CN112637567B - 基于多节点边缘计算设备的云端数据上传方法和*** - Google Patents
基于多节点边缘计算设备的云端数据上传方法和*** Download PDFInfo
- Publication number
- CN112637567B CN112637567B CN202011545944.9A CN202011545944A CN112637567B CN 112637567 B CN112637567 B CN 112637567B CN 202011545944 A CN202011545944 A CN 202011545944A CN 112637567 B CN112637567 B CN 112637567B
- Authority
- CN
- China
- Prior art keywords
- image data
- monitoring image
- uploading
- monitoring
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/62—Queue scheduling characterised by scheduling criteria
- H04L47/625—Queue scheduling characterised by scheduling criteria for service slots or service orders
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/565—Conversion or adaptation of application format or content
- H04L67/5651—Reducing the amount or size of exchanged application data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了基于多节点边缘计算设备的云端数据上传方法和***,其通过确定若干监控器产生的监控图像的图像质量信息,以此判断监控图像数据的上传可行性,并根据具备上传可行性的监控图像数据各自的数据量生成相应的上传队列,再根据云端终端当前的数据接收忙闲状态,调整上传队列中相邻两个监控图像数据之间的上传时间间隔,这样能够有针对性地剔除监控图像数据中不满足相应分辨率要求的数据部分,以此有效地压缩需要上传的监控图像数据的数据量,此外还通过调整上传队列中相邻两个监控图像数据之间的上传时间间隔来提高云端终端的数据上传效率和避免发生数据上传拥堵的情况。
Description
技术领域
本发明涉及计算机数据处理的技术领域,特别涉及基于多节点边缘计算设备的云端数据上传方法和***。
背景技术
分布式监控***通过在不同监控区域分别设置监控器来获得相应的监控信息,再对监控信息进行处理后上传到云端终端上。该分布式监控***将分布在不同监控区域的监控器作为一个计算节点,其能够大大地提高分布式监控***的监控全面性和实时性。但是,由于多个计算节点均需要将自身对应的监控图像数据上传到云端终端中,而并不是所有计算节点监控得到的监控图像数据都满足相应的分辨率要求,若将所有监控图像数据直接上传至云端终端,不仅会加重云端终端的数据处理工作量,而且还会导致云端终端数据上传拥堵,从而大大地降低云端终端的数据处理效率和可靠性。
发明内容
针对现有技术存在的缺陷,本发明提供基于多节点边缘计算设备的云端数据上传方法和***,其通过获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定该监控图像数据对应的图像质量信息,再根据该图像质量信息,判断该监控图像数据的上传可行性,并根据该监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列,再根据云端终端当前的数据接收忙闲状态,调整该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至所述云端终端;可见,该基于多节点边缘计算设备的云端数据上传方法和***通过确定若干监控器产生的监控图像的图像质量信息,以此判断监控图像数据的上传可行性,并根据具备上传可行性的监控图像数据各自的数据量生成相应的上传队列,再根据云端终端当前的数据接收忙闲状态,调整上传队列中相邻两个监控图像数据之间的上传时间间隔,这样能够有针对性地剔除监控图像数据中不满足相应分辨率要求的数据部分,以此有效地压缩需要上传的监控图像数据的数据量,此外还通过调整上传队列中相邻两个监控图像数据之间的上传时间间隔来提高云端终端的数据上传效率和避免发生数据上传拥堵的情况。
本发明提供基于多节点边缘计算设备的云端数据上传方法,其特征在于,其包括如下步骤:
步骤S1,获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性;
步骤S2,根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列;
步骤S3,根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端;
进一步,在所述步骤S1中,获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性具体包括:
步骤S101,获取若干监控器在各自对应的监控区域产生的监控图像数据,并按照预设时间间隔从所述监控图像数据中提取若干帧监控图片;
步骤S102,获取若干所述监控图片各自对于同一监控景物的图片分辨率值,并根据若干所述图片分辨率值,确定所述监控图像数据对应的图片分辨率波动变化值;
步骤S103,将所述图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,若所述图片分辨率波动变化值小于所述预设图片分辨率波动变化阈值,则确定其对应的动态监控图像数据具备上传可行性,否则,确定其对应的动态监控图像数据不具备上传可行性;
进一步,在所述步骤S2中,根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列具体包括:
步骤S201,从所有监控图像数据中,将具备上传可行性的监控图像数据组成所述监控图像数据待上传集合;
步骤S202,获取所述监控图像数据待上传集合包含的每一监控图像数据各自的数据比特量,并根据所述数据比特量的大小,对所述监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成所述上传队列;
进一步,在所述步骤S3中,根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端具体包括:
步骤S301,获取所述云端终端当前接收数据对应实际数据接收速率,并根据所述实际数据接收速率,确定所述云端终端当前的实际数据接收带宽占比值;
步骤S302,将所述实际数据接收带宽占比值与预设数据接收带宽占比阈值进行比对,若所述实际数据接收带宽占比值小于所述预设数据接收带宽占比阈值,则确定所述云端终端当前处于数据接收空闲状态,否则,确定所述云端终端当前处于数据接收繁忙状态;
步骤S303,在所述云端终端当前处于数据接收空闲状态时,减小所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端,在所述云端终端当前处于数据接收繁忙状态时,增大所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端;
进一步,在所述步骤S102中,获取若干所述监控图片各自对于同一监控景物的图片分辨率值,并根据若干所述图片分辨率值,确定所述监控图像数据对应的图片分辨率波动变化值具体包括对所述若干监控图片各自对于同一监控景物的图片进行放缩使得所述图片中的景物大小相等,对放缩后的图片进行分析计算得到对应的图片分辨率值,分析所述图片分辨率值得到所述图片分辨率波动变化值,其具体包括:
第一、利用下面公式(1),根据所述若干监控图片各自对于同一监控景物的图片进行分析,得到所述监控图片对于同一监控景物的图片的放缩比例,
在上述公式(1)中,Ki表示所述第i个监控图片对于同一监控景物的图片的放缩比例,(Xi,max,Yi,max)表示所述第i个监控图片对于同一监控景物的图片中所述景物最顶端的坐标值,(Xi,min,Yi,min)表示所述第i个监控图片对于同一监控景物的图片中所述景物最底端的坐标值,n表示所述监控图片的总个数;
第二、利用下面公式(2),根据所述放缩后的所述监控图片对于同一监控景物的图片的缩放比例求取对应的图片分辨率值,
在上述公式(2),Pi表示所述第i个监控图片对于同一监控景物的图片的分辨率值,X表示未进行放缩前所述监控图片对于同一监控景物的图片的长度像素数,Y表示未进行放缩前所述监控图片对于同一监控景物的图片的宽度像素数,H表示未进行放缩前所述监控图片对于同一监控景物的图片的对角线长度值;
第三、利用下面公式(3),根据所述图片分辨率值得到所述图片分辨率波动变化值P,
利用所述图片分辨率波动变化值最大限度地整合了所有所述监控图片对于同一监控景物的图片的分辨率,从而保证了所述图片分辨率波动变化值的准确性,并且保证了对后续判断上传可行性进行可靠分析。
本发明还提供基于多节点边缘计算设备的云端数据上传***,其特征在于,其包括监控图像数据获取模块、监控图像数据上传可行性判断模块、上传队列生成模块和监控图像数据上传模块;其中,
所述监控图像数据获取模块用于获取若干监控器在各自对应的监控区域产生的监控图像数据;
所述监控图像数据上传可行性判断模块用于确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性;
所述上传队列生成模块用于根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列;
所述监控图像数据上传模块用于根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端;
进一步,所述监控图像数据获取模块获取若干监控器在各自对应的监控区域产生的监控图像数据具体包括:
获取若干监控器在各自对应的监控区域产生的监控图像数据,并按照预设时间间隔从所述监控图像数据中提取若干帧监控图片;
以及,
所述监控图像数据上传可行性判断模块确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性具体包括:
获取若干所述监控图片各自对于同一监控景物的图片分辨率值,并根据若干所述图片分辨率值,确定所述监控图像数据对应的图片分辨率波动变化值;
再将所述图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,若所述图片分辨率波动变化值小于所述预设图片分辨率波动变化阈值,则确定其对应的动态监控图像数据具备上传可行性,否则,确定其对应的动态监控图像数据不具备上传可行性;
进一步,所述上传队列生成模块根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列具体包括:
从所有监控图像数据中,将具备上传可行性的监控图像数据组成所述监控图像数据待上传集合;
再获取所述监控图像数据待上传集合包含的每一监控图像数据各自的数据比特量,并根据所述数据比特量的大小,对所述监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成所述上传队列;
进一步,所述监控图像数据上传模块根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端具体包括:
获取所述云端终端当前接收数据对应实际数据接收速率,并根据所述实际数据接收速率,确定所述云端终端当前的实际数据接收带宽占比值;
再将所述实际数据接收带宽占比值与预设数据接收带宽占比阈值进行比对,若所述实际数据接收带宽占比值小于所述预设数据接收带宽占比阈值,则确定所述云端终端当前处于数据接收空闲状态,否则,确定所述云端终端当前处于数据接收繁忙状态;
在所述云端终端当前处于数据接收空闲状态时,减小所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端,在所述云端终端当前处于数据接收繁忙状态时,增大所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端。
相比于现有技术,该基于多节点边缘计算设备的云端数据上传方法和***通过获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定该监控图像数据对应的图像质量信息,再根据该图像质量信息,判断该监控图像数据的上传可行性,并根据该监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列,再根据云端终端当前的数据接收忙闲状态,调整该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至所述云端终端;可见,该基于多节点边缘计算设备的云端数据上传方法和***通过确定若干监控器产生的监控图像的图像质量信息,以此判断监控图像数据的上传可行性,并根据具备上传可行性的监控图像数据各自的数据量生成相应的上传队列,再根据云端终端当前的数据接收忙闲状态,调整上传队列中相邻两个监控图像数据之间的上传时间间隔,这样能够有针对性地剔除监控图像数据中不满足相应分辨率要求的数据部分,以此有效地压缩需要上传的监控图像数据的数据量,此外还通过调整上传队列中相邻两个监控图像数据之间的上传时间间隔来提高云端终端的数据上传效率和避免发生数据上传拥堵的情况。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于多节点边缘计算设备的云端数据上传方法的流程示意图。
图2为本发明提供的基于多节点边缘计算设备的云端数据上传***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,为本发明实施例提供的基于多节点边缘计算设备的云端数据上传方法的流程示意图。该基于多节点边缘计算设备的云端数据上传方法包括如下步骤:
步骤S1,获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定该监控图像数据对应的图像质量信息,再根据该图像质量信息,判断该监控图像数据的上传可行性;
步骤S2,根据该监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列;
步骤S3,根据云端终端当前的数据接收忙闲状态,调整该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端。
上述技术方案的有益效果为:该基于多节点边缘计算设备的云端数据上传方法通过确定若干监控器产生的监控图像的图像质量信息,以此判断监控图像数据的上传可行性,并根据具备上传可行性的监控图像数据各自的数据量生成相应的上传队列,再根据云端终端当前的数据接收忙闲状态,调整上传队列中相邻两个监控图像数据之间的上传时间间隔,这样能够有针对性地剔除监控图像数据中不满足相应分辨率要求的数据部分,以此有效地压缩需要上传的监控图像数据的数据量,此外还通过调整上传队列中相邻两个监控图像数据之间的上传时间间隔来提高云端终端的数据上传效率和避免发生数据上传拥堵的情况。
优选地,在该步骤S1中,获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定该监控图像数据对应的图像质量信息,再根据该图像质量信息,判断该监控图像数据的上传可行性具体包括:
步骤S101,获取若干监控器在各自对应的监控区域产生的监控图像数据,并按照预设时间间隔从该监控图像数据中提取若干帧监控图片;
步骤S102,获取若干该监控图片各自对于同一监控景物的图片分辨率值,并根据若干该图片分辨率值,确定该监控图像数据对应的图片分辨率波动变化值;
步骤S103,将该图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,若该图片分辨率波动变化值小于该预设图片分辨率波动变化阈值,则确定其对应的动态监控图像数据具备上传可行性,否则,确定其对应的动态监控图像数据不具备上传可行性。
上述技术方案的有益效果为:由于以分布式形式布置的若干监控器只对自身对应的监控区域进行监控,而受到监控区域当前的监控条件和监控器自身监控性能的制约,该监控器产生的监控图像数据并不一定始终保持合适的数据质量,其对应的监控图片会存在一定的分辨率波动,若监控图片的分辨率变化高低起伏过大会导致监控图像数据的不稳定,从而导致该监控图像数据不具有任何数据处理意义,而通过将该图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,能够有效地剔除不符合相应分辨率要求的监控图像数据,以此提高监控图像数据的有效性和传输效率。
优选地,在该步骤S2中,根据该监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列具体包括:
步骤S201,从所有监控图像数据中,将具备上传可行性的监控图像数据组成该监控图像数据待上传集合;
步骤S202,获取该监控图像数据待上传集合包含的每一监控图像数据各自的数据比特量,并根据该数据比特量的大小,对该监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成该上传队列。
上述技术方案的有益效果为:由于不同监控器针对其对应的监控区域生成的监控图像数据的数据比特量并相同,并且具有较大数据比特量的监控图像数据其上传进度会相应较长,通过根据该数据比特量的大小,对该监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成该上传队列,能够优化具备上传可行性的监控图像数据的上传效率。
优选地,在该步骤S3中,根据云端终端当前的数据接收忙闲状态,调整该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端具体包括:
步骤S301,获取该云端终端当前接收数据对应实际数据接收速率,并根据该实际数据接收速率,确定该云端终端当前的实际数据接收带宽占比值;
步骤S302,将该实际数据接收带宽占比值与预设数据接收带宽占比阈值进行比对,若该实际数据接收带宽占比值小于该预设数据接收带宽占比阈值,则确定该云端终端当前处于数据接收空闲状态,否则,确定该云端终端当前处于数据接收繁忙状态;
步骤S303,在该云端终端当前处于数据接收空闲状态时,减小该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端,在该云端终端当前处于数据接收繁忙状态时,增大该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端。
上述技术方案的有益效果为:由于云端终端是与若干监控器相互通信连接的,该云端终端会接收该上传对应包含的所有监控图像数据,若云端终端当前的实际数据接收带宽占比值过大,即表明该云端终端当前处于数据接收繁忙状态,相应地该云端终端的数据接收速度和效率也会有所下降,这样通过确定该云端终端的数据接收忙闲状态,并在该云端终端当前处于数据接收空闲状态时,减小该上传队列中相邻两个监控图像数据之间的上传时间间隔,以及在该云端终端当前处于数据接收繁忙状态时,增大该上传队列中相邻两个监控图像数据之间的上传时间间隔,能够最大限度地提高云端终端的数据接收效率,从而保证该上传队列的数据均能够被云端终端全面接收。
优选地,在该步骤S102中,获取若干该监控图片各自对于同一监控景物的图片分辨率值,并根据若干该图片分辨率值,确定该监控图像数据对应的图片分辨率波动变化值具体包括对该若干监控图片各自对于同一监控景物的图片进行放缩使得该图片中的景物大小相等,对放缩后的图片进行分析计算得到对应的图片分辨率值,分析该图片分辨率值得到该图片分辨率波动变化值,其具体包括:
第一、利用下面公式(1),根据该若干监控图片各自对于同一监控景物的图片进行分析,得到该监控图片对于同一监控景物的图片的放缩比例,
在上述公式(1)中,Ki表示该第i个监控图片对于同一监控景物的图片的放缩比例,(Xi,max,Yi,max)表示该第i个监控图片对于同一监控景物的图片中该景物最顶端的坐标值,(Xi,min,Yi,min)表示该第i个监控图片对于同一监控景物的图片中该景物最底端的坐标值,n表示该监控图片的总个数;
第二、利用下面公式(2),根据该放缩后的该监控图片对于同一监控景物的图片的缩放比例求取对应的图片分辨率值,
在上述公式(2),Pi表示该第i个监控图片对于同一监控景物的图片的分辨率值,X表示未进行放缩前该监控图片对于同一监控景物的图片的长度像素数,Y表示未进行放缩前该监控图片对于同一监控景物的图片的宽度像素数,H 表示未进行放缩前该监控图片对于同一监控景物的图片的对角线长度值;
第三、利用下面公式(3),根据该图片分辨率值得到该图片分辨率波动变化值P,
利用该图片分辨率波动变化值最大限度地整合了所有该监控图片对于同一监控景物的图片的分辨率,从而保证了该图片分辨率波动变化值的准确性,并且保证了对后续判断上传可行性进行可靠分析。
上述技术方案的有益效果为:利用公式(1)得到监控图片对于同一监控景物的图片的放缩比例,从而根据缩放比例将所述图片中景物的大小缩放一致,防止后续求取分辨率产生误差,然后利用公式(2)得到对应的图片分辨率值,从而得到图片的分辨率,为后续求取图片分辨率波动变化值提供条件,最后利用公式(3)得到图片分辨率波动变化值,从而最大限度的整合了所有监控图片对于同一监控景物的图片的分辨率,保证了图片分辨率波动变化值的准确性,并且保证了对后续判断上传可行性进行可靠分析。
参阅图2,为本发明实施例提供的基于多节点边缘计算设备的云端数据上传***的结构示意图。该基于多节点边缘计算设备的云端数据上传***包括监控图像数据获取模块、监控图像数据上传可行性判断模块、上传队列生成模块和监控图像数据上传模块;其中,
该监控图像数据获取模块用于获取若干监控器在各自对应的监控区域产生的监控图像数据;
该监控图像数据上传可行性判断模块用于确定该监控图像数据对应的图像质量信息,再根据该图像质量信息,判断该监控图像数据的上传可行性;
该上传队列生成模块用于根据该监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列;
该监控图像数据上传模块用于根据云端终端当前的数据接收忙闲状态,调整该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端。
上述技术方案的有益效果为:该基于多节点边缘计算设备的云端数据上传***通过确定若干监控器产生的监控图像的图像质量信息,以此判断监控图像数据的上传可行性,并根据具备上传可行性的监控图像数据各自的数据量生成相应的上传队列,再根据云端终端当前的数据接收忙闲状态,调整上传队列中相邻两个监控图像数据之间的上传时间间隔,这样能够有针对性地剔除监控图像数据中不满足相应分辨率要求的数据部分,以此有效地压缩需要上传的监控图像数据的数据量,此外还通过调整上传队列中相邻两个监控图像数据之间的上传时间间隔来提高云端终端的数据上传效率和避免发生数据上传拥堵的情况。
