CN114490063A - 业务管理方法、平台及服务交付系统、计算机存储介质 - Google Patents
业务管理方法、平台及服务交付系统、计算机存储介质 Download PDFInfo
- Publication number
- CN114490063A CN114490063A CN202210090084.7A CN202210090084A CN114490063A CN 114490063 A CN114490063 A CN 114490063A CN 202210090084 A CN202210090084 A CN 202210090084A CN 114490063 A CN114490063 A CN 114490063A
- Authority
- CN
- China
- Prior art keywords
- service
- transaction
- edge node
- face
- edge
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 133
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 80
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 27
- 238000013515 script Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 9
- 230000007246 mechanism Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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
- G06F9/466—Transaction processing
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45575—Starting, stopping, suspending or resuming virtual machine instances
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/502—Proximity
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种业务管理方法、平台及服务交付系统、计算机存储介质,该业务管理方法包括:通过服务交付平台获取边缘节点的监控信息,从获取的监控信息中选择可用边缘节点;创建一个或多个事务,每个所述事务包括一个或多个人工智能AI服务;通过所述服务交付平台将创建的事务下发至所述可用边缘节点。本公开实施例实现了一种云原生的边缘节点管理方法,事务下发方式高效便捷,事务管理机制高效灵活,通过AI服务编排,保证事务的灵活构建与便捷可控。
Description
技术领域
本公开实施例涉及但不限于智能系统技术领域,尤其涉及一种业务管理方法、平台及服务交付系统。
背景技术
边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的边缘设备平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。云端计算,可以实时接收或访问边缘计算的历史数据。
随着信息技术的发展,边缘设备上部署的人工智能(Artificial Intelligence,AI)服务越来越多,边缘设备数量不断增加,如何高效管理交付这些业务,成为关键问题。
发明内容
本公开实施例提供了一种业务管理方法、设备及计算机存储介质,能够提高图片播放效果。
本公开实施例提供了一种业务管理方法,包括:通过服务交付平台获取边缘节点的监控信息,从获取的监控信息中选择可用边缘节点;创建一个或多个事务,每个创建的所述事务包括一个或多个人工智能AI服务;通过所述服务交付平台将创建的事务下发至所述可用边缘节点。
在示例性实施例中,每个创建的所述事务还包括以下至少之一:AI服务编排脚本、所述事务对应的图像采集设备、所述事务对应的可用边缘节点。
在示例性实施例中,所述方法还包括:对所述可用边缘节点进行初始化。
在示例性实施例中,所述对所述可用边缘节点进行初始化,包括:
选择应用,所述应用为定义所述边缘节点运行的控制管理程序;
从所述服务交付平台获取镜像列表,从所述镜像列表中选择基础容器镜像;
根据选择的所述应用和基础容器镜像,通过所述服务交付平台构建应用容器镜像并将所述应用容器镜像存储至容器仓库,通过所述服务交付平台控制所述可用边缘节点下载应用容器镜像并构建和启动应用容器。
在示例性实施例中,所述应用包括:接收下发事务、动态加载事务、解析服务编排事务和启动线程运行事务。
在示例性实施例中,所述创建一个事务,包括:
选择一个或多个AI服务;
根据选择的一个或多个AI服务,生成AI服务编排脚本;
选择一个或多个图像采集设备;
将所述一个或多个AI服务、AI服务编排脚本、选择的图像采集设备与可用边缘节点信息创建为一个事务。
在示例性实施例中,所述方法还包括:
通过所述服务交付平台获取所述可用边缘节点的事务下发或更新状态。
在示例性实施例中,所述方法还包括:
通过所述服务交付平台对所述边缘节点上的应用进行控制,所述控制包括以下至少之一:创建、启动、停止和更新。
在示例性实施例中,所述方法还包括:
建立所述边缘节点的应用和事务的关联关系,所述应用为定义所述边缘节点运行的控制管理程序;
在多个所述边缘节点挂载统一的共享存储,所述共享存储用于存储多个所述边缘节点的应用和事务配置数据。
在示例性实施例中,当所述可用边缘节点发生故障时,所述方法还包括:
检测是否存在第一边缘节点,所述第一边缘节点为空闲的边缘节点,当存在所述第一边缘节点时,将所述发生故障的边缘节点的应用和事务迁移至所述第一边缘节点;
当不存在所述第一边缘节点时,检测是否存在第二边缘节点,所述第二边缘节点的应用版本与所述发生故障的边缘节点的应用版本一致且所述第二边缘节点存在富余的可以接收所述发生故障的边缘节点的事务的资源,当存在所述第二边缘节点时,删除所述发生故障的边缘节点的应用和事务的关联关系,将所述发生故障的边缘节点的事务迁移至所述第二边缘节点;
当不存在所述第一边缘节点和所述第二边缘节点时,产生告警信息。
在示例性实施例中,所述方法还包括:
获取一个或多个所述可用边缘节点的AI服务处理结果,并展示。
在示例性实施例中,通过以下任意一种或多种服务通道:消息队列遥测传输协议、远程字典服务、分布式发布订阅消息系统、网络套接字,获取所述一个或多个可用边缘节点的AI服务处理结果。
在示例性实施例中,一个所述边缘节点并行运行多个事务,每个所述事务启动为一个线程。
本公开实施例还提供了一种业务管理平台,包括存储器;和耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如上任一项所述的业务管理方法的步骤。
本公开实施例还提供了一种服务交付系统,包括如上所述的业务管理平台,还包括服务交付平台以及一个或多个边缘节点,所述业务管理平台、服务交付平台和边缘节点通过网络相互连接;
所述服务交付平台被配置为,对所述一个或多个边缘节点进行监控与控制,并将所述业务管理平台创建的事务下发至所述一个或多个边缘节点;
所述边缘节点被配置为,接收所述服务交付平台下发的事务,并对所述事务进行处理,并返回处理结果至所述业务管理平台
在示例性实施例中,该服务交付系统还包括一个或多个图像采集设备,所述边缘节点和图像采集设备通过网络相互连接;
所述边缘节点对所述事务进行处理,包括:根据接收的事务,获取对应的一个多个所述图像采集设备采集的图像或视频数据,并对所述图像或视频数据进行处理。
在示例性实施例中,所述边缘节点并行运行多个事务,所述事务包括客户人脸注册事务、客户识别事务、到店频次分析事务和陌生人提醒事务,其中:
客户人脸注册事务包括人脸检测服务、人脸缩放服务、人脸关键点检测服务、人脸对齐服务、人脸特征提取服务和人脸特征存储服务;
客户识别事务包括视频解码服务、图像缩放服务、目标检测服务、目标跟踪服务、人脸检测服务、人脸缩放服务、人脸质量评价服务、人脸对齐服务、人脸属性判断服务、人脸特征提取服务、人脸检索服务和陌生人注册服务;
到店频次分析事务包括记录上传服务和记录统计服务;
陌生人提醒事务包括陌生人到店情况统计服务和提醒服务。
本公开实施例还提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一项所述的业务管理方法。
本公开实施例的业务管理方法、平台及服务交付系统,通过业务管理平台调度服务交付平台进行事务下发、容器镜像构建、边缘节点监控等,实现了一种云原生的边缘节点管理方法,事务下发方式高效便捷,事务管理机制高效灵活,通过AI服务编排,保证事务的灵活构建与便捷可控。
本公开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,或者通过实施本公开而了解。本公开的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本公开技术方案的理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开的技术方案,并不构成对本公开技术方案的限制。
图1为本公开示例性实施例一种业务管理方法的流程示意图;
图2为本公开示例性实施例一种边缘节点初始化的流程示意图;
图3为本公开示例性实施例一种事务下发/更新的流程示意图;
图4为本公开示例性实施例一种车辆违章检测事务中多个AI服务联动的示意图;
图5a和图5b为本公开示例性实施例两种服务交付系统的结构示意图;
图6为本公开示例性实施例一种到店频次检测事务应用场景示意图;
图7为本公开示例性实施例一种到店频次检测事务中客户识别流程示意图;
图8为本公开示例性实施例一种到店频次检测事务中客户到店频次检测流程示意图;
图9为本公开示例性实施例一种业务管理平台的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,下文中将结合附图对本公开的实施例进行详细说明。需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互任意组合。
除非另外定义,本公开实施例公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出该词前面的元件或物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。
如图1所示,本公开实施例提供了一种业务管理方法,包括如下步骤:
步骤101、通过服务交付平台获取边缘节点的监控信息,从获取的监控信息中选择可用边缘节点;
本公开实施例的业务管理方法应用在业务管理平台上,业务管理平台为服务发起端,边缘节点为事务的运行单元,服务交付平台通过云网络对边缘节点进行控制,在一些示例性实施方式中,边缘节点在交付时预安装边缘组件(Edge part),成为K8S节点(Node)。边缘节点的核心应用(APP)可以通过Kubernetes下发。
Kubernetes(简称K8S),是一个全新的基于容器技术的分布式架构解决方案,是一个开源的容器集群管理系统。一个Kubernetes集群一般包含一个控制(Master)节点和多个Node节点。Master节点是K8S的集群控制节点,每个K8S集群里需要有一个Master节点来负责整个集群的管理和控制,基本上K8S所有的控制命令都是发给它,它来负责具体的执行过程。Node节点是K8S集群中的工作负载节点,每个Node节点都会被Master节点分配一些工作负载,当某个Node节点宕机时,其上的工作负载会被Master节点自动转移到其它Node节点上去。
在一些示例性实施方式中,所述方法还包括:对可用边缘节点进行初始化。
在一些示例性实施方式中,对可用边缘节点进行初始化,包括:
选择应用(APP),所述应用为定义边缘节点运行的控制管理程序;
从服务交付平台获取镜像列表,从镜像列表中选择基础容器镜像;
根据选择的应用和基础容器镜像,通过服务交付平台构建应用容器镜像,并将构建的应用容器镜像存储至容器仓库,通过服务交付平台控制可用边缘节点下载应用容器镜像并构建和启动应用容器。
如图2所示,业务管理平台根据当前需要的应用的版本,选择该版本的应用;业务管理平台从服务交付平台获取基础容器镜像列表,从基础容器镜像列表中选择基础容器镜像;业务管理平台从服务交付平台获取边缘节点的监控信息,从获取到的边缘节点的监控信息中选择可用边缘节点;业务管理平台根据选择的应用以及基础容器镜像,通过服务交付平台构建应用容器镜像并将所述应用容器镜像存储至容器仓库,通过服务交付平台控制可用边缘节点下载应用容器镜像并构建和启动应用容器。
本公开实施例中,基础容器镜像可以为红帽子(Redhat)、乌班图(Ubuntu)等Linux操作系统,基础容器镜像可以提供应用运行的基础环境。
在一些示例性实施方式中,应用可以包括:接收下发事务、动态加载事务、解析服务编排和启动线程运行事务等。
在一些示例性实施方式中,应用还可以包括:视频解码事务和数据栈管理事务等。当边缘节点需要视频解码服务时,应用可以包括视频解码事务和数据栈管理事务,其中,视频解码事务负责对接收到的视频进行解码,数据栈管理事务负责存储解码后的图像数据。在另一些示例性实施方式中,当边缘节点通过网络直接接收图像数据时,应用可以不用包括视频解码事务和数据栈管理事务。
本实施例中,对可用边缘节点进行初始化后,可用边缘节点启动了上述应用,即具备了接收下发事务、动态加载事务、解析服务编排和启动线程运行事务等的能力。
步骤102、创建一个或多个事务,每个创建的事务包括一个或多个AI服务;
在一些示例性实施方式中,每个创建的事务还包括以下至少之一:AI服务编排脚本、该事务对应的图像采集设备、该事务对应的可用边缘节点。
在一些示例性实施方式中,创建一个事务,包括:
选择一个或多个AI服务;
根据选择的一个或多个AI服务生成AI服务编排脚本;
选择一个或多个图像采集设备;
将一个或多个AI服务的代码库、AI服务编排脚本、选择的图像采集设备与可用边缘节点信息创建为一个事务。
如图3所示,在事务下发及事务启动时,业务管理平台选择一个或多个AI服务,并根据选择的一个或多个AI服务生成AI服务编排脚本;业务管理平台选择一个或多个图像采集设备;业务管理平台从服务交付平台获取边缘节点信息,从获取的边缘节点信息中选择可用边缘节点;业务管理平台将一个或多个AI服务代码库与AI服务编排脚本打包,并下发至可用边缘节点;业务管理平台通过服务交付平台获取边缘节点的事务下发或更新状态。当边缘节点接收到下发的事务时,下载事务包,动态加载AI库,解析服务编排脚本,创建AI服务调用次序,然后启动事务线程。
在一些示例性实施方式中,一个边缘节点并行运行多个事务,每个事务启动为一个线程。
随着语音识别、图像识别等AI技术的发展,越来越多的AI服务投入使用,但单一AI算法模型,往往只针对单一问题,在某些场景一个事务往往需要多个AI服务联动,如图4所示,以违章停车监测为例,如车辆图片输入车型识别模型,可以识别出车型,如需识别车型则需要输入不同AI服务。但是应用场景往往需要通过摄像头等数据源解决如违章停车监测等场景。监控公共场所的车辆停放情况,判断核心区域是否有违章停车,并进一步识别违章车辆的车牌号码、品牌型号,通过车型识别算法服务与车牌识别算法服务联动检测车辆,实施对应违章处罚。
在一些示例性实施方式中,可以通过网页(web)页面或其它可视化的方式绘制AI服务编排流程,根据流程图生成对应的AI服务编排脚本,实现多个AI服务联动。
步骤103、通过服务交付平台将创建的事务下发至该事务对应的一个或多个可用边缘节点。
在一些示例性实施方式中,所述方法还包括:
通过服务交付平台获取可用边缘节点的事务下发或更新状态。
如图3所示,边缘节点接收到下发的事务后,先下载事务包,再动态加载AI库,解析服务编排脚本并创建AI服务调用次序,然后启动事务线程,事务启动成功后,更新边缘节点状态。
在一些示例性实施方式中,所述方法还包括:
通过服务交付平台对边缘节点上的应用进行控制,控制包括以下至少之一:创建、启动、停止和更新等。
示例性的,服务交付平台可基于K8S KubeEdge来设计开发,边缘节点安装Edgepart来管理运行APP容器,服务交付平台通过Edge part来管理APP容器的生命周期(创建、启动、停止、更新等)。本实施例中,节点控制依赖于K8S对容器的控制能力实现,所以要放到服务交付平台,如果放到业务管理平台,需要直接控制边缘节点,就需要定制自己的控制(创建、更新、启动、停止)逻辑及协议,那样会增大开发工作量。
在一些示例性实施方式中,所述方法还包括:
获取一个或多个可用边缘节点的AI服务处理结果,并展示。
在一些示例性实施方式中,通过以下任意一种或多种服务通道:消息队列遥测传输协议(Message Queuing Telemetry Transport,MQTT)、远程字典服务(RemoteDictionary Server,Redis)、分布式发布订阅消息系统(如Kafka)、网络套接字(WebSocket,一种基于传输控制协议(Transmission Control Protocol,TCP)的全双工通信协议)等,获取一个或多个可用边缘节点的AI服务处理结果。
本公开实施例提供的业务管理方法,通过业务管理平台调度服务交付平台进行事务下发、容器镜像构建、边缘节点监控等,实现了一种云原生的边缘节点管理方法,事务下发方式高效便捷,事务管理机制高效灵活,通过AI服务编排,保证事务的灵活构建与便捷可控。
本公开实施例还提供了一种服务交付系统,包括如前所述的业务管理平台,还包括服务交付平台以及一个或多个边缘节点。所述业务管理平台、服务交付平台和边缘节点通过网络相互连接,所述边缘节点和图像采集设备通过网络相互连接。
服务交付平台被配置为,对一个或多个边缘节点进行监控与控制,并将业务管理平台创建的事务下发至一个或多个边缘节点;
边缘节点被配置为,接收服务交付平台下发的事务,并对事务进行处理,并返回处理结果至业务管理平台。
在一些示例性实施方式中,该服务交付系统还包括一个或多个图像采集设备,边缘节点和图像采集设备之间通过网络相互连接;
边缘节点对事务进行处理,包括:根据接收的事务,获取对应的一个多个图像采集设备采集的图像或视频数据,并对图像或视频数据进行处理。
如图5a和图5b所示,本公开实施例提供的服务交付系统,至少包括以下组成部分:业务管理平台、服务交付平台和边缘节点。
(1)业务管理平台
业务管理平台为服务发起端,其功能模块包括但不限于边缘节点管理模块、摄像头管理模块、事务管理模块、APP管理模块、AI服务管理模块、AI服务展示模块等。
边缘节点管理模块:负责配置业务管理平台的全部边缘节点信息,与服务交互平台的边缘监控模块交互获取当前边缘节点的资源使用情况。
摄像头管理模块:负责记录所有摄像头视频流的配置信息(示例性的,配置信息包括流地址、摄像头型号、摄像头位置、摄像头厂家等信息),以及每个摄像头与事务的关联关系(即事务的数据源来源于哪个摄像头或哪几个摄像头)。
事务管理模块:将一种AI服务能力定义为一种事务,创建事务需配置AI服务、生成AI服务编排脚本、选择摄像头、选择可用边缘节点等,图5中以到店频次或离岗检测为例定义一个事务,该事务需要与其他模块交互以获取必要的配置信息。
APP管理模块:APP指的是定义边缘节点运行的控制管理程序,本公开实施例中,APP主要功能为视频流解码、AI服务管理调度等,APP管理包括启动APP、停止APP、更新APP等。
AI服务管理模块:本模块负责将AI服务打包成可被APP调度的模块,同时定义多个AI服务之间的联动编排关系。本公开实施例中,具体如何定义AI服务之间的联动编排,需要根据实际的使用场景来定义,本公开对此不作限制。
AI服务展示模块:负责展示来自于边缘节点的AI服务处理结果。
(2)服务交付平台
服务交付平台可基于K8S KubeEdge来设计开发,边缘端安装Edge part来管理运行APP的边缘容器,服务交付平台通过Edge part来管理APP容器的生命周期(创建、启动、停止、删除等),同时通过服务交付平台的Open API,由业务管理平台调度服务交付平台进行APP容器镜像构建、事务更新、边缘节点控制、以及将边缘节点监控信息返回到业务管理平台。
KubeEdge为Kubernetes的原生边缘计算平台,KubeEdge架构包括两部分,分别是云端和边缘侧,云端负责应用和配置的下发,边缘侧负责运行边缘应用和管理接入设备。
(3)边缘节点
边缘节点为事务的运行单元,边缘节点在交付时预安装Edge part,成为K8S Node节点。边缘节点的核心应用APP通过K8S下发。
APP应用主要包括视频解码事务、数据栈管理事务、接收下发事务、动态加载事务、解析服务编排事务、启动线程运行事务等。
一个边缘节点可以并行运行多个事务,每个事务可以启动为一个线程,不同的事务可以并行执行。
在一些示例性实施例中,一个边缘节点运行两个事务:事务1和事务2,示例性的,事务1可以用于对人脸进行检测;示例性的,事务2可以用于对人体进行检测,由于事务1和事务2对摄像头的拍摄精度和拍摄范围要求可能不同,分开检测有利于对对应的摄像头的拍摄精度和拍摄范围分别进行控制,但是,在回传结果时,可以对同一检测目标的事务1和事务2的检测结果打包回传至业务管理平台。
事务产生的结果由边缘节点统一通过以下任意一种或多种服务通道:消息队列遥测传输协议、远程字典服务、分布式发布订阅消息系统、网络套接字等,上报到业务管理平台。
在一些示例性实施例中,边缘AI事务输出的结果可以包括:展示、告警、通知等信息。
以本方案离岗检测为例,当边缘节点的AI服务处理结果发现当前岗位没有相关人员,就发送如(某位置:离岗)的信息到业务管理平台的AI服务展示模块,AI服务展示模块可以弹出告警框“某位置某人离岗”,并发送告警到相关管理人员。同时可以通过WebSocket协议等方式,拉取AI服务处理后的画面,显示不在岗人员信息及位置信息。
以本方案到店频次检测为例,当某客户当天第一次出现,AI服务处理结果返回该客户ID及到店时间等信息到AI服务展示模块,AI服务展示模块接收到该客户的信息后,先将该客户的本次到店信息记录到数据库,然后统计该客户指定时间段(如1年)的到店次数,可以在网页(Web)端弹出1年到店次数>预设到店次数阈值(如5次)的提示信息,以便店员可以重点关注该客户。实际使用时,预设到店次数阈值的大小可以根据需要进行调整,如当需要关注陌生客户时,可以弹出初次到店的客户信息,到店次数=1,预设到店次数阈值的大小可以通过AI服务展示模块进行配置。
当服务交付平台监控到某一边缘节点(如边缘节点1)发生故障(如宕机)时,将故障信息上报到业务管理平台的边缘节点管理模块进行处理,由于本公开实施例中,可用边缘节点同时运行应用(APP)容器与下发的事务,因此可分成以下两种情况实现高可用:
1)如果存在空闲的边缘节点(如边缘节点2),由于应用打包成应用容器(docker)镜像,因此,应用可以通过K8S高可用能力迁移的能力,迁移到其它可用空闲边缘节点(如边缘节点2)。但是,事务数据无法直接从发生故障的边缘节点1迁移到空闲的边缘节点2,因此,在一些示例性实施例中,可以在业务管理平台的事务管理模块中,将每个边缘节点的应用和事务关联,并在各边缘节点挂载统一的共享存储,该共享存储用于存储各边缘节点的应用事务配置数据。因此,当将边缘节点1的应用和事务数据迁移到边缘节点2时,只需在边缘节点2启动该应用时读取边缘节点1的应用事务配置数据即可。
示例性的,边缘节点的应用和事务关联关系可以表示为APP-ID1(事务1,事务2),其中,APP-ID1的ID1可以是该应用打包成的docker镜像的名字,通过这个ID关联起这个应用与事务。
如果不存在空闲的边缘节点,但是有边缘节点的应用版本与发生故障的边缘节点的应用版本一致,同时该边缘节点的资源使用情况满足接受更多事务,那么就在业务管理平台上,通过边缘节点管理模块删除事务管理模块中发生故障的边缘节点的应用和事务的关联关系,例如,删除边缘节点1上运行的事务1、2的记录信息与APP-ID1的关联关系,并在对应的共享存储上删除APP-ID1与事务1、2的关联关系,以避免边缘节点1修复时,一个事务多处运行,通过事务管理模块将对应事务1、2下发到起其它可用同版本边缘节点(如边缘节点2)上运行,更新共享存储中边缘节点应用和事务的关联关系,如配置APP-ID2(事务4,事务1,事务2),更新事务管理模块中边缘节点应用和事务的关联关系,如记录APP-ID2(事务4,事务1,事务2)。
2)如果即无空闲边缘节点也无满足需要的运行同版本APP的边缘节点,由边缘节点管理模块触发报警机制,发短信、微信、邮件等触发人工干预处理。
当某一摄像头发生故障时,边缘节点的应用执行视频编解码时,发现程序无法正常运行,发送告警信息,服务交付平台的边缘监控模块收到信息后,边缘监控模块将接收到的信息反馈给业务管理平台的边缘节点管理模块,触发报警机制,发短信、微信、邮件等触发人工干预处理。本实施例中,边缘监控模块放到服务交付平台是因为可以直接使用K8S的监控系统如Prometheus(一个开源的系统监控和报警系统),业务管理平台更多的是侧重于业务能力管理,而服务交付平台侧重的是交付运维管理。
当某个事务需要对AI服务进行优化,本公开的业务管理方法可以完成事务热更新。以更新事务2为例,首先通过业务管理平台的事务管理模块,调用服务交付平台的事务更新模块,通知边缘节点1的应用APP-ID1删除事务2,APP-ID1收到删除命令,通过主线程停止退出事务2线程,集中共享存储上本节点边缘事务配置数据APP-ID1(事务1,事务2)删除,变为APP-ID1(事务1),该边缘节点向服务交付平台的事务更新模块上报本次删除任务已完成,然后业务管理平台的事务管理模块重新生成事务下发,下发的边缘节点不用选择,依然为边缘节点1,启动事务下发及事务启动流程,并更新事务管理模块中边缘节点1的应用和事务关联关系,以及共享存储中边缘节点1的事务配置数据APP-ID1(事务1,事务2)。
下面以到店频次检测事务来举例说明本公开实施例的业务管理方法。
商业、店铺等经营中,往往需要掌握客户到店的情况,包括每天,每周,每月等到店统计,来对客户进行画像,调整经营策略。之前往往通过店员对目标客户到访进行人工记录的方式来获得数据,但是这种方式低效而且数据获取不准确,容易出现漏报的情况。针对这种情况,本公开实施例设计基于一种边缘计算的客户到店频次统计系统,可提供一种安全、高效、智能的客户到店统计方式。该系统在硬件上包括摄像头、网络、边缘设备(即边缘节点),在软件上包括视频流处理模块、目标检测模块、目标跟踪模块、人脸矫正模块,人脸识别模块等,以及数据存储、分析计算、展示以及同步云端等功能模块,部署架构如图6所示。
本公开实施例通过将边缘设备部署到店铺内或者靠近店铺,边缘设备靠近应用场景,可实现低延时的视频传输,高实时可见的客户到店记录或提醒。
本系统由软件硬件两个部分组成:
硬件包括:图像采集设备(如摄像头),图像处理设备(如边缘节点),能连接图像采集设备与图像处理设备的网络设备,服务交付平台,业务管理平台。
软件包括:本系统的软件主要运行在边缘节点上,包括视频解码模块、目标检测模块、目标跟踪模块、人脸矫正模块、人脸识别模块等。本公开所说的“模块”,也可以称为“服务”。基于各模块的处理结果对客户到店情况进行存储,按需进行每天、每周、每月、每年等到店频次分析展示。
目标检测模块被配置为,从一幅场景(图片)中找出目标,包括检测(where)和识别(what)两个过程。
目标跟踪模块被配置为,在连续的视频序列中,建立所要跟踪物体的位置关系,得到物体完整的运动轨迹。目标跟踪模块根据给定的图像第一帧的目标坐标位置,计算在下一帧图像中目标的确切位置。在运动的过程中,目标可能会呈现一些图像上的变化,比如姿态或形状的变化、尺度的变化、背景遮挡或光线亮度的变化等。目标跟踪技术是计算机视觉研究领域的热点之一,并得到广泛应用。相机的跟踪对焦、无人机的自动目标跟踪等都需要用到了目标跟踪技术。另外还有特定物体的跟踪,比如人体跟踪,交通监控系统中的车辆跟踪,人脸跟踪和智能交互系统中的手势跟踪等。
人脸矫正模块被配置为,在检测到的人脸角度不是很正时,通过人脸关键点检测,以及基于关键点旋转变换等方法使其对齐。
人脸识别模块包括人脸识别子模块和人脸验证子模块,人脸识别子模块被配置为,将一个人脸分类为一个特定的标识(identification);人脸验证子模块被配置为,确定一对图片是否属于同一人(Verification)。
在一些示例性实施方式中,一个边缘节点上可以并行运行多个事务,示例性的,多个事务包括客户人脸注册事务、客户识别事务、到店频次分析事务和陌生人提醒事务,其中:
客户人脸注册事务包括人脸检测服务、人脸缩放服务、人脸关键点检测服务、人脸对齐服务、人脸特征提取服务和人脸特征存储服务;
客户识别事务包括视频解码服务、图像缩放服务、目标检测服务、目标跟踪服务、人脸检测服务、人脸缩放服务、人脸质量评价服务、人脸对齐服务、人脸属性判断服务、人脸特征提取服务、人脸检索服务和陌生人注册服务;
到店频次分析事务包括记录上传服务和记录统计服务;
陌生人提醒事务包括陌生人到店情况统计服务和提醒服务。
在一些示例性实施方式中,本系统包括但不限于如下功能:
(1)客户人脸注册。
如图7所示,本系统为了识别出客户身份需要首先基于客户图片完成人脸注册,管理人员可通过边缘节点提供的接口如网页(Web)服务上传图片,图片上传后触发客户注册功能,先将图片传给目标检测模块(该模块包含人脸检测算法),识别出客户的人脸信息。
某些情况人脸可能出现歪头等情况影响客户识别准确性这时就需要通过人脸矫正模块将检测出的人脸进行人脸对齐,对齐流程包括首先对人脸尺寸进行缩放,调用人脸关键点检测算法识别出人脸关键点信息,传入人脸对齐算法进行人脸对齐,实现歪头矫正。然后调用人脸识别模块提取人脸特征,最后调用人脸存储模块将提取的特征存储到边缘节点中,为保护客户隐私,提取人脸特征后可删除客户图像。本公开实施例通过将用户数据存储到边缘设备,只存储客户人脸特征,保障客户数据安全和隐私。
(2)客户识别,到店频次分析
本公开实施例以3个摄像头为例来采集,避免一个摄像头因为遮挡等原因影响用户人脸数据提取。如图8所示,先通过视频解码模块对输入视频流进行解码,将解码后图像进行缩放调用目标检测模块检测出图像中行人信息,通过目标跟踪模块判断该行人是否是第一次出现。
如果目标跟踪模块判断该行人是第一次出现,对该行人进行人脸检测,检测出人脸后进行图像缩放,输入人脸质量评价模块判断人脸是否模糊或者遮挡,如果人脸质量不合格,则返回进行下一轮视频流处理;如果人脸质量合格,进行人脸对齐矫正歪头等情况,将矫正后结果输入人脸属性模块,获取年龄、性别等辅助信息,然后调用人脸特征提取模块进行人脸特征提取,用提取到的特征到人脸特征库中检索到匹配的客户,与人脸属性特征进行综合匹配后确定最终客户,将该行人与该客户绑定,记录客户到店时间与客户的轨迹信息。
如果目标跟踪模块判断该行人不是第一次出现,判断行人是否与客户绑定,如果绑定,记录客户到店时间与客户的轨迹信息,否则作为陌生人,记录客户到店时间,然后返回进行下一轮视频流处理。
如果目标检测后发现目标跟踪的行人已经消失,记录客户离店时间。本公开实施例通过多个摄像头、目标跟踪、准确人脸识别等技术可更准确的抓取到客户到店的实时信息记录客户到店离店情况,提供给经营者参考。
客户到店记录、店内轨迹信息可以存储在边缘节点上,这样可以保障敏感数据安全,但设备损坏等问题可能会导致数据丢失,因此,可以在保障数据安全的情况下(如加密传输)将客户到店记录、店内轨迹信息上传至云端。
当经营者需要对客户行为进行分析时,提取存储到数据库等存储方式中客户到店、离店时间戳,进行时间戳计算,生成每天到店几次,每周到店几次,每月到店次数统计。某天检测到一次到店记录、一次离店记录视为一次到店。此外,在记录到店记录信息的同时,本公开还记录了客户店内轨迹信息,可按需对客户在店铺轨迹进行分析,为某些经营者提供客户画像的参考。
(3)陌生人到店统计提醒
如图8所示,对注册的客户可以实现完整客户到店频次统计,以及活动轨迹分析。很多情况会有一些客户没有注册但是也频繁访问店铺,需要提醒店员来关注引导用户注册,提升客户粘性。
本公开针对陌生人,设计了陌生人人脸库,当检索到目标行人非注册客户时,到陌生人人脸库进行检索,如果为非注册陌生人,先注册再记录到店时间与离店时间。记录完成触发陌生人人到店情况统计,如果到店次数>阈值,发送该行人位置与头像给店员提醒,引导注册。
本公开实施例通过引入陌生人脸库,实现陌生人多次到店提醒,引导店员关注潜在客户,提升经营效果。
(4)分析结果展示
本公开实施例中,可以在边缘节点上部署Web应用,通过边缘应用服务与前端(如边缘端部署的客户到店业务系统)进行通信,获取用户到店记录。可以由前端通过浏览器查看用户记录,或者指定类别用户到店记录。
本公开实施例中,也可以在云端部署Web应用,通过云端应用服务与边缘端部署的客户到店业务系统进行通信获取到店记录,由云端Web页面负责展示。
本公开实施例还提供了一种业务管理平台,包括存储器;和耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如前任一项所述的业务管理方法的步骤。
如图9所示,在一个示例中,业务管理平台可包括:处理器910、存储器920、总线系统930和收发器940,其中,该处理器910、该存储器920和该收发器940通过该总线系统930相连,该存储器920用于存储指令,该处理器910用于执行该存储器920存储的指令,以控制该收发器940发送信号。具体地,收发器940可在处理器910的控制下通过服务交付平台获取边缘节点的监控信息,处理器910根据获取的边缘节点的监控信息,创建一个或多个事务,所述事务包括一个或多个AI服务、AI服务编排脚本、图像采集设备、可用边缘节点,收发器940在处理器910的控制下通过服务交付平台将创建的事务下发至一个或多个可用边缘节点。
应理解,处理器910可以是中央处理单元(Central Processing Unit,CPU),处理器910还可以是其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器920可以包括只读存储器和随机存取存储器,并向处理器910提供指令和数据。存储器920的一部分还可以包括非易失性随机存取存储器。例如,存储器920还可以存储设备类型的信息。
总线系统930除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图9中将各种总线都标为总线系统930。
在实现过程中,处理设备所执行的处理可以通过处理器910中的硬件的集成逻辑电路或者软件形式的指令完成。即本公开实施例的方法步骤可以体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等存储介质中。该存储介质位于存储器920,处理器910读取存储器920中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本公开实施例还提供了一种计算机存储介质,该计算机存储介质存储有可执行指令,该可执行指令被处理器执行时可以实现本公开上述任一实施例提供的业务管理方法,该业务管理方法可以通过服务交付平台获取边缘节点的监控信息;根据获取的边缘节点的监控信息,创建一个或多个事务,所述事务包括一个或多个AI服务、AI服务编排脚本、图像采集设备、可用边缘节点;通过服务交付平台将创建的事务下发至一个或多个可用边缘节点,从而实现了一种云原生的边缘节点管理方法,事务下发方式高效便捷,事务管理机制高效灵活,通过AI服务编排,保证事务的灵活构建与便捷可控。通过执行可执行指令驱动业务管理平台业务管理的方法与本公开上述实施例提供的业务管理方法基本相同,在此不做赘述。
本公开实施例提供的业务管理方法、平台、服务交付系统及计算机存储介质,通过业务管理平台调度服务交付平台进行事务下发、容器镜像构建、边缘节点监控等,实现了一种云原生的边缘节点管理方法,事务下发方式高效便捷,事务管理机制高效灵活,通过AI服务编排,保证事务的灵活构建与便捷可控。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
虽然本公开所揭露的实施方式如上,但所述的内容仅为便于理解本公开而采用的实施方式,并非用以限定本公开。任何本公开所属领域内的技术人员,在不脱离本公开所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本公开的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (18)
1.一种业务管理方法,其特征在于,包括:
通过服务交付平台获取边缘节点的监控信息,从获取的监控信息中选择可用边缘节点;
创建一个或多个事务,每个创建的所述事务包括一个或多个人工智能AI服务;
通过所述服务交付平台将创建的事务下发至所述可用边缘节点。
2.根据权利要求1所述的业务管理方法,其特征在于,每个创建的所述事务还包括以下至少之一:AI服务编排脚本、所述事务对应的图像采集设备、所述事务对应的可用边缘节点。
3.根据权利要求1所述的业务管理方法,其特征在于,所述方法还包括:对所述可用边缘节点进行初始化。
4.根据权利要求3所述的业务管理方法,其特征在于,所述对所述可用边缘节点进行初始化,包括:
选择应用,所述应用为定义所述边缘节点运行的控制管理程序;
从所述服务交付平台获取镜像列表,从所述镜像列表中选择基础容器镜像;
根据选择的所述应用和基础容器镜像,通过所述服务交付平台构建应用容器镜像并将所述应用容器镜像存储至容器仓库,通过所述服务交付平台控制所述可用边缘节点下载应用容器镜像并构建和启动应用容器。
5.根据权利要求4所述的业务管理方法,其特征在于,所述应用包括:接收下发事务、动态加载事务、解析服务编排事务和启动线程运行事务。
6.根据权利要求1所述的业务管理方法,其特征在于,所述创建一个事务,包括:
选择一个或多个AI服务;
根据选择的一个或多个AI服务,生成AI服务编排脚本;
选择一个或多个图像采集设备;
将所述一个或多个AI服务、AI服务编排脚本、选择的图像采集设备与可用边缘节点信息创建为一个事务。
7.根据权利要求1所述的业务管理方法,其特征在于,所述方法还包括:
通过所述服务交付平台获取所述可用边缘节点的事务下发或更新状态。
8.根据权利要求1所述的业务管理方法,其特征在于,所述方法还包括:
通过所述服务交付平台对所述边缘节点上的应用进行控制,所述控制包括以下至少之一:创建、启动、停止和更新。
9.根据权利要求1所述的业务管理方法,其特征在于,所述方法还包括:
建立所述边缘节点的应用和事务的关联关系,所述应用为定义所述边缘节点运行的控制管理程序;
在多个所述边缘节点挂载统一的共享存储,所述共享存储用于存储多个所述边缘节点的应用和事务配置数据。
10.根据权利要求9所述的业务管理方法,其特征在于,当所述可用边缘节点发生故障时,所述方法还包括:
检测是否存在第一边缘节点,所述第一边缘节点为空闲的边缘节点,当存在所述第一边缘节点时,将所述发生故障的边缘节点的应用和事务迁移至所述第一边缘节点;
当不存在所述第一边缘节点时,检测是否存在第二边缘节点,所述第二边缘节点的应用版本与所述发生故障的边缘节点的应用版本一致且所述第二边缘节点存在富余的可以接收所述发生故障的边缘节点的事务的资源,当存在所述第二边缘节点时,删除所述发生故障的边缘节点的应用和事务的关联关系,将所述发生故障的边缘节点的事务迁移至所述第二边缘节点;
当不存在所述第一边缘节点和所述第二边缘节点时,产生告警信息。
11.根据权利要求1所述的业务管理方法,其特征在于,所述方法还包括:
获取一个或多个所述可用边缘节点的AI服务处理结果,并展示。
12.根据权利要求11所述的业务管理方法,其特征在于,
通过以下任意一种或多种服务通道:消息队列遥测传输协议、远程字典服务、分布式发布订阅消息系统、网络套接字,获取所述一个或多个可用边缘节点的AI服务处理结果。
13.根据权利要求1所述的业务管理方法,其特征在于,一个所述边缘节点并行运行多个事务,每个所述事务启动为一个线程。
14.一种业务管理平台,其特征在于,包括存储器;和耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1至13中任一项所述的业务管理方法的步骤。
15.一种服务交付系统,其特征在于,包括如权利要求14所述的业务管理平台,还包括服务交付平台以及一个或多个边缘节点,所述业务管理平台、服务交付平台和边缘节点通过网络相互连接;
所述服务交付平台被配置为,对所述一个或多个边缘节点进行监控与控制,并将所述业务管理平台创建的事务下发至所述一个或多个边缘节点;
所述边缘节点被配置为,接收所述服务交付平台下发的事务,并对所述事务进行处理,并返回处理结果至所述业务管理平台。
16.根据权利要求15所述的服务交付系统,其特征在于,还包括一个或多个图像采集设备,所述边缘节点和图像采集设备通过网络相互连接;
所述边缘节点对所述事务进行处理,包括:根据接收的事务,获取对应的一个多个所述图像采集设备采集的图像或视频数据,并对所述图像或视频数据进行处理。
17.根据权利要求15所述的服务交付系统,其特征在于,所述边缘节点并行运行多个事务,所述事务包括客户人脸注册事务、客户识别事务、到店频次分析事务和陌生人提醒事务,其中:
客户人脸注册事务包括人脸检测服务、人脸缩放服务、人脸关键点检测服务、人脸对齐服务、人脸特征提取服务和人脸特征存储服务;
客户识别事务包括视频解码服务、图像缩放服务、目标检测服务、目标跟踪服务、人脸检测服务、人脸缩放服务、人脸质量评价服务、人脸对齐服务、人脸属性判断服务、人脸特征提取服务、人脸检索服务和陌生人注册服务;
到店频次分析事务包括记录上传服务和记录统计服务;
陌生人提醒事务包括陌生人到店情况统计服务和提醒服务。
18.一种计算机存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1至13中任一项所述的业务管理方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210090084.7A CN114490063A (zh) | 2022-01-25 | 2022-01-25 | 业务管理方法、平台及服务交付系统、计算机存储介质 |
US18/282,802 US20240168825A1 (en) | 2022-01-25 | 2023-01-09 | Service Management Method, Platform, Service Delivery System, and Computer Storage Medium |
PCT/CN2023/071185 WO2023142986A1 (zh) | 2022-01-25 | 2023-01-09 | 业务管理方法、平台及服务交付系统、计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210090084.7A CN114490063A (zh) | 2022-01-25 | 2022-01-25 | 业务管理方法、平台及服务交付系统、计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114490063A true CN114490063A (zh) | 2022-05-13 |
Family
ID=81474523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210090084.7A Pending CN114490063A (zh) | 2022-01-25 | 2022-01-25 | 业务管理方法、平台及服务交付系统、计算机存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240168825A1 (zh) |
CN (1) | CN114490063A (zh) |
WO (1) | WO2023142986A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114979246A (zh) * | 2022-05-18 | 2022-08-30 | 京东方科技集团股份有限公司 | 业务管理方法、系统、配置服务器及边缘计算设备 |
WO2023142986A1 (zh) * | 2022-01-25 | 2023-08-03 | 京东方科技集团股份有限公司 | 业务管理方法、平台及服务交付系统、计算机存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110191007B (zh) * | 2019-06-27 | 2022-05-03 | 广州虎牙科技有限公司 | 节点管理方法、系统及计算机可读存储介质 |
US20230333904A1 (en) * | 2020-04-15 | 2023-10-19 | Alkira, Inc. | Flow management with services |
CN113630372A (zh) * | 2020-05-09 | 2021-11-09 | 中移物联网有限公司 | 一种边缘计算的云边协同系统 |
CN112799789B (zh) * | 2021-03-22 | 2023-08-11 | 腾讯科技(深圳)有限公司 | 一种节点集群管理方法、装置、设备及存储介质 |
CN113381511B (zh) * | 2021-06-02 | 2022-12-27 | 深圳市莱达四维信息科技有限公司 | 变电站在线智能巡视系统 |
CN114490063A (zh) * | 2022-01-25 | 2022-05-13 | 京东方科技集团股份有限公司 | 业务管理方法、平台及服务交付系统、计算机存储介质 |
-
2022
- 2022-01-25 CN CN202210090084.7A patent/CN114490063A/zh active Pending
-
2023
- 2023-01-09 WO PCT/CN2023/071185 patent/WO2023142986A1/zh active Application Filing
- 2023-01-09 US US18/282,802 patent/US20240168825A1/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023142986A1 (zh) * | 2022-01-25 | 2023-08-03 | 京东方科技集团股份有限公司 | 业务管理方法、平台及服务交付系统、计算机存储介质 |
CN114979246A (zh) * | 2022-05-18 | 2022-08-30 | 京东方科技集团股份有限公司 | 业务管理方法、系统、配置服务器及边缘计算设备 |
Also Published As
Publication number | Publication date |
---|---|
US20240168825A1 (en) | 2024-05-23 |
WO2023142986A1 (zh) | 2023-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240168825A1 (en) | Service Management Method, Platform, Service Delivery System, and Computer Storage Medium | |
US10068136B2 (en) | Event detection based on video metadata | |
CA2857860C (en) | Method and apparatus for integrated image capture for vehicles to track damage | |
CN105934753B (zh) | 在云视频服务中共享视频 | |
CN110839055B (zh) | 任务处理方法、装置及系统 | |
US20080184245A1 (en) | Method and system for task-based video analytics processing | |
US20170278368A1 (en) | Method and system for surveillance camera arbitration of uplink consumption | |
US9922257B2 (en) | Image auditing method and system | |
US11935293B2 (en) | Augmented reality support platform | |
CN108470157A (zh) | 一种客户信息获取方法及系统 | |
CN110730305A (zh) | 一种基于阻塞队列的多源抓拍图像处理、接入方法及装置 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN111191995A (zh) | 一种基于互联网平台实现门店智能监控及会员到店智能提醒的方法 | |
US20180330460A1 (en) | Handheld photo enforcement systems and methods | |
CN111246110B (zh) | 图像的输出方法和装置、存储介质及电子装置 | |
US7965865B2 (en) | Method, system, and program product for presenting electronic surveillance data | |
CN112613358A (zh) | 物品的识别方法、装置、存储介质以及电子装置 | |
US11503101B1 (en) | Device and method for assigning video analytics tasks to computing devices | |
CN115147947A (zh) | 一种视频巡检方法、装置、电子设备及计算机程序产品 | |
US10074098B2 (en) | Demographic information collection and content display based on demographic information | |
CN111314652A (zh) | 视频结构化分析处理方法、装置、设备及其存储介质 | |
CN116382813B (zh) | 用于智慧城市管理的视频实时处理ai引擎系统 | |
US11373511B2 (en) | Alarm processing and classification system and method | |
US20160104097A1 (en) | Sales Process Management and Tracking System | |
KR101218946B1 (ko) | 다국어 기반의 컨텐츠를 원격 제어하는 지능형 컨텐츠 관리 시스템 및 방법 |
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 |