(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210898346.2 (22)申请日 2022.07.28 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 戴祥祥　杨鹏　张泽宇　陈芃　 周楚骎　 (74)专利代理 机构 华中科技大 学专利中心 42201 专利代理师 夏倩 (51)Int.Cl. G06F 9/50(2006.01) G06N 3/08(2006.01) G06V 10/74(2022.01) G06V 10/762(2022.01)G06V 10/82(2022.01) (54)发明名称 一种视频传输 配置模型的构建方法及应用 (57)摘要 本发明公开了一种视频传输配置模型的构 建方法及应用， 属于视频分析技术领域； 本发明 预先基于 各摄像头的采集到的历史视频视频， 将 各摄像头按照其所采集的视频内容的相似度聚 类到多个摄像头簇中， 并与距离最近的边缘计算 节点进行匹配， 划分的子集共享同一边缘节点， 从而使得同一摄像头簇中具有相似特征的视频 源的各摄像头共享同一视频传输配置， 有选择性 的传输数据， 大大减少了资源开销； 与此同时， 基 于强化学习方法为每一个边缘计算节点均训练 得到一个视频传输配置单元， 共同构建得到视频 传输配置模 型， 实现了动态视频段的自适应配置 选择， 能够以较小的资源开销实现视频传输参数 的自适配 置。 权利要求书2页 说明书8页 附图4页 CN 115357379 A 2022.11.18 CN 115357379 A 1.一种视频传输配置模型的构建方法， 其特 征在于， 包括以下步骤： S1、 搭建视频传输配置模型； 所述视频传输配置模型包括： 多个视频传输配置单元； 视 频传输配置单元的数量与边缘计算节点的数量相同， 一个视频传输配置单元对应一个边缘 计算节点； 所述视频传输配置单 元包括强化学习网络； 所述视频传输配置单元用于将对应边缘计算节点接收对应摄像头采集的视频段时的 环境状态信息输入至其强化学习网络中， 得到视频传输参数； 将对应边缘计算节点所对应 的各摄像头按照所得视频传输参数进 行统一配置后， 计算得到在所述环境状态信息下进 行 相应配置后的奖励值， 记为环境状态信息所对应的奖励值； 所述环 境状态信息包括： 传输延 迟、 传输带宽、 视频分析的准确度及类型； 视频传输参数包括： 视频帧率、 视频分辨率和用于 进行视频分析的视频 段大小； S2、 将各边缘计算节点所对应的训练样本子集输入至对应的视频传输配置单元中， 分 别最大化各训练样本子集中的所有环境状态信息所对应的奖励累积值， 对 各视频传输配置 单元进行训练， 从而得到训练好的视频传输配置模型； 其中， 边缘计算节点所对应的训练样本子集包括： 在若干历史时刻下边缘计算节点接 收对应摄像头采集的视频 段时的环境状态信息； 边缘计算节点与摄像头之间的对应关系的确定方法， 包括： 对各摄像头按照其所采集 的视频内容的相似度进行聚类， 得到各摄像头簇； 并分别将各摄像头簇和与其距离最近的 边缘计算节点进行匹配。 2.根据权利要求1所述的视频传输配置模型的构建方法， 其特征在于， 所述边缘计算节 点与摄像头之间的对应关系的确定方法， 包括以下步骤： S01、 分别 对各摄像头采集的视频段按帧进行奇异值分解， 得到各摄像头所采集的各视 频帧的奇异值； S02、 对任意两个 摄像头， 按照以下公式计算 其采集的视频内容的相似度； 其中， simpq为第p个摄像头和第q个摄像头所采集的视频内容的相似度； Sp为第p个摄像 头所采集的各视频帧的奇异值集合； |Sq|为奇异值集合Sp中奇异值的个数； Sq为第q个摄像 头所采集的各视频帧的奇异值集合； |Sq|为奇异值集合Sq中奇异值的个数； 为奇异值集 合Sp中第i个奇异值， 为奇异值 集合Sq中第i个奇异值， S03、 对各摄像头进行聚类， 得到各摄像头簇， 使得在各摄像头簇中任意两个摄像头所 采集的视频内容的相似度小于预设相似度； S04、 分别计算各摄像头簇与各边缘计算节点之间的地理距离， 分别将各摄像头簇和与 其距离最近的边 缘计算节点进行匹配。 3.根据权利要求1所述的视频传输配置模型的构建方法， 其特征在于， 记将对应边缘计 算节点所对应的各摄像头按照基于环境状态信息所得的视频传输参数进 行统一配置后， 将 摄像头输出的视频段传输至 云端服务器进 行视频分析的时刻为t， 此时， 所得环境状态信息 对应的奖励值 为：权　利　要　求　书 1/2 页 2 CN 115357379 A 2Rt＝(1‑ε )accuracyt‑ε delayt 其中， ε为预设权重； accuracyt为对t时刻下所传输的视频段进行视频分析的准确度； delayt为t时刻下将摄 像头输出的视频 段传输至云端服 务器的传输延迟。 4.根据权利要求1所述的视频传输配置模型的构建方法， 其特征在于， 所述强化学习网 络包括： Actor网络和Critic网络； 所述Actor网络用于基于对应边缘计算节点接收对应摄 像头采集的视频段时的环境状态信息， 得到视频传输参数； 所述Critic网络用于对所述 Actor网络所得的视频传输参数进行评价， 以最大化评价结果为目标， 对Actor网络进行训 练。 5.根据权利要求1所述的视频传输配置模型的构建方法， 其特征在于， 所述步骤S2中， 对各视频传输配置单 元的训练过程并行 执行。 6.根据权利要求1 ‑5任意一项所述的视频传输配置模型的构建方法， 其特征在于， 在训 练过程中， 对各视频传输配置单元， 每输入一次环境状态信息样本， 并将对应边缘计算节 点 所对应的各摄像头按照该视频传输参数进 行统一配置后， 采集此时对所传输的视频段进 行 视频分析后的QoE指标值， 判断所述QoE指标值是否小于预设阈值， 若是， 则计算对应的奖励 值， 并基于奖励值对视频传输配置单元中强化学习网络的参数值进 行更新； 否则， 结束当前 轮次的训练， 直接 输入下一个环境状态信息样本， 从而开始下一轮训练。 7.根据权利要求1 ‑5任意一项所述的视频传输配置模型的构建方法， 其特征在于， 还包 括： 每隔预设时间段， 重新收集边缘计算节 点所对应的训练样 本子集， 采用步骤S2对视频传 输配置模型进行强化学习训练， 从而对所述视频传输配置模型进行 更新； 所述边缘计算节点与摄 像头之间的对应关系按照其确定方法定期更新。 8.一种视频传输配置方法， 其特征在于， 包括： 将待配置摄像头采集视频段时的环境状 态信息， 输入至视频传输配置模型中与待配置摄像头相对应的边缘计算节点所对应的视频 传输配置单 元中， 得到 视频传输参数， 并按照所 得视频传输参数对待配置摄 像头进行配置； 其中， 视频传输配置模型采用权利要求1 ‑7任意一项所述的视频传输配置模型的构建 方法构建得到 。 9.一种视频传输配置系统， 包括： 存储器和 处理器， 所述存储器存储有计算机程序， 所 述处理器执行所述计算机程序时执 行权利要求8所述的视频传输配置方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质包括存储的计算机程序， 其 中， 在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1 ‑7任意 一项所述的视频传输配置模型的构建方法和/或权利要求8所述的视频传输配置方法。权　利　要　求　书 2/2 页 3 CN 115357379 A 3