CN116033145A - 一种面向雷达视频融合的性能测试系统及测试方法 - Google Patents
一种面向雷达视频融合的性能测试系统及测试方法 Download PDFInfo
- Publication number
- CN116033145A CN116033145A CN202211724569.3A CN202211724569A CN116033145A CN 116033145 A CN116033145 A CN 116033145A CN 202211724569 A CN202211724569 A CN 202211724569A CN 116033145 A CN116033145 A CN 116033145A
- Authority
- CN
- China
- Prior art keywords
- module
- program module
- performance
- radar video
- radar
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明涉及视频分析技术领域,特别涉及一种面向雷达视频融合的性能测试系统及测试方法,该系统包括:流媒体程序模块、雷达视频分析程序模块、模型检测程序模块、性能指标监测自动化脚本模块、性能测试程序模块,所述性能测试程序模块上连接有摄像头设备信息模块。本发明能够利用雷达视频融合的人工智能算法,通过对系统采集到的视频图像进行分析计算,各个模块对系统资源的占用进行监测,可以全面、准确、系统的测试出接近生产环境下的各项真实的性能数据,可以为系统提供真实有效的性能数据服务,提高系统资源利用效率,节约系统及企业成本。
Description
技术领域
本发明属于视频分析技术领域,特别涉及一种面向雷达视频融合的性能测试系统及测试方法。
背景技术
视频分析技术就是使用计算机图像视觉分析技术,通过将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的目标。用户可以根据的视频内容分析功能,通过在不同摄像机的场景中预设不同的报警规则,一旦目标在场景中出现了违反预定义规则的行为,系统会自动发出报警,监控工作站自动弹出报警信息并发出警示音,用户可以通过点击报警信息,实现报警的场景重组并采取相关措施。
传统视频分析性能测试主要存在如下问题:
(1)传统视频分析的性能测试主要是用视频流通过负载测试、压力测试的方式或在负载均衡的条件下,验证系统的各项性能指标是否正常。在一些特殊的应用场景下,此方式无法覆盖到所有功能,性能测试指标覆盖项不足。
(2)传统视频分析的性能测试主要是在测试环境下进行,与生产环境相比,对系统资源的利用、数据大量传输、数据转换、用户使用频率、逻辑复杂度等无法进行深度的分析,导致测试数据精确性和代表性不足。
(3)随着大数据、万物互联等新兴概念的兴起,传统视频分析的性能测试侧重于当前系统的处理能力,无法评估系统扩展性、弹性性能表现相关的容量测试,无法解决要如何做才能使系统达到更高的吞吐能力。
发明内容
针对上述问题,本发明提供了一种面向雷达视频融合的性能测试系统,包括:流媒体程序模块;与所述流媒体程序模块相连接的雷达视频分析程序模块和模型检测程序模块;与所述雷达视频分析程序模块和所述模型检测程序模块相连接的性能指标监测自动化脚本模块;与所述性能指标监测自动化脚本模块相连接的用于接收测试结果的性能测试程序模块,所述性能测试程序模块上连接有摄像头设备信息模块,及编码器,所述编码器用于根据所述摄像头设备信息模块进行部署多个摄像头和检测事件并传输至所述雷达视频分析程序模块;其中,所述性能测试程序模块与所述流媒体程序模块相连接。还包括前台展示模块,所述前台展示模块用于展示事件告警信息。
优选的,所述雷达视频分析程序模块对操作系统、视频码流及视频分辨率进行分析,并将分析结果传输至所述性能指标监测自动化脚本模块。
优选的,所述模型检测程序模块对磁盘I/O性能、网络带宽、CPU占用率、内存利用率、GPU占用率、显卡算力类型、模型检测算法、编码器带宽、中间件、数据库、网络设备的信息进行检测,并将检测结果传输至所述性能指标监测自动化脚本模块。
优选的,所述性能指标监测自动化脚本模块通过所述分析结果和所述检测结果获得测试结果。
优选的,所述事件告警信息包括告警图片和视频,所述告警图片和视频存入所述数据库。
优选的,所述编码器根据多个摄像头在工作时并在高并发的状态下,产生大量的事件告警,并在视频码流及视频分辨率都正常的条件下,所述雷达视频分析程序模块和所述模型检测程序模块可及时、快速、准确的对每一个事件做出精准的检测,并将告警信息展示在所述前台展示模块。
另一方面,本发明还提出一种面向雷达视频融合的性能的测试方法,包括如下步骤:
步骤1:使用编码器部署多个摄像头和检测事件,创建成功进入步骤2,创建不成功重复步骤1;
步骤2:启动流媒体程序;
步骤3:雷达视频分析程序和模型检测程序对视频和事件进行分析处理;
步骤4:系统是否产生事件告警,若有进入步骤6;若没有,则进入步骤5;
步骤5:检查流媒体程序,然后执行步骤2;
步骤6:执行性能指标监测自动化脚本,实时监测各项性能指标的数据变化;然后执行步骤7;
步骤7:视频流帧数是否正常,若正常进入步骤8;若不正常,则执行步骤1
步骤8:统计测试结果,记录测试数据。
优选的,所述雷达视频分析程序模块和所述模型检测程序模块的工作流程如下:
步骤a:系统判断流媒体程序是否开启,若是进入步骤b;若没有开启循环执行步骤a;
步骤b:系统判断雷达视频分析程序和模型检测程序是否开启;若没有开启循环执行步骤b;
步骤c:雷达视频分析程序和模型检测程序对数据进行分析处理,然后执行步骤d;
步骤d:系统判断检测事件是否产生告警,若有则进入步骤e;若没有则进入步骤a;
步骤e:数据库记录事件告警信息,然后进入步骤f;
步骤f:告警信息在前台页面展示。
本发明的有益效果是:
1、本发明能够利用雷达视频融合的人工智能算法,通过对系统采集到的视频图像进行分析计算,在此过程中通过对视频码流、视频分辨率、CPU占用率、GPU占用率、算力类型、模型检测算法、编码器带宽、中间件、数据库、网设备等各个模块对系统资源的占用进行监测,可以全面、准确、系统的测试出接近生产环境下的各项真实的性能数据,可以为系统提供真实有效的性能数据服务,提高系统资源利用效率,节约系统及企业成本。
2、本发明能够通过此系统在雷达视频融合的特殊场景下,解决了性能测试指标覆盖项不足的问题,通过性能指标监测自动化脚本可以检测系统下的各项性能指标是否达到预期设计的要求,这样就不用人工去记录各项性能指标参数,提高了性能工作效率同时也提升了系统的资源利用效率。
3、本发明解决了传统视频分析中单一收集视频性能指标数据的问题,对测试出的各种性能问题,提供了完善、详细、准确的数据依据,为后续的分析和定位性能问题、性能优化工作做好充分的数据支撑。
4、本发明通过编码器可以构造多个摄像头和检测事件模拟真实的生产环境,通过负载和压力测试,在高并发的场景下,可以对系统各个模块资源的占用、数据传输、网络带宽、算力精度、模型检测、网络设备等进行深度的分析,得出系统在最佳运行状态下,各项指标的真实性能数据。
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一简单地介绍,显而易见地,下面描述中的附图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示出了本发明实施例一种面向雷达视频融合的性能测试系统的框图;
图2示出了本发明实施例一种面向雷达视频融合的性能测试方法流程图;
图3示出了本发明实施例雷达视频分析程序和模型检测程序的工作流程的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地说明,显然,所描述的实施例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做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。
本发明实施例中提供了一种面向雷达视频融合的性能测试系统,示例性的,如图1所示的。包括流媒体程序模块;与所述流媒体程序模块相连接的雷达视频分析程序模块和模型检测程序模块;与所述雷达视频分析程序模块和所述模型检测程序模块相连接的性能指标监测自动化脚本模块;与所述性能指标监测自动化脚本模块相连接的用于接收测试结果的性能测试程序模块,所述性能测试程序模块上连接有摄像头设备信息模块,及编码器,所述编码器用于根据所述摄像头设备信息模块进行部署多个摄像头和检测事件并传输至所述雷达视频分析程序模块。
其中,所述性能测试程序模块与所述流媒体程序模块相连接。另外,还包括前台展示模块,所述前台展示模块用于展示事件告警信息。
雷达视频分析程序检测到事件,从而触发流媒体程序,雷达视频分析程序和模型检测程序分别对视频和事件进行检测,并将事件告警信息在前台展示,同时将每个事件的告警图片和视频存入数据库,此过程中需要消耗系统资源,通过程序运行时产生的日志可以分析出系统是否有足够的资源支撑程序的正常运行。
进一步的,所述雷达视频分析程序模块对操作系统、视频码流及视频分辨率进行分析,并将分析结果传输至所述性能指标监测自动化脚本模块。能够通过此系统在雷达视频融合的特殊场景下,解决了性能测试指标覆盖项不足的问题,通过性能指标监测自动化脚本可以检测系统下的各项性能指标是否达到预期设计的要求,这样就不用人工去记录各项性能指标参数,提高了性能工作效率同时也提升了系统的资源利用效率。
所述模型检测程序模块对磁盘I/O性能、网络带宽、CPU占用率、内存利用率、GPU占用率、显卡算力类型、模型检测算法、编码器带宽、中间件、数据库、网络设备的信息进行检测,并将检测结果传输至所述性能指标监测自动化脚本模块。
能够利用雷达视频融合的人工智能算法,通过对系统采集到的视频图像进行分析计算。在此过程中通过对视频码流、视频分辨率、CPU占用率、GPU占用率、算力类型、模型检测算法、编码器带宽、中间件、数据库、网设备等各个模块对系统资源的占用进行监测;可以全面、准确、系统的测试出接近生产环境下的各项真实的性能数据。随着企业的业务发展、需求量的增加,系统未来发展的扩容,其服务系统承载的负荷也会随着增加,可以为系统提供真实有效的性能数据服务,提高系统资源利用效率,节约系统及企业成本。
所述性能指标监测自动化脚本模块通过所述分析结果和所述检测结果获得测试结果。所述事件告警信息包括告警图片和视频,所述告警图片和视频存入所述数据库。
所述编码器根据多个摄像头在工作时并在高并发的状态下,产生大量的事件告警,并在视频码流及视频分辨率都正常的条件下,所述雷达视频分析程序模块和所述模型检测程序模块可及时、快速、准确的对每一个事件做出精准的检测,并将告警信息展示在所述前台展示模块。
在本实施例中还提出一种面向雷达视频融合的性能测试方法,如图2所示的,包括如下步骤:
步骤1:使用编码器部署多个摄像头和检测事件,创建成功进入步骤2,创建不成功重复步骤1;
步骤2:启动流媒体程序;
步骤3:雷达视频分析程序和模型检测程序对视频和事件进行分析处理;
步骤4:检测是否产生告警,若有进入步骤6;若没有,则进入步骤5;
步骤5:检查流媒体程序,然后执行步骤2;
步骤6:执行性能指标监测自动化脚本,实时监测各项性能指标的数据变化;然后执行步骤7;
步骤7:视频流帧数是否正常,若正常进入步骤8;若不正常,则执行步骤1
步骤8:统计测试结果,记录测试数据。
进一步的,如图3所示的,所述雷达视频分析程序模块和所述模型检测程序模块的工作流程如下:
步骤a:启动流媒体程序:系统判断流媒体程序是否开启,若是进入步骤b;若没有开启循环执行步骤a;
步骤b:系统判断雷达视频分析程序和模型检测程序是否开启;若没有开启循环执行步骤b;
步骤c:雷达视频分析程序和模型检测程序对数据进行分析处理,然后执行步骤d;
步骤d:系统判断检测事件是否产生告警,若有则进入步骤e;若没有则进入步骤a;
步骤e:数据库记录事件告警信息,然后进入步骤f;
步骤f:告警信息在前台页面展示。
当有多个摄像头在工作时,在高并发的状态下,系统会产生大量的事件告警,在视频码流和分辨率都正常的条件下,后台算法程序需要及时、快速、准确的对每一个事件做出精准的检测,并将告警信息展示在页面上。在检测的过程中,需要消耗大量的系统资源,当摄像头产生的事件检测需求超过了算法程序所能承载的最大检测算力,就会出现视频流丢帧,导致程序不能正常检测事件,从而会产生大量误报和漏报事件,此时就需要减少摄像头路数,从而使系统有充足的检测资源。在此过程中对检测出的各种性能问题,可以获得充分有力的数据,从而为后续的分析和定位性能问题、性能优化工作做好充分的准备。同时随着业务发展、需求量的增加,在生产环境中,可以为系统预留充足的系统资源,有利于后期的扩容和升级,从而节约系统成本,提高生产效率
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种面向雷达视频融合的性能测试系统,其特征在于,包括:
流媒体程序模块;
与所述流媒体程序模块相连接的雷达视频分析程序模块和模型检测程序模块;
与所述雷达视频分析程序模块和所述模型检测程序模块相连接的性能指标监测自动化脚本模块;
与所述性能指标监测自动化脚本模块相连接的用于接收测试结果的性能测试程序模块,所述性能测试程序模块上连接有摄像头设备信息模块,及
编码器,所述编码器用于根据所述摄像头设备信息模块进行部署多个摄像头和检测事件并传输至所述雷达视频分析程序模块;
其中,所述性能测试程序模块与所述流媒体程序模块相连接。
2.根据权利要求1所述的一种面向雷达视频融合的性能测试系统,其特征在于,还包括前台展示模块,所述前台展示模块用于展示事件告警信息。
3.根据权利要求2所述的一种面向雷达视频融合的性能测试系统,其特征在于,所述雷达视频分析程序模块对操作系统、视频码流及视频分辨率进行分析,并将分析结果传输至所述性能指标监测自动化脚本模块。
4.根据权利要求3所述的一种面向雷达视频融合的性能测试系统,其特征在于,所述模型检测程序模块对磁盘I/O性能、网络带宽、CPU占用率、内存利用率、GPU占用率、显卡算力类型、模型检测算法、编码器带宽、中间件、数据库、网络设备的信息进行检测,并将检测结果传输至所述性能指标监测自动化脚本模块。
5.根据权利要求4所述的一种面向雷达视频融合的性能测试系统,其特征在于,所述性能指标监测自动化脚本模块通过所述分析结果和所述检测结果获得测试结果。
6.根据权利要求4所述的一种面向雷达视频融合的性能测试系统,其特征在于,所述事件告警信息包括告警图片和视频,所述告警图片和视频存入所述数据库。
7.根据权利要求6所述的一种面向雷达视频融合的性能测试系统,其特征在于,所述编码器根据多个摄像头在工作时并在高并发的状态下,产生大量的事件告警,并在视频码流及视频分辨率都正常的条件下,所述雷达视频分析程序模块和所述模型检测程序模块可及时、快速、准确的对每一个事件做出精准的检测,并将告警信息展示在所述前台展示模块。
8.一种根据权利要求1至7任意一项所述的面向雷达视频融合的性能测试系统的测试方法,其特征在于,包括如下步骤:
步骤1:使用编码器部署多个摄像头和检测事件,创建成功进入步骤2,创建不成功重复步骤1;
步骤2:启动流媒体程序;
步骤3:雷达视频分析程序和模型检测程序对视频和事件进行分析处理;
步骤4:系统是否产生事件告警,若有进入步骤6;若没有,则进入步骤5;
步骤5:检查流媒体程序,然后执行步骤2;
步骤6:执行性能指标监测自动化脚本,实时监测各项性能指标的数据变化;然后执行步骤7;
步骤7:视频流帧数是否正常,若正常进入步骤8;若不正常,则执行步骤1
步骤8:统计测试结果,记录测试数据。
9.根据权利要求8所述的一种面向雷达视频融合的性能测试方法,其特征在于,所述雷达视频分析程序模块和所述模型检测程序模块的工作流程如下:
步骤a:系统判断流媒体程序是否开启,若是进入步骤b;若没有开启循环执行步骤a;
步骤b:系统判断雷达视频分析程序和模型检测程序是否开启;若没有开启循环执行步骤b;
步骤c:雷达视频分析程序和模型检测程序对数据进行分析处理,然后执行步骤d;
步骤d:系统判断检测事件是否产生告警,若有则进入步骤e;若没有则进入步骤a;
步骤e:数据库记录事件告警信息,然后进入步骤f;
步骤f:告警信息在前台页面展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211724569.3A CN116033145A (zh) | 2022-12-30 | 2022-12-30 | 一种面向雷达视频融合的性能测试系统及测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211724569.3A CN116033145A (zh) | 2022-12-30 | 2022-12-30 | 一种面向雷达视频融合的性能测试系统及测试方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116033145A true CN116033145A (zh) | 2023-04-28 |
Family
ID=86070138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211724569.3A Pending CN116033145A (zh) | 2022-12-30 | 2022-12-30 | 一种面向雷达视频融合的性能测试系统及测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116033145A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117319580A (zh) * | 2023-08-15 | 2023-12-29 | 清华大学深圳国际研究生院 | 多路视频智能融合展示方法、装置、电子设备及存储设备 |
-
2022
- 2022-12-30 CN CN202211724569.3A patent/CN116033145A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117319580A (zh) * | 2023-08-15 | 2023-12-29 | 清华大学深圳国际研究生院 | 多路视频智能融合展示方法、装置、电子设备及存储设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8874642B2 (en) | System and method for managing the performance of an enterprise application | |
CN115495231B (zh) | 一种高并发任务复杂场景下的动态资源调度方法及系统 | |
CN112994972B (zh) | 一种分布式探针监测平台 | |
CN115083112B (zh) | 一种智能预警应急管理系统及其部署方法 | |
Zhang et al. | A serverless cloud-fog platform for dnn-based video analytics with incremental learning | |
CN110662024A (zh) | 基于多帧的视频质量诊断方法、装置及电子设备 | |
CN116033145A (zh) | 一种面向雷达视频融合的性能测试系统及测试方法 | |
CN113032218B (zh) | 一种服务器故障检测方法、系统及计算机可读存储介质 | |
CN113114987B (zh) | 一种基于Hadoop的电力系统巡检方法和系统 | |
CN103823743A (zh) | 软件系统的监控方法和设备 | |
CN115729683A (zh) | 任务处理方法、装置、系统、计算机设备和存储介质 | |
CN110969082B (zh) | 一种时钟同步测试巡检方法和系统 | |
CN113535379A (zh) | 一种基于物联网的变电边缘计算方法、系统及设备 | |
CN111553497A (zh) | 一种多媒体终端的设备工作状态检测方法及装置 | |
CN116014892A (zh) | 一种电力系统的异常数据的获取方法及装置 | |
CN115022402A (zh) | 一种基于一栈式集成技术的agent采集方法及系统 | |
CN116069618A (zh) | 一种面向应用场景的国产化系统评估方法 | |
CN113691390A (zh) | 一种云端协同的边缘节点报警系统及方法 | |
CN112291302A (zh) | 物联网设备行为数据分析方法与处理系统 | |
CN116450485B (zh) | 一种应用性能干扰的检测方法和系统 | |
CN104883273A (zh) | 虚拟化服务管理平台中业务影响模型的处理方法和系统 | |
CN115017014B (zh) | 一种高速公路机电监测系统及方法 | |
CN110489286A (zh) | 一种box节点机电源均流测试方法及系统 | |
Shi et al. | Edge Intelligence‐Based OCS Fault Detection in Rail Transit Systems | |
DeCelles et al. | Efficient online performance monitoring of computing systems using predictive models |
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 |