算力管理方法、算力管理装置、视频管理设备及存储介质制造方法及图纸

本申请公开了一种算力管理方法、装置、视频管理设备及计算机可读存储介质。其中，该方法应用于视频管理设备，包括：判断视频管理设备的每个通道是否在进行人工智能AI处理；在存在第一通道的情况下，计算每个第一通道的实时算力占用，第一通道为：正在进行AI处理的通道；在存在第二通道的情况下，计算每个第二通道的初始算力占用，第二通道为：未在进行AI处理的通道；根据每个第一通道的实时算力占用和/或每个第二通道的初始算力占用，计算视频管理设备的当前可用算力。本申请方案可以使视频管理设备(例如NVR)能够把握自身的真实繁忙程度，保障其算力资源能够得到充分使用。保障其算力资源能够得到充分使用。保障其算力资源能够得到充分使用。

【技术实现步骤摘要】
算力管理方法、算力管理装置、视频管理设备及存储介质


[0001]本申请属于设备管理
，尤其涉及一种算力管理方法、算力管理装置、视频管理设备及计算机可读存储介质。

技术介绍

[0002]网络录像机(Network Video Recorder，NVR)可以连接多台网络摄像机(IP Camera，IPC)，每一个已连接的IPC即占用了NVR的一条通道。对于支持人工智能(Artificial Intelligence，AI)的NVR来说，其可根据用户的需求为各通道进行AI功能的赋能，也即开启各通道的AI功能，以对各通道中的视频流进行实时的相应AI处理。
[0003]然而，NVR的算力是有限的。因而，如何把握NVR的真实繁忙程度，成为当前亟待解决的问题。

技术实现思路

[0004]本申请提供了一种算力管理方法、算力管理装置、视频管理设备及存储介质，可以把握视频管理设备的真实繁忙程度，使得视频管理设备的算力资源能够得到充分使用。
[0005]第一方面，本申请提供了一种算力管理方法，该算力管理方法应用于视频管理设备，该算力管理方法包括：
[0006]判断视频管理设备的每个通道是否在进行人工智能AI处理；
[0007]在存在第一通道的情况下，针对每个第一通道，计算第一通道的实时算力占用，其中，第一通道为：正在进行AI处理的通道；
[0008]在存在第二通道的情况下，针对每个第二通道，计算第二通道的初始算力占用，其中，第二通道为：未在进行AI处理的通道；
[0009]根据每个第一通道的实时算力占用和/或每个第二通道的初始算力占用，计算视频管理设备的当前可用算力。
[0010]第二方面，本申请提供了一种算力管理装置，该算力管理装置应用于视频管理设备，该算力管理装置包括：
[0011]第一判断模块，用于判断视频管理设备的每个通道是否在进行人工智能AI处理；
[0012]第一计算模块，用于在存在第一通道的情况下，针对每个第一通道，计算第一通道的实时算力占用，其中，第一通道为：正在进行AI处理的通道；
[0013]第二计算模块，用于在存在第二通道的情况下，针对每个第二通道，计算第二通道的初始算力占用，其中，第二通道为：未在进行AI处理的通道；
[0014]第三计算模块，用于根据每个第一通道的实时算力占用和/或每个第二通道的初始算力占用，计算视频管理设备的当前可用算力。
[0015]第三方面，本申请提供了一种视频管理设备，该视频管理设备包括存储器、处理器以及存储在该存储器中并可在该处理器上运行的计算机程序，该处理器执行该计算机程序时实现如该第一方面的方法的步骤。
[0016]第四方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现如该第一方面的方法的步骤。
[0017]第五方面，本申请提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序被一个或多个处理器执行时实现如该第一方面的方法的步骤。
[0018]本申请与现有技术相比存在的有益效果是：对于NVR等视频管理设备来说，其在运行的过程中，会对各个通道的工作状态进行监测。对于那些正在进行AI处理的通道，视频管理设备会计算出这些通道的实时算力占用。对于那些未在进行AI处理的通道，视频管理设备会计算出这些通道的初始算力占用。根据各通道的算力占用(可能为实时算力占用，也可能为初始算力占用)，视频管理设备可计算出其当前可用算力。通过上述过程，量化视频管理设备的当前可用算力，使得视频管理设备能够把握其真实繁忙程度，保障其算力资源能够得到充分使用。
[0019]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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。
[0021]图1是本申请实施例提供的算力管理方法的实现流程示意图；
[0022]图2是本申请实施例提供的算力管理装置的结构框图；
[0023]图3是本申请实施例提供的视频管理装置的结构示意图。
具体实施方式
[0024]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0025]为了说明本申请所提出的技术方案，下面通过具体实施例来进行说明。
[0026]本申请实施例所提供的算力管理方法应用于能够支持AI功能的视频管理设备。仅作为示例，该视频管理设备可以是NVR；或者，该视频管理设备也可以是搭载有视频管理系统的电子设备，此处不对该视频管理设备的具体类型作出限定。为便于理解，本申请实施例以该算力管理方法应用于NVR为例，对该算力管理方法作出具体解释及说明。
[0027]为更好地实现各项AI处理操作，该NVR可包括如下两种处理器：中央处理器(Central Processing Unit，CPU)及网络处理器(Neural
‑
network Processing Unit，NPU)。可以理解，每种AI功能的实现通常不仅依赖于CPU的处理，而且依赖于NPU的处理。基于此，NVR的算力(也即NVR所能够提供的算力)包括CPU算力及NPU算力。
[0028]在一种应用场景下，NVR的CPU及NPU可以同时运行，这种处理器的工作模式被称作并行工作模式。可以理解，在并行工作模式下，CPU算力及NPU算力需要分开进行考虑。在另
一种工作模式下，NVR的CPU及NPU不可以同时运行，这种处理器的工作模式被称作串行工作模式。可以理解，在串行工作模式下，CPU算力及NPU算力需要合并进行考虑。目前而言，串行工作模式是当前NVR的处理器主流的工作模式。为便于理解，将在下文对算力管理方法的具体描述中，对这两种工作模式所可能涉及的操作差异部分再作描述，此处不再赘述。
[0029]请参阅图1，该算力管理方法的实现流程详述如下：
[0030]步骤101，判断NVR的每个通道是否在进行AI处理。
[0031]在本申请实施例中，NVR可依次判断其每个通道是否在进行AI处理。具体地，NVR可参照如下判断标准进行判断：
[0032]对于未连接有IPC的通道，NVR可直接判定该通道未在进行AI处理；
[0033]对于已连接有IPC的通道，若该通道还未有该IPC所传输的视频流，则NVR也可直接判定该通道未在进行AI处理；
[0034]对于已连接有IP本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种算力管理方法，其特征在于，所述算力管理方法应用于视频管理设备，所述算力管理方法包括：判断所述视频管理设备的每个通道是否在进行人工智能AI处理；在存在第一通道的情况下，针对每个所述第一通道，计算所述第一通道的实时算力占用，其中，所述第一通道为：正在进行AI处理的通道；在存在第二通道的情况下，针对每个所述第二通道，计算所述第二通道的初始算力占用，其中，所述第二通道为：未在进行AI处理的通道；根据每个所述第一通道的实时算力占用和/或每个所述第二通道的初始算力占用，计算所述视频管理设备的当前可用算力。2.如权利要求1所述的算力管理方法，其特征在于，所述计算所述第一通道的实时算力占用，包括：计算所述第一通道在当前时刻的实际算力占用；获取所述第一通道在前一时刻的实时算力占用；根据所述第一通道在当前时刻的实际算力占用及所述第一通道在前一时刻的实时算力占用，采用滑动平均策略计算得到所述第一通道在当前时刻的实时算力占用。3.如权利要求2所述的算力管理方法，其特征在于，所述计算所述第一通道在当前时刻的实际算力占用，包括：获取所述第一通道对当前时刻下的视频帧的AI处理耗时；根据所述第一通道对当前时刻下的视频帧的AI处理耗时及预设的通道最低帧率计算所述第一通道在当前时刻的实际算力占用。4.如权利要求1所述的算力管理方法，其特征在于，所述计算所述第二通道的初始算力占用，包括：获取所述第二通道已开启的AI功能；求取所述第二通道已开启的AI功能的AI子功能并集；计算所述AI子功能并集中的每个AI子功能的初始算力占用；将所述AI子功能并集中的每个AI子功能的初始算力占用之和确定为所述第二通道的初始算力占用。5.如权利要求1所述的算力管理方法，其特征在于，在所述计算所述视频管理设备的当前可用算力之后，所述算力管理方法还包括：针对所述视频管理设备的任一通道，在所述通道存在新的AI功能的开启需求时，求取所述新的AI功能与所述通道已开启的AI功能的第一AI子功能交集；计算每个第一目标AI子功能的初始算力占用，其中，所述第一目标AI子功能指的是：不在所述第一AI子功能交集内的所述新的AI功能的AI子功能；根据所有所述第一目标AI子功能的初始算力占用之和及所述当前可用算力，确定是否应允所述新的AI功能的开启需求。6.如权利要求5所述的算力管理方法，其特征在于，所述根据所有所述第一目标AI子功能的初始算力占用之和及所述当前可用算力，确定是否应允所述新的AI功能的开启需求，包括：在所有所述第一目标AI子功能的初始算力占用之和小于或等于所述当前可用算力的
情况下，应允所述新的AI功能的开启需求；在所有所述第一目标AI子功能的初始算力占用之和大于所述当前可用算力的情况下，拒绝所述新的AI功能的开启需求。7.如权利要求1所述的算力管理方法，其特征在于，在所述计算所述视频管理设备的当前可用算力之后，所述算力管理方法还包括：针对每个AI功能，遍历所述视频管理设备的所有通道；判断当前遍历的通道是否已开启或预选开启所述AI功能；在所述当前遍历的通道未开启且未预选开启所述AI功能时，计算所述当前遍历的通道针对所述AI功能的预计算力占用；在所有通道遍历完成后，根据各个未开启且未预选开启所述AI功能的通道针对所述AI功能的预计算力占用以及所述当前可用算力，确定所述AI功能当前的最小通道规格及最大通道规格。8.如权利要求7所述的算力管理方法，其特征在于，所述计算所述当前遍历的通道针对所述AI功能的预计算力占...

【专利技术属性】
技术研发人员：朱启明，
申请(专利权)人：普联技术有限公司，
类型：发明
国别省市：