摘要: 近年来，公共场所的卫生乱象频发，公共用具清洁、回收不规范等问题被屡次曝光。为加强对公共场所的卫生监督管理，视频监控系统得到了广泛的应用，但目前用于卫生监督的视频监控系统普遍缺乏图像数据分析能力，只能人工处理视频数据，造成了人力成本... 展开 近年来，公共场所的卫生乱象频发，公共用具清洁、回收不规范等问题被屡次曝光。为加强对公共场所的卫生监督管理，视频监控系统得到了广泛的应用，但目前用于卫生监督的视频监控系统普遍缺乏图像数据分析能力，只能人工处理视频数据，造成了人力成本高、监督不持续、缺乏实时性等问题。针对上述不足，本文设计了一套云边协同的视频采集和分析系统，并根据公共卫生监管需求，分别提出了一种可部署于边缘服务器的轻量级人物检测算法和一种动作识别算法，实现了对有效视频数据的筛选和智能分析。本文设计的系统已在宾馆餐饮具消毒监管场景中得到了应用，能够实现自动判别消毒的实施性和合规性的功能。 本文具体开展了以下研究内容: 1.设计和实现了基于边缘计算的视频采集和分析系统，将系统分为终端层、边缘计算层和云计算层三部分，重点研究了各层的功能、组成部分及其间的通讯及连接管理方式，弥补了传统云计算架构依赖网络质量、数据传输量大和云计算中心资源开销过大的不足。 2.研究和设计了一种轻量级的人物检测算法，并在边缘服务器上进行了部署和性能评估。对小型目标检测算法Half-SqueezeNet提出了网络结构和损失函数上的改进，在提升了检测准确度的同时降低了模型体积和提升了推理速度，实现了边缘计算服务器对图像数据是否包含有效信息的判断，减少了不包含人物的无用图像的数据传输。 3.提出了一种基于手臂关键点位置的动作识别算法。首先通过加深MobileNet实现了一种轻量型的人体关键点检测算法，接着根据动作特点对手、手肘及肩的位置数据进行了预处理和特征提取，并使用支持向量机的方法实现了动作识别，来判别消毒操作是否实施。 4.对系统的部署及运行情况进行了说明和分析。基于用户需求，本文设计了管理平台和用户平台用于数据交互，并使用系统的运行数据证明了边缘计算对系统性能的提升。 收起