| 摘要:当前交通、安防等领域广泛应用摄像头采集视频进行分析，传统将视频流直接上传到云平台处理的方式面临接入量受限、时延大等问题；边云协同架构下，将部分视频流卸载到边缘服务器可降低时延，可缓解云服务压力。考虑到视频分析任务对准确率、时延和能耗都有一定要求，提出通过同时控制视频帧的分辨率、边缘服务器部署卷积神经网络(Convolution Neural Network， CNN)模型的策略以及边云卸载决策，来最大化视频分析准确率，同时满足长期平均时延和能耗约束的问题。利用李雅普诺夫随机优化理论将原优化问题转化为每个时隙的独立优化问题，并采用蚁群优化算法求解得到动态卸载优化策略，包括视频帧的分辨率选择、边缘服务器部署哪些CNN模型以及边云卸载决策。仿真实验结果表明，所提动态卸载策略相比其他基线方案能够在满足约束的情况下获得更高的视频分析准确率。 |
| 关键词: 边云协同计算 卸载决策 李雅普诺夫理论 蚁群优化算法 视频分析 |
|
|
|
|
| Abstract: |
| Key words: |