优选地,该监控图像数据获取模块获取若干监控器在各自对应的监控区域产生的监控图像数据具体包括:
获取若干监控器在各自对应的监控区域产生的监控图像数据,并按照预设时间间隔从该监控图像数据中提取若干帧监控图片;
以及,
该监控图像数据上传可行性判断模块确定该监控图像数据对应的图像质量信息,再根据该图像质量信息,判断该监控图像数据的上传可行性具体包括:
获取若干该监控图片各自对于同一监控景物的图片分辨率值,并根据若干该图片分辨率值,确定该监控图像数据对应的图片分辨率波动变化值;
再将该图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,若该图片分辨率波动变化值小于该预设图片分辨率波动变化阈值,则确定其对应的动态监控图像数据具备上传可行性,否则,确定其对应的动态监控图像数据不具备上传可行性。
上述技术方案的有益效果为:由于以分布式形式布置的若干监控器只对自身对应的监控区域进行监控,而受到监控区域当前的监控条件和监控器自身监控性能的制约,该监控器产生的监控图像数据并不一定始终保持合适的数据质量,其对应的监控图片会存在一定的分辨率波动,若监控图片的分辨率变化高低起伏过大会导致监控图像数据的不稳定,从而导致该监控图像数据不具有任何数据处理意义,而通过将该图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,能够有效地剔除不符合相应分辨率要求的监控图像数据,以此提高监控图像数据的有效性和传输效率。
优选地,该上传队列生成模块根据该监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列具体包括:
从所有监控图像数据中,将具备上传可行性的监控图像数据组成该监控图像数据待上传集合;
再获取该监控图像数据待上传集合包含的每一监控图像数据各自的数据比特量,并根据该数据比特量的大小,对该监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成该上传队列。
上述技术方案的有益效果为:由于不同监控器针对其对应的监控区域生成的监控图像数据的数据比特量并相同,并且具有较大数据比特量的监控图像数据其上传进度会相应较长,通过根据该数据比特量的大小,对该监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成该上传队列,能够优化具备上传可行性的监控图像数据的上传效率。
优选地,该监控图像数据上传模块根据云端终端当前的数据接收忙闲状态,调整该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端具体包括:
获取该云端终端当前接收数据对应实际数据接收速率,并根据该实际数据接收速率,确定该云端终端当前的实际数据接收带宽占比值;
再将该实际数据接收带宽占比值与预设数据接收带宽占比阈值进行比对,若该实际数据接收带宽占比值小于该预设数据接收带宽占比阈值,则确定该云端终端当前处于数据接收空闲状态,否则,确定该云端终端当前处于数据接收繁忙状态;
在该云端终端当前处于数据接收空闲状态时,减小该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端,在该云端终端当前处于数据接收繁忙状态时,增大该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至该云端终端。
上述技术方案的有益效果为:由于云端终端是与若干监控器相互通信连接的,该云端终端会接收该上传对应包含的所有监控图像数据,若云端终端当前的实际数据接收带宽占比值过大,即表明该云端终端当前处于数据接收繁忙状态,相应地该云端终端的数据接收速度和效率也会有所下降,这样通过确定该云端终端的数据接收忙闲状态,并在该云端终端当前处于数据接收空闲状态时,减小该上传队列中相邻两个监控图像数据之间的上传时间间隔,以及在该云端终端当前处于数据接收繁忙状态时,增大该上传队列中相邻两个监控图像数据之间的上传时间间隔,能够最大限度地提高云端终端的数据接收效率,从而保证该上传队列的数据均能够被云端终端全面接收。
从上述实施例的内容可知,该基于多节点边缘计算设备的云端数据上传方法和***通过获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定该监控图像数据对应的图像质量信息,再根据该图像质量信息,判断该监控图像数据的上传可行性,并根据该监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列,再根据云端终端当前的数据接收忙闲状态,调整该上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将该上传队列的所有监控图像数据上传至所述云端终端;可见,该基于多节点边缘计算设备的云端数据上传方法和***通过确定若干监控器产生的监控图像的图像质量信息,以此判断监控图像数据的上传可行性,并根据具备上传可行性的监控图像数据各自的数据量生成相应的上传队列,再根据云端终端当前的数据接收忙闲状态,调整上传队列中相邻两个监控图像数据之间的上传时间间隔,这样能够有针对性地剔除监控图像数据中不满足相应分辨率要求的数据部分,以此有效地压缩需要上传的监控图像数据的数据量,此外还通过调整上传队列中相邻两个监控图像数据之间的上传时间间隔来提高云端终端的数据上传效率和避免发生数据上传拥堵的情况。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.基于多节点边缘计算设备的云端数据上传方法,其特征在于,其包括如下步骤:
步骤S1,获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性;
步骤S2,根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列;
步骤S3,根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端;
其中,在所述步骤S1中,获取若干监控器在各自对应的监控区域产生的监控图像数据,并确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性具体包括:
步骤S101,获取若干监控器在各自对应的监控区域产生的监控图像数据,并按照预设时间间隔从所述监控图像数据中提取若干帧监控图片;
步骤S102,获取若干所述监控图片各自对于同一监控景物的图片分辨率值,并根据若干所述图片分辨率值,确定所述监控图像数据对应的图片分辨率波动变化值;
步骤S103,将所述图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,若所述图片分辨率波动变化值小于所述预设图片分辨率波动变化阈值,则确定其对应的动态监控图像数据具备上传可行性,否则,确定其对应的动态监控图像数据不具备上传可行性;其中,在所述步骤S102中,获取若干所述监控图片各自对于同一监控景物的图片分辨率值,并根据若干所述图片分辨率值,确定所述监控图像数据对应的图片分辨率波动变化值具体包括对所述若干监控图片各自对于同一监控景物的图片进行放缩使得所述图片中的景物大小相等,对放缩后的图片进行分析计算得到对应的图片分辨率值,分析所述图片分辨率值得到所述图片分辨率波动变化值,其具体包括:
第一、利用下面公式(1),根据所述若干监控图片各自对于同一监控景物的图片进行分析,得到所述监控图片对于同一监控景物的图片的放缩比例,
在上述公式(1)中,Ki表示第i个监控图片对于同一监控景物的图片的放缩比例,(Xi,max,Yi,max)表示所述第i个监控图片对于同一监控景物的图片中所述景物最顶端的坐标值,(Xi,min,Yi,min)表示所述第i个监控图片对于同一监控景物的图片中所述景物最底端的坐标值,n表示所述监控图片的总个数;
第二、利用下面公式(2),根据所述放缩后的所述监控图片对于同一监控景物的图片的缩放比例求取对应的图片分辨率值,
在上述公式(2),Pi表示所述第i个监控图片对于同一监控景物的图片的分辨率值,X表示未进行放缩前所述监控图片对于同一监控景物的图片的长度像素数,Y表示未进行放缩前所述监控图片对于同一监控景物的图片的宽度像素数,H表示未进行放缩前所述监控图片对于同一监控景物的图片的对角线长度值;
第三、利用下面公式(3),根据所述图片分辨率值得到所述图片分辨率波动变化值P,
利用所述图片分辨率波动变化值最大限度地整合了所有所述监控图片对于同一监控景物的图片的分辨率,从而保证了所述图片分辨率波动变化值的准确性,并且保证了对后续判断上传可行性进行可靠分析。
2.如权利要求1所述的基于多节点边缘计算设备的云端数据上传方法,其特征在于:
在所述步骤S2中,根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列具体包括:
步骤S201,从所有监控图像数据中,将具备上传可行性的监控图像数据组成所述监控图像数据待上传集合;
步骤S202,获取所述监控图像数据待上传集合包含的每一监控图像数据各自的数据比特量,并根据所述数据比特量的大小,对所述监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成所述上传队列。
3.如权利要求2所述的基于多节点边缘计算设备的云端数据上传方法,其特征在于:
在所述步骤S3中,根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端具体包括:
步骤S301,获取所述云端终端当前接收数据对应实际数据接收速率,并根据所述实际数据接收速率,确定所述云端终端当前的实际数据接收带宽占比值;
步骤S302,将所述实际数据接收带宽占比值与预设数据接收带宽占比阈值进行比对,若所述实际数据接收带宽占比值小于所述预设数据接收带宽占比阈值,则确定所述云端终端当前处于数据接收空闲状态,否则,确定所述云端终端当前处于数据接收繁忙状态;
步骤S303,在所述云端终端当前处于数据接收空闲状态时,减小所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端,在所述云端终端当前处于数据接收繁忙状态时,增大所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端。
4.基于多节点边缘计算设备的云端数据上传***,其特征在于,其包括监控图像数据获取模块、监控图像数据上传可行性判断模块、上传队列生成模块和监控图像数据上传模块;其中,
所述监控图像数据获取模块用于获取若干监控器在各自对应的监控区域产生的监控图像数据;
所述监控图像数据上传可行性判断模块用于确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性;
所述上传队列生成模块用于根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列;
所述监控图像数据上传模块用于根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端;
其中,所述监控图像数据获取模块获取若干监控器在各自对应的监控区域产生的监控图像数据具体包括:
获取若干监控器在各自对应的监控区域产生的监控图像数据,并按照预设时间间隔从所述监控图像数据中提取若干帧监控图片;
以及,
所述监控图像数据上传可行性判断模块确定所述监控图像数据对应的图像质量信息,再根据所述图像质量信息,判断所述监控图像数据的上传可行性具体包括:
获取若干所述监控图片各自对于同一监控景物的图片分辨率值,并根据若干所述图片分辨率值,确定所述监控图像数据对应的图片分辨率波动变化值;
再将所述图片分辨率波动变化值与预设图片分辨率波动变化阈值进行比对,若所述图片分辨率波动变化值小于所述预设图片分辨率波动变化阈值,则确定其对应的动态监控图像数据具备上传可行性,否则,确定其对应的动态监控图像数据不具备上传可行性;
其中,所述获取若干所述监控图片各自对于同一监控景物的图片分辨率值,并根据若干所述图片分辨率值,确定所述监控图像数据对应的图片分辨率波动变化值具体包括对所述若干监控图片各自对于同一监控景物的图片进行放缩使得所述图片中的景物大小相等,对放缩后的图片进行分析计算得到对应的图片分辨率值,分析所述图片分辨率值得到所述图片分辨率波动变化值,其具体包括:
第一、利用下面公式(1),根据所述若干监控图片各自对于同一监控景物的图片进行分析,得到所述监控图片对于同一监控景物的图片的放缩比例,
在上述公式(1)中,Ki表示第i个监控图片对于同一监控景物的图片的放缩比例,(Xi,max,Yi,max)表示所述第i个监控图片对于同一监控景物的图片中所述景物最顶端的坐标值,(Xi,min,Yi,min)表示所述第i个监控图片对于同一监控景物的图片中所述景物最底端的坐标值,n表示所述监控图片的总个数;
第二、利用下面公式(2),根据所述放缩后的所述监控图片对于同一监控景物的图片的缩放比例求取对应的图片分辨率值,
在上述公式(2),Pi表示所述第i个监控图片对于同一监控景物的图片的分辨率值,X表示未进行放缩前所述监控图片对于同一监控景物的图片的长度像素数,Y表示未进行放缩前所述监控图片对于同一监控景物的图片的宽度像素数,H表示未进行放缩前所述监控图片对于同一监控景物的图片的对角线长度值;
第三、利用下面公式(3),根据所述图片分辨率值得到所述图片分辨率波动变化值P,
利用所述图片分辨率波动变化值最大限度地整合了所有所述监控图片对于同一监控景物的图片的分辨率,从而保证了所述图片分辨率波动变化值的准确性,并且保证了对后续判断上传可行性进行可靠分析。
5.如权利要求4所述的基于多节点边缘计算设备的云端数据上传***,其特征在于:
所述上传队列生成模块根据所述监控图像数据的上传可行性的判断结果,生成关于所有监控器的监控图像数据待上传集合,并根据监控图像数据各自的数据量,生成关于监控图像数据待上传集合中每一监控图像数据的上传队列具体包括:
从所有监控图像数据中,将具备上传可行性的监控图像数据组成所述监控图像数据待上传集合;
再获取所述监控图像数据待上传集合包含的每一监控图像数据各自的数据比特量,并根据所述数据比特量的大小,对所述监控图像数据待上传集合包含的所有监控图像数据进行升序排列,从而生成所述上传队列。
6.如权利要求5所述的基于多节点边缘计算设备的云端数据上传***,其特征在于:
所述监控图像数据上传模块根据云端终端当前的数据接收忙闲状态,调整所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端具体包括:
获取所述云端终端当前接收数据对应实际数据接收速率,并根据所述实际数据接收速率,确定所述云端终端当前的实际数据接收带宽占比值;再将所述实际数据接收带宽占比值与预设数据接收带宽占比阈值进行比对,若所述实际数据接收带宽占比值小于所述预设数据接收带宽占比阈值,则确定所述云端终端当前处于数据接收空闲状态,否则,确定所述云端终端当前处于数据接收繁忙状态;
在所述云端终端当前处于数据接收空闲状态时,减小所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端,在所述云端终端当前处于数据接收繁忙状态时,增大所述上传队列中相邻两个监控图像数据之间的上传时间间隔,从而将所述上传队列的所有监控图像数据上传至所述云端终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011545944.9A CN112637567B (zh) | 2020-12-24 | 2020-12-24 | 基于多节点边缘计算设备的云端数据上传方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011545944.9A CN112637567B (zh) | 2020-12-24 | 2020-12-24 | 基于多节点边缘计算设备的云端数据上传方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112637567A CN112637567A (zh) | 2021-04-09 |
CN112637567B true CN112637567B (zh) | 2021-10-26 |
Family
ID=75324409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011545944.9A Active CN112637567B (zh) | 2020-12-24 | 2020-12-24 | 基于多节点边缘计算设备的云端数据上传方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112637567B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2020100946A4 (en) * | 2019-10-18 | 2020-07-16 | Chang'an University | Multi-source traffic information sensing roadside device for smart highway |
CN112104918A (zh) * | 2020-11-04 | 2020-12-18 | 捷信(浙江)通信技术有限公司 | 基于卫星网络的图像传输方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10616465B2 (en) * | 2015-09-16 | 2020-04-07 | Microsoft Technology Licensing, Llc | Bandwidth efficient video surveillance system |
US10347102B2 (en) * | 2016-03-22 | 2019-07-09 | Sensormatic Electronics, LLC | Method and system for surveillance camera arbitration of uplink consumption |
CN113205021A (zh) * | 2017-07-10 | 2021-08-03 | 深圳市海清视讯科技有限公司 | 一种摄像机及基于摄像机人脸识别的人脸信息收集方法 |
CN108494698B (zh) * | 2017-12-13 | 2022-02-25 | 天地伟业技术有限公司 | 一种基于传输速率的拥塞控制方法 |
CN109587264A (zh) * | 2018-12-20 | 2019-04-05 | 新华三技术有限公司 | 数据监控方法、装置及云平台服务器 |
CN109818789B (zh) * | 2019-01-22 | 2022-03-11 | 苏州科达科技股份有限公司 | 图片传输方法及***、存储介质、电子设备 |
CN110427815B (zh) * | 2019-06-24 | 2020-07-10 | 特斯联(北京)科技有限公司 | 实现门禁有效内容截取的视频处理方法及装置 |
CN110719438A (zh) * | 2019-08-28 | 2020-01-21 | 北京大学 | 一种数字视网膜视频流与特征流的同步传输控制方法 |
CN111953939B (zh) * | 2020-07-31 | 2021-06-22 | 中标慧安信息技术股份有限公司 | 提高监控视频存证正确率的方法及*** |
-
2020
- 2020-12-24 CN CN202011545944.9A patent/CN112637567B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2020100946A4 (en) * | 2019-10-18 | 2020-07-16 | Chang'an University | Multi-source traffic information sensing roadside device for smart highway |
CN112104918A (zh) * | 2020-11-04 | 2020-12-18 | 捷信(浙江)通信技术有限公司 | 基于卫星网络的图像传输方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112637567A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11190715B2 (en) | System and method for event camera data processing | |
CN107155093B (zh) | 一种视频预览方法、装置及设备 | |
CN110012324B (zh) | 一种嵌入式无线视频传输的码率自适应方法、wifi相机、控制装置以及码率自适应*** | |
CN111225254B (zh) | 一种视频传输方法、装置、终端设备及存储介质 | |
CN112702429B (zh) | 基于多节点边缘计算设备的多维数据处理方法和*** | |
CN114827662B (zh) | 视频分辨率自适应调节方法、装置、设备和存储介质 | |
CN109996063B (zh) | 视频图像花屏检测方法、装置、计算机设备和存储介质 | |
CN112637567B (zh) | 基于多节点边缘计算设备的云端数据上传方法和*** | |
CN113381898B (zh) | 显示模组去干扰方法、装置、计算机设备和存储介质 | |
CN111970484B (zh) | 适于视频监控设备的运维***和运维方法 | |
CN113660465A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN116761018B (zh) | 一种基于云平台的实时渲染*** | |
CN112672155A (zh) | 一种基于共享类型判别的桌面共享方法、装置及存储介质 | |
CN111278039B (zh) | 用户感知压抑识别方法、装置、设备及介质 | |
CN115643408A (zh) | 一种图像压缩方法、装置、设备、存储介质 | |
TWI586175B (zh) | 視訊會議頻寬管理方法及系統 | |
CN110659571A (zh) | 一种基于帧缓存队列的流视频人脸检测加速方法 | |
CN110971870B (zh) | 一种图像显示的数据处理方法 | |
CN115484382A (zh) | 参数控制方法、电子设备、计算机存储介质和程序产品 | |
WO2024001970A1 (zh) | 一种事件数据处理方法及相关设备 | |
CN117939202B (zh) | 一种基于在线教育的控制方法及*** | |
CN117591302B (zh) | 基于无约束优化算法的项目资源优化分配方法 | |
CN114302125A (zh) | 图像处理方法及装置、计算机可读存储介质 | |
CN114679559B (zh) | 一种智能网联车车载实时视频观看的方法 | |
CN114827104B (zh) | 时延调整方法、装置、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |