CN116132623A - 一种基于视频监控的智能分析方法、系统及设备 - Google Patents
一种基于视频监控的智能分析方法、系统及设备 Download PDFInfo
- Publication number
- CN116132623A CN116132623A CN202111346017.9A CN202111346017A CN116132623A CN 116132623 A CN116132623 A CN 116132623A CN 202111346017 A CN202111346017 A CN 202111346017A CN 116132623 A CN116132623 A CN 116132623A
- Authority
- CN
- China
- Prior art keywords
- analysis
- type
- queue
- task
- analyzed
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 416
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000000605 extraction Methods 0.000 claims description 105
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 44
- 238000010586 diagram Methods 0.000 description 8
- 238000012806 monitoring device Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002085 persistent effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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
-
- 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
- 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
- H04N21/239—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests
- H04N21/2393—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests involving handling client requests
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Factory Administration (AREA)
Abstract
本申请公开了一种基于视频监控的智能分析方法、系统及设备,所述方法包括:获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备;获取多类分析服务器集群中的每类分析服务器集群的并发处理能力,并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列;对所述待分析队列中的每个待分析的设备进行视频监控分析。
Description
技术领域
本申请涉及经营分析技术领域,尤其涉及一种基于视频监控的智能分析方确定方法、系统及设备。
背景技术
随着互联网技术和视频技术的发展,以及人们生活水平的不断提高,视频监控行业的应用场景也逐渐丰富,越来越多地应用于中小企业以及家庭安防。此外,随着人工智能(Artificial Intelligence,AI)技术逐步渗透到视频前后端设备中,视频监控呈现在用户面前的不再单纯是大量的视频数据,而是可以实现视频质量诊断、火灾烟雾检测、安全帽检测、人脸识别、人体追踪、入侵报警、交通管理等智能分析功能,并将分析结果反馈给用户。
不同的应用场景需要对视频监控设备配置不同的分析任务,每个分析任务都需要拉取直播流进行抽帧,然后对抽帧后的图片进行分析,对于配置了多个分析任务的视频监控设备,有可能会出现多个分析任务同时拉取多路直播流的情况,这就对视频监控系统的接口性能、网络资源和抽帧计算资源提出了挑战。
发明内容
本申请实施例提供了一种基于视频监控的智能分析方法、装置、设备、芯片及计算机可读存储介质。
本申请实施例提供的基于视频监控的智能分析方法,包括:
获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备;
获取多类分析服务器集群中的每类分析服务器集群的并发处理能力,并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列;
对所述待分析队列中的每个待分析的设备进行视频监控分析。
本申请实施例提供的基于视频监控的智能分析系统,包括:任务调度模块、资源管理模块、视频帧抽取模块和智能分析模块;其中,
所述任务调度模块,用于获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备;以及,用于调用所述资源管理模块获取多类分析服务器集群中的每类分析服务器集群的并发处理能力;并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列;
所述资源管理模块,用于接受所述任务调度模块的调用,获取多类分析服务器集群中的每类分析服务器集群的并发处理能;
所述视频帧抽取模块,用于对所述待分析队列中的每个待分析的设备的视频进行抽帧操作;
所述智能分析模块,用于对所述待分析队列中的每个待分析的设备对应的抽帧后的图片进行视频监控分析。
本申请实施例提供的电子设备,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行上述任意一种基于视频监控的智能分析方法。
本申请实施例提供的芯片,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的设备执行上述任意一种方法。
本申请实施例提供的芯计算机可读存储介质,用于存储计算机程序,所述计算机程序使得计算机执行上述任意一种方法。
本申请实施例的技术方案中,一方面,获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,如此,使用多个预选队列可以减少对数据库的操作,提高了设备的轮询效率;另一方面,获取多类分析服务器集群中的每类分析服务器集群的并发处理能力,并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列,如此,为所有分析任务建立统一的待分析队列,便于实现分析任务的统一管理和系统部署维护;再一方面,通过共用的视频抽帧模块和智能分析模块对待分析队列中的每个待分析的设备进行视频监控分析,如此,可以减少对现有监控系统接口的访问压力,降低了网络和计算资源占用。
附图说明
图1是本申请实施例提供的基于视频监控的智能分析系统的结构组成示意图一;
图2是本申请实施例提供的基于视频监控的智能分析方法的流程示意图一;
图3是本申请实施例提供的基于视频监控的智能分析方法的流程示意图二;
图4是本申请实施例提供的基于视频监控的智能分析系统的结构组成示意图二;
图5是本申请实施例提供的一种电子设备示意性结构图;
图6是本申请实施例的芯片的示意性结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述,显然,所描述的实施例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,都属于本申请保护的范围。
需要说明的是,本申请实施例中,术语“和/或”,仅仅是一种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。另外,本申请实施例中,字符“/”,一般表示前后关联对象是一种“或”的关系。
应理解,在本申请的实施例中提到的“指示”可以是直接指示,也可以是间接指示,还可以是表示具有关联关系。举例说明,A指示B,可以表示A直接指示B,例如B可以通过A获取;也可以表示A间接指示B,例如A指示C,B可以通过C获取;还可以表示A和B之间具有关联关系。
在本申请实施例的描述中,术语“对应”可表示两者之间具有直接对应或间接对应的关系,也可以表示两者之间具有关联关系,也可以是指示与被指示、配置与被配置等关系。
为便于理解本申请实施例的技术方案,以下对本申请实施例的相关技术进行说明,以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合,其均属于本申请实施例的保护范围。
不同的应用场景需要对视频监控设备配置不同的分析任务,每个分析任务都需要拉取直播流进行抽帧,然后对抽帧后的图片进行分析,对于配置了多个分析任务的视频监控设备,有可能会出现多个分析任务同时拉取多路直播流的情况,这就对视频监控系统的接口性能、网络资源和抽帧计算资源提出了挑战。
需要说明的是,本申请实施例中的“视频监控设备”也可以简称为“监控设备”或者“检测设备”或者“设备”,作为示例,视频监控设备例如是摄像头。
在一种实现方案中,可以根据一定的规则对同一设备的共同的视频帧序列进行不同种类的智能分析(即不同分析任务对应的智能分析)。例如:可以依据关键区域摄像头对多目标实际管理需求构建多目标管理特征矩阵,从而可以科学调用多目标智能分析算法,合理分配和使用图像计算服务器的计算资源,使得多目标可视化管理在满足实际应用需求的基础上得到最高的实时性。在这种方案中,图像计算服务器缓存各个视频监控设备的视频流并生成视频帧队列,然后根据多目标管理特征向量的取值调用不同的智能分析算法进行分析。这种方式将监控设备与图像计算服务器深度绑定,只适用于较小规模的监控场景,不适用于需要大规模并发处理的大型监控系统中的轮询智能分析。
为此,提出了本申请实施例的以下技术方案。本申请实施例的技术方案,可以实现十万级以上监控系统的智能分析服务器集群(也可以简称为分析服务器集群)的管理、适配不同种类的智能分析的轮询需求、以及快速响应用户新增的智能分析请求。对于十万级以上监控系统的分析服务器集群的管理,采用kafka消息机制对智能分析消息进行分组,保证同一个智能分析消息能且只能被分析服务器集群中的一个分析服务器集群消费并进行后续分析处理,便于进行系统的动态扩容;对于不同种类的智能分析需求,为每一类智能分析建立预选队列,任务调度模块启动时首先访问资源管理模块获取每一类分析服务器集群的并发处理能力,读取数据库获得每一个设备对应的智能分析需求(即设备配置的分析任务),对于有多种智能分析需求的设备,将其放入且只放入轮询间隔最小的预选队列,达到多种智能分析共有一个视频流抽帧处理过程的目的,从而节约网络和计算资源消耗,间隔特定时间按照各类分析服务器集群的并发处理能力从各个预选队列选取特定数目的设备放入待分析队列,间隔特定时间从待分析队列获取设备的视频流,对视频流进行智能分析。对于快速响应用户新增的智能分析请求,当收到用户新增的智能分析请求时,根据新增后每一类智能分析轮询间隔对各个预选队列进行实时调整,保证新增的分析请求能够第一时间被处理。
为便于理解本申请实施例的技术方案,以下通过具体实施例详述本申请的技术方案。以上相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合,其均属于本申请实施例的保护范围。本申请实施例包括以下内容中的至少部分内容。
需要说明的是,本申请实施例中描述的“分析任务”也可以称为“智能分析任务”或者“AI分析任务”或者“检测任务”。
需要说明的是,本申请实施例中描述的“待分析队列”也可以称为“任务队列”。
图1是本申请实施例提供的基于视频监控的智能分析系统的结构组成示意图,如图1所示,所述智能分析系统包括:任务调度模块、资源管理模块、视频帧抽取模块和智能分析模块。其中,任务调度模块启动时读取数据库从数据库获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列;然后,任务调度模块间隔特定时间调用资源管理模块获取多类分析服务器集群中的每类分析服务器集群的并发处理能力,根据每类分析服务器集群的并发处理能力以及每类分析任务对应的预选队列生成(也即编排)待分析队列,从而可以对视频监控系统中的设备进行轮询分析。在一些可选实施方式中,对于用户手动发起的需要持续进行分析的设备,将该设备放入待分析队列的最前方保证能够及时响应。资源管理模块管理多类分析服务器集群中的每类分析服务器集群的硬件资源配置,实时计算每类分析服务器集群的并发处理能力。视频帧抽取模块负责接收任务调度模块发来的视频抽帧消息(简称为抽帧消息),并根据抽帧消息里的分析任务列表,将抽帧后的图片封装进各类分析任务所对应的主题(topic)消息中;智能分析模块负责接收本类分析任务所对应的topic消息,根据topic消息获取抽针后的图片并对其进行分析,并将分析结果进行上报。
图2是本申请实施例提供的基于视频监控的智能分析方法的流程示意图一,如图2所示,所述基于视频监控的智能分析方法包括:
步骤201:获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备。
本申请实施例中,任务调度模块读取数据库,从数据库中获取多类分析任务中的每类分析任务对应的设备列表。任务调度模块获取到每类分析任务对应的设备列表后,基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备。
本申请实施例中,所述基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,可以通过以下方式实现:
A-1)获取多类分析服务器集群中的每类分析服务器集群的并发处理能力;
A-2)基于所述每类分析任务对应的设备列表和所述每类分析服务器集群的并发处理能力生成所述每类分析任务对应的预选队列。
上述方案中,所述基于所述每类分析任务对应的设备列表和所述每类分析服务器集群的并发处理能力生成所述每类分析任务对应的预选队列,可以通过以下方式实现:
A-2.1)基于所述每类分析任务对应的设备列表中包含的设备数目和所述每类分析服务器集群的并发处理能力计算所述每类分析任务对应的R值;
A-2.2)按照所述每类分析任务对应的R值从小到大的顺序,对所述每类分析任务进行排序;
A-2.3)按照所述每类分析任务的顺序,将分析任务对应的设备列表中的设备纳入该分析任务对应的预选队列。
在一些可选实施方式中,如果一个设备配置了多种分析任务,且所述多种分析任务都是轮询分析任务或者都是持续分析任务,则该设备仅被纳入一个预选队列。
在一些可选实施方式中,如果一个设备配置了多种分析任务,且所述多种分析任务中的一部分分析任务是轮询分析任务且另一部分分析任务是持续分析任务,则该设备被纳入所述轮询分析任务对应的预选队列和所述持续分析任务对应的预选队列。
步骤202:获取多类分析服务器集群中的每类分析服务器集群的并发处理能力,并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列。
本申请实施例中,所述基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列,可以通过以下方式实现:
B-1)基于所述每类分析任务对应的设备列表中包含的设备数目和所述每类分析服务器集群的并发处理能力计算所述每类分析任务对应的R值;
B-2)按照所述每类分析任务对应的R值从小到大的顺序,对所述每类分析任务进行排序;
B-3)按照所述每类分析任务的顺序,从分析任务对应的预选队列中取出特定数目的设备纳入待分析队列。
这里,所述从分析任务对应的预选队列中取出特定数目的设备纳入待分析队列,可以通过以下方式实现:
B-3.1)确定分析任务对应的分析服务器集群的并发处理能力;
B-3.2)根据该分析任务对应的分析服务器集群的并发处理能力以及已经纳入待分析队列中配置了该分析任务的设备数目确定该分析任务对应的预选队列中需要取出的设备数目;
B3.3)并基于所述需要取出的设备数目从该分析任务对应的预选队列中取出特定数目的设备纳入待分析队列。
步骤203:对所述待分析队列中的每个待分析的设备进行视频监控分析。
本申请实施例中,所述对所述待分析队列中的每个待分析的设备进行视频监控分析,可以通过以下方式实现:
C-1)视频抽帧模块接收任务调度模块发送的抽帧消息,并根据所述抽帧消息对所述待分析队列中的每个待分析的设备的视频进行抽帧操作,并将抽帧后的图片封装进topic消息中;
C-2)智能分析模块根据所述topic消息获取抽帧后的图片,对所述抽帧后的图片进行视频监控分析。进一步,智能分析模块将分析结果封装进结果上报消息中。
为便于理解为本申请实施例的技术方案,以下集合具体应用实例对本申请实施例的技术方案进行举例说明。
图3是本申请实施例提供的基于视频监控的智能分析方法的流程示意图二,如图3所示,所述基于视频监控的智能分析方法包括:
步骤301:任务调度模块启动时从数据库获取待分析设备列表,基于所述待分析设备列表中的每个设备配置的分析任务,生成各类分析任务对应的预选队列。
具体地,可以通过以下方式生成各类分析任务对应的预选队列:
1)任务调度模块调用资源管理模块获取各类分析服务器集群的并发处理能力,例如获取到n类分析服务器集群的并发处理能力分别为P1…Pn。
2)任务调度模块计算各类分析任务对应的R值,例如n类分析任务对应的R值分别为R1…Rn。
其中,Ri=第i类分析任务对应的设备数目/第i类分析任务对应的分析服务器集群的并发处理能力,i为大于等于1且小于等于n的正整数。
3)按照R值从小到大的顺序,对每类分析任务进行排序,并记录于缓存。
4)按照每类分析任务的顺序,将分析任务对应的设备纳入该分析任务对应的预选队列。
在一些可选实施方式中,如果一个设备配置了多种分析任务,且多种分析任务都是轮询分析任务或者都是持续分析任务,这种情况下,该设备仅被纳入一个预选队列。具体地,该设备被纳入R值最小的分析任务对应的预选队列。
作为示例:目前有以下两种分析任务:视频质量检测和火灾检测,配置了视频质量检测的设备有30000个,配置了火灾检测的设备有3000个,其中,有1000个设备同时配置了火灾检测和视频质量检测。视频质量检测对应的分析服务器集群的并发处理能力是200路,火灾检测对应的分析服务器集群的并发处理能力是200路。视频质量检测对应的R值为:30000/200=150,火灾检测对应的R值为:3000/200=15。建立预选队列时,按照R值从小到达的顺序,先建立火灾检测对应的预选队列,将2000个配置了火灾检测的设备和1000个同时配置了火灾检测和视频质量检测的设备都纳入火灾检测对应的预选队列,这样火灾检测对应的预选队列中有3000个设备;接着建立视频质量检测对应的预选队列,由于一个设备仅被纳入一个预选队列,因而视频质量检测对应的预选队列只包含29000个设备。
在一些可选实施方式中,如果一个设备配置了多种分析任务,且一部分是轮询分析任务,另一部分是持续分析任务,这种情况下,首先将分析任务分为轮询分析任务Cp和持续分析任务Cs两大类,对于轮询分析任务Cp和持续分析任务Cs各自来说,该设备被纳入轮询分析任务对应的预选队列和持续分析任务对应的预选队列。
需要说明的是,对于配置了持续分析任务的设备,一旦该设备放入待分析队列,该设备就会从对应的预选队列中删除,且持续分析任务会持续占有分析资源,所以对于轮询分析任务Cp和持续分析任务Cs应当分开来处理。
作为示例:如果设备配置了一个轮询分析任务和一个持续分析任务,例如轮询进行火灾检测和持续进行质量检测,那么就要将该设备放入两个预选队列,一个是轮训火灾检测对应的预选队列,另一个是持续质量检测对应的预选队列。
上述方案中,考虑到资源节约原则,R值最小的原则将设备纳入对应的预选队列,以节约视频抽帧模块的硬件资源。
步骤302:任务调度模块间隔特定时间,按照R值从小到大的顺序,从各个预选队列中取出特定数目的设备纳入待分析队列。
具体地,可以通过以下方式从各个预选队列中取出特定数目的设备纳入待分析队列:
1)任务调度模块调用资源管理模块获取各类分析服务器集群的并发处理能力(即并发处理数),例如获取到n类分析服务器集群的并发处理数分别为P1…Pn。对于每类分析服务器集群,将Nx初始化为该类分析服务器集群的并发处理数。
2)将i初始化为0。
3)从R值为Ri对应的预选队列Qi中取与对应的分析服务器集群的并发处理数数目相等的设备。对于每一个设备,该设备在该预选队列Qi中对应的分析任务为Ai,查看该设备的其他类型的分析任务Ai+1…An对应的检测时间Ti+1…Tn,如果当前时间大于Tx,则在分析任务列表里包含x类型的分析任务,同时更新Tx,其中,Tx的更新方式为:计算“(其他类型的分析任务的设备总量*单次抽帧时长)/其他类型的分析服务器集群的并发处理数*巡检间隔”得到其他类型的分析任务对应的每一个设备的轮询间隔,以当前时间加上该轮询间隔即可设置下次检测时间。将Nx减1,记录当前预选队Qi的访问位置Qil。
4)将i自加1,重复执行步骤3),直至所有的预选队列都处理完毕。
上述方案中,对于配置了持续分析任务的设备,该设备加入待分析队列后就将其从对应的预选队列中删除,避免重复分析。同时任务调度模块调用资源管理模块更改当前分析任务对应的分析服务器集群的并发处理能力。
作为示例:目前有以下两种分析任务:视频质量检测和火灾检测,配置了视频质量检测的设备有30000个,配置了火灾检测的设备有3000个,其中,有1000个设备同时配置了火灾检测和视频质量检测。视频质量检测对应的分析服务器集群的并发处理能力是200路,火灾检测对应的分析服务器集群的并发处理能力是200路。视频质量检测对应的R值为:30000/200=150,火灾检测对应的R值为:3000/200=15。火灾检测对应的预选队列中有3000个设备,视频质量检测对应的预选队列只包含29000个设备。将两个预选队列中的设备纳入待分析队列时,按照R值从小到达的顺序,先从火灾检测对应的预选队列中取200个(即火灾检测对应的分析服务器集群的并发数)的设备纳入待分析队列,如果这200个设备中有n个设备同时配置了火灾检测和视频质量检测,那么,相应的就从视频质量检测对应的预选队列中取200-n个设备纳入待分析队列。
在一些可选实施方式中,任务调度模块提供外部接口供用户侧调用,当收到用户对特定设备的特定分析任务的增加调用时,调用资源管理模块,获取各类分析服务器集群的并发处理能力P1…Pn,更新各类分析任务对应的R值,例如分析任务对应的R值=“(当前分析任务对应的设备数目+改变数目)/分析任务对应的分析服务器集群的并发处理能力”,并按照R值由小到大的顺序进行对分析任务重新进行排列,将该排序与缓存中的顺序进行比较,如果顺序没有发生变化,则按照步骤301将新增的设备纳入预选队列,其中,将该设备插入预选队列当前处理位置Qil之后,便于能够快速响应用户的新增需求。如果顺序发生变化,则需要清空各预选队列,按照步骤301重新生成各预选队列,同时将新增的设备插入到预选队列的最前面,便于能够快速响应用户的新增需求。需要说明的是,在系统正常运行过程中,增加操作会批量进行。
本申请实施例的上述方案中,资源管理模块具有以下功能:I)启动时查询数据库,获取所有分析服务器集群的并发处理能力。II)提供并发能力更新接口,当任务调度模块发起对某个设备的持续分析任务的请求时调用该接口,将该分析服务器集群的并发处理数减1。III)提供并发能力查询接口供任务调度模块调用。
步骤303:任务调度模块间隔特定时间,基于待分析队列获取设备的直播流,构建抽帧消息发给Kafka,其中,抽帧消息里携带有每个设备的直播流地址和对应的分析任务的类型。
步骤304:视频抽帧模块接收任务调度模块发送的抽帧消息,根据抽帧消息进行视频抽帧操作,并将抽帧后的图片封装进topic消息中。
在一些可选实施方式中,对于轮询分析的视频流,视频抽帧模块接收并解析任务调度模块发送的抽帧消息,根据抽帧消息进行视频抽帧操作,将抽帧后将图片存为.mat形式上传到文件系统(如fastfds),并获取图片的文件存储路径(如url)。视频抽帧模块根据抽帧消息里的分析任务列表将抽帧后的图片的文件存储路径封装进不同类型的智能分析消息(即topic消息)进行发送。
在一些可选实施方式中,对于持续分析的直播流,视频抽帧模块接收并解析任务调度模块发送的抽帧消息,根据抽帧消息进行视频抽帧操作,根据抽帧消息里的单次抽帧时长为单位,将每次抽帧完成后的图片存为.mat形式上传到文件系统(如fastfds),并获取图片的文件存储路径。视频抽帧模块根据抽帧消息里的分析任务列表将将抽帧后的图片的文件存储路径封装进不同类型的智能分析消息(即topic消息)进行发送。视频抽帧模块接收到停止抽帧消息时,解析该停止抽帧消息并停止抽帧操作。
特别地,对于连续获取失败或者抽帧失败的直播流,视频抽帧模块需要将错误信息进行上报。
步骤305:智能分析模块接收视频抽帧模块发送的topic消息,根据所述topic消息获取抽帧后的图片,对所述抽帧后的图片进行视频监控分析。
本申请实施例中,智能分析模块接收并解析视频抽帧模块发送的智能解析消息(即topic消息),对抽帧后的图片进行智能分析,并将分析结果封装进结果上报消息。
本申请实施例的技术方案,至少具有如下有益效果:
一方面,使用多个预选队列来减少对数据库的操作,提高轮询效率。具体地,初始化时读取数据库,按照每一路设备被相应分析服务器集群处理的时间间隔的大小顺序,将设备放入不同分析任务的预选队列,后续直接从预选队列中取出设备放入待分析队列,减少了轮询过程中的数据库操作,提高轮询效率。当收到用户新增的智能分析请求时,根据新增后每一类智能分析轮询间隔对各个预选队列进行实时调整,保证新增的分析请求能够第一时间被处理。
另一方面,通过共用视频抽帧模块减少对现有监控系统接口的访问压力,降低网络和计算资源占用。具体地,对于同时需要进行多种智能分析的设备(即配置了多种分析任务的设备),按照分析类型将其放入且仅放入同一个智能分析类型的预选队列,避免重复调用监控系统接口获取直播流,减少因为多路流并发对网络和抽帧服务器计算资源的消耗。
再一方面,为所有智能分析任务建立统一待分析队列便于实现任务统一管理和系统部署维护。具体地,间隔特定时间按照调度策略将多个预选队列中的设备放入同一个待分析队列,后续所有操作,如监控系统接口获取设备直播流、发送抽帧消息等,都是针对同一个待分析队列进行,便于对大量智能分析任务的统一管理,也便于系统部署和维护。
又一方面,使用动态可调整的调度策略保证公平性。具体地,按照每一路设备被相应分析服务器集群处理的时间间隔大小顺序,结合当前每一类分析服务器集群的并发处理数,从预选队列中取特定数目的设备放入待分析队列,当前队列的设备,如果同时需要进行其他种类的智能分析,按照其本来原本的轮询间隔进行入队,保证调度的公平性。
图4是本申请实施例提供的基于视频监控的智能分析系统的结构组成示意图,如图4所示,所述基于视频监控的智能分析系统包括:任务调度模块401、资源管理模块402、视频帧抽取模块403和智能分析模块404;其中,
所述任务调度模块401,用于获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备;以及,用于调用所述资源管理模块402获取多类分析服务器集群中的每类分析服务器集群的并发处理能力;并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列;
所述资源管理模块402,用于接受所述任务调度模块的调用,获取多类分析服务器集群中的每类分析服务器集群的并发处理能;
所述视频帧抽取模块403,用于对所述待分析队列中的每个待分析的设备的视频进行抽帧操作;
所述智能分析模块404,用于对所述待分析队列中的每个待分析的设备对应的抽帧后的图片进行视频监控分析。
在一些可选实施方式中,所述任务调度模块401,具体用于:
基于所述每类分析任务对应的设备列表和所述每类分析服务器集群的并发处理能力生成所述每类分析任务对应的预选队列。
在一些可选实施方式中,所述任务调度模块401,具体用于:
基于所述每类分析任务对应的设备列表中包含的设备数目和所述每类分析服务器集群的并发处理能力计算所述每类分析任务对应的R值;
按照所述每类分析任务对应的R值从小到大的顺序,对所述每类分析任务进行排序;
按照所述每类分析任务的顺序,将分析任务对应的设备列表中的设备纳入该分析任务对应的预选队列。
在一些可选实施方式中,如果一个设备配置了多种分析任务,且所述多种分析任务都是轮询分析任务或者都是持续分析任务,则该设备仅被纳入一个预选队列;或者,如果一个设备配置了多种分析任务,且所述多种分析任务中的一部分分析任务是轮询分析任务且另一部分分析任务是持续分析任务,则该设备被纳入所述轮询分析任务对应的预选队列和所述持续分析任务对应的预选队列。
在一些可选实施方式中,所述任务调度模块401,具体用于:
基于所述每类分析任务对应的设备列表中包含的设备数目和所述每类分析服务器集群的并发处理能力计算所述每类分析任务对应的R值;
按照所述每类分析任务对应的R值从小到大的顺序,对所述每类分析任务进行排序;
按照所述每类分析任务的顺序,从分析任务对应的预选队列中取出特定数目的设备纳入待分析队列。
在一些可选实施方式中,所述任务调度模块401,具体用于:
确定分析任务对应的分析服务器集群的并发处理能力;
根据该分析任务对应的分析服务器集群的并发处理能力以及已经纳入待分析队列中配置了该分析任务的设备数目确定该分析任务对应的预选队列中需要取出的设备数目;
并基于所述需要取出的设备数目从该分析任务对应的预选队列中取出特定数目的设备纳入待分析队列。
在一些可选实施方式中,所述视频帧抽取模块403,用于接收抽帧消息,并根据所述抽帧消息对所述待分析队列中的每个待分析的设备的视频进行抽帧操作,并将抽帧后的图片封装进主题topic消息中;
所述智能分析模块404,用于根据所述topic消息获取抽帧后的图片,对所述抽帧后的图片进行视频监控分析。
在一些可选实施方式中,所述视频帧抽取模块403,具体用于:
对于轮询分析的视频流,根据所述抽帧消息进行抽帧操作,将抽帧后的图片上传至文件系统,并获取所述图片的文件存储路径;根据所述抽帧消息将所述图片的文件存储路径封装进topic消息中进行发送;
对于持续分析的直播流,根据所述抽帧消息进行抽帧操作,以所述抽帧消息里的单次抽帧时长为单位,将每次抽帧后的图片上传至文件系统,并获取所述图片的文件存储路径;根据所述抽帧消息将所述图片的文件存储路径封装进topic消息中进行发送;接收到停止抽帧消息后,根据所述停止抽帧消息停止抽帧操作。
在一些可选实施方式中,所述智能分析模块404,具体用于:根据所述对所述topic消息获取抽帧后的图片,对所述抽帧后的图片进行视频监控智能分析,并将分析结果封装进结果上报消息。
本领域技术人员应当理解,图4所示的基于视频监控的智能分析系统中的各模块的实现功能可参照前述方法的相关描述而理解。图4所示的基于视频监控的智能分析系统中的各模块的功能可通过运行于处理器上的程序而实现,也可通过具体的逻辑电路而实现。
图5是本申请实施例提供的一种电子设备示意性结构图,该电子设备用于实现上述方案中的基于视频监控的智能分析系统。图5所示的电子设备500包括处理器510,处理器510可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图5所示,电子设备500还可以包括存储器520。其中,处理器510可以从存储器520中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器520可以是独立于处理器510的一个单独的器件,也可以集成在处理器510中。
可选地,如图5所示,电子设备500还可以包括收发器530,处理器510可以控制该收发器530与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器530可以包括发射机和接收机。收发器530还可以进一步包括天线,天线的数量可以为一个或多个。
该电子设备500可以实现本申请实施例的各个方法实现的相应流程,为了简洁,在此不再赘述。
图6是本申请实施例的芯片的示意性结构图。图6所示的芯片600包括处理器610,处理器610可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图6所示,芯片600还可以包括存储器620。其中,处理器610可以从存储器620中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器620可以是独立于处理器610的一个单独的器件,也可以集成在处理器610中。
可选地,该芯片600还可以包括输入接口630。其中,处理器610可以控制该输入接口630与其他设备或芯片进行通信,具体地,可以获取其他设备或芯片发送的信息或数据。
可选地,该芯片600还可以包括输出接口640。其中,处理器610可以控制该输出接口640与其他设备或芯片进行通信,具体地,可以向其他设备或芯片输出信息或数据。
该芯片可以实现本申请实施例的各个方法实现的相应流程,为了简洁,在此不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片,系统芯片,芯片系统或片上系统芯片等。
应理解,本申请实施例的处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,上述存储器为示例性但不是限制性说明,例如,本申请实施例中的存储器还可以是静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)等等。也就是说,本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。该计算机可读存储介质可以实现本申请实施例的各个方法实现的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序指令。该计算机程序产品可以实现本申请实施例的各个方法实现的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序。该计算机程序可以实现本申请实施例的各个方法实现的相应流程,为了简洁,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以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。专业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申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,)ROM、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (13)
1.一种基于视频监控的智能分析方法,其特征在于,所述方法包括:
获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备;
获取多类分析服务器集群中的每类分析服务器集群的并发处理能力,并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列;
对所述待分析队列中的每个待分析的设备进行视频监控分析。
2.根据权利要求1所述的方法,其特征在于,所述基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,包括:
获取多类分析服务器集群中的每类分析服务器集群的并发处理能力;
基于所述每类分析任务对应的设备列表和所述每类分析服务器集群的并发处理能力生成所述每类分析任务对应的预选队列。
3.根据权利要求2所述的方法,其特征在于,所述基于所述每类分析任务对应的设备列表和所述每类分析服务器集群的并发处理能力生成所述每类分析任务对应的预选队列,包括:
基于所述每类分析任务对应的设备列表中包含的设备数目和所述每类分析服务器集群的并发处理能力计算所述每类分析任务对应的R值;
按照所述每类分析任务对应的R值从小到大的顺序,对所述每类分析任务进行排序;
按照所述每类分析任务的顺序,将分析任务对应的设备列表中的设备纳入该分析任务对应的预选队列。
4.根据权利要求3所述的方法,其特征在于,
如果一个设备配置了多种分析任务,且所述多种分析任务都是轮询分析任务或者都是持续分析任务,则该设备仅被纳入一个预选队列;或者,
如果一个设备配置了多种分析任务,且所述多种分析任务中的一部分分析任务是轮询分析任务且另一部分分析任务是持续分析任务,则该设备被纳入所述轮询分析任务对应的预选队列和所述持续分析任务对应的预选队列。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列,包括:
基于所述每类分析任务对应的设备列表中包含的设备数目和所述每类分析服务器集群的并发处理能力计算所述每类分析任务对应的R值;
按照所述每类分析任务对应的R值从小到大的顺序,对所述每类分析任务进行排序;
按照所述每类分析任务的顺序,从分析任务对应的预选队列中取出特定数目的设备纳入待分析队列。
6.根据权利要求5所述的方法,其特征在于,所述从分析任务对应的预选队列中取出特定数目的设备纳入待分析队列,包括:
确定分析任务对应的分析服务器集群的并发处理能力;
根据该分析任务对应的分析服务器集群的并发处理能力以及已经纳入待分析队列中配置了该分析任务的设备数目确定该分析任务对应的预选队列中需要取出的设备数目;
并基于所述需要取出的设备数目从该分析任务对应的预选队列中取出特定数目的设备纳入待分析队列。
7.根据权利要求1至4中任一项所述的方法,其特征在于,所述对所述待分析队列中的每个待分析的设备进行视频监控分析,包括:
接收抽帧消息,并根据所述抽帧消息对所述待分析队列中的每个待分析的设备的视频进行抽帧操作,并将抽帧后的图片封装进主题topic消息中;
根据所述topic消息获取抽帧后的图片,对所述抽帧后的图片进行视频监控分析。
8.根据权利要求7所述的方法,其特征在于,所述接根据所述抽帧消息将抽帧后的图片封装进主题topic消息中,包括:
对于轮询分析的视频流,根据所述抽帧消息进行抽帧操作,将抽帧后的图片上传至文件系统,并获取所述图片的文件存储路径;根据所述抽帧消息将所述图片的文件存储路径封装进topic消息中进行发送;
对于持续分析的直播流,根据所述抽帧消息进行抽帧操作,以所述抽帧消息里的单次抽帧时长为单位,将每次抽帧后的图片上传至文件系统,并获取所述图片的文件存储路径;根据所述抽帧消息将所述图片的文件存储路径封装进topic消息中进行发送;接收到停止抽帧消息后,根据所述停止抽帧消息停止抽帧操作。
9.根据权利要求7所述的方法,其特征在于,所述对所述topic消息进行视频监控分析,包括:
根据所述对所述topic消息获取抽帧后的图片,对所述抽帧后的图片进行视频监控智能分析,并将分析结果封装进结果上报消息。
10.一种基于视频监控的智能分析系统,其特征在于,所述系统包括:任务调度模块、资源管理模块、视频帧抽取模块和智能分析模块;其中,
所述任务调度模块,用于获取多类分析任务中的每类分析任务对应的设备列表,并基于所述每类分析任务对应的设备列表生成所述每类分析任务对应的预选队列,其中,所述预选队列包括一个或多个待分析的设备;以及,用于调用所述资源管理模块获取多类分析服务器集群中的每类分析服务器集群的并发处理能力;并基于所述每类分析服务器集群的并发处理能力以及所述每类分析任务对应的预选队列生成待分析队列;
所述资源管理模块,用于接受所述任务调度模块的调用,获取多类分析服务器集群中的每类分析服务器集群的并发处理能;
所述视频帧抽取模块,用于对所述待分析队列中的每个待分析的设备的视频进行抽帧操作;
所述智能分析模块,用于对所述待分析队列中的每个待分析的设备对应的抽帧后的图片进行视频监控分析。
11.一种电子设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至9中任一项所述的方法。
12.一种芯片,其特征在于,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的设备执行如权利要求1至9中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111346017.9A CN116132623A (zh) | 2021-11-15 | 2021-11-15 | 一种基于视频监控的智能分析方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111346017.9A CN116132623A (zh) | 2021-11-15 | 2021-11-15 | 一种基于视频监控的智能分析方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116132623A true CN116132623A (zh) | 2023-05-16 |
Family
ID=86293706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111346017.9A Pending CN116132623A (zh) | 2021-11-15 | 2021-11-15 | 一种基于视频监控的智能分析方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116132623A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117170886A (zh) * | 2023-11-03 | 2023-12-05 | 北京邮电大学 | 一种面向大连接视频分析的连续学习资源调度方法及装置 |
-
2021
- 2021-11-15 CN CN202111346017.9A patent/CN116132623A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117170886A (zh) * | 2023-11-03 | 2023-12-05 | 北京邮电大学 | 一种面向大连接视频分析的连续学习资源调度方法及装置 |
CN117170886B (zh) * | 2023-11-03 | 2024-02-02 | 北京邮电大学 | 一种面向大连接视频分析的连续学习资源调度方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Adaptive and fault-tolerant data processing in healthcare IoT based on fog computing | |
US10924783B2 (en) | Video coding method, system and server | |
US20140043480A1 (en) | Video monitoring system and method | |
CN107104961B (zh) | 基于ZooKeeper的分布式实时视频监控处理系统 | |
CN110232010A (zh) | 一种告警方法、告警服务器及监控服务器 | |
CN112291520B (zh) | 异常事件识别方法、装置、存储介质及电子装置 | |
CN111277848B (zh) | 直播间互动消息的处理方法、装置、电子设备及存储介质 | |
CN111836102B (zh) | 视频帧的分析方法和装置 | |
CN109542642A (zh) | 一种前端任务处理的方法及装置 | |
CN115393781A (zh) | 视频监控数据的处理方法及装置 | |
CN111479095B (zh) | 一种业务处理控制系统、方法及装置 | |
CN107995017B (zh) | 一种上行带宽分配方法、装置及系统 | |
CN113687958A (zh) | 数据处理方法、系统、计算机设备和存储介质 | |
CN116132623A (zh) | 一种基于视频监控的智能分析方法、系统及设备 | |
CN115729683A (zh) | 任务处理方法、装置、系统、计算机设备和存储介质 | |
CN111263113B (zh) | 数据包的发送方法及装置、数据包的处理方法及装置 | |
CN110697517A (zh) | 基于小区的电梯控制方法、系统及存储介质 | |
CN111901561B (zh) | 监控系统中的视频数据处理方法、装置、系统及存储介质 | |
CN116264592A (zh) | 虚拟桌面性能探测方法、装置、设备及存储介质 | |
CN109874036A (zh) | 一种视频分析方法及装置、设备、存储介质 | |
CN116382813B (zh) | 用于智慧城市管理的视频实时处理ai引擎系统 | |
CN105338290A (zh) | 码流的合成方法及装置 | |
CN113259680B (zh) | 视频流解码方法、装置、计算机设备和存储介质 | |
CN116860657B (zh) | 压测控制处理方法、装置、计算机设备和存储介质 | |
CN111986060B (zh) | 一种消防设备触发状态的智能路由方法及系统 |
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 |