[发明专利]一种基于端云协同的视频目标检测跟踪调度方法及系统

权利要求书

1.一种基于端云协同的视频目标检测跟踪调度方法，其特征在于，包括：

获取当前待测视频帧；

以用户体验指标为优化目标，将当前网络预测带宽，视频帧跟踪误差和设备能耗输入构建好的任务调度决策模型中，所述任务调度模型包括状态空间，决策空间及其奖励函数；

利用模型预测控制算法计算执行多个调度策略的奖励值，选择所述奖励值最高的所述调度策略作为下一步的调度策略，所述调度策略包括将所述当前待测视频帧发送至本地进行检测、发送至云端进行检测或者直接发送至目标跟踪模块进行检测。

2.根据权利要求1所述的基于端云协同的视频目标检测跟踪调度方法，其特征在于，在所述以用户体验指标为优化目标，将当前网络预测带宽，视频帧跟踪误差和设备能耗输入构建好的任务调度决策模型中，所述任务调度模型包括状态空间，决策空间及其奖励函数，之前还包括：

建立考虑视频帧检测精度，视频帧跟踪误差以及设备能耗的所述用户体验指标。

3.根据权利要求1所述的基于端云协同的视频目标检测跟踪调度方法，其特征在于，所述用户体验指标为：

式中，AP_t表示t时刻的视频帧检测精度；e_t表示t时刻的视频帧跟踪误差；B表示设备能耗；λ为视频帧跟踪误差的非负加权参数，μ为设备能耗的非负加权参数。

4.根据权利要求1所述的基于端云协同的视频目标检测跟踪调度方法，其特征在于，所述状态空间，决策空间及其奖励函数分别为：

所述状态空间为：

所述决策空间为：

a_t＝(D_local,D_cloud320,D_cloud608,D_T)

所述奖励函数的映射关系为r:S×A→R，奖励函数具体表达式为：

R_t＝r(s_t,a_t)

式中，N′_t+1表示t+1时刻的预测带宽大小；B_t表示每个调度模块的能耗大小；表示时刻t的目标跟踪误差；表示时刻t的新物体扰动误差；D_local表示本地检测分辨率为320×320，D_cloud320表示云端检测上传分辨率为320×320，D_cloud608表示云端检测上传分辨率为608×608，D_T表示目标检测。

5.根据权利要求1所述的基于端云协同的视频目标检测跟踪调度方法，其特征在于，所述利用模型预测控制算法计算执行多个调度策略的奖励值，选择所述奖励值最高的所述调度策略作为下一步的调度策略，包括：

a_t＝f_mpc(R_t)

式中，f_mpc()表示模型预测控制算法，表示奖励值对应的调度策略。

6.一种基于端云协同的视频目标检测跟踪调度系统，其特征在于，包括：

待测视频获取模块，用于获取当前待测视频帧；

模型构建模块，用于以用户体验指标为优化目标，将当前网络预测带宽，视频帧跟踪误差和设备能耗输入构建好的任务调度决策模型中，所述任务调度模型包括状态空间，决策空间及其奖励函数；

策略调度模块，用于利用模型预测控制算法计算执行多个调度策略的奖励值，选择所述奖励值最高的所述调度策略作为下一步的调度策略，所述调度策略包括将所述当前待测视频帧发送至本地进行检测、发送至云端进行检测或者直接发送至目标跟踪模块进行检测。

7.根据权利要求6所述的基于端云协同的视频目标检测跟踪调度系统，其特征在于，还包括：

用户体验指标构建模块，用于建立考虑视频帧检测精度，视频帧跟踪误差以及设备能耗的所述用户体验指标。