【技术实现步骤摘要】
面向无线边缘网络中视频流服务的实时目标检测方法
[0001]本专利技术涉及一种目标检测方法,并具体涉及一种面向无线边缘网络中视频流服务的实时目标检测方法。
技术介绍
[0002]基于视觉的实时目标检测已经成为了许多智慧城市应用的基础服务,它被广泛应用在诸如自动驾驶、交通控制和数字孪生等领域中。例如,在伦敦的摄像头网络中,实时目标检测常被用于智能交通控制和安全检测。在自动驾驶系统中,车辆需要检测并追踪物理对象和路标以避障和自主导航。目标检测通常涉及需要大量计算资源的机器学习方法,终端摄像头设备无法提供足够的算力与资源,不具备在本地运行该类应用的计算能力,因此边缘协同的目标检测成为了一个有前景的解决方案。
[0003]在边缘协同的目标检测中,前端设备将捕获到的视频帧卸载到附近的边缘服务器上。服务器执行推理过程并将结果返回给前端设备。实时目标检测需要尽可能低的时延,但由于视频流需要巨大的传输开销和计算工作量,端到端的时延过大,无法满足应用的低时延需求。例如,分析一个30FPS(帧每秒)的720p实时视频要求每帧在33.3ms内返回检测结果。但是一个帧的总延迟可能在100
‑
150ms之间,这个巨大的延迟是无法满足要求的。
[0004]为了降低总时延,现有做法引入了一个检测
‑
追踪架构,将选择出的一些帧卸载到服务器上。基于这些选出的帧的检测结果,前端设备使用一个轻量级的追踪器在本地预测剩余帧中物体的位置。通过这种方法,便可以满足实时目标检测中严格的时延要求。
[00 ...
【技术保护点】
【技术特征摘要】
1.一种面向无线边缘网络中视频流服务的实时目标检测方法,通过前端设备执行本地追踪和边缘服务器执行边缘识别的方式,使得前端设备实时输出目标检测的结果,其特征在于:选择若干关键帧卸载到边缘服务器上,边缘服务器执行目标检测方法检测到目标后,将识别结果返回给前端设备;前端设备得到结果后,在本地运行追踪方法,在其它帧中追踪目标物体,预测剩余帧中的目标位置;并且,前端设备根据帧
‑
锚帧距离执行对待卸载关键帧的选择;其中,所述帧
‑
锚帧距离的定义为:帧f
i
的帧
‑
锚帧距离θ
i
定义为:其中n
i
是帧f
i
的帧序号,表示帧f
i
的锚帧的序号;锚帧是结果在帧f
i
的输出时间to
i
之前返回的上一帧;即:其中,to
i
是帧f
i
的输出时间;是帧f
i
的可用锚帧的集合;为帧f
k
检测结果的预估返回时间,是由该帧被捕获的时间、帧的上传时间、边缘服务器的处理时间以及计算结果的下载时间计算得出。2.根据权利要求1所述的面向无线边缘网络中视频流服务的实时目标检测方法,其特征在于:选择每个窗口内精度退化最小的帧进行卸载。3.根据权利要求2所述的面向无线边缘网络中视频流服务的实时目标检测方法,其特征在于:选择每个窗口内精度退化最小的帧是基于目标函数:其中,表示窗口ω中所有帧的集合,表示由所有帧使用的分辨率定义的全部的解决方案,若某个帧的分辨率被设置为0,则表示该帧不被卸载;并且,D
ω
(f
i
)表示帧f
i
在窗口ω的精度退化,θ
i
表示帧f
i
的锚帧,表示帧f
i
的锚帧的分辨率配置;ψ(r)表示给定分辨率r所对应的精度,φ
ω
(θ
i
【专利技术属性】
技术研发人员:闵革勇,赵志为,丛荣,王坤,张林元齐,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:
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。