CN113542807A - 基于数字视网膜平台的资源管理调度方法以及系统 - Google Patents
基于数字视网膜平台的资源管理调度方法以及系统 Download PDFInfo
- Publication number
- CN113542807A CN113542807A CN202111075551.0A CN202111075551A CN113542807A CN 113542807 A CN113542807 A CN 113542807A CN 202111075551 A CN202111075551 A CN 202111075551A CN 113542807 A CN113542807 A CN 113542807A
- Authority
- CN
- China
- Prior art keywords
- video
- target
- screened
- video data
- force calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 210000001525 retina Anatomy 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 238000003860 storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 25
- 238000013468 resource allocation Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002699 waste material 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]
- H04N21/20—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
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
本申请公开了一种基于数字视网膜平台的资源管理调度方法以及系统。本申请中,可以调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;根据各个待筛选视频数据的视频流参数,确定目标视频数据;从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中算力单元用于对视频数据进行视频算法处理;利用目标算力单元,对目标视频数据进行视频算法处理。通过应用本申请的技术方案,可以在对视频数据进行处理之前,首先采集各个待处理视频的视频流参数,以使后续根据该视频流参数确定出当前最需要处理的目标视频,并由当前性能指标最佳的计算单元对其进行视频处理,从而实现对视频处理系统的高效资源分配。
Description
技术领域
本申请中涉及数据处理技术,尤其是一种基于数字视网膜平台的资源管理调度方法以及系统。
背景技术
随着城市投入越来越多视频监控设备,提供给人们许多监控数据,给人们生产生活提供了许多保障与便利;随之而来的是这许多的监控数据信息,让人对信息有应接不暇的感觉。
进一步的,目前随着人工智能的发展,智能设备可以在一定程序上给人们提供便利,但也会出现资源管理调度不合理问题;在实际部署环境中,会出现同一视频信息进行了多次相同或同类型的视频算法处理,也会有算力资源设备运行但无数据信息处理任务。因此,如何设计一种可以高效处理视频得到方法,成为了需要解决的问题。
发明内容
本申请实施例提供一种基于数字视网膜平台的资源管理调度方法以及系统,其中,根据本申请实施例的一个方面,提供的一种基于数字视网膜平台的资源管理与调度方法,包括:
调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;
根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法;
从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中所述算力单元用于对视频数据进行视频算法处理;
利用所述目标算力单元,对所述目标视频数据进行视频算法处理。
可选地,在基于本申请上述方法的另一个实施例中,所述根据各个待筛选视频数据的视频流参数,确定目标视频数据,包括:
解析所述视频流参数,确定各个待筛选视频对应的视频类型,视频容量以及视频发布源;
根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定所述目标视频数据。
可选地,在基于本申请上述方法的另一个实施例中,所述根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定所述目标视频数据,包括:
根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定各个待筛选视频所表征的重要性系数;
将其中重要性系数最高值对应的待筛选视频作为所述目标视频数据。
可选地,在基于本申请上述方法的另一个实施例中,所述将其中重要性系数最高值对应的待筛选视频作为所述目标视频数据,包括:
若检测到所述重要性系数最高值对应的待筛选视频为多个,确定当前时间是否为业务处理高峰时段;
若确定为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频按照生成时间进行排序,并将所述多个待筛选视频按照排序依序作为所述目标视频数据;或,
