CN115640065A - 一种数据加载方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种数据加载方法、装置、电子设备及存储介质，该方法包括：获取对图像数据进行图像分析的算法功能，并确定算法功能对应的当前算法模型；确定当前算法模型对应的算法类型，判断是否有已加载属于算法类型的算法模型；若是，调用第一算法动态库；若否，加载当前算法模型对应的第二算法动态库。通过本申请实施例提供的技术方案，避免对同一算法动态库的重复加载，减少内存浪费。

Description

一种数据加载方法、装置、电子设备及存储介质

技术领域

本发明涉及安防技术领域，尤其涉及一种数据加载方法、装置、电子设备及存储介质。

背景技术

随着科技的发展，安防技术领域的智能摄像机除了能采集图像数据来记录发生的事件，还能对图像数据进行分析，实现对图像数据的检测、识别和对比等功能。

为了实现对图像数据的分析功能，目前的智能摄像机主要利用算法库加载算法模型，通过算法模型实现算法功能，该算法功能就是对图像数据进行检测、识别和对比等功能。

具体来讲，根据算法功能初始化输入通道，将图像数据送入输入通道，通过调用算法库的固定接口，调用加载的算法模型，使得图像数据输出时，通过算法模型实现对图像数据的检测、识别和对比等功能。

然而，当视频流输入，检测到对图像数据进行分析需要开启多个算法功能时，可能会加载同一算法库，因此同一算法库会被多次加载，而每次加载算法库都需要申请一次内存，因此多次加载的同一算法库会申请多次相应的内存，导致内存浪费。

发明内容

本申请实施例提供一种数据加载方法、装置、电子设备及存储介质，用于解决多次加载同一算法库而导致的内存浪费的问题。具体实现方案如下：

第一方面，本申请实施例提供了一种数据加载方法，包括：

获取对图像数据进行图像分析的算法功能，并确定所述算法功能对应的当前算法模型；

确定所述当前算法模型对应的算法类型，判断是否有已加载属于所述算法类型的算法模型，其中，所述算法模型对应第一算法动态库；

若是，调用所述第一算法动态库；

若否，加载所述当前算法模型对应的第二算法动态库。

通过确定算法功能的当前算法模型，判断是否有已加载属于所述算法类型的算法模型，当有已加载属于所述算法类型的算法模型，可以直接调用已加载算法模型对应的第一算法动态库，避免了多次加载同一算法库而导致的内存浪费。

在一种可能的设计中，所述判断是否有已加载属于所述算法类型的算法模型，包括：

获取所述当前算法模型对应的接口以及数据属性；

获取已加载的各个算法模型对应的接口以及数据属性；

判断已加载的各个算法模型的接口以及数据属性中是否与所述当前算法模型的接口以及数据属性相同。

通过将当前算法模型与已加载的各个算法模型的接口以及数据属性匹配，可以确定是否有已加载的算法模型与当前算法模型的接口相同、数据属性相似。

在一种可能的设计中，在所述调用所述第一算法动态库之后，还包括：

从服务器获取所述算法功能对应的第一算法包；

通过所述第一算法动态库加载所述第一算法包的第一算法模型；

根据所述第一算法模型对应的算法类型，调用所述算法类型对应的第一输入通道；

通过与所述第一输入通道的连接，调用所述第一算法模型。

通过在调用第一算法动态库之后，从服务器获取算法功能对应的第一算法包，通过第一算法动态库加载第一算法包中的第一算法模型，调用第一输入通道，可以实现算法功能；共用第一输入通道，可以让视频、图片不用等待初始化输入通道，减少在视频媒体缓存的视频、图片内存消耗。

在一种可能的设计中，所述加载所述当前算法模型对应的第二算法动态库，包括：

从所述服务器获取所述算法功能对应的第二算法包；

响应于所述第二算法包的第二算法动态库的内存申请，分配对应的内存；

将所述第二算法包的所述第二算法动态库加载至所述内存。

通过从服务器获取算法功能对应的第二算法包，并根据算法包中的第二算动态库所需内存大小分配内存，可以成功加载当前算法模型对应的第二算法动态库。

在一种可能的设计中，在所述加载所述算法模型对应的第二算法动态库后，还包括：

通过所述第二算法动态库加载对应的所述第二算法包的第二算法模型；

根据所述第二算法模型对应的算法类型，初始化第二输入通道；

通过与所述第二输入通道的连接，调用所述对应的第二算法模型。

通过在加载当前算法模型对应的第二算法动态库之后，加载对应的第二算法模型，再初始化第二输入通道，可以实现算法功能。

第二方面，本申请实施例提供了一种数据加载装置，包括：

获取模块，用于获取对图像数据进行图像分析的算法功能，并确定所述算法功能对应的当前算法模型；

处理模块，用于确定所述当前算法模型对应的算法类型，判断是否有已加载属于所述算法类型的算法模型，其中，所述算法模型对应第一算法动态库；

若是，调用所述第一算法动态库；

若否，加载所述当前算法模型对应的第二算法动态库。

在一种可能的设计中，所述处理模块，具体用于获取所述当前算法模型对应的接口以及数据属性；

获取已加载的各个算法模型对应的接口以及数据属性；

判断已加载的各个算法模型的接口以及数据属性中是否与所述当前算法模型的接口以及数据属性相同。

在一种可能的设计中，所述处理模块，具体用于从服务器获取所述算法功能对应的第一算法包；

通过所述第一算法动态库加载所述第一算法包的第一算法模型；

根据所述第一算法模型对应的算法类型，调用所述算法类型对应的第一输入通道；

通过与所述第一输入通道的连接，调用所述第一算法模型。

在一种可能的设计中，所述处理模块，具体用于从所述服务器获取所述算法功能对应的第二算法包；

响应于所述第二算法包的第二算法动态库的内存申请，分配对应的内存；

将所述第二算法包的所述第二算法动态库加载至所述内存。

在一种可能的设计中，所述处理模块，具体用于通过所述第二算法动态库加载对应的所述第二算法包的第二算法模型；

根据所述第二算法模型对应的算法类型，初始化第二输入通道；

通过与所述第二输入通道的连接，调用所述对应的第二算法模型。

第三方面，提出了一种电子设备，其包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行上述第一方面所述的数据加载方法的步骤。

第四方面，提出一种存储介质，其包括程序代码，当所述程序代码在电子设备上运行时，所述程序代码用于使所述电子设备执行上述第一方面所述的数据加载方法的步骤。

上述第二方面至第四方面中的各个方面以及各个方面可能达到的技术效果请参照上述针对第一方面或第一方面中的各种可能方案可以达到的技术效果说明，这里不再重复赘述。

附图说明

图1为本申请实施例提供的一种可能的应用场景示意图；

图2为本申请实施例提供的一种数据加载方法的流程图；

图3为本申请实施例提供的一种算法类型划分方法示意图；

图4a为本申请实施例提供的一种算法类型中新增算法模型方法示意图；

图4b为本申请实施例提供的一种算法类型中新增算法模型方法示意图；

图5为本申请实施例提供的一种数据加载装置的结构示意图；

图6为本申请实施例提供的一种电子设备示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，在本申请的描述中“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。A与B连接，可以表示：A与B直接连接和A与B通过C连接这两种情况。另外，在本申请的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。

此外，本申请技术方案中，对图像数据的采集、传播、使用等，均符合国家相关法律法规要求。

下面对本申请实施例的设计思想进行简要介绍：

当前，为了实现对图像数据的分析功能，智能摄像机主要利用算法库加载算法模型，通过算法模型实现算法功能。根据算法功能初始化输入通道，将图像数据送入输入通道，通过调用算法库的固定接口，调用加载的算法模型，使得图像数据输出时，通过算法模型实现对图像数据的检测、识别和对比等功能。然而，当视频流输入，检测到对图像数据进行分析需要开启多个算法功能时，可能会加载同一算法库，因此同一算法库会被多次加载，而每次加载算法库都需要申请一次内存，因此多次加载的同一算法库会申请多次相应的内存，导致设备的内存浪费。

为解决相关技术中，同一算法库被多次加载导致设备内存浪费的问题，本申请实施例提供了一种数据加载方法、装置、电子设备及存储介质。具体来讲，根据当前算法模型的接口和数据属性判断，设备已加载接口相同和数据属性相似的算法模型时，就能调用算法模型已加载的算法动态库，不用再重复加载同一算法动态库，减少设备的内存浪费。

基于上述技术效果，下面将结合附图对本申请实施例提供的数据加载方法作出进一步详细说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请实施例及实施例中的特征可以相互组合。

参阅图1所示，为本申请实施例提供的一种可能的应用场景示意图，该应用场景包括智能摄像机101、远端服务器102以及目标对象(103a，103b)，其中，智能摄像机101可以实现对获取的视频图像的智能检测、识别功能。

智能摄像机101内有一个或多个获取视频图像的传感器，包括：电耦合器件(CCD)、互补金属氧化物半导体(CMOS)和/或图像传感器相关的物理传感器器件中的任意一种，可以确定获取视频图像帧的图像大小、分辨率、带宽等。

进一步的，智能摄像机101中还可以包括毫米波雷达、超声波雷达、激光雷达等具有目标检测以及空间测位功能的无线电定位设备。例如，本申请实施例中，还可以包括激光雷达，激光雷达可用于向智能摄像机所获取视频图像环境中的一个运动目标反射激光信号，并根据接收到的相应反射信号，分析获得运动目标移动速度、目标位置坐标等数据。

进一步的，本申请实施例中，智能摄像机101可以通过通信网络，与远端服务器102之间进行信息交互，其中，远端服务器102可用于实时获取智能摄像机101的算法功能请求，并将对应的算法功能的算法包下发至智能摄像机101中。

在一种可选的实施例中，若智能摄像机101已加载过目标对象103a的车辆运动识别功能对应的算法包，启动目标对象103b的人体运动识别功能时，只用加载人体运动识别模型，而不用加载运动识别动态库，即可实现识别目标对象103b是否有运动，根据运动轨迹与时间判定运动速度，实现对目标对象103b的人体运动识别功能。

可以理解的是，实际状况中，上述应用场景仅为举例说明，且上述应用场景可包含的智能摄像机、目标对象以及远端服务器的数量还可以为指定的任意数目，本申请对此不做限制。

基于上述应用场景，下面将结合参考附图，对本申请实施例所提供的数据加载方法进行进一步地阐述、说明，参阅图2所示，本申请实施例提供一种数据加载方法，包括：

S201：获取对图像数据进行图像分析的算法功能，并确定算法功能对应的当前算法模型；

具体来讲，算法功能只能是预设的算法功能，并且算法功能有着预设的对应的算法模型，当确定算法功能后，就能确定算法模型。

示例性的，智能摄像机中的图像传感器获取图像数据，并根据用户选定的算法功能，确定是进行人形检测、人体运动识别还是人脸识别对比等功能，当确定为人体运动识别功能时，则确定对应的当前算法模型为人体运动识别模型。

S202：确定当前算法模型对应的算法类型，判断是否有已加载属于算法类型的算法模型；

具体来讲，通过步骤S201确定当前算法模型，再获取当前算法模型对应的接口以及数据属性；获取已加载的各个算法模型对应的接口以及数据属性；判断已加载的各个算法模型的接口以及数据属性中是否与当前算法模型的接口以及数据属性相同。若已加载的各个算法模型的接口以及数据属性中与当前算法模型的接口以及数据属性相同，执行步骤S203；若已加载的各个算法模型的接口以及数据属性中与当前算法模型的接口以及数据属性不同，执行步骤S204。

示例性的，若确定人体运动识别功能的当前算法模型为人体运动识别模型，则获取人体运动识别模型的对应接口以及数据属性，比如接口为运动识别接口，输入数据为视频流，输出数据为检测目标对象运动状态以及运动速度，数据的分辨率、帧率等。若此时已加载车辆运动识别模型，则获取车辆运动识别模型的对应接口以及数据属性，比如接口为运动识别接口，输入数据为视频流，输出数据位检测目标对象运动状态以及运动速度，数据的分辨率、帧率等。判断人体运动识别模型与车辆运动识别模型的对应接口以及数据属性。

例如，在一种可选的实施例中，根据算法模型接口为检测接口，输入数据为视频流，输出数据为检测目标类型，检测目标位置坐标，检测目标状态(出现或消失)，数据的分辨率、帧率，将人形检测、宠物检测、车辆检测以及火焰检测等算法功能及其对应的算法模型都认定为相同算法类型；根据算法模型接口为对比接口，输入数据为视频流、图片流，输出数据为对比结果(是或不是)，数据的分辨率、帧率，将人脸识别对比、包裹识别对比等算法功能及其对应的算法模型都认定为相同算法类型。

进一步的，若已加载的各个算法模型的接口以及数据属性中与当前算法模型的接口以及数据属性相同，则有已加载属于算法类型的算法模型，其中，算法模型对应第一算法动态库，则当前算法模型可直接调用第一算法动态库。

需要注意的是，本申请对分类方法和分类实例不作限制。

S203：调用第一算法动态库；

具体来讲，在调用第一算法动态库之后，首先从服务器获取算法功能对应的第一算法包；通过第一算法动态库加载第一算法包的第一算法模型；根据第一算法模型对应的算法类型，调用算法类型对应的第一输入通道；通过与第一输入通道的连接，调用第一算法模型。

示例性的，参阅图3所示，算法模型1、算法模型2、算法模型3分别对应算法功能1、算法功能2、算法功能3，为算法类型a；算法模型4、算法模型5、算法模型6分别对应算法功能4、算法功能5、算法功能6，为算法类型b；算法模型7、算法模型8、算法模型9分别对应算法功能7、算法功能8、算法功能9，为算法类型c。以算法模型a为例，算法模型1、算法模型2、算法模型3可共用算类型a对应的算法动态库a、输入通道a。若已加载过算法模型1，则已加载算法类型a的算法动态库a。若未加载算法模型2，开启算法功能2时，按步骤S202确定算法功能2属于算法类型a，可直接调用算法类型a的算法动态库a、输入通道a，从服务器获取算法功能2对应的算法包，需要说明的是：该算法包包括实现该算法功能2的全部算法(算法模型2+算法动态库a)，根据已加载的算法动态库a加载算法包中的算法模型2，即可实现算法功能2，不用再加载算法包中的算法动态库a，从而减少对算法动态库a的重复加载，减少了内存浪费；同时，可直接调用已有的输入通道a，让视频、图片传输不用等待初始化输入通道，减少在视频媒体缓存的视频、图片内存消耗。

又例如，在另一种可选的实施例中，若此时的算法类型划分结果如图3所示，开启算法功能10，按步骤S202确定算法功能10属于算法类型a，则算法类型a中添加算法模型10，参阅图4a所示，依然可以直接调用算法类型a的算法动态库a，不用再加载算法包中的算法动态库a，从而减少对算法动态库a的重复加载，减少了内存浪费。

S204：加载当前算法模型对应的第二算法动态库；

具体来讲，从服务器获取算法功能对应的第二算法包；响应于第二算法包的第二算法动态库的内存申请，分配对应的内存；将第二算法包的第二算法动态库加载至内存。在加载当前算法模型对应的第二算法动态库之后，通过第二算法动态库加载对应的第二算法包的第二算法模型；根据第二算法模型对应的算法类型，初始化第二输入通道；通过与第二输入通道的连接，调用对应的第二算法模型。

示例性的，若此时的算法类型划分结果如图3所示，开启算法功能11，按步骤S202不能确定算法功能11所属算法类型，从远端服务器发送获取算法功能11对应的算法包，需要说明的是：该算法包包括实现该算法功能11的全部算法(算法模型11+算法动态库d)，根据算法包中算法动态库11的内存申请，分配动态库d所需的25M内存，加载算法包中的算法动态库d到已分配的25M内存上，再通过算法动态库d加载算法包中的算法模型11，将算法模型11确定为算法类型d，参阅图4b所示，调用算法模型11和算法动态库d，初始化输入通道d，输入通道d与算法动态库11的固定接口相连，使得输出时实现算法功能11。

进一步的，在另一种可选的实施例中，若此时的算法类型如图4b所示，完成上述算法功能11后，开启算法功能12，按步骤S202确定算法功能12属于算法类型d，则执行步骤S203，调用算法类型d对应的算法动态库d，使用输入通道d，不再加载算法包中的算法动态库d，从而减少对算法动态库a的重复加载，减少了内存浪费。

综上来讲，本申请所提出的数据加载方法，在开启新算法功能后，根据确定的当前算法模型的接口和数据属性查找设备中是否存在同类算法，当设备已加载接口相同和数据属性相似的算法模型时，可以直接从服务器调用算法模型已加载的算法动态库和输入通道，只用加载服务器下发的算法包中的算法模型，就能实现新算法功能；设备未加载接口相同和数据属性相似的算法模型时，从服务器获取新算法功能对应的算法包，加载算法包中的算法动态库，通过算法动态库加载算法包中的算法模型，再初始化输入通道，实现新算法功能。通过该方法避免了重复加载同一算法动态库，减少设备的内存浪费；同时，能使用已有的输入通道，让视频、图片传输不用等待初始化输入通道，减少在视频媒体缓存的视频、图片内存消耗。

进一步地，基于相同的技术构思，本申请实施例还提供了一种数据加载装置，该数据加载装置用以实现本申请实施例的上述方法流程。参阅图5所示，该数据加载装置包括：获取模块501以及处理模块502，其中：

获取模块501，用于获取对图像数据进行图像分析的算法功能，并确定算法功能对应的当前算法模型；

处理模块502，用于确定当前算法模型对应的算法类型，判断是否有已加载属于算法类型的算法模型，其中，算法模型对应第一算法动态库；

若是，调用第一算法动态库；

若否，加载当前算法模型对应的第二算法动态库。

在一种可能的设计中，处理模块502，具体用于获取当前算法模型对应的接口以及数据属性；

获取已加载的各个算法模型对应的接口以及数据属性；

判断已加载的各个算法模型的接口以及数据属性中是否与当前算法模型的接口以及数据属性相同。

在一种可能的设计中，处理模块502，具体用于从服务器获取算法功能对应的第一算法包；

通过第一算法动态库加载第一算法包的第一算法模型；

根据第一算法模型对应的算法类型，调用算法类型对应的第一输入通道；

通过与第一输入通道的连接，调用第一算法模型。

在一种可能的设计中，处理模块502，具体用于从服务器获取算法功能对应的第二算法包；

响应于第二算法包的第二算法动态库的内存申请，分配对应的内存；

将第二算法包的第二算法动态库加载至内存。

在一种可能的设计中，处理模块502，具体用于通过第二算法动态库加载对应的第二算法包的第二算法模型；

根据第二算法模型对应的算法类型，初始化第二输入通道；

通过与第二输入通道的连接，调用对应的第二算法模型。

与上述申请实施例基于同一发明构思，本申请实施例中还提供了一种电子设备，该电子设备可以用于数据加载。在一种实施例中，该电子设备可以是服务器，也可以是终端设备或其他电子设备。在该实施例中，电子设备的结构可以如图6所示，包括存储器601，通讯接口603以及一个或多个处理器602。

存储器601可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器601也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)、或者存储器601是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器601可以是上述存储器的组合。

处理器602可以是通用处理器，例如CPU(Central Processing Unit，中央处理器)，执行人工智能运算的IPU(Image Processing Unit，人工智能处理器)。人工智能运算可包括机器学习运算，类脑运算等，其中，机器学习运算包括神经网络运算、k-means运算、支持向量机运算等。IPU可包括GPU(Graphics Processing Unit，图形处理单元)、NPU(Neural-Network Processing Unit，神经网络处理单元)、DSP(Digital Signal Process，数字信号处理单元)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)芯片中的一种或组合。处理器602，用于调用存储器601中存储的计算机程序时实现上述数据加载方法。

在一些可能的实施方式中，本申请实施例中所提及的处理器可包括多个处理单元，每个处理单元可以独立运行所分配到的各种任务，如：卷积运算任务、池化任务或全连接任务等。本申请实施例对处理单元及处理单元所运行的任务不作限制。

通讯接口603用于与终端设备和其他服务器进行通信。

本申请实施例中不限定上述存储器601、通讯接口603和处理器602之间的具体连接介质。本申请实施例在图6中以存储器601和处理器602之间通过总线604连接，总线604在图6中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线604可以分为地址总线、数据总线、控制总线等。为便于表示，图6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。

基于同一发明构思，本申请实施例还提供一种存储介质，该存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行前文论述的一种数据加载方法。

在一些可能的实施方式中，本申请提供一种数据加载方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在装置上运行时，程序代码用于使该控制设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种数据加载方法中的步骤。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种数据加载方法，其特征在于，包括：

获取对图像数据进行图像分析的算法功能，并确定所述算法功能对应的当前算法模型；

确定所述当前算法模型对应的算法类型，判断是否有已加载属于所述算法类型的算法模型，其中，所述算法模型对应第一算法动态库；

若是，调用所述第一算法动态库；

若否，加载所述当前算法模型对应的第二算法动态库。

2.如权利要求1所述的方法，其特征在于，所述判断是否有已加载属于所述算法类型的算法模型，包括：

获取所述当前算法模型对应的接口以及数据属性；

获取已加载的各个算法模型对应的接口以及数据属性；

判断已加载的各个算法模型的接口以及数据属性中是否与所述当前算法模型的接口以及数据属性相同。

3.如权利要求1所述的方法，其特征在于，在所述调用所述第一算法动态库之后，还包括：

从服务器获取所述算法功能对应的第一算法包；

通过所述第一算法动态库加载所述第一算法包的第一算法模型；

根据所述第一算法模型对应的算法类型，调用所述算法类型对应的第一输入通道；

通过与所述第一输入通道的连接，调用所述第一算法模型。

4.如权利要求1所述的方法，其特征在于，所述加载所述当前算法模型对应的第二算法动态库，包括：

从所述服务器获取所述算法功能对应的第二算法包；

响应于所述第二算法包的第二算法动态库的内存申请，分配对应的内存；

将所述第二算法包的所述第二算法动态库加载至所述内存。

5.如权利要求1所述的方法，其特征在于，在所述加载所述算法模型对应的第二算法动态库后，还包括：

通过所述第二算法动态库加载对应的所述第二算法包的第二算法模型；

根据所述第二算法模型对应的算法类型，初始化第二输入通道；

通过与所述第二输入通道的连接，调用所述对应的第二算法模型。

6.一种数据加载装置，其特征在于，包括：

获取模块，用于获取对图像数据进行图像分析的算法功能，并确定所述算法功能对应的当前算法模型；

处理模块，用于确定所述当前算法模型对应的算法类型，判断是否有已加载属于所述算法类型的算法模型，其中，所述算法模型对应第一算法动态库；

若是，调用所述第一算法动态库；

若否，加载所述当前算法模型对应的第二算法动态库。

7.如权利要求6所述的装置，其特征在于，所述处理模块，用于获取所述当前算法模型对应的接口以及数据属性；

获取已加载的各个算法模型对应的接口以及数据属性；

判断已加载的各个算法模型的接口以及数据属性中是否与所述当前算法模型的接口以及数据属性相同。

8.如权利要求6所述的装置，其特征在于，所述处理模块，还用于从服务器获取所述算法功能对应的第一算法包；

通过所述第一算法动态库加载所述第一算法包的第一算法模型；

根据所述第一算法模型对应的算法类型，调用所述算法类型对应的第一输入通道；

通过与所述第一输入通道的连接，调用所述第一算法模型。

9.如权利要求6所述的装置，其特征在于，所述处理模块，用于从所述服务器获取所述算法功能对应的第二算法包；

响应于所述第二算法包的第二算法动态库的内存申请，分配对应的内存；

将所述第二算法包的所述第二算法动态库加载至所述内存。

10.如权利要求6所述的装置，其特征在于，所述处理模块，还用于通过所述第二算法动态库加载对应的所述第二算法包的第二算法模型；

根据所述第二算法模型对应的算法类型，初始化第二输入通道；

通过与所述第二输入通道的连接，调用所述对应的第二算法模型。

11.一种电子设备，包括存储器，处理器及存储在内存上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。

12.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述方法的步骤。

Images