CN111382737A - 多路负载均衡异步目标检测方法、存储介质及处理器 - Google Patents
多路负载均衡异步目标检测方法、存储介质及处理器 Download PDFInfo
- Publication number
- CN111382737A CN111382737A CN201811655208.1A CN201811655208A CN111382737A CN 111382737 A CN111382737 A CN 111382737A CN 201811655208 A CN201811655208 A CN 201811655208A CN 111382737 A CN111382737 A CN 111382737A
- Authority
- CN
- China
- Prior art keywords
- yolo
- module
- load balancing
- image
- zmq
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000001815 facial effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种多路负载均衡异步目标检测方法、存储介质及处理器。其中所述方法包括:S11、dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像;S12、用ZMQ的多路均衡负载和队列共享图像帧,将接收到的图像分发到并发开启的多进程YOLO模块;S13、各个YOLO进程处理分发得到的图像帧,检测得到图像中的目标属性;S14、通过ZMQ的多路均衡负载,以及队列共享检测结果,返回给下游的识别模块。开启多路YOLO进程,通过队列、字典等共享进程信息,可以同时实时处理多路视频输入,通过负载均衡可以充分利用硬件资源,可普遍适用于YOLO监测系统、facenet、tinyface等目标识别中。
Description
技术领域
本发明涉及目标识别技术领域,更为具体地说,涉及一种多路负载均衡异步目标检测方法、存储介质及处理器。
背景技术
目标检测可运用于安防、工业、汽车辅助驾驶等众多领域,比如安防领域中,可以对重点区域进行人数统计以防止拥挤踩踏事件、对敏感区域做异常目标检测以防止区域入侵等;同时目标检测也是目标识别、实例分割、形态分析等视觉技术的上游输入,目标检测效果的好坏直接决定了这些更复杂任务处理结果。
基于计算机视觉的目标检测技术,是给定一张图像,给出对图像前景和背景的理解,我们需要从背景中分离出感兴趣的目标,并且要确定目标的分类和位置;因而目标检测输出的是一个列表,列表的每一项数据组元素给出一个检测目标的分类和位置;对于人类从给定图像中定位、分类目标很容易,但是对于计算机,从多通道像素矩阵中得到“人”、“车”等目标物体的抽象概念并确定其位置,再加上多目标重叠、遮盖等情况,目标检测就更加困难了。
目前目标检测主流是基于深度学习的方法,在速度和精度上达到较好平衡的PUSH/PULL模式的多进程YOLO目标检测方案。
YOLO是端到端模型的开山之作,在速度它以得到目标位置和分类只需要一次处理而得名,相比两阶段方法,实时速度令人映像深刻;YOLO_V3的川练过程如下:
1、准备数据:将图片缩放到规定尺寸,输入到网络;提取特征的网络将会输出3个不同尺度【分别是13*13、26*26、52*52】的特征图,将样本按照IOU【只考虑面积,不考虑位置】匹配到不同的anchor【yolo_v3为每个特征图设定3个anchor,因此总共有9个anchor】;
2、卷积网络:使用Darknet-53来实现提取特征,三个尺度的特征图中每个网格对每个类别预测一个条件概率值,并在每个网格上生成B个box,每个box预测[num_anchors*(5+num_classes+hum_properti es)]个回归值,既是输出不同anchor下的bounding box的x,y,width,height,configure score,classes scores。测试时,分数如下计算:
等式左边第一项由网格预测,后两项由每个box预测,以条件概率的方式得到每个box含有不同类别物体的分数。因而,卷积网络共输出的预测值个数为S×S×(B×5+C),其中S为网格数,B为每个网格生成box个数,C 为类别数;
YOLO_V3在做前向预测时,输入为任意尺寸的图像,在最终输出 detection时,需要使用NMS(Non-Maximum Suppression,非极大抑制)过滤得到最后的预测框。
使用ZMQ的PUSH/PULL模式时,一个服务端负责PUSH数据,多个客户端排队PULL数据,服务端PUSH的一份数据只会被其中一个客户端拉取,服务端和客户端任一方断掉,都不会影响另一方;
应用到YOLO目标检测系统时,为提高检测的实时性,视频提供模块做服务端,YOLO检测模块做客户端,可以同时开启多个YOLO检测进程,能较快的检测目标。
由此可见,其不足之处有:
(1)YOLO模块工作时,只是较机械的排队等待,并没有做负载均衡;
(2)开启多路视频检测时,实现较麻烦;
(3)服务端PUSH消息时,容易堆积,很可能会造成数据丢失,这是决不能允许的。
发明内容
本发明所要解决的技术问题是提供一种多路负载均衡异步目标检测方法、存储介质及处理器,能够开启多路YOLO进程,通过队列、字典等共享进程信息,可以同时实时处理多路视频输入,通过负载均衡可以充分利用硬件资源,可普遍适用于YOLO监测系统、facenet、tinyface等目标识别中。
为解决上述技术问题,一方面,本发明一实施例提供了一种多路负载均衡异步目标检测方法,包括:
S11、dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像;
S12、用ZMQ的多路均衡负载和队列共享图像帧,将接收到的图像分发到并发开启的多进程YOLO模块;
S13、多进程YOLO模块处理分发得到的图像帧,检测得到图像中的目标属性;
S14、通过ZMQ的多路均衡负载,以及队列共享检测结果,返回给下游的识别模块。
优选地,所述dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像包括:
视频发送模块接收来自摄像头的视频文件,且对来自摄像头的视频文件进行处理。
优选地,所述用ZMQ的多路均衡负载和队列共享图像帧包括:
所述输入图像共享在ZMQ的多路均衡负载和队列中,由ZMQ的多路均衡负载和队列待处理。
优选地,所述多进程YOLO模块处理分发得到的图像帧包括:多进程YOLO 模块接收由ZMQ的多路均衡负载分发的图像帧。
优选地,所述多进程YOLO模块检测得到图像中的目标属性包括:面部属性。
优选地,所述多进程YOLO模块检测得到图像中的目标属性包括:车牌属性。
优选地,所述面部属性包括:性别属性、人种属性、年龄属性、面部装饰。
优选地,所述车牌属性包括:车型、年份、车身颜色。
另一方面,本发明一实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序运行时执行上述的多路负载均衡异步目标检测方法。
另一方面,本发明一实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述的多路负载均衡导步目标检测方法。
与现有技术相比,上述技术方案具有以下优点:开启多路YOLO进程,通过队列、字典等共享进程信息,可以同时实时处理多路视频输入,通过负载均衡可以充分利用硬件资源,可普遍适用于YOLO监测系统、facenet、 tinyface等目标识别中。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是现有技术中负载目标检测方法原理图。
图2是本发明负载均衡导步目标检测方法流程图。
图3是本发明负载均衡异步目标检测方法中ZMQ中通过中间代理实现多路负载均衡的解析图。
图4是图3的一实施例。
图5是图3的另一实施例。
具体实施方式
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作出创造性劳动前提下所获得的所有其它实施例,部属于本发明保护的范围。
实施例一、
目标检测通过先对目标进行识别然后再从众多目标中检测出来。目标识别是指一个特殊目标(或一种类型的目标)从其它目标(或其它类型的目标) 中被区分出来的过程。它既包括两个非常相似目标的识别,也包括一种类型的目标同其他类型目标的识别。图1是现有技术中多进程目标检测方法原理图。背景技术中采用的如图1的方式。
图2是本发明负载均衡导步目标检测方法流程图。如图2所示,一种多路负载均衡异步目标检测方法,包括:S11、dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像;S12、用ZMQ的多路均衡负载和队列共享图像帧,将接收到的图像分发到并发开启的多进程YOLO模块;S13、多进程YOLO模块处理分发得到的图像帧,检测得到图像中的目标属性;S14、通过ZMQ的多路均衡负载,以及队列共享检测结果,返回给下游的识别模块。
dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像包括:视频发送模块接收来自摄像头的视频文件,且对来自摄像头的视频文件进行处理。ZMQ的多路均衡负载和队列共享图像帧包括:输入图像共享在ZMQ 的多路均衡负载和队列中,由ZMQ的多路均衡负载和队列待处理。多进程 YOLO模块处理分发得到的图像帧包括:多进程YOLO模块接收由ZMQ的多路均衡负载分发的图像帧。所述多进程YOLO模块检测得到图像中的目标属性包括:面部属性或车牌属性。面部属性包括但不限于:性别属性、人种属性、年龄属性、面部装饰等。车牌属性包括但不限于:车型、年份、车身颜色等。。下游面部识别模块对检测出来的图像,做特征提取,然后和人脸的特征库比对,看他们的差导多少,如果差导少于一定阈值,就队为是某个人。下游车牌识别模块通过深度学习的方法,做OCR(光学字符识别)识别,进而识别出车牌信息。
图3是本发明负载均衡导步目标检测方法中ZMQ中通过中间代理实现多路负载均衡的解析图。有多路视频输入,同时也打开了多个YOLO检测进程;视频输入作为客户端,YOLO检测进程作为服务端;通过ZMQ的多路负载均衡,实现合理、充分利用硬件资源的多进程异步通信;服务端和客户端并不是直接连接,而是通过ROUTER【路由器】和DEALER【经销商】,所有的请求到达路由器以后公平的排队,然后由经销商负载均衡后发送给服务端,服务器应答的结果再由经销商和路由器返回给客户端。
图4是图3的一实施例。图5是图3的另一实施例。如图4、图5所示,接收DEALER端口的图像帧信息,检测其中的人脸、车牌等目标;DEALER和 ROUTER通信模块:处理视频发送模块、YOLO检测模块以及人脸识别等模块之间的异步负载均衡通信;发送人脸信息模块:从YOLO检测模块的检测结果中,提取人脸信息,编码成适合网络传输的格式,发送到人脸识别模块;发送车牌识别模块:从YOLO检测模块的检测结果中,提取车牌信息,编码成适合网络传输的格式,发送到车牌识别模块。YOLO检测模块、发送人脸信息模块、DEALER和ROUTER通信模块、发送车辆信息模块两两之间均通过队列、字典等通信方式进行交互。
实施例二
本发明的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述的多路负载均衡异步目标检测方法流程。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下人脸属性识别方法流程的程序代码:
