CN104618693B - 一种基于云计算的监控视频在线处理任务管理方法及*** - Google Patents

Abstract

本申请公开了一种基于云计算的监控视频在线处理任务管理***，所述监控视频在线处理任务管理***分别连接客户端和前端摄像机，该监控视频在线处理任务管理***包括：智能视频分析算法管理模块、云资源管理模块、云计算物理资源模块和虚拟智能视频分析服务器。本申请还公开了一种基于云计算的监控视频在线处理任务管理方法。本申请采用云计算技术将一组数据中心中互连的服务器集群进行统一管理，共同协作为用户提供智能监控视频在线处理任务管理服务，使***具有良好的伸缩性，能够按需动态配置智能视频分析算法，便于管理，还大大降低了成本。另外，本申请方案能够对用户提交的视频处理任务进行合理调度，使计算集群负载均衡，提高了资源利用率，向用户提供高效的云计算服务。

Description

一种基于云计算的监控视频在线处理任务管理方法及***

技术领域

本申请涉及智能视频监控与云计算领域，具体涉及在线智能监控视频在线处理任务管理***、云资源管理***、云资源调度方法，尤其涉及一种基于云计算的监控视频在线处理任务管理方法及***。

背景技术

随着计算机技术、网络技术和多媒体技术的飞速发展，视频监控***已经从传统的模拟视频监控***发展到基于IP的网络视频监控***。伴随我国现代化建设水平和经济发展的不断加速，各个城市纷纷将大规模社会治安网络视频监控***的建设提升到打造“平安城市”的战略高度，这就对兴建技术标准统一、网络互连互通、信息资源共享的市级或省级监控网络提出了要求。

视频监控***的规模急剧扩大，但却没有足够的人力进行监控，难以保证多区域、长时间的实时监控，难以及时处理海量实时视频信息，因此迫切需要具备网络实时智能视频分析的监控***对关键视频信息进行提取，对异常监控场景事件进行预警。另一方面，传统的集中式监控视频处理服务器已不能适应高清视频对网络流量的需求,严重影响了在线智能监控视频处理***的工作效率。此外，在传统的智能视频监控***中，智能视频分析算法通常集成在视频分析服务器或摄像头的嵌入式芯片中，提供固定类型的分析算法，用户无法根据需求定制任务。当用户需要使用新的视频分析算法、***升级或扩展能力时，需要另外购买视频分析服务器或更换摄像头，成本很高，不便于***管理。使单服务器获得更强的计算能力可以通过增加处理器个数及其他部件速度的方式来实现，然而会受到计算机体系结构和主频等方面的限制，也会遇到高性能服务器价格昂贵、可扩展性差以及无法从根本上解决单点故障和服务器资源不够用等问题。

以上各方面的现实需求归结起来，需要一种高效、灵活、稳定、低成本、方便管理的海量监控视频数据处理方案。

发明内容

本申请提供了一种基于云计算的监控视频在线处理任务管理方法及***，能够实现高效、灵活、稳定、低成本、方便管理的海量监控视频数据处理。

本申请实施例提供了一种基于云计算的监控视频在线处理任务管理***，所述监控视频在线处理任务管理***分别连接客户端和前端摄像机，该监控视频在线处理任务管理***包括：智能视频分析算法管理模块、云资源管理模块、云计算物理资源模块和虚拟智能视频分析服务器；

所述智能视频分析算法管理模块用于管理客户端的视频分析任务，保存和管理虚拟智能视频分析服务器的相关信息，监听虚拟智能视频分析服务器的运行状态，在虚拟计算服务器上部署、启动虚拟智能视频分析服务器；向云计算物理资源模块发出资源申请和撤销请求；

所述云资源管理模块用于按需动态地在云计算物理资源模块上对虚拟智能视频分析服务器进行创建、删除、查看操作；

云计算物理资源模块用于部署服务器虚拟化环境，具备生成虚拟智能视频分析服务器的云计算物理资源；

虚拟智能视频分析服务器，生成于云计算物理资源模块提供的云计算物理资源之上，每个虚拟智能视频分析服务器包含一种或多种视频分析算法，用于接收并解码监控摄像机传输的视频流，负责对监控视频流进行在线的分析，然后把视频分析的结果发送给客户端。

本申请实施例还提供了一种基于云计算的监控视频在线处理任务管理方法，包括如下步骤：

任务请求阶段：客户端向智能视频分析算法管理模块发送监控视频在线处理任务请求Q＝{C,J,T}，然后等待智能视频分析算法管理模块的任务部署结果；其中，C＝{c1,c2,…,cn}为摄像头集合，J＝{j1,j2,…,j3}为视频分析算法集合，T＝[t1,t2]为任务执行时间段；

任务部署阶段：智能视频分析算法管理模块接收到任务请求Q后，进行判断：如果当前云计算物理资源模块中没有能够满足任务请求Q的虚拟智能视频分析服务器，则通过云资源管理模块动态生成满足任务请求Q所需资源配置的虚拟计算服务器，然后把所需的智能视频分析算法应用镜像部署到虚拟计算服务器，从而生成满足任务需求的虚拟智能视频分析服务器，启动虚拟智能视频分析服务器执行视频分析任务，并把虚拟智能视频分析服务器相关信息返回给客户端；如果当前云计算物理资源模块中具有能够满足任务请求Q的虚拟智能视频分析服务器，则根据虚拟智能视频分析服务器集群的负载情况自适应地调度虚拟智能视频分析服务器，启动虚拟智能视频分析服务器执行视频分析任务，并把相应的虚拟智能视频分析服务器集群信息返回给客户端；

任务处理阶段：客户端接收智能视频分析算法管理模块返回的虚拟智能视频分析服务器信息后，可以监听并接收虚拟智能视频分析服务器返回的视频分析结果。虚拟智能视频分析服务器从前端摄像机获取并解码标准监控视频流，调用J需求的视频分析算法，对视频流进行在线分析，并把分析结果返回给客户端。

从以上技术方案可以看出，采用云计算技术将一组数据中心中互连的服务器集群进行统一管理，共同协作为用户提供智能监控视频在线处理任务管理服务，使***具有良好的伸缩性，能够按需动态配置智能视频分析算法，便于管理，还大大降低了成本。另外，本申请方案能够对用户提交的视频处理任务进行合理调度，使计算集群负载均衡，提高了资源利用率，向用户提供高效的云计算服务。

附图说明

图1是本申请实施例提供的基于云计算的监控视频在线处理任务管理***结构图。

图2是本申请实施例提供的IVAM调度智能视频分析任务的操作流程示意图；

图3为本申请实施例提供的IVAM调度智能视频分析任务中，任务请求阶段的具体处理流程示意图；

图4为本申请实施例提供的IVAM调度智能视频分析任务中，任务部署阶段的具体处理流程示意图；

图5为图4所示流程中步骤404至步骤405的具体处理过程示意图；

图6为图4所示流程中步骤403的具体处理过程示意图；

图7为本申请实施例提供的IVAM调度智能视频分析任务中，任务处理阶段的具体处理流程示意图；

图8为本申请实施例提供的IVAM调度智能视频分析任务中，任务结束阶段当任务Q中要求的时间段T截止时，则其业务交互流程示意图；

图9为本申请实施例提供的IVAM调度智能视频分析任务中，任务结束阶段当CS向IVAM发出撤销VIVU请求时，则其业务交互流程示意图。

具体实施方式

本申请的目的是提供一种基于云计算的监控视频在线处理任务管理方法及***，充分利用云计算的分布式架构设计和可扩展能力，以及支持大规模监控视频在线分析功能，通过建立智能视频分析算法管理功能模块(IVAM)和云化视频分析集群(CVAC)，形成智能视频分析算法的按需调用能力，满足客户多样灵活智能分析需求，从而能够实现监控规模的动态扩张，具备更完善的功能，获得更高效可靠的***性能，同时具有更高的性价比。其基本设计思想是：基于云计算技术对数据中心的物理计算服务器集群进行统一管理和调度，当有监控视频在线处理任务请求时，根据任务所需的资源情况和当前服务器集群的负载情况动态生成、配置虚拟视频分析计算资源，向用户按需提供视频分析服务。

云计算是一种新兴的计算模式，是分布式计算技术的一种，主要是将大量用网络连接的计算资源统一管理和调度，构成一个计算资源池向用户按需服务。用户通过网络以按需、易扩展的方式获得所需资源和服务，网络中的计算机、服务器共同对外提供服务，并使之透明化。

为使本申请技术方案的技术原理、特点以及技术效果更加清楚，以下结合具体实施例对本申请技术方案进行详细阐述。

本申请实施例提供的基于云计算的监控视频在线处理任务管理***(以下简称为***)的结构如图1所示，该***包括：智能视频分析算法管理模块(IVAM)102、云资源管理模块(CRMU)103、云计算物理资源模块(CPR)104和虚拟智能视频分析服务器(VIVU)105。此外，该***正常工作时，还需与客户端(CS)101)和前端摄像机(PU)106具备连接。对图1中各个部分说明如下：

客户端(CS)101：非***核心模块，由一个或多个计算机构成是监控视频在线处理任务的请求者，也是视频分析结果的接受者。能够向监控视频在线处理任务管理***提交智能视频分析任务，从VIVU 105获得智能分析结果数据，通常可以存储并展示视频分析结果。当不再需要对监控视频进行分析时，也可以向监控视频在线处理任务管理***撤销智能视频分析任务。

智能视频分析算法管理模块(IVAM)102：属于***核心功能模块，由一个服务器构成，是监控视频在线处理任务管理***的请求响应入口模块，提供给CS 101的***访问方式，提供两种***访问方式：一是以Web页面的形式呈现，用户可以通过网页管理监控视频在线处理任务管理***；二是以Web服务接口的方式使CS 101能够使用监控视频在线处理任务管理***提供的服务。CS 101通过服务暴露的接口进行任务定制和提交。当CS 101不再需要VIVU 105时，能够向IVAM 102发起计算资源撤销请求。

根据本申请另一实施例，智能视频分析算法管理模块(IVAM)102进一步包括如下功能单元：

智能视频分析算法管理单元：用于存储多个智能视频分析算法镜像，用户能够对视频分析算法镜像进行添加、删除、查找等管理操作；

智能视频分析任务管理单元：用于管理CS的视频分析任务，包括监听和响应任务请求、保存和管理任务信息、控制任务的执行过程等；

VIVU管理单元：保存和管理VIVU的相关信息，监听VIVU的运行状态，另外，能够向CRMU发出虚拟计算服务器资源申请和撤销请求，并能够在虚拟计算服务器上部署、启动VIVU；

***任务调度单元：用于根据当前VIVU集群的运行状态，自适应地把智能视频分析任务调度到相应的VIVU进行视频分析；

认证管理单元：用于管理CS的身份信息，对CS的身份进行验证，并能够控制CS的行为。

云资源管理模块(CRMU)103：属于***核心功能模块，由一个服务器构成，是云计算基础资源的请求响应入口模块，负责整合数据中心的CPR 104，屏蔽基础设施资源的异构性和动态性，为***提供易伸缩的、友好的、透明的数据中心基础设施管理服务。

根据本申请另一实施例，所述云资源管理模块103包括如下功能单元：

云主机管理单元：能够按需动态地对虚拟智能视频分析服务器虚拟智能视频分析服务器进行创建、删除、查看等管理操作，支持Windows、Linux、BSD等主流操作***，能够远程启动、关闭、重启、登录虚拟智能视频分析服务器虚拟智能视频分析服务器，并能够对虚拟智能视频分析服务器虚拟智能视频分析服务器进行热迁移；

镜像管理单元：能够创建、删除和查询镜像文件，实现软件环境的快速配置及业务的快速部署；

云主机状态监控单元：实时地监测数据中心云主机的运行状态，收集、保存、并图形化展示云主机的CPU、内存、硬盘和网络I/O等状态值；

认证管理单元：管理用户的身份信息，能够对用户的身份进行验证，并能够控制用户的行为。

云计算物理资源模块(CPR)104：数据中心物理计算服务器集群，由CRMU进行统一管理，部署了服务器虚拟化环境，能够在其上生成虚拟计算服务器。

虚拟智能视频分析服务器(VIVU)105：属于***核心功能模块，由IVAM 102向CRMU103申请虚拟计算服务器资源后，在物理资源CPR 104上创建的虚拟计算服务器，然后IVAM102把视频分析算法应用镜像部署到创建的虚拟计算服务器上，从而生成VIVU 105。每个VIVU 105包含一种或多种视频分析算法，能够接收并解码监控摄像机PU 106传输的视频流，负责对监控视频流进行在线的分析，然后把视频分析的结果发送给CS 101。同时，VIVU105周期性地上报自己的运行状态，包括CPU、内存、硬盘和网络I/O状态值。

前端摄像机(PU)106：由多个网络摄像机构成，安装在监控区域内，负责采集监控视频流，对视频流进行编码，并能够把监控视频流通过IP网络进行传输。

当客户端101前端监控摄像机视频流进行分析的任务时，智能视频分析算法管理模块(IVAM)102根据视频分析任务的资源需求情况向云化视频分析集群(CVAC)申请虚拟资源，并生成相应的虚拟智能视频分析服务器(VIVU)，虚拟智能视频分析服务器接收由前端监控摄像机发送的视频数据，***能够根据各个任务之间的差异，确定影响***性能的关键因素，根据视频分析任务特点和各虚拟智能视频分析服务器的资源占用情况，确定分配给各个任务的服务器节点，使得虚拟智能视频分析服务器集群负载均衡，资源利用率高，提高***任务执行效率，同时能够高效地统一管理智能视频分析服务器，有效地满足用户需求。

本申请提供的基于云计算的监控视频在线处理任务管理方法如图2所示，包括下列操作步骤：

步骤201：任务请求阶段：CS向IVAM发送监控视频在线处理任务请求Q，然后等待IVAM的任务部署结果。

步骤202：任务部署阶段：IVAM接收到任务请求Q后，进行判断：如果当前CPR中没有能够满足任务请求Q的VIVU，则通过CRMU动态生成满足任务请求Q所需资源配置的虚拟计算服务器，然后把所需的智能视频分析算法应用镜像部署到虚拟计算服务器，从而生成满足任务需求的VIVU，启动VIVU执行视频分析任务，并把VIVU相关信息返回给CS；如果当前CPR中具有能够满足任务请求Q的VIVU，则根据VIVU集群的负载情况自适应地调度VIVU，启动VIVU执行视频分析任务，并把相应的VIVU集群信息返回给CS。

当IVAM向CRMU发出计算资源申请时，CRMU根据当前物理基础资源CPR的负载情况，在CPR上生成相应资源配置的虚拟计算服务器，并把虚拟计算服务器的相关信息返回给IVAM。当IVAM向CRMU发出计算资源撤销请求，CRMU删除CPR上相应的虚拟计算服务器。

步骤203：任务处理阶段：CS接收IVAM返回的VIVU信息后，可以监听并接收VIVU返回的视频分析结果。VIVU从PU获取并解码标准监控视频流，调用J需求的视频分析算法，对视频流进行在线分析，并把分析结果返回给CS。

步骤204：任务结束阶段：当任务结束时，即任务Q中要求的时间段T截止时，IVAM停止VIVU的视频分析工作；或当CS向IVAM发出撤销VIVU请求时，IVAM向CRMU发出计算资源撤销请求，然后CRMU把相应VIVU所占用的计算资源收回。

其中，任务请求阶段的具体处理过程如图3所示，包括如下步骤：

步骤301：CS登录到IVAM，IVAM对CS进行身份验证；

步骤302：CS向IVAM发送监控视频在线处理任务请求Q＝{C,J,T}(其中C＝{c1,c2,…,cn}为摄像头集合，J＝{j1,j2,…,j3}为视频分析算法集合，T＝[t1,t2]为任务执行时间段)，然后等待IVAM的任务部署结果。

任务部署阶段的处理流程如图4所示，该阶段包括下列操纵步骤：

步骤401：IVAM接收到任务请求Q。

步骤402：判断是否存在满足任务请求Q的VIVU集群，若是，执行步骤403，否则执行步骤404。

步骤403：根据VIVU集群负载调度VIVU，然后执行步骤406。

步骤404：向CRMU申请虚拟机。

步骤405：在虚拟机上部署算法生成VIVU。

步骤406：启动VIVU集群执行视频分析任务。

步骤407：把VIVU集群信息返回给CS。

如果当前CPR中没有能够满足任务请求Q的VIVU，则其业务交互具体流程(对应图4中的步骤404至步骤405)如图5所示，包括如下步骤：

步骤501：IVAM登录到CRMU，CRMU对IVAM的身份进行验证；

步骤502：IVAM向CRMU发出生成虚拟机的请求，动态生成满足任务请求Q所需资源配置的虚拟计算服务器；

步骤503:：CRMU根据当前物理基础资源CPR的负载情况，基于BFilter过滤调度算法选择CPR中的物理服务器集合subCPR，把虚拟机镜像下发到选择的subCPR上，在subCPR上生成相应资源配置的虚拟计算服务器集群；

BFilter过滤调度算法：设置每个虚拟计算服务器的处理能力相同，且最少能并行处理Nk个视频分析任务，因此需要创建Ncpr＝Nc*Nj/Nk个虚拟服务器(其中Nc为C中摄像头的个数，Nj为J中任务的个数)。对于创建每个虚拟计算服务器，先获取所有CPR中的物理服务器虚拟计算环境状态，然后对不满足Q所需资源的物理服务器过滤掉(例如需要4G内存，不足4G内存直接过滤掉)，然后对所有过滤剩下的物理服务器进行权值评分(例如剩余内存越大，评分越高)，最后抽取评分最高的若干主机(默认为5)，从这若干台物理服务器中随机选择一台作为候选虚拟计算服务器。

步骤504：CRMU把虚拟计算服务器集群的信息返回给IVAM；

步骤505：IVAM把Q所要求的智能视频分析算法应用镜像部署到虚拟计算服务器集群上，从而生成满足任务需求的VIVU集群；

步骤506：VIVU集群把自己的运行状态(包括是否正常运行，正在执行视频分析任务情况，CPU、内存、硬盘、网络I/O等状态值)上报给IVAM；

步骤507：IVAM向VIVU集群发送任务执行命令Q1＝{C,J}，启动VIVU执行视频分析任务；

步骤508：IVAM向CS返回VIVU集群的信息。

如果当前CPR中具有能够满足任务请求Q的VIVU，则其业务交互流程(对应图4中的步骤403)如图6所示：

步骤601：VIVU集群周期性地把自己的运行状态(包括是否正常运行，正在执行视频分析任务情况，CPU、内存、硬盘、网络I/O等状态值)上报给IVAM；

步骤602：IVAM根据VIVU集群的负载情况，基于BScheduler算法自适应地调度VIVU，向VIVU集群发送任务执行命令Qk，启动VIVU执行视频分析任务；

BScheduler调度算法：遍历C中每个摄像头ci对应的每个视频分析任务j，如果当前VIVU能够处理j，则把任务j分配给当前VIVU，如果当前VIVU不能够处理任务j，则从VIVU集群中选择下一个没有被占用的VIVU。最后得到VIVU集群的任务执行命令Qk(其中Qk包含了每个VIVU应该处理的任务集合)。

步骤603：IVAM向CS返回VIVU集群的信息。

任务处理阶段中，CS接收IVAM返回的VIVU集群信息后，可以监听并接收VIVU集群返回的视频分析结果，其具体业务交互流程如图7所示，包括如下步骤：

步骤701：VIVU集群收到IVAM发送的任务执行命令Q1＝{C,J}后，向PU集合C发送摄像头连接请求；

步骤702：VIVU从摄像头获取并解码标准监控视频流，调用算法集合J要求的视频分析算法，对视频流进行在线分析；

步骤703：VIVU把视频分析结果返回给CS。

任务结束阶段，当任务Q中要求的时间段T截止时，则其业务交互流程如图8所示，包括如下步骤：

步骤801：IVAM向VIVU发送停止视频分析任务命令S＝<Q1>(Q1＝{C,J})；

步骤802：VIVU向摄像头集合C中指定的PU发送停止视频流发送命令，则PU停止向VIVU发送视频流，VIVU停止视频分析任务Q1；

步骤803：IVAM通知CS视频分析任务Q截止时间到，已经停止视频分析工作。

任务结束阶段，当CS向IVAM发出撤销VIVU请求时，则其业务交互流程如图9所示，包括如下步骤：

步骤901：CS向IVAM发出撤销VIVU请求命令P＝<Q>(Q＝{C,J,T})；

步骤902：IVAM向VIVU发送停止视频分析任务命令S＝<Q1>(Q1＝{C,J})；

步骤903：VIVU向摄像头集合C中指定的PU发送停止视频流发送命令，则PU停止向VIVU发送视频流，VIVU停止视频分析任务Q1；

步骤904：IVAM向CRMU发送计算资源撤销请求，申请撤销执行Q任务的虚拟计算服务器集群；

步骤905：CRMU把执行任务Q的VIVU所占用的计算资源收回。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请的保护范围，凡在本申请技术方案的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (10)

1.一种基于云计算的监控视频在线处理任务管理***，其特征在于，所述监控视频在线处理任务管理***分别连接客户端和前端摄像机，该监控视频在线处理任务管理***包括：智能视频分析算法管理模块、云资源管理模块、云计算物理资源模块和虚拟智能视频分析服务器；

所述智能视频分析算法管理模块用于管理客户端的视频分析任务，所述分析任务包括任务请求Q＝{C,J,T}，其中，C＝{c1,c2,…,cn}为摄像头集合，J＝{j1,j2,…,j3}为视频分析算法集合，T＝[t1,t2]为任务执行时间段；保存和管理虚拟智能视频分析服务器的相关信息，监听虚拟智能视频分析服务器的运行状态，在虚拟计算服务器上部署、启动虚拟智能视频分析服务器，所述虚拟智能视频分析服务器满足所述任务请求Q所需的资源配置，根据虚拟智能视频分析服务器集群的负载情况自适应地调度虚拟智能视频分析服务器；向云计算物理资源模块发出资源申请和撤销请求；

所述云资源管理模块用于按需动态地在云计算物理资源模块上对虚拟智能视频分析服务器进行创建、删除、查看操作；

云计算物理资源模块用于部署服务器虚拟化环境，具备生成虚拟智能视频分析服务器的云计算物理资源；

虚拟智能视频分析服务器，生成于云计算物理资源模块提供的云计算物理资源之上，每个虚拟智能视频分析服务器包含一种或多种视频分析算法，用于接收并解码监控摄像机传输的视频流，负责对监控视频流进行在线的分析，然后把视频分析的结果发送给客户端。

2.根据权利要求1所述的监控视频在线处理任务管理***，其特征在于，所述智能视频分析算法管理模块包括如下功能单元：

智能视频分析算法管理单元，用于存储多个智能视频分析算法镜像，客户端对视频分析算法镜像进行管理操作；所述管理操作至少包括添加、删除和查找；

智能视频分析任务管理单元，用于管理客户端的视频分析任务，包括监听和响应任务请求、保存和管理任务信息、控制任务的执行过程；

虚拟智能视频分析服务器管理单元，用于保存和管理虚拟智能视频分析服务器的相关信息，监听虚拟智能视频分析服务器的运行状态；还用于向云资源管理模块发出虚拟计算服务器资源申请和撤销请求，并在虚拟计算服务器上部署、启动虚拟智能视频分析服务器；

***任务调度单元，用于根据当前虚拟智能视频分析服务器集群的运行状态，自适应地把智能视频分析任务调度到相应的虚拟智能视频分析服务器进行视频分析。

3.根据权利要求1所述的监控视频在线处理任务管理***，其特征在于，所述云资源管理模块包括：

云主机管理单元，用于按需动态地对虚拟智能视频分析服务器虚拟智能视频分析服务器进行管理操作，远程启动、关闭、重启、登录虚拟智能视频分析服务器虚拟智能视频分析服务器，并能够对虚拟智能视频分析服务器虚拟智能视频分析服务器进行热迁移；所述管理操作至少包括创建、删除和查看；

镜像管理单元，用于能够创建、删除和查询镜像文件，实现软件环境的快速配置及业务的快速部署；

云主机状态监控单元，用于实时地监测云计算物理资源模块的云主机的运行状态，收集、保存、并图形化展示云主机的状态值。

4.一种基于云计算的监控视频在线处理任务管理方法，其特征在于，该方法基于如权利要求1至3任一项所述的监控视频在线处理任务管理***实现，包括如下步骤：

任务请求阶段：客户端向智能视频分析算法管理模块发送监控视频在线处理任务请求Q＝{C,J,T}，然后等待智能视频分析算法管理模块的任务部署结果；其中，C＝{c1,c2,…,cn}为摄像头集合，J＝{j1,j2,…,j3}为视频分析算法集合，T＝[t1,t2]为任务执行时间段；

任务部署阶段：智能视频分析算法管理模块接收到任务请求Q后，进行判断：如果当前云计算物理资源模块中没有能够满足任务请求Q的虚拟智能视频分析服务器，则通过云资源管理模块动态生成满足任务请求Q所需资源配置的虚拟计算服务器，然后把所需的智能视频分析算法应用镜像部署到虚拟计算服务器，从而生成满足任务需求的虚拟智能视频分析服务器，启动虚拟智能视频分析服务器执行视频分析任务，并把虚拟智能视频分析服务器相关信息返回给客户端；如果当前云计算物理资源模块中具有能够满足任务请求Q的虚拟智能视频分析服务器，则根据虚拟智能视频分析服务器集群的负载情况自适应地调度虚拟智能视频分析服务器，启动虚拟智能视频分析服务器执行视频分析任务，并把相应的虚拟智能视频分析服务器集群信息返回给客户端；

任务处理阶段：客户端接收智能视频分析算法管理模块返回的虚拟智能视频分析服务器信息后，可以监听并接收虚拟智能视频分析服务器返回的视频分析结果；虚拟智能视频分析服务器从前端摄像机获取并解码标准监控视频流，调用J需求的视频分析算法，对视频流进行在线分析，并把分析结果返回给客户端。

5.根据权利要求4所述的方法，其特征在于，任务部署阶段进一步包括：当智能视频分析算法管理模块向云资源管理模块发出计算资源申请后，云资源管理模块根据当前云计算物理资源模块的负载情况，在云计算物理资源模块上生成相应资源配置的虚拟计算服务器，并把虚拟计算服务器的相关信息返回给智能视频分析算法管理模块。

6.根据权利要求5所述的方法，其特征在于，任务部署阶段所述的如果当前云计算物理资源模块中没有能够满足任务请求Q的虚拟智能视频分析服务器，则通过云资源管理模块动态生成满足任务请求Q所需资源配置的虚拟计算服务器，然后把所需的智能视频分析算法应用镜像部署到虚拟计算服务器，从而生成满足任务需求的虚拟智能视频分析服务器，启动虚拟智能视频分析服务器执行视频分析任务，并把虚拟智能视频分析服务器相关信息返回给客户端包括：

步骤501：智能视频分析算法管理模块登录到云资源管理模块，云资源管理模块对智能视频分析算法管理模块的身份进行验证；

步骤502：智能视频分析算法管理模块向云资源管理模块发出生成虚拟机的请求，动态生成满足任务请求Q所需资源配置的虚拟计算服务器；

步骤503：云资源管理模块根据当前物理基础资源云计算物理资源模块的负载情况，基于第一调度算法选择云计算物理资源模块中的物理服务器集合，把虚拟机镜像下发到选择的物理服务器集合上，在物理服务器集合上生成相应资源配置的虚拟计算服务器集群；

步骤504：云资源管理模块把虚拟计算服务器集群的信息返回给智能视频分析算法管理模块；

步骤505：智能视频分析算法管理模块把Q所要求的智能视频分析算法应用镜像部署到虚拟计算服务器集群上，从而生成满足任务需求的虚拟智能视频分析服务器集群；

步骤506：虚拟智能视频分析服务器集群把自己的运行状态上报给智能视频分析算法管理模块；

步骤507：智能视频分析算法管理模块向虚拟智能视频分析服务器集群发送任务执行命令Q1＝{C,J}，启动虚拟智能视频分析服务器执行视频分析任务；

步骤508：智能视频分析算法管理模块向客户端返回虚拟智能视频分析服务器集群的信息。

7.根据权利要求6所述的方法，其特征在于，所述第一调度算法包括：设置每个虚拟计算服务器的处理能力相同，且最少能并行处理Nk个视频分析任务，因此需要创建N云计算物理资源模块＝Nc*Nj/Nk个虚拟服务器，其中Nc为C中摄像头的个数，Nj为J中任务的个数；

对于创建每个虚拟计算服务器，先获取所有云计算物理资源模块中的物理服务器虚拟计算环境状态，然后对不满足Q所需资源的物理服务器过滤掉；然后对所有过滤剩下的物理服务器进行权值评分，最后抽取评分最高的若干主机，从这若干台物理服务器中随机选择一台作为候选虚拟计算服务器。

8.根据权利要求4所述的方法，其特征在于，步骤部署阶段所述的如果当前云计算物理资源模块中具有能够满足任务请求Q的虚拟智能视频分析服务器，则根据虚拟智能视频分析服务器集群的负载情况自适应地调度虚拟智能视频分析服务器，启动虚拟智能视频分析服务器执行视频分析任务，并把相应的虚拟智能视频分析服务器集群信息返回给客户端包括：

步骤601：虚拟智能视频分析服务器集群周期性地把自己的运行状态上报给智能视频分析算法管理模块；

步骤602：智能视频分析算法管理模块根据虚拟智能视频分析服务器集群的负载情况，基于第二调度算法自适应地调度虚拟智能视频分析服务器，向虚拟智能视频分析服务器集群发送任务执行命令Qk，启动虚拟智能视频分析服务器执行视频分析任务；

步骤603：智能视频分析算法管理模块向客户端返回虚拟智能视频分析服务器集群的信息。

9.根据权利要求8所述的方法，其特征在于，所述第二调度算法包括：遍历C中每个摄像头ci对应的每个视频分析任务j，如果当前虚拟智能视频分析服务器能够处理j，则把任务j分配给当前虚拟智能视频分析服务器，如果当前虚拟智能视频分析服务器不能够处理任务j，则从虚拟智能视频分析服务器集群中选择下一个没有被占用的虚拟智能视频分析服务器；最后得到虚拟智能视频分析服务器集群的任务执行命令Qk；其中Qk包含了每个虚拟智能视频分析服务器应该处理的任务集合。

10.根据权利要求4至9任一项所述的方法，其特征在于，所述任务处理阶段之后进一步包括：

第一类任务结束阶段：当任务结束时，即任务Q中要求的时间段T截止时，智能视频分析算法管理模块停止虚拟智能视频分析服务器的视频分析工作；

或者，

第二类任务结束阶段：或当客户端向智能视频分析算法管理模块发出撤销虚拟智能视频分析服务器请求时，智能视频分析算法管理模块向云资源管理模块发出计算资源撤销请求，然后云资源管理模块把相应虚拟智能视频分析服务器所占用的计算资源收回。