云视频监控系统的能耗优化研究.pptxVIP

云视频监控系统的能耗优化研究;概述;云视频监控系统 随着云计算的发展，形成了一种视频监控即服务（video surveillance as a service）的全新的云计算服务模式，即云视频监控系统 优点 降低了监控系统的成本 更强的可扩充性和共享功能 视频数据更加安全可靠 ;云视频监控系统（数据中心）的高能耗问题 规模和数量的不断增加 众多监控节点的持续运行 海量视频数据在数据中心的管理和存储 日益增多的客户浏览端的管理 ;体系结构与能耗分析;能耗优化机理分析 系统的能耗研究分层次，将云视频监控系统的能耗优化研究分为监控节点、物理节点和存储节点等 3 个层次。 ;监控节点的能耗优化方法 监控节点的能耗是云监控系统众多的监控终端摄像头在集成视频的采集、编码和传输过程中所产生的能耗。 依据监控节点有源或无源(电池供电)，当前在其能耗优化方面的研究大致分为两大类：基于有源监控节点和基于无源监控节点。;基于有源 有源的监控节点一般是由市电转化为适当电压的直流电直接进行供电。目前国内外的相关研究主要集中在如何提高视频服务质量,侧重于以网络带宽、计算能力等为约束,从视频编码和网络传输的角度,或者研究多监视端协同工作中的视频重构、分割等问题。 ;代表方法 网络自适应实时视频的传输方法，充分利用可用带宽以最大化视频质量； 运动自适应视频编码与无线传输的方法； 基于背景识别的视频压缩方法,通过对单个视频帧的自适应平滑，提取单个视频帧的图像特点,保留相关度高的图像信息； 基于位置的多视点视频重构合成的方法 ；;基于无源 无源的视频监控节点一般是由电池供电。对于无源监控节点的能耗优化研究主要集中在多媒体传感网络中，从视频传感节点的分布、多目标追踪、编码和传输等方面考虑如何降低能耗、延长传感网络的生存时间等问题。 ; 延长视频数据的网络生存时间 即在能量总量不变或者能耗有所减低的前提下，使视频文件在网络上的生存时间最大化。;代表算法有： 基于网格编码的无线视频传感器网络网络容错恢复机制； 负载相似节点分布策略； 多 sink 无线传感器网络路由算法； 比例权值路由算法（ratio-W）与和权值路由算法（sum-W）； 基于 Inter-Flow 网络编码的多 Sink 环境下编码感知的交叉路径任播路由协议CodeMesh； 基于链路稳定性预测的组播路由协议等。 ;多目标追踪问题中的能耗优化方法 由于在进行多目标追踪时，每帧图像都要进行前景对象检测、分析和对多目标的识别和跟踪等，导致监控节点能耗较高。 针对这一问题的代表算法有： 基于运动速度自适应的能耗优化方法； 应用于多重背景下视频分割对象的阈值决策算法； 建立基于动态联盟机制的协同任务分配的分布式约束满足模型，并采用分布式随机算法求解满足约束条件的动态联盟集合，以实现多动态联盟间协同的方法；;选择合适的加密方式 指在研究视频传感网络的视频流加密过程的基础上，选择一种合适的加密方式,通过减少加密所造成的额外开销来降低视频传输过程中的能耗的方法。 代表方法有： 基于信道意识的选择性加密方法； 混沌视频加密算法； 基于数据分割模式的视频流选择加密策略； 分层加密的方法；;调整处理器电压 动态调整处理器的工作电压（和频率等），使其刚好满足当时的运行需求,从而在性能和能耗之间取得平衡。 代表方法有： 节点适时休眠的降低电压的方法； 动态电压分配法调整处理器电压； 在动态电压调节（DVS）的基础上考虑增加节点缓冲器长度或降低节点溢出概率，进一步节省能耗等； ;物理节点的能耗优化方法 云计算中虚拟机的主要载体可定义为物理节点（计算节点），主要运行视频监控和浏览两类虚拟机，其主要能耗来源有： 服务器的磁盘、CPU、交换机、排风扇等设备的低效率运转； 不恰当的虚拟机部署策略； 不合理的任务接入和调度导致的虚拟机超载； 为适应负载的动态变化而采取的虚拟机实时迁移等； ;根据现有的计算节点的两种能耗模型——比例模型和两段模型，可以将物理节点的能耗优化方法分为基于比例模型的方法和基于两段模型的方法两大类。 基于比例模型 比例模型假设节点能耗和设备（CPU 、磁盘、交换机等）的利用率成正比，忽略设备空闲时的能耗。 ;调整频率和电压 根据负载的变化情况动态调整CPU频率和电压。代表方法有： 对服务器进行功耗监控基础之上的基于最佳利用率的功率控制策略； 基于服务器静态特征参数的处理器能效最优初始执行频率的计算方法； ;调整磁盘转速 磁盘动态转速（dynamic rotations per minute,简称 DPRM）调整策略可以使得磁盘可以在不同的访问频率下以不同的转速运转，从而在满足性能要求的同时尽可能地降低磁盘的能耗。 动态调整磁盘