边缘实时视频分析的效用感知负载剪减
摘要：实时视频分析通常需要通过查询来处理视频帧，以识别感兴趣的对象或活动，并遵守端到端帧处理延迟的限制。由于需要流式传输和处理所有视频帧，此类应用对后端计算和网络基础设施施加了持续且重负荷。视频数据具有固有的冗余性，并且并不总是包含给定查询的感兴趣的对象。我们利用视频流的这个特性，提出了一种轻量级的负载控制器，可以部署在边缘服务器上或与摄像头共处的廉价边缘设备上，以丢弃无关的视频帧。所提出的负载控制器使用基于像素级颜色的特征来计算每个传入视频帧的效用分数，该分数表示该帧对于当前查询的效用。负载控制器使用最小效用阈值来选择有趣的帧以发送进行查询处理。丢弃不必要的帧可以使后端的视频分析查询在较少的计算和网络资源下满足端到端延迟约束。为了在运行时保证有界的端到端延迟，我们引入了一个控制循环，监视给定查询的后端负载，并动态调整效用阈值。性能评估表明，所提出的负载控制器选择了包含每个感兴趣对象的大部分帧，同时满足端到端帧处理延迟约束。此外，当在计算资源适度的边缘设备上运行时，负载控制器不会带来显著的延迟开销。
作者：Enrique Saurez, Harshit Gupta, Henriette Roger, Sukanya Bhowmik, Umakishore Ramachandran, Kurt Rothermel
论文ID：2307.02409
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-07-06