(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 202210684942.0 (22)申请日 2022.06.15 (71)申请人 浙大城市学院 地址 310015 浙江省杭州市拱 墅区湖州街 51号 (72)发明人 陈垣毅　王德志　闫鹏全　郑增威　 (74)专利代理 机构 杭州九洲专利事务所有限公 司 33101 专利代理师 张羽振 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/94(2022.01) G06F 9/50(2006.01) (54)发明名称 一种用于边缘智能服务的跨设备目标检测 计算重用技 术 (57)摘要 本发明涉及一种用于边缘智能服务的跨设 备目标检测计算重用技术， 包括： 在边缘设备上 部署目标检测服务， 提取视频帧的静态背景和动 态目标实体； 在边缘设备的后台服务上根据替换 算法提供缓存替换服务； 在边缘服务器上管理多 个边缘设备保存的数据， 利用服务器上的缓存管 理算法进行缓存 管理服务， 并跨 设备地更新边缘 设备数据。 本发明的有益效果是： 本发明通过利 用简单、 快速的传统方式结合 缓存中轻量级检测 模型的历史计算结果的方式来更好的实现边缘 设备上的目标检测功能， 并提高检测对环境变化 的自适应能力， 解决了深度学习模 型因为很难针 对特定环 境进行特定的训练与部署， 从而大大的 增加训练与部署成本的问题。 权利要求书2页 说明书6页 附图3页 CN 114998806 A 2022.09.02 CN 114998806 A 1.一种用于边缘智能服务的跨设备目标检测计算重用技术， 其特征在于， 包括以下步 骤： S1、 在边缘设备上部署目标检测服 务， 提取视频帧的静态背景和动态目标实体； S2、 在边缘设备的后台服 务上根据替换算法提供缓存替换服 务； S3、 在边缘服务器上管理多个边缘设备保存的数据， 利用服务器上的缓存管理算法进 行缓存管理服 务， 并跨设备地更新 边缘设备数据。 2.根据权利要求1所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， S1包括以下步骤： S101、 边缘设备获取视频帧并进行缓存， 通过下采样技术提取出当前视频帧的检测目 标图像特征； 并获取缓存中的历史视频帧的检测目标图像特征， 结合所述当前视频帧的检 测目标图像特 征和所述历史视频帧的检测目标图像特 征提取出视频帧的静态背景； S102、 结合图像差分与帧间差分技 术识别视频帧的动态实体。 3.根据权利要求2所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， S2包括以下步骤： S201、 利用缓存中的记录计算动态实体与目标实体的相似度， 并利用相似度阈值机制 来定位当前视频帧的目标实体； S202、 在缓存区空间溢出时， 利用缓存替换机制替换与删除边缘设备记录的视频数据、 相似度计算记录与目标检测模型的计算结果。 4.根据权利要求3所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， S3包括以下步骤： S301、 边缘服务器获取多个边缘设备保存的目标实体图像， 并将所述目标实体图像转 换为高维特 征向量进行保存； S302、 通过自适应局部敏感哈希算法对所述高维特 征向量进行索引； S303、 在边缘服务器将某一边缘设备的数据写入哈希函数的对应聚类中后， 根据其时 空特性将该边缘设备的新数据更新至与其在同一聚类下的边缘设备的本地缓存中， 同时将 更新信号传递给本地缓存服 务。 5.根据权利要求2所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， 在S102中， 在动态实体中选取距离缓存中的目标实体最近的K个实体， 并将其与缓存 中记录的目标实体的特征进行余弦相似度比较， 通过相似度阈值机制来确定目标， 将识别 实体的特 征与候选 框更新至 本地缓存中。 6.根据权利要求2所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， S101包括以下步骤： S1011、 分别利用局部区域特征提取算法、 角点检测算法和下采样算法提取图像特征， 平衡平均的运行时间与内存占用两大指标； S1012、 在边缘设备上的缓存区初始化阶段， 冷启动参数设置为ε， 利用深度学习模型得 到目标实体的初始帧， 将初始帧作为关键帧， 并在边缘设备 的缓存中保存所述关键帧的图 像特征与框选位置； 在检测目标实体的同时， 利用自适应的高斯混合模型对图像静态背景 进行建模， 获取当前边 缘设备下当前时域的静态背景。 7.根据权利要求2所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征权　利　要　求　书 1/2 页 2 CN 114998806 A 2在于， S102包括以下步骤： S1021、 记 视频序列中第t帧和第t ‑1帧的图像为Ft与Ft‑1， 两帧对应像 素点的灰度值记为 ft(x,y)与ft‑1(x,y)， 则差分图像Mt定义为： Mt(x,y)＝|ft(x,y)‑ft‑1(x,y)| S1022、 设置阈值T， 对像素点进行二值化处理， 得到二值化图像Rt， 并对所述二值化图像 Rt进行通性分析， 得到当前视频帧下的多个连通的运动实体区域； 利用当前视频帧的图像 与静态背景的图像差分对动态目标实体进行图像补全与补充。 8.根据权利要求3所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， S201中， 在多个动态实体中， 利用KNN算法与框选位置模糊判断目标实体可能所在的 聚类区域， 并分别与缓存中的目标实体特征计算余弦相似度， 通过相似度阈值机制确定目 标实体在当前视频帧的位置 。 9.根据权利要求3所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， S202中， 定义帧Fn的重要性指标如下： 其中， T表示当前时刻， Ht表示t时刻的特征是否因与帧Fn相似而命中， U(Ft,Ft‑1)表示在 t时刻的匹配到的特征的框选区域Ut与它前一帧的目标特征的框选区域Ut‑1的重叠值， 函数 定义如下： 同时， 定义帧Fn异常值指标如下： 其中， k与δ为 固定参数， 表示选取前k重要的特征作 为关键帧、 前δ异常的特征作 为异常 帧， S(Fn,Fi)表示帧Fn与关键帧Fi的相似度结果， O值越小表示帧Fn越异常； 边缘设备的缓存服务从边缘服务器上获取目标实体的初始特征集合， 根据缓存命中情 况动态更新缓存中特征 的重要性指标与异常值指标， 在缓存区空间溢出时， 缓存替换机制 动态更新关键帧与异常帧。 10.根据权利要求4所述的用于边缘智能服务的跨设备目标检测计算重用技术， 其特征 在于， S302中， 自适应局部敏感哈希算法的数据结构由多个哈希表组成， 每个哈希表都使用 不同哈希函数和一组桶。权　利　要　求　书 2/2 页 3 CN 114998806 A 3