CN112131903A - 设备数据的分析方法、装置、服务平台、系统及介质 - Google Patents
设备数据的分析方法、装置、服务平台、系统及介质 Download PDFInfo
- Publication number
- CN112131903A CN112131903A CN201910549851.4A CN201910549851A CN112131903A CN 112131903 A CN112131903 A CN 112131903A CN 201910549851 A CN201910549851 A CN 201910549851A CN 112131903 A CN112131903 A CN 112131903A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- processed
- candidate
- intelligent
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000003993 interaction Effects 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 72
- 238000004458 analytical method Methods 0.000 claims description 77
- 230000006870 function Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 25
- 238000010276 construction Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种设备数据的分析方法、装置、服务平台、系统及介质。包括:获取用户产生的数据分析请求;数据分析请求中包括待分析数据的设备标识和数据定位标识;若检测到数据分析请求中的设备标识对应的设备无法执行数据分析请求,则将设备标识对应的设备作为待处理设备,并确定待处理设备对应的至少一个目标智能设备;确定待处理设备和至少一个目标智能设备的数据交互接口,以控制至少一个目标智能设备基于数据交互接口获取并解析数据定位标识对应的数据流。本发明实施例的技术方案,通过智能设备对无法执行数据分析请求的设备采集的数据进行解析,提高了数据分析处理效率和智能设备资源的利用率,降低了服务平台的运算量和建设成本。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种设备数据的分析方法、装置、服务平台、系统及介质。
背景技术
随着人工智能技术的发展,推进了智能业务在数据分析领域的落地应用,使得设备数据分析系统的建设也越来越趋于智能化,如协助相关部门对摄像机采集的监控数据自动进行人物或车辆的识别。其中,该设备数据分析系统包括前端智能化的采集设备和后端智能化的服务平台。
目前,针对监控数据的分析,有些地区已经安装了智能设备来进行前端数据的采集,该智能设备可以直接对采集到的数据在前端进行数据的智能分析。但是,由于高性能的智能设备的成本过高,当监控区域范围较大(如监控区域为整个城市)时,若要把监控区域内的所有设备都设置成这种智能设备,成本过高。所以目前在监控区域还是保留了部分非智能设备,或者是安装了部分低性能的智能设备,而对于非智能设备或低性能的智能设备,其可能无法执行数据分析请求的所有功能,仍需要发送至后端的服务平台,由服务平台集中对数据进行智能分析,使得数据分析处理效率较低,且对服务平台计算能力要求较高,导致建设服务平台的成本过高,亟需改进。
发明内容
本发明实施例提供了设备数据的分析方法、装置、服务平台、系统及介质,以实现通过智能设备对无法执行数据分析请求的设备采集的数据进行解析,提高了数据分析处理效率和智能设备资源的利用率,降低了服务平台的运算量和建设成本。
第一方面,本发明实施例提供了一种设备数据的分析方法,该方法包括:
获取用户产生的数据分析请求;所述数据分析请求中包括待分析数据的设备标识和数据定位标识;
若检测到所述数据分析请求中的设备标识对应的设备无法执行所述数据分析请求,则将所述设备标识对应的设备作为待处理设备,并确定所述待处理设备对应的至少一个目标智能设备;
确定所述待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于所述数据交互接口获取并解析所述数据定位标识对应的数据流。
第二方面,本发明实施例还提供了一种设备数据的分析装置,该装置包括:
分析请求获取模块,用于获取用户产生的数据分析请求;所述数据分析请求中包括待分析数据的设备标识和数据定位标识;
智能设备确定模块,用于若检测到所述数据分析请求中的设备标识对应的设备无法执行所述数据分析请求,则将所述设备标识对应的设备作为待处理设备,并确定所述待处理设备对应的至少一个目标智能设备;
设备控制模块,用于确定所述待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于所述数据交互接口获取并解析所述数据定位标识对应的数据流。
第三方面,本发明实施例还提供了一种服务平台,该服务平台包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所述的设备数据的分析方法。
第四方面,本发明实施例还提供了一种设备数据分析系统,该系统包括:服务平台、至少一个待处理设备以及至少一个目标设备;
所述服务平台为上述第三方面所述的服务平台;
所述待处理设备,用于采集数据流;
所述目标智能设备,用于基于与待处理设备的数据交互接口,获取并解析所述数据定位标识对应的数据流。
第五方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所述的设备数据的分析方法。
本发明实施例的技术方案,若获取到的数据分析请求中的设备标识对应的设备无法执行该数据分析请求,则将该设备标识对应的设备作为待处理设备,确定待处理设备对应的至少一个目标智能设备,以及待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于该数据交互接口获取并解析分析待分析的数据流。本发明实施例的技术方案,服务平台无需对于待处理设备采集的数据进行分析,而是发送给对应的目标智能设备进行分析处理,降低服务平台的运算量和建设成本的同时,提高了智能设备的利用率。且本方案还可以将待处理设备采集的数据分散到不同的目标智能设备进行分析处理,也极大的提高了数据分析处理效率。
附图说明
图1是本发明实施例一提供的一种设备数据的分析方法的流程图;
图2是本发明实施例二提供的一种设备数据的分析方法的流程图;
图3是本发明实施例三提供的一种设备数据的分析装置的结构框图;
图4是本发明实施例四提供的一种服务平台的结构示意图;
图5是本发明实施例五提供的一种设备数据分析系统的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在介绍本发明实施例之前,先对本发明实施例的应用场景进行说明,本发明实施例的设备数据的分析方法、装置、服务平台、系统及介质可以适用于任何需要对待处理设备采集的数据进行分析的情况,该待处理设备可以包括:非智能设备和/或无法执行所述数据分析请求的智能设备。例如,可以是对待处理传感器采集的数据进行分析、还可以是对待处理麦克风采集的语音数据进行识别分析;也可以是对待处理摄像机采集的视频数据进行识别分析等。接下来本发明实施例以对待处理摄像机采集的视频数据进行识别分析(如人物识别或车辆识别等)为例进行介绍,但不限于仅适用于对待处理摄像机采集的视频数据进行识别分析。
实施例一
图1为本发明实施例一提供的一种设备数据的分析方法的流程图,本实施例可适用于对无法执行数据分析请求的设备(即待处理设备)采集的数据进行智能化分析处理的情况,例如,可以是对待处理摄像机采集到的视频数据进行人物或车辆识别分析的情况。该方法可以由设备数据的分析装置或服务平台来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于服务平台中。服务平台可以是设备数据分析系统的后端服务器平台,该服务平台可以负责系统中的前端设备(包括智能设备和非智能设备)的维护和管理,也可以负责管理服务平台的应用程序客户端,还可以负责该服务平台上的其他业务,对此本实施例不进行限定。该服务平台可以由多个服务器构成,不同的服务器负责不同的业务,如有的服务器负责智能设备和非智能设备的管理和维护,有的服务器负责客户端的管理等。需要说明的是本发明实施例中的服务平台可以不具备设备数据分析处理的功能,以降低服务平台的性能需求和功耗,从而降低服务平台的建设成本。
可选的,如图1所示,该方法具体包括如下步骤:
S101,获取用户产生的数据分析请求。
其中,数据分析请求可以是用户在想要对某一设备采集的数据进行分析时,向服务平台发起的请求,该数据分析请求中可以包括待分析数据的设备标识和数据定位标识。其中,待分析数据的设备标识可以是针对用户本次想要执行分析操作的数据,采集该数据的设备的唯一性标识信息,如可以是采集该数据的设备的代码、名称等。待分析数据的数据定位标识可以是在设备采集的所有数据中定位本次分析操作所需数据的标识信息,如可以是时间标识、数量标识。可选的,通过设备标识可以确定采集待分析数据的设备,通过数据定位标识可以从该设备采集的所有数据中进一步定位到本次待分析的数据。可选的,当待分析数据可执行的分析操作较多时,为了使得服务器明确本次具体要执行的分析操作,提高数据分析的精准性,本发明实施例的数据分析请求中还可以包括本次数据的分析需求,例如本次是进行人物检测,还是进行车辆检测等。
可选的,在本发明实施例中,用户产生数据分析请求的过程可以是:用户在需要对某一设备采集的数据进行分析处理时,可以通过服务平台提供的客户端或网页,输入待分析数据对应的设备标识和数据定位标识,可选的,还可以输入本次的分析需求,然后点击确认按键,该客户端或者网页就会根据用户输入的信息生成数据分析请求,并发送至服务平台。服务平台接收客户端或网页发送的该数据分析请求。
例如,若工作人员想要从摄像机A当前实时采集的视频数据中查找车牌为001的车辆,则此时工作人员可以通过终端设备上安装的视频数据识别客户端或者网页,输入本次需要进行分析的视频数据的设备标识(如摄像机A)和数据定位标识(如当前时刻),可选的,还可以输入具体的分析需求(如查找车牌为001的车辆),然后点击确定按键,该客户端或网页就会根据工作人员输入的信息,生产包括摄像机A、当前时刻以及查找车牌为001的车辆等信息的数据分析请求发送至服务平台。服务平台接收客户端或网页发送的该数据分析请求。
S102,若检测到数据分析请求中的设备标识对应的设备无法执行数据分析请求,则将该设备标识对应的设备作为待处理设备,并确定该待处理设备对应的至少一个目标智能设备。
可选的,本发明实施例中,采集数据的设备包括智能设备和非智能设备两种,其中,智能设备可以是既可以采集数据,又可以对采集到的数据进行分析处理的设备,该智能设备内部的硬件及软件配置较高,其可以直接基于内部的相关元器件和/或程序代码对采集到的数据进行分析处理。例如,若该智能设备为智能摄像机,该智能摄像机可以直接基于其内部高配置处理器对采集到的视频数据进行人物或车辆识别等。但是对于各智能设备来说,其硬件或软件的配置也不一定相同,如有的硬件配置高,具备的算力高,有的硬件配置低,具备的算力小;又如有的软件配置高,可实现对数据的多种功能的分析,有的软件配置低,只能实现单一功能的分析等。而非智能设备与智能设备相比,其内部的硬件或软件配置较低,无法实现对采集到的数据进行处理,但是可以进数据的采集以及传输操作。
其中,待处理设备包括:非智能设备和/或无法执行所述数据分析请求的智能设备。若数据分析请求中的设备标识对应的是非智能设备,则该设备标识对应的就是待处理设备。若数据分析请求中的设备标识对应的是智能设备,则需要查看该智能设备是否能够独立执行完本次接收到的数据分析请求,若不能,则该设备标识对应的就是待处理设备。例如,若数据分析请求是对摄像机A采集到的视频数据进行人物检测,此时即使摄像机A为智能摄像机,但是其不具备人物检测功能,或者其现在正在执行其他操作,剩余的算力无法支持执行本次人物检测操作,则此时该智能摄像机A仍然属于待处理设备。目标智能设备可以是从服务器管理的所有智能设备中,选出的协助本次待处理设备执行本次数据分析操作的智能设备。该目标智能设备的数量可以是一个,也可以是多个,具体可以根据实际情况进行设置。
可选的,本发明实施例中数据分析请求中的设备标识可能为非智能设备的标识,还可能为智能设备的标识,若本次接收到的数据分析请求中的设备标识为智能设备的标识,且该智能设备能够独立执行完本次接收到的数据分析请求,则本发明实施例的服务平台可以是直接将获取的用户产生的数据分析请求发送至设备标识对应的智能设备,以请求该智能设备根据数据分析请求执行本次数据分析操作,并反馈分析结果。若设备标识为非智能设备的标识和/或无法执行所述数据分析请求的智能设备的标识,则执行本步骤的操作,为该设备标识对应的待处理设备(即非智能设备和/或无法执行所述数据分析请求的智能设备)确定对应的至少一个目标智能设备。可选的,本发明实施例可以通过设备标识中的预设字段来判断该设备标识对应的是否为非智能设备,例如,可以是通过设备标识的第一个字段来判断,若设备标识的第一个字段为0,则代表非智能设备,若设备标识的第一个字段为1,则代表智能设备。除此之外,本发明实施例还可以采用其他方式判断设备标识是否为非智能设备,对此不进行限定。本发明实施例在判断一个智能设备是否为待处理设备时,可通过查看其是否能够独立执行完本次接收到的数据分析请求,即该智能设备剩余的计算能力是否足以支持本次数据分析操作,以及该智能设备的数据分析功能是否满足本次数据分析请求的分析需求。
可选的,在本步骤中,确定待处理设备对应的至少一个目标智能设备的方法有很多,例如,可以是服务平台预先就已经为每一个待处理设备设置了一个或多个目标智能设备,构建并存储待处理设备与目标智能设备的映射表,当服务平台确定设备标识为待处理设备的标识后,可以直接根据该设备标识,以及存储的目标智能设备与待处理设备的映射表,查找与该设备标识对应的待处理设备关联的一个或多个目标智能设备。还可以是根据分析请求中包括的分析需求的数量,针对每一个分析需求设置一个能够实现该分析需求的目标智能设备,例如,若本次数据分析请求中包括的分析需求为:识别车牌、识别车辆商标以及识别人物,则可以为识别车牌分析需求设置目标摄像机A;为识别车辆商标分析需求设置目标摄像机B;为识别人物分析需求设置目标摄像机C。还可以是通过如下两种可实施方式来确定待处理设备对应的至少一个目标智能设备:
可选的,可实施方式一包括如下子步骤:
S1021a,根据数据分析请求中的设备标识,确定设备标识对应的待处理设备的候选智能设备。
示例性的,在根据设备标识,确定设备标识对应的待处理设备的候选智能设备时,可以是服务平台预先就已经为每一个待处理设备设置了一个候选智能设备列表,然后构建并存储待处理设备与其候选智能设备列表的关联关系,当服务平台确定设备标识为待处理设备的标识后,可以直接根据该设备标识,以及存储的待处理设备与其候选智能设备列表的关联关系,将该设备标识对应的待处理设备关联的候选智能设备列表中的所有智能设备作为候选智能设备。还可以是根据数据分析中采集的设备标识,确定该标识对应的待处理设备的位置,将与该待处理设备距离在一定范围内(如1公里内)的所有智能设备作为该待处理设备的候选智能设备等。
S1022a,基于各候选智能设备的剩余算力和/或算力影响因素,从候选智能设备中确定至少一个目标智能设备。
其中,候选智能设备的剩余算力可以是指候选智能设备当前尚未被消耗的计算能力。算力影响因素可以是影响智能设备计算能力的因素,可以包括但不限于:待处理设备和各候选智能设备之间的距离因素、网络因素和干扰因素或其他影响因素中的至少一个。
本步骤可以是针对候选智能设备,通过分析各候选智能设备的剩余算力和/或算力影响因素,从候选智能设备中确定出至少一个目标智能设备,例如,可以是分析各候选智能设备的剩余算力,将剩余算力排名靠前的至少一个候选智能设备作为目标智能设备。也可以是分析各候选智能设备对应的算力影响因素,将算力影响因素对智能设备的影响较小的至少一个候选智能设备作为目标智能设备;还可以是将智能设备的剩余算力和算力影响因素结合起来进行考虑,从候选智能设备中确定出剩余的算力在算力影响因素的影响下,仍然排名靠前的至少一个候选智能设备作为目标智能设备,具体的确定方法,将在后续实施例进行详细介绍。
可选的,可实施方式二包括如下子步骤:
S2011b,根据所述数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的候选智能设备。
其中,本步骤的具体实现过程可以与S2011a类似,在此不进行赘述。
S2012b,基于各候选智能设备的分析功能和所述数据分析请求中包括的分析需求,从候选智能设备中确定至少一个目标智能设备。
可选的,本步骤在确定目标智能设备时,可以是从各候选智能设备的分析能力进行考虑,具体的,可以是根据各候选智能设备所具备的分析功能,以及所述分析请求中包括的分析需求,查看是否存在能够独立完成本次执行数据分析操作对应的分析需求的候选智能设备,若有则将其作为目标智能设备;若没有,则选择候选智能设备中能够执行最多分析需求的候选智能设备作为目标智能设备,再为该目标智能设备无法执行的分析需求按照上述同样的方法,确定至少一个目标智能设备。例如,若本次数据分析操作是识别车牌、识别车辆商标以及识别人物,且候选摄像机B可以完成这三项识别分析操作,则此时候选智能设备为一个,即摄像机B;若候选摄像机B能完成识别车牌和识别车辆商标,其他候选智能设备都智能实现一个分析操作,此时将候选摄像机B作为一个目标智能设备,再选择能够完成识别人物的候选智能摄像机C也作为目标智能设备。
可选的,本发明实施例还可以将上述两种可实施方式相结合,在确定所述待处理设备对应的至少一个目标智能设备时,结合各候选智能设备的剩余算力、算力影响因素以及分析功能,结合数据分析请求中的分析需求,从所述候选智能设备中确定至少一个目标智能设备。
S103,确定待处理设备和至少一个目标智能设备的数据交互接口,以控制至少一个目标智能设备基于数据交互接口获取并解析数据定位标识对应的数据流。
其中,无论是非智能设备还是智能设备其内部都设置有一个或多个可以与其他设备进行数据交互的通信接口,该通信接口可以是物理的通信接口,也可以是虚拟的通信接口,对此本实施例不进行限定。
可选的,由于本发明实施例的方案是由目标智能设备来对待处理设备采集的数据进行智能化分析,所以服务平台在确定了待处理设备的目标智能设备后,还需要确定待处理设备与各目标智能设备之间的交互接口。才能保证目标智能设备从待处理设备中获取待分析的数据流。可选的,本实施例在确定待处理设备和至少一个目标智能设备的数据交互接口时,可以包括:确定所述待处理设备中用于与第一设备进行数据交互的接口,所述第一设备包括除所述待处理设备以外的设备;确定所述至少一个目标智能设备中用于与第二设备进行数据交互的接口,所述第二设备包括所述至少一个目标智能设备以外的设备。
可选的,本步骤在确定一个设备与除其以外的其他设备的交互接口时,可以采用下述任一方式:
方式一、在实际应用中,无论智能设备还是非智能设备,其均可设置有固定的与其他设备进行数据交互的接口,此时服务平台可以直接将该数据交互接口作为该设备与除其以外的其他设备进行数据交互的接口。例如,本实施例中可以是将待处理设备中设置的固定与其他设备进行数据交互的接口,作为该待处理设备与第一设备进行数据交互的接口。可以将目标智能设备中设置的固定与其他设备进行数据交互的接口,作为该目标智能设备与第二设备进行数据交互的接口。
方式二、对于一个设备来说,为了保证在该设备的常用通信接口被占用或出现故障时,也可以正常与其他设备进行数据交互,还可以在设备内部设置多个用于与其他设备进行数据交互的通信接口,服务平台在确定该待处理设备与除其以外的其他设备之间的数据交互接口时,可以是通过信令协商的方式,来确定该设用于与其他设备进行数据交互的接口。例如,本实施例中,待处理设备需要与目标智能设备进行数据交互,可以是服务平台分别与目标智能设备和待处理设备协商,确定其用于与其他设备进行数据交互的交互接口。如以协商确定摄像机B(即目标智能设备)中用于与摄像机A(即待处理设备)进行数据交互的接口为例,若摄像机B有3个可选的数据交互接口(如接口1、接口2和接口3),此时服务平台可以按照各数据交互接口的使用频率,依次和摄像机B协商,本次是否可以将该接口作为与摄像机A的数据交互接口,若摄像机B同意,则将该数据交互接口作为本次摄像机B中用于与摄像机A进行数据交互的接口;也可以是服务平台将三个可选的数据交互接口发送至摄像机B,由摄像机B选择其本次用于与摄像机A进行数据交互的接口。
可选的,在本步骤中,服务平台在为待处理设备和各目标智能设备确定了交互接口后,就可以执行控制至少一个目标智能设备基于已经确定的交互接口,从待处理中获取数据分析请求中的数据定位标识对应的数据流,然后按照数据分析请求中的分析需求,或者是默认的分析需求对获取的数据流进行数据分析操作。需要说明的是,本发明实施例中目标智能设备从待处理设备中获取数据定位标识对应的数据流时,可以是获取待处理设备实时采集的数据流,还可以是获取待处理设备自身存储空间中存储的数据流。若本发明实施例的方案应用于分析摄像机拍摄的视频数据,由于部署在前端的摄像机自身的存储空间有限,无法存储大量的视频数据,所以若智能摄像机需要获取待处理摄像机存储空间中存储的视频流时,可以是获取待处理摄像机自带的小缓存空间中存储的视频流。
可选的,控制目标智能设备基于已确定的交互接口,从待处理设备中获取数据定位标识对应的数据流的过程可以包括如下方式:
方式一、服务平台控制待处理设备先从其采集的所有数据中获取数据定位标识对应的数据流,如可以是待处理设备实时采集的数据流,也可以是待处理设备自身存储空间中存储的历史采集的视频流。然后通过其内部的数据交互接口主动发送至各目标智能设备的数据交互接口,此时各目标智能设备通过监听器内部的数据交互接口,获取待处理设备发送的数据流。例如,若摄像机A(即待处理设备)的数据交互接口为接口1,摄像机B(即目标智能设备)的交互接口为接口2,此时可以是控制摄像机A从其内部获取当前时刻(即数据定位标识)采集到的实时视频流发送到摄像机B的接口2,摄像机B的相关进程监听接口2,获取摄像机A发送的视频流。
方式二、服务平台控制智能设备通过其内部的交互接口主动与待处理设备的数据交互接口进行通信,访问待处理设备的数据存储空间或数据采集进程,进而主动从待处理设备的所有数据中查找并获取数据定位标识对应的数据流。例如,若摄像机A(即待处理设备)的数据交互接口为接口1,摄像机B(即目标智能设备)的数据交互接口为接口2,此时摄像机B可以通过接口2与摄像机A的接口1进行通信,访问摄像机A的数据采集进程,获取摄像机A当前时刻(即数据定位标识)采集的实时视频流。
