买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉苏州大学申请的专利一种云边端场景下的视频帧自适应卸载方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121691765B 。

龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610181616.6，技术领域涉及：H04N21/234；该发明授权一种云边端场景下的视频帧自适应卸载方法及装置是由潘昊;陈宁;黄河;孙玉娥;邢彦妮;汪笑宇设计研发完成，并于2026-02-09向国家知识产权局提交的专利申请。

本一种云边端场景下的视频帧自适应卸载方法及装置在说明书摘要公布了：本发明涉及云边端任务协同调度技术领域，公开了一种云边端场景下的视频帧自适应卸载方法及装置，包括将待卸载视频流按照预设时隙划分为多个视频块；基于视频块中各个图像帧的粗粒度特征获取预测精度；基于云端模型、边缘模型及系统的性能数据，构造各个视频块的最大理论精度表达式，以及时隙负载队列与时隙延迟队列，进一步构造Lyapunov函数，并计算获取漂移项；基于漂移项与最大理论精度表达式，获取优化目标函数，并取相反数作为适应度函数；以各个视频块的不同云卸载比例与边缘卸载比例为个体，利用遗传算法，获取各个视频块的目标个体，将各个视频块中的所有图像帧按预测精度由大到小的顺序，卸载至云端、边缘或本地。

本发明授权一种云边端场景下的视频帧自适应卸载方法及装置在权利要求书中公布了：1.一种云边端场景下的视频帧自适应卸载方法，其特征在于，包括： 将待卸载视频流按照预设时隙划分为多个视频块； 基于视频块中各个图像帧的边缘像素数量、图像熵，以及各个图像帧与其前一图像帧之间的光流标准差值，获取各个图像帧的预测精度； 基于云端模型推理精度、边缘模型推理精度，以及表征各图像帧卸载位置的二进制参数，构建各个视频块的最大理论精度表达式； 基于云端模型处理能力、边缘模型处理能力、时隙负载数据，以及预设时隙的长度，构造时隙负载队列，包括：基于云端模型处理能力、边缘模型处理能力，以及预设时隙的长度，计算系统每时隙处理数据量，表示为：；基于系统每时隙处理量，以及时隙的时隙卸载数据量，构建时隙负载队列，表示为：；其中，表示第时隙结束时的系统负载系数，表示第时隙结束时的系统负载系数，表示取最大值； 基于预设时隙的延迟与预设截止时间，构造时隙延迟队列，包括：基于云端卸载比例、待卸载视频流的视频帧率与视频分辨率、预设时隙的长度、帧参数与云端带宽，计算云端延迟，表示为：；基于边缘卸载比例、待卸载视频流的视频帧率与视频分辨率、预设时隙的长度、帧参数与边缘带宽，计算边缘延迟，表示为：；对云端延迟与边缘延迟求和，获取预设时隙内卸载数据所带来的延迟，表示为：；基于预设时隙的延迟与预设截止时间，构造时隙延迟队列，表示为：；其中，帧参数为表示图像帧宽高与数据量的参数，表示第时隙结束时的系统延迟系数，表示第时隙结束时的系统延迟系数； 基于时隙负载队列与时隙延迟队列，构造Lyapunov函数，表示为：；其中，表示第时隙的状态变量所对应的Lyapunov函数，表示第时隙结束时的系统负载系数的平方，表示第时隙结束时的系统延迟系数的平方； 并计算获取漂移项，表示为：；其中,表示第个时隙的漂移项，表示条件期望； 基于漂移项与最大理论精度表达式，转换获取draft-plus-penalty形式的优化目标函数，并取优化目标函数的相反数作为适应度函数； 以各个视频块的不同云卸载比例与边缘卸载比例为个体，构造初始种群，进行更新，直至适应度函数收敛，获取各个视频块的目标个体； 基于各个视频块的目标个体对应的目标云卸载比例与目标边缘卸载比例，将各个视频块中的所有图像帧按预测精度由大到小的顺序，卸载至云端、边缘或本地。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州大学，其通讯地址为：215299 江苏省苏州市吴江区久泳西路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。