CN209845008U - 基于片上系统的集群监控系统 - Google Patents

Abstract

本实用新型公开了一种基于片上系统的集群监控系统，该系统包括、监控器子端和服务器终端；所述相机端由监控相机和光源组成；所述监控器子端和监控相机通过CAN总线相连；所述监控器子端包括处理器CPU、存储器、GPS定位系统、SIM网络通信模块，wifi无线通信模块、存储器。本实用新型能有效提升检测的精度和效率，并降低监控系统的架设成本。本实用新型能够解决传统由人监控的不足，降低人力成本，避免由于人长时间监控而疲劳导致异常事件检测的疏漏。

Description

基于片上系统的集群监控系统

技术领域

本实用新型涉及嵌入式操作系统与相关硬件，特别是涉及一种集群视频监控系统。

背景技术

近年来，视频监控已经广泛的应用于校园安防、交通监控和室内监测等环境中。随着监控数量的提升，需要一种快速、稳定的方法来对视频内容进行监控管理，集群监控的观点也顺势被提出。传统的人工监控方法只适用于场景单一、相机数量有限的环境中，而在监控相机数量多、监控场景复杂、非常规行为和持续时间短等情况下，人工方法容易失效。随后引入的机器学习方法，通过深度网络等方法自动分析处理视频内容，得到关键结论，提升了监控质量与效率。但是目前这类算法为了保证其监测精度和效率，通常采用层数较多、架构复杂的深度网络，因而无法在监控端或者移动端完成视频分析，需要将数据上传到高性能服务器进行处理。并且当监控探头数量较少时，对服务器的运行压力较少，但监控探头数量增加时，则需要花费大量成本提升服务器的计算性能、传输带宽宽度等硬件指标，对于集群监控的推广、实施带来很大的困难。

已有的视频监控系统，监控端通常只负责视频的采集、传输，而终端服务器则需要对采集的数据进行、处理以及记录。这样的构造对服务器端有着较高要求，需要有较高的运算能力和较大的带宽宽度，系统搭建成本较高；且不能根据所监视环境的差别，对监控算法进行调整，缺乏灵活性。

现有的技术方案中，监控相机和视频分析相分离，其成本特别高，且对环境部署要求高。

包括以下几个方面：

(1)监控相机采集到的画面需要实时地上传至服务器端，由此视频传输需要带宽成本高，如采用WiFi传输，仅能适用于短距离传输，且有信号被干扰的情况。如采用双绞线等方式传输，需要增加线路的部署，在群体监控条件下，大大增加了部署成本，同时带来诸多如线路管理的不便。

(2)服务器端需要对监控相加采集到的数据进行实时处理，由于目前相机多为高清相机，对此服务器端处理的数据量会很大，同时，一般监控多为群体监控，服务器端需要对多路视频数据进行分析处理，由此服务器端的压力剧增，对此对服务器端的GPU、CPU、内存配置要求非常高，对处理算法要求高。同时采用此C/S结构，多路监控相机连接至服务器，如果一旦服务器端由于处理数据压力过大而导致服务器端发生本内存溢出乃至宕机等问题出现，会直接导致监控系统的崩溃。

(3)监控相机和视频处理相分离会增加系统维护的成本。

发明内容

本实用新型的目的是提供一种基于片上系统的集群监控系统，以弥补现有技术的不足。

针对现有视频监控系统，均在服务器端实现视频内容的分析检测，而终端相机只负责图像的采集和传输工作，当被监控场景较多时，容易大大增加服务器端的运算压力。不适用于实际场景监控需求。本发明所提供的集群监控系统，能根据监控环境的不同，对监控算法进行调整，从而达到监控不同目标的目的。

为达到上述目的，本实用新型采取的具体技术方案为：

一种基于片上系统的集群监控系统，该系统包括、监控器子端和服务器终端；所述相机端由监控相机和光源组成；所述监控器子端和监控相机通过CAN总线相连；所述服务器终端通过wifi与所述监控器子端相连；所述服务器终端包括移动终端，wifi，高性能服务器和存储器；所述相机端进行数据采集，所述监控器子端进行数据处理；所述服务器终端对所述监控子端所处理分析的异常数据进行再次的分析确认，以及对所述监控子端采集的数据进行存储。

进一步的，所述监控器子端中设置一嵌入式单元，包括处理器CPU、存储器、GPS定位系统、SIM网络通信模块，wifi无线通信模块、存储器。

进一步的，所述嵌入式单元采用hikey970开发板，其开发板配有高阶12核Mali-G72MP12图形处理器GPU。

进一步的，所述监控器子端搭载前端深度网络，网络采用残差和瓶颈结构，层数为4层。前端深度网络主要预测3种行为：正常行为、异常行为和疑似行为。

进一步的，所述服务器终端搭载后端深度网络，同样采用残差和瓶颈结构，层数为7层。后端深度网络对异常行为和疑似行为做进一步处理，将异常行为和疑似行为分为非法入侵行为、非法逃离行为、受灾危害行为。

上述系统工作流程：由所述监控相机实时采集视频数据，将采集的视频数据由CAN总线传输至所述嵌入式单元中，运行深度网络，即为视频数据通过CAN总线传入到嵌入式系统后，经过GPU做事件监测，进行视频的处理分析，得到结果；如果分析的结果标记为异常事件，则需要将此次分析处理的视频上传至所述服务器终端，进行再一次的处理；否则，此次视频仅是发送至服务器端进行存储，而不做分析处理。

上述行为定义如下：正常行为即不包含危险动作，在该区域内合法的行为，例如正常的交流、行走等；异常行为与疑似行为，均为包含危险、非法动作的行为，例如人员擅自进入、离开某个特定区域；或可能发生火灾等危险行为。两者区别在于，异常行为在前端深度网络为较高得分的非常正常行为，疑似行为则是获得较低得分的非正常行为。

本实用新型优点和有益效果：

本实用新型明所提出的集群视频监控处理系统，其核心是实现视频的在线分析，即在监控端对视频内容进行处理分析。在一般情况下不将视频数据传输至特定服务器做集中处理，而是分散处理视频内容，实时传输处理结果，服务器负责记录分析结果，并处理特殊情况；这样有效减轻了服务器端的运算压力，降低了系统成本，且终端能根据环境调整算法，具有较高灵活性。

本实用新型能够用于检测厂区内的异物入侵和非法离岗两类异常行为，能有效提升检测的精度和效率，并降低监控系统的架设成本。本实用新型能够解决传统由人监控的不足，降低人力成本，避免由于人长时间监控而疲劳导致异常事件检测的疏漏；本发明通过在监控子端和服务器终端进行两次的视频分析处理，确保可以准确发现异常事件，防止异常事件的误报；本实用新型通过加入了监控子端，监控视频数据在多个监控子端中进行异常事件的检测，服务器端仅对监控子端中检测到的异常事件进行处理，极大的缓解了服务器端的数据处理压力，也就避免了以服务器为中心节点，由服务器宕机而导致的监控系统崩溃。

附图说明

图1为实施例1中集群监控示意图。

图2为本实用新型监控系统架构示意图。

图3为本实用新型检测流程示意图。

图4为本实用新型的前端深度网络结构图。

图5为本实用新型的终端深度网络结构图。

具体实施方式

以下通过具体实施例并结合附图对本实用新型进一步解释和说明。

实施例1：

如图2所示，一种基于片上系统的集群监控系统，该系统包括、监控器子端和服务器终端；所述相机端由监控相机和光源组成；所述监控器子端和监控相机通过CAN总线相连；所述监控器子端包括处理器CPU、存储器、GPS定位系统、SIM网络通信模块，wifi无线通信模块、存储器；所述服务器终端通过wifi与所述监控器子端相连；所述服务器终端包括移动终端，wifi，高性能服务器和存储器；所述相机端进行数据采集，所述监控器子端进行数据处理；所述服务器终端对所述监控子端所处理分析的异常数据进行再次的分析确认，以及对所述监控子端采集的数据进行存储；所述监控器子端中设置一嵌入式单元，该单元配有CPU、GPU、内存和存储器，所述嵌入式单元采用hikey970开发板，其开发板配有高阶12核Mali-G72MP12图形处理器GPU。

如图3所示，上述系统工作流程：由所述监控相机实时采集视频数据，将采集的视频数据由CAN总线传输至所述嵌入式单元中，运行深度学习的事件检测算法，即为视频数据通过CAN总线传入到嵌入式系统后，经过GPU做事件监测，进行视频的处理分析，得到结果；如果分析的结果标记为异常事件，则需要将此次分析处理的视频上传至所述服务器终端，进行再一次的处理；否则，此次视频仅是发送至服务器端进行存储，而不做分析处理。

所述监控器子端搭载前端深度网络，如图4所示，网络采用残差和瓶颈结构，层数为4层。前端深度网络主要预测3种行为：正常行为、异常行为和疑似行为。

所述服务器终端搭载后端深度网络，如图5所示，同样采用残差和瓶颈结构，层数为7层。后端深度网络对异常行为和疑似行为做进一步处理，将异常行为和疑似行为分为非法入侵行为、非法逃离行为、受灾危害行为。

如图1所示，本实用新型系统可以对室内和室外两个应用场景进行检测。通过不同的事件检测算法，室内做办公人员的离岗检测，对室外做入侵检测。

在厂区办公区间内，监控相机主要负责监控人员是否在岗；在物品存储区间内，监控相机主要负责监控是否有非法入侵；而在门岗，监控相机则负责对进出人员和车辆进行捕捉，检测出非注册人员以及车辆。因而在一个大的园区内部，相机端的用途应该根据其所监视区域类型，而发生相应的变化。

所述服务器终端配有高性能GPU处理器，能够并行处理多路视频数，通过传输介质与监控器子端相连接，各个监控器子端的视频数据实时传送至服务器终端，传输的视频数据是经过了监控器子端分析处理后的视频数据和事件检测结果标签数据；其中，标签数据中标明监控相机ID，异常事件的开始时间和结束时间，所述服务器终端通过读取与之对应的监控相机的对应时间内的视频数据，对此段数据进行二次的分析处理，即为对监控子端的异常事件标注进行再次的确认；如果二次的处理结果显示为异常事件，则服务器端需要对此段视频数据进行特殊标注，同时服务器端通过web应用程序向与之连接的APP推送报警信号。注：服务器端web应用程序可以通过Django搭建。如果服务器端的二次处理结果标注为非异常事件，则服务器端仅对视频进行存储而不做特殊处理。

实施例2：

在监狱中部署本实用新型系统，包括、监控器子端和服务器终端；所述相机端由监控相机和光源组成；所述监控器子端和监控相机通过CAN总线相连；所述监控器子端包括处理器CPU、存储器、GPS定位系统、SIM网络通信模块，wifi无线通信模块、存储器；所述服务器终端通过wifi与所述监控器子端相连；所述服务器终端包括移动终端，wifi，高性能服务器和存储器；所述相机端进行数据采集，所述监控器子端进行数据处理；所述服务器终端对所述监控子端所处理分析的异常数据进行再次的分析确认，以及对所述监控子端采集的数据进行存储；所述监控器子端中设置一嵌入式单元，该单元配有CPU、GPU、内存和存储器，所述嵌入式单元采用hikey970开发板，其开发板配有高阶12核Mali-G72MP12图形处理器GPU。

上述系统工作流程：由所述监控相机实时采集视频数据，将采集的视频数据由CAN总线传输至所述嵌入式单元中，运行深度学习的事件检测算法，即为视频数据通过CAN总线传入到嵌入式系统后，经过GPU做事件监测，进行视频的处理分析，得到结果；如果分析的结果标记为异常事件，则需要将此次分析处理的视频上传至所述服务器终端，进行再一次的处理；否则，此次视频仅是发送至服务器端进行存储，而不做分析处理。

部署在监狱环境中，监狱环境具有人员流动性大，需要实时监控，因此监狱中需要大量部署异常监控，如果采用传统的通过人员监控的方式，很容易导致异常事件的忽略，基于中央服务器的方式进行异常事件分析，不仅需要对各个监控端的视频数据进行传输，布线成本高以及实施困难，同时对中央处理的压力过大，需要同时处理多路视频，服务器成本过高，甚至需要部署多台服务器。一旦中央服务器发生故障导致宕机，整个监控系统瘫痪，因此此方式缺点极大。

通过本实用新型的异常事件监控系统，通过在各个监控子端上便进行了异常事件的监测，监测在监狱环境中是否发生打架，或者是否有人离开指定区域，是否有越狱事件发生，在监控子端上直接进行异常结果的提取，此时仅需将异常数据及时传输至服务器，由于异常事件的视频事件片段相对较短，数据量相对较小，所以传输方式可以采用WiFi传输即可，减少对线路部署的要求。另外监控子端也进行了监控视频的存储，如果存储容量达到上限之后，即可将存储的数据上传至服务器中进行保存。无需实时上传，减轻网络传输压力。在服务器接收到异常事件之后，服务器进行二次的确认判断，如果是异常事件则，可以通过短信或者手机app的方式发出相应的报警信息。

由此通过本实用新型系统可以实时地，有效地对监狱环境进行监控，及时发现监狱环境中的异常信息。如果一旦发生异常信息可以及时的给相应的人员予以报警信息，可以有效的避免监狱中发生的各种比如打架斗殴，越狱等事件的发生。

Claims (3)

1.一种基于片上系统的集群监控系统，其特征在于，该系统包括相机端、监控器子端和服务器终端；所述相机端由监控相机和光源组成；所述监控器子端和监控相机通过CAN总线相连；所述监控器子端内设有嵌入式单元；所述服务器终端包括移动终端，wifi，高性能服务器和存储器；所述相机端进行数据采集，所述监控器子端进行数据处理；所述服务器终端对所述监控器子端所处理分析的异常数据进行再次的分析确认，以及对所述监控器子端采集的数据进行存储。

2.如权利要求1所述的集群监控系统，其特征在于，所述监控器子端中设置一嵌入式单元，该单元配有CPU、GPU、内存和存储器。

3.如权利要求1所述的集群监控系统，其特征在于，所述嵌入式单元采用hikey970开发板，其开发板配有高阶12核Mali-G72MP12图形处理器GPU。