CN117648199B - 一种基于摄像头的无线边缘计算系统 - Google Patents
一种基于摄像头的无线边缘计算系统 Download PDFInfo
- Publication number
- CN117648199B CN117648199B CN202410124007.8A CN202410124007A CN117648199B CN 117648199 B CN117648199 B CN 117648199B CN 202410124007 A CN202410124007 A CN 202410124007A CN 117648199 B CN117648199 B CN 117648199B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- state
- camera
- behavior
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000007726 management method Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000013500 data storage Methods 0.000 claims abstract description 7
- 230000007774 longterm Effects 0.000 claims abstract description 6
- 230000006399 behavior Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000002787 reinforcement Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000004297 night vision Effects 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一个基于摄像头的无线边缘计算系统。该系统有无线摄像头模块，用于实时收集环境图像和视频数据，然后通过全频段通信协议发送原始数据到设备。边缘设备模块装备了高性能的处理器和内存，能进行大数据量的图像识别和位置计算等任务。系统还包含数据存储部分，可提供临时或长期存储，并有能处理和管理数据及设备交互的数据处理管理模块。系统还包含全协议兼容的无线网络模块和显示模块，用于显示处理后的信息。这种系统不仅提高了数据处理的速度，减少了延迟，也增强了系统整体性能。
Description
技术领域
本发明属于图像处理领域，更具体的说涉及一种基于摄像头的无线边缘计算系统。
背景技术
随着科技的发展和进步，无线通信和计算技术得到了极大的提升，边缘计算作为一种新兴的计算模式，其通过在网络边缘的设备上进行数据的处理和分析，旨在提高数据处理速度，减少网络负载，并提升用户使用体验。此外，摄像头作为数据采集设备的一种，其通过采集环境中的图像信息，为计算提供了丰富的数据源，其应用于众多领域，包括视频监控，智能整车系统，无人驾驶等。
然而，现有的基于摄像头的无线边缘计算系统主要存在以下问题：
1.数据处理效率低：在现有的系统中，摄像头采集的数据需要通过网络传输到云服务器进行处理，这不仅消耗了大量的网络带宽，而且在数据传输过程中可能产生延迟，影响了数据处理的及时性和效率。
2.安全性能不高：摄像头采集的数据在传输过程中可能会遭到恶意攻击，数据的完整性和安全性得不到保障。
3.无法应对复杂环境和场景：现有的摄像头通常只能提供单一的拍摄模式，无法适应复杂的环境和场景。
4.设备管理效率低：在现有的系统中，设备之间的数据交互和处理任务通常需要人工进行管理和协调，这不仅增加了管理成本，而且可能导致设备资源的使用效率不高，影响系统的整体效率。
发明内容
本发明主要解决的技术问题是如何实现摄像头数据的实时采集，边缘计算设备的高效处理，同时保证数据的安全传输和准确解读。特别是如何结合硬件和软件，在系统级别上实现对多设备、多任务、大数据量的调度和管理，以提高无线边缘计算系统的总体性能，提升数据处理和分析的效率和准确性，保障系统的稳定运行。此外，还需要解决如何根据设备状态进行智能分配和均衡负载，如何利用强化学习方法进行权重配置，以进一步优化系统性能和效率。
为了实现上述目的，本发明是采用以下技术方案实现的：该系统包括：
至少一个无线摄像头模块，为环境图片和视频数据的实时采集，并通过无线利用全频段通讯协议将原始数据传输至指定边缘设备；
至少一个边缘设备模块，装载高性能处理器和内存用于接收和执行图像识别、模式识别、定位计算高负载运算任务，使数据处理在源头进行；
数据存储组件，提供临时或长期存储选择，用于存储由边缘设备处理过后的数据或原始数据；
数据处理与管理模块，运载边缘计算软件框架，协调和管理边缘设备之间的交互与处理任务，并从处理后的数据中提取并生成有用信息；
各设备间数据传输的全协议兼容无线网络模块，承载大范围、大数据量的实时通讯任务；
显示模块，与数据处理与管理模块连接，接收并展示生成的有用信息。
进一步地，所述的无线摄像头模块为具有全景、高清、红外夜视多模式拍摄功能，能应对复杂环境和场景。
进一步地，所述的边缘设备模块具有算法加速器，以提高数据处理速度，减少延时。
进一步地，所述的数据处理与管理模块采用自适应算法控制，根据各设备状态自动分配任务，提高系统工作效率和稳定性。
进一步地，所述的全协议兼容无线网络模块包含但不限于Wi-Fi、Bluetooth、4G/5G无线通讯协议。
进一步地，所述的系统包括一个能量管理模块和报警模块，以识别并调节设备工作状态，提高电池寿命；所述的报警模块，在系统检测到预设事件或状态变化时发出提示或报警。
进一步地，所述的数据处理与管理模块结合摄像头采集的数据，生成并输出可视化3D模型。
进一步地，所述的无线网络模块采用加密传输模式，增强数据在传输过程中的安全性。
进一步地，所述的自适应算法控制实现的是任务的分配和负载均衡，根据各设备的当前状态CPU占用率，内存占用率，IO等待时间，自动分配计算任务，从而达到优化系统性能和提高工作效率的目的；
S1数据收集：系统需要定期从每个设备收集其当前的工作状态信息；
S2状态评估：需要在每次任务分配前，通过一个评估函数对每个设备的状态进行评估；评估函数是一个加权函数，它能计算出一个设备的状态得分；
评估函数如下：
其中S是状态得分，C是CPU占用率，M是内存占用率，I是IO等待时间，w1, w2和w3分别是这三个因素的权重；
S3任务分配：将新的计算任务分配给状态得分最低的设备；
S4反馈与调整：根据任务完成的实际效果，任务完成时间、错误率，调整评估函数中权重系数，用于下一轮的任务分配。
进一步地，所述的调整评估函数中权重系数采用强化学习的方法进行调整，具体如下：
将设备的状态作为环境，任务分配作为行为，通过强化学习来得到最佳的权重；
S101初始化：设定Q表的所有值为零，设定学习率α，折扣因子γ；
S102行为选择：基于当前的设备状态，选择一个行为，即任务分配；这个行为是当前Q表中对应设备状态的最优行为，或是随机选择的行为；
S103行为执行及环境反馈：执行选择的行为，并观察环境反馈；环境反馈指的是设备状态的变化；
S104 Q表更新：在得到环境反馈后，利用以下公式进行Q表的更新：
其中，s为当前状态，a为执行的行为，α为学习率，γ为折扣率，r为即时回报，s'为新的状态，a'为在新状态下的最佳行为；
公式包含了两个部分：老的估值和新的估值/>，新旧估值之间的差距即为TD误差，调整Q(s,a)的大小是要减少TD误差；
S105若环境未达到终止状态，则返回S102，否则结束；
这个过程不断迭代，最终会得到一个近似最优的策略；并通过此策略，得到最优的权重配置。
本发明有益效果：
本发明提出了一种基于摄像头的无线边缘计算系统，该系统包含无线摄像头模块、边缘设备模块、数据存储组件和数据处理与管理模块等诸多组件，可以实现数据的实时采集、高效处理与安全传输突出。通过将数据处理任务分配到边缘设备，减少了数据传输延迟，提高了处理速度。同时，利用自适应算法控制和强化学习方法，实现了对设备任务的智能分配和负载均衡，优化了系统性能和效率。上述设计和技术应用，使本发明的系统不仅具有高效处理大数据的能力，也保证了数据传输的安全性，且灵活适应各类计算需求和环境变化。
附图说明
图1为本发明系统框图；
图2为本发明自适应算法流程图；
图3为本发明权重调整流程图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本发明所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
如图1所示，该系统包括：
无线摄像头模块实时采集环境图片和视频数据，之后通过无线全频段通讯协议将原始数据传输至边缘设备模块，边缘设备模块接收来自无线摄像头模块的原始数据，装载高性能处理器和内存，用于执行如图像识别、模式识别和位置计算等高负载运算任务。数据存储组件与边缘设备模块连接，提供临时或长期存储选择，存储来自边缘设备处理过后的数据或原始数据。数据处理与管理模块与边缘设备模块、数据存储组件和显示模块连接，它运载边缘计算软件框架，协调和管理边缘设备之间的交互与处理任务，并从处理后的数据中提取并生成有用信息。无线网络模块负责在各设备间承载大范围、大数据量的实时通讯任务。显示模块与数据处理与管理模块连接，接收并展示由后者生成的有用信息。
能量管理模块和报警模块这两个模块负责识别并调节设备工作状态，提高电池寿命，并在系统检测到预设事件或状态变化时发出提示或报警。
无线摄像头模块，为环境图片和视频数据的实时采集，并通过无线利用全频段通讯协议将原始数据传输至指定边缘设备。所述的无线摄像头模块为具有全景、高清、红外夜视多模式拍摄功能，能应对复杂环境和场景。此模块主要用于实时采集环境的图片和视频数据。采集到的原始数据将通过全频段通讯协议无线传输至指定的边缘设备。模块具备全景、高清、红外夜视等多模式拍摄功能，使其能适应各种复杂环境和场景。
边缘设备模块，装载高性能处理器和内存用于接收和执行图像识别、模式识别、定位计算高负载运算任务，使数据处理在源头进行。所述的边缘设备模块具有算法加速器，以提高数据处理速度，减少延时。此模块装载高性能处理器和内存，用于接收从无线摄像头模块传来的原始数据，并进行图像识别、模式识别、定位计算等高负载运算任务。模块可以有算法加速器以提高数据处理速度，减少延时。
数据存储组件，提供临时或长期存储选择，用于存储由边缘设备处理过后的数据或原始数据；负责存储由边缘设备处理过后的数据或原始数据。可以提供临时或长期存储选择。
数据处理与管理模块，运载边缘计算软件框架，协调和管理边缘设备之间的交互与处理任务，并从处理后的数据中提取并生成有用信息；所述的数据处理与管理模块采用自适应算法控制，根据各设备状态自动分配任务，提高系统工作效率和稳定性。运载边缘计算软件框架，协调和管理边缘设备之间的交互与处理任务。并从处理后的数据中提取并生成有用信息。此模块可以采用自适应算法控制，根据各设备状态自动分配任务，增强系统工作效率和稳定性。同时，与摄像头模块配合，生成并输出可视化的3D模型。
所述的自适应算法控制实现的是任务的分配和负载均衡，根据各设备的当前状态CPU占用率，内存占用率，IO等待时间，自动分配计算任务，从而达到优化系统性能和提高工作效率的目的；
如图2所示，S1数据收集：系统需要定期从每个设备收集其当前的工作状态信息；第一步是数据收集，系统需要定期从每个设备，例如，无线摄像头模块和边缘设备模块等，收集他们当前的工作状态信息。例如，收集CPU占用率、内存占用率、IO等待时间等信息。这些信息用来评估设备的性能和状态，并对其进行优化。
S2状态评估：需要在每次任务分配前，通过一个评估函数对每个设备的状态进行评估；评估函数是一个加权函数，它能计算出一个设备的状态得分；
评估函数如下：
其中S是状态得分，C是CPU占用率，M是内存占用率，I是IO等待时间，w1, w2和w3分别是这三个因素的权重。
在每次任务分配前，系统需要通过一个评估函数对每个设备的状态进行评估。评估函数是一个加权函数，它将设备状态得分作为输出，而CPU占用率、内存占用率、IO等待时间则作为输入。权重系数可以根据实验结果或者实际需求进行设定。
S3任务分配：将新的计算任务分配给状态得分最低的设备；系统会将新的计算任务分配给状态得分最低的设备。这样可以保证系统的负载均衡，避免某个设备过载的情况发生。
S4反馈与调整：根据任务完成的实际效果，任务完成时间、错误率，调整评估函数中权重系数，用于下一轮的任务分配。系统会根据任务完成的实际效果，例如任务完成时间、错误率等，根据这些反馈信息，调整评估函数中的权重系数，这种调整可以采用强化学习的方式，通过不断的实验和学习，寻求最优权重配置，用于下一轮的任务分配。
将设备的状态作为环境，任务分配作为行为，通过强化学习来得到最佳的权重。
如图3所示，所述的调整评估函数中权重系数采用强化学习的方法进行调整，具体如下。
S101初始化：设定Q表的所有值为零，设定学习率α，折扣因子γ；此步骤中，需要初始化一个Q表，这是一个查找表，用于储存每一步的最佳行为及其对应的奖励值。使用强化学习方法时，需要将所有的状态-行为对在Q表中的值置为0。还需设定学习率α和折扣因子γ。学习率决定了新的估值在更新旧的估值上的权重，折扣因子决定了未来奖励在总奖励中占据多大比例。
S102行为选择：基于当前的设备状态，选择一个行为，即任务分配；这个行为是当前Q表中对应设备状态的最优行为，或是随机选择的行为；根据Q表和当前的设备状态，选择一个行为，即任务分配。这个行为可能是当前Q表中对应设备状态的最优行为（即最大的Q值），或是随机选择的行为（为了保证探索性）。
S103行为执行及环境反馈：执行选择的行为，并观察环境反馈；环境反馈指的是设备状态的变化；执行选择的行为，然后观测环境的反馈。环境反馈包括设备状态的变化，例如新的CPU占用率，新的内存占用率等，以及即时奖励，例如完成任务的时间、错误率等。
S104 Q表更新：在得到环境反馈后，利用以下公式进行Q表的更新：
其中，s为当前状态，a为执行的行为，α为学习率，γ为折扣率，r为即时回报，s'为新的状态，a'为在新状态下的最佳行为；
运用Bellman方程根据即时奖励和新状态的最大Q值进行估算更新当前状态-行为的Q值。Q值的更新是为了让Q值接近真实值，而真实值是当前奖励与未来奖励的和。
公式包含了两个部分：老的估值和新的估值/>，新旧估值之间的差距即为TD误差，调整Q(s,a)的大小是要减少TD误差。
S105若环境未达到终止状态，则返回S102，否则结束；
这个过程不断迭代，最终会得到一个近似最优的策略；并通过此策略，得到最优的权重配置。
各设备间数据传输的全协议兼容无线网络模块，承载大范围、大数据量的实时通讯任务；所述的无线网络模块包含但不限于Wi-Fi、Bluetooth、4G/5G无线通讯协议。该模块是整个系统的信息流通渠道，承载大范围、大数据量的实时通讯任务。模块包括Wi-Fi、Bluetooth、4G/5G等无线通讯协议，并设计为加密传输模式，保证数据在传输过程中的安全性。
显示模块，与数据处理与管理模块连接，接收并展示生成的有用信息。与数据处理与管理模块连接，负责接收并展示生成的有用信息。这个模块可使系统处理分析的结果直观化，便于进一步使用。
所述的系统包括一个能量管理模块和报警模块，以识别并调节设备工作状态，提高电池寿命；所述的报警模块，在系统检测到预设事件或状态变化时发出提示或报警。
这个模块的主要作用是监控和管理系统中的能耗情况。它可以对每个设备的工作状态进行实时识别，并据此对设备进行调节，以最大限度地提高电池寿命。例如，它可以在设备闲置时降低其能耗，或在电池电量即将耗尽时自动切换到节能模式，从而有效延长设备的工作时间。此模块可以通过实时监测系统中每个设备的电源使用状况、CPU使用情况、温度等参数，根据这些参数结合预设的管理策略对设备的工作模式进行调整，如降低CPU频率，关闭不必要的功能等，从而实现降低能耗、延长电池使用寿命的目的。此外，能量管理模块也可能会根据电池的剩余电量和设备的工作负载情况，动态调整设备的工作模式，以保证电池的最佳利用。
报警模块的主要功能是在系统中检测到预设事件或状态变化时发出提示或报警。这些预设事件可以包括设备故障、电池电量低、数据异常等等，有助于及时发现并处理可能的问题，确保系统的正常运行。通过对系统中各设备状态的实时监测，包括但不限于电池电量、数据处理结果、系统运行状态等。并且设立阈值，当检测到的参数超出或者低于设定阈值时，会自动触发预设的报警机制，包括但不限于发送报警通知、开启报警声音或灯光等，来提醒用户或者管理员采取相应的行动，如更换电池、检查设备运行状况、排查数据异常等。
实施例一
在车辆无线360度环影监控系统中，我们需要实现这种基于摄像头的无线边缘计算系统。具体实施方式如下：
首先，我们安装一套包含四个无线摄像头的模块在车辆的四个方位，每个摄像头都能实现全景、高清、红外夜视多模式拍摄。这些摄像头随时对车辆周围的环境进行实时拍摄，如拍摄车辆周围的行人、其他车辆等信息。
然后，摄像头模块通过5G无线网络将拍摄的原始图像和视频数据传送到车辆上的边缘设备模块。这个边缘设备模块是一个高性能的处理器，它搭载有数据处理和管理模块以及存储组件。数据处理模块采用自适应算法进行控制，按照先进先出的方式将收到的图像和视频数据进行处理，包括图像识别、模式识别和位置计算等任务。处理结果将被存储在存储组件中。
然后，处理模块还会根据处理结果生成有用的信息，如是否有障碍物、行人或车辆接近等，将这些信息展示到车辆的显示模块上，驾驶员可以通过显示模块看到这些信息，用以判断驾驶状况以及做出相应的反应。
此外，该系统还包括一个能量管理模块和报警模块，用以监控设备的工作状态以及电池使用情况，如果系统检测到设备异常或电池耗尽，报警模块就会发出警告，提醒驾驶员。
该边缘计算系统还可以生成车辆周围环境的3D模型，驾驶员可以通过显示模块看到这个3D模型，详细了解车辆周围的情况。此外，所有的数据传输都采用加密方式，保证数据的安全性。
以此例，我们可以看到这种基于摄像头的无线边缘计算系统在车辆环影监控中的应用就可以实现实时监控、处理和反馈，大大提高了驾驶的安全性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(ReadOnlyMemory，ROM)或随机存储记忆体(RandomABBessMemory，RAM)等。
应当理解，以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对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发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于摄像头的无线边缘计算系统，其特征在于，所述的系统包括：
至少一个无线摄像头模块，为环境图片和视频数据的实时采集，并通过利用全频段通讯协议将原始数据传输至指定边缘设备；
至少一个边缘设备模块，装载高性能处理器和内存用于接收和执行图像识别、模式识别；
数据存储组件，提供临时或长期存储选择，用于存储由边缘设备处理过后的数据或原始数据；
数据处理与管理模块，运载边缘计算软件框架，协调和管理边缘设备之间的交互与处理任务，并从处理后的数据中提取并生成有用信息；
所述的数据处理与管理模块采用自适应算法控制，根据各设备状态自动分配任务；
所述的自适应算法控制，用于任务的分配和负载均衡，根据各设备的当前状态CPU占用率，内存占用率，IO等待时间，自动分配计算任务，优化系统性能和提高工作效率；
S1数据收集：系统定期从每个设备收集其当前的工作状态信息；
S2状态评估：在每次任务分配前，通过一个评估函数对每个设备的状态进行评估；评估函数是一个加权函数，它能计算出一个设备的状态得分；
评估函数如下：
；
其中S是状态得分，C是CPU占用率，M是内存占用率，I是IO等待时间，w1, w2和w3分别是这三个因素的权重；
S3任务分配：将新的计算任务分配给状态得分最低的设备；
S4反馈与调整：根据任务完成的实际效果，任务完成时间、错误率，调整评估函数中权重系数，用于下一轮的任务分配；
所述的调整评估函数中权重系数采用强化学习的方法进行调整，具体如下：
将设备的状态作为环境，任务分配作为行为，通过强化学习来得到最佳的权重；
S101初始化：设定Q表的所有值为零，设定学习率α，折扣因子γ；
S102行为选择：基于当前的设备状态，选择一个行为，即任务分配；这个行为是当前Q表中对应设备状态的最优行为，或是随机选择的行为；
S103行为执行及环境反馈：执行选择的行为，并观察环境反馈；环境反馈指的是设备状态的变化；
S104 Q表更新：在得到环境反馈后，利用以下公式进行Q表的更新：
；
其中，s为当前状态，a为执行的行为，α为学习率，γ为折扣率，r为即时回报，s'为新的状态，a'为在新状态下的最佳行为；
其中，老的估值和新的估值/>，新旧估值之间的差距即为TD误差，调整Q(s,a)的大小是要减少TD误差；
S105若环境未达到终止状态，则返回S102，否则结束；不断迭代，最终会得到一个近似最优的策略；并通过此策略，得到最优的权重配置；
各设备间数据传输的全协议兼容无线网络模块；
显示模块，与数据处理与管理模块连接，接收并展示生成的有用信息。
2.根据权利要求1所述的一种基于摄像头的无线边缘计算系统，其特征在于：所述的无线摄像头模块为具有全景、高清、红外夜视多模式拍摄功能，能应对复杂环境和场景。
3.根据权利要求1所述的一种基于摄像头的无线边缘计算系统，其特征在于：所述的边缘设备模块具有算法加速器，提高数据处理速度，减少延时。
4.根据权利要求1所述的一种基于摄像头的无线边缘计算系统，其特征在于：所述的全协议兼容无线网络模块包含Wi-Fi、Bluetooth、4G/5G无线通讯协议。
5.根据权利要求1所述的一种基于摄像头的无线边缘计算系统，其特征在于：所述的系统还包括一个能量管理模块和报警模块，所述的能量管理模块识别并调节设备工作状态，提高电池寿命；所述的报警模块，在系统检测到预设事件或状态变化时发出提示或报警。
6.根据权利要求1所述的一种基于摄像头的无线边缘计算系统，其特征在于：所述的数据处理与管理模块结合摄像头采集的数据，生成并输出可视化3D模型。
7.根据权利要求1所述的一种基于摄像头的无线边缘计算系统，其特征在于：所述的无线网络模块采用加密传输模式，增强数据在传输过程中的安全性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410124007.8A CN117648199B (zh) | 2024-01-30 | 2024-01-30 | 一种基于摄像头的无线边缘计算系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410124007.8A CN117648199B (zh) | 2024-01-30 | 2024-01-30 | 一种基于摄像头的无线边缘计算系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117648199A CN117648199A (zh) | 2024-03-05 |
| CN117648199B true CN117648199B (zh) | 2024-05-10 |
Family
ID=90050011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410124007.8A Active CN117648199B (zh) | 2024-01-30 | 2024-01-30 | 一种基于摄像头的无线边缘计算系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117648199B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115633382A (zh) * | 2022-10-10 | 2023-01-20 | 电子科技大学 | 面向无线边缘网络中视频流服务的实时目标检测方法 |
| CN116739389A (zh) * | 2023-08-14 | 2023-09-12 | 广东创能科技股份有限公司 | 基于云计算的智慧城市管理方法及系统 |
| CN117084200A (zh) * | 2023-08-22 | 2023-11-21 | 盐城工业职业技术学院 | 应用大数据分析的水产养殖投药控制系统 |
| CN117341712A (zh) * | 2023-09-28 | 2024-01-05 | 西安科技大学 | 基于复杂工况的矿用电动车状态参数估计系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111901573A (zh) * | 2020-08-17 | 2020-11-06 | 泽达易盛（天津）科技股份有限公司 | 一种基于边缘计算的细颗粒度实时监管系统 |
-
2024
- 2024-01-30 CN CN202410124007.8A patent/CN117648199B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115633382A (zh) * | 2022-10-10 | 2023-01-20 | 电子科技大学 | 面向无线边缘网络中视频流服务的实时目标检测方法 |
| CN116739389A (zh) * | 2023-08-14 | 2023-09-12 | 广东创能科技股份有限公司 | 基于云计算的智慧城市管理方法及系统 |
| CN117084200A (zh) * | 2023-08-22 | 2023-11-21 | 盐城工业职业技术学院 | 应用大数据分析的水产养殖投药控制系统 |
| CN117341712A (zh) * | 2023-09-28 | 2024-01-05 | 西安科技大学 | 基于复杂工况的矿用电动车状态参数估计系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117648199A (zh) | 2024-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9361161B2 (en) | Workload routing for managing energy in a data center | |
| CN112650585A (zh) | 一种新型边缘-云协同边缘计算平台、方法及存储介质 | |
| Zhang et al. | An integrated top-down and bottom-up task allocation approach in social sensing based edge computing systems | |
| TW201301052A (zh) | 基於背景資訊之功率及負載管理 | |
| CN107209540A (zh) | 对计算设备上的热修复进行管理 | |
| CN109831524A (zh) | 一种负载均衡处理方法及装置 | |
| CN112187859B (zh) | 物联网业务与边缘网络能力动态映射的方法及电子设备 | |
| CN112162863B (zh) | 一种边缘卸载决策方法、终端及可读存储介质 | |
| Jazayeri et al. | A latency-aware and energy-efficient computation offloading in mobile fog computing: a hidden Markov model-based approach | |
| CN110601935A (zh) | 智能家居操作系统中任务的处理方法、装置及云平台系统 | |
| CN113452566A (zh) | 一种云边端协同资源管理方法及系统 | |
| CN116614385A (zh) | 基于数字孪生的业务调度路径规划方法、装置和设备 | |
| CN114924851A (zh) | 训练任务的调度方法、装置、电子设备和存储介质 | |
| CN110320813A (zh) | 基于物联网操作系统的智能家电控制方法及装置 | |
| CN117648199B (zh) | 一种基于摄像头的无线边缘计算系统 | |
| CN116755867B (zh) | 一种面向卫星云的计算资源调度系统、方法及存储介质 | |
| CN102902593B (zh) | 基于缓存机制的协议分发处理系统 | |
| CN117311973A (zh) | 计算设备调度方法、装置、非易失性存储介质及电子设备 | |
| CN117014389A (zh) | 算网资源配置方法及系统、电子设备、存储介质 | |
| CN114845089B (zh) | 视频画面的传输方法及装置 | |
| CN109587806A (zh) | 一种调度请求发送方法及终端设备 | |
| CN108770014B (zh) | 网络服务器的计算评估方法、系统、装置及可读存储介质 | |
| CN114546647A (zh) | 调度方法和调度装置 | |
| CN111784029A (zh) | 一种雾节点资源分配方法 | |
| CN114936089A (zh) | 资源调度方法、系统、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 |