一种工业视觉分析下的计算资源优化配置方法及装置制造方法及图纸

本发明专利技术提供了一种工业视觉分析下的计算资源优化配置方法及装置，涉及视频及图像处理技术领域，该方法包括：对目标区域的计算资源信息进行虚拟划分，确定计算节点；确定计算节点在处理目标区域接收的实时视频流时的单位计算资源信息；其中，单位计算资源信息包括各计算节点在不同时刻下的资源信息占用率；根据单位计算资源信息，确定计算节点的空置资源信息；根据空置资源信息对所获取的本地视频流进行处理

【技术实现步骤摘要】
一种工业视觉分析下的计算资源优化配置方法及装置


[0001]本专利技术涉及视频及图像处理
，特别涉及一种工业视觉分析下的计算资源优化配置方法及装置
。

技术介绍

[0002]近年来视觉
AI
的智能化检测技术正逐步应用到工业领域当中，一方面用于生产制造过程中的自适应控制
、
能耗优化
、
缺陷检测等，另一方面针对视频监控设备实时检测画面进行检测分析和预警处置，弥补传统人员监控的不足
。
视觉
AI
算法模型应用带来大量的计算资源需求，由于很多工业企业使用专用网络，无法利用互联网上的云计算平台，因此需要建立大规模的
AI
推理服务器集群，由每台设备负责一定数量的视频流分析
。
然而，实际工业应用中，停工时部分区域不再需要实时视觉
AI
检测，便会产生计算资源闲置的情况，导致资源利用率低
。
因此，如何在保证工业生产的同时充分利用闲置的计算资源是亟待解决的问题
。

技术实现思路

[0003]本专利技术实施例提供了一种工业视觉分析下的计算资源优化配置方法及装置，该方法在保证生产环境稳定性的情况下，实现计算资源的优化配置，提高资源利用率
。
[0004]第一方面，本专利技术实施例提供了一种工业视觉分析下的计算资源优化配置方法，包括：
[0005]对目标区域的计算资源信息进行虚拟划分，确定计算节点；
[0006]确定所述计算节点在处理所述目标区域接收的实时视频流时的单位计算资源信息；其中，所述单位计算资源信息包括各计算节点在不同时刻下的资源信息占用率；
[0007]根据所述单位计算资源信息，确定所述计算节点的空置资源信息；
[0008]根据所述空置资源信息对所获取的本地视频流进行处理
。
[0009]可选地，所述确定所述计算节点在处理所述目标区域接收的实时视频流时的单位计算资源信息，包括：
[0010]获取所述目标区域在历史时间内所处理的历史实时视频流；
[0011]对所述历史实时视频流进行统计分析，确定所述计算节点在不同时刻下的资源信息占用率
。
[0012]可选地，所述资源信息占用率包括
CPU
占用率
、GPU
占用率
、
内存占用率和显存占用率；
[0013]所述根据所述单位计算资源信息，确定所述计算节点的空置资源信息，包括：
[0014]从所述单位计算资源信息中筛选占用率最高的所述资源信息占用率，并确定为关键资源信息；
[0015]根据所述关键资源信息和预设满负载占用率，确定所述计算节点在不同时刻下的空置资源信息
。
[0016]可选地，所述空置资源信息包括空置资源可占用率；所述空置资源可占用率通过如下公式确定：
[0017]IR
t
＝
R
max
‑
R
t
‑
m
[0018]其中，
IR
t
用于表征
t
时间段内的所述空置资源可占用率；
R
max
用于表征所述预设满负载占用率；
R
t
‑
m
用于表征
t
时间段内所述关键资源信息达到的最大资源信息占用率
。
[0019]可选地，所述根据所述空置资源信息对所获取的本地视频流进行处理，包括：
[0020]根据所述空置资源信息，对所述本地视频流进行分片处理，得到分片视频；
[0021]对所述分片视频进行特征提取，得到携带时空信息的待处理分片视频；其中，所述时空信息包括所述分片视频在所述本地视频流中的时间信息和空间信息；
[0022]按照所述空置资源信息对所述待处理分片视频进行处理，得到分析结果；
[0023]根据所述时空信息对所述分析结果进行融合，得到对应所述本地视频流的目标分析结果
。
[0024]可选地，所述按照所述空置资源信息对所述待处理分片视频进行处理，包括：
[0025]所述空置资源信息包括空置资源可占用率；
[0026]获取历史时间内各时间段内的空置资源可占用率，以预测当前时刻的目标空置资源可占用率；
[0027]确定单通道所占用的资源率，计算所述目标空置资源可占用率与所述单通道所占用的资源率的比值，得到虚拟视频通道的通道数量；
[0028]创建所述通道数量的虚拟视频通道，并将所述待处理分片视频发送至所述虚拟视频通进行处理
。
[0029]可选地，在所述根据所述空置资源信息对所获取的本地视频流进行处理之后，还包括：
[0030]在所述目标区域再次接收到待处理实时视频流时，根据当前时刻的所述单位计算资源信息和所述空置资源信息，对所述计算资源信息进行优化配置，以将配置给所述本地视频流的计算节点优先配置给所述待处理实时视频流；
[0031]在所述空置资源信息大于预设阈值资源信息时，重新配置所述计算节点以处理所述本地视频流
。
[0032]第二方面，本专利技术实施例还提供了一种工业视觉分析下的计算资源优化配置装置，包括：
[0033]划分模块，用于对目标区域的计算资源信息进行虚拟划分，确定计算节点；
[0034]确定模块，用于确定所述计算节点在处理所述目标区域接收的实时视频流时的单位计算资源信息；其中，所述单位计算资源信息包括各计算节点在不同时刻下的资源信息占用率；
[0035]计算模块，用于根据所述单位计算资源信息，确定所述计算节点的空置资源信息；
[0036]配置处理模块，用于根据所述空置资源信息对所获取的本地视频流进行处理
。
[0037]第三方面，本专利技术实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现上述任一项所述的工业视觉分析下的计算资源优化配置方法
。
[0038]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机
程序，当所述计算机程序在计算机中执行时，令计算机执行上述任一项所述的工业视觉分析下的计算资源优化配置方法
。
[0039]本专利技术实施例提供了一种工业视觉分析下的计算资源优化配置方法及装置，该方法先通过将计算资源信息虚拟划分为多个计算节点，再获取各计算节点在处理实时视频流时在不同时刻下的单位计算资源信息，以根据这些信息确定计算节点的空置资源信息，进而利用该空置资源信息实现对本地视频流的处理，实现空置资源的利用，如此在保证原本实时视频流保持稳定处理的同时，实现计算资源的优化配置，提高了资源利用率，解决工业制造业务场景中夜间或停工时设置资源空置的问题，同时能实现企业智能化改造的降本增效
。
附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种工业视觉分析下的计算资源优化配置方法，其特征在于，包括：对目标区域的计算资源信息进行虚拟划分，确定计算节点；确定所述计算节点在处理所述目标区域接收的实时视频流时的单位计算资源信息；其中，所述单位计算资源信息包括各计算节点在不同时刻下的资源信息占用率；根据所述单位计算资源信息，确定所述计算节点的空置资源信息；根据所述空置资源信息对所获取的本地视频流进行处理
。2.
根据权利要求1所述的方法，其特征在于，所述确定所述计算节点在处理所述目标区域接收的实时视频流时的单位计算资源信息，包括：获取所述目标区域在历史时间内所处理的历史实时视频流；对所述历史实时视频流进行统计分析，确定所述计算节点在不同时刻下的资源信息占用率
。3.
根据权利要求1所述的方法，其特征在于，所述资源信息占用率包括
CPU
占用率
、GPU
占用率
、
内存占用率和显存占用率；所述根据所述单位计算资源信息，确定所述计算节点的空置资源信息，包括：从所述单位计算资源信息中筛选占用率最高的所述资源信息占用率，并确定为关键资源信息；根据所述关键资源信息和预设满负载占用率，确定所述计算节点在不同时刻下的空置资源信息
。4.
根据权利要求3所述的方法，其特征在于，所述空置资源信息包括空置资源可占用率；所述空置资源可占用率通过如下公式确定：
IR
t
＝
R
max
‑
R
t
‑
m
其中，
IR
t
用于表征
t
时间段内的所述空置资源可占用率；
R
max
用于表征所述预设满负载占用率；
R
t
‑
m
用于表征
t
时间段内所述关键资源信息达到的最大资源信息占用率
。5.
根据权利要求1所述的方法，其特征在于，所述根据所述空置资源信息对所获取的本地视频流进行处理，包括：根据所述空置资源信息，对所述本地视频流进行分片...

【专利技术属性】
技术研发人员：窦畅，闫印强，杨利达，李敏，孙俊虎，姜海昆，范宇，
申请(专利权)人：长扬科技北京股份有限公司，
类型：发明
国别省市：