[发明专利]视频数据AI处理系统及处理方法

说明书

本发明揭示了一种视频数据AI处理系统及相应的处理方法，系统包括如下部分：视频数据采集单元，由多台网络摄像机组成；AI网络设备单元，集成有AI分析模块，用于接收来自所述视频数据采集单元的数据流，对数据流进行预处理，再将原始的数据流与预处理结果进行转发；AI计算服务器单元，用于接收来自所述AI网络设备单元转发的原始的数据流与预处理结果，完成视频数据的处理和分析并输出最终的分析结果。本发明兼具了现有技术中后端集中式处理模式和前端分布式处理模式各自的优点，将大量的视频预处理工作放置在网络设备内完成，使得AI计算资源可以被接入的多台网络摄像机所共享，充分地实现了对AI计算资源的合理利用。

技术领域

本发明涉及一种AI处理系统及相对应的处理方法，具体而言，涉及一种适用于网络视频监控的视频数据AI处理系统及处理方法，属于网络视频监控技术领域。

背景技术

网络设备是网络视频监控系统中的基本组成单元，通常可以由网络交换机和/或网络路由器组成。一般而言，网络设备既是网络摄像机的接入设备，也是视频数据流的转发设备。随着如今视频监控摄像机的大量部署和AI（Artificial Intelligence）技术的快速发展，通过AI技术实现海量视频数据的自动分析与处理变得可行，在这样的大背景下，人们对海量视频数据的AI处理需求越来越迫切、相应的技术方案也大量涌现。

针对海量视频数据的AI处理系统需要强大的AI计算能力，而强大的AI计算能力则需要大量的AI计算资源作为技术支撑。为了技术实现的效果，目前业内所广泛采用的技术方案主要包括两种，具体如下。

其一，采用的是后端集中式集成式的处理模式，即由后端的AI计算服务器提供统一的AI计算资源，前端采用普通网络摄像机。网络摄像机本身不具备AI功能，网络摄像机完成视频信号的采集和编码、将视频信号编码成网络数据，通过网络交换机接入到后端AI计算服务器，通过在服务器上增加大量的AI芯片或者AI计算卡的方式完成海量视频信息的AI处理并输出AI分析结果，例如视频结构化（一种通过机器视觉AI算法完成视频特征提取的技术）等。这种方案的整体应用结构如图1所示。

在这一方案中，网络设备仅仅完成网络摄像机的数据接入和转发，即把前端网络摄像机的视频数据通过网络链路转发到后端的AI计算服务器中。

由于网络摄像机在运行时需要7*24小时不间断地采集数据，且所采集的视频数据为非结构化数据，对其进行处理和分析需要占用大量的计算资源。以单个摄像机的视频数据发送速率为4Mbps为例，单个网络摄像机每天产生的数据量高达24*3600*4/8/1024 =42GB，1000路网络摄像机每天产生的视频数据量高达42000GB。以目前市面上典型的AI计算卡能力来进行推算，42000GB的视频数据需要几十块AI计算卡7*24小时不间断地运行才能全部处理完成。显而易见的，这样的处理方式需要消耗大量的AI计算资源，从而导致后端AI计算服务器的成本居高不下。

而且，在这一方案中，后端服务器的AI计算资源需要完成视频码流数据的解码，从视频码流中截取需要分析的图像，再从图像中分析出使用者所需要的数据（如人、车、物等信息），AI计算服务器需要消耗大量的计算资源用于完成视频数据的预处理（即从视频数据流中获取需要分析的图像），真正用于图像AI分析的计算资源并不多，因此也浪费了大量宝贵的计算资源。

其二，采用的是前端分布式的处理模式，即将一部分原来通过AI计算服务器完成预处理功能前置到网络摄像机内，由网络摄像机内置的AI模块完成视频数据的预处理、例如从视频数据中检测出需要分析的图像，再把对应的预处理结果（如图像数据等）发送到后端的AI计算服务器中，由AI计算服务器完成图像数据的处理和分析。在这种处理方式下，大量的视频预处理工作由前端的网络摄像机完成，后端的AI计算服务器的使用效率大幅提高，甚至在某些场景中，后端服务器可以不用参与视频数据的AI分析处理过程，最大限度上节约了AI计算资源，可以成倍的提高AI后端服务器系统的使用效率。这种方案的整体应用结构如图2所示。