一种智能管理系统的制作方法

本发明涉及通信领域，尤其涉及一种智能管理系统。

背景技术：

园区、社区、校园建设中经常会部署了大量的终端感知设备，如用于车辆管理的摄像头、用于区域安防监控的园区监控摄像头、用于园区建筑内部资产管理及监控的摄像头设备。虽然无处不在的视频监控网络形成了感知体系的全面覆盖，但由于视频数据的非结构化特征以及本身数据量对存储资源构成了一定的压力，现有的监控体系和管理体系不能很好的解决这类问题。如何能够对这些感知数据进行有效存储及分析，同时解决快速检索及抓取的需求是建立智慧社区、园区、校园的一个重要目标及方向。

因此，现有技术的监控设备的智能管理系统存在数据量大，数据存储不足的弊端。

技术实现要素：

为解决上述技术问题，本发明提供了一种能存储大量数据的智能管理系统及其方法。

一种智能管理系统，用于监控设备，包括：私有云平台、资源调度单元和公有云平台；所述私有云平台设于本地，所述私有云平台包括第一统一存储单元和分析网络单元；所述公有云平台包括第二统一存储单元和训练集群；

所述资源调度单元用于所述私有云平台和所述公有云平台之间的数据交互；所述分析网络单元对所述监控设备的数据进行分析，将所述监控设备的非结构化数据转换为结构化数据；所述训练集群用于训练满足业务需求的深度神经网络集群，包括学习框架和学习算法库；所述第一统一存储单元和所述第二统一存储单元用于所述监控设备和所述分析网络单元的信息存储。

优选地，所述的分析网络单元采用机器视觉技术。

优选地，所述私有云平台还包括：

预处理单元，用于完成视频流的抓取、关键帧的抽取、相关图像的聚类和降噪；和/或

数据存储、分析及展示单元，用于构建结构化存储数据库，建立特征搜索引擎以及数据bi展示系统；

所述预处理单元和所述数据存储、分析及展示单元的数据存储在所述第一统一存储单元和所述第二统一存储单元中。

优选地，所述资源调度单元还包括部署模板，用于统一所述私有云平台和所述公有云平台间不同的模板的业务资源。

优选地，所述资源调度单元还包括：

训练模型，用于感知公有云的训练进度，触发私有云与公有云平台进行训练模型的同步；和/或

标记数据集，用于使用新的标记数据触发公有云启动训练模型的更新操作。

本发明的智能管理系统的方法，包括以下步骤：

1)捕获视频流，捕获所述监控设备的视频流；

2)预定义分析，分析方式包括视频流分析和图片分析，分析目标包括人流检测、异常物体入侵检测、车流分析、多目标识别、园区资产管理；

3)视频流分析，对视频流进行预处理导入深度分析网络；

4)图片分析，先通过图像关键帧抓取，对相同场景关键帧进行聚类，并降噪处理，将预处理图像存储至统一存储单元；

5)向任务处理队列推送视频和图像处理任务；

6)根据任务对计算资源需求，启动深度分析网络的资源编排引擎分配计算资源；

7)根据任务处理目标，从模型库下载分析用机器视觉模型；

8)对任务资源进行分析，并输出分析结果，其中分析结果包括标记视频、图像和结构化数据表；

9)进一步的对分析后数据进行分析及展示。

与现有技术相比，本发明的技术方案具有以下优点：在系统架构方面，本发明采用混合云架构，充分利用本地资源的私有云平台边缘计算能力和公有云平台云端的海量存储、无限可扩展的计算能力；在系统部署方面，本发明通过资源调度模块的设计，可以灵活的在私有云和公有云之间进行资源迁移及调度，同时利用模板编排引擎实现服务能力的动态缩放；本发明利用第一分析网络单元和第二分析网络单元将非结构化视频数据存储为结构化数据，便于后续的存储和快速检索及分析，第一分析网络单元和第二分析网络单元还可通过在公有云端训练针对不同业务的模型库，分别用于解决人流检测、车流检测、园区资产统计管理等。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一种智能管理系统的结构示意图；

图2是本发明实施例的另一种智能管理系统的结构示意图；

图3是本发明实施例的智能管理系统的方法流程图。

具体实施方式

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

实施例1

如图1所示，一种智能管理系统包括：私有云平台1、资源调度单元2和公有云平台3，私有云平台1包括第一统一存储单元1.1和分析网络单元1.3、公有云平台3包括第二统一存储单元3.1和训练集群3.2。

私有云平台1，为部署在本地的计算资源，用于解决业务对实时性、合规性的要求，利用从公有云训练的分析模型进行视频检测服务；包括第一统一存储单元1.1，用于存储视频关键帧图像、标记样本数据、训练模型，并在公有云与私有云之间进行同步；分析网络单元1.3，用于采用深度学习框架，使用深度学习训练模型，对相关视频/图像数据进行有效分析，将非结构化数据转换为结构化数据存储。

公有云平台3，为公共的开放云平台资源，与私有云平台配合，完成混合云业务部署，同时充分利用公有云在计算能力和可扩展能力方面的特点，方便未来业务的扩展；包括第二统一存储单元3.1，用于存储视频关键帧图像、标记样本数据、训练模型，并在公有云与私有云之间进行同步；训练集群3.2，用于训练满足业务需求的深度神经网络集群，训练过程板块全集训练和基于迁移学习的改进训练模型，包括深度学习框架和深度学习算法库。

资源调度单元2，用于构建私有云和公有云之间的桥梁，可以完成不同业务资源在公有云平台和私有云平台之间的分发。

私有云平台1接收并存储监控设备的信息，监控设备为园区既有的视频监控基础设施，可以为模拟或数字摄像头，dvr，nvr设备，私有云平台1可以(但不限于)通过主动上传或反向抓取的方式获取相关监控视频流。

实施例2

如图2所示，一种智能管理系统包括私有云平台1、资源调度单元2和公有云平台3，私有云平台1包括第一统一存储单元1.1，预处理单元1.2，分析网络单元1.3和数据存储、分析及展示单元1.4；公有云平台3包括第二统一存储单元3.1和训练集群3.2；资源调度单元2包括标记数据集2.1、训练模型2.2和部署模块2.3。

私有云平台1，为部署在本地的计算资源，用于解决业务对实时性、合规性的要求，利用从公有云训练的分析模型进行视频检测服务；包括：

预处理单元1.2，用于完成视频流的抓取、关键帧的抽取、相关图像的聚类和降噪等功能；

数据存储、分析及展示单元1.4，用于构建结构化存储数据库，建立特征搜索引擎以及数据bi展示系统；

分析网络单元1.3，用于采用深度学习框架，使用深度学习训练模型，对相关视频/图像数据进行有效分析，将非结构化数据转换为结构化数据存储；

第一统一存储单元1.1，用于存储视频关键帧图像、标记样本数据、训练模型，并在公有云与私有云之间进行同步。

公有云平台3，为公共的开放云平台资源，与私有云平台配合，完成混合云业务部署，同时充分利用公有云在计算能力和可扩展能力方面的特点，方便未来业务的扩展；包括：

第二统一存储单元3.1，用于存储视频关键帧图像、标记样本数据、训练模型，并在公有云与私有云之间进行同步；

训练集群3.2，用于训练满足业务需求的深度神经网络集群，训练过程板块全集训练和基于迁移学习的改进训练模型，包括深度学习框架和深度学习算法库。

资源调度单元2，用于构建私有云和公有云之间的桥梁，可以完成不同业务资源在公有云平台和私有云平台之间的分发，具体又分为如下几个功能模块：

部署模板2.3，将不同的业务资源统一为资源部署模板，可以利用基础设施即代码技术快速的完成部署；

训练模型2.2，用于感知公有云的训练进度，触发私有云与公有云平台进行训练模型的同步；

标记数据集2.1，用于使用新的标记数据触发公有云启动训练模型的更新操作。

私有云平台1接收并存储监控设备的信息，监控设备为园区既有的视频监控基础设施，可以为模拟或数字摄像头，dvr，nvr设备，私有云平台1可以通过主动上传或反向抓取的方式获取相关监控视频流。

如图3所示，一种智能管理系统的方法包括一下步骤：

1)视频流的捕获，通过视频流捕获单元获取视频流；

2)业务用户预定义分析目标和方式，方式包括视频流分析和图片分析，分析目标包括人流检测、异常物体入侵检测、车流分析、多目标识别、园区资产管理等；

3)视频流分析，对视频流进行预处理导入深度分析网络；

4)图片分析，先通过图像关键帧抓取，对相同场景关键帧进行聚类，并降噪处理，将预处理图像存储至统一存储单元；

5)向任务处理队列推送视频/图像处理任务；

6)根据任务对计算资源需求，启动深度分析网络的资源编排引擎分配计算资源；

7)根据任务处理目标，从模型库下载分析用机器视觉模型；

8)对任务资源进行分析，并输出分析结果，其中分析结果包括标记视频/图像和结构化数据表；

9)进一步的对分析后数据进行分析及展示。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。