CN114374710A - 5g超高清视频与物联网监测的配网监控方法和系统 - Google Patents
5g超高清视频与物联网监测的配网监控方法和系统 Download PDFInfo
- Publication number
- CN114374710A CN114374710A CN202111495740.3A CN202111495740A CN114374710A CN 114374710 A CN114374710 A CN 114374710A CN 202111495740 A CN202111495740 A CN 202111495740A CN 114374710 A CN114374710 A CN 114374710A
- Authority
- CN
- China
- Prior art keywords
- power grid
- video
- monitoring
- data
- distribution 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 255
- 238000009826 distribution Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000007906 compression Methods 0.000 claims abstract description 36
- 230000006835 compression Effects 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 238000003786 synthesis reaction Methods 0.000 claims description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 10
- 239000000779 smoke Substances 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 8
- 230000002262 irrigation Effects 0.000 claims description 8
- 238000003973 irrigation Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 13
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000013507 mapping 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/08—Protocols for interworking; Protocol conversion
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请适用于电网通讯技术领域，提供了5G超高清视频与物联网监测的配网监控系统及方法，该5G超高清视频与物联网监测的配网监控方法包括：通过至少一个视频采集节点采集配网环境的电网监控视频；通过传感网采集配网环境的电网状态的实时数据；通过前端边缘网关，根据实时数据确定电网状态的预警结果，以及将实时数据和预警结果叠加到电网监控视频中，并对叠加后的电网监控视频进行智能识别、视频压缩和5G协议转换，得到第一电网监控视频；利用后端边缘网关通过5G基站获取第一电网监控视频，对第一电网监控视频进行5G协议转码和视频解码，得到包含电网状态的第二电网监控视频。本申请实现了对配网环境的监测预警，便于对电网进行管理。
Description
技术领域
本申请属于电网通讯技术领域，尤其涉及5G超高清与物联网监测的配网监控方法和系统。
背景技术
智能电网作为电力系统建设的重要组成部分，其安全高效的运行关系到整个电力系统乃至民生的稳定和安全。而远程视频监控则是智能电网的重要组成部分和智能化的关键，智能电网需要监控系统监测电力系统运行状态，并且还能自主判定状态异常，同时自动采取相关措施；视频监控在电网建设中发挥了极为重要的作用，诸如变电站智能巡检、变电站防误操作、输电线路监测等方面，为电力系统的安全生产提供了技术保障和支撑。
视频监控具有直观特性，适合人机交互和主观判定，但机器识别难度高、精度不足，且只适合于声光维度的监测。物联网可以提供易于机器感知和识别的多维状态监测手段，可以作为视频监控的有效补充。而传统物联网感知中视觉传感器应用较少，受限于低功耗、窄带宽，高通量视觉传感器数据联网传输是极大的挑战。
视频有直观化优势，但是由于网络抖动和带宽受限等因素，遇到视频模糊和卡顿时，无法精确判定，可靠和自适应的视觉、物联网异构场景的链接能力，才可以保证物联网感知和视频数据在联网的大环境下充分得到应用。同时迫切需要多维物联网监测辅助的智能化视觉前端以提升监测的精度和效率。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
为克服相关技术中存在的问题，本申请实施例提供了5G超高清视频与物联网监测的配网监控系统及方法。
本申请是通过如下技术方案实现的：
第一方面，本申请实施例提供了一种5G超高清视频与物联网监测的配网监控系统，包括：至少一个视频采集节点，用于采集配网环境的电网监控视频；传感网，用于采集配网环境的电网状态的实时数据；前端边缘网关，用于根据所述实时数据确定所述电网状态的预警结果，以及将所述实时数据和所述预警结果叠加到所述电网监控视频中，并对叠加后的电网监控视频进行智能识别、视频压缩和5G协议转换，得到第一电网监控视频；后端边缘网关，用于通过5G基站获取所述第一电网监控视频，对所述第一电网监控视频进行5G协议转码和视频解码，得到包含电网状态的第二电网监控视频。
基于第一方面，在一些可能的实现方式中，所述传感网包括至少四个物联网传感器节点，包括：温度传感器节点，用于采集所述配网环境的环境温度数据；湿度传感器节点，用于采集所述配网环境的环境湿度和灌水数据；烟感传感器节点，用于采集所述配网环境的环境燃点和沼气数据；电力终端传感器节点，用于采集所述配网环境的电力运行状态数据。
第二方面，本申请实施例提供了一种5G超高清视频与物联网监测的配网监控方法，包括：采集电网监控视频和电网状态数据，其中，所述电网监控视频采用的数据流模式为4K低时延超高清原码模式；通过前端边缘网关，对所述电网监控视频和电网状态数据进行智能识别、数据合并、视频压缩编码和5G协议转换，得到第一电网监控视频，接入5G基站；通过所述5G基站的互联网流媒体通道，将所述第一电网监控视频传输至后端边缘网关；通过所述后端边缘网关将所述第一电网监控视频进行5G协议转码和视频解码，得到第二电网监控视频，以及向所述前端边缘网关发送控制信号，对所述前端边缘网关进行控制。
基于第二方面，在一些可能的实现方式中，所述采集配网环境的电网状态数据，包括：利用所述温度传感器节点，采集所述配网环境的环境温度数据；利用所述湿度传感器节点，采集所述配网环境的环境湿度和灌水数据；利用所述烟感传感器节点，采集所述配网环境的环境燃点和沼气数据；利用所述电力终端传感器节点，采集配网环境的电力运行状态数据。
基于第二方面，在一些可能的实现方式中，所述采集所述配网环境的电力运行状态数据，包括：利用所述电力终端传感器节点，采集所述配网环境的电压数据、电流数据和过电数据。
基于第二方面，在一些可能的实现方式中，所述对所述电网监控视频和电网状态数据进行智能识别、数据合成，包括：通过前端边缘网关，对所述电网监控视频进行原码拆帧，并对拆帧后的电网监控视频进行运动目标识别和标识，得到识别后的电网监控视频；根据所述电网状态数据，得到电网状态预警结果；将所述电网状态数据、所述预警结果与所述识别后的电网监控视频实时叠加，进行数据可视化合成，得到合成的电网监控视频。
基于第二方面，在一些可能的实现方式中，所述对所述电网监控视频和电网状态数据进行视频压缩编码和协议转换，包括：通过前端边缘网关，对所述合成的电网监控视频进行硬件压缩，执行H.264/H.265压缩编码，得到H.264/H.265压缩电网监控视频；对所述H.264/H.265压缩电网监控视频进行5G协议转换，得到第一电网监控视频。
基于第二方面，在一些可能的实现方式中，所述将压缩的电网监控视频数据，传输至后端边缘网关，包括：通过所述前端边缘网关执行5G物理层传输通道，搭建基于管道的GStreamer流媒体框架，将所述第一电网监控视频进行软硬件适配，传输至所述后端边缘网关。
基于第二方面，在一些可能的实现方式中，所述接收所述压缩的电网监控视频，将所述压缩的电网监控视频进行5G协议转码和视频解码，以及对所述前端边缘网关进行控制，包括：通过所述后端边缘网关对所述第一电网监控视频进行拉流获取；将获取的所述第一电网监控视频进行解码，得到第二电网监控视频；向所述前端边缘网关发送控制信号，控制所述前端智能边缘网关进行判定和本地预警，并将所述第二电网监控视频与电网状态数据分流。
基于第二方面，在一些可能的实现方式中，所述对所述前端边缘网关进行控制，还包括：通过所述后端边缘网关向所述前端边缘网关发送控制信号，控制所述前端边缘网关执行智能识别、判定与本地预警、数据合成、压缩和网关功能；通过所述后端边缘网关，将所述电网状态数据与所述视频数据进行分流，接入客户端进行电网视频监控展示、电网状态传感数据展示、预警和溯源和存储。
上述5G超高清视频与物联网监测的配网监控方法，通过利用物联网技术，对电网状态进行了实时监测，在获取电网监控视频的同时，实现了对配网环境的监测预警，便于对电网进行管理。
可以理解的是，上述第一方面至第二方面的有益效果可以参见上述第二方面中的相关描述，在此不再赘述。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的5G超高清视频与物联网监测的配网监控系统的示意图；
图2是本申请一实施例提供的5G超高清视频与物联网监测的配网监控系统的示意图；
图3是本申请一实施例提供的5G超高清视频与物联网监测的配网监控方法的流程示意图；
图4是本申请一实施例提供的5G超高清视频与物联网监测的配网监控系统的功能模块示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
智能电网作为电力系统建设的重要组成部分，其安全高效的运行关系到整个电力系统乃至民生的稳定和安全。而远程视频监控则是智能电网的重要组成部分和智能化的关键，智能电网需要监控系统监测电力系统运行状态，并且还能自主判定状态异常，同时自动采取相关措施；视频监控在电网建设中发挥了极为重要的作用，诸如变电站智能巡检、变电站防误操作、输电线路监测等方面，为电力系统的安全生产提供了技术保障和支撑。
视频监控具有直观特性，适合人机交互和主观判定，但机器识别难度高、精度不足，且只适合于声光维度的监测。物联网可以提供易于机器感知和识别的多维状态监测手段，可以作为视频监控的有效补充。而传统物联网感知中视觉传感器应用较少，受限于低功耗、窄带宽，高通量视觉传感器数据联网传输是极大的挑战。
视频有直观化优势，但是由于网络抖动和带宽受限等因素，遇到视频模糊和卡顿时，无法精确判定，可靠和自适应的视觉、物联网异构场景的链接能力，才可以保证物联网感知和视频数据在联网的大环境下充分得到应用。同时迫切需要多维物联网监测辅助的智能化视觉前端以提升监测的精度和效率。
针对上述的问题，目前尚未提出有效的解决方案。
基于上述问题，本申请实施例中设计出一种5G超高清视频与物联网监测的配网监控系统及方法。通过至少一个视频采集节点采集配网环境的电网监控视频；通过传感网采集配网环境的电网状态的实时数据；通过前端边缘网关，根据实时数据确定电网状态的预警结果，以及将实时数据和预警结果叠加到电网监控视频中，并对叠加后的电网监控视频进行智能识别、视频压缩和5G协议转换，得到第一电网监控视频；利用后端边缘网关通过5G基站获取第一电网监控视频，对第一电网监控视频进行5G协议转码和视频解码，得到包含电网状态的第二电网监控视频。
图1示出了本申请实施例提供的5G超高清视频与物联网监测的配网监控系统。参见图1，该5G超高清视频与物联网监测的配网监控系统可以包括：至少一个视频采集节点10、传感网20、前端边缘网关30和后端边缘网关40。其中，视频采集节点10用于采集配网环境的电网监控视频。传感网20用于采集配网环境的电网状态的实时数据。前端边缘网关30，用于根据实时数据确定电网状态的预警结果，以及将实时数据和预警结果叠加到电网监控视频中，并对叠加后的电网监控视频进行智能识别、视频压缩和5G协议转换，得到第一电网监控视频。后端边缘网关50，用于通过5G基站40获取第一电网监控视频，对第一电网监控视频进行5G协议转码和视频解码，得到包含电网状态的第二电网监控视频。
在一种场景中，传感网20包括至少四个物联网传感器节点，包括：温度传感器节点201，用于采集配网环境的环境温度数据；湿度传感器节点202，用于采集配网环境的环境湿度和灌水数据；烟感传感器节点203，用于采集配网环境的环境燃点和沼气数据；电力终端传感器节点204，用于采集配网环境的电力运行状态数据。
上述5G超高清视频与物联网监测的配网监控方法，通过利用物联网技术，对电网状态进行了实时监测，在获取电网监控视频的同时，实现了对配网环境的监测预警，便于对电网进行管理。
以下以基于5G超高清视频与物联网监测的配网监控方法系统为例，结合图1对上述5G超高清视频与物联网监测的配网监控方法进行详细说明。
示例性的，参见图2，基于5G超高清视频与物联网监测的配网监控方法系统可以包括：
至少一个视频采集节点(图2中仅示意性示出了1个4K摄像头视频采集节点)，视频采集节点用于采集配网环境监控视频流数据；
至少一个物联网传感网模块(图2中仅示意性示出了4个传感器节点组成的传感网模块)，用以采集电网温湿度、烟感、过电等电网状态数据；
前端5G智能边缘网关，与视频采集节点相连接，与传感网模块相连，视频采集节点汇聚的电网监控数据通过前端边缘网关完成边缘智能识别、视频压缩及5G协议转换后接入5G基站；
前端5G智能边缘网关与传感网模块相连，传感网采集电网状态监测数据通过前端边缘网关完成传感数据的汇聚、融合、预警，并将实时数据和预警结果叠加到边缘智能识别的视频流中，经视频压缩、智能识别及5G协议转换后接入5G基站，用于通过APN网络通道将电网监测数据接入电网监控的中心服务器。
一种场景中，视频采集节点可以包括：4K超高清监控摄像头模块，4K超高清监控摄像头模块通过CSI接口或USB口与前端5G智能边缘网关相连接，包括但并不限于UHD CMOS传感器和IMX477处理芯片，用于采集电网音视频监控数据，并对采集的电网监控视频原码数据进行边缘优化处理。
可选的，4K超高清监控摄像头模块还可以包括但不限于：IMX477R数据处理模块、C/CS型镜头等。其中，前置C/CS型镜头叠加CMOS图像传感器实现列并行A/D转换电路的高速图像和高灵敏度低噪声图像采集，接入图像通过IMX477R数据处理模块执行高级图像处理技术、系统控制和接口控制，生成超高清视频流。
可选的，4K超高清监控摄像头模块可以进行视频压缩处理，并将视频流通过CSI/USB输出。
一种场景中，物联网传感网模块可以包括：温度传感器节点，用于采集环境温度数据；湿度传感器节点，用于采集环境湿度和灌水数据；烟感传感器节点，用于采集环境燃点和沼气数据；电力终端传感器节点，用于上传电力运行状态数据，并将传感网采集数据通过串口输出。
一种场景中，5G智能边缘网关可以包括：主控芯片，例如JETSON XAVIER NX GPU处理器，用于对接收到的电网监测数据进行边缘优化处理；5G模块，通过USB与主控芯片相连接，用于发送主控芯片处理后的电网监测数据。
可选的，5G智能边缘网关还可以包括：AI处理器、电源、操作系统、Nvme固态硬盘、视频处理加速器、CSI/USB/HDMI等。
一种场景中，至少两个5G智能边缘网关接入5G公网进行5G通信组网，在5G网络架构(即至少两个5G智能边缘网关组成的架构，其中前端5G智能边缘网关的数量为至少一个，后端5G智能边缘网关的数量为至少一个)中，前端5G智能边缘网关通过接入4K超高清监控摄像头模块采集电网监控视频数据，通过传感网采集电网环境数据；对视频流和传感器数据进行智能处理，将传感器采集数据和预警结果在视频流进行实时加窗融合处理；对融合视频流进行视频压缩编码并封装5G信号帧格式，接入5G基站，后端5G智能边缘网关在5G公网中建立点对点拓扑链路，与前端5G智能边缘网关节点通信，建立上层流媒体通道，接收5G格式的电网监测数据。
本实施例中，前端边缘网关30和后端边缘网关40可以为工业智能网关或工业边缘计算网关等，本申请实施例对边缘网关的具体类型不作任何限制。
以下结合图1和图2对本申请的5G超高清视频与物联网监测的配网监控系统进行详细说明。
图3是本申请一实施例提供的5G超高清视频与物联网监测的配网监控方法的示意性流程图，参照图3，对该5G超高清视频与物联网监测的配网监控方法的详述如下：
在步骤101中，采集电网监控视频和电网状态数据。
具体的，采集配网环境的电网状态数据，包括：利用温度传感器节点，采集配网环境的环境温度数据；利用湿度传感器节点，采集配网环境的环境湿度和灌水数据；利用烟感传感器节点，采集配网环境的环境燃点和沼气数据；利用电力终端传感器节点，采集配网环境的电力运行状态数据。
其中，电力运行状态数据包括：配网环境的电压数据、电流数据和过电数据。
一种场景中，4K超高清监控摄像头模块采集电网监控视频数据可以包括如下步骤，提供：4K超高清监控摄像头模块采集4K视频原码，包括但并不限于YUV/YUV2格式，设定为4K低时延超高清原码模式上传给前端边缘网关。
一种场景中，物联网传感网模块采集电网状态数据可以包括如下步骤，提供：
(1)物联网传感网模块采集电网环境数据，包括温湿度、烟感数据上传给前端边缘网关。
(2)物联网传感网模块采集电网运行状态数据，包括电流、电压、过电数据上传给前端边缘网关。
在步骤102中，对电网监控视频和电网状态数据进行智能识别、数据合并、视频压缩编码和5G协议转换，得到第一电网监控视频。
具体的，通过前端边缘网关，对电网监控视频进行原码拆帧，并对拆帧后的电网监控视频进行运动目标识别和标识，得到识别后的电网监控视频；根据电网状态数据，得到电网状态预警结果；将电网状态数据、预警结果与识别后的电网监控视频实时叠加，进行数据可视化合成，得到合成的电网监控视频。
通过前端边缘网关，对合成的电网监控视频进行硬件压缩，执行H.264/H.265压缩编码，得到H.264/H.265压缩电网监控视频；对H.264/H.265压缩电网监控视频进行5G协议转换，得到第一电网监控视频。
一种场景中，前端边缘网关控制4K超高清监控摄像头模块自适应采集电网环境监控视频原码数据，控制物联网传感网模块自适应采集电网状态数据，进行智能识别、数据融合、视频压缩编码和5G协议封装及视频推流，可以包括：
(1)控制4K超高清监控摄像头获取4K低时延超高清原码视频数据，输入图像识别模块。
(2)图像识别模块，在原码视频流中执行帧间运动识别,计算邻帧差分得到帧间每个像素点的速度矢量：
z＝(u,v)
前一帧像素点(x,y)在当前帧中的移动到了(x+u,y+v)的位置，偏移量为(u,v)，运动矢量绝对值为V＝abs(u,v)，设定运动矢量绝对值的阈值为Vshresold。
若视频图像中所有像素点的速度矢量连续变化，且偏移量一致时，则图像区域整体处于连续变化的状态。当满足V＜Vshresold的条件时，判定图像中没有运动目标；当满足V≥Vshresold的条件时，判定视频图像中所有满足V≥Vshresold条件的像素点为运动物体形成的像素点，将运动物体像素点圈定组成运动物体像素矩阵，进一步进行视频加窗实现帧间连续追踪。
(3)针对运动画面进行本地预警。
示例性的，前端边缘网关控制物联网传感网模块自适应采集电网状态数据，进行智能识别与预警，可以包括：
(1)控制物联网传感网模块自适应采集电网状态数据进行模/数转换，输入传感数据分析与预警模块。
(2)将物联网传感网模块获得电网环境数据，进行融合判定，获得燃烧、灌水、沼气等环境预警结果。
(3)将物联网传感网模块获得电网运行状态数据，进行融合判定，获得电力设备和电网运行状态结果。
(4)对电网状态进行本地预警。
又一种场景中，前端边缘网关执行将监测视频压缩码流接入5G网络和/或转5G协议的软硬件适配，可以包括：
在5G智能边缘网关汇聚电网监测数据并进行智能识别、数据合成和压缩编码之后，将视频压缩数据封装成RTMP推流格式，并实现溯源、准入和安全校验：
(1)建立5G智能边缘网关节点MAC地址-地理信息白名单数据库，每一个网关节点的MAC地址对应一个物理地址即地理信息编号，在数据传输过程中，源MAC ID将作为帧头开销参与传输，在数据正确和安全性验证中，将源ID作为身份识别和准入白名单编号，如果监测数据报警异常，可以通过源ID进行溯源和预警。
(2)封装成帧，节点组帧的具体结构包括本前端的源ID和目的ID，源IP和目的IP，校验信息及监控视频编码数据等封装成RTMP推流格式，即flv数据格式，其中源ID为节点的MAC地址信息，用于地理位置的映射、白名单准入、准确安全性校验，数据为本前端节点布控电网状态监测和视频监控编码数据。
在步骤103中，通过5G基站的互联网流媒体通道，将第一电网监控视频传输至后端边缘网关。
具体的，通过前端边缘网关执行5G物理层传输通道，搭建基于管道的GStreamer流媒体框架，将第一电网监控视频进行软硬件适配，传输至后端边缘网关。
一种场景中，前端边缘网关联合后端边缘网关在5G网络中执行基于5G搭建的GStreamer多媒体管道框架，RTMP流媒体格式转5G协议的软硬件适配，实现5G网络接入，可以包括：
(1)利用适配模块执行和5G模块的网络转换。通过JETSON XAVIER NX GPU模块进行电网监测的H.264/H.265压缩视频数据的接收，操作系统层上对数据进行处理转发，经由USB接口与5G模块连接并发送。
(2)JETSON XAVIER NX GPU模块侧，执行4K超高清监控摄像头模块视频数据和物联网传感网数据接收、图像识别模块、传感数据分析与预警模块、视频压缩模块处理选择、以及RTMP推流格式封装；将汇聚监控视频压缩数据进行CRC校验、身份识别、安全管理和访问控制，组成RTMP协议帧。
(3)5G侧执行将RTMP数据封装到5G数据帧结构，完成前端5G模块的入网。
(4)前端边缘网关通过GStreamer管道框架完成视频流的推流，执行前端边缘网关和后端边缘网关点对点拓扑、握手连接、传输数据。
在步骤104中，通过后端边缘网关将第一电网监控视频进行5G协议转码和视频解码，得到第二电网监控视频，以及向前端边缘网关发送控制信号，对前端边缘网关进行控制。
具体的，接收第一电网监控视频，将第一电网监控视频进行5G协议转码和视频解码，以及对前端边缘网关进行控制，包括：通过后端边缘网关对所述第一电网监控视频进行拉流获取；将获取的第一电网监控视频进行解码，得到第二电网监控视频；向前端边缘网关发送控制信号，控制前端边缘网关进行判定和本地预警，并将第二电网监控视频与电网状态数据分流。
其中，对前端边缘网关进行控制，还包括：通过后端边缘网关向前端边缘网关发送控制信号，控制前端边缘网关执行智能识别、判定与本地预警、数据合成、压缩和网关功能；通过后端边缘网关，将电网状态数据与视频数据进行分流，接入客户端进行电网视频监控展示、电网状态传感数据展示、预警和溯源和存储。
一种场景中，5G基站通过APN网络通道将电网监测数据接入电网中心后端边缘网关，可以包括：
(1)前端边缘网关与后端边缘网关分别接入5G基站完成入网，基于5G APN网络建立点对点连接。
(2)后端边缘网关接收来自前端的5G封装视频数据，并完成5G协议转RTMP协议。
(3)在GStreamer管道框架下，后端边缘网关通过JETSON XAVIER NX GPU模块进行RTMP拉流，获得H.264/H.265视频压缩数据。
(4)视频解压缩模块，利用JETSON XAVIER NX GPU搭建一个高性能的H.264/H.265解码服务器，利用GPU进行高度并行化处理，实现高速实时的硬件解压缩，恢复原码视频流。
示例性的，通过后端边缘网关搭建中心服务器执行的安全管理和展示，可以包括以下步骤：
(1)后端边缘网关搭建中心服务器接收解码的原码视频流，并进行界面展示。
(2)通过中心服务器选项开关，控制前端边缘网关执行智能化视频识别与传感数据识别、判定与本地预警、压缩和网关功能，并将传感器数据与视频流数据分流，由后端边缘网关接入客户端进行电网视频监控展示、电网状态传感数据展示、预警和溯源。
(3)根据视频监控结果建立等级评估模型，规范评估等级预警和处理建议。
(4)根据异常监测数据提取结果，进行场景追踪，通过MAC ID地址-地理信息数据库，完成电网故障或者异常状况的溯源和报警。
又一种场景中，通过客户机访问后端边缘网关基于JETSON XAVIER NX GPU硬件平台搭建中心视频监控、物联网监测服务器，使得可以在远端对电网传输线路的环境数据进行可视化、多维业务监测以便于实时做出决策，实现执行的安全管理和展示，包括：
(1)通过中心服务器选项开关，控制前端边缘网关执行智能化视频识别与传感数据识别、判定与本地预警、数据合成、压缩和网关功能，并将传感器数据与视频流数据分流，后端边缘网关接入客户端进行电网视频监控展示、电网状态传感数据展示、预警和溯源和存储。
(2)根据视频监控结果建立等级评估模型，规范评估等级预警和处理建议。
(3)根据异常监测数据提取结果，进行场景追踪，通过MAC地址-地理信息数据库，完成电网故障或者异常状况的溯源和报警。
基于5G超高清视频与物联网监测的配网监控系统的主要原理为：将无线通信覆盖区的5G基站与4K监控模块、物联网传感模块完成接口适配，实现超高清视频和物联网传感器采集电网状态数据智能识别、本地决策、数据合并，优化前传，利用建立的5G流媒体通道完成视频/监测数据的实时、大带宽、Qos一致传输，接入中心云平台服务器实现远程监测和智能化管理。
参见图4，5G超高清视频与物联网监测传输网络基于5G智能边缘网关设计的五个功能模块，包括：
(1)传感数据分析与预警模块，前端5G智能边缘网关基于JETSON XAVIER NX GPU硬件平台搭建传感数据分析与预警模块,对电网环境数据与电网运行状态数据进行智能判定，获得电网状态监测预警结果。
(2)图像识别模块和视频压缩模块，前端5G智能边缘网关基于JETSON XAVIER NXGPU硬件平台搭建智能化图像识别模块对视频原码拆帧，并完成运动目标像素矩阵识别和标识；将电网状态数据及预警结果与智能识别的视频流实时叠加，完成数据可视化合成；将运动标识的成形4K视频输入基于JETSON XAVIER NX GPU硬件平台搭建的硬件视频压缩模块，执行H.264/H.265压缩编码。
(3)网关和适配功能模块，前端5G智能边缘网关执行监控视频H.264/H.265压缩码流转5G协议的软硬件适配，接入5G网络。
(4)GStreamer流媒体管道模块，前端5G智能边缘网关和后端5G智能边缘网关利用JETSON XAVIER NX GPU在5G公网搭建以GStreamer流媒体管道框架为基础的流媒体推流，实现能源互联网支撑的媒体网络通道，由前端5G智能边缘网关完成H.264/H.265压缩视频数据推流，由后端5G智能边缘网关完成H.264/H.265压缩视频数据拉流。
(5)中心控制服务器模块，后端5G边缘智能边缘网关基于JETSON XAVIER NX GPU硬件平台搭建中心视频监控服务器，后端5G智能边缘网关将拉流H.264/H.265压缩视频/监测数据进行H.264/H.265视频压缩解码，得到原码监测数据接入电网中心展示平台。
本申请实施例还提供了一种边缘计算机设备，结合本申请实施例基于5G超高清视频与物联网监测的配网监控方法可以由计算机设备来实现。
计算机设备以NVUDIA Jetson Xavier NX为底板搭建边缘计算GPU，搭载MICROHDMI、24pin多功能插针、4个USB3.0接口、音频接口、风扇接口、千兆网口、5V电源接口和M.2NVME PCIE硬盘并且自带wifi模块。
具体的，边缘计算GPU采用384-core NVIDIAVoltaTMGPU with 48Tensor Cores，最高频率可达1100MHz，能进行16路H.264编码的1080P视频流解码。CPU采用6-core NVIDIACarmel
v8.264-bit CPU，最大频率2-core@1900MHz，4/6-core@1400MHz。深度学习加速器采用两个NVDLA加速引擎。
其中，存储器8GB 128-bit LPDDR4x@1866MHz，读取速度59.7GB/s。
总线包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(ExpansionBus)、局部总线(Local Bus)。其中I2C用于微控制器与外设之间的连接，启动总线传送数据，并产生时钟以开放传送。
可选的，上述实施例中的基于5G超高清视频与物联网监测的配网监控方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于5G超高清视频与物联网监测的配网监控方法。
可选的，在本实施例中，上述存储介质包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种5G超高清视频与物联网监测的配网监控系统，其特征在于，包括：
至少一个视频采集节点，用于采集配网环境的电网监控视频；
传感网，用于采集配网环境的电网状态的实时数据；
前端边缘网关，用于根据所述实时数据确定所述电网状态的预警结果，以及将所述实时数据和所述预警结果叠加到所述电网监控视频中，并对叠加后的电网监控视频进行智能识别、视频压缩和5G协议转换，得到第一电网监控视频；
后端边缘网关，用于通过5G基站获取所述第一电网监控视频，对所述第一电网监控视频进行5G协议转码和视频解码，得到包含电网状态的第二电网监控视频。
2.如权利要求1所述的5G超高清视频与物联网监测的配网监控系统，其特征在于，所述传感网包括至少四个物联网传感器节点，包括：
温度传感器节点，用于采集所述配网环境的环境温度数据；
湿度传感器节点，用于采集所述配网环境的环境湿度和灌水数据；
烟感传感器节点，用于采集所述配网环境的环境燃点和沼气数据；
电力终端传感器节点，用于采集所述配网环境的电力运行状态数据。
3.一种5G超高清视频与物联网监测的配网监控方法，其特征在于，包括：
采集电网监控视频和电网状态数据，其中，所述电网监控视频采用的数据流模式为4K低时延超高清原码模式；
通过前端边缘网关，对所述电网监控视频和电网状态数据进行智能识别、数据合并、视频压缩编码和5G协议转换，得到第一电网监控视频；
通过所述5G基站的互联网流媒体通道，将所述第一电网监控视频传输至后端边缘网关；
通过所述后端边缘网关将所述第一电网监控视频进行5G协议转码和视频解码，得到第二电网监控视频，以及向所述前端边缘网关发送控制信号，对所述前端边缘网关进行控制。
4.如权利要求3所述的5G超高清视频与物联网监测的配网监控的方法，其特征在于，所述采集配网环境的电网状态数据，包括：
利用所述温度传感器节点，采集所述配网环境的环境温度数据；
利用所述湿度传感器节点，采集所述配网环境的环境湿度和灌水数据；
利用所述烟感传感器节点，采集所述配网环境的环境燃点和沼气数据；
利用所述电力终端传感器节点，采集所述配网环境的电力运行状态数据。
5.如权利要求4所述的5G超高清视频与物联网监测的配网监控的方法，其特征在于，所述采集所述配网环境的电力运行状态数据，包括：
利用所述电力终端传感器节点，采集所述配网环境的电压数据、电流数据和过电数据。
6.如权利要求3所述的5G超高清视频与物联网监测的配网监控的方法，其特征在于，所述对所述电网监控视频和电网状态数据进行智能识别、数据合成，包括：
通过前端边缘网关，对所述电网监控视频进行原码拆帧，并对拆帧后的电网监控视频进行运动目标识别和标识，得到识别后的电网监控视频；
根据所述电网状态数据，得到电网状态预警结果；
将所述电网状态数据、所述预警结果与所述识别后的电网监控视频实时叠加，进行数据可视化合成，得到合成的电网监控视频。
7.如权利要求6所述的5G超高清视频与物联网监测的配网监控的方法，其特征在于，所述对所述电网监控视频和电网状态数据进行视频压缩编码和协议转换，包括：
通过前端边缘网关，对所述合成的电网监控视频进行硬件压缩，执行H.264/H.265压缩编码，得到H.264/H.265压缩电网监控视频；
对所述H.264/H.265压缩电网监控视频进行5G协议转换，得到第一电网监控视频。
8.如权利要求3所述的5G超高清视频与物联网监测的配网监控的方法，其特征在于，所述将第一电网监控视频数据，传输至后端边缘网关，包括：
通过所述前端边缘网关执行5G物理层传输通道，搭建基于管道的GStreamer流媒体框架，将所述第一电网监控视频进行软硬件适配，传输至所述后端边缘网关。
9.如权利要求3所述的5G超高清视频与物联网监测的配网监控的方法，其特征在于，所述接收所述第一电网监控视频，将所述第一电网监控视频进行5G协议转码和视频解码，以及对所述前端边缘网关进行控制，包括：
通过所述后端边缘网关对所述第一电网监控视频进行拉流获取；
将获取的所述第一电网监控视频进行解码，得到第二电网监控视频；
向所述前端边缘网关发送控制信号，控制所述前端边缘网关进行判定和本地预警，并将所述第二电网监控视频与电网状态数据分流。
10.如权利要求9所述的5G超高清视频与物联网监测的配网监控的方法，其特征在于，所述对所述前端边缘网关进行控制，还包括：
通过所述后端边缘网关向所述前端边缘网关发送控制信号，控制所述前端边缘网关执行智能识别、判定与本地预警、数据合成、压缩和网关功能；
通过所述后端边缘网关，将所述电网状态数据与所述视频数据进行分流，接入客户端进行电网视频监控展示、电网状态传感数据展示、预警和溯源和存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111495740.3A CN114374710B (zh) | 2021-12-08 | 2021-12-08 | 5g超高清视频与物联网监测的配网监控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111495740.3A CN114374710B (zh) | 2021-12-08 | 2021-12-08 | 5g超高清视频与物联网监测的配网监控方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114374710A true CN114374710A (zh) | 2022-04-19 |
| CN114374710B CN114374710B (zh) | 2024-01-26 |
Family
ID=81140127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111495740.3A Active CN114374710B (zh) | 2021-12-08 | 2021-12-08 | 5g超高清视频与物联网监测的配网监控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114374710B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115225674A (zh) * | 2022-07-15 | 2022-10-21 | 国网山西省电力公司信息通信分公司 | 一种基于5g边缘数据中心的配网综合业务终端对等通信系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170060574A1 (en) * | 2015-08-27 | 2017-03-02 | FogHorn Systems, Inc. | Edge Intelligence Platform, and Internet of Things Sensor Streams System |
| US20180234266A1 (en) * | 2017-02-15 | 2018-08-16 | Dell Products, L.P. | Classifying internet-of-things (iot) gateways |
| US20190088233A1 (en) * | 2017-09-19 | 2019-03-21 | Intel Corporation | Gateway assisted out-of-band keyboard, video, or mouse (kvm) for remote management applications |
| US20200029086A1 (en) * | 2019-09-26 | 2020-01-23 | Intel Corporation | Distributed and parallel video stream encoding and transcoding |
| CN113179291A (zh) * | 2021-01-26 | 2021-07-27 | 申朴信息技术（上海）股份有限公司 | 一种物联网安全用电系统 |
-
2021
- 2021-12-08 CN CN202111495740.3A patent/CN114374710B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170060574A1 (en) * | 2015-08-27 | 2017-03-02 | FogHorn Systems, Inc. | Edge Intelligence Platform, and Internet of Things Sensor Streams System |
| US20180234266A1 (en) * | 2017-02-15 | 2018-08-16 | Dell Products, L.P. | Classifying internet-of-things (iot) gateways |
| US20190088233A1 (en) * | 2017-09-19 | 2019-03-21 | Intel Corporation | Gateway assisted out-of-band keyboard, video, or mouse (kvm) for remote management applications |
| US20200029086A1 (en) * | 2019-09-26 | 2020-01-23 | Intel Corporation | Distributed and parallel video stream encoding and transcoding |
| CN113179291A (zh) * | 2021-01-26 | 2021-07-27 | 申朴信息技术（上海）股份有限公司 | 一种物联网安全用电系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115225674A (zh) * | 2022-07-15 | 2022-10-21 | 国网山西省电力公司信息通信分公司 | 一种基于5g边缘数据中心的配网综合业务终端对等通信系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114374710B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102546338B (zh) | 基于can总线的多媒体智能传感器网络系统及方法 | |
| Wang et al. | Enabling edge-cloud video analytics for robotics applications | |
| CN114374709B (zh) | 基于边云协同的5g视频与物联网配网监测系统及方法 | |
| CN103379266A (zh) | 一种具有视频语义分析功能的高清网络摄像机 | |
| CN203416351U (zh) | 电站厂房视频监控系统 | |
| CN103647954A (zh) | 基于3g信道与智能终端的移动视频监控系统 | |
| CN103853143A (zh) | 一种应用于供电系统输电线路的远程无线监测网络系统 | |
| CN114363563A (zh) | 基于5g超高清视频监控的配网监测系统及方法 | |
| CN103647347A (zh) | 基于视频精确识别的变电站内设备状态巡视管理系统 | |
| CN110430395A (zh) | 视频数据ai处理系统及处理方法 | |
| CN115409643A (zh) | 一种电力设施数字孪生运行监测系统 | |
| CN114374710A (zh) | 5g超高清视频与物联网监测的配网监控方法和系统 | |
| CN104994353A (zh) | 一种物联网网络监控方法及系统 | |
| CN101998115A (zh) | 具有客流统计功能的嵌入式网络摄像机及客流计数方法 | |
| CN203482319U (zh) | 一种电站厂房视频监控分析系统 | |
| CN106454262A (zh) | 一种智能视频监控系统及实现方法 | |
| CN105430297A (zh) | 多视频格式向iidc协议视频格式转换的自动控制系统 | |
| CN203788047U (zh) | 基于视频精确识别的变电站内设备状态巡视管理系统 | |
| CN116248861A (zh) | 一种智能视频检测方法、系统及装置 | |
| CN103475873A (zh) | 多功能行走平台及其图像传输方法 | |
| CN207706316U (zh) | 一种监控系统 | |
| CN206497335U (zh) | 基于嵌入式web的智能家居机器人 | |
| Li et al. | Real-time abnormal behavior recognition and monitoring system based on panoramic video | |
| CN114363562B (zh) | 基于云分发的5g配网监测系统和配网监测方法 | |
| CN210113600U (zh) | 基于低功耗成像检测模块的智能物联网人流量统计系统 |
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 |