CN114339266B - 一种基于国产cpu和操作系统的视频流队列处理方法 - Google Patents
一种基于国产cpu和操作系统的视频流队列处理方法 Download PDFInfo
- Publication number
- CN114339266B CN114339266B CN202111524783.XA CN202111524783A CN114339266B CN 114339266 B CN114339266 B CN 114339266B CN 202111524783 A CN202111524783 A CN 202111524783A CN 114339266 B CN114339266 B CN 114339266B
- Authority
- CN
- China
- Prior art keywords
- video stream
- queue
- data
- processing
- service
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 97
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims description 53
- 238000004458 analytical method Methods 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 2
- 239000000523 sample Substances 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供一种基于国产CPU和操作系统的视频流队列处理方法，属于人工智能技术领域，本发明基于二维矩阵结构存储多路视频流数据队列，改进了基于传统队列的顺序处理方式，将每个视频流数据分成更大的视频流队列段，交由推理服务器集群内的人工智能服务器分布式处理。本发明是将每路视频流数据队列进行分段，利用集群内多路推理服务器处理每个分段视频流数据，待每个视频流数据段处理完成后，开启后续视频流数据队列的处理。能够有效利用推理服务器集群内的计算资源，提升视频流处理效率。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于国产CPU和操作系统的视频流队列处理方法。
背景技术
目前，人工智能技术飞速发展，在目标检测、分类技术、语音识别、OCR识别等方面取得了长足的进步，在各行各业也都有了落地应用，人工智能在金融、安防、医疗、教育、交通等行业领域加速应用，从而融合促进了各行各业的快速发展。
但是视频流处理过程中，视频流的处理一般按照视频数据先后顺序，一帧帧进行处理和分析。另外，在人工智能领域，需要用到连续多帧数据做综合的处理和分析，才能达到较好的分析效果，比如人脸识别领域，人脸测测后，要通过某种模型算法，在连续的数帧数据间选择一个较好的人脸进行特征提取。基于以上原因，对于一路视频流数据的人工智能分析与处理，一般放在一路服务器上进行处理和分析，此种方式难以有效利用服务器集群的计算资源，造成集群内服务器忙闲不均的情况。虽然一般AI推理服务器会使用AI加速卡或GPU进行推理运算，但图形图像数据在进行推理运算前后，会存在一些对图片和推理结果的前后处理过程，这无形中会增加对CPU的消耗，在国产CPU性能与国际主流尚有一定的差距的情况下，单台基于国产CPU的服务器可能无法支撑对实时性要求较高的视频流处理分析要求。
发明内容
为了解决以上技术问题，本发明提供了一种基于国产CPU和操作系统的视频流队列处理方法，解决国产CPU和操作系统环境中，视频流队列进行人工智能处理分析过程中，以传统队列处理方式，按顺序对每帧数据进行处理，难以有效利用服务器集群中资源且目前阶段国产CPU性能无法满足视频流数据人工智能处理分析要求的问题。
本发明的技术方案是：
一种基于国产CPU和操作系统的视频流队列处理方法，基于二维矩阵结构存储多路视频流数据队列，改进了基于传统队列的顺序处理方式，将每个视频流数据分成更大的视频流队列段，交由推理服务器集群内的人工智能服务器分布式处理。将每路视频流数据队列进行分段，利用集群内多路推理服务器处理每个分段视频流数据，待每个视频流数据段处理完成后，开启后续视频流数据队列的处理。能够有效利用推理服务器集群内的计算资源，提升视频流处理效率。
包括视频流采集服务、视频流队列管理和维护服务、人工智能推理服务、视频流队列处理分析调度服务、视频流队列存储服务；
其中，
视频流采集服务负责从摄像头采集视频帧数据，或自视频文件读取帧数据，将其转换为图像数据，按组组装为视频流处理队列内的一个数据，并将其添加进视频流处理队列；
视频流队列管理和维护服务负责对视频流队列存储服务内的视频流队列进行维护，为其他服务提供处理接口，包含维护各路视频流队列的入队、出队操作；
人工智能推理服务运行在AI智能服务器上，服务器安装GPU、人工智能加速卡的人工智能推理用的专属硬件；人工智能推理服务主要负责基于分配的视频流队列分段数据，对其进行人工智能推理处理分析；
视频流队列处理分析调度服务负责基于人工智能推理服务集群内推理服务的数量，将需要处理的视频流队列进行分段，然后将分段的信息维护在缓存数据库中。
进一步的，
视频流数据基于队列的数据结构进行存储，队列内每组数据作为视频流队列中的一个数据，每组视频流数据中视频帧的数量取决于AI推理服务器所配置AI加速卡一次推理处理多少个视频帧数据时性能最优，将每组中视频帧帧数量置为AI加速卡能够取得最优推理性能时一次能够处理的视频帧数据数量。
基于二维矩阵结构存储接入的所有摄像头装置的视频流数据，每一路视频流数据对应矩阵内的一行数据，以N组的模式存储，N需要是人工智能推理服务集群内推理服务数量的整数倍。
视频流队列采用统一的缓存数据库进行存储，或采用消息中间件进行存储。
视频分段信息的缓存基于缓存数据库以列表形式进行存储，系统内每路摄像头接入的视频流的分段信息，被封装在一个任务逻辑实体中，任务中包含了摄像头数据队列内的视频帧数据；
对视频数据分段完成后，视频流队列处理分析调度服务会将视频流队列处理分析任务中的分段信息分配到人工智能推理服务集群内的推理服务进行处理分析；人工智能推理服务集群对视频数据处理分析过程中，将本次所有的视频流分段处理完成后，后续再对队列内的数据进行分段、分配和处理分析。
进一步的，
每路摄像头数据队列分别进行分段，并将分段信息封装为一个任务逻辑实体；任务逻辑实体内包含了摄像头一个时间段内的视频流队列数据的分段信息，任务逻辑实体是进行调度的逻辑整体，针对一个视频流队列，上一个任务逻辑实体处理分析完成后，才会进行下一阶段视频流队列的分段、处理和分析。
再进一步的，
视频流队列的分段
设置人工智能推理服务集群内共计有M个推理服务，在进行分段时，每个视频流队列分段数量为队列长度/M后取整；
视频流队列分段信息
视频流队列分段信息包含视频流队列分段内的开始位置、结束位置、人工智能推理服务唯一标识、每个分段信息处理状态；将一个时间段内的某路视频流队列的数据进行分段处理后，由视频流队列处理分析调度服务将各个分段分配到集群内所有人工智能推理服务进行处理分析；
当人工智能推理服务将分配给自己的分段内的视频流数据全部处理完成后，人工智能推理服务自行更新分段信息的状态，以告知调度服务分配的分段视频流数据已处理完成；
人工智能管理与调度服务会监控维护的分段信息矩阵，当视频流队列的分段全部处理完成后，即会释放本次时间段内的所有分段信息，进入摄像头的下一调度流程；下一调度流程会继续将视频流队列内数据进行分段组装为任务逻辑实体，进行下一轮调度。
视频流队列的分段和处理流程
1)每隔一段固定的时间间隔，人工智能管理与调度服务检测视频队列分段矩阵，如果检测到某陆视频流分段信息已处理完毕，则开始扫描该路摄像头视频流队列；
2)基于人工智能推理服务集群内的服务数量，使用公式队列长度/N计算出分段长度，并按照分段长度，将视频流队列分段；
3)基于分段后的视频流队列构建针对该视频流队列的分段信息，并更新分段矩阵；
4)基于该路视频流的分段信息，将各分段中的视频帧数据分配给人工智能推理服务集群内的推理服务进行处理分析；
5)人工智能推理服务自行获取视频流队列对应分段内的视频流数据，按队列顺序进行处理；
6)已分段的视频流数据处理完成后，将通知人工智能管理与调度服务更新视频流队列分段信息内对应分段的处理状态；
7)人工智能管理与调度服务持续检测各路视频流队列分段信息的处理状态，如果发现某路视频流队列的分段信息完成处理，则继续进行步骤1)的操作。
本发明的有益效果是
1)将一个大的视频流的队列，分段后分布到不同的服务器运行，可以很好的提升服务器的利用率，缩减视频流队列的处理时间。
2)在基于国产CPU的服务器及加速卡性能有限的情况下，将视频流数据分片后分布到多台服务器进行并行处理，可以有效规避传统顺序视频流处理方式单台基于国产CPU的服务器无法很好的支撑多路连续视频流处理的问题，有效提升视频流处理的时效性，提升用户体验。
附图说明
图1是本发明的工作流程示意图。
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，本领域普通技术人员在没有做出创造性劳动的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。
本发明主要为了解决以下两个问题：
1)传统视频流处理方法，将同一路视频流数据按顺序置于同一台服务器进行处理，难以有效利用集群内计算资源；
2)基于国产CPU的国产服务器，性能与国际主流尚有一定差距，虽人工智能推理过程需要使用AI加速卡，但视频图像数据的前处理和分析结果的后处理同样会消耗CPU，因而单台国产服务器性能并不能满足多路视频流的并发处理需求。
本发明由视频流采集服务、视频流队列管理和维护服务、人工智能推理服务、视频流队列处理分析调度服务、视频流队列存储服务等组成。
基于视频流数据基于推理服务集群内的推理服务数量，将每路摄像头视频流数据队列分段，而后将每段视频数据均衡分布到推理服务集群内的推理服务分别进行处理。视频流数据基于队列的数据结构进行存储，队列内每组数据作为视频流队列中的一个数据，每组视频流数据中视频帧的数量取决于AI推理服务器所配置AI加速卡一次推理处理多少个视频帧数据时性能最优，一般将每组中视频帧帧数量置为AI加速卡能够取得最优推理性能时一次能够处理的视频帧数据数量。
基于二维矩阵结构存储接入的所有摄像头装置的视频流数据，每一路视频流数据对应矩阵内的一行数据，以N组的模式存储，N需要是人工智能推理服务集群内推理服务数量的整数倍。
视频流队列采用统一的缓存数据库进行存储，也可采用消息中间件进行存储。
视频流采集服务主要负责从摄像头采集视频帧数据，或自视频文件读取帧数据，将其转换为图像数据，按组组装为视频流处理队列内的一个数据，并将其添加进视频流处理队列。
视频流队列管理和维护服务主要负责对视频流队列存储服务内的视频流队列进行维护，主要为其他服务提供处理接口，主要包含维护各路视频流队列的入队、出队等操作。
人工智能推理服务运行在人工智能服务器上，服务器安装GPU、人工智能加速卡等人工智能推理用的专属硬件。人工智能推理服务主要负责基于分配的视频流队列分段数据，对其进行人工智能推理处理分析。
视频流队列处理分析调度服务主要负责基于人工智能推理服务集群内推理服务的数量，将需要处理的视频流队列进行分段，然后将分段的信息维护在缓存数据库中。本发明所述视频流队列处理方法，视频分段信息的缓存基于缓存数据库以列表形式进行存储，系统内每路摄像头接入的视频流的分段信息，被封装在一个任务逻辑实体中，任务中包含了某一路摄像头数据队列内的视频帧数据。
对视频数据分段完成后，视频流队列处理分析调度服务会将视频流队列处理分析任务中的分段信息分配到人工智能推理服务集群内的推理服务进行处理分析。人工智能推理服务集群对视频数据处理分析过程中，将本次所有的视频流分段处理完成后，后续再对队列内的数据进行分段、分配和处理分析。
每路摄像头数据队列分别进行分段，并将分段信息封装为一个任务逻辑实体。任务逻辑实体内包含了某一路摄像头一个时间段内的视频流队列数据的分段信息，任务逻辑实体是进行调度的逻辑整体，针对一个视频流队列，上一个任务逻辑实体处理分析完成后，才会进行下一阶段视频流队列的分段、处理和分析。
1、视频流队列的分段
假设人工智能推理服务集群内共计有M个推理服务，在进行分段时，每个视频流队列分段数量为队列长度/M后取整。
2、视频流队列分段信息
视频流队列分段信息主要包含视频流队列分段内的开始位置、结束位置、人工智能推理服务唯一标识、每个分段信息处理状态等。将一个时间段内的某路视频流队列的数据进行分段处理后，由视频流队列处理分析调度服务将各个分段分配到集群内所有人工智能推理服务进行处理分析。
当人工智能推理服务将分配给自己的分段内的视频流数据全部处理完成后，人工智能推理服务自行更新分段信息的状态，以告知调度服务分配的分段视频流数据已处理完成。
人工智能管理与调度服务会监控维护的分段信息矩阵，当某一路视频流队列的分段全部处理完成后，即会释放本次时间段内的所有分段信息，进入某一路摄像头的下一调度流程。下一调度流程会继续将视频流队列内数据进行分段组装为任务逻辑实体，进行下一轮调度。
3、视频流队列的分段和处理流程
1)每隔一段固定的时间间隔，人工智能管理与调度服务检测视频队列分段矩阵，如果检测到某陆视频流分段信息已处理完毕，则开始扫描该路摄像头视频流队列。
2)基于人工智能推理服务集群内的服务数量，使用公式队列长度/N计算出分段长度，并按照分段长度，将视频流队列分段。
3)基于分段后的视频流队列构建针对该视频流队列的分段信息，并更新分段矩阵。
4)基于该路视频流的分段信息，将各分段中的视频帧数据分配给人工智能推理服务集群内的推理服务进行处理分析。
5)人工智能推理服务自行获取视频流队列对应分段内的视频流数据，按队列顺序进行处理。
6)已分段的视频流数据处理完成后，将通知人工智能管理与调度服务更新视频流队列分段信息内对应分段的处理状态。
7)人工智能管理与调度服务持续检测各路视频流队列分段信息的处理状态，如果发现某路视频流队列的分段信息完成处理，则继续进行步骤1的操作。
以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (7)
1.一种基于国产CPU和操作系统的视频流队列处理方法，其特征在于，
将每路视频流数据队列进行分段，利用集群内多路推理服务器处理每个分段视频流数据，待每个视频流数据段处理完成后，开启后续视频流数据队列的处理；
方法包括视频流采集服务、视频流队列管理和维护服务、人工智能推理服务、视频流队列处理分析调度服务、视频流队列存储服务；
其中，
视频流采集服务负责从摄像头采集视频帧数据，或自视频文件读取帧数据，将其转换为图像数据，按组组装为视频流处理队列内的一个数据，并将其添加进视频流处理队列；
视频流队列管理和维护服务负责对视频流队列存储服务内的视频流队列进行维护，为其他服务提供处理接口，包含维护各路视频流队列的入队、出队操作；
人工智能推理服务运行在AI智能服务器上，服务器安装GPU、人工智能加速卡的人工智能推理用的专属硬件；人工智能推理服务负责基于分配的视频流队列分段数据，对其进行人工智能推理处理分析；
视频流队列处理分析调度服务负责基于人工智能推理服务集群内推理服务的数量，将需要处理的视频流队列进行分段，然后将分段的信息维护在缓存数据库中；
视频流数据基于队列的数据结构进行存储，队列内每组数据作为视频流队列中的一个数据，每组视频流数据中视频帧的数量取决于AI推理服务器所配置AI加速卡一次推理处理多少个视频帧数据时性能最优，将每组中视频帧帧数量置为AI加速卡能够取得最优推理性能时一次能够处理的视频帧数据数量；
基于二维矩阵结构存储接入的所有摄像头装置的视频流数据，每一路视频流数据对应矩阵内的一行数据，以N组的模式存储，N需要是人工智能推理服务集群内推理服务数量的整数倍。
2.根据权利要求1所述的方法，其特征在于，
视频流队列采用统一的缓存数据库进行存储，或采用消息中间件进行存储。
3.根据权利要求1所述的方法，其特征在于，
视频分段信息的缓存基于缓存数据库以列表形式进行存储，系统内每路摄像头接入的视频流的分段信息，被封装在一个任务逻辑实体中，任务中包含了摄像头数据队列内的视频帧数据。
4.根据权利要求3所述的方法，其特征在于，
对视频数据分段完成后，视频流队列处理分析调度服务会将视频流队列处理分析任务中的分段信息分配到人工智能推理服务集群内的推理服务进行处理分析；人工智能推理服务集群对视频数据处理分析过程中，将本次所有的视频流分段处理完成后，后续再对队列内的数据进行分段、分配和处理分析。
5.根据权利要求4所述的方法，其特征在于，
每路摄像头数据队列分别进行分段，并将分段信息封装为一个任务逻辑实体；任务逻辑实体内包含了摄像头一个时间段内的视频流队列数据的分段信息，任务逻辑实体是进行调度的逻辑整体，针对一个视频流队列，上一个任务逻辑实体处理分析完成后，才会进行下一阶段视频流队列的分段、处理和分析。
6.根据权利要求5所述的方法，其特征在于，
视频流队列的分段
设置人工智能推理服务集群内共计有M个推理服务，在进行分段时，每个视频流队列分段数量为 队列长度/M后取整；
视频流队列分段信息
视频流队列分段信息包含视频流队列分段内的开始位置、结束位置、人工智能推理服务唯一标识、每个分段信息处理状态；将一个时间段内的某路视频流队列的数据进行分段处理后，由视频流队列处理分析调度服务将各个分段分配到集群内所有人工智能推理服务进行处理分析；
当人工智能推理服务将分配给自己的分段内的视频流数据全部处理完成后，人工智能推理服务自行更新分段信息的状态，以告知调度服务分配的分段视频流数据已处理完成；
人工智能管理与调度服务会监控维护的分段信息矩阵，当视频流队列的分段全部处理完成后，即会释放本次时间段内的所有分段信息，进入摄像头的下一调度流程；下一调度流程会继续将视频流队列内数据进行分段组装为任务逻辑实体，进行下一轮调度。
7.根据权利要求6所述的方法，其特征在于，
视频流队列的分段和处理流程
1）每隔一段固定的时间间隔，人工智能管理与调度服务检测视频队列分段矩阵，如果检测到某路视频流分段信息已处理完毕，则开始扫描该路摄像头视频流队列；
2）基于人工智能推理服务集群内的服务数量，使用公式 队列长度/N 计算出分段长度，并按照分段长度，将视频流队列分段；
3）基于分段后的视频流队列构建针对该视频流队列的分段信息，并更新分段矩阵；
4）基于该路视频流的分段信息，将各分段中的视频帧数据分配给人工智能推理服务集群内的推理服务进行处理分析；
5）人工智能推理服务自行获取视频流队列对应分段内的视频流数据，按队列顺序进行处理；
6）已分段的视频流数据处理完成后，将通知人工智能管理与调度服务更新视频流队列分段信息内对应分段的处理状态；
7）人工智能管理与调度服务持续检测各路视频流队列分段信息的处理状态，如果发现某路视频流队列的分段信息完成处理，则继续进行步骤1）的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111524783.XA CN114339266B (zh) | 2021-12-14 | 2021-12-14 | 一种基于国产cpu和操作系统的视频流队列处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111524783.XA CN114339266B (zh) | 2021-12-14 | 2021-12-14 | 一种基于国产cpu和操作系统的视频流队列处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114339266A CN114339266A (zh) | 2022-04-12 |
| CN114339266B true CN114339266B (zh) | 2023-09-01 |
Family
ID=81051295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111524783.XA Active CN114339266B (zh) | 2021-12-14 | 2021-12-14 | 一种基于国产cpu和操作系统的视频流队列处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114339266B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115866298B (zh) * | 2022-11-24 | 2023-12-19 | 苏州睿芯通量科技有限公司 | 一种视频处理方法、系统、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106534344A (zh) * | 2016-12-07 | 2017-03-22 | 高新兴科技集团股份有限公司 | 一种云平台视频处理系统及其应用方法 |
| CN107038482A (zh) * | 2017-04-21 | 2017-08-11 | 上海极链网络科技有限公司 | 应用于ai算法工程化、系统化的分布式框架 |
| CN111913799A (zh) * | 2020-07-14 | 2020-11-10 | 北京华夏启信科技有限公司 | 一种视频流在线分析任务调度方法和计算机设备 |
| CN113259603A (zh) * | 2021-05-11 | 2021-08-13 | 深圳市新龙鹏科技有限公司 | 一种视频多功能一体化控制方法、装置、设备及存储介质 |
| WO2021196559A1 (zh) * | 2020-04-03 | 2021-10-07 | 杭州海康威视数字技术股份有限公司 | 一种视频处理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102289670B1 (ko) * | 2020-04-07 | 2021-08-13 | 인하대학교 산학협력단 | 이기종 프로세서를 사용한 트랜스코딩 서버의 비디오 품질 최대화를 위한 태스크 할당 및 스케쥴링 기법 |
-
2021
- 2021-12-14 CN CN202111524783.XA patent/CN114339266B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106534344A (zh) * | 2016-12-07 | 2017-03-22 | 高新兴科技集团股份有限公司 | 一种云平台视频处理系统及其应用方法 |
| CN107038482A (zh) * | 2017-04-21 | 2017-08-11 | 上海极链网络科技有限公司 | 应用于ai算法工程化、系统化的分布式框架 |
| WO2021196559A1 (zh) * | 2020-04-03 | 2021-10-07 | 杭州海康威视数字技术股份有限公司 | 一种视频处理系统 |
| CN111913799A (zh) * | 2020-07-14 | 2020-11-10 | 北京华夏启信科技有限公司 | 一种视频流在线分析任务调度方法和计算机设备 |
| CN113259603A (zh) * | 2021-05-11 | 2021-08-13 | 深圳市新龙鹏科技有限公司 | 一种视频多功能一体化控制方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于视频结构化与IoT的行为分析应用实现;周文杰;现代计算机;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114339266A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Multi-level fusion and attention-guided CNN for image dehazing | |
| Guo et al. | Cloud resource scheduling with deep reinforcement learning and imitation learning | |
| CN113012023B (zh) | 基于众核处理器的视频分析加速方法及系统 | |
| CN111614769B (zh) | 一种深度学习技术的行为智能分析引擎系统及控制方法 | |
| CN102200906B (zh) | 大规模并发数据流处理系统及其处理方法 | |
| CN106354616B (zh) | 监测应用执行性能的方法、装置及高性能计算系统 | |
| CN114339266B (zh) | 一种基于国产cpu和操作系统的视频流队列处理方法 | |
| CN111506434B (zh) | 一种任务处理方法、装置及计算机可读存储介质 | |
| Kaseb et al. | Cloud resource management for image and video analysis of big data from network cameras | |
| CN111935663B (zh) | 传感器数据流的处理方法、装置、介质及电子设备 | |
| CN112486788A (zh) | 一种工作量评估方法、装置、电子设备和可读存储介质 | |
| CN109886172A (zh) | 视频行为识别方法和装置、电子设备、存储介质、产品 | |
| CN111444309B (zh) | 用于对图进行学习的系统 | |
| CN117193992A (zh) | 模型训练方法、任务调度方法、装置以及计算机存储介质 | |
| CN112052284A (zh) | 一种大数据下的主数据管理方法及系统 | |
| Stovall et al. | Scalable object tracking in smart cities | |
| CN110969646A (zh) | 一种适应高帧率的人脸追踪方法 | |
| CN112669353B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| Su et al. | Communication-efficient distributed deep metric learning with hybrid synchronization | |
| CN116863408B (zh) | 基于监控摄像头ai算法的并行加速和动态调度实现方法 | |
| CN115439787B (zh) | 粮库的ai视觉检测方法、装置、电子设备及存储介质 | |
| CN112905351B (zh) | 一种gpu和cpu负载调度方法、装置、设备和介质 | |
| CN113688868B (zh) | 一种多线程的图像处理方法及装置 | |
| CN116680086B (zh) | 一种基于离线渲染引擎的调度管理系统 | |
| CN111476616B (zh) | 轨迹确定方法、装置、电子设备及计算机存储介质 |
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 |