[发明专利]一种图像解码方法、图像解码系统及相关装置

说明书

本申请提供一种图像解码方法，包括：以预设监控频率监控GPU负载和CPU负载；判断GPU负载和CPU负载的平均负载是否低于负载阈值；若是，判断GPU负载是否高于负载阈值；若GPU负载高于负载阈值，采用CPU负载进行图像解码；若GPU负载和CPU负载的平均负载高于负载阈值，或GPU负载和CPU负载的平均负载低于负载阈值且GPU负载低于负载阈值时，选取GPU负载和CPU负载中负载较低的设备执行图像解码。本申请根据二者的实际负载情况进行解码主体的切换，从而实现根据GPU负载和CPU负载的自适应调整，提高图像解码效率。本申请还提供一种图像解码系统、计算机可读存储介质和电子设备，具有上述有益效果。

技术领域

本申请涉及图像处理领域，特别涉及一种图像解码方法、图像解码系统及相关装置。

背景技术

视频结构化是指将非结构化的二维图像流数据，按照一定的方式处理得到对视频中图像内容的结构化信息。目前业界部署视频结构化应用一般分为边缘测、中心测两种部署方式，无论何种方式，基于CPU/GPU的异构平台几乎成为视频结构化应用的标准平台。但解码过程由单一的硬解码或者软解码完成使视频结构化应用丧失了灵活性。视频结构化处理过程中对于CPU端和GPU端的压力不是一直不变的，随着检测、跟踪、编码、推流等组件的加入，两端压力呈现变化趋势。另外，目前的解码过程属于无约束的过程即解码速度按照硬件性能尽可能快的处理，解码过快会增加内存压力抢占系统资源降低整体应用效率。

发明内容

本申请的目的是提供一种图像解码方法、图像解码系统、计算机可读存储介质和电子设备，能够提高解码效率。

为解决上述技术问题，本申请提供一种图像解码方法，具体技术方案如下：

以预设监控频率监控GPU负载和CPU负载；

判断所述GPU负载和所述CPU负载的平均负载是否低于负载阈值；

若是，判断所述GPU负载是否高于所述负载阈值；

若所述GPU负载高于所述负载阈值，采用CPU负载进行图像解码；

若所述GPU负载和所述CPU负载的平均负载高于所述负载阈值，或GPU负载和所述CPU负载的平均负载低于所述负载阈值且所述GPU负载低于所述负载阈值时，选取所述GPU负载和所述CPU负载中负载较低的设备执行图像解码。

可选的，还包括：

当所述解码数据的队列长度达到队列长度阈值时，暂停图像解码；

直至所述队列长度小于所述队列长度阈值时，恢复图像解码。

可选的，采用CPU负载或GPU负载进行图像解码后，还包括：

初始化模型实例数，以BS为1进行局部搜索；BS为单次训练采用的样本数量；

利用爬山法增加检测模型的BS数量，确定在满足第一约束条件下所述检测模型的第一最优BS；

逐一增加所述检测模型的实例化个数，并根据所述第二约束条件得到第一最优实例化个数；

根据所述第一约束条件和所述第二约束条件确定属性模型对应的第二最优BS和第二最优实例化个数；所述检测模型和所述属性模型均为图像解码过程中的解码模型；

以所述第一最优BS和所述第一最优实例化个数运行所述检测模型，以所述第二最优BS和所述第二最优实例化个数运行所述属性模型。

可选的，所述第一约束条件为ND*dec_mem+NAMi*att_mem_iGPU显存的第一预设百分比；

其中，ND为所述检测模型的实例化个数，dec_mem为所述检测模型对应的显存占用，NAMi为所述属性模型的实例化个数，att_mem_i为所述属性模型对应的显存占用；