CN112861642A - 一种移动载具用实时人脸车牌识别5g警用安防系统及方法 - Google Patents
一种移动载具用实时人脸车牌识别5g警用安防系统及方法 Download PDFInfo
- Publication number
- CN112861642A CN112861642A CN202110056433.9A CN202110056433A CN112861642A CN 112861642 A CN112861642 A CN 112861642A CN 202110056433 A CN202110056433 A CN 202110056433A CN 112861642 A CN112861642 A CN 112861642A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- module
- real
- edge computing
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 30
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 14
- 239000000523 sample Substances 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种移动载具用实时人脸车牌识别5G警用安防系统及方法，其中系统包括：车载网络摄像机模块，其包括多个车载网络摄像机，每个车载网络摄像机安装于移动车辆上，并通过多个车载网络摄像机的组合覆盖360度全景影像；车载边缘计算模块，为低功耗边缘计算单元，其内部集成AI图像识别算法；车载汇聚交换机，通过网线分别与每个车载网络摄像机及车载边缘计算模块连接；车载视频数据存储模块，与车载边缘计算模块连接；5G通信模块，与车载边缘计算模块连接，用于通过5G的传输方式使车载边缘计算模块与云端数据中心进行实时通信；实时显示设备，与车载边缘计算模块连接。
Description
技术领域
本发明涉及安防技术领域，具体而言，涉及一种移动载具用实时人脸车牌识别5G警用安防系统及方法。
背景技术
随着人脸识别技术在安防领域的广泛应用，车载人脸识别也成为人脸识别的一个应用方向，尤其是面对车站、机场、医院、广场、商业街等人员密集且人流量大的场所。大量的人员聚集给公共安全防控造成极大的压力，因此对于人员密集场所，往往会配备大量的警力以及警用载具以应对突发情况。然而，这些警力往往在公共安全事件发生的时候才会紧急出动，此时不法分子已经或多或少的对人民群众的生命财产安全造成了侵害，无法对潜在的犯罪分子进行实时的预警和监控。
传统人脸、车牌识别往往针对固定场景下的单一目标识别，比如监控探头、人脸识别门禁、停车场自动收费闸机等，大部分的系统录入的信息都是直接存储于本地设备。现有技术主要设备包括图像采集摄像头、本地图像数据存储模块、识别计算模块、显示器等，其工作流程通常为：1.图像采集摄像头采集原始图像；2.图像上传至识别计算模块进行有效模型信息提取；3.将提取到的信息去本地数据库内的模型信息进行检索比较；4.输出结果。鉴于大部分人脸、车牌识别系统受限于成本和使用场景，通常针对特定的人群，存储容量有限，无法做到大规模数据信息的存储，也无法针对公共场所进行大批量人脸识别，而无论安防监控探头还是人脸识别门禁，其只能在摄像机视野范围内被动接受人脸信息，使用场景受限，对已经走出视野之外的目标则无法进行追踪识别。
在目前通用的警用安防系统中，人脸和车牌的识别技术主要用在视频监控系统中，比如各个路口的交通违章探头、各个社区街道的雪亮工程监控探头等。虽然这些探头对抓捕在逃嫌疑人起到了极大的帮助，但是目前的监控系统存在以下缺点：
(1)监控范围存在死角，监控系统对于视频监控视野范围外发生的事情一无所知；
(2)无法移动，对于已经发现的目标嫌疑人无法做到实时追踪，在其走出监控视野范围后容易丢失目标，不能灵活使用；
(3)安装维护工程量巨大，监控探头的安装往往需要架杆、布线、建设监控机房等工程，无论人力成本投入还是设备投入都需要一笔不小的费用，后期一旦出现故障损坏，维修更换步骤繁琐，耗时长；
(4)监控探头的所有视频信息原始数据都需要通过网络送至数据中心进行视频内容识别提取，然后再进行检索比较，计算压力全都集中在数据中心，对数据中心的网络系统和运算系统造成巨大的压力，且效率较低。
发明内容
为了解决上述问题，本发明提供一种移动载具用实时人脸车牌识别5G警用安防系统及方法，通过边缘计算和5G通信的方式将部分数据中的计算任务下放至车载边缘计算装置，从而减轻云端数据计算压力，同时减小数据的传输量，极大地提高了车载人脸和车牌识别的速度和效率，且具有较高的灵活性。
为达到上述目的，本发明提供了一种移动载具用实时人脸车牌识别5G警用安防系统，其包括：
车载网络摄像机模块，其包括多个车载网络摄像机，每个车载网络摄像机安装于移动车辆上，并通过多个车载网络摄像机的组合覆盖360度全景影像，用于无死角地进行原始图像数据的采集；
车载边缘计算模块，为低功耗边缘计算单元，其内部集成AI图像识别算法，用于对所述车载网络摄像机采集到的多路视频数据内容进行实时的识别检测；
车载汇聚交换机，通过网线分别与每个车载网络摄像机及所述车载边缘计算模块连接，用于将每个车载网络摄像机的视频信号进行汇聚，并将每个车载网络摄像机采集到的原始视频数据上传至所述车载边缘计算模块；
车载视频数据存储模块，与所述车载边缘计算模块连接，所述车载视频数据存储模块为大容量非易失存储设备，所述大容量非易失存储设备包括固态硬盘、SD内存卡或外接固态磁盘阵列，用于存储每个车载网络摄像机采集到的原始视频数据；
5G通信模块，与所述车载边缘计算模块连接，所述5G通信模块包含带有5G功能的车载路由器或5G网卡设备，用于通过5G的传输方式使所述车载边缘计算模块与云端数据中心进行实时通信；
实时显示设备，与所述车载边缘计算模块连接，所述实时显示设备包括平面液晶显示器和头戴式显示器。
在本发明一实施例中，其中，每个车载网络摄像机为采用三防设计的摄像机，其还包括红外补光设备，用于在昏暗环境下进行清晰拍摄。
在本发明一实施例中，其中，每个车载网络摄像机的供电方式为POE供电，用于通过网线同时进行视频数据传输和电源供电。
在本发明一实施例中，其中，车载边缘计算模块的芯片为海思Hi3559AV100芯片，Hi3559AV100芯片的CPU内置双核ARM Cortex A73@1.8GHz、双核ARM Cortex A53@1.2GHz、单核ARM Cortex A53@1.2GHz以及双核NNIE@840MHz神经网络加速引擎。
在本发明一实施例中，其中，车载汇聚交换机为POE交换机，其包括千兆uplink接口。
在本发明一实施例中，其中，车载边缘计算模块通过网线与车载汇聚交换机的连接具体为：车载边缘计算模块通过网线连接到车载汇聚交换机的千兆uplink接口。
在本发明一实施例中，其中，车载视频数据存储模块为外接固态磁盘阵列时，磁盘阵列内的磁盘设置为raid1存储模式。
为达到上述目的，本发明还提供了一种移动载具用实时人脸车牌识别5G警用安防方法，其包括以下步骤：
S1：由多个车载网络摄像机组成360度无死角全景影像车载网络摄像机模块，并进行多路视频影像采集；
S2：采集到的多路视频影像数据经过网线接入车载汇聚交换机，并通过车载汇聚交换机的千兆uplink接口将多路视频影像的原始数据传送至车载边缘计算模块；
S3：车载边缘计算模块对多路视频影像数据进行解码，并利用边缘计算模块集成的AI图像识别算法直接提取多路视频影像数据中的有效人脸和车牌信息；
S4：车载边缘计算模块将S3中提取的有效人脸和车牌信息发送到5G通信模块，5G通信模块通过5G基站将有效人脸和车牌信息实时发送到云端数据中心；
S5：云端数据中心将接收到的有效人脸和车牌信息与警方信息库内的信息进行检索与比较；
S6：云端数据中心将检索与比较的结果信息实时回传至5G通信模块，然后经由5G通信模块发送至车载边缘计算模块；
S7：车载边缘计算模块将回传的结果信息与原始视频影像数据相结合，并在实时显示设备上实时显示每个有效人脸和车牌信息所对应的警方信息库内的信息。
在本发明一实施例中，其中步骤S3还包括：车载边缘计算模块将多路视频影像的原始数据发送到车载视频数据存储模块进行存储。
本发明基于边缘计算理念，将人脸、车牌信息的识别功能下放到边缘端，云端数据中心只负责数据对比与反馈，与传统数据中心的处理方式相比，极大的减轻了数据中心的运算压力；运用5G通信的方式与云端数据中心建立联系，充分利用了5G通信高带宽、低延时的特点，与传统光纤或4G技术相比，极大的提高了人脸识别的效率，同时本发明的5G通信只传输识别后的人脸、车牌数据信息，减少了数据传输的量，从而降低了网络传输的压力和费用。
另外，由于本发明基于车载平台，可安装于警用巡逻车、警用无人驾驶车辆等载具，适合在人流或车流密集场所进行安防巡逻，可以弥补现有视频监控的死角，并能根据实际情况灵活布置，能够帮助警方提前锁定通缉在逃人员或在逃车辆并进行追踪，极大地提高了警方办案的效率和灵活性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例的系统架构图；
图2为本发明一实施例的系统工作流程图。
附图标记说明：10-车载网络摄像机模块；101-车载网络摄像机；20-车载汇聚交换机；30-车载边缘计算模块；40-车载视频数据存储模块；50-5G通信模块；60-实时显示设备；70-云端数据中心。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明一实施例的系统架构图，如图1所示，发明提供了一种移动载具用实时人脸车牌识别5G(5th generation mobile networks或5th generation wirelesssystems、5th-Generation，第五代移动通讯技术)警用安防系统，其包括：
车载网络摄像机模块(10)，包括多个车载网络摄像机(101)，每个车载网络摄像机安装于移动车辆上并通过多个车载网络摄像机(101)的组合覆盖360度全景影像，用于无死角地进行原始图像数据的采集；
在本实施例中，多个车载网络摄像机(101)安装于车辆顶部，每个车载网络摄像机朝向不同的方向用以组成360度全景影像，从而实现无死角人脸拍摄追踪。多个车载网络摄像机(101)也可以安装在其他位置，本发明不限定车载网络摄像机的具体安装位置，其他布局方式能确保360度全景影像覆盖即可。
车载边缘计算模块(30)，为低功耗边缘计算单元，其内部集成AI(ArtificialIntelligence，人工智能)图像识别算法，用于对车载网络摄像机采集到的多路视频内容进行实时的识别检测；
车载汇聚交换机(20)，通过网线分别与每个车载网络摄像机(101)及车载边缘计算模块(30)连接，用于将每个车载网络摄像机(101)的视频信号进行汇聚，并将所有每个车载网络摄像机(101)采集到的原始视频数据上传至车载边缘计算模块(30)；
车载视频数据存储模块(40)，与车载边缘计算模块(30)连接，其为大容量非易失存储设备，大容量非易失存储设备包括固态硬盘、SD(Secure Digital Memory Card/SDcard)内存卡或外接固态磁盘阵列等设备，用于存储每个车载网络摄像机(101)采集到的原始视频数据，以便于后期翻看取证等；
5G通信模块(50)，与车载边缘计算模块(30)连接，其包含带有5G功能的车载路由器、5G网卡等设备，用于通过5G的传输方式使车载边缘计算模块(30)与云端数据中心(70)进行实时通信以进行数据比较与检索。在本实施例中，由于系统面对的是人流量巨大的公共场合，现有公安系统中的大量人脸、车牌数据信息无法直接存储于车载数据库，因此需要通过5G通信模块(50)在车载边缘计算模块(30)与云端数据中心(70)之间建立数据连接，以进行实时通信，实现将采集的数据与公安系统的数据进行比较与检索。
实时显示设备(60)，与车载边缘计算模块(30)连接，其包括平面液晶显示器、头戴式显示器等。在本实施例中，实时显示设备(60)用于将实时检测到的人脸车牌信息和视频数据相结合，在视频画面中对识别到的人脸、车牌信息进行标注和预警，以方便工作人员针对反馈到的信息及时采取相应行动。
在本发明一实施例中，其中，每个车载网络摄像机(101)为采用三防设计的摄像机，其还包括红外补光设备，用于在昏暗环境下进行清晰拍摄。
在本发明一实施例中，其中，每个车载网络摄像机(101)的供电方式为POE(PowerOver Ethernet)供电，其通过网线同时进行视频数据传输和电源供电。
在本发明一实施例中，其中，车载边缘计算模块(30)的芯片为海思Hi3559AV100芯片用于进行视频数据处理，其中，Hi3559AV100芯片的CPU(中央处理器)内置双核ARMCortex A73@1.8GHz(Cortex为ARM公司的处理器系列)、双核ARM Cortex A53@1.2GHz、单核ARM Cortex A53@1.2GHz以及双核NNIE(Neural Network Inference Engine)@840MHz神经网络加速引擎，以实现芯片在视频数据编解码同时，通过芯片内置神经网络加速单元，对视频中的人脸和车牌信息进行实时的智能识别，并将原始视频数据存储车载视频数据存储模块中，无需再单独加入视频识别计算模块。
在本发明一实施例中，其中，车载汇聚交换机(20)为POE交换机，其包括千兆uplink接口(交换机上常见的一种端口)，车载汇聚交换机(20)通过网线可以直接对车载网络摄像机(101)供电，并将原始视频数据上传至车载边缘计算模块(30)以进行识别和处理。
在本发明一实施例中，其中，车载边缘计算模块(30)通过网线与车载汇聚交换机(20)的连接具体为：车载边缘计算模块(30)通过网线连接到车载汇聚交换机(20)的千兆uplink接口。
在本发明一实施例中，其中，车载视频数据存储模块(40)为外接固态磁盘阵列时，磁盘阵列内的磁盘设置为raid1存储模式(raid,Redundant Array of InexpensiveDisks，中文简称为廉价磁盘冗余阵列；raid1，称为镜像方式，也就是数据的冗余，在整个镜像过程中，只有一半的磁盘容量是有效的)。本实施采用此模式以实现磁盘数据互为备份，确保对数据安全性有较大的保障。由于本发明所使用的场景为车载场景，不可避免会产生一些振动，为保证系统稳定运行以及数据安全，因此车载视频数据存储模块不考虑使用机械硬盘。
图2为本发明一实施例的系统工作流程图，如图2所示，本发明另一实施例还提供了一种移动载具用实时人脸车牌识别5G警用安防方法，其包括以下步骤：
S1：由多个车载网络摄像机组成360度无死角全景影像车载网络摄像机模块，并进行多路视频影像采集；
S2：采集到的多路视频影像数据经过网线接入车载汇聚交换机，并通过车载汇聚交换机的千兆uplink接口将多路视频影像的原始数据传送至车载边缘计算模块；
S3：车载边缘计算模块对多路视频影像数据进行解码，并利用边缘计算模块集成的AI图像识别算法直接提取多路视频影像数据中的有效人脸和车牌信息；
其中，步骤S3还包括：车载边缘计算模块将多路视频影像的原始数据发送到车载视频数据存储模块进行存储，以实现原始视频影像数据的保存，为后期翻看取证等提供数据。
S4：车载边缘计算模块将S3中提取的有效人脸和车牌信息发送到5G通信模块，5G通信模块通过5G基站将有效人脸和车牌信息实时发送到云端数据中心；
S5：云端数据中心将接收到的有效人脸和车牌信息与警方信息库内的信息进行检索与比较，通过检索与比较使得每个有效人脸和车牌信息都找到与之相对应的信息；
S6：云端数据中心将检索与比较的结果信息实时回传至5G通信模块，然后经由5G通信模块发送至车载边缘计算模块；
S7：车载边缘计算模块将回传的结果信息与原始视频影像数据相结合，并在实时显示设备上实时显示每个有效人脸和车牌信息所对应的警方信息库内的信息。
本发明基于边缘计算理念，将人脸、车牌信息的识别功能下放到边缘端，云端数据中心只负责数据对比与反馈，与传统数据中心的处理方式相比，极大的减轻了数据中心的运算压力；运用5G通信的方式与云端数据中心建立联系，充分利用了5G通信高带宽、低延时的特点，与传统光线或4G技术相比，极大的提高了人脸识别的效率，同时本发明的5G通信只传输识别后的人脸车牌数据信息，减少了数据传输量，从而降低网络传输的压力和费用。
另外，由于本发明基于车载平台，可安装于警用巡逻车、警用无人驾驶车辆等载具，适合在人流或车流密集场所进行安防巡逻，可以弥补现有视频监控的死角，并能根据实际情况灵活布置，能够帮助警方提前锁定通缉在逃人员或在逃车辆并进行追踪，极大提高了警方办案的效率和灵活性。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明实施例技术方案的精神和范围。
Claims (9)
1.一种移动载具用实时人脸车牌识别5G警用安防系统，其特征在于，包括：
车载网络摄像机模块，其包括多个车载网络摄像机，每个车载网络摄像机安装于移动车辆上，并通过多个车载网络摄像机的组合覆盖360度全景影像，用于无死角地进行原始图像数据的采集；
车载边缘计算模块，为低功耗边缘计算单元，其内部集成AI图像识别算法，用于对所述车载网络摄像机采集到的多路视频数据内容进行实时的识别检测；
车载汇聚交换机，通过网线分别与每个车载网络摄像机及所述车载边缘计算模块连接，用于将每个车载网络摄像机的视频信号进行汇聚，并将每个车载网络摄像机采集到的原始视频数据上传至所述车载边缘计算模块；
车载视频数据存储模块，与所述车载边缘计算模块连接，所述车载视频数据存储模块为大容量非易失存储设备，所述大容量非易失存储设备包括固态硬盘、SD内存卡或外接固态磁盘阵列，用于存储每个车载网络摄像机采集到的原始视频数据；
5G通信模块，与所述车载边缘计算模块连接，所述5G通信模块包含带有5G功能的车载路由器或5G网卡设备，用于通过5G的传输方式使所述车载边缘计算模块与云端数据中心进行实时通信；
实时显示设备，与所述车载边缘计算模块连接，所述实时显示设备包括平面液晶显示器和头戴式显示器。
2.根据权利要求1所述的安防系统，其特征在于，每个车载网络摄像机为采用三防设计的摄像机，其还包括红外补光设备，用于在昏暗环境下进行清晰拍摄。
3.根据权利要求2所述的安防系统，其特征在于，每个车载网络摄像机的供电方式为POE供电，用于通过网线同时进行视频数据传输和电源供电。
4.根据权利要求1所述的安防系统，其特征在于，所述车载边缘计算模块的芯片为海思Hi3559AV100芯片，所述Hi3559AV100芯片的CPU内置双核ARM Cortex A73@1.8GHz、双核ARMCortex A53@1.2GHz、单核ARM Cortex A53@1.2GHz以及双核NNIE@840MHz神经网络加速引擎。
5.根据权利要求1所述的安防系统，其特征在于，所述车载汇聚交换机为POE交换机，其包括千兆uplink接口。
6.根据权利要求5所述的安防系统，其特征在于，所述车载边缘计算模块通过网线与所述车载汇聚交换机的连接具体为：车载边缘计算模块通过网线连接到车载汇聚交换机的千兆uplink接口。
7.根据权利要求1所述的安防系统，其特征在于，所述车载视频数据存储模块为外接固态磁盘阵列时，所述磁盘阵列内的磁盘设置为raid1存储模式。
8.一种移动载具用实时人脸车牌识别5G警用安防方法，通过权利要求1～7任一项实施，其特征在于，包括以下步骤：
S1：由多个车载网络摄像机组成360度无死角全景影像车载网络摄像机模块，并进行多路视频影像采集；
S2：采集到的多路视频影像数据经过网线接入车载汇聚交换机，并通过车载汇聚交换机的千兆uplink接口将多路视频影像的原始数据传送至车载边缘计算模块；
S3：车载边缘计算模块对多路视频影像数据进行解码，并利用边缘计算模块集成的AI图像识别算法直接提取多路视频影像数据中的有效人脸和车牌信息；
S4：车载边缘计算模块将S3中提取的有效人脸和车牌信息发送到5G通信模块，5G通信模块通过5G基站将有效人脸和车牌信息实时发送到云端数据中心；
S5：云端数据中心将接收到的有效人脸和车牌信息与警方信息库内的信息进行检索与比较；
S6：云端数据中心将检索与比较的结果信息实时回传至5G通信模块，然后经由5G通信模块发送至车载边缘计算模块；
S7：车载边缘计算模块将回传的结果信息与原始视频影像数据相结合，并在实时显示设备上实时显示每个有效人脸和车牌信息所对应的警方信息库内的信息。
9.根据权利要求1所述的安防方法，其特征在于，步骤S3中还包括：车载边缘计算模块将多路视频影像的原始数据发送到车载视频数据存储模块进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110056433.9A CN112861642A (zh) | 2021-01-15 | 2021-01-15 | 一种移动载具用实时人脸车牌识别5g警用安防系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110056433.9A CN112861642A (zh) | 2021-01-15 | 2021-01-15 | 一种移动载具用实时人脸车牌识别5g警用安防系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112861642A true CN112861642A (zh) | 2021-05-28 |
Family
ID=76006904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110056433.9A Pending CN112861642A (zh) | 2021-01-15 | 2021-01-15 | 一种移动载具用实时人脸车牌识别5g警用安防系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112861642A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115314674A (zh) * | 2022-06-24 | 2022-11-08 | 青岛民航凯亚系统集成有限公司 | 一种基于5g与视频分析技术的车辆巡场监管方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和系统 |
| CN110428522A (zh) * | 2019-07-24 | 2019-11-08 | 青岛联合创智科技有限公司 | 一种智慧新城的智能安防系统 |
| CN111898524A (zh) * | 2020-07-29 | 2020-11-06 | 江苏艾什顿科技有限公司 | 一种5g边缘计算网关及其应用 |
-
2021
- 2021-01-15 CN CN202110056433.9A patent/CN112861642A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和系统 |
| CN110428522A (zh) * | 2019-07-24 | 2019-11-08 | 青岛联合创智科技有限公司 | 一种智慧新城的智能安防系统 |
| CN111898524A (zh) * | 2020-07-29 | 2020-11-06 | 江苏艾什顿科技有限公司 | 一种5g边缘计算网关及其应用 |
Non-Patent Citations (1)
| Title |
|---|
| 陈敏: "《人工智能通信理论与方法》", 31 January 2020, 华中科技大学出版社, pages: 231 - 242 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115314674A (zh) * | 2022-06-24 | 2022-11-08 | 青岛民航凯亚系统集成有限公司 | 一种基于5g与视频分析技术的车辆巡场监管方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN207820108U (zh) | 一种输电线路远程视频监控系统 | |
| CN108492586B (zh) | 一种基于分布式的道路区间监测系统及其测速方法 | |
| CN101534425A (zh) | 车站、机场和地铁人像采集比对识别监控系统及其方法 | |
| CN202008724U (zh) | 智能视频监控系统 | |
| CN102014271A (zh) | 一种嵌入式人脸检测识别及监视录像系统 | |
| CN112185121A (zh) | 一种基于5g的交通精准执法方法及设备 | |
| CN115248880A (zh) | 一种智慧城市安防监控系统 | |
| CN110264716A (zh) | 一种基于物联网的智能交通系统及使用方法 | |
| CN202120421U (zh) | 政府办公大楼智能化安防监控系统 | |
| CN107610026A (zh) | 一种实现数据共享的平安城市系统 | |
| CN112671104A (zh) | 面向复杂场景的变电站多维度场景管控平台 | |
| CN202018736U (zh) | 车载占用公交车道违法监测系统 | |
| CN103442219A (zh) | 一种轨道交通车辆数字视频监控系统 | |
| CN112070212A (zh) | 一种人工智能cnn、lstm神经网络动态识别系统 | |
| CN107748786B (zh) | 警情大数据管理系统 | |
| CN115297305A (zh) | 一种基于边缘计算的多视频流安全风险预警系统及方法 | |
| CN202663505U (zh) | 基于3g网络传输的智能交通视频采集监控系统 | |
| CN201247530Y (zh) | 车辆闯红灯自动检测系统 | |
| CN112861642A (zh) | 一种移动载具用实时人脸车牌识别5g警用安防系统及方法 | |
| CN203206397U (zh) | 配电网远程可视化综合监控系统 | |
| CN204904573U (zh) | 一种道路交通流量统计综合监测系统 | |
| CN103093579B (zh) | 一种基于视频的泥石流或山体滑坡报警系统 | |
| CN113858194A (zh) | 一种用于施工现场辅助管理的旁站机器人 | |
| CN203279057U (zh) | 多目标智能跟踪锁定监控系统 | |
| CN206180698U (zh) | 一种基于树莓派win10系统的电力设备故障巡检装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Room 711c, 7 / F, block a, building 1, yard 19, Ronghua Middle Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing 102600 Applicant after: Beijing Zhongke Flux Technology Co.,Ltd. Address before: Room 711c, 7 / F, block a, building 1, yard 19, Ronghua Middle Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing 102600 Applicant before: Beijing Ruixin high throughput technology Co.,Ltd. |
|
| CB02 | Change of applicant information |