CN114170619B - 基于边缘计算的数据核查方法和*** - Google Patents
基于边缘计算的数据核查方法和*** Download PDFInfo
- Publication number
- CN114170619B CN114170619B CN202111207463.1A CN202111207463A CN114170619B CN 114170619 B CN114170619 B CN 114170619B CN 202111207463 A CN202111207463 A CN 202111207463A CN 114170619 B CN114170619 B CN 114170619B
- Authority
- CN
- China
- Prior art keywords
- image data
- dynamic image
- pixels
- pixel
- picture
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
- H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明提供了基于边缘计算的数据核查方法和***,其通过指示若干边缘控制设备采集不同区域的动态影像数据,并对动态影像数据进行位置信息的区分标记和预处理后,上传至云端平台进行影像数据修复,以此提高动态影像数据的分辨率;再对修复后的动态影像数据进行目标对象的识别,以此将存在目标对象的图片及其对应的拍摄位置信息返回至服务终端上,这样对动态影像数据进行分辨率的核查后,根据核查结果进行适应性的影像数据修复以此确保修复后的动态影像数据能够进行准确的目标对象识别,从而动态影像数据的影像清晰度和目标对象识别的准确性与可靠性。
Description
技术领域
本发明涉及影像监控数据管理的技术领域,特别涉及基于边缘计算的数据核查方法和***。
背景技术
视频监控广泛用于对不同区域进行实时的影像拍摄,特别对电梯内部空间进行影像拍摄,再对拍摄得到的影像进行分析,从而确定对应区域的实时存在的人和物。在实际操作中,由于拍摄设备自身拍摄性能的显著或者拍摄空间环境的限制,拍摄得到的影像的清晰度并不能满足后续影像识别处理的要求。为了提高对监控影像数据的识别处理要求,需要对监控影像数据进行分辨率的核查与修复,从而改善监控影像数据的质量。
发明内容
针对现有技术存在的缺陷,本发明提供基于边缘计算的数据核查方法和***,其通过指示若干边缘控制设备采集不同区域的动态影像数据,并对动态影像数据进行位置信息的区分标记和预处理后,上传至云端平台进行影像数据修复,以此提高动态影像数据的分辨率;再对修复后的动态影像数据进行目标对象的识别,以此将存在目标对象的图片及其对应的拍摄位置信息返回至服务终端上,这样对动态影像数据进行分辨率的核查后,根据核查结果进行适应性的影像数据修复以此确保修复后的动态影像数据能够进行准确的目标对象识别,从而动态影像数据的影像清晰度和目标对象识别的准确性与可靠性。
本发明提供基于边缘计算的数据核查方法,其特征在于,其包括如下步骤:
步骤S1,通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;并将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台;
步骤S2,当云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理;
步骤S3,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上;
进一步,在所述步骤S1中,通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;并将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台具体包括:
步骤S101,指示云端平台通过分布式物联网分别向若干边缘控制设备发送摄像触发指令;当边缘控制设备接收到摄像触发指令时,若边缘控制设备当前处于休眠状态,则将边缘控制设备从休眠状态切换至唤醒状态后,对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;若边缘控制设备当前处于唤醒状态,则直接对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;
步骤S102,根据动态影像数据所属区域的位置信息,对动态影像数据进行区分标记,从而使每个动态影像只与所属区域一一对应;
步骤S103,对经过区分标记进行保真压缩处理后,再根据动态影像数据的采集时间先后顺序依次上传至云端平台;
进一步,在所述步骤S2中,当云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理具体包括:
步骤S201,当云端平台接收到所述动态影像数据后,将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对;若某一动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息相一致,则将对应的动态影像数据作为需要调取的动态影像数据;
步骤S202,获取需要调取的动态影像数据的影像分辨率;将所述影像分辨率与预设分辨率阈值进行比对;若所述影像分辨率大于或等于预设分辨率阈值,则不对调取的动态影像数据进行影像数据修复处理;若所述影像分辨率小于预设分辨率阈值,则对调取的动态影像数据进行影像数据修复处理;其中,所述影像数据修复处理包括提高调取的动态影像数据的分辨率;
进一步,在所述步骤S202中,对调取的动态影像数据进行影像数据修复处理具体包括:
将所述动态影像数据划分多组影像数据图像,由于所述动态影像数据的影像分辨率小于预设分辨率阈值,为了保证修复后的动态影像数据的影像分辨率大于或者等于预设分辨率阈值,则需要增加所述影像数据图像的像素点数量,首先根据预设分辨率阈值,确定所述影像数据图像的横向像素数量和纵向像素数量的增大倍数,在原来的影像数据图像中均匀增加新的像素点,从而使增加新的像素点后的影像数据图像能够满足上述横向像素数量和纵向像素数量的增大倍数,然后为了保证增加新的像素点不影响影像数据图像的质量,则根据原来的影像数据图像的像素点的像素值对增加新的像素点的像素值进行赋值,从而完成影像数据修复处理,其具体过程为:
步骤S2021,利用下面公式(1),根据预设分辨率阈值,确定所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,
在上述公式(1)中,k表示所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数;P0表示预设分辨率阈值;a表示所述影像数据图像的长度;b表示所述影像数据图像的宽度;n表示所述影像数据图像每一列像素包含的像素点数量;m表示所述影像数据图像每一行像素包含的像素点数量;表示向上取整运算;
步骤S2022,利用下面公式(2),根据所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,得到在原来的影像数据图像中相邻两个像素点之间增加新的像素点的数量,
在上述公式(2)中,Δn表示在原来的影像数据图像中每一列相邻两个像素点之间增加新的像素点的数量;Δm表示在原来的影像数据图像中每一行相邻两个像素点之间增加新的像素点的数量;
步骤S2023,利用下面公式(3),利用下面公式(3)和(4),根据在原来的影像数据图像中每一列/每一行相邻两个像素点之间增加新的像素点的数量,对每一列/每一行增加新的像素点的像素值进行赋值,
在上述公式(3)和(4)中,表示在原来的影像数据图像中第i行第j列像素点与第i行第j+1列像素点之间增加的第t个像素点的像素值;D(i,j)表示原来的影像数据图像中第i行第j列像素点的像素值;D(i,j+1)表示原来的影像数据图像中第i行第j+1列像素点的像素值;
利用上述公式(3)和(4),即完成在原来的影像数据图像中每一列/每一行相邻两个像素点之间增加新的像素点后,对每一列/每一行增加新的像素点的像素值的赋值,从而完成影像数据修复处理;
进一步,在所述步骤S3中,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至服务终端上具体包括:
步骤S301,按照预设时间间隔,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片;并将提取得到的所有图片进行像素灰度化转换处理,从而得到灰度化形式的图片;
步骤S302,对所述灰度化形式的图片进行轮廓识别,从而得到图片对应的像素轮廓信息;将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,若图片的像素轮廓信息包含目标对象的像素轮廓信息,则确定图片存在目标对象;否则,确定图片不存在目标图像;
步骤S303,将确定存在目标对象的图片和图片对应区域的位置信息打包后,通过分布式物联网返回至服务终端上。
本发明还提供基于边缘计算的数据核查***,其特征在于,其包括若干边缘控制设备、影像数据边缘处理模块和云端平台;其中,
所述云端平台用于通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;
所述影像数据边缘处理模块用于将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台;
当所述云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理;
所述云端平台还从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上;
进一步,所述云端平台用于通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据具体包括:
云端平台通过分布式物联网分别向若干边缘控制设备发送摄像触发指令;当边缘控制设备接收到摄像触发指令时,若边缘控制设备当前处于休眠状态,则将边缘控制设备从休眠状态切换至唤醒状态后,对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;若边缘控制设备当前处于唤醒状态,则直接对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;
以及,
所述影像数据边缘处理模块用于将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台具体包括:
根据动态影像数据所属区域的位置信息,对动态影像数据进行区分标记,从而使每个动态影像只与所属区域一一对应;
对经过区分标记进行保真压缩处理后,再根据动态影像数据的采集时间先后顺序依次上传至云端平台;
进一步,当所述云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理具体包括:
当云端平台接收到所述动态影像数据后,将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对;若某一动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息相一致,则将对应的动态影像数据作为需要调取的动态影像数据;
获取需要调取的动态影像数据的影像分辨率;将所述影像分辨率与预设分辨率阈值进行比对;若所述影像分辨率大于或等于预设分辨率阈值,则不对调取的动态影像数据进行影像数据修复处理;若所述影像分辨率小于预设分辨率阈值,则对调取的动态影像数据进行影像数据修复处理;其中,所述影像数据修复处理包括提高调取的动态影像数据的分辨率;
进一步,所述云端平台还从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上具体包括:
按照预设时间间隔,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片;并将提取得到的所有图片进行像素灰度化转换处理,从而得到灰度化形式的图片;
对所述灰度化形式的图片进行轮廓识别,从而得到图片对应的像素轮廓信息;将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,若图片的像素轮廓信息包含目标对象的像素轮廓信息,则确定图片存在目标对象;否则,确定图片不存在目标图像;
将确定存在目标对象的图片和图片对应区域的位置信息打包后,通过分布式物联网返回至服务终端上。
相比于现有技术,该基于边缘计算的数据核查方法和***通过指示若干边缘控制设备采集不同区域的动态影像数据,并对动态影像数据进行位置信息的区分标记和预处理后,上传至云端平台进行影像数据修复,以此提高动态影像数据的分辨率;再对修复后的动态影像数据进行目标对象的识别,以此将存在目标对象的图片及其对应的拍摄位置信息返回至服务终端上,这样对动态影像数据进行分辨率的核查后,根据核查结果进行适应性的影像数据修复以此确保修复后的动态影像数据能够进行准确的目标对象识别,从而动态影像数据的影像清晰度和目标对象识别的准确性与可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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为本发明提供的基于边缘计算的数据核查方法的流程示意图。
图2为本发明提供的基于边缘计算的数据核查***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。
参阅图1,为本发明实施例提供的基于边缘计算的数据核查方法的流程示意图。该基于边缘计算的数据核查方法包括如下步骤:
步骤S1,通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;并将该动态影像数据进行区分标记和预处理后,根据该动态影像数据的采集时间依次上传至云端平台;
步骤S2,当云端平台接收到该动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理;
步骤S3,从经过该影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上。
上述技术方案的有益效果为:该基于边缘计算的数据核查方法通过指示若干边缘控制设备采集不同区域的动态影像数据,并对动态影像数据进行位置信息的区分标记和预处理后,上传至云端平台进行影像数据修复,以此提高动态影像数据的分辨率;再对修复后的动态影像数据进行目标对象的识别,以此将存在目标对象的图片及其对应的拍摄位置信息返回至服务终端上,这样对动态影像数据进行分辨率的核查后,根据核查结果进行适应性的影像数据修复以此确保修复后的动态影像数据能够进行准确的目标对象识别,从而动态影像数据的影像清晰度和目标对象识别的准确性与可靠性。
优选地,在该步骤S1中,通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;并将该动态影像数据进行区分标记和预处理后,根据该动态影像数据的采集时间依次上传至云端平台具体包括:
步骤S101,指示云端平台通过分布式物联网分别向若干边缘控制设备发送摄像触发指令;当边缘控制设备接收到摄像触发指令时,若边缘控制设备当前处于休眠状态,则将边缘控制设备从休眠状态切换至唤醒状态后,对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;若边缘控制设备当前处于唤醒状态,则直接对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;
步骤S102,根据动态影像数据所属区域的位置信息,对动态影像数据进行区分标记,从而使每个动态影像只与所属区域一一对应;
步骤S103,对经过区分标记进行保真压缩处理后,再根据动态影像数据的采集时间先后顺序依次上传至云端平台。
上述技术方案的有益效果为:该云端平台可为但不限于是能够实现云端集成运动功能的计算机;该边缘控制设备可包括但不限于摄像头以及与摄像头连接的边缘控制计算机,该边缘控制计算机能够控制该摄像头进行拍摄动作,以及收集拍摄得到的动态影像数据。该云端平台通过分布式物联网与每个边缘控制设备连接,这样该云端平台能够通过分布式物联网与每个边缘控制设备进行摄像控制等操作。
该云端平台通过分布式物联网向每个边缘控制设备发送摄像触发指令,当边缘控制设备接收到该摄像触发指令后,该边缘控制设备的边缘控制计算机在该摄像触发指令的作用下,当该边缘控制计算机处于休眠状态时,该边缘控制计算机会从休眠状态切换至唤醒状态,此时该边缘控制计算机会指示该摄像头对其设置位置的附近区域进扫描拍摄,从而获得对应区域的动态影像数据;当该边缘控制计算机处于唤醒状态时,该边缘控制计算机则直接指示该摄像头对其设置位置的附近区域进行扫描,从而获得对应区域的动态影像数据;其中,该动态影像数据可为但不限于是视频数据。
当边缘控制设备完成动态影像数据的拍摄后,其通过分布式物联网将采集得到的动态影像数据传送到该影像数据边缘处理模块。该影像数据边缘处理模块可为但不限于是能够对动态影像数据进行边缘策略图像处理的计算机。该影像数据边缘处理模块能够对每个边缘控制设备的摄像头的设定位置进行识别,从而获得每个摄像头的位置信息,该位置信息即为每个摄像头拍摄的动态影像数据所属区域的位置信息,再对每个动态影像数据进行对应位置信息的区分标记,从而将每个动态影像数据与位置信息进行一一对应的关联,以便于后续能够快速根据实际需要准确调取对应位置的动态影像信息。当完成对每个动态影像数据的区分标记后,并对每个动态影像数据进行保真压缩处理后根据其对应采集时间的先后顺序依次上传至云端平台,这样能够提高动态影像数据的上传速度和避免动态影像数据在上传过程中发生失真。其中,该保真压缩处理为本领域常用的数据处理方式,这里不做详细的累述。
优选地,在该步骤S2中,当云端平台接收到该动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理具体包括:
步骤S201,当云端平台接收到该动态影像数据后,将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对;若某一动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息相一致,则将对应的动态影像数据作为需要调取的动态影像数据;
步骤S202,获取需要调取的动态影像数据的影像分辨率;将该影像分辨率与预设分辨率阈值进行比对;若该影像分辨率大于或等于预设分辨率阈值,则不对调取的动态影像数据进行影像数据修复处理;若该影像分辨率小于预设分辨率阈值,则对调取的动态影像数据进行影像数据修复处理;其中,该影像数据修复处理包括提高调取的动态影像数据的分辨率。
上述技术方案的有益效果为:当该云端平台接收到该动态影像数据后,为了获得所需位置拍摄得到的动态影像数据,此时将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对,这样能够快速地找寻处所需要的动态影像数据。随后,将找寻得到的动态影像数据进行分辨率高低的判断,再将分辨率过低的动态影像数据进行影像数据修复处理,从而将分辨率过低的动态影像数据进行分辨率的修复,以此将动态影像数据修复成能够清晰反映细节的影像。
优选地,在该步骤S202中,对调取的动态影像数据进行影像数据修复处理具体包括:
将该动态影像数据划分多组影像数据图像,由于该动态影像数据的影像分辨率小于预设分辨率阈值,为了保证修复后的动态影像数据的影像分辨率大于或者等于预设分辨率阈值,则需要增加该影像数据图像的像素点数量,首先根据预设分辨率阈值,确定该影像数据图像的横向像素数量和纵向像素数量的增大倍数,在原来的影像数据图像中均匀增加新的像素点,从而使增加新的像素点后的影像数据图像能够满足上述横向像素数量和纵向像素数量的增大倍数,然后为了保证增加新的像素点不影响影像数据图像的质量,则根据原来的影像数据图像的像素点的像素值对增加新的像素点的像素值进行赋值,从而完成影像数据修复处理,其具体过程为:
步骤S2021,利用下面公式(1),根据预设分辨率阈值,确定该影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,
在上述公式(1)中,k表示该影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数;P0表示预设分辨率阈值;a表示该影像数据图像的长度;b表示该影像数据图像的宽度;n表示该影像数据图像每一列像素包含的像素点数量;m表示该影像数据图像每一行像素包含的像素点数量;表示向上取整运算;
其中,上述公式(1)的推导过程可为:
对像素点增加k倍后的分辨率:
增加k倍后的分辨率需要(k+1)P≥P0:
步骤S2022,利用下面公式(2),根据该影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,得到在原来的影像数据图像中相邻两个像素点之间增加新的像素点的数量,
在上述公式(2)中,Δn表示在原来的影像数据图像中每一列相邻两个像素点之间增加新的像素点的数量;Δm表示在原来的影像数据图像中每一行相邻两个像素点之间增加新的像素点的数量;
其中,上述公式(2)的推导过程可为:
在横向上增加k倍个像素点后横向像素点的数量变为了(k+1)×n,新增加的像素点数量则为(k+1)×n-n,需要将新的像素点平均***到原来的n个像素点中,n个像素点会有n-1个空位,向上取整是为了保证可以将新像素点平均分到n-1个空位上去,新像素点只能增加因为当前的k是最小值所以只能向上取整,纵向同理;
步骤S2023,利用下面公式(3),利用下面公式(3)和(4),根据在原来的影像数据图像中每一列/每一行相邻两个像素点之间增加新的像素点的数量,对每一列/每一行增加新的像素点的像素值进行赋值,
在上述公式(3)和(4)中,表示在原来的影像数据图像中第i行第j列像素点与第i行第j+1列像素点之间增加的第t个像素点的像素值;D(i,j)表示原来的影像数据图像中第i行第j列像素点的像素值;D(i,j+1)表示原来的影像数据图像中第i行第j+1列像素点的像素值;
利用上述公式(3)和(4),即完成在原来的影像数据图像中每一列/每一行相邻两个像素点之间增加新的像素点后,对每一列/每一行增加新的像素点的像素值的赋值,从而完成影像数据修复处理;
在计算完公式(3)后即增加完成横向新像素点以及其对应的像素值后原影像数据图像会形成一个新的图像该图像为横向像素点放大增加后的图像;表示在所述新的图像下第i行第j’列像素点到第i+1行第j’列像素点之间增加的第e个像素点的像素值;D(i,j')表示在所述新的图像下第i行第j’列像素点的像素值;D(i+1,j')表示在所述新的图像下第i+1行第j’列像素点的像素值;
则通过公式(4)将纵向的新像素点以及其对应的像素值进行添加则完成对所述影像数据的修复。
上述技术方案的有益效果为:利用上述公式(1)根据预设分辨率阈值来得到影像横向像素数和纵向像素数的最小增大倍数,进而保证后续修复过程中像素点增加的倍数需要大于等于最小增大倍数才行,进而保证***对影像修复后分辨率的可靠性;再利用上述公式(2)根据影像横向像素数和纵向像素数的增大的倍数得到原影像数据图像每个像素点之间需要增加的新像素点的数量,进而可以将新的像素点平均的分配到原有的像素点中,进而最大限度的保证影像的质量以及影像像素的排布情况;最后利用上述公式(3)和(4)根据原影像数据图像每个像素点的像素值对每个像素点之间之间增加的新像素点的像素值进行赋值,进而可以保证加入的像素点不影响原有影像数据的情况下可以渐变的修复数据,确保修复后数据的准确性。
优选地,在该步骤S3中,从经过该影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至服务终端上具体包括:
步骤S301,按照预设时间间隔,从经过该影像数据修复处理的动态影像数据中提取得到若干图片;并将提取得到的所有图片进行像素灰度化转换处理,从而得到灰度化形式的图片;
步骤S302,对该灰度化形式的图片进行轮廓识别,从而得到图片对应的像素轮廓信息;将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,若图片的像素轮廓信息包含目标对象的像素轮廓信息,则确定图片存在目标对象;否则,确定图片不存在目标图像;
步骤S303,将确定存在目标对象的图片和图片对应区域的位置信息打包后,通过分布式物联网返回至服务终端上。
上述技术方案的有益效果为:当完成对动态影像数据的修复后,从动态影像数据中间隔预设时间提取若干图片,再将图片进行像素灰度化转换处理,这样能够将图片转换为像素灰度化,这样能够将图片中的轮廓特征进行强化,以保证从图片提取得到的像素轮廓信息能够真实地反映图片中所有物体的外形轮廓特征。再将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,能够准确确定图片是否包含目标对象,从而提高对图片是否存在目标对象判断的准确性和可靠性。其中,该目标对象可为但不限于是人或者物。随时,将确定存在目标对象的图片和图片对应区域的位置信息打包后通过分布式物联网返回至服务终端上,该服务终端可为但不限于是负责每个区域安全监控人员的智能手机等移动终端,这样当该服务终端接收到打包的信息后,能够及时通知安全监控人员进行相应的险情排查处理。
参阅图2,为本发明实施例提供的基于边缘计算的数据核查***的结构示意图。该基于边缘计算的数据核查***包括若干边缘控制设备、影像数据边缘处理模块和云端平台;其中,
该云端平台用于通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;
该影像数据边缘处理模块用于将该动态影像数据进行区分标记和预处理后,根据该动态影像数据的采集时间依次上传至云端平台;
当该云端平台接收到该动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理;
该云端平台还从经过该影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上。
上述技术方案的有益效果为:该基于边缘计算的数据核查***通过指示若干边缘控制设备采集不同区域的动态影像数据,并对动态影像数据进行位置信息的区分标记和预处理后,上传至云端平台进行影像数据修复,以此提高动态影像数据的分辨率;再对修复后的动态影像数据进行目标对象的识别,以此将存在目标对象的图片及其对应的拍摄位置信息返回至服务终端上,这样对动态影像数据进行分辨率的核查后,根据核查结果进行适应性的影像数据修复以此确保修复后的动态影像数据能够进行准确的目标对象识别,从而动态影像数据的影像清晰度和目标对象识别的准确性与可靠性。
优选地,该云端平台用于通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据具体包括:
云端平台通过分布式物联网分别向若干边缘控制设备发送摄像触发指令;当边缘控制设备接收到摄像触发指令时,若边缘控制设备当前处于休眠状态,则将边缘控制设备从休眠状态切换至唤醒状态后,对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;若边缘控制设备当前处于唤醒状态,则直接对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;
以及,
该影像数据边缘处理模块用于将该动态影像数据进行区分标记和预处理后,根据该动态影像数据的采集时间依次上传至云端平台具体包括:
根据动态影像数据所属区域的位置信息,对动态影像数据进行区分标记,从而使每个动态影像只与所属区域一一对应;
对经过区分标记进行保真压缩处理后,再根据动态影像数据的采集时间先后顺序依次上传至云端平台。
上述技术方案的有益效果为:该云端平台可为但不限于是能够实现云端集成运动功能的计算机;该边缘控制设备可包括但不限于摄像头以及与摄像头连接的边缘控制计算机,该边缘控制计算机能够控制该摄像头进行拍摄动作,以及收集拍摄得到的动态影像数据。该云端平台通过分布式物联网与每个边缘控制设备连接,这样该云端平台能够通过分布式物联网与每个边缘控制设备进行摄像控制等操作。
该云端平台通过分布式物联网向每个边缘控制设备发送摄像触发指令,当边缘控制设备接收到该摄像触发指令后,该边缘控制设备的边缘控制计算机在该摄像触发指令的作用下,当该边缘控制计算机处于休眠状态时,该边缘控制计算机会从休眠状态切换至唤醒状态,此时该边缘控制计算机会指示该摄像头对其设置位置的附近区域进扫描拍摄,从而获得对应区域的动态影像数据;当该边缘控制计算机处于唤醒状态时,该边缘控制计算机则直接指示该摄像头对其设置位置的附近区域进行扫描,从而获得对应区域的动态影像数据;其中,该动态影像数据可为但不限于是视频数据。
当边缘控制设备完成动态影像数据的拍摄后,其通过分布式物联网将采集得到的动态影像数据传送到该影像数据边缘处理模块。该影像数据边缘处理模块可为但不限于是能够对动态影像数据进行边缘策略图像处理的计算机。该影像数据边缘处理模块能够对每个边缘控制设备的摄像头的设定位置进行识别,从而获得每个摄像头的位置信息,该位置信息即为每个摄像头拍摄的动态影像数据所属区域的位置信息,再对每个动态影像数据进行对应位置信息的区分标记,从而将每个动态影像数据与位置信息进行一一对应的关联,以便于后续能够快速根据实际需要准确调取对应位置的动态影像信息。当完成对每个动态影像数据的区分标记后,并对每个动态影像数据进行保真压缩处理后根据其对应采集时间的先后顺序依次上传至云端平台,这样能够提高动态影像数据的上传速度和避免动态影像数据在上传过程中发生失真。其中,该保真压缩处理为本领域常用的数据处理方式,这里不做详细的累述。
优选地,当该云端平台接收到该动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理具体包括:
当云端平台接收到该动态影像数据后,将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对;若某一动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息相一致,则将对应的动态影像数据作为需要调取的动态影像数据;
获取需要调取的动态影像数据的影像分辨率;将该影像分辨率与预设分辨率阈值进行比对;若该影像分辨率大于或等于预设分辨率阈值,则不对调取的动态影像数据进行影像数据修复处理;若该影像分辨率小于预设分辨率阈值,则对调取的动态影像数据进行影像数据修复处理;其中,该影像数据修复处理包括提高调取的动态影像数据的分辨率。
上述技术方案的有益效果为:当该云端平台接收到该动态影像数据后,为了获得所需位置拍摄得到的动态影像数据,此时将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对,这样能够快速地找寻处所需要的动态影像数据。随后,将找寻得到的动态影像数据进行分辨率高低的判断,再将分辨率过低的动态影像数据进行影像数据修复处理,从而将分辨率过低的动态影像数据进行分辨率的修复,以此将动态影像数据修复成能够清晰反映细节的影像。
优选地,该云端平台还从经过该影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上具体包括:
按照预设时间间隔,从经过该影像数据修复处理的动态影像数据中提取得到若干图片;并将提取得到的所有图片进行像素灰度化转换处理,从而得到灰度化形式的图片;
对该灰度化形式的图片进行轮廓识别,从而得到图片对应的像素轮廓信息;将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,若图片的像素轮廓信息包含目标对象的像素轮廓信息,则确定图片存在目标对象;否则,确定图片不存在目标图像;
将确定存在目标对象的图片和图片对应区域的位置信息打包后,通过分布式物联网返回至服务终端上。
上述技术方案的有益效果为:当完成对动态影像数据的修复后,从动态影像数据中间隔预设时间提取若干图片,再将图片进行像素灰度化转换处理,这样能够将图片转换为像素灰度化,这样能够将图片中的轮廓特征进行强化,以保证从图片提取得到的像素轮廓信息能够真实地反映图片中所有物体的外形轮廓特征。再将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,能够准确确定图片是否包含目标对象,从而提高对图片是否存在目标对象判断的准确性和可靠性。其中,该目标对象可为但不限于是人或者物。随时,将确定存在目标对象的图片和图片对应区域的位置信息打包后通过分布式物联网返回至服务终端上,该服务终端可为但不限于是负责每个区域安全监控人员的智能手机等移动终端,这样当该服务终端接收到打包的信息后,能够及时通知安全监控人员进行相应的险情排查处理。
从上述实施例的内容可知,该基于边缘计算的数据核查方法和***通过指示若干边缘控制设备采集不同区域的动态影像数据,并对动态影像数据进行位置信息的区分标记和预处理后,上传至云端平台进行影像数据修复,以此提高动态影像数据的分辨率;再对修复后的动态影像数据进行目标对象的识别,以此将存在目标对象的图片及其对应的拍摄位置信息返回至服务终端上,这样对动态影像数据进行分辨率的核查后,根据核查结果进行适应性的影像数据修复以此确保修复后的动态影像数据能够进行准确的目标对象识别,从而动态影像数据的影像清晰度和目标对象识别的准确性与可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.基于边缘计算的数据核查方法,其特征在于,其包括如下步骤:
步骤S1,通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;并将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台;
步骤S2,当云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理;
步骤S3,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上;其中,在所述步骤S2中,当云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理具体包括:
步骤S201,当云端平台接收到所述动态影像数据后,将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对;若某一动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息相一致,则将对应的动态影像数据作为需要调取的动态影像数据;
步骤S202,获取需要调取的动态影像数据的影像分辨率;将所述影像分辨率与预设分辨率阈值进行比对;若所述影像分辨率大于或等于预设分辨率阈值,则不对调取的动态影像数据进行影像数据修复处理;若所述影像分辨率小于预设分辨率阈值,则对调取的动态影像数据进行影像数据修复处理;其中,所述影像数据修复处理包括提高调取的动态影像数据的分辨率;
其中,在所述步骤S202中,对调取的动态影像数据进行影像数据修复处理具体包括:
将所述动态影像数据划分多组影像数据图像,由于所述动态影像数据的影像分辨率小于预设分辨率阈值,为了保证修复后的动态影像数据的影像分辨率大于或者等于预设分辨率阈值,则需要增加所述影像数据图像的像素点数量,首先根据预设分辨率阈值,确定所述影像数据图像的横向像素数量和纵向像素数量的增大倍数,在原来的影像数据图像中均匀增加新的像素点,从而使增加新的像素点后的影像数据图像能够满足上述横向像素数量和纵向像素数量的增大倍数,然后为了保证增加新的像素点不影响影像数据图像的质量,则根据原来的影像数据图像的像素点的像素值对增加新的像素点的像素值进行赋值,从而完成影像数据修复处理,其具体过程为:
步骤S2021,利用下面公式(1),根据预设分辨率阈值,确定所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,
在上述公式(1)中,k表示所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数;P0表示预设分辨率阈值;a表示所述影像数据图像的长度;b表示所述影像数据图像的宽度;n表示所述影像数据图像每一列像素包含的像素点数量;m表示所述影像数据图像每一行像素包含的像素点数量;表示向上取整运算;
步骤S2022,利用下面公式(2),根据所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,得到在原来的影像数据图像中相邻两个像素点之间增加新的像素点的数量,
在上述公式(2)中,Δn表示在原来的影像数据图像中每一列相邻两个像素点之间增加新的像素点的数量;Δm表示在原来的影像数据图像中每一行相邻两个像素点之间增加新的像素点的数量;
步骤S2023,利用下面公式(3),利用下面公式(3)和(4),根据在原来的影像数据图像中每一列/每一行相邻两个像素点之间增加新的像素点的数量,对每一列/每一行增加新的像素点的像素值进行赋值,
在上述公式(3)和(4)中,表示在原来的影像数据图像中第i行第j列像素点与第i行第j+1列像素点之间增加的第t个像素点的像素值;D(i,j)表示原来的影像数据图像中第i行第j列像素点的像素值;D(i,j+1)表示原来的影像数据图像中第i行第j+1列像素点的像素值;
利用上述公式(3)和(4),即完成在原来的影像数据图像中每一列/每一行相邻两个像素点之间增加新的像素点后,对每一列/每一行增加新的像素点的像素值的赋值,从而完成影像数据修复处理。
2.如权利要求1所述的基于边缘计算的数据核查方法,其特征在于:
在所述步骤S1中,通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;并将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台具体包括:
步骤S101,指示云端平台通过分布式物联网分别向若干边缘控制设备发送摄像触发指令;当边缘控制设备接收到摄像触发指令时,若边缘控制设备当前处于休眠状态,则将边缘控制设备从休眠状态切换至唤醒状态后,对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;若边缘控制设备当前处于唤醒状态,则直接对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;
步骤S102,根据动态影像数据所属区域的位置信息,对动态影像数据进行区分标记,从而使每个动态影像只与所属区域一一对应;
步骤S103,对经过区分标记进行保真压缩处理后,再根据动态影像数据的采集时间先后顺序依次上传至云端平台。
3.如权利要求1所述的基于边缘计算的数据核查方法,其特征在于:
在所述步骤S3中,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至服务终端上具体包括:
步骤S301,按照预设时间间隔,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片;并将提取得到的所有图片进行像素灰度化转换处理,从而得到灰度化形式的图片;
步骤S302,对所述灰度化形式的图片进行轮廓识别,从而得到图片对应的像素轮廓信息;将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,若图片的像素轮廓信息包含目标对象的像素轮廓信息,则确定图片存在目标对象;否则,确定图片不存在目标图像;
步骤S303,将确定存在目标对象的图片和图片对应区域的位置信息打包后,通过分布式物联网返回至服务终端上。
4.基于边缘计算的数据核查***,其特征在于,其包括若干边缘控制设备、影像数据边缘处理模块和云端平台;其中,
所述云端平台用于通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据;
所述影像数据边缘处理模块用于将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台;当所述云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理;
所述云端平台还从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上;
其中,当所述云端平台接收到所述动态影像数据后,根据区分标记的结果,从所有动态影像数据中调取目标位置区域对应的动态影像数据;对调取的动态影像数据进行影像数据修复处理具体包括:
当云端平台接收到所述动态影像数据后,将所有动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息进行比对;若某一动态影像数据标记的所属区域的位置信息与目标位置区域的位置信息相一致,则将对应的动态影像数据作为需要调取的动态影像数据;
获取需要调取的动态影像数据的影像分辨率;将所述影像分辨率与预设分辨率阈值进行比对;若所述影像分辨率大于或等于预设分辨率阈值,则不对调取的动态影像数据进行影像数据修复处理;若所述影像分辨率小于预设分辨率阈值,则对调取的动态影像数据进行影像数据修复处理;其中,所述影像数据修复处理包括提高调取的动态影像数据的分辨率;其中,所述对调取的动态影像数据进行影像数据修复处理具体包括:将所述动态影像数据划分多组影像数据图像,由于所述动态影像数据的影像分辨率小于预设分辨率阈值,为了保证修复后的动态影像数据的影像分辨率大于或者等于预设分辨率阈值,则需要增加所述影像数据图像的像素点数量,首先根据预设分辨率阈值,确定所述影像数据图像的横向像素数量和纵向像素数量的增大倍数,在原来的影像数据图像中均匀增加新的像素点,从而使增加新的像素点后的影像数据图像能够满足上述横向像素数量和纵向像素数量的增大倍数,然后为了保证增加新的像素点不影响影像数据图像的质量,则根据原来的影像数据图像的像素点的像素值对增加新的像素点的像素值进行赋值,从而完成影像数据修复处理,其具体过程为:
步骤S2021,利用下面公式(1),根据预设分辨率阈值,确定所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,
在上述公式(1)中,k表示所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数;P0表示预设分辨率阈值;a表示所述影像数据图像的长度;b表示所述影像数据图像的宽度;n表示所述影像数据图像每一列像素包含的像素点数量;m表示所述影像数据图像每一行像素包含的像素点数量;表示向上取整运算;
步骤S2022,利用下面公式(2),根据所述影像数据图像的横向像素数量和纵向像素数量各自的最小增大倍数,得到在原来的影像数据图像中相邻两个像素点之间增加新的像素点的数量,
在上述公式(2)中,Δn表示在原来的影像数据图像中每一列相邻两个像素点之间增加新的像素点的数量;Δm表示在原来的影像数据图像中每一行相邻两个像素点之间增加新的像素点的数量;
步骤S2023,利用下面公式(3),利用下面公式(3)和(4),根据在原来的影像数据图像中每一列/每一行相邻两个像素点之间增加新的像素点的数量,对每一列/每一行增加新的像素点的像素值进行赋值,
5.如权利要求4所述的基于边缘计算的数据核查***,其特征在于:
所述云端平台用于通过分布式物联网指示若干边缘控制设备采集不同区域的动态影像数据具体包括:
云端平台通过分布式物联网分别向若干边缘控制设备发送摄像触发指令;当边缘控制设备接收到摄像触发指令时,若边缘控制设备当前处于休眠状态,则将边缘控制设备从休眠状态切换至唤醒状态后,对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;若边缘控制设备当前处于唤醒状态,则直接对边缘控制设备所属的区域进行扫描拍摄,从而获得对应区域的动态影像数据;
以及,
所述影像数据边缘处理模块用于将所述动态影像数据进行区分标记和预处理后,根据所述动态影像数据的采集时间依次上传至云端平台具体包括:
根据动态影像数据所属区域的位置信息,对动态影像数据进行区分标记,从而使每个动态影像只与所属区域一一对应;
对经过区分标记进行保真压缩处理后,再根据动态影像数据的采集时间先后顺序依次上传至云端平台。
6.如权利要求4所述的基于边缘计算的数据核查***,其特征在于:
所述云端平台还从经过所述影像数据修复处理的动态影像数据中提取得到若干图片,对所有图片进行图片像素转换处理;并对经过图片像素转换处理的图片进行识别,从而核查图片中是否存在目标对象;在将核查结果通过分布式物联网返回至分布式物联网返回至对应区域的服务终端上具体包括:
按照预设时间间隔,从经过所述影像数据修复处理的动态影像数据中提取得到若干图片;并将提取得到的所有图片进行像素灰度化转换处理,从而得到灰度化形式的图片;
对所述灰度化形式的图片进行轮廓识别,从而得到图片对应的像素轮廓信息;将图片的像素轮廓信息与目标对象的像素轮廓信息进行比对,若图片的像素轮廓信息包含目标对象的像素轮廓信息,则确定图片存在目标对象;否则,确定图片不存在目标图像;
将确定存在目标对象的图片和图片对应区域的位置信息打包后,通过分布式物联网返回至服务终端上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207463.1A CN114170619B (zh) | 2021-10-18 | 2021-10-18 | 基于边缘计算的数据核查方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207463.1A CN114170619B (zh) | 2021-10-18 | 2021-10-18 | 基于边缘计算的数据核查方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114170619A CN114170619A (zh) | 2022-03-11 |
CN114170619B true CN114170619B (zh) | 2022-08-19 |
Family
ID=80476934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111207463.1A Active CN114170619B (zh) | 2021-10-18 | 2021-10-18 | 基于边缘计算的数据核查方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114170619B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117873765B (zh) * | 2023-12-22 | 2024-05-28 | 江苏达科数智技术有限公司 | 分布式采集数据处理方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110331A1 (en) * | 2007-10-29 | 2009-04-30 | Hidenori Takeshima | Resolution conversion apparatus, method and program |
CN110246084A (zh) * | 2019-05-16 | 2019-09-17 | 五邑大学 | 一种超分辨率图像重构方法及其***、装置、存储介质 |
CN113196334A (zh) * | 2019-03-25 | 2021-07-30 | 特励达数字成像有限公司 | 用于生成超分辨率图像的方法和相关设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651774B (zh) * | 2016-12-27 | 2020-12-04 | 深圳市捷顺科技实业股份有限公司 | 一种车牌超分辨率模型重建方法及装置 |
CN106651938B (zh) * | 2017-01-17 | 2019-09-17 | 湖南优象科技有限公司 | 一种融合高分辨率彩色图像的深度图增强方法 |
CN107197233A (zh) * | 2017-06-23 | 2017-09-22 | 安徽大学 | 基于边缘计算模型的监控视频数据质量评测方法及装置 |
CN109996039B (zh) * | 2019-04-04 | 2021-06-25 | 中南大学 | 一种基于边缘计算的目标追踪方法及装置 |
CN110210378B (zh) * | 2019-05-30 | 2023-04-07 | 中国电子科技集团公司第三十八研究所 | 一种基于边缘计算的嵌入式视频图像解析方法及装置 |
CN110795595B (zh) * | 2019-09-10 | 2024-03-05 | 安徽南瑞继远电网技术有限公司 | 基于边缘计算的视频结构化存储方法、装置、设备及介质 |
CN111970538A (zh) * | 2020-08-27 | 2020-11-20 | 上海松鼠课堂人工智能科技有限公司 | 教学视频处理方法与*** |
CN112261353B (zh) * | 2020-09-01 | 2022-10-28 | 浙江大华技术股份有限公司 | 一种视频监控分流方法、***以及计算机可读存储介质 |
-
2021
- 2021-10-18 CN CN202111207463.1A patent/CN114170619B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110331A1 (en) * | 2007-10-29 | 2009-04-30 | Hidenori Takeshima | Resolution conversion apparatus, method and program |
CN113196334A (zh) * | 2019-03-25 | 2021-07-30 | 特励达数字成像有限公司 | 用于生成超分辨率图像的方法和相关设备 |
CN110246084A (zh) * | 2019-05-16 | 2019-09-17 | 五邑大学 | 一种超分辨率图像重构方法及其***、装置、存储介质 |
Non-Patent Citations (2)
Title |
---|
"基于HSI梯度统计特性的图像修复算法";舒彬 等;《光电子.激光》;20181031;第29卷(第10期);第1128-1135页 * |
"基于像素中位扩散的大面积损坏图像修复机制";鲁秋菊 等;《计算机应用与软件》;20151031;第32卷(第10期);第184-187页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114170619A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191567B (zh) | 身份数据处理方法、装置、计算机设备和存储介质 | |
CN111680746B (zh) | 车损检测模型训练、车损检测方法、装置、设备及介质 | |
CN113470374B (zh) | 车辆超速监测方法、装置、计算机设备及存储介质 | |
CN113947731B (zh) | 一种基于接触网安全巡检的异物识别方法及*** | |
CN110717449A (zh) | 车辆年检人员的行为检测方法、装置和计算机设备 | |
CN111047088A (zh) | 预测图像获取方法、装置、计算机设备和存储介质 | |
CN114170619B (zh) | 基于边缘计算的数据核查方法和*** | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及*** | |
CN116624065B (zh) | 一种智能门窗自动折叠调控方法 | |
CN116993665A (zh) | 一种基于计算机视觉的建筑工程作业面施工进度的智能检测方法 | |
CN113569956A (zh) | 一种基于ai算法的山火灾害勘查识别方法 | |
CN115239508A (zh) | 基于人工智能的场景规划调整方法、装置、设备及介质 | |
CN117152094A (zh) | 基于计算机视觉的钢板表面缺陷分析方法、装置及*** | |
CN110135274B (zh) | 一种基于人脸识别的人流量统计方法 | |
CN112581001B (zh) | 设备的评估方法及装置、电子设备、可读存储介质 | |
CN116246200A (zh) | 一种基于视觉识别的屏显信息偷拍检测方法及*** | |
CN113284103B (zh) | 基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测方法 | |
CN115482462A (zh) | 基于深度学习的混凝土裂缝识别***及方法 | |
CN108520615A (zh) | 一种基于图像的火灾识别***和方法 | |
CN113705442A (zh) | 一种户外大牌广告画面监控识别***及方法 | |
CN115272952A (zh) | 新能源基建的安全监控方法、装置、***和存储介质 | |
CN113888481A (zh) | 一种桥面病害检测方法、***、设备及存储介质 | |
CN117705816B (zh) | 基于无人机的钢轨表面缺陷检测方法、***、设备及介质 | |
CN113469169A (zh) | 一种钢瓶穿孔编码定位与识别***及识别方法 | |
CN118279825A (zh) | 一种自适应的施工现场安全帽佩戴动态监测方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |