CN117041503A - 高性能闪存阵列视频识别设备及方法 - Google Patents
高性能闪存阵列视频识别设备及方法 Download PDFInfo
- Publication number
- CN117041503A CN117041503A CN202311303757.3A CN202311303757A CN117041503A CN 117041503 A CN117041503 A CN 117041503A CN 202311303757 A CN202311303757 A CN 202311303757A CN 117041503 A CN117041503 A CN 117041503A
- Authority
- CN
- China
- Prior art keywords
- video
- data
- dpu
- alarm
- driver
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000006870 function Effects 0.000 claims abstract description 64
- 238000007789 sealing Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 73
- 238000012545 processing Methods 0.000 claims description 72
- 238000012937 correction Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 14
- 238000007873 sieving Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 6
- 230000000391 smoking effect Effects 0.000 claims description 6
- 241001282135 Poromitra oscitans Species 0.000 claims description 5
- 206010048232 Yawning Diseases 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000005111 flow chemistry technique Methods 0.000 claims description 4
- 230000008571 general function Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims 1
- 230000001483 mobilizing effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008433 psychological processes and functions Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
-
- 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)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Signal Processing (AREA)
- Mechanical Engineering (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了高性能闪存阵列视频识别设备及方法,涉及车辆驾驶智能防控技术领域,具体为高性能闪存阵列视频识别设备及方法,包括核心交换机,所述核心交换机的前端分别插接有视频采集模块和解析器;所述核心交换机包括设备箱,所述设备箱的顶部固定连接有密封盖板,所述设备箱的前端内嵌有显示屏,所述显示屏的一侧设有与设备箱前端相连接的插口端;所述核心交换机与视频采集模块之间电性串联连接,所述核心交换机与解析器之间电性串联连接。该高性能闪存阵列视频识别设备及方法,实现对车内、车外状况实时视频监控、录像、监听,支持远程查看实时/历史视频信息,并且可按照时间查找相应历史视频信息,实现远程下载等功能。
Description
技术领域
本发明涉及车辆驾驶智能防控技术领域,具体为高性能闪存阵列视频识别设备及方法。
背景技术
随着经济水平的日益提高,汽车的使用越来越广泛,在方便人们出行的同时,所产生的交通事故也越来越多,其中很大一部分是由疲劳驾驶引发的。驾驶疲劳,是指驾驶人在长时间连续行车后,产生生理机能和心理机能的失调,而在客观上出现驾驶技能下降的现象。驾驶人睡眠质量差或不足,长时间驾驶车辆,容易出现疲劳。驾驶疲劳会影响到驾驶人的注意、感觉、知觉、思维、判断、意志、决定和运动等诸方面;但是,目前缺乏对疲劳驾驶的有效监测。另一方面,即使监测到疲劳驾驶,现有的汽车也不能提供有效的方式来避免疲劳驾驶。
究其原因,还是在司机疲劳的时候,没有第一时间提醒,加上部分路段车流量小,高速公路视野比较单一,往往会加重视角疲劳,引发睡意。
常见的标语提醒、警铃提醒,没有办法做到全面覆盖,不能及时对即将睡着的司机进行提醒;同时在司机单独驾驶时,难以有人持续跟司机聊天沟通,防止司机睡着;并且目前的语音提示操作大多是建立于对驾驶人员的实时监控实现,其视频处理、分析速度直接影响到车辆驾驶过程中的安全性。
发明内容
针对现有技术的不足,本发明提供了高性能闪存阵列视频识别设备及方法,解决了上述背景技术中提出目前的语音提示操作大多是建立于对驾驶人员的实时监控实现,其视频处理、分析速度直接影响到车辆驾驶过程中的安全性问题。
为实现以上目的,本发明通过以下技术方案予以实现:高性能闪存阵列视频识别设备及方法,包括核心交换机,所述核心交换机的前端分别插接有视频采集模块和解析器;
所述核心交换机包括设备箱,所述设备箱的顶部固定连接有密封盖板,所述设备箱的前端内嵌有显示屏,所述显示屏的一侧设有与设备箱前端相连接的插口端;
所述核心交换机与视频采集模块之间电性串联连接,所述核心交换机与解析器之间电性串联连接。
可选的,所述处理方法的具体步骤如下:
S1、通过多个视频设备对外部环境进行持续性拍摄操作,在视频设备的拍摄过程中,利用相对应的收音设备对环境音频内容进行收集,由此保持视频与收音操作之间的同步性,并利用数据整合单元对视频和音频数据进行整合处理;
