随着大量高清网络摄像机的部署,边缘视频分析已成为边缘计算中的一种典型应用。由于不少边缘设备的计算能力有限,边缘视频分析仍然存在很多性能问题。比如高分辨率、帧率的视频处理极易造成帧堆积,因此,如何减少帧堆积,从而提高视频分析系统的实时性十分重要;此外,视频参数的多样性也会影响视频处理的效果,针对不同参数的视频数据,视频处理系统需要自适应调整系统参数以保证视频处理性能。针对上述问题,本文提出解决方案,具体工作如下:首先,针对系统处理能力弱导致的帧堆积问题,本文提出了在帧接收和帧处理间加入缓存即帧缓存队列的方法,来并行处理缓存帧,以解决帧接收时延问题,加速视频处理。实验结果表明,帧缓存队列解决了边缘视频处理系统丢帧问题,满足帧实时处理的同时,降低了系统功耗,提高了边缘处理实时视频数据的能力。然后,对于不同分辨率的视频数据,本文分析了图像缩放因子对视频数据处理效果的影响,提出了图像缩放因子动态设置方案:以系统性能指标(服务器端系统功耗和内存使用率)作为视频处理性能指标(人脸检测率)的约束条件,获取该分辨率下人脸检测率最优时对应的图像缩放因子。实验结果表明,对于不同分辨率的视频数据,图像缩放因子动态设置方案可以在保证视频处理性能的基础上,减少系统功耗和内存使用率,提高视频处理效率和能力。最后,本文探究了目标检测区域对不同分辨率下视频处理效果的影响,提出目标检测区域动态设置方案:基于目标区域像素点数与图像像素点数的比值与图像分辨率无关,而与拍摄距离有关这一事实;对于特定拍摄距离,以对应的比值和视频分辨率获得区域像素点数,并以其为轴中心,将轴中心分别减去和加上相同的轴距离获得检测区域像素点的上限和下限;通过实验获得最佳轴距离,在保证人脸检测率的同时缩短视频处理时间。即对于不同分辨率的图像,根据拍摄距离与比值(目标区域像素点数/图像像素点数)和轴距离的映射关系,系统自动设置一个合理的目标检测区域,以最少的视频数据得到足够的人脸检测信息。实验结果表明,对于不同分辨率的视频数据,此方案既能保证帧接收率和人脸检测率,又能降低视频处理时间。实验表明,本文提出的方法,能有效地提高边缘实时视频处理性能,故能够应用于边缘实时视频平台的性能提升方案中。