[发明专利]基于雾计算及深度学习的视频监控方法、系统和可读存储介质

权利要求书

1.一种基于雾计算及深度学习的视频监控方法，其特征在于，包括：

通过视频监控单元采集在监控范围之内的视频数据，实时传输并分段存储于雾计算单元；

每次截取过去X个小时的原始视频数据流，分割成X个时长为1小时的视频段，生成第一视频数据包，X∈N，N为正整数；

每个时长1小时的视频段再分割成20个时长为3分钟的视频段，生成第二视频数据包；

所述第二视频数据包的每个视频段随机再提取Y个关键图像帧，生成第一图像数据包，Y∈N，N为正整数；

对所述第一图像数据包进行图像分析处理，生成第二图像数据包；

将所述第二图像数据包输入训练好的深度卷积网络进行深度学习，根据识别结果判断是否存在异常现象；

所述对所述第一图像数据包进行图像分析处理，其具体步骤为：对第一图像数据包进行有效数据检测，删除无效图像帧；提取有效图像帧的灰度图、LBP特征图、HOG特征图和梯度幅值特征图，生成第二图像数据包；

所述深度卷积网络的建立过程为：

获取大量日常视频监控图像帧作为训练图像集；

提取所述大量日常视频监控图像帧的灰度图、LBP特征图、HOG特征图和梯度幅值特征图；

将所述灰度图、LBP特征图、HOG特征图和梯度幅值特征图分类打包，输入到初始化的深度卷积网络，进一步得到深度卷积特征；

将所述的深度卷积特征输入到分类器，进一步得到预测结果；

根据预测结果进行分析对比，调整深度卷积网络及分类器的初始参数，重复以上深度卷积网络的建立过程的步骤。

2.根据权利要求1所述的一种基于雾计算及深度学习的视频监控方法，其特征在于，所述雾计算单元包括规律性分布在监控区域周边的雾服务器，通过无线局域网络与视频监控单元连接，通过网关与云计算模块连接。

3.根据权利要求1所述的一种基于雾计算及深度学习的视频监控方法，其特征在于，所述雾计算单元通过无线局域网络与终端设备连接，用户可以通过终端设备进行如下操作：

查看实时的监控视频；

调取、回看历史监控视频数据；

观看历史监控视频时进行倍速播放、快进、回调等操作；

设置定时删除、手动删除历史监控视频数据。

4.根据权利要求1所述的一种基于雾计算及深度学习的视频监控方法，其特征在于，若识别结果显示异常，雾服务器将进行如下操作：发出短信通知指令，所述短信将发送到用户绑定的移动端设备，具体内容包括异常图像帧所在的监控位置及监控时间点；将异常图像帧所在的第二视频数据包传输到终端设备，同时传输到云计算模块进行备份并发出异常告警指令；

若识别结果显示正常，则删除第一图像数据包和第二图像数据包。

5.根据权利要求1所述的一种基于雾计算及深度学习的视频监控方法，其特征在于，所述存储于雾计算单元的视频数据，每一段都生成一个哈希值并发送到终端设备，同时发送到云计算模块进行备份。