CN114785792A - 一种云边协同的视频双路分析装置与方法 - Google Patents
一种云边协同的视频双路分析装置与方法 Download PDFInfo
- Publication number
- CN114785792A CN114785792A CN202210685796.3A CN202210685796A CN114785792A CN 114785792 A CN114785792 A CN 114785792A CN 202210685796 A CN202210685796 A CN 202210685796A CN 114785792 A CN114785792 A CN 114785792A
- Authority
- CN
- China
- Prior art keywords
- video
- unit
- video stream
- analysis
- node
- 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
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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本发明公开了一种云边协同的视频双路分析装置与方法,由视频采集设备、边缘节点、云侧节点、客户端节点四部分构成;所述视频采集设备通过边缘节点的总线连接到边缘节点;所述边缘节点和客户端节点之间通过各自的通信器件,经由通信链路C1连接;边缘节点和云侧节点之间通过各自的通信器件,经由通信链路C2连接;云侧节点和客户端节点之间通过各自的通信器件,经由通信链路C3连接;还包括多个逻辑组件,逻辑组件运行于边缘节点、云侧节点、客户端节点三类节点之上;本发明可实现资源利旧,降低新硬件成本投入。可提升视频分析性能,降低其运行时功耗。在应用中不受固化算法制约,具有较高的灵活性。
Description
技术领域
本发明涉及视频分析技术领域,更具体地说是一种云边协同的视频双路分析装置与方法。
背景技术
随着人工智能技术的发展以及数字化基础设施的普及,视频分析系统在日常生活和生产环境中得到了广泛的应用。视频分析系统通常涉及视频的采集、传输、存储、分析等环节。其中,核心环节是分析,即输入视频流或其采样子集,输出用户关心的语义信息。常见的分析内容包括变化检测、行为识别、目标识别、目标跟踪、语义分割等。
以视频分析过程的执行位置为依据,可以将视频分析设备分为三类:
(1)端侧设备:在摄像机等视频采集设备内部执行分析。
(2)边缘设备:在网络拓扑上距离视频采集设备较近的、算力较弱的边缘计算节点上执行分析。
(3)云侧设备:在网络拓扑上距离视频采集设备较远的、算力较强的云侧节点(即服务器)上执行分析。
以视频分析算法的工作原理为依据,可以将视频分析算法分为两类:
(1)基于规则的分析算法:使用基于可解释的数学规则的确定性算法,对输入视频流或其采样子集进行直接计算,得出分析结果。常见的例子是基于图像相邻帧间的像素比对,实现变化检测。
(2)基于模型的分析算法:使用神经网络等高阶数学模型,对输入视频流或其采样子集进行推理操作,得出分析结果。常见的例子是基于卷积神经网络(ConvolutionalNeural Network,CNN)模型,实现目标识别。
结合上述三类设备和两类算法,业界形成了建设视频分析系统的若干实践方案。其中,最为常见的两类方案是:
(方案1)在端侧只做采集,在边缘或云侧完成分析(包括基于规则的分析和基于模型的分析)。
(方案2)在端侧做采集的同时,完成基于规则的分析;在边缘或云侧完成基于模型的分析。
然而,上述两类方案均存在明显的不足:
方案1的实践中,为了节约网络传输开销,往往会引入视频压缩算法(即视频编解码)。视频编解码对于基于规则的分析算法,不但属于无功能意义的额外开销,会影响计算性能,而且由于有损压缩,会造成结果的误差。同时,方案1的实践中,为了简化硬件布局和工作流设计,主流系统往往使用同类器件运行所有算法。高端器件运行低端算法的状况,浪费了高端器件的采购成本以及运行时功耗。
方案2要求使用具有端侧分析能力的智能摄像机,这种摄像机的成本相比普通摄像机更高。在建设视频分析系统时,无法利用既有的普通摄像机,会造成既有投资浪费。同时,智能摄像机中的算法往往是固化的,无法像边缘或云侧设备上的算法那样按需更新,从而在应用中的灵活性较弱,无法应对算法迭代升级需求。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种云边协同的视频双路分析装置与方法。
为实现上述目的,本发明提供如下技术方案:
一种云边协同的视频双路分析装置,由视频采集设备、边缘节点、云侧节点、客户端节点四部分构成;所述视频采集设备通过边缘节点的总线连接到边缘节点;所述边缘节点和客户端节点之间通过各自的通信器件,经由通信链路C1连接;边缘节点和云侧节点之间通过各自的通信器件,经由通信链路C2连接;云侧节点和客户端节点之间通过各自的通信器件,经由通信链路C3连接;
还包括多个逻辑组件,逻辑组件运行于边缘节点、云侧节点、客户端节点三类节点之上;其中:
边缘节点:边缘节点的计算器件上运行视频编码单元、视频采样单元和基于规则
的分析单元,边缘节点的存储器件上分配一块采样缓冲区;视频编码单元用于对视频流执
行压缩编码,该单元以非压缩视频流作为输入,以压缩视频流作为输出;本发明不限制具体
压缩编码格式,常见的格式包括但不限于H.264、H.265等。视频采样单元用于对视频流执行
采样,即依据特定的采样规则,从连续视频流中截取一个子集,作为待分析的样本;该单元
以非压缩视频流作为输入,以采样生成的图像集合作为输出;本发明不限制采样的具体规
则,常见的规则包括但不限于取之前连续的帧图像、取平均分割的个时间段中的首帧图
像等。基于规则的分析单元用于对视频流的样本加以分析,通过基于规则的算法得到用户
关心的分析结果。该单元以采样生成的图像集合作为输入,以算法得到分析结果作为输出。
所谓“基于规则的算法”,是指基于可解释的数学规则的确定性算法。采样缓冲区用于临时
存储待分析的样本,即图像集合。该缓冲区的输入来源是视频采样单元,输出目的地是基于
规则的分析单元。该缓冲区不对图像集合做任何处理;
云侧节点:云侧节点的计算器件上运行视频解码单元和基于模型的分析单元,云侧节点的存储器件上分配一块视频缓冲区;视频解码单元用于对视频流执行压缩解码。该单元以压缩视频流作为输入,以非压缩视频流作为输出。该单元使用的具体压缩编码格式与边缘节点中视频编码单元使用的格式相同;基于模型的分析单元用于对视频流加以分析,通过基于模型的算法得到用户关心的分析结果。该单元以解码生成的非压缩视频流作为输入,以算法得到分析结果作为输出;基于模型的算法是指神经网络等高阶数学模型;视频缓冲区用于临时存储待分析的视频,即非压缩视频流。该缓冲区的输入来源是视频解码单元,输出目的地是基于模型的分析单元;该缓冲区不对非压缩视频流做任何处理。
客户端节点:客户端节点的计算器件上运行应用客户端;应用客户端是视频分析系统的具体应用业务承载软件;它接受来自边缘节点和云侧节点的分析结果。本发明不限制应用客户端的具体功能,仅要求其能够接收和解析上述分析结果。
所述通信链路既可以是通过有线(如双绞线)或无线(如Wi-Fi)方式连接的直接链路,也可以是经由交换机、路由器等中间节点转发的间接链路。
所述视频采集设备是摄像机,或者其他等效于摄像机的设备,比如手机摄像头;视频采集的接口可以是以太网接口、USB接口或其他接口形式。
所述边缘节点、云侧节点和客户端节点均是具有计算、存储和通信能力的计算机设备;包括但不限于机架式服务器、桌面计算机、笔记本电脑、工控机或移动终端;边缘节点、云侧节点和客户端节点内部均具有总线、计算器件、存储器件和通信器件。
是代表视频缓冲区中视频第帧图像的矩阵。需要注意的是,矩
阵中的元素(即像素)既可以是一个标量(代表图像为单通道图像),也可以是一个元组
(代表图像为多通道图像)。与基于规则的算法中的不同的是,基于模型的算法中的是
视频中具有时间先后关系的帧,而不依赖于特定的采样规则,因此它隐式包含了视频的时
序信息。
一种云边协同的视频双路分析方法,该方法具体如下:
(1)视频采集设备将采集到的原始非压缩视频流复制为两个相同的副本:非压缩视频流A1和非压缩视频流B1;
(2)对非压缩视频流A1进行基于规则的分析:
(2.2)视频采样单元将图像集合A2保存到采样缓冲区;
(2.5)基于规则的分析单元通过通信链路C1,将分析结果A4传递到客户端节点上的应用客户端;需要注意的是,这里所述的“传递”操作只约束信息的流动方向,不约束操作的发起方式。该操作既可以由基于规则的分析单元以推送方式发起,也可以由应用客户端以拉取方式发起。
(2.6)基于规则的一轮分析结束,返回到步骤(2.1),开始下一轮分析。
(3)对非压缩视频流B1进行基于模型的分析:
(3.1)边缘节点上的视频编码单元获取非压缩视频流B1,依据该单元预置的特定编码格式对应的压缩算法,对非压缩视频流B1实施压缩,生成压缩视频流B2;
(3.2)视频编码单元通过通信链路C2,将压缩视频流B2传递到云侧节点上的视频解码单元;需要注意的是,这里所述的“传递”操作只约束信息的流动方向,不约束操作的发起方式。该操作既可以由视频编码单元以推送方式发起,也可以由视频解码单元以拉取方式发起;
(3.4)视频解码单元将非压缩视频流B3保存到视频缓冲区。
(3.7)基于模型的分析单元通过通信链路C3,将分析结果B5传递到客户端节点上的应用客户端;需要注意的是,这里所述的“传递”操作只约束信息的流动方向,不约束操作的发起方式。该操作既可以由基于模型的分析单元以推送方式发起,也可以由应用客户端以拉取方式发起;
(3.8)基于模型的一轮分析结束,返回到步骤(3.1),开始下一轮分析。
本发明的技术效果和优点:
(1)在建设视频分析系统时,允许只使用普通摄像机,不使用智能摄像机,从而可实现资源利旧,降低新硬件成本投入。
(2)使用最适宜的硬件运行两类算法,避免无意义的软件开销,从而提升视频分析性能,降低其运行时功耗。
(3)在边缘和云侧均支持算法按需更新、迭代升级,在应用中不受固化算法制约,具有较高的灵活性。
附图说明
图1为本发明装置物理层结构示意图;
图2为本发明逻辑层结构示意图;
图3为本发明方法流程图。
具体实施方式
下面将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做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。
实施例一
本实施例给出一套云边协同的视频分析系统的实施方案,该系统采用本发明提出的视频双路分析方法与装置。如图1和图2所示所示,
在本实施例中,云边协同的视频双路分析装置的各部分的具体物理构成说明如下:
视频采集设备:采用USB 2.0接口、CMOS传感器的高清摄像机。
边缘节点:采用一台工控机,其中:
计算器件:采用ARM64 CPU和芯片内置的NPU加速核;
存储器件:采用DDR4内存作为失存储器件,SD卡作为非失存储器件;
通信器件:采用1Gbps有线以太网卡。
云侧节点:采用一台机架式服务器,其中:
计算器件:采用x86-64 CPU和NVIDIA GPU;
存储器件:采用DDR4内存作为失存储器件,硬盘作为非失存储器件;
通信器件:采用10Gbps有线以太网卡。
客户端节点:采用一台桌面计算机,其中:
计算器件:采用x86-64 CPU;
存储器件:采用DDR4内存作为失存储器件,硬盘作为非失存储器件;
通信器件:采用1Gbps有线以太网卡。
通信链路:采用有线以太网构建通信链路;其中:
边缘节点与客户端节点之间:采用电信运营商构建的、由双绞线和光纤连接的、多级路由器转发的间接链路;
边缘节点与云侧节点之间:采用电信运营商构建的、由双绞线和光纤连接的、多级路由器转发的间接链路;
云侧节点与客户端节点之间:采用用户自行构建的、由双绞线连接的、没有中间转发环节的直接链路。
在本实施例中,云边协同的视频双路分析装置的各部分上运行的逻辑组件的说明如下:
边缘节点
视频编码单元:该单元采用基于H.264格式的视频编码器,用于实现视频流压缩。
云侧节点
视频解码单元:该单元采用基于H.264格式的视频解码器,用于实现视频流解压缩。
首先,计算光流信息。光流信息可以看作是连续帧和之间的位移向量场的
集合。用表示第帧中的点移动到下一帧 中相应点的位移向量。假设
每帧图像宽度为,高度为,对于第帧图像上任意一点,分别计算水平方向和垂直
方向的位移矢量:水平方向位移矢量为 ;垂直方向位
移矢量为 。 其中,。
将所有帧图像的水平方向位移矢量与垂直方向位移矢量叠加,得到大小为
的光流信息。
客户端节点
应用客户端:该客户端是一套基于web界面的视频分析业务承载软件,能够接收和解析来自边缘节点和云侧节点上两种分析单元传输而来的分析结果。
实施例二
如图3所示,本实施例在上述装置实施例的基础上,给出一种云边协同的视频双路分析方法的实施方案。本方案具体步骤说明如下。
(1)高清摄像机将采集到的原始非压缩视频流复制为两个相同的副本:非压缩视频流A1和非压缩视频流B1。
(2)本方法使用基于规则的分析算法实现图像显著变化检测,具体步骤如下:
(2.2)视频采样单元将图像集合A2保存到边缘节点DDR4内存中的采样缓冲区。
(2.5)基于规则的分析单元通过通信链路C1,将分析结果A4传递到客户端节点(x86-64桌面计算机)上的应用客户端。需要注意的是,这里所述的“传递”操作只约束信息的流动方向,不约束操作的发起方式。该操作既可以由基于规则的分析单元以推送方式发起,也可以由应用客户端以拉取方式发起。
(2.6)基于规则的一轮分析结束,返回到步骤(2.1),开始下一轮分析。
(3)本方法使用基于模型的分析算法实现危险行为识别,具体步骤如下:
(3.1)边缘节点(ARM64工控机)上的视频编码单元获取非压缩视频流B1,依据该单元预置的H.264编码格式对应的压缩算法,对非压缩视频流B1实施压缩,生成压缩视频流B2。
(3.2)视频编码单元通过通信链路C2,将压缩视频流B2传递到云侧节点(x86-64机架式服务器)上的视频解码单元。需要注意的是,这里所述的“传递”操作只约束信息的流动方向,不约束操作的发起方式。该操作既可以由视频编码单元以推送方式发起,也可以由视频解码单元以拉取方式发起。
(3.4)视频解码单元将非压缩视频流B3保存到云侧节点DDR4内存中的视频缓冲区。
(3.7)基于模型的分析单元通过通信链路C3,将分析结果B5传递到客户端节点(x86-64桌面计算机)上的应用客户端,并在其web界面上展示。需要注意的是,这里所述的“传递”操作只约束信息的流动方向,不约束操作的发起方式。该操作既可以由基于模型的分析单元以推送方式发起,也可以由应用客户端以拉取方式发起。
(3.8)基于模型的一轮分析结束,返回到步骤(3.1),开始下一轮分析。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种云边协同的视频双路分析装置,其特征在于:由视频采集设备、边缘节点、云侧节点、客户端节点四部分构成;所述视频采集设备通过边缘节点的总线连接到边缘节点;所述边缘节点和客户端节点之间通过各自的通信器件,经由通信链路C1连接;边缘节点和云侧节点之间通过各自的通信器件,经由通信链路C2连接;云侧节点和客户端节点之间通过各自的通信器件,经由通信链路C3连接;
还包括多个逻辑组件,逻辑组件运行于边缘节点、云侧节点、客户端节点三类节点之上;其中:
边缘节点的计算器件上运行视频编码单元、视频采样单元和基于规则的分析单元,边缘节点的存储器件上分配一块采样缓冲区;基于规则的分析单元用于对视频流的样本加以分析,通过基于规则的算法得到用户关心的分析结果;该基于规则的分析单元以采样生成的图像集合作为输入,以算法得到分析结果作为输出;
云侧节点的计算器件上运行视频解码单元和基于模型的分析单元,云侧节点的存储器件上分配一块视频缓冲区;基于模型的分析单元用于对视频流加以分析,通过基于模型的算法得到用户关心的分析结果;该单元以解码生成的非压缩视频流作为输入,以算法得到分析结果作为输出;
客户端节点的计算器件上运行应用客户端。
2.根据权利要求1所述的一种云边协同的视频双路分析装置,其特征在于:所述通信链路既可以是通过有线或无线方式连接的直接链路,也可以是经由交换机、路由器等中间节点转发的间接链路;
视频编码单元用于对视频流执行压缩编码,该单元以非压缩视频流作为输入,以压缩
视频流作为输出;视频采样单元用于对视频流执行采样,即依据特定的采样规则,从连续视
频流中截取一个子集,作为待分析的样本;该单元以非压缩视频流作为输入,以采样生成的
图像集合作为输出;采样的具体规则包括但不限于取之前连续的帧图像、取平均分割的
个时间段中的首帧图像;基于规则的算法是指基于可解释的数学规则的确定性算法;采样
缓冲区用于临时存储待分析的样本,即图像集合;采样缓冲区的输入来源是视频采样单元,
输出目的地是基于规则的分析单元;采样缓冲区不对图像集合做任何处理;
视频解码单元用于对视频流执行压缩解码;该单元以压缩视频流作为输入,以非压缩视频流作为输出;该单元使用的具体压缩编码格式与边缘节点中视频编码单元使用的格式相同;基于模型的算法是指神经网络等高阶数学模型;视频缓冲区用于临时存储待分析的视频,即非压缩视频流;视频缓冲区的输入来源是视频解码单元,输出目的地是基于模型的分析单元;视频缓冲区不对非压缩视频流做任何处理;
应用客户端是视频分析系统的具体应用业务承载软件;它接受来自边缘节点和云侧节点的分析结果。
3.根据权利要求1所述的一种云边协同的视频双路分析装置,其特征在于:所述视频采集设备是摄像机,或者其他等效于摄像机的设备;视频采集的接口可以是以太网接口、USB接口或其他接口形式。
4.根据权利要求1所述的一种云边协同的视频双路分析装置,其特征在于:所述边缘节点、云侧节点和客户端节点均是具有计算、存储和通信能力的计算机设备;包括但不限于机架式服务器、桌面计算机、笔记本电脑、工控机或移动终端;边缘节点、云侧节点和客户端节点内部均具有总线、计算器件、存储器件和通信器件。
7.一种云边协同的视频双路分析方法,其特征在于,该方法具体如下:
(1)视频采集设备将采集到的原始非压缩视频流复制为两个相同的副本:非压缩视频流A1和非压缩视频流B1;
(2)对非压缩视频流A1进行基于规则的分析:
(2.2)视频采样单元将图像集合A2保存到采样缓冲区;
(2.5)基于规则的分析单元通过通信链路C1,将分析结果A4传递到客户端节点上的应用客户端;
(2.6)基于规则的一轮分析结束,返回到步骤(2.1),开始下一轮分析;
(3)对非压缩视频流B1进行基于模型的分析:
(3.1)边缘节点上的视频编码单元获取非压缩视频流B1,依据该单元预置的特定编码格式对应的压缩算法,对非压缩视频流B1实施压缩,生成压缩视频流B2;
(3.2)视频编码单元通过通信链路C2,将压缩视频流B2传递到云侧节点上的视频解码单元;
(3.4)视频解码单元将非压缩视频流B3保存到视频缓冲区;
(3.7)基于模型的分析单元通过通信链路C3,将分析结果B5传递到客户端节点上的应用客户端;
(3.8)基于模型的一轮分析结束,返回到步骤(3.1),开始下一轮分析。
8.根据权利要求7所述的一种云边协同的视频双路分析方法,其特征在于,所述步骤(2.5)中,传递操作只约束信息的流动方向,不约束操作的发起方式;该操作既可以由基于规则的分析单元以推送方式发起,也可以由应用客户端以拉取方式发起。
9.根据权利要求7所述的一种云边协同的视频双路分析方法,其特征在于,所述步骤(3.2)中,传递操作只约束信息的流动方向,不约束操作的发起方式;该操作既可以由视频编码单元以推送方式发起,也可以由视频解码单元以拉取方式发起。
10.根据权利要求7所述的一种云边协同的视频双路分析方法,其特征在于,所述步骤(3.7)中,传递操作只约束信息的流动方向,不约束操作的发起方式;该操作既可以由基于模型的分析单元以推送方式发起,也可以由应用客户端以拉取方式发起。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210685796.3A CN114785792B (zh) | 2022-06-17 | 2022-06-17 | 一种云边协同的视频双路分析装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210685796.3A CN114785792B (zh) | 2022-06-17 | 2022-06-17 | 一种云边协同的视频双路分析装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114785792A true CN114785792A (zh) | 2022-07-22 |
CN114785792B CN114785792B (zh) | 2022-09-16 |
Family
ID=82421052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210685796.3A Active CN114785792B (zh) | 2022-06-17 | 2022-06-17 | 一种云边协同的视频双路分析装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114785792B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3226510A1 (en) * | 2016-03-31 | 2017-10-04 | Hitachi, Ltd. | Gis based compression and reconstruction of gps data for transmission from a vehicular edge platform to the cloud |
CN112037365A (zh) * | 2020-09-01 | 2020-12-04 | 枣庄学院 | 面向行车记录仪基于边缘计算的车辆火灾事故检测报警系统 |
CN112115830A (zh) * | 2020-09-10 | 2020-12-22 | 同济大学 | 一种基于比特域特征提取的目标分布式融合识别方法 |
WO2021009155A1 (en) * | 2019-07-17 | 2021-01-21 | Koninklijke Kpn N.V. | Facilitating video streaming and processing by edge computing |
CN112765143A (zh) * | 2021-01-20 | 2021-05-07 | 国网山东省电力公司电力科学研究院 | 一种基于边缘计算技术的低压物联网配网数据处理方法 |
CN112804280A (zh) * | 2019-11-14 | 2021-05-14 | 普天信息技术有限公司 | 电力物联网系统及其数据处理方法 |
CN113254529A (zh) * | 2021-05-12 | 2021-08-13 | 兰州兰石集团有限公司 | 一种基于边缘计算和HiTSDB存储的工业物联网平台 |
CN113392760A (zh) * | 2021-06-15 | 2021-09-14 | 中国民航机场建设集团有限公司 | 一种基于视频的不停航施工不安全行为识别的系统及方法 |
CN114363562A (zh) * | 2021-12-08 | 2022-04-15 | 国网河北省电力有限公司信息通信分公司 | 基于云分发的5g配网监测系统和配网监测方法 |
-
2022
- 2022-06-17 CN CN202210685796.3A patent/CN114785792B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3226510A1 (en) * | 2016-03-31 | 2017-10-04 | Hitachi, Ltd. | Gis based compression and reconstruction of gps data for transmission from a vehicular edge platform to the cloud |
WO2021009155A1 (en) * | 2019-07-17 | 2021-01-21 | Koninklijke Kpn N.V. | Facilitating video streaming and processing by edge computing |
CN112804280A (zh) * | 2019-11-14 | 2021-05-14 | 普天信息技术有限公司 | 电力物联网系统及其数据处理方法 |
CN112037365A (zh) * | 2020-09-01 | 2020-12-04 | 枣庄学院 | 面向行车记录仪基于边缘计算的车辆火灾事故检测报警系统 |
CN112115830A (zh) * | 2020-09-10 | 2020-12-22 | 同济大学 | 一种基于比特域特征提取的目标分布式融合识别方法 |
CN112765143A (zh) * | 2021-01-20 | 2021-05-07 | 国网山东省电力公司电力科学研究院 | 一种基于边缘计算技术的低压物联网配网数据处理方法 |
CN113254529A (zh) * | 2021-05-12 | 2021-08-13 | 兰州兰石集团有限公司 | 一种基于边缘计算和HiTSDB存储的工业物联网平台 |
CN113392760A (zh) * | 2021-06-15 | 2021-09-14 | 中国民航机场建设集团有限公司 | 一种基于视频的不停航施工不安全行为识别的系统及方法 |
CN114363562A (zh) * | 2021-12-08 | 2022-04-15 | 国网河北省电力有限公司信息通信分公司 | 基于云分发的5g配网监测系统和配网监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114785792B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | Jointly optimizing preprocessing and inference for DNN-based visual analytics | |
US20190190538A1 (en) | Accelerator hardware for compression and decompression | |
CN110099280B (zh) | 一种无线自组织网络带宽受限下的视频业务质量增强方法 | |
US20150117545A1 (en) | Layered Video Encoding and Decoding | |
CN110428382B (zh) | 一种用于移动终端的高效视频增强方法、装置和存储介质 | |
WO2023174098A1 (zh) | 一种实时手势检测方法及装置 | |
CN116917926A (zh) | 特征图数据的指示 | |
CN111046766A (zh) | 一种行为识别方法、装置及计算机存储介质 | |
CN111226226A (zh) | 基于运动的对象检测方法及其对象检测装置和电子设备 | |
CN112597824A (zh) | 行为识别方法、装置、电子设备和存储介质 | |
CN113313241A (zh) | 确定深度学习模型的张量信息的方法和计算装置 | |
CN114818989B (zh) | 基于步态的行为识别方法、装置、终端设备及存储介质 | |
CN114785792B (zh) | 一种云边协同的视频双路分析装置与方法 | |
Wang et al. | Edge-assisted real-time video analytics with spatial–temporal redundancy suppression | |
CN112235598B (zh) | 一种视频结构化处理方法、装置及终端设备 | |
US20140009563A1 (en) | Non-video codecs with video conferencing | |
WO2023174256A1 (zh) | 一种数据压缩方法以及相关设备 | |
WO2024001653A9 (zh) | 特征提取方法、装置、存储介质及电子设备 | |
TWI826160B (zh) | 圖像編解碼方法和裝置 | |
WO2019127926A1 (zh) | 一种稀疏神经网络的计算方法及计算装置、电子装置、计算机可读存储介质以及计算机程序产品 | |
CN116433491A (zh) | 一种图像处理方法、装置、设备、存储介质及产品 | |
CN114501031B (zh) | 一种压缩编码、解压缩方法以及装置 | |
CN213023998U (zh) | 一种应用于边缘ai分析、视频、物联网传感器数据采集仪 | |
WO2023167465A1 (en) | Method and system for reducing complexity of a processing pipeline using feature-augmented training | |
CN114143188B (zh) | 一种视频处理的方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |