【技术实现步骤摘要】
本专利技术属于互联网应用层的端边云协同优化，具体是面向多摄像头视频分析的端边云协同近似去冗系统及方法。
技术介绍
1、近年来，摄像头的部署数量激增，充分利用其潜力的需求变得愈发迫切。因此，视频分析正迅速发展成为公共和私营机构不可或缺的工具，帮助这些组织提高效率、降低成本，并通过物联网(iot)应用增强安全性。深度神经网络(dnn)的出现为视频分析的准确性开启了新纪元，但同时也带来了更高的资源需求。
2、在同一环境中存在多摄像头部署，由于拍摄到相同目标对象的重复出现，视频分析应用中存在计算冗余。如图1所示，在一个交叉口或沿着道路分布的摄像头组中，同一目标物体可能被不同的摄像机或同一摄像机在不同的时间捕获，导致dnn模型重复的捕获和分析，产生计算冗余，浪费计算资源。消除摄像头之间对同一对象的重复计算，能够在保持低延迟和高准确性的情况下降低计算成本。
3、目前有大量研究致力于提升多摄像头视频分析管道的性能，这些研究可以分为两类：(1)具有重叠视角的摄像头集群；(2)具有非重叠视角的摄像头集群。第一类研究主要利用多个摄像...
【技术保护点】
1.面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，通过最大覆盖缓存选择算法构建边缘缓存的过程为：
3.根据权利要求2所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，通过贪心策略进行迭代的过程为：
4.根据权利要求1所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，边缘服务器对视频流的处理过程为：
5.根据权利要求1所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，快速近...
【技术特征摘要】
1.面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，通过最大覆盖缓存选择算法构建边缘缓存的过程为：
3.根据权利要求2所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，通过贪心策略进行迭代的过程为：
4.根据权利要求1所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，边缘服务器对视频流的处理过程为：
5.根据权利要求1所述的面向多摄像头视频分析的端边云协同近似去冗方法，其特征在于，快速近似匹配算法对边缘/云缓存进行搜索的具体过程为：
6.根据权利要求5所述的面向多摄像头视频分析的端边云协同...
【专利技术属性】
技术研发人员：王子逸，张芮，张蓝姗，王文东，
申请(专利权)人：北京邮电大学，
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。