Сравнительный анализ открытых систем видеоаналитики по критериям масштабируемости, скорости и надёжности в контексте распределения задач в гетерогенных вычислительных средах

Сравнительный анализ открытых систем видеоаналитики по критериям масштабируемости, скорости и надёжности в контексте распределения задач в гетерогенных вычислительных средах

Балашов С.А. (МЭИ, Москва, Россия)

Аннотация

В данной работе проведён сравнительный анализ одиннадцати открытых систем видеоаналитики с позиции их применимости к задачам распределения вычислений в гетерогенных средах, включающих центральные (CPU) и графические (GPU) процессоры. Рост числа камер видеонаблюдения требует обработки множества видеопотоков в реальном времени, а современная вычислительная инфраструктура всё чаще объединяет гетерогенные устройства (CPU, GPU, VPU, FPGA, TPU), что делает задачу эффективного планирования вычислений особенно сложной. Рассмотрены платформы: NVIDIA DeepStream SDK, Intel OpenVINO с GStreamer Video Analytics, GStreamer, Google MediaPipe, Savant, Deep- Framework, Distream, Frigate NVR, Apache Kafka + Apache Flink, Llama и Scanner. Проведена систематизация подходов к распределению задач – от статического конвейерного назначения до динамического планирования на основе направленного ациклического графа с учётом гетерогенности ресурсов. Сформирована сводная таблица сравнения по семи ключевым критериям (архитектура, поддержка гетерогенности, метод распределения задач, горизонтальная масштабируемость, пропускная способность, отказоустойчивость и поддержка обеспечения качества обслуживания/крайних сроков), показавшая, что ни одна система не сочетает промышленную производительность с адаптивным планированием. Выявлен ключевой пробел – отсутствие единого адаптивного планировщика, одновременно учитывающего гетерогенность оборудования (CPU+GPU), требования качества обслуживания (QoS), динамику нагрузки и многопоточную балансировку. Проведено экспериментальное исследование на оборудовании NVIDIA GeForce RTX 3060 + Intel Core i7-14700K по стандартизированному протоколу. Результаты показали, что облегченные реализации (пользовательский конвейер GStreamer и оптимизированный C++ прототип) достигают пропускной способности в 2.7–8.3 раза выше, чем программный комплект разработчика для потоковой видеоаналитики DeepStream, выявили существенные накладные расходы высокоуровневого программного интерфейса на языке Python Savant (44.6 мс латентности против 2.3 мс для конвейерного мультимедийного фреймворка GStreamer) и подтвердили жизнеспособность использования CPU для работы нейросетей через набор инструментов для оптимизации и развертывания моделей искусственного интеллекта OpenVINO (58.2 FPS при 52% утилизации CPU). Полученные результаты обосновывают актуальность разработки адаптивного планировщика, интегрирующего классические эвристики (HEFT/CPOP), обучение с подкреплением и мониторинг в реальном времени.

Ключевые слова

видеоаналитика; распределение задач; гетерогенные вычислительные среды; планирования на основе направленного ациклического графа; применение видеоускорителей; масштабируемость; открытые системы; конвейерная обработка; обработка в реальном времени; качеств

Издание

Труды Института системного программирования РАН, том 38, вып. 6, часть 1, 2026, стр. 87-96.

ISSN 2220-6426 (Online), ISSN 2079-8156 (Print).

DOI: 10.15514/ISPRAS-2026-38(6)-6

Для цитирования

Балашов С.А. Сравнительный анализ открытых систем видеоаналитики по критериям масштабируемости, скорости и надёжности в контексте распределения задач в гетерогенных вычислительных средах. Труды Института системного программирования РАН, том 38, вып. 6, часть 1, 2026, стр. 87-96. DOI: 10.15514/ISPRAS-2026-38(6)-6.

Полный текст статьи в формате pdf (на английском) Вернуться к содержанию тома