[发明专利]一种5G MEC分流的电力系统人员行为自动识别系统

说明书

本发明公开一种5G MEC分流的电力系统人员行为自动识别系统，无线CPE接收现场传输的视频信号，并将视频信号转发至5G基站通过5G网络传输至MEC边缘计算服务器，避开公网，实现第一次分流；然后MEC边缘计算服务器对第一次分流结果进行第二次分流得到监控视频流和人员行为流，过滤后的监控视频流发送至中控室主机，人员行为流发送至算法服务器；通过所述算法服务器将对人员行为流进行运动目标检测。通过对数据进行二次分流，针对不同数据选择不同传输路径和计算，实现数据与带宽匹配，既能保证不同类型数据流传输的时效性，又能节约设备部署成本。

技术领域

本发明涉及电力系统安全监控技术领域，具体来说是一种5G MEC分流的电力系统人员行为自动识别系统及方法。

背景技术

近年来，人工智能等新兴技术迅速发展，促使行为检测、目标跟踪等智能算法也得到了广泛应用，如电缆的无人机巡检可对线缆是否存在异物进行分析和识别，极大降低电力安全事故发生的可能性。

随着5G技术和MEC边缘计算服务器的发展，分流技术在一些场景得到应用。目前基于5G MEC边缘计算服务器分流技术是将公网和私网进行分流(5G下沉)，以实现数据安全问题。但是对于数据未进行任何处理，存在非目标数据占用大量带宽，导致计算量大，设备部署成本高。

如申请号为CN202010849583.0公开的一种用于视频监控业务的移动边缘计算系统及装置，该系统中移动边缘计算系统包括：视频监控设备、无线终端和移动边缘计算服务器，视频监控设备通过无线终端连接到移动通信网络中，移动通信网络中的基站后端部署移动边缘计算服务器以提供移动边缘计算服务；无线终端接入到部署有移动边缘计算服务器的移动通信网络中，无线终端在接入通讯网络后，移动边缘计算服务器根据分流规则将本地监控视频内容进行分流，并存储到本地的内容服务器中，移动边缘计算服务器在分流时，还通过预先配置的视频识别和处理策略对本地视频进行处理。该发明通过部署本地边缘计算，能够快速实现计算，进而做出决策和控制，实时性强，但目前采用公网传输前端采集的视频信号，存在传输时延的同时，还存在网络空间安全问题。

根据以上论述，该发明技术仅完成了公网和私网的分流，未对数据进行二次分流，依然存在计算量大、带宽占用量大、设备部署成本高等问题。

发明内容

本发明所要解决的技术问题在于现有分流技术仅完成公网和私网的分流，应用在电力系统的人员安全行为识别方面依然存在计算量大、带宽占用量大。

本发明通过以下技术手段实现解决上述技术问题的：

一种5G MEC分流的电力系统人员行为自动识别系统，现场视频采集设备、无线CPE、5G基站、MEC边缘计算服务器、算法服务器、操作员站主机；所述现场视频采集设备与无线CPE通信连接，无线CPE与5G基站通信连接，5G基站与MEC边缘计算服务器通信连接；所述MEC边缘计算服务器分别与算法服务器和操作员站主机通信连接；所述算法服务器与操作员站主机通信连接；

视频信号分流的具体过程为：

无线CPE接收现场传输的视频信号，并将视频信号转发至5G基站通过5G网络传输至MEC边缘计算服务器，避开公网，实现第一次分流；然后MEC边缘计算服务器对第一次分流结果进行第二次分流得到监控视频流和人员行为流，并将分流结果传输至防火墙进行过滤，过滤后的监控视频流发送至中控室主机，人员行为流发送至算法服务器；通过所述算法服务器将对人员行为流进行运动目标检测，识别视频帧中的人员运动区域，并对运动区域进行特征提取，以提取的特征作为样本在神经网络算法中进行训练并建模，最终完成人员运动行为的分类和识别。

本发明提供的系统，通过5G MEC边缘计算服务器对视频信息进行，分成监控视频流和人员行为流，目标识别仅针对人员行为流，计算量大大降低；根据不同的信息流，部署不同的传输路径和适配的光纤，可最大程度的减少光纤成本和数据处理量，实现数据与带宽匹配，既能保证不同类型数据流传输的时效性，又能节约设备部署成本。