[发明专利]一种视频解析方法及系统

说明书

本发明公开了一种视频解析方法及系统，该方法包括：在检测到视频解析任务挂起时，若是存在当前解析任务退出时，检测将退出的当前解析任务是否与挂起的视频解析任务为相同维度解析任务；若是，则向当前解析任务发送状态保持信息维持当前的执行状态，并执行挂起的视频解析任务；若否，则通知当前解析任务退出执行，并释放当前解析任务对应的GPU资源。通过本发明所提供的方法，充分利用了GPU内存并发执行多个解析任务，对前后相继执行相同维度任务可以减少反复加载解析模型，避免了反复加载造成的时间浪费，提升了视频解析效率以及GPU的使用率。

技术领域

本申请涉及视频处理技术领域，尤其涉及一种视频解析方法及系统。

背景技术

视频图像信息结构化是一项重要技术，目的是将视频信息转换成文本结构存入数据库，方便后期检索实现各种应用。从工程上说，就是要对视频进行解析，分出镜头，检测出其中的场景或者目标并对目标跟踪，最终形成相关信息的轨迹流。目前AI技术主要是指深度学习，由于深度学习单个模型一般只能分析一种维度的信息，比如物体、场景，在单个视频解析过程中，会涉及到多个模型运算。同时，除了深度学习模型需要利用图形处理器(英语：Graphics Processing Unit，缩写：GPU)进行运算之外，镜头检测以及跟踪等算法还会利用CPU运算。单个视频单一维度单实例解析过程，当在CPU上执行算法运算，则GPU会保持空闲。为了提高GPU最高效利用，通常在GPU内保持多个维度多个模型，多任务并发解析视频。由于解析任务的不确定性，在当前解析任务完成之后，可能需要加载不同模型进行下次解析任务，受限于GPU内存大小，当前解析任务所用模型可能需要卸载让出GPU内存供下个任务模型使用。

因此，在现有的视频解析方法中，GPU卸载以及加载模型时会造成较多的时间浪费，降低了视频解析的效率。

发明内容

本发明提供了一种视频解析方法及系统，用以解决在现有的视频解析方法中，GPU卸载以及加载模型时会造成较多的时间浪费，降低了视频解析的效率的问题。

其具体的技术方案如下：

一种视频解析方法，所述方法包括：

在检测到视频解析任务挂起时，判断当前是否存在当前解析任务将退出；

若是存在当前解析任务退出时，检测将退出的所述当前解析任务是否与挂起的视频解析任务为相同维度解析任务；

若是，则向所述当前解析任务发送状态保持信息维持当前的执行状态，并执行挂起的所述视频解析任务；

若否，则通知所述当前解析任务退出执行，并释放所述当前解析任务对应的GPU资源。

可选的，在判断当前是否存在当前解析任务将退出之前，所述方法还包括：

对GPU内存管理服务器初始化，并获取GPU数量以及对应的内存大小信息；

获取解析模型对应内存峰值，并保存内存峰值、所述取GPU数量以及对应的内存大小信息。

可选的，在判断当前是否存在当前解析任务将退出之前，所述方法HIA包括：

接收视频解析任务，判断当前是否存在空闲GPU资源满足所述视频解析任务；

若是，则调取所述视频解析任务对应的解析模型，并进入到解析状态；

若否，则所述视频解析任务挂起，并等待当前的视频解析任务结束。

可选的，判断当前是否存在空闲GPU资源满足所述视频解析任务，具体为：

判断当前空闲的GPU的空闲内存是否满足所述视频解析任务对应的内存。

一种视频解析系统，包括：