本發(fā)明專利技術(shù)公開了一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)及控制方法。該系統(tǒng)包括調(diào)度中心和算法集群，算法集群包括多個計算服務(wù)器；調(diào)度中心通過調(diào)用負(fù)載均衡調(diào)度算法將行為分析任務(wù)消息分發(fā)到計算服務(wù)器；計算服務(wù)器包括深度學(xué)習(xí)GPU顯卡計算模塊和線程池模塊；深度學(xué)習(xí)GPU顯卡計算模塊用于根據(jù)行為分析任務(wù)消息將對應(yīng)的算法模型加載到GPU顯卡的顯存中，執(zhí)行行為分析任務(wù)；線程池模塊用于將不同的行為分析任務(wù)進行隔離，為每個算法模型配置資源。本發(fā)明專利技術(shù)基于深度學(xué)習(xí)算法實現(xiàn)對人臉、行為等視覺場景進行智能分析，使用分布式通信協(xié)議架構(gòu)和容器技術(shù)彈性伸縮保證服務(wù)的穩(wěn)定和高效，極大提高系統(tǒng)的水平擴展能力，支撐更高壓力的運算。
【技術(shù)實現(xiàn)步驟摘要】
一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)及控制方法
本專利技術(shù)屬于圖像處理
，更具體地，涉及一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)及控制方法。
技術(shù)介紹
隨著科技的飛速發(fā)展，汽車，網(wǎng)購，電子支付等新興技術(shù)逐漸出現(xiàn)，同時也產(chǎn)生了很多信息數(shù)據(jù)。網(wǎng)絡(luò)，智能手機的普及也成就了大數(shù)據(jù)時代，在如今這個充滿海量數(shù)據(jù)的時代，這些數(shù)據(jù)中包含了大量的視頻圖像信息，傳統(tǒng)方式的人工處理已經(jīng)出現(xiàn)了人力物力不足等各種問題，迫切需要用機器去取代人工，發(fā)揮機器自身的優(yōu)勢，于是人工智能，深度學(xué)習(xí)技術(shù)應(yīng)運而生。針對高分率的視頻圖像數(shù)據(jù)，進行深度學(xué)習(xí)推理計算需要耗費更多的計算資源，并且由于用戶的不斷增長，社區(qū)規(guī)模的不斷擴大，進行深度學(xué)習(xí)領(lǐng)域的圖像處理需要承擔(dān)更大的負(fù)載。本專利技術(shù)基于深度學(xué)習(xí)技術(shù)對人進行行為分析，行為分析是指通過分析視頻、深度傳感器等數(shù)據(jù)，利用特定的算法，對行人的行為進行識別、分析的技術(shù)。這項技術(shù)被廣泛應(yīng)用在視頻分類、人機交互、安防監(jiān)控等領(lǐng)域。行為識別包含兩個研究方向：個體行為識別與群體行為識別。近年來，深度攝像技術(shù)的發(fā)展使得人體運動的深度圖像序列變得容易獲取，結(jié)合高精度的骨架估計算法，能夠進一步提取人體骨架運動序列。利用這些運動序列信息，行為識別性能得到了很大提升，對智能視頻監(jiān)控、智能交通管理及智慧城市建設(shè)等具有重要意義。同時，隨著行人智能分析與群體事件感知的需求與日俱增，一系列行為分析與事件識別算法在深度學(xué)習(xí)技術(shù)的推動下浮于眼前。從個人，家庭，社區(qū)到城市甚至國家，隨著智能分析引擎系統(tǒng)服務(wù)部署范圍的不斷擴大，流量越來越大，單機已無法承擔(dān)大量流量數(shù)據(jù)的沖擊，所以需要服務(wù)使用大量的機器形成集群，但是傳統(tǒng)的方式無法很方便的擴展，造成服務(wù)冗余與資源浪費現(xiàn)象。
技術(shù)實現(xiàn)思路
針對現(xiàn)有技術(shù)的至少一個缺陷或改進需求，本專利技術(shù)提供了一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)及控制方法，使用分布式通信協(xié)議架構(gòu)和容器技術(shù)彈性伸縮保證服務(wù)的穩(wěn)定和高效，并且可以為每個算法模型配置資源，提高計算資源的利用率。為實現(xiàn)上述目的，按照本專利技術(shù)的第一方面，提供了一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)，包括調(diào)度中心和與所述調(diào)度中心通過網(wǎng)絡(luò)連接的算法集群，所述算法集群包括多個計算服務(wù)器；所述調(diào)度中心用于接收行為分析任務(wù)消息,調(diào)用負(fù)載均衡調(diào)度算法將行為分析任務(wù)消息分發(fā)到所述計算服務(wù)器；所述計算服務(wù)器包括深度學(xué)習(xí)GPU顯卡計算模塊和線程池模塊；所述深度學(xué)習(xí)GPU顯卡計算模塊用于接收所述調(diào)度中心分發(fā)的行為分析任務(wù)消息，根據(jù)行為分析任務(wù)消息將對應(yīng)的算法模型加載到GPU顯卡的顯存中，執(zhí)行行為分析任務(wù)；所述線程池模塊用于將不同的行為分析任務(wù)進行隔離，為每個算法模型配置資源。優(yōu)選地，所述線程池模塊包括算法模型配置文件定義模塊；所述算法模型配置文件定義模塊用于預(yù)先定義或修改算法模型配置文件，所述算法模型配置文件中定義了對應(yīng)的算法模型運行所需要的工作線程數(shù)據(jù)。優(yōu)選地，所述深度學(xué)習(xí)GPU顯卡計算模塊包括多個不同類型的GPU顯卡；所述算法模型配置文件定義了對應(yīng)的算法模型運行的GPU顯卡。優(yōu)選地，所述行為分析任務(wù)消息為JSON格式,所述深度學(xué)習(xí)GPU顯卡計算模塊包括：解析模塊,用于將接收的JSON格式的行為分析任務(wù)消息轉(zhuǎn)換為Mat二維矩陣格式；封裝模塊，用于將執(zhí)行行為分析任務(wù)后的分析結(jié)果封裝為JSON格式后返回給調(diào)度中心。優(yōu)選地，包括擴展模塊，用于修改系統(tǒng)配置文件以支持所述調(diào)度中心和所述算法集群擴展。優(yōu)選地，所述行為分析任務(wù)消息包括請求算法類型字段，所述深度學(xué)習(xí)GPU顯卡計算模塊包括消息隊列處理模塊，用于根據(jù)請求算法類型字段分別為不同請求算法類型的所述行為分析任務(wù)消息開啟消息隊列。按照本專利技術(shù)的第二方面，提供了一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎控制方法，包括步驟：接收行為分析任務(wù)消息,調(diào)用負(fù)載均衡調(diào)度算法將行為分析任務(wù)消息分發(fā)到計算服務(wù)器；在計算服務(wù)器中接收分發(fā)的行為分析任務(wù)消息，根據(jù)行為分析任務(wù)消息將對應(yīng)的算法模型加載到GPU顯卡的顯存中，執(zhí)行行為分析任務(wù)；將不同的行為分析任務(wù)進行隔離，為每個算法模型配置資源。按照本專利技術(shù)的第三方面，提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述任一項方法。總體而言，本專利技術(shù)與現(xiàn)有技術(shù)相比，具有有益效果：(1)本專利技術(shù)充分利用具有高效率通信的ZMQ通信框架，實現(xiàn)了服務(wù)系統(tǒng)中的核心通信模塊，并使用容器技術(shù)實現(xiàn)了分析服務(wù)的強移植性、便攜性、穩(wěn)定性，具體來說包括：(1.1)支持橫向擴展，通過增加機器數(shù)量，建立集群環(huán)境，借助ZMQ消息通信框架提供的負(fù)載均衡算法，便可大大提高智能分析引擎處理數(shù)據(jù)的吞吐量，進而滿足高并發(fā)場景的需要。(1.2)隨著請求不斷增加，系統(tǒng)壓力增大，這時可以添加更多的節(jié)點到集群中，借助更多的機器來實現(xiàn)負(fù)載均衡。此外，系統(tǒng)資源可以重新分配，以更好地支持一個動態(tài)擴展的系統(tǒng)。各個節(jié)點負(fù)責(zé)完成不同的分析計算任務(wù)，多個節(jié)點通過協(xié)作，完成請求回應(yīng)。(1.3)本專利技術(shù)采用無控制中心的多代理結(jié)構(gòu)，每個算法集群都是獨立的算法引擎模塊，盡量降低各個模塊的相關(guān)性，實現(xiàn)模塊解耦，真正實現(xiàn)了分布式計算的思想。(1.4)通過將一個或多個路由端節(jié)點連接起來，構(gòu)成系統(tǒng)的調(diào)度中心，在路由端收到請求后使用輪詢算法，分發(fā)不同的行為分析任務(wù)到不同的分析計算節(jié)點，實現(xiàn)負(fù)載均衡。并且可以通過修改DockerCompose文件服務(wù)配置選項ZMQ_ADDR參數(shù)，增加更多的分析計算節(jié)點到算法集群中，增加系統(tǒng)的并發(fā)能力，減輕負(fù)載，避免由于請求壓力過大，導(dǎo)致消息阻塞排隊延遲增加。(1.5)本專利技術(shù)采用Docker集群部署，部署便捷快速，運維方便，程序可以二十四小時無間斷運行，遇見突發(fā)事件，會在較短時間內(nèi)進行重啟。(2)使用多線程方式基于Caffe模型實現(xiàn)推理計算，支持每一種算法自定義選擇使用更多的線程提高計算速度，避開Caffe不支持多線程的缺點，在空間和時間兩者實現(xiàn)了可配置化，根據(jù)不同算法的計算開銷和顯存開銷，經(jīng)權(quán)衡后，可以通過更改配置參數(shù)，對占據(jù)空間大耗時短的算法選擇更少的線程數(shù)，對占據(jù)空間小耗時長的算法選擇更多的線程數(shù)。(3)使用單服務(wù)器多GPU卡的配置參數(shù)，支持每一種算法自定義選擇使用自定義的GPU顯卡，可根據(jù)不同顯卡的計算能力匹配不同的應(yīng)用場景。(4)在執(zhí)行人臉識別等任務(wù)時，需要根據(jù)接收到的人臉圖像去數(shù)據(jù)庫中搜索相似度高的圖片，本專利技術(shù)使用向量式數(shù)據(jù)庫存儲人臉等目標(biāo)的特征信息，較傳統(tǒng)使用CPU資源進行搜索使用GPU資源矩陣式搜索最相似的特征，可以大幅度提高搜索效率，同時也解放CPU資源，從而大大降低機器的CPU負(fù)載，CPU不再是計算的瓶頸。附圖說明圖1是本專利技術(shù)實施例的行為智能分析引擎系統(tǒng)的框架示意圖；圖2是本專利技術(shù)實施例的行為智能分析引擎控制方法的示意圖；圖3是本專利技術(shù)實施例的負(fù)載均衡示意圖；圖本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)，其特征在于，包括調(diào)度中心和與所述調(diào)度中心通過網(wǎng)絡(luò)連接的算法集群，所述算法集群包括多個計算服務(wù)器；/n所述調(diào)度中心用于接收行為分析任務(wù)消息,調(diào)用負(fù)載均衡調(diào)度算法將行為分析任務(wù)消息分發(fā)到所述計算服務(wù)器；/n所述計算服務(wù)器包括深度學(xué)習(xí)GPU顯卡計算模塊和線程池模塊；/n所述深度學(xué)習(xí)GPU顯卡計算模塊用于接收所述調(diào)度中心分發(fā)的行為分析任務(wù)消息，根據(jù)行為分析任務(wù)消息將對應(yīng)的算法模型加載到GPU顯卡的顯存中，執(zhí)行行為分析任務(wù)；/n所述線程池模塊用于將不同的行為分析任務(wù)進行隔離，為每個算法模型配置資源。/n
【技術(shù)特征摘要】
1.一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)，其特征在于，包括調(diào)度中心和與所述調(diào)度中心通過網(wǎng)絡(luò)連接的算法集群，所述算法集群包括多個計算服務(wù)器；
所述調(diào)度中心用于接收行為分析任務(wù)消息,調(diào)用負(fù)載均衡調(diào)度算法將行為分析任務(wù)消息分發(fā)到所述計算服務(wù)器；
所述計算服務(wù)器包括深度學(xué)習(xí)GPU顯卡計算模塊和線程池模塊；
所述深度學(xué)習(xí)GPU顯卡計算模塊用于接收所述調(diào)度中心分發(fā)的行為分析任務(wù)消息，根據(jù)行為分析任務(wù)消息將對應(yīng)的算法模型加載到GPU顯卡的顯存中，執(zhí)行行為分析任務(wù)；
所述線程池模塊用于將不同的行為分析任務(wù)進行隔離，為每個算法模型配置資源。
2.如權(quán)利要求1所述的一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)，其特征在于，所述線程池模塊包括算法模型配置文件定義模塊；
所述算法模型配置文件定義模塊用于預(yù)先定義或修改算法模型配置文件，所述算法模型配置文件中定義了對應(yīng)的算法模型運行所需要的工作線程數(shù)據(jù)。
3.如權(quán)利要求2所述的一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)，其特征在于，所述深度學(xué)習(xí)GPU顯卡計算模塊包括多個不同類型的GPU顯卡；
所述算法模型配置文件定義了對應(yīng)的算法模型運行的GPU顯卡。
4.如權(quán)利要求1所述的一種深度學(xué)習(xí)技術(shù)的行為智能分析引擎系統(tǒng)，其特征在于，所述行為分析任務(wù)消息為JSON格式,所述深度學(xué)習(xí)GPU顯卡計算模塊包括：
解析模塊,用于將接收的JSON格式的行為分析任務(wù)消息轉(zhuǎn)換為Mat二維矩陣格式；
封裝模塊，用于將執(zhí)行行為分析任務(wù)后的分析結(jié)果封裝為JSON格式后返...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李開，鄒復(fù)好，汪大奎，
申請(專利權(quán))人：武漢魅瞳科技有限公司，
類型：發(fā)明
國別省市：湖北;42
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。