一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法技术方案

本发明专利技术涉及一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法，属于任务卸载技术领域。本方法首先考虑本地设备、边缘服务器和云中心之间的纵向协作，以及边缘服务器之间的横向协作，设计一种三层视频处理计算架构；然后，基于所述三层视频处理计算架构，建立有线通信模型，并基于排队理论对设备任务处理过程建立计算模型；而后，制定最小化任务处理时间的优化问题，并基于重构线性化技术对优化问题中的二进制变量乘积项进行转换；最后，基于交替方向乘子法和凸差规划方法，求解转换后的优化问题，并得到任务卸载决策方案；相比于其他卸载算法，本方法能充分利用系统资源，有效降低了任务处理时间。有效降低了任务处理时间。有效降低了任务处理时间。

【技术实现步骤摘要】
一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法


[0001]本专利技术涉及一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法，属于任务卸载


技术介绍

[0002]近年来，摄像头性能的提升影响着视频监控、移动机器人、质量控制等领域的发展。据Seagate Technology LLC的一项研究估计，到2023年，全球视频监控系统每天生成的数据量将达到35,000PB，这对系统处理复杂的计算任务提出了巨大的挑战。
[0003]由于视频监控应用的需要，摄像头被设计为具有一定计算能力的智能设备，可以从源源不断的视频数据中捕获人脸图像，执行人脸识别任务。然而，当人脸图像过于复杂时，计算资源有限的摄像头处理不了复杂度过高的计算任务。此外，仅使用摄像头来满足计算要求会使系统的部署成本非常高昂。解决的方法之一是将计算任务卸载到云中心，因为云中心有足够的计算资源以应对各种复杂的任务场景。但是，一般情况下，云中心和摄像头之间的距离很远，不适用于计算密集且要求低延时的任务。进一步，大量数据在网络中传输，会导致网络拥塞，巨大的传输延时无法被用户接受。
[0004]为了提高视频监控系统的实时性并降低网络传输的开销，基于云计算的技术被边缘计算所取代。由于摄像头和边缘服务器之间的距离较近，因此计算任务可以由摄像头或边缘服务器处理，这有效降低了摄像头到云中心的传输延时。如今，摄像头
‑
边缘
‑
云三层架构已被视为解决大规模视频分析任务的有效视频监控系统架构。其中，一个边缘服务器负责处理来自与其相连的多个摄像头的计算任务。直观上，低延时的任务可以在本地摄像头处理，或卸载到附近的边缘服务器上处理，以获得更小的传输延时。而计算敏感的任务可以卸载到具有足够计算资源的云中心处理，以获得更高的精度。三层计算架构为设备提供了多种卸载选择，不同的卸载决策在很大程度上影响系统性能。因此，正确的卸载决策对视频监控系统的性能提升至关重要。
[0005]然而，现有的三层计算网络中的任务卸载方式仍存在着许多不足。大多工作主要强调跨层的纵向协作，而没有考虑边缘服务器之间的横向协作。其中，每个边缘服务器都被视为一个孤立的计算节点，独立处理接收到的任务。但可以注意到，一些边缘服务器负载过大，其处理任务的延时会很长，而另一些边缘服务器负载很小，计算资源严重过剩。因此，边缘服务器之间的横向协作使得那些繁忙的边缘节点能够将其任务转发给计算资源过剩的边缘节点，从而平衡计算负载，提高系统的资源利用率。另外，还有一些工作主要研究边缘服务器之间的横向协作，而忽略了本地设备、边缘服务器和云中心之间的纵向协作。

技术实现思路

[0006]本专利技术的目的在于克服现有技术中的不足，提供一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法，考虑了本地设备、边缘服务器和云中心之间的纵向协
作，以及边缘服务器之间的横向协作，充分利用系统资源，以最大程度地优化任务处理时间。
[0007]为达到上述目的，本专利技术采用下述技术方案实现：
[0008]S1、考虑本地设备、边缘服务器和云中心之间的纵向协作，以及边缘服务器之间的横向协作，建立一种三层视频处理计算架构；
[0009]S2、基于所述三层视频处理计算架构，建立有线通信模型，并基于排队理论对设备任务处理过程建立M/M/1排队计算模型；
[0010]S3、基于所述通信模型和所述计算模型制定最小化任务处理时间的优化问题，并基于重构线性化技术对所述优化问题中的二进制变量乘积项进行转换；
[0011]S4、基于交替方向乘子法和凸差规划方法，求解转换后的优化问题，并得到任务卸载决策方案。
[0012]本专利技术的有益效果：基于三层视频处理计算架构，利用边缘计算的近端服务优势，在本地设备或边缘服务器对大规模监控数据进行预处理，实现了系统最快速度响应任务请求；利用有线通信模型和M/M/1排队模型，建立了最小化系统延时的优化问题，并采用了重构线性化技术，将优化问题中的非凸目标函数转化为凸函数，更利于求解；通过采用一种分布式并行优化算法—交替方向乘子法，并采用逐次凸逼近算法更新全局卸载决策变量，得到视频分析任务的卸载位置，实现了系统的负载均衡，降低了系统延时。
附图说明
[0013]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作详细描述，其中：
[0014]图1为本专利技术实施例一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法流程图；
[0015]图2为本专利技术实施例步骤S1中的三层视频处理计算架构系统模型；
[0016]图3为本专利技术实施例步骤S4中的不同边缘服务器数量下几种方案的任务处理时间对比图；
[0017]图4为本专利技术实施例步骤S4中的不同计算场景下几种方案的任务处理时间对比图；
[0018]图5为本专利技术实施例步骤S4中的不同设备本地计算能力下几种方案的任务处理时间对比图；
[0019]图6本专利技术为实施例步骤S4中的不同边缘服务器计算能力下几种方案的任务处理时间对比图。
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0021]图1为本专利技术实施例一种智能视频监控系统中基于交替方向乘子法的协同任务卸
载方法流程图，如图1所示，所述方法包括：
[0022]S1、考虑本地设备、边缘服务器和云中心之间的纵向协作，以及边缘服务器之间的横向协作，建立一种三层视频处理计算架构；
[0023]S2、基于所述三层视频处理计算架构，建立有线通信模型，并基于排队理论对设备任务处理过程建立M/M/1排队计算模型；
[0024]S3、基于所述通信模型和所述计算模型制定最小化任务处理时间的优化问题，并基于重构线性化技术对所述优化问题中的二进制变量乘积项进行转换；
[0025]S4、基于交替方向乘子法和凸差规划方法，求解转换后的优化问题，并得到任务卸载决策方案。
[0026]本专利技术所述的三层视频处理计算架构系统模型如图2所示，设备层由一组监控设备组成，设备集合表示为边缘层由一组边缘服务器组成，边缘服务器集合表示为云层由一个云中心CS组成。
[0027]设备在单位时间内生成的计算任务表示为其中L
k
表示任务数据大小，δ
k
表示处理任务所需的计算资源，表示延时约束。
[0028]用x
k
,y
k,m
,z
k
∈{0,1}表示设备k的任务卸载决策。其中，如果设备k在本地处理计算任务，则x
k
＝1，否则x
k
＝0。如果设备k将任务卸载到边缘服务器m，则y<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法，其特征在于，所述方法包括以下步骤：S1、考虑本地设备、边缘服务器和云中心之间的纵向协作，以及边缘服务器之间的横向协作，建立一种三层视频处理计算架构；S2、基于所述三层视频处理计算架构，建立有线通信模型，并基于排队理论对设备任务处理过程建立M/M/1排队计算模型；S3、基于所述通信模型和所述计算模型制定最小化任务处理时间的优化问题，并基于重构线性化技术对所述优化问题中的二进制变量乘积项进行转换；S4、基于交替方向乘子法和凸差规划方法，求解转换后的优化问题，并得到任务卸载决策方案。2.根据权利要求1所述的一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法，其特征在于：步骤S1中，所述三层视频处理计算架构包括设备层、边缘层和云层，具体如下：所述设备层包括一组监控设备，设备集合表示为边缘层包括一组边缘服务器，边缘服务器集合表示为所述云层包括一个云中心CS；所述设备在单位时间内生成的计算任务表示为其中L
k
表示任务数据大小，δ
k
表示处理任务所需的计算资源，表示延时约束；用x
k
,y
k,m
,z
k
∈{0,1}表示设备k的任务卸载决策；其中，如果设备k在本地处理计算任务，则x
k
＝1，否则x
k
＝0；如果设备k将任务卸载到边缘服务器m，则y
k,m
＝1，否则y
k,m
＝0；如果设备k将任务卸载到云中心CS，则z
k
＝1，否则z
k
＝0。3.根据权利要求1所述的一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法，其特征在于：步骤S2中，所述通信模型包括不考虑路由器中数据包的处理延时和排队延时，考虑路由器发送数据包延时和有线链路的传播延时，得到设备k卸载任务到边缘服务器或云中心的传输延时表示：其中，τ
k,m
表示设备k卸载任务到边缘服务器m的传输延时，表示设备k卸载任务到边缘服务器m
k
的传输延时，m
k
表示设备k关联的边缘服务器的索引，表示边缘服务器m
k
与边缘服务器m之间的任务迁移延时，和分别表示设备k卸载任务到边缘服务器m
k
经过路由的跳数和边缘服务器m
k
迁移任务经过路由的跳数，d
p
表示有线链路的传播延时，P
s
表示数据包大小，P
o
表示数据包开销，R
d
表示路由器发送数据速率，表示上取整函数；表示设备集合；表示边缘服务器集合；{CS}表示云中心CS集合；所述计算模型包括：对于设备基于M/M/1排队模型，设备k中任务的平均等待延时表示：
其中，λ
k
＝x
k
δ
k
表示其任务到达率；μ
k
表示设备k的计算能力；δ
k
表示处理任务所需的计算资源，x
k
∈{0,1}表示设备k的任务卸载决策，如果设备k在本地处理计算任务，则x
k
＝1，否则x
k
＝0；对于边缘服务器基于M/M/1模型，设备k卸载的任务在边缘服务器m中的平均等待延时表示：其中，表示其任务到达率；μ
m
表示边缘服务器m的计算能力；y
k,m
∈{0,1}表示设备k的任务卸载决策，如果设备k将任务卸载到边缘服务器m，则y
k,m
＝1，否则y
k,m
＝0；对于云中心CS，基于M/M/1模型，以及，设备k卸载的任务在云中心CS中的平均等待延时表示：其中，表示其任务到达率；μ
CS
表示云中心CS的计算能力；z
k
∈{0,1}表示设备k的任务卸载决策，如果设备k将任务卸载到云中心CS，则z
k
＝1，否则z
k
＝0。4.根据权利要求1所述的一种智能视频监控系统中基于交替方向乘子法的协同任务卸载方法，其特征在于：步骤S3中，优化问题包括：对于每个设备生成的计算任务，其任务处理时间表示：其中，表示设备k中任务的平均等待延时；τ
k,m
表示设备k卸载任务到边缘服务器m的传输延时；表示设备k卸载的任务在边缘服务器m中的平均等待延时；τ
k,CS
表示设备k卸载任务到云中心CS的传输延时；表示设备k卸载的任务在云中心CS中的平均等待延时；用x
k
,y
k,m
,z
k
∈{0,1}表示设备k的任务卸载决策；其中，如果设备k在本地处理计算任务，则x
k
＝1，否则x
k
＝0；如果设备k将任务卸载到边缘服务器m，则y
k,m
＝1，否则y
k,m
＝0；如果设备k将任务卸载到云中心CS，则z
...

【专利技术属性】
技术研发人员：程克非，陈泰亘，刘乔寿，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：