人工智能视频结构化任务的管理方法和管理系统与流程

[]本发明涉及智能视频监控，尤其涉及一种人工智能视频结构化任务的管理方法和管理系统。

背景技术：

0、[背景技术]

1、视频结构化是一种视频内容信息提取技术，它对视频内容按照语义关系，采用时空分割、对象识别、特征提取等处理手段，组织成可供计算机和人理解的文本信息的技术。

2、当下视频智能分析技术受到各种应用环境的制约，在多人脸、人体、动态视频等复杂场景下，需要切换各种ai推理模型，这些难题存在导致当前主流视频结构化系统效率较低。当下市场上运用的视频结构化，普遍存在如下几问题：1)高效模式下只能灵活运行一个节点，当有多个节点任务需求时，需要手动添加类似的节点任务，兼容性比较差，同时在加载算法模型时，需要做额外的适配2)在运行过程中性能普遍过低，造成这种问题的原因是内存和显存在进行数据转移时，耗时较多，数据在内存和显存之间来回拷贝，存在比较比较多的冗余操作3)数据输出时格式化不明晰，针对不同种类的数据，比如检测值、属性值、类别值，未做规范化处理，显示杂乱不清，后续处理需要大量沟通成本。

技术实现思路

0、[
技术实现要素：
]

1、本发明要解决的技术问题是提供一种兼容性好，运行成本低的人工智能视频结构化任务的管理系统。

2、本发明要解决的技术问题是提供一种系统兼容性好，运行成本低的人工智能视频结构化任务的管理方法。

3、为了解决上述技术问题，本发明采用的技术方案是，一种人工智能视频结构化任务的管理系统，所述的管理系统为视频结构化多任务节点管理系统，包括数据输入节点处理模块，人工智能多任务推理节点处理模块和数据输出节点处理模块；数据输入节点处理模块，包括获取视频帧数据；人工智能多任务推理节点处理模块，包括对视频帧数据进行ai推理；数据输出节点处理模块，包括对推理的结果进行格式化存储及返回最终输出结果。

4、以上所述的管理系统，包括内存池模块和redis数据库，内存池模块，包括存储人工智能多任务推理节点模块处理后的数据；redis数据库，包括存储人工智能多任务推理节点模块处理后的数据在内存池中操作的地址。

5、以上所述的管理系统，

6、201)数据输入节点处理模块包括以下功能：

7、(1)对获取的数据进行判断，如果是jpg数据则进行解码工作；

8、(2)利用内存模块和显存模块进行内存及显存拷贝工作，把图片数据拷贝到显存中，为后期在显卡中进行ai推理做准备；

9、202)人工智能多任务推理节点处理模块包括以下功能：

10、(1)解析配置文件，读取当前系统要进行的ai推理任务，获取任务编排信息；

11、(2)对各任务按编排信息进行ai推理；

12、(3)各任务按编排的方式，数据流从上一级推理任务往下一级推理任务传递，并对数据进行混淆处理，减小数据在内存中所占的存储空间；

13、(4)调协各模块执行的线程数，所述的各模块包括检测节点、特征提取节点、属性分类节点；

14、203)数据输出节点处理模块包括以下功能：

15、(1)对进行过混淆处理的数据进行数据还原；

16、(2)按事先定义好的数据格式，把帧数据和各推理任务的结果信息填充到设定的数据格式中。

17、一种人工智能视频结构化任务的管理方法，上述的人工智能视频结构化任务的管理系统，管理方法包括以下步骤：

18、301)利用现场的摄像设备，获取视频流，通过解码后接入上述的人工智能视频结构化任务的管理系统；

19、302)利用所述管理系统从内存和显存中获取的数据，进行数据预处理，适用于各个算法网络所需要的图片大小；

20、303)利用所述管理系统设置的各个节点处理模块，对预处理后的数据进行ai推理；

21、304)利用ai推理后的数据，进行数据后处理操作；

22、305)利用所述管理系统的后处理模块，把数据格式化成规范的数据，推送到业务层。

23、以上所述的人工智能视频结构化任务的管理方法，，包括以下步骤：

24、401)通过rtsp协议拉取视频数据流或抓取单张图片数据，进入数据输入节点处理模块进行先期处理，把视频数据解码出来的数据和单张图片数据存入内存模块和显存模块中；

25、402)判断是视频流数据还是单张图片数据，如果是视频流数据，则直接进入检测节点进行检测，如果是单张图片数据，需先进行jpg解码，再进入检测节点进行检测；

26、403)存在规则，判断检测节点模块后的数据是否要进行规则更新，规则用于进行任务的设计模式，比如流程中是需要进行一个节点处理模块还是多个节点处理模块、设定有效检测区域和无效检测区域等；

27、404)分类属性节点处理，有效检测区域数据进入分类属性节点进行推理并输出结果往下一个节点处理模块；

28、405)接下来进入特征提取节点，可针对人体、人脸、头肩各个类别进行特征提取，针对不同的类别需进行相应的特征类别提取，并进行相应的数据预处理，比如cpu方式人脸关键点对齐、gpu方式人脸关键点对齐、数据的裁剪等，在特征提取时，可包括人脸特征、人体特征、头肩特征等；

29、406)在特征节点处理模块结束后，数据传入输出节点模块，从内存和显存中取出数据，包括检测值、属性值、特征值等，按定义好的数据格式，进行结构化输出

30、407)数据存储，将输出的结构化数据按队列的形式存储于redis中，赋能给业务层使用。

31、本发明能够兼容多算法模型任务的节点需求，方便模型的增加和切换，而且能效地运行任务，在同样的硬件设备条件下，能接入更多的视频路数，减少硬件运行成本。

技术特征：

1.一种人工智能视频结构化任务的管理系统，其特征在于，所述的管理系统为视频结构化多任务节点管理系统，包括数据输入节点处理模块，人工智能多任务推理节点处理模块和数据输出节点处理模块；数据输入节点处理模块，包括获取视频帧数据；人工智能多任务推理节点处理模块，包括对视频帧数据进行ai推理；数据输出节点处理模块，包括对推理的结果进行格式化存储及返回最终输出结果。

2.根据权利要求1所述的管理系统，其特征在于，包括内存池模块和redis数据库，内存池模块，包括存储人工智能多任务推理节点模块处理后的数据；redis数据库，包括存储人工智能多任务推理节点模块处理后的数据在内存池中操作的地址。

3.根据权利要求1所述的管理系统，其特征在于，

4.一种人工智能视频结构化任务的管理方法，其特征在于，包括权利要求1所述的人工智能视频结构化任务的管理系统，管理方法包括以下步骤：

5.根据权利要求3所述的人工智能视频结构化任务的管理方法，其特征在于，包括以下步骤：

技术总结
本发明公开了一种人工智能视频结构化任务的管理方法和管理系统。所述的管理系统为视频结构化多任务节点管理系统，包括数据输入节点处理模块，人工智能多任务推理节点处理模块和数据输出节点处理模块；数据输入节点处理模块，包括获取视频帧数据；人工智能多任务推理节点处理模块，包括对视频帧数据进行AI推理；数据输出节点处理模块，包括对推理的结果进行格式化存储及返回最终输出结果。本发明能够兼容多算法模型任务的节点需求，方便模型的增加和切换，而且能效地运行任务，在同样的硬件设备条件下，能接入更多的视频路数，减少硬件运行成本。

技术研发人员：鲍斌,樊治国
受保护的技术使用者：青岛高重信息科技有限公司
技术研发日：
技术公布日：2024/1/11