[發(fā)明專利]一種提升智能分析性能的方法和裝置

在審

• 申請?zhí)枺?/td>: 201310446301.2
• 申請日: 2013-09-25
• 公開（公告）號: CN103491379A
• 公開（公告）日: 2014-01-01
• 發(fā)明（設計）人: 應程
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: H04N19/59
• 分類號: H04N19/59;H04N17/00;H04N7/18
• 代理公司: 北京博思佳知識產(chǎn)權代理有限公司 11415
• 代理人: 李杰

技術領域

本發(fā)明涉及視頻監(jiān)控技術領域，尤其涉及一種提升智能分析性能的方法和裝置。

背景技術

隨著視頻監(jiān)控業(yè)務的廣泛應用，監(jiān)控視頻的智能分析已經(jīng)越來越成熟，包括虛擬絆線檢測，運動量檢測，人臉分析，丟包檢測（檢測在一個區(qū)域內，物體突然消失的一種智能分析），人員密集檢測等等。但監(jiān)控領域完整的智能分析流程不僅包括了智能分析算法，同時它還包括視頻流的解碼性能。隨著目前視頻監(jiān)控領域視頻攝像機分辨率的提升，如1080P分辨率為1920×1080，其解碼后的1080P?YUV數(shù)據(jù)約700Mbps，即使i73770處理器也只能滿負荷并行分析6路幀率為30幀，分辨率為1080P的H264的視頻碼流，對CPU性能消耗極大。

發(fā)明內容

有鑒于此，本發(fā)明提供一種提升智能分析性能的方法，該方法包括：步驟A、支持快速硬解碼和硬編碼技術的GPU對輸入的壓縮編碼視頻碼流硬解碼為第一分辨率的視頻碼流，并且將該第一分辨率的視頻碼流壓縮編碼為第二分辨率的視頻碼流，所述編碼后的第二分辨率的視頻碼流存儲于所述GPU的顯存中，該第二分辨率小于第一分辨率；步驟B、將所述第二分辨率的視頻碼流從所述顯存復制到內存中，以供CPU對該內存中的視頻碼流進行智能分析。

基于同樣的構思，本發(fā)明還提供一種提升智能分析性能的裝置，該裝置應用于智能分析設備，該提升智能分析性能的裝置具有支持快速硬解碼和硬編碼技術的GPU，該裝置包括：碼流轉換模塊和碼流復制模塊。碼流轉換模塊，用于指令所述GPU對輸入的壓縮編碼視頻碼流硬解碼為第一分辨率的視頻碼流，并且指令該GPU將該第一分辨率的視頻碼流壓縮編碼為第二分辨率的視頻碼流，所述第二分辨率的視頻碼流存儲于該GPU的顯存中，該第二分辨率小于第一分辨率；碼流復制模塊，用于將第二分辨率的視頻碼流從所述顯存復制到內存中，以供CPU對該內存中的視頻碼流進行智能分析。

與現(xiàn)有技術相比，本發(fā)明利用支持快速硬解碼和硬編碼技術的GPU將存放于GPU顯存中的解碼后的高分辨率數(shù)據(jù)編碼成低分辨率的數(shù)據(jù)，將小數(shù)據(jù)量的低分辨率數(shù)據(jù)從顯存中復制到內存中，CPU再對該內存中的數(shù)據(jù)進行智能分析，整個處理流程極大地降低了CPU的性能消耗。

附圖說明

圖1是一種智能分析的處理流程圖；

圖2是本發(fā)明裝置的邏輯結構圖；

圖3是本發(fā)明一種實施方式的處理流程圖。

具體實施方式

目前監(jiān)控行業(yè)的某些智能分析只需要較低分辨率的圖像就能實現(xiàn)較好的分析效果，如虛擬絆線、丟包檢測等，所以可以將前述解碼后的1080P?YUV數(shù)據(jù)在YUV空間中直接進行圖像的縮小，然后交由智能分析模塊進行智能分析。具體請參考圖1。圖1是目前監(jiān)控行業(yè)在虛擬絆線的智能分析上普遍采用的流程。視頻源數(shù)據(jù)由CPU經(jīng)過H264軟解碼后得到分辨率為1080P的YUV圖像數(shù)據(jù)。該YUV圖像數(shù)據(jù)直接由CPU在YUV空間中進行圖像縮小處理得到分辨率為352×288的圖像。由此數(shù)據(jù)量縮小到原來的20倍左右。在進行虛擬拌線智能分析的時候，CPU直接對縮小后的CIF圖像進行智能分析。由于智能分析的圖像數(shù)據(jù)比原來小，所以減小了CPU在智能分析的時候的壓力。但是對1080P圖像的H264解碼消耗了CPU大量的性能，降低了處理速率，所以整體上并不能大幅提升智能分析的效率。

隨著英特爾公司核顯（核芯顯卡，即GPU和CPU建立在同一內核芯片上）具有的Intel?Quick?Sync?Video技術（高速影像同步轉文件技術）的推廣，發(fā)明人考慮可以直接使用該Quick?Sync?Video技術來進行H264解碼。該解碼過程屬于硬解碼，所以能較快地將原始的視頻碼流轉換為其他格式的視頻碼流。這樣看似解決了所有的問題，但是發(fā)明人經(jīng)過仔細分析發(fā)現(xiàn)：采用Quick?Sync?Video技術解碼得到的視頻碼流將被存儲在GPU的顯存中，而CPU不會訪問該顯存來對其中的數(shù)據(jù)進行智能分析；所以進一步地可以考慮將顯存中的龐大數(shù)據(jù)復制到內存中供CPU進行智能分析。但是該數(shù)據(jù)量比較大，所以整個復制過程將消耗CPU較多的性能。并且即便該復制過程資源耗費不大，但CPU在進行虛擬拌線等智能分析的時候，直接分析解碼后得到的高清的數(shù)據(jù)，對其性能消耗也較大。