【技术实现步骤摘要】
一种基于云边协同的AI视力检测方法及系统
[0001]本专利技术涉及云计算和边缘计算领域，更具体地，涉及一种基于云边协同的AI视力检测方法及系统。
技术介绍
[0002]随着人工智能技术的进步，智能化设备逐渐融入到人们生活中。传统的医疗检测仪器逐渐被智能电子仪器所替代，如心率测量仪和血压检测仪等。然而视力检测这一基本的体检项目仍然沿用传统的人工检测方法，该方法不但检测效率低，且需要消耗大量人力，以致学校和医疗卫生机构无法定期开展大规模的视力检测活动。使用计算机设备对用户的手势进行识别，而进行视力检测，可以很好地解决以上问题。使用计算机设备对用户进行视力检测实际上是一个视频分析的过程，通过在用户终端采集用户的手势识别视频，然后将手势识别视频传输到后端服务器进行分析得出识别结果，最后将识别结果返回到用户终端，完成视力检测。
[0003]公开号为CN109194984A(公开日为2019
‑
01
‑
11)提出一种基于边缘计算的视频帧调度方法，包括以下步骤：用户端产生视频任务，然后向控制器...
【技术保护点】
【技术特征摘要】
1.一种基于云边协同的AI视力检测方法，其特征在于，包括以下步骤：S1：用户终端产生手势识别视频任务，所述手势识别视频任务包括若干个子任务；根据每一个子任务的时延敏感度，设置手势识别视频任务的最大可容忍处理时延；S2：根据手势识别视频任务的最大可容忍处理时延，更新并配置调度器的调度参数，使调度器在手势识别视频任务的总时延满足最大可容忍处理时延的条件下，生成视力检测精度最大化的任务调度策略；S3：根据所述任务调度策略，调度器将每一个子任务分别调度到边缘服务器端或云服务器端中进行计算；S4：将边缘服务器端和云服务器端的计算结果返回至用户终端，用户终端统计出出现次数最多计算结果作为最终的视力检测结果。2.根据权利要求1所述的基于云边协同的AI视力检测方法，其特征在于，所述手势识别视频任务的总时延由所有子任务的处理时延构成；所述子任务的处理时延包括视频传输时延T
comm
和手势推理时延T
infer
；当手势识别视频任务调度到边缘服务器端时，子任务的处理时延T
edge
的表达式如下所示：其中，N
i
表示第i个子任务视频段的帧数，r表示所选择的视频帧分辨率，B
wlan
表示无线局域网的带宽，P表示用户终端设备的传输功率，h表示信道衰落系数，w0表示高斯白噪声功率，d
θ
表示路径损耗，C
i
表示第i个边缘节点的可用计算容量，m表示所选择的卷积神经网络模型，f
j
表示一次子任务的第j帧；调度到边缘服务器端的视频传输时延，表示调度到边缘服务器端的手势推理时延，表示在边缘服务器端的第j帧的模型推理时延；当手势识别视频任务调度到云服务器端时，手势识别视频任务的处理时延T
cloud
的表达式如下所示：其中，B
wan
表示广域网带宽，C
′
表示云服务器的可用计算容量；调度到云服务器端的视频传输时延，表示调度到云服务器端的手势推理时延，表示在云服务器端的第j帧的模型推理时延；一个子任务的处理时延T
all
的表达式如下所示：T
all
＝γT
edge
+(1
‑
γ)βT
cloud
，γ∈{0，1}。3.根据权利要求2所述的基于云边协同的AI视力检测方法，其特征在于，所述子任务包括依次执行的手势过渡阶段识别任务、手势稳定阶段识别任务和手势晃动阶段识别任务，
所述手势识别视频任务的总时延T
Delay
的计算公式如下所示：其中，t0表示手势识别视频任务的开始时间节点，t1表示手势过渡阶段识别任务发起的时间节点，t2表示手势稳定阶段识别任务发起的时间节点，t3表示手势晃动阶段识别任务发起的时间节点，表示手势过渡阶段识别任务的处理时延，表示手势过渡阶段识别任务的处理时延，表示手势过渡阶段识别任务的处理时延。4.根据权利要求3所述的基于云边协同的AI视力...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。