[发明专利]一种车端多路视频流推理分析方法及系统

权利要求书

1.一种车端多路视频流推理分析方法，其特征在于，包括：

基于车端感知的图像数据，对构建的目标检测网络进行训练生成目标检测模型；

将目标检测模型嵌入到DeepStream框架中，并部署到AGX设备中；

将车端多路视频流输入嵌入有目标检测模型的DeepStream框架中，获取输出的多路视频流中的检测目标结果。

2.根据权利要求1所述的车端多路视频流推理分析方法，其特征在于，所述基于车端感知的图像数据，对构建的目标检测网络进行训练生成目标检测模型，包括：

在车端对不同类型的各个车道进行图像采集，得到对应的图像数据，并对每一张图像数据中的目标信息进行标记，构成训练数据集；

基于所述训练数据集对构建的目标检测网络进行训练，生成目标检测模型，其中，所述目标检测网络为轻量型的yolov5s网络。

3.根据权利要求2所述的车端多路视频流推理分析方法，其特征在于，所述训练数据集中的每一张图像数据的大小均为1280*1280px。

4.根据权利要求1所述的车端多路视频流推理分析方法，其特征在于，所述将目标检测模型嵌入到DeepStream框架中，并部署到AGX设备中，包括：

在对构建的目标检测网络进行训练后，获取训练相应的格式模型文件；

在AGX设备上将格式模型文件转换为DeepStream框架所需的格式；

将转换后的格式模型文件部署到AGX设备的DeepStream框架上，以将所述目标检测模型嵌入DeepStream框架中。

5.根据权利要求4所述的车端多路视频流推理分析方法，其特征在于，所述相应的格式模型文件为FP32 best.pt的格式模型文件，所述在AGX设备上将格式模型文件转换为DeepStream框架所需的格式，包括：

利用DeepStream框架自带的TensorRT转换模型插件将FP32best.pt的格式模型文件转换为FP16best.engine的格式模型文件。

6.根据权利要求1所述的车端多路视频流推理分析方法，其特征在于，所述AGX设备上部署有多个线程，相应的，将车端多路视频流输入嵌入有目标检测模型的DeepStream框架中，获取输出的多路视频流中的检测目标结果，包括：

基于AGX设备上的多个线程对输入的多路视频流并行处理，获取每一路视频流中的目标检测结果；

将多路视频流的目标检测结果整合进行输出。

7.一种车端多路视频流推理分析系统，其特征在于，包括：

训练模块，用于基于车端感知的图像数据，对构建的目标检测网络进行训练生成目标检测模型；

部署模块，用于将目标检测模型嵌入到DeepStream框架中，并部署到AGX设备中；

获取模块，用于将车端多路视频流输入嵌入有目标检测模型的DeepStream框架中，获取输出的多路视频流中的检测目标结果。

8.根据权利要求6所述的车端多路视频流推理分析系统，其特征在于，所述部署模块，用于部署模块，用于将目标检测模型嵌入到DeepStream框架中，并部署到AGX设备中，包括：

在对构建的目标检测网络进行训练后，获取训练相应的格式模型文件；

在AGX设备上将格式模型文件转换为DeepStream框架所需的格式；

将转换后的格式模型文件部署到AGX设备的DeepStream框架上，以将所述目标检测模型嵌入DeepStream框架中。

9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-6任一项所述的车端多路视频流推理分析方法的步骤。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-6任一项所述的车端多路视频流推理分析方法方法的步骤。