公开(公告)号：CN116962414A

公开(公告)日：2023-10-27

申请号：CN202310926231.4

申请日：2023-07-26

Applicant: 北京理工大学

Inventor： 杨松 ,  侯彪 ,  张煊梓 ,  李凡

IPC: H04L67/1001 ,  H04L67/1021 ,  H04L41/16 ,  H04N7/18

Abstract: 本发明涉及一种基于无服务器计算的自适应视频流传输方法及系统，属于流媒体传输技术领域。系统由细粒度的无服务器管道实现视频交付，利用无状态函数来加强对视频请求事件的响应，使用一种基于三端剪辑的近端策略优化PPO的深度强化学习算法来解决视频播放过程中的比特率自适应序列决策问题。此外，将动态视频块质量因素纳入用户体验QoE指标，用以配置QoE模型，为每个视频块分配一个优先权重，提高视频比特率决策的鲁棒性，从而减小视频流传输时延，提高了用户观看体验。

公开(公告)号：CN115082845A

公开(公告)日：2022-09-20

申请号：CN202210450859.7

申请日：2022-04-26

Applicant: 北京理工大学

Inventor： 杨松 ,  侯彪 ,  李凡

IPC: G06V20/52 ,  G06V10/764 ,  G06V10/82 ,  H04N7/18

Abstract: 本发明涉及一种基于深度强化学习的监控视频目标检测任务调度方法，属于边缘计算技术领域。首先抽取监控视频关键帧压缩待处理视频规模，使用残差U‑Net神经网络对监控视频的关键帧进行显著性目标检测，识别有价值的目标信息。同时，采用云边协作架构，根据云服务器和边缘设备的可用资源，使用深度强化学习异步优势行动者评论家A3C算法优化调度残差U‑Net网络，将残差U‑Net网络目标检测任务根据当前系统可用资源，自适应地卸载在云服务器或边缘设备执行，从而减小系统时延，提高实时性能。