基于边缘计算引擎的数据传输方法、装置及相关设备

技术领域

本发明涉及数据采集及处理技术领域，尤其涉及基于边缘计算引擎的数据传输方法、装置及相关设备。

背景技术

在现有技术中，大多数都是以普通摄像机或者智能摄像机作为安防终端产品，若该类型的安防终端产品要接入大数据平台上，则一定要解决数据的传输和数据的存储两大问题。且传统的摄像机只能录像，不能很好的将有效信息提供给大数据平台。能提供的只能是视频流或一些录像文件，但这给大数据平台处理数据带来了极大的困难。不紧占用了带宽，还十分消耗存储资源，致使成本增加。虽然新一代智能摄像机是可以解决以上两大问题，但是本身的成本较高，全面部署会产生巨大的成本。可见，现有技术中，普通相机接入大平台大数据化存在占用宽带大、存储资源消耗高的问题。

发明内容

本发明实施例提供基于边缘计算引擎的数据传输方法，能够实现将大量的普通相机接入到大数据平台时，降低成本及资源消耗，同时实现数据来源可追溯。

第一方面，本发明实施例提供基于边缘计算引擎的数据传输方法，运用于基于边缘计算引擎的数据传输系统，所述基于边缘计算引擎的数据传输系统包括服务器、边缘计算引擎以及图像采集设备，所述方法包括以下步骤：

通过所述边缘计算引擎获取每台所述图像采集设备采集到的初始视频流，其中，一台所述边缘计算引擎对应多台所述图像采集设备；

分别对每一路所述初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据；

通过预设的AI算法对所述帧数据进行检测，判断所述帧数据中是否存在有效数据；

若所述帧数据中存在所述有效数据，则对所述有效数据进行目标跟踪，从所述有效数据中获取目标数据，并对所述目标数据进行编码，得到目标传输数据，其中，所述目标传输数据存储于所述边缘计算引擎中；

将所述目标传输数据进行标记并传输到所述服务器，其中，一台所述服务器至少对应一台所述边缘计算引擎。

第二方面，本发明实施例还提供基于边缘计算引擎的数据传输装置，运用于基于边缘计算引擎的数据传输系统，所述基于边缘计算引擎的数据传输系统包括服务器、边缘计算引擎以及图像采集设备，包括：

获取模块，用于通过所述边缘计算引擎获取每台所述图像采集设备采集到的初始视频流，其中，一台所述边缘计算引擎对应多台所述图像采集设备；

解码模块，用于分别对每一路所述初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据；

判断模块，用于通过预设的AI算法对所述帧数据进行检测，判断所述帧数据中是否存在有效数据；

编码模块，用于若所述帧数据中存在所述有效数据，则对所述有效数据进行目标跟踪，从所述有效数据中获取目标数据，并对所述目标数据进行编码，得到目标传输数据，其中，所述目标传输数据存储于所述边缘计算引擎中；

传输模块，用于将所述目标传输数据进行标记并传输到所述服务器，其中，一台所述服务器至少对应一台所述边缘计算引擎。

第三方面，本发明实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例提供的基于边缘计算引擎的数据传输方法中的步骤。

第四方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的基于边缘计算引擎的数据传输方法中的步骤。

在本发明实施例中，通过所述边缘计算引擎获取每台所述图像采集设备采集到的初始视频流，其中，一台所述边缘计算引擎对应多台所述图像采集设备；分别对每一路所述初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据；通过预设的AI算法对所述帧数据进行检测，判断所述帧数据中是否存在有效数据；若所述帧数据中存在所述有效数据，则对所述有效数据进行目标跟踪，从所述有效数据中获取目标数据，并对所述目标数据进行编码，得到目标传输数据，其中，所述目标传输数据存储于所述边缘计算引擎中；将所述目标传输数据进行标记并传输到所述服务器，其中，一台所述服务器至少对应一台所述边缘计算引擎。由于在图像采集设备和服务器之间加上边缘计算引擎，通过边缘计算引擎将多路图像采集设备采集到的初始视频流做解码、抽帧然后通过AI算法运算，筛选出目标数据以进行编码得到目标传输数据，并对目标传输数据进行标记，并标记后的目标传输数据回传到服务器上。服务器一端可根据目标传输数据的标记识别其来源(识别对应的边缘计算引擎以及图像采集设备)，实现了数据的可追溯；且还能过滤掉大量的无效数据，筛选出目标数据，以达到视频结构化处理的目的，能够降低对服务器的存储空间的占用成本及不必要的资源浪费。

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简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明实施例提供的基于边缘计算引擎的数据传输系统的示意图；

图2是本发明实施例提供的一种基于边缘计算引擎的数据传输方法的流程图；

图3是本发明实施例提供的另一种基于边缘计算引擎的数据传输方法的流程图；

图3a是本发明实施例提供的另一种基于边缘计算引擎的数据传输方法的流程图；

图4本发明实施例提供的基于边缘计算引擎的数据传输装置的结构示意图；

图5是本发明实施例提供的另一种基于边缘计算引擎的数据传输装置的结构示意图；

图6是本发明实施例提供的另一种基于边缘计算引擎的数据传输装置的结构示意图；

图7是本发明实施例提供的另一种基于边缘计算引擎的数据传输装置的结构示意图；

图8是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

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，所描述的实施例仅仅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。

本申请的说明书和权利要求书及附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参考图1所示，图1为本发明实施例提供的基于边缘计算引擎的数据传输系统的示意图。在本实施例中，基于边缘计算引擎的数据传输方法可以运用于基于边缘计算引擎的数据传输系统1000。在基于边缘计算引擎的数据传输系统1000中包括有服务器1001(大数据平台服务器)、边缘计算引擎1002(边缘计算引擎1、边缘计算引擎2,，,,,,边缘计算引擎m)以及图像采集设备1003(图像采集设备1、图像采集设备2,,,,,,图像采集设备n)。图像采集设备1003与边缘计算引擎1002通过网络通讯连接，边缘计算引擎1002与服务器1001通过网络通讯连接。且1个边缘计算引擎1002可以对应n个图像采集设备1003，1个服务器1001可以对应m个边缘计算引擎1002，其中，n与m大于等于1。

结合如图2所示，图2是本发明实施例提供的一种基于边缘计算引擎的数据传输方法的流程图，基于边缘计算引擎的数据传输方法包括以下步骤：

101、通过边缘计算引擎获取每台图像采集设备采集到的初始视频流，其中，一台边缘计算引擎对应多台图像采集设备。

上述图像采集设备可以是普通摄像机、高清摄像机、也可以是具有摄像机功能的其他电子设备。其中，高清摄像机的类型不限，例如：高清摄像机可以采用海康威视baiHIKVISION、乐橙Lechange、小蚁YI、360智能摄像机等。通过摄像机采集到的初始视频流中，可以包括人脸数据、人形数据、车辆数据等等，且不同的摄像机可以采集不同类型的数据。且上述的初始视频流可以是RTSP码流。

上述的边缘计算引擎硬件上可以采用海思hi3559a作为主控IC，其视频编解码能力最大能支持到并行16路1080P或者是4路4K，在网络通讯方面支持千兆网口。边缘计算引擎中可以包括有进行编码的模块、进行AI算法处理的模块、实现网络通讯的模块以及解码的模块。一台边缘计算引擎最多可以接入16路的普通摄像机码流。缘计算引擎可以用于对摄像机采集到的初始视频流进行解码、抽帧、AI算法处理、对AI算法处理之后得到的数据进行进行重新编码以及对每一个目标数据进行标记。

上述的服务器可以是大数据平台服务器，接收到边缘计算引擎输入的数据后，大数据平台服务器可以进行识别、判断处理等操作。当服务器一端接收到用户通过用户端发送的查询请求时，服务器可以根据查询请求对接收到的目标传输数据进行查询，以查询到与查询请求对应的数据返回给用户端。

需要说明的是，上述基于边缘计算引擎的数据传输方法运行于其上的电子设备可以通过有线连接方式或者无线连接方式进行网络通讯。上述无线连接方式可以包括但不限于3G/4G连接、WiFi(Wireless-Fidelity)连接、蓝牙连接、WiMAX(WorldwideInteroperability for Microwave Access)连接、Zigbee(低功耗局域网协议，又称紫峰协议)连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

102、分别对每一路初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据。

其中，每一个图像采集设备与边缘计算引擎之间都预先创建有独立的处理线程，边缘计算引擎对每一路初始视频流进行解码时便不会混乱。且解码时可以根据获取到每一路初始视频流的时间先后顺序进行解码及抽帧。进行解码得到的数据格式可以为YUV格式，然后对解码后的数据进行抽帧，抽帧时，可以根据预先配置参数设置每秒取多少帧数据，抽帧之后得到会得到帧数据，帧数据可以是图像数据。然后将帧数据传输给预设的AI(Artificial Intelligence)算法进行人工智能处理。

103、通过预设的AI算法对帧数据进行检测，判断帧数据中是否存在有效数据。

其中，AI算法中可以包括有预先训练好的特征识别模型，可以对输入的帧数据进行特征识别，辨别出是否有需要获取的有效数据。上述有效数据可以是用户预定义的数据，例如：帧数据中存在的人脸、人形、车辆等数据为有效数据，帧数据中出现空白、树木、商店或者其他干扰数据为无效数据。每一种有效数据中都包括了各自的特征信息，例如：人形数据中包括的特征有上衣、裤子、鞋子、配饰、帽子、头饰等的颜色以及款式。特征识别模型通过训练集进行不断的训练之后，便具有对上述多种特征进行识别的能力。因此，可以通过AI算法对帧数据进行有效数据的检测。

104、若帧数据中存在有效数据，则对有效数据进行目标跟踪，从有效数据中获取目标数据，并对目标数据进行编码，得到目标传输数据，其中，目标传输数据存储于边缘计算引擎中。

其中，当通过AI算法中的特征识别模型识别到有效数据后，可以通过AI算法中预设的且预先训练好的目标跟踪模型在指定帧数内对每一路中存在的有效数据进行目标跟踪，从有效数据中获取最佳值(目标数据)，然后对目标数据进行重新编码，得到目标传输数据，目标传输数据可以是图像数据。且重新编码得到的目标传输数据可以存储在边缘计算引擎的内存中。

105、将目标传输数据进行标记后传输到服务器，其中，一台服务器至少对应一台边缘计算引擎。

其中，待将目标传输数据向服务器进行传输时，可以先对目标传输数据进行标记。目标传输数据可以包括多路，每一路的来源可以各不相同，其来源可以包括边缘计算引擎来源以及图像采集设备来源，例如：目标传输数据a来自边缘计算引擎1对应的摄像机2，则标记可以为a-1-2，目标传输数据b来自边缘计算引擎5对应的摄像机6，则标记可以为a-5-6。当然，上述示例仅为参考，在本发明实施例中包括但不限于上述标记方式。对目标传输数据进行标记后便可以通过网络通讯连接将其传输到服务器中，在服务器中进行识别等操作。且一台服务器至少对应一台边缘计算引擎。

在本发明实施例中，通过边缘计算引擎获取每台图像采集设备采集到的初始视频流，其中，一台边缘计算引擎对应多台图像采集设备；分别对每一路初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据；通过预设的AI算法对帧数据进行检测，判断帧数据中是否存在有效数据；若帧数据中存在有效数据，则对有效数据进行目标跟踪，从有效数据中获取目标数据，并对目标数据进行编码，得到目标传输数据，其中，目标传输数据存储于边缘计算引擎中；将目标传输数据进行标记并传输到服务器，其中，一台服务器至少对应一台边缘计算引擎。由于在普通摄像机和服务器之间加上边缘计算引擎，通过边缘计算引擎将多路普通摄像机的实时码流(初始视频流)做解码、抽帧然后通过AI算法运算，筛选出目标数据以进行编码得到目标传输数据，并对目标传输数据进行标记，并标记后的目标传输数据回传到服务器上。服务器一端可根据目标传输数据的标记识别其来源(对应的边缘计算引擎以及图像采集设备)，实现了数据的可追溯；且还能过滤掉大量的无效数据，筛选出目标数据，以达到视频结构化处理的目的，能够降低对服务器的存储空间的占用成本及不必要的资源浪费。

如图3所示，图3是本发明实施例提供的另一种基于边缘计算引擎的数据传输方法流程图，基于边缘计算引擎的数据传输方法具体包括以下步骤：

201、通过边缘计算引擎获取每台图像采集设备采集到的初始视频流，其中，一台边缘计算引擎对应多台图像采集设备。

202、分别对每一路初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据。

203、通过预设的AI算法对帧数据进行检测，判断帧数据中是否存在有效数据。

204、若帧数据中存在有效数据，则对有效数据进行目标跟踪，从有效数据中获取目标数据，并对目标数据进行编码，得到目标传输数据，其中，目标传输数据存储于边缘计算引擎中。

205、将目标传输数据进行标记并传输到服务器，其中，一台服务器至少对应一台边缘计算引擎。

206、若帧数据中不存在有效数据，则对帧数据进行销毁。

参考图3a所示，图3a是本发明实施例提供的另一种基于边缘计算引擎的数据传输方法的流程图。其中，当通过AI算法检测到帧数据中不存在有效数据时，可以对帧数据直接进行销毁。这样，可以通过对帧数据进行识别，判断帧数据中是否存在有效数据，当存在有效数据时提取有效数据，对无效数据可以直接进行过滤。若是直接没有检测到有效数据时，则可以直接将帧数据进行销毁。无需将无效数据也进行重新编码及标记，将其发送到服务器中去占用更多的存储，导致资源浪费，且计算过程及存储都会增加成本。

可选的，在步骤205之后，还包括步骤：

207、将存储在边缘计算引擎中的目标传输数据进行销毁。

继续参考图3a所示，其中，当已标记的目标传输数据已经传输到服务器中之后，便可以将对目标数据进行编码后预先存储在边缘计算引擎的内存中未标记的目标传输数据进行删除。这样，当后续有其他的数据继续进行编码时，才会有存储空间。同时，有利于资源高效利用，减少资源浪费。

在本发明实施例中，由于在普通摄像机和服务器之间加上边缘计算引擎，通过边缘计算引擎将多路普通摄像机的实时码流做解码、抽帧然后通过AI算法运算，筛选出目标数据以进行编码得到目标传输数据，并对目标传输数据进行标记，并标记后的目标传输数据回传到服务器上。服务器一端可根据目标传输数据的标记识别其来源(边缘计算引擎以及图像采集设备)，实现了数据的可追溯；且还能过滤掉大量的无效数据，筛选出目标数据，以达到视频结构化处理的目的，能够降低对服务器的存储空间的占用成本及不必要的资源浪费。

如图4所示，图4是本发明实施例提供的一种基于边缘计算引擎的数据传输装置的结构示意图，基于边缘计算引擎的数据传输装置运用于基于边缘计算引擎的数据传输系统，基于边缘计算引擎的数据传输系统包括服务器、边缘计算引擎以及图像采集设备，图像采集设备与边缘计算引擎通过网络通讯连接，边缘计算引擎与服务器通过网络通讯连接，基于边缘计算引擎的数据传输装置400包括：

获取模块401，用于通过边缘计算引擎获取每台图像采集设备采集到的初始视频流，其中，一台边缘计算引擎对应多台图像采集设备；

解码模块402，用于分别对每一路初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据；

判断模块403，用于通过预设的AI算法对帧数据进行检测，判断帧数据中是否存在有效数据；

编码模块404，用于若帧数据中存在有效数据，则对有效数据进行目标跟踪，从有效数据中获取目标数据，并对目标数据进行编码，得到目标传输数据，其中，目标传输数据存储于边缘计算引擎中；

传输模块405，用于将目标传输数据进行标记并传输到服务器，其中，一台服务器至少对应一台边缘计算引擎。

可选的，如图5所示，图5是本发明实施例提供的另一种基于边缘计算引擎的数据传输装置的结构示意图，装置400还包括：

第一销毁模块406，用于若帧数据中不存在有效数据，则对帧数据进行销毁。

可选的，如图6所示，图6是本发明实施例提供的另一种基于边缘计算引擎的数据传输装置的结构示意图，装置400还包括：

第二销毁模块407，用于将存储在边缘计算引擎中的目标传输数据进行销毁。

可选的，如图7所示，图7是本发明实施例提供的另一种基于边缘计算引擎的数据传输装置的结构示意图，装置400还包括：

创建模块408，用于为每台图像采集设备预先创建独立的处理线程，以将图像采集设备上的初始视频流传输到边缘计算引擎。

可选的，初始视频流包括RTSP码流。

可选的，编码模块404还用于在预设帧数内对有效数据进行目标跟踪。

如图8所示，图8是本发明实施例提供的一种电子设备的结构示意图，该电子设备800包括：处理器801、存储器802、网络接口803及存储在存储器802上并可在处理器801上运行的计算机程序，处理器801执行计算机程序时实现实施例提供的基于边缘计算引擎的数据传输方法中的步骤。

具体的，处理器801用于执行以下步骤：

通过边缘计算引擎获取每台图像采集设备采集到的初始视频流，其中，一台边缘计算引擎对应多台图像采集设备；

分别对每一路初始视频流进行解码后抽帧，得到与每一路所述初始视频流对应的帧数据；

通过预设的AI算法对帧数据进行检测，判断帧数据中是否存在有效数据；

若帧数据中存在有效数据，则对有效数据进行目标跟踪，从有效数据中获取目标数据，并对目标数据进行编码，得到目标传输数据，其中，目标传输数据存储于边缘计算引擎中；

将目标传输数据进行标记并传输到服务器，其中，一台服务器至少对应一台边缘计算引擎。

可选的，处理器801还用于执行以下步骤：

若帧数据中不存在有效数据，则对帧数据进行销毁。

可选的，在将目标传输数据传输到服务器端之后，处理器801还用于执行以下步骤：

将存储在边缘计算引擎中的目标传输数据进行销毁。

可选的，在通过边缘计算引擎获取每台图像采集设备采集到的初始视频流之前，处理器801还用于执行以下步骤：

为每台图像采集设备预先创建独立的处理线程，以将图像采集设备上的初始视频流传输到边缘计算引擎。

可选的，处理器801执行的步骤中，初始视频流包括RTSP码流。

可选的，处理器801执行所述对所述有效数据进行目标跟踪的步骤包括：

在预设帧数内对所述有效数据进行目标跟踪。

本发明实施例提供的电子设备800能够实现基于边缘计算引擎的数据传输方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。

需要指出的是，图中仅示出了具有组件的801-803，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的电子设备800是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

存储器802至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器802可以是电子设备800的内部存储单元，例如该电子设备800的硬盘或内存。在另一些实施例中，存储器802也可以是电子设备800的外部存储设备，例如该电子设备800上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器802还可以既包括电子设备800的内部存储单元也包括其外部存储设备。本实施例中，存储器802通常用于存储安装于电子设备800的操作系统和各类应用软件，例如基于边缘计算引擎的数据传输方法的程序代码等。此外，存储器802还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器801在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器801通常用于控制电子设备800的总体操作。本实施例中，处理器801用于运行存储器802中存储的程序代码或者处理数据，例如运行基于边缘计算引擎的数据传输方法的程序代码。

网络接口803可包括无线网络接口或有线网络接口，该网络接口803通常用于在电子设备800与其他电子设备之间建立通信连接。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器801执行时实现实施例提供的基于边缘计算引擎的数据传输方法中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现实施例基于边缘计算引擎的数据传输方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(RandomAccess Memory，简称RAM)等。

在本发明实施例中提到的第一、第二等并不表示大小，只是为了便于表述。以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。