基于移动边端节点的城市视网膜系统技术方案

本发明专利技术是模拟视神经网络的多层次边缘节点摄像分析平台，用于市域范围的图像解析与泛在监控。系统利用路灯网络设置主相机、边缘计算机与通讯组件，把路灯变成神经元节点，构筑覆盖市域的视觉专网。继而在行人、车辆及无人机设置分相机与边缘算力，形成可移动的边端感知节点。本发明专利技术搭建了可拓展的城市视网膜系统，共同组成点线面结合的视觉网络，具备全面感知与事前预测能力，既能快速响应多层次的视频分析需求，又满足智慧城市的智能化感知的需要。要。要。

【技术实现步骤摘要】
基于移动边端节点的城市视网膜系统
(一)

[0001]本专利技术是模拟视神经网络的多层次边缘节点摄像分析平台，用于市域范围的图像解析与泛在监控。系统利用路灯网络设置主相机、边缘计算机与通讯组件，把路灯变成神经元节点，构筑覆盖市域的视觉专网。继而在行人、车辆及无人机设置分相机与边缘算力，形成可移动的边端感知节点。进一步，边端感知融合到神经元组成的视觉专网中，神经元通过手机信号连接城市大脑，建立基于多层次边缘计算的视网膜系统，完成图像分类识别的体系架构，实现多维度的边端感知，充分发掘泛在传感器的潜力，为智慧城市的视觉识别与网格监控奠定技术基础。
(二)
技术介绍

[0002]现有的视频监控系统，主要是用摄像头拍摄视频，经数据压缩后上传服务器，存储在硬盘中，然后通过各种算法对存储数据进行解析，获得有效结果后形成控制指令，再发到控制器实施管理。这一模式一直面临数据量大、检索不易及计算困难等挑战，归纳成三个问题：难存储、难检索、难识别。
[0003]首先是存储成本高，而且存的越久成本就越高；其次不能实时反馈，服务器把数据提出来做处理，实时性和准确性都差；再次无法协作识别，A摄像头录的信息，不见得在B摄像头上能对得上，识别准确率很低。这种“1
‑
1模式”越来越不适应智慧城市的管理要求。
[0004]注意到上述问题，本专利技术提出一种模拟视神经网络的多层次边缘节点感知平台，在路灯上设置主相机与边缘计算机，形成独立完成计算和存储的神经元节点，每个节点设定合理的服务半径，确保连接服务区内的边端相机，构成覆盖城市区域的视觉专网。本专利技术充分利用可移动的边端相机，模拟无所不在的视觉细胞，这些视觉细胞通过中继节点或其他边端相机，以数据中继方式连接神经元节点，如果不在中继范围，计算结果在进入某个服务区联网后再上传。本专利技术建立分布式的边缘节点感知网络，形成整体识别的视网膜架构，多维感知，协调解析，高效汇总，是全新的数字城市管理的基础设施。
(三)
技术实现思路

[0005]在视网膜系统中，视觉细胞是基本单元，组成特定的边端感知区，负责接收视觉数据与组合形体。初步处理结果汇聚到视网膜中的神经元细胞，进行视觉矫正与最终成像，计算结果传输到大脑的功能区，最终形成包含明暗、色彩及体积的视觉感知。简而言之，视网膜是一套分级计算的体系，从初成像、结果矫正直到最终成像，每一步都有边端化计算处理，体系成员并不简单的收发数据，依赖于某个处理核心，而是分类识别，分步计算，总体协调，体现出边缘计算的特点。
[0006]视觉是人类的主要感知器，大脑约70％的外界数据来自视觉。与城市管理类比，视频监控设备就是城市的视觉。现代城市广泛安装视频设备，每天记录海量的图像信息，这些信息基本反映了城市运行的概况，也是精细管理的主要数据源。现有的视频记录模式，摄像机存储图像，然后发送到云中心，出了事才会回溯图像，还原事件原貌，以事后处理为主，缺
乏事前预警，完全没有体现出视觉的提前预测的优点，离真正的视网膜系统差的很远。
[0007]本专利技术依据边缘计算的原理，在视频监控系统中引入一系列边端计算节点，包括边视觉节点与端视觉节点，构成分级识别与分步计算的架构，再把这些节点融合到无线的视觉专网中，协调计算，整体成像，计算结果通过手机信号发送云中心，由城市大脑形成最终结果。
[0008]进一步，边视觉节点是固定设备，拍摄位置好，计算能力强，存储空间大，且设置上行与下行两个通讯链路，上行链路以专用信号连接其他节点，构成视觉主网，下行链路以公共频段信号(WIFI/Bluetoot h/Zigbee
…
)连接服务区的边端相机，构成视觉分网。该类节点可以看作神经元，设有高品质相机与边缘计算机，具备全景拍摄与综合解析的能力，是本专利技术的主视觉设备。
[0009]路灯是沿街道均匀分布的基础设施，其间距在20～50米，其高度在9～12米，视野良好，供电可靠，是神经元节点最好的安装位置。本专利技术中，路灯上设置主相机、处理器、存储器及无线模块组成的边缘节点，主相机是带云台的全景相机，可360
°
旋转，处理器用于图片要素的识别计算，且处理其他节点的中继数据，存储器用于数据存储，包括本地数据与中继数据两部分，无线模块建立上行与下行两个通讯链路，神经元节点由上行链路互相连接，其间距为40～400米，下行链路的服务半径为20～200米，连接服务区内的的所有边端相机，同时兼顾主相机的拍摄效果。神经元节点可以与灯具一体化，也可以在灯具外独立安装。
[0010]进一步，路灯上的神经元节点形成线状监控网络，但由于建筑或树木的遮挡，不能实现对远离街道的面区域的监控，特别是人群聚集的广场、公园及绿道，存在视觉盲点。本专利技术设置多个可移动的端视觉节点，为自组网的边端相机，机内设有专项优化的图片分类算法，针对性的解析图片的特定要素，并通过下行链路与神经元节点通讯，行人、汽车或无人机都是边端相机的载体，可将视觉识别拓展到城市的任何角落。
[0011]识别的专项优化后，端视觉节点不需要很强的算力与带宽，电池供电且携带方便。管理员可以每天携带数字相机做巡查，志愿者可以用安装应用的手机担任视觉细胞，汽车可以安装摄像头弥补主相机的不足，无人机可以定期扫描特定区域采集相关视频。城市中无所不在的移动载体，能够最大限度的提高视觉专网的有效性与全面性。该类节点可以看作视觉细胞，具备专门特征的图片解析能力，是本专利技术的分视觉设备。
[0012]进一步，系统设有多层次数据中继模式，首先设立与神经元节点通讯的中继节点，负责连接其服务区的边端相机，其次每个边端相机都可互为中继，没有中继节点的地方，依靠行人或无人机充当中继路由，再者边端相机的计算结果在本地暂存，进入某个服务区完成联网后，发送给神经元节点。上述中继模式解决了远离街区的边端相机的联网问题，确保视觉专网的协调工作。
[0013]综上所述，本专利技术搭建了可拓展的城市视网膜系统，主网与分网形成整体，分工协作，共同组成点线面结合的视觉网络，依赖多层次边端节点的分布式算力，具备全面感知与事前预测能力，既能快速响应多层次的视频分析需求，又满足智慧城市的智能化感知的需要。
[0014](四)有益效果
[0015]本专利技术利用路灯安装神经元节点，建立城市级的视觉主网，并充分利用移动载体设置边端相机，形成边端化的视觉分网，由此组成多层次边缘计算体系，模拟出视神经网
络。系统实现多维感知，协调解析，高效汇总，具有很高的计算效率与感知水平，充分发掘泛在传感器的潜力，为智慧城市的视觉识别与网格监控奠定技术基础。
(五)附图说明
[0016]以下结合附图对本专利技术加以说明，图1是本专利技术的神经元节点的结构与通讯示意图，图2是本专利技术的视网膜构成图和固定中继的实施例，图3是本专利技术的视觉专网示意图和边端相机专门化的实施例。
具体实施方式
[0017]图1说明神经元节点的构成。节点与灯具一体化，包含主相机1、处理器2、存储器3及无线模块4，主相机1是带云台的全景相机，可360...

【技术保护点】

【技术特征摘要】
1.一种模拟视神经网络的多层次边缘节点摄像分析平台，利用路灯网络设置神经元节点，构筑覆盖市域的视觉专网，其特征是：路灯上设置主相机、处理器、存储器及无线模块组成的神经元节点，主相机是带云台的全景相机，可360
°
旋转，处理器用于图片要素的识别计算，且处理其他节点的中继数据，存储器用于数据存储，包括本地数据与中继数据两部分，无线模块建立上行与下行两个通讯链路；设置多个可移动的端视觉节点，为自组网的边端相机，机内设有专项优化的图片分类算法，针对性的解析图片的特定要素，并通过下行链路与神经元节点通讯，行人、汽车或无人机都是边端相机的载体；设有多层次数据中继模式，首先设立与神经元节点通讯的中继节点，负责连接其服务区的边端相机，其次每个边端相机都可互为中继，没有中继节点的地方，依靠行人或无人机充当中继路由，再者边端相机的计算结果在本地暂存，进入某个服务区完成联网后，发送给神经元节点。2.根据权利要求1所述的摄像分析平台，其特征是神经元...

【专利技术属性】
技术研发人员：尹梦寒，吴熔冰，徐君龙，
申请(专利权)人：上海悟城智能系统集成有限公司，
类型：发明
国别省市：