慧安防监控终端上传的视频流，然后从视频流中的每单位时长的视频中提取图像质量最高的视频帧作为目标视频帧，进而对目标视频帧进行压缩处理，从而得到目标视频帧的压缩图像，最终将压缩图像进行存储，便于供用户查看。采用本方法，只针对视频流中的每单位时长的视频中的目标视频帧对应的压缩图像进行存储，而无需存储整份视频流，使得在能够查看到智慧安防监控终端上传的原始画质的图像的同时，还大大减少了图像的存储空间，从而降低了与智慧安防监控终端关联的智慧安防系统的存储成本，进而节省了建设智慧城市项目所需的存储成本。

在一个实施例中，如图3所示，上述步骤S202，提取视频流中的目标视频帧，具体包括如下步骤：

步骤S301，对视频流中的每单位帧进行解码处理，得到视频流的解码视频帧。

其中，解码视频帧是指通过视频解码技术，将编码的视频数据进行解码得到的视频帧。视频解码技术包括解码程序或解码设备。

具体地，服务器通过解码程序或解码设备，对编码的视频流中的每单位帧视频进行解码处理，进而服务器得到视频流的解码视频帧。解码程序或设备包括但不限于是基于H.264或H.265的解码软件。

例如，服务器从电梯安防监控场景中安装的监控摄像机中获取的编码的视频流，然后通过基于H.265的解码软件将编码的视频流的每一帧进行解码，进而服务器得到视频流的解码视频帧。

步骤S302，分别将视频流中的每单位时长的视频中的图像质量最高的解码视频帧，作为目标视频帧。

其中，目标视频帧是指用于压缩处理的视频帧。每单位时长的视频中包括多个视频帧。

具体地，视频流中包括多个单位时长的视频，分别计算每单位时长的视频中的解码视频帧中的图像质量，判断各单位时长的视频中图像质量的大小，选择各单位时长的视频中图像质量最高的解码视频帧，作为该单位时长的视频中的目标视频帧。由此，服务器在获得目标视频帧之后，将目标视频帧作为处理依据执行后续的图像压缩步骤。

例如，实际的智慧安防场景中，若视频流中有50秒的视频，而每秒视频中有30帧的视频帧，为了节约智慧安防系统的建设开销，则服务器分别为这50秒视频选择一个目标视频帧，首先为1秒视频的30帧的视频帧都分别计算各视频帧的图像质量，然后从这30帧的视频帧中选出一个图像质量最高的视频帧作为目标视频帧，其他秒数的视频以同样的方式获得对应的目标视频帧，最终共获得50帧的目标视频帧，将这50帧的目标视频帧进行存储。

在本实施例中，服务器通过解压缩的程序或设备，对编码的视频流中的每单位帧视频进行解码处理，进而得到视频流的解码视频帧，然后分别将视频流中的每单位时长的视频中的图像质量最高的解码视频帧，作为目标视频帧。采用本方法，只针对图像质量最高的视频帧进行存储，而无需存储每单位时长的视频中的所有视频帧，使得图像的存储空间大大减少了，进而降低了智慧安防系统的总体存储空间，从而节省了建设智慧城市项目所需的存储成本，进而节省了建设智慧城市项目所需的存储成本。

在一个实施例中，如图4所示，上述步骤S302，分别将视频流中的每单位时长的视频中的图像质量最高的解码视频帧，作为目标视频帧，具体包括如下步骤：

步骤S401，获取每单位时长的视频中的解码视频帧的图像质量影响因素；图像质量影响因素包括清晰度、对比度、饱和度和噪声中的至少一种。

步骤S402，根据各项图像质量影响因素和各项图像质量影响因素的预设权重，计算解码视频帧的图像质量分数。

步骤S403，分别将视频流中的每单位时长的视频中的图像质量分数最高的解码视频帧，作为目标视频帧。

其中，图像质量影响因素是指用于判断解码视频帧的图像质量的指标。预设权重是指根据各图像质量影响因素在图像质量判断中的重要程度，预先在服务器的图像质量分数加权求和算法中为各图像质量影响因素设置的权重，用于计算解码视频帧的图像质量分数。

具体地，服务器获取每单位时长的视频中的所有解码视频帧的各图像质量影响因素的数值，然后获取各项图像质量影响因素的预设权重，进而通过图像质量分数加权求和算法，对所有解码视频帧的各项图像质量影响因素和各项图像质量影响因素的预设权重进行加权求和计算，得到所有解码视频帧的图像质量分数，选择图像质量分数最高的解码视频帧，作为目标视频帧。由此，服务器在得到目标视频帧之后，将目标视频帧作为处理对象执行后续的图像压缩步骤。

例如，服务器获取每单位时长的视频中的某一解码视频帧的图像质量影响因素，该图像质量影响因素包括清晰度A、对比度B、饱和度C和噪声D，而各项图像质量影响因素的预设权重包括清晰度权重a、对比度权重b、饱和度权重c和噪声权重d，然后根据图像质量分数加权算法来计算该解码视频帧的图像质量分数Q，图像质量分数Q的计算公式如下所示：

然后服务器按照上述公式计算每单位时长的视频中的其余解码视频帧的图像质量分数Q，进而获得时长的视频中的所有解码视频帧的图像质量分数，从而选择图像质量分数最高的解码视频帧作为目标视频帧。

在本实施例中，服务器获取每单位时长的视频中的所有解码视频帧的各图像质量影响因素的数值，然后根据各项图像质量影响因素和各项图像质量影响因素的预设权重，进而通过图像质量分数加权算法来计算所有解码视频帧的图像质量分数，最后选择图像质量分数最高的解码视频帧，作为目标视频帧。采用本方法，只针对图像质量最高的视频帧进行存储，而无需存储每单位时长的视频中的所有视频帧，使得图像的存储空间大大减少了，进而降低了智慧安防系统的总体存储空间，从而节省了建设智慧城市项目所需的存储成本。

在一个实施例中，如图5所示，上述步骤S403，在分别将视频流中的每单位时长的视频中的图像质量分数最高的解码视频帧，作为目标视频帧之后，还包括进行图像识别处理和特征提取处理的步骤，具体包括如下步骤：

步骤S501，对目标视频帧进行图像识别处理，得到目标视频帧中的目标局部图像。

其中，图像识别处理是指通过图像识别技术进对图像进行处理，用于识别图像的目标和对象。图像识别技术包括但不限于基于深度学习的目标检测算法和/或目标识别算法。目标局部图像是指目标视频帧中的局部图像。

具体地，服务器在获得目标视频帧之后，通过图像识别技术来识别目标视频帧中的目标和对象，该目标和对象可以是目标视频帧中的人像、车、动物等，也可以根据实际的图像识别处理任务进行调整，在此不进行具体限定。服务器将识别出的目标和对象，作为目标视频帧中的目标局部图像，进而服务器将目标局部图像存储至预设的图像存储位置。由此，服务器在获得目标局部图像之后，将获得的目标局部图像作为处理依据执行后续的特征提取步骤。

例如，服务器想要获取目标视频帧中的人像和车，因此，服务器通过基于深度学习的目标检测和目标识别算法对目标视频帧进行图像识别处理，基于深度学习的目标检测算法和目标识别算法识别出目标视频帧中的所有人像和车，进而服务器将得到目标视频帧中的人像和车，作为目标局部图像，服务器将目标局部图像存储在文件系统中。

步骤S502，对局部目标视频帧进行特征提取处理，得到目标局部图像的图像特征，将图像特征进行存储。

其中，特征提取处理是指使用特征提取技术来提取出图像中属于特征性的信息。特征提取技术包括基于颜色的特征提取算法、基于纹理的特征提取算法和基于深度神经网络的特征提取算法。图像特征包括图像的颜色特征、纹理特征、形状特征和空间关系特征。

具体地，服务器在获得目标局部图像之后，通过特征提取技术来处理目标局部图像，进而得到目标局部图像的图像特征，服务器将该图像特征存储至预设的图像特征存储位置。预设的图像特征存储位置包括但不限于向量数据库。由此，服务器在存储图像特征之后，将存储的图像特征作为检索依据执行后续的图像检索步骤。

例如，服务器将在获得目标局部图像之后，服务器需要获得目标局部图像的颜色特征，进而服务器通过基于深度神经网络的特征提取算法来提取目标局部图像的颜色特征，从而服务器得到目标局部图像的颜色特征，最终服务器将该颜色特征存储至向量数据库。

在本实施例中，服务器通过图像识别技术处理目标视频帧，进而得到目标视频帧中的目标局部图像，然后通过特征提取技术处理局部目标视频帧，进而得到目标局部图像的图像特征，将图像特征进行存储。采用本方法，只需将检索图像的图像特征和存储的图像特征进行匹配，就能够通过上述匹配得到的目标图像特征，查询到与检索图像对应的压缩图像，无需将检索图像和所有存储的压缩图像进行匹配，进而减少了图像检索的时间成本。

在一个实施例中，如图6所示，上述步骤S203，对目标视频帧进行压缩处理，得到目标视频帧的压缩图像，具体包括如下步骤：

步骤S601，将目标视频帧进行压缩处理，得到目标视频帧的初始压缩图像；初始压缩图像的码率为目标视频帧的码率的预设比例范围。

步骤S602，对初始压缩图像进行预设格式转换处理，得到目标视频帧的压缩图像。

其中，压缩处理是指通过图片压缩算法来减少图像的尺寸。码率的预设比例范围包括区间（20%，70%）和比例50%。预设格式转换处理是指将图像的格式转换为预设格式的图像。预设格式包括图像的JPEG格式和PNG格式。

具体地，服务器在获得目标视频帧之后，通过图片压缩算法，将目标视频帧的码率压缩至目标视频帧的码率的预设比率范围，进而得到码率为目标视频帧的预设比例的图像，服务器将该图像作为目标视频帧的初始压缩图像。图片压缩算法为无损的图片压缩算法，包括哈夫曼压缩算法和LZ77算法（A Universal Algorithm for Sequential DataCompression）。服务器得到初始压缩图像之后，判断初始压缩图像的格式是否与预设格式相同，若不同，则先将初始压缩图像的格式转换为预设格式的图像，进而服务器得到预设格式转换后的压缩图像。由此，服务器获得目标视频帧的压缩图像之后，将压缩图片作为处理依据执行后续的图像存储步骤。

例如，图像压缩任务为将目标视频帧的码率压缩50%，则服务器通过图片压缩算法，将目标视频帧的码率压缩50%，进而得到目标视频帧的50%码率的图像，从而将该图像作为目标视频帧的初始压缩图像。然后服务器检查初始压缩图像的格式是否与预设的JPEG图像格式相同，发现初始压缩图像的图像格式不是JPEG格式，则服务器将初始压缩图像的图像格式转换为JPEG格式，进而服务器得到JPEG格式的压缩图像。

在本实施例中，服务器按照目标视频帧的码率的预设比率范围，将目标视频帧进行压缩处理，得到目标视频帧的初始压缩图像，然后将初始压缩图像按照预设格式进行格式转换，进而服务器得到格式转换后的压缩图像。采用本方法，针对目标视频帧经过压缩处理后得到初始压缩图像进行存储，无需存储图像尺寸更大的目标视频帧，使得图像的存储空间大大减少了，进一步地，只针初始压缩图像进行预设格式转换后得到的压缩图像进行存储，而无需存储图像尺寸更大的初始压缩图像，使得图像的存储空间进一步减少了，从而降低了与智慧安防监控终端关联的智慧安防系统的存储成本，进而节省了建设智慧城市项目所需的存储成本。

在一个实施例中，如图7所示，在将所述压缩图像进行存储之后，检索用户终端输入的检索图像，具体还包括如下步骤：

步骤S701，获取用户终端输入的检索图像和检索图像对应的图像请求。

其中，检索图像是指与用户目标检索任务相关的图像。检索图像对应的图像请求是指用户需要得到的与目标检索任务对应的图像的类型。该图像请求包括与检索图像对应的压缩图像请求和与检索图像对应的目标视频帧请求。

具体地，用户终端向服务器发送检索图像和检索图像对应的图像请求，服务器接收该检索图像和该检索图像对应的图像请求。

步骤S702，若图像请求为检索图像对应的压缩图像请求，则从存储的压缩图像中获取与检索图像对应的压缩图像，将压缩图像返回至用户终端。

具体地，在服务器接收用户终端输入的检索图像和检索图像对应的图像请求之后，服务器判断该图像请求的类型，若该图像请求为与检索图像对应的压缩图像请求，则服务器将检索图像对应的压缩图像的图像特征，与存储的压缩图像的图像特征进行匹配，从而找到与检索图像对应的压缩图像，进而服务器将该压缩图像返回至用户终端，用户终端接收并展示该压缩图像，便于供用户查看。

步骤S703，若图像请求为检索图像对应的目标视频帧请求，则从存储的压缩图像中获取与检索图像对应的压缩图像，将压缩图像的画质增强图像返回至用户终端；压缩图像的画质增强图像的图像画质与压缩图像的目标视频帧相同。

具体地，在服务器接收用户终端输入的检索图像和检索图像对应的图像请求之后，服务器判断该图像请求的类型，若该图像请求为与检索图像对应的目标视频帧请求，则服务器将检索图像对应的压缩图像的图像特征，与存储的压缩图像的图像特征进行匹配，从而找到与检索图像对应的压缩图像，然后将该压缩图像通过多种基于深度学习的图像超分算法进行画质增强，得到压缩图像的画质增强图像，进而将该画质增强图像返回至用户终端，用户终端接收并展示该画质增强图像，便于供用户查看。压缩图像的画质增强图像的图像画质与压缩图像的目标视频帧相同。

在本实施例中，服务器获取用户终端输入的检索图像和检索图像对应的图像请求，若图像请求为检索图像对应的压缩图像请求，则服务器从存储的压缩图像中获取与检索图像对应的压缩图像，然后服务器将压缩图像返回至用户终端；若图像请求为检索图像对应的目标视频帧请求，则服务器从存储的压缩图像中获取与检索图像对应的压缩图像，然后服务器将压缩图像的画质增强图像返回至用户终端；用户终端接收并展示服务器返回的图像。采用本方法，只需将检索图像的图像特征和存储的图像特征进行匹配，就能够通过上述匹配得到的目标图像特征查询到与检索图像对应的压缩图像，无需将检索图像和所有存储的压缩图像进行匹配，进而减少了图像检索的时间成本。

在一个实施例中，如图8所示，上述步骤S702，从存储的压缩图像中获取与检索图像对应的压缩图像，具体还包括如下步骤：

步骤S801，提取检索图像的图像特征。

步骤S802，从存储的图像特征中，查找与检索图像的图像特征匹配的目标图像特征；

步骤S803，从存储的压缩图像中，获取与目标图像特征匹配的压缩图像，作为与检索图像对应的压缩图像。

具体地，服务器在接收用户终端发送的检索图像之后，服务器通过特征提取技术来处理检索图像，进而服务器得到检索图像的所有图像特征；然后将所有图像特征，分别与预设的图像特征存储位置中的图像特征进行比较，从而在存储的图像特征中，查找出与检索图像的图像特征对应相同的图像特征，将该图像特征作为目标图像特征；服务器将目标图像特征，与预设的图像存储位置中的压缩图像进行比较，从而在存储的压缩图像中，查找出与目标图像特征相匹配的压缩图像，作为与检索图像对应的压缩图像。由此，服务器在得到压缩图像之后，将压缩图像作为处理依据执行后续的画质增强步骤。

例如，服务器在接收用户终端发送的检索图像之后，服务器通过基于深度神经网络的特征提取算法来提取检索图像的图像特征，进而服务器得到检索图像的颜色特征、纹理特征、形状特征和空间关系特征；然后服务器将获得的检索图像的每个特征，分别与存储在向量数据库中的特征进行比较，从而查找出与检索图像的每个特征对应相同的图像特征，将该图像特征作为目标图像特征；服务器将目标图像特征，与存储在文件系统中的压缩图像进行比较，查找出与目标图像特征匹配的压缩图像，作为与检索图像对应的压缩图像。

在本实施例中，服务器提取检索图像的图像特征，然后从存储的图像特征中，查找与检索图像的图像特征匹配的目标图像特征，进而从存储的压缩图像中，获取与目标图像特征匹配的压缩图像，作为与检索图像对应的压缩图像。采用本方法，只需将检索图像的图像特征和存储的图像特征进行匹配，就能够通过上述匹配得到的目标图像特征查询到与检索图像对应的压缩图像，无需将检索图像和所有存储的压缩图像进行匹配，进而减少了图像检索的时间成本。

在一个实施例中，如图9所示，提供了另一种图像存储方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S901，获取智慧安防监控终端上传的视频流。

步骤S902，对视频流中的每单位帧进行解码处理，得到视频流的解码视频帧。

步骤S903，获取每单位时长的视频中的解码视频帧的图像质量影响因素；图像质量影响因素包括清晰度、对比度、饱和度和噪声中的至少一种。

步骤S904，根据各项图像质量影响因素和各项图像质量影响因素的预设权重，计算解码视频帧的图像质量分数。

步骤S905，分别将视频流中的每单位时长的视频中的图像质量分数最高的解码视频帧，作为目标视频帧。

步骤S906，对目标视频帧进行图像识别处理，得到目标视频帧中的目标局部图像。

步骤S907，对局部目标视频帧进行特征提取处理，得到目标局部图像的图像特征，将图像特征进行存储。

步骤S908，将目标视频帧进行压缩处理，得到目标视频帧的初始压缩图像；初始压缩图像的码率为目标视频帧的码率的预设比例范围。

步骤S909，对初始压缩图像进行预设格式转换处理，得到目标视频帧的压缩图像。

步骤S910，将压缩图像进行存储。

上述空间分析方法，不仅能够保持智慧安防系统的原始画质的图像，还大大减少了图像的存储空间，使得智慧安防系统的总体存储空间降低，从而节省了建设智慧城市项目所需的存储成本。

为了更清晰阐明本公开实施例提供的空间分析方法，以下以一个具体的实施例对该图像存储方法进行具体说明。在一个实施例中，如图10所示，本公开还提供了一种图像存储方法，具体包括以下内容：

步骤S1001，视频解码：服务器接收通过H.264和H.265编码标准进行编码的视频流，这些视频流来自监控摄像机或视频监控平台等智慧安防监控终端，智慧安防监控终端将视频流以GB/T28181的视频数据传输格式发送至服务器，服务器对视频流的每一帧进行解码得到解码视频帧，再通过图像质量分数加权求和算法计算所有解码视频帧的图像质量，选择图像质量分数最高的解码视频帧作为目标视频帧，目标视频帧的图像画质与来自智慧安防监控终端的视频流的原始画质相同。因为目标视频帧保留了智慧安防监控终端所拍摄场景的全方位的细节，所以在业务需求中需要将目标视频帧长时间存储。

步骤S1002，图片结构化：服务器中集成了基于深度学习的目标检测算法和目标识别算法，目标视频帧中的图像识别目标包括人、车等；服务器通过目标检测算法从目标视频帧中提取出目标局部图像，然后通过特征提取算法从目标局部图像中提取出图像特征。图像特征用于后续检索业务中进行特征匹配的依据。

步骤S1003，图片压缩：服务器通过降采样技术来降低目标视频帧的50%码率，从而减小了目标视频帧的图像尺寸大小，进而得到目标视频帧的初始压缩图像，最终将初始压缩图像输出JPEG格式的压缩图像。压缩图像的画质增强图像的图像画质与目标视频帧相同。

步骤S1004，数据存储：服务器将图片压缩处理后输出的压缩图像、图像识别处理后输出的目标局部图像存储在文件系统，将特征提取处理后得到的图像特征存储在向量数据库。因为此时存储的压缩图像相对于目标视频帧，已经减少了一半码率，所以大大降低了图像的存储空间。

步骤S1005，图片超分：服务器中集成有基于深度学习的图像超分算法，包括对图像区域增强算法、色域增强算法、色彩增强算法、超分辨率算法等画质增强算法，使得服务器能够通过基于深度学习的图像超分算法来增强压缩图像的画质。

步骤S1006，图片显示：用户终端为用户使用的终端，包括手机端、大屏端、浏览器端。服务器响应用户终端发送的为检索图像对应的目标视频帧请求之后，从存储的压缩图像中获取与检索图像对应的压缩图像，再将压缩图像通过画质增强算法进行画质增强，得到压缩图像的画质增强图像，压缩图像的画质增强图像的图像画质与目标视频帧相同。

在本实施例中，只针对视频流中的每单位时长的视频中的目标视频帧对应的压缩图像进行存储，而无需存储整份视频流，使得图像的存储空间大大减少了，从而降低了智慧安防系统的存储成本，进而节省了建设智慧城市项目所需的存储成本。此外，服务器通过基于深度学习的图像超分算法增强了压缩图像的画质，使得用户终端还能够查看智慧安防监控终端上传的原始画质的图像。

应该理解的是，虽然图2-10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图11所示，提供了一种图像存储装置1100，包括：获取模块1101、提取模块1102、压缩模块1103和存储模块1104，其中：

获取模块1101，用于获取智慧安防监控终端上传的视频流。

提取模块1102，用于提取视频流中的目标视频帧；目标视频帧为视频流中的每单位时长的视频中的图像质量最高的视频帧。

压缩模块1103，用于对目标视频帧进行压缩处理，得到目标视频帧的压缩图像；压缩图像的画质增强图像的图像画质与目标视频帧相同。

存储模块1104，用于将压缩图像进行存储。

在一个实施例中，提取模块1102，还用于对视频流中的每单位帧进行解码处理，得到视频流的解码视频帧；分别将视频流中的每单位时长的视频中的图像质量最高的解码视频帧，作为目标视频帧。

在一个实施例中，图像存储装置1100还包括图像质量计算模块，用于获取每单位时长的视频中的解码视频帧的图像质量影响因素；图像质量影响因素包括清晰度、对比度、饱和度和噪声中的至少一种；根据各项图像质量影响因素和各项图像质量影响因素的预设权重，计算解码视频帧的图像质量分数；分别将视频流中的每单位时长的视频中的图像质量分数最高的解码视频帧，作为目标视频帧。

在一个实施例中，图像存储装置1100还包括图像识别模块，用于对目标视频帧进行图像识别处理，得到目标视频帧中的目标局部图像；对局部目标视频帧进行特征提取处理，得到目标局部图像的图像特征，将图像特征进行存储。

在一个实施例中，压缩模块1103，还用于将目标视频帧进行压缩处理，得到目标视频帧的初始压缩图像；初始压缩图像的码率为目标视频帧的码率的预设比例范围；对初始压缩图像进行预设格式转换处理，得到目标视频帧的压缩图像。

在一个实施例中，图像存储装置1100还包括图像检索模块，用于获取用户终端输入的检索图像和检索图像对应的图像请求；若图像请求为检索图像对应的压缩图像请求，则从存储的压缩图像中获取与检索图像对应的压缩图像，将压缩图像返回至用户终端；若图像请求为检索图像对应的目标视频帧请求，则从存储的压缩图像中获取与检索图像对应的压缩图像，将压缩图像的画质增强图像返回至所述用户终端；压缩图像的画质增强图像的图像画质与压缩图像的目标视频帧相同。

在一个实施例中，图像存储装置1100还包括特征匹配模块，用于提取检索图像的图像特征；从存储的图像特征中，查找与检索图像的图像特征匹配的目标图像特征；从存储的压缩图像中，获取与目标图像特征匹配的压缩图像，作为与检索图像对应的压缩图像。

关于图像存储装置的具体限定可以参见上文中对于图像存储方法的限定，在此不再赘述。上述图像存储装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储视频数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像存储方法。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。