[发明专利]一种基于视频边缘计算的移动作业过程管控方法及系统

权利要求书

1.一种基于视频边缘计算的移动作业过程管控系统，部署于水电站中，并对水电站中各管控区域进行移动作业过程管控，其特征在于，所述水电站各管控区域内布置有若干边缘计算节点，并对应设置有中心服务器，所述中心服务器与若干边缘计算节点建立通过有线和/或无线通信连接；所述边缘计算节点包括视频采集单元、边缘计算单元、边缘存储单元、边缘通信单元和边缘电池单元；

所述视频采集单元用于对对应管控区域进行实时监控视频；所述边缘计算单元部署有边缘计算模型，并对实时监控视频数据进行视频边缘计算；所述边缘存储单元用于向边缘计算节点提供存储空间；所述边缘通信单元用于建立有线和/或无线通信连接；所述边缘电池单元为带有太阳能电板的供电电池，并向边缘计算节点提供稳定的工作电源；所述中心服务器用于接收边缘计算结果，并对边缘计算节点进行管理、控制、监测、调用和数据存读；

所述边缘计算模型用于对水电站站内外委作业人员的作业行为进行识别与监控；所述作业行为包括正确作业行为与不安全作业行为，并通过边缘计算模型进行实时识别与监控。

2.根据权利要求1所述的一种基于视频边缘计算的移动作业过程管控系统，其特征在于，所述边缘计算模型通过训练样本集对机器学习模型训练得到；所述训练样本集是带有若干标注的样本集，其中，必备的标注包括正确作业行为与不安全作业行为，其余标注通过移动作业过程管控需求进行确定；所述机器学习模型通过采用SFNet网络结构单元进行设置。

3.根据权利要求2所述的一种基于视频边缘计算的移动作业过程管控系统，其特征在于，对所述视频采集单元采集到的实时监控视频进行目标边界框位置约束，以降低边缘计算模型对作业行为的识别难度；所述目标边界框的位置约束通过目标检测算法进行，所述目标检测算法为YOLO算法，通过YOLO算法通过若干单元cell对实时监控视频中每个特征图进行目标检测识别。

4.根据权利要求3所述的一种基于视频边缘计算的移动作业过程管控系统，其特征在于，通过数据扩增将训练样本集中不安全作业行为数据进行针对性的扩充，并加入到机器学习模型的训练中，所述数据扩增的具体扩增方法包括对图像/视频样本进行分割、缩放、旋转、复制、多角度形变，通过人为构造不安全作业行为，并得到模拟样本加入训练样本集进行数据扩增。

5.根据权利要求4所述的一种基于视频边缘计算的移动作业过程管控系统，其特征在于，将扩增后的视频数据作为初始训练集，对指定的机器学习模型进行训练，所述机器学习模型选择KNN/Logistics/Decision tree/byeis/SVM中任一模型进行部署；在训练时，根据预先设置的标注将训练错误的数据挑选出来，并按照指定比例从初始训练集中选取视频数据与训练错误的数据进行混合，形成混合的训练集；之后将混合训练集用于第二阶段的训练，直至机器学习模型收敛。

6.根据权利要求5所述的一种基于视频边缘计算的移动作业过程管控系统，其特征在于，在对边缘计算模型进行训练时，还根据管控区域特性选择边缘计算模型的学习偏好，得到侧重训练边缘计算模型，并将侧重训练边缘计算模型部署于对应管控区域的边缘计算单元中；通过人工设定各管控区域的侧重管控的不安全作业行为，所述侧重管控的不安全作业行为包括一个或者多个；在对边缘计算模型进行训练前，将训练样本集中加入更多侧重管控的不安全作业行为训练样本，使侧重管控的不安全作业行为在训练样本集中的占比达到侧重阈值，得到侧重训练样本集；通过侧重训练样本集对边缘计算模型进行训练，得到侧重训练边缘计算模型。