CN113225623B - 自适应视频文件加速解析方法、装置、设备及存储介质 - Google Patents
自适应视频文件加速解析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113225623B CN113225623B CN202110485426.0A CN202110485426A CN113225623B CN 113225623 B CN113225623 B CN 113225623B CN 202110485426 A CN202110485426 A CN 202110485426A CN 113225623 B CN113225623 B CN 113225623B
- Authority
- CN
- China
- Prior art keywords
- slice number
- calculated
- slice
- analysis
- parsing
- 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
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, manipulating MPEG-4 scene graphs
Abstract
本发明属于图像处理技术领域,具体提供一种自适应视频文件加速解析方法、装置、设备及存储介质,旨在解决如何充分利用空闲的视频解析引擎资源提高视频解析速度的问题。为此目的,本发明的方法包括:获取解析任务;获取空闲的解析引擎资源;根据基于解析倍速参数的第一计算切片数、基于空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数,得到实际切片数;根据实际切片数对视频文件进行切分;利用空闲的解析引擎资源对切片后的视频进行解析。通过本发明,可以有效地利用系统中空闲的解析引擎资源,将解析任务加速到极限,从而满足长时间、大数据量的视频解析任务的需求。
Description
技术领域
本发明属于图像处理技术领域,具体提供一种自适应视频文件加速解析方法、装置、设备及存储介质。
背景技术
全目标结构化解析是指利用视频、图片等数据,对人脸、人体、机动车、非机动车及其关联信息进行识别和分析,从而为金融、安防、教育等社会公共领域提供应用支撑。例如,在安防应用中,经常会涉及到历史监控视频的分析,需要解析的视频通常会很长,可能涉及到若干时间范围内多路的视频数据,解析视频的时间可能长达几十个小时,因此使用者迫切希望提高视频的解析速率。
随着云服务、云计算等技术的发展,使多台服务器、多个全目标结构化解析引擎同时处理同一个视频解析任务成为现实。传统的视频解析加速的方法通常是基于解析倍速,对视频文件进行切分而实现解析加速,然而,这些方案往往都无法充分利用现有空闲的视频解析引擎资源,视频解析加速倍数受限,无法满足使用者的需求。
相应地,本领域需要一种新的方案来解决上述问题。
发明内容
为了解决现有技术中的上述问题,即为了解决现有技术中视频解析加速倍数受限的问题。在第一方面,本发明提出了一种自适应视频文件加速解析方法,所述方法包括:
获取解析任务,所述解析任务包括所述视频文件的解析任务倍速、开始时间和结束时间;
获取空闲的解析引擎资源,所述空闲的解析引擎资源包括空闲的解析引擎的数量和每个解析引擎能同时处理的切片数;
根据基于所述解析倍速参数的第一计算切片数、基于所述空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数,得到实际切片数;
根据所述实际切片数对所述视频文件进行切分;
使用所述空闲的解析引擎资源对切片后的视频进行解析。
在上述自适应视频文件加速解析方法的一个实施方式中,所述第一计算切片数的计算方法为:
其中,SL_1为所述第一计算切片数;NSET为所述视频文件的解析任务倍速;NSL为所述解析引擎处理单个切片的解析倍速参数;
并且/或者,所述第二计算切片数的计算方法为:
其中,SL_2为所述第二计算切片数;n为空闲的解析引擎的数量,且为正整数;SLi为每个解析引擎能同时处理的切片数;
并且/或者,所述第三计算切片数的计算方法为:
其中,SL_3为所述第三计算切片数;TL为所述视频文件的时长,即所述结束时间与所述开始时间的时间差值;TTH为所述切片粒度阈值。
在上述自适应视频文件加速解析方法的一个实施方式中,“根据基于解析倍速参数的第一计算切片数、基于所述空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数得到实际切片数”的具体步骤包括:
比较所述第一计算切片数、所述第二计算切片数和所述第三计算切片数;
将所述第一计算切片数、所述第二计算切片数和所述第三计算切片数中最小的作为所述实际切片数;
或者,当所述第一计算切片数最小时,将所述第二计算切片数和所述第三计算切片数中较小的作为所述实际切片数。
在上述自适应视频文件加速解析方法的一个实施方式中,当所述实际切片数为所述第一计算切片数或所述第三计算切片数,并且所述实际切片数包含小数时,
如果所述实际切片数小于所述第二计算切片数,则将所述实际切片数调整为所述第一计算切片数或所述第三计算切片数取整后的数值加1;
如果所述实际切片数大于所述第二计算切片数,则当靠近所述结束时间的切片时长大于或等于所述切片粒度阈值时,将所述实际切片数调整为所述第一计算切片数取整的数值加1;否则,将所述实际切片数调整为所述第一计算切片数或所述第三计算切片数取整的数值,并且切分视频时将靠近所述结束时间的两个切片合并为一个切片。
在上述自适应视频文件加速解析方法的一个实施方式中,“使用所述空闲的解析引擎资源对切片后的视频进行解析”的步骤具体包括:
使用所述空闲的解析引擎资源对切片后的视频进行全目标结构化解析,解析结果包括人脸、人体、机动车、非机动车及其关联信息。
在第二方面,本发明提出了一种自适应视频文件加速解析装置,所述装置包括:
获取模块:获取解析任务和空闲的解析引擎资源,所述解析任务包括所述视频文件的解析任务倍速、开始时间和结束时间,所述空闲的解析引擎资源包括空闲的解析引擎的数量和每个解析引擎能同时处理的切片数;
调度引擎模块:根据基于所述解析倍速参数的第一计算切片数、基于所述空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数,得到实际切片数,并根据所述实际切片数切分所述视频文件;
解析引擎模块:使用所述空闲的解析引擎资源对切片后的视频进行解析。
在上述自适应视频文件加速解析装置的一个实施方式中,所述第一计算切片数的计算方法为:
其中,SL_1为所述第一计算切片数;NSET为所述视频文件的解析任务倍速;NSL为所述解析引擎处理单个切片的解析倍速参数;
并且/或者,所述第二计算切片数的计算方法为:
其中,SL_2为所述第二计算切片数;n为空闲的解析引擎的数量,且为正整数;SLi为每个解析引擎能同时处理的切片数;
并且/或者,所述第三计算切片数的计算方法为:
其中,SL_3为所述第三计算切片数;TL为所述视频文件的时长,即所述结束时间与所述开始时间的时间差值;TTH为所述切片粒度阈值。
在上述自适应视频文件加速解析装置的一个实施方式中,所述调度引擎模块被配置成执行如下操作:
比较所述第一计算切片数、所述第二计算切片数和所述第三计算切片数;
将所述第一计算切片数、所述第二计算切片数和所述第三计算切片数中最小的作为所述实际切片数;
或者,当所述第一计算切片数最小时,将所述第二计算切片数和所述第三计算切片数中较小的作为所述实际切片数。
在第三方面,本发明提出了一种计算机设备,所述设备包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行上述任一项方案所述的自适应视频文件加速解析方法。
在第四方面,本发明提出了一种存储介质,所述存储介质适于存储多条程序代码,所述程序代码适于由处理器加载并运行以执行上述任一项方案所述的自适应视频文件加速解析方法。
本领域技术人员能够理解的是,根据本发明的自适应视频文件加速解析的技术方案,通过优选基于解析任务、空闲的解析引擎资源和切片粒度阈值的视频文件切片方案,实现自适应视频文件切片。应用本方法,可以有效地利用系统中空闲的解析引擎资源,将解析任务加速到极限,从而满足长时间、大数据量的视频解析任务的需求。
附图说明
下面参照附图来描述本发明的具体实施方式,附图中:
图1是本发明的实施例的主要步骤流程图。
图2是本发明的一个实施例的自适应视频文件加速解析装置的主要结构框图。
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。基于本发明的实施例,本领域普通技术人员在没有做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。
首先参阅图1,图1是本发明的实施例的主要步骤流程图,如图1所示,自适应视频文件加速解析方法包括:
步骤S101:获取解析任务,解析任务包括视频文件的解析任务倍速、开始时间和结束时间;
步骤S102:获取空闲的解析引擎资源,空闲的解析引擎资源包括空闲的解析引擎的数量和每个解析引擎能同时处理的切片数;
步骤S103:根据基于解析倍速参数的第一计算切片数、基于空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数,得到实际切片数;
步骤S104:根据实际切片数对视频文件进行切分;步骤S105:利用空闲的解析引擎资源对切片后的视频进行解析。
作为示例,在安防行业中,《保安服务管理条例》第二十五条的要求“保安服务中形成的监控影像资料、报警记录,应当至少留存30日备查,保安从业单位和客户单位不得删改或者扩散。”。例如,需要查询在某段时间范围内,某小区所有出入口的进出车辆信息,则可以创建一个监控录像的解析任务。在解析任务中,需要指定需要查询的视频文件的时间范围,即查询监控录像的开始时间和结束时间;并且为尽快得到监控录像的分析结果,可以指定期望监控录像解析加速的倍速,即解析任务倍速。由此,可以获得切分视频文件所需的主要参数。
需要说明的是,需要解析的视频文件可以存储在本地服务器、可移动的存储介质或是网络服务器等位置,因此需要在解析任务中指定视频文件的获取路径。例如监控录像存储在网络服务器,可指定监控录像的URI,作为示例,具体URI的参考格式如下:[协议名]://[用户名]:[密码]@[服务器地址]:[服务器端口号]/[路径]?[查询字符串]#[片段ID]。URI的生成方法为本领域的公知技术,本领域技术人员可根据实际情况指定视频文件的获取路径。
在步骤S102中,在计算切片数之前,需要获得当前系统或设备中可用于视频解析的资源情况,即空闲的解析引擎资源,包括空闲的解析引擎的数量和每个解析引擎同时处理的切片数。
在步骤S103中,第一计算切片数的计算方法为:
其中,SL_1为第一计算切片数;NSET为解析任务中期望达到的视频解析任务倍速;NSL为解析引擎处理单个切片的解析倍速参数,属于系统或设备的固有参数,由解析引擎的性能决定。
第一计算切片系数描述的是,根据解析引擎的单个切片解析倍速参数,计算所得的切片数;按照SL_1的数量进行切分,并且空闲的解析引擎资源能够同时处理的切片数量不少于SL_1时,刚好可以满足解析任务的要求。作为示例,视频解析任务中的解析任务倍速NSET为160倍,解析引擎处理单个切片的解析倍速参数NSL为16倍,计算得到:
也就是说,将视频文件切分成10个子视频文件即可满足解析任务倍速的要求。
在步骤S103中,第二计算切片数的计算方法为:
其中,SL_2为第二计算切片数;n为空闲的解析引擎的数量,且为正整数;SLi为每个解析引擎能同时处理的切片数。
第二计算切片系数描述的是,当前全部空闲的解析引擎所能同时处理的切片数总数。作为示例,空闲的解析引擎的数量n为3,每个解析引擎可同时处理的切片数均为5个,即SL1=5,SL2=5,SL3=5,计算得到:
也就是说,当前空闲的解析引擎可同时解析15个视频切片。
在步骤S103中,第三计算切片数的计算方法为:
其中,SL_3为第三计算切片数;TL为视频文件的时长,即视频的结束时间减去视频的开始时间的差的绝对值,单位为分钟;TTH为切片粒度阈值,也就是每个切片的最小时长,单位为分钟。在本示例中,视频文件的长度单位为分钟,本领域技术人员也可以根据实际情况选择小时、秒等时间单位。
需要说明的是,设置TTH的原因是因为,对切分后的文件进行全目标结构化解析之前,都需要一定的时间准备结构化任务,如果单一考虑切片数量而忽略每个切片的时长,解析该视频文件所需的资源总消耗时间不一定最少,也就是说,此时的切片方案不一定最优,尤其是需要解析的视频时长较短时,更需要考虑切片粒度阈值。
作为示例,视频解析引擎中单个切片的解析倍速参数为15倍,解析任务设定的解析任务倍速为150倍,每片切片视频全结构化解析的准备时间为1分钟,需要解析的视频的时长为15分钟。那么,根据解析任务得到的第一计算切片数SL_1为150/15=10片,每个切片视频的时长为1.5分钟,此时资源总消耗时间为10*(1+1.5/15)=11分钟;当同时考虑切片粒度阈值时,设置切片粒度阈值为3分钟,根据切片粒度阈值计算得到第三计算切片数SL_3为15/3=5片,此时资源总消耗时间为5*(1+3/15)=6分钟。由上述计算可得,按照第一计算切片数SL_1进行解析所占用的资源明显多于按照第三计算切片数SL_3进行解析所占用的资源,但是所提升的解析性能却十分有限,在这种情况下,按照第三计算切片数SL_3进行切分,通常是性价比更好的方案。
需要说明的是,切片粒度阈值TTH时间长度的设置,可由本领域相关技术人员根据解析引擎的资源情况、解析引擎处理单个切片的解析倍速参数等实际情况进行设置。在本实施例中,设置切片粒度阈值TTH为3分钟。
在计算得到SL1、SL2和SL3后,继续通过步骤S103,比较SL1、SL2和SL3得到实际切片数。
实际切片数情况1:比较SL1、SL2和SL3,将3个值中最小的作为实际切片数量。
如果实际切片数为第一计算切片数SL1,则表明现有空闲的解析引擎资源能够满足解析任务的要求,并且按照SL1的数量进行切分的视频长度大于切片粒度阈值TTH。
如果实际切片数为第二计算切片数SL2,则表明现有空闲的解析引擎资源已经不能够满足解析任务的要求,全部空闲的解析引擎都用于执行解析任务,此时可以得到较快的解析速度,并且按照SL2的数量进行切分的视频长度大于切片粒度阈值TTH。
如果实际切片数为第三计算切片数SL3,如前设置TTH的原因所述,如果按照SL1或SL2切分视频,则两种切分后的视频长度均小于TTH,并且现有空闲的解析引擎资源已经不能够满足解析任务的要求,此时按照SL3进行切分,将会得到性价比较高的方案。
在步骤S103中,当SL1最小时,可以继续进行优化选择实际切片数,参见实际切片数情况2。
实际切片数情况2:当SL1最小时,选择SL2和SL3中较小的作为实际切片数。
如前所述,当SL1最小时,则表明现有空闲的解析引擎资源能够满足解析任务的要求。
如果实际切片数为SL2,全部空闲的解析引擎都用于执行解析任务,此时可以得到最快的解析速度,并且按照SL2的数量进行切分的视频长度大于切片粒度阈值TTH。
如果实际切片数为SL3,改切片方案可以满足解析任务的要求,但又没有使用全部空闲的解析引擎,是一种性价比高的切片方案。
需要说明的是,在实际应用中,是采用实际切片数情况1的结果,或是,当SL1最小时,继续优化选择,采用实际切片数情况2的结果,相关技术人员可根据实际情况进行设置。
作为示例,视频解析任务为:解析任务倍速NSET为160倍,解析视频开始时间为2021年4月20日7时00分,解析视频结束时间为2021年4月20日9时00分;每个解析引擎可同时处理的切片数SL1为5个,切片的解析倍速参数NSL为16倍;解析引擎切片粒度阈值TTH为3分钟;当前有3个空闲的解析引擎。首先计算TL,计算方法为结束时间减去开始时间,TL的值为120分钟,再分别计算SL1、SL2和SL3:
如果设置为采用实际切片数情况1的结果,实际切片数为SL1、SL2和SL3中最小的SL1。
如果设置为采用实际切片数情况2的结果,此时SL1最小为10,继续比较SL2和SL3,SL2小于SL3,实际切片数量则为SL2,此时视频文件的解析速率将高于按照实际切片数情况1的解析速率。
需要说明的是,当出现SL1=SL2、SL1=SL3或SL2=SL3时,可取相等的两个计算切片数中的任意一个,作为继续比较的对象或作为实际选择的结果。
在步骤S103中,当实际切片数为第一计算切片数SL1或第三计算切片数SL3,并且第一计算切片数SL1或第三计算切片数SL3的值包括小数时。
如果实际切片数小于第二计算切片数SL2,则将实际切片数调整为第一计算切片数SL1或第三计算切片数SL3取整后的数值加1。此时,调整后的实际切片数仍然小于或等于空闲的解析引擎能够处理的总的切片的数量,可以满足解析任务的要求。
如果实际切片数大于第二计算切片数SL2,则当靠近结束时间的视频切片时长大于或等于切片粒度阈值时TTH,将实际切片数调整为第一计算切片数SL1取整的数值加1,即根据实际的切片数量进行处理;否则,将实际切片数调整为第一计算切片数SL1或第三计算切片数SL3取整的数值,并且切分视频时将靠近结束时间的两段切片合并为一个切片。
在步骤S104中,根据实际切片数对视频文件进行切分,并对切片的视频文件进行编号,如可将切片后的视频按照时间顺序依次编号为S0001、S0002…Sxxxx,其中xxxx为正整数。
在步骤S105中,将切片后的视频按照编号顺序依次传给解析引擎进行全结构化解析,可以得到人脸、人体、机动车、非机动车及其关联信息等解析结果。
在步骤S105中,解析引擎实现全结构化解析的技术方案本发明实施例不做限定。示例性的,可选用云从科技的视频全结构化引擎VideoStream Atlas Engine,或是海康威视的“猎鹰”视频云结构化服务器等,本领域技术人员可根据实际情况选用适合的技术方案。
需要说明的是,在本实例中,解析引擎的参数性能相同,这也是该领域应用所普遍采用的方案。并且,当在少数应用中,多个解析引擎的性能存在差异时,本发明的方法同样适用。例如,不同的解析引擎处理单个切片的解析倍速参数NSL不一样,此时可采用全部解析引擎NSL的平均值作为计算SL1的依据,并应用本发明的原理得到实际切片数量。
进一步,本发明还提供了一种自适应视频文件加速解析装置。参阅图2,图2是本发明的一个实施例的自适应视频文件加速解析装置的主要结构框图。如图2所示,本实施例中的自适应视频文件加速解析装置2主要包括获取模块21、调度引擎模块22和解析引擎模块23。
获取模块21被配置成获取解析任务和空闲的解析引擎资源,解析任务包括所述视频文件的解析任务倍速、开始时间和结束时间,空闲的解析引擎资源包括空闲的解析引擎的数量和每个解析引擎能同时处理的切片数。
调度引擎模块22被配置成计算基于解析倍速参数的第一计算切片数、基于空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数,比较第一计算切片数、第二计算切片数和第三计算切片数得到实际切片数,根据实际切片数对视频文件进行切分。
解析引擎模块23被配置成使用空闲的解析引擎资源对切片后的视频进行解析。作为示例,如对视频切片进行全目标结构化解析,解析结果包括人脸、人体、机动车、非机动车及其关联信息。
进一步,本发明还提供了一种计算机装置。在根据本发明的一个计算机装置,该装置包括处理器和存储装置,存储装置可以被配置成存储并执行上述方法实施例的自适应视频文件加速解析的方法的程序,处理器可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的自适应视频文件加速解析的方法的程序。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该自适应视频文件加速解析设备可以是包括各种电子设备形成的控制装置设备。
进一步,本发明还提供了一种存储介质。在根据本发明的一个存储介质实施例中,存储介质可以被配置成存储执行上述方法实施例的自适应视频文件加速解析的方法的程序,该程序可以由处理器加载并运行来实现上述自适应视频文件加速解析的方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该存储介质可以是包括各种电子设备形成的存储装置设备,可选的,本发明实施例中存储介质是非暂时性的计算机可读存储介质。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等序数词仅用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。应该理解这样使用的数据在适当的情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (8)
1.一种自适应视频文件加速解析方法,其特征在于,所述方法包括:
获取解析任务,所述解析任务包括所述视频文件的解析任务倍速、开始时间和结束时间;
获取空闲的解析引擎资源,所述空闲的解析引擎资源包括空闲的解析引擎的数量和每个解析引擎能同时处理的切片数;
根据基于解析倍速参数的第一计算切片数、基于所述空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数,得到实际切片数;
根据所述实际切片数对所述视频文件进行切分;
使用所述空闲的解析引擎资源对切片后的视频进行解析;
其中,所述第一计算切片数的计算方法为:
其中,SL_1为所述第一计算切片数;NSET为所述视频文件的解析任务倍速;NSL为所述解析引擎处理单个切片的解析倍速参数;
并且/或者,所述第二计算切片数的计算方法为:
其中,SL_2为所述第二计算切片数;n为空闲的解析引擎的数量,且为正整数;SLi为每个解析引擎能同时处理的切片数;
并且/或者,所述第三计算切片数的计算方法为:
其中,SL_3为所述第三计算切片数;TL为所述视频文件的时长,即所述结束时间与所述开始时间的时间差值;TTH为所述切片粒度阈值。
2.根据权利要求1所述的自适应视频文件加速解析方法,其特征在于,“根据基于解析倍速参数的第一计算切片数、基于所述空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数得到实际切片数”的具体步骤包括:
比较所述第一计算切片数、所述第二计算切片数和所述第三计算切片数;
将所述第一计算切片数、所述第二计算切片数和所述第三计算切片数中最小的作为所述实际切片数;
或者,当所述第一计算切片数最小时,将所述第二计算切片数和所述第三计算切片数中较小的作为所述实际切片数。
3.根据权利要求2所述的自适应视频文件加速解析方法,其特征在于,当所述实际切片数为所述第一计算切片数或所述第三计算切片数,并且所述实际切片数包含小数时,
如果所述实际切片数小于所述第二计算切片数,则将所述实际切片数调整为所述第一计算切片数或所述第三计算切片数取整后的数值加1;
如果所述实际切片数大于所述第二计算切片数,则当靠近所述结束时间的切片时长大于或等于所述切片粒度阈值时,将所述实际切片数调整为所述第一计算切片数取整的数值加1;否则,将所述实际切片数调整为所述第一计算切片数或所述第三计算切片数取整的数值,并且切分视频时将靠近所述结束时间的两个切片合并为一个切片。
4.根据权利要求1所述的自适应视频文件加速解析方法,其特征在于,“使用所述空闲的解析引擎资源对切片后的视频进行解析”的步骤具体包括:
使用所述空闲的解析引擎资源对切片后的视频进行全目标结构化解析,解析结果包括人脸、人体、机动车、非机动车及其关联信息。
5.一种自适应视频文件加速解析装置,其特征在于,所述装置包括:
获取模块:获取解析任务和空闲的解析引擎资源,所述解析任务包括所述视频文件的解析任务倍速、开始时间和结束时间,所述空闲的解析引擎资源包括空闲的解析引擎的数量和每个解析引擎能同时处理的切片数;
调度引擎模块:根据基于解析倍速参数的第一计算切片数、基于所述空闲的解析引擎资源的第二计算切片数和基于切片粒度阈值的第三计算切片数,得到实际切片数,并根据所述实际切片数切分所述视频文件;
解析引擎模块:使用所述空闲的解析引擎资源对切片后的视频进行解析;
其中,所述第一计算切片数的计算方法为:
其中,SL_1为所述第一计算切片数;NSET为所述视频文件的解析任务倍速;NSL为所述解析引擎处理单个切片的解析倍速参数;
并且/或者,所述第二计算切片数的计算方法为:
其中,SL_2为所述第二计算切片数;n为空闲的解析引擎的数量,且为正整数;SLi为每个解析引擎能同时处理的切片数;
并且/或者,所述第三计算切片数的计算方法为:
其中,SL_3为所述第三计算切片数;TL为所述视频文件的时长,即所述结束时间与所述开始时间的时间差值;TTH为所述切片粒度阈值。
6.根据权利要求5所述的自适应视频文件加速解析装置,其特征在于,所述调度引擎模块被配置成执行如下操作:
比较所述第一计算切片数、所述第二计算切片数和所述第三计算切片数;
将所述第一计算切片数、所述第二计算切片数和所述第三计算切片数中最小的作为所述实际切片数;
或者,当所述第一计算切片数最小时,将所述第二计算切片数和所述第三计算切片数中较小的作为所述实际切片数。
7.一种计算机设备,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至4中任一项所述的自适应视频文件加速解析方法。
8.一种存储介质,所述存储介质适于存储多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至4中任一项所述的自适应视频文件加速解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485426.0A CN113225623B (zh) | 2021-04-30 | 2021-04-30 | 自适应视频文件加速解析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485426.0A CN113225623B (zh) | 2021-04-30 | 2021-04-30 | 自适应视频文件加速解析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113225623A CN113225623A (zh) | 2021-08-06 |
CN113225623B true CN113225623B (zh) | 2023-01-31 |
Family
ID=77090643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110485426.0A Active CN113225623B (zh) | 2021-04-30 | 2021-04-30 | 自适应视频文件加速解析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113225623B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734286A (zh) * | 2017-04-24 | 2018-11-02 | 英特尔公司 | 在推断期间中对图形处理器的协调和增加利用 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8538242B2 (en) * | 2008-08-13 | 2013-09-17 | International Business Machines Corporation | Compressed time ingestion of recorded video |
CN104410799B (zh) * | 2014-12-24 | 2017-10-31 | 北京中科大洋信息技术有限公司 | 一种分布式技审的方法 |
US10534965B2 (en) * | 2017-11-22 | 2020-01-14 | Amazon Technologies, Inc. | Analysis of video content |
CN108363713A (zh) * | 2017-12-20 | 2018-08-03 | 武汉烽火众智数字技术有限责任公司 | 视频图像信息解析装置、系统及方法 |
CN109769115B (zh) * | 2019-01-04 | 2020-10-27 | 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 |
CN110347742A (zh) * | 2019-07-19 | 2019-10-18 | 浪潮卓数大数据产业发展有限公司 | 一种基于分布式架构的多源异构数据融合执行引擎 |
CN110740345A (zh) * | 2019-09-20 | 2020-01-31 | 北京旷视科技有限公司 | 离线视频文件倍速分析方法和装置 |
CN110688952B (zh) * | 2019-09-26 | 2022-04-12 | 北京市商汤科技开发有限公司 | 视频解析方法及装置 |
-
2021
- 2021-04-30 CN CN202110485426.0A patent/CN113225623B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734286A (zh) * | 2017-04-24 | 2018-11-02 | 英特尔公司 | 在推断期间中对图形处理器的协调和增加利用 |
Also Published As
Publication number | Publication date |
---|---|
CN113225623A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110233860B (zh) | 一种负载均衡方法、装置和系统 | |
WO2012005765A1 (en) | Data analysis using multiple systems | |
CN106874135B (zh) | 用于检测机房故障的方法、装置及设备 | |
WO2017152734A1 (zh) | 一种数据处理方法及相关设备、系统 | |
US10291494B2 (en) | Distributing data analytics in a hierarchical network based on computational complexity | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN112949973A (zh) | 一种结合ai的机器人流程自动化rpa流程的生成方法 | |
CN110896357A (zh) | 流量预测方法、装置和计算机可读存储介质 | |
CN110620699A (zh) | 消息到达率确定方法、装置、设备和计算机可读存储介质 | |
CN110519266B (zh) | 一种基于统计学方法的cc攻击检测的方法 | |
CN113225623B (zh) | 自适应视频文件加速解析方法、装置、设备及存储介质 | |
CN110569509A (zh) | 一种风险团伙识别的方法及装置 | |
CN109450672B (zh) | 一种识别带宽需求突发的方法和装置 | |
CN116842090A (zh) | 一种对账系统、方法、设备及存储介质 | |
CN115296904B (zh) | 域名反射攻击检测方法及装置、电子设备、存储介质 | |
CN114116744A (zh) | 更新拉链表的方法、装置、设备及存储介质 | |
CN114510708A (zh) | 实时数据仓库构建、异常检测方法、装置、设备及产品 | |
CN114091864A (zh) | 一种预案演练调度方法、系统及存储介质 | |
CN110866037B (zh) | 一种报文的过滤方法及装置 | |
CN112508518A (zh) | 结合rpa和ai的rpa流程的生成方法以及相应的设备、可读存储介质 | |
CN113672449A (zh) | 智能运维异常监测方法、装置、计算机设备和存储介质 | |
CN109981548B (zh) | 一种计费消息的解析方法及装置 | |
CN112764988A (zh) | 一种数据分段采集方法及装置 | |
US8825884B2 (en) | Method and device for protocol identification | |
CN112463233A (zh) | 一种系统配置方法、系统、设备以及介质 |
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 |