申请/专利权人：北京航空航天大学

申请日：2022-11-29

公开（公告）日：2024-06-18

公开（公告）号：CN115842926B

主分类号：H04N21/2343

分类号：H04N21/2343

优先权：["20211129 CN 2021114387630"]

专利状态码：有效-授权

法律状态：2024.06.18#授权;2023.04.11#实质审查的生效;2023.03.24#公开

摘要：本发明公开了一种基于改进的SARL的远程视频时效性优化方法，首先设置远程视频系统初始化参数以及执行方法所需的状态、动作与奖励输入；然后对网络波动情况进行判断，若网络波动较小，则使用基于统计分析的方法计算先来先服务或后来先服务策略下视频图像的平均信息年龄，进而选择最优的分辨率；若网络波动较大，则使用基于强化学习的方法根据实时网络状态设置当前时刻的最优分辨率。本发明解决的技术问题是，在远程视频应用中，图像采集端如何根据网络状态调整视频图像的分辨率，以优化视频图像目标识别结果的信息年龄。

主权项：1.一种基于改进的SARL的远程视频时效性优化方法，其特征在于包括有下列步骤：SARL是指统计分析与强化学习相结合的方法；步骤一：设置远程视频系统参数；步骤101：设置视频图像的分辨率；任意一个图像采集设备采集到的视频图像，记为；所述视频图像的图像分辨率，记为；远程视频系统中所有图像采集设备采集到的视频图像为，图像采集设备的分辨率为； 表示远程视频系统中第1个图像采集设备采集的视频图像，所述视频图像的图像分辨率记为； 表示远程视频系统中第2个图像采集设备采集的视频图像，所述视频图像的图像分辨率记为； 表示远程视频系统中第个图像采集设备采集的视频图像，所述视频图像的图像分辨率记为； 表示远程视频系统中最后一个图像采集设备采集的视频图像，所述视频图像的图像分辨率记为；步骤102：设置视频图像的传输时间分布；视频图像上传到边缘服务器中的传输时间记为，且； 为边缘服务器接收到视频图像的接收时刻； 为图像采集设备向边缘服务器上传视频图像的发送时刻；设置传输时间服从传输时间均值的指数为分布；记录所述上传至边缘服务器的传输时间，则有视频图像－传输时间集合记为，且；视频图像上传至边缘服务器的传输时间记为；视频图像上传至边缘服务器的传输时间记为；视频图像上传至边缘服务器的传输时间记为；步骤103：设置视频图像在边缘服务器中的目标识别计算时间分布；视频图像的目标识别计算时间记为，且； 表示视频图像在边缘服务器中进行识别的开始时刻，简称为目标识别开始时刻； 表示视频图像在边缘服务器中被识别出的时刻，简称为目标识别结束时刻；设置服从目标识别计算时间均值的指数为分布；记录所述进行目标识别所需的计算时间，则有目标识别计算时间集合记为，且；视频图像在边缘服务器中的目标识别计算时间记为；视频图像在边缘服务器中的目标识别计算时间记为；视频图像在边缘服务器中的目标识别计算时间记为；步骤104：设置视频图像在边缘服务器中的识别概率；视频图像在边缘服务器中能够被识别成功的识别概率记为，且标记为0或1；将赋值给目标识别概率阈值；所述被识别的概率集合记为，且 ；视频图像的识别概率记为；视频图像的识别概率记为；视频图像的识别概率记为；步骤二：信息年龄计算；步骤201：基于先来先服务策略计算图像分辨率的平均信息年龄；采用计算视频图像集合的分辨率信息年龄，记为图像分辨率－先来先服务信息年龄集合 ； 表示视频图像的先来先服务信息年龄； 表示视频图像的先来先服务信息年龄； 表示视频图像的先来先服务信息年龄； 表示视频图像的先来先服务信息年龄；步骤202：基于后来先服务策略计算图像分辨率的平均信息年龄；采用计算视频图像集合的分辨率信息年龄，记为图像分辨率－后来先服务信息年龄集合 ； 表示视频图像的后来先服务信息年龄； 表示视频图像的后来先服务信息年龄； 表示视频图像的后来先服务信息年龄； 表示视频图像的后来先服务信息年龄；步骤三：服务策略的选择；网络波动信号阈值记为，当前网络波动信号记为；当，采用先来先服务策略进行基于统计分析的分辨率选择；执行步骤四；当，采用后来先服务策略进行基于强化学习的分辨率选择；执行步骤五；步骤四：基于统计分析的分辨率选择；步骤401：以最小图像分辨率－的信息年龄作为最优分辨率；设置最小的图像分辨率－的信息年龄，记为；设置最优图像分辨率，记为；从中选取出最小的图像分辨率－的信息年龄，记为；并将所述赋值给，找出对应的视频图像，即；在找到视频图像的同时也知晓了所述对应的图像分辨率；将所述赋值给；或者，从中选取出最小的图像分辨率－的信息年龄，记为；并将所述赋值给，找出对应的视频图像，即；在找到视频图像的同时也知晓了所述对应的图像分辨率；将所述赋值给；步骤402：调节图像采集设备端的采集分辨率；依据最优图像分辨率去调节图像采集设备端中各个采集设备的分辨率；步骤五：基于强化学习的分辨率选择步骤501：输入强化学习的学习参数；采用的强化学习方法在，以及参数未知的情况下得到最优图像分辨率；定义先来先服务策略下的决策时刻的状态向量为，动作决定决策时刻的上传分辨率；决策时刻的奖励为，其中表示等待队列的长度； 表示第次决策时刻的信息年龄； 表示第次决策时刻的当前被上传的视频图像； 表示第次决策时刻的处于等待队列中的视频图像； 表示第次决策时刻的当前进行目标识别的视频图像；定义后来先服务策略下的决策时刻的状态向量为；动作决定决策时刻的上传分辨率；决策时刻的奖励为；步骤502：强化学习关联参数；设置强化学习关联参数：初始状态，贴现因子，学习率，探索概率，同步间隔；步骤503：训练学习；步骤A，记远程视频系统的网络结构为；步骤B，初始化网络结构；步骤C，设置决策时刻；步骤D，将状态输入到网络结构；步骤E，依据探索概率选择一个随机动作；步骤F，依据探索概率选择动作，且赋值为；步骤G，执行动作；步骤H，依据动作遍历完成视频图像集合；步骤I，采用梯度下降法更新网络结构，得到目标网络；步骤J，如果决策时刻到达，则停止迭代，输出最优图像分辨率。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于改进的SARL的远程视频时效性优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD