CN117593171A - 基于fpga的图像采集储存处理方法 - Google Patents
基于fpga的图像采集储存处理方法 Download PDFInfo
- Publication number
- CN117593171A CN117593171A CN202410053399.3A CN202410053399A CN117593171A CN 117593171 A CN117593171 A CN 117593171A CN 202410053399 A CN202410053399 A CN 202410053399A CN 117593171 A CN117593171 A CN 117593171A
- Authority
- CN
- China
- Prior art keywords
- resource
- unit
- surplus
- logic
- evaluation coefficient
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims description 111
- 238000000034 method Methods 0.000 claims description 33
- 230000007812 deficiency Effects 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 19
- 238000011084 recovery Methods 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 abstract description 10
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了基于FPGA的图像采集储存处理方法，涉及图像采集处理技术领域，通过优化逻辑资源使用、评估资源过剩和不足情况、最佳共享资源分配，节约资源成本，并提供灵活的系统配置，从而有效提高系统效率和性能，降低成本，增强系统灵活性，这些优点使得该方法在图像处理领域具有广泛的应用前景，通过资源共享和资源分配优化，有效利用了FPGA的并行处理能力和高速数据处理能力，提高了系统的处理效率和性能，提供更快速、准确的图像采集处理结果，通过获取的资源过剩评估系数和资源不足评估系数，能够准确评估目标系统中各储存单元的资源情况，有助于及时发现和解决资源过剩和不足的问题。
Description
技术领域
本发明涉及图像采集处理技术领域，具体涉及基于FPGA的图像采集储存处理方法。
背景技术
FPGA是一种可重新配置的集成电路，通过编程可以实现特定的数字逻辑储存功能，FPGA具有并行处理能力和高度灵活性，常适合用于图像储存处理领域，随着FPGA技术在图像储存处理领域的不断发展和成熟，使其FPGA的图像采集储存处理技术能够具有足够的灵活性和可重构性，从而，基于FPGA的图像采集储存处理方法应运而生。
但是当前技术缺乏有效的资源过剩和不足评估机制，可能导致系统中部分资源被浪费或者无法充分利用，很显然这种图像采集储存处理方法至少具有以下方面问题：1、当前技术中的图像采集储存处理方法缺乏有效的资源过剩和不足评估机制，导致系统中部分资源被浪费或者无法充分利用，这可能会导致系统性能下降，无法满足实时性和高性能的需求，同时，在图像采集储存处理过程中，不同的储存单元或任务对逻辑资源的需求可能存在差异，当前的方法往往无法准确评估和分析逻辑资源的使用情况，导致资源分配不均衡，一些储存单元可能过剩而其他储存单元可能不足，导致资源利用效率低下、资源不均衡。
2、当前技术中的图像采集储存处理往往缺乏动态调整的能力，无法根据实际需求和资源情况进行实时的资源分配和调度，这可能导致系统无法适应不同的工作负载和变化的环境需求，同时，对于实时性要求较高的应用场景，如果系统无法根据实际需求和资源情况进行实时调整，可能无法满足实时图像处理的要求，这会导致图像采集储存处理的时效性降低，影响系统的实时反馈能力。
发明内容
[针对上述存在的技术不足，本发明的目的是提供基于FPGA的图像采集储存处理方法。
为解决上述技术问题，本发明采用如下技术方案：本发明提供基于FPGA的图像采集储存处理方法，包括：步骤一、逻辑资源使用数据的获取：通过摄像头采集到各光学信号，并将摄像头采集到各光学信号转为各数字信号，从而将各数字信号储存到目标系统各储存单元中，进而获取目标系统中各储存单元对应的逻辑资源使用数据，逻辑资源使用数据包括计算复杂度、逻辑单元使用率、乘法器使用量和各约束集对应的文件数量。
步骤二、逻辑资源使用情况的判断：根据目标系统中各储存单元对应的逻辑资源使用数据，分析得到目标系统中各储存单元对应的逻辑资源使用评估系数，并判断目标系统中各储存单元的逻辑资源使用情况，并将目标系统中逻辑资源使用过剩的各储存单元记为各资源过剩单元，将目标系统中逻辑资源使用不足的各储存单元记为各资源不足单元。
步骤三、资源评估系数的获取：获取各资源过剩单元对应的过剩应用数据，过剩应用数据包括资源利用率和资源闲置时长，分析得到各资源过剩单元对应的资源过剩评估系数，获取各资源不足单元对应的不足应用数据，不足应用数据包括资源占用率和吞吐量，分析得到各资源不足单元对应的资源不足评估系数。
步骤四、最佳共享单元的分析：根据各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数，进而分析各资源不足单元对应的最佳共享资源过剩单元，并将各资源不足单元与对应的最佳共享资源过剩单元进行资源共享。
步骤五、容错检测的分析：当各资源不足单元与对应的最佳共享资源过剩单元进行资源共享，从而对资源共享后的各储存单元进行检测，进而获取资源共享后的各储存单元对应的容错数据，分析得到资源共享后的各储存单元对应的容错评估系数，并判断资源共享后的各储存单元是否运行稳定。
优选地，所述分析得到目标系统中各储存单元对应的逻辑资源使用评估系数，具体分析过程如下：将目标系统中各储存单元对应的计算复杂度、逻辑单元使用率、乘法器使用量和各约束集对应的文件数量分别记为、/>、/>和/>，其中，/>表示各储存单元对应的编号，/>，/>表示各约束集对应的编号，/>，n为大于2的任意整数，u为大于2的任意整数，代入计算公式/>中，得到目标系统中各储存单元对应的逻辑资源使用评估系数/>，其中，/>、/>、/>、/>分别为设定的单元对应的标准计算复杂度、标准逻辑单元使用率、标准乘法器使用量、约束集对应的标准文件数量，/>、/>、/>、/>分别为设定的单元计算复杂度对应的权重因子、单元逻辑单元使用率对应的权重因子、单元乘法器使用量对应的权重因子、约束集文件数量对应的权重因子。
优选地，所述判断目标系统中各储存单元的逻辑资源使用情况，具体判断过程如下：将目标系统中各储存单元对应的逻辑资源使用评估系数与设定的标准单元对应的逻辑资源使用评估系数进行对比，若目标系统中某单元对应的逻辑资源使用评估系数大于或者等于设定的标准单元对应的逻辑资源使用评估系数，则判定目标系统中该单元的逻辑资源使用不足，若目标系统中某单元对应的逻辑资源使用评估系数小于设定的标准单元对应的逻辑资源使用评估系数，则判定目标系统中该单元的逻辑资源使用过剩，以此方式判断目标系统中各储存单元的逻辑资源使用情况。
优选地，所述分析得到各资源过剩单元对应的资源过剩评估系数，具体分析过程如下：将各资源过剩单元对应的资源利用率和资源闲置时长分别记为和/>，其中，/>表示各资源过剩单元对应的编号，/>，m为大于2的任意整数，代入计算公式中，得到各资源过剩单元对应的资源过剩评估系数/>，其中，/>、/>分别为设定的资源过剩单元对应的标准资源利用率、标准资源闲置时长，/>、/>分别为设定的资源过剩单元资源利用率对应的权重因子、资源过剩单元资源闲置时长对应的权重因子。
优选地，所述分析得到各资源不足单元对应的资源不足评估系数，具体分析过程如下：将各资源不足单元对应的资源占用率和吞吐量分别记为和/>，其中，/>表示各资源不足单元对应的编号，/>，b为大于2的任意整数，代入计算公式中，得到各资源不足单元对应的资源不足评估系数/>，其中，/>、/>分别为设定的资源不足单元对应的标准资源占用率、标准吞吐量，/>、/>分别为设定的资源不足单元资源占用率对应的权重因子、资源不足单元吞吐量对应的权重因子。
优选地，所述分析各资源不足单元对应的最佳共享资源过剩单元，具体分析过程如下：A1、将各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数进行差值计算，进而得到各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数的差值。
A2、将各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数的差值按照从小到大的顺序进行排列，若某资源过剩单元对应的资源过剩评估系数和某资源不足单元对应的资源不足评估系数的差值最大，则将该差值最大对应的该资源过剩单元作为该资源不足单元的最佳共享资源过剩单元，以此方式分析各资源不足单元对应的最佳共享资源过剩单元。
优选地，所述容错数据包括故障率、故障恢复时长和影响范围。
优选地，所述分析得到资源共享后的各储存单元对应的容错评估系数，具体分析过程如下：将资源共享后的各储存单元对应的故障率、故障恢复时长和影响范围分别记为、/>和/>，其中，/>表示各储存单元对应的编号，/>，n为大于2的任意整数，代入计算公式/>中，得到资源共享后的各储存单元对应的容错评估系数/>，其中，/>、/>、/>分别为设定的资源共享后的储存单元对应的标准故障率、标准故障恢复时长、标准影响范围，/>、/>、/>分别为设定的资源共享后的储存单元故障率对应的权重因子、故障恢复时长对应的权重因子、影响范围对应的权重因子。
优选地，所述判断资源共享后的各储存单元是否运行稳定，具体判断过程如下：将资源共享后的各储存单元对应的容错评估系数与设定的标准资源共享后的储存单元对应的容错评估系数进行对比，若资源共享后的某储存单元对应的容错评估系数小于设定的标准资源共享后的储存单元对应的容错评估系数，则判定资源共享后的该储存单元运行不稳定，若资源共享后的某储存单元对应的容错评估系数大于或者等于设定的标准资源共享后的储存单元对应的容错评估系数，则判定资源共享后的该储存单元运行稳定，以此方式判断资源共享后的各储存单元是否运行稳定。
本发明的有益效果在于：1、本发明提供基于FPGA的图像采集储存处理方法，通过优化逻辑资源使用、评估资源过剩和不足情况、最佳共享资源分配，节约资源成本，并提供灵活的系统配置，从而有效提高系统效率和性能，降低成本，增强系统灵活性，这些优点使得该方法在图像储存处理领域具有广泛的应用前景。
2、本发明实施例，通过获取实时的逻辑资源使用数据，并根据评估系数进行资源分析和判断，实现了对图像采集处理方法的动态调整能力，同时，通过资源共享和资源分配优化，有效利用了FPGA的并行处理能力和高速数据处理能力，提高了系统的处理效率和性能，系统可以更好地适应不同的图像处理任务和应用场景，提供更快速、准确的图像采集处理结果。
3、本发明实施例，通过获取的资源过剩评估系数和资源不足评估系数，能够准确评估目标系统中各储存单元的资源情况，有助于及时发现和解决资源过剩和不足的问题。
4、本发明实施例，通过容错评估系数的计算，可以全面评估资源共享后的各储存单元的容错能力。这有助于识别哪些储存单元在资源共享后表现稳定，哪些储存单元可能存在潜在的容错问题，可以帮助系统管理员和运维人员优化资源配置。可以根据容错评估系数的结果，对资源共享后的各储存单元进行调整，以实现更合理的资源分配和提高系统整体的稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程图。
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例如图1所示，基于FPGA的图像采集储存处理方法，包括：步骤一、逻辑资源使用数据的获取：通过摄像头采集到各光学信号，并将摄像头采集到各光学信号转为各数字信号，从而将各数字信号储存到目标系统各储存单元中，进而获取目标系统中各储存单元对应的逻辑资源使用数据，逻辑资源使用数据包括计算复杂度、逻辑单元使用率、乘法器使用量和各约束集对应的文件数量。
需要说明的是，通过分析算法中的计算操作循环次数。循环次数越多，计算复杂度越高，计算复杂度=循环次数×循环体内的计算操作数量，其中，循环次数是指循环结构的执行次数，循环体内的计算操作数量是指在循环体内执行的计算操作的数量。
还需要说明的是，使用FPGA设计工具编译并生成设计的综合报告，其中包括了逻辑单元使用率、乘法器使用量。
还需要说明的是，通过FPGA设计工具提供的约束管理功能来管理和设置。可以根据设计中使用的约束集的数量来获取各约束集对应的文件数量。
步骤二、逻辑资源使用情况的判断：根据目标系统中各储存单元对应的逻辑资源使用数据，分析得到目标系统中各储存单元对应的逻辑资源使用评估系数，并判断目标系统中各储存单元的逻辑资源使用情况，并将目标系统中逻辑资源使用过剩的各储存单元记为各资源过剩单元，将目标系统中逻辑资源使用不足的各储存单元记为各资源不足单元。
在一个具体的实施例中，所述分析得到目标系统中各储存单元对应的逻辑资源使用评估系数，具体分析过程如下：将目标系统中各储存单元对应的计算复杂度、逻辑单元使用率、乘法器使用量和各约束集对应的文件数量分别记为、/>、/>和/>，其中，/>表示各储存单元对应的编号，/>，/>表示各约束集对应的编号，/>，n为大于2的任意整数，u为大于2的任意整数，代入计算公式中，得到目标系统中各储存单元对应的逻辑资源使用评估系数/>，其中，/>、/>、/>、/>分别为设定的单元对应的标准计算复杂度、标准逻辑单元使用率、标准乘法器使用量、约束集对应的标准文件数量，/>、/>、/>、/>分别为设定的单元计算复杂度对应的权重因子、单元逻辑单元使用率对应的权重因子、单元乘法器使用量对应的权重因子、约束集文件数量对应的权重因子。
需要说明的是，、/>、/>、/>均大于0且小于1。
在另一个具体的实施例中，所述判断目标系统中各储存单元的逻辑资源使用情况，具体判断过程如下：将目标系统中各储存单元对应的逻辑资源使用评估系数与设定的标准单元对应的逻辑资源使用评估系数进行对比，若目标系统中某单元对应的逻辑资源使用评估系数大于或者等于设定的标准单元对应的逻辑资源使用评估系数，则判定目标系统中该单元的逻辑资源使用不足，若目标系统中某单元对应的逻辑资源使用评估系数小于设定的标准单元对应的逻辑资源使用评估系数，则判定目标系统中该单元的逻辑资源使用过剩，以此方式判断目标系统中各储存单元的逻辑资源使用情况。
本发明实施例，通过获取的资源过剩评估系数和资源不足评估系数，能够准确评估目标系统中各储存单元的资源情况，有助于及时发现和解决资源过剩和不足的问题。
步骤三、资源评估系数的获取：获取各资源过剩单元对应的过剩应用数据，过剩应用数据包括资源利用率和资源闲置时长，分析得到各资源过剩单元对应的资源过剩评估系数，获取各资源不足单元对应的不足应用数据，不足应用数据包括资源占用率和吞吐量，分析得到各资源不足单元对应的资源不足评估系数。
需要说明的是，资源利用率可以通过监测和记录资源单元的使用情况来获取，可以使用FPGA设计工具提供的资源统计功能，或者通过监测设计中各资源单元的占用状态来获取。通过统计资源单元的利用时间和总时间，可以计算出资源利用率，资源利用率可以表示为资源单元被利用的时间与总时间的比率。
还需要说明的是，资源闲置时长是指资源单元在一段时间内未被使用的时间长度。可以通过监测资源单元的占用状态和空闲状态的转换来获取资源闲置时长，通过记录资源单元空闲的起始时间和结束时间，得到资源闲置时长。
在一个具体的实施例中，所述分析得到各资源过剩单元对应的资源过剩评估系数，具体分析过程如下：将各资源过剩单元对应的资源利用率和资源闲置时长分别记为和/>，其中，/>表示各资源过剩单元对应的编号，/>，m为大于2的任意整数，代入计算公式/>中，得到各资源过剩单元对应的资源过剩评估系数/>，其中，/>、/>分别为设定的资源过剩单元对应的标准资源利用率、标准资源闲置时长，/>、/>分别为设定的资源过剩单元资源利用率对应的权重因子、资源过剩单元资源闲置时长对应的权重因子。
需要说明的是，、/>均大于0且小于1。
需要说明的是，资源占用率可以通过监测和记录资源单元的使用情况来获取。可以使用FPGA设计工具提供的资源统计功能，或者通过监测设计中各资源单元的占用状态来获取。通过统计资源单元被占用的时间和总时间，可以计算出资源占用率。资源占用率可以表示为资源单元被占用的时间与总时间的比率。
还需要说明的是，吞吐量是指系统在单位时间内完成的任务数量或数据量。可以通过监测系统的输入和输出数据量，并记录单位时间内的任务完成情况来获取吞吐量。通过统计单位时间内完成的任务数量或数据量，可以计算出吞吐量。
在另一个具体的实施例中，所述分析得到各资源不足单元对应的资源不足评估系数，具体分析过程如下：将各资源不足单元对应的资源占用率和吞吐量分别记为和/>，其中，/>表示各资源不足单元对应的编号，/>，b为大于2的任意整数，代入计算公式中，得到各资源不足单元对应的资源不足评估系数/>，其中，/>、/>分别为设定的资源不足单元对应的标准资源占用率、标准吞吐量，/>、/>分别为设定的资源不足单元资源占用率对应的权重因子、资源不足单元吞吐量对应的权重因子。
需要说明的是，、/>均大于0且小于1。
步骤四、最佳共享单元的分析：根据各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数，进而分析各资源不足单元对应的最佳共享资源过剩单元，并将各资源不足单元与对应的最佳共享资源过剩单元进行资源共享。
在一个具体的实施例中，所述分析各资源不足单元对应的最佳共享资源过剩单元，具体分析过程如下：A1、将各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数进行差值计算，进而得到各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数的差值。
A2、将各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数的差值按照从小到大的顺序进行排列，若某资源过剩单元对应的资源过剩评估系数和某资源不足单元对应的资源不足评估系数的差值最大，则将该差值最大对应的该资源过剩单元作为该资源不足单元的最佳共享资源过剩单元，以此方式分析各资源不足单元对应的最佳共享资源过剩单元。
本发明实施例，通过获取实时的逻辑资源使用数据，并根据评估系数进行资源分析和判断，实现了对图像采集处理方法的动态调整能力，同时，通过资源共享和资源分配优化，有效利用了FPGA的并行处理能力和高速数据处理能力，提高了系统的处理效率和性能，系统可以更好地适应不同的图像处理任务和应用场景，提供更快速、准确的图像采集处理结果。
步骤五、容错检测的分析：当各资源不足单元与对应的最佳共享资源过剩单元进行资源共享，从而对资源共享后的各储存单元进行检测，进而获取资源共享后的各储存单元对应的容错数据，分析得到资源共享后的各储存单元对应的容错评估系数，并判断资源共享后的各储存单元是否运行稳定。
在一个具体的实施例中，所述容错数据包括故障率、故障恢复时长和影响范围。
需要说明的是，通过系统日志、监控系统、故障报告等途径获取，收集各资源不足单元和对应的最佳共享资源过剩单元的运行数据，包括故障发生时间、故障类型、故障恢复时间、影响范围等信息，计算每个储存单元的故障率。故障率通过故障发生次数除以总的观测时间来计算，记录每次故障发生的时间点和故障恢复的时间点，通过每个储存单元的故障恢复时长的平均值，得到故障恢复时长，记录每次故障发生时，受影响的数据量。这可以是以文件大小、数据记录条数、数据库表数量等形式来表示。根据具体情况，可以统计每次故障对系统中存储的影响范围。
在另一个具体的实施例中，所述分析得到资源共享后的各储存单元对应的容错评估系数，具体分析过程如下：将资源共享后的各储存单元对应的故障率、故障恢复时长和影响范围分别记为、/>和/>，其中，/>表示各储存单元对应的编号，/>，n为大于2的任意整数，代入计算公式/>中，得到资源共享后的各储存单元对应的容错评估系数/>，其中，/>、/>、/>分别为设定的资源共享后的储存单元对应的标准故障率、标准故障恢复时长、标准影响范围，/>、/>、/>分别为设定的资源共享后的储存单元故障率对应的权重因子、故障恢复时长对应的权重因子、影响范围对应的权重因子。
需要说明的是，、/>、/>均大于0且小于1。
在另一个具体的实施例中，所述判断资源共享后的各储存单元是否运行稳定，具体判断过程如下：将资源共享后的各储存单元对应的容错评估系数与设定的标准资源共享后的储存单元对应的容错评估系数进行对比，若资源共享后的某储存单元对应的容错评估系数小于设定的标准资源共享后的储存单元对应的容错评估系数，则判定资源共享后的该储存单元运行不稳定，若资源共享后的某储存单元对应的容错评估系数大于或者等于设定的标准资源共享后的储存单元对应的容错评估系数，则判定资源共享后的该储存单元运行稳定，以此方式判断资源共享后的各储存单元是否运行稳定。
需要说明的是，当资源共享后的某储存单元运行不稳定时，需要进行系统优化调整，例如调整配置参数、更新软件版本、优化存储策略等。这些优化调整可以帮助提高储存单元的稳定性和性能。
本发明实施例，通过容错评估系数的计算，可以全面评估资源共享后的各储存单元的容错能力。这有助于识别哪些储存单元在资源共享后表现稳定，哪些储存单元可能存在潜在的容错问题，可以帮助系统管理员和运维人员优化资源配置。可以根据容错评估系数的结果，对资源共享后的各储存单元进行调整，以实现更合理的资源分配和提高系统整体的稳定性。
本发明提供基于FPGA的图像采集储存处理方法，通过优化逻辑资源使用、评估资源过剩和不足情况、最佳共享资源分配，节约资源成本，并提供灵活的系统配置，从而有效提高系统效率和性能，降低成本，增强系统灵活性，这些优点使得该方法在图像处理领域具有广泛的应用前景。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本说明书所定义的范围，均应属于本发明的保护范围。
Claims (9)
1.基于FPGA的图像采集储存处理方法，其特征在于，包括：
步骤一、逻辑资源使用数据的获取：通过摄像头采集到各光学信号，并将摄像头采集到各光学信号转为各数字信号，从而将各数字信号储存到目标系统各储存单元中，进而获取目标系统中各储存单元对应的逻辑资源使用数据，逻辑资源使用数据包括计算复杂度、逻辑单元使用率、乘法器使用量和各约束集对应的文件数量；
步骤二、逻辑资源使用情况的判断：根据目标系统中各储存单元对应的逻辑资源使用数据，分析得到目标系统中各储存单元对应的逻辑资源使用评估系数，并判断目标系统中各储存单元的逻辑资源使用情况，并将目标系统中逻辑资源使用过剩的各储存单元记为各资源过剩单元，将目标系统中逻辑资源使用不足的各储存单元记为各资源不足单元；
步骤三、资源评估系数的获取：获取各资源过剩单元对应的过剩应用数据，过剩应用数据包括资源利用率和资源闲置时长，分析得到各资源过剩单元对应的资源过剩评估系数，获取各资源不足单元对应的不足应用数据，不足应用数据包括资源占用率和吞吐量，分析得到各资源不足单元对应的资源不足评估系数；
步骤四、最佳共享单元的分析：根据各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数，进而分析各资源不足单元对应的最佳共享资源过剩单元，并将各资源不足单元与对应的最佳共享资源过剩单元进行资源共享；
步骤五、容错检测的分析：当各资源不足单元与对应的最佳共享资源过剩单元进行资源共享，从而对资源共享后的各储存单元进行检测，进而获取资源共享后的各储存单元对应的容错数据，分析得到资源共享后的各储存单元对应的容错评估系数，并判断资源共享后的各储存单元是否运行稳定。
2.如权利要求1所述的基于FPGA的图像采集储存处理方法，其特征在于，所述分析得到目标系统中各储存单元对应的逻辑资源使用评估系数，具体分析过程如下：
将目标系统中各储存单元对应的计算复杂度、逻辑单元使用率、乘法器使用量和各约束集对应的文件数量分别记为、/>、/>和/>，其中，/>表示各储存单元对应的编号，，/>表示各约束集对应的编号，/>，n为大于2的任意整数，u为大于2的任意整数，代入计算公式/>中，得到目标系统中各储存单元对应的逻辑资源使用评估系数/>，其中，/>、/>、/>、/>分别为设定的单元对应的标准计算复杂度、标准逻辑单元使用率、标准乘法器使用量、约束集对应的标准文件数量，/>、/>、/>、/>分别为设定的单元计算复杂度对应的权重因子、单元逻辑单元使用率对应的权重因子、单元乘法器使用量对应的权重因子、约束集文件数量对应的权重因子。
3.如权利要求2所述的基于FPGA的图像采集储存处理方法，其特征在于，所述判断目标系统中各储存单元的逻辑资源使用情况，具体判断过程如下：
将目标系统中各储存单元对应的逻辑资源使用评估系数与设定的标准单元对应的逻辑资源使用评估系数进行对比，若目标系统中某单元对应的逻辑资源使用评估系数大于或者等于设定的标准单元对应的逻辑资源使用评估系数，则判定目标系统中该单元的逻辑资源使用不足，若目标系统中某单元对应的逻辑资源使用评估系数小于设定的标准单元对应的逻辑资源使用评估系数，则判定目标系统中该单元的逻辑资源使用过剩，以此方式判断目标系统中各储存单元的逻辑资源使用情况。
4.如权利要求3所述的基于FPGA的图像采集储存处理方法，其特征在于，所述分析得到各资源过剩单元对应的资源过剩评估系数，具体分析过程如下：
将各资源过剩单元对应的资源利用率和资源闲置时长分别记为和/>，其中，/>表示各资源过剩单元对应的编号，/>，m为大于2的任意整数，代入计算公式中，得到各资源过剩单元对应的资源过剩评估系数/>，其中，/>、/>分别为设定的资源过剩单元对应的标准资源利用率、标准资源闲置时长，、/>分别为设定的资源过剩单元资源利用率对应的权重因子、资源过剩单元资源闲置时长对应的权重因子。
5.如权利要求4所述的基于FPGA的图像采集储存处理方法，其特征在于，所述分析得到各资源不足单元对应的资源不足评估系数，具体分析过程如下：
将各资源不足单元对应的资源占用率和吞吐量分别记为和/>，其中，/>表示各资源不足单元对应的编号，/>，b为大于2的任意整数，代入计算公式中，得到各资源不足单元对应的资源不足评估系数/>，其中，/>、/>分别为设定的资源不足单元对应的标准资源占用率、标准吞吐量，/>、/>分别为设定的资源不足单元资源占用率对应的权重因子、资源不足单元吞吐量对应的权重因子。
6.如权利要求5所述的基于FPGA的图像采集储存处理方法，其特征在于，所述分析各资源不足单元对应的最佳共享资源过剩单元，具体分析过程如下：
A1、将各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数进行差值计算，进而得到各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数的差值；
A2、将各资源过剩单元对应的资源过剩评估系数和各资源不足单元对应的资源不足评估系数的差值按照从小到大的顺序进行排列，若某资源过剩单元对应的资源过剩评估系数和某资源不足单元对应的资源不足评估系数的差值最大，则将该差值最大对应的该资源过剩单元作为该资源不足单元的最佳共享资源过剩单元，以此方式分析各资源不足单元对应的最佳共享资源过剩单元。
7.如权利要求1所述的基于FPGA的图像采集储存处理方法，其特征在于，所述容错数据包括故障率、故障恢复时长和影响范围。
8.如权利要求7所述的基于FPGA的图像采集储存处理方法，其特征在于，所述分析得到资源共享后的各储存单元对应的容错评估系数，具体分析过程如下：
将资源共享后的各储存单元对应的故障率、故障恢复时长和影响范围分别记为、/>和/>，其中，/>表示各储存单元对应的编号，/>，n为大于2的任意整数，代入计算公式中，得到资源共享后的各储存单元对应的容错评估系数/>，其中，/>、/>、/>分别为设定的资源共享后的储存单元对应的标准故障率、标准故障恢复时长、标准影响范围，/>、/>、/>分别为设定的资源共享后的储存单元故障率对应的权重因子、故障恢复时长对应的权重因子、影响范围对应的权重因子。
9.如权利要求8所述的基于FPGA的图像采集储存处理方法，其特征在于，所述判断资源共享后的各储存单元是否运行稳定，具体判断过程如下：
将资源共享后的各储存单元对应的容错评估系数与设定的标准资源共享后的储存单元对应的容错评估系数进行对比，若资源共享后的某储存单元对应的容错评估系数小于设定的标准资源共享后的储存单元对应的容错评估系数，则判定资源共享后的该储存单元运行不稳定，若资源共享后的某储存单元对应的容错评估系数大于或者等于设定的标准资源共享后的储存单元对应的容错评估系数，则判定资源共享后的该储存单元运行稳定，以此方式判断资源共享后的各储存单元是否运行稳定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410053399.3A CN117593171B (zh) | 2024-01-15 | 2024-01-15 | 基于fpga的图像采集储存处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410053399.3A CN117593171B (zh) | 2024-01-15 | 2024-01-15 | 基于fpga的图像采集储存处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117593171A true CN117593171A (zh) | 2024-02-23 |
| CN117593171B CN117593171B (zh) | 2024-04-30 |
Family
ID=89910218
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410053399.3A Active CN117593171B (zh) | 2024-01-15 | 2024-01-15 | 基于fpga的图像采集储存处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117593171B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101165805A (zh) * | 2006-10-20 | 2008-04-23 | 凌华科技股份有限公司 | 多端口存储器存取控制模块 |
| US20090024627A1 (en) * | 2007-07-17 | 2009-01-22 | Oracle International Corporation | Automated security manager |
| CN104182624A (zh) * | 2014-08-13 | 2014-12-03 | 中国民航大学 | 一种综合模块化航电系统服务能力评估方法 |
| CN105548866A (zh) * | 2015-12-08 | 2016-05-04 | 中国科学院电子学研究所 | 一种基于辐照试验环境模拟的sram型fpga测试方法 |
| CN110297701A (zh) * | 2019-05-16 | 2019-10-01 | 平安科技（深圳）有限公司 | 数据处理作业调度方法、装置、计算机设备及存储介质 |
| CN112232019A (zh) * | 2020-10-19 | 2021-01-15 | 上海国微思尔芯技术股份有限公司 | 一种逻辑资源评估方法 |
| WO2021204227A1 (zh) * | 2020-04-09 | 2021-10-14 | 杭州海康威视数字技术股份有限公司 | 用于神经网络训练和智能分析的处理资源配置方法和装置 |
| CN117075811A (zh) * | 2023-08-22 | 2023-11-17 | 上海麦杰科技股份有限公司呼和浩特分公司 | 一种适用于多租户的动态数据存储方法 |
-
2024
- 2024-01-15 CN CN202410053399.3A patent/CN117593171B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101165805A (zh) * | 2006-10-20 | 2008-04-23 | 凌华科技股份有限公司 | 多端口存储器存取控制模块 |
| US20090024627A1 (en) * | 2007-07-17 | 2009-01-22 | Oracle International Corporation | Automated security manager |
| CN104182624A (zh) * | 2014-08-13 | 2014-12-03 | 中国民航大学 | 一种综合模块化航电系统服务能力评估方法 |
| CN105548866A (zh) * | 2015-12-08 | 2016-05-04 | 中国科学院电子学研究所 | 一种基于辐照试验环境模拟的sram型fpga测试方法 |
| CN110297701A (zh) * | 2019-05-16 | 2019-10-01 | 平安科技（深圳）有限公司 | 数据处理作业调度方法、装置、计算机设备及存储介质 |
| WO2021204227A1 (zh) * | 2020-04-09 | 2021-10-14 | 杭州海康威视数字技术股份有限公司 | 用于神经网络训练和智能分析的处理资源配置方法和装置 |
| CN112232019A (zh) * | 2020-10-19 | 2021-01-15 | 上海国微思尔芯技术股份有限公司 | 一种逻辑资源评估方法 |
| CN117075811A (zh) * | 2023-08-22 | 2023-11-17 | 上海麦杰科技股份有限公司呼和浩特分公司 | 一种适用于多租户的动态数据存储方法 |
Non-Patent Citations (1)
| Title |
|---|
| 汤灿恩;刘定生;马艳;: "一种基于先验知识动态分配资源的作业调度策略", 遥感信息, no. 03, 15 June 2011 (2011-06-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117593171B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110502494B (zh) | 日志处理方法、装置、计算机设备及存储介质 | |
| CN107239339B (zh) | 系统性能优化参数确定方法、系统性能优化方法及装置 | |
| CN108683560A (zh) | 一种大数据流处理框架的性能基准测试系统及方法 | |
| Ghorbani et al. | Prediction and control of bursty cloud workloads: a fractal framework | |
| CN102253883A (zh) | 一种服务器性能评价的方法和系统 | |
| TW201737113A (zh) | 任務調度方法和裝置 | |
| CN112730938A (zh) | 一种基于用电采集大数据的窃电用户判断方法 | |
| CN113228574A (zh) | 计算资源调度方法、调度器、物联网系统和计算机可读介质 | |
| CN110262951A (zh) | 一种业务秒级监控方法及系统、存储介质及客户端 | |
| CN115310761A (zh) | 一种工业数据处理系统及管理方法 | |
| CN117593171B (zh) | 基于fpga的图像采集储存处理方法 | |
| CN116866154B (zh) | 一种基于虚拟机集群的配电网通讯服务智能调度管理系统 | |
| CN102547789B (zh) | 端到端业务质量预警方法、装置及系统 | |
| CN114490091B (zh) | 工业数据采集管理系统中监控规则引擎性能的方法及装置 | |
| CN106997310A (zh) | 负载均衡的装置和方法 | |
| CN115061978A (zh) | 一种hadoop参数优化模型的构建方法 | |
| CN115115470A (zh) | 一种基于排放因子法的绿色数据中心碳排放管理方法 | |
| CN111858070B (zh) | 计算资源配置方法、装置、设备以及存储介质 | |
| CN113590608A (zh) | 一种基于数据流处理的用户用电信息即采即校方法 | |
| CN110580192B (zh) | 一种基于服务特征的混部场景中容器i/o隔离性优化方法 | |
| CN108712303B (zh) | 一种云平台的尾延迟测评系统和方法 | |
| CN112308731A (zh) | 一种采集系统多任务并发处理的云计算方法及系统 | |
| CN112000478A (zh) | 作业运行资源分配方法及装置 | |
| CN115114028B (zh) | 一种电力仿真二次控制的任务分配方法及装置 | |
| CN114116186B (zh) | 资源动态调度方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |