[发明专利]基于边缘计算的低时延实时视频分析方法

权利要求书

1.一种基于边缘计算的低时延实时视频分析方法，其特征在于，包括以下步骤：

S1.设备到边缘服务器延迟数据采集分析：定时更新设备到不同边缘服务器的延迟来为上层的算法提供实时可靠的数据；

S2.动态配置分析：动态地根据视频内容配置视频流上传的参数以兼顾准确率、资源消耗和时延的平衡；同时，进行动态profiling执行决策：通过动态计算profiling判断是否需要在每个时隙均重新做profiling；

S3.图片选择决策：每次图片上传的决策由profiling生成的结果和图片差异比对共同决定是否上传；

S4.服务器卸载决策：判断带宽以及计算能力是否足够容纳下新的任务加入，如果可以，则完成卸载；如果无法容纳，则继续寻找延迟次小的目标服务器。

2.根据权利要求1所述的基于边缘计算的低时延实时视频分析方法，其特征在于，所述的步骤S1具体包括以下步骤：

S11.搭建时间同步服务：为了保证数据可靠性，需要保证各机器的时间是同步的，因此，首先选择一台服务器作为时间服务器，在它上面部署ntp服务的server端，其余机器即边缘服务器、设备作为client端，设置配置中的服务器地址为选定的时间服务器IP；

S12.实时测量设备到服务器的延迟：每隔一段时间发送带时间戳和编号的消息到不同边缘服务器，边缘服务器收到消息后，记录下当前时间，将收到的消息和当前时间一同发回设备，这样就可以测量出单向的传输时延。

3.根据权利要求2所述的基于边缘计算的低时延实时视频分析方法，其特征在于，所述的步骤S2中配置包括分辨率和帧率；在进行动态配置分析时测量不同组合下视频分析结果的表现，采用最优配置1080p、30fps作为ground truth，不同组合下的效果的表现通过计算识别结果和ground truth的F1 score作为准确率的衡量标准；F1 score是精度precision和召回率recall的调和平均值；计算公式为：

式中，true positves：是正例的数据点被标记为正例；false positves：是反例的数据点被标记为正例；false negatives：是正例的数据点被标记为反例；

检测结果是目标种类以及位置坐标，true positives的判别标准是：标记为相同种类且它们的位置框重叠区域的面积占ground truth的比值大于0.5；false positves的判别标准是：一个目标被标记为某一类，但在ground truth上并没有或在相同位置为其它种类或种类相同但是重叠区域面积占ground truth的比例小于0.5；false negatives的判别标准是：在ground truth上标记的目标，在检测结果中没有与之区域匹配的项。

4.根据权利要求3所述的基于边缘计算的低时延实时视频分析方法，其特征在于，在所述的步骤S2中，当帧率小于最大配置时，每隔所设定的帧数，其中未上传图片使用时间上离它最近的上一帧图片的结果作为它的识别结果；假设每个时隙有J张图片，使用j代表第j张图片，第j张图片上的目标记为O_j＝{O¹，O²，…}，最大帧率设为dfs，当前帧率为fs，则第j张图片的目标结果为：

O_j＝O_j-(j％δ)+1,

其中

对于ground truth的目标记为G_j，则1秒内平均准确率为：

式中f1即为F1 score。