多场景视频智能处理系统及调度管理算法研究

多场景视频智能处理系统及调度管理算法研究

论文摘要

随着时代的进步和经济的高速发展,社会安全引起了人民的重视。提高视频监控信息化水平,促进新兴科技在视频监控领域的应用,已成为并将长期作为社会安全工作的重点。视频智能处理旨在解决视频监控人为监督、分析的现状,将计算机视觉和图像分析技术,集成到视频处理系统,完成多样化的需求。多路视频智能处理,具有数据量大、算法复杂度高的特点,面对严苛的实时性需求以及软硬件资源的限制,提出一个多场景视频智能处理系统解决方案具有重要的研究意义。本文的主要工作如下:根据视频处理的重复性和时序性特点,研究并提出了基于并发流水线的MSSM视频调度管理算法。为了保证面向不同应用场景的扩展性,算法部署在通用视频前端预处理过程中,包括整体并行化方案设计、并发流水线的算法架构、视频调度算法设计、视频存储管理以及视频智能跳帧算法等,本文称之为场景规则下的视频调度管理算法(MSSM)。结合应用场景的先验知识以及视频智能处理实时反馈,对任务和数据进行调度和管理,达到合理调度系统资源,视频处理信息最大化的目标,基于调度管理算法的场景性因素引入,本文针对单帧人数统计这一应用场景,研究并优化了基于轻量级网络的视频智能处理算法。采用Mobilenet系列作为特征提取网络,引入小尺度特征以及全局信息;使用优化的SSD作为后端检测框架,在精度和效率上进行均衡。其一作为调度管理算法的数据基础,满足一定的实时性,其二也为深度学习模型在边缘终端部署提供了参考,达到了更低的延迟、更少的模型参数以及优良的鲁棒性。最后,针对本文提出的多场景视频智能处理及调度管理相关算法设计,提出了基于边缘计算的多场景视频智能处理系统解决方案。搭建基于单帧人数检测的多路视频智能处理系统。提炼需要验证的算法模块或者方案设计,结合相应的软硬件优化技术,对系统的性能和效果进行测试,并对结果进行了分析和总结,达到多路视频处理系统的高性能,稳定运行的目标。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 课题背景及研究意义
  •   1.2 国内外研究现状
  •     1.2.1 高清视频监控研究现状
  •     1.2.2 视频智能处理研究现状
  •     1.2.3 调度管理算法研究现状
  •   1.3 本文主要内容
  •   1.4 论文组织结构
  • 第2章 高清视频处理及深度学习相关技术
  •   2.1 高清视频前端处理相关技术
  •     2.1.1 高清视频流采集
  •     2.1.2 高清视频编解码
  •     2.1.3 高清视频存储
  •     2.1.4 图像预处理
  •   2.2 边缘计算相关技术
  •   2.3 深度学习加速相关技术
  •     2.3.1 深度学习介绍
  •     2.3.2 加速相关技术
  •   2.4 本章小结
  • 第3章 多场景视频处理系统的总体设计
  •   3.1 总体分析
  •     3.1.1 研究对象
  •     3.1.2 需求分析
  •   3.2 系统架构设计
  •   3.3 系统总体设计
  •   3.4 本章小结
  • 第4章 基于并发流水线的MSSM视频调度管理算法研究
  •   4.1 并发流水线性能分析
  •   4.2 MSSM总体架构
  •     4.2.1 并行化方案
  •     4.2.2 算法总体架构
  •   4.3 MSSM相关算法设计
  •     4.3.1 视频调度设计
  •     4.3.2 视频存储管理设计
  •     4.3.3 视频智能跳帧设计
  •   4.4 算法应用问题
  •   4.5 本章小结
  • 第5章 基于轻量级网络的视频智能处理算法研究
  •   5.1 单帧人数统计算法对比和不足
  •     5.1.1 传统机器学习方法
  •     5.1.2 深度学习方法
  •   5.2 头部检测网络优化设计
  •     5.2.1 Mobilenet特征提取网络
  •     5.2.2 SSD目标检测网络
  •     5.2.3 评价标准
  •   5.3 算法验证
  •     5.3.1 实验环境及数据集制作
  •     5.3.2 网络模型训练和测试
  •     5.3.3 实验结果分析
  •   5.4 本章小结
  • 第6章 多场景视频智能处理系统实现与测试
  •   6.1 系统开发环境
  •   6.2 关键模块设计与实现
  •   6.3 系统前端设计
  •   6.4 系统性能分析
  •     6.4.1视频解码性能对比实验
  •     6.4.2视频增量跳帧算法对比实验
  •     6.4.3图像数据获取对比实验
  •     6.4.4 系统整体效果
  •   6.5 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间取得的研究成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 冯小琴

    导师: 黄樟钦

    关键词: 高清视频监控,调度算法,智能处理,边缘计算,并发流水线

    来源: 北京工业大学

    年度: 2019

    分类: 基础科学,社会科学Ⅰ辑,信息科技

    专业: 数学,公安,计算机软件及计算机应用

    单位: 北京工业大学

    分类号: D631;TP391.41;O224

    DOI: 10.26935/d.cnki.gbjgu.2019.000322

    总页数: 78

    文件大小: 4725K

    下载量: 51

    相关论文文献

    • [1].基于对数障碍法的网络流量管理算法[J]. 成都大学学报(自然科学版) 2017(03)
    • [2].有效的无线传感器网络密钥管理算法[J]. 计算机工程与设计 2009(01)
    • [3].基于动态规划与机器学习的插电式混合动力汽车能量管理算法研究[J]. 汽车技术 2020(10)
    • [4].基于同步和异步时间管理的混合时间管理算法[J]. 计算机技术与发展 2011(07)
    • [5].一种自适应的FRED缓存管理算法[J]. 电路与系统学报 2008(01)
    • [6].一种面向智能芯片的快速存储管理算法[J]. 计算机工程 2016(10)
    • [7].区分服务的一种自适应队列管理算法[J]. 上海电机学院学报 2008(01)
    • [8].基于粒子群优化的传感器管理算法研究[J]. 信号处理 2009(07)
    • [9].基于可靠性模型及数据融合的冷却风扇健康管理算法[J]. 计算机测量与控制 2014(08)
    • [10].一种基于遗传算法的多传感器管理算法[J]. 现代防御技术 2008(06)
    • [11].认知网络中基于服务信息的队列管理算法[J]. 软件 2013(12)
    • [12].低轨卫星网络支持飞机用户的切换管理算法[J]. 计算机应用 2009(08)
    • [13].基于信息增量的机动目标传感器管理算法[J]. 火力与指挥控制 2008(01)
    • [14].面向智能电网客户大数据的语义关键数据管理算法研究[J]. 激光杂志 2016(02)
    • [15].嵌入式系统电源管理算法研究[J]. 煤矿机械 2013(11)
    • [16].面向网络能效优化的动态权重队列管理算法[J]. 计算机应用 2016(04)
    • [17].基于Unscented粒子滤波的传感器管理算法[J]. 火力与指挥控制 2011(06)
    • [18].无线传感器网络节点基于时间相关性的缓冲管理算法[J]. 传感技术学报 2010(12)
    • [19].基于工况识别的HEV自适应能量管理算法[J]. 湖南大学学报(自然科学版) 2009(09)
    • [20].基于改进协方差控制的传感器管理算法[J]. 火力与指挥控制 2016(07)
    • [21].基于模糊推理的多因素传感器管理算法[J]. 现代雷达 2014(05)
    • [22].REDu:一种新的识别并惩罚非适应流的主动式队列管理算法[J]. 电子学报 2010(08)
    • [23].基于NS2的队列管理算法性能仿真分析[J]. 数字技术与应用 2010(03)
    • [24].一种协方差和信息增量联合控制的多传感器管理算法[J]. 电光与控制 2009(07)
    • [25].一种新的组密钥管理算法[J]. 计算机科学 2008(11)
    • [26].基于合作博弈的路由队列管理算法[J]. 计算机应用 2008(S2)
    • [27].基于服务质量的LTE-A无线资源管理算法[J]. 计算机仿真 2015(12)
    • [28].基于滑动窗口的量子秘钥管理算法[J]. 吉林大学学报(工学版) 2016(02)
    • [29].基于多核PC的事务内存冲突管理算法的改进[J]. 现代计算机 2019(23)
    • [30].AOS中不同星上信源类型下队列管理算法研究[J]. 科技资讯 2018(12)

    标签:;  ;  ;  ;  ;  

    多场景视频智能处理系统及调度管理算法研究
    下载Doc文档

    猜你喜欢