(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 202210276261.0 (22)申请日 2022.03.21 (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　兰雨晴　张腾怀　邢智涣　 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. G08B 13/196(2006.01) G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 40/20(2022.01) (54)发明名称 基于边缘计算的违法犯罪行为检测方法和 装置 (57)摘要 本申请提供了一种基于边缘计算的违法犯 罪行为检测方法和装置， 涉及互联网技术领域。 该方法根据一个或多个监控摄像头的信息获取 一个或多个监控摄像头实时采集的监控视频数 据； 通过边缘计算对一个或多个监控摄像头实时 采集的监控视频数据进行检测分析， 判断是否存 在违法犯罪行为； 若存在违法犯罪行为， 则将存 在违法犯罪行为的监控视频数据发送给后端服 务器， 由后端 服务器进行识别处理。 可以看到， 本 申请实施例通过边缘计算对图像以及视频进行 预处理， 筛选出可能存在违 法犯罪行为的图片和 视频发送给后端服务器， 由后端服务器进行识别 处理和判断， 减轻了服务器的处理负担， 增加了 安防的效率， 同时减少了服务器的部署成本， 很 多计算可以在边 缘完成。 权利要求书3页 说明书12页 附图4页 CN 114821936 A 2022.07.29 CN 114821936 A 1.一种基于边 缘计算的违法犯罪行为检测方法， 其特 征在于， 包括： 获取用于边远山 区违法犯罪行为检测的一个或多个监控摄像头的信 息， 并根据 所述一 个或多个监控摄 像头的信息获取 所述一个或多个监控摄 像头实时采集的监控视频 数据； 通过边缘计算对所述一个或多个监控摄像头实时采集的监控视频数据进行检测分析， 判断是否存在违法犯罪行为； 若存在违法犯罪行为， 则将存在违法犯罪行为的监控视频数据发送给后端服务器， 由 后端服务器进行识别处 理。 2.根据权利要求1所述的基于边缘计算的违法犯罪行为检测方法， 其特征在于， 根据 所 述一个或多个监控摄像头的信息获取所述一个或多个监控摄像头实时采集的监控视频数 据， 包括： 布置一个或多个具备图像处理功能的边缘计算节点， 并将所述一个或多个具备图像处 理功能的边 缘计算节点与所述 一个或多个监控摄 像头通信连接； 确定所述一个或多个具备图像处理功能的边缘计算节点中处于工作状态的边缘计算 节点； 将所述一个或多个监控摄像头采集的监控视频数据实时发送给所述处于工作状态的 边缘计算节点。 3.根据权利要求1所述的基于边缘计算的违法犯罪行为检测方法， 其特征在于， 通过边 缘计算对所述一个或多个监控摄像头实时采集的监控视频数据进 行检测分析， 判断是否存 在违法犯罪行为， 包括： 通过边缘计算将所述一个或多个监控摄像头实时采集的监控视频数据中的每帧转化 成对应的帧图像； 将各个帧图像输入预先训练 的犯罪行为检测模型， 利用所述犯罪行为检测模型对各个 帧图像中是否存在违法犯罪行为进行 预测， 得到各个帧图像的预测结果； 根据所述各个帧图像的预测结果判断是否存在违法犯罪行为。 4.根据权利要求3所述的基于边缘计算的室内口罩检测方法， 其特征在于， 通过以下步 骤训练犯罪行为检测模型： 构建初始的犯罪行为检测模型； 获取样本图像和所述样本图像对应的是否存在犯罪行为的样本标记； 将所述样本图像作为输入， 所述样本图像对应的是否存在犯罪行为的样本标记作为输 出， 对所述初始的犯罪行为检测模型进行训练， 得到训练的犯罪行为检测模型。 5.根据权利要求1所述的基于边缘计算的违法犯罪行为检测方法， 其特征在于， 通过边 缘计算对所述一个或多个监控摄像头实时采集的监控视频数据进 行检测分析， 判断是否存 在违法犯罪行为， 包括： 将所述一个或多个监控摄像头实时采集的监控视频数据中的每帧转化成对应的帧图 像； 对于每个帧图像， 按照预先确定的n个选区的矩形区域坐标截取各帧图像里的n个矩形 图像， 其中n 为大于1的正整数； 对n个矩形图像进行处理， 将n个矩形图像转化成指定边长的n个正方形图像， 并按照预 设排列顺序将n个正方 形图像组成一个整体正方 形图像；权　利　要　求　书 1/3 页 2 CN 114821936 A 2将所述整体正方形图像输入预先训练 的行为动作识别模型， 利用所述训练的行为动作 识别模型对所述整体正方 形图像对应的行为动作进行 预测， 得到预测结果； 根据所述预测结果识别是否存在违法犯罪行为。 6.根据权利要求5所述的基于边缘计算的违法犯罪行为检测方法， 其特征在于， 在对于 每个帧图像， 按照预先确定的n个选区的矩形区域坐标截取各帧图像里的n个矩形图像之 前， 判断监控摄像头当前采集监控视频数据与确定n个选区的矩形区域坐标时采集样本视 频， 是否发生 位置变动； 若发生位置变动， 则确定位置变动的仿射 转换矩阵； 利用仿射转换矩阵对确定的n个选区的矩形区域坐标进行转换， 得到转换后的n个选区 的矩形区域坐标， 从而对于每个帧图像， 按照转换后的n个选区的矩形区域坐标截取各帧图 像里的n个矩形图像。 7.根据权利要求1所述的基于边缘计算的违法犯罪行为检测方法， 其特征在于， 若存在 违法犯罪行为， 所述方法还 包括： 生成表示存在违法犯罪行为的报警信息； 将所述报 警信息发送给预设的终端设备， 从而将所述报 警信息通知给所述预设的终端 设备的工作人员。 8.根据权利要求1所述的基于边缘计算的违法犯罪行为检测方法， 其特征在于， 若存在 违法犯罪行为， 则将存在违法犯罪行为的监控视频数据发送给后端服务器， 由后端服务器 进行识别处 理， 包括： 若存在违法犯罪行为， 则将存在违法犯罪行为的监控视频数据以及对应帧数的时间进 行数据打包后发送给后端服 务器； 在后端服务器 中， 可以根据 具体的精准 时间提取出对应帧数的违法犯罪行为的监控视 频数据， 其具体步骤 包括， 步骤A1： 利用公式(1)根据存在违法犯罪行为的监控视频数据以及对应帧数的时间进 行数据打包 P(i)＝D(i) ×{[t0+(i‑1)×T]2＜＜len{[H(i)]2}+[H(i)]2}   (1) 其中P(i)表示对第i帧的监控视频数据进行数据打包后的数据二进制形式； D(i)表示 第i帧的监控视频数据存在违法犯罪行为的输出值(若第i帧的监控视频数据存在违法犯罪 行为， 则输出D(i)＝1， 若第i帧的监控视频数据不存在违法犯罪行为， 则输出D(i)＝0)； t0 表示监控摄像头采集的第一帧监控视频数据的时刻； T表示监控摄像头采集的监控视频数 据中相邻两帧视 频数据之间的时间间隔； []2表示将括号内的数值转换为二进制数； ＜＜表 示左移函数； H(i)表示第i帧的监控视频数据； len{}表示求取括号内的二进制数的数据位 数； 步骤A2： 利用公式(2)根据存在违法犯罪行为的监控视频数据以及对应帧数的时间生 成违法帧数时间序列数组数据 G＝{D(1) ×t0，…， D(i)×[t0+(i‑1)×T]，…， D(n)×[t0+(n‑1)×T]}         (2) 其中G表示违法帧数时间序列 数组； n表示当前时刻所述监控摄像头采集的监控视频数 据的总帧数； 将所述打包后的存在违法犯罪行为的监控视频数据以及所述违法帧数时间序列数组权　利　要　求　书 2/3 页 3 CN 114821936 A 3