摘要
本发明涉及数据处理技术领域,公开了一种基于边缘计算的视频监控智能分析方法及系统,通过生成监控区域内针对每个摄像头的子区域集合以及每个摄像头的时序人流特征向量与当前实时人流量的人流异常标志,构建表征监控区域中若干个子区域拓扑关系的动态带权无向图,再通过将融合时序人流特征向量和人流异常标志的特征矩阵输入基于时空图卷积网络与动态带权无向图的子区域关键等级概率预测模型,经预测和修正后获得每个子区域的最终关键等级,以此控制边缘设备执行对应帧率的抽帧与视频画面分析。由此,本发明通过获取实时、历史人流特征与异常标志,并融合各个子区域间的物理距离与拓扑连通性,能够平衡视频分析精度与边缘设备算力负荷。
技术关键词
智能分析方法
视频监控分析
视频监控智能分析系统
标志
视频分析
时序
Delaunay三角剖分
动态
矩阵
视频流
节点
路径跳数
网络
网格
策略
栅格
表达式
识别行人
数据处理技术
系统为您推荐了相关专利信息
预测系统
语义特征提取
数据处理模块
样本
医疗数据处理技术
深度学习预测
时序特征
多模态
LSTM模型
复发预测模型
转移概率矩阵
非线性映射关系
上实时监控
指数衰减曲线
修正系数矩阵