买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南交通大学;重庆幼儿师范高等专科学校申请的专利基于感兴趣区域的时变环境感知视频分析任务卸载方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119135955B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411273137.4，技术领域涉及：H04N21/2343；该发明授权基于感兴趣区域的时变环境感知视频分析任务卸载方法是由戴朋林;陈欣雨;雷晓蔚;巢阳阳;吴晓设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本基于感兴趣区域的时变环境感知视频分析任务卸载方法在说明书摘要公布了：本发明公开了一种基于感兴趣区域的时变环境感知视频分析任务卸载方法，包括：在捕捉视频数据并获得视频帧后，通过边缘服务器模型生成初始边界框，本地终端决策模块将确定感兴趣区域打包尺寸以及卸载阈值，根据初始边界框得到感兴趣区域以及其累计偏移量和归一化相互关联值，基于卸载阈值判断是否卸载感兴趣区域至边缘服务器并对待卸载的感兴趣区域组合打包，从而实现小目标的高清视频流数据的实时处理；本发明的优点是：结合端边资源异构性，分析了环境与系统性能之间的依赖关系，对含有小目标的高清视频具有更好的分析性能。

本发明授权基于感兴趣区域的时变环境感知视频分析任务卸载方法在权利要求书中公布了：1.基于感兴趣区域的时变环境感知视频分析任务卸载方法，其特征在于，包括以下步骤： 步骤1、视频采集设备捕捉视频数据并通过解码器获得视频帧，再通过边缘服务器部署的模型生成初始化边界框以及待追踪感兴趣区域； 步骤2、本地终端上构建决策模块，以确定感兴趣区域打包尺寸、感兴趣区域累计像素偏移阈值以及感兴趣区域归一化相互关联阈值； 所述的决策模块基于时变环境感知，考虑系统当前状态对感兴趣区域打包尺寸、感兴趣区域累计像素偏移阈值和归一化相互关联阈值的设置做出决策，最终平衡处理时延和推理准确率； 本地终端的决策模块的实现结合了置信度上界方法、贝叶斯优化以及基于时序核函数的高斯过程，其具体实现如下： 首先将时间分解为固定时序分割的多个回合t∈{1,2,...,T}，决策模块通过观测环境上下文，对每一回合视频帧内的感兴趣区域集合确定自适应的参数设置和卸载阈值，并与环境交互来得到最优决策结果； 决策问题的主要要素包括动作、环境上下文、奖励以及奖励预测； 动作：决策动作包括感兴趣区域打包尺寸、感兴趣区域累计偏移阈值和归一化相互关联阈值，其定义为： at＝zt,θt,nt1 其中，zt表示当前回合适合的感兴趣区域组合打包尺寸，θt表示当前回合的累计偏移阈值设置，nt表示当前回合的归一化相互关联阈值，θt和nt将共同作为后续判断是否卸载的卸载阈值； 环境上下文：环境上下文包括系统的处理时延和推理准确率，其定义为： ct＝Dt-1,At-12 其中，Dt-1表示前一回合的处理时延，At-1表示前一回合的推理准确度； 奖励：在每个回合内，本地终端根据动作at对视频帧数据生成的感兴趣区域集合进行打包组合和卸载，当完成当前回合的处理后计算奖励函数来评估当前策略，奖励函数定义为： yt＝1Dt+α·At3 其中，α是权重参数； 奖励预测：在决策初始阶段，环境先验知识未知，且每回合内的动作上下文对与奖励之间的关系未知，故使用贝叶斯优化对奖励函数进行预测；贝叶斯优化下的奖励预测函数定义为： yt＝fxt+∈t4 其中，xt＝at,ct表示每一回合内d的动作上下文，表示随机噪声，即实际奖励和观察到的奖励之间的差异；根据高斯过程，奖励预测函数先验分布的均值函数为： 其协方差函数为： 其中，x和x′为动作上下文对集合X中的元素；此处，设置奖励函数f·的初始先验分布为 对于奖励预测函数先验分布的更新，根据Sherman-Morrison-Woodbury公式，奖励预测函数Yt＝[y1,...,yt]T的后验分布仍然服从高斯过程，则每个回合后验分布的均值为： μtx＝ktxTKt+σ2Ι-1Yt7 方差为： 其中，核函数Kt＝[kxx,x′],ktx＝[kxx1,x,...,kxxt,x]T,x,x′∈X； 首先在核函数kx中引入时间维度，在环境上下文对中引入时序参数t，其次，在平方指数核函数ks的基础上引入Ornstein-Uhlenbeck时间协方差函数ko，具体为： 其中，λ控制历史数据样本重要性的下降速率，λ越大，则表示历史数据样本重要性下降越快，新的数据样本将更加重要；l表示长度规模，其决定了x与x′的相互影响程度； 由于时序信息间隔具有均匀性，则对于核矩阵为其中，⊙为哈德曼积；其中，ut与Ut表示奖励预测yt对应数据样本的权重；故对于的后验分布如下： 对于探索利用平衡问题，使用置信度上界方法，每个回合的动作表示为： 其中，D为动作空间；βt为自定义常量，用于控制探索核利用之间的权重比例；均值表示动作空间中每个动作的利用价值；方差表示在动作选择中探索以获取更多信息的重要性； 步骤3、利用终端设备部署的目标追踪模块进行追踪，并实时计算感兴趣区域的累计像素偏移值和归一化相互关联值； 步骤4、本地终端基于卸载阈值判断是否将感兴趣区域通过Socket通信卸载至边缘服务器； 步骤5、本地终端对待卸载的感兴趣区域进行自适应组合打包，并根据卸载判断结果执行卸载； 步骤6、本地终端接收边缘服务器的推理结果，更新本地终端的最终推理结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南交通大学;重庆幼儿师范高等专科学校，其通讯地址为：611756 四川省成都市郫都区犀安路999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。