[发明专利]一种警务行业云端边缘计算和人工智能融合方法及装置

说明书

本发明提供一种警务行业云端边缘计算和人工智能融合方法及装置，属于涉及云计算、物联网、边缘计算、人工智能领域，本发明将深度学习计算分布到云端、管道和边缘端侧，由警务中心云端负责警务海量数据的基础模型训练，根据警务中心边缘端侧的需求进行个性化模型分发，云端到边缘端侧警务中心部署学习后的深度学习模型，用来完成推理，边缘警务持续进行推理结果的反馈，在上传到云端持续优化云端警务模型。

技术领域

本发明涉及云计算、物联网、边缘计算、人工智能技术，尤其涉及一种警务行业云端边缘计算和人工智能融合方法及装置。

背景技术

随着云计算的发展，各类应用系统已经渐渐转向云端，云端中心聚合了大量的物理硬件资源，如服务器、网络、内存及存储等，采用虚拟化技术将其进行抽取、转换后统一呈现出来，实现了异构网络计算资源的统一分配、调度和管理，集中建设数据中心大大降低了计算和存储的成本。

随着城市化进程的加快及经济发展，我国社会治安构成要素日渐膨胀，给公安机关警务工作带来很大压力，而警力资源则几乎未增长，导致供需矛盾日益激化。在此背景下，警务机关亟待通过新技术和新模式寻求突破，以适应当下公安机关业务变革的需求。

2018年开始，人工智能不再强调概念和技术，而是加速与各个垂直领域进行融合。在安防行业，人工智能已经逐步进入业务实战应用阶段，作为最能发挥人工智能价值的领域之一，智慧警务在人工智能、大数据及云计算等技术融合的驱动下，呈现出新的发展特征。无论是智能前端设备(包括移动警务设备)，还是警务云平台，采集数据的价值实现都离不开人工智能技术的融合应用。前端是各类识别与比对以及视频结构化的实时处理，以在端侧实现智能化，满足前端场景应用在时延、功耗和性能方面的需求，而后端则是体现在基于多维数据的深度分析研判，相当于是作战指挥中心。共享使用全省警务云提供的计算、存储和数据资源，从而大大提升基层民警办事效率，减轻民警工作压力。

深度学习需要大量数据和计算资源来进行训练，警务云端服务在一定程度上可以满足要求，然而伴随着数据量越来越庞大，特别是对于边缘端侧诸如实时业务、数据优化、带宽限制、应用智能、安全与隐私等多方面需求，计算和存储无法全部放在远程云端，需要将其靠近边缘端侧设备或数据源头，就近提供近端计算服务。在这种情况下，如何更高效的为边缘端侧设备提供深度学习能力，并能融合“云-管-端”多种计算资源，提供更好的深度学习能力，持续的优化模型和推理能力成为亟需解决的问题。

发明内容

为了解决以上技术问题，本发明提出了一种警务行业云端边缘计算和人工智能融合技术的方法，有效的利用了带宽，保证了网络传输的效率，提高了警务实时业务执行效率。

本发明的技术方案是：

一种警务行业云端边缘计算和人工智能融合方法，

将深度学习技术分布到警务云端、管道和边缘端侧，由警务云端负责海量数据大计算量的基础模型训练，根据边缘端侧的需求进行个性化的模型分发，云端到边缘端侧节点部署学习后的深度学习模型，用来完成推理，边缘端侧持续进行推理结果的反馈，再上传到云端持续优化模型。

具体实施流程包括：

步骤1、警务云端产生通用深度学习模型，并将深度学习模型下发到边缘端侧；

步骤2、边缘端侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；

步骤3、边缘端侧将训练集经管道上传至警务云端；

步骤4、警务云端根据训练集进行深度学习模型训练，优化警务云端深度学习模型。

进一步的，

所述步骤1流程包括：

步骤1.1、警务云端利用收集的海量数据进行深度学习模型训练，产生警务云端通用深度学习模型；