S2、将整合后的数据内容传输至核心交换机,其核心交换机内部采用DPU处理器;
DPU处理器必须处理的任务包括数据保护/安全、数据移动和数据操作/分析等功能;由于每个数据中心都具有不同的架构和要求,因此DPU必须是高度可编程的;
DPU可编程性使DPU能够在高度变化的工作负载和要求下提升效率;DPU可以采用一组处理器的形式,这些处理器具有面向数据处理的特定指令,采用协处理器和硬件加速的形式,以增强处理单元来有效地处理数据;
处理器需要专用的低功耗内核和具有卸载功能的协处理器才能达到最高效率;最优的DPU需具备处理器和加速器的完整组合以及决策能力,以便知道何时调动资源应用于与数据相关的问题;
数据平面和控制平面的处理都在内核中进行,其中每个内核或内核组都可以就何时以及如何使用协处理器或加速器来增强功能做出最佳决策;每个内核的功耗都远低于ARM或x86内核,因此可显著降低功耗;该DPU处理器的内核在其指令集中效率更高,因此与典型的CPU内核相比,可以有序处理更多数据;
CPU、DPU和GPU在数据中心中都发挥着至关重要的作用,它们各司其职,每一个都在执行自己擅长处理的功能;
CPU将始终执行运行中的用户应用程序、虚拟机和容器的繁重工作,而GPU将处理繁重的并行计算;DPU是两者的粘合剂,执行DPU网络、DPU安全和DPU存储功能,这些功能是CPU和GPU都做不好的;由于未来数据中心将节省TCO,可以预见此后几年DPU的集成将大大增加
算力提升与数据增幅呈现剪刀差,DPU可有效减少算力损耗;在当前数据增幅大幅提升的大背景下,CPU性能的增速减缓,成本大幅增加,算力供给与需求形成剪刀差,CPU性能提升的难题亟待解决,以DPU为代表的异构计算具备将部分通用功能场景化、平台化的特点,实现算法加速并减少CPU功耗,有助于运营商、云计算厂商和互联网厂商对数据中心的升级改造,减少高达30%的数据中心算力税;
S3、通过核心交换机将数据传输至解析器,通过解析器对数据进行统一分析操作,分析操作采用的算法如下:
算力卸载:即利用DPU集成一部分数据处理的基本功能,然后将这些功能从CPU中卸载下来,以提升CPU针对部分应用的算力;DPU的部分价值体现在节省这部分算力的成本-DPU自身的成本;因此DPU节省的算力越多,或DPU的成本越低,其带来的价值越高;与此同时,由于DPU的专用化,DPU将部分涉及网络、存储、安全、管理相关的控制功能卸载之后,还将使得业务性能得以提升,因此DPU的另一部分价值在于其可为业务节省的时间与使用体验;根据技术邻数据,在大型数据中心的场景之中,DPU的算力卸载功能可用于减少数据中心税;由于在数据中心流量处理占了计算30%的资源,AWS将这些还未运行业务程序,先接入网络数据就要占去的计算资源称为“数据中心税”;在数据安全场景中,DPU由于其独立、安全的架构,可将部分加密、解密算法固化在DPU硬件之中,以物理隔离的方式解决用户在海量数据的数据安全问题,为外部网络业务租户之间提供额外的安全层;
算力释放:算力释放无需CPU介入多次访问内存和外设,避免不必要的数据搬运,拷贝和上下文的切换,直接在网卡硬件上对数据完成处理并交付给最终消费数据的应用;传统以CPU为中心的计算机体系结构在处理数据的过程中需要多次在内核和应用之间拷贝和访问数据,带来的是极大的性能损耗;以数据为中心的DPU架构则可以有效改善CPU过度参与数据处理的问题,在数据处理的过程中不需要CPU参与,直接将数据送达应用、相关的GPU或者存储设备,能够有效避免性能瓶颈和由于CPU负载过大而引发的异常;DPU架构和技术,使服务器上运行的业务应用和操作系统内核,用简单的本地存储访问API,就能实现对分布式、超融合或软件定义存储系统的高效透明访问;存储厂商可以把为各行业应用开发的直连式存储、纵向扩展、横向扩展、超融合架构等存储解决方案,零开销地推广到各个应用领域的现有业务处理平台和数据中心基础架构中,而所有的安全加密、数据压缩、负载均衡等复杂又必须的功能则完全由DPU透明地卸载;存储行业的革新算法和实现,可以在DPU架构中,独立于服务器操作系统进行部署;DPU技术帮助存储厂商实现真正的“算存分离”,完全发挥自家产品的技术优势,打通最高效服务应用需求的通路;
算力扩展:算力扩展即通过有效避免拥塞消除跨节点的网络通信瓶颈,显著降低分布式应用任务周期中的通信耗时占比,在大规模的集群维度提升计算集群的整体算力;为了提升算力,业界在多条路径上持续演进;通用CPU已很难继续通过提升单核单线程的性能和扩展片内多核的方式来大幅提升算力;单核芯片的工艺提升至3nm后,发展放缓;通过叠加多核提升算力,随着核数的增加,单位算力功耗也会显著增长,当128核增至256核时,总算力水平无法线性提升;在计算单元的工艺演进已经逼近基线,为了满足大算力的需求,通过分布式系统,扩大计算集群规模,提升网络带宽,降低网络延迟成为提升数据中心集群算力的主要手段;
S4、在解析器中可以分别对视频内容进行纠正处理,以及视频内容的位置角度以及拍摄角度进行调整处理,其中也可以对视频的分辨率进行控制,并对重复的视频数据进行删除;
S5、在视频中解析处理后截取对应的图像内容,将图像内容与数据库的驾驶人员姿态预设图片进行对比,由此对驾驶人的驾驶状态进行判断;
S6、如图像对比后相一致,则触发图像重合报警,以此对驾驶人进行实时提示;
S7、如图像对比后不一致,则会将图像以及视频内容导入过筛处理单元中逐个清理。
可选的,所述视频采集模块中分别包括若干个视频设备和若干个收音设备,所述视频设备和收音设备的输出端均与数据整合单元之间电性串联连接;
若干个视频设备和若干个收音设备之间电性并联连接。
可选的,所述视频设备的安装数量与收音设备的安装数量之间相同,每个视频设备与对应的收音设备之间相连接配合。
可选的,所述解析器中包括视频处理模块和图像捕捉单元,所述视频处理模块的输入端与核心交换机之间电性串联连接,所述视频处理模块的输出端电性连接有图像捕捉单元。
可选的,所述图像捕捉单元的输出端连接有图像对比单元,所述图像对比单元的输入端连接有数据库;
所述图像对比单元的输出端分别连接有过筛处理单元和图像重合报警,所述过筛处理单元和图像重合报警之间电性并联连接。
可选的,所述视频处理模块中包括视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正,所述视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正之间电性并联连接。
可选的,所述视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正的输出端与图像捕捉单元之间电性串联连接,视频处理模块可通过参数预设车载终端拍照条件,在拍照时,可设置拍照参数,照片检索可按照时间、拍照原因等条件进行检索并对符合要求的照片上传;
其中拍照参数包括照片大小、成像质量、亮度、对比度、色度、饱和度、连续拍照张数、连续拍照时间间隔属性。
可选的,所述图像重合报警的主要功能有:驾驶行为预警功能、前向预警功能、驾驶行为记录功能、定位与视频功能、以及语音对讲功能。
可选的,所述驾驶行为记录功能中包括驾驶员疲劳报警;驾驶员吸烟报警;驾驶员使用手机报警;驾驶员注意力分散报警;驾驶员异常报警、驾驶员闭眼、打哈欠、抽烟、打电话、左顾右看等预警。
本发明提供了高性能闪存阵列视频识别设备及方法,具备以下有益效果:
该高性能闪存阵列视频识别设备及方法,实现对车内、车外状况实时视频监控、录像、监听,支持远程查看实时/历史视频信息,并且可按照时间查找相应历史视频信息,实现远程下载等功能;
由终端触发并上传的前向碰撞报警、车道偏离报警、车距过近报警、注意行人报警、驾驶辅助功能失效报警、疲劳驾驶报警、长时间不目视前方报警、接打手持电话报警、抽烟报警、未检测到驾驶员报警、驾驶员行为监测功能失效报警等报警信息和报警附件;
a)前向碰撞报警:当检测到前方车辆在自车道上,距离在安全距离以内(国标规定:安全距离=ttc*相对速度,ttc(预计2.7s)=正常人反应时间+刹车时间),或者检测到与前车距离除以自身速度<1.4s触发预警;警报显示器上车辆变红,终端设备进行“请注意车距”语音播报;预警证据为前向碰撞撞图片3张和驾驶员图片1张,由终端自动抓拍并上传系统;
b)车道偏离报警:地面车道线清晰的情况下,驾驶员未打转向灯时发生的压线变道行为(压线不区分虚线和实线)触发预警;警报显示器上显示车辆左右压线提示,被压线一侧亮起车道线;终端设备进行“叮”语音播报;预警证据为车道偏离图片3张和驾驶员图片1张,由终端自动抓拍并上传系统;
c)车距过近报警:检测到前方车辆在自车道上,碰撞时间在1.4~1.8S进行报警,预警证据为10S视频和一张图片证据,由终端自动抓拍并上传系统;
d)注意行人报警:车辆正前方,行人在30M以内,检测到行人触发预警,终端进行“请注意行人”语音播报;预警证据为10S视频和一张图片证据,由终端自动抓拍并上传系统;
e)疲劳驾驶报警:检测到驾驶员发生打哈欠动作,张大嘴巴,该动作持续时间达到2S以上触发预警,终端进行“请勿疲劳驾驶”语音播报;预警证据为视频时长10S,由终端自动抓拍并上传系统;
f)长时间不目视前方报警:检测到驾驶员闭眼、左顾右看、玩手机、吃东西等注意不集中行为,该动作持续时间达到1.5S以上触发预警,终端进行“请注意前方”语音播报;预警证据为视频时长10S,由终端自动抓拍并上传系统;
g)接打手持电话报警:检测到驾驶员发生打电话动作,手持手持电话放在耳边进行通话,改动作持续时间达到4S触发预警,终端进行“请勿使用手机”语音播报;预警证据为视频时长10S,由终端自动抓拍并上传系统;
h)抽烟报警:检测到驾驶员发生吸烟动作,手持点燃的香烟放到嘴边吸一口,该动作持续是时间达到2S触发预警,终端进行“请勿吸烟”语音播报;预警证据为视频时长10S,由终端自动抓拍并上传系统;
i)未检测到驾驶员报警:检测到驾驶员面部不在摄像头区域或者摄像头被遮挡,车辆由静止到行驶,该动作持续时间达到120s触发预警,终端进行“驾驶员异常”语音播报;预警证据为10S视频和一张图片证据,由终端自动抓拍并上传系统;
j)急加速报警:在车辆发生急加速(持续时间大于2秒且加速度大于1.67M/s^2)触发预警;预警证据为急加速片3张和驾驶员图片1张,由终端自动抓拍并上传系统;
k)急减速报警:在车辆发生急减速(持续时间大于2秒且减速速度小于1.67M/s^2)触发预警;预警证据为急减速图片3张和驾驶员图片1张,由终端自动抓拍并上传系统;
l)急转弯报警:在车辆发生急转弯(车辆角度在1s内转向大于15度)触发预警,终端进行“急转弯”语音播报;预警证据为急转弯图片3张和驾驶员图片1张,由终端自动抓拍并上传系统;
m)超时驾驶报警:车辆连续运行4个小时触发预警,终端进行“超时驾驶”语音播报;预警证据为超时驾驶图片3张和驾驶员图片1张,由终端自动抓拍并上传系统;
n)超速驾驶报警:车辆行驶速超过100KM/H触发预警;预警证据为超速图片3张和驾驶员图片1张,由终端自动抓拍并上传系统。
该高性能闪存阵列视频识别设备及方法,利用DPU显卡显存阵列提供网络虚拟化、存储虚拟化加载等能力,使得视频数据服务器可以将复杂的视频任务交给 DPU 深度学习处理,释放更多的 CPU 算力来专注于应用程序和业务计算,提升服务器和数据中心的效率
高性能的概述范围过于广泛,对于高性能没有客观的定义什么级别为高性能,并且该申请资料以及申请内容重点在于对视频处理的运行,其闪存作用对于视频处理的影响不足以作为设计内容,同时闪存阵列的方式也是依靠利用现有的技术加以支持,故高性能闪存对于视频识别设备的存在不具有实际意义,如申请人可以提供完整且详细的自研闪存阵列技术运用以及该技术的实验、运行数据,那也是可以的,CPU和GPU广泛应用于数据中心,在数据中心引入了DPU这种新工具,可以大大提高数据处理效率。
附图说明
图1为该高性能闪存阵列视频识别设备及方法中的主视结构示意图;
图2为该高性能闪存阵列视频识别设备及方法中的电性控制流程示意图。
图中:1、核心交换机;2、视频采集模块;3、解析器。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例一:请参阅图1至图2,本发明提供一种技术方案:高性能闪存阵列视频识别设备及方法,包括核心交换机1,核心交换机1的前端分别插接有视频采集模块2和解析器3;
核心交换机1包括设备箱,设备箱的顶部固定连接有密封盖板,设备箱的前端内嵌有显示屏,显示屏的一侧设有与设备箱前端相连接的插口端;
核心交换机1与视频采集模块2之间电性串联连接,核心交换机1与解析器3之间电性串联连接。
本实施例中,如图2所示,处理方法的具体步骤如下:
S1、通过多个视频设备对外部环境进行持续性拍摄操作,在视频设备的拍摄过程中,利用相对应的收音设备对环境音频内容进行收集,由此保持视频与收音操作之间的同步性,并利用数据整合单元对视频和音频数据进行整合处理;
S2、将整合后的数据内容传输至核心交换机1,其核心交换机1内部采用DPU处理器;
DPU处理器必须处理的任务包括数据保护/安全、数据移动和数据操作/分析等功能;由于每个数据中心都具有不同的架构和要求,因此DPU必须是高度可编程的;
DPU可编程性使DPU能够在高度变化的工作负载和要求下提升效率;DPU可以采用一组处理器的形式,这些处理器具有面向数据处理的特定指令,采用协处理器和硬件加速的形式,以增强处理单元来有效地处理数据;
处理器需要专用的低功耗内核和具有卸载功能的协处理器才能达到最高效率;最优的DPU需具备处理器和加速器的完整组合以及决策能力,以便知道何时调动资源应用于与数据相关的问题;
数据平面和控制平面的处理都在内核中进行,其中每个内核或内核组都可以就何时以及如何使用协处理器或加速器来增强功能做出最佳决策;每个内核的功耗都远低于ARM或x86内核,因此可显著降低功耗;该DPU处理器的内核在其指令集中效率更高,因此与典型的CPU内核相比,可以有序处理更多数据;
CPU、DPU和GPU在数据中心中都发挥着至关重要的作用,它们各司其职,每一个都在执行自己擅长处理的功能;
CPU将始终执行运行中的用户应用程序、虚拟机和容器的繁重工作,而GPU将处理繁重的并行计算;DPU是两者的粘合剂,执行DPU网络、DPU安全和DPU存储功能,这些功能是CPU和GPU都做不好的;由于未来数据中心将节省TCO,可以预见此后几年DPU的集成将大大增加
算力提升与数据增幅呈现剪刀差,DPU可有效减少算力损耗;在当前数据增幅大幅提升的大背景下,CPU性能的增速减缓,成本大幅增加,算力供给与需求形成剪刀差,CPU性能提升的难题亟待解决,以DPU为代表的异构计算具备将部分通用功能场景化、平台化的特点,实现算法加速并减少CPU功耗,有助于运营商、云计算厂商和互联网厂商对数据中心的升级改造,减少高达30%的数据中心算力税;
S3、通过核心交换机1将数据传输至解析器3,通过解析器3对数据进行统一分析操作,分析操作采用的算法如下:
算力卸载:即利用DPU集成一部分数据处理的基本功能,然后将这些功能从CPU中卸载下来,以提升CPU针对部分应用的算力;DPU的部分价值体现在节省这部分算力的成本-DPU自身的成本;因此DPU节省的算力越多,或DPU的成本越低,其带来的价值越高;与此同时,由于DPU的专用化,DPU将部分涉及网络、存储、安全、管理相关的控制功能卸载之后,还将使得业务性能得以提升,因此DPU的另一部分价值在于其可为业务节省的时间与使用体验;根据技术邻数据,在大型数据中心的场景之中,DPU的算力卸载功能可用于减少数据中心税;由于在数据中心流量处理占了计算30%的资源,AWS将这些还未运行业务程序,先接入网络数据就要占去的计算资源称为“数据中心税”;在数据安全场景中,DPU由于其独立、安全的架构,可将部分加密、解密算法固化在DPU硬件之中,以物理隔离的方式解决用户在海量数据的数据安全问题,为外部网络业务租户之间提供额外的安全层;
算力释放:算力释放无需CPU介入多次访问内存和外设,避免不必要的数据搬运,拷贝和上下文的切换,直接在网卡硬件上对数据完成处理并交付给最终消费数据的应用;传统以CPU为中心的计算机体系结构在处理数据的过程中需要多次在内核和应用之间拷贝和访问数据,带来的是极大的性能损耗;以数据为中心的DPU架构则可以有效改善CPU过度参与数据处理的问题,在数据处理的过程中不需要CPU参与,直接将数据送达应用、相关的GPU或者存储设备,能够有效避免性能瓶颈和由于CPU负载过大而引发的异常;DPU架构和技术,使服务器上运行的业务应用和操作系统内核,用简单的本地存储访问API,就能实现对分布式、超融合或软件定义存储系统的高效透明访问;存储厂商可以把为各行业应用开发的直连式存储、纵向扩展、横向扩展、超融合架构等存储解决方案,零开销地推广到各个应用领域的现有业务处理平台和数据中心基础架构中,而所有的安全加密、数据压缩、负载均衡等复杂又必须的功能则完全由DPU透明地卸载;存储行业的革新算法和实现,可以在DPU架构中,独立于服务器操作系统进行部署;DPU技术帮助存储厂商实现真正的“算存分离”,完全发挥自家产品的技术优势,打通最高效服务应用需求的通路;
算力扩展:算力扩展即通过有效避免拥塞消除跨节点的网络通信瓶颈,显著降低分布式应用任务周期中的通信耗时占比,在大规模的集群维度提升计算集群的整体算力;为了提升算力,业界在多条路径上持续演进;通用CPU已很难继续通过提升单核单线程的性能和扩展片内多核的方式来大幅提升算力;单核芯片的工艺提升至3nm后,发展放缓;通过叠加多核提升算力,随着核数的增加,单位算力功耗也会显著增长,当128核增至256核时,总算力水平无法线性提升;在计算单元的工艺演进已经逼近基线,为了满足大算力的需求,通过分布式系统,扩大计算集群规模,提升网络带宽,降低网络延迟成为提升数据中心集群算力的主要手段;
S4、在解析器中可以分别对视频内容进行纠正处理,以及视频内容的位置角度以及拍摄角度进行调整处理,其中也可以对视频的分辨率进行控制,并对重复的视频数据进行删除;
S5、在视频中解析处理后截取对应的图像内容,将图像内容与数据库的驾驶人员姿态预设图片进行对比,由此对驾驶人的驾驶状态进行判断;
S6、如图像对比后相一致,则触发图像重合报警,以此对驾驶人进行实时提示;
S7、如图像对比后不一致,则会将图像以及视频内容导入过筛处理单元中逐个清理。
本实施例中,如图2所示,视频采集模块2中分别包括若干个视频设备和若干个收音设备,视频设备和收音设备的输出端均与数据整合单元之间电性串联连接;
若干个视频设备和若干个收音设备之间电性并联连接。
本实施例中,如图2所示,视频设备的安装数量与收音设备的安装数量之间相同,每个视频设备与对应的收音设备之间相连接配合。
本实施例中,如图2所示,解析器3中包括视频处理模块和图像捕捉单元,视频处理模块的输入端与核心交换机1之间电性串联连接,视频处理模块的输出端电性连接有图像捕捉单元。
本实施例中,如图2所示,图像捕捉单元的输出端连接有图像对比单元,图像对比单元的输入端连接有数据库;
图像对比单元的输出端分别连接有过筛处理单元和图像重合报警,过筛处理单元和图像重合报警之间电性并联连接。
本实施例中,如图2所示,视频处理模块中包括视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正,视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正之间电性并联连接。
本实施例中,如图2所示,视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正的输出端与图像捕捉单元之间电性串联连接,视频处理模块可通过参数预设车载终端拍照条件,在拍照时,可设置拍照参数,照片检索可按照时间、拍照原因等条件进行检索并对符合要求的照片上传;
其中拍照参数包括照片大小、成像质量、亮度、对比度、色度、饱和度、连续拍照张数、连续拍照时间间隔属性。
本实施例中,如图2所示,图像重合报警的主要功能有:驾驶行为预警功能、前向预警功能、驾驶行为记录功能、定位与视频功能、以及语音对讲功能。
本实施例中,如图2所示,驾驶行为记录功能中包括驾驶员疲劳报警;驾驶员吸烟报警;驾驶员使用手机报警;驾驶员注意力分散报警;驾驶员异常报警、驾驶员闭眼、打哈欠、抽烟、打电话、左顾右看等预警。
实施例二:请参阅图1至图2,本发明提供一种技术方案:高性能闪存阵列视频识别设备及方法,包括核心交换机1,核心交换机1的前端分别插接有视频采集模块2和解析器3;
核心交换机1包括设备箱,设备箱的顶部固定连接有密封盖板,设备箱的前端内嵌有显示屏,显示屏的一侧设有与设备箱前端相连接的插口端;
核心交换机1与视频采集模块2之间电性串联连接,核心交换机1与解析器3之间电性串联连接。
实施例三:请参阅图1至图2,本发明提供一种技术方案:高性能闪存阵列视频识别设备及方法,处理方法的具体步骤如下:
S1、通过多个视频设备对外部环境进行持续性拍摄操作,在视频设备的拍摄过程中,利用相对应的收音设备对环境音频内容进行收集,由此保持视频与收音操作之间的同步性,并利用数据整合单元对视频和音频数据进行整合处理,视频采集模块2中分别包括若干个视频设备和若干个收音设备,视频设备和收音设备的输出端均与数据整合单元之间电性串联连接,视频设备的安装数量与收音设备的安装数量之间相同,每个视频设备与对应的收音设备之间相连接配合;
若干个视频设备和若干个收音设备之间电性并联连接;
S2、将整合后的数据内容传输至核心交换机1,其核心交换机1内部采用DPU处理器;
DPU处理器必须处理的任务包括数据保护/安全、数据移动和数据操作/分析等功能;由于每个数据中心都具有不同的架构和要求,因此DPU必须是高度可编程的;
DPU可编程性使DPU能够在高度变化的工作负载和要求下提升效率;DPU可以采用一组处理器的形式,这些处理器具有面向数据处理的特定指令,采用协处理器和硬件加速的形式,以增强处理单元来有效地处理数据;
处理器需要专用的低功耗内核和具有卸载功能的协处理器才能达到最高效率;最优的DPU需具备处理器和加速器的完整组合以及决策能力,以便知道何时调动资源应用于与数据相关的问题;
数据平面和控制平面的处理都在内核中进行,其中每个内核或内核组都可以就何时以及如何使用协处理器或加速器来增强功能做出最佳决策;每个内核的功耗都远低于ARM或x86内核,因此可显著降低功耗;该DPU处理器的内核在其指令集中效率更高,因此与典型的CPU内核相比,可以有序处理更多数据;
CPU、DPU和GPU在数据中心中都发挥着至关重要的作用,它们各司其职,每一个都在执行自己擅长处理的功能;
CPU将始终执行运行中的用户应用程序、虚拟机和容器的繁重工作,而GPU将处理繁重的并行计算;DPU是两者的粘合剂,执行DPU网络、DPU安全和DPU存储功能,这些功能是CPU和GPU都做不好的;由于未来数据中心将节省TCO,可以预见此后几年DPU的集成将大大增加
算力提升与数据增幅呈现剪刀差,DPU可有效减少算力损耗;在当前数据增幅大幅提升的大背景下,CPU性能的增速减缓,成本大幅增加,算力供给与需求形成剪刀差,CPU性能提升的难题亟待解决,以DPU为代表的异构计算具备将部分通用功能场景化、平台化的特点,实现算法加速并减少CPU功耗,有助于运营商、云计算厂商和互联网厂商对数据中心的升级改造,减少高达30%的数据中心算力税;
S3、通过核心交换机1将数据传输至解析器3,通过解析器3对数据进行统一分析操作,分析操作采用的算法如下:
算力卸载:即利用DPU集成一部分数据处理的基本功能,然后将这些功能从CPU中卸载下来,以提升CPU针对部分应用的算力;DPU的部分价值体现在节省这部分算力的成本-DPU自身的成本;因此DPU节省的算力越多,或DPU的成本越低,其带来的价值越高;与此同时,由于DPU的专用化,DPU将部分涉及网络、存储、安全、管理相关的控制功能卸载之后,还将使得业务性能得以提升,因此DPU的另一部分价值在于其可为业务节省的时间与使用体验;根据技术邻数据,在大型数据中心的场景之中,DPU的算力卸载功能可用于减少数据中心税;由于在数据中心流量处理占了计算30%的资源,AWS将这些还未运行业务程序,先接入网络数据就要占去的计算资源称为“数据中心税”;在数据安全场景中,DPU由于其独立、安全的架构,可将部分加密、解密算法固化在DPU硬件之中,以物理隔离的方式解决用户在海量数据的数据安全问题,为外部网络业务租户之间提供额外的安全层;
算力释放:算力释放无需CPU介入多次访问内存和外设,避免不必要的数据搬运,拷贝和上下文的切换,直接在网卡硬件上对数据完成处理并交付给最终消费数据的应用;传统以CPU为中心的计算机体系结构在处理数据的过程中需要多次在内核和应用之间拷贝和访问数据,带来的是极大的性能损耗;以数据为中心的DPU架构则可以有效改善CPU过度参与数据处理的问题,在数据处理的过程中不需要CPU参与,直接将数据送达应用、相关的GPU或者存储设备,能够有效避免性能瓶颈和由于CPU负载过大而引发的异常;DPU架构和技术,使服务器上运行的业务应用和操作系统内核,用简单的本地存储访问API,就能实现对分布式、超融合或软件定义存储系统的高效透明访问;存储厂商可以把为各行业应用开发的直连式存储、纵向扩展、横向扩展、超融合架构等存储解决方案,零开销地推广到各个应用领域的现有业务处理平台和数据中心基础架构中,而所有的安全加密、数据压缩、负载均衡等复杂又必须的功能则完全由DPU透明地卸载;存储行业的革新算法和实现,可以在DPU架构中,独立于服务器操作系统进行部署;DPU技术帮助存储厂商实现真正的“算存分离”,完全发挥自家产品的技术优势,打通最高效服务应用需求的通路;
算力扩展:算力扩展即通过有效避免拥塞消除跨节点的网络通信瓶颈,显著降低分布式应用任务周期中的通信耗时占比,在大规模的集群维度提升计算集群的整体算力;为了提升算力,业界在多条路径上持续演进;通用CPU已很难继续通过提升单核单线程的性能和扩展片内多核的方式来大幅提升算力;单核芯片的工艺提升至3nm后,发展放缓;通过叠加多核提升算力,随着核数的增加,单位算力功耗也会显著增长,当128核增至256核时,总算力水平无法线性提升;在计算单元的工艺演进已经逼近基线,为了满足大算力的需求,通过分布式系统,扩大计算集群规模,提升网络带宽,降低网络延迟成为提升数据中心集群算力的主要手段;
图像捕捉单元的输出端连接有图像对比单元,图像对比单元的输入端连接有数据库;
图像对比单元的输出端分别连接有过筛处理单元和图像重合报警,过筛处理单元和图像重合报警之间电性并联连接;
视频处理模块中包括视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正,视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正之间电性并联连接;
视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正的输出端与图像捕捉单元之间电性串联连接,视频处理模块可通过参数预设车载终端拍照条件;在拍照时,可设置拍照参数,照片检索可按照时间、拍照原因等条件进行检索并对符合要求的照片上传;
其中拍照参数包括照片大小、成像质量、亮度、对比度、色度、饱和度、连续拍照张数、连续拍照时间间隔属性;
S4、在解析器3中可以分别对视频内容进行纠正处理,以及视频内容的位置角度以及拍摄角度进行调整处理,其中也可以对视频的分辨率进行控制,并对重复的视频数据进行删除;
S5、在视频中解析处理后截取对应的图像内容,将图像内容与数据库的驾驶人员姿态预设图片进行对比,由此对驾驶人的驾驶状态进行判断;
S6、如图像对比后相一致,则触发图像重合报警,以此对驾驶人进行实时提示;
图像重合报警的主要功能有:驾驶行为预警功能、前向预警功能、驾驶行为记录功能、定位与视频功能、以及语音对讲功能;
驾驶行为记录功能中包括驾驶员疲劳报警;驾驶员吸烟报警;驾驶员使用手机报警;驾驶员注意力分散报警;驾驶员异常报警、驾驶员闭眼、打哈欠、抽烟、打电话、左顾右看等预警;
S7、如图像对比后不一致,则会将图像以及视频内容导入过筛处理单元中逐个清理。
以上所述,仅为本发明较佳的具体实施方式,但本发明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发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.高性能闪存阵列视频识别设备,包括核心交换机(1),其特征在于:所述核心交换机(1)的前端分别插接有视频采集模块(2)和解析器(3);
所述核心交换机(1)包括设备箱,所述设备箱的顶部固定连接有密封盖板,所述设备箱的前端内嵌有显示屏,所述显示屏的一侧设有与设备箱前端相连接的插口端;
所述核心交换机(1)与视频采集模块(2)之间为电连接,所述核心交换机(1)与解析器(3)之间为电连接。
2.根据权利要求1所述的高性能闪存阵列视频识别设备,其特征在于:所述视频采集模块(2)中包括若干个视频设备和若干个收音设备,所述视频设备和收音设备的输出端均与数据整合单元之间为电连接;
若干个视频设备和若干个收音设备之间电连接。
3.一种高性能闪存阵列视频识别的方法,其特征在于:利用权利要求1或2所述高性能闪存阵列视频识别设备,具体步骤如下:
S1、通过多个视频设备对外部环境进行持续性拍摄操作,在视频设备的拍摄过程中,利用相对应的收音设备对环境音频内容进行收集,由此保持视频与收音操作之间的同步性,并利用数据整合单元对视频和音频数据进行整合处理;
S2、将整合后的数据内容传输至核心交换机(1),其核心交换机(1)内部采用DPU处理器;
DPU处理器处理的任务包括数据保护、数据移动和数据分析功能;由于每个数据中心都具有不同的架构和要求,所述DPU处理器设为可编程处理器;
DPU处理器的可编程性使DPU处理器能够在高度变化的工作负载和要求下提升效率;DPU处理器采用一组协处理器的形式,所述一组协处理器的形式具有面向数据处理的特定指令和硬件加速的形式,以增强处理单元有效地处理数据;
DPU处理器采用低功耗内核和具有卸载功能的协处理器;所述DPU处理器具备处理器和加速器的完整组合以及决策能力,由此调动资源应用于与数据相关的问题;
数据平面和控制平面的处理均在内核中进行,其中每个内核或内核组就何时以及如何使用协处理器或加速器来增强功能做出决策;每个内核的功耗均低于ARM或x86内核,由此降低功耗;
CPU将始终执行运行中的用户应用程序、虚拟机和容器的工作,而GPU处理并行计算;DPU执行DPU网络、DPU安全和DPU存储功能;
算力提升与数据增幅呈现剪刀差,DPU有效减少算力损耗;算力供给与需求形成剪刀差,以DPU为代表的异构计算具备将部分通用功能场景化、平台化的特点,实现算法加速并减少CPU功耗,减少高达30%的数据中心算力税;
S3、通过核心交换机(1)将数据传输至解析器(3),通过解析器(3)对数据进行统一分析操作,分析操作采用的算法如下:
算力卸载:即利用DPU处理器集成一部分数据处理的基本功能,将基本功能从CPU中卸载,以提升CPU针对部分应用的算力;DPU处理器的部分价值体现在节省算力的成本、DPU处理器自身的成本;因此DPU节省的算力越多,或DPU的成本越低,其带来的价值越高;与此同时,由于DPU处理器的专用化,DPU处理器将部分涉及网络、存储、安全、管理相关的控制功能卸载后,实现性能提升,DPU处理器的另一部分价值在于节省的时间与使用体验;根据技术数据,在大型数据中心的场景之中,DPU处理器的算力卸载功能用于减少数据中心税;由于在数据中心流量处理占了计算30%的资源,在数据安全场景中,DPU处理器由于其独立、安全的架构,将部分加密、解密算法固化在DPU硬件之中,以物理隔离的方式解决用户在海量数据的数据安全问题,为外部网络业务租户之间提供额外的安全层;
算力释放:算力释放无需CPU介入多次访问内存和外设,避免不必要的数据搬运,拷贝和上下文的切换,直接在网卡硬件上对数据完成处理并交付给最终消费数据的应用,在数据处理的过程中不需要CPU参与,直接将数据送达应用、相关的GPU或者存储设备,能够有效避免性能瓶颈和由于CPU负载过大而引发的异常;DPU架构和技术,使服务器上运行的业务应用和操作系统内核,用简单的本地存储访问API,实现对分布式、超融合或软件定义存储系统的高效透明访问;
算力扩展:算力扩展即通过有效避免拥塞消除跨节点的网络通信瓶颈,显著降低分布式应用任务周期中的通信耗时占比,在大规模的集群维度提升计算集群的整体算力;通过叠加多核提升算力,随着核数的增加,单位算力功耗增长,当128核增至256核时,总算力水平无法线性提升;通过分布式系统,扩大计算集群规模,提升网络带宽,降低网络延迟成为提升数据中心集群算力的主要手段;
S4、在解析器(3)中分别对视频内容进行纠正处理,以及视频内容的位置角度以及拍摄角度进行调整处理,由此对视频的分辨率进行控制,并对重复的视频数据进行删除;
S5、在视频中解析处理后截取对应的图像内容,将图像内容与数据库的驾驶人员姿态预设图片进行对比,由此对驾驶人的驾驶状态进行判断;
S6、如图像对比后相一致,则触发图像重合报警,以此对驾驶人进行实时提示;
S7、如图像对比后不一致,则会将图像以及视频内容导入过筛处理单元中逐个清理。
4.根据权利要求3所述的高性能闪存阵列视频识别的方法,其特征在于:所述视频设备的安装数量与收音设备的安装数量之间相同,每个视频设备与对应的收音设备之间相连接配合。
5.根据权利要求3所述的高性能闪存阵列视频识别的方法,其特征在于:所述解析器(3)中包括视频处理模块和图像捕捉单元,所述视频处理模块的输入端与核心交换机(1)之间电连接,所述视频处理模块的输出端电连接有图像捕捉单元。
6.根据权利要求5所述的高性能闪存阵列视频识别的方法,其特征在于:所述图像捕捉单元的输出端连接有图像对比单元,所述图像对比单元的输入端连接有数据库;
所述图像对比单元的输出端分别连接有过筛处理单元和图像重合报警,所述过筛处理单元和图像重合报警之间电连接。
7.根据权利要求5所述的高性能闪存阵列视频识别的方法,其特征在于:所述视频处理模块中包括视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正,所述视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正之间电连接。
8.根据权利要求7所述的高性能闪存阵列视频识别的方法,其特征在于:所述视频纠正单元、位置校正单元、视频分辨率调整以及重复数据纠正的输出端与图像捕捉单元之间电连接,视频处理模块通过参数预设车载终端拍照条件,在拍照时,设置拍照参数,按照时间、拍照原因进行照片检索并对符合要求的照片上传;
其中拍照参数包括照片大小、成像质量、亮度、对比度、色度、饱和度、连续拍照张数、连续拍照时间间隔属性。
9.根据权利要求6所述的高性能闪存阵列视频识别的方法,其特征在于:所述图像重合报警中包括:驾驶行为预警功能、前向预警功能、驾驶行为记录功能、定位与视频功能以及语音对讲。
10.根据权利要求9所述的高性能闪存阵列视频识别的方法,其特征在于:所述驾驶行为记录功能中包括驾驶员疲劳报警、驾驶员吸烟报警、驾驶员使用手机报警、驾驶员注意力分散报警、驾驶员异常报警、驾驶员闭眼、打哈欠、抽烟、打电话、左顾右看预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303757.3A CN117041503A (zh) | 2023-10-10 | 2023-10-10 | 高性能闪存阵列视频识别设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311303757.3A CN117041503A (zh) | 2023-10-10 | 2023-10-10 | 高性能闪存阵列视频识别设备及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117041503A true CN117041503A (zh) | 2023-11-10 |
Family
ID=88643457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311303757.3A Pending CN117041503A (zh) | 2023-10-10 | 2023-10-10 | 高性能闪存阵列视频识别设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117041503A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751663A (zh) * | 2015-02-28 | 2015-07-01 | 北京壹卡行科技有限公司 | 驾驶员安全驾驶辅助系统和方法 |
CN106790367A (zh) * | 2016-11-15 | 2017-05-31 | 山东省科学院自动化研究所 | 大数据处理的车辆安全隐患预警和事故重现系统及方法 |
US20190188505A1 (en) * | 2017-12-14 | 2019-06-20 | COM-IoT Technologies | Distracted driver detection |
US20190213429A1 (en) * | 2016-11-21 | 2019-07-11 | Roberto Sicconi | Method to analyze attention margin and to prevent inattentive and unsafe driving |
CN210047427U (zh) * | 2019-04-10 | 2020-02-11 | 广东晓兰客车有限公司 | 一种城市公交车驾驶员风险驾驶行为检测的车载装置 |
KR20200110518A (ko) * | 2019-03-13 | 2020-09-24 | 김태형 | 다채널 양방향 무선데이터 통신모듈을 장착하여 모든 기능 및 장치 설정을 무선으로 조정 및 관리하는 애프터마켓용 지능형 운전자 보조지원시스템 및 구현방법 |
CN112686090A (zh) * | 2020-11-04 | 2021-04-20 | 北方工业大学 | 一种公交车内异常行为智能监控系统 |
CN114348017A (zh) * | 2021-12-17 | 2022-04-15 | 际络科技(上海)有限公司 | 基于车载终端和云端解析的驾驶员监控方法和系统 |
CN114446010A (zh) * | 2022-04-11 | 2022-05-06 | 天津市普迅电力信息技术有限公司 | 一种车载机器人系统及其驾驶管理方法 |
US20220355802A1 (en) * | 2021-05-10 | 2022-11-10 | Qualcomm Incorporated | Detecting driving behavior of vehicles |
-
2023
- 2023-10-10 CN CN202311303757.3A patent/CN117041503A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751663A (zh) * | 2015-02-28 | 2015-07-01 | 北京壹卡行科技有限公司 | 驾驶员安全驾驶辅助系统和方法 |
CN106790367A (zh) * | 2016-11-15 | 2017-05-31 | 山东省科学院自动化研究所 | 大数据处理的车辆安全隐患预警和事故重现系统及方法 |
US20190213429A1 (en) * | 2016-11-21 | 2019-07-11 | Roberto Sicconi | Method to analyze attention margin and to prevent inattentive and unsafe driving |
US20190188505A1 (en) * | 2017-12-14 | 2019-06-20 | COM-IoT Technologies | Distracted driver detection |
KR20200110518A (ko) * | 2019-03-13 | 2020-09-24 | 김태형 | 다채널 양방향 무선데이터 통신모듈을 장착하여 모든 기능 및 장치 설정을 무선으로 조정 및 관리하는 애프터마켓용 지능형 운전자 보조지원시스템 및 구현방법 |
CN210047427U (zh) * | 2019-04-10 | 2020-02-11 | 广东晓兰客车有限公司 | 一种城市公交车驾驶员风险驾驶行为检测的车载装置 |
CN112686090A (zh) * | 2020-11-04 | 2021-04-20 | 北方工业大学 | 一种公交车内异常行为智能监控系统 |
US20220355802A1 (en) * | 2021-05-10 | 2022-11-10 | Qualcomm Incorporated | Detecting driving behavior of vehicles |
CN114348017A (zh) * | 2021-12-17 | 2022-04-15 | 际络科技(上海)有限公司 | 基于车载终端和云端解析的驾驶员监控方法和系统 |
CN114446010A (zh) * | 2022-04-11 | 2022-05-06 | 天津市普迅电力信息技术有限公司 | 一种车载机器人系统及其驾驶管理方法 |
Non-Patent Citations (3)
Title |
---|
刘为壮: "基于MPSoC的疲劳驾驶检测软硬件协同设计", 《CNKI》 * |
未来智库: "DPU行业专题报告:ChaGPT推高算力需求,DPU支撑算力效率提升", pages 1, Retrieved from the Internet <URL:https://mbd.baidu.com/newspage/data/landingsuper?rs=2534807439&ruk=NA6lIFmNh_Wtc3gqixzeFQ&pageType=1&isBdboxFrom=1&sid_for_share=&urlext=%7B%22cuid%22%3A%22YaHct0aRvugzi2uw_uvragaLvuY8iSuIla-HtguSv8_huSuu_uvQa08XSRrokSu-h6EmA%22%7D&context=%7B%22nid%22%3A%22news_10056473891290628226%22, %22sourceFrom%22%3A%22search%22%7D> * |
架构师技术联盟: "数据中心为什么需要DPU", pages 3 - 5, Retrieved from the Internet <URL:https://mp.weixin.qq.com/s/Mk-AKM2u72MOmIOZc6WBTg> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI781517B (zh) | 兩輪車轉向預警系統、方法、裝置及相應的兩輪車 | |
CN105336105B (zh) | 一种预防疲劳驾驶的方法、智能设备及系统 | |
CN109191770A (zh) | 智能车载监测方法及其传输系统 | |
CN211209824U (zh) | 社区智能安防监控系统 | |
CN105345805A (zh) | 校园夜间安全巡逻机器人 | |
CN112584058B (zh) | 图像采集系统、方法及装置 | |
US20140118131A1 (en) | Monitoring and warning system for vehicles | |
CN113852795B (zh) | 视频画面调整方法、装置、电子设备及存储介质 | |
CN109326125B (zh) | 基于嵌入式系统的图片质量诊断系统及诊断方法 | |
CN111985373A (zh) | 基于交通路口识别的安全预警方法、装置及电子设备 | |
CN110606090A (zh) | 一种基于疲劳检测的驾驶员监控系统及方法 | |
CN106781280A (zh) | 一种汽车安全行驶实时监测装置 | |
CN201286153Y (zh) | 车载视频监控系统 | |
CN113379705B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN109886229A (zh) | 基于fpga的车牌人脸识别系统及方法 | |
CN117041503A (zh) | 高性能闪存阵列视频识别设备及方法 | |
CN108860159A (zh) | 司机行为主动预警系统 | |
CN212781222U (zh) | 车辆损伤监控系统 | |
CN213070072U (zh) | 一种车载全景防火监控摄像系统 | |
CN212709187U (zh) | 车窗总成及行车安全辅助系统 | |
CN205384656U (zh) | 一种智能行车记录仪 | |
CN112242057B (zh) | 信号灯的控制方法、系统、装置、设备及存储介质 | |
CN114283601A (zh) | 车辆驾驶方法、系统、电视机以及存储介质 | |
CN103879346B (zh) | 一种低警觉度驾驶预警方法及装置 | |
CN202444569U (zh) | 基于Android环境的视频数据实时传输系统 |
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 |