CN115297305A - 一种基于边缘计算的多视频流安全风险预警系统及方法 - Google Patents

一种基于边缘计算的多视频流安全风险预警系统及方法 Download PDF

Info

Publication number
CN115297305A
CN115297305A CN202211223920.0A CN202211223920A CN115297305A CN 115297305 A CN115297305 A CN 115297305A CN 202211223920 A CN202211223920 A CN 202211223920A CN 115297305 A CN115297305 A CN 115297305A
Authority
CN
China
Prior art keywords
camera
monitoring
edge
server
communication module
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
Application number
CN202211223920.0A
Other languages
English (en)
Inventor
包学才
占礼彬
潘帅
陈豹
何海清
吴沂航
聂菊根
韩龙哲
李艳
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.)
Nanchang Institute of Technology
Original Assignee
Nanchang Institute of Technology
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 Nanchang Institute of Technology filed Critical Nanchang Institute of Technology
Priority to CN202211223920.0A priority Critical patent/CN115297305A/zh
Publication of CN115297305A publication Critical patent/CN115297305A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)

Abstract

本发明涉及一种基于边缘计算的多视频流安全风险预警系统及方法，涉及边缘端多视频流安全风险目标识别预警技术领域，系统包括边缘计算设备、供电模块、显示屏、监测管理平台、流媒体监控服务器、图像存储服务器和第二通信模块；根据多个摄像头监控的视频信息，推理出摄像头监控的区域是否出现不安全的行为，并进行截图，同时判断是否收到推流指令，由第二通信模块通知监管人员并将截图和视频发送至监测管理平台；服务器安全风险监管平台接收边缘监测终端的识别异常的影音信息，将图像和推流视频分别转存至图像存储服务器和流媒体监控服务器。本发明实现施工场所中不规范行为的精准监测，并对出现的不规范行为实现截图或视频取证和预警功能。

Description

一种基于边缘计算的多视频流安全风险预警系统及方法
技术领域
本发明涉及边缘端多视频流安全风险目标识别预警技术领域，特别是涉及一种基于边缘计算的多视频流安全风险预警系统及方法。
背景技术
安全风险识别预警对减少施工、生产的人员财产损失具有重要意义。传统监控系统，主要根据人工查看监控视频发现安全风险。随着人工智能技术的发展，目前主流的视频识别预警方法是将监控视频实时传输到远程云服务平台，然后利用高成本的GPU服务器，通过人工智能方法对视频进行跟踪识别，当多个监控摄像头需要监控时，造成大量的冗余视频信息上传云平台，极大的浪费了通信资源且产生了大量的无用数据，而且需要增加服务器成本。为减少大量冗余视频信息和管理成本，迫切需要发展低成本且具有边缘自动识别的多视频流安全风险目标识别和预警的监控系统。
发明内容
为了克服现有技术的不足，本发明的目的是提供一种基于边缘计算的多视频流安全风险预警系统及方法，可以对监控区域进行实时目标识别与检测，并根据监控管理平台的实际需要进行实时按需推流，从而达到对监控区域的远程化、智能化监测，对复杂环境的持续智能化监测提供解决方案。
为实现上述目的，本发明提供了如下方案：
一种基于边缘计算的多视频流安全风险预警系统，包括：
边缘监测终端和服务器安全风险监管平台；所述边缘监测终端和所述服务器安全风险监管平台之间电性连接；
所述边缘监测终端包括：边缘计算设备、第一摄像头、第二摄像头、第一通信模块、供电模块和显示屏；
所述边缘计算设备分别与所述第一摄像头、所述第二摄像头、所述供电模块和显示屏电性连接，所述边缘计算设备通过所述第一通信模块通信连接所述服务器安全风险监管平台；所述第一摄像头和所述第二摄像头用于对目标区域进行实时监测，并将监测内容上传至所述边缘计算设备，所述边缘计算设备用于部署已训练的轻量化深度神经网络模型，对所述第一摄像头和所述第二摄像头的监测内容进行推理判断；所述供电模块为整个装置提供电能；所述显示屏用于实时显示监测结果；
所述服务器安全风险监管平台包括：监测管理平台、流媒体监控服务器、图像存储服务器和第二通信模块；
所述监测管理平台分别与所述流媒体监控服务器和所述图像存储服务器电性连接，所述监测管理平台通过所述第二通信模块及所述第一通信模块通信连接所述边缘计算设备，所述监测管理平台通过所述第二通信模块通信连接监管移动端；所述监测管理平台用于接收存在安全隐患的图像或视频；所述图像存储服务器用于将存在安全隐患的图像或视频进行保存和备份；所述流媒体监控服务器用于对所述边缘监测终端采集的数据进行实时推流代理。
优选地，还包括：
所述边缘计算设备由外围电路、核心板和底板构成，底板用于根据以太网接口数量设计相应电路，连接多个摄像头。
优选地，包括：
所述第一摄像头和所述第二摄像头为IP防雨广角摄像头，所述第一通信模块和所述第二通信模块由4G模块、WIFI模块或以太网模块构成；所述供电模块为太阳能供电模块。
优选地，包括：
所述轻量化深度神经网络模型在具有GPU的PC机上训练后，再经TensorRT深度学习推理优化器，部署在所述边缘计算设备上。
优选地，包括：
所述服务器安全风险监管平台与所述第一摄像头和所述第二摄像头电性连接，用于观看指定摄像头实时画面。
一种应用于基于边缘计算的多视频流安全风险预警系统的方法，包括以下步骤：
S1：边缘计算设备判断第一通信模块联网状态，判断第一通信模块是否在线；
S2：如果是，向边缘计算设备中的摄像头接口接入第一摄像头和第二摄像头，转至步骤S3；如果否，转至步骤S1；
S3：边缘计算设备读取第一摄像头和第二摄像头的图像信息，根据采集到的图像信息，利用已经部署在边缘计算设备中的已训练的轻量化深度神经网络模型进行推理，判断摄像头所监测的区域是否有不规范施工的行为并将识别结果实时显示在显示屏上；
S4：如果是，则判定施工人员有不规范施工的行为，边缘计算设备对第一摄像头和第二摄像头中的不规范行为进行截图通过第一通信模块发送至图像存储服务器，同时通过第一通信模块发送报警信息给监管人员；如果否，转至步骤S3；
S5：查询流媒体监控服务器是否收到拉流指令；
S6：如果是，则第二通信模块向边缘计算设备发送推流指令，收到推流指令之后，边缘监测终端向流媒体监控服务器发送指定的摄像头或监控视频信息；如果否，转至步骤S3。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种基于边缘计算的多视频流安全风险预警系统及方法，边缘监测终端利用部署的深度学习算法对边缘端数据进行预处理，对采集的原始视频数据进行深度学习算法分析，并根据识别结果判断是否向服务器安全风险监管平台发送报警等相关动作，管理人员根据警告信息判断是否需要开启推流请求，从而能够有效提高边缘端数据采集和传输的能力，极大减少冗余数据的产生；服务器安全风险监管平台融合了流媒体代理和数据备份功能，可根据用户需要完成对边缘监测终端指定摄像头监控区域的实时监督，从而极大的提高用户与边缘监测终端的有效交互。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的实施例中的多视频流安全风险预警系统的模块示意图；
图2为本发明提供的实施例中的多视频流安全风险预警系统工作路径简易示意图。
附图标记：1、边缘计算设备；2、第一摄像头；3、第二摄像头；4、第一通信模块；5、供电模块；6、显示屏；7、第二通信模块；8、监测管理平台；9、流媒体监控服务器；10、图像存储服务器；11、边缘监测终端；12、服务器安全风险监管平台；13、监管移动端。
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。
本发明的目的是提供一种基于边缘计算的多视频流安全风险预警系统及方法，可以对监控区域进行实时目标识别与检测，并根据监控管理平台的实际需要进行实时按需推流，从而达到对监控区域的远程化、智能化监测，对复杂环境的持续智能化监测提供解决方案。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1-2所示，本发明提供了一种基于边缘计算的多视频流安全风险预警系统，包括：
边缘监测终端和服务器安全风险监管平台；所述边缘监测终端和所述服务器安全风险监管平台之间电性连接；
所述边缘监测终端包括：边缘计算设备1、第一摄像头2、第二摄像头3、第一通信模块4、供电模块5和显示屏6；
所述边缘计算设备分别与所述第一摄像头2、第二摄像头3、第一通信模块4、供电模块5、显示屏6电性连接；所述边缘计算设备1用于部署已训练的轻量化深度神经网络模型，对所述第一摄像头2和所述第二摄像头3拍摄图像进行推理判断；所述第一摄像头2和所述第二摄像头3对目标区域进行实时监测，上传监测内容；所述第一通信模块4用于将有安全风险行为的截图上传到所述服务器安全风险监管平台并发送报警信息；所述供电模块5为整个装置提供电能；所述显示屏6用于显示监测结果；
所述边缘监测终端11收集所述第一摄像头2和所述第二摄像头3的视频图像信息，经过部署在所述边缘计算设备1上的轻量化深度神经网络模型，推理出所述第一摄像头2和所述第二摄像头3所监控的范围是否出现未带安全帽、防护服、人员出现在危险区域等行为。若存在上述安全风险则截图，通过所述第一通信模块4上传至所述服务器安全风险监管平台12并发送消息通知监管人员，同时判断所述第一通信模块4是否收到所述服务器安全风险监管平台12发送的推流命令，若接收到推流指令则将实时视频上传至所述服务器安全风险监管平台12。
所述服务器安全风险监管平台12包括：监测管理平台8、流媒体监控服务器9、图像存储服务器10和第二通信模块7；
所述监测管理平台8与所述流媒体监控服务器9和图像存储服务器10电性连接，所述监测管理平台8通过第二通信模块7及第一通信模块4通信连接所述边缘计算设备1，所述监测管理平台8通过第二通信模块7通信连接监管移动端13；所述监测管理平台8用于接收存在安全隐患的图像或视频；所述图像存储服务器10用于将存在安全隐患的图像或视频进行保存和备份；所述流媒体监控服务器9用于对所述边缘监测终端11采集的数据进行实时推流代理。
所述边缘监测终端11提供本地化配置，用户可在同一局域网下访问边缘监测终端搭建的配置网页，从而实现对推流地址、选择何种通信方式等信息的配置功能。
所述监测管理平台8经所述第二通信模块7接收到图像数据后，将图像数据存储在图像存储服务器10；在接收到推流指令后将接收到边缘监测终端11推送的视频通过流媒体监控服务器9发送到拉流用户；
按需推流功能具有节约流量和节约通信资源的功能，通过单独线程获取流媒体服务平台的主动拉流请求。
进一步的，还包括：
所述边缘计算设备1由外围电路、核心板和底板构成，底板用于根据以太网接口数量设计相应电路，可以连接多个摄像头，上述所有外设集成在底板上，通过统一接口与边缘计算设备相连接，底板可根据以太网接口数量需求设计相应电路，具有扩展连接2-8个摄像头功能并且所述边缘监测终端11可以通过多个以太网口与多个IP摄像头通过电性连接，从而在边缘端实现对多个摄像头的多个目标进行实时目标识别和预警。
进一步的，包括：
所述第一摄像头2和所述第二摄像头3为IP防雨广角摄像头，具有通信距离远和基于红外夜视监控功能，同时外壳采用防水材料，可以适应不同的环境，所述第一通信模块4和所述第二通信模块7由4G模块、WIFI模块和以太网模块构成，用于边缘监测终端11和服务器安全风险监管平台12之间的数据转发功能，同时接收用户发送的推流指令，所述4G模块、WIFI模块和以太网模块分别通过各自的统一通信接口与边缘计算设备1和服务器安全风险监管平台12相连接，并可根据实际需要设置默认网关，进而选择最优通信链路；所述供电模块为太阳能供电模块。
进一步的，包括：
所述轻量化深度神经网络模型是指经具有GPU的PC机上训练后，再经TensorRT深度学习推理优化器，可以实现低延迟、高吞吐率的部署推理，即对施工安全风险目标识别具有加速推理能力，可方便部署在任意边缘设备终端，并可实现多个网络摄像机输入视频流信息进行多目标跟踪识别与预警功能。
进一步的，包括：
所述服务器安全风险监管平台12与所述第一摄像头2和所述第二摄像头3电性连接，用于观看指定摄像头实时画面，服务器安全风险监管平台12可按实际需求提供低延时直播功能，管理者可查看指定摄像头的实时画面，同时边缘监测终端可根据深度学习模型检测结果向服务器安全风险监管平台12发送警告信息，实现对监控事件的实时报警触发。
一种应用于基于边缘计算的多视频流安全风险预警系统的方法，包括以下步骤：
S1：所述边缘计算设备判断第一通信模块4联网状态，判断第一通信模块4是否在线；
S2：如果是，向所述边缘计算设备1中的摄像头接口接入所述第一摄像头2和所述第二摄像头3，转至步骤S3；如果否，转至步骤S1；
S3：所述边缘计算设备1读取所述第一摄像头2和所述第二摄像头3的图像信息，根据采集到的图像信息，利用已经部署在边缘计算设备1中的已训练的轻量化深度神经网络模型进行推理，判断摄像头所监测的区域是否有不规范施工的行为并将检测结果实时显示在显示屏上；
S4：如果是，则判定施工人员有不规范施工的行为，所述边缘计算设备1对所述第一摄像头2和所述第二摄像头3中的不规范行为进行截图通过第一通信模块4发送至所述图像存储服务器，同时通过所述第一通信模块4发送报警信息给监管人员；如果否，转至步骤S3；
S5：查询所述流媒体监控服务器是否收到拉流指令；
S6：如果是，则经所述第二通信模块7向所述边缘计算设备1发送推流指令，收到推流指令之后边所述边缘监测终端11向所述流媒体监控服务器9发送指定的摄像头或监控视频信息；如果否，转至步骤S3；
本发明的有益效果如下：
边缘监测终端11利用部署的深度学习算法对边缘端数据进行预处理，对采集的原始视频数据进行深度学习算法分析，并根据识别结果判断是否向服务器安全风险监管平台12发送报警等相关动作，管理人员根据警告信息判断是否需要开启推流请求，从而能够有效提高边缘端数据采集和传输的能力，极大减少冗余数据的产生；服务器安全风险监管平台12融合了流媒体代理和数据备份功能，可根据用户需要完成对边缘监测终端11指定摄像头监控区域的实时监督，从而极大的提高用户与边缘监测终端11的有效交互。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于边缘计算的多视频流安全风险预警系统，其特征在于，包括：
边缘监测终端和服务器安全风险监管平台；所述边缘监测终端和所述服务器安全风险监管平台之间电性连接；
所述边缘监测终端包括：边缘计算设备、第一摄像头、第二摄像头、第一通信模块、供电模块和显示屏；
所述边缘计算设备分别与所述第一摄像头、所述第二摄像头、所述供电模块和显示屏电性连接，所述边缘计算设备通过所述第一通信模块通信连接所述服务器安全风险监管平台；所述第一摄像头和所述第二摄像头用于对目标区域进行实时监测，并将监测内容上传至所述边缘计算设备，所述边缘计算设备用于部署已训练的轻量化深度神经网络模型，对所述第一摄像头和所述第二摄像头的监测内容进行推理判断；所述供电模块为整个装置提供电能；所述显示屏用于实时显示监测结果；
所述服务器安全风险监管平台包括：监测管理平台、流媒体监控服务器、图像存储服务器和第二通信模块；
所述监测管理平台分别与所述流媒体监控服务器和所述图像存储服务器电性连接，所述监测管理平台通过所述第二通信模块及所述第一通信模块通信连接所述边缘计算设备，所述监测管理平台通过所述第二通信模块通信连接监管人员移动端；所述监测管理平台用于接收存在安全隐患的图像或视频；所述图像存储服务器用于将存在安全隐患的图像或视频进行保存和备份；所述流媒体监控服务器用于对所述边缘监测终端采集的数据进行实时推流代理。
2.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统，其特征在于，还包括：
所述边缘计算设备由外围电路、核心板和底板构成，底板用于根据以太网接口数量设计相应电路，连接多个摄像头。
3.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统，其特征在于，包括：
所述第一摄像头和所述第二摄像头为IP防雨广角摄像头，所述第一通信模块和所述第二通信模块由4G模块、WIFI模块或以太网模块构成；所述供电模块为太阳能供电模块。
4.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统，其特征在于，包括：
所述轻量化深度神经网络模型在具有GPU的PC机上训练后，再经TensorRT深度学习推理优化器，部署在所述边缘计算设备上。
5.根据权利要求1所述的基于边缘计算的多视频流安全风险预警系统，其特征在于，包括：
所述服务器安全风险监管平台与所述第一摄像头和所述第二摄像头电性连接，用于观看指定摄像头实时画面。
6.一种应用于基于边缘计算的多视频流安全风险预警系统的方法，其特征在于，包括以下步骤：
S1：边缘计算设备判断第一通信模块联网状态，判断第一通信模块是否在线；
S2：如果是，向边缘计算设备中的摄像头接口接入第一摄像头和第二摄像头，转至步骤S3；如果否，转至步骤S1；
S3：边缘计算设备读取第一摄像头和第二摄像头的图像信息，根据采集到的图像信息，利用已经部署在边缘计算设备中的已训练的轻量化深度神经网络模型进行推理，判断摄像头所监测的区域是否有不规范施工的行为并将识别结果实时显示在显示屏上；
S4：如果是，则判定施工人员有不规范施工的行为，边缘计算设备对第一摄像头和第二摄像头中的不规范行为进行截图通过第一通信模块发送至图像存储服务器，同时通过第一通信模块发送报警信息给监管人员；如果否，转至步骤S3；
S5：查询流媒体监控服务器是否收到拉流指令；
S6：如果是，则第二通信模块向边缘计算设备发送推流指令，收到推流指令之后，边缘监测终端向流媒体监控服务器发送指定的摄像头或监控视频信息；如果否，转至步骤S3。
CN202211223920.0A 2022-10-09 2022-10-09 一种基于边缘计算的多视频流安全风险预警系统及方法 Pending CN115297305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211223920.0A CN115297305A (zh) 2022-10-09 2022-10-09 一种基于边缘计算的多视频流安全风险预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211223920.0A CN115297305A (zh) 2022-10-09 2022-10-09 一种基于边缘计算的多视频流安全风险预警系统及方法

Publications (1)

Publication Number Publication Date
CN115297305A true CN115297305A (zh) 2022-11-04

Family

ID=83834448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211223920.0A Pending CN115297305A (zh) 2022-10-09 2022-10-09 一种基于边缘计算的多视频流安全风险预警系统及方法

Country Status (1)

Country Link
CN (1) CN115297305A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115620240A (zh) * 2022-12-14 2023-01-17 北京泰和佳科技股份有限公司 一种基于可视化的安全管理方法及系统
CN116542674A (zh) * 2023-07-06 2023-08-04 鲁担(山东)数据科技有限公司 一种基于大数据的风险分析评估方法及系统
CN116800991A (zh) * 2022-12-22 2023-09-22 慧之安信息技术股份有限公司 一种基于边缘计算设备的视频推流方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190340904A1 (en) * 2018-05-07 2019-11-07 Hangzhou Eyecloud Technologies Co., Ltd. Door Surveillance System and Control Method Thereof
CN112087528A (zh) * 2020-09-29 2020-12-15 南昌工程学院 一种基于深度学习的水环境智能监测系统及方法
CN114007040A (zh) * 2021-10-13 2022-02-01 昆仑数智科技有限责任公司 基于边缘智能计算的油气视频安全监控方法及装置
CN114038008A (zh) * 2021-10-25 2022-02-11 浪潮软件科技有限公司 一种基于YOLO v5和边缘计算的野生动物巡检系统
CN114422750A (zh) * 2021-12-21 2022-04-29 创乐(上海)信息科技有限公司 一种用于施工安全管理的可移动边缘计算摄像头系统和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190340904A1 (en) * 2018-05-07 2019-11-07 Hangzhou Eyecloud Technologies Co., Ltd. Door Surveillance System and Control Method Thereof
CN112087528A (zh) * 2020-09-29 2020-12-15 南昌工程学院 一种基于深度学习的水环境智能监测系统及方法
CN114007040A (zh) * 2021-10-13 2022-02-01 昆仑数智科技有限责任公司 基于边缘智能计算的油气视频安全监控方法及装置
CN114038008A (zh) * 2021-10-25 2022-02-11 浪潮软件科技有限公司 一种基于YOLO v5和边缘计算的野生动物巡检系统
CN114422750A (zh) * 2021-12-21 2022-04-29 创乐(上海)信息科技有限公司 一种用于施工安全管理的可移动边缘计算摄像头系统和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115620240A (zh) * 2022-12-14 2023-01-17 北京泰和佳科技股份有限公司 一种基于可视化的安全管理方法及系统
CN116800991A (zh) * 2022-12-22 2023-09-22 慧之安信息技术股份有限公司 一种基于边缘计算设备的视频推流方法和系统
CN116542674A (zh) * 2023-07-06 2023-08-04 鲁担(山东)数据科技有限公司 一种基于大数据的风险分析评估方法及系统
CN116542674B (zh) * 2023-07-06 2023-09-26 鲁担(山东)数据科技有限公司 一种基于大数据的风险分析评估方法及系统

Similar Documents

Publication Publication Date Title
CN115297305A (zh) 一种基于边缘计算的多视频流安全风险预警系统及方法
CN104618694B (zh) 一种机房三维动态监测的方法及系统
CN107807593B (zh) 配电房主控装置、主控系统和检测控制方法
CN107277442A (zh) 一种基于智能全景实时视频vr巡检监控装置及监控方法
WO2011087278A2 (ko) 지역별 데이터 수집ㆍ기록 장치를 이용한 시설물 통합 관리시스템
CN202008724U (zh) 智能视频监控系统
CN112288984A (zh) 基于视频融合的三维可视化无人值守变电站智能联动系统
CN105607617A (zh) 一种基于物联网技术的安防故障诊断系统及方法
CN112671104A (zh) 面向复杂场景的变电站多维度场景管控平台
CN113225387A (zh) 机房可视化监控方法及系统
CN110853287A (zh) 一种基于物联网分布式架构的火焰实时监控系统及方法
CN113225212A (zh) 数据中心监控系统、方法及服务器
Fawzi et al. Embedded real-time video surveillance system based on multi-sensor and visual tracking
CN203206397U (zh) 配电网远程可视化综合监控系统
CN115880631A (zh) 一种配电站故障识别系统、方法、介质
CN207895630U (zh) 带环境感知及应急疏散指挥功能的监控系统
CN113858194A (zh) 一种用于施工现场辅助管理的旁站机器人
CN212133871U (zh) 变电站红外测温报警及数据处理系统
CN201876973U (zh) 一种用于轨道交通车站火警的图像烟雾探测系统
CN118011898A (zh) 电力隧道管理控制系统及方法、存储介质及电子设备
CN206180698U (zh) 一种基于树莓派win10系统的电力设备故障巡检装置
CN206075460U (zh) 基于双光同轴图像融合的输电线路外力破坏监测预警系统
CN209895464U (zh) 一种变电站异常监测报警系统
CN112001810A (zh) 基于机器视觉的智能林业巡护系统及方法
CN114979214A (zh) 一种输电线路的智能协同告警系统、方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221104