CN111683296B - 视频切分方法、装置、电子设备及存储介质 - Google Patents
视频切分方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111683296B CN111683296B CN202010560809.5A CN202010560809A CN111683296B CN 111683296 B CN111683296 B CN 111683296B CN 202010560809 A CN202010560809 A CN 202010560809A CN 111683296 B CN111683296 B CN 111683296B
- Authority
- CN
- China
- Prior art keywords
- target video
- video
- analysis
- target
- capability
- 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.)
- Active
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 300
- 238000012545 processing Methods 0.000 claims abstract description 168
- 230000015654 memory Effects 0.000 claims description 37
- 230000000875 corresponding effect Effects 0.000 description 35
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及视频分析技术领域，具体涉及一种视频切分方法、装置、电子设备及存储介质。其中视频切分方法包括：获取目标视频集、目标视频集的总时长以及目标视频分析系统的分析能力；其中，目标视频分析系统的分析能力是基于目标视频分析系统中的视频处理设备的配置参数确定的；基于目标视频集的总时长以及目标视频分析系统的分析能力，确定目标视频集对应的多个目标视频片段的切分信息。本发明提供的视频切分方法，根据各个所述视频处理设备的分析能力，分配相应时长的目标视频片段，充分利用系统资源，相比人为主观分配，更能保证分析的高效率，各个所述目标视频片段的等待时间缩短，进而使得整个所述目标视频集的分析时间缩短，效率提高。
Description
技术领域
本发明涉及视频分析技术领域，具体涉及一种视频切分方法、装置、电子设备及存储介质。
背景技术
现有的视频分析技术领域中，通常需要将大量的历史视频进行快速分析，而采用快速分析的方式一般是通过人为经验将待分析的视频进行切分，再将切分后的视频利用轮询分配的策略分配至视频处理设备进行分析提高并发度。
但是，这种人为经验对待分析的视频进行切分的方式取决于人为主观因素，若切分的视频片段较长，则视频处理设备难以对视频片段进行及时处理，导致后续的视频分析时长较长；若切分的视频片段较短，则视频处理设备就需要消耗相应的处理资源频繁地接收视频片段，导致视频分析效率较低。
发明内容
有鉴于此，本发明实施例提供了一种视频切分方法、装置、电子设备及存储介质，以解决现有技术中由于视频切分方式所导致的视频分析效率低的问题。
根据第一方面，本发明实施例提供了一种视频切分方法，包括：获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力；其中，所述目标视频分析系统的分析能力是基于所述目标视频分析系统中的视频处理设备的配置参数确定的；所述目标视频集包括至少一个待分析视频；基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息。
可选地，所述获取目标视频分析系统的分析能力，包括：分别获取所述目标视频分析系统中的各个视频处理设备的配置参数；基于所述配置参数确定各个所述视频处理设备的分析能力；利用各个所述视频处理设备的分析能力，计算所述目标视频分析系统的分析能力。
可选地，所述基于所述配置参数确定各个所述视频处理设备的分析能力，包括：利用所述配置参数，获取各个所述视频处理设备中配置最低的第一视频处理设备的分析能力；分别将其他所述视频处理设备的配置参数与所述第一视频处理设备的配置参数进行对比，确定其他所述视频处理设备的分析因子；基于其他所述视频处理设备的分析因子及所述第一视频处理设备的分析能力，分别确定其他各个所述视频处理设备的分析能力。
可选地，所述基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息，包括：利用所述目标视频集的总时长以及所述目标视频分析系统的分析能力，计算每个所述目标视频片段的切片时长；基于每个所述目标视频片段的切片时长，确定每个所述目标视频片段的起止时间，以得到每个所述目标视频片段的切分信息。
可选地，所述基于每个所述目标视频片段的切片时长，确定每个所述目标视频片段的起止时间，包括：利用每个所述目标视频片段的切片时长，分别确定各个所述待分析视频对应的所述目标视频片段的数量及各个所述目标视频片段的起止时间。
可选地，采用如下公式计算每个所述目标视频片段的切片时长：
其中，S表示每个所述目标视频片段的切片时长，T表示所述目标视频集的总时长，E表示所述目标视频分析系统的分析能力。
可选地，所述方法还包括：判断所述目标视频片段的切片时长是否小于预设时长；当所述目标视频片段的切片时长小于所述预设时长时，将所述预设时长作为每个所述目标视频片段的切片时长。
根据第二方面，本发明实施例提供了一种视频切分装置，包括：获取模块，用于获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力；其中，所述目标视频分析系统的分析能力是基于所述目标视频分析系统中的视频处理设备的配置参数确定的；所述目标视频集包括至少一个待分析视频；第一确定模块，用于基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或第一方面中任一项实施方式所述的视频切分方法。
根据第四方面，本发明实施例提供了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存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面或第一方面中任一项实施方式所述的视频切分方法。
本发明具有如下有益效果：
本发明实施例提供的视频切分方法、装置、电子设备及计算机可读存储介质，利用目标视频分析系统的分析能力以及目标视频集的总时长，确定所述目标视频集对应的多个目标视频片段的切分信息，其中，所述切分信息可以包括所述多个目标视频片段的数量和时长，可以将所述目标视频切分为多个时长不一的目标视频片段，根据各个所述视频处理设备的分析能力，分配相应时长的目标视频片段，充分利用系统资源，而不需要额外再设置视频分析设备，相比人为主观分配，更能保证分析的高效率；还可以将所述目标视频切分为多个时长一致的所述目标视频片段，各个视频处理设备无论其分析能力的强弱，最终分配到的目标视频片段的时长均一致，对于分析能力弱的视频处理设备来说，能够承担的所述目标视频片段的数量少，时长在其分析能力的承受范围之内，而对于分析能力强的视频处理设备来说，能够承担的所述目标视频片段的数量多，并行度高，各个所述目标视频片段的等待时间缩短，进而使得整个所述目标视频的分析时间缩短，效率提高。
本发明实施例提供的视频切分方法，通过目标视频分析系统中视频处理设备的配置参数，确定所述视频处理设备的分析能力，进一步得到所述目标视频系统的分析能力，对所述目标视频系统中的所述视频处理设备的分析能力进行统一度量，并给出具体量化的方式，为后续对目标视频集进行切分提供了准确的切分基础，相比于传统依靠人为经验进行视频切分的方式，能够充分利用所述目标视频系统的设备资源，使得视频切分更加合理准确，进而提高所述目标视频集的分析效率。
本发明实施例提供的视频切分方法，利用目标视频分析系统的分析能力计算目标视频片段的时长，并基于所述时长确定每个所述目标视频片段的起止时间，得到所述目标视频片段的切分信息，相较于传统的人为经验切分方式，更能保证视频分析的速率，保证高效的设备资源利用率，当某一视频处理设备发生故障时，还可以进行快速的迁移；设置判断目标视频片段的时长是否小于预设时长的步骤，可以避免目标视频片段切分过短无法有效分析，提高分析效率；设置判断目标视频集的时长是否大于预设时长的步骤可以避免对过短的目标视频进行切分浪费系统资源的问题，保证视频分析的效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的视频分析系统的应用场景示意图；
图2是本发明实施例提供的视频切分方法的流程图；
图3是本发明实施例提供的目标视频系统的分析能力的计算方法流程图；
图4是本发明实施例提供的视频切分方法的完整流程图；
图5是本发明实施例提供的视频切分方法的完整流程图；
图6是本发明实施例提供的视频切分方法的完整流程图；
图7是本发明实施例提供的视频分析方法的流程图；
图8是本发明实施例提供的视频切分装置的结构示意图；
图9是本发明实施例提供的视频分析装置的结构示意图；
图10是本发明实施例的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有作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。
需要说明的是，图1示出了本发明实施例中目标视频分析系统的一种可选的应用场景。如图1所述，所述的目标视频分析系统包括视频切分设备以及至少一个视频处理设备。其中，视频切分设备用于根据所述视频分析系统的分析能力确定目标视频集对应的多个目标视频片段的切分信息，并将所述多个目标视频片段或所述切分信息发送至相应的视频处理设备，视频处理设备用于根据其接收到的目标视频片段或切分信息，对所述目标视频片段进行分析。
具体将在下文中对视频切分设备所执行的视频切分方法以及视频分析方法进行详细描述。
本实施例提供了一种视频切分方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种视频切分方法，可用于上述的视频切分设备，所述视频切分设备可以是PC、平板电脑、手机等，图2是根据本实施例提供的视频切分方法的流程图，如图2所示，该流程包括如下步骤：
S11，获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力。其中，所述目标视频分析系统的分析能力是基于所述目标视频分析系统中的视频处理设备的配置参数确定的；所述目标视频集包括至少一个待分析视频。
电子设备所获取到的目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力，可以是存储于所述电子设备中的；也可以是在所述目标视频分析系统空载时获取到的；亦或是，电子设备通过其他方式从外界获取到的等等。不论电子设备以何种方式获取到所述目标视频、所述目标视频的总时长以及目标视频分析系统的分析能力，只需保证电子设备能够获取到即可。
配置参数决定了视频处理设备的分析能力，进一步决定了视频分析系统的分析能力，例如，在分析视频时，CPU的核心数越大，能够分担的任务越多，GPU的像素填充率越高，说明视频分析的速度越快，内存越大，可以为视频分析产生的中间文件提供更多的缓存，视频处理设备性能越好，视频分析系统的分析能力越强。因此，通过所述目标视频分析系统中的视频处理设备的配置参数，可以将所述目标视频分析系统的分析能力量化，例如，所述目标视频分析系统部署有三台CPU和内存都一致、GPU不同的视频处理设备，第一台的GPU像素填充率最高，则其分析能力最强为10，第二台次之，分析能力为8，第三台最小，分析能力为2，因此，所述目标视频分析系统的分析能力可以量化为10+8+2＝20，在这里，每台所述视频处理设备的分析能力可以通过分配同样的视频分析任务，统计各个视频处理设备的分析速度或分析精度等，便可以将各个视频处理设备的分析能力量化。
需要说明的是，此处的示例仅起到解释作用，本领域技术人员可以知晓，视频处理设备的分析能力还可以根据其他配置参数确定，并不局限于根据CPU、GPU、内存确定。
S12，基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息。
其中，切分信息包括所述多个目标视频片段的数量和时长，根据所述视频分析系统的分析能力，可以将所述目标视频集中所有的待分析视频拼接在一起后进行切分，也可以将所有待分析的视频进行分别切分，亦或是，根据各个视频处理设备的分析能力进行切分。沿用上例，目标视频集的总时长为200秒，所述目标视频分析系统的分析能力为20，则所述多个目标视频片段的时长一致为10秒，数量为20；还可以根据所述目标视频系统中各个视频处理设备的分析能力，切分多个时长不一的所述目标视频片段，沿用上例，三台视频处理设备的分析能力依次为10、8、2，则所述多个目标视频片段的数量为3，时长分别为100秒、80秒、20秒。
需要说明的是，此处可以将所述目标视频按照所述切分信息进行切片，得到多个目标视频片段；还可以根据所述切分信息，得到所述多个目标视频片段的起止时间，利用帧定位技术，视频处理设备便可识别到自身要分析的目标视频片段，即是说，本实施例可以对所述目标视频进行真实切分，也可以进行虚拟切分，对此不做限定。
本发明实施例提供的视频切分方法，利用目标视频分析系统的分析能力以及目标视频集的总时长，确定所述目标视频集对应的多个目标视频片段的切分信息，其中，所述切分信息可以包括所述多个目标视频片段的数量和时长，可以将所述目标视频切分为多个时长不一的目标视频片段，根据各个所述视频处理设备的分析能力，分配相应时长的目标视频片段，充分利用系统资源，相比人为主观分配，更能保证分析的高效率；还可以将所述目标视频切分为多个时长一致的所述目标视频片段，各个视频处理设备无论其分析能力的强弱，最终分配到的目标视频片段的时长均一致，对于分析能力弱的视频处理设备来说，能够承担的所述目标视频片段的数量少，时长在其分析能力的承受范围之内，而对于分析能力强的视频处理设备来说，能够承担的所述目标视频片段的数量多，并行度高，各个所述目标视频片段的等待时间缩短，进而使得整个所述目标视频的分析时间缩短，效率提高。
可选地，如图3所示，上述S11中的获取目标视频分析系统的分析能力可以通过如下步骤实现：
S21，分别获取所述目标视频分析系统中的各个视频处理设备的配置参数。
在这里，所述视频处理设备的配置参数可以包括CPU、GPU、内存中的一种，同一型号的所述视频处理设备的配置参数相同，所述目标视频分析系统可以包括多个同一型号的所述视频处理设备，还可以包括多个不同型号的所述视频处理设备。
电子设备获取到的所述视频处理设备的配置参数，可以是存储于电子设备中的；还可以是在所述设备处理设备空载时获取到的；亦或是，电子设备通过其他方式从外界获取到的等等。不论电子设备以何种方式获取到所述视频处理设备的配置参数，只需保证电子设备能够获取到所述视频处理设备的配置参数即可。
S22，基于所述配置参数确定各个所述视频处理设备的分析能力。
通过所述视频处理设备的配置参数，可以将所述目标视频分析系统的分析能力量化。具体地，所述S22可包括如下步骤：
S221，利用所述配置参数，获取各个所述视频处理设备中配置最低的第一视频处理设备的分析能力。
将所述目标视频分析系统中的视频处理设备进行分类，配置参数相同的分为一类，将最低配置的所述第一视频处理设备的分析能力定义为单位1*P(P为CPU核心数)。
S222，分别将其他所述视频处理设备的配置参数与所述第一视频处理设备的配置参数进行对比，确定其他所述视频处理设备的分析因子。
以配置最低的所述第一视频处理设备的分析能力1*P为基准，对其他所述视频处理设备的分析能力进行度量，得到所述其他配置的所述视频处理设备的分析因子M。例如，给所有所述视频处理设备分配同样的视频分析任务，某个视频处理设备的分析能力是配置最低的视频处理设备的M倍，则所述M即为所述某个视频处理设备的分析因子；还可以从每个类型的视频处理设备中任选一台，分别分配同样的视频分析任务，来获得所述每个类型的视频处理设备的分析因子M。
S223，基于其他所述视频处理设备的分析因子及所述第一视频处理设备的分析能力，分别确定其他各个所述视频处理设备的分析能力。
沿用上例，可得到其他各个所述视频处理设备的分析能力为M*P。
S23，利用各个所述视频处理设备的分析能力，计算所述目标视频分析系统的分析能力。
沿用上例，视频处理设备的数量与分析能力正向相关，设某种类型的视频处理设备的数量为K，则所述某种类型视频处理设备的分析能力Ei＝Ki*Mi*P，i表示第i种视频处理设备。
所述目标视频系统的分析能力为：
其中，Ki表示第i种视频处理设备的数量，Mi表示所述第i种视频处理设备的分析因子，P表示CPU核心数，所述E向下取整。
在一个具体的实施例中，所述目标视频分析系统部署有10个视频处理设备，其CPU和内存都一致，GPU不同，则可将所述视频处理设备根据GPU型号的不同分为：
表1目标视频分析系统中部署的视频处理设备
| 视频处理设备型号 | GPU型号 | 数量K |
| 1 | 1080卡 | 4 |
| 2 | T4卡 | 4 |
| 3 | P4卡 | 2 |
由表1可知，类型1的配置最低，其CPU的核心数为16，则将配置最低的单台所述视频处理设备的分析能力定义为1*16＝16。将三种视频处理设备按照配置参数排序为类型1＜类型2＜类型3，通过分配其同样的视频处理任务，类型2的分析能力是类型1的1.5倍，类型3的分析能力是类型1的2倍，则类型2的分析因子M2＝1.5、总的分析能力E2＝K2*M2*P＝4*1.5*16；类型3的分析因子M3＝2、总的分析能力E3＝K3*M3*P＝2*2*16；类型1总的分析能力E1＝K1*1*P＝4*1*16，则可得到所述目标视频系统的分析能力：
本发明实施例提供的视频切分方法，通过目标视频分析系统中视频处理设备的配置参数，确定所述视频处理设备的分析能力，进一步得到所述目标视频系统的分析能力，对所述目标视频系统中的所述视频处理设备的分析能力进行统一度量，并给出具体量化的方式，为后续对目标视频进行切分提供了准确的切分基础，相比于传统依靠人为经验进行视频切分的方式，能够充分利用所述目标视频系统的设备资源，使得视频切分更加合理准确，进而提高所述目标视频的分析效率。
可选地，图4是本实施例提供的视频切分方法的完整流程图，如图4所示，该流程包括如下步骤：
S31，获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力。
具体地，请参见图2所示的S11，在此不再赘述。所述目标视频分析系统的分析能力的计算方法，参见图3所示的S21-S23。
S32，判断所述目标视频集的总时长是否大于第一预设时长。
当所述目标视频集的总时长大于所述第一预设时长时，执行步骤S33，当所述目标视频集的总时长小于所述第一预设时长时，执行直接利用视频处理设备进行分析的步骤。
在目标视频集总时长小于第一预设时长时，无需对目标视频集进行切分，直接利用视频处理设备对目标视频集中的各个待分析视频进行分析，节省系统资源，提高目标视频分析系统的分析效率。
进一步地，在一个实施方式中，当目标视频集总时长小于第一预设时长时，分别判断该目标视频集对应的各个待分析视频的时长是否小于第三预设时长，对时长小于第三预设时长的待分析视频直接利用视频处理设备进行分析；对时长大于第三预设时长的待分析视频以第四预设时长进行切分得到对应的目标视频片段，对目标视频片段进行分析。本实施方式，对目标视频集中的各个待分析视频进一步分类，对于小于第三预设时长的待分析视频直接进行分析，对于大于第三预设时长的待分析视频进行切分后分析，在节约系统资源的同时，提高每一个待分析视频的分析效率。
S33，基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息。
具体地，所述S33可包括如下步骤：
S331，利用所述目标视频集的总时长以及所述目标视频分析系统的分析能力，计算每个所述目标视频片段的切片时长。
在一个实施方式中，切片时长可以根据所述目标视频系统中各个视频处理设备的分析能力，切分多个时长不一的所述目标视频片段进行计算，沿用上例，类型1的分析能力E1＝64，类型2的分析能力E2＝96，类型3的分析能力E3＝64，先将所述目标视频按照各个类型的分析能力进行分配，例如，所述目标视频时长为100秒，则类型1可分配的目标视频片段的时长为100*64/224＝28秒，再对应到类型1中的4台视频处理设备，所述目标视频片段的时长为28/4＝7秒，类型2与类型3同理。
通过该实施方式中不同类型的视频处理设备将根据其分析能力分到不同时长的目标视频片段，充分利用系统资源，能保证分析的高效率。
在另一个实施方式中，根据所述视频分析系统的分析能力，分别对目标视频集中的各个待分析视频进行切分，各个待分析视频切分后的多个目标视频片段的时长均一致，数量不一致，例如，用户有某视频平台录像T1时长为24小时，6个离线文件录像T2、每个所述离线文件录像时长为1小时，则所述目标视频的总时长T＝T1+T2＝24*3600+6*3600＝108000秒，沿用上例，所述目标视频分析系统的分析能力E＝224，则，每个所述目标视频片段的时长S＝108000/224＝483秒(向上取整)，对于T1来说，切分的目标视频片段的数量N1＝T1/S＝24*3600/483＝179个(向上取整)，对于T2中每个离线文件来说，切分的目标视频片段的数量N2＝T2/S＝3600/483＝8个(向上取整)，则总共的数量N＝N1+N2＝179+8*6＝227个。在得到切分后的目标视频片段后，根据各个视频处理设备的分析能力，按照负载均衡或最小负载原则将切分后的目标视频片段分配至对应的视频处理设备中。
在该实施方式中，每个类型、每台视频处理设备分配到的每个目标视频片段的时长相同，但分配到的目标视频片段数量不同，分析能力弱的视频处理设备来说，能够承担的所述目标视频片段的数量少，时长在其分析能力的承受范围之内，而对于分析能力强的视频处理设备来说，能够承担的所述目标视频片段的数量多，并行度高，各个所述目标视频片段的等待时间缩短，进而使得整个所述目标视频的分析时间缩短，效率提高。
具体地，可采用如下公式计算所述目标视频片段的切片时长：
其中，S表示所述目标视频片段的切片时长，T表示所述目标视频的总时长，E表示所述目标视频分析系统的分析能力。
所述的目标视频分析系统的分析能力E可以是基于各个视频处理设备的空载分析能力计算得到的；也可以是对应于各个视频处理设备的实时分析能力时刻变化的。因此，在计算下一时刻的待分析的目标视频集的切片时长，应该是所述下一时刻的待分析的目标视频集的总时长除以当前时刻所述目标视频分析系统的分析能力。
S332，基于每个所述目标视频片段的切片时长，确定每个所述目标视频片段的起止时间，以得到每个所述目标视频片段的切分信息。
作为本发明实施例的一种可选实施方式，S332中每个所述目标视频片段的起止时间，可通过如下步骤确定：
利用每个所述目标视频片段的切片时长，分别确定各个所述待分析视频对应的所述目标视频片段的数量及各个所述目标视频片段的起止时间。
沿用上例，对于时长为24*3600的录像T1来说，其被切分为179个目标视频片段，每个所述目标视频片段的时长为483秒，则按照所述录像T1的时间轨道，依次进行切分，并确定起止时间，例如，第一个目标视频片段的开始时间为第0秒，结束时间为第483秒，第二个目标视频片段的开始时间为第484秒，结束时间为第967秒，以此类推，所述切分信息可包括所述起止时间。
作为本实施例的一个可选实施方式，如图5所示，图4所示的视频切分方法的完整流程图，还可以有如下替换方式：
S41，获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力。具体请参见图4所示的S31，在此不再赘述。
S42，基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频对应的多个目标视频片段的切分信息。所述S42可包括：
S421，利用所述目标视频集的总时长以及所述目标视频分析系统的分析能力，计算每个所述目标视频片段的切片时长。具体请参见图4所示的S331，在此不再赘述。
S422，判断所述目标视频片段的切片时长是否小于预设时长。
在这里，所述目标视频片段的切片时长过短，无法进行有效的分析，且无法有效利用目标视频分析系统的分析能力，因此，对所述每个目标视频片段的切片时长进行判断，在一个具体实施例中，所述预设时长为5秒。
当所述目标视频片段的切片时长小于所述预设时长时，将所述预设时长作为每个所述目标视频片段的切片时长，当所述目标视频片段的切片时长大于所述预设时长时，执行步骤S423。
S423，基于每个所述目标视频片段的切片时长，确定每个所述目标视频片段的起止时间，以得到每个所述目标视频片段的切分信息。具体请参见图4所示的S332，在此不再赘述。
作为本实施例的另一个可选实施方式，如图6所示，图4所示的视频切分方法的完整流程图，还可以有如下替换方式：
S51，获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力。具体请参见图4所示的S31，在此不再赘述。
S52，判断所述目标视频集的总时长是否大于第一预设时长。
当所述目标视频集的总时长大于所述第一预设时长时，执行步骤S53，当所述目标视频集的总时长小于所述第一预设时长时，执行直接利用视频处理设备进行分析的步骤。
S53，基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息。所述S53可包括：
S531，利用所述目标视频集的总时长以及所述目标视频分析系统的分析能力，计算每个所述目标视频片段的切片时长。具体请参见图4所示的S331，在此不再赘述。
S532，判断所述目标视频片段的切片时长是否小于预设时长。
在这里，所述目标视频片段的切片时长过短，无法进行有效的分析，且无法有效利用目标视频分析系统的分析能力，因此，对所述每个目标视频片段的切片时长进行判断，在一个具体实施例中，所述预设时长为5秒。
当所述目标视频片段的切片时长小于所述预设时长时，将所述预设时长作为每个所述目标视频片段的切片时长，当所述目标视频片段的切片时长大于所述预设时长时，执行步骤S533。
S533，基于每个所述目标视频片段的切片时长，确定每个所述目标视频片段的起止时间，以得到每个所述目标视频片段的切分信息。具体请参见图4所示的S332，在此不再赘述。
本发明实施例所述的视频切片方法，为了保证视频分析的效率以及充分利用目标视频分析系统的资源，可以分别设置：将目标视频集的总时长与第一预设时长进行比较的步骤，即图4所示的S32；将所述目标视频集对应的目标视频片段的切分时长与预设时长进行比较的步骤，即图5所示的S422；将所述目标视频集的总时长与目标视频片段的切片时长进行双重判断的步骤，即图6所示的S52和S532。
本发明实施例提供的视频切分方法，利用目标视频分析系统的分析能力计算目标视频片段的时长，并基于所述时长确定每个所述目标视频片段的起止时间，得到所述目标视频片段的切分信息，相较于传统的人为经验切分方式，更能保证视频分析的速率，保证高效的设备资源利用率，当某一视频处理设备发生故障时，还可以进行快速的迁移；设置判断目标视频的时长是否大于预设时长的步骤可以避免对过短的目标视频进行切分浪费系统资源的问题，保证视频分析的效率。
本实施例提供了一种视频分析方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种视频分析方法，可用于上述的视频处理设备，图5是根据本实施例提供的视频分析方法的流程图，如图7所示，该流程包括如下步骤：
S61，确定目标视频集对应的多个目标视频片段的切分信息。具体可以利用图2-图4所示的视频切分方法进行确定。
S62，将所述多个目标视频片段的切分信息发送给视频处理设备，以使得所述视频处理设备利用所述切分信息对相应的目标视频片段进行分析。
在这里，可以将所述目标视频按照所述切分信息进行切片，得到多个目标视频片段，还可以根据所述切分信息，得到所述多个目标视频片段的起止时间，并按照负载均衡或最小负载原则发送给对应的多个视频处理设备，利用帧定位技术，视频处理设备便可识别到自身要分析的目标视频片段后进行分析，即是说，本实施例可以对所述目标视频进行真实切分，也可以进行虚拟切分，对此不做限定。
本发明实施例提供的视频分析方法，利用目标视频分析系统的分析能力以及目标视频集的总时长，确定所述目标视频集对应的多个目标视频片段的切分信息，其中，所述切分信息可以包括所述多个目标视频片段的数量和时长，可以将所述目标视频切分为多个时长不一的目标视频片段，根据各个所述视频处理设备的分析能力，分配相应时长的目标视频片段，充分利用系统资源，相比人为主观分配，更能保证分析的高效率；还可以将所述目标视频切分为多个时长一致的所述目标视频片段，各个视频处理设备无论其分析能力的强弱，最终分配到的目标视频片段的时长均一致，对于分析能力弱的视频处理设备来说，能够承担的所述目标视频片段的数量少，时长在其分析能力的承受范围之内，而对于分析能力强的视频处理设备来说，能够承担的所述目标视频片段的数量多，并行度高，各个所述目标视频片段的等待时间缩短，进而使得整个所述目标视频的分析时间缩短，效率提高。
本实施例中提供了一种视频切分装置，该装置用于实现图2-图6所示的实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供了一种视频切分装置，如图8所示，该装置包括：
获取模块51，用于获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力；其中，所述目标视频分析系统的分析能力是基于所述目标视频分析系统中的视频处理设备的配置参数确定的；所述目标视频集包括至少一个待分析视频；
第一确定模块52，用于基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息。
本实施例中的视频切分装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例提供的视频切分装置，利用目标视频分析系统的分析能力以及目标视频集的总时长，确定所述目标视频集对应的多个目标视频片段的切分信息，其中，所述切分信息可以包括所述多个目标视频片段的数量和时长，可以将所述目标视频切分为多个时长不一的目标视频片段，根据各个所述视频处理设备的分析能力，分配相应时长的目标视频片段，充分利用系统资源，相比人为主观分配，更能保证分析的高效率；还可以将所述目标视频切分为多个时长一致的所述目标视频片段，各个视频处理设备无论其分析能力的强弱，最终分配到的目标视频片段的时长均一致，对于分析能力弱的视频处理设备来说，能够承担的所述目标视频片段的数量少，时长在其分析能力的承受范围之内，而对于分析能力强的视频处理设备来说，能够承担的所述目标视频片段的数量多，并行度高，各个所述目标视频片段的等待时间缩短，进而使得整个所述目标视频的分析时间缩短，效率提高。
本实施例中提供了一种视频分析装置，该装置用于实现图7所示的实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供了一种视频分析装置，如图9所示，该装置包括：
第二确定模块61，用于根据图2-图6中任一项实施方式所述的视频切分方法，确定目标视频对应的多个目标视频片段的切分信息；
发送模块62，用于将所述多个目标视频片段的切分信息发送给视频处理设备，以使得所述视频处理设备利用所述切分信息对相应的目标视频片段进行分析。
本实施例中的视频分析装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例提供的视频分析装置，利用目标视频分析系统的分析能力以及目标视频集的总时长，确定所述目标视频集对应的多个目标视频片段的切分信息，其中，所述切分信息可以包括所述多个目标视频片段的数量和时长，可以将所述目标视频切分为多个时长不一的目标视频片段，根据各个所述视频处理设备的分析能力，分配相应时长的目标视频片段，充分利用系统资源，相比人为主观分配，更能保证分析的高效率；还可以将所述目标视频切分为多个时长一致的所述目标视频片段，各个视频处理设备无论其分析能力的强弱，最终分配到的目标视频片段的时长均一致，对于分析能力弱的视频处理设备来说，能够承担的所述目标视频片段的数量少，时长在其分析能力的承受范围之内，而对于分析能力强的视频处理设备来说，能够承担的所述目标视频片段的数量多，并行度高，各个所述目标视频片段的等待时间缩短，进而使得整个所述目标视频的分析时间缩短，效率提高。
本发明实施例提供一种电子设备，具有上述图8所示的视频切分装置，和/或，图9所示的视频分析装置。
请参阅图10，图10是本发明可选实施例提供的一种电子设备的结构示意图，如图10所示，该电子设备可以包括：至少一个处理器71，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口73，存储器74，至少一个通信总线72。其中，通信总线72用于实现这些组件之间的连接通信。其中，通信接口73可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口73还可以包括标准的有线接口、无线接口。存储器74可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器74可选的还可以是至少一个位于远离前述处理器71的存储装置。其中处理器71可以结合图8和/或图9所描述的装置，存储器74中存储应用程序，且处理器71调用存储器74中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线72可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线72可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器74可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器74还可以包括上述种类的存储器的组合。
其中，处理器71可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器71还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器74还用于存储程序指令。处理器71可以调用程序指令，实现如本发明实施例图2-图6所示的视频切分方法，和/或，图7所示的视频分析方法。
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行发明实施例图2-图6所示的视频切分方法，和/或，图7所示的视频分析方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种视频切分方法，其特征在于，包括：
获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力；其中，所述目标视频分析系统的分析能力是基于所述目标视频分析系统中的视频处理设备的配置参数确定的；所述目标视频集包括至少一个待分析视频；
基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息；
其中，所述获取目标视频分析系统的分析能力，包括：
分别获取所述目标视频分析系统中的各个视频处理设备的配置参数；
基于所述配置参数确定各个所述视频处理设备的分析能力；
利用各个所述视频处理设备的分析能力，计算所述目标视频分析系统的分析能力；
所述基于所述配置参数确定各个所述视频处理设备的分析能力，包括：
利用所述配置参数，获取各个所述视频处理设备中配置最低的第一视频处理设备的分析能力；
分别将其他所述视频处理设备的配置参数与所述第一视频处理设备的配置参数进行对比，确定其他所述视频处理设备的分析因子；
基于其他所述视频处理设备的分析因子及所述第一视频处理设备的分析能力，分别确定其他各个所述视频处理设备的分析能力。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息，包括：
利用所述目标视频集的总时长以及所述目标视频分析系统的分析能力，计算每个所述目标视频片段的切片时长；
基于每个所述目标视频片段的切片时长，确定每个所述目标视频片段的起止时间，以得到每个所述目标视频片段的切分信息。
3.根据权利要求2所述的方法，其特征在于，所述基于每个所述目标视频片段的切片时长，确定每个所述目标视频片段的起止时间，包括：
利用每个所述目标视频片段的切片时长，分别确定各个所述待分析视频对应的所述目标视频片段的数量及各个所述目标视频片段的起止时间。
4.根据权利要求2所述的方法，其特征在于，采用如下公式计算每个所述目标视频片段的切片时长：
S＝[T/E]；
其中，S表示每个所述目标视频片段的切片时长，T表示所述目标视频集的总时长，E表示所述目标视频分析系统的分析能力。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
判断所述目标视频片段的切片时长是否小于预设时长；
当所述目标视频片段的切片时长小于所述预设时长时，将所述预设时长作为每个所述目标视频片段的切片时长。
6.一种视频切分装置，其特征在于，包括：
获取模块，用于获取目标视频集、所述目标视频集的总时长以及目标视频分析系统的分析能力；其中，所述目标视频分析系统的分析能力是基于所述目标视频分析系统中的视频处理设备的配置参数确定的；所述目标视频集包括至少一个待分析视频；
第一确定模块，用于基于所述目标视频集的总时长以及所述目标视频分析系统的分析能力，确定所述目标视频集对应的多个目标视频片段的切分信息；
其中，所述获取目标视频分析系统的分析能力，包括：
分别获取所述目标视频分析系统中的各个视频处理设备的配置参数；
基于所述配置参数确定各个所述视频处理设备的分析能力；
利用各个所述视频处理设备的分析能力，计算所述目标视频分析系统的分析能力；
所述基于所述配置参数确定各个所述视频处理设备的分析能力，包括：
利用所述配置参数，获取各个所述视频处理设备中配置最低的第一视频处理设备的分析能力；
分别将其他所述视频处理设备的配置参数与所述第一视频处理设备的配置参数进行对比，确定其他所述视频处理设备的分析因子；
基于其他所述视频处理设备的分析因子及所述第一视频处理设备的分析能力，分别确定其他各个所述视频处理设备的分析能力。
7.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-5中任一项所述的视频切分方法。
8.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的视频切分方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010560809.5A CN111683296B (zh) | 2020-06-18 | 2020-06-18 | 视频切分方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010560809.5A CN111683296B (zh) | 2020-06-18 | 2020-06-18 | 视频切分方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111683296A CN111683296A (zh) | 2020-09-18 |
| CN111683296B true CN111683296B (zh) | 2022-08-02 |
Family
ID=72455709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010560809.5A Active CN111683296B (zh) | 2020-06-18 | 2020-06-18 | 视频切分方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111683296B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113923472B (zh) * | 2021-09-01 | 2023-09-01 | 北京奇艺世纪科技有限公司 | 视频内容分析方法、装置、电子设备及存储介质 |
| CN118075574A (zh) * | 2022-11-22 | 2024-05-24 | 荣耀终端有限公司 | 生成视频的策略确定方法和电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102404615A (zh) * | 2011-11-29 | 2012-04-04 | 广东威创视讯科技股份有限公司 | 基于云计算的视频处理系统 |
| CN106550208A (zh) * | 2015-09-21 | 2017-03-29 | 杭州海康威视数字技术股份有限公司 | 视频拆分方法、设备及视频分析系统 |
