| |
Интеграция систем видеонаблюдения с анализом социальных сетей представляет серьезную проблему для современных вычислительных архитектур из-за противоречивых требований к задержке, точности и масштабируемости. Существующие подходы рассматривают эти области отдельно, создавая технологический разрыв, ограничивающий эффективность интегрированных систем безопасности. Мы предлагаем гибридную архитектуру с адаптивной задержкой, стратегически сочетающую преимущества микросервисных и граничных (edge-cloud) архитектур. Наша методология включает реализацию системы адаптивного разделения моделей, конвейера обработки с приоритетами на основе контекстуальной значимости и механизма асинхронного слияния с гарантией согласованности. Испытания проводились на трех конфигурациях возрастающего масштаба (50, 250 и 1000 камер). Предлагаемая архитектура демонстрирует снижение общей задержки на 43% по сравнению с традиционными архитектурами, повышение эффективности использования ресурсов на 38% и увеличение точности перекрестной идентификации на 7,2%. Комплексная эффективность, объединяющая эти показатели, достигает 52% улучшения для крупномасштабной конфигурации. Гибридный подход с адаптивной задержкой представляет собой значительный прогресс для интегрированных систем наблюдения. Его способность к контекстуальной адаптации и эффективность использования ресурсов делают его особенно подходящим для существующих городских развертываний и инфраструктур с переменными ограничениями пропускной способности, предлагая реалистичный путь улучшения текущих систем без полного перепроектирования.
Ключевые слова:видеонаблюдение, анализ социальных сетей, гибридная архитектура, распределенная обработка, адаптивная задержка, разделение моделей, мультимодальное слияние, системы реального времени, интегрированная безопасность, граничные вычисления
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