可选的,若目标智能设备为多个时,本发明实施例还可以是由一个目标智能设备从待处理设备中获取数据定位标识对应的数据流,其在执行对该数据流解析的同时,通过其与其他目标智能设备之间的数据交互接口发送至其他至少一个目标智能设备。例如,可以是从目标智能设备中,选择距离待处理设备最近的目标智能设备从待处理设备中获取数据定位标识对应的数据流,然后该目标设备在对获取的数据流进行解析处理的同时,将该数据流发送至与其最近的其他目标智能设备,依次类推,直至所有的目标智能设备都接收到该数据流。
需要说明的是,本发明实施例服务平台还可以采用其他方式控制目标智能设备基于已确定的交互接口,从待处理设备中获取数据定位标识对应的数据流,对此不进行限定。
可选的,在本发明实施例中,目标智能设备对获取的数据流进行分析之后,可以将分析结果反馈给服务平台,服务平台接收目标智能设备反馈的分析结果,并将所述分析结果展示给用户。例如,可以是服务平台在接收到目标智能设备反馈的分析结果后,会将该分析结果反馈给发起数据分析请求的客户端或网页,以供用户查看最终的分析结果。
本发明实施例的设备数据的分析方法,若获取到的数据分析请求中的设备标识对应的设备无法执行该数据分析请求,则将该设备标识对应的设备作为待处理设备,确定待处理设备对应的至少一个目标智能设备,以及待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于该数据交互接口获取并解析分析待分析的数据流。本发明实施例的技术方案,服务平台无需对于待处理设备采集的数据进行分析,而是发送给对应的目标智能设备进行分析处理,降低服务平台的运算量和建设成本的同时,提高了智能设备的利用率。且本方案还可以将待处理设备采集的数据分散到不同的目标智能设备进行分析处理,也极大的提高了数据分析处理效率。
实施例二
图2为本发明实施例二提供的一种设备数据的分析方法的流程图,本实施例在上述实施例的基础上,进行了进一步的优化,具体给出了如何根据数据分析请求中的待处理设备的标识信息,确定至少一个目标智能设备的具体情况介绍,该方法具体包括:
S201,获取用户产生的数据分析请求。
其中,数据分析请求中包括待分析数据的设备标识和数据定位标识。
S202,若检测到数据分析请求中的设备标识对应的设备无法执行数据分析请求,则将该设备标识对应的设备作为待处理设备,根据数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的定位信息。
其中,待处理设备的定位信息可以是待处理设备实际所在位置,如可以是对应在地图上的经纬度坐标信息。
可选的,服务平台在确定设备标识对应的待处理设备的定位信息时,可以与该设备标识对应的待处理设备进行交互,获取待处理设备的定位信息;还可以是服务平台上预先存储有其管理的每一个设备(包括非智能设备和智能设备)的定位信息,直接从本地获取即可。例如,服务平台可以根据获取的数据分析请求中的设备标识,判断该设备标识对应的是待处理设备后,从其存储的各设备的相关信息中获取该设备标识对应的待处理设备的定位信息。在本步骤中,服务平台内部可以为每一个设备设置一个存储空间,用来存储该设备对应的相关信息,如可以包括但不限于设备标识、定位信息、是否为智能设备等,设备的相关信息可以是在区域中安装了设备后,由各设备向服务平台上报的,还可以是在区域安装了设备后,服务平台为各设备生成的。
S203,根据待处理设备的定位信息,将定位信息所在区域内的智能设备作为候选智能设备。
可选的,由于服务平台中记录了其管理的所有设备(包括智能设备和非智能设备)的定位信息,所以本步骤可以根据S202中确定的待处理设备的定位信息,按照预设区域范围(如1公里),以该待处理设备的定位信息为中心,将该定位信息周围预设区域范围作为待处理设备该定位信息所在的区域,然后查找定位信息在该区域内的所有智能设备,作为候选智能设备。
可选的,服务平台可以根据不同的待处理设备所处的环境,为不同的待处理设备设置不同的预设范围来确定该待处理设备所在的区域,例如,当某一待处理设备周围的智能设备数量较少时,可以将其对应的预设区域范围设置的大一些,从而保证候选智能设备的数量;当某一区域的网络质量不是很好时,可以将其对应的预设区域范围设置的小一些,保证确定的候选智能设备的网络可用性。
S204,获取各候选智能设备的剩余算力。
其中,候选智能设备的算力可以是指候选智能设备的计算能力,其取决于候选智能设备的内部的硬件和软件的配置,配置越高,计算能力越强。候选智能设备的剩余算力可以是指从候选智能设备的总算力中去除智能设备当前运行所消耗的算力后,剩余的可供执行其他操作的算力,即当前尚未被消耗的算力。例如,某一候选智能设备的总算力为100,其当前运行耗费的算力为30,则该候选智能设备的剩余算力为70。
可选的,对于每一个智能设备而言,其剩余算力与智能设备当前已用的计算量相关,由于智能设备在不同时刻对应的已用计算量可能差距较大,所以对于某一时刻,智能设备的剩余算力只有该智能设备自身知道。所以本步骤可以是当服务平台需要获取候选智能设备的剩余算力时,监听各候选智能设备的相关接口或进程获取各候选智能设备的剩余算力。也可以是各智能设备实时或定时(如半个小时)向服务平台上报其当前的剩余算力,此时服务平台可以将最近一次获取的各候选智能设备上报的剩余算力作为各候选智能设备当前的剩余算力。
S205,根据各候选智能设备的剩余算力、算力影响因素的影响系数和算力影响因素的权重值,确定各候选智能设备的参考算力。
其中,算力影响因素可以是影响智能设备算力的因素,可以包括但不限于:待处理设备和各候选智能设备之间的距离因素、网络因素、干扰因素或其他影响因素中的至少一个。具体的,距离因素取决于待处理设备和各候选智能设备之间的距离;网络因素取决于待处理设备和各候选智能设备通信时的网络的带宽与延时等,干扰因素取决于待处理设备和各候选智能设备之间的干扰信号、设备等。例如,针对距离因素来说,候选智能设备与待处理设备距离越近,转换到候选智能设备算力的影响力度越小;针对网络因素来说,候选智能设备与待处理设备之间的网络质量越好,网络的实时性越好,转换到候选智能设备算力的影响力度就越小;针对干扰因素来说,候选智能设备与待处理设备之间的干扰因素越少,转换到候选智能设备算力的影响力度就越小。参考算力可以是指预估出的各候选智能设备的剩余算力在各算力影响因素的影响下的实际可用算力。
为了能够准确的衡量各算力影响因素对剩余算力的影响,本实施例可以为各算力影响因素设置对应的影响系数和权重值。其中,影响系数可以是预先根据预设规则,针对各候选智能设备与待处理设备之间的实际情况,为各影响因素在实际情况下设置的具体影响数值,例如,针对距离因素,可以针对各候选智能设备和待处理设备之间距离的不同,设置距离因素对于不同候选智能设备的影响因素(如该影响因素可以为候选智能设备与待处理设备之间的距离与固定系数的乘积)。权重值可以是通过衡量不同种类的影响因素对于剩余算力的影响力度,可以为不同种类的影响因素设置不同的权重值。
具体的,以确定一个候选智能设备的参考算力为例,可以是根据候选智能设备的剩余算力、各算力影响因素的影响系数,确定候选智能设备在各算力影响因素下的子参考算力;根据候选智能设备在各算力影响因素下的子参考算力和各算力影响因素的权重值,确定候选智能设备最终的参考算力。示例性的,以计算待处理设备(即摄像机A)的某一候选智能设备(即摄像机B)的剩余算力St1为例;若摄像机A与摄像机B之间的距离因素对应的影响系数为LB,权重值为ML,网络因素对应的影响系数为TB,权重值为MT,干扰因素对应的影响系数为LG,权重值为MG,其他影响因素对应的影响系数为LX,权重值为MX,则摄像机B在距离因素下的子参考算力SLB为:SLB=LB×St1;;在网络因素下的子参考算力STB为:STB=TB×St1;;在干扰因素下的子参考算力SGB为:SGB=GB×St;;在其他影响因素下的子参考算力SXB为:SXB=XB×St;。进一步的,结合各算力影响因素的权重值后,该摄像机B的最终参考算力SB为:SB=SLB×ML+STB×MT+SGB×MG+SXB×MX。
需要说明的是,影响系数的数值与该影响因素对智能设备的影响程度成反比。因为影响因素对智能设备的影响程度越大,对智能设备的剩余算力的影响也就越大,从而导致智能设备在该影响因素下实际可用的算力就会越小,即对应的子参考算力就越小,所以影响系数的数值与该影响因素对智能设备的影响程度成反比。
S206,依据各候选智能设备的参考算力,选择参考算力排名靠前的至少一个候选智能设备作为目标智能设备。
可选的,按照上述S205的方法,确定出每一个候选智能设备的参考算力后,可以按照各候选智能设备的参考算力进行排序,选择参考算力较高的至少一个候选智能设备作为目标智能设备。具体的,可以是先选择参考算力排名最高的候选智能设备作为目标智能设备,若排名最高的候选智能设备可以完成本次执行数据分析操作对应的所有分析需求,则只将该候选智能设备作为目标智能设备,否则按照参考算力从大到小的顺序,逐个增加目标智能设备的数量,直到能够完成所有的分析需求为止。例如,若本次执行数据分析操作对应的分析需求包括:识别车辆和识别人物,候选的智能摄像机为摄像机B、摄像机C和摄像机D……,各智能摄像机对应的参考算力分别为SB、SC和SD……。若各候选摄像机按照参考算力进行排序的结果是SB<SC<SD……,则此时可以先判断摄像机B是否同时具备识别车辆和识别人物的功能,若具备,则只将摄像机B作为目标智能摄像机;若摄像机B只具备识别车辆的功能,此时将摄像机B作为其中一个目标智能摄像机,再判断参考算力排名第二的摄像机C是否具备识别人物的功能,若具备,则将摄像机C作为另一个目标智能设备,若不具备,再判断摄像机D,依次类推,直到确定的目标智能摄像机可以完成识别车辆和识别人物的功能为止。
可选的,还可以是针对各候选智能设备,先根据各候选智能设备所具备的分析功能,将具备同一种功能的各候选智能设备分为一类,然后对每一类的各候选智能设备按照上述算力计算方法进行排序,最后根据分析请求中包括的分析需求,选择各功能下算力排名最强的候选智能设备作为最终确定的目标智能设备。
S207,确定待处理设备和至少一个目标智能设备的数据交互接口,以控制至少一个目标智能设备基于数据交互接口获取并解析数据定位标识对应的数据流。
可选的,当目标智能设备对定位数据标识对应的数据流按照分析需求解析完成后,可以将分析结果上报给服务平台,服务平台接收到目标智能设备上报的分析结果后,可以将该分析结果反馈给发送数据分析请求的用户所在的客户端或网页,以供用户查看分析结果。
本发明实施例的设备数据的分析方法,若获取到的数据分析请求中的设备标识对应的待处理设备无法执行该数据分析请求,则将该设备标识对应的设备作为待处理设备,并根据数据分析请求中的设备标识,确定该待处理设备的定位信息,将该定位信息所在区域的智能设备作为候选智能设备,再结合各候选智能设备的剩余算力、算力影响因素的影响系数和算力影响因素的权重值,确定各候选智能设备的参考算力,按照算力排名确定出至少一个目标智能设备,并确定待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于该数据交互接口获取并解析待分析的数据流。本发明实施例的技术方案,在为待待处理设备确定处理其数据的目标智能设备时,考虑了智能设备的剩余算力和多维度的算力影响因素,从而保证了确定的目标智能设备具备最佳算力,且受算力影响因素的影响最小,最大化的提高了智能设备算力的利用率。进而提高了数据分析处理效率。
实施例三
图3为本发明实施例三提供的一种设备数据的分析装置的结构框图,该装置可以配置于服务平台中。该装置可执行本发明上述任意实施例所提供的设备数据的分析方法,具体执行方法相应的功能模块和有益效果。如图3所示,该装置包括:
分析请求获取模块301,用于获取用户产生的数据分析请求;所述数据分析请求中包括待分析数据的设备标识和数据定位标识;
智能设备确定模块302,用于若检测到所述数据分析请求中的设备标识对应的设备无法执行所述数据分析请求,则将所述设备标识对应的设备作为待处理设备,并确定所述待处理设备对应的至少一个目标智能设备;
设备控制模块303,用于确定所述待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于所述数据交互接口获取并解析所述数据定位标识对应的数据流。
本发明实施例的设备数据的分析装置,若获取到的数据分析请求中的设备标识对应的设备无法执行该数据分析请求,则将该设备标识对应的设备作为待处理设备,确定待处理设备对应的至少一个目标智能设备,以及待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于该数据交互接口获取并解析分析待分析的数据流。本发明实施例的技术方案,服务平台无需对于待处理设备采集的数据进行分析,而是发送给对应的目标智能设备进行分析处理,降低服务平台的运算量和建设成本的同时,提高了智能设备的利用率。且本方案还可以将待处理设备采集的数据分散到不同的目标智能设备进行分析处理,也极大的提高了数据分析处理效率。
进一步的,上述待处理设备包括:非智能设备和/或无法执行所述数据分析请求的智能设备。
进一步的,上述智能设备确定模块302具体包括:
候选设备确定单元,用于根据所述数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的候选智能设备;
目标设备确定单元,用于基于各候选智能设备的剩余算力和/或算力影响因素,从所述候选智能设备中确定至少一个目标智能设备。
进一步的,上述目标设备确定单元还用于:
基于各候选智能设备的分析功能和所述数据分析请求中包括的分析需求,从所述候选智能设备中确定至少一个目标智能设备。
进一步的,上述候选设备确定单元具体用于:
根据所述数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的定位信息;
根据所述待处理设备的定位信息,将所述定位信息所在区域内的智能设备作为候选智能设备。
进一步的,所述算力影响因素包括:待处理设备和各候选智能设备之间的距离因素、网络因素和干扰因素中的至少一个。
进一步的,上述目标设备确定单元在执行基于各候选智能设备的剩余算力和/或算力影响因素,从所述候选智能设备中确定至少一个目标智能设备时,具体用于:
获取各候选智能设备的剩余算力;
根据所述各候选智能设备的剩余算力、算力影响因素的影响系数和算力影响因素的权重值,确定所述各候选智能设备的参考算力;
依据所述各候选智能设备的参考算力,选择参考算力排名靠前的至少一个候选智能设备作为目标智能设备。
进一步的,上述目标设备确定单元在执行根据所述各候选智能设备的剩余算力、算力影响因素的影响系数和算力影响因素的权重值,确定所述各候选智能设备的参考算力时,具体用于:
针对一个候选智能设备,根据所述候选智能设备的剩余算力、各算力影响因素的影响系数,确定所述候选智能设备在各算力影响因素下的子参考算力;
根据所述候选智能设备在各算力影响因素下的子参考算力和各算力影响因素的权重值,确定所述候选智能设备最终的参考算力。
进一步的,上述设备控制模块303在确定所述待处理设备和所述至少一个目标智能设备之间的交互接口时,具体用于:
确定所述待处理设备中用于与第一设备进行数据交互的接口,所述第一设备包括除所述待处理设备以外的设备;
确定所述至少一个目标智能设备中用于与所述第二设备进行数据交互的接口,所述第二设备包括所述至少一个目标智能设备以外的设备。
进一步的,上述装置还包括:
数据收发模块,用于接收所述至少一个目标智能设备反馈的分析结果,并将所述分析结果展示给用户。
实施例四
图4为本发明实施例四提供的一种服务平台的结构示意图,图4示出了适于用来实现本发明实施例实施方式的示例性服务平台的框图。图4显示的服务平台仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。服务平台典型可以是配置有一个或多个服务器。
如图4所示,服务平台400以通用计算设备的形式表现。服务平台400的组件可以包括但不限于:一个或者多个处理器或者处理单元416,存储器428,连接不同系统组件(包括存储器428和处理单元416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务平台400典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务平台400访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器428可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)430和/或高速缓存存储器432。服务平台400可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储器428中,这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明实施例所描述的实施例中的功能和/或方法。
服务平台400也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信,还可与一个或者多个使得用户能与该服务平台400交互的设备通信,和/或与使得该服务平台400能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,服务平台400还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图4所示,网络适配器420通过总线418与服务平台400的其它模块通信。应当明白,尽管图4中未示出,可以结合服务平台400使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元416通过运行存储在存储器428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明任一实施例所提供的设备数据的分析方法。
实施例五
图5为本发明实施例五提供的一种设备数据分析系统的结构框图,该系统可执行本发明任意实施例所提供的方法,达到相应的有益效果,所述系统包括:服务平台400、至少一个待处理设备50以及至少一个目标智能设备51;
所述服务平台400为上述实施例四所述的服务平台;其可以包括实施例三所述的设备数据的分析装置,可执行上述实施例一至实施例二所述的设备数据的分析方法。
所述待处理设备50,用于采集数据流;
所述目标智能设备51,用于基于与待处理设备的数据交互接口,获取并解析所述数据定位标识对应的数据流。
需要说明的是,本发明实施例中待处理设备50和目标智能设备51都可以进行数据流的采集,但是待处理设备50无法独立执行获取的数据分析请求,而目标智能设备51具备可以独立执行获取的数据分析请求。目标智能设备51从待处理设备50中获取数据流的过程,可以是目标智能设备51主动监听并获取待处理设备50采集到的数据流,也可以是待处理设备50主动向目标智能设备51发送采集到的数据流。本实施例中的待处理设备50可以为非智能设备和/或无法执行所述数据分析请求的智能设备。
本发明实施例的设备数据分析系统,若获取到的数据分析请求中的设备标识对应的设备无法执行该数据分析请求,则将该设备标识对应的设备作为待处理设备,确定待处理设备对应的至少一个目标智能设备,以及待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于该数据交互接口获取并解析分析待分析的数据流。本发明实施例的技术方案,服务平台无需对于待处理设备采集的数据进行分析,而是发送给对应的目标智能设备进行分析处理,降低服务平台的运算量和建设成本的同时,提高了智能设备的利用率。且本方案还可以将待处理设备采集的数据分散到不同的目标智能设备进行分析处理,也极大的提高了数据分析处理效率。
实施例六
本发明实施例六还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时可以用于执行一种设备数据的分析方法,该方法包括:
获取用户产生的数据分析请求;所述数据分析请求中包括待分析数据的设备标识和数据定位标识;
若检测到所述数据分析请求中的设备标识对应的设备无法执行所述数据分析请求,则将所述设备标识对应的设备作为待处理设备,并确定所述待处理设备对应的至少一个目标智能设备;
确定所述待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于所述数据交互接口获取并解析所述数据定位标识对应的数据流。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种设备数据的分析方法,其特征在于,所述方法包括:
获取用户产生的数据分析请求;所述数据分析请求中包括待分析数据的设备标识和数据定位标识;
若检测到所述数据分析请求中的设备标识对应的设备无法执行所述数据分析请求,则将所述设备标识对应的设备作为待处理设备,并确定所述待处理设备对应的至少一个目标智能设备;
确定所述待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于所述数据交互接口获取并解析所述数据定位标识对应的数据流。
2.根据权利要求1所述的方法,其特征在于,所述待处理设备包括:非智能设备和/或无法执行所述数据分析请求的智能设备。
3.根据权利要求1所述的方法,其特征在于,确定所述待处理设备对应的至少一个目标智能设备,包括:
根据所述数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的候选智能设备;
基于各候选智能设备的剩余算力和/或算力影响因素,从所述候选智能设备中确定至少一个目标智能设备。
4.据权利要求1所述的方法,其特征在于,所述数据分析请求中还包括分析需求;
相应的,确定所述待处理设备对应的至少一个目标智能设备时,还包括:
根据所述数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的候选智能设备;
基于各候选智能设备的分析功能和所述数据分析请求中包括的分析需求,从所述候选智能设备中确定至少一个目标智能设备。
5.根据权利要求3或4所述的方法,其特征在于,根据所述数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的候选智能设备,包括:
根据所述数据分析请求中的设备标识,确定所述设备标识对应的待处理设备的定位信息;
根据所述待处理设备的定位信息,将所述定位信息所在区域内的智能设备作为候选智能设备。
6.根据权利要求3所述的方法,其特征在于,所述算力影响因素包括:待处理设备和各候选智能设备之间的距离因素、网络因素和干扰因素中的至少一个。
7.根据权利要求3所述的方法,其特征在于,基于各候选智能设备的剩余算力和算力影响因素,从所述候选智能设备中确定至少一个目标智能设备,包括:
获取各候选智能设备的剩余算力;
根据所述各候选智能设备的剩余算力、算力影响因素的影响系数和所述算力影响因素的权重值,确定所述各候选智能设备的参考算力;
依据所述各候选智能设备的参考算力,选择参考算力排名靠前的至少一个候选智能设备作为目标智能设备。
8.根据权利要求7所述的方法,其特征在于,根据所述各候选智能设备的剩余算力、算力影响因素的影响系数和所述算力影响因素的权重值,确定所述各候选智能设备的参考分析算力,包括:
针对一个候选智能设备,根据所述候选智能设备的剩余算力、各算力影响因素的影响系数,确定所述候选智能设备在各算力影响因素下的子参考算力;
根据所述候选智能设备在各算力影响因素下的子参考算力和各算力影响因素的权重值,确定所述候选智能设备最终的参考算力。
9.根据权利要求1所述的方法,其特征在于,确定所述待处理设备和所述至少一个目标智能设备之间的交互接口包括:
确定所述待处理设备中用于与第一设备进行数据交互的接口,所述第一设备包括除所述待处理设备以外的设备;
确定所述至少一个目标智能设备中用于与第二设备进行数据交互的接口,所述第二设备包括所述至少一个目标智能设备以外的设备。
10.根据权利要求1所述的方法,其特征在于,在以控制所述至少一个目标智能设备基于所述交互接口从所述待处理设备中获取并解析待分析的数据信息对应的数据流之后,还包括:
接收所述至少一个目标智能设备反馈的分析结果,并将所述分析结果展示给用户。
11.一种设备数据的分析装置,其特征在于,所述装置包括:
分析请求获取模块,用于获取用户产生的数据分析请求;所述数据分析请求中包括待分析数据的设备标识和数据定位标识;
智能设备确定模块,用于若检测到所述数据分析请求中的设备标识对应的设备无法执行所述数据分析请求,则将所述设备标识对应的设备作为待处理设备,并确定所述待处理设备对应的至少一个目标智能设备;
设备控制模块,用于确定所述待处理设备和所述至少一个目标智能设备的数据交互接口,以控制所述至少一个目标智能设备基于所述数据交互接口获取并解析所述数据定位标识对应的数据流。
12.一种服务平台,其特征在于,所述服务平台包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的设备数据的分析方法。
13.一种设备数据分析系统,其特征在于,所述系统包括:服务平台、至少一个待处理设备以及至少一个目标智能设备;
所述服务平台为权利要求12所述的服务平台;
所述待处理设备,用于采集数据流;
所述目标智能设备,用于基于与待处理设备的数据交互接口,获取并解析所述数据定位标识对应的数据流。
14.根据权利要求13所述的系统,其特征在于,所述待处理设备包括:非智能设备和/或无法执行所述数据分析请求的智能设备。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10中任一所述的设备数据的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910549851.4A CN112131903B (zh) | 2019-06-24 | 2019-06-24 | 设备数据的分析方法、装置、服务平台、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910549851.4A CN112131903B (zh) | 2019-06-24 | 2019-06-24 | 设备数据的分析方法、装置、服务平台、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131903A true CN112131903A (zh) | 2020-12-25 |
CN112131903B CN112131903B (zh) | 2024-02-20 |
Family
ID=73849239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910549851.4A Active CN112131903B (zh) | 2019-06-24 | 2019-06-24 | 设备数据的分析方法、装置、服务平台、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131903B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485842A (zh) * | 2021-07-30 | 2021-10-08 | 浙江大华技术股份有限公司 | 一种基于设备集群进行数据分析的方法及设备 |
CN113641124A (zh) * | 2021-08-06 | 2021-11-12 | 珠海格力电器股份有限公司 | 一种算力分配方法、装置、控制器及楼宇控制系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102098806A (zh) * | 2010-12-23 | 2011-06-15 | 浙江大学 | 基于本地处理的景区监控无线视觉感知网络系统及方法 |
CN102272717A (zh) * | 2009-01-07 | 2011-12-07 | 索尼公司 | 并行任务分配应用框架 |
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 |
CN103079057A (zh) * | 2012-12-29 | 2013-05-01 | 深圳先进技术研究院 | 用于视频监控分析系统进行资源优化的方法和系统 |
CN103236168A (zh) * | 2013-04-23 | 2013-08-07 | 深圳职业技术学院 | 交通数据在线采集系统及方法 |
CN203799368U (zh) * | 2013-12-13 | 2014-08-27 | 广州必视谷信息技术有限公司 | 分布式视频分析系统 |
CN104333732A (zh) * | 2014-10-15 | 2015-02-04 | 广东中星电子有限公司 | 一种分布式视频分析方法和系统 |
CN105208086A (zh) * | 2015-08-17 | 2015-12-30 | 成都同兴伟业科技有限公司 | 基于物联网架构的分布式智能监控系统 |
US20160191779A1 (en) * | 2014-12-24 | 2016-06-30 | Shao-Wen Yang | Adaptive Video End-To-End Network with Local Abstraction |
CN106155807A (zh) * | 2015-04-15 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种实现资源调度的方法与设备 |
CN106257960A (zh) * | 2015-06-18 | 2016-12-28 | 中兴通讯股份有限公司 | 多设备协同操作的方法及设备 |
CN106657191A (zh) * | 2015-11-02 | 2017-05-10 | 杭州华为企业通信技术有限公司 | 一种负载均衡方法及相关装置、系统 |
CN107896180A (zh) * | 2017-10-24 | 2018-04-10 | 北京小蓦机器人技术有限公司 | 设备间协同处理事件的方法、设备、系统与存储介质 |
CN109698900A (zh) * | 2017-10-20 | 2019-04-30 | 杭州海康威视数字技术股份有限公司 | 一种数据处理方法、装置及监控系统 |
CN109815003A (zh) * | 2017-11-21 | 2019-05-28 | 中国移动通信有限公司研究院 | 智能设备间协同计算方法、系统、智能设备和介质 |
-
2019
- 2019-06-24 CN CN201910549851.4A patent/CN112131903B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102272717A (zh) * | 2009-01-07 | 2011-12-07 | 索尼公司 | 并行任务分配应用框架 |
CN102098806A (zh) * | 2010-12-23 | 2011-06-15 | 浙江大学 | 基于本地处理的景区监控无线视觉感知网络系统及方法 |
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 |
CN103079057A (zh) * | 2012-12-29 | 2013-05-01 | 深圳先进技术研究院 | 用于视频监控分析系统进行资源优化的方法和系统 |
CN103236168A (zh) * | 2013-04-23 | 2013-08-07 | 深圳职业技术学院 | 交通数据在线采集系统及方法 |
CN203799368U (zh) * | 2013-12-13 | 2014-08-27 | 广州必视谷信息技术有限公司 | 分布式视频分析系统 |
CN104333732A (zh) * | 2014-10-15 | 2015-02-04 | 广东中星电子有限公司 | 一种分布式视频分析方法和系统 |
US20160191779A1 (en) * | 2014-12-24 | 2016-06-30 | Shao-Wen Yang | Adaptive Video End-To-End Network with Local Abstraction |
CN106155807A (zh) * | 2015-04-15 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种实现资源调度的方法与设备 |
CN106257960A (zh) * | 2015-06-18 | 2016-12-28 | 中兴通讯股份有限公司 | 多设备协同操作的方法及设备 |
CN105208086A (zh) * | 2015-08-17 | 2015-12-30 | 成都同兴伟业科技有限公司 | 基于物联网架构的分布式智能监控系统 |
CN106657191A (zh) * | 2015-11-02 | 2017-05-10 | 杭州华为企业通信技术有限公司 | 一种负载均衡方法及相关装置、系统 |
CN109698900A (zh) * | 2017-10-20 | 2019-04-30 | 杭州海康威视数字技术股份有限公司 | 一种数据处理方法、装置及监控系统 |
CN107896180A (zh) * | 2017-10-24 | 2018-04-10 | 北京小蓦机器人技术有限公司 | 设备间协同处理事件的方法、设备、系统与存储介质 |
CN109815003A (zh) * | 2017-11-21 | 2019-05-28 | 中国移动通信有限公司研究院 | 智能设备间协同计算方法、系统、智能设备和介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485842A (zh) * | 2021-07-30 | 2021-10-08 | 浙江大华技术股份有限公司 | 一种基于设备集群进行数据分析的方法及设备 |
CN113485842B (zh) * | 2021-07-30 | 2024-02-23 | 浙江大华技术股份有限公司 | 一种基于设备集群进行数据分析的方法及设备 |
CN113641124A (zh) * | 2021-08-06 | 2021-11-12 | 珠海格力电器股份有限公司 | 一种算力分配方法、装置、控制器及楼宇控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112131903B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6892484B2 (ja) | 物体検出枠を生成する方法とその装置、機器、記憶媒体及び車両 | |
CN109543680B (zh) | 兴趣点的位置确定方法、装置设备和介质 | |
CN106686339A (zh) | 电子会议智能 | |
CN112132113A (zh) | 车辆再识别的方法、装置、训练方法以及电子设备 | |
CN109712392A (zh) | 基于区块链的停车信息处理方法、装置、设备和存储介质 | |
US10542441B1 (en) | Method, computer device and storage medium for matching mobile hotspot with mobile point of interest | |
CN111045911B (zh) | 性能测试方法、性能测试装置、存储介质与电子设备 | |
CN111026853B (zh) | 目标问题的确定方法、装置、服务器和客服机器人 | |
CN112131903B (zh) | 设备数据的分析方法、装置、服务平台、系统及介质 | |
CN112328688B (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
KR20210132622A (ko) | 데이터 처리 방법, 장치, 전자 설비 및 저장매체 | |
CN104702982A (zh) | 一种视频分析设备的算法配置方法和系统 | |
CN110633404A (zh) | 应用程序消息推送的方法、装置、存储介质和终端设备 | |
CN110928893B (zh) | 一种标签查询方法、装置、设备和存储介质 | |
CN116627771B (zh) | 日志采集方法、装置、电子设备和可读存储介质 | |
CN111258765B (zh) | 一种负载均衡方法、装置、计算设备和存储介质 | |
EP4092388A2 (en) | Method and apparatus of recommending information, electronic device, storage medium, and program product | |
CN115437500A (zh) | 基于手势交互的业务办理方法、装置及自助服务设备 | |
CN114817590A (zh) | 路径存储方法、路径查询方法及装置、介质及电子设备 | |
CN115129659A (zh) | 主协内核计算机处理平台 | |
CN112434877A (zh) | 一种基于云计算的智慧城市数据处理方法及装置 | |
CN109344342B (zh) | 地图数据检索方法、装置、检索服务器及系统 | |
CN111626684B (zh) | 智能税务处理方法、装置、终端和介质 | |
CN114077858A (zh) | 向量数据处理方法、装置、设备及存储介质 | |
CN111626834B (zh) | 智能税务处理方法、装置、终端和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |