(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 202211083275.7
(22)申请日 2022.09.06
(71)申请人 山东出版数字融合产业研究院有限
公司
地址 250000 山东省济南市 市中区英雄 山
路189号B座 4楼
(72)发明人 范波
(74)专利代理 机构 济南千慧专利事务所(普通
合伙企业) 37232
专利代理师 秦嘉
(51)Int.Cl.
G06V 20/40(2022.01)
G06V 20/52(2022.01)
G06V 10/82(2022.01)
H04N 7/18(2006.01)
(54)发明名称
一种基于边缘计算的实时视频监控方法、 设
备及存储介质
(57)摘要
本申请公开了一种基于边缘计算的实时视
频监控方法、 设备及存储介质。 方法包括: 边缘视
频采集设备采集实时视频流并传输至边缘监控
终端; 边缘监控终端对实时视频流进行处理, 以
对应的信息增强图像, 并通过预置的深度识别网
络模型的浅层识别网络, 对信息增强图像进行目
标识别, 以确定信息增强图像对应的识别中间数
据; 基于中间数据, 确定待识别物品为初始预测
物品类别的预测置信度, 并在预测置信度小于预
设阈值的情况下, 将识别中间数据上传至云服务
器中; 云服务器通过预置的深层识别网络, 对识
别中间数据进行处理, 以确定待识别物品的预设
物品类别。 本申请通过上述方法实现了结合边缘
计算对实时检测视频进行监控, 从而降低了网络
数据传输 压力。
权利要求书3页 说明书9页 附图1页
CN 115424179 A
2022.12.02
CN 115424179 A
1.一种基于边 缘计算的实时视频监控方法, 其特 征在于, 所述方法包括:
边缘视频采集设备采集实时视频流, 并将所述实时视频流传输 至边缘监控终端;
所述边缘监控终端对所述实时视频流进行预处理, 以获得待分析视频帧图像, 并通过
预设的图像信息增强算法, 对所述待分析视频帧图像进行处理, 以生成对应的信息增强 图
像;
通过所述边缘监控终端中预置的深度识别网络模型的浅层识别网络, 对所述信 息增强
图像进行目标识别, 以确定所述信息增强图像对应的识别中间数据; 其中, 所述识别中间数
据中包含预设数量个预测概率, 所述预测概率用于描述所述信息增强图像中包含的待识别
物品是某一预设物品类别的概 率;
基于所述中间数据, 确定所述待识别物品为初始预测物品类别的预测置信度, 并在所
述预测置信度小于预设阈值的情况下, 将所述识别中间数据上传至 云服务器中; 其中, 所述
初始预测物品类别为 最大预测概率对应的预设物品类别;
通过所述云服务器中预置的深度识别网络模型的深层识别网络, 对所述识别中间数据
进行处理, 以确定所述待识别物品的预设物品类别, 并在所述预设物品类别为风险类别时
进行告警。
2.根据权利要求1所述的一种基于边缘计算的实时视频监控方法, 其特征在于, 通过预
设的图像信息增强算法, 对所述待分析视频帧图像进 行处理, 以生成对应的信息增强图像,
具体包括:
获取所述待分析视频帧图像的图像RGB通道数据, 并分别计算RGB三通道对应的通道平
均值;
基于所述通道平均值, 对所述待分析视频帧图像进行去均值化计算, 以确定所述待分
析视频帧图像对应的去均值 化图像;
基于所述通道平均值与所述图像RGB通道数据, 通过预设的去均值补偿规则, 确定对应
通道的去均值补偿参数;
基于所述去均值补偿参数, 对所述去均值化图像的对应通道数据进行补偿, 以生成补
偿图像;
通过预设的图像白化算法, 对所述补偿图像进行白化处理, 以确定所述待分析视频帧
图像对应的信息增强图像。
3.根据权利要求1所述的一种基于边缘计算的实时视频监控方法, 其特征在于, 在通过
所述边缘监控终端中预置的深度识别网络模型的浅层识别网络, 对所述信息增强图像进 行
目标识别之前, 所述方法还 包括:
