CN116450347A - 视频的多任务处理方法、视频分析设备和存储介质 - Google Patents

视频的多任务处理方法、视频分析设备和存储介质 Download PDF

Info

Publication number
CN116450347A
CN116450347A CN202310333621.0A CN202310333621A CN116450347A CN 116450347 A CN116450347 A CN 116450347A CN 202310333621 A CN202310333621 A CN 202310333621A CN 116450347 A CN116450347 A CN 116450347A
Authority
CN
China
Prior art keywords
algorithm
package
executed
module
algorithm package
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
Application number
CN202310333621.0A
Other languages
English (en)
Inventor
董茂飞
郑一平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202310333621.0A priority Critical patent/CN116450347A/zh
Publication of CN116450347A publication Critical patent/CN116450347A/zh
Pending legal-status Critical Current

Links

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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请涉及一种视频的多任务处理方法、视频分析设备和存储介质。其中，该方法包括：对待执行算法包和执行中算法包进行算法模块的拓扑结构分析，在待执行算法包和执行中算法包中具有相同算法模块的情况下，合并相同算法模块，以将待执行算法包保持原有的拓扑结构合并至执行中算法包，得到新的执行中算法包，以及基于新的执行中算法包对图像序列进行智能分析。通过本申请，解决了多智能混合分析对视频分析设备的分析资源占用高的问题，降低了多智能混合分析对视频分析设备的分析资源占用量。

Description

视频的多任务处理方法、视频分析设备和存储介质
技术领域
本申请涉及视频处理技术领域，特别是涉及视频的多任务处理方法、视频分析设备和存储介质。
背景技术
随着技术发展和应用场景的需求，应用在视频流的视频分析设备(例如硬盘录像机、网络摄像机(IP Camera，简称为IPC)等)中的智能分析功能越来越多。
相关技术中，为智能分析任务分配计算机资源(例如内存资源、磁盘资源等)是以智能分析对应的算法为分配粒度的，也就是说，在运行智能分析任务时，将根据智能分析任务的算法的需求，分别为每个算法分配计算机资源。在多智能混合分析场景下需要对同一路视频流进行不同的智能分析，因此，多智能混合分析对视频分析设备的计算机资源占用高。
相关技术中，为了节约磁盘资源，提出了一种算法包的存储方法，该方案中将算法包资源分离成公共组件资源和特定组件资源，并存储。在获取到智能分析任务时，从公共组件资源中选择公共组件，从特定组件资源中选择特定组件，并组合成算法包，从而使得不同算法包共有的组件在系统中只需要保存一份，节约了磁盘资源。该相关技术中，仅仅是关注静态程序文件占用存储空间大的问题，而并不关注、亦没有意向解决程序运行时消耗设备的分析资源多的问题。
相关技术中，针对多智能混合分析对视频分析设备的分析资源占用高的问题，目前尚未提出有效的解决方案。
发明内容
本实施例提供的视频的多任务处理方法、视频分析设备和存储介质，至少解决多智能混合分析对视频分析设备的分析资源占用高的问题。
一种视频分析设备，包括：视频解码模块和智能分析模块；
所述视频解码模块，用于获取视频码流，并将所述视频码流解码为图像序列；
所述智能分析模块，用于获取用于分析所述图像序列的待执行任务，获取与所述待执行任务对应的待执行算法包；获取用于分析所述图像序列的执行中任务，获取与所述执行中任务对应的执行中算法包；其中，所述待执行算法包和所述执行中算法包分别包括多个算法模块，所述多个算法模块分别按照与算法包相应的拓扑结构组合；
所述智能分析模块，还用于对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析，在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包，得到新的执行中算法包，其中，所述相同算法模块为输入数据及对所述输入数据的处理逻辑均相同的算法模块；
所述智能分析模块，还用于基于所述新的执行中算法包对所述图像序列进行智能分析。
在其中的一些实施例中，
所述智能分析模块还用于：生成所述待执行算法包和所述执行中算法包的有向拓扑图，其中，所述有向拓扑图中每个节点代表一个算法模块，每个节点基于算法模块的处理逻辑标识；
所述智能分析模块在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包包括：在所述待执行算法包和所述执行中算法包的有向拓扑图中具有相同标识的首个节点的情况下，在有向拓扑图中匹配以所述首个节点为起始节点的相同有向拓扑子图；合并所述待执行算法包和所述执行中算法包中的相同有向拓扑子图，以将所述待执行算法包的有向拓扑图保持原有的拓扑结构合并至所述执行中算法包的有向拓扑图；根据合并后得到的有向拓扑图，获得所述新的执行中算法包。
在其中的一些实施例中，所述智能分析模块对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析包括：
基于所述算法模块的标识，获取所述待执行算法包和所述执行中算法包中具有的相同算法模块，其中，所述标识基于所述算法模块的输入数据和处理逻辑确定。
在其中的一些实施例中，所述算法模块的标识包括：在有向拓扑结构中处于所述算法模块之前的所有算法模块的名称标识及版本标识，以及所述算法模块的名称标识及版本标识。
一种视频的多任务处理方法，包括：
获取用于分析图像序列的待执行任务，获取与所述待执行任务对应的待执行算法包；
获取用于分析所述图像序列的执行中任务，获取与所述执行中任务对应的执行中算法包；其中，所述待执行算法包和所述执行中算法包分别包括多个算法模块，所述多个算法模块分别按照与算法包相应的拓扑结构组合；
对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析，在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包，得到新的执行中算法包，其中，所述相同算法模块为输入数据及对所述输入数据的处理逻辑均相同的算法模块；
基于所述新的执行中算法包对图像序列进行智能分析。
在其中的一些实施例中，
所述方法还包括：生成所述待执行算法包和所述执行中算法包的有向拓扑图，其中，所述有向拓扑图中每个节点代表一个算法模块，每个节点基于算法模块的处理逻辑标识；
在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包包括：在所述待执行算法包和所述执行中算法包的有向拓扑图中具有相同标识的首个节点的情况下，在有向拓扑图中匹配以所述首个节点为起始节点的相同有向拓扑子图；合并所述待执行算法包和所述执行中算法包中的相同有向拓扑子图，以将所述待执行算法包的有向拓扑图保持原有的拓扑结构合并至所述执行中算法包的有向拓扑图；根据合并后得到的有向拓扑图，获得所述新的执行中算法包。
在其中的一些实施例中，对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析包括：
基于所述算法模块的标识，获取所述待执行算法包和所述执行中算法包中具有的相同算法模块，其中，所述标识基于所述算法模块的输入数据和处理逻辑确定。
在其中的一些实施例中，所述算法模块的标识包括：在有向拓扑结构中处于所述算法模块之前的所有算法模块的名称标识及版本标识，以及所述算法模块的名称标识及版本标识。
一种电子设备，包括：处理器；以及存储程序的存储器，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述任一项所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述任一项所述的方法。
本实施例提供的视频的多任务处理方法、视频分析设备和存储介质，通过对待执行算法包和执行中算法包进行算法模块的拓扑结构分析，在待执行算法包和执行中算法包中具有相同算法模块的情况下，合并相同算法模块，以将待执行算法包保持原有的拓扑结构合并至执行中算法包，得到新的执行中算法包，降低了多智能混合分析对视频分析设备的分析资源占用量。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本实施例的A算法的处理流程图。
图2是本实施例的B算法的处理流程图。
图3是本实施例的一种视频的多任务处理方法的流程图。
图4是本实施例的执行中算法包的处理流程图。
图5是本实施例的视频分析设备的结构示意图。
图6是本实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本实施例的实施例。虽然附图中显示了本实施例的某些实施例，然而应当理解的是，本实施例可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本实施例。应当理解的是，本实施例的附图及实施例仅用于示例性作用，并非用于限制本实施例的保护范围。
应当理解，本实施例的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本实施例的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本实施例中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
应当声明的是，本实施例所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
本实施例提供的视频的多任务处理方法，可以应用于基于多个算法包分别对同一组数据进行多个智能分析任务处理的系统。
本实施例中用于对视频流进行智能分析的视频分析设备可以是但不限于支持智能分析的硬盘录像机或者网络摄像机(IPC)。硬盘录像机可以是网络硬盘录像机(NetworkVideo Recorder，简称为NVR)或者数字视频录像机(Digital Video Recorder，简称为DVR)。被用于智能分析任务的视频流可以为远程IPC的输入视频流，或者本地硬盘读取录像的视频流，或者模拟相机通过模拟信号接入的视频流。
若有两个智能分析任务，分别为智能分析任务A和智能分析任务B，两个智能分析任务分别对应于A算法和B算法。例如，A算法能够实现值岗状态、区域人数、玩手机，以及制服检测的智能分析功能。B算法能够实现倒地、打架和攀高、起身、抛物、起立、坐下等行为检测的智能分析功能。在图1和图2中分别示出了A算法的处理流程和B算法的处理流程。其中，在IPC码流接入后，通过对码流解码和码流解析，可以获得图像序列。A算法基于图像序列分别再进行目标检测、目标位置匹配、A算法分类和A算法报警等处理流程。B算法基于图像序列分别再进行目标检测、目标位置匹配、规则判断、B算法分类和B算法报警灯处理流程。
由图1和图2可以看出，在A算法的处理流程和B算法的处理流程中存在公共的处理流程：目标检测和目标位置匹配，并且这两个处理流程的输入数据和对数据的处理逻辑是完全相同的，即这些公共的处理流程也是相同的处理流程。在相关技术中，针对每个算法分别进行资源申请和运行处理：分别基于A算法和B算法对视频流进行智能分析时，在为A算法分配计算机资源时，将会为A算法的目标检测和目标位置匹配模块分配计算机资源；在为B算法分配计算机资源时，将会为B算法的目标检测和目标位置匹配模块分配计算机资源。在运行A算法和B算法时，均分别要对图像序列独立地进行目标检测和目标位置匹配，如果计算机资源不足将导致A算法和B算法的运行效率降低。
用于进行智能分析的计算机资源，简称为分析资源，包括但不限于内存资源、磁盘资源、图形处理器资源、I/O资源等。然而，分析资源在IPC或者硬盘录像机中的总量是有限且珍贵的；在视频流的实时分析中对于视频分析设备的运行效率也有一定的要求。在本实施例中为了降低在视频分析设备中多个算法对计算机分析资源占用量高、运行效率低的问题，采用了视频的多任务处理方法，以实现对多个算法中相同的处理流程进行合并，从而减少相同处理流程的重复运行。
图3是本实施例的一种视频的多任务处理方法的流程图，如图3所示，该流程包括如下步骤：
步骤S301，获取用于分析图像序列的待执行任务，获取与待执行任务对应的待执行算法包。
步骤S302，获取用于分析图像序列的执行中任务，获取与执行中任务对应的执行中算法包。
其中，待执行算法包和执行中算法包分别包括多个算法模块，多个算法模块分别按照与算法包相应的拓扑结构组合。
步骤S303，对待执行算法包和执行中算法包进行算法模块的拓扑结构分析，在待执行算法包和执行中算法包中具有相同算法模块的情况下，合并相同算法模块，以将待执行算法包保持原有的拓扑结构合并至执行中算法包，得到新的执行中算法包。
其中，相同算法模块为输入数据及对输入数据的处理逻辑均相同的算法模块。
步骤S304，基于新的执行中算法包对图像序列进行智能分析。
在进行智能分析功能开发时，要为每个智能分析任务开发算法包。通常，算法包由算法模块组成，并按照预设的拓扑结构前后衔接为用于相应的智能分析任务的算法包。每个算法模块用于对输入算法模块的数据按照预定的处理逻辑进行处理并将处理结果提供给下一个算法模块或者作为任务处理最终结果输出。
例如，在图1中示出的A算法的处理流程中，目标检测流程、目标位置匹配流程、A算法分类流程和A算法报警流程，将分别由目标检测模块、目标位置匹配模块、A算法分类模块和A算法报警模块分别实现。IPC码流接入流程、码流解析流程和码流解码流程可以作为算法的一部分，但由于这部分的流程通常对于大多数的视频流处理算法来说，处理流程完全相同，因此在一些情况下也可以作为算法之外的公共处理流程，并采用公共的算法模块实现。然而，算法包通常独立开发，独立配置，在相关技术中不同的算法包中即使是相同的算法模块也需要在各自的算法包执行时分别重复地执行这些相同的算法模块。比较常见的在不同的算法包中都需要执行的算法模块例如有：目标检测算法模块和目标目标位置匹配算法模块等。
因此，相关技术在获取到多个智能分析任务后，依据每个智能分析任务分别获取对应的算法包，并直接根据每个算法包进行计算机资源的申请和多任务处理。
与相关技术不同之处在于，在本实施例提供的视频的多任务处理方法中，在获得待执行的待执行任务的待执行算法包之后，将会把待执行算法包与当前系统中正在被执行的执行中任务对应的执行中算法包进行算法模块的拓扑结构分析，以确定这两个算法包中是否具有相同算法模块。
如果这两个算法包中具有相同算法模块，则存在优化算法的空间，将采用步骤S303的流程，将这两个算法包进行相同算法模块的合并，获得新的执行中算法包。
在本实施例中，相同算法模块的合并是指将具有相同算法模块的两个算法包中相同算法模块的部分合二为一，使得原有的待执行算法包和执行中算法包能够共用相同算法模块，从而使相同算法模块不再需要对数据进行、重复的处理。
相应地，合并后，该相同算法模块的输出将会复制成为至少两份，分别提供给合并前的两个算法包中该相同算法模块之后的其他算法模块。例如，对于图1和图2所示的A算法和B算法的处理流程中，目标检测流程和目标位置匹配流程是由相同算法模块实现，而其他的流程(A算法分类、A算法报警、规则判断、B算法分类、B算法报警等)分别由不同的算法模块实现。那么，合并之后，A算法和B算法将会复用目标检测模块和目标位置匹配模块。在目标位置匹配模块之后，为了实现A算法，将会连接A算法分类模块和A算法报警模块；为了实现B算法，将会连接规则判断模块、B算法的分类模块和B算法报警模块。那么，在进行相同算法模块的合并之后，得到的新的执行中算法包将如图4所示。
在步骤S304执行新的执行中算法包时，还根据执行中算法包的运行所需的计算机分析资源，为新的执行中算法包重新申请计算机分析资源。
图4示出的新的执行中算法包最终由7个算法模块组成，相较于合并之前分别组成算法包A和算法包B的9个算法模块，减少了2个算法模块，那么在基于新的执行中算法包进行视频的多任务处理时，也将减少对2个算法模块申请计算机资源(包括但不限于用于进行任务智能分析的内存资源、图形处理器资源、I/O资源等)，以及避免目标检测模块和目标位置匹配模块对数据进行的相同的、重复的处理，从而提高了处理效率，降低了计算机资源占用量。
需要说明的是，在本实施例中，相同算法模块需要同时具备两个条件：其一，两个算法模块的输入数据完全相同，例如，在图1和图2示出的A算法和B算法的处理流程中，输入数据都是对视频流进行解析和解码后获得的图像序列。其二，两个算法模块对数据的处理逻辑完全相同，也即在输入数据完全相同的情况下，经过两个算法模块处理后得到的输出数据也完全相同。例如，在图1和图2示出的A算法和B算法的处理流程中，目标检测模块对图像序列的处理结果都是获得人体的目标检测框结果，目标位置匹配模块对图像序列的处理结果都是获得对目标检测模块输出的目标检测框结果的位置目标位置匹配。因此，图1和图2示出的A算法和B算法中，目标检测模块和目标位置匹配模块均属于相同算法模块，基于目标检测模块和目标位置匹配模块进行相同算法模块的合并，最终将可以得到图4所示的新的执行中算法包。如果两个算法模块的输入数据不同，或者处理逻辑二者其一不相同，则这两个算法模块不属于本实施例中所称的相同的算法模块。
在本实施例中，基于算法包的有向拓扑图来进行相同算法模块的判断，则上述的视频的多任务处理方法还包括生成各算法包的有向拓扑图。其中，有向拓扑图又叫有向图，是指节点中按照一定的先后次序连接所形成的拓扑图。有向拓扑图中每个节点代表一个算法模块，每个节点基于算法模块的处理逻辑进行标识。对于每个算法包，可以基于一定的粒度生成对应的有向拓扑图，该粒度可以是应用功能级别的，也可以是程序块级别的。其中，应用功能级别是指每个节点代表一个完整的应用功能，例如图4中的目标检测功能、目标位置匹配功能等等。程序块级别是指每个节点代表的一个完整的应用功能中的某一个部分，例如，在图4中的目标检测模块还可以被划分为对图像序列的抽帧处理的模块，以及对抽帧得到的图像序列的目标检测模块。
在本实施例中，可以基于子图同构算法在多个算法包的有向拓扑图中匹配相同的有向拓扑子图。子图同构算法例如尅是UIImann算法。对于图的同构问题，UIImann算法利用枚举找到子图同构，其目的是对于一个给定的预设图，要找出在原图当中和预设图同构的所有子图。
在有向拓扑图的节点数量多的情形下，采用子图同构算法枚举出有向拓扑图中的每个预设图时，预设图的数量将会随着有向拓扑图的节点数量呈指数形式增加，可能耗费较多的运算时间或计算资源。为此，在本实施例中，对子图同构算法的处理过程进行了优化。在本实施例中，在步骤S303中，在待执行算法包和执行中算法包的有向拓扑图中具有相同标识的首个节点的情况下，在有向拓扑图中匹配以首个节点为起始节点的相同有向拓扑子图；合并待执行算法包和执行中算法包中的相同有向拓扑子图，以将待执行算法包的有向拓扑图保持原有的拓扑结构合并至执行中算法包的有向拓扑图；根据合并后得到的有向拓扑图获得新的执行中算法包。
即采用子图同构算法枚举预设图时，仅枚举出所有以有向拓扑图的首个节点为起点的预设图，在原图中匹配预设图时，也均只匹配有向拓扑图中以首个节点为起点的拓扑子图，从而删减了很多不必要的匹配过程，提高了匹配效率。同时，由于在本实施例中的相同的算法模块是指输入数据以及对输入数据的处理逻辑完全相同的算法模块，因此，对于两个有向拓扑子图而言，如果首个节点对应的算法模块不同，此时即使输入数据相同，这两个有向拓扑子图也不可能为相同的图；同样地，如果在两个有向拓扑图中如果存在两个有向拓扑图子图的拓扑结构完全相同，但是这两个有向拓扑子图的首个节点之前连接的节点不相同，这就意味着这两个有向拓扑子图的输入数据(前一个节点的输出数据)不可能相同，因此这两个有向拓扑子图仍然不可能为相同的图，对应的有向拓扑子图中的算法模块均不可能为相同的算法模块。因此，采用上述优化后的子图同构算法进行有向拓扑子图的匹配不会导致有向拓扑子图或者算法模块的漏匹配，并且还能够提高匹配效率。
本实施例中，还可以基于算法模块的标识，获取待执行算法包和执行中算法包中具有的相同算法模块。其中，算法模块的标识基于算法模块的输入数据和处理逻辑这两个部分确定。即，如果采用一种能够基于算法模块的输入数据和处理逻辑这两个部分来对算法模块进行标识，那么在进行相同算法模块的匹配时，只需要对所有算法模块的标识进行文本匹配，相较于采用有向拓扑图的方式来进行子图同构匹配而言，在匹配过程中的运算效率能够进一步提高。
已知每个不同的算法模块对输入数据的处理逻辑是不相同的，或者对于两个处理逻辑相同的算法模块，其输入数据不同则输出数据也将不同。为此，当前算法模块的输入数据可以等效地采用该算法模块之前连接的所有算法模块的名称标识及版本标识来表示，而当前算法模块的处理逻辑则用当前算法模块的名称标识及版本标识来表示。这样，可以将当前算法模块标识为一串有序的、由当前算法模块之前的所有算法模块的名称标识及版本标识，以及当前算法模块的名称标识及版本标识组成的字符串。
例如，对于一个有向拓扑图的结构为A1→B1→C2→D1的算法包(由四个算法模块组成)，第1个算法模块的标识为A1；第2个算法模块的标识为A1B1；第3个算法模块的标识为A1B1C2；第4个算法模块的标识为A1B1C2D1。对于另一个有向拓扑图的结构为A1→B1→D1→C2的算法包而言，其第1个算法模块的标识为A1；第2个算法模块的标识为A1B1；第3个算法模块的标识为A1B1D1；第4个算法模块的标识为A1B1D1C2。通过比较算法模块的标识则可以确定算法模块标识为A1，以及A1B1的算法模块均为相同算法模块。其他算法模块即使名称标识及版本标识一致，因排列顺序不同导致算法模块的输入数据不同，因此第3个算法模块和第4个算法模块的标识不同，不为相同算法模块。
在图3所示的视频的多任务处理方法中，算法包的有向拓扑图或者算法模块的标识可以是在获得算法包之后，通过对算法包的拓扑结构和算法模块的分析获得的，采用该方式能够灵活适应已有或者新增的算法包。在该方法中，对算法包的分析、算法模块拆分和重组涉及到计算机资源的使用。
为了能够进一步的节约计算机的磁盘资源，在系统中并不直接存储各个任务的算法包，而是存储组成各个算法包的算法模块。在此情况下，在上述步骤S301和步骤S302中，待执行的待执行任务和正在被执行的执行中任务均可以通过智能分析任务描述信息来表示，在该智能分析任务描述信息中包括了描述智能分析任务对应的算法包的拓扑结构的信息。
那么，在步骤S301和步骤S302中，获取待执行算法包和执行中算法包时，可以通过待执行算法包和执行中算法包的描述信息中携带的算法包的拓扑结构的信息，从预先存储的算法模块中选取对应的模块，并按照描述信息中的拓扑结构的信息进行组合和连接，从而得到待执行算法包和执行中算法包。
采用上述方式不仅节约了计算机的磁盘资源，更进一步的在进行待执行算法包和执行中算法包的拓扑结构分析时，可以直接利用任务描述信息中的拓扑结构信息来进行拓扑结构分析，而不必消耗计算机资源从待执行算法包和执行中算法包中获取对应的拓扑结构。
本实施例还提供了一种视频分析设备，该视频分析设备例如可以是但不限于支持智能分析的硬盘录像机或者网络摄像机(IPC)。硬盘录像机可以是网络硬盘录像机(Network Video Recorder，简称为NVR)或者数字视频录像机(Digital Video Recorder，简称为DVR)。被用于智能分析任务的视频流可以为远程IPC的输入视频流，或者本地硬盘读取录像的视频流，或者模拟相机通过模拟信号接入的视频流。
图5是本实施例的视频分析设备的结构示意图，如图5所示，该视频分析设备包括视频解码模块51和智能分析模块52。
视频解码模块51用于获取视频码流，并将视频码流解码为图像序列。
智能分析模块52与视频解码模块51连接，智能分析模块52用于获取用于处理图像序列的待执行任务，获取与待执行任务对应的待执行算法包；获取用于处理图像序列的执行中任务，获取与执行中任务对应的执行中算法包；其中，待执行算法包和执行中算法包分别包括多个算法模块，多个算法模块分别按照与算法包相应的拓扑结构组合。
智能分析模块52还用于对待执行算法包和执行中算法包进行算法模块的拓扑结构分析，在待执行算法包和执行中算法包中具有相同算法模块的情况下，合并相同算法模块，以将待执行算法包保持原有的拓扑结构合并至执行中算法包，得到新的执行中算法包，其中，相同算法模块为输入数据及对输入数据的处理逻辑均相同的算法模块。
智能分析模块52还用于基于新的执行中算法包对图像序列进行智能分析。
在其中的一些实施例中，视频解码模块51可以为软件解码器或者硬件解码器。例如，视频解码模块51可以为支持硬件解码的图像处理器(Graphics Processing Unit，简称为GPU)，或者支持硬件解码或软件解码的中央处理器(Central Processing Unit，简称为CPU)。
在其中的一些实施例中，上述的视频解码模块51可以为视频分析设备内置的解码器，也可以为与视频分析设备相连的具有解码功能的设备。
在其中的一些实施例中，上述的视频解码模块51可以包括多个解码器。
在其中的一些实施中，智能分析模块52包括多个智能分析单元，这些智能分析单元包括但不限于图形处理器、中央处理器、内存器等分析资源，还可以包括存储器等存储资源，以及I/O资源。
在其中的一些实施例中，智能分析模块52还用于生成待执行算法包和执行中算法包的有向拓扑图，其中，有向拓扑图中每个节点代表一个算法模块，每个节点基于算法模块的处理逻辑标识。
智能分析模块52在待执行算法包和执行中算法包中具有相同算法模块的情况下，合并相同算法模块，以将待执行算法包保持原有的拓扑结构合并至执行中算法包包括：在待执行算法包和执行中算法包的有向拓扑图中具有相同标识的首个节点的情况下，在有向拓扑图中匹配以首个节点为起始节点的相同有向拓扑子图；合并待执行算法包和执行中算法包中的相同有向拓扑子图，以将待执行算法包的有向拓扑图保持原有的拓扑结构合并至执行中算法包的有向拓扑图；根据合并后得到的有向拓扑图获得新的执行中算法包。
在其中的一些实施例中，智能分析模块对待执行算法包和执行中算法包进行算法模块的拓扑结构分析包括：基于算法模块的标识，获取待执行算法包和执行中算法包中具有的相同算法模块，其中，标识基于算法模块的输入数据和处理逻辑确定。
在其中的一些实施例中，算法模块的标识包括：在有向拓扑结构中处于算法模块之前的所有算法模块的名称标识及版本标识，以及算法模块的名称标识及版本标识。
本实施例的上述视频分析设备，通过将将要执行的智能分析任务的算法包与正在执行的智能分析任务的算法包中相同算法模块合并为共用模块，相当于复用了相同的计算机分析资源，从而减少了执行智能分析任务所需要的计算机分析资源，提高了视频分析设备的计算机分析资源的利用率，也支持在同规格的计算机分析资源内同时运行更多的智能分析任务，提高产品的竞争力。
本实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序，所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
本实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理。例如，在一些实施例中，上述方法(例如图3所示的方法)可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。在一些实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述的方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程图像序列处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶)显示器)；以及键盘和指向装置(例如，鼠标)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。
显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种视频分析设备，包括：视频解码模块和智能分析模块；
所述视频解码模块，用于获取视频码流，并将所述视频码流解码为图像序列；
所述智能分析模块，用于获取用于分析所述图像序列的待执行任务，获取与所述待执行任务对应的待执行算法包；获取用于分析所述图像序列的执行中任务，获取与所述执行中任务对应的执行中算法包；其中，所述待执行算法包和所述执行中算法包分别包括多个算法模块，所述多个算法模块分别按照与算法包相应的拓扑结构组合；
所述智能分析模块，还用于对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析，在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包，得到新的执行中算法包，其中，所述相同算法模块为输入数据及对所述输入数据的处理逻辑均相同的算法模块；
所述智能分析模块，还用于基于所述新的执行中算法包对所述图像序列进行智能分析。
2.根据权利要求1所述的视频分析设备，其中，
所述智能分析模块还用于：生成所述待执行算法包和所述执行中算法包的有向拓扑图，其中，所述有向拓扑图中每个节点代表一个算法模块，每个节点基于算法模块的处理逻辑标识；
所述智能分析模块在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包包括：在所述待执行算法包和所述执行中算法包的有向拓扑图中具有相同标识的首个节点的情况下，在有向拓扑图中匹配以所述首个节点为起始节点的相同有向拓扑子图；合并所述待执行算法包和所述执行中算法包中的相同有向拓扑子图，以将所述待执行算法包的有向拓扑图保持原有的拓扑结构合并至所述执行中算法包的有向拓扑图；根据合并后得到的有向拓扑图，获得所述新的执行中算法包。
3.根据权利要求1所述的视频分析设备，其中，所述智能分析模块对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析包括：
基于所述算法模块的标识，获取所述待执行算法包和所述执行中算法包中具有的相同算法模块，其中，所述标识基于所述算法模块的输入数据和处理逻辑确定。
4.根据权利要求3所述的视频分析设备，其中，所述算法模块的标识包括：在有向拓扑结构中处于所述算法模块之前的所有算法模块的名称标识及版本标识，以及所述算法模块的名称标识及版本标识。
5.一种视频的多任务处理方法，包括：
获取用于分析图像序列的待执行任务，获取与所述待执行任务对应的待执行算法包；
获取用于分析所述图像序列的执行中任务，获取与所述执行中任务对应的执行中算法包；其中，所述待执行算法包和所述执行中算法包分别包括多个算法模块，所述多个算法模块分别按照与算法包相应的拓扑结构组合；
对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析，在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包，得到新的执行中算法包，其中，所述相同算法模块为输入数据及对所述输入数据的处理逻辑均相同的算法模块；
基于所述新的执行中算法包对图像序列进行智能分析。
6.根据权利要求5所述的方法，其中，
所述方法还包括：生成所述待执行算法包和所述执行中算法包的有向拓扑图，其中，所述有向拓扑图中每个节点代表一个算法模块，每个节点基于算法模块的处理逻辑标识；
在所述待执行算法包和所述执行中算法包中具有相同算法模块的情况下，合并所述相同算法模块，以将所述待执行算法包保持原有的拓扑结构合并至所述执行中算法包包括：在所述待执行算法包和所述执行中算法包的有向拓扑图中具有相同标识的首个节点的情况下，在有向拓扑图中匹配以所述首个节点为起始节点的相同有向拓扑子图；合并所述待执行算法包和所述执行中算法包中的相同有向拓扑子图，以将所述待执行算法包的有向拓扑图保持原有的拓扑结构合并至所述执行中算法包的有向拓扑图；根据合并后得到的有向拓扑图，获得所述新的执行中算法包。
7.根据权利要求5所述的方法，其中，对所述待执行算法包和所述执行中算法包进行算法模块的拓扑结构分析包括：
基于所述算法模块的标识，获取所述待执行算法包和所述执行中算法包中具有的相同算法模块，其中，所述标识基于所述算法模块的输入数据和处理逻辑确定。
8.根据权利要求7所述的方法，其中，所述算法模块的标识包括：在有向拓扑结构中处于所述算法模块之前的所有算法模块的名称标识及版本标识，以及所述算法模块的名称标识及版本标识。
9.一种电子设备，包括：处理器；以及存储程序的存储器，所述程序包括指令，其中，所述指令在由所述处理器执行时使所述处理器执行根据权利要求5至8中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求5至8中任一项所述的方法。
CN202310333621.0A 2023-03-28 2023-03-28 视频的多任务处理方法、视频分析设备和存储介质 Pending CN116450347A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310333621.0A CN116450347A (zh) 2023-03-28 2023-03-28 视频的多任务处理方法、视频分析设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310333621.0A CN116450347A (zh) 2023-03-28 2023-03-28 视频的多任务处理方法、视频分析设备和存储介质

Publications (1)

Publication Number Publication Date
CN116450347A true CN116450347A (zh) 2023-07-18

Family

ID=87124890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310333621.0A Pending CN116450347A (zh) 2023-03-28 2023-03-28 视频的多任务处理方法、视频分析设备和存储介质

Country Status (1)

Country Link
CN (1) CN116450347A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116634208A (zh) * 2023-07-26 2023-08-22 合肥英特灵达信息技术有限公司 一种业务算法调度方法、系统、装置、终端及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116634208A (zh) * 2023-07-26 2023-08-22 合肥英特灵达信息技术有限公司 一种业务算法调度方法、系统、装置、终端及存储介质

Similar Documents

Publication Publication Date Title
CN110390493B (zh) 任务管理方法、装置、存储介质及电子设备
CN108337127B (zh) 应用性能监控方法、系统、终端及计算机可读存储介质
CN110555334B (zh) 人脸特征确定方法、装置、存储介质及电子设备
CN111026493B (zh) 界面渲染的处理方法和装置
CN113627536B (zh) 模型训练、视频分类方法，装置，设备以及存储介质
CN116450347A (zh) 视频的多任务处理方法、视频分析设备和存储介质
CN110413367B (zh) 任务创建方法、装置、存储介质及电子设备
CN112954400A (zh) 基于深度学习的数据编码控制方法、系统及大数据平台
CN109683889B (zh) 消息展示框的复用方法、装置、电子设备及可读存储介质
CN110599581A (zh) 图像模型数据处理方法、装置以及电子设备
CN113377998A (zh) 数据加载的方法、装置、电子设备及存储介质
CN112559847A (zh) 网络图中节点搜索方法、装置、电子设备和存储介质
CN111641954A (zh) 一种频点配置方法、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
CN110532304B (zh) 数据处理方法及装置、计算机可读存储介质以及电子设备
CN113691403A (zh) 拓扑节点配置方法、相关装置及计算机程序产品
CN114241350A (zh) 视频编码测试序列确定方法、相关装置及计算机程序产品
CN113849686A (zh) 一种视频数据获取方法、装置、电子设备及存储介质
CN112328381A (zh) 启动任务执行顺序的决策方法、装置、计算机设备及介质
CN107833259B (zh) 基于智能终端的动态漫画引擎处理方法及系统
CN110960858A (zh) 一种游戏资源的处理方法、装置、设备及存储介质
CN113821750B (zh) 一种页面数据处理方法、系统、电子设备及可读存储介质
CN116755938B (zh) 计算重启方法、装置、存储介质及电子设备
CN113709383B (zh) 配置视频特效方法、装置、设备及存储介质
CN114202308A (zh) 业务处理方法、装置、设备以及存储介质

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