基于云边端的车辆防盗系统及方法与流程

1.本技术涉及车辆安全领域，尤其涉及一种基于云边端的车辆防盗系统及方法。


背景技术：

2.目前，电动车钥匙只是一个车辆启动开关，其对于防盗功能而言形同虚设，所以为了车辆安全，通常需要对电动车配备一把或多把防盗原子锁。但是，防盗原子锁是用户额外配备的防盗工具，其安全性也不足。
3.为此，部分电动车生产厂家会在车体上加装遥控防盗监控装置，但是该遥控防盗监控装置仅仅是通过声音报警向一定范围内的用户发出声音警示，而不在范围内的用户无法得知车辆状态，从而无法提前预见安全事件防范事故。可见，目前的车辆防盗系数较低。


技术实现要素：

4.本技术提供了一种基于云边端的车辆防盗系统及方法，以解决目标车辆防盗系数低的技术问题。
5.为了解决上述技术问题，第一方面，本技术实施例提供了一种基于云边端的车辆防盗系统，包括车辆设备端以及与车辆设备端通信连接的边缘端和云端；
6.车辆设备端，用于获取车辆的目标状态数据，并将目标状态数据实时发送至边缘端，目标状态数据包括车辆传感器数据和/或车辆视频流数据；
7.边缘端，用于接收车辆设备端发送的目标状态数据，并利用预设的人工智能算法，对车辆传感器数据和/或车辆视频流数据进行数据分析，得到目标行为数据，在目标行为数据为预设行为数据时，向车辆设备端反馈用于切断车辆的电源和启动车辆的报警器的控制信号，以及将目标行为数据发送至云端；
8.云端，用于将目标行为数据反馈至目标用户终端进行展示；
9.车辆设备端，还用于接收边缘端反馈的控制信号，并根据控制信号，切断车辆的电源和启动车辆的报警器。
10.在本实施例中，通过在车辆设备端的基础上添加边缘端和云端，从而能够将车辆设备端采集的目标状态数据传输给边缘端或云端。对于网络覆盖不到的地区，能够在边缘端进行边缘计算，并在出现盗车情况时，及时切断车辆电源，以及在有网络时将数据上传到云端，云端进行数据存储和分析，进而满足更多的节点来负载流量，使得数据传输速度更快，传输更安全、数据处理更即时，能够更加及时、有效的发现和处理问题，同时也能够很好的缓解云端的压力，形成电车物联，高效整合利用零散闲置的资源构建服务，充分利用云边端资源,提高数据处理效率，实现对电动车的实时自动化数据收集和安全监控，预防安全事故或车辆被盗事件的发生。
11.在一实施例中，车辆设备端，具体用于：
12.获取车辆的原始状态数据；
13.对原始状态数据进行格式转换，得到数据格式为预设数据格式的目标状态数据；
14.将目标状态数据实时发送至边缘端。
15.本实施例通过对原始状态数据进行格式转换，以格式统一的目标状态数据进行数据传输，节省网络带宽资源，为边缘端和云端规避了多种采集设备带来的多源异构数据问题。
16.在一实施例中，车辆设备端包括车辆和/或路边摄像头，车辆设有车辆传感器和车载摄像头。本实施例的车辆传感器和路边摄像头，能够更加直观的监控车辆状态。
17.在一实施例中，车辆传感器数据包括温度数据、烟雾数据、gps定位数据和/或电源电压数据。
18.本实施例通过采集车辆传感器数据，以实时了解车辆监控信息，掌握车辆运行情况，基于上述数据实现防盗报警、车辆追踪、烟火预警和电池状态监控，保障车辆安全。
19.在一实施例中，边缘端包括边缘网关和边缘计算盒子，边缘计算盒子集成有多个高算力人工智能处理模块；
20.边缘网关，用于接收车辆设备端发送的目标状态数据，并将目标状态数据传输至边缘计算盒子；
21.边缘计算盒子，用于通过高算力人工智能处理模块调取人工智能算法，对车辆传感器数据和/或车辆视频流数据进行数据分析，得到目标行为数据，在目标行为数据为预设行为数据时，向车辆设备端反馈用于切断车辆的电源和启动车辆的报警器的控制信号，以及将目标行为数据发送至云端。
22.本实施例采用边缘网关作为数据接收端，边缘计算盒子作为边缘计算中心，对于图像处理等实时性要求高、网络质量要求高或涉及隐私的场景，能够有效提高数据处理的实时性和隐私安全性。
23.在一实施例中，边缘计算盒子，具体用于：
24.通过高算力人工智能处理模块调取人工智能算法，人工智能算法包括人脸识别算法、目标检测跟踪识别算法、行为分析算法和/或车辆状态识别算法；
25.基于人脸识别算法、目标检测跟踪识别算法和行为分析算法，对车辆视频流数据进行数据分析，得到用户行为数据，和/或，基于车辆状态识别算法，对车辆传感器数据进行数据识别，得到车辆行为数据，目标行为数据包括用户行为数据和/或车辆行为数据；
26.若用户行为数据或车辆行为数据符合预设行为数据时，向车辆设备端反馈用于切断车辆的电源和启动车辆的报警器的控制信号，以及将目标行为数据发送至云端。
27.本实施例通过边缘计算盒子同时采用多个人工智能算法进行数据处理，实现对车辆设备端采集的目标状态数据的高效处理，从而实现车辆的实时监控和防盗防抢，进而实现“人、车、物”无缝联动。
28.在一实施例中，边缘计算盒子采用tpu芯片。tpu芯片能够使边缘计算盒子的int8算力高达17.6tops，可同时处理16路高清视频，支持使用ai人脸识别算法、yolov5配合deepsort技术实现的目标检测跟踪算法、行为分析算法处理高清视频。
29.在一实施例中，云端，具体用于：
30.将目标行为数据以及车辆视频流数据反馈至目标用户终端，车辆视频流数据的数据格式包括rtsp、rtsm、flv或hls。
31.本实施例通过将车辆视频流数据发送至目标用户终端，从而能够在目标用户终端
直观展示车辆状态。
32.第二方面，本技术实施例提供了一种车辆防盗方法，应用于边缘端，方法包括：
33.接收车辆设备端发送的目标状态数据；
34.利用预设的人工智能算法，对车辆传感器数据和/或车辆视频流数据进行数据分析，得到目标行为数据，目标状态数据包括车辆传感器数据和/或车辆视频流数据；
35.在目标行为数据为预设行为数据时，向车辆设备端反馈用于切断车辆的电源和启动车辆的报警器的控制信号，以及将目标行为数据发送至云端。
36.在一实施例中，利用预设的人工智能算法，对车辆传感器数据和/或车辆视频流数据进行数据分析，得到目标行为数据，包括：
37.通过高算力人工智能处理模块调取人工智能算法，人工智能算法包括人脸识别算法、目标检测跟踪识别算法、行为分析算法和/或车辆状态识别算法；
38.基于人脸识别算法、目标检测跟踪识别算法和行为分析算法，对车辆视频流数据进行数据分析，得到用户行为数据，和/或，基于车辆状态识别算法，对车辆传感器数据进行数据识别，得到车辆行为数据。
39.需要说明的是，上述第二方面的有益效果请参见第一方面的相关描述，在此不再赘述。
附图说明
40.图1为本技术实施例提供的基于云边端的车辆防盗系统的结构示意图；
41.图2为本技术实施例提供的基于云边端的车辆防盗系统的应用场景示意图；
42.图3为本技术实施例提供的车辆防盗方法的流程示意图。
具体实施方式
43.下面将结合本技术实施例中的附图，对本技术实施例中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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
44.如背景技术相关记载，目前的遥控防盗监控装置仅仅是通过声音报警向一定范围内的用户发出声音警示，而不在范围内的用户无法得知车辆状态，从而无法提前预见安全事件防范事故。
45.为此，本技术实施例提供一种基于云边端的车辆防盗系统及方法，通过在车辆设备端的基础上添加边缘端和云端，从而能够将车辆设备端采集的目标状态数据传输给边缘端或云端。对于网络覆盖不到的地区，能够在边缘端进行边缘计算，并在出现盗车情况时，及时切断车辆电源，以及在有网络时将数据上传到云端，云端进行数据存储和分析，进而满足更多的节点来负载流量，使得数据传输速度更快，传输更安全、数据处理更即时，能够更加及时、有效的发现和处理问题，同时也能够很好的缓解云端的压力，形成电车物联，高效整合利用零散闲置的资源构建服务，充分利用云边端资源,提高数据处理效率，实现对车辆的实时自动化数据收集和安全监控，预防安全事故或车辆被盗事件的发生。
46.请参照图1，图1为本技术实施例提供的一种基于云边端的车辆防盗系统的结构示
意图，包括车辆设备端101以及与所述车辆设备端101通信连接的边缘端102和云端103；
47.所述车辆设备端101，用于获取车辆的目标状态数据，并将所述目标状态数据实时发送至所述边缘端102，所述目标状态数据包括车辆传感器数据和/或车辆视频流数据；
48.所述边缘端102，用于接收所述车辆设备端101发送的所述目标状态数据，并利用预设的人工智能算法，对所述车辆传感器数据和/或车辆视频流数据进行数据分析，得到目标行为数据，在所述目标行为数据为预设行为数据时，向所述车辆设备端101反馈用于切断所述车辆的电源和启动所述车辆的报警器的控制信号，以及将所述目标行为数据发送至所述云端；
49.所述云端103，用于将所述目标行为数据反馈至目标用户终端进行展示；
50.所述车辆设备端101，还用于接收所述边缘端102反馈的所述控制信号，并根据所述控制信号，切断所述车辆的电源和启动所述车辆的报警器。
51.在本实施例中，云边端表示云端、边缘端和边缘计算。由于车辆视频流数据的引入，需要基于人工智能算法对图像进行处理，而传统的遥控防盗监控装置不具备该处理能力，所以无法实现图像等大数据处理，而本技术通过引入云边端使车辆防盗系统具备高算力，能够实现车辆防盗过程中大数据的及时处理，提高盗车行为的识别准确度；同时能够在不需要用户介入的情况下，控制车辆设备端的电源和车辆报警器等装置的开关，起到及时防盗的作用。
52.对于无网地区时，通过边缘端进行边缘计算，并在出现盗车情况时，及时切断车辆电源，实现车辆防盗。同时将目标状态数据和边缘计算结果进行存储，待有网时，再传输至云端进行数据分析和转发至用户终端进行展示。
53.对于网络地区，通过将数据上传到云端，云端进行数据存储和分析，从而满足更多的节点来负载流量，使得数据传输速度更快，传输更安全、数据处理更及时。
54.参见图2，图2示出了本技术实施例提供的基于云边端的车辆防盗系统的应用场景示意图。如图2所示，车辆设备端包括电动车(车辆)和/或路边摄像头，所述车辆设有车辆传感器和车载摄像头。
55.可选地，车辆与边缘端通信连接，其搭载车辆传感器、控制器、执行器和gps定位等装置，并融合现代通信与网络技术，使车辆具备复杂环境感知、智能化决策与控制功能，能综合实现安全、节能、环保及舒适行驶。
56.可选地，路边摄像头与边缘端建立通信连接，其具备高清镜头拍摄、抓拍图像、夜视、移动侦测、光电成像、网络通信、自动补光和tf卡热拔插功能，能够输出数据流信息，推送流信息到边缘端，接收边缘端返回信息和功能指令功能。
57.可选地，车辆传感器包括温度传感器、烟雾传感器、gps定位器和电压传感器等。车辆传感器采集车辆传感器数据，包括温度数据、烟雾数据、gps定位数据和/或电源电压数据。通过物联网技术进行感知环境、自动报警，智能上报数据到边缘设备，进行实时处理，将信号或数据进行编制、转换为可用以通讯、传输和存储的信号形式的设备、支持和边缘端连接。
58.可选地，车载摄像头可安装于车辆方向盘、正对驾驶员驾驶座位的位置，从而能够采集到驾驶人员的脸部图像或驾驶过程的车辆视频流数据。
59.在一实施例中，所述车辆设备端，具体用于：获取所述车辆的原始状态数据；对所
述原始状态数据进行格式转换，得到数据格式为预设数据格式的所述目标状态数据；将所述目标状态数据实时发送至所述边缘端。
60.本技术对原始状态数据进行格式转换，例如将信号(如比特流)或数据进行编制、转换为可用以通讯、传输和存储的信号形式。从而以格式统一的目标状态数据进行数据传输，节省网络带宽资源，为边缘端和云端规避了多种采集设备带来的多源异构数据问题。
61.如图2所示，边缘端包括网关设备(边缘网关)和边缘计算盒子，边缘网关包括智能网关和网络视频录像机(network video recorder，nvr)网关，其中车辆与智能网关通信连接，路边摄像头与nvr网关通信连接。
62.可选地，智能网关具备智能控制枢纽及无线路由两大功能，一方面通过无线方式与智能交互终端等产品进行数据交互，负责具体的安防报警、设备控制和采集目标状态数据。另一方面支持与车辆设备端、云端通信连接，具备接收设备端数据和发送控制信号给设备端的功能。
63.可选地，边缘计算盒子集成多个可灵活配置的高算力人工智能(artificial intelligence，ai)处理模块，每个模块具备2t算力，可以扩展多个模块，具有轻量化、高性能、低功耗、可灵活配置算力和接入方便等特点，能够应用于人脸识别、智能安防、行为分析和电车识别。
64.在一实施例中，所述边缘端包括边缘网关和边缘计算盒子，所述边缘计算盒子集成有多个高算力人工智能处理模块；
65.所述边缘网关，用于接收所述车辆设备端发送的所述目标状态数据，并将所述目标状态数据传输至所述边缘计算盒子；
66.所述边缘计算盒子，用于通过所述高算力人工智能处理模块调取所述人工智能算法，对所述车辆传感器数据和/或车辆视频流数据进行数据分析，得到目标行为数据，在所述目标行为数据为预设行为数据时，向所述车辆设备端反馈用于切断所述车辆的电源和启动所述车辆的报警器的控制信号，以及将所述目标行为数据发送至所述云端。
67.可选地，所述边缘计算盒子，具体用于：
68.通过所述高算力人工智能处理模块调取所述人工智能算法，所述人工智能算法包括人脸识别算法、目标检测跟踪识别算法、行为分析算法和/或车辆状态识别算法；
69.基于所述人脸识别算法、所述目标检测跟踪识别算法和所述行为分析算法，对所述车辆视频流数据进行数据分析，得到用户行为数据，和/或，基于所述车辆状态识别算法，对所述车辆传感器数据进行数据识别，得到车辆行为数据，所述目标行为数据包括所述用户行为数据和/或所述车辆行为数据；
70.若所述用户行为数据或所述车辆行为数据符合预设行为数据时，向所述车辆设备端反馈用于切断所述车辆的电源和启动所述车辆的报警器的控制信号，以及将所述目标行为数据发送至所述云端。
71.可选地，所述边缘计算盒子采用tpu芯片。tpu芯片能够使边缘计算盒子的int8算力高达17.6tops，可同时处理16路高清视频，支持使用ai人脸识别算法、yolov5配合deepsort技术实现的目标检测跟踪算法、行为分析算法处理高清视频。
72.如图2所示，云端包括服务器和用户终端，服务器与边缘端通信连接。可选地，服务器接收边缘端发送的目标行为数据和目标状态数据，对目标行为数据和目标状态数据进行
大数据分析统计，通过轮询、权重等算法负载均衡，高安全高速度读写计算磁盘阵列，实现空间和数据的精细化管理，从底层保护数据安全，内部高速传输通道，结合对冷热数据的分层存储技术，提供高速带宽体验。优选地，周期性批量换盘，使服务器具有超高可用性。
73.用户终端包括但不限于手机、平板电脑、笔记本电脑和电动车追踪大屏，用户终端支持rtsp、rtsm、flv或hls格式的视频流读取，支持无线wifi或有线网络连接，可以通过安装插件或者软件支持播放或展示车辆视频信息。
74.在一实施例中，所述云端，具体用于：将所述目标行为数据以及所述车辆视频流数据反馈至目标用户终端，所述车辆视频流数据的数据格式包括rtsp、rtsm、flv或hls。
75.在本实施例中，云端接收到边缘端发送的目标行为数据进行统计分析，并判断车辆视频流数据的数据格式是否支持目标用户终端，若支持，向目标用户终端提供车辆视频流数据，以便于用户查看高清视频。可选地，支持网页、app或小程序端浏览车辆视频流数据。
76.参见图3，图3示出了本技术实施例提供的一种车辆防盗方法的流程示意图，该方法应用于上述边缘端，该方法包括步骤s301至s303，详述如下：
77.步骤s301，接收车辆设备端发送的目标状态数据，目标状态数据包括车辆传感器数据和/或车辆视频流数据。
78.在本步骤中，通过车辆内置的温度传感器、电压传感器、烟雾传感器、gps定位器以及路边摄像头和车载摄像头采集车辆的电池温度数据、电池电压数据、烟雾数据、gps定位数据、行人视频、车辆视频和人脸等原始数据,通过对原始数据的数据格式转换为预设的统一格式，通过无线网络将车辆视频流数据和车辆传感器数据发送至边缘端。
79.可以理解的是，对于野外等不存在路边摄像头的情况，则可以只将车辆传感器采集的车辆传感器数据和车载摄像头采集的车辆视频流数据发送至边缘端。
80.边缘端网关通过专用局域网或于广域网，连接多个相异网络或子网上的节点，接收车辆上各个传感器或摄像头采集的目标状态数据，并实时将目标状态数据发送至边缘计算盒子。
81.步骤s302，利用预设的人工智能算法，对车辆传感器数据和/或车辆视频流数据进行数据分析，得到目标行为数据。
82.在本步骤中，人工智能算法包括但不限于人脸识别算法、目标检测跟踪识别算法、行为分析算法和车辆状态识别算法。目标行为数据包括用户行为数据和车辆行为数据。
83.可选地，通过高算力人工智能处理模块调取人工智能算法，并基于人脸识别算法、目标检测跟踪识别算法和行为分析算法，对车辆视频流数据进行数据分析，得到用户行为数据，和/或，基于车辆状态识别算法，对车辆传感器数据进行数据识别，得到车辆行为数据；若用户行为数据或车辆行为数据符合预设行为数据时，向车辆设备端反馈用于切断车辆的电源和启动车辆的报警器的控制信号，以及将目标行为数据发送至云端。
84.通过人脸识别算法可以得到车辆视频流数据中的人脸特征，通过目标检测跟踪识别算法可以得到车辆视频流数据中的人物形态特征，通过行为分析算法可以得到车辆视频流数据中人物行为特征，通过车辆状态识别算法可以得到车辆的温度和电压等状态特征。
85.示例性地，预设行为数据包括但不限于电池电压大于预设电压，人脸特征和人物形态特征与车辆归属人的特征信息不匹配，人物行为特征为使用工具触碰电动车电源或电
线违法行为。
86.步骤s303，在目标行为数据为预设行为数据时，向车辆设备端反馈用于切断车辆的电源和启动车辆的报警器的控制信号，以及将目标行为数据发送至云端。
87.当目标行为数据为预设行为数据时，边缘端立即将车辆电源切断，启动车辆报警器和震动，以阻止和震慑盗车行为，并实时上报报警信息到云端，以便于车主或警察进行取证审核处理。
88.示例性地，在一种车联网场景下，通过基于云边端的电动车监控系统，将大部分的计算负载整合到道路边缘节点，并且利用通信手段与车辆进行实时的信息交互。道路边缘节点可集成局部地图系统、交通信号信息、附近移动目标信息和多种传感器接口，为电动车提供电池健康监控、速度预警、行为预警、电机监控、烟雾告警、协同决策、事故预警、辅助驾驶等多种服务。通过人工智能算法，为边缘节点、交通信号系统和车辆下发合理的调度指令，从而提高交通系统的运行效率，最大限度的减少道路拥堵，帮助用户方便快捷到达目的地，也为用户提供防盗防劫、烟火预警监控、行车安全监控、火灾监控预警等安全管理服务。
89.在本技术所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
90.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台终端设备执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
91.以上所述的具体实施例，对本技术的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本技术的具体实施例而已，并不用于限定本技术的保护范围。特别指出，对于本领域技术人员来说，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。