一种基于深度学习的远程桌面会议系统及方法与流程

1.本发明涉及数据处理技术领域，具体地说，涉及一种基于深度学习的远程桌面会议系统及方法。


背景技术：

2.当前远程会议系统由于在长时间通话过程中通信延迟高，导致画面模糊、参与者之间的互动性不足，同时需要在对会议进行保存之后，需要辅助对视频进行裁剪加密，避免视频重要部分遭到泄露，较为麻烦，同时需要管理员辅助控制会议的时间管理，容易出现时间超出预时，出现会议资料展示不全的情况，因此，提出一种基于深度学习的远程桌面会议系统及方法。


技术实现要素：

3.本发明的目的在于提供一种基于深度学习的远程桌面会议系统及方法，以解决上述背景技术中提出的问题。
4.为实现上述技术问题的解决，本发明的目的之一在于，提供基于深度学习的远程桌面会议系统，包括数据传输单元、用户验证单元、会议管理单元、会议记录单元以及加密保护单元；所述数据传输单元用于对数据传输进行压缩，并对压缩的数据进行增强；所述用户验证单元用于采集会议用户数据，并为用户分配对应的会议管理权限；所述会议管理单元用于采集用户需要在会议展示的资料，并结合会议管理权限为用户分配时间；所述会议记录单元用于采集会议过程数据，并将过程数据进行分析提取；所述加密保护单元用于根据会议记录单元分析提取的数据进行加密，并根据用户的会议管理权限进行分类。
5.作为本技术方案的进一步改进，所述数据传输单元包括数据压缩模块和视频增强模块；所述数据压缩模块用于采集此次会议数据类型，并根据数据类型建立网络数据传输优化数据通道；所述视频增强模块用于根据数据压缩模块采集的数据类型使用深度学习图像处理算法增强会议画面。
6.作为本技术方案的进一步改进，所述用户验证单元包括用户采集模块和权利分配模块；所述用户采集模块用于采集此次参加会议的用户数据，并根据用户等级对用户数据进行分类；所述权利分配模块用于根据用户采集模块分类的用户数据对用户分配此次会议对应的管理权限。
7.作为本技术方案的进一步改进，所述会议管理单元包括数据上传模块和时间分配模块；所述数据上传模块用于采集用户需要在此次会议的展示数据，并对展示数据进行备份；所述时间分配模块用于根据权利分配模块对用户分配的管理权利结合数据上传模块采集的展示数据进行分析，从而获取用户时间管理方案。
8.作为本技术方案的进一步改进，所述时间分配模块用情感分析算法将采集的展示数据结合对应用户的表现进行分析，以判断每个用户的贡献和影响力，为此用户分配对应的时间。
9.作为本技术方案的进一步改进，所述会议记录单元包括文件识别模块和数据提取模块；所述文件识别模块用于根据实时记录会议过程数据，并对会议过程数据进行统一可视化转换；所述数据提取模块用于根据文件识别模块转换的数据进行分析提取，并根据提取结果将数据进行类型分类。
10.作为本技术方案的进一步改进，所述数据提取模块使用深度学习算法对转换后的会议过程数据进行分析，提取关键信息和生成会议纪要。
11.作为本技术方案的进一步改进，所述加密保护单元包括信息加密模块和数据展示模块；所述信息加密模块用于将数据提取模块分类完毕的数据结合用户采集模块分类的用户数据进行加密；所述数据展示模块用于对访问记录的用户进行验证，并根据验证结果对其展示对应的会议过程数据。
12.本发明的目的之二在于，提供了基于深度学习的远程桌面会议方法，包括上述中任意一项所述的基于深度学习的远程桌面会议系统，包括如下步骤：s1、对数据传输进行压缩，并对压缩的数据进行增强；s2、采集会议用户数据，并为用户分配对应的会议管理权限；s3、采集用户需要在会议展示的资料，并结合会议管理权限为用户分配时间；s4、采集会议过程数据，并将过程数据进行分析提取；s5、根据分析提取的数据进行加密，并根据用户的会议管理权限进行分类。
13.与现有技术相比，本发明的有益效果：通过深度学习算法对网络传输进行优化，能够减少数据传输量，提高传输速度，并降低通信延迟，通过深度学习图像处理算法对远程桌面画面进行增强和优化，提高图像的清晰度和细节还原能力，可以使参与者获得更清晰、更真实的远程桌面画面，通过深度学习算法实时记录会议内容，并对会议内容进行分析和摘要，自动生成会议纪要和关键信息的摘要，提高会议记录和整理的效率，同时确保会议信息的准确性和完整性，通过情感分析算法为每个用户分配对应的时间，提高会议的质量，并且保证用户能够展示需要展示的数据。
