[发明专利]基于边缘计算的图像识别方法、装置、设备及存储介质

说明书

本发明涉及一种基于边缘计算的图像识别方法、装置、设备及存储介质，该方法包括以下步骤：步骤1)，图像获取，通过现场部署摄像头来获取图像；步骤2)，图像识别，根据识别对象的配置信息，并基于yolov5算法识别框架和定制化目标检测模型，识别各路视频流中的感兴趣目标；步骤3)，识别结果发送，对于识别出感兴趣目标的识别结果，向上位机发送。与现有技术相比，本发明具有抗干扰性强、创新性高等优点。

技术领域

本发明涉及图像识别技术，尤其是涉及一种基于边缘计算的图像识别方法、装置、设备及存储介质。

背景技术

随着机器视觉与人工智能技术的发展，基于机器视觉的人工智能应用已广泛应用于各行各业，如人脸检测、行人追踪、目标检测等。然而定制化的人工智能应用在智慧工地应用中仍然存在一定困难：一方面，视觉应用相关的人工智能场景往往需要GPU服务器计算资源予以算力支撑，在部署端实施需要现场机房提供部署条件；另一方面，智慧工地的定制化需求(如保安识别、着装识别)需要对算法模型进行定制化的开发。

目前，边缘端的机器视觉人工智能应用如图像分类、目标定位、目标识别等，为了达到较高的可应用性，需要在应用边缘端部署服务器+GPU显卡算力进行业务处理及模型应用。其缺点是：1、成本高，一台服务器加显卡价格往往达到几万元；2、部署要求高，需要将服务器部署于机房机柜并保证散热条件。

经过检索，中国专利公开号CN214846751U公开了一种基于边缘计算的移动人脸布控装置和系统，具体公开了：通过设置远程通讯模块和远程定位模块能够实现远程通讯，传递位置信息和传递智能处理系统的数据信息，通过设置智能处理系统对图片进行预处理、识别以及利用边缘计算模块对图像信息进行特征提取、比对。但是该现有专利为一种通用化的AI机器视觉应用，一般包括人脸识别、行人识别、安全帽识别、反光衣识别等，已经得到了广泛应用，其性能已经得以证实可靠稳定。但是，在实际应用中，也发现了其存在的缺陷：1、对于人员进出口处，有保安维持现场安全及秩序，其并没有佩戴安全帽的需求，误报警问题需要解决；2、智慧工地要求工人着装符合安全生产规定，不允许穿着短袖短裤进入工地，这一要求并非通用化的机器视觉人工智能场景。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于边缘计算的图像识别方法、装置、设备及存储介质。

本发明的目的可以通过以下技术方案来实现：

根据本发明的第一方面，提供了一种基于边缘计算的图像识别方法，该方法包括以下步骤：

步骤1)，图像获取，通过现场部署摄像头来获取图像；

步骤2)，图像识别，根据识别对象的配置信息，并基于yolov5算法识别框架和定制化目标检测模型，识别各路视频流中的感兴趣目标；

步骤3)，识别结果发送，对于识别出感兴趣目标的识别结果，向上位机发送。

优选地，所述的步骤1)中的摄像头配置具体为：

边缘端工控机基于配置好的RTSP/RTMP流地址，对摄像头的视频流进行配置，从而来获取图像；并采用多线程的形式，分别获取各路视频流信息。

优选地，所述的边缘端工控机对于各个摄像头的识别对象根据需求进行配置。

优选地，所述的步骤2)中的感兴趣目标包括车辆、人员是否佩戴安全帽、人员是否着装短袖短裤。

优选地，所述的步骤2)中的基于yolov5算法识别框架和定制化目标检测模型包括：定制化安全帽识别模型和着装短袖短裤识别模型。

优选地，所述的定制化安全帽识别模型具体为：

基于yolov5算法框架设计模型结构，其中模型训练数据包括佩戴安全帽标注数据、不佩戴安全帽标注数据、现场场景数据和保安标注数据。