[发明专利]一种基于边缘计算的人工智能视频分析平台

说明书

本发明提出一种基于边缘计算的人工智能视频分析平台，包括嵌入式边缘计算系统、边缘硬件抽象层模块、深度神经网络函数库和深度神经网络运行系统，嵌入式边缘计算系统内嵌有优化的深度神经网络软件，通过边缘硬件抽象层模块与深度神经网络函数库交互，深度神经网络运行系统包括与外接应用连接的服务编程接口。本发明能够实现提高视频分析的数据传输速度，提高视频设备的性能，减少用户与视频数据中心之间传输的数据量，减少云流量，在本地过滤和存储敏感数据。

技术领域

本发明属于人工智能领域，尤其是一种基于边缘计算的人工智能视频分析平台。

背景技术

边缘计算通过在网络边缘处理数据而得名，代替在云或集中式数据中心中容纳处理能力，数据处理发生在位于源处或源附近的多个较小的数据中心中。边缘计算的目标是使数据尽可能接近实际设备(通常在100英尺或更短的范围内)。在某些情况下，这可提供精确的结果并减少延迟，并消耗更少的网络带宽。

云计算是一个完全不同的模型，云使用户可以从任何地方远程访问其数据、应用程序和基础架构。但是，由于这些资源存储在异地服务器之间，因此延迟和性能通常成为问题。通过本地处理数据，边缘计算可以克服云计算的缺点，并理想地适合多种业务应用程序。

在许多用例中，边缘计算体系结构提供了优于完全集中的云设计的优势，尤其是从网络和数据存储效率的角度来看。以下是组织可以从边缘计算中潜在受益的三种方式：

1.更快的性能：尽管云能够快速处理数据，但上述延迟问题可能导致连接到Internet的设备的响应时间变慢。相反，边缘计算可提高数据传输速度，使那些相同的设备享有明显更好的性能。

2.节省成本：与存储、带宽和处理能力相关的前期费用对于任何组织来说都是一项成本高昂的投资。使用边缘计算，用户和数据中心之间传输的数据要少得多。由于可以在本地级别处理数据，因此企业可以选择自己想要在本地运行的内容以及想要在云中运行的内容。是一种更具成本效益的解决方案。

3.改进的隐私：直到今天，隐私仍然是采用云的最大障碍之一。边缘计算不仅可以减少云流量，还可以在本地过滤和存储敏感数据。因此，组织可以围绕自己的隐私和合规性要求构建基础架构。

如今，缺乏基于AI的视频分析的边缘计算平台。

发明内容

本发明所解决的技术问题在于提供一种基于边缘计算的人工智能视频分析平台，实现提高视频分析的数据传输速度，提高视频设备的性能，减少用户与视频数据中心之间传输的数据量，减少云流量，在本地过滤和存储敏感数据。

实现本发明目的的技术解决方案为：

一种基于边缘计算的人工智能视频分析平台，包括若干个相互独立的嵌入式边缘计算系统和边缘硬件抽象层模块、深度神经网络函数库、深度神经网络运行系统，其中，嵌入式边缘计算系统分别与边缘硬件抽象层模块连接，嵌入式边缘计算系统通过边缘硬件抽象层模块与深度神经网络函数库交互；嵌入式边缘计算系统内嵌有优化的深度神经网络软件，还包括神经处理单元、图形处理单元、现场可编程门阵列、数字信号处理或中央处理器中的任意一个或多个的组合；

深度神经网络函数库包括分类、检测、识别、语义分割、人体姿势估计或图像超分辨率的任意一个或多个函数库的组合；深度神经网络运行系统包括与外接应用连接的服务编程接口，深度神经网络运行系统还包括线程池、预处理、后处理或服务守护程序中的任意一个或多个的组合。

进一步的，本发明的基于边缘计算的人工智能视频分析平台，深度神经网络函数库包括分类函数库，用于将图像逐一分类至先前已定义的类或类型。

进一步的，本发明的基于边缘计算的人工智能视频分析平台，深度神经网络函数库包括检测函数库，用于检测图像中存在的预定义类或类型的语义并采用边界框来标识相应的位置，包括性别、年龄、面部表情、背景或场景等，所述背景或场景包括餐厅、森林、草地、海滩、生日派对等。