(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211223920.0 (22)申请日 2022.10.09 (71)申请人 南昌工程学院 地址 330000 江西省南昌市高新 技术开发 区天祥大道 289号 (72)发明人 包学才　占礼彬　潘帅　陈豹　 何海清　吴沂航　聂菊根　韩龙哲　 李艳　 (74)专利代理 机构 北京鑫瑞森知识产权代理有 限公司 1 1961 专利代理师 刘晶 (51)Int.Cl. H04N 7/18(2006.01) H04L 65/61(2022.01) H04L 67/56(2022.01)G08B 31/00(2006.01) G06V 10/82(2022.01) G06V 20/40(2022.01) G06V 20/52(2022.01) (54)发明名称 一种基于边缘计算的多视频流安全风险预 警系统及方法 (57)摘要 本发明涉及一种基于边缘计算的多视频流 安全风险预警系统及方法， 涉及边缘端多视频流 安全风险目标识别预警技术领域， 系统包括边缘 计算设备、 供电模块、 显示屏、 监测管理平台、 流 媒体监控服务器、 图像存储服务器和第二通信模 块； 根据多个摄像头监控的视频信息， 推理出摄 像头监控的区域是否出现不安全的行为， 并进行 截图， 同时判断是否收到推流指令， 由第二通信 模块通知监管人员并将截图和视频发送至监测 管理平台； 服务器安全风险监管平台接收边缘监 测终端的识别异常的影音信息， 将图像和推流视 频分别转存至图像存储服务器和流媒体监控服 务器。 本发 明实现施工场所中不规范行为的精准 监测， 并对 出现的不规范行为实现截图或视频取 证和预警功能。 权利要求书2页 说明书5页 附图2页 CN 115297305 A 2022.11.04 CN 115297305 A 1.一种基于边 缘计算的多视频流 安全风险预警系统， 其特 征在于， 包括： 边缘监测终端和服务器安全风险监管平台； 所述边缘监测终端和所述服务器安全风险 监管平台之间电性连接； 所述边缘监测终端包括： 边缘计算设备、 第一摄像头、 第二摄像头、 第一通信模块、 供电 模块和显示屏； 所述边缘计算设备分别与所述第一摄像头、 所述第二摄像头、 所述供电模块和显示屏 电性连接， 所述边缘计算设备通过所述第一通信模块通信连接所述服务器安全风险监管平 台； 所述第一摄像头和所述第二摄像头用于对目标区域进行实时监测， 并将监测内容上传 至所述边缘计算设备， 所述边缘计算设备用于部署已训练的轻量化深度神经网络模型， 对 所述第一摄像头和所述第二摄像头的监测内容进 行推理判断； 所述供电模块为整个装置提 供电能； 所述显示屏用于实时显示 监测结果； 所述服务器安全风险监管平台包括： 监测管理平台、 流媒体监控服务器、 图像存储服务 器和第二 通信模块； 所述监测管理平台分别与 所述流媒体监控服务器和所述图像存储服务器电性连接， 所 述监测管理平台通过所述第二通信模块及所述第一通信模块通信连接所述边缘计算设备， 所述监测管理平台通过所述第二通信模块通信连接监管人员移动端； 所述监测管理平台用 于接收存在安全隐患的图像 或视频； 所述图像存储服务器用于将存在安全隐患的图像或视 频进行保存和备份； 所述流媒体监控服务器用于对所述边缘监测终端采集的数据进行实时 推流代理。 2.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统， 其特征在于， 还 包括： 所述边缘计算设备由外围电路、 核心板和底板构成， 底板用于根据以太网接口数量设 计相应电路， 连接多个 摄像头。 3.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统， 其特征在于， 包 括： 所述第一摄像头和所述第 二摄像头为IP防雨广角摄像头， 所述第一通信模块和所述第 二通信模块由4G模块、 W IFI模块或以太网模块构成； 所述供电模块 为太阳能供电模块。 4.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统， 其特征在于， 包 括： 所述轻量化深度神经网络模型在具有GPU的PC机上训练后， 再经TensorRT深度学习推 理优化器， 部署在所述 边缘计算设备 上。 5.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统， 其特征在于， 包 括： 所述服务器安全风险监管平台与 所述第一摄像头和所述第 二摄像头电性连接， 用于观 看指定摄 像头实时画面。 6.一种应用于基于边缘计算的多视频流安全风险预警系统的方法， 其特征在于， 包括 以下步骤： S1： 边缘计算设备判断第一 通信模块联网状态， 判断第一 通信模块是否在线； S2： 如果是， 向边缘计算设备中的摄像头接口接入第 一摄像头和第 二摄像头， 转至步骤权　利　要　求　书 1/2 页 2 CN 115297305 A 2S3； 如果否， 转至步骤S1； S3： 边缘计算设备读取第一摄像头和第二摄像头的图像信息， 根据采集到的图像信息， 利用已经部署在边缘计算设备中的已训练的轻量化深度神经网络模型进 行推理， 判断摄像 头所监测的区域是否有不 规范施工的行为并将识别结果实时显示在显示屏上； S4： 如果是， 则判定施工人员有不规范施工的行为， 边缘计算设备对第 一摄像头和第二 摄像头中的不规范行为进 行截图通过第一通信模块发送至图像存储服务器， 同时通过第一 通信模块发送报警信息给监管 人员； 如果否， 转至步骤S3； S5： 查询流 媒体监控服 务器是否收到拉流指令； S6： 如果是， 则第二通信模块向边缘计算设备发送推流指令， 收到推流指令之后， 边缘 监测终端向流 媒体监控服 务器发送指定的摄 像头或监控视频信息； 如果否， 转至步骤S3 。权　利　要　求　书 2/2 页 3 CN 115297305 A 3