CN106559648A - 行人侦测系统及方法 - Google Patents
行人侦测系统及方法 Download PDFInfo
- Publication number
- CN106559648A CN106559648A CN201510630700.3A CN201510630700A CN106559648A CN 106559648 A CN106559648 A CN 106559648A CN 201510630700 A CN201510630700 A CN 201510630700A CN 106559648 A CN106559648 A CN 106559648A
- Authority
- CN
- China
- Prior art keywords
- sub
- working area
- computing node
- pedestrian
- computing
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
一种行人侦测系统及方法，该行人侦测系统包括摄影装置及云端服务器，所述云端服务器包括：一入口节点及若干运算节点，所述入口节点用于接收摄影装置摄取到的影像资料，并将该影像资料分析、拆解为若干个子工作区，及用于提取一百分比的子工作区，以待分配；所述若干运算节点，用于接收来自入口节点分配的一百分比的子工作区，并将该百分比的子工作区进行分布式平行处理。本发明入口节点不断将行人侦测影像应执行运算的子工作区按比例发送至云端服务器的各运算节点，并通过若干运算节点将一定百分比的子工作区进行分布式平行处理，从而，可以加快处理时间，提高行人影像侦测及判别的效率。
Description
技术领域
本发明涉及一种行人侦测系统及方法。
背景技术
传统的摄像机与云端之间传递数据，不论是将实时影像上传云端，或从云端接收计算完成后的行人位置坐标等通讯，其数据传输量都很小，因此，在影像之判别、分析过程中，需执行运算量庞大且耗时之分类过程，极大地降低数据处理效率。
发明内容
鉴于以上内容，有必要提供一行人侦测系统及方法，能够方便、快速，提高侦测及判别效率的行人侦测系统及方法。
一种行人侦测系统，该行人侦测系统包括摄影装置及云端服务器，所述云端服务器包括：
一入口节点，用于接收摄影装置摄取到的影像资料，并将该影像资料分析、拆解为若干个子工作区，及用于提取一百分比的子工作区，以待分配；
若干运算节点，用于接收来自入口节点分配的一百分比的子工作区，并将该百分比的子工作区进行分布式平行处理。
一种行人侦测方法，应用于一行人侦测系统中，该行人侦测系统包括摄影装置及云端服务器，所述云端服务器包括一入口节点及一若干节点单元该方法包括步骤：
通过摄影装置对监控场景进行拍摄，并实时摄取行人影像画面；
入口节点接收所述实时影像资料，并将该影像资料分析、拆解为若干个子工作区；
入口节点提取一百分比的子工作区，并平均分配给所述若干运算节点。
每一运算节点接收来自入口节点分配的一百分比的子工作区，并将该百分比的子工作区进行分布式平行处理。
相较于现有技术，本发明入口节点不断将行人侦测影像应执行运算的子工作区按比例发送至云端服务器的各运算节点，并通过若干运算节点将一定百分比的子工作区进行分布式平行处理，从而，可以加快处理时间，提高行人影像侦测及判别的效率。
附图说明
图1是本发明行人侦测系统较佳实施例的摄影装置及云端服务器的示意图。
图2是本发明行人侦测系统较佳实施例的方框图。
图3是本发明行人侦测系统的云端服务器的方框示意图。
图4是本发明行人侦测系统的运算单元提取一百分比的子工作区分配至各运算节点的示意图。
图5是本发明行人侦测系统的每一运算节点的方框示意图。
图6是本发明行人侦测系统的运算节点将运算结果的反馈给入口节点的示意图。
图7是本发明行人侦测方法的流程图。
主要元件符号说明
| 行人侦测系统 | 10 |
| 摄影装置 | 11 |
| 云端服务器 | 12 |
| 网络模组 | 110 |
| 入口节点 | 122 |
| 运算节点单元 | 123 |
| 控制单元 | 220 |
| 影像侦测单元 | 221 |
| 数据分解单元 | 222 |
| 数据分配单元 | 223 |
| 运算节点 | C1、C2、C3 |
| 处理器单元 | 232 |
| 判断单元 | 234 |
| 效能判定单元 | 236 |
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
下面结合附图及较佳实施方式对本发明作进一步详细描述：
参考图1，是行人侦测系统10较佳实施例的示意图。在本实施例中，所述的行人侦测系统10包括，但不仅限于，一摄影装置11及一云端服务器12。在本实施例中，所述摄影装置11为一单眼视觉机器人，所谓单眼视觉机器人主要用计算机来模拟人的单眼视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一并参考图2，摄影装置11内建一网络模组110，所述摄影装置11通过内建的网络模组110来将摄取到的实时影像画面传送至所述云端服务器12。所述云端服务器12包括一入口节点122及运算节点单元123。所述入口节点122包括若干子节点P1、P2、P3（以三个节点为例）。
