基于边缘计算模型的智能视频监控系统的设计.docxVIP

基于边缘计算模型的智能视频监控系统的设计 　　摘要：面对视频监控的应用场景及技术需求，以云计算为代表的集中式数据处理模型在资源需求方面开销较大，过度依赖于云计算中心的网络带宽，在实时性等方面也难于满足视频处理的需求。本文提出一种适用于视频监控场景的边缘计算模型，从计算、网络带宽和存储3种主要资源为切入点，设计系统架构，在利用边缘节点的计算能力完成视频的预处理，构建docker容器化平台，采用分级调度策略，降低网络拥塞问题。通过测试，该模型可以有效降低视频监控场景下的计算、存储及网络传输等开销。 　　关键词：边缘计算模型;智能视频监控;docker容器;调度策略 　　0引言 　　近年来，本校以建立智慧校园体系为目标，启动了信息化改造升级工程，其核心目标是建立综合安全监控系统。在图书馆、教室、走廊、校道及其它公共场所部署大量的摄像机，以满足各类安防视频采集的要求。然而，海量视频信息的产生也给信息化系统建设带来了存储、传输等方面的问题。 　　云计算技术已日趋成熟，应用也越来越广泛。利用云计算技术构建智慧校园体系，采用资源整合的方式，可以降低项目建设成本，为用户带来按需扩展等优点。但集中式资源管理方式，在面对监控系统的应用场景，存在资源需求方面开销较大的问题。海量视频的传输、存储及分析都将消耗云计算中心的大量资源。在实时性方面也难于满足视频处理的需求。 　　基于上述问题，本文提出在智慧校园体系中，部署基于边缘计算的视频采集框架及容器化应用。在边缘计算模型的视频监控系统中，利用边缘节点部署运动侦测算法，对边缘设备采集的视频流进行运动目标检测等预处理，减少冗余信息，降低系统对存储及传输的需求。部署容器化平台，带来更好的调度特性，解决边缘计算节点的资源调度问题，提高云计算中心的整体性能。 　　1相关工作 　　1.1边缘计算 　　随着技术的发展变革，智能终端的普及，应用场景越来越复杂。以云计算模型为代表的集中式数据处理模式，已经不适用于海量实时数据的处理。如直播、在线教育、智慧城市、智能安防等。针对这一问题，以“数据处理应更靠近数据源头”为核心理念的边缘计算模型应运而生。 　　边缘计算（edgecomputing，ec）经过近年的发展，其定义和说法有多种，边缘计算产业联盟对边缘计算的定义是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为联接物理和数字世界的桥梁，使用智能资产、智能网关、智能系统和智能服务。 　　1.2智能视频监控 　　智能視频监控系统（intelligentvideosurveillancesystem，ivss）是指不需要人工干预的情况下，利用计算机视觉、图像及视频分析算法，对视频采集设备所拍摄的流式视频图像进行分析，对视频中的运动目标进行检测、识别和跟踪，在此基础上对目标进行分析和行为判断。当发现异常情况时进行告警处理。 　　在智能视频监控系统中，一般包含视频采集、图像预处理、运动目标检测、运动目标跟踪、运动目标分类、行为描述与理解和告警处理模块。相较于传统的监控系统，智能视频监控系统具有许多优点： 　　（1）准确率高。在系统的前端集成视频采集、分析模块，用户可以根据需要对异常情况的特征进行详细定义，降低漏报和误报，提高告警的准确率。 　　（2）响应速度快。系统中可以实现自动检测功能，识别异常情况，告警模块可以迅速提示安保人员查看监控系统或赶赴现场。可以提高异常事件的处理速度。 　　（3）可靠性高。系统可以实现7*24全天候的自动分析处理功能，减少了现场人工监视，避免监视人员因疲劳等情形忽略视频中的异常情况。 　　在智慧校园体系中，监控系统使用大量的摄像机进行7*24小时的监控，将产生海量的视频数据。因此，通常在视频采集模块加入运动目标检测算法，在边缘节点对实时视频流进行预处理。提高视频的处理效率，避免了云计算中心产生大量的计算开销;算法可以筛选出有效视频帧，减少监控视频中的冗余信息，有效降低大量视频采集设备获取的海量视频信息对存储空间及网络带宽等方面的开销，达到节约建设成本的目的。 　　1.3容器化调度 　　云计算是一种将计算资源按需供应给用户的新型商业模式，能满足用户复杂的动态资源需求，从而减少用户在购置基础设施及硬件维护成本方面的投入。传统的中心化、粗粒度的虚拟化架构，不太适合于海量视频信息的处理。 　　docker容器技术的出现为云计算以及企业it架构的演进带来了新的革命。docker相较于传统虚拟化技术减少