附图说明
14.图1为本发明的整体结构原理图；图2为本发明的数据传输单元的结构原理图；图3为本发明的用户验证单元的结构原理图；图4为本发明的会议管理单元的结构原理图；图5为本发明的会议记录单元的结构原理图；图6为本发明的加密保护单元的结构原理图；图7为本发明的对压缩的数据进行增强的结构原理图。
15.图中各个标号意义为：10、数据传输单元；11、数据压缩模块；12、视频增强模块；20、用户验证单元；21、用户采集模块；22、权利分配模块；30、会议管理单元；31、数据上传模块；32、时间分配模块；40、会议记录单元；41、文件识别模块；42、数据提取模块；50、加密保护单元；51、信息加密模块；52、数据展示模块。
具体实施方式
16.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他实施例，都属于本发明保护的范围。
17.实施例1：如图1-图7所示，本发明的目的之一在于，提供了基于深度学习的远程桌面会议系统，包括数据传输单元10、用户验证单元20、会议管理单元30、会议记录单元40以及加密保护单元50；数据传输单元10用于对数据传输进行压缩，并对压缩的数据进行增强；数据传输单元10包括数据压缩模块11和视频增强模块12；数据压缩模块11用于采集此次会议数据类型，并根据数据类型建立网络数据传输优化数据通道；通过深度学习算法对网络传输进行优化，能够减少数据传输量，提高传输速度，并降低通信延迟。这一优势使得远程桌面会议系统能够在低带宽和高延迟的网络环境下依然保持稳定的会议质量；步骤如下：识别数据类型：识别需要在会议中传输的数据类型，例如会议议程、会议文稿、演示文稿、音频和视频流等；分析数据量：根据数据类型估算传输的数据量，分析网络流量瓶颈，确定网络数据通信协议和稳定的传输速率以达到数据传输的稳定性；选择合适的网络传输协议：由于会议数据通常需要快速且稳定地传输，可以选择基于udp的可靠数据传输技术或rtp协议的流媒体数据传输协议。也可根据数据大小、实时性以及网络带宽等进行选择；建立网络数据传输通道：建立网络数据传输通道，可以通过vpn、qos或建立专用网络等方式。选择合适的网络传输协议和网络通信模式，建立快速稳定的数据通信通道，以确保会议数据的及时和稳定传输；
配置网络优化设置：通过对无线网络和路由器的配置、网络拓扑优化、网络带宽管理等手段，实现会议数据网络优化的目的。优化网络配置可以有效地减少网络损失，同时提高数据传输的速率、稳定性和效率。
18.通过以上步骤建立网络数据传输优化通道，可以提高会议数据传输质量，确保会议数据的及时传输和处理，增加会议效率和成功举办的可能性。
19.视频增强模块12用于根据数据压缩模块11采集的数据类型使用深度学习图像处理算法增强会议画面。通过深度学习图像处理算法对远程桌面画面进行增强和优化，提高图像的清晰度和细节还原能力。这样可以使参与者获得更清晰、更真实的远程桌面画面，提升参与者的交流和理解能力；步骤如下：采集会议视频：在会议期间通过摄像机采集会议视频。尽可能保证视频质量的好坏程度相对均衡，在录制过程中应防止晃动和抖动；准备训练数据集：为深度学习图像处理算法准备训练数据集。应采集算法需要的大量图像样本，包括良好清晰的画面和噪声干扰、低光度、模糊等情况下的画面；数据预处理：为训练集的图像进行预处理，消除输入输出间的差异。常用预处理方法包括减去均值、标准化、resize等；训练深度学习模型：根据准备好的数据训练深度学习模型，例如卷积神经网络。训练过程中需要进行超参调节和验证集测试，以提高算法的泛化能力和鲁棒性；卷积神经网络的表达式如下：假设输入的是一个mtimesn的图像rgb图像为mtimesntimes3，滤波器的大小是ftimesf，卷积层有k个滤波器。那么第i个滤波器和输入的第j个通道rgb图像有3个通道，只有灰度图像仅有一个通道的卷积操作可以表示为：；其中，p和q是滤波器在水平和垂直方向的步长。通常是激活函数，如relu函数等。是滤波器卷积核的权值，是偏置项，是来自输入层或上一层的神经元的输出。卷积操作的输出可以表示为：；其中是上一层神经元的个数。输出，通常作为后续层的输入。
20.应用算法：将训练好的深度学习图像处理算法应用于会议视频，通过算法对会议画面进行边缘增强、锐化、降噪等处理，改善画面质量，突出重点内容；输出优化视频：将处理后的画面输出为优化视频，保存在可用于会议重播或传输的格式中。
21.用户验证单元20用于采集会议用户数据，并为用户分配对应的会议管理权限；用户验证单元20包括用户采集模块21和权利分配模块22；用户采集模块21用于采集此次参加会议的用户数据，并根据用户等级对用户数据进行分类；步骤如下：确认采集的用户数据类型：确定需要采集的用户数据类型，例如姓名、电子邮件地
址、职位、部门、电话号码等，以便更好地进行用户分类；选择合适的数据采集工具：选择适合的数据采集工具，例如在线调查问卷工具或采集软件。对于涉及隐私信息采集，需事先告知用户，并得到明确的同意；设计调查问卷或数据采集表：根据需要采集的用户数据类型，设计调查问卷或数据采集表；通过调查或数据采集表获取用户数据：向参加会议的用户发送调查问卷或数据采集表，获取用户数据；权利分配模块22用于根据用户采集模块21分类的用户数据对用户分配此次会议对应的管理权限。步骤如下：根据用户等级对用户进行分类：根据获取的用户数据，对用户进行分类。可以根据职位、部门；分配对应的会议管理权限：根据用户等级，为用户分配相应的会议管理权限。例如，对于高级别用户可以分配更高的会议管理权限，包括会议主持、纪要撰写等权限；而对于普通用户只分配较少的权限，例如查看会议日程或参与讨论。
22.会议管理单元30用于采集用户需要在会议展示的资料，并结合会议管理权限为用户分配时间；会议管理单元30包括数据上传模块31和时间分配模块32；数据上传模块31用于采集用户需要在此次会议的展示数据，并对展示数据进行备份；步骤如下：在会议开始前确定所需采集的数据：会议开始前确定需采集的数据类型，这些数据可以包括会议时长、会议议程、参会者、讨论主题、每位参会者对讨论主题发表的声音、时间、参与度等信息；预先设计数据采集表：设计数据采集表，以便在采集数据时有章可循。
23.时间分配模块32用于根据权利分配模块22对用户分配的管理权利结合数据上传模块31采集的展示数据进行分析，从而获取用户时间管理方案。步骤如下：结合采集的数据分析用户表现：结合采集的会议数据，用相应的分析模型对参会者的表现进行分析，以判断每个参会者的贡献和影响力。其中，数据分析技术为情感分析技术。
24.借助数据分析得出方案：根据数据分析的结果，为每个参会者制定时间分配管理方案，以此来充分发挥每个参会者的优势和贡献度，同时也能留出足够时间让每个参会者发言交流。
25.时间分配模块32用情感分析算法将采集的展示数据结合对应用户的表现进行分析，以判断每个用户的贡献和影响力，为此用户分配对应的时间。表达式如下：通过会议采集工具采集参会者的展示数据如ppt、演示文稿等和表现数据如发言时间、互动次数等；数据预处理：将采集到的展示数据和表现数据进行预处理，包括文本预处理、特征提取等，以便进行情感分析算法的应用；情感分析：根据预处理后的数据，通过情感分析算法进行分析和处理。其中，情感分析算法可以采用基于神经网络的模型，通过训练集的反馈信息，可以识别文本的情绪、情
感、主题等；影响力评估：结合情感分析结果，对每个参会者的贡献和影响力进行评估，使用评估指标如发言时间、互动次数等，对每个参会者进行评分；时间分配：根据参会者的评分，重新分配每个参会者使用展示数据的时间。具体分配可在会议策划或者主持人的控制下进行；评估结果展示：将情感分析算法的结果和参会者时间分配结果展示给参会者或会议主办方，并根据反馈对后续会议的策划和运营进行改进。
26.在以上过程中，情感分析算法的处理结果可以用以下公式表示：；其中，代表参会者i的评分，、和分别为文本、时间和互动的权重，、和分别为情感分析、时间分配和互动指标的函数，为时间。根据实际情况，可以根据需要调整公式中的权重参数和指标函数，以获取最佳的结果。
27.会议记录单元40用于采集会议过程数据，并将过程数据进行分析提取；通过深度学习算法实时记录会议内容，并对会议内容进行分析和摘要，自动生成会议纪要和关键信息的摘要。这一优势能够大大提高会议记录和整理的效率，减轻人工负担，同时确保会议信息的准确性和完整性；会议记录单元40包括文件识别模块41和数据提取模块42；文件识别模块41用于根据实时记录会议过程数据，并对会议过程数据进行统一可视化转换；步骤如下：会议信息采集：使用会议采集工具，比如智能音箱、声音识别软件等，采集会议内容，并将语音转文本；数据预处理：将采集到的语音文本进行预处理和清洗，包括转换为小写字母、去除标点符号等；数据提取模块42用于根据文件识别模块41转换的数据进行分析提取，并根据提取结果将数据进行类型分类。
28.数据提取模块42使用深度学习算法对转换后的会议过程数据进行分析，提取关键信息和生成会议纪要，表达式如下：摘要提取：采用深度学习中的文本摘要技术，比如textrank算法，将文本进行分析和摘要，过滤掉无关信息，并提取会议内容中的关键信息和摘要；会议纪要生成：基于摘要提取结果，生成会议纪要，并将纪要展示给参会者或会议主办方进行确认和修改；实时更新和反馈：将最新的会议内容文本和摘要提取结果实时更新到会议纪要中，并根据参会者或主办方的反馈，对会议纪要进行修改和更新，其中，使用基于深度学习的文本摘要技术进行自动摘要，可以采用以下公式：；其中，代表文本摘要中第i句话的重要性得分，代表从第i句话到第j句话
的权重系数，代表从第j句话连接到其他句话的连接系数，为阻尼系数，一般设为0.85。
29.加密保护单元50用于根据会议记录单元40分析提取的数据进行加密，并根据用户的会议管理权限进行分类。
30.加密保护单元50包括信息加密模块51和数据展示模块52；信息加密模块51用于将数据提取模块42分类完毕的数据结合用户采集模块21分类的用户数据进行加密；步骤如下：加密方式选择：根据不同数据分类和用户等级，选择适合的加密方式，比如对称加密、非对称加密、哈希加密等；加密规则定义：制定加密规则和加密算法，对加密的方式、加密参数、密钥管理、访问控制等进行定义和规范；合并数据和用户等级：将分类完毕的数据和用户权限数据进行合并，根据不同的权限数据和加密方式进行划分，生成对应的加密数据集；加密运算：按照加密规则和加密算法的要求，对加密数据集进行程序运算，生成加密结果。其中，对称加密可以使用以下公式：；其中，e(m)代表对明文m进行加密处理，生成密文c，d(c)代表对密文c进行解密处理，生成明文m，k代表密钥，oplus代表异或运算符。
31.数据展示模块52用于对访问记录的用户进行验证，并根据验证结果对其展示对应的会议过程数据。步骤如下：用户身份验证：根据用户提供的密匙对用户身份进行验证，确保其为合法用户；数据权限验证：根据用户的身份和权限，对其可以访问的数据进行验证和授权，以保证数据访问合法、安全和有序；数据展示：展示用户有权限访问的会议过程数据，包括演讲者的讲话内容、参会者的发言记录、会议策划和安排等；访问记录保存：记录用户的访问记录和访问时间，以便后续的数据分析和处理。
32.本发明的目的之二在于，提供了基于深度学习的远程桌面会议方法，包括上述中任意一项的基于深度学习的远程桌面会议系统，包括如下步骤：s1、对数据传输进行压缩，并对压缩的数据进行增强；s2、采集会议用户数据，并为用户分配对应的会议管理权限；s3、采集用户需要在会议展示的资料，并结合会议管理权限为用户分配时间；s4、采集会议过程数据，并将过程数据进行分析提取；s5、根据分析提取的数据进行加密，并根据用户的会议管理权限进行分类。
33.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

技术特征：
1.一种基于深度学习的远程桌面会议系统，其特征在于：包括数据传输单元（10）、用户验证单元（20）、会议管理单元（30）、会议记录单元（40）以及加密保护单元（50）；所述数据传输单元（10）用于对数据传输进行压缩，并对压缩的数据进行增强；所述用户验证单元（20）用于采集会议用户数据，并为用户分配对应的会议管理权限；所述会议管理单元（30）用于采集用户需要在会议展示的资料，并结合会议管理权限为用户分配时间；所述会议记录单元（40）用于采集会议过程数据，并将过程数据进行分析提取；所述加密保护单元（50）用于根据会议记录单元（40）分析提取的数据进行加密，并根据用户的会议管理权限进行分类。2.根据权利要求1所述的基于深度学习的远程桌面会议系统，其特征在于：所述数据传输单元（10）包括数据压缩模块（11）和视频增强模块（12）；所述数据压缩模块（11）用于采集此次会议数据类型，并根据数据类型建立网络数据传输优化数据通道；所述视频增强模块（12）用于根据数据压缩模块（11）采集的数据类型使用深度学习图像处理算法增强会议画面。3.根据权利要求1所述的基于深度学习的远程桌面会议系统，其特征在于：所述用户验证单元（20）包括用户采集模块（21）和权利分配模块（22）；所述用户采集模块（21）用于采集此次参加会议的用户数据，并根据用户等级对用户数据进行分类；所述权利分配模块（22）用于根据用户采集模块（21）分类的用户数据对用户分配此次会议对应的管理权限。4.根据权利要求3所述的基于深度学习的远程桌面会议系统，其特征在于：所述会议管理单元（30）包括数据上传模块（31）和时间分配模块（32）；所述数据上传模块（31）用于采集用户需要在此次会议的展示数据，并对展示数据进行备份；所述时间分配模块（32）用于根据权利分配模块（22）对用户分配的管理权利结合数据上传模块（31）采集的展示数据进行分析，从而获取用户时间管理方案。5.根据权利要求4所述的基于深度学习的远程桌面会议系统，其特征在于：所述时间分配模块（32）用情感分析算法将采集的展示数据结合对应用户的表现进行分析，以判断每个用户的贡献和影响力，为此用户分配对应的时间。6.根据权利要求1所述的基于深度学习的远程桌面会议系统，其特征在于：所述会议记录单元（40）包括文件识别模块（41）和数据提取模块（42）；所述文件识别模块（41）用于根据实时记录会议过程数据，并对会议过程数据进行统一可视化转换；所述数据提取模块（42）用于根据文件识别模块（41）转换的数据进行分析提取，并根据提取结果将数据进行类型分类。7.根据权利要求6所述的基于深度学习的远程桌面会议系统，其特征在于：所述数据提取模块（42）使用深度学习算法对转换后的会议过程数据进行分析，提取关键信息和生成会议纪要。
8.根据权利要求6所述的基于深度学习的远程桌面会议系统，其特征在于：所述加密保护单元（50）包括信息加密模块（51）和数据展示模块（52）；所述信息加密模块（51）用于将数据提取模块（42）分类完毕的数据结合用户采集模块（21）分类的用户数据进行加密；所述数据展示模块（52）用于对访问记录的用户进行验证，并根据验证结果对其展示对应的会议过程数据。9.用于实现基于深度学习的远程桌面会议方法，包括权利要求1-8中任意一项所述的基于深度学习的远程桌面会议系统，其特征在于：包括如下步骤：s1、对数据传输进行压缩，并对压缩的数据进行增强；s2、采集会议用户数据，并为用户分配对应的会议管理权限；s3、采集用户需要在会议展示的资料，并结合会议管理权限为用户分配时间；s4、采集会议过程数据，并将过程数据进行分析提取；s5、根据分析提取的数据进行加密，并根据用户的会议管理权限进行分类。

技术总结
本发明涉及数据处理技术领域，具体地说，涉及一种基于深度学习的远程桌面会议系统及方法。包括数据传输单元、用户验证单元、会议管理单元、会议记录单元以及加密保护单元；数据传输单元用于对数据传输进行压缩，并对压缩的数据进行增强；用户验证单元用于采集会议用户数据，并为用户分配对应的会议管理权限；本发明通过深度学习算法对网络传输进行优化，能够减少数据传输量，提高传输速度，并降低通信延迟，通过深度学习图像处理算法对远程桌面画面进行增强和优化，提高图像的清晰度和细节还原能力，可以使参与者获得更清晰、更真实的远程桌面画面，通过深度学习算法实时记录会议内容，并对会议内容进行分析和摘要。并对会议内容进行分析和摘要。并对会议内容进行分析和摘要。


技术研发人员：梁宜蓉
受保护的技术使用者：深圳市乗名科技有限公司
技术研发日：2023.07.27
技术公布日：2023/8/28