CN116366803A - 视频监控方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种视频监控方法、装置、设备及存储介质，该视频监控方法包括：第一边缘节点从云端拉取视频识别模型；接收第一监控终端采集的视频流；通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；将所述视频流对应的识别结果上传至所述云端。

Description

视频监控方法、装置、设备及存储介质

技术领域

本申请涉及通信技术领域，尤其涉及一种视频监控方法、装置、设备及存储介质。

背景技术

相关技术中，云端服务器根据监控终端采集并上传的视频流，对监控终端对应的监控区域的各项指标进行监控。然而，这种视频监控方法至少存在告警滞后的问题。

发明内容

为解决相关技术问题，本申请实施例提供一种视频监控方法、装置、设备及存储介质。

本申请实施例的技术方案是这样实现的：

本申请实施例提供了一种视频监控方法，应用于第一边缘节点，所述方法包括：

从云端拉取视频识别模型；

接收第一监控终端采集的视频流；

通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；

将所述视频流对应的识别结果上传至所述云端。

上述方案中，在所述接收第一监控终端采集的视频流之后，所述方法还包括：

将所述视频流存储至第二边缘节点；其中，所述第二边缘节点表征用于存储视频流的边缘节点。

上述方案中，在所述将所述视频流存储至第二边缘节点时，所述方法包括：

在第二边缘节点的内存使用率小于第一设定阈值的情况下，将第一图像存储至第二边缘节点；或者

在第二边缘节点的内存使用率大于或等于所述第一设定阈值的情况下，基于第一图像对应的图像类型和设定存储时长，确定出第一图像对应的第一指标值，以及在确定出的第一指标值小于第二设定阈值的情况下，将第一图像存储至重新确定出的第二边缘节点；其中，

第二边缘节点为用于存储视频流的主节点或备节点；第一图像表征所述视频流中的任一帧图像。

上述方案中，所述方法还包括：

在确定出的第一指标值大于或等于所述第二设定阈值的情况下，删除第一图像。

上述方案中，所述方法还包括：

基于所述云端下发的存储群组的相关信息，确定出所述存储群组中每个可用节点对应的剩余内存和通信时长；

基于所述存储群组中每个可用节点对应的剩余内存和通信时长，确定出对应的第二指标值；

基于可用节点对应的第二指标值，在剩余内存和通信时长满足第一设定条件的可用节点中，确定出所述存储群组中的主节点和备节点；其中，

通信时长表征所述第一边缘节点访问所述存储群组中的可用节点所需的时长；主节点对应的第二指标值小于备节点对应的第二指标值。

上述方案中，所述方法还包括：

接收所述云端基于消息队列遥测传输MQTT协议下发的控制消息；所述控制消息用于控制第二监控终端；所述控制消息包括所述第二监控终端对应的登陆信息和第一控制指令；

基于所述登陆信息，登陆所述第二监控终端；

将所述第一控制指令封装为基于ONVIF协议的第二控制指令，向登陆的第二监控终端发送所述第二控制指令。

本申请实施例还提供了一种视频监控方法，包括：

向第一边缘节点下发视频识别模型；

接收所述第一边缘节点上报的视频流对应的识别结果；其中，

视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

上述方案中，所述方法还包括：

接收第三边缘节点发送的第一设备信息；所述第一设备信息包括第三监控终端的序列号和访问地址；

在所述序列号合法的情况下，向所述第三边缘节点发送第一IP地址，和/或，向所述第一IP地址对应的第四边缘节点发送所述访问地址；其中，

所述第一IP地址对应的边缘节点的性能分数大于第三设定阈值，且所述第四边缘节点和所述第三边缘节点部署于同一服务网点；所述第一IP地址用于供所述第三监控终端绑定所述第四边缘节点；所述访问地址用于供所述第四边缘节点绑定所述第三监控终端。

上述方案中，基于每个指标值序列和对应的权重序列，确定出性能分数序列；其中，指标值序列表征部署于所述服务网点的边缘节点的设定资源的指标值；

基于确定出的性能分数序列，确定出所述第四边缘节点。

上述方案中，在确定指标值序列时，所述方法包括：

基于第一节点对应的已使用的第一设定资源和第一数值，以及基于第一节点对应的第二数值和第一设定资源的额定值，确定第一节点的第一设定资源对应的第三指标值；

对所有第二节点对应的第三指标值进行排序，得到第一设定资源对应的第一指标值序列；其中，

第一节点表征部署于所述服务网点的任一边缘节点；第二节点表征第三指标值小于第四设定阈值的第一节点；第一设定资源表征第一节点对应的任一种设定资源；第一数值大于第二数值；第二数值表征与第一节点绑定的监控终端的数量。

上述方案中，设定资源包括以下至少之一：

处理器；

内存；

输入端口。

上述方案中，所述第四边缘节点与所述第三监控终端绑定之后，所述方法还包括：

基于所述第四边缘节点在第一指标值序列中对应的第三指标值和对应的实际指标值，确定出对应的相对误差值；

基于确定出的相对误差值以及基于所述第四边缘节点对应的第三指标值在第一指标值序列中的排序序号，更新第一指标值序列对应的权重序列中对应的排序序号对应的权重值。

本申请实施例还提供了一种视频监控装置，包括：

拉取单元，用于从云端拉取视频识别模型；

接收单元，用于接收第一监控终端采集的视频流；

识别单元，用于通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；

发送单元，用于将所述视频流对应的识别结果上传至所述云端。

本申请实施例还提供了一种视频监控装置，包括：

发送单元，用于向第一边缘节点下发视频识别模型；

接收单元，用于接收所述第一边缘节点上报的视频流对应的识别结果；其中，

视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

本申请实施例还提供了一种边缘节点，包括处理器和通信接口，其中，

所述处理器，用于从云端拉取视频识别模型，以及用于通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；

所述通信接口，用于接收第一监控终端采集的视频流；以及用于将所述视频流对应的识别结果上传至所述云端。

本申请实施例还提供了一种云端节点，包括处理器和通信接口，其中，

所述处理器用于控制所述通信接口，向第一边缘节点下发视频识别模型；以及接收所述第一边缘节点上报的视频流对应的识别结果；其中，

视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

本申请实施例还提供了一种节点设备，其特征在于，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，

其中，所述处理器用于运行所述计算机程序时，执行上述应用于边缘节点侧或云端侧的视频监控方法的步骤。

本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述应用于边缘节点侧或云端侧的视频监控方法的步骤。

在本实施例中，边缘节点从云端拉取视频识别模型；接收第一监控终端采集的视频流；通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；将所述视频流对应的识别结果上传至所述云端，以便云端基于识别结果进行告警。由此，通过部署于各服务网点的边缘节点，对部署于对应的服务网点的监控终端采集的视频流进行识别，并将识别结果上传至云端，实现了通过云端与边端协同的方式进行视频监控，可以缩短视频流的传输时间，以及缩短分析视频流所需的时长，在识别出异常情况时云端可以及时告警。

附图说明

图1为相关技术中视频监控系统的示意图；

图2为本申请实施例提供的视频监控方法的交互图；

图3为本申请实施例提供的视频监控系统的示意图；

图4为本申请实施例提供的视频监控系统的架构示意图；

图5为本申请应用实施例提供的存储第一图像的实现流程示意图；

图6为本申请实施例提供的确定主节点和备节点的实现流程示意图；

图7为本申请应用实施例提供的确定主节点和备节点的实现流程示意图；

图8为本申请实施例提供的传输控制指令的示意图；

图9为本申请另一实施例提供的视频监控方法的交互图；

图10为本申请实施例提供的监控终端与边缘节点进行绑定的示意图；

图11为本申请实施例提供的视频监控装置的结构示意图；

图12为本申请另一实施例提供的视频监控装置的结构示意图；

图13为本申请实施例提供的节点设备的硬件组成结构示意图。

具体实施方式

如图1所示，目前主流的监控系统主要采用以云计算为主的技术架构，监控系统的核心组件都部署在云端，云端的模型服务具有客流、热力、空岗等识别能力。部署于服务网点的摄像头等监控终端，将采集到的视频流通过网络传输至云端。云端对接收到的原始素材进行预处理，利用模型服务对预处理后的视频流进行识别，得到识别结果；在识别结果表征存在火灾、空岗等异常情况时，根据识别结果生成告警信息，并根据实际需要存储相应的视频流或图片。由于视频流的数据量较大，传输视频流所需的时间较长，云端接收到的视频流存在时延，导致云端对视频流或图片的分析滞后，存在告警滞后的问题。

基于此，本申请实施例提供了一种视频监控方法，边缘节点从云端拉取视频识别模型；接收第一监控终端采集的视频流；通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；将所述视频流对应的识别结果上传至所述云端，以便云端基于识别结果进行告警。由此，通过部署于各服务网点的边缘节点，对部署于对应的服务网点的监控终端采集的视频流进行识别，并将识别结果上传至云端，实现了通过云端与边端协同的方式进行视频监控，可以缩短视频流的传输时间，以及缩短分析视频流所需的时长，在识别出异常情况时云端可以及时告警。

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图2为本申请实施例提供的视频监控方法的交互图。如图2示出的，视频监控方法包括：

步骤201：第一边缘节点从云端拉取视频识别模型。

这里，第一边缘节点可以从云端拉取最新版本的视频识别模型。第一边缘节点泛指部署于任一服务网点的任一边缘节点。其中，边缘节点为终端或服务器等电子设备，终端包括电脑。每个服务网点部署有至少一个边缘节点和至少一个监控终端。

步骤202：云端节点向第一边缘节点下发视频识别模型。

其中，云端节点为部署于机房的云端监控集群中的节点。云端监控集群用于对所有服务网点的边缘节点和监控终端进行统一监控。

实际应用时，如图3所示，在本实施例中，云端由云端监控集群、模型存储仓库和数据仓库构成。云端监控集群包括多个云端节点，云端节点用于监控视频流，基于边缘节点上报的识别结果生成告警信息。模型存储仓库用于存储视频识别模型，数据仓库用于存储视频流相关的数据。模型存储仓库以及数据仓库可以与云端监控集群分开设置，模型存储仓库以及数据仓库也可以分别部署于云端监控集群中的任一云端节点中。

下面结合图3详细说明，边缘节点从云端拉取视频识别模型的实现过程：

步骤1：云端监控集群中的云端节点在检测到模型存储仓库中的视频识别模型的版本发生变更的情况下，向部署于各服务网点的边端节点中的监控应用发送广播消息，广播消息携带视频识别模型的版本号。

步骤2：边缘节点中的监控应用在本地的视频识别模型的版本号低于广播消息中携带的版本号的情况下，根据广播消息中携带的版本号，从云端的模型存储仓库拉取对应的视频识别模型。

步骤3：边端节点中的监控应用将本地的视频识别模型更新为拉取的视频识别模型。

步骤4：边端节点中的监控应用向云端节点定时上报本地的视频识别模型的版本号，云端节点对比最新要部署的视频识别模型的版本号，如果两者不一致，再次发送广播消息。

步骤203：第一边缘节点接收第一监控终端采集的视频流。

这里，第一监控终端是指与第一边缘节点绑定的任一监控终端。第一边缘节点与第一监控终端部署于同一服务网点。需要说明的是，每个边缘节点可以绑定至少一个监控终端。监控终端包括摄像头、网络视频录像机(NVR，Network Video Recorder)。需要说明的是，监控终端与绑定的边缘节点建立视频流连接，从而传输视频流。

第一监控终端实时采集视频流，并向绑定的第一边缘节点发送实时采集到的视频流。第一边缘节点接收第一监控终端发送的视频流。实际应用时，第一边缘节点通过mapper应用接收第一监控终端发送的视频流。mapper应用是一种用于管理监控终端的应用，mapper应用用于与监控终端建立通信连接，对监控终端进行初始化等控制，以及接收监控终端发送的视频流。需要说明的是，可以用其他应用替代mapper应用。

在一些实施例中，在第一边缘节点接收第一监控终端采集的视频流之后，所述方法还包括：

第一边缘节点将所述视频流存储至第二边缘节点；其中，所述第二边缘节点表征用于存储视频流的边缘节点。

这里，考虑到监控终端的数量较多，监控终端采集到的视频流的数据量较大，直接将视频流上传至云端可能会存在部分数据丢失的风险，并且云端的带宽压力较大，因此，第一边缘节点将视频流存储至第二边缘节点，不直接将视频流存储至云端，从而减轻云端的数据存储压力，以及降低视频流传输过程中可能出现的安全风险。

需要说明的是，第二边缘节点可以是专门用于存储视频流的边缘节点，例如图3中的边缘存储节点。在实际应用时，为了充分利用存储资源，接收视频流的边缘节点也可以作为第二边缘节点，从而不用额外设置专门用于存储视频流的边缘节点，视频监控系统的架构示意图如图4所示。

需要说明的是，在第一边缘节点执行完步骤204，且视频流对应的识别结果包括识别出的设定场景类型和对应的场景图像的情况下，第一边缘节点可以将视频流、识别出的设定场景类型和对应的场景图像，关联存储至第二边缘节点。

需要说明的是，当用户通过云端节点的交互界面查看某个服务网点的监控视频时，云端从该服务网点对应的第二边缘节点中调取监控视频，视频流回传至云端，以便用户查看。

在一些实施例中，在第一边缘节点将所述视频流存储至第二边缘节点时，所述方法包括：

在第二边缘节点的内存使用率小于第一设定阈值的情况下，将第一图像存储至第二边缘节点；或者

在第二边缘节点的内存使用率大于或等于所述第一设定阈值的情况下，基于第一图像对应的图像类型和设定存储时长，确定出第一图像对应的第一指标值，以及在确定出的第一指标值小于第二设定阈值的情况下，将第一图像存储至重新确定出的第二边缘节点；其中，

第二边缘节点为用于存储视频流的主节点或备节点；第一图像表征所述视频流中的任一帧图像。

这里，第一边缘节点将视频流存储至用于存储视频流的主节点和/或备节点，主节点和备节点是随着用于存储视频流的边缘节点的内存使用率动态变化的。

第一边缘节点与第二边缘节点进行通信，获取第二边缘节点的内存使用率，并判断第二边缘节点的内存使用率是否小于第一设定阈值，得到第一判断结果。

在第一判断结果表征第二边缘节点的内存使用率小于第一设定阈值的情况下，将第一图像存储至第二边缘节点。需要说明的是，在第二边缘节点的内存使用率小于第一设定阈值的情况下，如果第一边缘节点存储第一图像失败，那么，第一边缘节点再次尝试将第一图像存储至第二边缘节点，如果重试设定次数，仍然无法将第一图像成功存储第二边缘节点，表征第二边缘节点可能出现故障，第一边缘节点向云端发送关于第二边缘节点的告警信息。

在第一判断结果表征第二边缘节点的内存使用率大于或等于第一设定阈值的情况下，基于第一图像对应的图像类型和设定存储时长，确定出第一图像对应的第一指标值，并判断确定出的第一指标值是否小于第二设定阈值，得到第二判断结果。在第二判断结果表征确定出的第一指标值小于第二设定阈值的情况下，表征第一图像不可删除，此时，第一边缘节点重新确定出用于存储视频流的主节点和备节点，并将第一图像存储至重新确定出的主节点和/或备节点。

其中，基于第一图像对应的图像类型和设定存储时长，确定出第一图像对应的第一指标值的方法如下：

第一边缘节点确定出第一图像所属的图像类型；基于图像类型与图像优先级之间的设定对应关系，确定出第一图像所属的图像类型对应的图像优先级；基于图像优先级与图像权重之间的设定对应关系，确定出第一图像对应的图像权重；基于图像类型与设定存储时长之间的设定对应关系，确定出第一图像所属的图像类型对应的设定存储时长；基于设定存储时长与存储优先级之间的设定对应关系，以及基于第一图像所属的图像类型对应的设定存储时长，确定出第一图像对应的存储优先级；基于存储优先级与存储权重之间的设定对应关系，以及基于第一图像对应的存储优先级，确定出第一图像对应的存储权重。

其中，图像类型至少包括告警类、计算类和普通类。计算类，例如热力计算。告警类，例如火灾告警、偷盗告警等，普通类是指常规的日常监控。告警类的图像优先级最高，计算类的优先级排第二。

基于第一图像对应的图像优先级、图像权重、存储优先级和存储权重，进行加权求和，得到第一图像对应的第一指标值。即，第一指标值＝图像优先级×图像权重+存储优先级×存储权重。其中，图像优先级和存储优先级均为数值。

实际应用时，第一边缘节点中预先存储有第一设定优先级序列和对应的第一设定权重序列、第二设定优先级序列和对应的第二设定权重序列。第一边缘节点基于第一图像所属的图像类型，从第一设定优先级序列中确定出第一图像对应的图像优先级，从第一设定权重序列中，确定出第一图像对应的图像优先级所对应的图像权重；基于第一图像所属的图像类型，从第二设定优先级序列中确定出第一图像对应的存储优先级，从第二设定权重序列中，确定出第一图像对应的存储优先级所对应的存储权重。其中，

第一设定优先级序列通过将每种设定图像类型按照重要程度从高到低的顺序排序得到，设定图像类型的排序序号为对应的图像优先级，重要程度相同的图像类型对应的排序序号相同，具有相同的图像优先级。第一设定权重序列表征图像优先级对应的图像权重，即第一设定权重序列中的图像权重对应的排序序号表征图像优先级。例如，第一图像所属的图像类型在第一设定优先级序列中对应的排序序号为2，第一边缘节点将第一设定权重序列中排序序号为2的图像权重，确定为第一图像对应的图像权重。

第二设定优先级序列通过将每种设定图像类型对应的设定存储时长，按照从长到短的顺序进行排序得到；设定存储时长的排序序号为对应的存储优先级。第二设定权重序列表征存储优先级对应的存储权重，即，第二设定权重序列中的存储权重对应的排序序号表征存储优先级。例如，第一图像所属的图像类型对应的设定存储时长在第二设定优先级序列中对应的排序序号为3，第一边缘节点将第二设定权重序列中排序序号为3的存储权重，确定为第一图像对应的存储权重。其中，设定存储时长由云端下发，也可以预先存储在边缘节点中。

在一些实施例中，在第二边缘节点的内存使用率大于或等于所述第一设定阈值的情况下，所述方法还包括：

第一边缘节点在确定出的第一指标值大于或等于所述第二设定阈值的情况下，删除第一图像。

这里，在第二边缘节点的内存使用率大于或等于第一设定阈值的情况下，表征第二边缘节点的剩余存储空间较少，在确定出的第一指标值大于或等于第二设定阈值的情况下，表征对应的第一图像不重要，可以删除，此时，第一边缘节点删除第一图像。实际应用时，第一边缘节点按照图5所示的流程图存储第一图像。

考虑到第二边缘节点为用于存储视频流的主节点或备节点，第一边缘节点在将视频流存储至第二边缘节点之前，需要确定出用于存储视频流的主节点和备节点。在一些实施例中，如图6所示，所述方法还包括第一边缘节点按照以下步骤确定出用于存储视频流的主节点和备节点：

步骤601：基于所述云端下发的存储群组的相关信息，确定出所述存储群组中每个可用节点对应的剩余内存和通信时长；其中，通信时长表征所述第一边缘节点访问所述存储群组中的可用节点所需的时长。

这里，云端将每个存储群组的相关信息实时下发至对应的边缘节点。其中，每个存储群组可以由部署于同一个省、市或区域的边缘存储节点构成，存储群组用于存储部署于对应省、市或区域的边缘节点接收到的视频流。存储群组的相关信息至少包括存储群组的标识ID、存储群组中各边缘存储节点的标识、IP地址和存储阈值等。当边缘存储节点还可以与监控终端进行绑定的情况下，存储群组的相关信息还可以包括各边缘存储节点接入监控终端的优先级。实际应用时，云端将存储群组的相关信息下发至对应的边缘节点中的节点通信服务NodeService。

第一边缘节点接收云端下发的存储群组的相关信息，将接收到的存储群组的相关信息存储至本地数据库，例如，SQLite数据库；分别与存储群组中的每个边缘存储节点进行通信，获取存储群组中每个可用节点对应的剩余内存，以及记录存储群组中每个可用节点对应的通信时长。其中，

在实际应用时，第一边缘节点可以通过EdgeMesh与存储群组中的边缘存储节点进行通信。

第一边缘节点可以向边缘存储节点请求获取边缘存储节点的剩余内存信息。在第一边缘节点与边缘存储节点之间的网络不通，或者未接收到边缘存储节点发送的反馈消息的情况下，将该边缘存储节点标记为不可用节点，并将不可用节点上报至云端。在接收到边缘存储节点返回的剩余内存的情况下，将该边缘存储节点标记为可用节点。

步骤602：基于所述存储群组中每个可用节点对应的剩余内存和通信时长，确定出对应的第二指标值。

这里，第一边缘节点将获取到的剩余内存从大到小的顺序进行排序，得到剩余内存的优先级序列。其中，剩余内存对应的排序序号为对应的剩余内存对应的优先级。

第一边缘节点将获取到的通信时长按照从小到大的顺序进行排序，得到通信时长的优先级序列。其中，通信时长对应的排序序号为对应的通信时长对应的优先级。

基于剩余内存的优先级序列和内存权重序列，以及基于通信时长的优先级序列和通信时长的权重序列，确定出每个可用节点对应的第二指标值。其中，可用节点的第二指标值＝可用节点的通信时长对应的优先级×通信时长对应的权重+可用节点的剩余内存对应的优先级×内存权重。存储权重序列表征剩余内存的优先级对应的权重值。通信时长的权重序列表征通信时长的优先级对应的权重值。

第一边缘节点基于可用节点的剩余内存，在剩余内存的优先级序列中对应的排序序号，从内存权重序列中确定出该排序序号对应的内存权重，得到可用节点的剩余内存对应的内存权重。例如，在可用节点A的剩余内存对应的排序序号为1的情况下，第一边缘节点将内存权重序列中的第一个内存权重确定为可用节点A对应的内存权重。

第一边缘节点基于可用节点的通信时长在通信时长的优先级序列中对应的排序序号，从通信时长的权重序列中确定出该排序序号对应的权重，得到可用节点的通信时长对应的权重。例如，在可用节点A的通信时长对应的排序序号为2的情况下，第一边缘节点将通信时长的权重序列中的第二个权重确定为可用节点A的通信时长对应的权重。

步骤603：基于可用节点对应的第二指标值，在剩余内存和通信时长满足第一设定条件的可用节点中，确定出所述存储群组中的主节点和备节点；其中，主节点对应的第二指标值小于备节点对应的第二指标值。

这里，云端下发的存储阈值包括设定剩余内存，第一设定条件表征剩余内存大于设定剩余内存，且通信时长小于设定时长。第一边缘节点从可用节点中筛选出剩余内存和通信时长均满足第一设定条件的可用节点；基于可用节点对应的第二指标值，从筛选出的可用节点中，确定出存储群组中的主节点和备节点。主节点和备节点可以是大于设定阈值的第二指标值对应的可用节点中的任一可用节点。实际应用时，第一边缘节点按第二指标值从高到低的顺序，确定出主节点和备节点，主节点对应的第二指标值最高。

需要说明的是，如图7所示，在实际应用时，为了减少第一边缘节点的计算量，可用从可用节点中筛选出剩余内存和通信时长均满足第一设定条件的可用节点之后，再计算可用节点的第二指标值。

在本实施例中，在计算第二指标值时，同时考虑了存储空间和存储速度这两个因素，基于可用节点的第二指标值确定出存储群组中的主节点和备节点，可以减少因存储空间不够而重复确定主节点和备节点所消耗的时间，进而提高存储效率。

步骤204：第一边缘节点通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果。

这里，第一边缘节点将接收到的视频流输入至视频识别模型，从而通过视频识别模型对视频流中的每帧图像进行识别，得到视频识别模型输出的识别结果。其中，视频识别模型用于识别输入的视频流中是否存在设定场景，并在识别出设定场景的情况下，输出的识别结果包括识别出的设定场景类型和对应的场景图像；在输入的视频流中不存在任意设定场景的情况下，输出的识别结果表征未检测到设定场景对应的图像。设定场景包括但不限于火灾、空岗和偷盗等场景，可以根据实际情况进行设置。

需要说明的是，在本实施例中，对训练视频识别模型的方法没有改进，视频识别模型按照现有技术中的模型训练方法训练得到，在此不赘述。

步骤205：第一边缘节点将所述视频流对应的识别结果上传至所述云端。

这里，第一边缘节点将视频流对应的识别结果上传至云端。

步骤206：云端节点接收所述第一边缘节点上报的视频流对应的识别结果；其中，视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

这里，云端基于接收到的识别结果判断是否需要生成对应的告警信息。其中，在识别结果包括识别出的设定场景类型和对应的场景图像的情况下，云端基于识别结果生成对应的告警信息，以通知相关人员进行处理。在识别结果表征未检测到设定场景对应的图像的情况下，忽略接收到的识别结果，不生成对应的告警信息。

在本申请实施例中，第一边缘节点从云端拉取视频识别模型，接收第一监控终端采集的视频流；通过拉取的视频识别模型对接收到的视频流进行识别，得到视频流对应的识别结果；将视频流对应的识别结果上传至云端，云端可以基于识别结果包括识别出的设定场景类型和对应的场景图像，生成对应的告警信息。由此，通过部署于各服务网点的边缘节点，对部署于对应的服务网点的监控终端采集的视频流进行识别，并将识别结果上传至云端，实现了云端与边端协同进行视频监控，可以缩短视频流的传输时间，可以减轻云端的数据处理压力，缩短分析视频流所需的时长，在识别出异常情况时云端可以及时告警。

考虑到在实际应用时，用户可以通过云端的控制中心，控制监控终端执行启动、停止、转动等操作，用户还可以通过云端的控制中心，查看监控终端采集的视频流或图像、修改边缘节点的相关设置以及配置告警条件等。为了提高视频监控系统中用于控制监控终端的指令的传输效率和可靠性，在一些实施例中，所述方法还包括：

第一边缘节点接收所述云端基于消息队列遥测传输MQTT协议下发的控制消息；所述控制消息用于控制第二监控终端；所述控制消息包括所述第二监控终端对应的登陆信息和第一控制指令；

第一边缘节点基于所述登陆信息，登陆所述第二监控终端；

第一边缘节点将所述第一控制指令封装为基于ONVIF协议的第二控制指令，向登陆的第二监控终端发送所述第二控制指令。

这里，云端是指云端节点。用户通过云端的控制中心的交互界面，控制第二监控终端时，云端基于用户针对第二监控终端的相关操作，基于消息队列遥测传输(MQTT，MessageQueuing Telemetry Transport)协议，生成对应的控制消息，并向第一边缘节点发送生成的控制消息。该控制消息为MQTT消息，控制消息用于控制第二监控终端；所述控制消息包括所述第二监控终端对应的登陆信息和第一控制指令。登陆信息可以基于实时流传输协议(RTSP，Real Time Streaming Protocol)生成。

第一边缘节点接收云端下发的控制消息，对接收到的控制消息进行解析，得到控制消息中的登陆信息和第一控制指令；基于解析出的登陆信息，登陆第二监控终端；基于ONVIF协议将解析出的第一控制指令，封装为第二控制指令，并向登陆的第二监控终端发送第二控制指令。

实际应用时，如图8所示，云端可以通过websocket通道将控制消息下发至边端的MQTT消息队列，触发MQTT消息队列向订阅了对应类别的控制消息的所有边缘节点的mapper应用，广播云端下发的控制消息。第一边缘节点在接收到MQTT消息队列广播的控制消息的情况下，通过mapper应用对接收到的控制消息进行解析，得到控制消息中的登陆信息和第一控制指令。第一边缘节点基于解析出的登陆信息，登陆对应的第二监控终端，将第一控制指令封装为基于ONVIF协议的第二控制指令，通过摄像头连接服务向已登陆的第二监控终端发送第二控制指令。第二终端设备在接收到第二控制指令的情况下，调用相应的设备控制接口执行第二控制指令对应的预设操作。

在本实施例中，云端向边缘节点发送MQTT协议的控制消息；边缘节点将MQTT协议的控制消息中的控制指令，封装为ONVIF协议的控制指令，并向登陆的监控终端发送ONVIF协议的控制指令。由于MQTT协议的控制消息和ONVIF协议的控制指令都是轻量级的消息，不仅提高了指令传输效率，即使在弱网条件下，也可以成功传输，提高了指令传输的可靠性。

考虑到监控终端传输视频流之前，需要先绑定边缘节点。在一些实施例中，如图9所示，所述方法还包括：

步骤901：第三监控终端向第三边缘节点发送第一设备信息；所述第一设备信息包括第三监控终端的序列号和访问地址。

这里，第三监控终端泛指部署于任一服务网点的任一监控终端；第三边缘节点泛指与第三监控终端部署于同一服务网点的任一边缘节点。

第三监控终端在启动后，通过调用设定的代理服务，向第三边缘节点发送第一设备信息；第三边缘节点是设定的代理服务基于负载均衡原理随机确定的边缘节点。

步骤902：第三边缘节点向云端节点发送所述第一设备信息。

实际应用时，如图10所示，第三监控终端与第三边缘节点中的mapper应用建立通信连接，向第三边缘节点中的mapper应用发送第一设备信息。第三边缘节点中的mapper应用将接收到的第一设备信息传输至第三边缘节点中监控应用，第三边缘节点中监控应用向云端上报第一设备信息。

步骤903：云端节点接收第三边缘节点发送的第一设备信息，判断所述第一设备信息中的序列号是否合法。

这里，云端节点在接收到第三边缘节点发送的第一设备信息的情况下，基于预先存储的已登记的序列号，判断第一设备信息中的序列号是否为已登记的序列号，从而判断第一设备信息中的序列号是否合法。其中，在第一设备信息中的序列号为已登记的序列号的情况下，表征第一设备信息中的序列号合法，第三监控终端为可信的监控终端；在第一设备信息中的序列号不是已登记的序列号的情况下，表征第一设备信息中的序列号非法，第三监控终端为不可信的监控终端。

步骤904：云端节点在所述序列号合法的情况下，向所述第三边缘节点发送第一IP地址，和/或，向所述第一IP地址对应的第四边缘节点发送所述访问地址；其中，

所述第一IP地址对应的边缘节点的性能分数大于第三设定阈值，且所述第一IP地址对应的边缘节点和所述第三边缘节点部署于同一服务网点；所述第一IP地址用于供所述第三监控终端绑定第四边缘节点；所述访问地址用于供所述第四边缘节点绑定所述第三监控终端。

这里，在第一设备信息中的序列号合法的情况下，云端节点确定出部署于第三边缘节点所处的服务网点的所有边缘节点，基于确定出的每个边缘节点的第二设备信息，确定出对应的边缘节点的性能分数；基于边缘节点的性能分数，确定出性能分数大于第三设定阈值的边缘节点，并在确定出的边缘节点中，确定出授权绑定的第四边缘节点，并从第四边缘节点上报的第二设备信息中，确定出第四边缘节点的第一IP地址。实际应用时，第四边缘节点的性能分数最高。

云端节点在确定出第四边缘节点的第一IP地址的情况下，可以向第三边缘节点发送第一IP地址，以便第三边缘节点将第一IP地址转发给第三监控终端，以使第三监控终端基于第一IP地址绑定第四边缘节点，以及与第四边缘节点建立视频流连接。视频流连接用于传输视频流。需要说明的是，第三监控终端在接收到第一IP地址的情况下，发送的请求信息携带第一IP地址，以便设定的代理服务将请求信息路由到第一IP地址对应的第四边缘节点。实际应用时，第一IP地址作为请求信息的header头的edge_host字段的值。

云端节点在确定出第四边缘节点的第一IP地址的情况下，可以向第四边缘节点发送第一设备信息中的访问地址，以便第四边缘节点在接收到访问地址的情况下，与第三监控终端建立绑定关系，以及主动与第三监控终端建立视频流连接。需要说明的是，在第一IP地址与第三边缘节点的IP地址相同的情况下，表征第四边缘节点与第三边缘节点为同一个边缘节点。

需要说明的是，部署于每个服务网点的每个边缘节点，在与云端节点建立通信连接的情况下，将各自的第二设备信息上报云端。第二设备信息包括以下至少之一：处理器(CPU，Central Processing Unit)信息、内存信息、占用的输入输出(I/O，input/output)端口、已绑定的监控终端的总数。处理器信息至少包括CPU使用率，还可以包括CPU的内核数量。内存信息至少包括内存使用率，也可以包括最大内存和已使用内存，最大内存和已使用内存用于计算内存使用率。

在本实施例中，云端节点基于边缘节点的性能分数，确定出授权绑定的边缘节点。由此，可以针对每个待绑定的监控终端，动态确定授权绑定的边缘节点，避免因边缘节点的性能太低而绑定失败的情况发生，提高监控终端与边缘节点之间的绑定效率，进而可以提高视频流的传输效率。

为了准确地确定出边缘节点的性能分数，在一些实施例中，所述方法还包括通过以下步骤确定边缘节点的性能分数：

云端节点基于每个指标值序列和对应的权重序列，确定出性能分数序列；其中，指标值序列表征部署于所述服务网点的边缘节点的设定资源的指标值；

云端节点基于确定出的性能分数序列，确定出所述第四边缘节点。

这里，云端节点在确定出部署于第三边缘节点所处的服务网点的所有边缘节点的情况下，基于边缘节点的第二设备信息中的已绑定的监控终端的总数以及设定资源的信息，确定出边缘节点的设定资源的指标值；对所有边缘节点的同一设定资源的指标值进行排序，得到该设定资源对应的指标值序列。指标值在指标值序列中所处的位置表征指标值的排序序号。指标值序列中的指标值的排序序号，表征对应的权重值在对应的权重序列所处的位置。即，边缘节点A的设定资源的指标值在对应的指标值序列中排第一，该设定资源对应的权重序列中排第一的权重值，为边缘节点A的设定资源的指标值对应的权重值。

云端节点获取每种设定资源对应的权重序列，权重序列是预先存储的，且权重序列表征设定资源的指标值的排序序号对应的权重值。权重值在权重序列中所处的位置表征权重值的排序序号。需要说明的是，权重序列中的权重可以是固定值，也可以动态更新。

云端节点根据同一种设定资源对应的指标值序列和权重序列，计算出相同的排序序号对应的指标值和权重之积，得到对应的排序序号对应的性能分数，由此，计算出每个排序序号对应的指标值和权重之积，从而得到该种设定资源对应的性能分数序列。

需要说明的是，性能分数序列与设定资源一一对应，性能分数序列的数量与设定资源的种类的数量相同。在确定出至少两个性能分数序列的情况下，将相同的排序序号对应的性能分数相加，得到最终的性能分数序列。

云端节点基于最终的性能分数序列，确定出性能分数大于第三设定阈值的边缘节点，并从性能分数大于第三设定阈值的边缘节点中，确定出授权绑定的边缘节点，即，第一IP地址对应的第四边缘节点。实际应用时，将最终的性能分数序列中，性能分数最高的边缘节点确定为授权绑定的边缘节点。

示例性地，CPU使用率对应的权重列表1＝[CPU第1高的权重值，CPU第2高的权重值，CPU第3高的权重值，...，CPU第N高的权重值]。

内存使用率对应的权重列表2＝[内存使用第1高的权重值，内存使用第2高的权重值，内存使用第3高的权重值，...，内存使用第N高的权重值]。

输入端口使用率对应的权重列表3＝[输入端口使用第1高的权重值，输入端口使用第2高的权重值，输入端口使用第3高的权重值，…，输入端口使用第N高的权重值]。

实际应用时，在设定资源包括CPU、内存和输入端口的情况下，性能分数＝CPU使用率×CPU权重值+内存使用率×内存权重值+输入端口使用率×输入端口的权重值。

示例性地，如果边缘节点A的CPU使用率对应的排序序号为3，内存使用率对应的排序序号为2，输入端口使用率对应的排序序号为1，那么，边缘节点A对应的CPU权重值为权重列表1中排序序号为3的权重值，边缘节点A对应的内存权重值为权重列表2中排序序号为2的权重值，边缘节点A对应的输入端口的权重值为权重列表3中排序序号为1的权重值。

在一些实施例中，设定资源包括以下至少之一：

处理器；

内存；

输入端口。

这里，在设定资源包括处理器的情况下，基于CPU内存使用率确定CPU的指标值；在设定资源包括内存的情况下，基于内存使用率确定内存的指标值；在设定资源包括输入端口的情况下，基于已占用的输入端口数量确定输入端口对应的指标值。

考虑到在实际应用时，有些边缘节点可能会出现在绑定新的监控终端之后出现超负荷，而影响之前绑定的监控终端的视频流传输，为了尽可能减少这种情况发生，在一些实施例中，在确定指标值序列时，所述方法包括：

云端节点基于第一节点对应的已使用的第一设定资源和第一数值，以及基于第一节点对应的第二数值和第一设定资源的额定值，确定第一节点的第一设定资源对应的第三指标值；

云端节点对所有第二节点对应的第三指标值进行排序，得到第一设定资源对应的第一指标值序列；其中，

第一节点表征部署于所述服务网点的任一边缘节点；第二节点表征第三指标值小于第四设定阈值的第一节点；第一设定资源表征第一节点对应的任一种设定资源；第一数值大于第二数值；第二数值表征与第一节点绑定的监控终端的数量。

这里，第一数值＝第二数值+1，表征第一节点已绑定的监控终端的总数+第三监控终端。云端节点基于第一节点对应的已使用的第一设定资源和第一数值，计算出第一乘积；基于第一节点对应的第二数值和第一设定资源的额定值，计算出第二乘积；将第一乘积与第二乘积之商，确定为第一节点的第一设定资源对应的第三指标值。

云端节点在确定出所有第一节点的第一设定资源对应的第三指标值的情况下，丢弃第三指标值大于或等于第四设定阈值的第一节点，得到第二节点；对所有第二节点对应的第三指标值按照从大到小的顺序进行排序，得到第一设定资源对应的第一指标值序列。由此，云端节点按照上述步骤可以确定出每种设定资源对应的指标值序列。

其中，在第一节点的第一设定资源对应的第三指标值大于或等于第四设定阈值的情况下，表征第一节点如果绑定第三监控终端的话，将会超负荷，可能会影响到其他监控终端的正常运转，因此，需要排除。实际应用时，第四设定阈值为90％，当然，也可以根据实际情况设置第四设定阈值。

示例性地，在第一设定资源为CPU的情况下，CPU对应的第三指标值为CPU使用率；在第一设定资源为内存的情况下，内存对应的第三指标值为内存使用率；在第一设定资源为输入端口的情况下，输入端口对应的第三指标值为端口使用率。其中，

CPU使用率＝(已使用的CPU/已绑定的监控终端的数量)×(已绑定的监控终端的数量+1)/CPU的额定值。

内存使用率＝(已使用内存/已绑定的监控终端的数量)×(已绑定的监控终端的数量+1)/最大内存。

输入端口使用率＝(已占用的输入端口的数量/已绑定的监控终端的数量)×(已绑定的监控终端的数量+1)/输入端口的最大数量。

示例性地，CPU对应的第一指标值序列＝[边缘节点A的CPU使用率，边缘节点B接入后的CPU使用率，边缘节点C接入后的CPU使用率，…，边缘节点N的CPU使用率]。

内存对应的第一指标值序列＝[边缘节点B的内存使用率，边缘节点A的内存使用率，边缘节点C的内存使用率，…，边缘节点N的内存使用率]。

输入端口使用率对应的第一指标值序列＝[边缘节点C的输入端口使用率，边缘节点A的输入端口使用率，边缘节点B的输入端口使用率，...，边缘节点N的输入端口使用率]。

考虑到上文中确定出的第三指标值是假定边缘节点绑定第三监控终端时对应的预测值，而预测值跟实际值之间可能存在偏差，为了后续计算出的第三指标值更接近对应的实际值，在一些实施例中，所述第一IP地址对应的边缘节点与所述第三监控终端绑定之后，所述方法还包括：

云端节点基于所述第一IP地址对应的边缘节点在第一指标值序列中对应的第三指标值和对应的实际指标值，确定出对应的相对误差值；

云端节点基于确定出的相对误差值以及基于所述第四边缘节点对应的第三指标值在第一指标值序列中的排序序号，更新第一指标值序列对应的权重序列中对应的排序序号对应的权重值。

这里，第一IP地址对应的第四边缘节点与第三监控终端绑定之后，向云端节点上报每种设定资源对应的实际指标值。云端节点接收第四边缘节点上报的每种设定资源对应的实际指标值，基于第四边缘节点在第一指标值序列中对应的第三指标值和对应的实际指标值，确定出对应的相对误差值；其中，相对误差值＝(实际指标值-第三指标值)/第三指标值。

云端节点在确定出相对误差值的情况下，基于第四边缘节点在第一指标值序列中的排序序号，在第一指标值序列对应的权重序列中确定出该排序序号对应的目标权重值，基于确定出的相对误差值和确定出的目标权重值，确定出第四边缘节点在第一指标值序列中的排序序号对应的新的权重值；并将第一指标值序列对应的权重序列中的目标权重值替换为确定出的新的权重值。其中，新的权重值＝目标权重值/(1+相对误差值)。

示例性地，CPU的相对误差值＝(CPU实际使用率-CPU使用率)/CPU使用率；CPU对应的新的权重值＝旧CPU权重值/(1+CPU的相对误差值)。

内存的相对误差值＝(内存实际使用率-内存使用率)/内存使用率；新的内存权重值＝旧内存权重值/(1+内存的相对误差值)。

输入端口的相对误差值＝(输入端口的实际使用率-输入端口的使用率)/输入端口的使用率；输入端口对应的新权重值＝输入端口的旧权重值/(1+输入端口的相对误差值)。

在本实施例中，在第四边缘节点与第三监控终端绑定之后，云端节点基于第三边缘节点的实际指标值以及预测的第三指标值，确定出相对误差值，并基于确定出的相对误差值，更新对应的权重序列对应的排序序号对应的权重值，从而实现自动化更新优化权重序列中的权重值，以提高后续计算出的第三指标值的准确度。

为实现本申请实施例应用于边缘节点侧的视频监控方法，本申请实施例还提供了一种视频监控装置，如图11所示，该视频监控装置包括：

拉取单元111，用于从云端拉取视频识别模型；

接收单元112，用于接收第一监控终端采集的视频流；

识别单元113，用于通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；

发送单元114，用于将所述视频流对应的识别结果上传至所述云端。

在一些实施例中，该视频监控装置还包括：

存储单元，用于将所述视频流存储至第二边缘节点；其中，所述第二边缘节点表征用于存储视频流的边缘节点。

在一些实施例中，所述存储单元具体用于：

在第二边缘节点的内存使用率小于第一设定阈值的情况下，将第一图像存储至第二边缘节点；或者

在第二边缘节点的内存使用率大于或等于所述第一设定阈值的情况下，基于第一图像对应的图像类型和设定存储时长，确定出第一图像对应的第一指标值，以及在确定出的第一指标值小于第二设定阈值的情况下，将第一图像存储至重新确定出的第二边缘节点；其中，

第二边缘节点为用于存储视频流的主节点或备节点；第一图像表征所述视频流中的任一帧图像。

在一些实施例中，所述存储单元还用于：

在确定出的第一指标值大于或等于所述第二设定阈值的情况下，删除第一图像。

在一些实施例中，该视频监控装置还包括：

第一确定单元，用于基于所述云端下发的存储群组的相关信息，确定出所述存储群组中每个可用节点对应的剩余内存和通信时长；

第二确定单元，用于基于所述存储群组中每个可用节点对应的剩余内存和通信时长，确定出对应的第二指标值；

第三确定单元，用于基于可用节点对应的第二指标值，在剩余内存和通信时长满足第一设定条件的可用节点中，确定出所述存储群组中的主节点和备节点；其中，

通信时长表征所述第一边缘节点访问所述存储群组中的可用节点所需的时长；主节点对应的第二指标值小于备节点对应的第二指标值。

在一些实施例中，接收单元112还用于：接收所述云端基于消息队列遥测传输MQTT协议下发的控制消息；所述控制消息用于控制第二监控终端；所述控制消息包括所述第二监控终端对应的登陆信息和第一控制指令；

该视频监控装置还包括：登陆单元，用于基于所述登陆信息，登陆所述第二监控终端；

发送单元114还用于：将所述第一控制指令封装为基于ONVIF协议的第二控制指令，向登陆的第二监控终端发送所述第二控制指令。

实际应用时，拉取单元111、识别单元113、存储单元、第一确定单元、第二确定单元、第三确定单元和登陆单元可通过视频监控装置中的处理器，比如中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Signal Processor)、微控制单元(MCU，Microcontroller Unit)或可编程门阵列(FPGA，Field－Programmable GateArray)等实现。接收单元112和发送单元114可通过视频监控装置中的处理器和通信接口共同实现。

需要说明的是：上述实施例提供的视频监控装置在进行视频监控时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的视频监控装置与应用于边缘节点侧的视频监控方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

为实现本申请实施例应用于云端侧的视频监控方法，本申请实施例还提供了一种视频监控装置，如图12所示，该视频监控装置包括：

发送单元121，用于向第一边缘节点下发视频识别模型；

接收单元122，用于接收所述第一边缘节点上报的视频流对应的识别结果；其中，

视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

在一些实施例中，接收单元122还用于：接收第三边缘节点发送的第一设备信息；所述第一设备信息包括第三监控终端的序列号和访问地址；

发送单元121还用于：在所述序列号合法的情况下，向所述第三边缘节点发送第一IP地址，和/或，向所述第一IP地址对应的第四边缘节点发送所述访问地址；其中，

所述第一IP地址对应的边缘节点的性能分数大于第三设定阈值，且所述第四边缘节点和所述第三边缘节点部署于同一服务网点；所述第一IP地址用于供所述第三监控终端绑定所述第四边缘节点；所述访问地址用于供所述第四边缘节点绑定所述第三监控终端。

在一些实施例中，该视频监控装置还包括：

第一确定单元，用于基于每个指标值序列和对应的权重序列，确定出性能分数序列；其中，指标值序列表征部署于所述服务网点的边缘节点的设定资源的指标值；

第二确定单元，用于基于确定出的性能分数序列，确定出所述第四边缘节点。

在一些实施例中，所述第一确定单元具体用于：

基于第一节点对应的已使用的第一设定资源和第一数值，以及基于第一节点对应的第二数值和第一设定资源的额定值，确定第一节点的第一设定资源对应的第三指标值；

对所有第二节点对应的第三指标值进行排序，得到第一设定资源对应的第一指标值序列；其中，

第一节点表征部署于所述服务网点的任一边缘节点；第二节点表征第三指标值小于第四设定阈值的第一节点；第一设定资源表征第一节点对应的任一种设定资源；第一数值大于第二数值；第二数值表征与第一节点绑定的监控终端的数量。

在一些实施例中，设定资源包括以下至少之一：

处理器；

内存；

输入端口。

在一些实施例中，该视频监控装置还包括：

第三确定单元，用于基于所述第四边缘节点在第一指标值序列中对应的第三指标值和对应的实际指标值，确定出对应的相对误差值；

更新单元，用于基于确定出的相对误差值以及基于所述第四边缘节点对应的第三指标值在第一指标值序列中的排序序号，更新第一指标值序列对应的权重序列中对应的排序序号对应的权重值。

实际应用时，第一确定单元、第二确定单元、第三确定单元和更新单元可通过视频监控装置中的处理器，比如中央处理器(CPU，Central Processing Unit)、数字信号处理器(DSP，Digital Signal Processor)、微控制单元(MCU，Microcontroller Unit)或可编程门阵列(FPGA，Field－Programmable Gate Array)等实现。发送单元121和接收单元122可通过视频监控装置中的处理器和通信接口共同实现。

需要说明的是：上述实施例提供的视频监控装置在进行视频监控时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的视频监控装置与应用于云端侧视频监控方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供了一种节点设备，节点设备可以是边缘节点或云端节点。图13为本申请实施例提供的节点设备的硬件组成结构示意图，如图13所示，节点设备13包括：

通信接口131，能够与其它设备比如网络设备等进行信息交互；

处理器132，与所述通信接口131连接，以实现与其它设备进行信息交互，用于运行计算机程序时，执行上述边缘节点侧的一个或多个技术方案提供的视频监控方法，或执行上述云端侧的一个或多个技术方案提供的视频监控方法。而所述计算机程序存储在存储器133上。

当然，实际应用时，节点设备13中的各个组件通过总线系统134耦合在一起。可理解，总线系统134用于实现这些组件之间的连接通信。总线系统134除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图13中将各种总线都标为总线系统134。

本申请实施例中的存储器133用于存储各种类型的数据以支持节点设备13的操作。这些数据的示例包括：用于在节点设备13上操作的任何计算机程序。

可以理解，存储器133可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器133旨在包括但不限于这些和任意其它适合类型的存储器。

上述本申请实施例揭示的方法可以应用于处理器132中，或者由处理器132实现。处理器132可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器132中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器132可以是通用处理器、DSP，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。处理器132可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器133，处理器132读取存储器133中的程序，结合其硬件完成前述方法的步骤。

可选地，所述处理器132执行所述程序时实现本申请实施例的各个方法中由终端实现的相应流程，为了简洁，在此不再赘述。

在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的第一存储器133，上述计算机程序可由终端的处理器132执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置、终端和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

需要说明的是，本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

需要说明的是，本发明实施例中的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多个中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，在本申请实例中，“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (18)

1.一种视频监控方法，其特征在于，应用于第一边缘节点，所述方法包括：

从云端拉取视频识别模型；

接收第一监控终端采集的视频流；

通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；

将所述视频流对应的识别结果上传至所述云端。

2.根据权利要求1所述的方法，其特征在于，在所述接收第一监控终端采集的视频流之后，所述方法还包括：

将所述视频流存储至第二边缘节点；其中，所述第二边缘节点表征用于存储视频流的边缘节点。

3.根据权利要求2所述的方法，其特征在于，在所述将所述视频流存储至第二边缘节点时，所述方法包括：

在第二边缘节点的内存使用率小于第一设定阈值的情况下，将第一图像存储至第二边缘节点；或者

在第二边缘节点的内存使用率大于或等于所述第一设定阈值的情况下，基于第一图像对应的图像类型和设定存储时长，确定出第一图像对应的第一指标值，以及在确定出的第一指标值小于第二设定阈值的情况下，将第一图像存储至重新确定出的第二边缘节点；其中，

第二边缘节点为用于存储视频流的主节点或备节点；第一图像表征所述视频流中的任一帧图像。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在确定出的第一指标值大于或等于所述第二设定阈值的情况下，删除第一图像。

5.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

基于所述云端下发的存储群组的相关信息，确定出所述存储群组中每个可用节点对应的剩余内存和通信时长；

基于所述存储群组中每个可用节点对应的剩余内存和通信时长，确定出对应的第二指标值；

基于可用节点对应的第二指标值，在剩余内存和通信时长满足第一设定条件的可用节点中，确定出所述存储群组中的主节点和备节点；其中，

通信时长表征所述第一边缘节点访问所述存储群组中的可用节点所需的时长；主节点对应的第二指标值小于备节点对应的第二指标值。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收所述云端基于消息队列遥测传输MQTT协议下发的控制消息；所述控制消息用于控制第二监控终端；所述控制消息包括所述第二监控终端对应的登陆信息和第一控制指令；

基于所述登陆信息，登陆所述第二监控终端；

将所述第一控制指令封装为基于ONVIF协议的第二控制指令，向登陆的第二监控终端发送所述第二控制指令。

7.一种视频监控方法，其特征在于，包括：

向第一边缘节点下发视频识别模型；

接收所述第一边缘节点上报的视频流对应的识别结果；其中，

视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

接收第三边缘节点发送的第一设备信息；所述第一设备信息包括第三监控终端的序列号和访问地址；

在所述序列号合法的情况下，向所述第三边缘节点发送第一IP地址，和/或，向所述第一IP地址对应的第四边缘节点发送所述访问地址；其中，

所述第一IP地址对应的边缘节点的性能分数大于第三设定阈值，且所述第四边缘节点和所述第三边缘节点部署于同一服务网点；所述第一IP地址用于供所述第三监控终端绑定所述第四边缘节点；所述访问地址用于供所述第四边缘节点绑定所述第三监控终端。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

基于每个指标值序列和对应的权重序列，确定出性能分数序列；其中，指标值序列表征部署于所述服务网点的边缘节点的设定资源的指标值；

基于确定出的性能分数序列，确定出所述第四边缘节点。

10.根据权利要求9所述的方法，其特征在于，在确定指标值序列时，所述方法包括：

基于第一节点对应的已使用的第一设定资源和第一数值，以及基于第一节点对应的第二数值和第一设定资源的额定值，确定第一节点的第一设定资源对应的第三指标值；

对所有第二节点对应的第三指标值进行排序，得到第一设定资源对应的第一指标值序列；其中，

第一节点表征部署于所述服务网点的任一边缘节点；第二节点表征第三指标值小于第四设定阈值的第一节点；第一设定资源表征第一节点对应的任一种设定资源；第一数值大于第二数值；第二数值表征与第一节点绑定的监控终端的数量。

11.根据权利要求10所述的方法，其特征在于，设定资源包括以下至少之一：

处理器；

内存；

输入端口。

12.根据权利要求11所述的方法，其特征在于，所述第四边缘节点与所述第三监控终端绑定之后，所述方法还包括：

基于所述第四边缘节点在第一指标值序列中对应的第三指标值和对应的实际指标值，确定出对应的相对误差值；

基于确定出的相对误差值以及基于所述第四边缘节点对应的第三指标值在第一指标值序列中的排序序号，更新第一指标值序列对应的权重序列中对应的排序序号对应的权重值。

13.一种视频监控装置，其特征在于，包括：

拉取单元，用于从云端拉取视频识别模型；

接收单元，用于接收第一监控终端采集的视频流；

识别单元，用于通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；

发送单元，用于将所述视频流对应的识别结果上传至所述云端。

14.一种视频监控装置，其特征在于，包括：

发送单元，用于向第一边缘节点下发视频识别模型；

接收单元，用于接收所述第一边缘节点上报的视频流对应的识别结果；其中，

视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

15.一种边缘节点，其特征在于，包括处理器和通信接口，其中，

所述处理器，用于从云端拉取视频识别模型，以及用于通过所述视频识别模型对所述视频流进行识别，得到所述视频流对应的识别结果；

所述通信接口，用于接收第一监控终端采集的视频流；以及用于将所述视频流对应的识别结果上传至所述云端。

16.一种云端节点，其特征在于，包括处理器和通信接口，其中，

所述处理器用于控制所述通信接口，向第一边缘节点下发视频识别模型；以及接收所述第一边缘节点上报的视频流对应的识别结果；其中，

视频流由绑定所述第一边缘节点的监控终端采集；视频流对应的识别结果通过所述视频识别模型得到。

17.一种节点设备，其特征在于，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，

其中，所述处理器用于运行所述计算机程序时，执行以下之一：

权利要求1至6任一项所述的方法的步骤；

权利要求7至12任一项所述的方法的步骤。

18.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下之一：

权利要求1至6任一项所述的方法的步骤；

权利要求7至12任一项所述的方法的步骤。

Images