边海防监控方法、边缘设备、系统及计算机可读存储介质与流程

本申请涉及图像处理技术领域，尤其涉及一种边海防监控方法、边缘设备、系统及计算机可读存储介质。

背景技术：

我国的边海防区域具备地理位置复杂，边境线漫长，与监控中心距离较远，且边防哨所、无人值守边防站以及出入境口岸等边境监控重点区域分布较广等特点。故，提高边海防的监控能力，对维护国家安全和经济建设具有十分重要的意义。

传统的边海防监控多以人工方式进行，例如军人站岗、潜伏、监视、巡逻等。随着军事领域正在向数字化、多媒体化、智能化的方向发展，可以通过在边防线建设监控设施，监控人员只需要通过监控设施便可对边境重点地段实施全天候监控，在一定程度上提高了边海防的工作效率。

但是，监控人员无间断观看视频画面，使得监控工作量大，仍存在监控效率较低的问题。

技术实现要素：

本申请实施例提供了一种边海防监控方法、边缘设备、系统及计算机可读存储介质，能够快速从复合视频帧中查看到需要监控的跟踪对象，在一定程度上减少边海防的监控工作量，提高监控效率。

有鉴于此，第一方面，本申请提供一种边海防监控方法，包括：

获取关于边海防的第一视频帧；

对所述第一视频帧进行目标检测，得到所述第一视频帧中至少一个对象的检测结果；所述检测结果包括对象类型信息和对象位置信息中的至少一种；

确定所述第一视频帧中跟踪对象的跟踪位置信息；所述至少一个对象包括所述跟踪对象；

将所述跟踪对象的检测结果和所述跟踪位置信息叠加至所述第一视频帧上，得到所述第一视频帧对应的复合视频帧；

通过所述复合视频帧对所述边海防进行监控。

可选地，所述方法还包括：

接收包括视频通道类型的视频请求指令，所述视频通道类型包括可见光视频类型或者红外光视频类型；

所述获取关于边海防的第一视频帧，包括：

在所述视频通道类型包括所述可见光视频类型的情况下，获取关于边海防的第一可见光视频帧；

或者，

在所述视频通道类型包括所述红外光视频类型的情况下，获取关于边海防的第一红外光视频帧。

可选地，所述对所述第一视频帧进行目标检测，得到所述第一视频帧中至少一个对象的检测结果，包括：

在所述视频通道类型包括所述可见光视频类型的情况下，将所述第一可见光视频帧输入至可见光目标识别模型中进行目标检测，得到所述第一可见光视频帧中至少一个对象的检测结果；

或者，

在所述视频通道类型包括所述红外光视频类型的情况下，将所述第一红外光视频帧输入至红外光目标识别模型中进行目标检测，得到所述第一红外光视频帧中至少一个对象的检测结果。

可选地，所述通过所述复合视频帧对所述边海防进行监控，包括：

向视频客户端的服务端推流目标视频，所述目标视频包括存在所述复合视频帧的连续视频帧；所述服务端用于在接收到所述视频客户端的视频播放请求时，向所述视频客户端推送所述目标视频，以便在所述视频客户端中通过播放所述目标视频对所述边海防进行监控。

可选地，所述方法还包括：

对所述第一视频帧和检测结果进行数据结构化得到结构化数据；

向上位机发送所述结构化数据，所述上位机用于根据所述结构化数据对所述边海防进行监控。

可选地，所述方法还包括：

接收包括跟踪模式的跟踪请求指令，所述跟踪模式包括手动跟踪模式或者自动跟踪模式；

所述确定所述第一视频帧中跟踪对象的跟踪位置信息，包括：

在所述跟踪模式包括所述手动跟踪模式的情况下，获取用户从所述第一视频帧包括的至少一个对象中选取的跟踪对象，并获取所述跟踪对象的跟踪位置信息；

或者，

在所述跟踪模式包括所述自动跟踪模式的情况下，从所述第一视频帧包括的至少一个对象中，选取距离所述第一视频帧的中心位置最近的对象为跟踪对象，并获取所述跟踪对象的跟踪位置信息。

采用上述所述的边海防监控方法，考虑到用户比较关注视频帧中跟踪对象的相关信息，本申请通过在视频帧中叠加跟踪对象的检测结果和跟踪位置信息得到复合视频帧，这样，通过查看标记有跟踪对象的相关信息的视频帧，可以快速从复合视频帧中查看到需要监控的跟踪对象，提高监控效率。并且，通过复合视频帧进行监控时，可以仅针对存在跟踪对象的视频连续帧进行监控，减少了监控工作量，提高了监控效率。

第二方面，本申请提供一种用于进行边海防监控的边缘设备，包括：

视频处理模块，用于获取关于边海防的第一视频帧；

目标检测模块，用于对所述第一视频帧进行目标检测，得到所述第一视频帧中至少一个对象的检测结果；所述检测结果包括对象类型信息和对象位置信息中的至少一种；

目标跟踪模块，用于确定所述第一视频帧中跟踪对象的跟踪位置信息；所述至少一个对象包括所述跟踪对象；

所述视频处理模块，还用于将所述跟踪对象的检测结果和所述跟踪位置信息叠加至所述第一视频帧上，得到所述第一视频帧对应的复合视频帧；以及，

通过所述复合视频帧对所述边海防进行监控。

第三方面，本申请提供一种用于进行边海防监控的边缘设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意可选方式所述的方法。

第四方面，本申请提供一种边缘监控系统，包括：视频采集设备和边缘设备；所述视频采集设备与所述边缘设备连接；

所述视频采集设备，用于采集关于边海防的第一视频帧；

所述边缘设备，用于执行第一方面或第一方面的任意可选方式所述的方法。

第五方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面的任意可选方式所述的方法。

第六方面，本申请提供一种计算机程序产品，当计算机程序产品在边海防监控设备上运行时，使得边海防监控设备执行上述第一方面或第一方面的任意可选方式所述方法的步骤。

可以理解的是，上述第二方面至第六方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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是本申请实施例提供的一种边海防监控系统的结构示意图；

图2是本申请实施例提供的一种边海防监控方法的流程示意图；

图3是本申请实施例提供的一种复合视频帧的示意图；

图4为本申请实施例提供的另一种复合视频帧的示意图；

图5是本申请实施例提供的另一种边海防监控方法的流程示意图；

图6是本申请实施例提供的另一种边海防监控方法的流程示意图；

图7是本申请实施例提供的另一种边海防监控方法的流程示意图；

图8是本申请实施例提供的一种用于进行边海防监控的边缘设备的结构示意图；

图9是本申请实施例提供的另一种用于进行边海防监控的边缘设备的结构示意图；

图10是本申请实施例提供的另一种用于进行边海防监控的边缘设备的结构示意图；

图11是本申请实施例提供的另一种用于进行边海防监控的边缘设备的结构示意图；

图12是本申请实施例提供的另一种用于进行边海防监控的边缘设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

还应当理解，在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

首先，对本申请涉及的边海防监控系统进行说明。该边海防监控系统可以包括：视频采集设备和边缘设备，视频采集设备与边缘设备连接。

如图1所示，边海防监控系统还可以包括：上位机、视频客户端、视频客户端的服务端。其中，边缘设备分别与上位机和服务端连接。

可以理解的是，视频采集设备可以为摄像机，用于对边海防的预设监控范围内的区域进行视频采集。

边缘设备可以为布设于视频采集设备这侧的图像处理设备，用于根据视频采集设备采集到的视频帧获取目标视频以及结构化数据，目标视频的具体内容可以参考图2所示的实施例中的描述内容，结构化数据的具体内容可以参考图6所示的实施例中的描述内容，此处不赘述。

上位机可以为终端、用户设备等，用于根据边缘设备传输的结构化数据对边海防进行监控。

边缘设备可以向服务端推流目标视频，服务端用于将边缘设备推流的目标视频存储至服务端的缓冲寄存器(即通常所说的buffer)中，并在接收到视频客户端的视频播放请求时，向视频客户端推送目标视频，以便在视频客户端中通过播放目标视频对边海防进行监控。视频播放请求可以为基于视频客户端中对开播控件的触发操作生成的请求。示例性的，视频客户端可以为视频播放器等。

由此可见，考虑到服务端主要为视频客户端提供播放的视频，而上位机这侧可以为操作者提供信息查询的功能，故边缘设备可以向服务端发送目标视频，以便直接在客户端中播放目标视频；而向上位机提供结构化数据，以便通过结构化数据查找到需要的信息。

下面通过具体实施例，对本申请提供的边海防监控方法进行示例性的说明。

请参见图1，图1是本申请提供的一种边海防监控方法的流程示意图。本实施例中边海防监控方法的执行主体可以为用于进行边海防监控的边缘设备(为了便于理解，后续实施例中简称为边缘设备)。

