(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210688416.1 (22)申请日 2022.06.16 (71)申请人 慧之安信息技 术股份有限公司 地址 100000 北京市海淀区昆明湖南路51 号A座二层217号 (72)发明人 余丹　刘一凡　兰雨晴　王丹星　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 张国香 (51)Int.Cl. G06T 7/90(2017.01) G06T 7/13(2017.01) G06F 9/50(2006.01) G06F 9/48(2006.01) G06T 1/20(2006.01)G06T 1/60(2006.01) G06F 3/06(2006.01) (54)发明名称 面向实时视频流分析的边 缘计算方法 (57)摘要 本发明提供了面向实时视频流分析的边缘 计算方法， 其根据边缘计算系统包含的所有边缘 计算服务器的数据计算性能， 将边缘计算系统转 换为具有三层纵向计算框架结构的边缘计算系 统； 对摄像设备拍摄得到的目标对象视频进行分 析处理， 确定目标对象视频的视频流画面特征， 以此将目标对象视频分配至具有三层纵向计算 框架结构的边缘计算系统的其中一层边缘计算 层进行分析处理； 再将目标对象视频的分析处理 结果通过互联网上传到目标 终端设备上； 上述边 缘计算方法将所有边缘计算服务器整合为具有 三层纵向计算框架结构的边缘计算系统， 以识别 分析具有不同画面特征的目标对象视频， 在不需 要占用互联网带宽的情况下， 也能实现快速准确 安全的视频流分析。 权利要求书3页 说明书7页 附图1页 CN 114972550 A 2022.08.30 CN 114972550 A 1.面向实时视频流分析的边 缘计算方法， 其特 征在于， 其包括如下步骤： 步骤S1， 将边缘计算系统与摄像设备进行连接， 根据所述边缘计算系统包含的所有边 缘计算服务器的数据计算性能， 将所述边缘计算系统转换为具有三层纵向计算框架结构的 边缘计算系统； 步骤S2， 指示摄像设备对目标对象进行视频拍摄， 得到目标对象视频； 对所述目标对象 视频进行分析处 理， 确定所述目标对象视频的视频流画面特 征； 步骤S3， 根据所述视频流画面特征， 将所述目标对象视频分配至具有三层纵向计算框 架结构的边 缘计算系统的其中一层边 缘计算层进行分析处 理； 步骤S4， 将对目标对象视频的分析处 理结果通过互联网上传到目标终端设备 上。 2.如权利要求1所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤 S1中， 将边 缘计算系统与摄 像设备进行 连接之后， 还 包括： 获取所述边缘计算系统包含的所有边缘计算服务器各自所使用的数据计算工具类型 和数据计算工具的计算速率。 3.如权利要求2所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤 S1中， 根据所述边缘计算系统包含的所有边缘计算服务器的数据计算性能， 将所述边缘计 算系统转换为具有三层纵向计算框架结构的边 缘计算系统具体包括： 根据每个边缘计算服务器所使用的数据计算工具类型和数据计算工具的计算速率， 确 定每个边缘计算服务器的算力值； 根据每个边缘计算服务器的算力值大小， 将所有边缘计算服务器分别划分到底层服务 器集合、 中层服务器集合和顶层服务器集合中； 其中， 所述底层服务器集合、 所述中层服务 器集合和所述顶层服 务器集合中边缘计算服务器的算力值依次增大； 将所述底层服务器集合、 所述中层服务器集合和所述顶层服务器集合由下至上依次组 成具有三层纵向计算框架结构的边 缘计算系统。 4.如权利要求3所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤 S2中， 指示摄 像设备对目标对象进行视频拍摄， 得到目标对象视频 具体包括： 指示摄像设备对目标对象进行彩色全景视频拍摄， 得到目标对象视频。 5.如权利要求4所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤 S2中， 对所述目标对 象视频进行分析处理， 确定所述目标对象视频的视频流画面特征具体 包括： 按照所述目标对象视频的拍摄时序， 将所述目标对象视频划分为若干目标对象视频 流； 从每个目标对象视频流中提取得到若干视频流画面， 并确定每个视频流画面的色度分 布特征和轮廓分布特 征。 6.如权利要求5所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤 S3中， 根据所述视频流画面特征， 将所述 目标对象视频分配至具有三层纵向计算框架结构 的边缘计算系统的其中一层边 缘计算层进行分析处 理具体包括： 根据所述目标对象视频对应的视频流画面的色度分布特征和轮廓分布特征， 确定所述 目标对象视频的画面复杂程度； 根据所述目标对象视频的画面复杂程度， 将所述目标对象视频分配至具有三层纵向计权　利　要　求　书 1/3 页 2 CN 114972550 A 2算框架结构的边缘计算系统中的底层服务器集合、 中层服务器集合或顶层服务器集合， 从 而对所述目标对象视频进行画面内容识别分析。 7.如权利要求6所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤 S2中， 从每个目标对 象视频流中提取得到若干视频流画面， 并确定每个视频流画面的色度 分布特征和轮廓分布特 征具体包括： 利用下面公式(1)， 根据每个视频流画面的RGB， 确定每个视频流画面的色度分布特征 值， 在上述公式(1)中， E(a)表示第a个视频流画面的色度分布特征值； Sa,k(i,j)表示第a个 视频流画面中第i行第j列像素点的RGB值里的第k个值， 其中k＝1， 2， 3分别对应于R值、 G值、 B值； m表示每个视频流画 面中每一行像素点的总个数； n表示每个视频流画 面中每一列像素 点的总个数； max(Sa,k)表示第a个视频流画面中所有像素点的RGB值中的最大值； min(Sa,k) 表示第a个视频流画面中所有像素点的RGB值中的最小值； 表示将的值从1取值 到3代入到括 号内得到括 号内的最大值； R(a)表示预设 色度分布指数放大值； 利用下面公式(2)， 根据每个视频流画面的RGB值， 确定每个视频流画面的轮廓分布特 征值， 在上述公式(2)中， H(a)表示第a个视频流画面的轮廓分布特征值； Sa,k(i,j+1)表示第a 个视频流画面中第i行第j+1列像素点的RGB值里的第k个值， 其中k＝1， 2， 3分别对应于R值、 G值、 B值； Sa,k(i+1,j)表示第a个视频流画面中第i+1行第j列像素点的RGB值里的第k个值， 其中k＝1， 2， 3分别对应于R值、 G值、 B值； ||表示求取绝对值； 在所述步骤S3中， 根据所述目 标对象视频对应的视频流画 面的色度分布特征和轮廓分布特征， 确定所述目标对象视频的 画面复杂程度具体包括： 利用下面公式(3)， 对每个视频流画面的色度分布特征值以及每个视频流画面的轮廓 分布特征值进行综合整合， 得到所述目标对象视频的画面复杂程度， 在上述公式(3)中， C表示目标对象视频的画面复杂程度值； G表示目标对象视频中提取 得到视频流画面的总个数。 8.如权利要求7所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤 S3中， 还包括： 当将所述目标对象视频分配至具有三层纵向计算框架结构的边缘计算系统中的底层 服务器集合、 中层服务器集合或顶层服务器集合后， 将所述 目标对象视频切分为若干视频 计算任务， 再将所述视频计算任务分配至其对应的服务器集合中处于空闲状态的边缘计算 服务器进行画面内容识别分析。 9.如权利要求8所述的面向实时视频流分析的边缘计算方法， 其特征在于： 在所述步骤权　利　要　求　书 2/3 页 3 CN 114972550 A 3