[发明专利]基于智能协作推理的分布式实时智能监控系统的建立方法

权利要求书

1.一种基于智能协作推理的分布式实时智能监控系统的建立方法，其特征在于，包括如下步骤：

S1，构建包括监控终端、基站和云的视频监控系统；

S2，利用横向分割和纵向分割算法建立基于深度神经网络的横向分割模型，所述横向分割模型的输出包含横向执行网络和纵向执行网络；

S3，将横向分割模型的横向分割点决策、横向执行节点决策、纵向执行节点决策构建为马尔科夫决策过程；

S4，云利用DDQN的多智能体深度强化学习算法，并以最小化任务处理时间差为目标函数构建分割点执行设备决策模型；

S5，各监控终端将产生的视频流分别输入分割点执行设备决策模型，并根据分割点执行设备决策模型生成的横向执行节点决策将视频流上传到对应的横向执行节点，横向执行节点利用横向分割模型完成模型的横向分割和执行，并将横向执行后的网络参数发送到对应的纵向执行节点上；

S6，纵向执行节点根据分割点执行设备决策模型生成的纵向执行节点决策分别利用纵向分割算法对各自的纵向执行网络进行纵向分割和执行；

S7，云接收来自各纵向执行节点的执行结果，并利用轨迹匹配算法完成跨相机轨迹匹配。

2.根据权利要求1所述的基于智能协作推理的分布式实时智能监控系统的建立方法，其特征在于，所述步骤S2包括如下步骤：

S2.1，将深度神经网络模型构建为有向无环图；

S2.2，利用深度优先算法获得深度神经网络模型中从输入层到输出层的最长路；

S2.3，利用横向分割算法将步骤S2.2中得到的最长路分割为横向执行网络和纵向执行网络

所述横向执行网络和纵向执行网络的网络参数的表达式为：

式中，n的取值为0或1，当n＝0时，表示横向分割点p^h所分割的横向执行网络的网络参数，当n＝1时，表示横向分割点p^h所分割的纵向执行网络的网络参数，表示Resunit网络结构在横向分割点p^h所分割的网络的网络层中的数量占比，ω_Resunit表示Resunit网络结构的参数，表示CBL_{conv+bn+leakyRelu}网络结构在横向分割点p^h所分割的网络中的数量占比，ω_CBL表示CBL_{conv+bn+leakyRelu}网络结构的参数，表示CBM_conv+bn+mish网络结构在横向分割点p^h所分割的网络中的数量占比，ω_CBM表示CBM_conv+bn+mish网络结构的参数。