[发明专利]一种智能视觉感知分布式节点协作方法、装置及系统

说明书

本发明公开一种智能视觉感知分布式节点协作方法、装置及系统，目的在于解决多摄像头跨镜联动场景时的网络延迟、拥堵等问题，其中，方法包括：服从型节点持续获取所管辖的至少一个摄像头传送的视频信息；调度内置的卷积神经网络算法从视频信息中识别出预设目标并判断预设目标是否出现感兴趣事件，若是，则将感兴趣信息和数据文件存储在服从型节点上；持续监听节点集群中控制型节点发送的控制指令信息；基于控制指令信息将存储在服从型节点上的所述感兴趣信息、数据文件传送至控制型节点。本发明通过将人工智能分析的算力和算法临近摄像头簇群进行部署，提高了跨镜追踪、搜索等的响应速度。

技术领域

本发明涉及人工智能领域，具体而言，本发明涉及一种智能视觉感知分布式节点协作方法、装置及系统。

背景技术

采用卷积神经网络等技术的人工智能分析已经在社区安防、矿山安全生产等领域获得应用。公知系统采用高性能中央服务器完成进行视频分析。中央集中式视觉分析方式要求所有视频流均集中推送到视频流分析中央服务器，对社区、银行、煤矿等场景摄像头数量密集、涉及人员跨镜搜索及追踪场景具有较大劣势。此外，多视频源同时接入容易网络拥塞，且部分视频源到达视频流分析中央服务器具有较大延迟，难以满足跨镜追踪等并发实时响应的要求。

发明内容

为了解决多摄像头跨镜联动场景时的网络延迟、拥堵等问题，本发明提出一种智能视觉感知分布式节点协作方法、装置及系统。

方案一：

提供一种智能视觉感知分布式节点协作方法，该智能视觉感知分布式节点协作方法包括如下步骤：

服从型节点持续获取所管辖的至少一个摄像头传送的视频信息；

调度内置的卷积神经网络算法从所述视频信息中识别出预设目标并判断所述预设目标是否出现感兴趣事件，若是，则将与所述感兴趣事件对应的感兴趣信息和所述卷积神经网络算法输出的数据文件存储在所述服从型节点上；

持续监听节点集群中控制型节点发送的控制指令信息，其中所述节点集群包括至少一个所述服从型节点和与所述服从型节点通信连接的控制型节点；

基于所述控制指令信息将存储在所述服从型节点上的所述感兴趣信息、数据文件传送至所述控制型节点。

优选地，所述服从型节点为智能视觉感知节点，所述服从型节点获取所管辖的至少一个摄像头传送的视频信息之前，包括如下步骤：

将至少一个摄像头按照预设分组规则分组并为每组摄像头对应配置一个服从型节点；所述服从型节点与所述至少一个摄像头通过视频流协议通信连接。

优选地，所述判断所述预设目标是否出现感兴趣事件包括如下步骤：

根据预先定义的规则判断所述预设目标是否出现感兴趣事件，所述预先定义的规则基于控制型节点发送的控制指令信息或者自定义。

优选地，所述将与所述感兴趣事件对应的感兴趣信息和所述卷积神经网络算法输出的数据文件存储在所述服从型节点上之前包括如下步骤：

判断所述感兴趣信息是否是满足预定义条件的感兴趣信息，若是，则将与所述感兴趣事件对应的感兴趣信息和所述卷积神经网络算法输出的数据文件存储在所述服从型节点上。

优选地，所述基于所述控制指令信息将存储在所述服从型节点上的所述感兴趣信息、数据文件传送至所述控制型节点之前，包括如下步骤：

将与所述感兴趣事件对应的感兴趣信息和所述卷积神经网络算法输出的数据文件上传至中央存储服务器备份。

方案二：

提供一种智能视觉感知分布式节点协作方法，所述智能视觉感知分布式节点协作方法包括如下步骤：

控制型节点获取控制指令信息并将所述控制指令信息发送至服从型节点；