CN113660508B - 面向智能视频识别的多边缘计算设备协作任务分配算法 - Google Patents

Abstract

本发明提出一种面向智能视频识别的多边缘计算设备协作任务分配算法，通过帧间差异比较，基于判决规则A判断视频监控场景内是否有疑似工程机械的移动目标，对当前帧所标定的移动目标区域，启动执行智能视频识别算法，判断该区域内是否有工程机械，有则记录该区域为工程机械区域，继续通过帧间差异比较，基于判决规则B判断工程机械区域内的工程机械目标是否整体移动，若整体移动，则标记当前状态为“不存在机械”状态，本发明可在保证不降低检测性能下尽量减少智能视频识别终端的智能视频识别计算工作，由此显著降低智能视频识别终端的功耗。

Description

面向智能视频识别的多边缘计算设备协作任务分配算法

技术领域

本发明属于计算机网络的技术领域，特别涉及一种面向智能视频识别的多边缘计算设备协作任务分配算法。

背景技术

智能视频识别是边缘计算设备的一个重要的应用场景。由于边缘计算设备常常部署于户外地带，需要采用太阳能或锂电池的供电方式。因而，如何降低边缘计算设备的功耗是一个重要的关注问题。

考虑到，一方面智能视频识别计算占据着边缘计算设备的较高功耗，而另一方面现场所部署的多个边缘计算设备中通常只有少量设备因场景变化而触发去执行智能视频识别计算，因而这些边缘计算设备的实际消耗的能量差异将非常不均衡。由此，一种合理的做法是，有智能视频识别计算任务的边缘计算设备，将其任务分拆成多个子任务后分发给其他未有智能视频识别计算任务的边缘计算设备，通过各设备协作计算，帮助完成该边缘计算设备的智能视频识别计算任务。由此，实现各设备能耗的分担，避免出现某边缘计算设备过早消耗完电量而处于失效。

在对智能视频识别计算任务进行分拆、并进行分发给其他各边缘计算设备过程中，有三个因素需要关注：1)各子任务有着一定的计算次序约束和输入输出关联关系，各边缘计算设备不是独立完成自己所分配的子任务，而是需要等待上一个子任务被别的边缘计算设备完成后、并把子任务计算结果传给当前边缘计算设备，当前边缘计算设备方可执行其所分配的子任务；2)在子任务结果传递过程中，各边缘计算设备除了消耗子任务计算的能耗外，还需要消耗通信传输的能耗；3)有些边缘计算设备虽因自身剩余能量不足而无需分配子任务，但因其在网络传输中处于重要的中继位置，因而仍需在整个协作计算中承担子任务结果转发的工作，因而仍需消耗通信能耗。

发明内容

本发明所要解决的技术问题在于针对上述存在的问题，提供一种面向智能视频识别的多边缘计算设备协作任务分配算法，基于该算法，可较好组织各边缘计算设备协作完成某边缘计算设备的智能视频识别任务，实现各边缘计算设备的能耗均衡。

本发明解决上述技术问题所采用的技术方案是：面向智能视频识别的多边缘计算设备协作任务分配算法，其特征在于，包括如下步骤：

S1)各边缘计算设备通过无线方式建立自组网，网络中每个节点对应一台边缘计算设备；根据网络各节点的连接关系，建立拓扑图G＝(V，E)，其中V为节点的集合，E为节点之间所存在的直接连接关系，即边的集合；

S2)对一台有智能视频识别任务的边缘计算设备D₁，将其智能视频识别任务分拆为多个顺序执行的子计算任务{T₁,T₂,…,T_M}，其中，子计算任务T₁的输入为该边缘计算设备所采集的视频图像数据；子计算任务T_i的输入为子计算任务T_i-1的输出；子计算任务T_M的输出为最终智能视频识别结果；

S3)将子计算任务T₁分配给D₁，在集合V中选取一个最佳节点D₂ ^*分配子计算任务T₂，满足：基于该选取的节点在G中所寻找的一条从D₁到D₂ ^*的最佳路径P^*，来把子计算任务T₁的计算结果传递给D₂ ^*、并在D₂ ^*上执行子计算任务T₂时，让能耗均衡指标最小化；

S4)依此类推，在集合V中继续选取一个最佳节点D₃ ^*分配子计算任务T₃，直至分配完子计算任务T_M。

按上述方案，其特征在于步骤S3中所述最佳路径P^*满足的准则为：其中，/>为处于P^*上的节点D_k传输当前子任务计算结果所需能耗，R^k为该节点的当前剩余能量。

按上述方案，步骤S3中所述能耗均衡指标为：其中/>为P^*上的终节点D^*执行所分配的子任务所需的能耗，/>为该节点的当前剩余能量，/>为该节点接收当前子任务计算结果所需能耗。

本发明的有益效果是：提供一种面向智能视频识别的多边缘计算设备协作任务分配算法，该分配算法充分利用多个边缘计算设备的计算资源和能量资源，将智能视频识别任务进行拆分，并以合理的通信传输能耗，分发给能量相对富余的边缘计算设备，从而实现各边缘计算设备的能耗均衡，由此延长各边缘计算设备保持执行任务能力的工作时长。

附图说明

图1为本发明一个实施例的多边缘计算设备协作任务分配流程图。

具体实施方式

为更好地理解本发明，下面结合附图和实施例对本发明作进一步的描述。

面向智能视频识别的多边缘计算设备协作任务分配算法，其特征在于，包括如下步骤：

S1)各边缘计算设备通过无线方式建立自组网，网络中每个节点对应一台边缘计算设备；根据网络各节点的连接关系，建立拓扑图G＝(V，E)，其中V为节点的集合，E为节点之间所存在的直接连接关系，即边的集合；

S2)对一台有智能视频识别任务的边缘计算设备D₁，将其智能视频识别任务分拆为多个顺序执行的子计算任务{T₁,T₂,…,T_M}，其中，子计算任务T₁的输入为该边缘计算设备所采集的视频图像数据；子计算任务T_i的输入为子计算任务T_i-1的输出；子计算任务T_M的输出为最终智能视频识别结果；

S3)将子计算任务T₁分配给D₁，在集合V中选取一个最佳节点D₂ ^*分配子计算任务T₂，满足：基于该选取的节点在G中所寻找的一条从D₁到D₂ ^*的最佳路径P^*，来把子计算任务T₁的计算结果传递给D₂ ^*、并在D₂ ^*上执行子计算任务T₂时，让能耗均衡指标最小化；

S4)依此类推，在集合V中继续选取一个最佳节点D₃ ^*分配子计算任务T₃，直至分配完子计算任务T_M。

按上述方案，其特征在于步骤S3中所述最佳路径P^*满足的准则为：其中，/>为处于P^*上的节点D_k传输当前子任务计算结果所需能耗，R^k为该节点的当前剩余能量。

按上述方案，步骤S3中所述能耗均衡指标为：其中/>为P^*上的终节点D^*执行所分配的子任务所需的能耗，/>为该节点的当前剩余能量，/>为该节点接收当前子任务计算结果所需能耗。

实施例一

第1步：假设某监控现场部署了八台视频采集硬件，每台视频采集硬件配一台边缘计算设备，各边缘计算设备通过无线的方式(例如WiFi)组建起一个无线自组织网络。

第2步：假设边缘计算设备D₁对应的视频场景内存在移动目标，触发产生了一项智能视频识别任务。D₁将该智能视频识别任务拆分成3个子任务{T₁,T₂,T₃}。D₁分配执行子任务T₁。

第3步：在无线自组织网络中，寻找一台合适的边缘计算设备D₂ ^*、及其对应的最佳路径(如图1中的连接实线)，使得子任务T₂分配该边缘计算设备后对应的能耗均衡指标最小。

第4步：继续在无线自组织网络中，寻找一台合适的边缘计算设备D₃ ^*、及其对应的最佳路径(如图1中的连接实线)，使得子任务T₃分配该边缘计算设备后对应的能耗均衡指标最小。

第5步：D₁执行子任务T₁，然后把执行结果通过图1中的实线路径，传给D₂ ^*；D₂ ^*执行子任务T₂，然后把执行结果通过图1中的实线路径，传给D₃*；D₃ ^*执行子任务子任务 T₃，形成最终识别结果。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (1)

1.面向智能视频识别的多边缘计算设备协作任务分配算法，其特征在于，包括如下步骤：

S1)各边缘计算设备通过无线方式建立自组网，网络中每个节点对应一台边缘计算设备；根据网络各节点的连接关系，建立拓扑图G＝(V，E)，其中V为节点的集合，E为节点之间所存在的直接连接关系，即边的集合；

S2)对一台有智能视频识别任务的边缘计算设备D₁，将其智能视频识别任务分拆为多个顺序执行的子计算任务{T₁,T₂,…,T_M}，其中，子计算任务T₁的输入为该边缘计算设备所采集的视频图像数据；子计算任务T_i的输入为子计算任务T_i-1的输出；子计算任务T_M的输出为最终智能视频识别结果；

S3)将子计算任务T₁分配给D₁，在集合V中选取一个最佳节点D₂ ^*分配子计算任务T₂，满足：基于该选取的节点在G中所寻找的一条从D₁到D₂ ^*的最佳路径P^*，来把子计算任务T₁的计算结果传递给D₂ ^*、并在D₂ ^*上执行子计算任务T₂时，让能耗均衡指标最小化；最佳路径P^*满足的准则为：其中，/>为处于P^*上的节点D_k传输当前子任务计算结果所需能耗，R^k为该节点的当前剩余能量；能耗均衡指标为：其中/>为P^*上的终节点D^*执行所分配的子任务所需的能耗，/>为该节点的当前剩余能量，/>为该节点接收当前子任务计算结果所需能耗；

S4)依此类推，在集合V中继续选取一个最佳节点D₃ ^*分配子计算任务T₃，直至分配完子计算任务T_M。