基于智能边缘云的人及物追踪方法、装置及系统制造方法及图纸

本发明专利技术属于物联网技术领域，具体涉及一种基于智能边缘云的人及物追踪方法、基于智能边缘云的人及物追踪装置及基于智能边缘云的人及物追踪系统。该基于智能边缘云的人及物追踪方法包括步骤：采集并汇总各人及物追踪请求的信息，所述人及物追踪请求的信息包括待追踪人及物的至少一个特征；对所述人及物追踪请求针对追踪时延、准确率进行深度分析，得到满足深度分析评价条件的追踪分析结果；将满足所述深度分析评价条件的追踪分析结果提供给人及物追踪请求发出者。该基于智能边缘云的人及物追踪方法通过将人及物追踪请求实时以基于智能边缘云的人及物追踪算法进行动态深度分析，实现追踪时延低、匹配准确率高、异构异地数据库互通的优势。

Human and Object Tracking Method, Device and System Based on Intelligent Edge Cloud

The invention belongs to the technical field of Internet of Things, and specifically relates to a human and object tracking method based on intelligent edge cloud, a human and object tracking device based on intelligent edge cloud and a human and object tracking system based on intelligent edge cloud. The human and object tracking method based on intelligent edge cloud includes steps: collecting and summarizing the information of each person and object tracking request, and the information of the person and object tracking request includes at least one feature of the person and object to be tracked; analyzing the human and object tracking request in depth for tracking delay and accuracy, and obtaining the tracking analysis results satisfying the conditions of depth analysis and evaluation; The results of the tracking analysis of the depth analysis evaluation conditions are provided to the sender of the transit tracking request. The intelligent edge cloud based human and object tracking method realizes the advantages of low tracking delay, high matching accuracy and heterogeneous database interoperability by real-time human and object tracking requests and dynamic depth analysis based on intelligent edge cloud human and object tracking algorithm.

【技术实现步骤摘要】
基于智能边缘云的人及物追踪方法、装置及系统
本专利技术属于物联网
，具体涉及一种基于智能边缘云的人及物追踪方法、基于智能边缘云的人及物追踪装置及基于智能边缘云的人及物追踪系统。
技术介绍
随着物联网迅猛发展，边缘终端设备的数量迅速增加，同时边缘终端设备所产生数据量已达到泽字节(ZB)级别。集中式数据处理不能有效处理边缘终端设备所产生的海量数据,边缘云已被业界普遍认定为下一代数字化转型的主要趋势之一。移动边缘计算(MobileEdgeComputing，简称MEC)是将传统云计算平台的部分计算任务迁移到接入域，并将传统业务与互联网业务进行深度融合，减少传统业务交付的端到端时延，进而带给运营商的运作带来全新模式，并建立全新的产业链及生态圈。这种情况下，面对日益迫切的边缘云及物人追踪发展需求，基于智能边缘云的人及物追踪机制的迅速持续发展具有重要意义。然而，现有云计算系统未充分考虑到追踪高时延、匹配率低、异构异地数据库相对孤立等方面问题。随着边缘云及物人追踪业务的快速增长，伴之产生的追踪时延高、匹配准确率低、异构异地数据库相对孤立等问题日益突出。
技术实现思路
本专利技术所要解决的技术问题本文档来自技高网...

【技术保护点】
1.一种基于智能边缘云的人及物追踪方法，其特征在于，包括步骤：采集并汇总各人及物追踪请求的信息，所述人及物追踪请求的信息包括待追踪人及物的至少一个特征；对所述人及物追踪请求针对追踪时延、准确率进行深度分析，得到满足深度分析评价条件的追踪分析结果；将满足所述深度分析评价条件的追踪分析结果提供给人及物追踪请求发出者。

【技术特征摘要】
1.一种基于智能边缘云的人及物追踪方法，其特征在于，包括步骤：采集并汇总各人及物追踪请求的信息，所述人及物追踪请求的信息包括待追踪人及物的至少一个特征；对所述人及物追踪请求针对追踪时延、准确率进行深度分析，得到满足深度分析评价条件的追踪分析结果；将满足所述深度分析评价条件的追踪分析结果提供给人及物追踪请求发出者。2.根据权利要求1所述的基于智能边缘云的人及物追踪方法，其特征在于，对所述人及物追踪请求针对追踪时延、准确率进行深度分析，得到满足深度分析评价条件的追踪分析结果，包括：步骤S1，设置迭代初始参数和最大迭代次数；步骤S2，对所述人及物追踪请求针对追踪时延、准确率进行深度分析，获取并汇总各追踪分析结果；步骤S3，判断当前的所述追踪分析结果是否满足深度分析评价条件，如果满足，则转到步骤S5；如果不满足，则转到步骤S4；步骤S4，将迭代次数加1，重复步骤S2和步骤S3，直到满足加速优化分析评价条件或达到最大迭代次数；步骤S5，将满足所述深度分析评价条件的追踪分析结果输出。3.根据权利要求2所述的基于智能边缘云的人及物追踪方法，其特征在于，对所述人及物追踪请求针对追踪时延、准确率进行深度分析，包括：对特征进行分类及组合；建立深度分析模型；采用最优似然估计优化函数进行深入分析，最优似然估计优化函数为：上述公式中i、j、t为维度，i＝1,2,…m；j＝1,2,…n；t＝1,2,…,q；k表示第k次迭代，其中k满足k≤d，k＝1,2,…,d的条件；α+β+…+γ＝1；α,β,…,γ∈(0,1)；α,β,…,γ为w个特征点的组合权值；η为1和w之间的一个随机数；为w个特征点的误检度，当特征点被正确识别分类时，值为0，否则为1；mod为取余函数；为当前第k次追踪时延，初始值设置为默认值；为当前第k次准确率，为第k次信息向量，为包括的信息向量；为第k次迭代各特征点区别性特征增强因子，为w个特征点的相似度，4.根据权利要求2所述的基于智能边缘云的人及物追踪方法，其特征在于，迭代次数加1后，对所述人及物追踪请求针对追踪时延、准确率进行深度分析，包括：更新深度分析模型；采用最优似然估计优化函数进行深入分析，最优似然估计优化函数为：上述公式中i、j、t为维度，i＝1,2,…m；j＝1,2,…n；t＝1,2,…,q；k表示第k次迭代，其中k满足k≤d，k＝1,2,…,d的条件；α+β+…+γ＝1；α,β,…,γ∈(0,1)；α,β,…,γ为w个特征点的组合权值；η为1和w之间的一个随机数；为w个特征点的误检度，当特征点被正确识别分类时，值为0，否则为1；mod为取余函数；为当前第k次追踪时延，初始值设置为默认值；为当前第k次准确率，为第k次信息向量，为包括的信息向量；为第k次迭代各特征点区别性特征增强因子，为w个特征点的相似度，以及，k+1表示第k+1次迭代，为第k+1次信息向量，为第k+1次迭代记忆增强因子，为第k+1次训练因子，LminK为第k次最小追踪时延，LminG为历史最小追踪时延，CmaxG为历史最大准确率。5.根据权利要求3或4所述的基于智能边缘云的人及物追踪方法，其特征在于，判断当前的所述追踪分析结果是否满足深度分析评价条件，包括：采用联合评价函数进行判断，联合评价函数为：其中：ε∈(0,1)。6.根据权利要求1所述的基于智能边缘云的人及物追踪方法，其特征在于，采集并汇总各人及物追踪请求的信息的步骤中：通过每隔预置时间主动上报和/或定期被询问机制，获取各人及物追踪请求，并将这些信息进行汇总。7.一种基于智能边缘云的人及物追踪装置，其特征在于，包括请求获取模块、...

【专利技术属性】
技术研发人员：王智明，徐雷，毋涛，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11