边缘计算赋能的实时视频分析：基于自适应时空语义过滤
计算机视觉与模式识别
2024-03-01 v1 多媒体
网络与互联网体系结构
摘要
本文提出了一种用于智能视觉设备的新型边缘计算赋能实时视频分析系统。所提出的系统由跟踪辅助目标检测模块（TAODM）和感兴趣区域模块（ROIM）组成。TAODM 自适应地确定卸载决策，即使用跟踪算法在本地处理每个视频帧，还是将其卸载到由目标检测模型推断的边缘服务器。ROIM 确定每个卸载帧的分辨率和检测模型配置，以确保分析结果能够及时返回。TAODM 和 ROIM 协同交互，过滤重复的时空语义信息，以在保证高视频分析精度的同时最大化处理速率。与大多数现有工作不同，本文研究了智能视觉设备通过具有波动网络条件的无线网络连接到边缘服务器的实时视频分析系统。我们将实时视频分析问题分解为卸载决策和配置选择两个子问题。为了解决这两个子问题，我们分别引入了基于双深度 Q 网络（DDQN）的卸载方法和基于上下文多臂老虎机（CMAB）的自适应配置选择方法。进一步开发了 DDQN-CMAB 强化学习（DCRL）训练框架，以整合这两种方法来提高整体视频分析性能。进行了大量仿真以评估所提解决方案的性能，并证明了其优于同类方法。
引用
@article{arxiv.2402.18927,
title = {Edge Computing Enabled Real-Time Video Analysis via Adaptive Spatial-Temporal Semantic Filtering},
author = {Xiang Chen and Wenjie Zhu and Jiayuan Chen and Tong Zhang and Changyan Yi and Jun Cai},
journal= {arXiv preprint arXiv:2402.18927},
year = {2024}
}