当前大量移动设备已经配备了摄像头,为了处理捕捉到的画面,移动设备需要有目标检测的能力。目标检测可以让机器理解图片中的内容,也是AR等应用研发的基础。当目前主流的高性能目标检测技术大多使用了卷积神经网络等复杂算法的模型,使用移动设备执行这些任务将面临算力不足、时延过长和能耗过高等问题。边缘计算则为解决这这些问题提供了 一种新的思路。边缘计算将传统的云计算数据中心下沉到网络边缘。用户可以将复杂的计算任务卸载到边缘云,以完成高性能、低时延的运算。在边缘计算场景下,本文设计了一种适用于移动设备的实时目标检测系统。论文主要成果如下:1.设计了针对视频中连续图像的压缩算法。该算法根据图像的上下文信息,选择图像中感兴趣区域,使用最邻近差值采样降低非感兴趣区域的采样率来减小图像体积。通过实验可得出该算法可以得到良好的压缩率并保留图片的关键特征。2.设计了智能卸载判别算法。该算法通过计算视频帧之间的区别,决定当前帧是否为关键帧,并对关键帧执行卸载。通过实验可得,该算法显著减少了卸载的数据量,且不会对系统检测准确率产生显著影响。3.设计了边缘计算场景下目标检测系统框架。该系统使用了上述两种算法,结合了目标检测和目标追踪技术。本研究使用虚拟机技术模拟了该系统,通过实验可以得知,相比于传统的系统,本研究设计的系统可以显著提升降低响应时延,提升检测准确率并减少边缘云的计算压力。