如图1所示，该边海防监控方法可以包括以下步骤：

s201，获取关于边海防的第一视频帧。

其中，视频采集设备可以周期性地针对边海防采集视频帧。示例性的，视频采集设备每秒采集50张视频帧。故，第一视频帧为视频采集设备周期性采集到的视频帧。

需要说明的是，由于视频采集设备向边缘设备传输视频帧的过程中，通常传输的视频帧为第一数据格式，而在边缘设备需要对第二数据格式的视频帧进行数据处理(如目标检测和目标跟踪等)。故边缘设备在接收到视频采集设备发送的第一数据格式的初始视频帧之后，需要对第一数据格式的初始视频帧进行解码处理，得到第二数据格式的第一视频帧。可选地，可以通过硬件解码器对第一数据格式的初始视频帧进行解码处理。

示例性的，第一数据格式可以为h264数据格式、m3u8数据格式、flv数据格式等，第二数据格式可以为mat数据格式等，本申请对具体的数据格式不作特殊限制。

可选地，视频采集设备和边缘设备之间可以采用rtsp(realtimestreamingprotocol，实时流传输协议)协议等进行视频帧传输。

s202，对第一视频帧进行目标检测，得到第一视频帧中至少一个对象的检测结果；检测结果包括对象类型信息和对象位置信息中的至少一种。

在本申请实施例中，可以采用目标检测模型对第一视频帧进行目标检测，得到第一视频帧中至少一个对象的检测结果。

其中，目标检测模型可以为基于深度学习的模型，例如，可以包括yolo(youonlylookonce，你只看一眼)模型、r-cnn(region-convolutionalneuralnetworks，基于区域的卷积神经网络)模型、fastr-cnn(fastregion-convolutionalneuralnetworks，快速的基于区域的卷积神经网络)模型、ssd(singleshotmultiboxdetector，单阶段的多框预测)模型，等等，本申请对此不作特殊限制。

考虑到本申请是针对边海防场景进行监控，因此，目标类型信息可以包括人、船只、车辆等。由此可见，目标检测模型可以通过视频帧样本进行模型训练得到，视频帧样本中包括正视频帧样本和负视频帧样本，正视频帧样本中包括人、船只、车辆中的至少一种对象，负视频帧样本中包括除人、船只、车辆之外的对象。

其中，本申请对涉及的对象位置信息的形式不作限定。示例性的，可以为至少一个对象分别对应的检测框；或者，可以为至少一个对象分别对应的坐标信息，例如，可以为每个对象的中心点的坐标信息，或，每个对象上多个点的坐标信息，或者，每个对象对应的检测框上四个顶点的坐标信息，等等，本申请对此不作特殊限制。

可选地，在本步骤之前，还可以包括：对第一视频帧进行预处理得到处理后的视频帧。故本步骤可以包括：对处理后的视频帧进行目标检测，得到第一视频帧中至少一个对象的检测结果。其中，预处理可以包括对第一视频帧进行灰度化处理和图像增强处理等，这样可以减少第一视频帧中的冗余信息，从而实现快速进行目标检测。

s203，确定第一视频帧中跟踪对象的跟踪位置信息，至少一个对象包括跟踪对象。

其中，本申请对跟踪位置信息的形式也不作限定，例如可以为跟踪对象对应的坐标信息，或者，可以为跟踪对象的跟踪框，本申请对此不作特殊限制。

可选地，跟踪框的尺寸可以根据跟踪对象的尺寸确定。其中，跟踪对象的尺寸越大，跟踪框的尺寸也越大；相反，跟踪对象的尺寸越小，跟踪框的尺寸也越小。

可选地，跟踪框的尺寸也可以为固定尺寸，本申请对此不作特殊限制。

在本申请的可选实施例中，在至少一个对象包括一个对象的情况下，可以确定该一个对象为跟踪对象；在至少一个对象包括多个对象的情况下，可以从该多个对象中选取跟踪对象。

在本申请的可选实施例中，考虑到跟踪对象可能处于运动状态，而在目标跟踪过程中通常需要跟踪对象处于视频帧的中间区域。故，为了保证跟踪对象处于第一视频帧的中间区域，在第一视频帧为检测到跟踪对象的非首张视频帧的情况下，可以获取第一视频帧的上一视频帧中跟踪对象对应的上一对象位置信息；采用目标跟踪算法，根据上一对象位置信息和上一视频帧的中心位置计算偏移量，接着根据偏移量确定视频采集设备的转台对应的脱靶量。边缘设备可以向转台的控制器发送脱靶量，以便控制器可以智能控制转台按照脱靶量进行转动，使得跟踪对象不断向第一视频帧的中间位置靠近。这样，本申请可以确定第一视频帧的中间对象为跟踪对象；中间对象为至少一个对象中距离第一视频帧的中心位置最近的对象。

可选地，在第一视频帧为检测到跟踪对象的首张视频帧的情况下，可以确定第一视频帧的中间对象为跟踪对象，或者，通过人工选取的方式从至少一个对象中选取跟踪对象。

可以理解的是，在根据上一对象位置信息和上一视频帧的中心位置计算偏移量的过程中，由于上一对象位置信息可能包括多个坐标信息，例如，可以为检测框上四个顶点的坐标信息，故本申请需要获取到检测框的中心位置，并根据检测框的中心位置和上一视频帧的中心位置计算偏移量。

可选地，上述所述的目标跟踪算法可以为kcf(kernelcorrelationfilter，核相关滤波)算法、多示例目标跟踪算法(robustobjecttrackingwithonlinemultipleinstancelearning)、mmse(minimumoutputsumofsquarederror，最小输出均方误差)等算法。

s204，将跟踪对象的检测结果和跟踪位置信息叠加至第一视频帧上，得到第一视频帧对应的复合视频帧。

优选地，本申请考虑到对象类型信息、对象位置信息和跟踪位置信息可以从不同角度标记跟踪对象，故本申请可以将跟踪对象的对象类型信息、对象位置信息和跟踪位置信息叠加至第一视频帧上，得到第一视频帧对应的复合视频帧。这样，通过多个角度标记的信息，可以辅助监控人员快速地发现可疑对象。

在本申请的可选实施例中，对复合视频帧中的检测结果和跟踪位置信息的样式不作限定。

可选地，为了快速查找到目标对象，可以将跟踪框和/或检测框设置为线条粗度大于预设粗度。或者，可以将对象类型信息的字体大小设置为大于预设字体大小，或者将字体设置为加粗，或者将字体设置为目标颜色，目标颜色与对象类型信息的背景颜色之间的色差大于预设色差。这样，用户可以快速查看到复合视频帧中标记的信息。

可选地，为了区分跟踪框和检测框，本申请还可以将跟踪框和检测框设置为不同样式，以使得用户可以区分不同框体。示例性的，跟踪框为绿色，检测框为红色。

可选地，本申请还可以在对象类型信息的预设位置范围内设置有提醒标识，进一步地提醒监控人员查看到跟踪对象，避免漏失对跟踪对象的侦查。

图3示出了一种复合视频帧。如图3中的(a)图所示，在第一视频帧中可以叠加有检测框31、跟踪框32以及对象类型信息“船只”；如图3中的(b)图所示，在图3中的(a)图的基础上，还在对象类型信息“船只”附近设置有提醒标识“☆”。

图4示出了另一种复合视频帧。如图4中的(a)图所示，在第一视频帧中可以叠加有检测框41、跟踪框42以及对象类型信息“船只”；如图4中的(b)图所示，在图4中的(a)图的基础上，还在对象类型信息“船只”附近设置有提醒标识“！”。

在本申请的另一些实施例中，将跟踪对象的检测结果和跟踪位置信息叠加至第一视频帧上，以及将非跟踪对象的检测结果叠加至第一视频帧上，得到第一视频帧对应的复合视频帧。

其中，非跟踪对象包括至少一个对象中除跟踪对象外的对象。由此可见，本申请可以不仅针对跟踪对象进行标记，还可以针对非跟踪对象进行标记，这样复合视频帧中完整展示有检测到的对象，避免监控人员漏失信息。

s205，通过复合视频帧对边海防进行监控。

在本申请的一些实施例中，边缘设备向视频客户端的服务端推流目标视频，目标视频包括存在复合视频帧的连续视频帧；服务端用于在接收到视频客户端的视频播放请求时，向视频客户端推送目标视频，以便在所述视频客户端中通过播放目标视频对边海防进行监控。由此可见，本申请中通过播放包括复合视频帧的目标视频，使得监控人员可以仅针对存在跟踪对象的视频连续帧进行监控，减少了监控工作量，提高了监控效率。

可以理解的是，边缘设备可以根据复合视频帧获取目标视频。可选地，边缘设备可以获取复合视频帧之前的第一部分连续视频帧，和/或，复合视频帧之后的第二部分连续视频帧，第一部分连续视频帧和第二部分连续视频帧中存在跟踪对象。这样，边缘设备可以将第一部分连续视频帧和/或第二部分连续视频帧，与复合视频帧进行组合生成目标视频。这样，便于监控人员观察到跟踪对象的整个行程。

需要说明的是，边缘设备在获取到目标视频之后，由于目标视频为第二数据格式，而本申请无法向服务端推流第二数据格式的目标视频，故边缘设备需要将第二数据格式的目标视频进行视频编码压缩得到第三数据格式的目标视频，并向服务端推流第三数据格式的目标视频。其中，第三数据格式可以与第一数据格式相同。

示例性的，以第一数据格式和第三数据格式为h264数据格式，第二数据格式为mat数据格式为例进行说明。视频采集设备向边缘设备发送h264数据格式的初始视频帧，边缘设备对h264数据格式的初始视频帧进行解码处理得到mat数据格式的第一视频帧；边缘设备通过对mat数据格式的第一视频帧进行数据处理得到mat数据格式的复合视频帧，接着根据mat数据格式的复合视频帧得到mat数据格式的目标视频。此时，边缘设备将mat数据格式的目标视频进行视频编码压缩处理，得到h264数据格式的目标视频，从而实现了对服务端推流的过程。

采用上述所述的边海防监控方法，考虑到用户比较关注视频帧中跟踪对象的相关信息，本申请通过在视频帧中叠加跟踪对象的检测结果和跟踪位置信息得到复合视频帧，这样，通过查看标记有跟踪对象的相关信息的视频帧，可以快速从复合视频帧中查看到需要监控的跟踪对象，提高监控效率。并且，通过复合视频帧进行监控时，可以仅针对存在跟踪对象的视频连续帧进行监控，减少了监控工作量，提高了监控效率。

结合图2，如图5所示，在s201之前，还包括以下步骤：

s206，接收包括视频通道类型的视频请求指令，视频通道类型包括可见光视频类型或者红外光视频类型。

可以理解的是，视频请求指令可以为上位机发送的指令。

还应理解，边缘设备在接收到视频请求指令之后，需要对视频请求指令进行解析，并根据解析后的视频请求指令确定视频通道类型。

在本申请的一些实施例中，上位机可以接收用户选取的视频通道类型，并根据选取的视频通道类型生成视频请求指令，向边缘设备发送视频请求指令。

在本申请的另一些实施例中，上位机可以获取边海防当前所处环境的亮度值，并根据亮度值确定视频通道类型。其中，在亮度值大于预设亮度的情况下，确定视频通道类型包括可见光视频类型；在亮度值小于等于预设亮度的情况下，确定视频通道类型包括红外光视频类型。这样，上位机可以通过当前环境的亮度值智能地确定视频通道类型。

示例性的，若边海防当前所处环境为白天，则视频通道类型可以为可见光视频类型；若边海防当前所处环境为黑夜，则确定视频通道类型包括红外光视频类型。这样，本申请可以实现全天边海防监控。

此时，s201可以替换为以下s201a和s201b的两种情况：

s201a，在视频通道类型包括可见光视频类型的情况下，获取关于边海防的第一可见光视频帧。

s201b，在视频通道类型包括红外光视频类型的情况下，获取关于边海防的第一红外光视频帧。

可以理解的是，视频采集设备可以采集两种通道的第一视频帧，该两种通道为可见光通道和红外光通道。边缘设备在获取到两种通道的第一视频帧之后，可以根据视频通道类型将对应的第一视频帧存储至指定缓存中，以便边缘设备针对指定缓存中的第一视频帧进行目标检测和目标跟踪。

由此可见，边缘设备可以根据上位机的视频请求指令，获取对应的视频帧进行目标检测。这样，实现了边缘设备自动切换不同视频通道类型的目标检测。

这样，在视频通道类型包括可见光视频类型的情况下，s202可以替换为s202a，s203可以替换为s203a，s204可以替换为s204a。

s202a，将第一可见光视频帧输入至可见光目标识别模型中进行目标检测，得到第一可见光视频帧中至少一个对象的检测结果。

s203a，确定第一可见光视频帧中跟踪对象的跟踪位置信息。

s204a，将跟踪对象的检测结果和跟踪位置信息叠加至第一可见光视频帧上，得到第一可见光视频帧对应的复合视频帧。

在视频通道类型包括红外光视频类型的情况下，s202可以替换为s202b，s203可以替换为s203b，s204可以替换为s204b。

s202b，将第一红外光视频帧输入至红外光目标识别模型中进行目标检测，得到第一红外光视频帧中至少一个对象的检测结果。

s203b，确定第一红外光视频帧中跟踪对象的跟踪位置信息。

s204b，将跟踪对象的检测结果和跟踪位置信息叠加至第一红外光视频帧上，得到第一红外光视频帧对应的复合视频帧。

可以理解的是，本申请针对红外光视频帧样本和可见光视频帧样本分别训练对应的目标识别模型，这样，一定程度上提高了目标检测的准确率。

可选地，本申请可以预先设置一个目标识别模型，并且对该目标识别模型设置两组模型参数，其中，一组模型参数为用于对可见光视频帧进行目标识别的参数，另一组模型参数为用于对红外光视频帧进行目标识别的参数。这样，本申请在确定视频通道类型之后，可以获取视频通道类型对应的目标模型参数，并将目标模型参数带入目标识别模型中，以对第一视频帧进行目标识别。

可选地，考虑到视频采集设备可以采集两种通道的视频帧，且红外光通道不容易受外界环境的影响，可以检测到目标对象的粗略信息，而可见光通道可以检测到目标对象的细节信息。故在本申请的可选实施例中，第一视频帧可以包括第一红外光视频帧和第一可见光视频帧；接着对第一红外光视频帧和第一可见光视频帧进行图像融合得到融合视频帧；然后对融合视频帧进行目标检测，得到融合视频帧中至少一个对象的检测结果；这样，确定第一红外光视频帧中第一跟踪对象的第一跟踪位置信息，确定第一可见光视频帧中第二跟踪对象的第二跟踪位置信息，至少一个对象包括第一跟踪对象和第二跟踪对象；并将第一跟踪对象的检测结果和第一跟踪位置信息叠加至对应的第一红外光视频帧中得到第一红外光视频帧对应的红外光复合视频帧，将第二跟踪对象的检测结果和第二跟踪位置信息叠加至对应的第一可见光视频帧中得到第一可见光视频帧对应的可见光复合视频帧。

由此可见，通过将可见光视频帧和红外光视频帧进行图像融合，可以丰富图像信息，避免单一通道采集的信息不全面的问题。另外，本申请在准确地进行目标检测之后，还可以分别在不同视频通道类型对应的视频帧中进行目标跟踪，实现了多通道的目标跟踪。

示例性的，图像融合的方法可以包括基于空间域或者基于变换域的融合方法。

采用上述所述的边海防监控方法，实现可见光和红外光两种通道的目标检测，这样，使得监控不受环境亮度的影响，可以实时进行监控。

结合图2，如图6所示，在s205之后，还包括以下步骤：

s207，对第一视频帧和检测结果进行数据结构化得到结构化数据。

考虑到json(javascriptobjectnotation)文件格式存在数据结构简单、数据易读以及数据传输时带宽等特点，本申请可以采用json文件格式对第一视频帧和检测结果进行数据结构化。当然，本申请还可以采用其他文件格式，本申请对此不作特殊限制。

可以理解的是，本申请还可以将第一视频帧进行数据压缩处理，一定程度上减少了数据量。

示例性的，结构化数据可以包括：第一视频帧、至少一个对象的对象类型信息、以及至少一个对象的对象位置信息之间的映射关系。

s208，向上位机发送结构化数据，上位机用于根据结构化数据对边海防进行监控。

可选地，边缘设备可以利用网络通信协议向上位机发送结构化数据。其中，网络通信协议可以为udp(userdatagramprotocol，用户数据报协议)协议等等。

在本申请的可选实施例中，本申请还可以根据结构化数据生成标记有检测结果的第一视频帧。这样，在上位机中，也可以通过图像的方式进行可疑对象的侦查，使得侦查的形式多样化。

可选地，本申请考虑到上位机这侧的操作者可能对跟踪位置信息也比较关注，故结构化数据还可以为对第一视频帧、检测结果和跟踪位置信息进行数据结构化得到的数据。示例性的，结构化数据可以包括：第一视频帧、跟踪对象的对象类型信息、跟踪对象的对象位置信息、跟踪对象的跟踪位置信息之间的映射关系，和，第一视频帧、非跟踪对象的对象类型信息、非跟踪对象的对象位置信息之间的映射关系。

可选地，考虑到为了方便后端业务扩展，上位机还可以与后端存储设备连接，这样，上位机可以利用网络通信协议将结构化数据传输至后端存储设备。

需要说明的是，在现有技术中，视频采集设备需要直接向后端存储设备发送采集到的视频帧，然后在后端存储设备对视频帧进行图像处理分析。这样，后端存储设备需要配置大容量的存储单元，来存储视频，故导致成本较高。而在本申请实施例中，边缘设备可以在对采集到的视频帧进行目标检测和目标跟踪等之后，将存在对象的视频帧进行传输，这样有效减少了后端存储设备的存储压力，以及降低了后端存储设备的成本。

采用上述所述的边海防监控方法，通过向上位机传输包含对象的视频帧的结构化数据，使得上位机的操作者可以基于结构化数据快速查找关注的对象，从而提高了监控效率。

结合图2，如图7所示，在s202之前，还包括以下步骤：

s209，接收包括跟踪模式的跟踪请求指令，跟踪模式包括手动跟踪模式或者自动跟踪模式。

可以理解的是，跟踪请求指令可以为上位机发送的指令。

还应理解，边缘设备在接收到跟踪请求指令之后，需要对跟踪请求指令进行解析，并根据解析后的跟踪请求指令确定跟踪模式。

在本申请的一些实施例中，上位机可以接收用户选取的跟踪模式，并根据选取的跟踪模式生成跟踪请求指令，向边缘设备发送跟踪请求指令。

在本申请的另一些实施例中，上位机中存储有默认跟踪模式，故可以将默认跟踪模式作为跟踪模式，并根据该跟踪模式生成跟踪请求指令，向边缘设备发送跟踪请求指令。

考虑到图5所示实施例中边缘设备接收包括视频通道类型的视频请求指令，图7实施例中边缘设备接收包括跟踪模式的跟踪请求指令，且该视频请求指令和跟踪请求指令可以都为上位机发送的指令。故在本申请实施例中，边缘设备可以接收上位机发送的控制指令，控制指令中包括视频通道类型和跟踪模式。这样，边缘设备可以根据控制指令，选择执行s201a和s201b，以及选择执行s203a和s203b。由此可见，上位机可以通过一个指令实现视频通道类型的选取以及跟踪模式的选取，避免发送多个指令。

可选地，控制指令中还可以不包括跟踪模式，此时，边缘设备根据控制指令不执行目标跟踪。

此时，s203可以替换为以下s203a和s203b的两种情况：

s203a，在跟踪模式包括手动跟踪模式的情况下，获取用户从第一视频帧包括的至少一个对象中选取的跟踪对象，并获取跟踪对象的跟踪位置信息。

可以理解的是，用户可以在上位机中针对第一视频帧选取跟踪对象。

可选地，边缘设备在检测到第一视频帧中存在至少一个对象之后，向上位机发送第一视频帧，这样，用户可以在上位机中针对至少一个对象选取跟踪对象。其中，上位机这侧可以从至少一个对象中选取一个或者多个对象作为跟踪对象，或者上位机这侧可以不针对至少一个对象进行跟踪，本申请对此不作特殊限制。

可选地，边缘设备在检测到第一视频帧中存在至少一个对象之后，确定至少一个对象的数量，若至少一个对象包括一个对象，则确定这一个对象为追踪对象；若至少一个对象包括多个对象，则向上位机发送第一视频帧，这样，用户可以在上位机中针对多个对象选取跟踪对象。这样，边缘设备可以直接针对单个对象进行追踪，无需上位机侧进行跟踪对象的选取。

s203b，在跟踪模式包括自动跟踪模式的情况下，从第一视频帧包括的至少一个对象中，选取距离第一视频帧的中心位置最近的对象为跟踪对象，并获取跟踪对象的跟踪位置信息。

可选地，本申请也可以从至少一个对象中，选取距离第一视频帧的中心位置最近的若干个对象为跟踪对象，本申请对此不作特殊限制。

在本申请的另一些实施例中，上位机并未发出包括跟踪模式的跟踪请求指令，此时，边缘设备无需确定第一视频帧中至少一个对象的跟踪位置信息。基于该情况，边缘设备在未检测到跟踪请求指令的情况下，将检测结果叠加至第一视频帧上，得到第一视频帧对应的复合视频帧。由此可见，通过上位机可以控制边缘设备是否进行目标跟踪，从而使得复合视频帧满足多种需求。

采用上述所述的边海防监控系统，可以根据上位机的指令进行自动跟踪和手动跟踪模式的选取，使得跟踪模式多样化。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

还应理解，本申请中不同实施例中的步骤可以进行组合，本申请对实施例的实施方式不作任何限定。

基于上述实施例所提供的边海防监控方法，本发明实施例进一步给出实现上述方法实施例的装置实施例。

请参见图8，图8是本申请实施例提供的一种用于进行边海防监控的边缘设备的结构示意图。包括的各模块用于执行图2、图5至图7对应的实施例中的各步骤。具体请参阅图2、图5至图7对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图8，边海防监控装置8包括：

视频处理模块81，用于获取关于边海防的第一视频帧；

目标检测模块82，用于对所述第一视频帧进行目标检测，得到所述第一视频帧中至少一个对象的检测结果；所述检测结果包括对象类型信息和对象位置信息中的至少一种；

目标跟踪模块83，用于确定所述第一视频帧中跟踪对象的跟踪位置信息；所述至少一个对象包括所述跟踪对象；

视频处理模块81，还用于将所述跟踪对象的检测结果和所述跟踪位置信息叠加至所述第一视频帧上，得到所述第一视频帧对应的复合视频帧；以及，

通过所述复合视频帧对所述边海防进行监控。

可选地，如图9所示，边海防监控装置8还包括：指令解析模块84，

指令解析模块84，用于接收包括视频通道类型的视频请求指令，所述视频通道类型包括可见光视频类型或者红外光视频类型；

视频处理模块81，进一步用于在所述视频通道类型包括所述可见光视频类型的情况下，获取关于边海防的第一可见光视频帧；

或者，

在所述视频通道类型包括所述红外光视频类型的情况下，获取关于边海防的第一红外光视频帧。

可选地，目标检测模块82，进一步用于在所述视频通道类型包括所述可见光视频类型的情况下，将所述第一可见光视频帧输入至可见光目标识别模型中进行目标检测，得到所述第一可见光视频帧中至少一个对象的检测结果；

或者，

在所述视频通道类型包括所述红外光视频类型的情况下，将所述第一红外光视频帧输入至红外光目标识别模型中进行目标检测，得到所述第一红外光视频帧中至少一个对象的检测结果。

可选地，视频处理模块81，进一步用于向视频客户端的服务端推流目标视频，所述目标视频包括存在所述复合视频帧的连续视频帧；所述服务端用于在接收到所述视频客户端的视频播放请求时，向所述视频客户端推送所述目标视频，以便在所述视频客户端中通过播放所述目标视频对所述边海防进行监控。

可选地，如图10所示，边海防监控装置8还包括：数据发送模块85，

视频处理模块81，还用于对所述第一视频帧和检测结果进行数据结构化得到结构化数据；

数据发送模块85，用于向上位机发送所述结构化数据，所述上位机用于根据所述结构化数据对所述边海防进行监控。

可选地，如图11所示，边海防监控装置8还包括：指令解析模块84，

指令解析模块84，用于接收包括跟踪模式的跟踪请求指令，所述跟踪模式包括手动跟踪模式或者自动跟踪模式；

目标跟踪模块83，进一步用于在所述跟踪模式包括所述手动跟踪模式的情况下，获取用户从所述第一视频帧包括的至少一个对象中选取的跟踪对象，并获取所述跟踪对象的跟踪位置信息；

或者，

在所述跟踪模式包括所述自动跟踪模式的情况下，从所述第一视频帧包括的至少一个对象中，选取距离所述第一视频帧的中心位置最近的对象为跟踪对象，并获取所述跟踪对象的跟踪位置信息。

需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图12是本申请实施例提供一种用于进行边海防监控的边缘设备的结构示意图。如图12所示，该实施例的边缘设备12包括：处理器120、存储器121以及存储在所述存储器121中并可在所述处理器120上运行的计算机程序122，例如边海防监控程序。处理器120执行所述计算机程序122时实现上述各个边海防监控方法实施例中的步骤，例如图2所示的s201-s205。或者，所述处理器120执行所述计算机程序122时实现上述各装置实施例中各模块/单元的功能，例如图8所示模块81、82和83的功能。

示例性的，所述计算机程序122可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器121中，并由处理器120执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序122在所述边缘设备12中的执行过程。例如，所述计算机程序122可以被分割成获取模块、融合模块、检测模块，各模块具体功能请参阅图1对应地实施例中地相关描述，此处不赘述。

所述边缘设备可包括，但不仅限于，处理器120、存储器121。本领域技术人员可以理解，图12仅仅是边缘设备12的示例，并不构成对边缘设备12的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述边缘设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器120可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器121可以是所述边缘设备12的内部存储单元，例如边缘设备12的硬盘或内存。所述存储器121也可以是所述边缘设备12的外部存储设备，例如所述边缘设备12上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述存储器121还可以既包括所述边缘设备12的内部存储单元也包括外部存储设备。所述存储器121用于存储所述计算机程序以及所述边缘设备所需的其他程序和数据。所述存储器121还可以用于暂时地存储已经输出或者将要输出的数据。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述边海防监控方法。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在边缘设备上运行时，使得边缘设备执行时实现可实现上述边海防监控方法。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。