人工智能任务的处理方法和装置制造方法及图纸

本发明专利技术提供了一种人工智能任务的处理方法和装置，该方法应用于人工智能引擎，当人工智能引擎与人工智能任务关联的模型文件绑定时，该方法包括：获取人工智能引擎绑定的模型文件信息；根据模型文件信息，获取模型文件，并加载模型文件对应的算法；当模型文件对应至少2个不同算法时，根据模型文件信息或模型文件，获取不同算法之间的依赖关系，依据依赖关系调用模型文件对应的算法，分析人工智能任务的待识别对象。本发明专利技术方法，人工智能引擎与模型文件绑定，根据模型文件加载算法，通过算法之间的依赖关系直接调用算法，可灵活加载、调用切换不同的算法。换不同的算法。换不同的算法。

【技术实现步骤摘要】
人工智能任务的处理方法和装置


[0001]本专利技术涉及计算机
，特别涉及一种人工智能任务的处理方法和装置。

技术介绍

[0002]目前，在安防领域人工智能AI(Artificial Intelligence)得到了广泛应用，例如：通过智能算法对监控视频或者图片进行智能分析获取结构化数据，实现人脸识别比对，人体识别，车辆识别等。智能IPC和智能NVR产品可以实现上述AI功能。
[0003]由于智能算法种类繁多，各有优势，满足多种智能算法可切换的混合智能设备，具有满足多场景的智能分析应用的优势，成为目前的发展热点。但是，目前智能算法的处理方法为：通过程序加载、调用指定智能算法的算法类型号，在指定智能算法之间可以实现切换，当需要增加新的智能算法或更换指定智能算法时，则需重新设置算法类型号，以及修改加载、调用程序，不仅费时费力，且存在智能算法切换等灵活性差的问题。

技术实现思路

[0004]有鉴于此，本专利技术提供一种人工智能任务的处理方法和装置，以解决人工智能引擎如何灵活切换算法的问题。
[0005]在一个实施例中，提供了一种人工智能任务的处理方法，应用于人工智能引擎，当人工智能引擎与人工智能任务关联的模型文件绑定时，该方法包括：
[0006]获取人工智能引擎绑定的模型文件信息；
[0007]根据模型文件信息，获取模型文件，并加载模型文件对应的算法；
[0008]当模型文件对应至少2个不同算法时，根据模型文件信息或模型文件，获取不同算法之间的依赖关系，依据依赖关系调用模型文件对应的算法，分析人工智能任务的待识别对象。
[0009]在另一个实施例中，提供了一种人工智能任务的处理方法，应用于CPU，包括：
[0010]当人工智能引擎与人工智能任务关联的模型文件绑定时，获取人工智能引擎绑定的模型文件信息；
[0011]启动或重启人工智能引擎，将模型文件信息发送给人工智能引擎，使人工智能引擎根据模型文件信息，获取模型文件，并加载模型文件对应的算法；
[0012]当模型文件对应至少2个不同算法时，使人工智能引擎根据模型文件信息或模型文件，获取不同算法之间的依赖关系，依据依赖关系调用模型文件对应的算法，分析人工智能任务的待识别对象。
[0013]在另一个实施例中，本专利技术还提供一种非瞬时计算机可读存储介质，非瞬时计算机可读存储介质存储指令，
[0014]指令在由人工智能引擎执行时使得人工智能引擎执行上述人工智能任务的处理方法中的步骤；
[0015]或指令在由CPU执行时使得CPU执行上述人工智能任务的处理方法中的步骤。
[0016]在另一个实施例中，本专利技术还提供一种图像处理装置，包括人工智能引擎和上述的非瞬时计算机可读存储介质，或者包括CPU上述的非瞬时计算机可读存储介质。
[0017]本专利技术提供的处理方法，将人工智能引擎绑定的算法信息均保存在一个模型文件中，根据模型文件加载算法，不依赖程序，加载更加灵活，且通过调整人工智能引擎绑定的模型文件，即可灵活切换不同的算法。
[0018]其次，本专利技术的方法不再使用程序调用算法，而是通过算法之间的依赖关系直接调用算法，使得本申请方法摆脱了程序调用算法存在不能灵活调用、切换算法的缺陷，进一步确保本专利技术方法可以在不同模型文件之间灵活加载、调用和切换，且易于更换算法。
附图说明
[0019]以下附图仅对本专利技术做示意性说明和解释，并不限定本专利技术的范围：
[0020]图1为本专利技术实施例中的电子设备的第一结构示意图；
[0021]图2为本专利技术实施例中的电子设备的第二结构示意图；
[0022]图3为本专利技术实施例中的电子设备的第三结构示意图；
[0023]图4为本专利技术实施例中的人工智能任务的处理方法的第一流程示意图；
[0024]图5为本专利技术实施例中的人工智能任务的处理方法的第二流程示意图；
[0025]图6为本专利技术实施例中的人工智能任务的处理装置的第一结构示意图；
[0026]图7为本专利技术实施例中的人工智能任务的处理装置的第二结构示意图。
具体实施方式
[0027]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本专利技术作进一步详细说明。
[0028]为了实现人工智能引擎能灵活切换不同的(AI)算法，本专利技术提出如图1至图3所示的电子设备架构。
[0029]如图1所示，电子设备包括：4个人工智能引擎，一个CPU和一个存储器，人工智能引擎、CPU和存储器通过“连接线”互为连通，存储器存储了第一预设文件，和文件名分别为：MPID1、MPID2、MPID3和MPID4的4个模型文件，以及MPID1的第二预设文件MPID1.cfg，MPID2的第二预设文件MPID2.cfg，MPID3的第二预设文件MPID3.cfg，MPID4的配置文件MPID4.cfg。第二预设文件包含模型文件对应算法的信息。
[0030]模型文件包含一个或多个已训练好的(AI)算法，用于执行一个AI任务。不同的模型文件用于执行不同的AI任务，例如“MPID1”用于人脸识别，“MPID2”用于车辆识别。
[0031]第一预设文件保存所有人工智能引擎绑定或分配的模型文件信息，模型文件信息为模型文件名称或模型文件名称中的可区别信息，假设“人工智能引擎1”与“MPID1”绑定，则“人工智能引擎1”对应的模型文件信息为：“MPID1”或“1”。
[0032]下面给出第一预设文件的一个示例，第一预设文件包括：“人工智能引擎1：MPID1或1；人工智能引擎2：MPID3或3；人工智能引擎3：MPID4或4；人工智能引擎4：”。其中“人工智能引擎1：MPID1或1”表示人工智能引擎1与MPID1绑定，人工智能引擎4的绑定对象为空，表明人工智能引擎4不与任一模型文件绑定。
[0033]一个模型文件可以同时与多个人工智能引擎绑定，但一个人工智能引擎只能绑定
一个模型文件或者不绑定。更改人工智能引擎绑定(或分配)的模型文件，即可实现不同(AI)算法之间的灵活切换。例如，用户可以直接修改第一预设文件的内容，或者通过界面修改人工智能引擎绑定的模型文件，修改成功后更新第一预设文件。
[0034]图2的电子设备结构与图1基本相同，区别之处在于，图2中的模型文件包含一个或多个(AI)算法的配置参数。
[0035]当不同的(AI)算法由一个未配置参数的通用算法使用不同训练集生成时，已训练好的(AI)算法还可以分解为：配置参数和未配置参数的通用算法，在未配置参数的通用算法中加载配置参数后就形成训练后的(AI)算法。因此模型文件也可以包含一个或多个(AI)算法的配置参数。
[0036]图2与图1相比，其占用的存储空间小，有利于节约存储空间。
[0037]图3的电子设备结构与图1基本相同，区别之处在于，图2中的模型文件包含一个或多个(AI)算法的名称和/或存储位置。所有算法均保存在存储器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能任务的处理方法，其特征在于，应用于人工智能引擎，当所述人工智能引擎与人工智能任务关联的模型文件绑定时，所述方法包括：获取所述人工智能引擎绑定的模型文件信息；根据所述模型文件信息，获取所述模型文件，并加载所述模型文件对应的算法；当所述模型文件对应至少2个不同算法时，根据所述模型文件信息或所述模型文件，获取所述不同算法之间的依赖关系，依据所述依赖关系调用所述模型文件对应的算法，分析所述人工智能任务的待识别对象。2.根据权利要求1所述的方法，其特征在于，所述模型文件包含算法，或所述模型文件包含算法的配置参数；所述加载所述模型文件对应的算法包括：当模型文件包含算法时，加载所述模型文件包含的算法；当所述模型文件包含算法的配置参数时，获取未配置参数的通用算法，在未配置参数的通用算法中加载所述配置参数。3.根据权利要求1所述的方法，其特征在于，所述获取所述人工智能引擎绑定的模型文件信息包括：所述人工智能引擎接收CPU发送的所述人工智能引擎绑定的模型文件信息，所述模型文件信息为CPU从第一预设文件的缓存中读取，或所述模型文件信息为CPU从第一预设文件中获取；或所述人工智能引擎从第一预设文件中获取所述人工智能引擎绑定的模型文件信息；所述第一预设文件包含不同人工智能引擎绑定的模型文件信息。4.根据权利要求1所述的方法，其特征在于，所述获取所述模型文件中不同算法之间的依赖关系包括：确定第二预设文件，解析第二预设文件获取所述模型文件中不同算法之间的依赖关系。5.根据权利要求1至4任一所述的方法，其特征在于，当检测到所述人工智能引擎绑定的模型文件更换时，重启所述人工智能引擎，并返回执行所述获取所述人工智能引擎绑定的模型文件信息的步骤；或当检测到所述人工智能引擎与模型文件解除绑定，关闭所述人工智能引擎。6.一种人工智能任务的处理方法，其特征在于，应用于CPU，包括：当人工智能引擎与人工智能任务关联的模型文件绑定时，获取所述人工智能引擎绑定的模型文件信息；启动或重启人工智能引擎，将所述模型文件信息发送给所述人工智能引擎，使所述人工智能引擎根...

【专利技术属性】
技术研发人员：蔡博振，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：