一种基于边缘设备的图像处理系统及方法技术方案

本发明专利技术公开了一种基于边缘设备的图像处理系统及方法，包括：数据采集器，采集目标区域的目标图像数据；监测终端，与数据采集器连接，将数据采集器采集到的目标图像数据导入数据监测模型中进行监测分析；当数据监测模型对目标图像数据进行监测分析时，监测到目标图像数据存在符合数据监测模型所监测的数据类型时，生成目标对象信息；中心服务器，与监测终端连接，接收来自监测终端的目标对象信息，并对目标对象信息进行处理。本发明专利技术的技术效果：降低对于中心节点的配置需求，提高了在设计开发过程中的灵活性，可及时调整网络拓扑设计，以适应不同应用场景需求，具备更宽的适用范围。

【技术实现步骤摘要】
一种基于边缘设备的图像处理系统及方法
本专利技术涉及行为监测领域，特别涉及一种基于边缘设备的图像处理系统及方法。
技术介绍
在传统的图像处理系统中，往往采用简单的星型的拓扑结构，通过摄像头、麦克风或者是其他的数据采集设备，进行相关数据的采集，然后将采集得到的数据集中传输给中央节点的中央数据处理设备进行数据处理，从而得到最后的评估结果。但是该种网络拓扑结构，其规划与建设类似于瀑布模型，同时也具有瀑布模型所具有的问题，具体体现在非常强烈的依赖于早期进行的需求调查，不能适应需求的变化，其扩展性较差，比如其目的节点的数量完全取决于中央节点的计算能力，如果想要提高网络的规模，必须要对中央节点进行升级，而中央节点的升级能力，往往是相对有限的，一旦网络规模急剧膨胀，往往需要对中央节点进行直接的更换，一方面成本较高，另一方面在升级过程中往往需要对网络进行整体的停机，其新旧系统的转换代价比较大，同时其技术风险较高。
技术实现思路
为解决上述技术问题，本专利技术提供一种基于边缘设备的图像处理系统，具体的技术方案如下：一方面，提供一种基于边缘设备的图像处理系统，包括：至少一个数据采集器，用于采集目标区域的目标图像数据；至少一个监测终端，与所述数据采集器连接，将所述数据采集器采集到的所述目标图像数据导入所述数据监测模型中进行监测分析；每个监测终端加载有至少一个数据监测模型，每个数据监测模型监测分析目标对象的一类数据；当所述数据监测模型对所述目标图像数据进行监测分析时，监测到所述目标图像数据存在符合所述数据监测模型所监测的数据类型时，生成目标对象信息；至少一个中心服务器，与所述监测终端连接，接收来自所述监测终端的目标对象信息，并对所述目标对象信息进行处理。在本技术方案中，通过使用边缘设备，将原有的星型拓扑中的承担主要计算量的中心节点的计算量分担到各个边缘设备中进行，从而减少了中心节点运行过程中所需要的资源，从而降低了对于中心节点的配置需求，进而极大的提高了在设计开发过程中的灵活性，可根据需求的变化及时调整网络拓扑设计；同时，在成本上可以为中心节点设置大量的冗余计算量，从而提高了系统的可扩展性，可以实现简单的增量式的系统网络扩展，增加网络路径，而不需要对网络的其他节点如中心节点进行升级，从而适应系统网络的扩展。优选地，所述中心服务器对所述目标对象信息进行处理还包括：统计在设定时间内每类目标对象信息发生的参考次数后，根据预先设定的关键评分指标参数、异常行为参数、满分基准次数参数计算每类目标对象信息的参考分数；根据每类目标对象信息设置的权重参数及所述参考分数，统计出各类目标对象信息的综合参考评分。优选地，至少一个所述数据采集器、至少一个所述监测终端组成一个图像数据处理单元，一个中心服务器对应多个图像数据处理单元；不同图像数据处理单元处理同一或多个目标区域多个目标对象的各类数据。优选地，所述监测终端以事件的形式将所述目标对象信息发送给所述中心服务器；所述事件的内容具体包括：所述数据采集器的标识、所述监测终端的标识、所述事件的类型；所述中心服务器根据所述数据采集器的标识、所述监测终端的标识获取所述目标区域的位置，根据所述事件的类型获取所述目标对象信息的行为类型。优选地，还包括：模型训练服务器，与所述监测终端连接，将样本图像数据导入到深度学习算法模型中训练生成数据监测模型，并将所述数据监测模型下发给所述监测终端。优选地，所述模型训练服务器，用于将预先采集到的原始图像数据进行图像处理并生成样本图像数据，所述图像处理包括图像增强处理。所述模型训练服务器还包括参数设置器，用于接收外部输入，并根据所述外部输入设置所述中心服务器的处理过程的处理参数；所述处理参数具体包括关键评分指标参数、异常行为参数、满分基准次数参数、权重参数，用于设置所述权重参数及所述参考分数。优选地，还包括：监测模型部署器，用于从所述行为模型训练服务器上下载训练好的所述数据监测模型，并将所述数据监测模型部署到所述监测终端上。优选地，所述通过至少一个数据采集器，采集目标区域的目标图像数据包括：通过至少一个数据采集器，采集教室目标数据流；所述将所述数据采集器采集到的所述目标图像数据导入所述数据监测模型中进行监测分析包括：将所述教室目标数据流导入到所述数据监测模型中进行分析计算；当所述学生数据监测模型识别到所述教室目标数据流中，存在符合所述学生数据监测模型的检测行为时，生成学生行为信息；所述通过至少一个中心服务器接收来自所述监测终端的目标对象信息，并对所述目标对象信息进行处理包括：接收来自所述学生行为信息，并将所述学生行为信息通过预设的教学质量评估模型进行计算，产生教学活动质量评分。另一方面，提供一种基于边缘设备的图像处理方法，包括：通过至少一个数据采集器，采集目标区域的目标图像数据；将所述数据采集器采集到的所述目标图像数据导入所述数据监测模型中进行监测分析；每个监测终端加载有至少一个数据监测模型，每个数据监测模型监测分析目标对象的一类数据；当所述数据监测模型对所述目标图像数据进行监测分析时，监测到所述目标图像数据存在符合所述数据监测模型所监测的数据类型时，生成目标对象信息；通过至少一个中心服务器接收来自所述监测终端的目标对象信息，并对所述目标对象信息进行处理。优选地，包括：所述通过至少一个数据采集器，采集目标区域的目标图像数据包括：通过至少一个数据采集器，采集教室目标数据流；所述将所述数据采集器采集到的所述目标图像数据导入所述数据监测模型中进行监测分析包括：将所述教室目标数据流导入到所述数据监测模型中进行分析计算；当所述学生数据监测模型识别到所述教室目标数据流中，存在符合所述学生数据监测模型的检测行为时，生成学生行为信息；所述通过至少一个中心服务器接收来自所述监测终端的目标对象信息，并对所述目标对象信息进行处理包括：接收来自所述学生行为信息，并将所述学生行为信息通过预设的教学质量评估模型进行计算，产生教学活动质量评分。本专利技术至少包括以下一项技术效果：(1)通过使用边缘设备，将原有的星型拓扑中的承担主要计算量的中心节点的计算量分担到各个边缘设备中进行，从而减少了中心节点运行过程中所需要的资源，从而降低了对于中心节点的配置需求，进而极大的提高了在设计开发过程中的灵活性，可根据需求的变化及时调整网络拓扑设计；(2)通过使用边缘设备，减少了中心节点所需要的计算量，从而在成本上可以为中心节点设置大量的冗余计算量，从而提高了系统的可扩展性，可以实现简单的增量式的系统网络扩展，增加网络路径，而不需要对网络的其他节点如中心节点进行升级，从而适应系统网络的扩展；(3)通过使用边缘设备，将模型的识别过程移动到边缘设备上而不是中心节点上，使得在运行维护，系统升级的过程中，涉及到模型本身的升级内容，无需对整个系本文档来自技高网...

【技术保护点】
1.一种基于边缘设备的图像处理系统，其特征在于，包括：/n至少一个数据采集器，用于采集目标区域的目标图像数据；/n至少一个监测终端，与所述数据采集器连接，将所述数据采集器采集到的所述目标图像数据导入所述数据监测模型中进行监测分析；每个监测终端加载有至少一个数据监测模型，每个数据监测模型监测分析目标对象的一类数据；/n当所述数据监测模型对所述目标图像数据进行监测分析时，监测到所述目标图像数据存在符合所述数据监测模型所监测的数据类型时，生成目标对象信息；/n至少一个中心服务器，与所述监测终端连接，接收来自所述监测终端的目标对象信息，并对所述目标对象信息进行处理。/n

【技术特征摘要】
1.一种基于边缘设备的图像处理系统，其特征在于，包括：
至少一个数据采集器，用于采集目标区域的目标图像数据；
至少一个监测终端，与所述数据采集器连接，将所述数据采集器采集到的所述目标图像数据导入所述数据监测模型中进行监测分析；每个监测终端加载有至少一个数据监测模型，每个数据监测模型监测分析目标对象的一类数据；
当所述数据监测模型对所述目标图像数据进行监测分析时，监测到所述目标图像数据存在符合所述数据监测模型所监测的数据类型时，生成目标对象信息；
至少一个中心服务器，与所述监测终端连接，接收来自所述监测终端的目标对象信息，并对所述目标对象信息进行处理。


2.根据权利要求1所述的一种基于边缘设备的图像处理系统，其特征在于，所述中心服务器对所述目标对象信息进行处理还包括：
统计在设定时间内每类目标对象信息发生的参考次数后，根据预先设定的关键评分指标参数、异常行为参数、满分基准次数参数计算每类目标对象信息的参考分数；
根据每类目标对象信息设置的权重参数及所述参考分数，统计出各类目标对象信息的综合参考评分。


3.根据权利要求1所述的一种基于边缘设备的图像处理系统，其特征在于：
至少一个所述数据采集器、至少一个所述监测终端组成一个图像数据处理单元，一个中心服务器对应多个图像数据处理单元；
不同图像数据处理单元处理同一或多个目标区域多个目标对象的各类数据。


4.根据权利要求1所述的一种基于边缘设备的图像处理系统，其特征在于，所述中心服务器接收来自所述监测终端的目标对象信息前，所述监测终端将所述目标对象信息包装为事件；
所述事件的内容具体包括：所述数据采集器的标识、所述监测终端的标识、所述事件的类型；
所述中心服务器根据所述数据采集器的标识、所述监测终端的标识获取所述目标区域的位置，根据所述事件的类型获取所述目标对象信息的行为类型。


5.根据权利要求2所述的一种基于边缘设备的图像处理系统，其特征在于，还包括：
模型训练服务器，与所述监测终端连接，将样本图像数据导入到深度学习算法模型中训练生成数据监测模型，并将所述数据监测模型下发给所述监测终端；
所述模型训练服务器，还用于将预先采集到的原始图像数据进行图像处理并生成样本图像数据，所述图像处理包括图像增强处理。


6.根据权利要求5所述的一种基于边缘设备的图像处理系统，其特征在于，还包括：监测模型部署器，用于从所述行为模型训练服务器上下载训练好的所述数据监测模型，并将所述数据监测模型部署...

【专利技术属性】
技术研发人员：晏冬，黄明飞，姚宏贵，
申请(专利权)人：开放智能机器上海有限公司，
类型：发明
国别省市：上海;31