S11、dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像;
S12、用ZMQ的多路均衡负载和队列共享图像帧,将接收到的图像分发到并发开启的多进程YOLO模块;
S13、多进程YOLO模块处理分发得到的图像帧,检测得到图像中的目标属性;
S14、通过ZMQ的多路均衡负载,以及队列共享检测结果,返回给下游的识别模块。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-0nly Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由此可见,通过采用本发明存储介质,开启多路YOLO进程,通过队列、字典等共享进程信息,可以同时实时处理多路视频输入,通过负载均衡可以充分利用硬件资源,可普遍适用于YOLO、tinyface等检测系统tinyface 等目标识别系统中。
实施例三
本发明的实施例还提供了一种处理器,该处理器用于运行程序,其中,该程序运行时执行上述的多路负载均衡异步目标检测方法中的步骤。
可选地,在本实施例中,上述程序用于执行以下步骤:
S11、dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像;
S12、用ZMQ的多路均衡负载和队列共享图像帧,将接收到的图像分发到并发开启的多进程YOLO模块;
S13、多进程YOLO模块处理分发得到的图像帧,检测得到图像中的目标属性;
S14、通过ZMQ的多路均衡负载,以及队列共享检测结果,返回给下游的识别模块。
可选地,本实施例中的具体示例可以参考上述实施例及具体实施时所描述的示例,本实施例在此不再赘述。
由此可见,通过采用本发明处理器,开启多路YOLO进程,通过队列、字典等共享进程信息,可以同时实时处理多路视频输入,通过负载均衡可以充分利用硬件资源,可普遍适用于YOLO、tinyface等检测系统、facenet 等目标识别系统中。
由上述说明可知,使用根据本发明的多路负载均衡导步目标检测方法、存储介质及处理器,开启多路YOLO进程,通过队列、字典等共享进程信息,可以同时实时处理多路视频输入,通过负载均衡可以充分利用硬件资源,可普遍适用于YOLO、facenet等检测系统、tinyface等目标识别系统中。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种多路负载均衡异步目标检测方法,其特征在于,包括:
S11、dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像;
S12、用ZMQ的多路均衡负载和队列共享图像帧,将接收到的图像分发到并发开启的多进程YOLO模块;
S13、多进程YOLO模块处理分发得到的图像帧,检测得到图像中的目标属性;
S14、通过ZMQ的多路均衡负载,以及队列共享检测结果,返回给下游的识别模块。
2.根据权利要求1所述的多路负载均衡导步目标检测方法,其特征在于,所述dealer监听视频发送模块发送图像帧所占用的端口,得到输入图像包括:
视频发送模块接收来自摄像头的视频文件,且对来自摄像头的视频文件进行处理。
3.根据权利要求1所述的多路负载均衡异步目标检测方法,其特征在于,所述用ZMQ的多路均衡负载和队列共享图像帧包括:
所述输入图像共享在ZMQ的多路均衡负载和队列中,由ZMQ的多路均衡负载和队列待处理。
4.根据权利要求1所述的多路负载均衡异步目标检测方法,其特征在于,所述多进程YOLO模块处理分发得到的图像帧包括:多进程YOLO模块接收由ZMQ的多路均衡负载分发的图像帧。
5.根据权利要求1所述的多路负载均衡异步目标检测方法,其特征在于,所述多进程YOLO模块检测得到图像中的目标属性包括:面部属性。
6.根据权利要求1所述的多路负载均衡异步目标检测方法,其特征在于,所述多进程YOLO模块检测得到图像中的目标属性包括:车牌属性。
7.根据权利要求5所述的多路负载均衡异步目标检测方法,其特征在于,所述面部属性包括:性别属性、人种属性、年龄属性、面部装饰。
8.根据权利要求6所述的多路负载均衡导步目标检测方法,其特征在于,所述车牌属性包括:车型、年份、车身颜色。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至8中任一项所述的多路负载均衡导步目标检测方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至8中任一项所述的多路负载均衡导步目标检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811655208.1A CN111382737A (zh) | 2018-12-29 | 2018-12-29 | 多路负载均衡异步目标检测方法、存储介质及处理器 |
PCT/CN2019/112485 WO2020134408A1 (zh) | 2018-12-29 | 2019-10-22 | 多路负载均衡异步目标检测方法、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811655208.1A CN111382737A (zh) | 2018-12-29 | 2018-12-29 | 多路负载均衡异步目标检测方法、存储介质及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111382737A true CN111382737A (zh) | 2020-07-07 |
Family
ID=71126881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811655208.1A Pending CN111382737A (zh) | 2018-12-29 | 2018-12-29 | 多路负载均衡异步目标检测方法、存储介质及处理器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111382737A (zh) |
WO (1) | WO2020134408A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112363847A (zh) * | 2020-10-23 | 2021-02-12 | 苏宁金融科技(南京)有限公司 | 证照文档的自动化识别方法及系统 |
CN117347888A (zh) * | 2023-12-05 | 2024-01-05 | 深圳市易检车服科技有限公司 | 电池均衡仪载荷测量方法、装置、计算机设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807235B (zh) * | 2021-09-14 | 2024-03-15 | 温州大学大数据与信息技术研究院 | 一种目标检测器及目标检测方法 |
CN114916336B (zh) * | 2022-05-06 | 2024-03-15 | 山东理工大学 | 一种基于棉花顶叶成熟期分类识别的化学打顶方法 |
CN115174941B (zh) * | 2022-07-06 | 2023-03-24 | 灵羲科技(北京)有限公司 | 基于多路视频流的实时运动表现分析及实时数据共享方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013165048A1 (ko) * | 2012-04-30 | 2013-11-07 | 전자부품연구원 | 영상 검색 시스템 및 영상 분석 서버 |
CN106210121A (zh) * | 2016-07-29 | 2016-12-07 | 浪潮(北京)电子信息产业有限公司 | 一种实现存储多路径负载均衡的方法及装置 |
CN106488197A (zh) * | 2016-12-26 | 2017-03-08 | 旗瀚科技有限公司 | 一种智能人物识别机器人 |
CN106789446A (zh) * | 2017-02-17 | 2017-05-31 | 深圳市中博睿存信息技术有限公司 | 一种节点对等的集群分布式测试框架和方法 |
CN107018036A (zh) * | 2016-01-28 | 2017-08-04 | 上海大唐移动通信设备有限公司 | 一种在线mos测试方法、装置及系统 |
CN108509912A (zh) * | 2018-04-03 | 2018-09-07 | 深圳市智绘科技有限公司 | 多路网络视频流车牌识别方法及系统 |
CN108696578A (zh) * | 2018-04-26 | 2018-10-23 | 昆明理工大学 | 基于ZeroMQ的多机分布式计算的通信框架设计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9235769B2 (en) * | 2012-03-15 | 2016-01-12 | Herta Security, S.L. | Parallel object detection method for heterogeneous multithreaded microarchitectures |
GB2533284B (en) * | 2014-12-11 | 2017-04-12 | Imagination Tech Ltd | Performing object detection |
CN106358003B (zh) * | 2016-08-31 | 2019-02-19 | 华中科技大学 | 一种基于线程级流水线的视频分析加速方法 |
CN106504242A (zh) * | 2016-10-25 | 2017-03-15 | Tcl集团股份有限公司 | 目标检测方法及系统 |
-
2018
- 2018-12-29 CN CN201811655208.1A patent/CN111382737A/zh active Pending
-
2019
- 2019-10-22 WO PCT/CN2019/112485 patent/WO2020134408A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013165048A1 (ko) * | 2012-04-30 | 2013-11-07 | 전자부품연구원 | 영상 검색 시스템 및 영상 분석 서버 |
CN107018036A (zh) * | 2016-01-28 | 2017-08-04 | 上海大唐移动通信设备有限公司 | 一种在线mos测试方法、装置及系统 |
CN106210121A (zh) * | 2016-07-29 | 2016-12-07 | 浪潮(北京)电子信息产业有限公司 | 一种实现存储多路径负载均衡的方法及装置 |
CN106488197A (zh) * | 2016-12-26 | 2017-03-08 | 旗瀚科技有限公司 | 一种智能人物识别机器人 |
CN106789446A (zh) * | 2017-02-17 | 2017-05-31 | 深圳市中博睿存信息技术有限公司 | 一种节点对等的集群分布式测试框架和方法 |
CN108509912A (zh) * | 2018-04-03 | 2018-09-07 | 深圳市智绘科技有限公司 | 多路网络视频流车牌识别方法及系统 |
CN108696578A (zh) * | 2018-04-26 | 2018-10-23 | 昆明理工大学 | 基于ZeroMQ的多机分布式计算的通信框架设计方法 |
Non-Patent Citations (1)
Title |
---|
疯狂奔跑: "ZeroMQ,史上最快的消息队列--ZMQ的学习和研究", 博客园, pages 1 - 14 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112363847A (zh) * | 2020-10-23 | 2021-02-12 | 苏宁金融科技(南京)有限公司 | 证照文档的自动化识别方法及系统 |
CN117347888A (zh) * | 2023-12-05 | 2024-01-05 | 深圳市易检车服科技有限公司 | 电池均衡仪载荷测量方法、装置、计算机设备及存储介质 |
CN117347888B (zh) * | 2023-12-05 | 2024-02-13 | 深圳市易检车服科技有限公司 | 电池均衡仪载荷测量方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020134408A1 (zh) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382737A (zh) | 多路负载均衡异步目标检测方法、存储介质及处理器 | |
US10943145B2 (en) | Image processing methods and apparatus, and electronic devices | |
US11074445B2 (en) | Remote sensing image recognition method and apparatus, storage medium and electronic device | |
US10891465B2 (en) | Methods and apparatuses for searching for target person, devices, and media | |
US8620026B2 (en) | Video-based detection of multiple object types under varying poses | |
US20170193286A1 (en) | Method and device for face recognition in video | |
US10984266B2 (en) | Vehicle lamp detection methods and apparatuses, methods and apparatuses for implementing intelligent driving, media and devices | |
CN113779308B (zh) | 一种短视频检测和多分类方法、装置及存储介质 | |
CN111260666B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
US11164004B2 (en) | Keyframe scheduling method and apparatus, electronic device, program and medium | |
US20210124928A1 (en) | Object tracking methods and apparatuses, electronic devices and storage media | |
US10657603B1 (en) | Intelligent routing control | |
WO2023040146A1 (zh) | 基于图像融合的行为识别方法、装置、电子设备及介质 | |
US6738512B1 (en) | Using shape suppression to identify areas of images that include particular shapes | |
WO2020000382A1 (en) | Motion-based object detection method, object detection apparatus and electronic device | |
CN112446352A (zh) | 行为识别方法、装置、介质及电子设备 | |
KR102350192B1 (ko) | 검색 데이터베이스를 구축하기 위한 관심영상 선별 방법 및 이를 수행하는 영상 관제 시스템 | |
CN114663871A (zh) | 图像识别方法、训练方法、装置、系统及存储介质 | |
CN113569613A (zh) | 图像处理方法、装置、图像处理设备及存储介质 | |
EP4332910A1 (en) | Behavior detection method, electronic device, and computer readable storage medium | |
CN113516148A (zh) | 基于人工智能的图像处理方法、装置、设备及存储介质 | |
CN113449756B (zh) | 一种基于改进的DenseNet的多尺度图像识别方法和装置 | |
CN114979742B (zh) | 视频处理方法、装置、设备及存储介质 | |
CN116012248B (zh) | 图像处理方法、装置、计算机设备及计算机存储介质 | |
Lopez-Fuentes et al. | Bandwidth limited object recognition in high resolution imagery |
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 |