获取若干样本 图像, 并对所述若干样本 图像通过所述图像信息增强算法处理, 以获得
若干信息增强样本图像;
基于所述若干信息增强样本 图像, 对深度识别神经网络进行训练, 以获得收敛的深度
识别网络模型;
在所述深度识别网络模型选 定的一个网络层作为 提取输出层, 并设置提前输出节点;
基于所述提前输出节点, 将所述深度识别网络模型划分为浅层识别网络与深层识别网
络, 并将所述浅层识别网络设置于所述边缘监控终端中, 将所述深层识别网络设置于云服
务器中。权 利 要 求 书 1/3 页
2
CN 115424179 A
24.根据权利要求1所述的一种基于边缘计算的实时视频监控方法, 其特征在于, 基于所
述中间数据, 确定所述待识别物品为初始预测物品类别的预测置信度, 具体包括:
基于预设的概 率熵计算公式, 计算所述预设数量个预测概 率对应的 的概率熵;
基于所述概率熵, 通过预测置信度计算公式, 确定所述待识别物品为初始预测物品类
别的预测置信度。
5.根据权利要求4所述的一种基于边缘计算的实时视频监控方法, 其特征在于, 概率熵
计算公式, 由以下公式表示:
其中, PE为 概率熵, Pi为第i个概 率预测概 率, N等于预设数量。
6.根据权利要求3所述的一种基于边缘计算的实时视频监控方法, 其特征在于, 在基于
所述中间数据, 确定所述待识别物品为初始预测物品类别的预测置信度之后, 所述方法还
包括:
在所述预测置信度大于预设阈值的情况下, 通过所述提前输出节点, 退出所述浅层识
别网络, 并确定所述初始预测物品类别为所述待识别物品的预设物品类别。
在所述预设物品类别为 风险类别时进行告警。
7.根据权利要求1所述的一种基于边缘计算的实时视频监控方法, 其特征在于, 边缘视
频采集设备采集实时视频流, 并将所述实时视频流传输 至边缘监控终端, 具体包括:
所述边缘视频采集设备采集实时视频流, 并通过预设的视频编码算法, 对所述实时视
频流进行编码压缩;
通过预设的视频传输协议, 将编码压缩后的所述实时视频流传输至所述边缘监控终
端。
8.根据权利要求7所述的一种基于边缘计算的实时视频监控方法, 其特征在于, 所述边
缘监控终端对所述实时视频流进行 预处理, 以获得待分析视频帧图像, 具体包括:
所述边缘监控终端通过预设的视频解码算法, 对编码压缩后的所述实时视频流进行解
码; 其中, 所述视频解码算法与所述视频编码算法为对应的视频编解码算法;
将所述实时视频流对应YUV格 式的帧图像转换为RGB格 式的帧图像, 并通过预设的帧图
像抽取规则, 对所述实时视频流中的帧图像进行抽取, 以获得待分析视频帧图像。
9.一种基于边 缘计算的实时视频监控设备, 其特 征在于, 所述设备包括:
至少一个处 理器;
以及, 与所述至少一个处 理器通信连接的存 储器;
其中, 所述存储器存储有可被所述至少一个处理器执行的指令, 所述指令被所述至少
一个处理器执行, 以使所述至少一个处 理器能够:
边缘视频采集设备采集实时视频流, 并将所述实时视频流传输 至边缘监控终端;
所述边缘监控终端对所述实时视频流进行预处理, 以获得待分析视频帧图像, 并通过
预设的图像信息增强算法, 对所述待分析视频帧图像进行处理, 以生成对应的信息增强 图
像;
通过所述边缘监控终端中预置的深度识别网络模型的浅层识别网络, 对所述信 息增强
图像进行目标识别, 以确定所述信息增强图像对应的识别中间数据; 其中, 所述识别中间数权 利 要 求 书 2/3 页
3
CN 115424179 A
3
专利 一种基于边缘计算的实时视频监控方法、设备及存储介质
安全报告 >
其他 >
文档预览
中文文档
14 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共14页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 思考人生 于 2024-03-03 20:14:47上传分享