多路监控视频人工智能分析的处理方法及系统技术方案

本发明专利技术涉及人工智能技术领域，公开了一种多路监控视频人工智能分析的处理方法和系统，其中方法包括：将多路监控视频流读入系统缓存中；根据每D帧抽取一帧，对读入的监控视频流进行下抽取处理；针对下抽取处理后的监控视频流，将每M帧图像封装成为一个Batch；将每J个批处理传输给同一个GPU服务器进行处理；将GPU的运算结果传输给数据库服务器，并给每一路监控视频流分配一个逻辑端口。本发明专利技术能够有效地提高GPU的处理效率，而且能够快速定位故障的监控视频流，从而实现系统的可维可测。

【技术实现步骤摘要】
多路监控视频人工智能分析的处理方法及系统
本专利技术实施方式涉及人工智能
，尤其涉及一种多路监控视频人工智能分析的处理方法及系统。
技术介绍
在一些应用场合，比如安防领域，传统的视频监控系统并不具备自主分析的能力，需要采用一些深度学习算法对传统的监控视频进行分析。在许多时候，监控视频多达成百上千路(每一路表示一个监控摄像头的监控视频流)，实际中是需要采用服务器计算集群提供算力上的支持。在这种情况下，设计一种合理的、适用于大规模视频监控的软硬件架构，既能够得到合理的架构，也能在同等硬件配置下监控更多的视频，从而才能有效降低硬件成本，提高性价比。对于深度学习的运算主要采用GPU实现的，GPU里面常用的技术指标主要有CUDA核数量、显存大小、读取速度等。因此，充分利用显卡的显存、带宽提高运算速度，是设计高性能架构需要重点考虑的。在业界已有的方案中，考虑的是将每路视频直接输出到GPU显卡直接进行处理，再将输出的视频，通过网络连接传输到数据库服务器。专利技术人发现现有技术中至少存在如下问题：1.将单路视频直接传输到GPU服务器处理，无法充分利用显存和CUDA处理器的处理能力，GPU利用率本文档来自技高网...

【技术保护点】
1.一种支持多路监控视频人工智能分析的处理方法，其特征在于，包括：将多路监控视频流读入系统缓存中；根据每D帧抽取一帧，对读入的监控视频流进行下抽取处理；针对下抽取处理后的监控视频流，将每M帧图像封装成为一个批处理Batch；将每J个批处理传输给同一个图形处理器GPU服务器进行处理；将GPU的运算结果传输给数据库服务器，并给每一路监控视频流分配一个逻辑端口。

【技术特征摘要】
1.一种支持多路监控视频人工智能分析的处理方法，其特征在于，包括：将多路监控视频流读入系统缓存中；根据每D帧抽取一帧，对读入的监控视频流进行下抽取处理；针对下抽取处理后的监控视频流，将每M帧图像封装成为一个批处理Batch；将每J个批处理传输给同一个图形处理器GPU服务器进行处理；将GPU的运算结果传输给数据库服务器，并给每一路监控视频流分配一个逻辑端口。2.根据权利要求1所述的支持多路监控视频人工智能分析的处理方法，其特征在于，所述根据每D帧抽取一帧，对读入的监控视频流进行下抽取处理，具体包括：预先设置D，其中D为正整数；根据每D帧抽取一帧，对读入的多路监控视频流进行D倍降帧的下抽取处理，经过下抽取处理后的监控视频流的帧数为：监控视频视频流帧数÷D。3.根据权利要求2所述的支持多路监控视频人工智能分析的处理方法，其特征在于，所述针对下抽取处理后的监控视频流，将每M帧图像封装成为一个批处理，具体包括：针对下抽取处理后的监控视频流的帧数，每M帧图像封装成为一个批处理，则所述监控视频流中Batch的数量为：(监控视频视频流帧数÷D)÷M。4.根据权利要求1～3中任一项所述的支持多路监控视频人工智能分析的处理方法，其特征在于，所述将每J个批处理传输给同一个GPU服务器进行处理，具体包括：将Batch的图像类型指定为计算统一设备体系结构CUDA类型，采用多路并行及异步传输的方式将Batch传输给多GPU，其中每J个批处理传输给同一个GPU服务器进行处理。5.根据权利要求4中所述的支持多路监控视频人工智能分析的处理方法，其特征在于，所述方法还包括：预先设置M和J，其中M和J为正整数；所述M和J取值的依据为：单张图片的大小×M×J小于系统显卡的显存的大小。6.根据权利要求5所述的支持多路监控视频人工智能分...

【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深兰科技上海有限公司，
类型：发明
国别省市：上海,31