本發(fā)明涉及視頻傳輸，特別涉及一種基于高并發(fā)視頻流的測(cè)試方法。

背景技術(shù)：

1、隨著ai算法飛速發(fā)展，越來越多基于ai(artificial?intelligence，人工智能)的應(yīng)用落地視頻流場(chǎng)景中，如智能安防、智慧城市、智慧交通等場(chǎng)景，利用這些算法能夠顯著提升原有視頻流場(chǎng)景決策和自動(dòng)化能力。近年來，隨著處理器性能顯著提升，大規(guī)模應(yīng)用處理器集群訓(xùn)練深度學(xué)習(xí)算法成為ai應(yīng)用熱點(diǎn)，深度學(xué)習(xí)算法相對(duì)傳統(tǒng)的基于機(jī)器學(xué)習(xí)、模式識(shí)別等傳統(tǒng)方式的ai算法，在識(shí)別精度、運(yùn)行速度、應(yīng)對(duì)復(fù)雜場(chǎng)景準(zhǔn)確度上有顯著優(yōu)勢(shì)。

2、然而從當(dāng)前科研現(xiàn)狀和應(yīng)用實(shí)踐看，由于真實(shí)應(yīng)用場(chǎng)景中具有更加復(fù)雜的環(huán)境、更大的負(fù)載和壓力、更苛刻的可靠性要求，因此基于深度學(xué)習(xí)的ai算法雖然在科研機(jī)構(gòu)中日趨成熟，但在現(xiàn)實(shí)應(yīng)用中仍屬前沿。

3、實(shí)時(shí)視頻流存儲(chǔ)和傳輸在目前已經(jīng)相當(dāng)成熟，現(xiàn)實(shí)項(xiàng)目中數(shù)千甚至數(shù)萬路實(shí)時(shí)視頻流存儲(chǔ)系統(tǒng)已經(jīng)十分常見，但將深度學(xué)習(xí)算法應(yīng)用于如此大壓力場(chǎng)景中仍屬前沿，還需要經(jīng)過復(fù)雜的算法優(yōu)化、壓力測(cè)試、安全隱私評(píng)估等環(huán)節(jié)。真實(shí)場(chǎng)景中的視頻流來自真實(shí)設(shè)備，但動(dòng)輒成百上千路視頻采集設(shè)備對(duì)于dl(deep?learning，深度學(xué)習(xí))目標(biāo)檢測(cè)算法前期測(cè)試顯然不現(xiàn)實(shí)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例的目的在于提供一種基于高并發(fā)視頻流的測(cè)試方法，通過模擬一種高并發(fā)、大壓力環(huán)境下對(duì)視頻流的傳輸測(cè)試，從而協(xié)助開發(fā)人員利用實(shí)時(shí)視頻流本地模擬、高并發(fā)高可用推流拉流、自動(dòng)化負(fù)載均衡和各項(xiàng)自動(dòng)化系統(tǒng)判斷、日志保存等測(cè)試過程，高效完成在真實(shí)視頻處理場(chǎng)景下的深度學(xué)習(xí)算法測(cè)試工作，具體技術(shù)方案如下：

2、在本發(fā)明實(shí)施的第一方面，首先提供了一種基于高并發(fā)視頻流的測(cè)試方法，其特征在于，所述方法應(yīng)用于測(cè)試系統(tǒng)，所述測(cè)試系統(tǒng)包含推流服務(wù)器和拉流服務(wù)器，所述方法包括：

3、獲取待測(cè)試視頻流；

4、響應(yīng)于所述推流服務(wù)器發(fā)送的推流指令，將所述待測(cè)試視頻流推送至預(yù)設(shè)的測(cè)試地址；

5、響應(yīng)于所述拉流服務(wù)器發(fā)送的拉流指令，從所述測(cè)試地址拉取所述待測(cè)試視頻流；

6、獲取所述待測(cè)試視頻流的拉取狀態(tài)，并根據(jù)所述拉取狀態(tài)判斷是否對(duì)所述待測(cè)試視頻流進(jìn)行并發(fā)推理；

7、當(dāng)所述拉取狀態(tài)滿足預(yù)設(shè)的并發(fā)推理?xiàng)l件時(shí)，將所述待測(cè)試視頻流分割為若干個(gè)視頻幀，對(duì)每個(gè)所述視頻幀進(jìn)行識(shí)別和推理，得到針對(duì)每個(gè)所述視頻幀的推理結(jié)果；

8、合并所述推理結(jié)果以生成針對(duì)所述測(cè)試系統(tǒng)的測(cè)試結(jié)果。

9、可選的，所述獲取待測(cè)試視頻流，包括：

10、獲取視頻文件路徑；

11、讀取所述視頻文件路徑，以獲取所述視頻文件路徑下的本地視頻；

12、從所述本地視頻中隨機(jī)選取待測(cè)試視頻流，并確定所述待測(cè)試視頻流對(duì)應(yīng)的第一測(cè)試數(shù)量；

13、所述響應(yīng)于所述推流服務(wù)器發(fā)送的推流指令，將所述待測(cè)試視頻流推送至預(yù)設(shè)的測(cè)試地址，包括：

14、依據(jù)所述推流指令配置針對(duì)所述待測(cè)試視頻流的推流模式；

15、獲取本地網(wǎng)絡(luò)地址，并根據(jù)所述第一測(cè)試數(shù)量從所述本地網(wǎng)絡(luò)地址中選取測(cè)試地址，并對(duì)所述測(cè)試地址進(jìn)行編號(hào)；

16、按照編號(hào)依序?yàn)樗龃郎y(cè)試視頻流分配對(duì)應(yīng)的測(cè)試地址；

17、將所述待測(cè)試視頻流按照所述推流模式推送至所述測(cè)試地址。

18、可選的，所述獲取所述待測(cè)試視頻流的拉取狀態(tài)，并根據(jù)所述拉取狀態(tài)判斷是否對(duì)所述待測(cè)試視頻流進(jìn)行并發(fā)推理，包括：

19、預(yù)設(shè)拉流失敗閾值和推理?xiàng)l件；

20、獲取所述待測(cè)試視頻流的拉取狀態(tài)，所述拉取狀態(tài)包括拉取成功和拉取失?。?/p>

21、統(tǒng)計(jì)所述拉取狀態(tài)對(duì)應(yīng)的拉取數(shù)量，得到第一拉流數(shù)量和第二拉流數(shù)量，所述第一拉流數(shù)量用于指示所述拉取狀態(tài)為所述拉取成功的待測(cè)試視頻流的數(shù)量，所述第二拉流數(shù)量用于指示所述拉取狀態(tài)為所述拉取失敗的待測(cè)試視頻流的數(shù)量；

22、將所述第二拉流數(shù)量與所述拉流失敗閾值進(jìn)行比較；

23、在所述第二拉流數(shù)量大于所述拉流失敗閾值的情況下，判定所述拉取狀態(tài)不滿足所述并發(fā)推理?xiàng)l件，中斷針對(duì)所述測(cè)試系統(tǒng)的當(dāng)前測(cè)試進(jìn)程，對(duì)所述測(cè)試系統(tǒng)進(jìn)行故障檢測(cè)并生成針對(duì)所述測(cè)試系統(tǒng)的故障報(bào)告；

24、在所述第二拉流數(shù)量小于或者等于所述拉流失敗閾值的情況下，判定所述拉取狀態(tài)滿足所述并發(fā)推理?xiàng)l件。

25、可選的，所述待測(cè)視頻流包含若干個(gè)連續(xù)的視頻幀，所述獲取所述待測(cè)試視頻流的拉取狀態(tài)，包括：

26、持續(xù)監(jiān)測(cè)針對(duì)所述待測(cè)視頻流的拉取過程，若接收到連續(xù)的視頻幀，則判定所述視頻幀對(duì)應(yīng)的所述待測(cè)視頻流的拉取狀態(tài)為拉取成功；

27、若接收到間斷的視頻幀，則判定所述視頻幀對(duì)應(yīng)的所述待測(cè)視頻流的拉取狀態(tài)為拉取失?。?/p>

28、或者，若接收到清晰的視頻幀，則判定所述視頻幀對(duì)應(yīng)的所述待測(cè)視頻流的拉取狀態(tài)為拉取成功；

29、若接收到模糊的視頻幀，則判定所述視頻幀對(duì)應(yīng)的所述待測(cè)視頻流的拉取狀態(tài)為拉取失??；

30、或者，若接收到的視頻幀的延遲時(shí)間小于或者等于預(yù)設(shè)的延遲時(shí)間閾值，則判定所述視頻幀對(duì)應(yīng)的所述待測(cè)視頻流的拉取狀態(tài)為拉取成功；

31、若接收到的視頻幀的延遲時(shí)間大于所述延遲時(shí)間閾值，則判定所述視頻幀對(duì)應(yīng)的所述待測(cè)視頻流的拉取狀態(tài)為拉取失敗。

32、可選的，所述測(cè)試系統(tǒng)還包括處理器，在所述將所述待測(cè)試視頻流分割為若干個(gè)視頻幀，對(duì)每個(gè)所述視頻幀進(jìn)行識(shí)別和推理之前，所述方法還包括：

33、統(tǒng)計(jì)所述處理器的數(shù)量；

34、將所述處理器的數(shù)量與預(yù)設(shè)的處理器閾值進(jìn)行比較，并在所述處理器的數(shù)量大于或者等于所述處理器閾值時(shí)，對(duì)所述測(cè)試系統(tǒng)進(jìn)行負(fù)載均衡處理；

35、當(dāng)所述處理器的數(shù)量小于所述處理器閾值時(shí)，對(duì)所述待測(cè)試視頻流進(jìn)行并發(fā)推理。

36、可選的，所述對(duì)所述測(cè)試系統(tǒng)進(jìn)行負(fù)載均衡處理，包括：

37、獲取所述測(cè)試地址對(duì)應(yīng)的第二測(cè)試數(shù)量；

38、依據(jù)所述處理器的數(shù)量和所述第二測(cè)試數(shù)量計(jì)算得到針對(duì)每個(gè)所述處理器的實(shí)時(shí)視頻流負(fù)載數(shù)；

39、依據(jù)所述實(shí)時(shí)視頻流負(fù)載數(shù)為所述處理器分配對(duì)應(yīng)的并發(fā)推理任務(wù)，并基于所述并發(fā)推理任務(wù)對(duì)所述待測(cè)試視頻流進(jìn)行并發(fā)推理。

40、可選的，所述方法還包括：

41、創(chuàng)建多個(gè)線程；

42、依據(jù)所述處理器的數(shù)量將所述并發(fā)推理任務(wù)分配給對(duì)應(yīng)的線程，每個(gè)所述線程用于處理至少一個(gè)所述待測(cè)試視頻流。

43、在本發(fā)明實(shí)施的第二方面，還提供了一種基于高并發(fā)視頻流的測(cè)試裝置，其特征在于，所述裝置包括：

44、獲取模塊，用于獲取待測(cè)試視頻流；

45、推流模塊，用于響應(yīng)于所述推流服務(wù)器發(fā)送的推流指令，將所述待測(cè)試視頻流推送至預(yù)設(shè)的測(cè)試地址；

46、拉流模塊，用于響應(yīng)于所述拉流服務(wù)器發(fā)送的拉流指令，從所述測(cè)試地址拉取所述待測(cè)試視頻流；

47、判斷模塊，用于獲取所述待測(cè)試視頻流的拉取狀態(tài)，并根據(jù)所述拉取狀態(tài)判斷是否對(duì)所述待測(cè)試視頻流進(jìn)行并發(fā)推理；

48、推理模塊，用于當(dāng)所述拉取狀態(tài)滿足預(yù)設(shè)的并發(fā)推理?xiàng)l件時(shí)，將所述待測(cè)試視頻流分割為若干個(gè)視頻幀，對(duì)每個(gè)所述視頻幀進(jìn)行識(shí)別和推理，得到針對(duì)每個(gè)所述視頻幀的推理結(jié)果；

49、結(jié)果生成模塊，用于合并所述推理結(jié)果以生成針對(duì)所述測(cè)試系統(tǒng)的測(cè)試結(jié)果。

50、在本發(fā)明實(shí)施的第三方面，還提供了一種通信設(shè)備，包括：收發(fā)機(jī)、存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的程序；

51、所述處理器，用于讀取存儲(chǔ)器中的程序?qū)崿F(xiàn)執(zhí)行上述任一所述的基于高并發(fā)視頻流的測(cè)試方法。

52、在本發(fā)明實(shí)施的第四方面，還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述任一所述的基于高并發(fā)視頻流的測(cè)試方法。

53、本發(fā)明實(shí)施例提供的基于高并發(fā)視頻流的測(cè)試方法，通過獲取待測(cè)試視頻流；響應(yīng)于推流服務(wù)器發(fā)送的推流指令，將待測(cè)試視頻流推送至預(yù)設(shè)的測(cè)試地址；響應(yīng)于拉流服務(wù)器發(fā)送的拉流指令，從測(cè)試地址拉取待測(cè)試視頻流；獲取待測(cè)試視頻流的拉取狀態(tài)，并根據(jù)拉取狀態(tài)判斷是否對(duì)待測(cè)試視頻流進(jìn)行并發(fā)推理；當(dāng)拉取狀態(tài)滿足預(yù)設(shè)的并發(fā)推理?xiàng)l件時(shí)，將待測(cè)試視頻流分割為若干個(gè)視頻幀，對(duì)每個(gè)視頻幀進(jìn)行識(shí)別和推理，得到針對(duì)每個(gè)視頻幀的推理結(jié)果；合并推理結(jié)果以生成針對(duì)測(cè)試系統(tǒng)的測(cè)試結(jié)果，本發(fā)明實(shí)施例通過模擬一種高并發(fā)、大壓力環(huán)境下對(duì)視頻流的傳輸測(cè)試，從而協(xié)助開發(fā)人員利用實(shí)時(shí)視頻流本地模擬、高并發(fā)高可用推流拉流、自動(dòng)化負(fù)載均衡和各項(xiàng)自動(dòng)化系統(tǒng)判斷、日志保存等測(cè)試過程，高效完成在真實(shí)視頻處理場(chǎng)景下的深度學(xué)習(xí)算法測(cè)試工作。