若确定不为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频均作为所述目标视频数据。
可选地,在基于本申请上述方法的另一个实施例中,所述从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,包括:
获取每个算力单元对应的支持算法,最大算力数以及算力与能效比;
根据所述每个算力单元的支持算法,最大算力数以及算力与能效比,计算每个算力单元的性能指标;
将其中性能指标高于预设阈值的算力单元作为所述目标算力单元。
可选地,在基于本申请上述方法的另一个实施例中,在所述将其中性能指标高于预设阈值的算力单元作为所述目标算力单元之后,还包括:
将其中性能指标低于所述设阈值的算力单元设置为休眠状态或者关机状态。
其中,根据本申请实施例的又一个方面,提供的一种基于数字视网膜平台的资源管理与调度系统,包括:
调取模块,被配置为调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;
确定模块,被配置为根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法;
选取模块,被配置为从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中所述算力单元用于对视频数据进行视频算法处理;
算法模块,被配置为利用所述目标算力单元,对所述目标视频数据进行视频算法处理。
根据本申请实施例的又一个方面,提供的一种电子设备,包括:
存储器,用于存储可执行指令;以及
显示器,用于与所述存储器显示以执行所述可执行指令从而完成上述任一所述基于数字视网膜平台的资源管理与调度方法的操作。
根据本申请实施例的还一个方面,提供的一种计算机可读存储介质,用于存储计算机可读取的指令,所述指令被执行时执行上述任一所述基于数字视网膜平台的资源管理与调度方法的操作。
本申请中,可以调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;根据各个待筛选视频数据的视频流参数,确定目标视频数据;从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中算力单元用于对视频数据进行视频算法处理;利用目标算力单元,对目标视频数据进行视频算法处理。通过应用本申请的技术方案,可以在对视频数据进行处理之前,首先采集各个待处理视频的视频流参数,以使后续根据该视频流参数确定出当前最需要处理的目标视频,并由当前性能指标最佳的计算单元对其进行视频处理,从而实现对视频处理系统的高效资源分配。
下面通过附图和实施例,对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例,并且连同描述一起用于解释本申请的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本申请,其中:
图1为本申请提出的一种基于数字视网膜平台的资源管理与调度方法示意图;
图2为本申请提出的一种视频处理系统的架构图;
图3为本申请基于数字视网膜平台的资源管理与调度电子装置的结构示意图;
图4为本申请显示电子设备结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
另外,本申请各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
需要说明的是,本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
下面结合图1-图2来描述根据本申请示例性实施方式的用于进行基于数字视网膜平台的资源管理与调度方法。需要注意的是,下述应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
本申请还提出一种基于数字视网膜平台的资源管理与调度方法、装置、目标终端及介质。
图1示意性地示出了根据本申请实施方式的一种基于数字视网膜平台的资源管理与调度方法的流程示意图。如图1所示,该方法包括:
S101,调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数。
进一步的,随着城市投入越来越多视频监控设备,提供给人们许多监控信息,给人们生产生活提供了许多保障与便利;随之而来的是这许多的监控数据信息,让人对信息有应接不暇的感觉;目前随着人工智能的发展,智能设备可以在一定程序上给人们提供便利,但也会出现资源管理调度不合理问题;在实际部署环境中,会出现同一视频信息进行了多次相同或同类型的视频算法处理,也会有算力资源设备运行但无数据信息处理任务,针对这种情况,急需一个对资源管理与调度系统。
举例来说,例如在视频监控系统环境中,有前端监控相机,有边缘计算设备,有云计算设备;其中网络传输的有视频编码流,有特征编码流,有模型更新流;当监控系统搭建时,开发人员可以通过场景设计出一套固定的部署环境,指定某设备处理某任务,这时可能是资源有效利用率最高时;但当部署环境有变化,如增加几路场景输入或算法有优化时,传统系统平台就很难做出自适应的调整,从而导致出现对资源利用存在浪费的情况。
其中,本申请不对待筛选视频数据的数量进行具体限定,例如可以为一个,也可以为多个。且该待筛选视频数据中不仅包含视频流数据,还携带有用于表征视频信息的视频流参数。
S102,根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法。
其中,本申请可以根据各个待筛选视频数据的视频流参数,从中选取当前最需要进行基于数字视网膜平台的资源管理与调度目标视频数据。例如目标视频数据可以为重要性视频,或者包含特定对象的视频,或者为特定对象录制的视频等等。
