基于iFogSim模拟器的智能监控网络的应用研究

刘春林 张立祥

摘要：由于分布式摄像机智能监控网络运行时会产生大量数据，如果搭建真实的智能监控网络进行测试，成本非常高而且操作困难。iFogSim模拟器作为物联网仿真测试平台，能模拟预期规模的智能监控网络环境，从而大大降低了智能监控网络的测试成本。文章使用iFogSim模拟器对智能监控网络进行模拟验证，旨在测量和分析资源管理技术在延迟、网络拥塞、能耗方面的影响，从而降低测试成本。

关键词：iFogSim；智能监控；网络

中图分类号：TP311  文献标志码：A

0 引言

近年来，分布式摄像机智能监控网络已经广泛应用于公共安全、制造、运输、医疗保健等领域。但智能监控网络会产生大量数据，使得数据分析应用程序不堪重负。实践证明，手动监视来自摄像机系统的视频流数据是不切实际的，对这类智能监控网络的性能进行实时数据分析是十分困难的。因此，需要用模拟器工具来仿真物联网的运行环境，自动分析来自摄像机的数据。

1 iFogSim模拟器

1.1 模拟器的重要性

模拟器是物联网系统设计过程中必不可少的工具。搭建真实的物联网试验台虽然是理想的，但在许多情况下成本太高，并且无法提供可重复和可控的环境。因此，模拟器被视为具有成本效益的研究物联网系统的重要手段。但是，目前很少有模拟器可以模拟物联网环境。

1.2 iFogSim简介

1.2.1 iFogSim是什么

iFogSim是物联网、边缘计算和雾计算环境中资源管理技术建模和仿真工具包，是在大型云计算仿真软件CloudSim的框架下开发的。iFogSim扩展了CloudSim类，提供了模拟大量雾节点和物联网设备仿真自定义的雾计算环境，用户可以运用iFogSim轻松定义雾计算的基础设施、服务部署和资源分配策略［1］。

1.2.2 iFogSim的组成

iFogSim由3个基本组件组成。

（1）物理组件。物理组件包括雾设备也称作雾节点。最低层次的雾设备直接连通传感器（senser）和驱动器（actuator），包括FogDevice类、Sensor类、Actuator类、PhysicalTopology类。

（2）逻辑组件。应用模块（AppModules）和应用边缘（AppEdges）在ifogSim中是逻辑组件，包括Application类、AppModule类、AppEdge类、AppLoop类。

（3）管理组件。在iFogSim中管理组件关联着控制和模块映射对象，包括Controller類、ModuleMapping类、MoudulePlacement类、ModulePlacementMapping类。

1.2.3 iFogSim的实现

iFogSim的实现由模拟实体和模拟服务组成。

（1）模拟实体。

在iFogSim程序中，模拟实体的物理拓扑（包括传感器、网关、云虚拟机及其连接）既可以通过GUI构建，也可以通过Java API以编程方式构建。

（2）模拟服务包括两类服务。

第一类是电源监控服务。每个雾设备都与电源模型相关联，FogDevice类中包含元组处理逻辑，其中相关的功率模型用于根据资源利用率的变化更新设备功耗。

第二类是资源管理服务。iFogSim为应用程序提供了两个级别的资源管理：放置和调度。它们被抽象为单独的策略，以便于扩展和定制。

2 基于iFogSim技术的智能监控应用程序

2.1 智能监控网络的要求

一个典型的分布式摄像机智能监控网络有如下要求。

（1）低延迟通信。为了有效覆盖目标，需要根据捕获的图像实时调整多个摄像机的云台参数，这需要摄像机和摄像机控制策略组之间的低延迟通信。

（2）处理大量数据。摄像机不断发送捕获的视频帧进行处理，会导致巨大的流量产生，尤其是在考虑到系统中所有摄像机的情况下。因此，处理大量的数据而不使网络陷入拥塞很有必要。

（3）繁重的长期处理。摄像机控制策略需要不断更新，以便学习最佳的云台参数计算策略。这需要在很长一段时间内对控制策略所采取的决策进行分析，这使得该分析在计算上是密集的［2］。

2.2 智能监控系统的工作原理

用于分析摄像机生成的数据的集中式工具并不理想，主要是因为需要将大量数据发送到中央处理机。这不仅会导致系统的高延迟，还会消耗少量的可用带宽。因此，以分散的方式处理视频流是更可取的分析方法。

智能监控系统旨在协调具有不同视野的多个摄像机来监视给定区域。摄像机之间的协调涉及云台参数的协调调整，以便可以获得该区域的最佳视图。此外，系统还会在发生异常事件时向用户发出警报，这些事件会引起安全部门的注意。

智能摄像机检测其视野中的运动对象，并开始向智能监控应用程序发送视频流。智能监控应用程序在发送的视频流中定位移动对象并启动跟踪。移动对象的跟踪是通过不断调整该位置的摄像机的云台参数来完成的，以便获得所有被跟踪对象的最佳视图。此外，在检测到感兴趣的事件的情况下，应用程序通知系统用户，并通过互联网将捕获的视频流发送给它。

2.3 应用程序的组成和各模块的功能

基于iFogSim技术的智能监控系统的应用模型如图1所示。多个CCTV（Closed-Circuit Television）摄像机充当传感器，向应用程序提供实时视频流，并且每个摄像机中的云台控制不断调整云台参数。

智能监控应用程序主要由5个执行处理的模块组成：运动检测器、对象检测器、对象跟踪器、云台控制和用户界面。

（1）运动检测器。该模块嵌入在智能摄像机中，不断读取摄像机捕获的原始视频流，以查找对象的运动。在检测到摄像机视野中有运动对象的情况下，视频流被向上转发到对象检测模块以进行进一步处理。

（2）對象检测器。对象检测模块接收视频流，其中智能摄像机检测对象的运动。该模块从视频流中提取运动对象，并将其与先前在该区域中活动的对象进行比较。如果检测到的对象之前不在该区域中，则激活对该对象的跟踪。此外，还可计算物体的坐标。

（3）对象跟踪器。对象跟踪器模块接收当前跟踪对象的最后计算的坐标，并计算覆盖该区域的所有摄像机的最佳云台配置，以便能够以最有效的方式捕获跟踪对象。该云台信息被周期性地传送到摄像机的云台控制。

（4）云台控制。该模块在每个智能摄像机上运行，并调整物理摄像机以符合对象跟踪器模块发送的最佳云台参数。该模块用作系统的执行器，并嵌入在智能摄像机中。

（5）用户界面。应用程序通过将包含每个被跟踪对象的部分视频流发送到用户设备来呈现用户界面，它需要来自对象检测器模块的经过滤的视频流。

在智能监控系统中，应用程序模块、数据依赖关系、控制循环分别使用 AppModule类、AppEdge类和AppLoop类进行建模。物理拓扑通过FogDevice类、Sensor类、PhysicalTopology类和Actuator类在iFogSim中进行建模［3］。

3 效能评估

3.1 对验证进行设计

运用基于iFogSim技术的智能监控应用程序在多个摄像机网络设施配置上进行了验证。为了验证的合理和全面，设置具有1，2，4，8，16个监视区域的5种情况，每个监控区域都有4个智能摄像机监控该区域，这些摄像机连接到区域网关，该网关负责为它们提供互联网接入。

基于上述5种情况，分别设计了物理拓扑配置，并分别对应为配置1、配置2、配置3、配置4和配置5。拓扑结构在顶点有云数据中心，在网络边缘有智能摄像头。智能摄像机以元组的形式馈送实时视频流，用于执行运动检测，并且摄像机的云台控制已经被建模为执行器。在物理网络上放置应用模块时，使用了两种放置策略，即Cloud-Only和EdgeWard。在Cloud-Only放置的情况下，除了运动检测器模块与智能摄像机绑定以外，应用程序中的所有操作都放置在云数据中心上；在EdgeWard放置中，对象检测器和对象跟踪器模块被放在监视该区域的摄像机所连接到互联网的WiFi网关。

3.2 评估结果

下面以控制环路的平均处理延迟、网络负载情况、能耗3个指标对智能监控网络的运行效能进行评估。

3.2.1 控制环路的平均处理延迟

在Cloud-Only放置策略的情况下，如图2所示，云数据中心在执行模块时遇到瓶颈，导致延迟显著增加。而EdgeWard放置策略成功地保持了低延迟，因其将控制环路的关键模块放置在靠近网络边缘的位置。

3.2.2 网络使用情况

如图3所示，显示了智能监控应用程序对布局策略的网络使用情况。随着连接到应用程序的设备数量的增加，与EdgeWard部署相比，在Cloud-Only部署的情况下，网络上的负载会显著增加。这一观察结  果验证了，在使用Edge-Ward部署的情况下，如对象检测器和对象跟踪器这样的模块被放置在边缘设备上，大大减少了发送到集中式云数据中心的视频数据量。即在“基于雾的执行”中，大多数数据密集型通信都是通过低延迟链路进行的。

3.2.3 能源消耗

如图4所示，显示了仿真中不同类别的器件所消耗的能量。在雾设备上部署应用程序与仅在云数据中心上部署应用程序进行了比较，摄像机在捕获的视频帧中执行运动检测，消耗了大量的功率。因此，当监控区域增加时，摄像机的能耗也会大幅增加。另外，当操作被放到雾设备时，云数据中心的能耗会降低。

4 结语

为了在分布式摄像机智能监控网络中创新地实现实时分析，需要一个评估环境来测试不同的资源管理和调度技术。使用真实的智能监控网络作为测试平台，虽然是可取的，但成本太高，并且不能提供可重复和可控的环境。本文介绍的iFogSim模拟器，能够在不同场景下模拟智能监控网络的资源管理和应用程序调度策略［4］。实验研究并验证了运用iFogSim在评估智能监控网络系统方面的可行性和有效性，结果表明，iFogSim能够支持智能监控网络环境中预期规模的模拟，大大降低了智能监控网络的测试成本。

参考文献

［1］RAJKUMAR B，SATISH N S.雾计算与边缘计算：原理及范式［M］.彭木根，孙耀华，译.北京：机械工业出版社，2020.

［2］庞宁，黄安子，李颖杰，等.基于云平台的分布式资源智能监控结构体系研究［J］.电力电容器与无功补偿，2022（2）：120-126.

［3］GUEROUT T， MONTEIL T， DA C G， et al. Energy-aware simulation with DVFS［J］.Simulation Modelling Practice and Theory，2013（39）：76-91.

［4］陈庚.基于成本效益和QoS状态感知的雾计算任务调度算法研究［D］.重庆：重庆邮电大学，2020.

（编辑 沈 强）

Research on the application of intelligent monitoring network based on iFogSim simulator

Liu  Chunlin， Zhang  Lixiang

（Kaili University， Kaili 556011， China）

Abstract：  Due to the large amount of data generated during the operation of the distributed camera intelligent monitoring network， if a real intelligent monitoring network is built for testing， the cost is very high and the operation is difficult. The iFogSim simulator， as the Internet of Things simulation test platform， can simulate the expected scale of intelligent monitoring network environment， thus greatly reducing the test cost of intelligent monitoring network. This paper uses iFogSim simulator to simulate and verify the intelligent monitoring network， aiming to measure and analyze the impact of resource management technology on delay， network congestion and energy consumption， thus reducing the test cost.

Key words： iFogSim; intelligent monitoring; network