[發明專利]基于云邊融合實現突發事件識別預警的系統、方法、裝置、處理器及其存儲介質

在審

• 申請號: 202011524124.1
• 申請日: 2020-12-22
• 公開（公告）號: CN112866332A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 吳松洋;周曉芳;梁辰
• 申請（專利權）人: 公安部第三研究所
• 主分類號: H04L29/08
• 分類號: H04L29/08
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 王潔;鄭暄

1.一種基于云邊融合實現突發事件識別預警的系統，其特征在于，所述的系統包括邊緣側和云端側，所述的邊緣側和云端側相連接，所述的邊緣側用于實現圖像抽取、公共特征提取、異常行為模式識別、結果組裝和心跳檢測；所述的云端側用于實現用戶數據定制、數據分發和心跳檢測。

2.根據權利要求1所述的基于云邊融合實現突發事件識別預警的系統，其特征在于，所述的邊緣側包括：

邊緣側處理算力模塊，用于提供輕量級算法的硬件運行環境；

輕量級算法模塊，與所述的邊緣側處理算力模塊相連接，用于實現邊緣側分析和預警。

3.根據權利要求2所述的基于云邊融合實現突發事件識別預警的系統，其特征在于，所述的輕量級算法模塊包括邊緣側主控層和邊緣側識別層，所述的邊緣側主控層與邊緣側處理算力模塊相連接，所述的用于接入攝像頭，通過解析視頻流數據，抽取圖片，發送至邊緣側識別層的各個識別模塊；所述的邊緣側識別層，用于進行行為識別，并將識別結果發回給邊緣主控單元，所述的邊緣主控單元匯集所有模塊的信息后定時發送至云端側的綜合主控單元。

4.根據權利要求1所述的基于云邊融合實現突發事件識別預警的系統，其特征在于，所述的邊緣側還包括多個分布式邊緣計算節點，所述的每個節點具與獨立系統和處理能力，支持前端各類終端接入和配置管理，通過輕量級識別實現邊緣側分析和有效預警。

5.根據權利要求1所述的基于云邊融合實現突發事件識別預警的系統，其特征在于，所述的云端側包括：

云端主控單元，與所述的邊緣側相連接，接收邊緣設備發送的識別數據，進行封裝和匯總，向應用層推送識別結果；

配置管理單元，與所述的邊緣側相連接，用于實現邊緣設備管理、配置和運維服務。

6.根據權利要求1所述的基于云邊融合實現突發事件識別預警的系統，其特征在于，所述的云端側提供預警展示及統計分析的接口，為不同數量前端設備，采用隨需應變的級聯式可擴展架構。

7.根據權利要求1所述的基于云邊融合實現突發事件識別預警的系統，其特征在于，所述的邊緣側根據負載能力決策任務本地執行或上傳，所述的云端側根據場景確定邊緣側的調度模式。

8.一種利用權利要求1所述的系統實現基于云邊融合針對突發事件進行識別預警處理的方法，其特征在于，所述的方法包括以下步驟：

(1)所述的邊緣側進行圖像抽取、公共特征提取、異常行為模式識別、結果組裝和心跳檢測；

(2)所述的云端側進行用戶數據定制、數據分發和心跳檢測。

9.根據權利要求8所述的實現基于云邊融合針對突發事件進行識別預警處理的方法，其特征在于，所述的步驟(1)中的圖像抽取具體為：

在解析視頻流抽取關鍵幀后，將原始尺寸壓縮或擴充為標準尺寸的圖像；設置尺寸恰當的環形圖像隊列，將采樣的圖像放置于其中。

10.根據權利要求8所述的實現基于云邊融合針對突發事件進行識別預警處理的方法，其特征在于，所述的步驟(1)中的公共特征提取具體為：

使用人體姿態識別算法和模型提取人員位置特征和人體姿態特征，構成原始圖像的特征圖。

11.根據權利要求8所述的實現基于云邊融合針對突發事件進行識別預警處理的方法，其特征在于，所述的步驟(1)中的異常行為模式識別具體為：

基于輕量級的機器學習框架，提高模型復用度，進行模型識別頻率調優。

12.根據權利要求8所述的實現基于云邊融合針對突發事件進行識別預警處理的方法，其特征在于，所述的步驟(1)中的心跳檢測具體為：

邊緣側檢測各個異常行為識別模塊是否健康，將檢測結果發送至主控單元，如果某個模塊不健康，則將根據心跳中包含的具體信息來執行模型重啟或隔離；否則，繼續步驟(2)。