一种方式中,例如可以根据视频流参数,确定各个待筛选视频数据的视频类型,视频容量以及视频发布对象,以使后续根据该视频类型,视频容量以及视频发布对象来确定当前最需要进行基于数字视网膜平台的资源管理与调度目标视频数据。
进一步的,目标视频数据的数量可以为一个,也可以为多个等等。
S103,从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中算力单元用于对视频数据进行视频算法处理。
进一步的,本申请在确定当前最需要进行基于数字视网膜平台的资源管理与调度目标视频数据之后,还需要确定用于对该目标视频数据进行处理的目标算力单元。可以理解的,为了保证系统的平稳运行,一种方式中可以选取其中效率最高的算力单元对其进行处理。
其中,本申请不对确定算力单元的性能指标的方式进行具体限定,例如可以根据各个算力单元的支持的算法,最大算力数,算力与能效比等等参数中的一个或者多个而获得。
S104,利用目标算力单元,对目标视频数据进行视频算法处理。
本申请中,可以调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;根据各个待筛选视频数据的视频流参数,确定目标视频数据;从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中算力单元用于对视频数据进行视频算法处理;利用目标算力单元,对目标视频数据进行视频算法处理。通过应用本申请的技术方案,可以在对视频数据进行处理之前,首先采集各个待处理视频的视频流参数,以使后续根据该视频流参数确定出当前最需要处理的目标视频,并由当前性能指标最佳的计算单元对其进行视频处理,从而实现对视频处理系统的高效资源分配。
可选地,在基于本申请上述方法的另一个实施例中,所述根据各个待筛选视频数据的视频流参数,确定目标视频数据,包括:
解析所述视频流参数,确定各个待筛选视频对应的视频类型,视频容量以及视频发布源;
根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定所述目标视频数据。
可选地,在基于本申请上述方法的另一个实施例中,所述根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定所述目标视频数据,包括:
根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定各个待筛选视频所表征的重要性系数;
将其中重要性系数最高值对应的待筛选视频作为所述目标视频数据。
可选地,在基于本申请上述方法的另一个实施例中,所述将其中重要性系数最高值对应的待筛选视频作为所述目标视频数据,包括:
若检测到所述重要性系数最高值对应的待筛选视频为多个,确定当前时间是否为业务处理高峰时段;
若确定为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频按照生成时间进行排序,并将所述多个待筛选视频按照排序依序作为所述目标视频数据;或,
若确定不为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频均作为所述目标视频数据。
可以理解的,如果当前视频处理系统处于业务处理高峰时段,则为了保证系统的平稳运行,本申请可以采取逐一对视频数据进行处理的方式,即将多个待筛选视频按照生成时间顺序一一进行排序,以使后续按照从先到后的顺序依序对各个视频数据进行算法处理。
同样的,如果当前视频处理系统未处于业务处理高峰时段,那么为了保证视频的处理效率,本申请则可以同时对该多个重要性系数最高值对应的多个待筛选视频均当做目标视频数据来让目标算法单元进行处理。
可选地,在基于本申请上述方法的另一个实施例中,所述从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,包括:
获取每个算力单元对应的支持算法,最大算力数以及算力与能效比;
根据所述每个算力单元的支持算法,最大算力数以及算力与能效比,计算每个算力单元的性能指标;
将其中性能指标高于预设阈值的算力单元作为所述目标算力单元。
可选地,在基于本申请上述方法的另一个实施例中,在所述将其中性能指标高于预设阈值的算力单元作为所述目标算力单元之后,还包括:
将其中性能指标低于所述设阈值的算力单元设置为休眠状态或者关机状态。
进一步的,一种方式中,如图2所示,本申请的技术方案可以包括算力单元集,管理调度单元以及视频采集单元集。其中,对于算力单元集来说,其是视频系统中的多个算力单元的集合,算力单元可以是算力服务器的算力单元,也可以是监控摄像头的算力单元,用于视频信息的视频算法处理。
对于视频采集单元集来说,其为视频处理系统中视频单元的集合,可以是监控摄像头的图像采集单元,用于视频信息的采集;
对于管理调度单元来说,其用于管理该系统中的资源与调度,满足用户对场景需求的同时,合理规划最优配置。
更进一步的,本申请提出的视频处理方法的步骤如下:
步骤1,可以首先在视频处理系统中,利用视频采集单元调取调取各个携带有用于表征视频信息的视频流参数的待筛选视频数据;
步骤2,由管理调度单元根据各个待筛选视频数据的视频流参数,确认当前需要进行智能算法处理的视频流与对应算法;
步骤3,统计注册该系统中的各算力单元,每算力单元均包含支持的算法,最大算力数,算力与能效比,并选取中其中性能指标高于预设阈值的目标算力单元;
步骤4,根据能效比,使用目标算力单元对目标视频数据进行相应视频流的算法处理,且还可以针对空闲的算力单元休眠或关机处理。
在本申请的另外一种实施方式中,如图3所示,本申请还提供一种基于数字视网膜平台的资源管理与调度系统。其中包括:
调取模块201,被配置为调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;
确定模块202,被配置为根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法;
选取模块203,被配置为从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中所述算力单元用于对视频数据进行视频算法处理;
算法模块204,被配置为利用所述目标算力单元,对所述目标视频数据进行视频算法处理。
本申请中,可以调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;根据各个待筛选视频数据的视频流参数,确定目标视频数据;从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中算力单元用于对视频数据进行视频算法处理;利用目标算力单元,对目标视频数据进行视频算法处理。通过应用本申请的技术方案,可以在对视频数据进行处理之前,首先采集各个待处理视频的视频流参数,以使后续根据该视频流参数确定出当前最需要处理的目标视频,并由当前性能指标最佳的计算单元对其进行视频处理,从而实现对视频处理系统的高效资源分配。
在本申请的另外一种实施方式中,调取模块201,还包括:
调取模块201,被配置为解析所述视频流参数,确定各个待筛选视频对应的视频类型,视频容量以及视频发布源;
调取模块201,被配置为根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定所述目标视频数据。
在本申请的另外一种实施方式中,调取模块201,还包括:
调取模块201,被配置为根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定各个待筛选视频所表征的重要性系数;
调取模块201,被配置为将其中重要性系数最高值对应的待筛选视频作为所述目标视频数据。
在本申请的另外一种实施方式中,调取模块201,还包括:
调取模块201,被配置为若检测到所述重要性系数最高值对应的待筛选视频为多个,确定当前时间是否为业务处理高峰时段;
调取模块201,被配置为若确定为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频按照生成时间进行排序,并将所述多个待筛选视频按照排序依序作为所述目标视频数据;或,
调取模块201,被配置为若确定不为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频均作为所述目标视频数据。
在本申请的另外一种实施方式中,调取模块201,还包括:
调取模块201,被配置为获取每个算力单元对应的支持算法,最大算力数以及算力与能效比;
调取模块201,被配置为根据所述每个算力单元的支持算法,最大算力数以及算力与能效比,计算每个算力单元的性能指标;
调取模块201,被配置为将其中性能指标高于预设阈值的算力单元作为所述目标算力单元。
在本申请的另外一种实施方式中,调取模块201,还包括:
调取模块201,被配置为将其中性能指标低于所述设阈值的算力单元设置为休眠状态或者关机状态。
图4是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如,电子设备300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由电子设备处理器执行以完成上述基于数字视网膜平台的资源管理与调度方法,该方法包括:调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法;从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中所述算力单元用于对视频数据进行视频算法处理;利用所述目标算力单元,对所述目标视频数据进行视频算法处理。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种应用程序/计算机程序产品,包括一条或多条指令,该一条或多条指令可以由电子设备的处理器执行,以完成上述基于数字视网膜平台的资源管理与调度方法,该方法包括:调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法;从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中所述算力单元用于对视频数据进行视频算法处理;利用所述目标算力单元,对所述目标视频数据进行视频算法处理。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。
图4为计算机设备30的示例图。本领域技术人员可以理解,示意图4仅仅是计算机设备30的示例,并不构成对计算机设备30的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算机设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等,处理器302是计算机设备30的控制中心,利用各种接口和线路连接整个计算机设备30的各个部分。
存储器301可用于存储计算机可读指令303,处理器302通过运行或执行存储在存储器301内的计算机可读指令或模块,以及调用存储在存储器301内的数据,实现计算机设备30的各种功能。存储器301可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备30的使用所创建的数据等。此外,存储器301可以包括硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)或其他非易失性/易失性存储器件。
计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种基于数字视网膜平台的资源管理与调度方法,其特征在于,包括:
调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;
根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法;
从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中所述算力单元用于对视频数据进行视频算法处理;
利用所述目标算力单元,对所述目标视频数据进行视频算法处理。
2.如权利要求1所述的方法,其特征在于,所述根据各个待筛选视频数据的视频流参数,确定目标视频数据,包括:
解析所述视频流参数,确定各个待筛选视频对应的视频类型,视频容量以及视频发布源;
根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定所述目标视频数据。
3.如权利要求2所述的方法,其特征在于,所述根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定所述目标视频数据,包括:
根据所述各个待筛选视频对应的视频类型,视频容量以及视频发布源,确定各个待筛选视频所表征的重要性系数;
将其中重要性系数最高值对应的待筛选视频作为所述目标视频数据。
4.如权利要求3所述的方法,其特征在于,所述将其中重要性系数最高值对应的待筛选视频作为所述目标视频数据,包括:
若检测到所述重要性系数最高值对应的待筛选视频为多个,确定当前时间是否为业务处理高峰时段;
若确定为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频按照生成时间进行排序,并将所述多个待筛选视频按照排序依序作为所述目标视频数据;或,
若确定不为业务处理高峰时段,则将所述重要性系数最高值对应的多个待筛选视频均作为所述目标视频数据。
5.如权利要求1所述的方法,其特征在于,所述从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,包括:
获取每个算力单元对应的支持算法,最大算力数以及算力与能效比;
根据所述每个算力单元的支持算法,最大算力数以及算力与能效比,计算每个算力单元的性能指标;
将其中性能指标高于预设阈值的算力单元作为所述目标算力单元。
6.如权利要求5所述的方法,其特征在于,在所述将其中性能指标高于预设阈值的算力单元作为所述目标算力单元之后,还包括:
将其中性能指标低于所述设阈值的算力单元设置为休眠状态或者关机状态。
7.一种基于数字视网膜平台的资源管理与调度系统,其特征在于,包括:
调取模块,被配置为调取各个待筛选视频数据,其中每个待筛选视频中携带有用于表征视频信息的视频流参数;
确定模块,被配置为根据各个待筛选视频数据的视频流参数,确定目标视频数据以及对应的处理算法;
选取模块,被配置为从多个算力单元中,选取性能指标高于预设阈值的目标算力单元,其中所述算力单元用于对视频数据进行视频算法处理;
算法模块,被配置为利用所述目标算力单元,对所述目标视频数据进行视频算法处理。
8.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;以及,
处理器,用于与所述存储器显示以执行所述可执行指令从而完成权利要求1-6中任一所述基于数字视网膜平台的资源管理与调度方法的操作。
9.一种计算机可读存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1-6中任一所述基于数字视网膜平台的资源管理与调度方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111075551.0A CN113542807B (zh) | 2021-09-14 | 2021-09-14 | 基于数字视网膜平台的资源管理调度方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111075551.0A CN113542807B (zh) | 2021-09-14 | 2021-09-14 | 基于数字视网膜平台的资源管理调度方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113542807A true CN113542807A (zh) | 2021-10-22 |
CN113542807B CN113542807B (zh) | 2022-02-22 |
Family
ID=78092565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111075551.0A Active CN113542807B (zh) | 2021-09-14 | 2021-09-14 | 基于数字视网膜平台的资源管理调度方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113542807B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657205A (zh) * | 2014-12-26 | 2015-05-27 | 中通服公众信息产业股份有限公司 | 一种基于虚拟化的视频内容分析方法及系统 |
US20180129892A1 (en) * | 2016-11-06 | 2018-05-10 | Microsoft Technology Licensing, Llc | Live video analytics at scale |
CN110543887A (zh) * | 2018-05-29 | 2019-12-06 | 杭州海康威视数字技术股份有限公司 | 目标分析方法、装置、电子设备及可读存储介质 |
CN112165572A (zh) * | 2020-09-10 | 2021-01-01 | Oppo(重庆)智能科技有限公司 | 图像处理方法、装置、终端及存储介质 |
CN112882813A (zh) * | 2021-03-18 | 2021-06-01 | 苏州科达科技股份有限公司 | 任务调度方法、装置、系统及电子设备 |
-
2021
- 2021-09-14 CN CN202111075551.0A patent/CN113542807B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657205A (zh) * | 2014-12-26 | 2015-05-27 | 中通服公众信息产业股份有限公司 | 一种基于虚拟化的视频内容分析方法及系统 |
US20180129892A1 (en) * | 2016-11-06 | 2018-05-10 | Microsoft Technology Licensing, Llc | Live video analytics at scale |
CN110543887A (zh) * | 2018-05-29 | 2019-12-06 | 杭州海康威视数字技术股份有限公司 | 目标分析方法、装置、电子设备及可读存储介质 |
CN112165572A (zh) * | 2020-09-10 | 2021-01-01 | Oppo(重庆)智能科技有限公司 | 图像处理方法、装置、终端及存储介质 |
CN112882813A (zh) * | 2021-03-18 | 2021-06-01 | 苏州科达科技股份有限公司 | 任务调度方法、装置、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113542807B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11816570B2 (en) | Method for accelerated detection of object in videos, server, and non-transitory computer readable storage medium | |
CN111950723B (zh) | 神经网络模型训练方法、图像处理方法、装置及终端设备 | |
CN110708369B (zh) | 设备节点的文件部署方法、装置、调度服务器及存储介质 | |
CN110347888B (zh) | 订单数据的处理方法、装置及存储介质 | |
CN115220921B (zh) | 资源调度方法及相关装置、图形处理器、摄像器件和介质 | |
CN111506434B (zh) | 一种任务处理方法、装置及计算机可读存储介质 | |
CN109286758A (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN110955642A (zh) | 数据采集优化方法、装置、设备及可读存储介质 | |
CN114444570A (zh) | 故障检测的方法、装置、电子设备及介质 | |
CN113542807B (zh) | 基于数字视网膜平台的资源管理调度方法以及系统 | |
CN114070791B (zh) | 数据流量的限速处理方法及装置 | |
CN110995856B (zh) | 一种服务器扩展的方法、装置、设备及存储介质 | |
CN115563160A (zh) | 数据处理方法、装置、计算机设备和计算机可读存储介质 | |
CN107464571B (zh) | 一种数据质量评估的方法、设备及系统 | |
CN109379533A (zh) | 一种拍照方法、拍照装置及终端设备 | |
CN110704382B (zh) | 文件部署方法、装置、服务器及存储介质 | |
CN110838157B (zh) | 一种应急突发场景专题图生成的方法及装置 | |
CN109064416A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN111479140A (zh) | 数据采集方法、设备、计算机设备和存储介质 | |
CN117193992B (zh) | 模型训练方法、任务调度方法、装置以及计算机存储介质 | |
CN113378003B (zh) | 一种视频资源复用的方法、装置及存储介质 | |
CN117474756A (zh) | 图像处理方法、装置、电子设备及计算机存储介质 | |
CN117424936A (zh) | 一种视频边缘网关自主调度监控方法、装置、设备及介质 | |
CN114064243A (zh) | 一种任务处理方法、装置及电子设备 | |
CN114663330A (zh) | 干细胞密度确定方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |