面向实时视频流分析的边缘计算方法技术

本发明专利技术提供了面向实时视频流分析的边缘计算方法，其根据边缘计算系统包含的所有边缘计算服务器的数据计算性能，将边缘计算系统转换为具有三层纵向计算框架结构的边缘计算系统；对摄像设备拍摄得到的目标对象视频进行分析处理，确定目标对象视频的视频流画面特征，以此将目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统的其中一层边缘计算层进行分析处理；再将目标对象视频的分析处理结果通过互联网上传到目标终端设备上；上述边缘计算方法将所有边缘计算服务器整合为具有三层纵向计算框架结构的边缘计算系统，以识别分析具有不同画面特征的目标对象视频，在不需要占用互联网带宽的情况下，也能实现快速准确安全的视频流分析。安全的视频流分析。安全的视频流分析。

【技术实现步骤摘要】
面向实时视频流分析的边缘计算方法


[0001]本专利技术涉及视频流分析的
，特别涉及面向实时视频流分析的边缘计算方法。

技术介绍

[0002]现有的中心化云计算架构是将处于网络边缘的摄像设备直接通过互联网将视频传输到网络中心的云服务器，云服务器获得视频后，对视频进行存储，并利用图像处理单元GPU进行推理分析，最后将推理分析结果在云服务器中进行整合。上述视频处理方式存在互联网带宽占用较大，数据传输延迟高，以及视频数据安全性低的问题。

技术实现思路

[0003]针对现有技术存在的缺陷，本专利技术提供面向实时视频流分析的边缘计算方法，其根据边缘计算系统包含的所有边缘计算服务器的数据计算性能，将边缘计算系统转换为具有三层纵向计算框架结构的边缘计算系统；对摄像设备拍摄得到的目标对象视频进行分析处理，确定目标对象视频的视频流画面特征，以此将目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统的其中一层边缘计算层进行分析处理；再将目标对象视频的分析处理结果通过互联网上传到目标终端设备上；上述边缘计算方法将所有边缘计算服务器整合为具有三层纵向计算框架结构的边缘计算系统，每一层具有不同的数据计算性能，以适应性识别分析具有不同画面特征的目标对象视频，从而在不需要占用互联网带宽的情况下，也能实现快速准确安全的视频流分析。
[0004]本专利技术提供面向实时视频流分析的边缘计算方法，其包括如下步骤：
[0005]步骤S1，将边缘计算系统与摄像设备进行连接，根据所述边缘计算系统包含的所有边缘计算服务器的数据计算性能，将所述边缘计算系统转换为具有三层纵向计算框架结构的边缘计算系统；
[0006]步骤S2，指示摄像设备对目标对象进行视频拍摄，得到目标对象视频；对所述目标对象视频进行分析处理，确定所述目标对象视频的视频流画面特征；
[0007]步骤S3，根据所述视频流画面特征，将所述目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统的其中一层边缘计算层进行分析处理；
[0008]步骤S4，将对目标对象视频的分析处理结果通过互联网上传到目标终端设备上。
[0009]进一步，在所述步骤S1中，将边缘计算系统与摄像设备进行连接之后，还包括：
[0010]获取所述边缘计算系统包含的所有边缘计算服务器各自所使用的数据计算工具类型和数据计算工具的计算速率。
[0011]进一步，在所述步骤S1中，根据所述边缘计算系统包含的所有边缘计算服务器的数据计算性能，将所述边缘计算系统转换为具有三层纵向计算框架结构的边缘计算系统具体包括：
[0012]根据每个边缘计算服务器所使用的数据计算工具类型和数据计算工具的计算速
率，确定每个边缘计算服务器的算力值；
[0013]根据每个边缘计算服务器的算力值大小，将所有边缘计算服务器分别划分到底层服务器集合、中层服务器集合和顶层服务器集合中；其中，所述底层服务器集合、所述中层服务器集合和所述顶层服务器集合中边缘计算服务器的算力值依次增大；
[0014]将所述底层服务器集合、所述中层服务器集合和所述顶层服务器集合由下至上依次组成具有三层纵向计算框架结构的边缘计算系统。
[0015]进一步，在所述步骤S2中，指示摄像设备对目标对象进行视频拍摄，得到目标对象视频具体包括：
[0016]指示摄像设备对目标对象进行彩色全景视频拍摄，得到目标对象视频。
[0017]进一步，在所述步骤S2中，对所述目标对象视频进行分析处理，确定所述目标对象视频的视频流画面特征具体包括：
[0018]按照所述目标对象视频的拍摄时序，将所述目标对象视频划分为若干目标对象视频流；
[0019]从每个目标对象视频流中提取得到若干视频流画面，并确定每个视频流画面的色度分布特征和轮廓分布特征。
[0020]进一步，在所述步骤S3中，根据所述视频流画面特征，将所述目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统的其中一层边缘计算层进行分析处理具体包括：
[0021]根据所述目标对象视频对应的视频流画面的色度分布特征和轮廓分布特征，确定所述目标对象视频的画面复杂程度；
[0022]根据所述目标对象视频的画面复杂程度，将所述目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统中的底层服务器集合、中层服务器集合或顶层服务器集合，从而对所述目标对象视频进行画面内容识别分析。
[0023]进一步，在所述步骤S2中，从每个目标对象视频流中提取得到若干视频流画面，并确定每个视频流画面的色度分布特征和轮廓分布特征具体包括：
[0024]利用下面公式(1)，根据每个视频流画面的RGB，确定每个视频流画面的色度分布特征值，
[0025][0026]在上述公式(1)中，E(a)表示第a个视频流画面的色度分布特征值；S
a,k
(i,j)表示第a个视频流画面中第i行第j列像素点的RGB值里的第k个值，其中k＝1，2，3分别对应于R值、G值、B值；m表示每个视频流画面中每一行像素点的总个数；n表示每个视频流画面中每一列像素点的总个数；max(S
a,k
)表示第a个视频流画面中所有像素点的RGB值中的最大值；min(S
a,k
)表示第a个视频流画面中所有像素点的RGB值中的最小值；表示将的值从1取值到3代入到括号内得到括号内的最大值；R(a)表示预设色度分布指数放大值；
[0027]利用下面公式(2)，根据每个视频流画面的RGB值，确定每个视频流画面的轮廓分布特征值，
[0028][0029]在上述公式(2)中，H(a)表示第a个视频流画面的轮廓分布特征值；S
a,k
(i,j+1)表示第a个视频流画面中第i行第j+1列像素点的RGB值里的第k个值，其中k＝1，2，3分别对应于R值、G值、B值；S
a,k
(i+1,j)表示第a个视频流画面中第i+1行第j列像素点的RGB值里的第k个值，其中k＝1，2，3分别对应于R值、G值、B值；||表示求取绝对值；
[0030]在所述步骤S3中，根据所述目标对象视频对应的视频流画面的色度分布特征和轮廓分布特征，确定所述目标对象视频的画面复杂程度具体包括：
[0031]利用下面公式(3)，对每个视频流画面的色度分布特征值以及每个视频流画面的轮廓分布特征值进行综合整合，得到所述目标对象视频的画面复杂程度，
[0032][0033]在上述公式(3)中，C表示目标对象视频的画面复杂程度值；G表示目标对象视频中提取得到视频流画面的总个数。
[0034]进一步，在所述步骤S3中，还包括：
[0035]当将所述目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统中的底层服务器集合、中层服务器集合或顶层服务器集合后，
[0036]将所述目标对象视频切分为若干视频计算任务，再将所述视频计算任务分配至其对应的服务器集合中处于空闲状态的边缘计算服务器进行画面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向实时视频流分析的边缘计算方法，其特征在于，其包括如下步骤：步骤S1，将边缘计算系统与摄像设备进行连接，根据所述边缘计算系统包含的所有边缘计算服务器的数据计算性能，将所述边缘计算系统转换为具有三层纵向计算框架结构的边缘计算系统；步骤S2，指示摄像设备对目标对象进行视频拍摄，得到目标对象视频；对所述目标对象视频进行分析处理，确定所述目标对象视频的视频流画面特征；步骤S3，根据所述视频流画面特征，将所述目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统的其中一层边缘计算层进行分析处理；步骤S4，将对目标对象视频的分析处理结果通过互联网上传到目标终端设备上。2.如权利要求1所述的面向实时视频流分析的边缘计算方法，其特征在于：在所述步骤S1中，将边缘计算系统与摄像设备进行连接之后，还包括：获取所述边缘计算系统包含的所有边缘计算服务器各自所使用的数据计算工具类型和数据计算工具的计算速率。3.如权利要求2所述的面向实时视频流分析的边缘计算方法，其特征在于：在所述步骤S1中，根据所述边缘计算系统包含的所有边缘计算服务器的数据计算性能，将所述边缘计算系统转换为具有三层纵向计算框架结构的边缘计算系统具体包括：根据每个边缘计算服务器所使用的数据计算工具类型和数据计算工具的计算速率，确定每个边缘计算服务器的算力值；根据每个边缘计算服务器的算力值大小，将所有边缘计算服务器分别划分到底层服务器集合、中层服务器集合和顶层服务器集合中；其中，所述底层服务器集合、所述中层服务器集合和所述顶层服务器集合中边缘计算服务器的算力值依次增大；将所述底层服务器集合、所述中层服务器集合和所述顶层服务器集合由下至上依次组成具有三层纵向计算框架结构的边缘计算系统。4.如权利要求3所述的面向实时视频流分析的边缘计算方法，其特征在于：在所述步骤S2中，指示摄像设备对目标对象进行视频拍摄，得到目标对象视频具体包括：指示摄像设备对目标对象进行彩色全景视频拍摄，得到目标对象视频。5.如权利要求4所述的面向实时视频流分析的边缘计算方法，其特征在于：在所述步骤S2中，对所述目标对象视频进行分析处理，确定所述目标对象视频的视频流画面特征具体包括：按照所述目标对象视频的拍摄时序，将所述目标对象视频划分为若干目标对象视频流；从每个目标对象视频流中提取得到若干视频流画面，并确定每个视频流画面的色度分布特征和轮廓分布特征。6.如权利要求5所述的面向实时视频流分析的边缘计算方法，其特征在于：在所述步骤S3中，根据所述视频流画面特征，将所述目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统的其中一层边缘计算层进行分析处理具体包括：根据所述目标对象视频对应的视频流画面的色度分布特征和轮廓分布特征，确定所述目标对象视频的画面复杂程度；根据所述目标对象视频的画面复杂程度，将所述目标对象视频分配至具有三层纵向计
算框架结构的边缘计算系统中的底层服务器集合、中层服务器集合或...

【专利技术属性】
技术研发人员：余丹，刘一凡，兰雨晴，王丹星，
申请(专利权)人：慧之安信息技术股份有限公司，
类型：发明
国别省市：