CN110543887A - 目标分析方法、装置、电子设备及可读存储介质 - Google Patents

目标分析方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN110543887A
CN110543887A CN201810533960.2A CN201810533960A CN110543887A CN 110543887 A CN110543887 A CN 110543887A CN 201810533960 A CN201810533960 A CN 201810533960A CN 110543887 A CN110543887 A CN 110543887A
Authority
CN
China
Prior art keywords
target
algorithm
target analysis
analysis
analyzed
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
Application number
CN201810533960.2A
Other languages
English (en)
Inventor
傅广怀
罗仕胜
翁力帆
陆沛琳
陈益新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201810533960.2A priority Critical patent/CN110543887A/zh
Publication of CN110543887A publication Critical patent/CN110543887A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/285Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种目标分析方法、装置、电子设备及可读存储介质,该方法包括:接收目标分析任务;其中,所述目标分析任务中携带有所述目标分析任务的类型;确定与所述目标分析任务的类型匹配的目标算法;利用所述目标算法对待分析对象进行目标分析,以得到所述待分析对象的目标分析结果。该方法可以提高多类型目标分析的效率和准确率。

Description

目标分析方法、装置、电子设备及可读存储介质
技术领域
本申请涉及图像处理技术,尤其涉及一种目标分析方法、装置、电子设备及可读存储介质。
背景技术
目前,智能分析应用一般是对单一类型的目标(如人脸、车辆、人体等)进行分析。当进行多类型目标分析时,例如,既要进行人脸分析,又要进行车辆或人体分析等,其分析效果往往不如单一目标,比如属性识别率低、分析速度慢等。
发明内容
有鉴于此,本申请提供一种目标分析方法、装置、电子设备及可读存储介质。
具体地,本申请是通过如下技术方案实现的:
根据本申请实施例的第一方面,提供一种目标分析方法,应用于智能分析设备,所述方法包括:
接收目标分析任务;其中,所述目标分析任务中携带有所述目标分析任务的类型;
确定与所述目标分析任务的类型匹配的目标算法;
利用所述目标算法对待分析对象进行目标分析,以得到所述待分析对象的目标分析结果。
可选的,所述目标分析任务中还携带有与所述目标分析任务的类型匹配的算法的标识;
所述确定与所述待分析目标匹配的目标算法,包括:
根据所述与所述目标分析任务的类型匹配的算法的标识,确定与所述目标分析任务的类型匹配的目标算法。
可选的,所述目标分析任务中还携带有待分析对象的地址信息;
所述利用所述目标算法对待分析对象进行目标分析,包括:
根据所述待分析对象的地址信息获取待分析对象;
利用所述目标算法对所述待分析对象进行目标分析。
可选的,所述利用所述目标算法对待分析对象进行目标分析,包括:
从算法池中获取所述目标算法;其中,所述算法池中包括多种与不同类型的目标分析任务匹配的算法;
利用所述目标算法对待分析对象进行目标分析。
可选的,所述利用所述目标算法对待分析对象进行分析,包括:
判断是否存在加载有所述目标算法,且可用资源满足需求的目标运算芯片;
若是,则利用所述目标运算芯片对所述待分析对象进行目标分析;
否则,将所述目标分析任务加入到任务队列。
可选的,所述智能分析设备中包括多个运算芯片,所述多个运算芯片加载的算法不完全相同。
可选的,所述方法还包括:
当任务队列中同一类型的目标分析任务的数量超过预设阈值,且所述多个运算芯片中存在空闲的运算芯片时,将所述空闲的运算芯片中加载的算法切换为与该目标分析任务的类型匹配的算法。
根据本申请实施例的第二方面,提供一种目标分析装置,应用于智能分析设备,所述装置包括:
接收单元,用于接收目标分析任务;其中,所述目标分析任务中携带有所述目标分析任务的类型;
确定单元,用于确定与所述目标分析任务的类型匹配的目标算法;
分析单元,用于利用所述目标算法对待分析对象进行目标分析,以得到所述待分析对象的目标分析结果。
可选的,所述目标分析任务中还携带有与所述目标分析任务的类型匹配的算法的标识;
所述确定单元,具体用于根据所述与所述目标分析任务的类型匹配的算法的标识,确定与所述目标分析任务的类型匹配的目标算法。
可选的,所述目标分析任务中还携带有待分析对象的地址信息;
所述分析单元,具体用于根据所述待分析对象的地址信息获取待分析对象;利用所述目标算法对所述待分析对象进行目标分析。
可选的,所述分析单元,具体用于从算法池中获取所述目标算法;其中,所述算法池中包括多种与不同类型的目标分析任务匹配的算法;利用所述目标算法对待分析对象进行目标分析。
可选的,所述装置还包括:
判断单元,用于判断是否存在加载有所述目标算法,且可用资源满足需求的目标运算芯片;
所述分析单元,具体用于若存在目标运算芯片,则利用所述目标运算芯片对所述待分析对象进行目标分析;
所述分析单元,还用于若不存在目标运算芯片,则将所述目标分析任务加入到任务队列。
可选的,所述智能分析设备中包括多个运算芯片,所述多个运算芯片加载的算法不完全相同。
可选的,所述装置还包括:
算法管理单元,用于当任务队列中同一类型的目标分析任务的数量超过预设阈值,且所述多个运算芯片中存在空闲的运算芯片时,将所述空闲的运算芯片中加载的算法切换为与该目标分析任务的类型匹配的算法。
根据本申请实施例的第三方面,提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述目标分析方法。
根据本申请实施例的第四方面,提供一种机器可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述目标分析方法。
本申请实施例的目标分析方法,通过在收到目标分析任务时,根据目标分析任务的类型确定匹配的目标算法,并利用目标算法对待分析对象进行目标分析,提高了多类型目标分析的效率和准确率。
附图说明
图1是本申请一示例性实施例示出的一种目标分析方法的流程图;
图2是本申请一示例性实施例示出的一种具体应用场景的架构示意图;
图3是本申请一示例性实施例示出的一种目标分析装置的结构示意图;
图4是本申请又一示例性实施例示出的一种目标分析装置的结构示意图;
图5是本申请又一示例性实施例示出的一种目标分析装置的结构示意图;
图6是本申请一示例性实施例示出的一种目标分析装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,并使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1,为本申请实施例提供的一种目标分析方法的流程示意图,其中,该目标分析方法可以应用于智能分析设备,如图1所示,该目标分析方法可以包括以下步骤:
步骤S100、接收目标分析任务;其中,目标分析任务中携带有该目标分析任务的类型。
本申请实施例中,当需要进行目标分析时,应用平台可以向智能分析设备下发目标分析任务。
其中,该目标分析任务中可以携带有该目标分析任务的类型,如人脸、车辆或人体等。
需要说明的是,在本申请实施例中,考虑到视频分析与图片分析之间的差异性,可以根据分析的对象(视频或图片)将目标分析任务的类型进一步细化,例如,目标分析任务的类型可以为视频人脸、图片人脸、视频车辆、图片车辆、视频人体、图片人体等。
步骤S110、确定与目标分析任务的类型匹配的目标算法。
需要说明的是,在本申请实施例中,若未特殊说明,所提及的算法均指智能分析设备支持的,且能够获取到的(或已有的)用于进行目标分析的算法,本申请实施例后续不再复述。
本申请实施例中,当智能分析设备接收到目标分析任务时,可以获取该目标分析任务中携带的目标分析任务的类型,并根据该目标分析任务的类型,确定与该目标分析任务的类型匹配的算法(本文中称为目标算法)。
需要说明的是,在本申请实施例中,当目标分析任务包括多种类型时,智能分析设备可以分别确定各类型匹配的目标算法。
例如,当目标分析任务需要分别检测人脸和车辆时,智能设备可以分别确定与人脸匹配的目标算法和与车辆匹配的目标算法。
此外,不同目标分析任务的类型匹配的算法不完全相同。其中,当某一算法对多种不同类型的目标的分析效果均能满足要求时,该算法可以同时作为该多种不同类型的目标分析任务匹配的算法。
优选地,不同目标分析任务的类型匹配的算法不相同。
在本申请其中一个实施例中,目标分析任务中还可以携带与目标分析任务的类型匹配的算法的标识。
相应地,上述确定与目标分析任务的类型匹配的目标算法,可以包括:
根据与目标分析任务的类型匹配的算法的标识,确定与该目标分析任务的类型匹配的目标算法。
在该实施例中,应用平台向智能分析设备下发目标分析任务时,还可以执行用于进行目标分析的算法。
相应地,当智能分析设备接收到目标分析任务时,可以获取其中携带的与目标分析任务的类型匹配的算法的标识,并根据所获取到的算法的标识,确定与目标分析任务的类型匹配的目标算法。
需要说明的是,在本申请实施例中,当目标分析任务包括多种类型时,目标分析任务中需要分别携带与各类型匹配的算法的标识。
应该认识到,在本申请实施例中,应用平台下发目标分析任务时,也可以直接携带将与目标分析任务的类型匹配的算法,相应地,智能分析设备接收到目标分析任务时,可以直接将其中携带的与目标分析任务的类型匹配的算法确定为目标算法。
在本申请另一个实施例中,上述确定与目标分析任务的类型匹配的目标算法,可以包括:
根据目标分析任务的类型查询预设的类型与算法的对应关系,以确定与目标分析任务的类型匹配的目标算法。
在该实施例中,为了使智能分析设备能够自动确定执行目标分析任务使用的算法,可以预先为智能分析设备配置目标分析任务的类型与算法的对应关系(本文中称为预设的类型与算法的对应关系)。
相应地,当智能分析设备接收到目标分析任务时,智能分析设备可以根据目标分析任务的类型查询预设的类型与算法的对应关系,以确定与目标分析任务的类型匹配的目标算法。
值得注意的是,在本申请实施例中,一种目标分析任务的类型(如人脸、车辆或人体)对应的算法可以存在多种,在该情况下,当智能分析设备确定的与目标分析任务的类型匹配的目标算法存在多种时,智能分析设备可以按照随机选择的策略或其它策略选择一种目标算法用于目标分析任务,其具体实现在此不做限定。
步骤S120、利用目标算法对待分析对象进行目标分析,以得到待分析对象的目标分析结果。
本申请实施例中,智能分析设备确定了目标分析任务的类型匹配的目标算法之后,可以利用目标算法对待分析对象进行目标分析,以得到待分析对象的目标分析结果。
其中,待分析对象可以包括但不限于视频或图片等。
可见,在图1所示方法流程中,智能分析设备接收到目标分析任务时,可以根据目标分析任务的类型确定匹配的目标算法,并利用目标算法对待分析对象进行目标分析,从而可以在保证目标分析的效率和准确率的情况下,实现智能分析设备对多种类型的目标的分析,即提高了多类型目标分析的效率和准确率。
在本申请实施例中,应用平台向智能分析设备下发目标分析任务时,可以直接将待分析对象下发给智能分析设备,进而,智能分析设备在确定了目标算法之后,可以直接利用该目标分析算法对待分析对象进行分析,以提高智能分析设备接收到目标分析任务之后的目标分析效率。
然而,考虑到应用平台将待分析对象下发给智能分析设备时,应用平台需要先获取待分析对象,然后再将待分析对象下发给智能分析设备,即待分析对象需要进行两次传输,当待分析对象较大,如待分析对象为视频流或图片流时,会造成系统资源浪费,因此,为节省系统资源,应用平台向智能分析设备下发目标分析任务时,可以仅将待分析对象的地址信息下发给智能分析设备,由智能分析设备根据待分析对象的地址信息获取待分析对象。
相应地,在本申请其中一个实施例中,上述目标分析任务中还可以携带有待分析对象的地址信息。
相应地,上述利用所述目标算法对待分析对象进行目标分析,可以包括:
根据待分析对象的地址信息获取待分析对象;
利用目标算法对待分析对象进行目标分析。
在该实施例中,应用平台向智能分析设备下发的目标分析任务中还可以携带待分析对象的地址信息,如视频流或图片流的URL(Uniform Resource Locator,统一资源定位符)。
智能分析设备接收到目标分析任务之后,一方面,可以按照上述方式确定目标算法;另一方面,可以根据待分析对象的地址信息获取待分析对象。
例如,根据视频流或图片流的URL从前端IPC(Internet Protocol Camera,网络摄像机)或云端存储中获取用于目标分析的视频流或图片流。
智能分析设备确定了目标算法,并获取到了待分析对象之后,可以利用该目标算法对待分析对象进行分析。
进一步地,在本申请实施例中,为了提高多目标分析的效率和准确率,智能分析设备需要能够获取到与各种类型的目标分析任务匹配的算法。
为了达到该目的,可以预先在智能分析设备中配置与各种类型的目标分析任务匹配的算法,进而,当智能分析设备确定了目标算法之后,可以直接利用所配置的目标算法对待分析对象进行分析。
然而,考虑到将算法直接配置在智能分析设备中的实现方式会占用智能分析设备的存储资源,且算法的更新和扩展较为复杂,因此,可以在系统中部署一个算法池,并在该算法池中配置与各种类型的目标分析任务匹配的算法,智能分析设备可以从算法池中获取用于目标分析的算法,从而可以节省智能分析设备的存储资源,并提高算法更新和扩展的兼容性和延展性。
相应地,在本申请其中一个实施例中,上述利用目标算法对待分析对象进行目标分析,可以包括:
从算法池中获取目标算法;其中,算法池中包括多种与不同类型的目标分析任务匹配的算法;
利用目标算法对待分析对象进行目标分析。
在该实施例中,智能分析设备确定了目标算法之后,可以从算法池中获取目标算法,并利用获取到的目标算法对待分析对象进行目标分析。
进一步地,在本申请实施例中,可以在智能分析设备中部署一个或多个用于进行目标分析的运算芯片,进而,智能分析设备可以通过在运算芯片中加载算法,并利用运算芯片执行对应类型的目标分析任务。
相应地,在本申请其中一个实施例中,上述利用目标算法对待分析对象进行分析,可以包括:
判断是否存在加载有目标算法,且可用资源满足需求的目标运算芯片;
若是,则利用目标运算芯片对待分析对象进行目标分析;
否则,将目标分析任务加入到任务队列。
在该实施例中,智能分析设备确定了目标算法之后,可以判断是否存在加载有目标算法的运算芯片;若存在,则进一步判断该运算芯片的可用资源是否满足需求(即是否有足够的资源用于执行目标分析任务,其可以根据目标分析任务对资源的需求情况确定)。
若存在加载有目标算法,且可用资源满足需求的运算芯片(本文中称为目标运算芯片),则智能分析设备可以利用该运算芯片对待分析对象进行目标分析。
若不存在加载有目标算法的运算芯片,或存在加载有目标算法的运算芯片,但该运算芯片的可用资源不满足需求,则智能分析设备可以将该目标分析任务加入到任务队列。
可选地,应用平台下发的目标分析任务中还可以携带优先级,相应地,当智能分析设备将目标分析任务加入到任务队列中时,智能分析设备还可以根据任务队列中各目标分析任务的优先级对各目标分析任务进行排序;其中,对于同一类型的目标分析任务,优先级高的目标分析任务比优先级低的目标分析任务先进行调度。
需要说明的是,在本申请实施例中,当智能分析设备确定了目标算法之后,且发现不存在加载有目标算法的运算芯片,或者,加载有目标算法的芯片的可用资源不足,但存在未加载算法的运算芯片时,智能分析设备可以在该运算芯片中加载目标算法,并利用该运算芯片执行该目标分析任务。
进一步地,在该实施例的一种实施方式中,为了提高智能分析设备执行多目标分析任务的效率,智能分析设备中可以部署多个运算芯片,该多个运算芯片加载的算法不完全相同。
相应地,在该实施方式中,当智能分析设备接收到目标分析任务,并确定了目标算法之后,可以通过加载有该目标算法的运算芯片(具有足够的可用资源)执行该目标分析任务,从而,智能分析设备可以并发执行多种不同类型的目标分析任务,进一步提高多目标分析任务的效率。
进一步地,在该实施方式中,当任务队列中同一类型的目标分析任务的数量超过预设阈值,且多个运算芯片中存在空闲的运算芯片时,将该空闲的运算芯片中加载的算法切换为与该目标分析任务的类型匹配的算法。
具体地,考虑到在实际应用中,可能会出现某一种或几种类型的目标分析任务的数量特别多,而另一种或几种类型的目标分析任务的数量相对又比较少的情况,为了避免该情况导致智能分析设备中的多个运算芯片有部分一直处于满负荷状态,而另一部分则一直处于空闲状态,智能分析设备还可以根据实际需求切换运算芯片中加载的算法。
相应地,在该实施例中,对于任务队列中的目标分析任务,当同一类型的目标分析任务的数量超过预设阈值(可以根据实际场景设定,如5个、10个等)时,智能分析设备可以判断是否存在空闲的运算芯片,若存在,则智能分析设备可以将该空闲的运算芯片中加载的算法切换为该目标分析任务(任务队列中相同类型的数量超过预设阈值的目标分析任务)的类型匹配的算法。
需要说明的是,在本申请实施例中,当上述情况下存在多个空闲的运算芯片时,智能分析设备可以按照随机选择策略或其它策略选择部分或全部空闲的运算芯片进行算法切换。
优选地,智能分析设备每一次选择一个空闲的运算芯片进行算法切换,并当完成算法切换以及相应的任务分配(即将任务队列中与切换后的算法匹配的类型的目标分析任务分配给该运算芯片)之后,任务队列中仍然存在同一类型的目标分析任务的数量超过预设阈值的情况,则再次按照上述方式进行算法切换决策。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,下面结合具体应用场景对本申请实施例提供的技术方案进行说明。
请参见图2,为本申请实施例提供的一种具体应用场景的架构示意图,如图2所示,该应用场景包括用于进行目标分析任务下发的应用平台、用于执行目标分析任务的智能分析设备、用于存储算法的算法池、用于获取监控视频的前端IPC以及用于存储图片流的云存储。
其中,智能分析设备中部署有多个运算芯片(以6个为例,分别为运算芯片1~6);算法池中存储有与各种类型的目标分析任务匹配的算法(以目标分析任务的类型与算法一一对应为例),应用平台中记录有算法池中各算法的标识,智能分析设备可以从算法池中获取算法并加载至运算芯片。
假设目标分析任务的类型包括视频人脸、视频车辆、视频人体、图片人脸、图片车辆和图片人体(假设依次为类型1~6),算法池中与类型1~6对应的算法依次为算法1~6。
其中,系统初始化完成时,智能分析设备的各运算芯片可以为均未加载算法的状态,或者,智能分析设备可以根据相应配置信息在各运算芯片中预先加载相应的算法。
假设系统初始化完成时,运算芯片1中加载有算法1,运算芯片2中加载有算法2…运算芯片6中记载的算法6。
基于图2所示应用场景,本申请实施例提供的目标分析方法的实现流程如下:
1、应用平台向智能分析设备下发目标分析任务,该目标分析任务中携带有目标分析任务的类型、与该目标分析任务的类型匹配的算法的标识以及待分析对象的URL。
2、智能分析设备接收目标分析任务,根据目标分析任务中携带的算法的标识确定与该目标分析任务匹配的目标算法,并确定是否存在加载有该目标算法的运算芯片。
在该实施例中,假设智能分析设备接收到的目标分析任务的类型为类型1,则智能分析设备1可以判断运算芯片1的可用资源是否满足需求,若是,则智能分析设备可以利用运算芯片1对获取到的视频流进行人脸检测;否则,智能分析设备可以将该目标分析任务加入任务队列。
3、当智能分析设备确定运算芯片1中的可用资源满足需求时,智能分析设备可以根据待分析对象的URL获取待分析对象。
在该实施例中,当待分析对象为视频流时,智能分析设备可以根据视频流的URL从前端IPC获取用于进行目标分析的视频流;当待分析对象为图片流时,智能分析设备可以根据图片流的URL从云存储中获取用于进行目标分析的图片流。
4、假设某时刻,任务队列中类型3的目标分析任务的数量超过预设阈值(假设为10个),则智能分析设备可以确定当前是否存在空闲的运算芯片。
假设当前运算芯片4和运算芯片6为空闲运算芯片,则智能分析设备可以从运算芯片4和运算芯片6中选择一个(假设选择运算芯片4),并将运算芯片4中的算法由算法4切换为算法3,并对任务队列中类型3的目标分析任务进行调度,将其分配给运算芯片4,直至任务队列中类型3的目标分析任务均分配完成,或运算芯片4的可用资源不满足需求。
若运算芯片4的可用资源不满足需求,且任务队列中类型3的目标分析任务的数量仍超过10个,则智能分析设备可以再次确定当前是否存在空闲的运算芯片。
假设此时运算芯片6仍处于空闲,则智能分析设备可以将运算芯片6中的算法由算法6切换为算法3,并对任务队列中类型3的目标分析任务进行调度。
需要说明的是,在本申请实施例中,智能分析设备完成目标分析任务之后,可以目标分析结果发送给大数据进行存储。
例如,智能分析设备可以通过kafka(一种高吞吐量的分布式发布订阅消息系统)将分析出的车辆、人脸、人体的模型数据(用于进行目标搜索,例如,以图搜图)、结构化属性(如微笑、戴眼镜、发型等)、目标坐标框、图片URL(从视频流中分析出的目标图片数据会先上传至云存储,并以URL的形式进行传输)、轨迹等信息发送给大数据进行存储。
本申请实施例中,通过在收到目标分析任务时,根据目标分析任务的类型确定匹配的目标算法,并利用目标算法对待分析对象进行目标分析,提高了多类型目标分析的效率和准确率。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述:
请参见图3,为本申请实施例提供的一种目标分析装置的结构示意图,其中,该目标分析装置可以应用于上述方法实施例中的智能分析设备,如图3所示,该目标分析装置可以包括:
接收单元310,用于接收目标分析任务;其中,所述目标分析任务中携带有所述目标分析任务的类型;
确定单元320,用于确定与所述目标分析任务的类型匹配的目标算法;
分析单元330,用于利用所述目标算法对待分析对象进行目标分析,以得到所述待分析对象的目标分析结果。
在一种可选的实施方式中,所述目标分析任务中还携带有与所述目标分析任务的类型匹配的算法的标识;
所述确定单元320,具体用于根据所述与所述目标分析任务的类型匹配的算法的标识,确定与所述目标分析任务的类型匹配的目标算法。
在一种可选的实施方式中,所述目标分析任务中还携带有待分析对象的地址信息;
所述分析单元330,具体用于根据所述待分析对象的地址信息获取待分析对象;利用所述目标算法对所述待分析对象进行目标分析。
在一种可选的实施方式中,所述分析单元330,具体用于从算法池中获取所述目标算法;其中,所述算法池中包括多种与不同类型的目标分析任务匹配的算法;利用所述目标算法对待分析对象进行目标分析。
请一并参见图4,为本申请实施例提供的另一种目标分析装置的结构示意图,如图4所示,在图3所示目标分析装置的基础上,图4所示的目标分析装置还可以包括:
判断单元340,用于判断是否存在加载有所述目标算法,且可用资源满足需求的目标运算芯片;
所述分析单元330,具体用于若存在目标运算芯片,则利用所述目标运算芯片对所述待分析对象进行目标分析;
所述分析单元330,还用于若不存在目标运算芯片,则将所述目标分析任务加入到任务队列。
在一种可选的实施方式中,所述智能分析设备中包括多个运算芯片,所述多个运算芯片加载的算法不完全相同。
请一并参见图5,为本申请实施例提供的另一种目标分析装置的结构示意图,如图5所示,在图4所示目标分析装置的基础上,图5所示的目标分析装置还可以包括:
算法管理单元350,用于当任务队列中同一类型的目标分析任务的数量超过预设阈值,且所述多个运算芯片中存在空闲的运算芯片时,将所述空闲的运算芯片中加载的算法切换为与该目标分析任务的类型匹配的算法。
请参见图6,为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可以包括处理器601、通信接口602、存储器603和通信总线604。处理器601、通信接口602以及存储器603通过通信总线604完成相互间的通信。其中,存储器603上存放有计算机程序;处理器601可以通过执行存储器603上所存放的程序,执行上文描述的目标分析方法。
本文中提到的存储器603可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,存储器602可以是:RAM(Radom AccessMemory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
本申请实施例还提供了一种存储有计算机程序的机器可读存储介质,例如图6中的存储器603,所述计算机程序可由图6所示电子设备中的处理器601执行以实现上文描述的目标分析方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。

Claims (16)

1.一种目标分析方法,应用于智能分析设备,其特征在于,所述方法包括:
接收目标分析任务;其中,所述目标分析任务中携带有所述目标分析任务的类型;
确定与所述目标分析任务的类型匹配的目标算法;
利用所述目标算法对待分析对象进行目标分析,以得到所述待分析对象的目标分析结果。
2.根据权利要求1所述的方法,其特征在于,所述目标分析任务中还携带有与所述目标分析任务的类型匹配的算法的标识;
所述确定与所述待分析目标匹配的目标算法,包括:
根据所述与所述目标分析任务的类型匹配的算法的标识,确定与所述目标分析任务的类型匹配的目标算法。
3.根据权利要求1所述的方法,其特征在于,所述目标分析任务中还携带有待分析对象的地址信息;
所述利用所述目标算法对待分析对象进行目标分析,包括:
根据所述待分析对象的地址信息获取待分析对象;
利用所述目标算法对所述待分析对象进行目标分析。
4.根据权利要求1所述的方法,其特征在于,所述利用所述目标算法对待分析对象进行目标分析,包括:
从算法池中获取所述目标算法;其中,所述算法池中包括多种与不同类型的目标分析任务匹配的算法;
利用所述目标算法对待分析对象进行目标分析。
5.根据权利要求1所述的方法,其特征在于,所述利用所述目标算法对待分析对象进行分析,包括:
判断是否存在加载有所述目标算法,且可用资源满足需求的目标运算芯片;
若是,则利用所述目标运算芯片对所述待分析对象进行目标分析;
否则,将所述目标分析任务加入到任务队列。
6.根据权利要求5所述的方法,其特征在于,所述智能分析设备中包括多个运算芯片,所述多个运算芯片加载的算法不完全相同。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当任务队列中同一类型的目标分析任务的数量超过预设阈值,且所述多个运算芯片中存在空闲的运算芯片时,将所述空闲的运算芯片中加载的算法切换为与该目标分析任务的类型匹配的算法。
8.一种目标分析装置,应用于智能分析设备,其特征在于,所述装置包括:
接收单元,用于接收目标分析任务;其中,所述目标分析任务中携带有所述目标分析任务的类型;
确定单元,用于确定与所述目标分析任务的类型匹配的目标算法;
分析单元,用于利用所述目标算法对待分析对象进行目标分析,以得到所述待分析对象的目标分析结果。
9.根据权利要求8所述的装置,其特征在于,所述目标分析任务中还携带有与所述目标分析任务的类型匹配的算法的标识;
所述确定单元,具体用于根据所述与所述目标分析任务的类型匹配的算法的标识,确定与所述目标分析任务的类型匹配的目标算法。
10.根据权利要求8所述的装置,其特征在于,所述目标分析任务中还携带有待分析对象的地址信息;
所述分析单元,具体用于根据所述待分析对象的地址信息获取待分析对象;利用所述目标算法对所述待分析对象进行目标分析。
11.根据权利要求8所述的装置,其特征在于,
所述分析单元,具体用于从算法池中获取所述目标算法;其中,所述算法池中包括多种与不同类型的目标分析任务匹配的算法;利用所述目标算法对待分析对象进行目标分析。
12.根据权利要求8所述的装置,其特征在于,所述装置还包括:
判断单元,用于判断是否存在加载有所述目标算法,且可用资源满足需求的目标运算芯片;
所述分析单元,具体用于若存在目标运算芯片,则利用所述目标运算芯片对所述待分析对象进行目标分析;
所述分析单元,还用于若不存在目标运算芯片,则将所述目标分析任务加入到任务队列。
13.根据权利要求12所述的装置,其特征在于,所述智能分析设备中包括多个运算芯片,所述多个运算芯片加载的算法不完全相同。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括:
算法管理单元,用于当任务队列中同一类型的目标分析任务的数量超过预设阈值,且所述多个运算芯片中存在空闲的运算芯片时,将所述空闲的运算芯片中加载的算法切换为与该目标分析任务的类型匹配的算法。
15.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
CN201810533960.2A 2018-05-29 2018-05-29 目标分析方法、装置、电子设备及可读存储介质 Pending CN110543887A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810533960.2A CN110543887A (zh) 2018-05-29 2018-05-29 目标分析方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810533960.2A CN110543887A (zh) 2018-05-29 2018-05-29 目标分析方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN110543887A true CN110543887A (zh) 2019-12-06

Family

ID=68701611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810533960.2A Pending CN110543887A (zh) 2018-05-29 2018-05-29 目标分析方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN110543887A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113542807A (zh) * 2021-09-14 2021-10-22 杭州博雅鸿图视频技术有限公司 基于数字视网膜平台的资源管理调度方法以及系统
CN115981871A (zh) * 2023-03-17 2023-04-18 苏州万店掌网络科技有限公司 一种gpu资源调度方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102629925A (zh) * 2012-03-31 2012-08-08 苏州阔地网络科技有限公司 一种防止非法连接的方法及系统
CN102681867A (zh) * 2011-12-15 2012-09-19 中兴通讯股份有限公司 一种视频分析任务处理方法及装置
CN103797861A (zh) * 2012-07-31 2014-05-14 华为技术有限公司 基于自组织网络的终端选择方法、网络实体及系统
CN104331325A (zh) * 2014-11-25 2015-02-04 深圳市信义科技有限公司 一种基于资源探测分析的多元智能视频资源调度系统以及调度方法
CN104579627A (zh) * 2014-12-06 2015-04-29 上海移远通信技术有限公司 一种数据加密方法及系统
CN105589829A (zh) * 2014-09-15 2016-05-18 华为技术有限公司 基于多核处理器芯片的数据处理方法、装置以及系统
CN106446696A (zh) * 2015-08-10 2017-02-22 联想(北京)有限公司 一种信息处理方法及电子设备
CN107302469A (zh) * 2016-04-14 2017-10-27 北京京东尚科信息技术有限公司 针对分布式服务集群系统数据更新的实时监控装置及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102681867A (zh) * 2011-12-15 2012-09-19 中兴通讯股份有限公司 一种视频分析任务处理方法及装置
CN102629925A (zh) * 2012-03-31 2012-08-08 苏州阔地网络科技有限公司 一种防止非法连接的方法及系统
CN103797861A (zh) * 2012-07-31 2014-05-14 华为技术有限公司 基于自组织网络的终端选择方法、网络实体及系统
CN105589829A (zh) * 2014-09-15 2016-05-18 华为技术有限公司 基于多核处理器芯片的数据处理方法、装置以及系统
CN104331325A (zh) * 2014-11-25 2015-02-04 深圳市信义科技有限公司 一种基于资源探测分析的多元智能视频资源调度系统以及调度方法
CN104579627A (zh) * 2014-12-06 2015-04-29 上海移远通信技术有限公司 一种数据加密方法及系统
CN106446696A (zh) * 2015-08-10 2017-02-22 联想(北京)有限公司 一种信息处理方法及电子设备
CN107302469A (zh) * 2016-04-14 2017-10-27 北京京东尚科信息技术有限公司 针对分布式服务集群系统数据更新的实时监控装置及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113542807A (zh) * 2021-09-14 2021-10-22 杭州博雅鸿图视频技术有限公司 基于数字视网膜平台的资源管理调度方法以及系统
CN113542807B (zh) * 2021-09-14 2022-02-22 杭州博雅鸿图视频技术有限公司 基于数字视网膜平台的资源管理调度方法以及系统
CN115981871A (zh) * 2023-03-17 2023-04-18 苏州万店掌网络科技有限公司 一种gpu资源调度方法、装置、设备及存储介质
CN115981871B (zh) * 2023-03-17 2024-01-26 苏州万店掌网络科技有限公司 一种gpu资源调度方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US20190089602A1 (en) Generate and provision a cloud device application using a software service store
CN106302632B (zh) 一种基础镜像的下载方法以及管理节点
US20150331944A1 (en) Method, apparatus and video monitoring system for providing monitoring video information
CN105808342B (zh) 用于分配客户请求的方法、判断装置和系统
CN111210136B (zh) 一种机器人任务调度的方法及服务器
CN109547541B (zh) 雾计算环境下基于过滤及分配机制的节点低开销协作方法
CN110543887A (zh) 目标分析方法、装置、电子设备及可读存储介质
CN110111057B (zh) 一种订单分配的方法、装置、可读存储介质和电子设备
CN107181825B (zh) 终端设备数据的在线处理方法
CN107689984B (zh) 消息推送方法、装置、计算机设备和存储介质
CN107103029B (zh) 一种用于机器人的图像数据处理方法
CN111104541A (zh) 一种高效的人脸图片检索方法及装置
CN111027397A (zh) 适用于智能监控网络中的综合特征目标检测方法、系统、介质及设备
CN108616576B (zh) 一种调度应用服务器的方法和装置
CN116303456A (zh) 工业数据处理方法、系统、装置及计算机可读存储介质
CN114298294B (zh) 一种基于硬件加速器的神经网络内存优化方法和装置
CN113596019B (zh) 高性能网络流量数据表示和提取方法和系统
CN112799787B (zh) 一种在仿真运行中改进的并行行为执行冲突消解方法及其存储介质
CN110545242B (zh) 目标分析方法及智能分析设备
CN106776947A (zh) 资源获取方法、装置及终端
CN113329175A (zh) 抓拍方法、装置、电子装置和存储介质
CN111866159A (zh) 人工智能服务的调用方法、系统、设备和存储介质
CN111199332A (zh) 待办工作管理设备、待办工作管理方法和待办工作管理程序
CN111881151B (zh) 一种交通违法数据管理方法、装置及服务器
CN112860426B (zh) 智能分析方法、装置、电子设备及可读存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191206