【技术实现步骤摘要】
本专利技术涉及动态平衡计算能力的，具体涉及一种用于大型摄像视频监控环境的动态平衡算力评分系统。
技术介绍
1、在科技发展十分迅速的现代，许多地点都布置了监控摄像头，例如街道、路口、楼梯等可能会发生意外的位置，通过设置的摄像头可以有效的为安保人员或者警务人员提供有效的视频证据，并且实时的监控录像可以更好的帮助工作人员对目标位置进行监控，以对可能发生的危险行为进行及时快速的反应。
2、现有的视频监控系统中，所涉及的摄像头的数量众多，某些小区或者大型的商场中，监控摄像头的数量数以百计，而这些摄像头所传输的数据都需要通过专门的网路传输至中央控制器中，而每个监控摄像头都需要占据一部分的中央控制器的算力，而监控摄像头的设置数量的极限受到中央控制器的算力阈值的限制，并且每个监控摄像头所占据的算力是平均的，从而保证每个摄像头都可以高效的进行摄录工作
3、但是在大型视频监控环境中，由于摄像头的数量通常非常庞大，全面实施实时高频的人工智能算法分析将会需要大量的计算能力，这无疑会导致中央控制器的巨大的资源投入，影响到了监控系统中的中央控制器的最大监控摄像头数量的控制范围；鉴于此，我们提出了一种用于大型摄像视频监控环境的动态平衡算力评分系统。
技术实现思路
1、本专利技术的目的在于提供一种用于大型摄像视频监控环境的动态平衡算力评分系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种用于大型摄像视频监控环境的动态平衡算力评分系统，包
3、s=w1*i+w2*h+w3*e+w4*n；
4、其中，w1、w2、w3和w4是各部分的权重，并且w1+w2+w3+w4=1；
5、所述摄像头的固有重要性（i）根据具体需求或者历史数据来定义，所述历史事件发生概率（h）根据历史数据来估算，所述实时事件的影响（e）根据事件的重要性和紧急性来定义，所述周围事件的影响（n）通过计算以得到相应的示数：
6、n=σ[f(d)*e]；
7、其中，d表示摄像头与事件的距离，f(d）是一种距离衰减函数，e是事件的影响，σ表示对所有事件求和。
8、优选的，所述摄像头的固有重要性（i）参考摄像头位置、覆盖范围、使用频率等因素来确定其示数，所述历史事件发生概率（h）通过计算过去一段时间内，每个摄像头上事件发生的频率来得出它的分数，所述实时事件的影响（e）通过参考事件的类型、规模或者可能产生的影响等因素来确定结果。
9、优选的，所述距离衰减函数包括两种：
10、突发性因子：f(d)=a*exp(-b*d)；
11、影响性因子：f(d)=a*d^(-b)；
12、其中，a和b是常数，并根据实际需求进行调整，具体的，所述突发性因子发生时采用指数衰减函数，而所述影响性因子则采取幂律衰减函数，突发性因子常见的包括起火、落水等，在起火时由于火势的蔓延速度及影响范围会随时间和距离的增加而急速减弱，因此选择指数衰减函数是合理的，在这种情况下，靠近火源的摄像头会受到更大的影响，而远离火源的摄像头受到的影响则会相对较小，其次，影响性因子常见的包括有人进入，或者是有车辆闯入等等，闯入者可能会在一个较大的区域内移动，或其行为可能引发一系列的连锁事件，因此，选择幂律衰减函数可能更为合适，这样能确保摄像头在较大的范围内都能反映出这一影响。
13、优选的，所述权重系数w1、w2、w3和w4的具体值通过实验或模拟得出，以最优化评分系统的性能，另外，采用机器学习的方法来动态调整这些权重，使得系统能够更好地适应不断变化的监控环境。
14、优选的，所述自检系统包括以下步骤：
15、s11、收集摄像头数据，收集一段时间内的摄像头数据，包括每个摄像头的事件发生记录和周围环境信息；
16、s12、转化数据及模拟环境，利用s1中收集的摄像头的相关数据模拟实际的监控环境，并应用所设计的评分系统，同时计算每个摄像头的评分；
17、s13、分配算力并计算，根据s2中计算得到的评分，将计算资源按照相对应的比例分配给各个摄像头，并记录下在此分配下，系统能够成功检测到的事件数量及其重要性；
18、s14、多次计算取平均值，进行多轮计算实验，每次都使用不同的摄像头数据，得出最准确的评分系统结果。
19、优选的，所述自检系统中的评分系统评估标准包括事件检测率、重要事件检测率以及资源利用率，具体的，所述事件检测率的数据内容为在所有发生的事件中，系统能够成功检测到的事件的比例，这是一个基本的衡量系统性能的指标，所述重要事件检测率的数据内容为在所有发生的重要事件中，系统能够成功检测到的事件的比例，这是一个衡量系统能否集中资源处理重要事件的关键指标，所述资源利用率的数据内容为在所有分配的计算资源中，被成功用于检测事件的资源的比例，这是一个衡量资源分配效率的指标。
20、优选的，所述s14中的计算试验的轮数设置为5～8轮，并且每次计算后得出的结果进行平均计算时同时计算出结果的中位数，并对平均值和中位数进行比对，以确保多轮计算结果的准确性。
21、优选的，所述重要事件通过工作人员在系统中进行提前预设，并输入相关的事件特殊数据，并且提前设定不同的重要事件的重要性排列顺序，从而方便评分系统对事件的重要性进行判断和计算时得到判定的依据，并且人工手动提前输入则保证了该系统可以应用在各个行业之中，提高系统的适应能力。
22、优选的，所述自主训练系统包括以下步骤：
23、s21、初始化权重系数，先随机初始化权重系数，或者根据某种先验知识来设置初始值；
24、s22、训练模型、使用历史数据来训练梯度提升模型，以最大化预测的准确性，最小化预测的误差；
25、s23、调整权重系数、基于模型的反馈，我们更新权重系数，并计算损失函数的梯度，并按照梯度的方向调整权重；
26、s24、重复训练和调整，反复进行训练和调整权重系数的步骤，直到模型的性能达到满意的程度，或者达到预设的迭代次数。
27、优选的，所述s21中权重系数的初始值采用人工手动设置，并且所设置的值根据以往经验或者设备生产检测时的预设值进行设定参考，从而使得自主训练系统中的权重系数在一开始就具有一定的参考价值，进而提升自主训练系统的计算结果的准确性以及训练效果。
28、与现有技术相比，本专利技术提供了一种用于大型摄像视频监控环境的动态平衡算力评分系统，具备以下有益效果：
29、1、该用于大型摄像视频监控环境的动态平衡算力评分系统，通过对单个摄像头对事件的捕捉能力以及相关历史事件发生的概率等特征进行计算和分本文档来自技高网...
【技术保护点】
1.一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：包括摄像头评分计算系统、自检系统以及自主训练系统，所述摄像头评分计算系统包括有摄像头的固有重要性（I）、历史事件发生概率（H）、实时事件的影响（E）和周围事件的影响（N），所述摄像头评分计算系统的总评分（S）表示为这四个部分的加权和：
2.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述摄像头的固有重要性（I）参考摄像头位置、覆盖范围、使用频率等因素来确定其示数，所述历史事件发生概率（H）通过计算过去一段时间内，每个摄像头上事件发生的频率来得出它的分数，所述实时事件的影响（E）通过参考事件的类型、规模或者可能产生的影响等因素来确定结果。
3.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述距离衰减函数包括两种：
4.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述权重系数w1、w2、w3和w4的具体值通过实验或模拟得出，以最优化评分系统的性能，另外，采用机器学
5.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述自检系统包括以下步骤：
6.根据权利要求5所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述自检系统中的评分系统评估标准包括事件检测率、重要事件检测率以及资源利用率，具体的，所述事件检测率的数据内容为在所有发生的事件中，系统能够成功检测到的事件的比例，所述重要事件检测率的数据内容为在所有发生的重要事件中，系统能够成功检测到的事件的比例，所述资源利用率的数据内容为在所有分配的计算资源中，被成功用于检测事件的资源的比例。
7.根据权利要求5所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述S14中的计算试验的轮数设置为5～8轮，并且每次计算后得出的结果进行平均计算时同时计算出结果的中位数，并对平均值和中位数进行比对。
8.根据权利要求6所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述重要事件通过工作人员在系统中进行提前预设，并输入相关的事件特殊数据，并且提前设定不同的重要事件的重要性排列顺序。
9.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述自主训练系统包括以下步骤：
10.根据权利要求9所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述S21中权重系数的初始值采用人工手动设置，并且所设置的值根据以往经验或者设备生产检测时的预设值进行设定参考。
...【技术特征摘要】
1.一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：包括摄像头评分计算系统、自检系统以及自主训练系统，所述摄像头评分计算系统包括有摄像头的固有重要性（i）、历史事件发生概率（h）、实时事件的影响（e）和周围事件的影响（n），所述摄像头评分计算系统的总评分（s）表示为这四个部分的加权和：
2.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述摄像头的固有重要性（i）参考摄像头位置、覆盖范围、使用频率等因素来确定其示数，所述历史事件发生概率（h）通过计算过去一段时间内，每个摄像头上事件发生的频率来得出它的分数，所述实时事件的影响（e）通过参考事件的类型、规模或者可能产生的影响等因素来确定结果。
3.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述距离衰减函数包括两种：
4.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述权重系数w1、w2、w3和w4的具体值通过实验或模拟得出，以最优化评分系统的性能，另外，采用机器学习的方法来动态调整这些权重，使得系统能够更好地适应不断变化的监控环境。
5.根据权利要求1所述的一种用于大型摄像视频监控环境的动态平衡算力评分系统，其特征在于：所述自检系统包括以下步骤：
6.根据...
【专利技术属性】
技术研发人员：林欣欣，殷靓，连锐，傅泳，
申请(专利权)人：上海深硅信息科技有限公司，
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。