CN113961264B - 一种面向视频监控云边协同的智能卸载算法与*** - Google Patents
一种面向视频监控云边协同的智能卸载算法与*** Download PDFInfo
- Publication number
- CN113961264B CN113961264B CN202111159596.6A CN202111159596A CN113961264B CN 113961264 B CN113961264 B CN 113961264B CN 202111159596 A CN202111159596 A CN 202111159596A CN 113961264 B CN113961264 B CN 113961264B
- Authority
- CN
- China
- Prior art keywords
- video
- task
- edge server
- server
- tasks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000001174 ascending effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 230000001934 delay Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种面向视频监控云边协同的智能卸载算法与***,对不同类型的视频监控任务类型根据时延要求等级进行分类,考虑边缘服务器当前的CPU、GPU、内存、带宽等状态信息,以及视频监控任务在不同服务器端的处理时间综合决定视频监控任务卸载策略;本发明能智能把视频监控任务卸载到边缘服务器或云服务器,优化视频监控任务运行时间,保证边缘服务器正常运行。
Description
技术领域
本发明涉及一种面向视频监控云边协同的智能卸载算法与***,属于物联网云协同计算技术领域。
背景技术
随着无线通信技术和物联网的快速发展,视频监控变得越来越普及,被广泛应用于完成车牌识别、交通事故监测等多样化任务。基于传统云模式视频监控***前端摄像机所采集的视频分辨率较高,视频数据量较大,导致***的计算和传输带宽负载较重,整体***性能不高。边缘计算通过将云计算功能下沉到网络边缘,不仅支持高效的数据传输、缓存功能,还提供了良好的计算能力,能够明显的降低服务的时延、能耗。边缘计算通过就近对视频数据进行处理,在带宽、存储、时延等方面表现优异。然而,边缘服务器的计算能力和资源有限,不足以处理视频监控中长周期的密集型任务数据。由于终端设备在计算、电池和存储容量方面受到限制,将计算密集型任务卸载或转移到强大的远程计算平台的趋势越来越明显。云计算和边缘计算的协同工作方式成为解决各自局限性的关键。终端设备主要负责计算简单的任务,边缘节点负责时延敏感型任务,云端负责时延要求低,计算密集型任务。视频监控云边协同***需要考虑不同视频监控任务的需求,综合考虑边缘节点和云端的计算能力,得到一个高效的任务卸载决策。
发明内容
发明目的:本发明目的是提供一种面向视频监控云边协同的智能卸载算法与***,考虑不同视频监控任务的时延需求,实现云计算和边缘计算协同环境下的视频任务卸载的任务时延优化,满足用户的实时性需求。
为实现上述发明目的,本发明采用如下技术方案:一种面向视频监控云边协同的智能卸载算法,该方法包括以下步骤:
S1获取终端视频设备产生的视频任务对应的数据量大小Aibit,对应任务类型Pi,1≤i≤n,n代表视频任务的个数,边缘服务器处理数据的速度v1bit/s,无线信道传输1比特大小的数据所需的时间H-1s,云服务器处理数据的速度v2bit/s,边缘服务器当前时间的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽Bi状态信息,边缘服务器总内存R、总带宽B状态信息;
S2根据S1获取的视频任务基本信息计算额外信息,额外信息包括视频任务在边缘服务器的处理时间Ti,视频任务从边缘服务器传输到云服务器的时间视频任务在云服务器的处理时间T′i,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si即剩余CPU、GPU、内存、带宽综合比例值,根据S1获取的任务类型进行分类,视频监控任务根据延时的不同进行分类得到时延要求等级Yi,以及不同类型任务所允许的最大时延MTi;
S3根据S1和S2获取的信息对视频任务进行调用优先级的排序,第一优先级视频任务时延要求等级Yi,第二优先级视频任务所允许的最大时延MTi,第三优先级视频任务数据量大小Ai,先按照第一优先级的属性值进行升序排序,当第一优先级的属性值相同时接着按照第二优先级的属性值进行升序排序,当第二优先级的属性值相同时接着按照第三优先级的属性值进行升序排序,当三个优先级的属性值全部相同时,按照视频任务的产生时间进行排序,按照以上规则划分成一个调用队列,按照调用队列顺序调用任务;
S4视频任务按照S3中的调用队列顺序依次执行,执行前根据S2的计算信息判定视频任务卸载到边缘服务器还是云服务器,首先根据C′i,G′i,R′i,B′i,Si进行判断,判断条件1:条件1不满足的情况下执行步骤S5;如果条件1满足,接着判断条件2:/>条件2满足执行步骤S6,条件2不满足执行步骤S5;
S5根据服务器资源状态以及视频任务时延要求将视频任务卸载到云服务器进行计算;
S6根据服务器资源状态以及视频任务时延要求将视频任务卸载到边缘服务器进行计算;
S7视频任务在对应的服务器上执行并将视频任务计算结果原路下发给终端设备。
进一步的,所述步骤S2中视频任务在边缘服务器的处理时间视频任务从边缘服务器传输到云服务器的时间/>视频任务在云服务器的处理时间/>边缘服务器剩余资源状态值/> 每次视频任务卸载完成后,更新边缘服务器的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽状态信息Bi,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si;
所述步骤S1中时延要求等级Yi根据任务类型的允许时延不同特点取值0,1,超过时延要求上限值的任务赋值为0,其余任务赋值为1;不同类型视频监控的视频监控任务时延要求不同,同一类视频监控任务的时延要求相同,获取每一类视频监控任务所允许的最大时延MTi。
本发明还提出一种面向视频监控云边协同的智能卸载***,该***包括如下模块:
信息采集模块:采集视频监控云边协同的智能卸载***需要的基本信息。获取终端视频设备产生的视频任务对应的数据量大小Ai,对应任务类型Pi,1≤i≤n,n代表视频任务的个数,边缘服务器处理数据的速度v1,无线信道传输1比特大小的数据所需的时间H-1,边缘服务器当前时间的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽状态信息Bi,边缘服务器总内存R、总带宽B状态信息;
卸载计算模块:根据信息采集模块采集的基本信息计算该***需要的额外信息。计算终端任务集中每个子任务视频任务在边缘服务器的处理时间Ti,视频任务从边缘服务器传输到云服务器的时间视频任务在云服务器的处理时间Tij,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si。视频监控任务根据不同任务类型允许时延不同的特点分类得到时延要求等级Yi,获取视频监控任务所允许的最大时延MTi;
任务排序模块:对视频任务进行调用优先级的排序,确定视频任务的执行顺序。第一优先级视频任务时延要求等级Yi,第二优先级视频任务所允许的最大时延MTi,第三优先级视频任务数据量大小Ai。先按照第一优先级的属性值进行升序排序,当第一优先级的属性值相同时接着按照第二优先级的属性值进行升序排序,当第二优先级的属性值相同时接着按照第三优先级的属性值进行升序排序,当三个优先级的属性值全部相同时,按照视频任务的产生时间进行排序,按照以上规则划分成一个调用队列,按照调用队列顺序调用任务;
卸载执行模块:根据服务器资源状态以及视频任务时延要求决策出视频任务的最优卸载节点并进行卸载,视频任务在对应卸载节点执行并计算结果原路下发给终端设备。首先根据C′i,G′i,R′i,B′i,Si进行判断,判断条件1:条件1不满足的情况下将视频任务卸载到云服务器;如果条件1满足,接着判断条件2:/>条件2满足将视频任务卸载到边缘服务器,条件2不满足将视频任务卸载到云服务器,视频任务在对应的服务器上执行并将视频任务计算结果原路下发给终端设备。
本发明提出一种计算机设备,该计算机设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行时实现任一项所述的一种面向视频监控云边协同的智能卸载算法的步骤。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的一种面向视频监控云边协同的智能卸载算法的步骤。
附图说明
图1为本发明实例中面向视频监控云边协同***的架构图;
图2为面向视频监控云边协同的智能卸载算法具体流程图;
图3为面向视频监控云边协同的智能卸载***的结构示意图。
具体实施方式
下面结合附图和具体实例,进一步阐明本发明,应理解实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明实例结合具体场景详细分析视频监控云边协同的智能卸载算法,但本发明的方法不局限于本发明实例中具体的场景与参数的设定。
本发明提出一种面向视频监控云边协同的智能卸载算法,该方法包括以下步骤:
S1获取终端视频设备产生的视频任务对应的数据量大小Aibit,对应任务类型Pi,1≤i≤n,n代表视频任务的个数,边缘服务器处理数据的速度v1bit/s,无线信道传输1比特大小的数据所需的时间H-1s,云服务器处理数据的速度v2bit/s,边缘服务器当前时间的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽Bi状态信息,边缘服务器总内存R、总带宽B状态信息;
S2根据S1获取的视频任务基本信息计算额外信息,额外信息包括视频任务在边缘服务器的处理时间Ti,视频任务从边缘服务器传输到云服务器的时间视频任务在云服务器的处理时间T′i,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si即剩余CPU、GPU、内存、带宽综合比例值,根据S1获取的任务类型进行分类,视频监控任务根据延时的不同进行分类得到时延要求等级Yi,以及不同类型任务所允许的最大时延MTi;
S3根据S1和S2获取的信息对视频任务进行调用优先级的排序,第一优先级视频任务时延要求等级Yi,第二优先级视频任务所允许的最大时延MTi,第三优先级视频任务数据量大小Ai,先按照第一优先级的属性值进行升序排序,当第一优先级的属性值相同时接着按照第二优先级的属性值进行升序排序,当第二优先级的属性值相同时接着按照第三优先级的属性值进行升序排序,当三个优先级的属性值全部相同时,按照视频任务的产生时间进行排序,按照以上规则划分成一个调用队列,按照调用队列顺序调用任务;
S4视频任务按照S3中的调用队列顺序依次执行,执行前根据S2的计算信息判定视频任务卸载到边缘服务器还是云服务器,首先根据C′i,G′i,R′i,B′i,Si进行判断,判断条件1:条件1不满足的情况下执行步骤S5;如果条件1满足,接着判断条件2:/>条件2满足执行步骤S6,条件2不满足执行步骤S5;
S5根据服务器资源状态以及视频任务时延要求将视频任务卸载到云服务器进行计算;
S6根据服务器资源状态以及视频任务时延要求将视频任务卸载到边缘服务器进行计算;
S7视频任务在对应的服务器上执行并将视频任务计算结果原路下发给终端设备。
进一步的,所述步骤S2中视频任务在边缘服务器的处理时间视频任务从边缘服务器传输到云服务器的时间/>视频任务在云服务器的处理时间/>边缘服务器剩余资源状态值/> 每次视频任务卸载完成后,更新边缘服务器的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽状态信息Bi,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si;
所述步骤S1中时延要求等级Yi根据任务类型的允许时延不同特点取值0,1,超过时延要求上限值的任务赋值为0,其余任务赋值为1;不同类型视频监控的视频监控任务时延要求不同,同一类视频监控任务的时延要求相同,获取每一类视频监控任务所允许的最大时延MTi。
本发明还提出一种面向视频监控云边协同的智能卸载***,该***包括如下模块:
信息采集模块:采集视频监控云边协同的智能卸载***需要的基本信息。获取终端视频设备产生的视频任务对应的数据量大小Ai,对应任务类型Pi,1≤i≤n,n代表视频任务的个数,边缘服务器处理数据的速度v1,无线信道传输1比特大小的数据所需的时间H-1,边缘服务器当前时间的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽状态信息Bi,边缘服务器总内存R、总带宽B状态信息;
卸载计算模块:根据信息采集模块采集的基本信息计算该***需要的额外信息。计算终端任务集中每个子任务视频任务在边缘服务器的处理时间Ti,视频任务从边缘服务器传输到云服务器的时间视频任务在云服务器的处理时间Tij,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si。视频监控任务根据不同任务类型允许时延不同的特点分类得到时延要求等级Yi,获取视频监控任务所允许的最大时延MTi;
任务排序模块:对视频任务进行调用优先级的排序,确定视频任务的执行顺序。第一优先级视频任务时延要求等级Yi,第二优先级视频任务所允许的最大时延MTi,第三优先级视频任务数据量大小Ai。先按照第一优先级的属性值进行升序排序,当第一优先级的属性值相同时接着按照第二优先级的属性值进行升序排序,当第二优先级的属性值相同时接着按照第三优先级的属性值进行升序排序,当三个优先级的属性值全部相同时,按照视频任务的产生时间进行排序,按照以上规则划分成一个调用队列,按照调用队列顺序调用任务;
卸载执行模块:根据服务器资源状态以及视频任务时延要求决策出视频任务的最优卸载节点并进行卸载,视频任务在对应卸载节点执行并计算结果原路下发给终端设备。首先根据C′i,G′i,R′i,B′i,Si进行判断,判断条件1:条件1不满足的情况下将视频任务卸载到云服务器;如果条件1满足,接着判断条件2:/>条件2满足将视频任务卸载到边缘服务器,条件2不满足将视频任务卸载到云服务器,视频任务在对应的服务器上执行并将视频任务计算结果原路下发给终端设备。
本发明提出一种计算机设备,该计算机设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行时实现任一项所述的一种面向视频监控云边协同的智能卸载算法的步骤。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现任一项所述的一种面向视频监控云边协同的智能卸载算法的步骤。
Claims (5)
1.一种面向视频监控云边协同的智能卸载算法,其特征在于,该方法包括以下步骤:
S1获取终端视频设备产生的视频任务对应的数据量大小Aibit,对应任务类型Pi,1≤i≤n,n代表视频任务的个数,边缘服务器处理数据的速度v1bit/s,无线信道传输1比特大小的数据所需的时间H-1s,云服务器处理数据的速度v2bit/s,边缘服务器当前时间的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽Bi,边缘服务器总内存R、总带宽B;
S2根据S1获取的视频任务基本信息计算额外信息,额外信息包括视频任务在边缘服务器的处理时间Ti,视频任务从边缘服务器传输到云服务器的时间视频任务在云服务器的处理时间T′i,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si即剩余CPU、GPU、内存、带宽综合比例值,对S1获取的任务进行分类,视频监控任务根据延时的不同进行分类得到时延要求等级Yi,以及不同类型任务所允许的最大时延MTi;
S3根据S1和S2获取的信息对视频任务进行调用优先级的排序,第一优先级视频任务时延要求等级Yi,第二优先级视频任务所允许的最大时延MTi,第三优先级视频任务数据量大小Ai,先按照第一优先级的属性值进行升序排序,当第一优先级的属性值相同时接着按照第二优先级的属性值进行升序排序,当第二优先级的属性值相同时接着按照第三优先级的属性值进行升序排序,当三个优先级的属性值全部相同时,按照视频任务的产生时间进行排序,按照以上规则划分成一个调用队列,按照调用队列顺序调用任务;
S4视频任务按照S3中的调用队列顺序依次执行,执行前根据S2的计算信息判定视频任务卸载到边缘服务器还是云服务器,首先根据C′i,G′i,R′i,B′i,Si进行判断,判断条件1:条件1不满足的情况下执行步骤S5;如果条件1满足,接着判断条件2:/>条件2满足执行步骤S6,条件2不满足执行步骤S5;
S5根据服务器资源状态以及视频任务时延要求将视频任务卸载到云服务器进行计算;
S6根据服务器资源状态以及视频任务时延要求将视频任务卸载到边缘服务器进行计算;
S7视频任务在对应的服务器上执行并将视频任务计算结果下发给终端设备。
2.根据权利要求1所述的一种面向视频监控云边协同的智能卸载算法,其特征在于,所述步骤S2中视频任务在边缘服务器的处理时间视频任务从边缘服务器传输到云服务器的时间/>视频任务在云服务器的处理时间/>边缘服务器剩余资源状态值/>每次视频任务卸载完成后,更新边缘服务器的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽状态信息Bi,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si;
所述步骤Sl中时延要求等级Yi根据任务类型的允许时延不同特点取值0,1,超过时延要求上限值的任务赋值为0,其余任务类型赋值为1;不同类型的视频监控任务时延要求不同,同一类视频监控任务的时延要求相同,获取每一类视频监控任务所允许的最大时延MTi。
3.一种面向视频监控云边协同的智能卸载***,其特征在于,该***包括如下模块:
信息采集模块:获取终端视频设备产生的视频任务对应的数据量大小Aibit,对应任务类型Pi,1≤i≤n,n代表视频任务的个数,边缘服务器处理数据的速度v1bit/s,无线信道传输1比特大小的数据所需的时间H-1s,云服务器处理数据的速度v2bit/s,边缘服务器当前时间的CPU使用率Ci、GPU使用率Gi、剩余内存大小Ri、剩余带宽Bi、边缘服务器总内存R、总带宽B;
卸载计算模块:根据信息采集模块采集的基本信息计算该***需要的额外信息,计算终端任务集中每个子任务视频在边缘服务器的处理时间Ti,视频任务从边缘服务器传输到云服务器的时间Ti tran,视频任务在云服务器的处理时间T′i,边缘服务器CPU剩余可使用率C′i,边缘服务器GPU剩余可使用率G′i,边缘服务器剩余内存大小比例R′i,边缘服务器剩余带宽大小比例B′i,边缘服务器剩余资源状态值Si即剩余CPU、GPU、内存、带宽综合比例值,对获取的任务进行分类,视频监控任务根据延时的不同进行分类得到时延要求等级Yi,以及不同类型任务所允许的最大时延MTi;
任务排序模块:对视频任务进行调用优先级的排序,确定视频任务的执行顺序,第一优先级视频任务时延要求等级Yi,第二优先级视频任务所允许的最大时延MTi,第三优先级视频任务数据量大小Ai,先按照第一优先级的属性值进行升序排序,当第一优先级的属性值相同时接着按照第二优先级的属性值进行升序排序,当第二优先级的属性值相同时接着按照第三优先级的属性值进行升序排序,当三个优先级的属性值全部相同时,按照视频任务的产生时间进行排序,按照以上规则划分成一个调用队列,按照调用队列顺序调用任务;
卸载执行模块:根据服务器资源状态以及视频任务时延要求决策出视频任务的最优卸载节点并进行卸载,视频任务在对应卸载节点执行并计算结果下发给终端设备,首先根据C′i,G′i,R′i,B′i,Si进行判断,判断条件1:条件1不满足的情况下将视频任务卸载到云服务器;如果条件1满足,接着判断条件2:/>条件2满足将视频任务卸载到边缘服务器,条件2不满足将视频任务卸载到云服务器,视频任务在对应的服务器上执行并将视频任务计算结果下发给终端设备。
4.一种计算机设备,该计算机设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-2任一项所述的一种面向视频监控云边协同的智能卸载算法的步骤。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-2任一项所述的一种面向视频监控云边协同的智能卸载算法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159596.6A CN113961264B (zh) | 2021-09-30 | 2021-09-30 | 一种面向视频监控云边协同的智能卸载算法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111159596.6A CN113961264B (zh) | 2021-09-30 | 2021-09-30 | 一种面向视频监控云边协同的智能卸载算法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113961264A CN113961264A (zh) | 2022-01-21 |
CN113961264B true CN113961264B (zh) | 2024-01-09 |
Family
ID=79462864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111159596.6A Active CN113961264B (zh) | 2021-09-30 | 2021-09-30 | 一种面向视频监控云边协同的智能卸载算法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113961264B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697619B (zh) * | 2022-04-21 | 2023-07-07 | 上海交通大学 | 一种工业智能视频监控***及多视频流自适应配置方法 |
CN115801693B (zh) * | 2023-01-05 | 2023-04-07 | 武汉朗宇智能科技有限公司 | 低阻塞低延时的数据通信方法、***及可读存储介质 |
CN117130775A (zh) * | 2023-08-07 | 2023-11-28 | 国网冀北电力有限公司信息通信分公司 | 任务分配方法、***、存储介质及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200017589A (ko) * | 2018-07-27 | 2020-02-19 | 한국전자통신연구원 | 무선 통신 시스템에서 모바일 노드의 태스크를 오프로딩하기 위한 클라우드 서버 및 그의 동작 방법 |
CN110928654A (zh) * | 2019-11-02 | 2020-03-27 | 上海大学 | 一种边缘计算***中分布式的在线任务卸载调度方法 |
CN111124439A (zh) * | 2019-12-16 | 2020-05-08 | 华侨大学 | 一种云边协同的智能动态卸载算法 |
CN111240701A (zh) * | 2019-12-31 | 2020-06-05 | 重庆大学 | 一种端-边-云协同计算的任务卸载优化方法 |
CN111585916A (zh) * | 2019-12-26 | 2020-08-25 | 国网辽宁省电力有限公司电力科学研究院 | 基于云边协同的lte电力无线专网任务卸载和资源分配方法 |
CN111954236A (zh) * | 2020-07-27 | 2020-11-17 | 河海大学 | 一种基于优先级的分层边缘计算卸载方法 |
CN112004239A (zh) * | 2020-08-11 | 2020-11-27 | 中国科学院计算机网络信息中心 | 一种基于云边协同的计算卸载方法及*** |
CN113254095A (zh) * | 2021-04-25 | 2021-08-13 | 西安电子科技大学 | 云边结合平台的任务卸载、调度与负载均衡***、方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111901573A (zh) * | 2020-08-17 | 2020-11-06 | 泽达易盛(天津)科技股份有限公司 | 一种基于边缘计算的细颗粒度实时监管*** |
-
2021
- 2021-09-30 CN CN202111159596.6A patent/CN113961264B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200017589A (ko) * | 2018-07-27 | 2020-02-19 | 한국전자통신연구원 | 무선 통신 시스템에서 모바일 노드의 태스크를 오프로딩하기 위한 클라우드 서버 및 그의 동작 방법 |
CN110928654A (zh) * | 2019-11-02 | 2020-03-27 | 上海大学 | 一种边缘计算***中分布式的在线任务卸载调度方法 |
CN111124439A (zh) * | 2019-12-16 | 2020-05-08 | 华侨大学 | 一种云边协同的智能动态卸载算法 |
CN111585916A (zh) * | 2019-12-26 | 2020-08-25 | 国网辽宁省电力有限公司电力科学研究院 | 基于云边协同的lte电力无线专网任务卸载和资源分配方法 |
CN111240701A (zh) * | 2019-12-31 | 2020-06-05 | 重庆大学 | 一种端-边-云协同计算的任务卸载优化方法 |
CN111954236A (zh) * | 2020-07-27 | 2020-11-17 | 河海大学 | 一种基于优先级的分层边缘计算卸载方法 |
CN112004239A (zh) * | 2020-08-11 | 2020-11-27 | 中国科学院计算机网络信息中心 | 一种基于云边协同的计算卸载方法及*** |
CN113254095A (zh) * | 2021-04-25 | 2021-08-13 | 西安电子科技大学 | 云边结合平台的任务卸载、调度与负载均衡***、方法 |
Non-Patent Citations (1)
Title |
---|
移动边缘计算环境下基于信任模型的可靠多重计算卸载策略;齐平;王福成;徐佳;李学俊;;计算机集成制造***(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113961264A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113961264B (zh) | 一种面向视频监控云边协同的智能卸载算法与*** | |
CN110493360B (zh) | 多服务器下降低***能耗的移动边缘计算卸载方法 | |
CN112650581A (zh) | 一种面向智能楼宇的云边协同任务调度方法 | |
CN111132235A (zh) | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 | |
CN112040512B (zh) | 一种基于公平的雾计算任务卸载方法及*** | |
CN110809291B (zh) | 基于能量采集设备的移动边缘计算***双层负载平衡方法 | |
CN110149401B (zh) | 一种用于优化边缘计算任务的方法和*** | |
CN112187891A (zh) | 基于多业务的边缘计算节点集合的负载优化方法及装置 | |
CN112612553B (zh) | 一种基于容器技术的边缘计算任务卸载方法 | |
CN113992678A (zh) | 一种海上mec负载均衡和资源分配联合优化的计算迁移方法 | |
WO2023020502A1 (zh) | 数据处理方法及装置 | |
CN115460216A (zh) | 算力资源调度方法和装置、算力资源调度设备、*** | |
CN116366576A (zh) | 算力网络资源调度方法、装置、设备及介质 | |
CN115562756A (zh) | 一种多接入边缘计算的车辆任务卸载方法及*** | |
CN117135131A (zh) | 一种面向云边协同场景的任务资源需求感知方法 | |
CN114064294B (zh) | 移动边缘计算环境下的动态资源分配方法和*** | |
CN117114113B (zh) | 一种基于排队论的协同推理加速方法 | |
CN111158893A (zh) | 应用于雾计算网络的任务卸载方法、***、设备及介质 | |
CN117042047B (zh) | 一种基于任务优先级的资源分配方法、装置、控制器及*** | |
CN117579701A (zh) | 一种移动边缘网络计算卸载方法及*** | |
CN109005060B (zh) | 一种基于层级化高度异构分布式***的深度学习应用优化框架 | |
CN114301911B (zh) | 一种基于边边协同的任务管理方法和*** | |
CN115801896A (zh) | 算力网络节点分配方法、装置、电子设备及存储介质 | |
CN116017570A (zh) | 一种基于区块链的边缘计算***资源管理方法 | |
US20230297885A1 (en) | Big data-based modular ai engine server and driving method of the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |