面向数字视网膜的端边云协同启发式计算分配方法

摘要

数字视网膜架构是解决智慧城市中视频难汇聚、模型更新难问题的有效手段,其采用“特征实时汇聚、视频按需调取、模型动态更新”三种计算机制,解决传统以云服务器为中心的集中式视频处理框架存在的诸多问题。为了减少汇聚到云服务器的数据量,数字视网膜采用端边云协同计算架构,其中深度神经网络模型的计算被划分成两个部分,实现中低层特征提取的前一部分计算在前端设备或边服务器完成,再将提取的视觉特征压缩到极小数据量传送到云服务器,并在其上执行后一部分计算以实现高层特征分析与识别。由于系统中不同设备类型的计算能力各异,如何对不同时刻的视频分析处理任务合理分配计算资源,以达到整个系统的性效最优,是一个重要的研究问题。为此,本文对数字视网膜架构中深度神经网络模型的计算分配问题进行了形式化建模,提出了基于边云状态的启发式深度网络模型动态划分方法,并进一步针对云计算中心的异构设备提出了一种启发式计算任务分配算法。实验结果表明,与传统以云服务器为中心的集中式视频处理架构相比,本文所提方法可显著降低视频大数据处理系统的整体延迟。