[发明专利]一种用于目标跟踪的多假设树虚拟化管理方法有效
申请号: | 202011192104.9 | 申请日: | 2020-10-30 |
公开(公告)号: | CN112181667B | 公开(公告)日: | 2023-08-08 |
发明(设计)人: | 王佳楷;王飞;徐勇军;吴琳 | 申请(专利权)人: | 中国科学院计算技术研究所 |
主分类号: | G06F9/50 | 分类号: | G06F9/50 |
代理公司: | 北京泛华伟业知识产权代理有限公司 11280 | 代理人: | 王勇 |
地址: | 100190 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 目标 跟踪 假设 虚拟 管理 方法 | ||
1.一种假设树的虚拟化管理方法,用于边缘设备中假设树的虚拟化管理,其特征在于,包括:
在边缘设备中运行向应用程序提供假设树虚拟化管理的中间程序;
响应于一个或者多个应用程序的管理请求,所述中间程序向相应的应用程序提供管理服务,
其中,所述管理服务包括:在相应的假设树过大而不能放入当前的边缘设备的内存时,对加载过程进行虚拟化以提供将相应的假设树加载到该内存中的可执行方案,
所述在相应的假设树过大而不能放入当前的边缘设备的内存时,对加载过程进行虚拟化以提供将相应的假设树加载到该内存中的步骤包括:
响应于应用程序对假设树的反持久化请求,根据应用程序的假设树的数据量情况提供将该应用程序的一个或者多个假设树加载到边缘设备的内存,
其中,对单个假设树过大不能放入内存的情况,提供分批次加载的可执行方案,每次中控制将该假设树的一部分加载到边缘设备的内存进行操作,
所述管理服务还包括:
为应用程序配置用于限制应用程序的假设树的数据量上限的规模阈值;
根据所述规模阈值对应用程序的假设树进行虚拟化存储管理,其包括:响应于动态调整应用程序对应的规模阈值完成的信号,分析应用程序的假设树的数据,在应用程序的假设树的数据量超过该应用程序对应的数据量上限时,按照保留高置信度的叶子节点对应的假设树分支的方式对该应用程序的假设树进行剪枝,存储完成剪枝后的假设树,
其中,所述按照保留高置信度的叶子节点对应的假设树分支的方式对假设树进行剪枝包括:
对该应用程序的每个假设树,寻找当前置信度最高的叶子节点对应的根节点,保留此叶子节点所在的分支,剪去该假设树的其余分支;
当剪枝后该应用程序的所有假设树的数据量仍超过该应用程序对应的数据量上限时,将该应用程序的每个假设树中当前置信度最高的叶子节点对应的根节点赋值为该叶子节点所在分支中离根节点最近的子节点;
重复前述剪枝过程直至剪枝后的假设树的数据量不超过该应用程序对应的数据量上限。
2.根据权利要求1所述的方法,其特征在于,所述为应用程序配置用于限制应用程序的假设树的数据量上限的规模阈值包括:
响应于应用程序对假设树的持久化请求,接收应用程序发送的假设树的数据,根据边缘设备当前的CPU负载、内存负载和应用程序对假设树进行操作的时延需求动态调整该应用程序对应的规模阈值。
3.根据权利要求1所述的方法,其特征在于,不同的应用程序对应的规模阈值彼此独立配置。
4.根据权利要求2所述的方法,其特征在于,按照以下方式动态调整应用程序对应的规模阈值:
St=min(g(y),P(l),P(m))×St-1;
其中,S表示规模阈值,St表示当前更新的规模阈值,St-1表示更新前采用的规模阈值,g(y)表示根据时延参数和边缘设备计算一轮的用时确定的第一调整系数,P(l)表示根据当前CPU负载l设置的第二调整系数,P(m)表示根据当前内存负载m设置的第三调整系数。
5.根据权利要求4所述的方法,其特征在于,所述第一调整系数按照以下方式设置:
其中,Δt表示时延参数,ts表示边缘设备计算一轮的用时。
6.根据权利要求4或5所述的方法,其特征在于,所述第二调整系数或者第三调整系数按照以下方式设置:
其中,x为当前CPU负载l或者当前内存负载m。
7.一种边缘设备,其特征在于,所述边缘设备上运行有中间程序,所述边缘设备通过中间程序能够实现按照权利要求1至6任一项所述的假设树的虚拟化管理方法对其上应用程序的假设树进行管理。
8.一种计算机可读存储介质,其特征在于,其上包含有计算机程序,所述计算机程序可被处理器执行以实现权利要求1至6中任一项所述方法的步骤。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
存储器,其中存储器用于存储一个或多个可执行指令;
所述一个或多个处理器被配置为经由执行所述一个或多个可执行指令以实现权利要求1至6中任一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所,未经中国科学院计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011192104.9/1.html,转载请声明来源钻瓜专利网。