CN113870550B - 基于边缘计算的区域异常检测方法和系统 - Google Patents

基于边缘计算的区域异常检测方法和系统 Download PDF

Info

Publication number
CN113870550B
CN113870550B CN202110919573.4A CN202110919573A CN113870550B CN 113870550 B CN113870550 B CN 113870550B CN 202110919573 A CN202110919573 A CN 202110919573A CN 113870550 B CN113870550 B CN 113870550B
Authority
CN
China
Prior art keywords
image
area
boundary
images
shooting
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.)
Active
Application number
CN202110919573.4A
Other languages
English (en)
Other versions
CN113870550A (zh
Inventor
余丹
兰雨晴
邢智焕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongbiao Huian Information Technology Co Ltd
Original Assignee
Zhongbiao Huian Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongbiao Huian Information Technology Co Ltd filed Critical Zhongbiao Huian Information Technology Co Ltd
Priority to CN202110919573.4A priority Critical patent/CN113870550B/zh
Publication of CN113870550A publication Critical patent/CN113870550A/zh
Application granted granted Critical
Publication of CN113870550B publication Critical patent/CN113870550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
    • H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/265—Mixing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供了基于边缘计算的区域异常检测方法和系统，其利用边缘计算设备对布置在不同位置的拍摄设备进行拍摄控制，以此获得关于目标区域的影像，并利用边缘计算设备对所有影像进行边缘计算策略的识别与拼接，从而获得目标区域对应的全景区域影像；再对全景区域影像进行分区域识别而确定每个子区域是否存在交通异常情况，从而将存在交通异常情况的子区域所在的位置上报，其利用边缘计算设备对所有拍摄设备进行联动控制，以此保证目标区域能够获得同步全面化的影像拍摄，而利用边缘计算策略来处理影像，能够对每个拍摄设备采集的影像进行同步一致的处理，从而提高后续对目标区域进行定点异常状态检测的可靠性和准确性。

Description

基于边缘计算的区域异常检测方法和系统
技术领域
本发明涉及区域安全监控的技术领域，特别涉及基于边缘计算的区域异常检测方法和系统。
背景技术
城市的路网交通复杂，并且容易发生交通意外，一旦在繁忙路段上发生交通意外，会导致道路交通拥堵，从而严重影响城市交通的正常运行。目前，为了对城市路网的交通实况进行监控，通常会在道路的不同路段上设置大量摄像头对道路交通情况进行拍摄。但是这种方式只能对局部路段进行单独的监控管理，其无法将特定区域的全部路网进行整体监控，从而大大降低对城市路网中存在交通异常的所有区域进行全面的监控。此外，还需要对道路交通拍摄得到的影像进行相应的影像识别，其并没有充分利用边缘计算策略来提高影像识别的准确性。
发明内容
针对现有技术存在的缺陷，本发明提供基于边缘计算的区域异常检测方法和系统，其利用边缘计算设备对布置在不同位置的拍摄设备进行拍摄控制，以此获得关于目标区域的影像，并利用边缘计算设备对所有影像进行边缘计算策略的识别与拼接，从而获得目标区域对应的全景区域影像；再对全景区域影像进行分区域识别而确定每个子区域是否存在交通异常情况，从而将存在交通异常情况的子区域所在的位置上报，其利用边缘计算设备对所有拍摄设备进行联动控制，以此保证目标区域能够获得同步全面化的影像拍摄，而利用边缘计算策略来处理影像，能够对每个拍摄设备采集的影像进行同步一致的处理，以此保证最终拼接形成的全景区域影像能够真实地反映目标区域的实际交通情况，从而提高后续对目标区域进行定点异常状态检测的可靠性和准确性。
本发明提供基于边缘计算的区域异常检测方法，其特征在于，其包括如下步骤：
步骤S1，向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备；
步骤S2，对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
步骤S3，识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常；再通过所述边缘计算设备将存在交通异常的子区域的位置信息进行上报；
进一步，在所述步骤S1中，向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备具体包括：
步骤S101，利用边缘计算设备通过物联网向若干拍摄设备同步发送拍摄动作指令；其中，所述拍摄动作指令用于指示拍摄设备进行预设时间长度的影像拍摄；
步骤S102，当每个拍摄设备接收到所述拍摄动作指令后，从所述拍摄动作指令中提取得到所述边缘计算设备的IP地址和影像拍摄对应的预设时间长度；将所述IP地址与预设IP地址白名单进行比对，若所述IP地址包含在预设IP地址白名单中，则指示拍摄设备对目标区域进行预设时间长度的影像拍摄；若所述IP地址不包含在预设IP地址白名单中，则指示拍摄设备不进行拍摄；
步骤S103，按照每个拍摄设备拍摄得到的影像各自的影像数据量由小到大的顺序，将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备；
进一步，在所述步骤S2中，对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理具体包括：
步骤S201，对回传至所述边缘计算设备的影像进行图像边缘锐化处理后，识别影像四周边界区域包含的景物，其中所述景物包括外界环境物体和/或人物；
步骤S202，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；
步骤S203，将所述全景区域影像进行网格划分，从而得到若干面积相等的子区域影像；再对每个子区域影像进行卡尔曼滤波处理，以此去除子区域影像的背景噪声；
进一步，在所述步骤S202中，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像具体包括：
步骤S2021，利用下面公式(1)，对两个影像各自识别得到的影像四周边界区域包含的景物进行框选，以此得到两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，
Figure BDA0003206970410000031
在上述公式(1)中，S1,a,i表示第1个影像的第a个边界区域内第i个景物的外切矩形面积；S2,b,i表示第2个影像的第b个边界区域内第i个景物的外切矩形面积；X1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的横坐标值；X2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的横坐标值；Y1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；Y2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；
Figure BDA0003206970410000041
表示将t的值从1取到T1,a,i过程中括号内的最大值；
Figure BDA0003206970410000042
表示将t的值从1取到T1,a,i过程中括号内的最小值；
Figure BDA0003206970410000043
表示将t的值从1取到T2,b,i过程中括号内的最大值；
Figure BDA0003206970410000044
表示将t的值从1取到T2,b,i过程中括号内的最小值；
步骤S2022，利用下面公式(2)，根据两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，判断两个影像的景物重叠区域，
Figure BDA0003206970410000045
在上述公式(2)中，η[(1,a),(2,b)]表示第1影像的第a个边界区域与第2影像的第b个边界区域是否为重叠区域的决定值；I1,a表示第1影像的第a个边界区域包含的景物个数；I2,b表示第2影像的第b个边界区域包含的景物个数；min()表示取括号内最小值的运算；
若η[(1,a),(2,b)]≠0，表示第1影像的第a个边界区域与第2影像的第b个边界区域不是重叠区域；
若η[(1,a),(2,b)]＝0，表示第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域；
步骤S2023，若确定第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域，则利用下面公式(3)，将第1影像的第a个边界区域进行去除，
Figure BDA0003206970410000051
在上述公式(3)，Da表示第1影像的切断线；若a＝1，表示重叠区域位于第1影像的上边界，此时将第1影像的上边界中横坐标值小于Da的区域去除；若a＝2，表示重叠区域位于第1影像的下边界，此时将第1影像的下边界中横坐标值大于Da的区域去除；若a＝3，表示重叠区域位于第1影像的左边界，此时将第1影像的左边界中纵坐标值小于Da的区域去除；若a＝4，表示重叠区域位于第1影像的右边界，此时将第1影像的右边界中纵坐标值大于Da的区域去除；
当将第1影像的第a个边界区域进行去除后，再将第2影像拼接到第1影像去除第a个边界区域对应的部分，以及将第2影像的第b个边界区域与第1影像去除第a个边界区域对应的部分相互对齐，从而完成第1影像与第2影像的拼接；
进一步，在所述步骤S3中，识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常；再通过所述边缘计算设备将存在交通异常的子区域的位置信息进行上报具体包括：
步骤S301，识别降噪预处理后的子区域影像中道路上行驶的相邻车辆在前后方向上单位时间内的间距变化值，以此作为所述车辆行驶状态；
步骤S302，将所述间距变化值与预设间距变化阈值进行比对；若所述间距变化值小于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域存在交通拥挤异常；若所述间距变化值大于或等于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域不存在交通拥挤异常；
步骤S303，通过所述边缘计算设备将存在交通拥挤异常的子区域于所述目标区域的位置信息上报至相应的交通调度人员的移动终端上。
本发明还提供基于边缘计算的区域异常检测系统，其特征在于，其包括边缘计算设备和若干拍摄设备，每个拍摄设备通过物联网与所述边缘计算设备连接；其中，
所述边缘计算设备包括拍摄指示模块、影像处理模块和信息上报模块；
所述拍摄指示模块用于向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；
每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备；
所述影像处理模块用于对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
所述影像处理模块还用于识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常；
所述信息上报模块用于将存在交通异常的子区域的位置信息进行上报；
进一步，所述拍摄指示模块用于向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令具体包括：
所述拍摄指示模块通过物联网向若干拍摄设备同步发送拍摄动作指令；其中，所述拍摄动作指令用于指示拍摄设备进行预设时间长度的影像拍摄；
每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备具体包括：
当每个拍摄设备接收到所述拍摄动作指令后，从所述拍摄动作指令中提取得到所述边缘计算设备的IP地址和影像拍摄对应的预设时间长度；将所述IP地址与预设IP地址白名单进行比对，若所述IP地址包含在预设IP地址白名单中，则指示拍摄设备对目标区域进行预设时间长度的影像拍摄；若所述IP地址不包含在预设IP地址白名单中，则指示拍摄设备不进行拍摄；
再按照每个拍摄设备拍摄得到的影像各自的影像数据量由小到大的顺序，将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备；
进一步，所述影像处理模块用于对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
对回传至所述边缘计算设备的影像进行图像边缘锐化处理后，识别影像四周边界区域包含的景物，其中所述景物包括外界环境物体和/或人物；
当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；
将所述全景区域影像进行网格划分，从而得到若干面积相等的子区域影像；再对每个子区域影像进行卡尔曼滤波处理，以此去除子区域影像的背景噪声；
进一步，所述影像处理模块用于识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常具体包括：
识别降噪预处理后的子区域影像中道路上行驶的相邻车辆在前后方向上单位时间内的间距变化值，以此作为所述车辆行驶状态；
再将所述间距变化值与预设间距变化阈值进行比对；若所述间距变化值小于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域存在交通拥挤异常；若所述间距变化值大于或等于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域不存在交通拥挤异常；
所述信息上报模块用于将存在交通异常的子区域的位置信息进行上报具体包括：
将存在交通拥挤异常的子区域于所述目标区域的位置信息上报至相应的交通调度人员的移动终端上。
相比于现有技术，该基于边缘计算的区域异常检测方法和系统利用边缘计算设备对布置在不同位置的拍摄设备进行拍摄控制，以此获得关于目标区域的影像，并利用边缘计算设备对所有影像进行边缘计算策略的识别与拼接，从而获得目标区域对应的全景区域影像；再对全景区域影像进行分区域识别而确定每个子区域是否存在交通异常情况，从而将存在交通异常情况的子区域所在的位置上报，其利用边缘计算设备对所有拍摄设备进行联动控制，以此保证目标区域能够获得同步全面化的影像拍摄，而利用边缘计算策略来处理影像，能够对每个拍摄设备采集的影像进行同步一致的处理，以此保证最终拼接形成的全景区域影像能够真实地反映目标区域的实际交通情况，从而提高后续对目标区域进行定点异常状态检测的可靠性和准确性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
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为本发明提供的基于边缘计算的区域异常检测方法的流程示意图。
图2为本发明提供的基于边缘计算的区域异常检测系统的结构示意图。
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作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。
参阅图1，为本发明实施例提供的基于边缘计算的区域异常检测方法的流程示意图。该基于边缘计算的区域异常检测方法包括如下步骤：
步骤S1，向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至该边缘计算设备；
步骤S2，对回传至该边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到该目标区域对应的全景区域影像；再将该全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
步骤S3，识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据该车辆行驶状态，确定该子区域影像在该目标区域对应的子区域是否存在交通异常；再通过该边缘计算设备将存在交通异常的子区域的位置信息进行上报。
上述技术方案的有益效果为：该基于边缘计算的区域异常检测方法利用边缘计算设备对布置在不同位置的拍摄设备进行拍摄控制，以此获得关于目标区域的影像，并利用边缘计算设备对所有影像进行边缘计算策略的识别与拼接，从而获得目标区域对应的全景区域影像；再对全景区域影像进行分区域识别而确定每个子区域是否存在交通异常情况，从而将存在交通异常情况的子区域所在的位置上报，其利用边缘计算设备对所有拍摄设备进行联动控制，以此保证目标区域能够获得同步全面化的影像拍摄，而利用边缘计算策略来处理影像，能够对每个拍摄设备采集的影像进行同步一致的处理，以此保证最终拼接形成的全景区域影像能够真实地反映目标区域的实际交通情况，从而提高后续对目标区域进行定点异常状态检测的可靠性和准确性。
优选地，在该步骤S1中，向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至该边缘计算设备具体包括：
步骤S101，利用边缘计算设备通过物联网向若干拍摄设备同步发送拍摄动作指令；其中，该拍摄动作指令用于指示拍摄设备进行预设时间长度的影像拍摄；
步骤S102，当每个拍摄设备接收到该拍摄动作指令后，从该拍摄动作指令中提取得到该边缘计算设备的IP地址和影像拍摄对应的预设时间长度；将该IP地址与预设IP地址白名单进行比对，若该IP地址包含在预设IP地址白名单中，则指示拍摄设备对目标区域进行预设时间长度的影像拍摄；若该IP地址不包含在预设IP地址白名单中，则指示拍摄设备不进行拍摄；
步骤S103，按照每个拍摄设备拍摄得到的影像各自的影像数据量由小到大的顺序，将每个拍摄设备拍摄得到的影像依次回传至该边缘计算设备。
上述技术方案的有益效果为：该边缘计算设备通过物联网与每个拍摄设备进行连接，通过物联网能够实现边缘计算设备与每个拍摄设备之间的稳定可靠的数据/指令交互传输。该边缘计算设备能够通过其中的拍摄指示模块向每个拍摄设备同步发送拍摄动作指令，该拍摄动作指令包含该边缘计算设备自身的IP地址信息以及指示拍摄设备进行拍摄动作的持续时间(即所述预设时间长度)。当拍摄设备接收到该拍摄动作指令后，会首先从该拍摄动作指令中提取得到相应的IP地址信息，继而将该IP地址信息与预设IP地址白名单进行比对，其中该预设IP地址白名单包括至少一个经过身份安全认证的计算设备的IP地址，该经过身份安全认证的计算设备具有与所有摄像设备进行通信连接的权限。当确定提取得到的IP地址信息包含在预设IP地址白名单，则表明该拍摄动作指令属于有效安全的指令，此时该摄像设备将对目标区域进行预设时间长度的连续扫描拍摄，从而得到相应的影像；当确定提取得到的IP地址信息不包含在预设IP地址白名单，则表明该拍摄动作指令不属于有效安全的指令，此时该摄像设备将不进行任何拍摄动作。当拍摄设备完成影像拍摄后，则按照拍摄得到的影像各自的影像数据量(比如影像数据比特量)由小到大的顺序，将每个影像以此回传至边缘计算设备，若其中两个或者两个以上的影像的影像数据量相同，则将对应的影像同时回传至边缘计算设备，这样能够有效避免影像通过物联网回传至边缘计算设备时发生数据传输拥堵的情况，从而大大提高影像的回传效率。
优选地，在该步骤S2中，对回传至该边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到该目标区域对应的全景区域影像；再将该全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理具体包括：
步骤S201，对回传至该边缘计算设备的影像进行图像边缘锐化处理后，识别影像四周边界区域包含的景物，其中该景物包括外界环境物体和/或人物；
步骤S202，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到该目标区域对应的全景区域影像；
步骤S203，将该全景区域影像进行网格划分，从而得到若干面积相等的子区域影像；再对每个子区域影像进行卡尔曼滤波处理，以此去除子区域影像的背景噪声。
上述技术方案的有益效果为：由于每个摄像设备只能够拍摄目标区域一部分的影像，其无法对整个目标区域进行全面拍摄，这使得每个摄像设备拍摄的影像只能覆盖该目标区域的其中一部分区域，同时设置位置邻近的摄像设备拍摄的影像之间可能会存在相互重叠的范围。由于不同摄像设备拍摄的影像覆盖目标区域的不同范围，若将所有摄像设备拍摄的影像进行拼接组合即可得到该目标区域对应的全景化影像。但是，为了保证不同影像之间能够进行精确无缝拼接，需要将在边界区域包含相同景物的影像进行拼接，这样才能保证拼接得到的影像与目标区域的真实相一致，若两个影像在各自的边界区域之间不包含相同的景物，则表明这两个影像在目标区域对应的覆盖的空间区域并不相邻，若将这两个影像进行拼接，拼接后的影像与目标区域的真实情况并不相同，从而导致拼接后的影像存在失真的情况。此外，对回传至边缘计算设备的影像进行图像边缘锐化处理，能够将影像在四周边界区域的影像像素细节进行强化处理，这样便于后续将两个影像各自的四周边界区域的影像像素进行比对过程中，能够更加准确地判断两个影像在某一边界区域是否包含相同的景物，从而提高对不同影像进行拼接的准确性，该图像边缘锐化处理为本领域常用的图像像素锐化处理手段，这里不做详细的累述。最后，将拼接得到的全景区域影像进行网格划分，从而将该全景区域影像划分为若干面积相等且呈矩形形状或者正方形形状的子影像区域，再将每个子区域影像进行卡尔曼滤波处理，这样能够有效地去除子区域影像中的背景噪声，从而提高子区域影像的信噪比。
优选地，在该步骤S202中，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到该目标区域对应的全景区域影像具体包括：
步骤S2021，利用下面公式(1)，对两个影像各自识别得到的影像四周边界区域包含的景物进行框选，以此得到两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，
Figure BDA0003206970410000121
在上述公式(1)中，S1,a,i表示第1个影像的第a个边界区域内第i个景物的外切矩形面积；S2,b,i表示第2个影像的第b个边界区域内第i个景物的外切矩形面积；X1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的横坐标值；X2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的横坐标值；Y1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；Y2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；
Figure BDA0003206970410000131
表示将t的值从1取到T1,a,i过程中括号内的最大值；
Figure BDA0003206970410000132
表示将t的值从1取到T1,a,i过程中括号内的最小值；
Figure BDA0003206970410000133
表示将t的值从1取到T2,b,i过程中括号内的最大值；
Figure BDA0003206970410000134
表示将t的值从1取到T2,b,i过程中括号内的最小值；
步骤S2022，利用下面公式(2)，根据两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，判断两个影像的景物重叠区域，
Figure BDA0003206970410000135
在上述公式(2)中，η[(1,a),(2,b)]表示第1影像的第a个边界区域与第2影像的第b个边界区域是否为重叠区域的决定值；I1,a表示第1影像的第a个边界区域包含的景物个数；I2,b表示第2影像的第b个边界区域包含的景物个数；min()表示取括号内最小值的运算；
若η[(1,a),(2,b)]≠0，表示第1影像的第a个边界区域与第2影像的第b个边界区域不是重叠区域；
若η[(1,a),(2,b)]＝0，表示第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域；
步骤S2023，若确定第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域，则利用下面公式(3)，将第1影像的第a个边界区域进行去除，
Figure BDA0003206970410000141
在上述公式(3)，Da表示第1影像的切断线；若a＝1，表示重叠区域位于第1影像的上边界，此时将第1影像的上边界中横坐标值小于Da的区域去除；若a＝2，表示重叠区域位于第1影像的下边界，此时将第1影像的下边界中横坐标值大于Da的区域去除；若a＝3，表示重叠区域位于第1影像的左边界，此时将第1影像的左边界中纵坐标值小于Da的区域去除；若a＝4，表示重叠区域位于第1影像的右边界，此时将第1影像的右边界中纵坐标值大于Da的区域去除；
当将第1影像的第a个边界区域进行去除后，再将第2影像拼接到第1影像去除第a个边界区域对应的部分，以及将第2影像的第b个边界区域与第1影像去除第a个边界区域对应的部分相互对齐，从而完成第1影像与第2影像的拼接。
上述技术方案的有益效果为：利用上述公式(1)通对两个影像各自识别到的影像四周边界区域包含的景物进行框选得到两个影像每个边界区域每个景物的外切矩形面积，进而将识别到的景物转换为容易计算的矩形，进而简化后续的计算，提高系统的效率；再利用上述公式(2)根据两个影像每个边界区域每个景物的外切矩形面积判断出两个影像的景物重叠区域，进而快速准确的识别出两个影像所重叠的边界区域；最后利用上述公式(3)将第1个影像的第a个边界区域进行去除，然后再将第2个影像拼接到第1个影像边界区域的去除部分并且将的第b个边界区域与第1个影像去除掉的边界区域进行对齐，进而完成拼接，自动去除第1影像的重叠区域是为了方便后续拼接，进而提高系统拼接的准确性。
优选地，在该步骤S3中，识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据该车辆行驶状态，确定该子区域影像在该目标区域对应的子区域是否存在交通异常；再通过该边缘计算设备将存在交通异常的子区域的位置信息进行上报具体包括：
步骤S301，识别降噪预处理后的子区域影像中道路上行驶的相邻车辆在前后方向上单位时间内的间距变化值，以此作为该车辆行驶状态；
步骤S302，将该间距变化值与预设间距变化阈值进行比对；若该间距变化值小于该预设间距变化阈值，则确定该子区域影像在该目标区域对应的子区域存在交通拥挤异常；若该间距变化值大于或等于该预设间距变化阈值，则确定该子区域影像在该目标区域对应的子区域不存在交通拥挤异常；
步骤S303，通过该边缘计算设备将存在交通拥挤异常的子区域于该目标区域的位置信息上报至相应的交通调度人员的移动终端上。
上述技术方案的有益效果为：从子区域影像中识别得到子区域影像中存在的道路(如果该子区域影像本身包含相应的道路影像成分)上行驶的相邻车辆在前后方向(即道路延伸方向)上单位时间内的间距变化值，该识别过程可通过对子区域影像中前后相邻两个车辆之间的距离变化而实现，其属于常见的图像识别方式，该间距变化值本质上反映道路上车辆的移动快慢程度和道路的车流量拥堵程度。随后，将该间距变化值与预设间距变化阈值进行比对，若该间距变化值小于该预设间距变化阈值，则表明该道路上的车辆移动速度较慢而出现了交通拥堵异常的情况，反之，表明该道路上的车辆移动速度较快而未出现了交通拥堵异常的情况。最后确定存在交通拥堵异常的子区域在该目标区域的实际位置，同时将该实际位置的信息上报发送至该目标区域范围内存在的交通调度人员的手机等移动终端上，这样该交通调度人员能够快速地前往存在交通拥堵异常的子区域所在的位置进行及时的交通疏导。
参阅图2，为本发明实施例提供的基于边缘计算的区域异常检测系统的结构示意图。该基于边缘计算的区域异常检测系统包括边缘计算设备和若干拍摄设备，每个拍摄设备通过物联网与该边缘计算设备连接；其中，
该边缘计算设备包括拍摄指示模块、影像处理模块和信息上报模块；
该拍摄指示模块用于向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；
每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至该边缘计算设备；
该影像处理模块用于对回传至该边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到该目标区域对应的全景区域影像；再将该全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
该影像处理模块还用于识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据该车辆行驶状态，确定该子区域影像在该目标区域对应的子区域是否存在交通异常；
该信息上报模块用于将存在交通异常的子区域的位置信息进行上报。
上述技术方案的有益效果为：该基于边缘计算的区域异常检测系统利用边缘计算设备对布置在不同位置的拍摄设备进行拍摄控制，以此获得关于目标区域的影像，并利用边缘计算设备对所有影像进行边缘计算策略的识别与拼接，从而获得目标区域对应的全景区域影像；再对全景区域影像进行分区域识别而确定每个子区域是否存在交通异常情况，从而将存在交通异常情况的子区域所在的位置上报，其利用边缘计算设备对所有拍摄设备进行联动控制，以此保证目标区域能够获得同步全面化的影像拍摄，而利用边缘计算策略来处理影像，能够对每个拍摄设备采集的影像进行同步一致的处理，以此保证最终拼接形成的全景区域影像能够真实地反映目标区域的实际交通情况，从而提高后续对目标区域进行定点异常状态检测的可靠性和准确性。
优选地，该拍摄指示模块用于向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令具体包括：
该拍摄指示模块通过物联网向若干拍摄设备同步发送拍摄动作指令；其中，该拍摄动作指令用于指示拍摄设备进行预设时间长度的影像拍摄；
每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至该边缘计算设备具体包括：
当每个拍摄设备接收到该拍摄动作指令后，从该拍摄动作指令中提取得到该边缘计算设备的IP地址和影像拍摄对应的预设时间长度；将该IP地址与预设IP地址白名单进行比对，若该IP地址包含在预设IP地址白名单中，则指示拍摄设备对目标区域进行预设时间长度的影像拍摄；若该IP地址不包含在预设IP地址白名单中，则指示拍摄设备不进行拍摄；
再按照每个拍摄设备拍摄得到的影像各自的影像数据量由小到大的顺序，将每个拍摄设备拍摄得到的影像依次回传至该边缘计算设备。
上述技术方案的有益效果为：该边缘计算设备本质上可为能够进行分布式数据采集和对采集得到的数据进行边缘策略计算处理的计算机；该边缘计算设备可集成拍摄指示控制、影像处理和信息上传等不同功能，这样该边缘计算设备能够与拍摄设备进行数据交互传输与控制。相应地，该拍摄设备可包括但不限于拍摄控制模块与摄像头，该拍摄控制模块与该摄像头连接，该拍摄控制模块能够根据来自边缘计算设备的指令控制摄像头进行影像拍摄，同时将拍摄得到的影像回传至边缘计算设备上。该拍摄控制模块可为MCU控制器，该摄像头可为一监控摄像头。若干拍摄设备分别设置在目标区域的不同位置处，这样不同拍摄设备能够从不同方位角度拍摄得到关于目标区域至少一部分的影像。
该边缘计算设备通过物联网与每个拍摄设备进行连接，通过物联网能够实现边缘计算设备与每个拍摄设备之间的稳定可靠的数据/指令交互传输。该边缘计算设备能够通过其中的拍摄指示模块向每个拍摄设备同步发送拍摄动作指令，该拍摄动作指令包含该边缘计算设备自身的IP地址信息以及指示拍摄设备进行拍摄动作的持续时间(即所述预设时间长度)。当拍摄设备接收到该拍摄动作指令后，会首先从该拍摄动作指令中提取得到相应的IP地址信息，继而将该IP地址信息与预设IP地址白名单进行比对，其中该预设IP地址白名单包括至少一个经过身份安全认证的计算设备的IP地址，该经过身份安全认证的计算设备具有与所有摄像设备进行通信连接的权限。当确定提取得到的IP地址信息包含在预设IP地址白名单，则表明该拍摄动作指令属于有效安全的指令，此时该摄像设备将对目标区域进行预设时间长度的连续扫描拍摄，从而得到相应的影像；当确定提取得到的IP地址信息不包含在预设IP地址白名单，则表明该拍摄动作指令不属于有效安全的指令，此时该摄像设备将不进行任何拍摄动作。当拍摄设备完成影像拍摄后，则按照拍摄得到的影像各自的影像数据量(比如影像数据比特量)由小到大的顺序，将每个影像以此回传至边缘计算设备，若其中两个或者两个以上的影像的影像数据量相同，则将对应的影像同时回传至边缘计算设备，这样能够有效避免影像通过物联网回传至边缘计算设备时发生数据传输拥堵的情况，从而大大提高影像的回传效率。
优选地，该影像处理模块用于对回传至该边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到该目标区域对应的全景区域影像；再将该全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
对回传至该边缘计算设备的影像进行图像边缘锐化处理后，识别影像四周边界区域包含的景物，其中该景物包括外界环境物体和/或人物；
当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到该目标区域对应的全景区域影像；
将该全景区域影像进行网格划分，从而得到若干面积相等的子区域影像；再对每个子区域影像进行卡尔曼滤波处理，以此去除子区域影像的背景噪声
上述技术方案的有益效果为：由于每个摄像设备只能够拍摄目标区域一部分的影像，其无法对整个目标区域进行全面拍摄，这使得每个摄像设备拍摄的影像只能覆盖该目标区域的其中一部分区域，同时设置位置邻近的摄像设备拍摄的影像之间可能会存在相互重叠的范围。由于不同摄像设备拍摄的影像覆盖目标区域的不同范围，若将所有摄像设备拍摄的影像进行拼接组合即可得到该目标区域对应的全景化影像。但是，为了保证不同影像之间能够进行精确无缝拼接，需要将在边界区域包含相同景物的影像进行拼接，这样才能保证拼接得到的影像与目标区域的真实相一致，若两个影像在各自的边界区域之间不包含相同的景物，则表明这两个影像在目标区域对应的覆盖的空间区域并不相邻，若将这两个影像进行拼接，拼接后的影像与目标区域的真实情况并不相同，从而导致拼接后的影像存在失真的情况。此外，对回传至边缘计算设备的影像进行图像边缘锐化处理，能够将影像在四周边界区域的影像像素细节进行强化处理，这样便于后续将两个影像各自的四周边界区域的影像像素进行比对过程中，能够更加准确地判断两个影像在某一边界区域是否包含相同的景物，从而提高对不同影像进行拼接的准确性，该图像边缘锐化处理为本领域常用的图像像素锐化处理手段，这里不做详细的累述。最后，将拼接得到的全景区域影像进行网格划分，从而将该全景区域影像划分为若干面积相等且呈矩形形状或者正方形形状的子影像区域，再将每个子区域影像进行卡尔曼滤波处理，这样能够有效地去除子区域影像中的背景噪声，从而提高子区域影像的信噪比。
优选地，该影像处理模块用于识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据该车辆行驶状态，确定该子区域影像在该目标区域对应的子区域是否存在交通异常具体包括：
识别降噪预处理后的子区域影像中道路上行驶的相邻车辆在前后方向上单位时间内的间距变化值，以此作为该车辆行驶状态；
再将该间距变化值与预设间距变化阈值进行比对；若该间距变化值小于该预设间距变化阈值，则确定该子区域影像在该目标区域对应的子区域存在交通拥挤异常；若该间距变化值大于或等于该预设间距变化阈值，则确定该子区域影像在该目标区域对应的子区域不存在交通拥挤异常；
该信息上报模块用于将存在交通异常的子区域的位置信息进行上报具体包括：
将存在交通拥挤异常的子区域于该目标区域的位置信息上报至相应的交通调度人员的移动终端上。
上述技术方案的有益效果为：从子区域影像中识别得到子区域影像中存在的道路(如果该子区域影像本身包含相应的道路影像成分)上行驶的相邻车辆在前后方向(即道路延伸方向)上单位时间内的间距变化值，该识别过程可通过对子区域影像中前后相邻两个车辆之间的距离变化而实现，其属于常见的图像识别方式，该间距变化值本质上反映道路上车辆的移动快慢程度和道路的车流量拥堵程度。随后，将该间距变化值与预设间距变化阈值进行比对，若该间距变化值小于该预设间距变化阈值，则表明该道路上的车辆移动速度较慢而出现了交通拥堵异常的情况，反之，表明该道路上的车辆移动速度较快而未出现了交通拥堵异常的情况。最后确定存在交通拥堵异常的子区域在该目标区域的实际位置，同时将该实际位置的信息上报发送至该目标区域范围内存在的交通调度人员的手机等移动终端上，这样该交通调度人员能够快速地前往存在交通拥堵异常的子区域所在的位置进行及时的交通疏导。
从上述实施例的内容可知，该基于边缘计算的区域异常检测方法和系统利用边缘计算设备对布置在不同位置的拍摄设备进行拍摄控制，以此获得关于目标区域的影像，并利用边缘计算设备对所有影像进行边缘计算策略的识别与拼接，从而获得目标区域对应的全景区域影像；再对全景区域影像进行分区域识别而确定每个子区域是否存在交通异常情况，从而将存在交通异常情况的子区域所在的位置上报，其利用边缘计算设备对所有拍摄设备进行联动控制，以此保证目标区域能够获得同步全面化的影像拍摄，而利用边缘计算策略来处理影像，能够对每个拍摄设备采集的影像进行同步一致的处理，以此保证最终拼接形成的全景区域影像能够真实地反映目标区域的实际交通情况，从而提高后续对目标区域进行定点异常状态检测的可靠性和准确性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.基于边缘计算的区域异常检测方法，其特征在于，其包括如下步骤：
步骤S1，向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备；
步骤S2，对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
步骤S3，识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常；再通过所述边缘计算设备将存在交通异常的子区域的位置信息进行上报；
其中，在所述步骤S2中，对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理具体包括：
步骤S201，对回传至所述边缘计算设备的影像进行图像边缘锐化处理后，识别影像四周边界区域包含的景物，其中所述景物包括外界环境物体和/或人物；
步骤S202，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；
步骤S203，将所述全景区域影像进行网格划分，从而得到若干面积相等的子区域影像；再对每个子区域影像进行卡尔曼滤波处理，以此去除子区域影像的背景噪声；
其中，在所述步骤S202中，当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像具体包括：
步骤S2021，利用下面公式(1)，对两个影像各自识别得到的影像四周边界区域包含的景物进行框选，以此得到两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，
Figure FDA0003661029600000021
在上述公式(1)中，S1,a,i表示第1个影像的第a个边界区域内第i个景物的外切矩形面积；S2,b,i表示第2个影像的第b个边界区域内第i个景物的外切矩形面积；X1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的横坐标值；X2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的横坐标值；Y1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；Y2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；
Figure FDA0003661029600000022
表示将t的值从1取到T1,a,i过程中括号内的最大值；
Figure FDA0003661029600000023
表示将t的值从1取到T1,a,i过程中括号内的最小值；
Figure FDA0003661029600000024
表示将t的值从1取到T2,b,i过程中括号内的最大值；
Figure FDA0003661029600000025
表示将t的值从1取到T2,b,i过程中括号内的最小值；
步骤S2022，利用下面公式(2)，根据两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，判断两个影像的景物重叠区域，
Figure FDA0003661029600000031
在上述公式(2)中，η[(1,a),(2,b)]表示第1影像的第a个边界区域与第2影像的第b个边界区域是否为重叠区域的决定值；I1,a表示第1影像的第a个边界区域包含的景物个数；I2,b表示第2影像的第b个边界区域包含的景物个数；min()表示取括号内最小值的运算；
若η[(1,a),(2,b)]≠0，表示第1影像的第a个边界区域与第2影像的第b个边界区域不是重叠区域；
若η[(1,a),(2,b)]＝0，表示第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域；
步骤S2023，若确定第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域，则利用下面公式(3)，将第1影像的第a个边界区域进行去除，
Figure FDA0003661029600000032
在上述公式(3)，Da表示第1影像的切断线；若a＝1，表示重叠区域位于第1影像的上边界，此时将第1影像的上边界中横坐标值小于Da的区域去除；若a＝2，表示重叠区域位于第1影像的下边界，此时将第1影像的下边界中横坐标值大于Da的区域去除；若a＝3，表示重叠区域位于第1影像的左边界，此时将第1影像的左边界中纵坐标值小于Da的区域去除；若a＝4，表示重叠区域位于第1影像的右边界，此时将第1影像的右边界中纵坐标值大于Da的区域去除；
当将第1影像的第a个边界区域进行去除后，再将第2影像拼接到第1影像去除第a个边界区域对应的部分，以及将第2影像的第b个边界区域与第1影像去除第a个边界区域对应的部分相互对齐，从而完成第1影像与第2影像的拼接。
2.如权利要求1所述的基于边缘计算的区域异常检测方法，其特征在于：在所述步骤S1中，向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备具体包括：
步骤S101，利用边缘计算设备通过物联网向若干拍摄设备同步发送拍摄动作指令；其中，所述拍摄动作指令用于指示拍摄设备进行预设时间长度的影像拍摄；
步骤S102，当每个拍摄设备接收到所述拍摄动作指令后，从所述拍摄动作指令中提取得到所述边缘计算设备的IP地址和影像拍摄对应的预设时间长度；将所述IP地址与预设IP地址白名单进行比对，若所述IP地址包含在预设IP地址白名单中，则指示拍摄设备对目标区域进行预设时间长度的影像拍摄；若所述IP地址不包含在预设IP地址白名单中，则指示拍摄设备不进行拍摄；
步骤S103，按照每个拍摄设备拍摄得到的影像各自的影像数据量由小到大的顺序，将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备。
3.如权利要求1所述的基于边缘计算的区域异常检测方法，其特征在于：在所述步骤S3中，识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常；再通过所述边缘计算设备将存在交通异常的子区域的位置信息进行上报具体包括：
步骤S301，识别降噪预处理后的子区域影像中道路上行驶的相邻车辆在前后方向上单位时间内的间距变化值，以此作为所述车辆行驶状态；
步骤S302，将所述间距变化值与预设间距变化阈值进行比对；若所述间距变化值小于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域存在交通拥挤异常；若所述间距变化值大于或等于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域不存在交通拥挤异常；
步骤S303，通过所述边缘计算设备将存在交通拥挤异常的子区域于所述目标区域的位置信息上报至相应的交通调度人员的移动终端上。
4.基于边缘计算的区域异常检测系统，其特征在于，其包括边缘计算设备和若干拍摄设备，每个拍摄设备通过物联网与所述边缘计算设备连接；其中，
所述边缘计算设备包括拍摄指示模块、影像处理模块和信息上报模块；所述拍摄指示模块用于向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令；
每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备；
所述影像处理模块用于对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
所述影像处理模块还用于识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常；
所述信息上报模块用于将存在交通异常的子区域的位置信息进行上报；其中，所述影像处理模块用于对回传至所述边缘计算设备的影像进行识别，并根据识别到的影像边界包含的景物，将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；再将所述全景区域影像划分为若干子区域影像，并对每个子区域影像进行降噪预处理；
对回传至所述边缘计算设备的影像进行图像边缘锐化处理后，识别影像四周边界区域包含的景物，其中所述景物包括外界环境物体和/或人物；当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像；
将所述全景区域影像进行网格划分，从而得到若干面积相等的子区域影像；再对每个子区域影像进行卡尔曼滤波处理，以此去除子区域影像的背景噪声；
其中，所述当两个影像各自在某一边界区域包含相同的景物时，则将这两个影像沿着包含相同的景物的边界区域进行拼接，以此将所有影像进行拼接，从而得到所述目标区域对应的全景区域影像具体包括：
首先，利用下面公式(1)，对两个影像各自识别得到的影像四周边界区域包含的景物进行框选，以此得到两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，
Figure FDA0003661029600000061
在上述公式(1)中，S1,a,i表示第1个影像的第a个边界区域内第i个景物的外切矩形面积；S2,b,i表示第2个影像的第b个边界区域内第i个景物的外切矩形面积；X1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的横坐标值；X2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的横坐标值；Y1,a,t表示第1个影像的第a个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；Y2,b,t表示第2个影像的第b个影像内第i个景物的第t个像素点的位置坐标的纵坐标值；
Figure FDA0003661029600000071
表示将t的值从1取到T1,a,i过程中括号内的最大值；
Figure FDA0003661029600000072
表示将t的值从1取到T1,a,i过程中括号内的最小值；
Figure FDA0003661029600000073
表示将t的值从1取到T2,b,i过程中括号内的最大值；
Figure FDA0003661029600000074
表示将t的值从1取到T2,b,i过程中括号内的最小值；
其次，利用下面公式(2)，根据两个影像各自的每个边界区域中包含的每个景物的外切矩形面积，判断两个影像的景物重叠区域，
Figure FDA0003661029600000075
在上述公式(2)中，η[(1,a),(2,b)]表示第1影像的第a个边界区域与第2影像的第b个边界区域是否为重叠区域的决定值；I1,a表示第1影像的第a个边界区域包含的景物个数；I2,b表示第2影像的第b个边界区域包含的景物个数；min()表示取括号内最小值的运算；
若η[(1,a),(2,b)]≠0，表示第1影像的第a个边界区域与第2影像的第b个边界区域不是重叠区域；
若η[(1,a),(2,b)]＝0，表示第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域；
最后，若确定第1影像的第a个边界区域与第2影像的第b个边界区域是重叠区域，则利用下面公式(3)，将第1影像的第a个边界区域进行去除，
Figure FDA0003661029600000081
在上述公式(3)，Da表示第1影像的切断线；若a＝1，表示重叠区域位于第1影像的上边界，此时将第1影像的上边界中横坐标值小于Da的区域去除；若a＝2，表示重叠区域位于第1影像的下边界，此时将第1影像的下边界中横坐标值大于Da的区域去除；若a＝3，表示重叠区域位于第1影像的左边界，此时将第1影像的左边界中纵坐标值小于Da的区域去除；若a＝4，表示重叠区域位于第1影像的右边界，此时将第1影像的右边界中纵坐标值大于Da的区域去除；
当将第1影像的第a个边界区域进行去除后，再将第2影像拼接到第1影像去除第a个边界区域对应的部分，以及将第2影像的第b个边界区域与第1影像去除第a个边界区域对应的部分相互对齐，从而完成第1影像与第2影像的拼接。
5.如权利要求4所述的基于边缘计算的区域异常检测系统，其特征在于：所述拍摄指示模块用于向与边缘计算设备进行物联网连接的若干拍摄设备发送拍摄动作指令具体包括：
所述拍摄指示模块通过物联网向若干拍摄设备同步发送拍摄动作指令；其中，所述拍摄动作指令用于指示拍摄设备进行预设时间长度的影像拍摄；
每个拍摄设备根据接收到的拍摄动作指令，采集目标区域的影像；再将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备具体包括：当每个拍摄设备接收到所述拍摄动作指令后，从所述拍摄动作指令中提取得到所述边缘计算设备的IP地址和影像拍摄对应的预设时间长度；将所述IP地址与预设IP地址白名单进行比对，若所述IP地址包含在预设IP地址白名单中，则指示拍摄设备对目标区域进行预设时间长度的影像拍摄；若所述IP地址不包含在预设IP地址白名单中，则指示拍摄设备不进行拍摄；
再按照每个拍摄设备拍摄得到的影像各自的影像数据量由小到大的顺序，将每个拍摄设备拍摄得到的影像依次回传至所述边缘计算设备。
6.如权利要求4所述的基于边缘计算的区域异常检测系统，其特征在于：所述影像处理模块用于识别降噪预处理后的子区域影像包含的车辆行驶状态，并根据所述车辆行驶状态，确定所述子区域影像在所述目标区域对应的子区域是否存在交通异常具体包括：
识别降噪预处理后的子区域影像中道路上行驶的相邻车辆在前后方向上单位时间内的间距变化值，以此作为所述车辆行驶状态；
再将所述间距变化值与预设间距变化阈值进行比对；若所述间距变化值小于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域存在交通拥挤异常；若所述间距变化值大于或等于所述预设间距变化阈值，则确定所述子区域影像在所述目标区域对应的子区域不存在交通拥挤异常；
所述信息上报模块用于将存在交通异常的子区域的位置信息进行上报具体包括：
将存在交通拥挤异常的子区域于所述目标区域的位置信息上报至相应的交通调度人员的移动终端上。
CN202110919573.4A 2021-08-11 2021-08-11 基于边缘计算的区域异常检测方法和系统 Active CN113870550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110919573.4A CN113870550B (zh) 2021-08-11 2021-08-11 基于边缘计算的区域异常检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110919573.4A CN113870550B (zh) 2021-08-11 2021-08-11 基于边缘计算的区域异常检测方法和系统

Publications (2)

Publication Number Publication Date
CN113870550A CN113870550A (zh) 2021-12-31
CN113870550B true CN113870550B (zh) 2022-07-12

Family

ID=78990416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110919573.4A Active CN113870550B (zh) 2021-08-11 2021-08-11 基于边缘计算的区域异常检测方法和系统

Country Status (1)

Country Link
CN (1) CN113870550B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114913655B (zh) * 2022-06-16 2023-01-10 慧之安信息技术股份有限公司 基于边缘计算的博物馆智能安防方法
CN115100796B (zh) * 2022-06-16 2023-08-25 慧之安信息技术股份有限公司 一种基于边缘计算的电影院安全监控系统
CN115190271A (zh) * 2022-06-28 2022-10-14 慧之安信息技术股份有限公司 基于边缘计算的煤矿开发安全监控方法
CN115225860B (zh) * 2022-07-08 2024-06-04 慧之安信息技术股份有限公司 基于边缘计算的海上开采平台安全监控方法
CN115761535B (zh) * 2022-11-10 2024-01-23 贵州师范学院 应用于土壤质量数据分析方法和系统
CN115937800B (zh) * 2023-01-09 2023-07-18 山东通维信息工程有限公司 一种高速公路行为监控数据处理方法及系统
CN116503804B (zh) * 2023-04-28 2023-11-10 东莞理工学院 基于图像处理的粗集料形态特征获取方法和系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008269218A (ja) * 2007-04-19 2008-11-06 Mitsubishi Electric Corp 画像処理装置、画像処理方法および画像処理プログラム
CN103279939A (zh) * 2013-04-27 2013-09-04 北京工业大学 一种图像拼接处理系统
US8917951B1 (en) * 2013-07-19 2014-12-23 Hong Kong Applied Science and Technology Research Institute Company Limited Method of on-the-fly image stitching
CN105100579A (zh) * 2014-05-09 2015-11-25 华为技术有限公司 一种图像数据的采集处理方法及相关装置
CN106157248A (zh) * 2016-07-19 2016-11-23 武汉大学 一种基于栅格的接缝线网络生成方法
CN109448385A (zh) * 2019-01-04 2019-03-08 北京钛星科技有限公司 基于车路协同的自动驾驶车辆交叉路口调度系统及方法
CN110166534A (zh) * 2019-04-30 2019-08-23 广东利通科技投资有限公司 智慧交通通信系统、通信站及辅助设备
CN111340710A (zh) * 2019-12-31 2020-06-26 智慧互通科技有限公司 一种基于图像拼接获取车辆信息的方法及系统
CN111783690A (zh) * 2020-07-06 2020-10-16 郑州迈拓信息技术有限公司 基于车辆密度感知的城市可行驶区域cim信息处理方法
CN112085953A (zh) * 2019-06-12 2020-12-15 杭州海康威视系统技术有限公司 一种交通指挥方法、装置及设备
CN112601022A (zh) * 2020-12-14 2021-04-02 中标慧安信息技术股份有限公司 一种基于网络摄像机的现场监控系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012010275A (ja) * 2010-06-28 2012-01-12 Sony Corp 情報処理装置、情報処理方法、及びそのプログラム

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008269218A (ja) * 2007-04-19 2008-11-06 Mitsubishi Electric Corp 画像処理装置、画像処理方法および画像処理プログラム
CN103279939A (zh) * 2013-04-27 2013-09-04 北京工业大学 一种图像拼接处理系统
US8917951B1 (en) * 2013-07-19 2014-12-23 Hong Kong Applied Science and Technology Research Institute Company Limited Method of on-the-fly image stitching
CN105100579A (zh) * 2014-05-09 2015-11-25 华为技术有限公司 一种图像数据的采集处理方法及相关装置
CN106157248A (zh) * 2016-07-19 2016-11-23 武汉大学 一种基于栅格的接缝线网络生成方法
CN109448385A (zh) * 2019-01-04 2019-03-08 北京钛星科技有限公司 基于车路协同的自动驾驶车辆交叉路口调度系统及方法
CN110166534A (zh) * 2019-04-30 2019-08-23 广东利通科技投资有限公司 智慧交通通信系统、通信站及辅助设备
CN112085953A (zh) * 2019-06-12 2020-12-15 杭州海康威视系统技术有限公司 一种交通指挥方法、装置及设备
CN111340710A (zh) * 2019-12-31 2020-06-26 智慧互通科技有限公司 一种基于图像拼接获取车辆信息的方法及系统
CN111783690A (zh) * 2020-07-06 2020-10-16 郑州迈拓信息技术有限公司 基于车辆密度感知的城市可行驶区域cim信息处理方法
CN112601022A (zh) * 2020-12-14 2021-04-02 中标慧安信息技术股份有限公司 一种基于网络摄像机的现场监控系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于多时相遥感影像去除朵云及阴影的改进方法;董保根等;《测绘通报》;20101225(第12期);全文 *

Also Published As

Publication number Publication date
CN113870550A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
CN113870550B (zh) 基于边缘计算的区域异常检测方法和系统
WO2019095588A1 (zh) 基于多摄像机的路侧停车管理方法、装置和系统
CN102110369B (zh) 闯红灯抓拍方法及装置
EP3641298B1 (en) Method and device for capturing target object and video monitoring device
CN108154686A (zh) 一种车载违章行为抓拍系统
CN104616502B (zh) 基于组合式车路视频网络的车牌识别与定位系统
CN112017467B (zh) 车位检测方法及装置
US20230325619A1 (en) Code scanning method and apparatus
CN110738150B (zh) 相机联动抓拍方法、装置以及计算机存储介质
KR100820952B1 (ko) 단일 카메라를 이용한 불법 주정차 무인 자동 단속방법 및그 시스템
CN111967396A (zh) 障碍物检测的处理方法、装置、设备及存储介质
CN110913209B (zh) 摄像头遮挡检测方法、装置、电子设备及监控系统
JP6139493B2 (ja) ナンバープレート検出装置及びナンバープレート検出方法
CN115981219A (zh) 高速隧道智能监控系统
CN112601049B (zh) 视频的监控方法、装置、计算机设备及存储介质
CN207938184U (zh) 一种车载违章行为抓拍系统
CN113014876A (zh) 视频监控方法、装置、电子设备及可读存储介质
CN115601738B (zh) 停车信息获取方法、装置、设备、存储介质及程序产品
CN116246200A (zh) 一种基于视觉识别的屏显信息偷拍检测方法及系统
CN114241781B (zh) 一种基于车祸识别自动报警功能系统
CN116152753A (zh) 车辆信息识别方法和系统、存储介质和电子装置
CN113112814B (zh) 右转不停车的抓拍方法、抓拍设备及计算机存储介质
CN112016514B (zh) 一种交通标志识别方法、装置、设备及储存介质
CN113963310A (zh) 一种公交站的人流量检测方法、装置及电子设备
CN113034922A (zh) 一种基于云计算的交通违停巡检系统、计算机设备、终端

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
GR01 Patent grant
GR01 Patent grant