CN111405273A - 摄像头运维方法和系统 - Google Patents

Abstract

本申请涉及一种摄像头运维方法和系统，所述方法包括：摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；所述边缘计算设备在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对所述摄像头的工作状态进行异常检测，得到摄像头检测结果；所述边缘计算设备将所述媒体数据检测结果和所述摄像头检测结果发送至视频管理中心；所述视频管理中心根据所述媒体数据检测结果和所述摄像头检测结果确定所述摄像头出现是否异常，若是，则进行异常提示。本申请提供的方案可以提高摄像头的运维效率。

Description

摄像头运维方法和系统

技术领域

本申请涉及计算机技术领域，特别是涉及一种摄像头运维方法和系统。

背景技术

当前生产生活中常用的摄像头均为普通摄像头，对应的视频监控系统如图1所示，摄像头的供电系统由边缘侧的市电经过适配器提供电源，并通过光纤或者以太网将采集的媒体数据传送到视频管理中心，当摄像头出现工作状态异常时，均是由视频管理中心对摄像头的工作状态进行异常检测与治理的。

然而，随着物联网的快速发展，摄像头的边缘部署数量大量增长，视频管理中心无法及时、准确地对各摄像头的工作状态进行管理与维护，导致对摄像头运维的效率较低。

发明内容

基于此，有必要针对传统方案中摄像头运维效率低的问题，提供一种摄像头运维方法和系统。

一种摄像头运维方法，包括：

摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；

所述边缘计算设备在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对所述摄像头的工作状态进行异常检测，得到摄像头检测结果；

所述边缘计算设备将所述媒体数据检测结果和所述摄像头检测结果发送至视频管理中心；

所述视频管理中心根据所述媒体数据检测结果和所述摄像头检测结果确定所述摄像头出现是否异常，若是，则进行异常提示。

在一个实施例中，所述方法还包括：

供电系统向所述摄像头和所述边缘计算设备输送电能；

所述供电系统对蓄电池进行充电，以便在确定所述供电系统对所述摄像头的供电出现异常时，所述蓄电池向所述摄像头和所述边缘计算设备提供电能。

在一个实施例中，所述边缘计算设备在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行图像质量检测，得到媒体数据检测结果，包括：

所述边缘计算设备在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行解码，得到解码后媒体数据；

所述边缘计算设备通过图像分析系统判断所述解码后媒体数据是否存在花屏图像或黑屏图像，得到媒体数据检测结果。

在一个实施例中，所述方法还包括：

所述边缘计算设备通过YOLO视频识别、分析算法对所述解码后媒体数据进行用户行为分析，得到行为分析结果；

当所述行为分析结果满足预设行为条件时，所述边缘计算设备将所述行为分析结果发送至所述视频管理中心；

所述视频管理中心根据所述行为分析结果获取对应的任务标识，并根据所述任务标识执行对应的任务。

在一个实施例中，所述边缘计算设备通过YOLO视频识别、分析算法对所述解码后媒体数据进行用户行为分析，得到行为分析结果包括：

所述边缘计算设备检测所述解码后媒体数据中的目标对象，对所述目标对象的行为进行分析得到行为分析结果；

所述方法还包括：当所述行为分析结果不满足预设行为条件时，则所述摄像头重新拍摄目标环境得到新的媒体数据，并向所述边缘计算设备进行发送。

在一个实施例中，所述当接收运维指令时，分别对所述摄像头的工作状态进行异常检测，得到摄像头检测结果包括：

所述边缘计算设备当接收到运维指令时，对所述摄像头进行网络连接和通电异常检测，以及对所述摄像头进行转动检测，得到摄像头检测结果。

在一个实施例中，对所述摄像头进行网络连接和通电异常检测，以及对所述摄像头进行转动检测，得到摄像头检测结果，包括：

所述边缘计算设备当接收到运维指令时，检测摄像头电源的通用输入输出接口是否为低电平；

若是，则确定所述供电系统对所述摄像头的通电异常；

若否，则检测所述摄像头的网络连接；

当所述网络连接的状态为断开状态、且所述断开状态持续时间超过时间阈值时，确定所述摄像头的网络连接异常。

在一个实施例中，所述边缘计算设备当接收到运维指令时，对所述摄像头进行转动检测，得到摄像头检测结果，包括：

当接收到运维指令时，所述边缘计算设备向所述摄像头发送转动控制指令；

所述边缘计算设备检测所述摄像头是否根据所述转动控制指令进行转动，得到摄像头检测结果。

一种摄像头运维系统，所述系统包括：

摄像头，用于拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；

边缘计算设备，用于在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对所述摄像头的工作状态进行异常检测，得到摄像头检测结果；

所述边缘计算设备，还用于将所述媒体数据检测结果和所述摄像头检测结果发送至视频管理中心；

视频管理中心，用于根据所述媒体数据检测结果和所述摄像头检测结果确定所述摄像头出现是否异常，若是，则进行异常提示。

在一个实施例中，所述系统还包括：

供电系统，用于向所述摄像头和所述边缘计算设备输送电能；对蓄电池进行充电，以便在确定所述供电系统对所述摄像头的供电出现异常时，所述蓄电池向所述摄像头和所述边缘计算设备提供电能。

在一个实施例中，所述边缘计算设备还用于，在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行解码，得到解码后媒体数据；通过图像分析系统判断所述解码后媒体数据是否存在花屏图像或黑屏图像，得到媒体数据检测结果。

在一个实施例中，所述边缘计算设备还用于，通过YOLO视频识别、分析算法对所述解码后媒体数据进行用户行为分析，得到行为分析结果；当所述行为分析结果满足预设行为条件时，将所述行为分析结果发送至所述视频管理中心；

所述视频管理中心还用于，根据所述行为分析结果获取对应的任务标识，并根据所述任务标识执行对应的任务。

在一个实施例中，所述边缘计算设备还用于，检测所述解码后媒体数据中的目标对象，对所述目标对象的行为进行分析得到行为分析结果；

所述摄像头还用于，当所述行为分析结果不满足预设行为条件时，则重新拍摄目标环境得到新的媒体数据，并向所述边缘计算设备进行发送。

在一个实施例中，所述缘计算设备还用于，当接收到运维指令时，对所述摄像头进行网络连接和通电异常检测，以及对所述摄像头进行转动检测，得到摄像头检测结果。

在一个实施例中，所述边缘计算设备还用于，当接收到运维指令时，检测摄像头电源的通用输入输出接口是否为低电平；

若是，则确定所述供电系统对所述摄像头的通电异常；

若否，则检测所述摄像头的网络连接；

当所述网络连接的状态为断开状态、且所述断开状态持续时间超过时间阈值时，确定所述摄像头的网络连接异常。

在一个实施例中，所述边缘计算设备还用于，当接收到运维指令时，向所述摄像头发送转动控制指令；检测所述摄像头是否根据所述转动控制指令进行转动，得到摄像头检测结果。

上述摄像头运维方法和系统，摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果；边缘计算设备将媒体数据检测结果和摄像头检测结果发送至视频管理中心；视频管理中心根据媒体数据检测结果和摄像头检测结果确定摄像头出现是否异常，若是，则进行异常提示，从而能够快速将摄像头异常信息通知到对应的运维人员以进行异常处理，进行提高了摄像头的运维效率。

附图说明

图1为一个实施例中传统摄像头运维方法的应用环境图；

图2为一个实施例中摄像头运维方法的应用环境图；

图3为一个实施例中摄像头运维方法的流程示意图；

图4为一个实施例中摄像头运维方法的软件架构图；

图5为另一个实施例中摄像头运维方法的应用环境图；

图6为一个实施例中图像质量检测步骤的流程示意图；

图7为一个实施例中用户行为分析步骤的流程示意图；

图8为一个实施例中网、电检测步骤的流程示意图；

图9为一个实施例中摄像头转动检测步骤的流程示意图；

图10为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图2为一个实施例中摄像头运维方法的应用环境图。参照图2，该摄像头运维方法应用于摄像头运维系统。该摄像头运维系统包括摄像头210、边缘计算设备220、视频管理中心230和供电系统240。摄像头210经边缘计算设备220和视频管理中心230通过网络连接。摄像头210和边缘计算设备220共用同一个网络地址，如摄像头210和边缘计算设备220共用同一个IP地址。供电系统240给摄像头210和边缘计算设备220输送电能。其中边缘计算设备220还通过移动通信网络连接到视频管理中心230，移动通信网络具体可以是5G网络。

