CN112511803A - 一种基于云边端的水流管理***、方法及设备 - Google Patents
一种基于云边端的水流管理***、方法及设备 Download PDFInfo
- Publication number
- CN112511803A CN112511803A CN202011311399.7A CN202011311399A CN112511803A CN 112511803 A CN112511803 A CN 112511803A CN 202011311399 A CN202011311399 A CN 202011311399A CN 112511803 A CN112511803 A CN 112511803A
- Authority
- CN
- China
- Prior art keywords
- water area
- video
- video data
- area monitoring
- platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 242
- 238000000034 method Methods 0.000 title abstract description 14
- 238000012806 monitoring device Methods 0.000 claims abstract description 137
- 238000012544 monitoring process Methods 0.000 claims abstract description 85
- 238000007726 management method Methods 0.000 claims abstract description 61
- 238000013523 data management Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000003062 neural network model Methods 0.000 claims description 50
- 238000001514 detection method Methods 0.000 claims description 45
- 238000012549 training Methods 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 4
- 208000034699 Vitreous floaters Diseases 0.000 description 14
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000003643 water by type Substances 0.000 description 3
- 238000009835 boiling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
- H04N21/4334—Recording operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种基于云边端的水流管理***,管理***包括:若干水域监拍设备,用于采集水域的视频数据;视频数据管理平台,用于获取若干水域监拍设备的视频数据,并进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频;并与云平台连接,在接收到云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向云平台发送相应水域监拍设备的直播视频和/或录播视频;云平台,用于获取相应水域监拍设备的直播视频和/或录播视频,并发送监控平台。本申请在通信网络不好的时候,通过视频数据管理平台可以更快的获取各监拍设备对相应水域拍摄的视频数据,从而提高水域管理人员对水域管理的工作效率。
Description
技术领域
本申请涉及水利通信领域,尤其涉及一种基于云边端的水流管理***、方法及设备。
背景技术
水为万物之源,万物之本,人们生活的时时刻刻都离不开水,正是有了水,人们才会生存,世界万物才会有生气,有生机。
目前随着工作的发展以及人口的增长,生态环境变得越来越差,大量水资源被污染,因此,加大对水域的管理保护是尤为重要的一项任务。现有的对水域进行监控管理大多是通过工作人员配合监测设备进行人工巡检,然后将各水域的信息数据进行管理,最终得出水域的信息数据,并根据水域的信息数据对相应水域进行管理保护。
但是,现有的水域管理的过程中,由于部分水流所处地理位置偏远,无法巡查、监管到位,导致水域管理无法及时有效的进行。
发明内容
本申请实施例提供了一种基于云边端的水流管理***、方法及设备,解决了水域管理工作效率低下的问题。
一方面,本申请实施例提供了一种基于云边端的水流管理***,管理***包括:若干水域监拍设备,用于采集水域的视频数据;视频数据管理平台,与若干水域监拍设备连接,用于获取若干水域监拍设备的视频数据,并进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频;并与云平台连接,在接收到云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向云平台发送相应水域监拍设备的直播视频和/或录播视频;云平台,用于获取相应水域监拍设备的直播视频和/或录播视频,并发送监控平台。
在一个示例中,视频数据管理平台包括直播流媒体服务器、视频处理服务器;直播流媒体服务器,与若干水域监拍设备连接,用于获取若干水域监拍设备的视频数据,并发送视频处理服务器;并接收视频处理服务器发送的若干水域监拍设备的视频数据的检测结果,以生成若干监拍设备的直播视频;并与云平台进行连接,在接收到云平台获取相应水域监拍设备的直播视频的指令时,向云平台发送相应水域监拍设备的直播视频;视频处理服务器,用于接收若干水域监拍设备的视频数据,并通过检测神经网络模型对若干水域监拍设备的视频数据进行检测,以确定在视频数据中是否存在预设目标;并向直播流媒体服务器发送视频数据的检测结果。
在一个示例中,检测神经网络模型包括水域漂浮检测神经网络模型及水域入侵物检测神经网络模型,预设目标包括水域漂浮物及水域入侵物。
在一个示例中,云平台包括模型训练服务器;模型训练服务器,与视频处理服务器连接,用于对若干水域监拍设备的视频数据样本进行训练,以生成检测神经网络模型,并将检测神经网络模型下发至视频处理服务器;并在接收到监控平台的更新指令时,对监控平台上传的若干水域监拍设备的最新的视频数据样本进行训练,得到更新的检测神经网络模型,并将更新的检测神经网络模型下发至视频处理服务器。
在一个示例中,视频数据管理平台包括录播流媒体服务器;录播流媒体服务器,与若干水域监拍设备连接,用于获取若干水域监拍设备的视频数据;并与云平台进行连接,用于在接收到云平台获取相应水域监拍设备的录播视频的指令时,向云平台发送相应水域监拍设备的录播视频。
在一个示例中,视频数据管理平台还包括数据中心服务器;数据中心服务器,用于存储若干水域监拍设备的录播视频。
在一个示例中,云平台包括转播流媒体服务器;转播流媒体服务器,用于在接收到监控平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向视频数据管理平台获取相应水域监拍设备的直播视频和/或录播视频。
在一个示例中,云平台还包括设备注册中心服务器;设备注册中心服务器,用于对视频数据管理平台中的各设备与若干水域监拍设备进行注册,以使各水域监拍设备与所述视频数据管理平台中的各设备建立关联;其中,各水域监拍设备携带相应的身份标识。
另一方面,本申请实施例提供了一种基于云边端的水流管理方法,应用在如上述基于云边端的水流管理***中,管理方法包括:视频数据管理平台,向若干水域监拍设备获取视频数据,并进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频;并在接收到云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向云平台发送相应水域监拍设备的直播视频和/或录播视频,以使云平台将相应水域监拍设备的直播视频和/或录播视频发送监控平台。
又一方面,本申请实施例提供了一种基于云边端的水流管理设备,管理设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:视频数据管理平台,向若干水域监拍设备获取视频数据,并进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频;并在接收到云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向云平台发送相应水域监拍设备的直播视频和/或录播视频,以使云平台将相应水域监拍设备的直播视频和/或录播视频发送监控平台。
基于前文的描述,本领域技术人员能够理解的是,本申请实施例提供的一种基于云边端的水流管理***、方法及设备,在通信网络不好的时候,通过视频数据管理平台可以更快的获取各监拍设备对相应水域拍摄的视频数据,从而提高水域管理人员对水域管理的工作效率。
进一步,通过视频数据管理平台实现了对水域的实时直播,以最快、最佳的方式进行预警,有效的协助管理人员处理,并最大限度的降低误报和漏报现象,以及通过视频数据管理平台实现了对水域的录播,可以为水域管理人员提供视频数据的回放,即使出现异常情况,使水域管理人员可以事后追踪。
更进一步,通过对视频数据管理平台中的各设备与若干监拍设备进行注册,实现了确定水域的漂浮物以及入侵物的位置,使水域管理人员可以及时处理水域的漂浮物以及及时使入侵物远离水域。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种基于云边端的水流管理***示意图;
图2为本申请实施例提供的一种基于云边端的水流管理方法流程图;
图3为本申请实施例提供的一种基于云边端的水流管理设备示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请实施例提供的一种基于云边端的水流管理***示意图。
如图1所示,水流管理***至少包括:云平台100、监控平台200、视频数据管理平台300、若干水域监拍设备,包括监拍设备410、监拍设备420以及监拍设备430等。
云平台100包括转播流媒体服务器110、模型训练服务器120、模型仓库服务器130以及设备注册中心服务器140,视频数据管理平台300包括直播流媒体服务器310、录播流媒体服务器320、视频处理服务器330以及数据中心服务器340。其中,若干水域监拍设备为端设备,视频数据管理平台300为边设备,云设备至少包括云平台100以及监控平台200。
需要说明的是,在本申请实施例的水流管理***设置有若干水域监拍设备,若干水域监拍设备中各监拍设备与视频数据管理平台300分别进行有线连接,监拍设备的数量可以是一个,也可以设置有多个,如图1所示,分别设置有监拍设备410、监拍设备420以及监拍设备430。
进一步,视频数据管理平台300与云平台100进行连接,云平台100与监控平台200进行连接。
其中,视频数据管理平台300不能与监控平台200进行通信,因此通过云平台100实现与监控平台200的交互。
具体地,视频数据管理平台300与云平台100无线连接,云平台100与监控平台200无线或者有线连接。如,监控平台200的监控终端为计算机,则云平台100与监控平台200为有线连接,监控平台200的监控终端为移动终端,则云平台100与监控平台200为无线连接。
更进一步,直播流媒体服务器310,与若干水域监拍设备连接,并与视频处理服务器330连接,以及与转播流媒体服务器110连接。
录播流媒体服务器320,与若干水域监拍设备连接,并与数据中心服务器340连接,以及与转播流媒体服务器110连接。
另外,视频处理服务器330还与模型训练服务器120连接。转播流媒体服务器110还与监控平台200连接。
在本申请的一个示例中,若干水域监拍设备,主要用于采集水域的视频数据,具体可以是具有摄像功能的设备,在此不再赘述。
其中,若干水域监拍设备中的各水域监拍设备携带身份标识,身份标识具体可以是实现身份认证功能的方式,例如,对各水域监拍设备进行数字编号、对各水域监拍设备进行字母编号,在此不作限定。
视频数据管理平台300,主要用于获取若干水域监拍设备的视频数据,并对若干水域监拍设备的视频数据进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频。
以下详细描述视频数据管理平台300如何生成各水域监拍设备的直播视频。
具体地,首先,直播流媒体服务器310利用FFmbeg工具(FFmpeg是一套可以用来记录、转换数字音频、视频,并能将其转化为流的开源计算机程序),并通过RTSP协议拉取若干水域监拍设备的视频数据。其次,直播流媒体服务器310通过RTMP协议获取到若干水域监拍设备的视频数据。再次,直播流媒体服务器310对若干水域监拍设备的视频数据进行编码,将编码后的若干水域监拍设备的视频数据推送至视频处理服务器330。
进一步,视频处理服务器330,首先对编码后的若干水域监拍设备的视频数据进行解码,然后通过读取RTMP协议得到若干水域监拍设备的视频数据。其次,视频处理服务器330通过检测神经网络模型对若干水域监拍设备的视频数据,得到若干水域监拍设备的视频数据的检测结果,以确定在视频数据中是否存在预设目标。再次,视频处理服务器330利用FFmbeg工具将检测结果推送至直播流媒体服务器310。
其中,视频处理服务器330中的检测神经网络模型至少包括漂浮物检测神经网络模型以及入侵物检测神经网络模型,预设目标至少包括水域漂浮物及水域入侵物。漂浮物检测神经网络模型用于检测若干水域监拍设备的视频数据中是否存在漂浮物,漂浮物可以是任何对河流造成危害的物品,如,塑料瓶、塑料袋等垃圾,在此不作限定。在若干水域监拍设备的视频数据中存在漂浮物的情况下,对漂浮物进行标记。标记可以使用任意具有区分功能的方式,如,采用矩形框、颜色区分等,在此不作限定。
另外,入侵物检测神经网络模型用于检测若干水域监拍设备的视频数据中是否存在入侵物,入侵物可以是人员,也可以是放在河边的车辆,如,自行车、电动车等,在此不作限定。在若干水域监拍设备的视频数据中存在入侵物的情况下,对入侵物进行标记。标记可以使用任意具有区分功能的方式,如,采用矩形框、颜色区分等,在此不作限定。
本领域人员可以理解的是,本申请实施例中的视频处理服务器330通过入侵物检测神经网络模型,可以检测若干水域监拍设备的视频数据中是否存在人员入侵,因此特别是对于儿童来讲,可以及时阻止儿童在河边玩耍,进一步,可以及时发现儿童不慎落入河中,从而进行抢救的措施,更进一步,对于水深的地方,可以及时阻止儿童进去游泳。
进一步,直播流媒体服务器310通过解码获取来自于视频处理服务器330的若干水域监拍设备的视频数据的检测结果,并对携带检测结果的若干水域监拍设备的视频数据进行实时直播,在若干水域监拍设备的视频数据存在漂浮物或者入侵物的情况下,直播流媒体服务器310进行报警,并发送至云平台100,云平台100通知监控平台200。其中,报警可以使用任何具有通知监控人员功能的方式,如,监控平台200中的监控大屏可以发出蜂鸣的声音,或者监控平台200的移动终端可以收到短信。
以下详细描述视频数据管理平台300如何生成各水域监拍设备的录播视频。
具体地,首先,录播流媒体服务器320利用FFmbeg工具(FFmpeg是一套可以用来记录、转换数字音频、视频,并能将其转化为流的开源计算机程序),并通过RTSP协议拉取若干水域监拍设备的视频数据。其次,录播流媒体服务器310通过RTMP协议获取到若干水域监拍设备的视频数据。再次,录播流媒体服务器320将获取到若干水域监拍设备的视频数据发送数据中心服务器340进行存储。
需要说明的是,在录播流媒体服务器310获取到若干水域监拍设备的视频数据之后,可以将获取到若干水域监拍设备的视频数据发送数据中心服务器340进行存储,也可以存储到本地端。对于录播视频数据进行存储的时长,可以根据实际需求进行设置,如,录播视频数据只保留最近7天的数据,在此不作限定。
进一步,录播流媒体服务器310在接收到来自于云平台100获取相应水域监拍设备的具体时间段的录播视频的指令时,将相应的录播视频发送云平台100。
本领域技术人员可以理解的是,本申请实施例通过录播视频可以满足用户观看视频回放的需求,在出现异常情况时,可以进行事后追踪。并且将录播视频数据存储到视频数据管理平台300,在野外的网络很差的情况下,避免上传至云平台100的过程中,导致录播视频数据的部分丢失。
云平台100,用于获取相应水域监拍设备的直播视频和/或录播视频,并发送监控平台200。
其中,基于在实际工作过程中不同的场景、不同的工作要求、不同的目标检测,可以采用相对应的搭建服务集群的方式,例如,可以使用kubernetes搭建云平台100环境,kubernetes,简称K8s,是用8代替8个字符“ubernete”而成的缩写,并且是一个开源的,用于管理云平台中多个主机上的容器化的应用。进一步,为了更好进行检测神经网络模型的下发,在kubernetes集群中安装docker,进行模型的管理和模型下发任务。更进一步,可以使用OSS的文件***,OSS是一个分布式的对象存储服务,提供的是一个Key-Value对形式的对象存储服务。
具体地,转播流媒体服务器110,主要用于向视频数据管理平台300获取直播视频。转播流媒体服务器110接收来自于监控平台200的获取相应水域监拍设备的具体时间段的直播视频指令时,并将监控平台200的获取相应水域监拍设备的具体时间段的直播视频指令,发送直播流媒体服务器310,向直播流媒体服务器310获取相应水域监拍设备的具体时间段的直播视频,并返回给监控平台200。
此外,转播流媒体服务器110,还主要用于向视频数据管理平台300获取录播视频。转播流媒体服务器110接收来自于监控平台200的获取相应水域监拍设备的具体时间段的录播视频指令时,并将监控平台200的获取相应水域监拍设备的具体时间段的直播视频指令,发送录播流媒体服务器320,向录播流媒体服务器310获取相应水域监拍设备的具体时间段的录播视频,并返回给监控平台200。
进一步,模型训练服务器120,主要用于训练视频数据处理服务器330中的检测神经网络模型,模型仓库服务器130,主要用于存储模型训练服务器120训练好的检测神经网络模型。其中,模型训练服务器120对若干水域监拍设备的视频数据进行预训练,从而得到初始检测神经网络模型。
模型训练服务器120,再根据监控平台200上传的水域视频数据样本对初始检测神经网络模型进行训练,以得到训练好的检测神经网络模型。其中,模型训练服务器130通过预设的权重对监控平台200上传的水域视频数据样本进行训练。
需要说明的是,初始检测神经网络模型的训练方法可以是任意可行的方法,如,对神经网络模型的头部和骨干部全部进行训练,以得到初始检测神经网络模型。
更进一步,模型训练服务器120将训练好的神经网络模型下发至视频处理服务器330,以使视频处理服务器330通过检测神经网络模型对获取的若干水域监拍设备拍摄的视频数据进行检测,确定若干水域监拍设备拍摄的视频数据是否存在漂浮物或者入侵物。
其中,在检测神经网络模型需要更新时,监控平台200重新上传用于更新检测神经网络模型的水域视频数据样本,模型训练服务器120,根据监控平台200重新上传的用于更新检测神经网络模型的水域视频数据样本,对初始检测神经网络模型进行训练,以得到更新的检测神经网络模型。并且,更新的检测神经网络模型的版本号在待更新的检测神经网络模型的版本号的基础上,进行加1。
本领域技术人员可以理解的是,本申请实施例通过模型训练服务器120训练检测神经网络模型以及更新检测神经网络模型,实现了可以实时的将更新的检测神经网络模型下发至视频数据处理服务器330,使视频数据处理服务器330对于若干水域监拍设备的视频数据的检测结果更加准确,更好的适应各水域的不同场景。
设备注册中心服务器140对若干水域监拍设备与直播流媒体服务器310、录播流媒体服务器320、视频处理服务器330以及数据中心服务器340进行注册,使视频数据平台300的各设备与若干水域监拍设备建立关联,以便监控平台200可以根据各水域监拍设备的身份标识,得到各水域监拍设备的地理位置,从而确定漂浮物或者入侵物的位置。
监控平台200,在监控平台200,通过预设入口向云平台100的转播流媒体服务器110发起相应水域监拍设备的观看直播的指令,转播流媒体服务器110将观看直播的指令发送至视频数据管理平台300,视频数据管理平台300将直播入口推送至转播流媒体服务器110,以使得监控平台200观看直播视频。
进一步,在若干水域监拍设备的视频数据中,监控平台200的监控人员对于存在漂浮物或者入侵物的水域,通过相应水域监拍设备的身份标识,得到相应水域监拍设备的地理位置,以确定漂浮物或者入侵物的位置。
另外,在监控平台200,通过预设入口向云平台100的转播流媒体服务器110发起观看录播指令,转播流媒体服务器110将观看录播的指令发送至视频数据管理平台300,视频数据管理平台300将录播视频入口推送至转播流媒体服务器110,以使得监控平台200观看录播视频。
需要说明的是,直播视频和/或录播视频的指令包括各水域监拍设备的身份标识以及各水域监拍设备对应直播视频的时间戳,也就是说,该指令包括具体水域监拍设备的具体时间段的直播视频和/或录播视频。
基于前文的描述,本领域技术人员可以理解的是,本申请实施例提供的一种基于云边端的水流管理***,在通信网络不好的时候,通过视频数据管理平台300可以更快的获取各监拍设备对相应水域拍摄的视频数据,从而提高水域管理人员对水域管理的工作效率。
进一步,通过视频数据管理平台300实现了对水域的实时直播,以最快、最佳的方式进行预警,有效的协助管理人员处理,并最大限度的降低误报和漏报现象,以及通过视频数据管理平台300实现了对水域的录播,可以为水域管理人员提供视频数据的回放,即使出现异常情况,使水域管理人员可以事后追踪。
更进一步,通过对视频数据管理平台中的各设备与若干监拍设备进行注册,实现了确定水域的漂浮物以及入侵物的位置,使水域管理人员可以及时处理水域的漂浮物以及及时使入侵物远离水域。
根据上面的说明,本申请实施例还提供了一种应用在如上述基于云边端的水流管理***中的管理方法,如图2所示。
S201、视频数据管理平台300,向若干水域监拍设备获取视频数据。
S202、视频数据管理平台300对视频数据进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频。
具体地,视频数据管理平台300对视频数据进行相应的处理,生成各水域监拍设备的直播视频,包括:
首先,直播流媒体服务器310获取到若干水域监拍设备的视频数据。其次直播流媒体服务器310对若干水域监拍设备的视频数据进行编码,将编码后的若干水域监拍设备的视频数据推送至视频处理服务器330。再次,视频处理服务器330对编码后的若干水域监拍设备的视频数据进行解码,得到若干水域监拍设备的视频数据。然后,视频处理服务器330通过检测神经网络模型对若干水域监拍设备的视频数据,得到若干水域监拍设备的视频数据的检测结果,以确定在视频数据中是否存在预设目标。最后,视频处理服务器330利用FFmbeg工具将检测结果推送至直播流媒体服务器310。
其中,视频处理服务器330中的检测神经网络模型至少包括漂浮物检测神经网络模型以及入侵物检测神经网络模型,预设目标至少包括水域漂浮物及水域入侵物。漂浮物检测神经网络模型用于检测若干水域监拍设备的视频数据中是否存在漂浮物,漂浮物可以是任何对河流造成危害的物品,如,塑料瓶、塑料袋等垃圾,在此不作限定。
另外,入侵物检测神经网络模型用于检测若干水域监拍设备的视频数据中是否存在入侵物,入侵物可以是人员,也可以是放在河边的车辆,如,自行车、电动车等,在此不作限定。
进一步,视频数据管理平台300对视频数据进行相应的处理,生成各水域监拍设备的录播视频,包括:
首先录播流媒体服务器320获取到若干水域监拍设备的视频数据,录播流媒体服务器320将获取到若干水域监拍设备的视频数据发送数据中心服务器340进行存储。
需要说明的是,在录播流媒体服务器310获取到若干水域监拍设备的视频数据之后,可以将获取到若干水域监拍设备的视频数据发送数据中心服务器340进行存储,也可以存储到本地端。对于录播视频数据进行存储的时长,可以根据实际需求进行设置,如,录播视频数据只保留最近7天的数据,在此不作限定。
S203、视频数据管理平台300接收到云平台100获取相应水域监拍设备的直播视频和/或录播视频的指令。
具体地,视频数据管理平台300接收来自于转播流媒体服务器110获取直播视频的指令。其中,直播视频的指令包括各水域监拍设备的身份标识以及各水域监拍设备对应直播视频的时间戳。
此外,视频数据管理平台300接收来自于转播流媒体服务器110获取录播视频的指令。其中,录播视频的指令包括各水域监拍设备的身份标识以及各水域监拍设备对应录播视频的时间戳。
S204、视频数据管理平台300向云平台100发送相应水域监拍设备的直播视频和/或录播视频,以使云平台100将相应水域监拍设备的直播视频和/或录播视频发送监控平台200。
基于同样的思路,本申请的一些实施例还提供了上述方法对应的设备。
图3所示,该水流管理设备在硬件层面上包括处理器,可选地还包括存储器和总线,此外该管理设备还允许包括其它业务所需要的硬件。
其中,存储器用于存放执行指令,该执行指令具体是能够被执行的计算机程序。进一步,存储器可以包括内存和非易失性存储器(non-volatile memory),并向处理器提供执行指令和数据。示例性地,内存可以是高速随机存取存储器(Random-Access Memory,RAM),非易失性存储器可以是至少1个磁盘存储器。
其中,总线用于将处理器、存储器和网络接口相互连接到一起。该总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线、EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为了便于表示,图3中仅用一个双向箭头表示,但这并不表示仅有一根总线或一种类型的总线。
在上述管理方法的一种可行的实施方式中,处理器可以先从非易失性存储器中读取对应的执行指令到内存中再运行,也可以先从其它设备上获取相应的执行指令再运行。处理器在执行存储器所存放的执行指令时,能够实现本申请实施例上述任意一个管理方法实施例中的管理方法。
本领域技术人员能够理解的是,上述的管理方法可以应用于处理器中,也可以借助处理器来实现。示例性地,处理器是一种集成电路芯片,具有处理信号的能力。在处理器执行上述管理方法的过程中,上述管理方法的各步骤可以通过处理器中硬件形式的集成逻辑电路或软件形式的指令完成。进一步,上述处理器可以是通用处理器,例如中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件、微处理器以及其它任何常规的处理器。
本领域技术人员还能够理解的是,本申请实施例上述管理方法实施例的步骤可以被硬件译码处理器执行完成,也可以被译码处理器中的硬件和软件模块组合执行完成。其中,软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等其它本领域成熟的存储介质中。该存储介质位于存储器中,处理器读取存储器中的信息之后结合其硬件完成上述管理方法实施例中步骤的执行。
至此,已经结合前文的多个实施例描述了本申请实施例的技术方案,但是,本领域技术人员容易理解的是,本申请实施例的保护范围并不仅限于这些具体实施例。在不偏离本申请实施例技术原理的前提下,本领域技术人员可以对上述各个实施例中的技术方案进行拆分和组合,也可以对相关技术特征作出等同的更改或替换,凡在本申请实施例的技术构思和/或技术原理之内所做的任何更改、等同替换、改进等都将落入本申请实施例的保护范围之内。
Claims (10)
1.一种基于云边端的水流管理***,其特征在于,所述管理***包括:
若干水域监拍设备,用于采集水域的视频数据;
视频数据管理平台,与所述若干水域监拍设备连接,用于获取所述若干水域监拍设备的视频数据,并进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频;并
与云平台连接,在接收到所述云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向所述云平台发送所述相应水域监拍设备的直播视频和/或录播视频;
所述云平台,用于获取所述相应水域监拍设备的直播视频和/或录播视频,并发送监控平台。
2.根据权利要求1所述的管理***,其特征在于,所述视频数据管理平台包括直播流媒体服务器、视频处理服务器;
所述直播流媒体服务器,与所述若干水域监拍设备连接,用于获取所述若干水域监拍设备的视频数据,并发送所述视频处理服务器;并
接收所述视频处理服务器发送的所述若干水域监拍设备的视频数据的检测结果,以生成所述若干监拍设备的直播视频;并
与所述云平台进行连接,在接收到所述云平台获取所述相应水域监拍设备的直播视频的指令时,向所述云平台发送所述相应水域监拍设备的直播视频;
所述视频处理服务器,用于接收所述若干水域监拍设备的视频数据,并通过检测神经网络模型对所述若干水域监拍设备的视频数据进行检测,以确定在所述视频数据中是否存在预设目标;并
向所述直播流媒体服务器发送所述视频数据的检测结果。
3.根据权利要求2所述的管理***,其特征在于,所述检测神经网络模型包括水域漂浮检测神经网络模型及水域入侵物检测神经网络模型,所述预设目标包括水域漂浮物及水域入侵物。
4.根据权利要求2所述的管理***,其特征在于,所述云平台包括模型训练服务器;
所述模型训练服务器,与所述视频处理服务器连接,用于对所述若干水域监拍设备的视频数据样本进行训练,以生成所述检测神经网络模型,并将所述检测神经网络模型下发至所述视频处理服务器;并
在接收到所述监控平台的更新指令时,对所述监控平台上传的所述若干水域监拍设备的最新的视频数据样本进行训练,得到更新的检测神经网络模型,并将所述更新的检测神经网络模型下发至所述视频处理服务器。
5.根据权利要求1所述的管理***,其特征在于,所述视频数据管理平台包括录播流媒体服务器;
所述录播流媒体服务器,与所述若干水域监拍设备连接,用于获取所述若干水域监拍设备的视频数据;并
与所述云平台进行连接,用于在接收所述云平台获取所述相应水域监拍设备的录播视频的指令时,向所述云平台发送所述相应水域监拍设备的录播视频。
6.根据权利要求5所述的管理***,其特征在于,所述视频数据管理平台还包括数据中心服务器;
所述数据中心服务器,用于存储所述若干水域监拍设备的录播视频。
7.根据权利要求1-6任一项所述的管理***,其特征在于,所述云平台包括转播流媒体服务器;
所述转播流媒体服务器,用于在接收到所述监控平台获取所述相应水域监拍设备的直播视频和/或录播视频的指令时,向所述视频数据管理平台获取所述相应水域监拍设备的直播视频和/或录播视频。
8.根据权利要求7所述的管理***,其特征在于,所述云平台还包括设备注册中心服务器;
所述设备注册中心服务器,用于对所述视频数据管理平台中的各设备与所述若干水域监拍设备进行注册,以使所述各水域监拍设备与所述视频数据管理平台中的各设备建立关联;其中,所述各水域监拍设备携带相应的身份标识。
9.一种基于云边端的水流管理方法,其特征在于,应用在如权利要求1至8中任意一项权利要求所述的基于云边端的水流管理***中,所述管理方法包括:
视频数据管理平台,向若干水域监拍设备获取视频数据,并进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频;并
在接收到云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向所述云平台发送所述相应水域监拍设备的直播视频和/或录播视频,以使所述云平台将所述相应水域监拍设备的直播视频和/或录播视频发送监控平台。
10.一种基于云边端的水流管理设备,其特征在于,所述管理设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
视频数据管理平台,向若干水域监拍设备获取视频数据,并进行相应的处理,以生成各水域监拍设备的直播视频和/或录播视频;并
在接收到云平台获取相应水域监拍设备的直播视频和/或录播视频的指令时,向所述云平台发送所述相应水域监拍设备的直播视频和/或录播视频,以使所述云平台将所述相应水域监拍设备的直播视频和/或录播视频发送监控平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011311399.7A CN112511803A (zh) | 2020-11-20 | 2020-11-20 | 一种基于云边端的水流管理***、方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011311399.7A CN112511803A (zh) | 2020-11-20 | 2020-11-20 | 一种基于云边端的水流管理***、方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112511803A true CN112511803A (zh) | 2021-03-16 |
Family
ID=74960029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011311399.7A Pending CN112511803A (zh) | 2020-11-20 | 2020-11-20 | 一种基于云边端的水流管理***、方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112511803A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630463A (zh) * | 2021-08-09 | 2021-11-09 | 成都华栖云科技有限公司 | 一种基于kubeedge的智慧教室录播终端设备管理***及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325216A (zh) * | 2012-03-23 | 2013-09-25 | 罗普特(厦门)科技集团有限公司 | 基于视频监控的水利防汛监控预警方法与*** |
CN104079892A (zh) * | 2014-07-17 | 2014-10-01 | 山东同方焮通经贸有限公司 | 一种基于互联网的视频云监控方法及监控*** |
WO2017054101A1 (zh) * | 2015-09-30 | 2017-04-06 | 苏州富米信息技术有限公司 | 一种物联云在线监测通用平台*** |
CN108028909A (zh) * | 2016-08-08 | 2018-05-11 | 深圳秦云网科技有限公司 | 智慧监控云转码平台 |
CN108419058A (zh) * | 2018-05-29 | 2018-08-17 | 陕西大航联科电子技术有限公司 | 基于物联网的视频监控*** |
CN110298640A (zh) * | 2019-08-05 | 2019-10-01 | 软通动力信息技术有限公司 | 一种湖泊信息管理*** |
CN111060079A (zh) * | 2019-12-31 | 2020-04-24 | 华东理工大学 | 河道异物识别方法以及河道异物监控平台*** |
CN111721361A (zh) * | 2020-06-29 | 2020-09-29 | 杭州鲁尔物联科技有限公司 | 一种堤防监测***、方法及设备 |
CN111815916A (zh) * | 2020-08-06 | 2020-10-23 | 汪先锋 | 一种目标区域的监控预警方法、***和移动终端 |
CN111901566A (zh) * | 2020-07-29 | 2020-11-06 | 浪潮云信息技术股份公司 | 一种监控数据存储***及存储方法 |
-
2020
- 2020-11-20 CN CN202011311399.7A patent/CN112511803A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325216A (zh) * | 2012-03-23 | 2013-09-25 | 罗普特(厦门)科技集团有限公司 | 基于视频监控的水利防汛监控预警方法与*** |
CN104079892A (zh) * | 2014-07-17 | 2014-10-01 | 山东同方焮通经贸有限公司 | 一种基于互联网的视频云监控方法及监控*** |
WO2017054101A1 (zh) * | 2015-09-30 | 2017-04-06 | 苏州富米信息技术有限公司 | 一种物联云在线监测通用平台*** |
CN108028909A (zh) * | 2016-08-08 | 2018-05-11 | 深圳秦云网科技有限公司 | 智慧监控云转码平台 |
CN108419058A (zh) * | 2018-05-29 | 2018-08-17 | 陕西大航联科电子技术有限公司 | 基于物联网的视频监控*** |
CN110298640A (zh) * | 2019-08-05 | 2019-10-01 | 软通动力信息技术有限公司 | 一种湖泊信息管理*** |
CN111060079A (zh) * | 2019-12-31 | 2020-04-24 | 华东理工大学 | 河道异物识别方法以及河道异物监控平台*** |
CN111721361A (zh) * | 2020-06-29 | 2020-09-29 | 杭州鲁尔物联科技有限公司 | 一种堤防监测***、方法及设备 |
CN111901566A (zh) * | 2020-07-29 | 2020-11-06 | 浪潮云信息技术股份公司 | 一种监控数据存储***及存储方法 |
CN111815916A (zh) * | 2020-08-06 | 2020-10-23 | 汪先锋 | 一种目标区域的监控预警方法、***和移动终端 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630463A (zh) * | 2021-08-09 | 2021-11-09 | 成都华栖云科技有限公司 | 一种基于kubeedge的智慧教室录播终端设备管理***及方法 |
CN113630463B (zh) * | 2021-08-09 | 2023-06-27 | 成都华栖云科技有限公司 | 一种基于kubeedge的智慧教室录播终端设备管理***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220043838A1 (en) | Automated learning of anomalies in media streams with external feed labels | |
CN112291520B (zh) | 异常事件识别方法、装置、存储介质及电子装置 | |
CN107318000A (zh) | 一种基于云平台的无线视频监控*** | |
CN106919610B (zh) | 车联网数据处理方法、***及服务器 | |
CN110852148B (zh) | 一种基于目标追踪的访客目的地核验方法及*** | |
US20140253321A1 (en) | Processing security-related messages | |
CN202168161U (zh) | 一种视频监控与数据采集融合的*** | |
WO2018031096A1 (en) | Methods and systems of performing blob filtering in video analytics | |
CN113628404A (zh) | 一种减少无效告警的方法及装置 | |
CN112511803A (zh) | 一种基于云边端的水流管理***、方法及设备 | |
CN109034446A (zh) | 基于无人机在线取证的智慧城市交通突发事件应急响应*** | |
CN109564686A (zh) | 在视频分析中更新用于对象追踪器的运动模型的方法和*** | |
US8300104B2 (en) | Event announcing system and operating method thereof | |
CN113658394B (zh) | 河道监控方法及装置 | |
CN110175535A (zh) | 一种基于深度学习的船舶识别***及其识别方法 | |
CN113112813B (zh) | 违章停车检测方法及装置 | |
CN110855947B (zh) | 一种图像抓拍处理方法及装置 | |
CN112102623A (zh) | 交通违章识别方法和装置、智能可穿戴设备 | |
CN110072072B (zh) | 一种数据上报及显示的方法及装置 | |
CN111382697B (zh) | 影像数据处理方法及第一电子设备 | |
CN104767969A (zh) | 铁路道口用作业智能化安全监控***和方法 | |
CN111102987B (zh) | 一种救援车辆跟踪方法、装置、服务器和介质 | |
CN114023052A (zh) | 告警方法、装置、存储介质及电子装置 | |
JP2005267594A (ja) | 位置情報を利用した監視システム | |
JP3611851B1 (ja) | 位置情報を利用した監視システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |
|
RJ01 | Rejection of invention patent application after publication |