[发明专利]一种边缘计算视频数据结构化方法及系统

权利要求书

1.一种边缘计算视频数据结构化方法，其特征在于，包括：

利用图像识别技术，获取边缘计算视频数据中的目标图像；

按照设定的缩小比例P，对所述目标图像进行缩小，产生S个图像并保存所述S个图像，其中，0<P<1；

按照设定的放大比例Q，对所述目标图像进行放大，产生L个图像并保存所述L个图像，其中，1<Q<3；

利用所述卷积神经网络对所述目标图像、所述S个图像及所述L个图像进行计算，分别得到所述目标图像、所述S个图像中各个目标图像及所述L个图像中各个目标图像的类别、坐标位置及类别概率；

根据所述坐标位置，分别计算目标图像、S个图像及L个图像中具有相同类别的目标图像所在边界框的重叠面积，当所述重叠面积大于设定的阈值时，保留类别概率大于设定阈值的目标图像。

2.根据权利要求1所述的边缘计算视频数据结构化方法，其特征在于，所述卷积神经网络为改进过的卷积神经网络，改进过程包括：

将卷积神经网络的全连接层修改为卷积层。

3.根据权利要求1所述的边缘计算视频数据结构化方法，其特征在于，L＝S＝1，P＝0.5，Q＝1.5。

4.一种边缘计算视频数据结构化系统，其特征在于，包括：

获取模块，用于利用图像识别技术，获取边缘计算视频数据中的目标图像；

缩小模块，用于按照设定的缩小比例P，对所述目标图像进行缩小，产生S个图像并保存所述S个图像，其中，0<P<1；

扩大模块，用于按照设定的放大比例Q，对所述目标图像进行放大，产生L个图像并保存所述L个图像，其中，1<Q<3；

计算模块，用于利用所述卷积神经网络对所述目标图像、所述S个图像及所述L个图像进行计算，分别得到所述目标图像、所述S个图像中各个目标图像及所述L个图像中各个目标图像的类别、坐标位置及类别概率；

所述计算模块，用于根据所述坐标位置，分别计算目标图像、S个图像及L个图像中具有相同类别的目标图像所在边界框的重叠面积，当所述重叠面积大于设定的阈值时，保留类别概率大于设定阈值的目标图像。

5.根据权利要求4所述的边缘计算视频数据结构化系统，其特征在于，所述系统还包括：

修改模块，用于将卷积神经网络的全连接层修改为卷积层。