一种边端协同智能识别方法及系统

技术领域

本发明涉及边缘计算领域，特别涉及一种边端协同智能识别方法及系统。

背景技术

随着5G、物联网、工业互联网的发展，智能识别将会涉及到云、边、端等端的设备，云边端是一个相依而生、协同运作的方式，他们并不是相互独立的个体。

现有的智能识别的系统如公开号为CN111263126A的中国专利公开的一种视频智能识别与信息推送防范管理系统，公开日为2020.06.09；包括IP摄像头(包括移动摄像头)，该系统还包括视频边缘计算智能识别终端、云端服务器及信息接收终端；所述视频边缘计算智能识别终端用于获取IP摄像头的实时视频流数据，并识别视频流中的人物各种特征、车辆特征信息及加载出实时的环境信息；所述云端服务器包括人物基础档案特征库及信息推送引擎模块，所述人物基础档案特征库用于存储人物基础档案信息并供视频边缘计算智能识别终端识别比对，所述信息推送引擎模块用于接收视频边缘计算智能识别终端识别的人物特征信息及加载的实时环境信息，综合分析处理后生成推送信息；所述信息接收终端用于接收信息推送引擎模块的推送信息并及时反馈来实现防范管理。

上述专利申请提供的一种视频智能识别与信息推送防范管理系统中，边缘侧需对模型进行训练，导致对边缘侧的性能要求过高，生产成本剧增，而且在训练过程中还会导致识别速度、识别准确率极大的降低的问题。

发明内容

为解决上述背景技术中提到的现有的智能识别系统中对边缘侧的性能要求过高，生产成本剧增，而且在训练过程中还会导致识别速度、识别准确率极大的降低的问题，本发明提供一种边端协同智能识别方法，包括如下步骤：

S110、端侧收集数据并将收集到的数据发送至边缘侧；

S120、边缘侧利用初始模型将接收到的端侧的数据信息进行分析、识别、判断并预测结果、将结果反馈至端侧和云端服务器；当边缘侧的预测结果需告警时，边缘侧进行告警；

S130、当端侧接收到需告警的预测结果时，端侧进行告警；

S140、边缘侧将接收到的数据传送至云侧，云侧对边缘侧发送的数据进行收集，并根据收集到的数据对模型进行不断优化，而后将优化、迭代的模型再次推送至边缘侧进行模型的在线升级；同时当云侧接收到边缘侧需告警的预测结果时，云侧进行告警。

进一步的，所述边缘侧为端侧、云侧以及云端服务器的信息中转站。

进一步的，所述边缘侧包括若干可移动和/或不可移动的边缘设备。

进一步的，所述端侧、边缘侧、云侧上设有报警设备；所述报警设备对需告警的预测结果进行告警。

进一步的，所述报警设备通过语音告警和/或网页告警的方式进行告警。

进一步的，所述端侧为摄像头；所述摄像头获取视频后将视频流发送至边缘侧。

进一步的，所述边缘侧可同时接收若干路视频流。

进一步的，所述云端服务器将初始模型推送至边缘侧。

本发明还提供一种边端协同智能识别系统，包括端侧、边缘侧和云端服务器，所述端侧、边缘侧和云端服务器用于执行上述任一项所述的边端协同智能识别方法。

进一步的，所述边缘侧为端侧、云侧以及云端服务器的中转站。

本发明提供的边端协同智能识别方法，通过利用边缘侧接受数据并分析、识别判断，利用远云侧优化、迭代模型的方法，不仅仅降低了对边缘侧性能的要求，降低了生产成本，而且极大的减小了端侧的计算量，最大化利用边缘侧，提高数据计算速度，进而提高优化模型的速度，达到了提高识别精度和速度的目的。

本发明提供的一种边端协同智能识别系统；利用端侧、边缘侧、云侧和云端服务器，实现了利用云侧和数据流对模型进行不断的优化迭代，加快识别速度、提高识别准确率的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的边端协同智能识别方法的示意图。

附图标记：

10端侧 20边缘侧 30云侧

40云端服务器

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”以及类似的词语仅用于描述目的，而不能理解为指示或暗示相对重要性。“连接”或者“相连”等类似词语并非限定与物理或者机械的连接，而是可以包括电性的连接、光连接等，不管是直接的还是间接的。

本发明提供一种边端协同智能识别方法，如图1所示，包括如下步骤：

S110、端侧收集数据并将收集到的数据发送至边缘侧；

S120、边缘侧利用初始模型将接收到的端侧的数据信息进行分析、识别、判断并预测结果、将结果反馈至端侧和云端服务器；当边缘侧的预测结果需告警时，边缘侧进行告警；

S130、当端侧接收到需告警的预测结果时，端侧进行告警；

S140、边缘侧将接收到的数据传送至云侧，云侧对边缘侧发送的数据进行收集，并根据收集到的数据对模型进行不断优化，而后将优化、迭代的模型再次推送至边缘侧进行模型的在线升级；同时当云侧接收到边缘侧需告警的预测结果时，云侧进行告警。

本发明提供的一种边端协同智能识别方法，通过利用边缘侧接受数据并分析、识别判断，利用远云侧优化、迭代模型的方法，不仅仅降低了对边缘侧性能的要求，降低了生产成本，而且极大的减小了端侧的计算量，最大化利用边缘侧，提高数据计算速度，进而提高优化模型的速度，达到了提高识别精度和速度的目的。

优选的，如图1所示，所述边缘侧为端侧、云侧以及云端服务器的信息中转站。

优选的，所述边缘侧包括若干可移动和/或不可移动的边缘设备。

优选的，所述端侧、边缘侧、云侧上设有报警设备；所述报警设备对需告警的预测结果进行告警。

优选的，所述报警设备通过语音告警和/或网页告警的方式进行告警。

具体实施时，语音告警能及时将告警的原因及解决方案准确的传达。

优选的，所述端侧为摄像头；所述摄像头获取视频后将视频流发送至边缘侧。

优选的，所述边缘侧可同时接收若干路视频流。

优选的，如图1所示，所述云端服务器将初始模型推送至边缘侧。

本发明还提供一种边端协同智能识别系统，如图1所示，包括端侧10、边缘侧20和云端服务器40，所述端侧10、边缘侧20和云端服务器40用于执行上述任一项所述的边端协同智能识别方法。

本发明提供的一种边端协同智能识别系统；利用端侧、边缘侧、云侧和云端服务器，实现了利用云侧和数据流对模型进行不断的优化迭代，加快识别速度、提高识别准确率的目的。

优选的，如图1所示，所述边缘侧20为端侧10、云侧30以及云端服务器40的中转站。

尽管本文中较多的使用了诸如端侧、边缘侧、云侧、云端服务器等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。