CN110557679B - 一种视频内容识别方法、设备、介质和系统 - Google Patents

一种视频内容识别方法、设备、介质和系统 Download PDF

Info

Publication number
CN110557679B
CN110557679B CN201810558535.9A CN201810558535A CN110557679B CN 110557679 B CN110557679 B CN 110557679B CN 201810558535 A CN201810558535 A CN 201810558535A CN 110557679 B CN110557679 B CN 110557679B
Authority
CN
China
Prior art keywords
video
available resource
task
edge
prediction result
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
Application number
CN201810558535.9A
Other languages
English (en)
Other versions
CN110557679A (zh
Inventor
杨凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN201810558535.9A priority Critical patent/CN110557679B/zh
Publication of CN110557679A publication Critical patent/CN110557679A/zh
Application granted granted Critical
Publication of CN110557679B publication Critical patent/CN110557679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明涉及视频处理技术领域，特别涉及一种视频内容识别方法、设备、介质和系统。针对现有安防监控系统中，视频内容自动实时识别时，视频识别端资源占用率高或识别准确性较低的问题，本发明实施例提供一种在边缘侧进行实时视频处理，基于边缘设备的冗余资源和计算能力来协同完成实时视频识别的方案。该方案利用已有的边缘设备(如，机顶盒、智能家庭网关等)组成边缘计算网络，通过视频任务的分配、调度、可用资源的预测等一系列方法，在边缘侧完成视频的实时处理。

Description

一种视频内容识别方法、设备、介质和系统
技术领域
本发明涉及视频处理技术领域，特别涉及一种视频内容识别方法、设备、介质和系统。
背景技术
在当前安防监控系统中，会使用摄像头设备来采集视频。采集到视频之后，现有技术一般会采取以下方案进行视频内容识别，通过对视频中指定事件，如高空坠物、违规停车、偷窃等的识别，实现安防监控：
1、人工视频识别：通过监控人员实时观察视频，完成对视频中事件的识别。
2、录像后回播识别：实时录制视频到存储设备以备后续识别。
3、云端或服务器端识别：将视频实时传输到云端或服务器端进行识别。
4、视频处理后传送到后台识别：将视频在视频采集设备端，即摄像头端，做简单处理后，发送到云端或服务器端进行识别。
现有技术方案至少存在以下缺点：
1、人工视频识别：识别成本高，效率低，且由于人工注意力难以保持长期集中，也难以保证识别质量。
2、录像后回播识别：难以实时处理视频数据，无法对视频中事件进行实时判别。
3、云端或服务器端识别：由于视频数据量大，将数据传输到云端进行识别，网络传输压力较大，数据传输开销大。在本地服务器进行识别，对本地服务器要求很高，服务器设备成本高，且扩展和升级难度很大。
4、视频处理后传送到后台识别：在处理过程中，视频数据有可能丢失有用信息，无法保证识别的准确性。
综上所述，目前在安防监控系统中，可能无法对摄像头采集的视频进行实时、自动的识别，或者，在进行实时、自动识别时，也至少会存在数据传输开销大、设备扩展升级难度高或识别准确性较低的问题。
发明内容
本发明实施例提供一种视频内容识别方法、设备、介质和系统，用于解决安防监控系统中，视频内容自动实时识别时，数据传输开销大、设备扩展升级难度高或识别准确性较低的问题。
一种视频内容识别方法，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述方法应用于内容分发服务器侧，包括：
对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；
针对每个视频任务，将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务分配给至少一个边缘设备，由所述至少一个边缘设备对该视频任务对应的视频片段进行内容识别。
一种视频内容识别方法，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述方法应用于作为管理节点的边缘设备侧，包括：
接收内容分发服务器分配的视频任务；
将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；
接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；
根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别。
一种视频内容识别方法，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述方法应用于作为非管理节点的边缘设备侧，包括：
接收作为管理节点的边缘设备广播的视频任务对应的任务需求；
确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果，分配所述视频任务。
一种内容分发服务器，所述服务器包括：
任务生成模块，用于对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；
发送模块，用于针对每个视频任务，将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务分配给至少一个边缘设备，由所述至少一个边缘设备对该视频任务对应的视频片段进行内容识别。
一种边缘设备，所述边缘设备用作管理节点，所述边缘设备包括：
接收模块，用于接收内容分发服务器分配的视频任务；
广播模块，用于将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；
所述接收模块，还用于接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；
发送模块，用于根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别。
一种边缘设备，所述边缘设备用作非管理节点，所述边缘设备包括：
接收模块，用于接收作为管理节点的边缘设备广播的视频任务对应的任务需求；
预测模块，用于确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果，分配所述视频任务。
一种视频内容识别系统，所述系统包括如上所述的内容分发服务器，如上所述的用作管理节点的边缘设备，以及至少一个如上所述的用作非管理节点的边缘设备。
一种非易失性计算机存储介质，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现任意一种如上所述方法的步骤。
一种视频内容识别设备，包括收发器、总线接口、存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述程序时实现：
对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；针对每个视频任务，通过所述收发器将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务分配给至少一个边缘设备，由所述至少一个边缘设备对该视频任务对应的视频片段进行内容识别；
或者，所述处理器执行所述程序时实现：
通过所述收发器接收内容分发服务器分配的视频任务；通过所述收发器将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；通过所述收发器接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，通过所述收发器将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
或者，所述处理器执行所述程序时实现：
通过所述收发器接收作为管理节点的边缘设备广播的视频任务对应的任务需求；确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果，分配所述视频任务。
根据本发明实施例提供的方法，可以对摄像头实时采集的视频进行切分，并将切分得到的视频片段封装为视频任务，通过预先选取的边缘设备中的管理节点进行视频任务的分配，由现有的具有计算能力的边缘设备，实现对每个视频片段的内容识别。从而实现对摄像头采集的视频进行实时、自动的内容识别的同时，无需传输大量视频数据，减少了数据传输开销，将识别操作分布到各个边缘设备执行，相对于单一服务器进行视频内容识别，降低了对服务器的要求，且不存在扩展和升级难度大的问题，也无需对视频片段内容进行处理，即可以直接对视频片段进行内容识别，有效保证视频片段内容的完整性，从而保证对视频片段内容识别的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的视频内容识别方法的流程示意图；
图2为本发明实施例一提供的视频内容识别方法的示意图；
图3为本发明实施例二提供的视频内容识别方法的流程示意图；
图4为本发明实施例三提供的视频内容识别方法的流程示意图；
图5为本发明实施例三提供的离线变量选择过程示意图；
图6为本发明实施例三提供的在线即时建模预测过程示意图；
图7为本发明实施例四提供的内容分发服务器的结构示意图；
图8为本发明实施例五提供的边缘设备的结构示意图；
图9为本发明实施例六提供的边缘设备的结构示意图；
图10为本发明实施例七提供的视频内容识别系统的结构示意图；
图11为本发明实施例八提供的视频内容识别设备的结构示意图。
具体实施方式
针对现有安防监控系统中，视频内容自动实时识别时，视频识别端资源占用率高或识别准确性较低的问题，本发明实施例提供一种在边缘侧进行实时视频处理，基于边缘设备的冗余资源和计算能力来协同完成实时视频识别的方案。
边缘设备可以理解为一种含有根据一个或多个编程指令执行一个或多个操作的处理器/微控制器和/或任何其他电子部件、设备或系统的设备。边缘设备包括但不限于包括，台式计算机、膝上型计算机、个人数字助理(PDA)、智能手机等。边缘设备具有访问(或被接入)网络(例如，通过有线或无线通信能力)的能力。特别的，边缘设备可以是在家庭网络设备中，靠近设备终端的家庭接入网关或其它具备一定计算能力的家庭终端设备(如，家庭电视盒子等)。
本方案利用已有的边缘设备组成边缘计算网络，采取在边缘设备上、运用边缘设备的冗余计算能力完成计算任务的方式，通过视频任务的分配、调度、可用资源的预测等一系列方法，在边缘侧完成视频的实时处理。
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
本发明实施例一提供一种视频内容识别方法，该方法从内容分发服务器侧，对视频内容识别方法进行说明。步骤流程可以如图1所示，包括：
步骤101、任务生成。
在本步骤中，内容分发服务器可以对摄像头实时采集的视频进行切分，具体的，可以但不限于按照设定的时长，对摄像头实时采集的视频进行切分。并可以将切分得到的每个视频片段封装为一个视频任务。
步骤102、任务分配。
在本步骤中，内容分发服务器可以针对每个视频任务，将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务分配给至少一个边缘设备，由所述至少一个边缘设备对该视频任务对应的视频片段进行内容识别。
视频内容识别方法初始执行时，可以通过任意方式，从预先选取的边缘设备中确定管理节点，例如，可以任意指定一个边缘设备作为管理节点。视频内容识别方法执行一段时间之后，即管理节点分配一次视频任务之后，管理节点会更新为预先选取的边缘设备中，可用资源最多的边缘设备。
进一步的，所述方法还可以包括以下步骤：
步骤103、接收内容识别结果。
在本步骤中，内容分发服务器可以接收边缘设备上报的，对接收到的视频任务对应的视频片段的内容识别结果。
步骤104、结果融合。
在本步骤中，内容分发服务器可以将对所述视频片段的内容识别结果，融合为对所述视频的内容识别结果流，所述内容识别结果流根据每个视频片段在所述视频中的时序，依次排列对每个视频片段的内容识别结果。
若步骤103中，接收到至少两个边缘设备上报的，对同一个视频任务对应的视频片段的内容识别结果，则本步骤还包括，若所述至少两个边缘设备中，指定数量的边缘设备上报的内容识别结果一致，将该一致的内容识别结果作为对应的视频片段的内容识别结果。并可以根据该一致的内容视频结果，融合为对所述视频的内容识别结果流。
本实施例提供的视频内容识别方法的示意图可以如图2所示。切分出的各视频片段，以视频片段1、视频片段2和视频片段3为例，可以具有相同时长，且视频片段之间可以有部分重叠，重叠的时间长度可以相同，当然，视频片段之间也可以不重叠。假设视频片段1封装为视频任务1，视频片段2封装为视频任务2，视频片段3封装为视频任务3。
将视频任务1分配给边缘设备中的管理节点之后，该管理节点会将视频任务1分配给至少一个(N个)边缘设备，以视频任务1分配给边缘设备1、边缘设备2……第N个边缘设备为例，由分配至的N个边缘设备根据预先存储的视频内容识别算法，对视频任务1对应的视频片段1进行内容识别。
将视频任务2分配给边缘设备中的管理节点(该管理节点可能与分配视频任务1的管理节点为同一个边缘设备，也可能为不同的边缘设备)之后，该管理节点会将视频任务2分配给N个边缘设备，以视频任务2分配给边缘设备2、边缘设备5……第N个边缘设备为例，由分配至的N个边缘设备对视频任务2对应的视频片段2进行内容识别。
对其余视频任务的分配在图2中用省略号表示，未具体示出。
如图2所示，一个视频任务可以理解为对应一个视频处理通道，每个视频任务通过各自对应的视频处理通道进行并行处理。从而还可以进一步提高视频内容实时识别的速度。
每个边缘设备在对自身接收到的一个视频任务对应的视频片段的内容识别完成后，可以上报对该视频片段的内容识别结果。内容分发服务器可以将对每个视频片段的内容识别结果，融合为对视频的内容识别结果流。
实施例二
本发明实施例二提供一种视频内容识别方法，该方法从作为管理节点的边缘设备侧，对视频内容识别方法进行说明。步骤流程可以如图3所示，包括：
步骤201、接收视频任务。
在本步骤中，作为管理节点的边缘设备可以接收内容分发服务器分配的视频任务。
步骤202、任务广播。
在本步骤中，作为管理节点的边缘设备可以将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备。
步骤203、接收可用资源预测结果。
在本步骤中，作为管理节点的边缘设备可以接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息。
所述可用资源可以为但不限于包括内存使用率、CPU使用率、硬盘使用率中的至少一种。
步骤204、任务调度。
在本步骤中，作为管理节点的边缘设备可以根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别。
进一步的，所述方法还可以包括以下步骤：
步骤205、更新信息列表。
在本步骤中，作为管理节点的边缘设备可以根据所述N个边缘设备对应的可用资源预测结果，更新预先存储的信息列表中所述N个边缘设备对应的可用资源信息，所述信息列表中包括所述预先选取的每个边缘设备对应的IP地址和可用资源信息。
步骤206、更新管理节点。
在本步骤中，作为管理节点的边缘设备可以将更新后的所述信息列表中对应的可用资源最多的边缘设备的IP地址，上报给内容分发服务器，指示内容分发服务器将该IP地址对应的边缘设备作为新的管理节点，并将该信息列表发送给该IP地址对应的边缘设备。
当然，如果可用资源最多的边缘设备仍然是当前作为管理节点的边缘设备，也可以不上报。也无需发送更新后的信息列表。
实施例三
本发明实施例三提供一种视频内容识别方法，该方法从作为非管理节点的边缘设备侧，对视频内容识别方法进行说明。步骤流程可以如图4所示，包括：
步骤301、接收广播。
在本步骤中，作为非管理节点的边缘设备可以接收作为管理节点的边缘设备广播的视频任务对应的任务需求。
步骤302、确定可用资源预测结果。
在本步骤中，作为非管理节点的边缘设备可以确定可用资源预测结果，并上报给所述作为管理节点的边缘设备。所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果，分配所述视频任务。
确定可用资源预测结果可以为任意方式实现。
视频任务到来时，各个边缘设备的状态是否符合承担任务需求对于视频任务分配至关重要。在本实施例中，考虑利用缓存的最近L个时刻系统可用资源的采样值X和承担视频任务时系统可用资源的平均值Y构成历史样本数据库。根据“相似输入产生相似输出”的原理进行回归预测，输出预测结果。
因此较优的，确定可用资源预测结果可以但不限于通过以下方式实现：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值(可以用X表示)作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值(可以用Y表示)作为一个样本的输出。
所述局部样本集中的一个样本可以表示为(X，Y)。
在本发明实施例中，考虑到边缘设备的计算和存储能力有限，可用资源预测任务如果集中于某个边缘设备，会造成较大的计算负荷和存储压力。因此本发明实施例中提出，将每个边缘设备可用资源预测所需样本存储于该边缘设备，并由该边缘设备自身完成可用资源预测，实现局部存储和本地预测。
进一步的，由于输入的变量之间存在耦合性，所以可以选择和输出相关性比较大的变量作为输入进行预测。为了保证预测的准确和信息的多样性，可以选用多个变量集作为输入进行预测。
因此，按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出，可以包括：
根据所述局部样本集，确定和输出的相关性高于设定值的至少两个变量集；
将按照设定的采样周期，最近L次对可用资源的采样值作为输入，基于确定出的所述至少两个变量集，在所述局部样本集上选取相似样本，确定可用资源预测结果输出。
更具体的，确定可用资源预测结果可以包括离线变量选择和在线即时建模预测两部分：
离线变量选择过程示意图可以如图5所示，包括：
1、在局部样本集{X,Y}上进行随机采样，形成M0个子样本集{(X1,Y1),(X2,Y2),……(XM0,YM0)}，其中，所述M0不小于2。
2、对每个子样本集运用偏互信息方法(PMI)进行变量选择，形成M0个变量集{V1,V2,……VM0}。
3、基于M0个变量集对局部样本集进行重采样，得到重采样后的局部样本集{X1,X2,……XM0}。
4、在重采样后的局部样本集上用局部加权偏最小二乘法(LWPLS)进行预测，预测结果可以表示为
Figure GDA0003255608200000121
5、对多个变量集上的预测结果用偏最小二乘法(PLS)进行线性回归预测，这样每个变量集上的预测结果会得到一个拟合权重{|β1|,|β2|,……|βM0|}。按拟合权重从大到小可以衡量此变量集对于最终预测结果的贡献，来最终确定贡献值较高的变量集。
6、选择预测效果累加准确率超过95％的M个变量集{VS1,VS2,……VSM}作为最终确定出的变量集，其中，所述M不小于2。
在线即时建模预测过程示意图可以如图6所示，包括：
1、当接收到广播的视频任务对应的任务需求时，根据此时对应的最近L次对可用资源(例如内存使用率)的采样值{Xnew}，基于离线确定出的变量集，在局部样本集上选取相似样本{Xq1，Xq2,……XqM}。
2、基于在各个变量集(Data base Based on Variable set 1，Data base Basedon Variable set 2，……Data base Based on Variable set M)选取的相似样本(Relevant data)分别进行局部加权偏最小二乘法建模(Local LWPLS Model)得到预测结果
Figure GDA0003255608200000122
3、采用贝叶斯算法将根据回归权重选择出的Me个变量集(即，和输出最相关的Me个变量集)建立的模型进行融合，得到可用资源预测结果
Figure GDA0003255608200000131
(该结果为百分比形式)。
4、取预测结果
Figure GDA0003255608200000132
的负指数
Figure GDA0003255608200000133
作为最终确定出的可用资源预测结果(图6中未示出)。
进一步的，如果在本次上报可用资源预测结果之后，作为非管理节点的边缘设备被作为管理节点的边缘设备确定为可用资源最多的N个边缘设备中的一个，则所述方法还可以进一步包括：
步骤303、接收视频任务。
在本步骤中，作为非管理节点的边缘设备可以接收作为管理节点的边缘设备分配的视频任务。
步骤304、进行内容识别。
在本步骤中，作为非管理节点的边缘设备可以对步骤303中接收到的视频任务对应的视频片段进行内容识别。
当然，内容识别完成后，作为非管理节点的边缘设备可以向内容分发服务器上报内容识别结果。
进一步的，在本次上报可用资源预测结果之后，不论作为非管理节点的边缘设备是否被确定为可用资源最多的N个边缘设备中的一个，均有可能被更新为管理节点，从而无需设置固定的管理节点，实现管理节点的动态确定，从而实现去中心化的调度方法。本实施例中，步骤305可以在步骤303之后的任意时刻执行，在图4中，以步骤305在步骤304之后执行为例进行示意。
步骤305、接收管理节点发送的信息列表。
在本步骤中，作为非管理节点的边缘设备可以接收当前作为管理节点的边缘设备发送的信息列表，所述信息列表中包括预先选取的每个边缘设备对应的IP地址和可用资源信息。
当然，当前作为管理节点的边缘设备可以向预先选取的每个边缘设备发送信息列表，使得每个边缘设备均可以保存最新的信息列表。
如果当前作为管理节点的边缘设备仅向最新确定出的管理节点发送信息列表，一个边缘设备接收到管理节点发送的信息列表，即可以理解为该作为非管理节点的边缘设备身份更新为管理节点。如果当前作为管理节点的边缘设备向预先选取的每个边缘设备发送信息列表，则当内容分发服务器向一个边缘设备分配视频任务时，可以理解为该边缘设备作为管理节点使用。
步骤306、接收内容分发服务器分配的视频任务。
当然，在身份变更为管理节点之后，该边缘设备可以接收内容分发服务器分配的视频任务。并像管理节点一样，执行任务需求的广播，接收可用资源预测结果，视频任务的分配等一系列功能。
基于同一发明构思，本发明实施例提供以下的设备和介质。
实施例四
本发明实施例四提供一种内容分发服务器，该内容分发服务器的结构可以如图7所示，包括：
任务生成模块11用于对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；
发送模块12用于针对每个视频任务，将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务分配给至少一个边缘设备，由所述至少一个边缘设备对该视频任务对应的视频片段进行内容识别。
所述服务器还包括：
接收模块13用于接收边缘设备上报的，对其接收到的视频任务对应的视频片段的内容识别结果；
融合模块14用于将对所述视频片段的内容识别结果，融合为对所述视频的内容识别结果流，所述内容识别结果流根据每个视频片段在所述视频中的时序，依次排列对每个视频片段的内容识别结果。
若所述接收模块13接收到至少两个边缘设备上报的，对同一个视频任务对应的视频片段的内容识别结果，则：
所述融合模块14还用于若所述至少两个边缘设备中，指定数量的边缘设备上报的内容识别结果一致，将该一致的内容识别结果作为对应的视频片段的内容识别结果。
实施例五
本发明实施例五提供一种边缘设备，该边缘设备可以作为管理节点，该边缘设备的结构可以如图8所示，包括：
接收模块21用于接收内容分发服务器分配的视频任务；
广播模块22用于将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；
所述接收模块21还用于接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；
发送模块23用于根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别。
所述边缘设备还包括：
更新模块24用于根据所述N个边缘设备对应的可用资源预测结果，更新预先存储的信息列表中所述N个边缘设备对应的可用资源信息，所述信息列表中包括所述预先选取的每个边缘设备对应的IP地址和可用资源信息；
所述发送模块23还用于将更新后的所述信息列表中对应的可用资源最多的边缘设备的IP地址，上报给内容分发服务器，指示内容分发服务器将该IP地址对应的边缘设备作为新的管理节点，并将该信息列表发送给该IP地址对应的边缘设备。
实施例六
本发明实施例六提供一种边缘设备，该边缘设备可以作为非管理节点，该边缘设备的结构可以如图9所示，包括：
接收模块31用于接收作为管理节点的边缘设备广播的视频任务对应的任务需求；
预测模块32用于确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果，分配所述视频任务。
所述接收模块31还用于接收作为管理节点的边缘设备分配的视频任务；
所述边缘设备还包括：
内容识别模块33用于对该视频任务对应的视频片段进行内容识别。
所述接收模块31还用于接收当前作为管理节点的边缘设备发送的信息列表，所述信息列表中包括预先选取的每个边缘设备对应的IP地址和可用资源信息。
所述接收模块31还用于接收内容分发服务器分配的视频任务。
所述预测模块32用于确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
所述预测模块32用于按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出，包括：
根据所述局部样本集，确定和输出的相关性高于设定值的至少两个变量集；
将按照设定的采样周期，最近L次对可用资源的采样值作为输入，基于确定出的所述至少两个变量集，在所述局部样本集上选取相似样本，确定可用资源预测结果输出。
实施例六提供的边缘设备的功能和实施例五提供的边缘设备的功能可以集成在同一个边缘设备中，即一个边缘设备既可以作为管理节点使用，也可以作为非管理节点使用。
实施例七
本发明实施例七提供一种视频内容识别系统，该系统的结构可以如图10所示，包括如实施例四提供的内容分发服务器41，如实施例五提供的边缘设备42，以及如实施例六提供的边缘设备43。
当然所述系统中还可以包括至少一个摄像头。
边缘设备42和边缘设备43可以但不限于是手机、电视盒子或智能路由器等任意一种智能终端形式。
实施例八
本发明实施例八提供一种视频内容识别设备，该设备的结构可以如图11所示，包括总线接口、存储器51、处理器52及存储在存储器上的计算机程序、以及收发器53，所述处理器52执行所述程序时实现：
对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；针对每个视频任务，通过所述收发器53将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务分配给至少一个边缘设备，由所述至少一个边缘设备对该视频任务对应的视频片段进行内容识别；
或者，所述处理器52执行所述程序时实现：
通过所述收发器53接收内容分发服务器分配的视频任务；通过所述收发器53将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；通过所述收发器53接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，通过所述收发器53将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
或者，所述处理器52执行所述程序时实现：
通过所述收发器53接收作为管理节点的边缘设备广播的视频任务对应的任务需求；确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果，分配所述视频任务。
可选的，所述处理器52具体可以包括中央处理器(CPU)、特定应用集成电路(ASIC，application specific integrated circuit)，可以是一个或多个用于控制程序执行的集成电路，可以是使用现场可编程门阵列(FPGA，field programmable gate array)开发的硬件电路，可以是基带处理器。
可选的，所述处理器52可以包括至少一个处理核心。
可选的，所述存储器51可以包括只读存储器(ROM，read only memory)、随机存取存储器(RAM，random access memory)和磁盘存储器。存储器51用于存储至少一个处理器52运行时所需的数据。存储器51的数量可以为一个或多个。
本发明实施例九提供一种非易失性计算机存储介质，所述计算机存储介质存储有可执行程序，当可执行程序被处理器执行时，实现本发明实施例一提供的方法，或实现本发明实施例二提供的方法，或实现本发明实施例三提供的方法。
在具体的实施过程中，计算机存储介质可以包括：通用串行总线闪存盘(USB，Universal Serial Bus flash drive)、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的存储介质。
在本发明实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性或其它的形式。
在本发明实施例中的各功能单元可以集成在一个处理单元中，或者各个单元也可以均是独立的物理模块。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备，例如可以是个人计算机，服务器，或者网络设备等，或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：通用串行总线闪存盘(universal serial bus flash drive)、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以对本申请的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本发明实施例的方法，不应理解为对本发明实施例的限制。本技术领域的技术人员可轻易想到的变化或替换，都应涵盖在本发明实施例的保护范围之内。

Claims (16)

1.一种视频内容识别方法，其特征在于，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述边缘设备为在家庭网络设备中，靠近设备终端的具备计算能力的家庭终端设备，所述方法应用于内容分发服务器侧，包括：
对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；
针对每个视频任务，将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；管理节点接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；管理节点根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
边缘设备确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
2.如权利要求1所述的方法，其特征在于，
接收边缘设备上报的，对其接收到的视频任务对应的视频片段的内容识别结果；
将对所述视频片段的内容识别结果，融合为对所述视频的内容识别结果流，所述内容识别结果流根据每个视频片段在所述视频中的时序，依次排列对每个视频片段的内容识别结果。
3.如权利要求2所述的方法，其特征在于，若接收到至少两个边缘设备上报的，对同一个视频任务对应的视频片段的内容识别结果，则所述方法还包括：
若所述至少两个边缘设备中，指定数量的边缘设备上报的内容识别结果一致，将该一致的内容识别结果作为对应的视频片段的内容识别结果。
4.一种视频内容识别方法，其特征在于，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述边缘设备为在家庭网络设备中，靠近设备终端的具备计算能力的家庭终端设备，所述方法应用于作为管理节点的边缘设备侧，包括：
接收内容分发服务器分配的视频任务；
将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；
接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；
根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
边缘设备确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述N个边缘设备对应的可用资源预测结果，更新预先存储的信息列表中所述N个边缘设备对应的可用资源信息，所述信息列表中包括所述预先选取的每个边缘设备对应的IP地址和可用资源信息；
将更新后的所述信息列表中对应的可用资源最多的边缘设备的IP地址，上报给内容分发服务器，指示内容分发服务器将该IP地址对应的边缘设备作为新的管理节点，并将该信息列表发送给该IP地址对应的边缘设备。
6.一种视频内容识别方法，其特征在于，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述边缘设备为在家庭网络设备中，靠近设备终端的具备计算能力的家庭终端设备，所述方法应用于作为非管理节点的边缘设备侧，包括：
接收作为管理节点的边缘设备广播的视频任务对应的任务需求，该任务需求为作为管理节点的边缘设备接收内容分发服务器分配的视频任务并广播的；
确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果以及管理节点对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
接收作为管理节点的边缘设备分配的视频任务；
对该视频任务对应的视频片段进行内容识别。
8.如权利要求6所述的方法，其特征在于，所述方法还包括：
接收当前作为管理节点的边缘设备发送的信息列表，所述信息列表中包括预先选取的每个边缘设备对应的IP地址和可用资源信息。
9.如权利要求8所述的方法，其特征在于，所述方法还包括：
接收内容分发服务器分配的视频任务。
10.如权利要求6所述的方法，其特征在于，按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出，包括：
根据所述局部样本集，确定和输出的相关性高于设定值的至少两个变量集；
将按照设定的采样周期，最近L次对可用资源的采样值作为输入，基于确定出的所述至少两个变量集，在所述局部样本集上选取相似样本，确定可用资源预测结果输出。
11.一种内容分发服务器，其特征在于，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述边缘设备为在家庭网络设备中，靠近设备终端的具备计算能力的家庭终端设备，所述服务器包括：
任务生成模块，用于对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；
发送模块，用于针对每个视频任务，将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；管理节点接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；管理节点根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
边缘设备确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
12.一种边缘设备，其特征在于，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述边缘设备为在家庭网络设备中，靠近设备终端的具备计算能力的家庭终端设备，所述边缘设备用作管理节点，所述边缘设备包括：
接收模块，用于接收内容分发服务器分配的视频任务；
广播模块，用于将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；
所述接收模块，还用于接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；
发送模块，用于根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
边缘设备确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
13.一种边缘设备，其特征在于，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述边缘设备为在家庭网络设备中，靠近设备终端的具备计算能力的家庭终端设备，所述边缘设备用作非管理节点，所述边缘设备包括：
接收模块，用于接收作为管理节点的边缘设备广播的视频任务对应的任务需求，该任务需求为作为管理节点的边缘设备接收内容分发服务器分配的视频任务并广播的；
预测模块，用于确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果以及管理节点对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
边缘设备确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
14.一种视频内容识别系统，其特征在于，所述系统包括如权利要求11所述的内容分发服务器，如权利要求12所述的边缘设备，以及至少一个如权利要求13所述的边缘设备。
15.一种非易失性计算机存储介质，其特征在于，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现权利要求1～3任一所述方法的步骤，或者实现权利要求4～5任一所述方法的步骤，或者实现权利要求6～10任一所述方法的步骤。
16.一种视频内容识别设备，其特征在于，应用于包括内容分发服务器和至少两个边缘设备的系统中，所述边缘设备为在家庭网络设备中，靠近设备终端的具备计算能力的家庭终端设备，包括收发器、总线接口、存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述程序时实现：
对摄像头实时采集的视频进行切分，将切分得到的每个视频片段封装为一个视频任务；针对每个视频任务，通过所述收发器将该视频任务分配给边缘设备中的管理节点，所述边缘设备为预先选取的，指示该管理节点将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；管理节点接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；管理节点根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
边缘设备确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出；
或者，所述处理器执行所述程序时实现：
通过所述收发器接收内容分发服务器分配的视频任务；通过所述收发器将该视频任务对应的任务需求广播到预先选取的边缘设备中，除自身外的每个边缘设备；通过所述收发器接收边缘设备上报的可用资源预测结果，所述可用资源预测结果为该边缘设备预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息；根据每个边缘设备上报的可用资源预测结果以及自身对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，通过所述收发器将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
边缘设备确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出；
或者，所述处理器执行所述程序时实现：
通过所述收发器接收作为管理节点的边缘设备广播的视频任务对应的任务需求，该任务需求为作为管理节点的边缘设备接收内容分发服务器分配的视频任务并广播的；确定可用资源预测结果并上报给所述作为管理节点的边缘设备，所述可用资源预测结果为预测出的，在当前可用资源中，去除所述任务需求对应的资源损耗后，剩余的可用资源信息，指示管理节点根据该可用资源预测结果以及管理节点对应的可用资源预测结果，确定可用资源预测结果对应的可用资源最多的N个边缘设备，将所述视频任务分配至所述N个边缘设备，所述N为正整数，指示该N个边缘设备对接收到的视频任务对应的视频片段进行内容识别；
确定可用资源预测结果包括：
按照设定的采样周期，将最近L次对可用资源的采样值作为输入，其中L为正整数，根据局部样本集进行回归预测，确定可用资源预测结果输出；
其中，所述局部样本集中的每个样本通过以下方式确定：
将执行一个视频任务之前，按照所述设定的采样周期，最近L次对可用资源的采样值作为一个样本的输入；
将执行该视频任务后，执行该视频任务过程中可用资源的平均值作为一个样本的输出。
CN201810558535.9A 2018-06-01 2018-06-01 一种视频内容识别方法、设备、介质和系统 Active CN110557679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810558535.9A CN110557679B (zh) 2018-06-01 2018-06-01 一种视频内容识别方法、设备、介质和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810558535.9A CN110557679B (zh) 2018-06-01 2018-06-01 一种视频内容识别方法、设备、介质和系统

Publications (2)

Publication Number Publication Date
CN110557679A CN110557679A (zh) 2019-12-10
CN110557679B true CN110557679B (zh) 2021-11-19

Family

ID=68734881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810558535.9A Active CN110557679B (zh) 2018-06-01 2018-06-01 一种视频内容识别方法、设备、介质和系统

Country Status (1)

Country Link
CN (1) CN110557679B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111241985B (zh) 2020-01-08 2022-09-09 腾讯科技（深圳）有限公司 一种视频内容识别方法、装置、存储介质、以及电子设备
US20220058494A1 (en) * 2020-08-20 2022-02-24 International Business Machines Corporation Hybrid ensemble model leveraging edge and server side inference
CN113239873A (zh) * 2021-06-01 2021-08-10 平安科技（深圳）有限公司 吸烟行为识别方法、系统、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102195788A (zh) * 2011-05-25 2011-09-21 中国联合网络通信集团有限公司 应用层组播系统及流媒体数据处理方法
CN105704458A (zh) * 2016-03-22 2016-06-22 北京邮电大学 基于容器技术的视频监控云服务的平台实现方法及系统
CN105978960A (zh) * 2016-05-06 2016-09-28 武汉烽火众智数字技术有限责任公司 一种基于海量视频结构化处理的云调度系统及方法
CN107343164A (zh) * 2016-04-29 2017-11-10 中国电信股份有限公司 视频监控任务的分配方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104580338B (zh) * 2013-10-29 2018-09-07 华为技术有限公司 一种业务处理方法、系统及设备
CN104158909B (zh) * 2014-08-29 2015-11-25 北京阅联信息技术有限公司 一种分布式媒体处理方法及其系统
CN106685724B (zh) * 2017-01-10 2019-11-29 网宿科技股份有限公司 基于选举的节点服务器管理方法、装置及系统
CN107395458B (zh) * 2017-07-31 2020-05-22 东软集团股份有限公司 系统监控方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102195788A (zh) * 2011-05-25 2011-09-21 中国联合网络通信集团有限公司 应用层组播系统及流媒体数据处理方法
CN105704458A (zh) * 2016-03-22 2016-06-22 北京邮电大学 基于容器技术的视频监控云服务的平台实现方法及系统
CN107343164A (zh) * 2016-04-29 2017-11-10 中国电信股份有限公司 视频监控任务的分配方法及装置
CN105978960A (zh) * 2016-05-06 2016-09-28 武汉烽火众智数字技术有限责任公司 一种基于海量视频结构化处理的云调度系统及方法

Also Published As

Publication number Publication date
CN110557679A (zh) 2019-12-10

Similar Documents

Publication Publication Date Title
CN112153700B (zh) 一种网络切片资源管理方法及设备
US10572285B2 (en) Method and apparatus for elastically scaling virtual machine cluster
CN108924221B (zh) 分配资源的方法和装置
CN110557679B (zh) 一种视频内容识别方法、设备、介质和系统
CN105049268A (zh) 分布式计算资源分配系统和任务处理方法
CN102957622B (zh) 一种数据处理的方法、装置及系统
CN112929187B (zh) 网络切片管理方法、装置和系统
CN111221700B (zh) 一种集群节点状态监控方法、装置、设备及可读存储介质
CN105703927A (zh) 一种资源分配方法、网络设备和网络系统
CN112365366A (zh) 一种基于智能化5g切片的微电网管理方法及系统
CN111966289A (zh) 基于Kafka集群的分区优化方法和系统
CN114253695A (zh) 一种计算节点资源信息更新方法、节点和存储介质
CN105183585A (zh) 一种数据备份方法及装置
WO2017084020A1 (zh) 模型参数融合方法及装置
CN115756642A (zh) 一种业务流程配置方法、装置、设备及存储介质
CN105022668A (zh) 一种作业调度方法及系统
CN110611937B (zh) 数据分流方法、装置、边缘数据中心和可读存储介质
US9189287B1 (en) Harnessing idle computing resources in customer premise equipment
CN109617738B (zh) 用户服务扩缩容的方法、系统和非易失性存储介质
CN104301944A (zh) 资源能力分配方法和设备
CN108989272B (zh) 一种数据处理方法、装置和电子设备
CN113453285B (zh) 一种资源调整方法、装置及存储介质
CN117875746A (zh) 指标阈值的确定方法、装置、存储介质及电子装置
CN115391051A (zh) 视频计算任务调度方法、设备及计算机可读介质
CN115460700A (zh) 基于联邦学习的网络资源配置方法、装置、电子设备及介质

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