基于嵌入式邊緣設(shè)備的端-邊-云視頻流分析系統(tǒng)構(gòu)建*

朱錦輝

（中國人民解放軍91404部隊 秦皇島 066001）

1 引言

近幾年來，卷積神經(jīng)網(wǎng)絡(luò)的崛起推動著視頻流分析應(yīng)用快速發(fā)展，并造就了高效率、高準確度的視頻流分析水準。監(jiān)控攝像頭被廣泛部署，如部署于商場中、街道上、無人機機身上等。隨著應(yīng)用范圍的不斷擴大，對視頻流分析的要求也越來越高［1～3］。特別是在智慧軍營中，要求同時對大范圍內(nèi)的大量視頻流進行分析，并且需要及時、準確地得到分析反饋。針對以上問題，本文設(shè)計了一項端-邊-云計算架構(gòu)之上的兼顧邊-云間數(shù)據(jù)傳輸時延和邊緣節(jié)點硬件資源受限特性的視頻流分析任務(wù)調(diào)度策略 VideoEmbedded［4～7］，根據(jù)視頻流分析請求的特性來進行任務(wù)調(diào)度，在保證推理準確度的前提下，提高視頻流分析的實時性，降低整體系統(tǒng)資源占用。同時，本文設(shè)計了一套基于Docker容器技術(shù)、K8s（Kubernetes）容器編排技術(shù)的端-邊-云視頻流分析系統(tǒng)，其具有良好彈性伸縮能力和自動化運營能力。

2 端-邊-云視頻流分析系統(tǒng)構(gòu)建

在端-邊-云計算架構(gòu)中［8～10］，智能服務(wù)（如車輛檢測、車色識別等）可部署于邊緣節(jié)點和云節(jié)點上。邊緣節(jié)點的優(yōu)勢是其與移動設(shè)備更近，且它們間具有更低的數(shù)據(jù)傳輸延遲和更大的帶寬。在一般負載情況下，視頻流分析應(yīng)用的連續(xù)性是比較好保證的（實現(xiàn)足夠多的并行化），而應(yīng)用的實時性更受任務(wù)調(diào)度的影響，故本文提出的VideoEmbedded任務(wù)調(diào)度策略將以實時性為最優(yōu)化目標。

VideoEdge在第二階段進行請求合并，即對智能服務(wù)進行復(fù)用?！?br>