[发明专利]一种视频处理方法及控制平台

权利要求书

1.一种视频处理方法，其特征在于，包括：

接收由客户端发送的解析请求，所述解析请求中携带待处理影像数据的属性信息，所述属性信息包括：内存大小、数据类型、数据格式和数据来源；

根据所述属性信息为所述待处理影像数据配置GPU资源；

通过所述GPU资源接收所述待处理影像数据，并采用GPU高速共享显存解码技术对所述待处理影像数据进行解码操作，具体为：通过共享解码过程中的context资源，即共享显存实现1路*(内部硬解器context资源)+n路*(视频纹理缓冲区)，实现多路视频并行解码；

通过多级压缩优化方法对深度神经网络模型进行加速操作；

通过所述加速操作后的深度神经网络模型对所述解码操作后的待处理影像数据进行视频结构化分析，得到特征集；

将所述特征集发送给所述客户端；

其中，所述通过多级压缩优化方法对深度神经网络模型进行加速操作，包括：

获取所述深度神经网络模型的精度阈值；

根据所述多级压缩优化方法对深度神经网络模型进行加速操作，所述多级压缩优化方法依次执行顺序为：层融合操作、通道稀疏操作、核规整化操作以及权值INT8量化，所述加速操作后的深度神经网络模型的精度高于所述精度阈值；

其中，所述层融合操作用于将conv+bn+scale三层变成只计算conv，具体按照如下公式实现：

其中，C₁、C₂是Convolution层权重，B₁、B₂、B₃是BatchNorm层的权重，S₁、S₂是Scale层权重； 融合后，将上述公式第一项作为C₁，后三项作为C₂，更新Convolution权重，即消除BatchNorm和Scale层，x代表Conv层输入特征，y代表Scale层输出特征。

2.根据权利要求1所述的方法，其特征在于，所述根据所述属性信息为所述待处理影像数据配置GPU资源，包括：

获取服务器集群的资源状态信息；

根据所述服务器集群的资源状态信息以及所述属性信息确定所述待处理影像数据的GPU资源。

3.根据权利要求1或2所述的方法，其特征在于，所述通过所述加速操作后的深度神经网络模型对所述解码操作后的待处理影像数据进行视频结构化分析，得到特征集，包括：

通过所述加速操作后的深度神经网络模型对所述解码操作后的待处理影像数据进行目标检测，得到目标，并对所述目标进行特征比对，以及识别，并确定所述目标的关键特征，得到所述特征集。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取当前网络速率；

在所述当前网络速率以及所述待处理影像数据的内存大小满足预设条件时，执行所述根据所述属性信息为所述待处理影像数据配置GPU资源的步骤。