如图3所示，在一个实施例中，提供了一种摄像头运维方法。本实施例主要以该方法应用于上述图2中的摄像头运维系统来举例说明。参照图3，该摄像头运维方法具体包括如下步骤：

S302，摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送。

其中，目标环境为摄像头的拍摄范围内的环境，例如，摄像头部署在某十字路口，该摄像头的拍摄范围是该十字路口，则该十字路口为目标环境。媒体数据具体可以是视频数据。边缘计算设备在不改变传统摄像头部署的网络结构的前提下，通过以太网直接与摄像头串联、与摄像头共用同一个网络地址。

在一个实施例中，摄像头实时对目标环境进行拍摄，得到媒体数据，并将拍摄得到的媒体数据发送至边缘计算设备。

在一个实施例中，摄像头实时对目标环境进行拍摄得到媒体数据，然后将拍摄得到的媒体数据通过网络发送至视频管理中心，边缘计算设备对摄像头发送给视频管理中心的通信数据进行拦截，从而得到摄像头拍摄的媒体数据。

S304，边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果。

在一个实施例中，边缘计算设备周期性的对媒体数据进行图像质量检测，以及周期性的对摄像头的工作状态进行异常检测。

在一个实施例中，边缘计算设备在接收到或者拦截到摄像头发送的媒体数据时，将所得到的媒体数据输入图像分析系统，通过该图像分析系统对媒体数据进行图像质量检测，得到媒体数据检测结果。其中，媒体数据检测结果中的异常结果包括媒体数据存在花屏图像或者黑屏图像。

在一个实施例中，当边缘计算设备接收到运维指令时，分别对摄像头的工作状态进行异常检测，得到异常检测的结果。其中对摄像头的工作状态进行异常检测包括：对摄像头进行网络连接和通电异常检测，以及对摄像头进行转动检测。

S306，边缘计算设备将媒体数据检测结果和摄像头检测结果发送至视频管理中心。

S308，视频管理中心根据媒体数据检测结果和摄像头检测结果确定摄像头出现是否异常，若是，则进行异常提示。

在一个实施例中，边缘计算设备在对媒体数据进行图像质量检测得到媒体数据检测结果，以及对摄像头的工作状态进行异常检测得到摄像头检测结果之后，将该媒体数据检测结果和摄像头检测结果发送至视频管理中心，视频管理中心根据接收到的媒体数据检测结果和摄像头检测结果确定对应的摄像头是否出现异常，若是，则进行异常提示。

在一个实施例中，边缘计算设备在对媒体数据进行图像质量检测得到媒体数据检测结果，以及对摄像头的工作状态进行异常检测得到摄像头检测结果之后，根据媒体数据检测结果和摄像头检测结果确定摄像头是否出现异常，若是，则确定摄像头的异常类型，并将该异常类型发送至视频管理中心，视频管理中心根据接收到的异常类型，进行对应的异常提示。

在一个实施例中，摄像头运维系统上运行有摄像头运维软件，摄像头运维系统通过该摄像头运维软件对媒体数据进行图像质量检测，以及对摄像头的工作状态进行异常检测，并将媒体数据检测结果和摄像头检测结果发送至视频管理中心以进行异常提示。其中该摄像头运维软件架构如图4所示，该摄像头运维软件架构包设备感知层、网关层和视频管理中心，边缘计算设备可以提供网/电检测服务(摄像头工作状态检测)、摄像头云控服务(摄像头转动检测)、视觉AI服务(行为分析)以及摄像头图像质量分析服务(图像质量检测)。

上述实施例中，通过摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果；边缘计算设备将媒体数据检测结果和摄像头检测结果发送至视频管理中心；视频管理中心根据媒体数据检测结果和摄像头检测结果确定摄像头出现是否异常，若是，则进行异常提示，从而能够快速将摄像头异常信息通知到对应的运维人员以进行异常处理，进行提高了摄像头的运维效率。

在一个实施例中，如图5所示，该摄像头运维方法所应用的摄像头运维系统还包括蓄电池250，供电系统240向摄像头210和边缘计算设备220输送电能的同时还向蓄电池250进行充电，以便在确定供电系统240对摄像头210的供电出现异常时，蓄电池250向摄像头210和边缘计算设备220提供电能。

上述实施例中，通过供电系统向蓄电池进行充电，以在供电系统对摄像头的供电出现异常时，通过蓄电池向摄像头和边缘计算设备提供电能，保证了摄像头的正常工作，提高了摄像头的运维效率。

在一个实施例中，边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果，具体包括以下步骤：边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行解码，得到解码后媒体数据；边缘计算设备通过图像分析系统判断解码后媒体数据是否存在花屏图像或黑屏图像，得到媒体数据检测结果，其中，花屏图像是指图像上覆盖有点状、片状、马赛克干扰。

结合实际的应用场景对上述实施例进行说明。如图6所示，边缘计算设备在启动图像质量检测服务后，通过网关层接收摄像头发送的图像信息，然后边缘计算设备接收由网关层转发的图像信息，并对该图像信息进行解码，即对所得的图像信息进行格式转换，例如将H264格式的图像信息转换为YUV格式的图像信息，然后边缘计算设备通过OPENCV的拉普拉斯算子计算方差，然后根据计算所得的方差判断是该图像信息是否为花屏图像，若是，则将为花屏图像确定为媒体数据检测结果；若否，则通过ffmpeg的blackdetex滤镜引擎对网关层转发的图像信息进行分析，根据图像信息对应黑场时间判断该图像信息是否为黑屏图像，若是，则将黑屏图像确定为媒体数据检测结果，其中，若黑场时间超过第一时间阈值，且黑场像素的百分比大于第一像素百分比阈值时，确定图像信息为黑屏图像，若黑场时间超过第一时间阈值，且黑场像素的百分比大于第二百分比阈值、小于第一百分比阈值，则确定该图像信息为遮屏图像。边缘计算设备在得到媒体数据检测结果之后，根据该媒体数据检测结果确定摄像头对应的异常事件的类型信息，并通过网络将该异常事件的类型信息发送至视频管理中心，具体可以是通过移动通信网络或者以太网将该异常事件的类型信息发送至视频管理中心。

上述实施例中，边缘计算设备在获取媒体数据之后，通过对媒体数据进行图像质量检测，得到图像检测结果，从而在媒体数据出现花屏图像或者黑屏图像等异常事件时，及时发送到视频管理中心，从而能够快速将摄像头异常信息通知到对应的运维人员以进行异常处理，进行提高了摄像头的运维效率。

在一个实施例中，边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行解码，得到解码后媒体数据，然后通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果，当用户行为分析结果满足预设行为条件时，将该用户行为分析结果发送至视频管理中心，视频管理中心根据该用户行为分析结果获取对应的任务标识，并根据该任务标识执行对应的任务。其中，通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果，具体包括：边缘计算设备检测解码后媒体数据中的目标对象，对目标对象的行为进行分析得到行为分析结果。

结合实际的应用场景对上述实施例进行说明。如图7所示，边缘计算设备在启动视觉AI服务后，通过网关层接收摄像头发送的图像信息，然后边缘计算设备接收由网关层转发的图像信息，并对该图像信息进行解码，即对所得的图像信息进行格式转换，例如将H264格式的图像信息转换为YUV格式的图像信息，然后通过YOLO视频识别、分析算法对格式转化后的图像信息进行分析，判断目标用户行为是否存在，若存在，则确定出现目标用户行为，根据该目标用户行为确定对应的异常事件的类型信息，并将该类型信息发送至视频管理中心，视频管理中心根据该类型信息获取对应的任务标识，并根据该任务标识执行对应的任务。例如，目标用户行为是机动车闯红灯行为，边缘计算设备通过YOLO视频识别、分析算法对格式转化后的图像信息进行分析，确定存在机动车闯红灯行为，则确定对应的异常事件的类型信息为机动车闯红灯，并将该机动车闯红灯的类型信息发送至视频管理中心，视频管理中心根据机动车闯红灯的类型信息获取对应的任务标识，如车牌号提取标识，根据车牌号提取标识，从图像信息中提取出该机动车闯红灯的图片，并通过文字识别算法从该机动车闯红灯的图片终提取出该机动车的车牌号。

在一个实施例中，边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行解码，得到解码后媒体数据，然后通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果，当行为分析结果不满足预设行为条件时，则摄像头重新拍摄目标环境得到新的媒体数据，并向边缘计算设备进行发送。

上述实施例中，边缘计算设备边缘计算设备在获取媒体数据之后，通过对媒体数据进行行为分析，从而在确定出现预设行为时，将行为分析结果发送中视频管理中心，从而视频管理中心能够根据行为分析结果执行对应的任务，提高了对摄像头拍摄的媒体数据的分析与响应的速度。

在一个实施例中，边缘计算设备当接收到运维指令时，对摄像头进行网络连接和通电异常检测，以及对摄像头进行转动检测，得到摄像头检测结果。

在一个实施例中，边缘计算设备接收到运维指令时，检测摄像头电源的通用输入输出接口是否为低电平，若是则确定供电系统对摄像头的通电异常；若否则检测摄像头的网络连接，当摄像头的网络连接的状态为断开状态、且该断开状态持续时间超过时间阈值时，确定摄像头的网络连接异常。边缘计算设备在确定出摄像头的通电异常或网络连接异常之后，将通电异常或者网络连接异常作为摄像头检测结果。

结合实际的应用场景对上述实施例进行说明。如图8所示，边缘计算设备在初始化启动网、电服务之后，对电源的GPIO口进行检测，若GPIO口为低电平，则确定市点供电系统对摄像头的供电异常；若GPIO口为高电平，则检测摄像头的网络连接是否断开，若是则进行计时，若该断开状态持续事件超过事件阈值，则确定摄像头的网络连接异常。在确定出供电异常或网络连接异常之后，并基于HTTP协议发送异常事件至网关层，边缘计算设备通过网关层接收到异常事件后，确定该异常事件的类型信息，并将该类型信息通过移动网络发送至视频管理中心。

上述实施例中，边缘计算设备通过对摄像头进行网络连接、通电异常方面的检测，并在网络连接断开或通电异常时及时将异常事件发送至视频管理中心，使得视频管理中心能够快速将摄像头异常信息通知到对应的运维人员以进行异常处理，进行提高了摄像头的运维效率。

在一个实施例中，边缘计算设备接收到运维指令时，边缘计算设备向对应的摄像头发送转动控制指令，然后检测该摄像头是否根据该转动控制指令进行转动，得到摄像头转动结果，其中摄像头转动结果包括摄像头转动正常和摄像头异常，摄像头转动异常具体可以是摄像头无法转动。

结合实际的应用场景对上述实施例进行说明。如图9所示，边缘计算设备在启动摄像头云空服务之后，启动摄像头对应的云控协议，云控协议具体可以是GB2018/ONVIF协议，通过网关层向摄像头发送云控指令，然后检测摄像头是否根据云控指令进行转动，若是，则确定摄像头转动正常；若否，则确定摄像头转动异常，并确定该异常事件的类型信息，将该类型信息通过移动网络发送至视频管理中心。

上述实施例中，边缘计算设备通过对摄像头进行转动检测，并在摄像肉转动出现异常时及时将异常事件发送至视频管理中心，使得视频管理中心能够快速将摄像头异常信息通知到对应的运维人员以进行异常处理，进行提高了摄像头的运维效率。

图3、6-9为一个实施例中摄像头运维方法的流程示意图。应该理解的是，虽然图3、6-9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3、6-9中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，提供了一种摄像头运维系统，该系统包括：摄像头，边缘计算设备和视频管理中心，其中：

摄像头，用于拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；

边缘计算设备，用于在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果；

边缘计算设备，还用于将媒体数据检测结果和摄像头检测结果发送至视频管理中心；

视频管理中心，用于根据媒体数据检测结果和摄像头检测结果确定摄像头出现是否异常，若是，则进行异常提示。

在一个实施例中，该系统还包括：

供电系统，用于向摄像头和边缘计算设备输送电能；对蓄电池进行充电，以便在确定供电系统对摄像头的供电出现异常时，蓄电池向摄像头和边缘计算设备提供电能。

在一个实施例中，边缘计算设备还用于，在接收到摄像头发送的媒体数据时，对媒体数据进行解码，得到解码后媒体数据；通过图像分析系统判断解码后媒体数据是否存在花屏图像或黑屏图像，得到媒体数据检测结果。

在一个实施例中，边缘计算设备还用于，通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果；当行为分析结果满足预设行为条件时，将行为分析结果发送至视频管理中心；

视频管理中心还用于，根据行为分析结果获取对应的任务标识，并根据任务标识执行对应的任务。

在一个实施例中，边缘计算设备还用于，检测解码后媒体数据中的目标对象，对目标对象的行为进行分析得到行为分析结果；

摄像头还用于，当行为分析结果不满足预设行为条件时，则重新拍摄目标环境得到新的媒体数据，并向边缘计算设备进行发送。

在一个实施例中，缘计算设备还用于，当接收到运维指令时，对摄像头进行网络连接和通电异常检测，以及对摄像头进行转动检测，得到摄像头检测结果。

在一个实施例中，边缘计算设备还用于，当接收到运维指令时，检测摄像头电源的通用输入输出接口是否为低电平；

若是，则确定供电系统对摄像头的通电异常；

若否，则检测摄像头的网络连接；

当网络连接的状态为断开状态、且断开状态持续时间超过时间阈值时，确定摄像头的网络连接异常。

在一个实施例中，边缘计算设备还用于，当接收到运维指令时，向摄像头发送转动控制指令；检测摄像头是否根据转动控制指令进行转动，得到摄像头检测结果。

关于摄像头运维系统的具体限定可以参见上文中对于摄像头运维方法的限定，在此不再赘述。上述摄像头运维系统中的各个部件可全部或部分通过软件、硬件及其组合来实现。上述各部件可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个部件对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是边缘计算设备，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储媒体数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种摄像头运维方法。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果；边缘计算设备将媒体数据检测结果和摄像头检测结果发送至视频管理中心；视频管理中心根据媒体数据检测结果和摄像头检测结果确定摄像头出现是否异常，若是，则进行异常提示。

在一个实施例中，计算机程序被处理器执行时，使得处理器还执行以下步骤：供电系统向摄像头和边缘计算设备输送电能；供电系统对蓄电池进行充电，以便在确定供电系统对摄像头的供电出现异常时，蓄电池向摄像头和边缘计算设备提供电能。

在一个实施例中，计算机程序被处理器执行边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果的步骤时，使得处理器具体执行以下步骤：边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行解码，得到解码后媒体数据；边缘计算设备通过图像分析系统判断解码后媒体数据是否存在花屏图像或黑屏图像，得到媒体数据检测结果。

在一个实施例中，计算机程序被处理器执行时，使得处理器还执行以下步骤：边缘计算设备通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果；当行为分析结果满足预设行为条件时，边缘计算设备将行为分析结果发送至视频管理中心；视频管理中心根据行为分析结果获取对应的任务标识，并根据任务标识执行对应的任务。

在一个实施例中，计算机程序被处理器执行边缘计算设备通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果的步骤时，使得处理器具体执行以下步骤：边缘计算设备检测解码后媒体数据中的目标对象，对目标对象的行为进行分析得到行为分析结果；计算机程序被处理器执行时，使得处理器还执行以下步骤：方法还包括：当行为分析结果不满足预设行为条件时，则摄像头重新拍摄目标环境得到新的媒体数据，并向边缘计算设备进行发送。

在一个实施例中，计算机程序被处理器执行当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果包括：边缘计算设备当接收到运维指令时，对摄像头进行网络连接和通电异常检测，以及对摄像头进行转动检测，得到摄像头检测结果。

在一个实施例中，计算机程序被处理器执行对摄像头进行网络连接和通电异常检测，以及对摄像头进行转动检测，得到摄像头检测结果的步骤时，使得处理器具体执行以下步骤：边缘计算设备当接收到运维指令时，检测摄像头电源的通用输入输出接口是否为低电平；若是，则确定供电系统对摄像头的通电异常；若否，则检测摄像头的网络连接；当网络连接的状态为断开状态、且断开状态持续时间超过时间阈值时，确定摄像头的网络连接异常。

在一个实施例中，计算机程序被处理器执行边缘计算设备当接收到运维指令时，对摄像头进行转动检测，得到摄像头检测结果的步骤时，使得处理器具体执行以下步骤：当接收到运维指令时，边缘计算设备向摄像头发送转动控制指令；边缘计算设备检测摄像头是否根据转动控制指令进行转动，得到摄像头检测结果。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果；边缘计算设备将媒体数据检测结果和摄像头检测结果发送至视频管理中心；视频管理中心根据媒体数据检测结果和摄像头检测结果确定摄像头出现是否异常，若是，则进行异常提示。

在一个实施例中，计算机程序被处理器执行时，使得处理器还执行以下步骤：供电系统向摄像头和边缘计算设备输送电能；供电系统对蓄电池进行充电，以便在确定供电系统对摄像头的供电出现异常时，蓄电池向摄像头和边缘计算设备提供电能。

在一个实施例中，计算机程序被处理器执行边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行图像质量检测，得到媒体数据检测结果的步骤时，使得处理器具体执行以下步骤：边缘计算设备在接收到摄像头发送的媒体数据时，对媒体数据进行解码，得到解码后媒体数据；边缘计算设备通过图像分析系统判断解码后媒体数据是否存在花屏图像或黑屏图像，得到媒体数据检测结果。

在一个实施例中，计算机程序被处理器执行时，使得处理器还执行以下步骤：边缘计算设备通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果；当行为分析结果满足预设行为条件时，边缘计算设备将行为分析结果发送至视频管理中心；视频管理中心根据行为分析结果获取对应的任务标识，并根据任务标识执行对应的任务。

在一个实施例中，计算机程序被处理器执行边缘计算设备通过YOLO视频识别、分析算法对解码后媒体数据进行用户行为分析，得到行为分析结果的步骤时，使得处理器具体执行以下步骤：边缘计算设备检测解码后媒体数据中的目标对象，对目标对象的行为进行分析得到行为分析结果；计算机程序被处理器执行时，使得处理器还执行以下步骤：方法还包括：当行为分析结果不满足预设行为条件时，则摄像头重新拍摄目标环境得到新的媒体数据，并向边缘计算设备进行发送。

在一个实施例中，计算机程序被处理器执行当接收运维指令时，分别对摄像头的工作状态进行异常检测，得到摄像头检测结果包括：边缘计算设备当接收到运维指令时，对摄像头进行网络连接和通电异常检测，以及对摄像头进行转动检测，得到摄像头检测结果。

在一个实施例中，计算机程序被处理器执行对摄像头进行网络连接和通电异常检测，以及对摄像头进行转动检测，得到摄像头检测结果的步骤时，使得处理器具体执行以下步骤：边缘计算设备当接收到运维指令时，检测摄像头电源的通用输入输出接口是否为低电平；若是，则确定供电系统对摄像头的通电异常；若否，则检测摄像头的网络连接；当网络连接的状态为断开状态、且断开状态持续时间超过时间阈值时，确定摄像头的网络连接异常。

在一个实施例中，计算机程序被处理器执行边缘计算设备当接收到运维指令时，对摄像头进行转动检测，得到摄像头检测结果的步骤时，使得处理器具体执行以下步骤：当接收到运维指令时，边缘计算设备向摄像头发送转动控制指令；边缘计算设备检测摄像头是否根据转动控制指令进行转动，得到摄像头检测结果。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种摄像头运维方法，其特征在于，包括：

摄像头拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；

所述边缘计算设备在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对所述摄像头的工作状态进行异常检测，得到摄像头检测结果；

所述边缘计算设备将所述媒体数据检测结果和所述摄像头检测结果发送至视频管理中心；

所述视频管理中心根据所述媒体数据检测结果和所述摄像头检测结果确定所述摄像头出现是否异常，若是，则进行异常提示。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

供电系统向所述摄像头和所述边缘计算设备输送电能；

所述供电系统对蓄电池进行充电，以便在确定所述供电系统对所述摄像头的供电出现异常时，所述蓄电池向所述摄像头和所述边缘计算设备提供电能。

3.根据权利要求1所述的方法，其特征在于，所述边缘计算设备在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行图像质量检测，得到媒体数据检测结果，包括：

所述边缘计算设备在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行解码，得到解码后媒体数据；

所述边缘计算设备通过图像分析系统判断所述解码后媒体数据是否存在花屏图像或黑屏图像，得到媒体数据检测结果。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

所述边缘计算设备通过YOLO视频识别、分析算法对所述解码后媒体数据进行用户行为分析，得到行为分析结果；

当所述行为分析结果满足预设行为条件时，所述边缘计算设备将所述行为分析结果发送至所述视频管理中心；

所述视频管理中心根据所述行为分析结果获取对应的任务标识，并根据所述任务标识执行对应的任务。

5.根据权利要求4所述的方法，其特征在于，所述边缘计算设备通过YOLO视频识别、分析算法对所述解码后媒体数据进行用户行为分析，得到行为分析结果包括：

所述边缘计算设备检测所述解码后媒体数据中的目标对象，对所述目标对象的行为进行分析得到行为分析结果；

所述方法还包括：当所述行为分析结果不满足预设行为条件时，则所述摄像头重新拍摄目标环境得到新的媒体数据，并向所述边缘计算设备进行发送。

6.根据权利要求1所述的方法，其特征在于，所述当接收运维指令时，分别对所述摄像头的工作状态进行异常检测，得到摄像头检测结果包括：

所述边缘计算设备当接收到运维指令时，对所述摄像头进行网络连接和通电异常检测，以及对所述摄像头进行转动检测，得到摄像头检测结果。

7.根据权利要求6所述的方法，其特征在于，对所述摄像头进行网络连接和通电异常检测，以及对所述摄像头进行转动检测，得到摄像头检测结果，包括：

所述边缘计算设备当接收到运维指令时，检测摄像头电源的通用输入输出接口是否为低电平；

若是，则确定所述供电系统对所述摄像头的通电异常；

若否，则检测所述摄像头的网络连接；

当所述网络连接的状态为断开状态、且所述断开状态持续时间超过时间阈值时，确定所述摄像头的网络连接异常。

8.根据权利要求6所述的方法，其特征在于，所述边缘计算设备当接收到运维指令时，对所述摄像头进行转动检测，得到摄像头检测结果，包括：

当接收到运维指令时，所述边缘计算设备向所述摄像头发送转动控制指令；

所述边缘计算设备检测所述摄像头是否根据所述转动控制指令进行转动，得到摄像头检测结果。

9.一种摄像头运维系统，其特征在于，所述系统包括：

摄像头，用于拍摄目标环境得到媒体数据，并向边缘计算设备进行发送；

边缘计算设备，用于在接收到所述摄像头发送的所述媒体数据时，对所述媒体数据进行图像质量检测，得到媒体数据检测结果；以及，当接收运维指令时，分别对所述摄像头的工作状态进行异常检测，得到摄像头检测结果；

所述边缘计算设备，还用于将所述媒体数据检测结果和所述摄像头检测结果发送至视频管理中心；

视频管理中心，用于根据所述媒体数据检测结果和所述摄像头检测结果确定所述摄像头出现是否异常，若是，则进行异常提示。

10.根据权利要求9所述的摄像头运维系统，其特征在于，所述系统还包括：

供电系统，用于向所述摄像头和所述边缘计算设备输送电能；对蓄电池进行充电，以便在确定所述供电系统对所述摄像头的供电出现异常时，所述蓄电池向所述摄像头和所述边缘计算设备提供电能。

Images