Video analytics edge computing exploiting IoT cameras has gained high attention. Running such tasks on the network edge with low latency is very challenging since video and image processing are both bandwidth-hungry and computationally intensive.
Video analytics application’s performance is often affected by a subtle change in environment contexts, which existing solutions do not handle efficiently since IoT cameras are treated just as sensors or actuators.
In this thesis, we propose an context-aware dynamic IoT resource allocation scheme for video analytics edge computing to overcome such a limitation. For this, our scheme supports an application-aware IoT configuration by representing relationships between IoT camera resources and application service requirement and dynamically reconfigures IoT cameras in the presence of application and environment context changes.
We implement a proof-of-concept system to evaluate the proposed scheme. Experiment results show that our scheme can substantially reduce latency due to context changes.
오늘날 사물 인터넷 카메라를 이용한 비디오 분석 엣지 컴퓨팅이 주목을 받고 있다. 비디오와 이미지 프로세싱은 많은 컴퓨테이션 자원과 넓은 네트워크 대역폭이 요구되기 때문에 엣지 네트워크에서 이러한 작업을 수행하는 것은 매우 도전적이다. 비디오 분석 어플리케이션의 성능은 환경적 요인의 작은 변화에도 영향을 받는데 기존 방법은 사물 인터넷 카메라를 센서나 엑츄에이터로만 활용하기 때문에 이에 효과적으로 대응하지 못한다. 본 논문에서는 이러한 한계를 극복하기 위해서 상황 인지 동적 사물 인터넷 리소스 할당 기법을 제안한다. 이를 위해, 사물 인터넷 카메라 자원과 어플리케이션 서비스 요구사항의 관계를 표현하여 서비스에 맞춘 사물 인터넷 구성을 지원하고 어플리케이션과 환경적 요인의 변화에 맞게 동적으로 사물 인터넷 카메라를 재구성한다.
프로토타입 시스템을 구현하여 제안 기법을 평가한 결과, 환경적 요소의 변화에 기존 기법보다 현저히 빠르게 적응함을 보였다.
