基于边缘计算口罩佩戴智能系统的设计与实现

来源 :现代电子技术 | 被引量 : 0次 | 上传用户:qhp168
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对新型冠状病毒肺炎常态化防控的需求,提出基于深度学习人脸佩戴口罩识别算法的视频智能分析系统,该系统主要采用移动边缘计算(MEC)和人脸佩戴口罩识别算法相结合的方式对视频业务进行承载。通过网络将视频采集终端的视频图像数据高速传输至边缘计算节点,通过人脸识别DFS算法以及基于ResNet50的佩戴口罩识别模型在边缘节点处理后,实时反馈至智能分析系统。通过测试,该系统验证了5G MEC架构对视频智能分析业务的承载能力,实现了对实时视频图像信息进行本地分流处理,减少了网络带宽压力,并实现了对流动人员的识别
其他文献
随着电动汽车的发展与普及,提出了一种用于协调电动汽车充放电的智能多代理分布式管理系统。建立以用户充电费用支出和负荷曲线峰谷差最小化为目标的多目标优化策略,采用蒙特卡洛方法模拟电动汽车用户行为。在峰谷电价的引导下,用户利用谷时段充电、峰时段放电提高自身利益,在初步得到理想的充电时段区间后,引入学习训练机制调整可间断充放电分段数,使负荷曲线最终达到理想的削峰填谷效果,采用宽容分层序列法求解多目标优化。优化结果表明本文的策略平抑负荷波动效果显著,能有效减少用户支出,增加用户收益,实现电网与用户互利双赢。
电动汽车的集中充电行为会在一定程度造成交通拥堵,为解决这一问题,综合考虑交通信息和电网信息,基于边际定价理论得到配电网节点边际电价和交通阻塞成本,构建电动汽车充电的全成本电价模型。在此基础上,提出一种考虑交通信息和配电网全成本电价的电动汽车充电负荷调度方法。通过仿真算例验证,该方法在满足电动汽车充电需求的同时可以有效缓解交通拥堵。
针对当前方法无法描述景区客流量变化特点的难题,为了提高景区客流量预测精度,提出了数据挖掘的景区客流量预测模型。首先利用互联网收集景区客流量历史数据,根据嵌入维和延迟时间构建景区客流量预测训练集合;然后采用机器学习算法对景区客流量训练集合进行学习,建立景区客流量预测模型;最后采用景区客流量预测实例分析该模型的优越性。结果表明,基于数据挖掘的景区客流量平均预测精度超过90%,能够满足景区客流量管理预测精度要求,而且预测效果要优于当前经典的景区客流量预测模型。