[发明专利]基于边云协同计算的路灯杆报警去重分析方法及系统

说明书

本发明公开了基于边云协同计算的路灯杆报警去重分析方法及系统；其中所述方法，包括：边缘网关获取控制中心服务器发送过来的分析请求，如果是连续帧运算分析，则将采集的视频发送给云服务器；如果是非连续帧运算分析，则将采集的视频在边缘网关内部进行处理；所述边缘网关设置在路灯杆内部；云服务器和边缘网关在接收到视频后，均先判断所需计算资源是否超过设定阈值，如果未超过，则对视频进行结构化分析，云服务器将分析结果反馈给边缘网关；边缘网关根据结构化分析结果进行重复数据判断，并根据判断结果向控制中心服务器发送报警信息，同时联动相关设备。

技术领域

本发明涉及边云协同计算和报警数据去重技术领域，特别是涉及基于边云协同计算的路灯杆报警去重分析方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

智能边缘网关具有边缘计算能力，是多功能智慧杆的核心设备。目前，以智慧杆为城市感知神经节点，利用智能边缘网关的分析处理能力和云端平台形成边云协同，对摄像头视频数据进行AI分析已经成为智慧杆、智慧城市建设的发展趋势。

目前视频AI分析算法能够部署在摄像机、智慧杆内的智能边缘网关、运营商处的边缘计算节点和云端。

多功能杆内的智能边缘网关一般位于运营商的边缘计算节点之前、在智能边缘网关之上实现算法报警数据去重可以避免冗余数据的产生，能够避免前端物联感知设备由于重复报警导致的重复联动。另外，智能边缘网关具有尺寸小、低功耗、计算能力较之云端服务器和边缘计算结点计算能力偏弱的特点，因此此类设备在处理重复报警数据时更加需要考虑与云端的协同方式，避免边缘侧数据拥堵的产生，保证报警实时性。

摄像头计算能力有限，对一些复杂算法无法提供足够算力，同时很难在一个摄像头中运行多种视频识别算法。而且，此种方式摄像头与视频识别算法强绑定，后期更换算法过程复杂，不适用与城市治理这种需要对视频识别算法灵活配置的场景。

目前视频AI算法去重大多是通过设置报警时间间隔的方式来实现，这类方式本质上是通过减少报警频率来实现报警数量减少的目标。简单通过降低报警频率会造成报警间隔内产生的报警事件的漏报，如果累积一段时间同样会产生很多重复的报警。为了解决漏报和重复报警问题，一些厂家提出在报警间隔时间内统计报警产生的数量，如果报警数量达到一定的阈值(例如5分钟内，5次)则认为是有效报警，反之则认为是无效报警。这种统计的方式，本质上是是对报警频率进行了进一步的细化，仍然无法解决漏报和重复报警的问题。

发明内容

为了解决现有技术的不足，本发明提供了基于边云协同计算的路灯杆报警去重分析方法及系统；通过在智能边缘网关和云服务器端部署报警去重算法，智能边缘网关根据算法类型，实时监测自身计算能力，动态调用云端资源，实现视频AI报警的高效去重。

第一方面，本发明提供了基于边云协同计算的路灯杆报警去重分析方法；

基于边云协同计算的路灯杆报警去重分析方法，包括：

边缘网关获取控制中心服务器发送过来的分析请求，如果是连续帧运算分析，则将采集的视频发送给云服务器；如果是非连续帧运算分析，则将采集的视频在边缘网关内部进行处理；所述边缘网关设置在路灯杆内部；

云服务器和边缘网关在接收到视频后，均先判断所需计算资源是否超过设定阈值，如果未超过，则对视频进行结构化分析，云服务器将分析结果反馈给边缘网关；

边缘网关根据结构化分析结果进行重复数据判断，并根据判断结果向控制中心服务器发送报警信息，同时联动相关设备。

第二方面，本发明提供了基于边云协同计算的路灯杆报警去重分析系统；

基于边云协同计算的路灯杆报警去重分析系统，包括：边缘网关，所述边缘网关分别与控制中心服务器和云服务器连接；