(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 202211127281.8 (22)申请日 2022.09.16 (71)申请人 南京品淳通信科技有限公司 地址 210000 江苏省南京市江北新区研创 园行知路1号清华力合1 1楼 (72)发明人 滑瀚　 (74)专利代理 机构 南京中识知识产权代理事务 所(普通合伙) 32554 专利代理师 孙丹 (51)Int.Cl. H04Q 9/00(2006.01) H04L 67/12(2022.01) G06N 20/00(2019.01) G16Y 20/00(2020.01) G16Y 20/10(2020.01)G16Y 30/00(2020.01) G16Y 40/10(2020.01) G16Y 40/20(2020.01) (54)发明名称 一种基于边缘计算的事件监控系统及监控 方法 (57)摘要 本发明公开了一种基于边缘计算的事件监 控系统及监控方法， 包括多模态传感器、 多通道 选择模拟开关、 动态存储模块、 事件模型训练学 习模块、 多模态事件检测模块、 物联网传输模块。 本发明能够基于现场多种类传感器所采集的多 模态数据， 同步进行关联计算处理， 形成现场模 型特征， 通过模型学习和比对实现事件告警， 提 高了事件发现准确率， 降低误报和漏报概率， 也 大大降低了物联网带宽需求和流量成本。 本发明 还能够识别环 境参数数据， 生 成事件特征模型环 境修正参数， 对事件特征模型进行 实时的更新修 正， 以此能够避免复杂场景的环 境动态改变造成 的事件识别的不 准确问题。 权利要求书2页 说明书6页 附图2页 CN 115474108 A 2022.12.13 CN 115474108 A 1.一种基于边缘计算的事件监控系统， 包括多模态传感器、 多通道选择模拟开关、 动态 存储模块、 事件模型训练学习模块、 多模态事 件检测模块、 物联网传输模块； 其特征在于， 多通道选择模拟开关， 用于多路选通多模态传感器； 事件模型训练学习模块， 用于训练初始 的事件特征模型， 并在实 际运行中根据现场传 感器实际收到的数据优化调整事 件特征模型； 多模态事件检测模块， 基于多通道选择模拟开关选通的多模态传感器检测数据， 进行 事件的初次识别， 并根据初次识别结果控制多通道选择模拟开关的选通通道， 获取更多类 型的多模态传感器检测数据， 从而进行事件的再次识别； 当初次识别与再次识别结果一致 时， 启动告警， 通过物联网传输模块上传实时传感器数据。 2.根据权利要求1所述的基于边缘计算的事件监控系统， 其特征在于， 所述事件模型训 练学习模块在事件特征模型 的训练阶段， 获取多类不同事件状态的传感器训练数据， 通过 多通道选择模拟开关选通需要输入的传感器训练数据； 事件模型训练学习模块对每连续n 个采样向量s， 形成一个n ×n的矩阵T； 计算矩阵T的自相关矩阵T ’， 并对T’进行特征值分解， 得到特征值及对应的特征向量； 计算事件特征向量， 基于机器学习算法训练形成事件特征 模型； 其中， 事 件特征向量X按照下式计算： X＝K*T*WT 其中， K为事件特征模型环境修正参数， T为归一化后的训练数据矩阵， WT为特征向量的 转置向量。 3.根据权利要求2所述的基于边缘计算的事件监控系统， 其特征在于， 事件模型训练学 习模块在实际运行阶段， 获取多模态传感器的实时数据， 根据数据类型筛选出环境类型实 时数据， 形成环境特征向量， 将环 境特征向量输入至环 境识别模型中， 得到识别结果； 其中， 识别结果为事件特征模型环境修正参数， 环境识别模型为基于机器学习算法的智能模型或 基于映射关系的数 学模型。 4.根据权利要求1所述的基于边缘计算的事件监控系统， 其特征在于， 所述多模态传感 器用于采集复杂场景的多维实时检测数据； 所述动态储存模块， 采用FIFO方式按照时间顺 序并行存储数据向量； 所述多模态事件检测模块， 进行事件的初次识别和再次识别， 包括： 按照预设采样频率实时处理动态存储模块中的采样数据， 形成当前时刻的现场传感数据模 型， 并通过与来自事件模型训练学习模块的事件特征模型进行相关性运算， 获得当前时刻 数据模型与事 件特征模型的似然比， 并根据似然比识别事 件。 5.根据权利要求1所述的基于边缘计算的事件监控系统， 其特征在于， 动态储存模块， 在动态存储模块内部形成L ×n维的数据矩阵(L为所储存的采样点数量)， 并且该矩阵内的 数据元按照采样频率 不断同步 流动。 6.根据权利要求1所述的基于边缘计算的事件监控系统， 其特征在于， 所述多模态传感 器， 包括指标参数传感器和环境传感器， 其中指标参数传感器包括湿度传感器、 压力传感 器、 液位传感器、 液体浓度传感器和/或气体浓度传感器； 环境传感器包括 温度传感器、 风力 风向传感器、 流速传感器和/或速度传感器。 7.根据权利要求1所述的基于边缘计算的事件监控系统， 其特征在于， 多模态事件检测 模块包含数据矩阵截取、 数据模型生成、 数据模型似然比计算与事 件判决等子模块。 8.根据权利要求7所述的基于边缘计算的事件监控系统， 其特征在于， 数据模型生成子权　利　要　求　书 1/2 页 2 CN 115474108 A 2模块， 基于当前时刻采集数据 获取n×n维的子矩阵P， 计算其 自相关矩阵P ’， 并对P’进行特 征值分解， 得到当前时刻采集数据空间的特 征向量和对应的特 征值； 数据模型似然比计算与事件判决子模块， 将当前时刻采集信号空间的特征向量和对应 的特征值， 与从事件模型训练学习模块获得的事件向量与特征值， 进 行相关性计算， 得到当 前时刻采集数据与事 件模型的似然比， 从而判断识别事 件。 9.一种应用于权利要求1 ‑8中任一项所述基于边缘计算的事件监控系统 的基于边缘计 算的事件监控方法， 其特 征在于， 该 方法包括： 步骤S1， 通过多个多模态传感器采集复杂场景的多维 实时检测数据； 步骤S2， 通过多通道选择模拟开关选通多模态传感器； 步骤S3， 获取多种事件状态下的传感器检测数据， 生成训练数据； 通过机器学习算法训 练数据生成事 件特征模型； 步骤S4、 多模态事件检测模块， 基于多通道选择模拟开关选通的多模态传感器检测数 据， 进行事件的初次识别， 并根据初次识别结果控制多通道选择模拟开关的选通通道， 获取 更多类型的多模态传感器 检测数据， 从而 进行事件的再次识别； 步骤S5， 当初次识别与再次识别结果一致时， 启动告警， 通过物联网传输模块上传实时 传感器数据。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于： 所述计算机程序 被处理器执行时实现权利要求9中任一项所述基于边 缘计算的事 件监控方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115474108 A 3