| CN109769115A (zh) * | 2019-01-04 | 2019-05-17 | 武汉烽火众智数字技术有限责任公司 | 一种优化智能视频分析性能的方法、装置和设备 |
| CN109862396A (zh) * | 2019-01-11 | 2019-06-07 | 苏州科达科技股份有限公司 | 一种视频码流的分析方法、电子设备及可读存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102929718B (zh) * | 2012-09-17 | 2015-03-11 | 厦门坤诺物联科技有限公司 | 一种基于任务调度的分布式gpu计算机系统 |
| US9860569B1 (en) * | 2015-10-05 | 2018-01-02 | Amazon Technologies, Inc. | Video file processing |
| CN109634748A (zh) * | 2018-12-12 | 2019-04-16 | 深圳前海微众银行股份有限公司 | 集群资源调度方法、装置、设备及计算机可读存储介质 |
| CN109819057B (zh) * | 2019-04-08 | 2020-09-11 | 科大讯飞股份有限公司 | 一种负载均衡方法及系统 |
| CN111083561B (zh) * | 2019-12-31 | 2023-02-17 | 深圳市商汤科技有限公司 | 视频处理方法、装置、设备和存储介质 |
-
2020
- 2020-06-18 CN CN202010560809.5A patent/CN111683296B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102404615A (zh) * | 2011-11-29 | 2012-04-04 | 广东威创视讯科技股份有限公司 | 基于云计算的视频处理系统 |
| CN106550208A (zh) * | 2015-09-21 | 2017-03-29 | 杭州海康威视数字技术股份有限公司 | 视频拆分方法、设备及视频分析系统 |
| CN109769115A (zh) * | 2019-01-04 | 2019-05-17 | 武汉烽火众智数字技术有限责任公司 | 一种优化智能视频分析性能的方法、装置和设备 |
| CN109862396A (zh) * | 2019-01-11 | 2019-06-07 | 苏州科达科技股份有限公司 | 一种视频码流的分析方法、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111683296A (zh) | 2020-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112286644B (zh) | Gpu虚拟化算力的弹性调度方法、系统、设备和存储介质 | |
| CN109669774B (zh) | 硬件资源的量化方法、编排方法、装置及网络设备 | |
| CN111683296B (zh) | 视频切分方法、装置、电子设备及存储介质 | |
| TWI729606B (zh) | 用於一邊緣運算網路的負載平衡裝置及方法 | |
| CN109697468A (zh) | 样本图像的标注方法、装置及存储介质 | |
| CN112506619B (zh) | 作业处理方法、装置、电子设备和存储介质 | |
| CN112749013B (zh) | 线程负载的检测方法、装置、电子设备及存储介质 | |
| CN109815405B (zh) | 灰度分流方法与系统 | |
| CN109240802B (zh) | 请求处理方法和装置 | |
| CN111723018A (zh) | 性能压力测试方法、装置、设备及存储介质 | |
| WO2017052959A1 (en) | Technologies for automatic partitioning of large graphs | |
| CN110297743B (zh) | 一种负载测试方法、装置和存储介质 | |
| CN116450483A (zh) | 一种确定软件分配的负载的方法、装置、服务器及介质 | |
| CN115617532B (zh) | 一种目标追踪处理方法、系统及相关装置 | |
| CN107748711B (zh) | 自动优化Storm并行度的方法、终端设备及存储介质 | |
| CN110287182A (zh) | 一种大数据的数据对比方法、装置、设备及终端 | |
| CN111882603B (zh) | 利用云计算的无线通知系统以及相应终端 | |
| CN114998649A (zh) | 图像分类模型的训练方法、图像分类方法及装置 | |
| CN114595146A (zh) | Ab测试方法、装置、系统、电子设备及介质 | |
| CN109309748B (zh) | 云手机硬件质量批量测试方法与系统 | |
| US10573306B2 (en) | Method and device for processing data based on speech recognizing and scoring system | |
| CN114241350A (zh) | 视频编码测试序列确定方法、相关装置及计算机程序产品 | |
| CN113238911A (zh) | 告警处理方法及装置 | |
| CN113032071A (zh) | 页面元素定位方法、页面测试方法、装置、设备和介质 | |
| US20140359104A1 (en) | Grouping processing method and system |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |