【技术实现步骤摘要】
一种基于边缘计算的视频分析系统和方法
[0001]本专利技术属于视频目标、行为分析与计算机视觉人工智能领域,特别是涉及一种基于边缘计算的视频分析系统和方法。
技术介绍
[0002]随着城市化的发展,传统调取式监控方式已经无法满足人们日益增长的安全和效率需求,一方面,传统监管方式主要是对监管人员进行简单培训,然后依靠监管人员进行提醒和记录违规人员信息,最后通过调取监控摄像搜集证据。有着监督效率不稳定、受监管人员精力和主观意愿影响大等缺点;另一方面,随着人工智能的发展,视觉识别在现代监控技术中有一定运用,这种技术具有反应速度快、全时段无休、监测成本低等优点。但现有的视频检测技术较多在集中式服务器,这种方式不利于检测范围较广区域,这种区域网络节点数较多、网路有效长度较大,导致网络延迟较高,无法做到及时提醒,在检测速率和准确性方面难以满足复杂、开放场景下的需求。
[0003]因此,为了实现现代智能化视频检测分析、提高视频分析速度,本专利技术提出一种基于边缘计算的智能视频分析方法及装置。采用边缘端计算的方式降低从场景变化到得出结果的传输和计算延迟,边缘终端在现场完成对视频的解码、传输、采集、目标检测推理分析、编码、转发等操作,将结果直接传输至数据中心进行反馈记录,从结构上提升计算速度。
[0004]如今也出现了一些基于边缘终端的视频分析方法专利,例如,中国专利申请号为202210741957.6,申请公开日为2022年9月30日的专利申请文件公开了一种基于边缘终端的智能视频分析方法及系统。该方法包括获取视频数据 ...
【技术保护点】
【技术特征摘要】
1.一种基于边缘计算的视频分析系统,其特征在于:包括多个视频分析装置、数据调度管理模块、大数据中心收集模块和终端设备模块,所述视频分析装置的内部集成有依次连接的视频信息采集模块、接口自适应匹配模块和边缘计算模块;其中,接口自适应匹配模块自动识别视频信息采集模块设备接口并分配IP地址,视频信息采集模块获取视频数据传输至边缘计算模块,边缘计算模块对视频数据进行计算处理,识别目标信息传输至数据调度管理模块,数据调度管理模块对各个边缘计算模块进行动态调整资源策略,根据目标信息的大小分配给相应的边缘计算模块计算目标信息的锚框,最终将计算后的目标信息上传至大数据中心收集模块,大数据中心收集模块筛选计算后的目标信息后将其传输至终端设备模块,以供查阅。2.一种根据权利要求1所述基于边缘计算的视频分析系统的视频分析方法,其特征在于:视频分析方法步骤为:(1)接口自适应匹配模块进行设备初始化,识别所连接口是摄像头、IP音柱或是其他RJ45接口设备,并为其分配好IP地址;(2)初始化完成后,视频信息采集模块实时采集现场视频,并以视频流的方式转发至边缘计算模块;(3)边缘计算模块对视频流进行取帧处理,使用深度学习算法,对所取帧图像进行轻度卷积计算,判断当前视频场景是否存在目标,若不存在,则停止本次卷积,进入微待机状态等待下一次计算;若存在,则继续进行深度卷积,定位目标位置,进一步计算目标类别并将结果传输至数据调度管理模块;(4)数据调度管理模块对各个边缘计算模块进行动态调整资源策略,根据边缘计算模块当前GPU和CPU的综合使用率计算综合压力值P,根据P值选择运行L权重或S权重的边缘计算模块对视频流进行计算,其中,L权重比S权重大,L权重的速度小于S权重的速度,L权重的计算准确率高于S权重;若P<p1,则采用精准模式,使用运行L权重的边缘计算模块;若p1<P<p2,则采用快速识别模式,使用运行S权重的边缘计算模块;若P>p2,为防止宕机,视频信息采集模块将此点的视频流同步转发至数据调度管理模块,数据调度管理模块对该视频流进行转发至其余运行L权重的边缘计算模块,并将该运行L权重的边缘计算模块的权重转为S,计算完成后,将计算结果通过数据调度管理模块返回转发至原边缘计算模块,原边缘计算模块对结果进行整合之后,完成后续操作,最终将有关目标信息上传至大数据中心收集模块供后续查看、管理;其中,p1、p2为设定阈值,p1<p2;(5)大数据中心收集模块对所有接收信息均采取保留态度,筛选信息后,将用户感兴趣信息传输至终端设备模块,供用户查阅,同时配合自研管理系统能够实时查看当前现场识别画面、现场对讲、历史违规信息查验、流量统计、数据自动导出和图像下载的功能。3.根据权利要求2所述的基于边缘计算的视频分析方法,其特征在于:所述视频信息采集模块包括摄像机和现场播放的IP音柱,彼此通过接口自适应匹配模块相连,可实现上下行全双工通信;其中,所述摄像机采用RTSP协议推流方式,视频采用H.265视频编码格式。4.根据权利要求2所述的基于边缘计算的视频分析方法,其特征在于:所述接口自适应匹配模块包含四个RJ45接口,与边缘计算模块相连,接口自适应匹配模块将使用可读介质
信息通过UDP通信协议向接口所连视频信息采集模块的设备发送校对信息,并根据设备回复信息确定设备类型并分配IP。5.根据权利要求2所述的基于边缘计算的视频分析方法,其特征在于:所述边缘计算模块板载有一块ARM架构64位CPU,一块Nvidia GPU用于CUDA加速,一块板载ROM,内存为4G,一块64G存储卡,用于运行深度学习算法。6.根据权利要求2所述的基于边缘计算的视频分析方法,其特征在于:步骤(3)中,所述微待机状态为保持最低功率和最小CPU、GPU资源运行。7.根据权利要求2所述的基于边缘计算的视频分析方法,其特征在于:步骤(4)中,计算综合压力值P的方法为:P=Usage
cpu
*50%+Usage
gpu
*50%,Usage
cpu
为CPU使用率,Usage
gpu
为GPU使用率;Usage
cpu
=(RunTime
cpu
/TotalTime
cpu
)*(Use_imf
cpu
/Cap
cpu
),RunTime
cpu
为CPU执行时长,TotalTime
cpu
为CPU总时长,Use_imf
cpu
为CPU...
【专利技术属性】
技术研发人员:邰伟鹏,王震震,李伟,成健飞,唐正凯,王璐,周建平,
申请(专利权)人:安徽工大信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。