公开(公告)号：CN113723279B

公开(公告)日：2022-11-01

申请号：CN202111000951.5

申请日：2021-08-30

Applicant: 东南大学

Inventor： 刘梦阳 ,  东方 ,  唐安然 ,  王慧田 ,  沈琳 ,  沈典 ,  熊书明

IPC: G06V20/40 ,  G06V10/82 ,  G06T7/246 ,  G06T7/277 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种边缘计算环境中基于时空间优化的多目标跟踪加速方法，属于边缘计算、视频分析和深度学习领域。该方法包括：步骤1、利用TensorRT推理优化框架对执行多目标跟踪的深度神经网络模型进行结构优化；步骤2、使用基于时空间优化的实时多目标跟踪算法执行模式对多目标跟踪任务执行进行加速；步骤3、针对基于时空间优化的实时多目标跟踪算法中特征提取部分的深度学习推理，建立并求解自适应的端边协同数据并行模型；步骤4、基于步骤3所执行的端边协同数据并行模型，将其结果在进行合并并完成后处理计算，输出多目标跟踪结果。本方法的应用提升了目前目标跟踪视频分析系统的执行速度并最大化利用了系统内的计算资源。

公开(公告)号：CN113723279A

公开(公告)日：2021-11-30

申请号：CN202111000951.5

申请日：2021-08-30

Applicant: 东南大学

Inventor： 刘梦阳 ,  东方 ,  唐安然 ,  王慧田 ,  沈琳 ,  沈典 ,  熊书明

IPC: G06K9/00 ,  G06T7/246 ,  G06T7/277 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种边缘计算环境中基于时空间优化的多目标跟踪加速方法，属于边缘计算、视频分析和深度学习领域。该方法包括：步骤1、利用TensorRT推理优化框架对执行多目标跟踪的深度神经网络模型进行结构优化；步骤2、使用基于时空间优化的实时多目标跟踪算法执行模式对多目标跟踪任务执行进行加速；步骤3、针对基于时空间优化的实时多目标跟踪算法中特征提取部分的深度学习推理，建立并求解自适应的端边协同数据并行模型；步骤4、基于步骤3所执行的端边协同数据并行模型，将其结果在进行合并并完成后处理计算，输出多目标跟踪结果。本方法的应用提升了目前目标跟踪视频分析系统的执行速度并最大化利用了系统内的计算资源。