防爆视频算法分析类脑智盒的多设备协同分析方法及系统与流程
本发明涉及智能视频分析及边缘计算,具体涉及防爆视频算法分析类脑智盒的多设备协同分析方法及系统。
背景技术:
1、在石油化工、油气储运、粉尘作业等防爆场所中,通常设置有数量较多的视频监控设备,用于对储罐、管路、装卸区域、作业通道及检修区域等进行持续监控,并结合视频分析设备对静电火花、异常放电、人员防护装备穿戴情况等安全隐患进行识别;由于不同监控设备所处的物理位置不同,其监控对象和需要重点识别的隐患类型也存在差异。
2、现有视频分析系统中,通常采用在各现场分析设备上部署完整识别算法,或者将各路视频集中传输至中心节点进行统一分析的方式;对于前一种方式,不同现场设备往往运行有与其实际监控场景无关的算法内容,容易造成计算资源占用;对于后一种方式,大量视频数据需要持续传输至中心节点,对通信链路和中心计算资源的依赖较高,当监控点位数量增加或者现场作业状态发生变化时,容易出现数据传输压力和处理负载增加的问题;此外,不同隐患识别任务所需的计算资源存在差异,不同现场分析设备自身的算力以及实时负载状态也并不相同;现场作业强度还会随作业时间、人员数量及设备运行状态动态变化;例如,在装卸、检修或交接班等作业集中时段,部分区域可能同时产生多种识别需求,使对应分析设备的计算负载迅速升高,而其他区域的分析设备仍存在较多空闲算力,从而形成不同设备之间的忙闲不均衡现象;采用固定方式分配识别任务时,难以及时适应这种动态变化;同时,在多设备协同处理视频分析任务的情况下,还需要考虑设备之间调取视频数据时产生的响应延迟;如果仅依据设备的剩余算力进行任务分配,而忽略设备位置、监控场景以及跨设备数据调取效率,可能导致识别任务被分配至与目标视频距离较远或通信响应较慢的设备,进而增加处理时延;而仅依据监控位置配置任务,又可能导致部分设备长期处于高负载状态,无法充分利用其他设备的空闲算力。
技术实现思路
1、本发明的目的在于提供防爆视频算法分析类脑智盒的多设备协同分析方法及系统,解决现有防爆场所视频分析过程中,仍存在监控位置对应的隐患识别需求、识别任务的算力消耗、设备实时负载以及设备间数据响应能力难以协调的问题,进而容易造成部分设备计算资源紧张、部分设备资源闲置以及隐患识别响应不及时的问题。
2、为实现上述目的,本发明提供如下技术方案:防爆视频算法分析类脑智盒的多设备协同分析方法,包括:
3、s1、获取防爆场所内至少两个防爆视频算法分析类脑智盒的物理位置及与防爆视频算法分析类脑智盒对应的监控设备采集的第一视频画面,根据物理位置确定第一视频画面对应的隐患类型;
4、s2、对预先建立的识别任务进行拆分,得到与隐患类型对应的至少一个任务分支,获取任务分支对应的基础算力消耗量;
5、s3、若防爆视频算法分析类脑智盒的当前算力负载与第一视频画面对应的作业强度不匹配,则判定防爆视频算法分析类脑智盒存在忙闲错位;
6、s4、针对存在忙闲错位的防爆视频算法分析类脑智盒,对物理位置及当前算力负载进行聚类划分,获得至少一个设备群组;
7、s5、从设备群组中选取当前算力负载差值最接近的基础算力消耗量的两个防爆视频算法分析类脑智盒,分别跨端调取同一第一视频画面,将两次调取的时间差作为响应时间;
8、s6、若响应时间大于预设的时间阈值,则依次屏蔽任务分支包含的计算逻辑,根据屏蔽前后的基础算力消耗量的变化提取对应的计算逻辑,得到任务特征;
9、s7、对任务特征与基础算力消耗量及设备群组内各防爆视频算法分析类脑智盒的当前算力负载进行分类匹配,确定目标分配关系;
10、s8、根据目标分配关系把任务分支下发至设备群组内对应的防爆视频算法分析类脑智盒,获得隐患识别结果。
11、优选的,所述s1包括获取防爆场所内至少两个防爆视频算法分析类脑智盒的物理位置及防爆视频算法分析类脑智盒对应的监控设备采集的第一视频画面;根据物理位置确定防爆视频算法分析类脑智盒的三维空间坐标;对第一视频画面进行特征提取获得多维画面特征向量;若三维空间坐标处于预设的风险区域范围内,则将多维画面特征向量与风险区域对应的隐患分类模型进行匹配,得到第一视频画面对应的隐患类型。
12、优选的,所述s2包括获取隐患类型对应的特征维度,根据特征维度解析预先建立的识别任务得到任务解析树;若任务解析树的计算复杂度大于预设的复杂度阈值,则对任务解析树进行节点分割获得任务分支;根据任务分支进行映射处理,得到资源调度序列;根据资源调度序列读取历史算力消耗记录,确定任务分支对应的基础算力消耗量。
13、优选的,所述s3包括获取防爆视频算法分析类脑智盒的底层硬件运行日志以确定当前算力负载,并获取防爆视频算法分析类脑智盒采集的第一视频画面,得到对应的作业强度;根据作业强度在预先建立的算力匹配映射表中查找对应的标准算力负载区间;判断当前算力负载是否处于标准算力负载区间内;若当前算力负载未处于标准算力负载区间内,则判定当前算力负载与作业强度不匹配,并判定防爆视频算法分析类脑智盒存在忙闲错位。
14、优选的,所述s4包括获取防爆视频算法分析类脑智盒的物理位置与当前算力负载;根据物理位置与当前算力负载得到空间分布坐标及负载特征向量;根据空间分布坐标及负载特征向量进行计算,得到欧氏距离矩阵;采用层次聚类算法对欧氏距离矩阵进行处理生成聚类树状图;对聚类树状图进行剪枝处理获得至少一个设备群组。
15、优选的,所述s5包括根据设备群组中防爆视频算法分析类脑智盒的当前算力负载数值生成负载差值矩阵;根据负载差值矩阵与基础算力消耗量确定第一目标智盒与第二目标智盒;发送跨端调取指令到第一目标智盒与第二目标智盒;接收第一目标智盒返回的第一视频画面及第一到达时间戳记;接收第二目标智盒返回的第二视频画面及第二到达时间戳记;如果第一视频画面与第二视频画面的帧特征向量一致,则计算第二到达时间戳记与第一到达时间戳记的时间差值,获得响应时间。
16、优选的,所述s6包括获取目标业务的响应时间,若响应时间大于预设的时间阈值,则提取目标业务对应的任务分支包含的初始计算逻辑集合及初始基础算力消耗量;依次对初始计算逻辑集合执行屏蔽操作,得到屏蔽后计算逻辑子集,并获取屏蔽后计算逻辑子集对应的屏蔽后基础算力消耗量;根据初始基础算力消耗量与屏蔽后基础算力消耗量执行差值运算,得到算力消耗变化量;根据算力消耗变化量从初始计算逻辑集合中提取对应的目标计算逻辑,对目标计算逻辑进行特征映射处理得到任务特征。
17、优选的,所述s7包括获取防爆视频算法对应的任务特征及基础算力消耗量,构建算力特征向量;根据算力特征向量获取设备群组内各防爆视频算法分析类脑智盒的当前算力负载,生成负载状态矩阵;通过支持向量机对负载状态矩阵及算力特征向量进行分类匹配处理,得到分类匹配概率值;若分类匹配概率值大于预设的概率阈值,则根据分类匹配概率值生成分配映射表,根据分配映射表确定目标分配关系。
18、优选的,所述s8包括根据目标分配关系生成路由分发指令,所述路由分发指令用于将任务分支下发至设备群组内对应的防爆视频算法分析类脑智盒;对类脑智盒的防爆视频数据进行抽帧处理,得到视频帧序列;根据视频帧序列提取隐患特征图谱;若隐患特征图谱的响应值大于预设阈值,则解析隐患特征图谱获得防爆视频算法分析类脑智盒输出的隐患识别结果。
19、防爆视频算法分析类脑智盒的多设备协同分析系统,用于实现所述的防爆视频算法分析类脑智盒的多设备协同分析方法的步骤,所述系统包括:
20、隐患类型确定模块,获取防爆场所内至少两个防爆视频算法分析类脑智盒的物理位置及与防爆视频算法分析类脑智盒对应的监控设备采集的第一视频画面,根据物理位置确定第一视频画面对应的隐患类型;
21、任务拆分模块,根据隐患类型对预先建立的识别任务进行拆分,得到与隐患类型对应的至少一个任务分支,获取任务分支对应的基础算力消耗量;
22、忙闲错位判断模块,获取防爆视频算法分析类脑智盒的当前算力负载及第一视频画面对应的作业强度,若当前算力负载与作业强度不匹配,则判定防爆视频算法分析类脑智盒存在忙闲错位;
23、设备分组模块,针对存在忙闲错位的防爆视频算法分析类脑智盒,采用层次聚类算法对物理位置及当前算力负载进行聚类划分,获得至少一个设备群组;
24、响应时间确定模块,从设备群组中选取当前算力负载差值最接近基础算力消耗量的两个防爆视频算法分析类脑智盒,分别跨端调取同一第一视频画面,将两次调取的时间差作为所述响应时间;
25、任务特征提取模块,若响应时间大于预设的时间阈值,则依次屏蔽任务分支包含的计算逻辑,根据屏蔽前后基础算力消耗量的变化提取对应的计算逻辑,得到任务特征;
26、分配关系确定模块,通过支持向量机对任务特征与基础算力消耗量及设备群组内各防爆视频算法分析类脑智盒的当前算力负载进行分类匹配,确定目标分配关系;
27、协同分析模块,根据目标分配关系把任务分支下发至设备群组内对应的防爆视频算法分析类脑智盒运行,获得防爆视频算法分析类脑智盒输出的隐患识别结果。
28、由上述技术方案可知,本发明具有如下有益效果:
29、该防爆视频算法分析类脑智盒的多设备协同分析方法及系统,通过获取防爆场所内多个防爆视频算法分析类脑智盒的物理位置、当前算力负载以及对应第一视频画面的作业强度,根据物理位置确定对应的隐患类型,并将识别任务拆分为与隐患类型相匹配的任务分支,使不同区域的防爆视频算法分析类脑智盒能够针对实际监控场景执行相应的识别任务,减少与监控内容无关的计算资源占用;同时,通过判断当前算力负载与作业强度之间是否匹配,可以识别不同设备之间的忙闲错位状态,并结合物理位置和当前算力负载对存在忙闲错位的设备进行群组划分,有利于在兼顾监控区域关联性的基础上对设备算力资源进行协调利用;进一步地,通过跨端调取同一第一视频画面获得设备之间的响应时间,并在响应时间超过预设时间阈值时,根据任务分支中不同计算逻辑对基础算力消耗量的影响提取任务特征,再结合任务特征、基础算力消耗量以及设备群组内各防爆视频算法分析类脑智盒的当前算力负载确定目标分配关系,使任务分支能够与相应设备的实际处理能力进行匹配,从而降低因固定任务部署造成的部分设备负载过高、部分设备算力闲置以及跨设备调用效率较低的问题,提高防爆场所多设备视频分析过程中的算力资源利用效率和任务分配合理性,并有利于缩短隐患识别响应时间,提高隐患识别的及时性和系统运行的稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com