一种基于边缘计算的AI视觉识别装置、系统及方法与流程

本发明涉及图像识别处理，尤其涉及一种基于边缘计算的ai视觉识别装置、系统及方法。

背景技术：

1、随着信息技术与物联网技术的快速发展，视频监控系统在众多领域如公共安全、交通管理、智能家居等方面得到了广泛应用。传统的视频监控系统通常由摄像头和监控中心组成，监控中心通过摄像头采集到的视频数据进行人工监控。然而，一方面，随着监控设备数量的增长和视频质量的提升，视频数据的体积也急剧增大，这给视频数据的传输和处理带来了巨大的挑战；另一方面，人工识别监控的方式效率低下，且容易出现疲劳和遗漏，不能满足日益增长的监控需求。

2、此外，传统的视频监控系统通常只能进行被动监控，即，在事件发生后通过回看录像来查找问题，缺乏实时预警和自动处理的能力。而在很多情况下，如交通管理、公共安全等，实时预警和自动处理的能力是十分重要的。为了解决上述问题，近年来出现了一些利用人工智能技术进行视频数据处理和分析的方法和设备。这些方法和设备可以自动检测视频中的目标和行为，从而实现实时预警和自动处理。然而，这些方法和设备通常需要大量的计算资源，且对视频数据的处理效率和准确性还有待提高。

技术实现思路

1、为了克服现有技术的缺陷，本发明所要解决的技术问题是：用于公共安全的视频监控设备如何能够节省云计算资源和网络带宽。

2、为解决上述技术问题，本发明提供一种基于边缘计算的ai视觉识别装置，其包括：视频数据获取单元、视频数据处理单元、视频数据识别单元以及警报信息发送单元，其中，

3、所述视频数据获取单元的输入端电连接多个视频采集器的输出端，所述视频数据获取单元的输出端电连接所述视频数据处理单元的输入端，所述视频数据处理单元的输出端电连接所述视频数据识别单元的输入端，所述视频数据识别单元的输出端电连接所述警报信息发送单元；

4、所述视频数据获取单元用于获取外部的多个视频采集器所采集到的视频数据；

5、所述视频数据处理单元用于对所述视频数据进行预处理；

6、所述视频数据识别单元用于对预处理后的数据进行内容识别；

7、所述警报信息发送单元用于向外发送警报信息。

8、在上述技术方案的基础上，本发明还可以做如下改进。

9、优选地，所述视频数据获取单元包括依次进行电连接的：数据连接子单元、数据接收子单元、检测修正子单元以及数据缓存子单元，其中，

10、所述数据连接子单元用于进行身份验证，并在验证成功后与外部的多个视频采集器建立连接；

11、所述数据接收子单元用于根据通信协议的不同，将外部的多个视频采集器采集到的视频数据分割成多个数据包，进行传输；传输完成后，再将所述多个数据包重新组合，形成完整的视频数据；

12、所述检测修正子单元用于进行错误检测和修正；

13、所述数据缓存子单元用于将视频数据进行暂时性的储存。

14、优选地，所述视频数据处理单元包括依次进行电连接的：解码子单元、去噪子单元、压缩子单元、帧率调整子单元、格式转换子单元、以及标准化子单元，其中，

15、所述解码子单元用于对接收到的压缩视频数据进行解码处理；

16、所述去噪子单元用于通过去噪算法去除或减少噪声；

17、所述压缩子单元用于通过压缩算法减少视频数据的数据量；

18、所述帧率调整子单元用于通过增加或减少帧的数量来调整帧率；

19、所述格式转换子单元用于将视频数据转换为所述视频数据识别单元所需的格式；

20、所述标准化子单元用于将视频数据转换为所述视频数据识别单元需要数据所具有的范围或分布。

21、优选地，所述视频数据识别单元包括依次进行电连接的：目标检测子单元、行为识别子单元及人脸识别子单元，其中，

22、所述目标检测子单元用于通过目标检测算法来检测视频中特定目标的位置和类型；

23、所述行为识别子单元用于通过行为识别算法来识别视频中所述特定目标的行为；

24、所述人脸识别子单元用于通过人脸识别算法来识别视频中人脸的身份。

25、优选地，所述警报信息发送单元包括彼此之间相互独立的：图形化展示子单元、消息推送子单元以及证据留存子单元，其中，

26、所述图形化展示子单元用于将所述视频数据识别单元的识别结果标注在视频上，以图形化的方式展示给用户；

27、所述消息推送子单元用于在检测到预设的目标或行为时，向用户发送通知；

28、所述证据留存子单元用于将所述视频数据识别单元的识别结果储存到本地或云端的存储设备中。

29、优选地，所述警报信息发送单元还包括警报发送子单元，所述警报发送子单元用于将所述视频数据识别单元的识别结果发送给外部的警报装置。

30、在此基础上，本发明还提供一种基于边缘计算的ai视觉识别系统，包括：上述的基于边缘计算的ai视觉识别装置、多个视频采集器以及云端业务平台，其中，多个视频采集器的输出端分别电连接至所述基于边缘计算的ai视觉识别装置的输入端，所述基于边缘计算的ai视觉识别装置的输出端有线或无线电连接至所述云端业务平台。

31、此外，本发明提供一种基于边缘计算的ai视觉识别方法，所述方法应用于上述基于边缘计算的ai视觉识别装置或系统，包含如下步骤：

32、s201：获取外部的多个视频采集器所采集到的视频数据；

33、s202：对所述视频数据进行预处理；

34、s203：对预处理后的数据进行内容识别；

35、s204：向外发送警报信息。

36、优选地，步骤s201包括：

37、s201a：进行身份验证，并在验证成功后与外部的多个视频采集器建立连接；

38、s201b：根据通信协议的不同，将外部的多个视频采集器采集到的视频数据分割成多个数据包，进行传输；传输完成后，再将所述多个数据包重新组合，形成完整的视频数据；

39、s201c：进行错误检测和修正；

40、s201d：将视频数据进行暂时性的储存。

41、优选地，步骤s202包括：

42、s202a：对接收到的压缩视频数据进行解码处理；

43、s202b：通过去噪算法去除或减少噪声；

44、s202c：通过压缩算法减少视频数据的数据量；

45、s202d：通过增加或减少帧的数量来调整帧率；

46、s202e：将视频数据转换为后续的数据识别所需的格式；

47、s202f：将视频数据转换为后续的数据识别需要数据所具有的范围或分布。

48、优选地，步骤s203包括：

49、s203a：通过目标检测算法来检测视频中特定目标的位置和类型；

50、s203b：通过行为识别算法来识别视频中所述特定目标的行为；

51、s203c：通过人脸识别算法来识别视频中人脸的身份。

52、优选地，步骤s204包括：

53、s204a：将数据识别的结果标注在视频上，以图形化的方式展示给用户；

54、s204b：在检测到预设的目标或行为时，向用户发送通知；

55、s204c：将数据识别的结果储存到本地或云端的存储设备中。

56、进一步优选地，所述步骤s204还包括步骤s204d：将数据识别的结果发送给外部的警报装置。

57、本发明的有益效果如下：

58、与现有技术相比，本发明基于边缘计算进行ai视觉识别，即在设备端附近产生计算；相比较云计算而言，边缘计算收集并分析数据的行为发生在靠近数据生成的本地设备和网络中，具备快速反应能力，能够有效地节省云计算资源和网络带宽。