CN113452961A - 基于边缘计算的水面监控告警系统和方法、介质 - Google Patents
基于边缘计算的水面监控告警系统和方法、介质 Download PDFInfo
- Publication number
- CN113452961A CN113452961A CN202110687491.1A CN202110687491A CN113452961A CN 113452961 A CN113452961 A CN 113452961A CN 202110687491 A CN202110687491 A CN 202110687491A CN 113452961 A CN113452961 A CN 113452961A
- Authority
- CN
- China
- Prior art keywords
- edge
- data
- water surface
- video
- alarm
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 80
- 238000012544 monitoring process Methods 0.000 title claims abstract description 68
- 238000004364 calculation method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000006855 networking Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000012549 training Methods 0.000 abstract description 13
- 239000003595 mist Substances 0.000 description 3
- 238000000547 structure data Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于边缘计算的水面监控告警系统,包括:云计算中心汇总所有数据的处理并提供远程计算,与云管理中心进行交互;云管理中心提供所有水域监控业务服务,并对整个下级系统具有管理调度权限;雾节点设置在所述前端站点组成的局域组网,对局域组网的数据进行综合计算分析和处理;多个前端站点共同组成一个局域网络相互进行数据共享。本发明还提供了一种基于边缘计算的水面监控告警方法。本发明采用基于边缘计算并且云边共存以及局域网内组合雾节点的方式,使得各个水域站点监控告警时延、故障率均得到降低,极大提高告警准确率,边缘节点差异化训练更新模型,解决由于地域不同,案件情形差异较大,同一模型不适用所有地域问题。
Description
技术领域
本发明涉及监控技术领域,具体地,涉及一种基于边缘计算的水面监控告警系统和方法、介质。
背景技术
目前,在水域执法中,由于水域广阔而发现多头执法、职能分散、职责交叉、力量不足等,是造成当前城市水域管理执法无法有效解决水域污染、违章回潮、执法滞后、效果不明显诸多问题的主要原因。之前利用传统云计算集中式系统,多路视频等数据全部上传,在中央节点实时处理再下发,数据量过大,网络通道易拥堵,如果遇到网络问题或中央节点故障,即使是短时间的云服务中断也可能带来严重影响,也不利于水域相关执法的及时性和全天候稳定性。
经过检索,专利文献CN110996058A公开了一种基于边缘计算的智能监视系统,包括前端探测设备、边缘平台设备和智能监控软件。边缘平台设备与前端探测设备部署于边防监控点,通过网线或无线连接前端探索设备。边缘平台设备集成智能监控软件,为用户提供区域监控、目标识别、目标跟踪和目标告警等应用。前端探测设备用于将设备状态数据和探测的目标数据传输至智能监控软件,并在智能监控软件的控制下追踪目标;智能监控软件用于对各类数据进行汇集、存储以及数据处理分析,产生目标结构数据、目标告警信息以及设备故障告警信息,传输至监控中心;并通过终端用户进行目标结构数据呈现以及控制前端探测设备追踪目标。该现有技术的不足之处在于依靠上述系统并不能解决系统单点故障引起的系统不可用以及通过局域网内组网组合雾节点的问题,告警准确率较低。
因此,亟需研发设计一种能够有利于水域相关执法的及时性和全天候稳定性的水面监控告警系统和方法。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于边缘计算的水面监控告警系统和方法、介质,解决远程端集中式处理数据量过大、实时性难以保障和单点故障引起的系统不可用,以及监控预警场景实际多地域差异化较大的问题。
根据本发明提供的一种基于边缘计算的水面监控告警系统,包括:
云计算中心:汇总所有数据的处理并提供远程计算,与云管理中心进行交互;
云管理中心:提供所有水域监控业务服务,并对整个下级系统具有管理调度权限;
雾节点:设置在所述前端站点组成的局域组网,对局域组网的数据进行综合计算分析和处理;
前端站点:多个前端站点共同组成一个局域网络相互进行数据共享。
优选地,前端站点包括边缘节点,所述边缘节点包括:
边缘存储模块:用于存储采集到的视频和雷达数据信息,并提供给所述边缘特征提取模块和边缘管理中心进行实时调用获取数据;
边缘特征提取模块:从所述边缘存储模块存储的视频和雷达数据信息提取视频以及雷达数据特征,并将提取出来的数据特征信息存储至所述边缘存储模块;
边缘管理中心:用于前端站点的业务服务管理,与所述边缘存储模块和所述边缘特征提取模块进行交互。
优选地,前端站点还包括:
视频采集模块:对水面监控告警区域进行视频采集,并传输到所述边缘存储模块;
雷达探测模块:探测水面目标,并将探测到的水面目标信息传输到所述边缘存储模块。
优选地,雾节点配备人工智能特性的服务器或微型计算服务设备,从所有局域网组网内的前端站点的边缘存储模块中实时获取视频数据、雷达数据以及边缘特征提取模块所提取出的特征数据,将局域网络内的各个前端站点中边缘节点所获取的数据进行汇总综合计算分析,根据人工智能告警监控模型算法进行视频内容和雷达目标预测,检测出视频内容是否有警情以及警情分属水面监控告警的类型。
优选地,前端站点的边缘节点之间通过局域网进行数据传输,组网内前端站点的边缘节点将提取的数据特征信息传输至局域网上层的雾结点进行分析计算。
优选地,边缘存储模块是用于存储前端站点数据的服务器,所述服务器部署在前端站点处,存储数据包括视频采集模块获取的视频数据、雷达探测模块在水面获取的雷达数据,并且服务器根据需求和接口设定向外输出数据的能力;其中,向外输出数据包括边缘特征提取模块调用获取边缘存储模块中的数据进行数据特征提取,以及边缘管理中心调取视频信息。
优选地,边缘特征提取模块是用于边缘节点中快速提取和过滤出视频以及雷达数据的数据特征,并传输至局域网内雾节点处进行下一步的识别分析。
优选地,边缘管理中心接收雾节点发送过来的检测结果并分类发布对应水面监控告警信息,同时将警情同步发送至云管理中心;边缘管理中心发布的的告警信息经执法人员实际执法处理后,若反馈告警为有效告警,边缘管理中心会自动从边缘存储模块中获取本次告警事件的相关视频和雷达数据,标记事件并将相关视频和雷达数据作为有效数据上传至云计算中心。
根据本发明提供的一种基于边缘计算的水面监控告警方法,采用上述的基于边缘计算的水面监控告警系统进行水面监控告警,包括如下步骤:
步骤S1:实时采集待监控告警水面区域的视频数据及雷达数据并实时传输至边缘存储模块;
步骤S2:针对视频数据及雷达数据进行边缘特征提取;
步骤S3:利用雾节点从局域网组网内的边缘存储模块中实时获取视频数据、雷达数据以及边缘特征提取模块所提取出的特征数据,将局域网组网内的边缘节点所获取的数据进行汇总综合计算分析,根据人工智能告警监控模型算法进行视频内容和雷达目标预测,检测出视频内容是否有警情以及警情分属水面监控告警的类型;
步骤S4:雾节点预测出相应的水面监控告警类型后将信息发送到对应前端站点的边缘管理中心;
步骤S5:边缘管理中心发布的告警信息经实际执法处理后,若反馈告警为有效告警,边缘管理中心会自动从边缘存储模块中获取本次告警事件的相关视频和雷达数据,标记事件并将相关视频和雷达数据作为有效数据上传至云计算中心。
根据本发明提供的一种存储有计算机程序的计算机可读存储介质,计算机程序被处理器执行时实现上述的方法的步骤。
与现有技术相比,本发明具有如下的有益效果:
1、本发明采用基于边缘计算的设计方式,并且云边共存以及局域网内组合雾节点的方式,使得各个水域站点监控告警时延、故障率均得到降低,极大提高告警准确率,边缘节点差异化训练更新模型,解决由于地域不同,案件情形差异较大,同一模型不适用所有地域问题。
2、本发明通过前端边缘计算设备故障时云端介入来做告警识别,解决了系统单点故障引起的系统不可用,增强了系统的健壮性。
3、本发明根据不同的前端站点环境引入通用和差异化模型,采用数据反哺优化模式,更好的贴近实际业务场景,提高系统告警的准确性。
4、本发明中的前端边缘节点通过局域网内组网,组合雾节点,综合分析多前端站点数据,可提高告警准确率,并减少前端边缘节点计算设备故障带来的风险。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明中基于边缘计算的水面监控告警系统的整体结构图;
图2为本发明中基于边缘计算的水面监控告警系统中的前端站点解构图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1、图2所示,本发明提供了一种基于边缘计算的水面监控告警系统,包括:云计算中心、云管理中心、雾节点和前端站点,基于边缘计算的水面告警系统采用的是云边共存的模式,即基于边缘计算同时保留云计算模式,同时采取前端节点可在局域网内自由组网至雾节点。其中,前端站点包括边缘节点、视频采集模块和雷达探测模块,边缘节点包括边缘存储模块、边缘特征提取模块和边缘管理中心。
云计算中心汇总所有数据的处理并提供远程计算,与云管理中心进行交.。云计算中心负责人工智能识别水面警情的模型训练过程以及各个站点上传数据的存储与调度,按照技术人员配置的AI训练算法以及训练所需的训练集,训练得到针对水面警情的识别模型,通过网络可将训练出来的模型远程更新到靠近前端站点的雾节点中。训练集的来源主要有两部分,其中一部分是人工在云计算中心手动增加的通用训练数据,定义为通用训练集,另一部分是各个站点的边缘管理中心根据有效警情上传的差异化训练数据,定义为差异化训练集,差异化训练集的不断补充,扩大云计算中心的各个地域的视频样本体量,通过有效的差异化样本的增加来不断优化人工智能识别模型在不同地域预警场景中的准确率,实现数据反哺优化。
云管理中心提供所有水域监控业务服务,并对整个下级系统具有管理调度权限;云管理中心是整个系统的业务服务的管理中心,即有一套完整的业务管理系统软件,可以管理边缘管理中心的业务系统以及所有前端站点的设备,可远程控制前端站点的视频采集设备和雷达设备,可调阅前端站点边缘存储模块的视频监控信息,亦可接收来自前端点的的预警监控信息,业务系统可根据业务需求进行扩展变更,增加系统可复制性。
雾节点设置在前端站点组成的局域组网,对局域组网的数据进行综合计算分析和处理;雾节点配备人工智能特性的服务器或微型计算服务设备,可以从所有局域网组网内的前端站点边缘存储模块中实时获取视频数据、雷达数据以及边缘特征提取模块所提取出的特征数据,将局域网络内的各个前端站点中边缘节点所获取的数据进行汇总综合计算分析,根据人工智能告警监控模型算法进行视频内容和雷达目标预测,检测出视频内容是否有警情以及警情分属哪一种水面监控告警类型。人工智能告警监控模型算法是基于视频采集模块采集到的水面有效视频数据进行人工智能训练所得。雾节点在成功预测出相应的水面告警类型后会将信息发送到对应前端站点的边缘管理中心。
前端站点是最靠近业务目标的一端,例如某一港口的监控站便是前端站点,执法人员一般会驻守在前端站点。在前端站点的边缘节点中对数据进行特征提取,传输到雾节点进行综合计算分析后再回传至边缘管理中心,捕获到告警信息并发布监控水域的告警通知,执法人员接警,出警。多个前端站点共同组成一个局域网络相互进行数据共享。前端站点的边缘节点之间通过局域网进行数据传输,组网内前端站点的边缘节点将提取的特征数据传输至局域网上层的雾结点,以供分析计算使用。
边缘存储模块用于存储采集到的视频和雷达数据信息,并提供给所述边缘特征提取模块和边缘管理中心进行实时调用获取数据。边缘存储模块是用于存储前端站点数据的服务器,该存储服务器部署在前端站点处,所存储数据包括前端监控站点视频采集设备获取的视频数据、前端雷达设备探测水面获取的雷达数据,并且该服务器具有根据需求和接口设定向外输出数据的能力。向外数据输出具体可表现为边缘特征提取模块调用获取该边缘存储模块中的数据,进行数据特征提取,以及边缘管理中心调取视频信息等。
边缘特征提取模块:从所述边缘存储模块存储的视频和雷达数据信息提取视频以及雷达数据特征,并将提取出来的数据特征信息存储至所述边缘存储模块;用于边缘节点中快速提取和过滤出视频以及雷达数据的数据特征,以备传输至局域网内雾节点处进行下一步的识别分析。
边缘管理中心:用于前端站点的业务服务管理,与边缘存储模块和所述边缘特征提取模块进行交互。有专供执勤人员操作的站点后台系统,边缘管理中心负责调度管理水面视频采集设备、边缘存储模块以及边缘特征提取模块,边缘管理中心可以实时观看该站点视频采集设备的监控视频画面。接收雾节点发送过来的检测结果并分类发布对应水面监控告警信息,同时将警情同步发送至云管理中心。其中,边缘管理中心发布的的告警信息经执法人员实际执法处理后,若反馈该告警为有效告警,边缘管理中心会自动从边缘存储模块中获取本次告警事件的相关视频和雷达数据,标记事件并将相关视频和雷达数据作为有效数据上传至云计算中心。
尤其时,当边缘管理中心检测到所在雾节点和边缘特征提取模块失去计算能力时,可自动临时切换该计算节点至云计算中心进行预警监测识别,通过云计算中心来代替该失效节点的计算能力,以确保系统预警功能的正常进行,待该雾节点或边缘特征提取模块恢复运行时再切换回原有的节点进行计算工作。其中雾节点或边缘特征提取模块失去计算能力可能由多种情况,包括节点故障、设备间网络断开、断电等其他导致节点失联或无法工作的情形。
视频采集模块是指架设在水面移动舰船或岸边固定站点的可见光和红外成像设备,用于实时获取水面情况的视频,监控内容包括来往船只以及岸边人、物的动向等情况,视频采集设备可由人员在边缘管理中心直接操作或云管理中心远程操作控制自动巡视以及人工巡视。对水面监控告警区域进行视频采集,并传输到边缘存储模块。
雷达探测模块是部署在水面移动舰船或岸边固定铁塔的雷达站点,专门用于探测水面目标,捕获水面目标信息后,探测水面目标,并将探测到的水面目标信息传输到边缘存储模块。
本发明提供还提供了一种基于边缘计算的水面监控告警方法,采用上述的基于边缘计算的水面监控告警系统进行水面监控告警,包括如下步骤:
步骤S1:实时采集待监控告警水面区域的视频数据及雷达数据并实时传输至边缘存储模块;
步骤S2:针对视频数据及雷达数据进行边缘特征提取;
步骤S3:利用雾节点从局域网组网内的边缘存储模块中实时获取视频数据、雷达数据以及边缘特征提取模块所提取出的特征数据,将局域网组网内的边缘节点所获取的数据进行汇总综合计算分析,根据人工智能告警监控模型算法进行视频内容和雷达目标预测,检测出视频内容是否有警情以及警情分属水面监控告警的类型;
步骤S4:雾节点预测出相应的水面监控告警类型后将信息发送到对应前端站点的边缘管理中心;
步骤S5:边缘管理中心发布的告警信息经实际执法处理后,若反馈告警为有效告警,边缘管理中心会自动从边缘存储模块中获取本次告警事件的相关视频和雷达数据,标记事件并将相关视频和雷达数据作为有效数据上传至云计算中心。
本发明又提供了一种存储有计算机程序的计算机可读存储介质,计算机程序被处理器执行时实现上述的方法的步骤。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于边缘计算的水面监控告警系统,其特征在于,包括:
云计算中心:汇总所有数据的处理并提供远程计算,与云管理中心进行交互;
云管理中心:提供所有水域监控业务服务,并对整个下级系统具有管理调度权限;
雾节点:设置在所述前端站点组成的局域组网,对局域组网的数据进行综合计算分析和处理;
前端站点:多个前端站点共同组成一个局域网络相互进行数据共享。
2.根据权利要求1所述的基于边缘计算的水面监控告警系统,其特征在于,所述前端站点包括边缘节点,所述边缘节点包括:
边缘存储模块:用于存储采集到的视频和雷达数据信息,并提供给所述边缘特征提取模块和边缘管理中心进行实时调用获取数据;
边缘特征提取模块:从所述边缘存储模块存储的视频和雷达数据信息提取视频以及雷达数据特征,并将提取出来的数据特征信息存储至所述边缘存储模块;
边缘管理中心:用于前端站点的业务服务管理,与所述边缘存储模块和所述边缘特征提取模块进行交互。
3.根据权利要求2所述的基于边缘计算的水面监控告警系统,其特征在于,所述前端站点还包括:
视频采集模块:对水面监控告警区域进行视频采集,并传输到所述边缘存储模块;
雷达探测模块:探测水面目标,并将探测到的水面目标信息传输到所述边缘存储模块。
4.根据权利要求1所述的基于边缘计算的水面监控告警系统,其特征在于,所述雾节点配备人工智能特性的服务器或微型计算服务设备,从所有局域网组网内的前端站点的边缘存储模块中实时获取视频数据、雷达数据以及边缘特征提取模块所提取出的特征数据,将局域网络内的各个前端站点中边缘节点所获取的数据进行汇总综合计算分析,根据人工智能告警监控模型算法进行视频内容和雷达目标预测,检测出视频内容是否有警情以及警情分属水面监控告警的类型。
5.根据权利要求2所述的基于边缘计算的水面监控告警系统,其特征在于,所述前端站点的边缘节点之间通过局域网进行数据传输,组网内前端站点的边缘节点将提取的数据特征信息传输至局域网上层的雾结点进行分析计算。
6.根据权利要求3所述的基于边缘计算的水面监控告警系统,其特征在于,所述边缘存储模块是用于存储前端站点数据的服务器,所述服务器部署在前端站点处,存储数据包括视频采集模块获取的视频数据、雷达探测模块在水面获取的雷达数据,并且服务器根据需求和接口设定向外输出数据的能力;
其中,所述向外输出数据包括边缘特征提取模块调用获取边缘存储模块中的数据进行数据特征提取,以及边缘管理中心调取视频信息。
7.根据权利要求2所述的基于边缘计算的水面监控告警系统,其特征在于,所述边缘特征提取模块是用于边缘节点中快速提取和过滤出视频以及雷达数据的数据特征,并传输至局域网内雾节点处进行下一步的识别分析。
8.根据权利要求2所述的基于边缘计算的水面监控告警系统,其特征在于,所述边缘管理中心接收雾节点发送过来的检测结果并分类发布对应水面监控告警信息,同时将警情同步发送至云管理中心;
所述边缘管理中心发布的的告警信息经执法人员实际执法处理后,若反馈告警为有效告警,边缘管理中心会自动从边缘存储模块中获取本次告警事件的相关视频和雷达数据,标记事件并将相关视频和雷达数据作为有效数据上传至云计算中心。
9.一种基于边缘计算的水面监控告警方法,其特征在于,采用所述权利要求1-8中任一项所述的基于边缘计算的水面监控告警系统进行水面监控告警,包括如下步骤:
步骤S1:实时采集待监控告警水面区域的视频数据及雷达数据并实时传输至边缘存储模块;
步骤S2:针对视频数据及雷达数据进行边缘特征提取;
步骤S3:利用雾节点从局域网组网内的边缘存储模块中实时获取视频数据、雷达数据以及边缘特征提取模块所提取出的特征数据,将局域网组网内的边缘节点所获取的数据进行汇总综合计算分析,根据人工智能告警监控模型算法进行视频内容和雷达目标预测,检测出视频内容是否有警情以及警情分属水面监控告警的类型;
步骤S4:雾节点预测出相应的水面监控告警类型后将信息发送到对应前端站点的边缘管理中心;
步骤S5:边缘管理中心发布的告警信息经实际执法处理后,若反馈告警为有效告警,边缘管理中心会自动从边缘存储模块中获取本次告警事件的相关视频和雷达数据,标记事件并将相关视频和雷达数据作为有效数据上传至云计算中心。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时实现权利要求9所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110687491.1A CN113452961A (zh) | 2021-06-21 | 2021-06-21 | 基于边缘计算的水面监控告警系统和方法、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110687491.1A CN113452961A (zh) | 2021-06-21 | 2021-06-21 | 基于边缘计算的水面监控告警系统和方法、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113452961A true CN113452961A (zh) | 2021-09-28 |
Family
ID=77812052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110687491.1A Pending CN113452961A (zh) | 2021-06-21 | 2021-06-21 | 基于边缘计算的水面监控告警系统和方法、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113452961A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023134636A1 (zh) * | 2022-01-12 | 2023-07-20 | 中兴通讯股份有限公司 | 视频告警处理方法、装置、系统、存储介质及电子装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100098161A1 (en) * | 2008-10-20 | 2010-04-22 | Fujitsu Limited | Video encoding apparatus and video encoding method |
CN107871164A (zh) * | 2017-11-17 | 2018-04-03 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算环境个性化深度学习方法 |
US20180184232A1 (en) * | 2016-12-23 | 2018-06-28 | Accenture Global Solutions Limited | Detecting trigger conditions to dynamically update a model based on sensor data in a fog computing environment |
CN208922110U (zh) * | 2018-11-14 | 2019-05-31 | 中国电子工程设计院有限公司 | 智能工厂的远程运维设备架构 |
CN110855743A (zh) * | 2019-09-30 | 2020-02-28 | 上海大学 | 基于数据云平台的智慧楼宇远程运维系统 |
CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
CN111901573A (zh) * | 2020-08-17 | 2020-11-06 | 泽达易盛(天津)科技股份有限公司 | 一种基于边缘计算的细颗粒度实时监管系统 |
-
2021
- 2021-06-21 CN CN202110687491.1A patent/CN113452961A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100098161A1 (en) * | 2008-10-20 | 2010-04-22 | Fujitsu Limited | Video encoding apparatus and video encoding method |
US20180184232A1 (en) * | 2016-12-23 | 2018-06-28 | Accenture Global Solutions Limited | Detecting trigger conditions to dynamically update a model based on sensor data in a fog computing environment |
CN107871164A (zh) * | 2017-11-17 | 2018-04-03 | 济南浪潮高新科技投资发展有限公司 | 一种雾计算环境个性化深度学习方法 |
CN208922110U (zh) * | 2018-11-14 | 2019-05-31 | 中国电子工程设计院有限公司 | 智能工厂的远程运维设备架构 |
CN110855743A (zh) * | 2019-09-30 | 2020-02-28 | 上海大学 | 基于数据云平台的智慧楼宇远程运维系统 |
CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
CN111901573A (zh) * | 2020-08-17 | 2020-11-06 | 泽达易盛(天津)科技股份有限公司 | 一种基于边缘计算的细颗粒度实时监管系统 |
Non-Patent Citations (2)
Title |
---|
丁承君等: "基于物联网与云雾模型的工业电力监测系统", 《制造业自动化》 * |
孟亦凡等: "基于LSTM边缘计算与随机森林雾决策的矿工状态监测设备", 《煤矿机械》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023134636A1 (zh) * | 2022-01-12 | 2023-07-20 | 中兴通讯股份有限公司 | 视频告警处理方法、装置、系统、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210389293A1 (en) | Methods and Systems for Water Area Pollution Intelligent Monitoring and Analysis | |
CN111582016A (zh) | 基于云边协同深度学习的智能免维护电网监控方法及系统 | |
CN105069695B (zh) | 一种智能变电站实时风险分析系统及分析方法 | |
CN109597867A (zh) | 一种基于gis的应急处置方法及系统 | |
CN110891283A (zh) | 一种基于边缘计算模型的小基站监控装置及方法 | |
CN109657003A (zh) | 一种将硬件数据直接接入大数据平台的方法 | |
CN210691345U (zh) | 一种基于深度学习的云智能安检辅助系统 | |
CN102752574A (zh) | 一种视频监控系统及方法 | |
CN103731643A (zh) | 一种视频监控网络质量巡检方法及系统 | |
CN104079885A (zh) | 无人监守联动跟踪的网络摄像方法及装置 | |
CN110677300B (zh) | 基于移动边缘计算的电力安管视频智能分流装置及方法 | |
CN111191828B (zh) | 基于动态、静态维修站的配电系统及其配置方法 | |
CN106097220A (zh) | 一种预案调派方法及装置 | |
CN117319609A (zh) | 一种物联网大数据智能视频监控系统及方法 | |
CN110264716A (zh) | 一种基于物联网的智能交通系统及使用方法 | |
CN104092989A (zh) | 基于无线网络视频传输的配电线路运检装置 | |
CN113452961A (zh) | 基于边缘计算的水面监控告警系统和方法、介质 | |
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 | |
CN102523432A (zh) | 一种基于3g的智能车载监控系统 | |
CN209895464U (zh) | 一种变电站异常监测报警系统 | |
CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
CN204013885U (zh) | 基于无线网络视频传输的配电线路运检装置 | |
Huang et al. | Edge computing-based adaptable trajectory transmission policy for vessels monitoring systems of marine fishery | |
CN115376063A (zh) | 一种基于云边协同与图像识别的智能防误方法 | |
CN115833927A (zh) | 一种纤芯的切换方法、装置、电子设备和存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210928 |