一种边缘计算系统及方法

摘要

本发明公开了一种边缘计算系统及方法，涉及边缘计算技术领域，解决了现有技术通讯协议和处理模型单一，且不能灵活设定联动处理机制的技术问题；包括调度模块、公共算法模块、数据存储模块和至少一个物联模块；本发明中物联模块与物联设备之间的通讯协议支持灵活转换；通讯协议支持灵活转换有助于提高物联设备和物联模块之间的通讯能力，降低成本的同时，提高了通讯效率；本发明支持对特定业务场景的数据训练和模型加载，有助于提高数据处理的准确性，同时提高了物联设备的适用范围，避免因业务场景的问题频繁增加和更换物联设备；本发明支持通过策略引擎灵活定义事件的联动处理机制，不仅能够保证事件的处理效果，而且可以节省人力成本。

权利要求

1.一种边缘计算系统，其特征在于，包括调度模块、公共算法模块、数据存储模块和至少一个物联模块；

所述调度模块分别与公共算法模块和数据存储模块线性连接；所述物联模块与调度模块相连接；

所述调度模块用于对策略引擎和物联模块的管理；

所述存储模块用于存储数据并对所存储的数据进行安全监测；

所述物联模块与物联设备相连接；所述物联模块根据不同应用场景灵活配置本地计算能力，同时提供数据服务；所述数据服务包括控制物联设备的数据采集、协议转换和数据转发上报；

所述本地计算能力的配置方式包括：获取物联模块中CPU过载系数CGX；

当过载系数小于等于预设过载系数阈值时，则判定物联模块的CPU未过载，则不需要为物联模块的CPU配置GPU；

当过载系数大于预设过载系数阈值时，则判定物联模块的CPU过载，则通过调度模块为物联模块的CPU配置GPU；

所述CPU过载系数的具体获取步骤为：获取物联模块CPU表面的温度值，并将温度值标记为WD；

获取物联模块CPU的工作频率，并将工作频率标记为GP；

通过公式 获取CPU过载系数CGX；其中α1和α2为预设比例系数，且α1和α2均为大于0的实数，YGP为物联模块CPU的主频；

将温度值、物联模块CPU的工作频率和CPU过载系数发送至数据存储模块进行存储。

2.根据权利要求1所述的一种边缘计算系统，其特征在于，所述调度模块用于设置物联模块的基本信息；所述基本信息包括物联模块IP地址、物联设备名称、物联设备编号、用途描述、算法类型和算法版本。

3.根据权利要求1所述的一种边缘计算系统，其特征在于，所述物联模块与物联设备之间的通讯协议支持灵活配置和转换。

4.根据权利要求1所述的一种边缘计算系统，其特征在于，所述调度模块还用于根据特定业务场景的数据进行训练获取模型，并将训练之后的模型分别发送至公共算法模块和物联模块，所述公共算法模块对训练之后的模型进行存储，所述物联模块对训练之后的模型进行加载。

5.一种边缘计算方法，其特征在于，该边缘计算方法包括以下步骤：步骤一：通过调度模块设置参考表并将参考表发送至数据存储模块进行存储；通过调度模块用于设置物联模块的基本信息，并将物联模块的基本信息发送至数据存储模块进行存储；通过调度模块设置处理机制并将处理机制发送至数据存储模块进行存储；

步骤二：通过物联设备采集目标数据，根据目标数据转换物联模块与物联设备之间的通讯协议，将目标数据发送至物联模块并通过物联模块进行分析；

步骤三：分析物联模块计算能力并获取物联模块的CPU过载系数；当CPU过载系数大于预设过载系数阈值时，则判定物联模块需要配置GPU，则通过调度模块为物联模块配置GPU，当CPU过载系数小于等于预设过载系数阈值时，则判定物联模块不需要配置GPU；

步骤四：通过物联模块内置的模型对目标数据进行处理并获取处理结果；当物联模块内置的模型不适合对目标数据进行处理时，则通过公共算法模块训练新的模型，通过调度模块将新的模型发送至物联模块，同时对物联模块的基本信息进行更新；

步骤五：通过数据存储模块获取处理机制，结合处理机制和处理结果生成预警信号；

步骤六：调度模块通过物联设备的位置和预警信号灵活派遣工作人员进行处理，并将工作人员的派遣记录发送至数据存储模块进行存储。

说明书

一种边缘计算系统及方法

技术领域

[0001] 本发明属于边缘计算技术领域，具体是一种边缘计算系统及方法。

背景技术

[0002] 近年来，随着5G和工业互联网的快速发展，新兴业务对边缘计算的需求十分迫切，在众多垂直行业新兴业务中，对边缘计算的需求主要体现在时延、带宽和安全三个方面；在
边缘计算领域，目前基于ARM架构的终端产品，其系统和方法只能进行单一图像的简单算法
分析，对于连续图像的复杂分析不能在端进行，或者不能实时地得出运算结果。

[0003] 公开号为CN111459665A的发明专利提供了一种分布式边缘计算系统及分布式边缘计算方法，对位于同一个局域网内的主节点和计算节点采用分布式设计，收集计算节点
状态信息分配计算资源；将待分析数据根据计算资源预处理和切分；任务管理模块将分析
任务分派至各计算节点的节点管理模块，各计算节点的节点管理模块启动运算模块执行运
算；运算完成后，将分析结果传回至主节点进行结果汇聚并整理输出到使用方。

[0004] 上述方案利用分布式边缘计算系统可以通过增加计算节点的方式动态扩展并行计算单元的运算能力；利用分布式设计的多个计算节点上的运算模块提升并行计算单元的
复杂运算分析能力，节省了传输时间和成本，降低了数据延迟，同时增强了数据的安全性；
但是，上述方案无法对扩展协议进行灵活转换，且不能对特定业务场景进行处理分析；因
此，上述方案仍需进一步改进。

发明内容

[0005] 为了解决上述方案存在的问题，本发明提供了一种边缘计算系统及方法。

[0006] 本发明的目的可以通过以下技术方案实现：一种边缘计算系统，包括调度模块、公共算法模块、数据存储模块和至少一个物联模块；

[0007] 所述调度模块分别与公共算法模块和数据存储模块相连接；所述物联模块与调度模块相连接；

[0008] 所述调度模块用于对策略引擎和物联模块的管理；

[0009] 所述存储模块用于存储数据并对所存储的数据进行安全监测；

[0010] 所述物联模块与物联设备相连接；所述物联模块根据不同应用场景灵活配置本地计算能力，同时提供数据服务；所述数据服务包括控制物联设备的数据采集、协议转换和数
据转发上报；所述物联设备包括高清摄像头和车辆道闸。

[0011] 优选的，所述本地计算能力的配置方式包括：

[0012] 获取物联模块中CPU过载系数CGX；

[0013] 当过载系数小于等于预设过载系数阈值时，则判定物联模块的CPU未过载，则不需要为物联模块的CPU配置GPU；

[0014] 当过载系数大于预设过载系数阈值时，则判定物联模块的CPU过载，则通过调度模块为物联模块的CPU配置GPU。

[0015] 优选的，所述CPU过载系数的具体获取步骤为：

[0016] 获取物联模块CPU表面的温度值，并将温度值标记为WD；

[0017] 获取物联模块CPU的工作频率，并将工作频率标记为GP；

[0018] 通过公式 获取CPU过载系数CGX；其中α1和α2为预设比例系数，且α1和α2均为大于0的实数，YGP为物联模块CPU的主频；

[0019] 将温度值、物联模块CPU的工作频率和CPU过载系数发送至数据存储模块进行存储。

[0020] 优选的，所述调度模块用于设置物联模块的基本信息；所述基本信息包括物联模块IP地址、物联设备名称、物联设备编号、用途描述、算法类型和算法版本。

[0021] 优选的，所述物联模块与物联设备之间的通讯协议支持灵活配置和转换；

[0022] 当物联设备支持RJ45时，直接通过TCP/TP协议与物联模块进行通讯；

[0023] 当物联设备通过RS232或者RS485进行通讯时，物联模块对通讯协议进行灵活配置，包括：

[0024] 将RS232或者RS485通讯协议统一转成TCP/TP协议；

[0025] 通过XML文件配置每个TCP/IP应用层每个字节的对应关系；例如字节1代表指令类型，字节2代表具体指令值，字节3代表指令需要携带的参数；不同厂商关于上述三个字段值
在交互协议中顺序不一样，在XML中完成上述三个字段定义，物联模块和物联设备不需要定
制开发，就可以完成不同厂商协议之间的交互；

[0026] 当物联设备与物联模块进行视频通讯时，物联模块支持不同厂商的视频对接，采用动态链接库方式，将不同视频流协议转换成物联模块内部的标准协议；

[0027] 优选的，所述调度模块还用于根据特定业务场景的数据进行训练获取模型，并将训练之后的模型分别发送至公共算法模块和物联模块，所述公共算法模块对训练之后的模
型进行存储，所述物联模块对训练之后的模型进行加载；所述特定业务场景包括车辆道闸
场景和陌生人员布控场景。

[0028] 优选的，所述安全监测的具体步骤包括：

[0029] 通过Hash算法计算数据存储模块中文件的数字文摘；

[0030] 统计数字文摘与数字文摘数据库对比结果不同的数目占总文件数目的比例，并将其标记为E；数字文摘数据库存储于数据存储模块中；

[0031] 对数据存储模块中的文件进行打开速度测试，并将打开速度平均值标记为

[0032] 通过公式 获取病毒威胁系数B；其中δ1和δ2为预设比例系数，且δ1和δ2均大于0，e为自然常数；

[0033] 当病毒威胁系数0据存储模块的读取；其中G1为预设病毒威胁系数。

[0034] 一种边缘计算方法，所述边缘计算方法包括以下步骤：

[0035] 步骤一：通过调度模块设置参考表并将参考表发送至数据存储模块进行存储；通过调度模块用于设置物联模块的基本信息，并将物联模块的基本信息发送至数据存储模块
进行存储；通过调度模块设置处理机制并将处理机制发送至数据存储模块进行存储；

[0036] 步骤二：通过物联设备采集目标数据，根据目标数据转换物联模块与物联设备之间的通讯协议，将目标数据发送至物联模块并通过物联模块进行分析；

[0037] 步骤三：分析物联模块计算能力并获取物联模块的CPU过载系数；当CPU过载系数大于预设过载系数阈值时，则判定物联模块需要配置GPU，则通过调度模块为物联模块配置
GPU，当CPU过载系数小于等于预设过载系数阈值时，则判定物联模块不需要配置GPU；

[0038] 步骤四：通过物联模块内置的模型对目标数据进行处理并获取处理结果；当物联模块内置的模型不适合对目标数据进行处理时，则通过公共算法模块训练新的模型，通过
调度模块将新的模型发送至物联模块，同时对物联模块的基本信息进行更新；

[0039] 步骤五：通过数据存储模块获取处理机制，结合处理机制和处理结果生成预警信号；

[0040] 步骤六：调度模块通过物联设备的位置和预警信号灵活派遣工作人员进行处理，并将工作人员的派遣记录发送至数据存储模块进行存储。

[0041] 与现有技术相比，本发明的有益效果是：

[0042] 1、本发明中物联模块与物联设备之间的通讯协议支持灵活转换；当物联设备支持RJ45时，直接通过TCP/TP协议与物联模块进行通讯；物联设备与物联模块通过RS232或者
RS485进行通讯时，将RS232或者RS485通讯协议统一转成TCP/TP协议；通过XML文件配置每
个TCP/IP应用层每个字节的对应关系，完成物联模块与物联设备的通讯；当物联设备与物
联模块进行视频通讯时，物联模块支持不同厂商的视频对接，采用动态链接库方式，将不同
视频流协议转换成物联模块内部的标准协议；通讯协议支持灵活转换有助于提高物联设备
和物联模块之间的通讯能力，降低成本的同时，提高了通讯效率；

[0043] 2、本发明支持对特定业务场景的数据训练和模型加载；当物联模块中的模型无法满足数据的处理要求时，则通过公共算法模块和调度模块训练新的模型并将新的模型发送
至物联模块；支持对特定业务场景的适应能力，有助于提高数据处理的准确性，同时提高了
物联设备的适用范围，避免因业务场景的问题频繁增加和更换物联设备；

[0044] 3、本发明支持通过策略引擎灵活定义事件的联动处理机制；通过调度模块和策略引擎预先设置处理机制并存储与数据存储模块中，然后根据数据分析结果和处理机制灵活
派遣工作人员；策略引擎灵活定义事件的联动处理机制有助于提高事件的处理效率，尤其
对于突发情况，不仅能够保证事件的处理效果，而且可以节省人力成本。

附图说明

[0045] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。

[0046] 图1为本发明实施例一的原理示意图；

[0047] 图2为本发明实施例二的原理示意图。

具体实施方式

[0048] 下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普
通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的
范围。

[0049] 请参阅图1‑图2，本发明提供两种实施例：

[0050] 实施例一：

[0051] 请参阅图1，一种边缘计算系统，包括调度模块、公共算法模块、数据存储模块和第一物联模块；

[0052] 所述数据存储模块中存储有白名单和重点防范名单；所述白名单和重点防范名单通过调度模块设置或者通过第三方平台获取；所述白名单中为允许通行的人员及对应人员
的面部图像，所述重点防范名单中为禁止通行的人员及对应人员的面部图像；

[0053] 所述第一物联模块与高清摄像头相连接，所述第一物联模块通过高清摄像头采集来访人员的视频图像并对视频图像进行分析，包括：

[0054] 获取高清摄像头的编号i，i＝1，2，……，n；通过高清摄像头获取监控视频，并将监控视频经过协议转换之后发送至第一物联模块；所述协议转换采用动态链接库方式，将不
同视频流协议转换成第一物联模块内部的标准协议；

[0055] 获取第一物联模块的CPU过载系数CGX；当CPU过载系数CGX大于预设过载系数阈值时，则判定第一物联模块的CPU过载，则通过调度模块为第一物联模块的CPU配置GPU；

[0056] 对监控视频中的人物进行识别并将识别到的人物标记为来访人员，当在监控视频中识别到来访人员时，则将监控视频逐帧分解为监控图像；通过监控图像提取来访人员的
面部图像并对面部图像的遮挡物进行分析；当面部图像中未包含遮挡物时，则直接将面部
图像标记为待验证图像，当面部图像中包含遮挡物(如口罩)时，则通过公共算法模块对包
含遮挡物的面部图像训练获取遮挡物识别模型，通过调度模块将遮挡物识别模型发送至第
一物联模块，第一物联模块通过遮挡物识别模型对面部图像进行识别并将识别结果标记为
待验证图像；

[0057] 将待验证图像与白名单中的面部图像进行匹配获取白名单匹配度，并将白名单匹配度标记为BPD；当白名单匹配度BPD满足L1匹配度BPD满足0防范名单匹配度标记为FPD；当防范名单匹配度FPD满足L2成功，发送防范预警信号至调度模块；当防范名单匹配度FPD满足0员标记为陌生人；其中L1为预设白名单匹配度阈值，L2为预设防范名单匹配度阈值；

[0058] 提取监控视频中陌生人数，并将陌生人数标记为N；根据策略引擎和陌生人数N确定威胁等级，所述策略引擎包括：

[0059] 当陌生人数N＝1时，获取该陌生人在高清摄像头中的出现次数，并将出现次数标记为CC；当出现次数CC满足CC足L3≤CC时，则判定陌生人威胁等级为第二等级；其中L3为预设出现次数阈值，且L3大于0；

[0060] 当陌生人数N>1时，获取陌生人在高清摄像头中的碰面次数，并将碰面次数标记为PC；碰面是指陌生人中至少两人同时出现在一个监控图像内；当碰面次数PC满足PC则判定陌生人威胁等级为第二等级；当碰面次数PC满足L4≤PC时，则判定陌生人威胁等级
为第一等级；其中L4为预设碰面次数阈值，且L4大于0；

[0061] 当威胁等级为第三等级时，将轻微威胁信号和高清摄像头位置发送至调度模块；当威胁等级为第二等级时，发送中等威胁信号和高清摄像头位置至调度模块；当威胁等级
为第一等级时，发送严重威胁信号和高清摄像头位置至调度模块；

[0062] 当调度模块接收高清摄像头位置时，将高清摄像头位置标记为目标位置，获取以目标位置为圆心，以R1为半径的圆内的工作人员，获取工作人员与目标位置之间的距离并
标记为工作距离；其中R1为预设半径阈值；

[0063] 当调度模块接收到轻微威胁信号时，则派遣工作距离最短的K1名工作人员到达目标位置；当调度模块接收到中等威胁信号时，则派遣工作距离最短的K2名工作人员到达目
标位置；当调度模块接收到严重威胁信号时，则派遣工作距离最短的K3名工作人员到达目
标位置；其中K1、K2和K3为预设人数阈值，且0

[0064] 通过调度模块将工作人员派遣记录发送至数据存储模块进行存储。

[0065] 实施例二：

[0066] 请参阅图2，一种边缘计算系统，包括调度模块、公共算法模块、数据存储模块和第二物联模块；

[0067] 所述数据存储模块存储有车辆白名单和车辆黑名单；所述车辆白名单和车辆黑名单通过调度模块设置或者通过第三方平台获取；所述车辆白名单中包括允许通行的车牌及
车辆基本信息，所述车辆黑名单包括禁止通行的车牌及车辆基本信息；所述基本信息包括
车牌号以及对应车主的姓名和手机号；

[0068] 所述第二物联模块分别与高清摄像头和车辆道闸相连接；所述车辆道闸包括智能道闸和非智能道闸；所述车辆道闸与第二物联模块进行通讯时进行协议转换，包括：智能道
闸支持RJ45，直接通过TCP/TP协议与第二物联模块进行通讯；非智能道闸支持RS232或者
RS485通讯协议，将RS232或者RS485通讯协议统一转换成TCP/TP协议实现与第二物联模块
的通信；

[0069] 获取高清摄像头的编号i，i＝1，2，……，n；通过高清摄像头获取监控视频，并将监控视频经过协议转换之后发送至第二物联模块；所述协议转换采用动态链接库方式，将不
同视频流协议转换成第二物联模块内部的标准协议；

[0070] 获取第二物联模块的CPU过载系数CGX；当CPU过载系数CGX小于预设过载系数阈值时，则判定第二物联模块的CPU未过载，则不需要为第二物联模块的CPU配置GPU；

[0071] 将监控视频逐帧分解成监控图像，通过第二物联模块对监控图像中的车牌号区域进行分割提取并标记为待验证图像；当待验证图像与预设车牌图像进行分析比对，当分析
比对成功时，则通过待验证图像提取车牌号并标记为目标车牌号，当分析比对失败时(如新
能源车牌与普通车牌有明显区别)，则通过公用模型根据特定车牌图片训练获取特定车牌
识别模型，通过调度模块将特定车牌识别模型发送至第二物联模块，第二物联模块通过特
定车牌识别模型对待验证图像进行提取并将提取的车牌号标记为目标车牌号；所述特定车
牌图片通过调度模块网络或者第三方平台获取；

[0072] 将目标车牌号与车辆白名单进行匹配分析并获取分析结果，当目标车牌号与车辆白名单的分析结果一致时，则判定车牌号匹配成功，通过第二物联模块控制车辆道闸打开
放行，当目标车牌号与车辆白名单的分析结果不一致时，将目标车牌号与车辆黑名单进行
匹配分析；当目标车牌号与车辆黑名单的分析结果一致时，则判定车牌号匹配成功，通过第
二物联模块发送黑名单预警信号至调度模块，当目标车牌号与车辆黑名单的分析结果不一
致时，则判定车牌号匹配失败，通过第二物联模块发送陌生车辆预警信号至调度模块；

[0073] 当调度模块接收到预警信号时，获取车辆道闸的位置并标记为目标位置；所述预警信号包括黑名单预警信号和陌生车辆预警信号；

[0074] 获取以目标位置为中心，以R2为半径的圆内的工作人员，获取工作人员与目标位置之间的距离并标记为工作距离；其中R2为预设半径阈值；

[0075] 当调度模块接收到名单预警信号时，则派遣工作距离最短的K3名工作人员到达目标位置；当调度模块接收到陌生车辆预警信号时，则派遣工作距离最短的K4名工作人员到
达目标位置；其中K3和K4为预设人数阈值，且K3>K4；

[0076] 通过调度模块将工作人员派遣记录发送至数据存储模块进行存储。

[0077] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。

[0078] 本发明的工作原理：

[0079] 通过调度模块设置参考表并将参考表发送至数据存储模块进行存储；通过调度模块用于设置物联模块的基本信息，并将物联模块的基本信息发送至数据存储模块进行存
储；通过调度模块设置处理机制并将处理机制发送至数据存储模块进行存储；

[0080] 通过物联设备采集目标数据，根据目标数据转换物联模块与物联设备之间的通讯协议，将目标数据发送至物联模块并通过物联模块进行分析；

[0081] 分析物联模块计算能力并获取物联模块的CPU过载系数；当CPU过载系数大于预设过载系数阈值时，则判定物联模块需要配置GPU，则通过调度模块为物联模块配置GPU，当
CPU过载系数小于等于预设过载系数阈值时，则判定物联模块不需要配置GPU；

[0082] 通过物联模块内置的模型对目标数据进行处理并获取处理结果；当物联模块内置的模型不适合对目标数据进行处理时，则通过公共算法模块训练新的模型，通过调度模块
将新的模型发送至物联模块，同时对物联模块的基本信息进行更新；

[0083] 通过数据存储模块获取处理机制，结合处理机制和处理结果生成预警信号；

[0084] 调度模块通过物联设备的位置和预警信号灵活派遣工作人员进行处理，并将工作人员的派遣记录发送至数据存储模块进行存储。

[0085] 在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施
例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。
而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合
适的方式结合。

[0086] 以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的
结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。