请参照图3，为云端服务器12的方框示意图。所述入口节点122包括一控制单元220、及与控制单元220相连的一影像侦测单元221、一数据分解单元222、一数据分配单元223。所述控制单元220控制影像侦测单元221接收摄影装置11摄取到的影像资料，且控制所述数据分解单元222将该影像资料分析、拆解为若干个子工作区，每一子工作区分布于每一子节点P1、P2、P3。所述控制单元220还控制所述数据分配单元223提取一百分比（本实施例中以1%为例）的子工作区，以分配给所述运算节点单元123。所述运算节点单元123包括若干运算节点C1、C2、C3（以三个运算节点为例），每一运算节点平均接收子工作区总量的1%的子工作区（如图4所示）。在本实施例中，每一运算节点为有运算及处理能力的计算机或虚拟机。
请参照图5，为本发明行人侦测系统10的每一运算节点的方框示意图。所述每一运算节点包括一处理器单元232、一判断单元234及一效能判定单元236，所述处理器单元232包括若干处理器。所述每一运算节点根据自身处理器的数量产生相应数量的工作线程，并将所接收到的子工作区平均分配至对应的工作线程，以通过工作线程同时运算所接收到的子工作区。在本实施例中，每一工作线程每次只处理一个子工作区。所述判断单元234用以判断所述每一运算节点的工作线程是否将所有子工作区全部运算完毕，并将判断结果反馈给入口节点122的控制单元220。所述效能判定单元236用以在所述工作线程处理完相应子工作区后，计算相应运算节点的当前运算效能，并将所述每一运算节点的当前运算效能反馈给所述判断单元234，所述判断单元234将接收到的判断结果反馈给入口节点122的控制单元220。所述入口节点122控制单元220用于根据所接收到的相应运算节点的当前运算效能的判断结果，来控制所述数据分配单元223下一次分给每一运算节点的子工作区的数量及比例。
在本实施例中，所述效能判定单元236根据如下公式来计算相应运算节点的当前运算效能：每一运算节点的运算成本：
（公式一），每一运算节点的运算效能：
（公式二），其中，Mi为工作线程的总数， 为各个工作线程运算时间的加总。
以运算节点C1可动态产生四个工作线程为例，假设运算节点C1完成运算作业后，分别记录各个工作线程的运算时间为6ms、12ms、14ms、8ms。以公式一进行运算，可得知运算节点C1的运算成本CCi为10ms，再以公式二进行推算，便可取得运算节点C1的运算效能（CPi）为1/10，如此，运算节点C1便将所有子工作区的运算结果以及自身的运算效能（CPi）回传至入口节点122的控制单元220中（可参照图6）。
所述入口节点122的控制单元220根据接收到的各运算节点反馈的运算效能（CPi），按照如下公式三来比较每一运算节点的运算效能的状态，并以此来调整下一次分配至各运算节点的子工作区的数量比例，各运算节点分配的子工作区的数量比例Wi的计算如下： （公式三），
其中，CPi为某一运算节点的运算效能， 为各个运算节点运算效能的加总。
以计算分配至运算节点C1的子工作区的数量比例Wi1为例，假设运算节点C2、C3回报的运算效能分别为1/20、1/5，入口节点122的控制单元220便可根据接收到的各运算节点的运算效能信息，经由公式三之进行运算可以得出分配至运算节点C1的子工作区的数量比例Wi1为28.6%，运算如下：
Wi1=(1/10)/(1/10+1/20+1/5)*100%=28.6%
通过同样的方式，入口节点122的控制单元220可计算出分配给运算节点C2、C3的子工作区的数量比例。如此，入口节点122的控制单元220可根据该分配比例，控制数据分配单元223下一次分给每一运算节点的子工作区的数量及比例。
所述入口节点122的控制单元220通过判断单元234判断每一运算节点的工作线程是否将所有子工作区全部运算完毕，若没有运算完毕，则控制单元220控制数据分配单元223提取子工作区总量的10%的子工作区，平均分配至各运算节点进行平行处理。
假设，单张影像应执行的子工作区总量为385,803次运算作业为例，入口节点122的控制单元220接下来每次将分派总工作量之10%至各运算节点，将其中38,580次运算工作平均分配至各运算节点同时进行分布式平行处理。
参考图7所示，是应用于上述行人侦测系统10的行人侦测方法的较佳实施例的流程图。在本实施例中，该方法能够快速地完成行人侦测及判别工作，步骤包括如下：
步骤S801，通过摄影装置11对监控场景进行拍摄，并实时摄取行人影像画面，在本实施例中，所述摄影装置11为一单眼视觉机器人，所述摄影装置11通过内建的网络模组110将摄取到的实时影像画面传送至云端服务器12。
步骤S802，所述入口节点122通过所述影像侦测单元221接收所述实时影像资料。
步骤S803，所述入口节点122通过数据分解单元222对接收到的实时影像进行分析，并将该影像资料分析、拆解为若干个子工作区。
步骤S804，所述入口节点122的控制单元220控制数据分配单元223提取一百分比（本实施例中以1%为例）的子工作区，并平均分配给所述运算节点单元123。
步骤S805，每一运算节点根据自身实际处理器的数量产生相应数量的工作线程，并将所接收到的子工作区平均分配至对应的工作线程，以通过工作线程同时运算所接收到的子工作区。在本实施例中，每一工作线程每次只处理一个子工作区。
步骤S806，所述每一运算节点的效能判定单元236用以在所述工作线程处理完相应子工作区后，计算相应运算节点的当前运算效能，并将所述每一运算节点的当前运算效能反馈给所述判断单元234。
步骤S807，所述入口节点122的控制单元220通过判断单元234接收每一运算节点的运算效能信息，并根据该运算效能信息调整下一次应分配至各运算节点的子工作区的数量比例。
步骤S808，判断单元234判断每一运算节点的工作线程是否将所有子工作区全部运算完毕，若没有运算完毕，执行步骤S809；若全部运算完毕，则结束进程。
步骤S809，控制单元220控制数据分配单元223提取子工作区总量的10%的子工作区，平均分配至各运算节点进行平行处理，并根据接收到的各运算节点的运算效能信息调整分配至各运算节点的子工作区的数量比例。
如此，入口节点122的控制单元220便依据上述结构及步骤，不断将行人侦测影像应执行运算的子工作区发送至云端所有运算节点，并依据各运算节点每次回报之实时运算效能状态，调整下一次发派至各运算节点的工作量比例，直到所有子工作区运算完毕，即完成本次行人侦测的判别作工作。
综上，通过多个运算节点对子工作区进行同时处理，不仅可节省购置多组高阶运算设备的高额花费，且可不断盘点云端计算资源的实时状况，随时调整分配至各运算节点的工作量比例，可避免发生某云端服务器的某一运算效能无预警地变动，造成单一行人侦测的运算作业的资源降低，及所分配的作业量无法迅速完成等状况发生，进而有效提升基于单眼视觉机器人的行人侦测的运算、判别能力。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照以上较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换都不应脱离本发明技术方案的精神和范围。
Claims (10)
1.一种行人侦测系统，该行人侦测系统包括摄影装置及云端服务器，所述云端服务器包括：
一入口节点，用于接收摄影装置摄取到的影像资料，并将该影像资料分析、拆解为若干个子工作区，及用于提取一百分比的子工作区，以待分配；
若干运算节点，用于接收来自入口节点分配的一百分比的子工作区，并将该百分比的子工作区进行分布式平行处理。
2.如权利要求1所述的行人侦测系统，其特征在于，所述入口节点包括一影像侦测单元、一数据分解单元、一数据分配单元及与影像侦测单元、数据分解单元及数据分配单元相连的一控制单元，所述控制单元控制影像侦测单元接收摄影装置摄取到的影像资料，且控制所述数据分解单元将该影像资料分析、拆解为若干个子工作区，及控制所述数据分配单元提取一百分比的子工作区，以待分配。
3.如权利要求2所述的行人侦测系统，其特征在于，所述每一运算节点包括若干处理器，每一运算节点根据自身处理器的数量产生相应数量的工作线程，并将所接收到的子工作区平均分配至对应的工作线程，以同时运算所接收到的子工作区。
4.如权利要求3所述的行人侦测系统，其特征在于，所述每一运算节点还包括一判断单元，所述判断单元用以判断所述每一运算节点的工作线程是否将所有子工作区全部运算完毕，并将判断结果反馈给入口节点的控制单元。
5.如权利要求4所述的行人侦测系统，其特征在于，所述每一运算节点还包括一效能判定单元，用以在所述工作线程处理完相应子工作区后，计算相应运算节点的当前运算效能，并将所述每一运算节点的当前运算效能反馈给所述判断单元，所述判断单元将接收到的判断结果反馈给入口节点的控制单元。
6.如权利要求5所述的行人侦测系统，其特征在于，所述入口节点控制单元还用于根据所接收到的相应运算节点的当前运算效能的判断结果，来控制所述数据提取单元下一次分给每一运算节点的子工作区的数量及比例。
7.如权利要求1或6所述的行人侦测系统，其特征在于，所述百分比为1%，当所述运算单元判断所有子工作区未全部运算完毕时，所述入口节点的控制单元控制所述数据提取单元提取所述子工作区总量的10%，数据分配单元并将该10%的子工作区平均分配给每一运算节点的工作线程，以进行分布式平行处理。
8.一种行人侦测方法，应用于一行人侦测系统中，该行人侦测系统包括摄影装置及云端服务器，所述云端服务器包括一入口节点及一若干节点单元该方法包括步骤：
通过摄影装置对监控场景进行拍摄，并实时摄取行人影像画面；
入口节点接收所述实时影像资料，并将该影像资料分析、拆解为若干个子工作区；
入口节点提取一百分比的子工作区，并平均分配给所述若干运算节点。
每一运算节点接收来自入口节点分配的一百分比的子工作区，并将该百分比的子工作区进行分布式平行处理。
9.如权利要求8所述的行人侦测方法，其特征在于，每一运算节点包括一处理器，每一运算节点根据自身实际处理器的数量产生相应数量的工作线程，并将所接收到的子工作区平均分配至对应的工作线程，以通过工作线程同时运算所接收到的子工作区。
10.如权利要求9所述的行人侦测方法，其特征在于，所述每一运算节点还用以在所述工作线程处理完相应子工作区后，计算相应运算节点的当前运算效能，并将所述每一运算节点的当前运算效能反馈给所述入口节点；再根据该运算效能信息调整下一次应分配至各运算节点的子工作区的数量比例，并判断每一运算节点的工作线程是否将所有子工作区全部运算完毕，若没有运算完毕，入口节点提取子工作区总量的10%的子工作区，平均分配至各运算节点进行平行处理，且根据接收到的各运算节点的运算效能信息调整分配至各运算节点的子工作区的数量比例。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510630700.3A CN106559648A (zh) | 2015-09-29 | 2015-09-29 | 行人侦测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510630700.3A CN106559648A (zh) | 2015-09-29 | 2015-09-29 | 行人侦测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106559648A true CN106559648A (zh) | 2017-04-05 |
Family
ID=58416787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510630700.3A Pending CN106559648A (zh) | 2015-09-29 | 2015-09-29 | 行人侦测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106559648A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073546A (zh) * | 2010-12-13 | 2011-05-25 | 北京航空航天大学 | 一种云计算环境中分布式计算模式下的任务动态调度方法 |
| CN102088472A (zh) * | 2010-11-12 | 2011-06-08 | 中国传媒大学 | 面向广域网的动漫渲染任务分解支持方法及实现系统 |
| CN102231121A (zh) * | 2011-07-25 | 2011-11-02 | 北方工业大学 | 基于内存映射的大数据文件快速并行提取方法 |
| CN102638456A (zh) * | 2012-03-19 | 2012-08-15 | 杭州海康威视系统技术有限公司 | 基于云计算的海量实时视频码流智能分析方法及其系统 |
| CN102841816A (zh) * | 2012-07-16 | 2012-12-26 | 北京市遥感信息研究所 | 遥感图像数据并行处理的方法 |
| CN103617086A (zh) * | 2013-11-20 | 2014-03-05 | 东软集团股份有限公司 | 一种并行计算方法及系统 |
| CN104850583A (zh) * | 2015-04-15 | 2015-08-19 | 清华大学 | 海量气候模式输出数据的分布式协同分析系统及方法 |
| US20150268993A1 (en) * | 2014-03-21 | 2015-09-24 | Qualcomm Incorporated | Method for Exploiting Parallelism in Nested Parallel Patterns in Task-based Systems |
-
2015
- 2015-09-29 CN CN201510630700.3A patent/CN106559648A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102088472A (zh) * | 2010-11-12 | 2011-06-08 | 中国传媒大学 | 面向广域网的动漫渲染任务分解支持方法及实现系统 |
| CN102073546A (zh) * | 2010-12-13 | 2011-05-25 | 北京航空航天大学 | 一种云计算环境中分布式计算模式下的任务动态调度方法 |
| CN102231121A (zh) * | 2011-07-25 | 2011-11-02 | 北方工业大学 | 基于内存映射的大数据文件快速并行提取方法 |
| CN102638456A (zh) * | 2012-03-19 | 2012-08-15 | 杭州海康威视系统技术有限公司 | 基于云计算的海量实时视频码流智能分析方法及其系统 |
| CN102841816A (zh) * | 2012-07-16 | 2012-12-26 | 北京市遥感信息研究所 | 遥感图像数据并行处理的方法 |
| CN103617086A (zh) * | 2013-11-20 | 2014-03-05 | 东软集团股份有限公司 | 一种并行计算方法及系统 |
| US20150268993A1 (en) * | 2014-03-21 | 2015-09-24 | Qualcomm Incorporated | Method for Exploiting Parallelism in Nested Parallel Patterns in Task-based Systems |
| CN104850583A (zh) * | 2015-04-15 | 2015-08-19 | 清华大学 | 海量气候模式输出数据的分布式协同分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI547817B (zh) | 叢集運算架構的資源規劃方法、系統及裝置 | |
| CN111459665A (zh) | 一种分布式边缘计算系统及分布式边缘计算方法 | |
| JP6909829B2 (ja) | 情報処理方法、機器、システム及び記憶媒体 | |
| CN104915247A (zh) | 一种实时数据计算方法及系统 | |
| CN104391879B (zh) | 层次聚类的方法及装置 | |
| JP2012504830A5 (zh) | ||
| CN106970841A (zh) | 一种基于云计算的资源限制及动态调整方法 | |
| US9529935B2 (en) | Efficient link management for graph clustering | |
| CN106951321A (zh) | 虚拟机cpu资源的管理方法及装置 | |
| Jena et al. | Performance evaluation of energy efficient power models for digital cloud | |
| CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
| CN102833516B (zh) | 基于云计算的智能头盔网络系统及其视频信息处理方法 | |
| US20150286493A1 (en) | Virtual-machine placement based on information from multiple data centers | |
| CN106559648A (zh) | 行人侦测系统及方法 | |
| KR20110037184A (ko) | 뉴로-퍼지 시스템과 병렬처리 프로세서가 결합된, 파이프라이닝 컴퓨터 시스템, 이를 이용하여 영상에서 물체를 인식하는 방법 및 장치 | |
| CN112560880A (zh) | 目标分类方法、目标分类装置及计算机可读存储介质 | |
| TWI622000B (zh) | 行人偵測系統及方法 | |
| Wu et al. | Parallel detection for efficient video analytics at the edge | |
| CN111432178B (zh) | 基于嵌入式处理的分布式视觉伺服反馈控制系统 | |
| CN109977884B (zh) | 目标跟随方法和装置 | |
| CN102521580A (zh) | 实时目标匹配跟踪方法及系统 | |
| WO2022121886A1 (zh) | 一种电力作业着装规范识别方法和装置 | |
| CN102023163A (zh) | 基于dsp的接插件检测系统和检测方法 | |
| CN106657026B (zh) | 基于gpu的视频流智能感知协同处理系统及其处理方法 | |
| CN106293929B (zh) | 一种数据处理方法及第一电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180207 Address after: The 300457 Tianjin economic and Technological Development Zone Haiyun Street No. 80 Applicant after: Hongfujin Precision Electronics (Tianjin) Co., Ltd. Address before: 518109 Guangdong city of Shenzhen province Baoan District Longhua Town Industrial Zone tabulaeformis tenth East Ring Road No. 2 two Applicant before: Hongfujin Precise Industry (Shenzhen) Co., Ltd. Applicant before: Hon Hai Precision Industry Co., Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170405 |
|
| RJ01 | Rejection of invention patent application after publication |