CN103646235A - 多路视频检测系统中的目标检测方法、装置及服务器 - Google Patents
多路视频检测系统中的目标检测方法、装置及服务器 Download PDFInfo
- Publication number
- CN103646235A CN103646235A CN201310603859.7A CN201310603859A CN103646235A CN 103646235 A CN103646235 A CN 103646235A CN 201310603859 A CN201310603859 A CN 201310603859A CN 103646235 A CN103646235 A CN 103646235A
- Authority
- CN
- China
- Prior art keywords
- video image
- gpu
- target
- detection
- detection time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种多路视频检测系统中的目标检测方法、装置及服务器,该方法包括:获取摄像头采集的第一视频图像;根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量;根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个GPU检测所述第一视频图像的检测时间;将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测。该方案确保针对多路视频检测系统中的目标的检测在最短时间内完成,进而确保了目标检测的实时性。
Description
技术领域
本发明涉及通信技术领域,尤指一种多路视频检测系统中的目标检测方法、装置及服务器。
背景技术
目标检测是指从一副图片或者一帧视频图像中标定出目标的位置和大小,比如人脸检测、车牌检测等等;目标检测是视频监控中的一个重要环节,通常采用的算法是:用一个固定大小(例如:20×20)的窗口,按照固定的步长(例如:1个像素)在待检测图像上滑动,窗口每次滑动到一个位置,都判断窗口中包含的图像是否为待检测目标。该算法是一种计算密集型算法,对于一帧1080P(大小为1920×1080)的视频图像,需要计算2014000次,这样会导致中央处理器(Central Processing Unit,CPU)负载很重。为了降低CPU的负载,将部分检测功能转移到图形处理器(Graphic Processing Unit,GPU)上。在多路视频检测系统中,为了满足目标检测的实时性需求,通常会包含多个GPU,如图1所示。
每一视频图像的目标检测时间与该图像中包含的目标数量成正相关,目标数量越多,检测时间越长。针对多路视频的目标检测对实时性要求较高,需要在规定时长内完成所有视频的检测。目前,通常的做法是为每个GPU分配固定的一路或多路视频进行检测,这样极易出现GPU负载不均衡的现象,在某个GPU上处理的多路视频中,每一路视频的每一视频图像都包含多个目标时,该GPU非常忙碌,这就使得该GPU无法在规定时长内完成所有计算;而在另一个GPU处理的多路视频上,每一路视频的每一视频图像都包含少数目标或者不包含目标,该GPU非常空闲。当多个GPU负载不均衡时,可能会导致检测时间超时,影响目标检测的实时性。
发明内容
本发明实施例提供一种多路视频检测系统中的目标检测方法、装置以及服务器,用以解决现有基于多路视频的目标检测方法中存在的检测时间超时、影响目标检测的实时性的问题。
第一方面,提供一种多路视频检测系统中的目标检测方法,包括:
获取所述多路视频检测系统中的摄像头采集的第一视频图像;
根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,所述第二视频图像是所述摄像头在所述第一视频图像之前采集到的;
根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个图形处理器GPU检测所述第一视频图像的检测时间;
将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,每个所述GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测所述第一视频图像的检测时间之和。
结合第一方面,在第一种可能的实现方式中,还包括:
接收确定出的GPU发送的从所述第一视频图像中实际检测出的目标的数量。
结合第一方面或者第一方面的第一种可能的实现方式,在第二种可能的实现方式中,根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,具体包括:
通过下列公式预测所述第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的所述目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的所述目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的所述目标的数量,α为遗忘因子,0<α<1。
结合第一方面、第一方面的第一种可能的实现方式或者第一方面的第二种可能的实现方式,在第三种可能的实现方式中,在根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量之前,还包括:
获取一组实验图像,所述一组实验图像中每个实验图像包括的目标的数量均不同;
依次使用各个GPU检测所述一组实验图像;
记录各个GPU的检测时间与目标的数量的对应关系。
结合第一方面、第一方面的第一种可能的实现方式、第一方面的第二种可能的实现方式或者第一方面的第三种可能的实现方式,在第四种可能的实现方式中,根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个GPU检测所述第一视频图像的检测时间,具体包括:
若预测出的所述第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找所述整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测所述第一视频图像的检测时间;
若预测出的所述第一视频图像中包括的目标的数量为浮点数,则确定大小最接近所述浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测所述第一视频图像的检测时间。
结合第一方面、第一方面的第一种可能的实现方式、第一方面的第二种可能的实现方式、第一方面的第三种可能的实现方式或者第一方面的第四种可能的实现方式,在第五种可能的实现方式中,将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,具体包括:
计算各个GPU的总检测时间;
将总检查时间最短的GPU的标识ID信息与所述摄像头关联;
将所述第一视频图像发送给与所述摄像头关联的GPU的ID信息所标识的GPU进行目标检测。
第二方面,提供一种多路视频检测系统中的目标检测装置,包括:
获取单元,用于获取所述多路视频检测系统中的摄像头采集的第一视频图像;
预测单元,用于根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,所述第二视频图像是所述摄像头在所述第一视频图像之前采集到的;
确定单元,用于根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个图形处理器GPU检测所述第一视频图像的检测时间;
收发单元,用于将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,每个所述GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测所述第一视频图像的检测时间之和。
结合第二方面,在第二种可能的实现方式中,所述收发单元,还用于:
接收确定出的GPU发送的从所述第一视频图像中实际检测出的目标的数量。
结合第二方面或者第二方面的第一种可能的实现方式,在第二种可能的实现方式中,所述预测单元,具体用于:
通过下列公式预测所述第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的所述目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的所述目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的所述目标的数量,α为遗忘因子,0<α<1。
结合第二方面、第二方面的第一种可能的实现方式或者第二方面的第二种可能的实现方式,在第三种可能的实现方式中,所述确定单元,具体用于:
若预测出的所述第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找所述整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测所述第一视频图像的检测时间;
若预测出的所述第一视频图像中包括的目标的数量为浮点数,则确定大小最接近所述浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测所述第一视频图像的检测时间。
结合第二方面、第二方面的第一种可能的实现方式、第二方面的第二种可能的实现方式或者第二方面的第三种可能的实现方式,在第四种可能的实现方式中,所述收发单元,具体用于:
计算各个GPU的总检测时间;
将总检查时间最短的GPU的标识ID信息与所述摄像头关联;
将所述第一视频图像发送给与所述摄像头关联的GPU的ID信息所标识的GPU进行目标检测。
第三方面,提供一种服务器,包括:
处理器,用于获取多路视频检测系统中的摄像头采集的第一视频图像;根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,所述第二视频图像是所述摄像头在所述第一视频图像之前采集到的;根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个图形处理器GPU检测所述第一视频图像的检测时间;
收发器,用于将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,每个所述GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测所述第一视频图像的检测时间之和。
结合第三方面,在第一种可能的实现方式中,所述处理器,具体用于:
通过下列公式预测所述第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的所述目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的所述目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的所述目标的数量,α为遗忘因子,0<α<1。
结合第三方面或者第三方面的第一种可能的实现方式,在第二种可能的实现方式中,所述处理器,具体用于:
若预测出的所述第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找所述整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测所述第一视频图像的检测时间;
若预测出的所述第一视频图像中包括的目标的数量为浮点数,则确定大小最接近所述浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测所述第一视频图像的检测时间。
根据第一方面提供的多路视频检测系统中的目标检测方法、第二方面提供的多路视频检测系统中的目标检测装置或者第三方面提供的服务器,针对多路视频检测系统中摄像头采集的第一视频图像,不再固定分配给一个GPU进行目标检测,而是动态为其确定检测的GPU,首先预测第一视频图像中包括的目标的数量,然后确定各个GPU检测第一视频图像的检测时间,最后将总检测时间最短的GPU确定为检测第一视频图像的GPU,从而实现了各个GPU之间的负载均衡,确保针对多路视频检测系统中的目标的检测在最短时间内完成,进而确保了目标检测的实时性。
附图说明
图1为现有技术中的多路视频检测系统的架构图;
图2为本发明实施例中多路视频检测系统中的目标检测方法的流程图;
图3为本发明实施例中能力曲线的示意图;
图4为本发明实施例中多路视频检测系统中的目标检测装置的结构示意图;
图5为本发明实施例中多路视频检测系统中的服务器的结构示意图。
具体实施方式
针对现有的基于多路视频的目标检测方法中存在的检测时间超时、影响目标检测的实时性的问题,本发明实施例提供一种多路视频检测系统中的目标检测方法,该方法可以应用在如图1所示的多路视频检测系统中,该系统包括一个服务器、多个摄像头和多个GPU,服务器接收多个摄像头采集的视频图像,并分发给各个GPU进行目标检测。
该方法的流程如图2所示,执行主体可以是服务器,具体包括:
S20:获取多路视频检测系统中的摄像头采集的第一视频图像。
在多路视频检测系统中,一般会有多个摄像头,可以按照设定时间周期轮询获取各个摄像头采集的第一视频图像,设定时间周期可以根据实际需要确定,例如5s、6s、7.5s、10s等等,也可以随机获取各个摄像头采集的第一视频图像,当然也可以采用其它方式获取。
S21:根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测第一视频图像中包括的目标的数量,第二视频图像是摄像头在第一视频图像之前采集到的。
首先在摄像头采集第一视频图像之前采集的视频图像中选取随机一个已检测视频图像或者选取时间最近的一个已检测视频图像作为第二视频图像,然后获取从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,据此可以预测出第一视频图像中包括的目标的数量。
其中,从第二视频图像中实际检测出的目标的数量是由检测第二视频图像的GPU提供的。
S22:根据预置的目标数量与检测时间的对应关系、以及预测出的第一视频图像中包括的目标的数量,确定多路视频检测系统中各个GPU检测第一视频图像的检测时间。
S23:将总检测时间最短的GPU确定为检测第一视频图像的GPU,并将第一视频图像发送给确定出的GPU进行目标检测,每个GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测第一视频图像的检测时间之和。
该方案中,针对多路视频检测系统中摄像头采集的第一视频图像,不再固定分配给一个GPU进行目标检测,而是动态为其确定检测的GPU,首先预测第一视频图像中包括的目标的数量,然后确定各个GPU检测第一视频图像的检测时间,最后将总检测时间最短的GPU确定为检测第一视频图像的GPU,从而实现了各个GPU之间的负载均衡,确保针对多路视频检测系统中的目标的检测在最短时间内完成,进而确保了目标检测的实时性。
具体的,上述S21中的根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测第一视频图像中包括的目标的数量,具体包括:
通过下列公式预测第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的目标的数量,α为遗忘因子,0<α<1,较佳值为0.5。
具体的,上述S21中的在根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测第一视频图像中包括的目标的数量之前,还包括:
获取一组实验图像,一组实验图像中每个实验图像包括的目标的数量均不同;
依次使用各个GPU检测一组实验图像;
记录各个GPU的检测时间与目标的数量的对应关系。
下面以目标检测为人脸检测为例来说明,预先从将要检测的第一视频图像或者已经检测过的第二视频图像中提取一组图像,每张图像中包含0,1,2,...,N张人脸,这组图像作为实验图像;依次使用各个GPU来检测该组实验图像,记录各个GPU的检测时间与人脸数量的对应关系,以二元组<人脸数,检测时间T>的形式记录,当然也可以采用其他形式近记录。
然后还可以人脸数量为横坐标、以检测时间为纵坐标,拟合出一条曲线,得到每个GPU的能力曲线,图3所示为一个GPU的能力曲线的示意图。
具体的,上述S22中的根据预置的目标数量与检测时间的对应关系、以及预测出的第一视频图像中包括的目标的数量,确定多路视频检测系统中各个GPU检测第一视频图像的检测时间,具体包括以下两种情况:
第一种情况,若预测出的第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测第一视频图像的检测时间。
在这种情况中,可以根据预测出的第一视频图像中包括的目标的数量直接从二元组或者能力曲线上查找到各个GPU的检测时间。
第二种情况,若预测出的第一视频图像中包括的目标的数量为浮点数,则确定大小最接近浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测第一视频图像的检测时间。
在这种情况中,无法根据预测出的第一频帧图像中包括的目标的数量直接从二元组或者能力曲线上查找到各个GPU的检测时间,首先需要确定大小最接近浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测第一视频图像的检测时间。
具体的,上述S23中的将总检测时间最短的GPU确定为检测第一视频图像的GPU,并将第一视频图像发送给确定出的GPU进行目标检测,具体包括:
计算各个GPU的总检测时间;
将总检查时间最短的GPU的标识(Identification,ID)信息与摄像头关联;
将第一视频图像发送给与摄像头关联的GPU的ID信息所标识的GPU进行目标检测。
动态调整检测多路视频的GPU,是为了实现负载均衡,从而使得全部检测完多路视频的时间最短,因此可以计算各个GPU的总检测时间,即各个GPU检测已接收到的视频图像和所述第一视频图像的检测时间之和。
将总检查时间最短的GPU的ID信息与该摄像头关联起来,将该GPU作为检测第一视频图像的GPU,并将第一视频图像发送给与该GPU进行目标检测。在下一次轮询到该摄像头之前的这段时间,都是由该GPU来检测该摄像头采集的第一视频图像的。
基于同一发明构思,本发明实施例提供一种多路视频检测系统中的目标检测装置,结构如图4所示,包括:
获取单元40,用于获取多路视频检测系统中的摄像头采集的第一视频图像。
预测单元41,用于根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测第一视频图像中包括的目标的数量,第二视频图像是摄像头在第一视频图像之前采集到的。
确定单元42,用于根据预置的目标数量与检测时间的对应关系、以及预测出的第一视频图像中包括的目标的数量,确定多路视频检测系统中各个GPU检测第一视频图像的检测时间。
收发单元43,用于将总检测时间最短的GPU确定为检测第一视频图像的GPU,并将第一视频图像发送给确定出的GPU进行目标检测,每个GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测第一视频图像的检测时间之和。
可选的,上述收发单元43,还用于:接收确定出的GPU发送的从第一视频图像中实际检测出的目标的数量。
具体的,上述预测单元41,用于根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测第一视频图像中包括的目标的数量,具体用于:
通过下列公式预测第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的目标的数量,α为遗忘因子,0<α<1。
具体的,上述确定单元42,具体用于:
若预测出的第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测第一视频图像的检测时间;
若预测出的第一视频图像中包括的目标的数量为浮点数,则确定大小最接近浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测第一视频图像的检测时间。
具体的,上述收发单元43,具体用于:
计算各个GPU的总检测时间;
将总检查时间最短的GPU的ID信息与摄像头关联;
将第一视频图像发送给与摄像头关联的GPU的ID信息所标识的GPU进行目标检测。
基于同一发明构思,本发明实施例提供一种服务器,该服务器的结构如图5所示,包括:
处理器50,用于获取多路视频检测系统中的摄像头采集的第一视频图像;根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测第一视频图像中包括的目标的数量,第二视频图像是摄像头在第一视频图像之前采集到的;根据预置的目标数量与检测时间的对应关系、以及预测出的第一视频图像中包括的目标的数量,确定多路视频检测系统中各个GPU检测第一视频图像的检测时间。
收发器51,用于将总检测时间最短的GPU确定为检测第一视频图像的GPU,并将第一视频图像发送给确定出的GPU进行目标检测,每个GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测第一视频图像的检测时间之和。
处理器50与收发器51之间通过总线连通。
具体的,上述处理器50,具体用于:通过下列公式预测第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的目标的数量,α为遗忘因子,0<α<1。
具体的,上述处理器50,具体用于:
若预测出的第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测第一视频图像的检测时间;
若预测出的第一视频图像中包括的目标的数量为浮点数,则确定大小最接近浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测第一视频图像的检测时间。
本发明是参照根据本发明实施例的方法、设备(系统)、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可选实施例,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可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实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例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。
Claims (14)
1.一种多路视频检测系统中的目标检测方法,其特征在于,包括:
获取所述多路视频检测系统中的摄像头采集的第一视频图像;
根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,所述第二视频图像是所述摄像头在所述第一视频图像之前采集到的;
根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个图形处理器GPU检测所述第一视频图像的检测时间;
将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,每个所述GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测所述第一视频图像的检测时间之和。
2.如权利要求1所述的方法,其特征在于,还包括:
接收确定出的GPU发送的从所述第一视频图像中实际检测出的目标的数量。
3.如权利要求1或2所述的方法,其特征在于,根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,具体包括:
通过下列公式预测所述第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的所述目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的所述目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的所述目标的数量,α为遗忘因子,0<α<1。
4.如权利要求1-3任一所述的方法,其特征在于,在根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量之前,还包括:
获取一组实验图像,所述一组实验图像中每个实验图像包括的目标的数量均不同;
依次使用各个GPU检测所述一组实验图像;
记录各个GPU的检测时间与目标的数量的对应关系。
5.如权利要求1-4任一所述的方法,其特征在于,根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个GPU检测所述第一视频图像的检测时间,具体包括:
若预测出的所述第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找所述整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测所述第一视频图像的检测时间;
若预测出的所述第一视频图像中包括的目标的数量为浮点数,则确定大小最接近所述浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测所述第一视频图像的检测时间。
6.如权利要求1-5任一所述的方法,其特征在于,将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,具体包括:
计算各个GPU的总检测时间;
将总检查时间最短的GPU的标识ID信息与所述摄像头关联;
将所述第一视频图像发送给与所述摄像头关联的GPU的ID信息所标识的GPU进行目标检测。
7.一种多路视频检测系统中的目标检测装置,其特征在于,包括:
获取单元,用于获取所述多路视频检测系统中的摄像头采集的第一视频图像;
预测单元,用于根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,所述第二视频图像是所述摄像头在所述第一视频图像之前采集到的;
确定单元,用于根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个图形处理器GPU检测所述第一视频图像的检测时间;
收发单元,用于将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,每个所述GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测所述第一视频图像的检测时间之和。
8.如权利要求7所述的装置,其特征在于,所述收发单元,还用于:
接收确定出的GPU发送的从所述第一视频图像中实际检测出的目标的数量。
9.如权利要求7或8所述的装置,其特征在于,所述预测单元,具体用于:
通过下列公式预测所述第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的所述目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的所述目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的所述目标的数量,α为遗忘因子,0<α<1。
10.如权利要求7-9任一所述的装置,其特征在于,所述确定单元,具体用于:
若预测出的所述第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找所述整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测所述第一视频图像的检测时间;
若预测出的所述第一视频图像中包括的目标的数量为浮点数,则确定大小最接近所述浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测所述第一视频图像的检测时间。
11.如权利要求7-10任一所述的装置,其特征在于,所述收发单元,具体用于:
计算各个GPU的总检测时间;
将总检查时间最短的GPU的标识ID信息与所述摄像头关联;
将所述第一视频图像发送给与所述摄像头关联的GPU的ID信息所标识的GPU进行目标检测。
12.一种服务器,其特征在于,包括:
处理器,用于获取多路视频检测系统中的摄像头采集的第一视频图像;根据从第二视频图像中预测出的目标的数量和实际检测出的目标的数量,预测所述第一视频图像中包括的目标的数量,所述第二视频图像是所述摄像头在所述第一视频图像之前采集到的;根据预置的目标数量与检测时间的对应关系、以及预测出的所述第一视频图像中包括的目标的数量,确定所述多路视频检测系统中各个图形处理器GPU检测所述第一视频图像的检测时间;
收发器,用于将总检测时间最短的GPU确定为检测所述第一视频图像的GPU,并将所述第一视频图像发送给确定出的GPU进行目标检测,每个所述GPU的总检测时间是该GPU检测自身已接收且未完成检测的视频图像和检测所述第一视频图像的检测时间之和。
13.如权利要求12所述的服务器,其特征在于,所述处理器,具体用于:
通过下列公式预测所述第一视频图像中包括的目标的数量:F′i,t=αFi,t-1+(1-α)F′i,t-1;
其中,F′i,t为预测的摄像头i采集的第一视频图像t中包括的所述目标的数量,F′i,t-1为预测的摄像头i采集的第二视频图像t-1中包括的所述目标的数量,Fi,t-1是实际检测出的摄像头i中采集的第二视频图像t-1中包括的所述目标的数量,α为遗忘因子,0<α<1。
14.如权利要求12或13所述的服务器,其特征在于,所述处理器,具体用于:
若预测出的所述第一视频图像中包括的目标的数量为整数,则从预置的目标数量与检测时间的对应关系中查找所述整数对应的检测时间,将查找到的各个GPU对应的检测时间作为对应GPU检测所述第一视频图像的检测时间;
若预测出的所述第一视频图像中包括的目标的数量为浮点数,则确定大小最接近所述浮点数的两个整数,从预置的目标数量与检测时间的对应关系中查找确定出的两个整数对应的检测时间,根据查找到的各个GPU对应的两个检测时间使用线性插值法得到对应GPU检测所述第一视频图像的检测时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310603859.7A CN103646235B (zh) | 2013-11-25 | 2013-11-25 | 多路视频检测系统中的目标检测方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310603859.7A CN103646235B (zh) | 2013-11-25 | 2013-11-25 | 多路视频检测系统中的目标检测方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103646235A true CN103646235A (zh) | 2014-03-19 |
CN103646235B CN103646235B (zh) | 2016-10-05 |
Family
ID=50251446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310603859.7A Active CN103646235B (zh) | 2013-11-25 | 2013-11-25 | 多路视频检测系统中的目标检测方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103646235B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090044123A1 (en) * | 2007-08-06 | 2009-02-12 | Apple Inc. | Action builds and smart builds for use in a presentation application |
CN101739450A (zh) * | 2009-11-26 | 2010-06-16 | 北京网梯科技发展有限公司 | 对视频中出现的信息进行检索的方法及系统 |
CN102622589A (zh) * | 2012-03-13 | 2012-08-01 | 辉路科技(北京)有限公司 | 一种基于gpu的多光谱人脸检测方法 |
CN102854495A (zh) * | 2012-07-10 | 2013-01-02 | 中国船舶重工集团公司第七二四研究所 | 基于d3d颜色融合技术的雷达视频渲染显示的实现方法 |
-
2013
- 2013-11-25 CN CN201310603859.7A patent/CN103646235B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090044123A1 (en) * | 2007-08-06 | 2009-02-12 | Apple Inc. | Action builds and smart builds for use in a presentation application |
CN101739450A (zh) * | 2009-11-26 | 2010-06-16 | 北京网梯科技发展有限公司 | 对视频中出现的信息进行检索的方法及系统 |
CN102622589A (zh) * | 2012-03-13 | 2012-08-01 | 辉路科技(北京)有限公司 | 一种基于gpu的多光谱人脸检测方法 |
CN102854495A (zh) * | 2012-07-10 | 2013-01-02 | 中国船舶重工集团公司第七二四研究所 | 基于d3d颜色融合技术的雷达视频渲染显示的实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103646235B (zh) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8261266B2 (en) | Deploying a virtual machine having a virtual hardware configuration matching an improved hardware profile with respect to execution of an application | |
CN103608747B (zh) | 基于上下文信息的电力和负载管理 | |
US9021217B2 (en) | Communication apparatus, load distribution method, and recording medium | |
US9588578B2 (en) | Method of changing an operating frequency for performing a dynamic voltage and frequency scaling, system on-chip, and mobile device having the same | |
EP2819011A2 (en) | Task execution by idle resources in grid computing system | |
CN102904955B (zh) | 云计算平台中Web应用的自适应伸缩控制系统及其方法 | |
EP2823373A1 (en) | Virtualizing battery across a group of personal mobile devices | |
CN107784281B (zh) | 人脸检测方法、装置、设备及计算机可读介质 | |
AU2017237704B2 (en) | Control device for estimation of power consumption and energy efficiency of application containers | |
CN103685256A (zh) | 一种虚拟机迁移管理方法、装置及系统 | |
CN104077189A (zh) | 一种用于资源分配的方法和装置 | |
CN104007806A (zh) | 一种安卓系统中的cpu频率的控制方法、装置和设备 | |
US8799474B2 (en) | Apparatus and method to allocate limited resources | |
CN103699433A (zh) | 一种于Hadoop平台中动态调整任务数目的方法及系统 | |
JP2019503152A (ja) | 集中制御サーバ、ローカル端末、分散型監視システム、監視方法、及びプログラム | |
WO2020185396A1 (en) | Capacity management in a cloud computing system using virtual machine series modeling | |
CN114637650B (zh) | 一种基于Kubernetes集群的弹性伸缩方法 | |
CN106209967A (zh) | 一种视频监控云资源预测方法及系统 | |
CN103514048A (zh) | 参与感知系统及其任务分配方法 | |
CN108153827B (zh) | 交通拥堵区域确定方法及装置 | |
US9838222B2 (en) | Counter update remote processing | |
CN103646235A (zh) | 多路视频检测系统中的目标检测方法、装置及服务器 | |
US8629907B2 (en) | Data acquisition system and transmission control device | |
CN105684521B (zh) | 一种wifi接入点控制方法及wifi接入点 | |
CN114310889B (zh) | 一种变电站智能机器人巡检系统及其接入运行方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |