[发明专利]多路监控视频人工智能分析的处理方法及系统

说明书

本发明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。

技术领域

本发明实施方式涉及人工智能技术领域，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。

背景技术

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。

发明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利用率不高；

2.系统设计需要满足可维可测。如果进行大规模视频监控网络，需要具备GPU处理完毕后，传输给数据库服务器。但是，如果出现故障，数据库服务器需要无法直接检测定位出故障，导致难以维护和测量。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

本发明实施方式的目的在于提供一种多路监控视频人工智能分析的处理方法和系统，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。

为解决上述技术问题，本发明的实施方式提供了一种多路监控视频人工智能分析的处理方法，包括以下步骤：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。

本发明的实施方式还提供了一种多路监控视频人工智能分析的处理系统，包括：任务调度服务器，用于读入多路监控视频流，根据每D帧抽取一帧，对监控视频流进行下抽取处理，并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；多GPU并行计算服务器，包括多个GPU，用于并行接收来自任务调度服务器的Batch，其中每一个GPU服务器接收J个批处理；数据库服务器，用于接收来自多GPU并行计算服务器的运算结果，并给每一路监控视频流分配一个逻辑端口。