[发明专利]数据处理方法、装置及系统

权利要求书

1.一种数据处理方法，其特征在于，应用于数据处理系统内的网关，所述网关内设置神经网络加速引擎，所述数据处理系统包括至少一个数据采集器和至少一个受控设备，至少一个所述数据采集器和至少一个所述受控设备均与所述网关连接，所述数据采集器包括设置有神经网络加速引擎的第一数据采集装置和未设置有神经网络加速引擎的第二数据采集装置，所述方法包括：

获取每一所述数据采集器发送的目标数据；

确定所述目标数据是第一目标数据或第二目标数据，所述第一目标数据是所述第一数据采集装置发送至所述网关的数据，所述第一目标数据是所述第一数据采集装置调用所述第一数据采集装置内部的神经网络加速引擎对所述第一数据采集装置采集到的数据进行识别后得到的数据，所述第二目标数据是所述第二数据采集装置采集后直接发送至所述网关的数据；

当确定所述目标数据为所述第一目标数据时，对所述第一目标数据进行分析，得到第一结果；

当确定所述目标数据为所述第二目标数据时，调用所述网关内的神经网络加速引擎对所述第二目标数据进行识别，得到第二结果；

根据识别结果确定对应的至少一个场景信息，所述识别结果包括所述第一结果和/或所述第二结果；

发送与每一所述场景信息对应的控制指令至至少一个所述受控设备，所述控制指令用于指示所述受控设备执行指定操作。

2.根据权利要求1所述的方法，其特征在于，所述当确定所述目标数据为所述第二目标数据时，调用所述网关内的神经网络加速引擎对所述第二目标数据进行识别，得到第二结果，包括：

将所述第二目标数据输入至所述网关内的神经网络加速引擎；

调用所述网关内的神经网络加速引擎中的目标识别模型，并对所述第二目标数据进行识别，以获得第二结果。

3.根据权利要求2所述的方法，其特征在于，所述调用所述神经网络加速引擎中的目标识别模型之前，还包括：

获取目标识别网络；

构建数据集并将所述数据集输入至所述目标识别网络进行训练，得到所述目标识别模型；

将所述目标识别模型存储至所述神经网络加速引擎中。

4.根据权利要求2所述的方法，其特征在于，所述网关内的神经网络加速引擎至少包括一个识别模型；

所述调用所述网关内的神经网络加速引擎中的目标识别模型，并对所述第二目标数据进行识别，以获得第二结果，包括：

确定所述第二目标数据对应的属性信息；

在所述网关内的神经网络加速引擎内的至少一个所述识别模型中，查找所述第二目标数据的属性信息对应的目标识别模型；

调用所述第二目标数据的目标识别模型对所述第二目标数据进行识别，以获得识别结果。

5.根据权利要求1所述的方法，其特征在于，所述获取每一所述数据采集器发送的目标数据，包括：

发送第一获取请求至所述第一数据采集装置，所述第一获取请求用于指示所述第一数据采集装置采集基础数据，且调用所述第一数据采集装置内的神经网络加速引擎分析所述基础数据以得到第一目标数据且将所述第一目标数据返回至所述网关；

获取所述第一目标数据作为所述数据采集器发送的目标数据。

6.根据权利要求1或5所述的方法，其特征在于，所述获取每一所述数据采集器发送的目标数据，还包括：

发送第二获取请求至所述第二数据采集装置，所述第二获取请求用于指示所述第二数据采集装置采集基础数据，所述基础数据为第二目标数据，将所述第二目标数据返回至所述网关；

获取所述第二目标数据作为所述数据采集器发送的目标数据。

7.根据权利要求6所述的方法，其特征在于，所述网关内的神经网络加速引擎与所述第一数据采集装置内的神经网络加速引擎包含相同的识别模型。