一种边端协同的目标检测任务卸载方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115934269A(43)申请公布日2023.04.07(21)申请号202211263394.0(22)申请日2022.10.16(71)申请人西北工业大学地址710072陕西省西安市友谊西路(72)发明人刘思聪骆浩郭斌於志文(74)专利代理机构西安凯多思知识产权代理事务所(普通合伙)61290专利代理师刘新琼(51)Int.Cl.G06F9/48(2006.01)G06N3/12(2023.01)G06V10/762(2022.01)H04L67/10(2022.01)权利要求书2页说明书5页附图1页(54)发明名称一种边端协同的目标检测任务卸载方法(57)摘要本发明提出的一种边端协同的目标检测任务卸载方法，首先，基于视频内容特性，自适应确定关键帧数量提取关键帧，有效反映视频主要内容。接着，提取视频帧感兴趣区域并构造任务的本地时延和卸载时延线性回归方程，建立边端协同时延驱动的任务卸载数学模型。最终，在任务卸载分配的方案空间中利用遗传算法求得最优方案，保证整体任务的时延最小。本发明解决了智能终端资源受限导致的高工作负载下计算能力不足产生的高时延问题。CN115934269ACN115934269A权利要求书1/2页1.一种边端协同的目标检测任务卸载方法，其特征在于步骤如下：步骤1：自适应关键帧提取，从原始视频帧序列获取视频帧的特征，用颜色直方图来表示；计算相邻帧之间的帧间距和全体帧平均帧间距，初始化聚类中心数k值，遍历所有视频帧，若相邻帧差值大于平均值，规定k值加1；当k值确定之后，对所有视频帧进行K‑Means聚类，根据聚类结果，选择每一簇中距离聚类中心最近的帧作为视频关键帧；步骤2：读取视频关键帧，对每帧实现基于高斯混合模型的背景减法BackgroundSubtractorMOG2，获取前景区域；用FindContours算法提取感兴趣区域ROI，作为任务进行后续目标检测处理；步骤3：对边端协同时延驱动的任务卸载过程进行建模，将其表示为：上式表达了问题的优化目标及约束条件，将整体时延设为优化目标，将终端的任务量设为约束，进行了边端协同任务卸载下时延优化问题建模，对于每一个终端，xi代表本地处理的任务量，代表任务卸载的任务量，本地处理和任务卸载并行工作，则整体任务的时延Ti可为本地任务时延和卸载时延的较大值；其中Ci表示终端的处理能力，Cedge表示服务器处理能力，Ri表示网络传输速度，表示传输的数据总量，通过Ri和就可以求得传输时延ui表示终端i的总工作量，又被分为终端本地工作量xi和传输服务器工作量两部分：对于每个具体任务而言，根据自身任务大小来构建它们的本地处理和任务卸载时延的线性公式，预测每个任务的时延，从而求得本地处理任务规模和任务卸载规模的总时延；其localedge中m表示为任务大小，w1、b1、b2为具体参数，s和s则表示单个任务的本地时延和传输时延；步骤4：完成边端协同任务卸载下时延优化问题建模，通过遗传算法求得终端任务分配方案中时延最小的任务分配方案，自适应地控制搜索过程以求得最佳解。2.一种边端协同的目标检测任务卸载模型，其特征在于包括：关键帧数量自适应模块：基于视频帧间特征差异性来确定关键帧数量，自适应地根据视频内容设置合适的聚类中心数，提取和反映视频的关键信息；边端协同任务卸载模块：基于任务规模对任务卸载决策的影响，构造任务的本地处理时延和卸载时延的线性回归方程，预测任务的本地时延和卸载时延，构建遗传算法来获得最佳的任务卸载方案，并根据任务规模的动态变化，自适应调整最佳任务卸载方法。3.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得2CN115934269A权利要求书2/2页所述一个或多个处理器实现权利要求1所述的方法。4.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。3CN115934269A说明书1/5页一种边端协同的目标检测任务卸载方法技术领域[0001]本发明涉及边端协同的目标检测任务卸载方法研究，具体涉及到关键帧提取以及智能终端任务卸载的决策和执行方案。背景技术[0002]随着普适计算、万物互联时代的到来，摄像头已经无处不在，部署在交通、校园和商店等各个场景，随着相机数量的扩大，它们每秒共产生数百千兆字节的数据，面对如此庞大的视频信息，对视频内容简化，提取关键信息是必不可少的。视频相比图像信息更加丰富，每个视频都是一个图像序列，其内容比一张图像丰富很多，表现力强，信息量大。对视频的分析通常是基于视频帧，但视频帧通常存在大量冗余。视频关键帧提取则主要体现视频中