一种对象搜索方法、系统、装置、电子设备及存储介质与流程

1.本公开涉及云边协同技术领域，特别是涉及一种对象搜索方法、系统、装置、电子设备及存储介质。


背景技术：

2.现如今，智能城市、智能园区等的关键点位、道路上部署有大量的监控设备，以满足要求越来越高的安防需求。在监控场景中，针对对象进行搜索，例如，针对特定的人员进行搜索，已成为是安防中的重要功能需求。在现有技术中是由云侧的多个节点构成对象搜索系统。这样，当云侧的节点接收到的针对某一对象的搜索任务时，就获取各个监控设备采集的视频数据，从而对获取到的各段视频数据进行分析，以搜索该对象。
3.但是，各个监控设备采集的大量的视频数据均需要上传到云侧的节点，这样导致需要消耗大量的网络带宽资源。


技术实现要素：

4.本公开实施例的目的在于提供一种对象搜索方法、系统、装置、电子设备及存储介质，用以解决消耗大量网络带宽资源的问题。具体技术方案如下：
5.第一方面，本公开实施例提供了一种对象搜索方法，应用于边缘节点，所述方法包括：
6.响应于所述云侧处理系统下发的指定命令，获取目标监控设备所采集的视频数据；其中，所述指定命令为所述云侧处理系统在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发的；确定所述视频数据中所存在的候选对象；
7.从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
8.向所述云侧处理系统发送所述指定图片，以使所述云侧处理系统对所述指定图片中的对象和所述目标图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
9.在接收到所述指示信息后，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
10.可选地，所述确定所述视频数据中所存在的候选对象，包括：
11.利用指定业务模块，确定所述视频数据中所存在的候选对象；其中，所述指定业务模块为通过运行用于实现确定候选对象的目标镜像所生成的容器形态的模块。
12.可选地，所述利用指定业务模块，确定所述视频数据中所存在的候选对象之前，所述方法还包括：
13.若检测到未存在所述指定业务模块，则从所述云侧处理系统的镜像库中，获取所述目标镜像；
14.运行所述目标镜像，以生成容器形态的模块，作为所述指定业务模块。
15.可选地，所述利用指定业务模块，确定所述视频数据中所存在的候选对象，包括：
16.调用所述指定业务模块，以使所述指定业务模块对所述视频数据进行对象位置检测，利用对象位置检测结果，生成所述视频数据中的对象的轨迹，并将所述轨迹所指示的对象，确定为所述视频数据中所存在的候选对象。
17.第二方面，本公开实施例提供一种对象搜索方法，应用于云侧处理系统，所述方法包括：
18.获取请求方所发送的包含待搜索对象的目标图片，并向边缘节点下发指定命令；
19.获取边缘节点发送的指定图片；其中，所述指定图片为所述边缘节点响应于所述云侧处理系统下发的指定命令，按照指定生成方式生成并上传到所述云侧处理系统的，所述指定生成方式包括获取目标监控设备所采集的视频数据；确定所述视频数据中所存在的候选对象；从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
20.对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；
21.若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息，以使所述边缘节点在接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
22.可选地，对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果，包括：
23.利用行人重识别算法，分析所述指定图片中的对象是否与所述目标图像中的对象相匹配，得到分析结果。
24.可选地，所述边缘节点的数量为多个；
25.所述向边缘节点下发指定命令，包括：
26.按照所述目标图片对应的搜索辅助信息，从多个所述边缘节点中，选取待利用的边缘节点；其中，所述搜索辅助信息包括表征所述目标图片对应的搜索区域的信息；
27.向所选取的边缘节点，下发指定命令。
28.第三方面，本公开实施例提供一种对象搜索系统，所述系统包括云侧处理系统以及边缘节点；
29.所述云侧处理系统，用于在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发指定命令；
30.所述边缘节点，用于响应于所述指定命令，获取目标监控设备所采集的视频数据；确定所述视频数据中所存在的候选对象；从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片，并向所述云侧处理系统发送所述指定图片；
31.所述云侧处理系统，还用于获取所述边缘节点发送的所述指定图片；对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
32.所述边缘节点，还用于在接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
33.第四方面，本公开实施例提供一种对象搜索装置，应用于边缘节点，所述装置包
括：
34.第一获取模块，用于响应于云侧处理系统下发的指定命令，获取目标监控设备所采集的视频数据；其中，所述指定命令为所述云侧处理系统在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发的；
35.确定模块，用于确定所述视频数据中所存在的候选对象；
36.截取模块，用于从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
37.发送模块，用于向所述云侧处理系统发送所述指定图片，以使所述云侧处理系统对所述指定图片中的对象和所述目标图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
38.第一反馈模块，用于在接收到所述指示信息后，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
39.第五方面，本公开实施例提供一种对象搜索装置，应用于云侧处理系统，所述装置包括：
40.第二获取模块，用于获取请求方所发送的包含待搜索对象的目标图片，并向边缘节点下发指定命令；
41.第三获取模块，用于获取边缘节点发送的指定图片；其中，所述指定图片为所述边缘节点响应于所述云侧处理系统下发的指定命令，按照指定生成方式生成并上传到所述云侧处理系统的，所述指定生成方式包括获取目标监控设备所采集的视频数据；确定所述视频数据中所存在的候选对象；从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
42.分析模块，用于对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；
43.第二反馈模块，用于若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息，以使所述边缘节点在接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
44.第六方面，本公开实施例提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
45.存储器，用于存放计算机程序；
46.处理器，用于执行存储器上所存放的程序时，实现任一对象搜索方法步骤。
47.第七方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一对象搜索方法步骤。
48.本公开实施例有益效果：
49.本公开实施例提供了一种对象搜索方法，边缘节点用于响应云侧处理系统下发的指定命令，获取目标监控设备所采集的视频数据，确定所述视频数据中所存在的候选对象，从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片，并向所述云侧处理系统发送所述指定图片；云侧处理系统获取目标图片，对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；边缘节点在
接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
50.综上所述，本公开实施例中，对象搜索方法通过云边协同的方式实现，这样，监控设备的视频数据无需上传到云侧处理系统，而是上传到边缘节点，从而由边缘节点对视频数据进行视频分析处理并向云侧处理系统上传数据量较小的指定图片，使得云侧处理系统对指定图片与目标图片进行匹配分析；同时，搜索结果通过边缘节点直接反馈至请求方。可见，相对于现有技术，本方案通过云边协同的方式实现对象搜索方法，可以减少网络带宽的消耗。
51.另外，从视频数据的包含候选对象的图片中，截取候选对象的对象区域，相较直接上传视频数据减少了网络带宽的消耗，同时一定程度上保护了监控现场私密性；并且，相对于针对对象搜索的推理业务集中化部署于云侧而导致对于云侧的系统的性能要求极高而言，由于本方案可以采用云边协同的架构，因此，更容易实现系统拓展，大大降低了对于系统拓展性的限制。
52.当然，实施本公开的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
53.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
54.图1为本公开实施例提供的应用于边缘节点的一种对象搜索方法的流程示意图；
55.图2为本公开实施例提供的应用于云侧处理系统的一种对象搜索方法的流程示意图；
56.图3(a)为本公开实施例提供的一种对象搜索系统的结构示意图；
57.图3(b)为本公开实施例提供的一种对象搜索系统的结构示意图；
58.图4为本公开实施例提供的一种对象搜索系统的另一结构示意图；
59.图5为本公开实施例提供的一种从用户与对象搜索系统交互的角度的对象搜索过程的流程示意图；
60.图6为本公开实施例提供的一种对象搜索系统的工作原理图；
61.图7为本公开实施例提供的另一种对象搜索系统的工作原理图；
62.图8为本公开实施例提供的一种行人检测模块的工作原理示意图；
63.图9为本公开实施例提供的一种应用于边缘节点的对象搜索装置的结构示意图；
64.图10为本公开实施例提供的一种应用于云侧处理系统的对象搜索装置的结构示意图；
65.图11为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
66.下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员基于本公开所获得的所有其他实施例，都属于本公开保护的范围。
67.随着社会的发展，对象搜索系统已成为在安防领域扮演着极其重要的角色。在关键点位、道路实现较广范围的视频监控后，主流解决方案仍需要将监控视频上传至云侧。基于人工智能算法的图像与视频分析技术在近十余年获得了蓬勃发展，同时得益于云计算提供的弹性、大规模算力资源，在云侧部署运行视频分析应用已经成为热门技术方案。在现有技术中，整个对象搜索系统都部署在云侧，监控设备的视频数据都需要上传至云侧，这样无疑消耗了大量的网络带宽。另外，相关技术中，由于整个对象搜索系统部署在云侧，这样导致包含敏感数据的视频数据跨公网传输，存在隐私泄露风险；并且，云侧集中负责监控数据的全部分析过程，也就是ai推理业务集中化部署在云侧，对于云侧的用于实现对象搜索的系统的性能要求极高，这样导致限制了系统的拓展性。
68.基于上述内容，首先，为了解决消耗大量网络带宽资源的问题，从边缘节点的角度，本公开实施例提供了一种对象搜索方法。
69.所谓边缘节点是相对于云计算数据中心的，指与最终接入的节点之间具有较少中间环节的网络节点，本公开并不对边缘节点的具体形式进行限定，示例性的，边缘节点可以为边缘网关、家庭网关、iot(internet of things，物联网)网关等设备。需要说明的是，在具体应用中，边缘节点也可以是监测设备，如摄像头等。
70.并且，边缘节点属于对象搜索系统中的节点，对象搜索系统还包括云侧处理系统。其中，云侧处理系统为部署在云端的系统，通过边缘节点与云侧处理系统的交互，可以实现对象搜索。并且，云侧处理系统可以由一个或多个节点构成，对于云侧处理系统的具体设备形态的介绍，可以参见从对象处理系统的实施例内容。
71.其中，本公开实施例从边缘节点的角度所提供的一种对象搜索方法可以包括：
72.响应于所述云侧处理系统下发的指定命令，获取目标监控设备所采集的视频数据；其中，所述指定命令为所述云侧处理系统在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发的；确定所述视频数据中所存在的候选对象；
73.从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
74.向所述云侧处理系统发送所述指定图片，以使所述云侧处理系统对所述指定图片中的对象和所述目标图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
75.在接收到所述指示信息后，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
76.综上所述，本公开实施例中，对象搜索方法通过云边协同的方式实现，这样，监控设备的视频数据无需上传到云侧处理系统，而是上传到边缘节点，从而由边缘节点对视频数据进行视频分析处理并向云侧处理系统上传数据量较小的指定图片，使得云侧处理系统对指定图片与目标图片进行匹配分析；同时，搜索结果通过边缘节点直接反馈至请求方。可见，相对于现有技术，本方案通过云边协同的方式实现对象搜索方法，可以减少网络带宽的消耗。
77.另外，从视频数据的包含候选对象的图片中，截取候选对象的对象区域，相较直接上传视频数据减少了网络带宽的消耗，同时一定程度上保护了监控现场私密性；并且，相对于针对对象搜索的推理业务集中化部署于云侧而导致对于云侧的系统的性能要求极高而言，由于本方案可以采用云边协同的架构，因此，更容易实现系统拓展，大大降低了对于系统拓展性的限制。
78.下面将结合附图，对本公开实施例从边缘节点所提供的一种对象搜索方法进行介绍。如图1所示，一种对象搜索方法，应用于边缘节点，所述方法可以包括：
79.s101，响应于所述云侧处理系统下发的指定命令，获取目标监控设备所采集的视频数据；其中，所述指定命令为所述云侧处理系统在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发的；
80.其中，请求方可以是流媒体服务器，也可以是云侧处理系统对应的客户端，本公开对请求方的具体形态不做限定。
81.云侧处理系统在接收到请求方发送的包含待搜索对象的目标图片后，可以与边缘节点进行交互，从而实现关于目标图片的对象搜索。具体而言，云侧处理系统可以向边缘节点下发指定命令，从而边缘节点响应所述指定命令。需要说明的是，指定命令为用于触发边缘节点进行视频分析处理并上报分析得到的候选对象的指定图片的命令。其中，指定命令中可以携带有用于获取视频数据的待利用的视频源地址，此时，将以待利用的视频源地址作为访问地址的监控设备确定为目标监控设备，从而边缘节点获取目标监控设备所采集的视频数据。可以理解的是，指定命令也可以仅仅作为一个触发命令，此时，边缘节点在接收到指定命令后，为了进行视频采集，可以按照预先设定的确定方式，先确定出待利用的视频源地址，从而将以待利用的视频源地址作为访问地址的监控设备确定为目标监控设备。示例性的，预先设定的确定方式可以包括：从云侧处理系统请求待利用的视频源地址；或者，从边缘节点预先记录的可访问的视频源地址中，确定待利用的视频源地址，等等。
82.需要说明的是，在视频数据进行传输的过程中通常需要将其进行压缩，故在从视目标监控设备获取视频数据后，可以对视频数据进行解码。其中，视频解码可以使用opencv解码，所谓opencv是一个基于apache2.0许可开源发行的跨平台计算机视觉和机器学习软件库。另外，获取的目标监控设备所采集的视频数据，可以称为源视频；并且，示例性的，监控设备可以为摄像头，本公开并不对监控设备的具体形态进行限定。
83.另外，可以理解的是，为了实现对象搜索，边缘节点除了能够通过以太网访问云侧处理系统还需能够访问目标监控设备。为了实现访问目标监控设备，边缘节点可以通过网关转发、内网透传等手段与目标监控设备统一组网，从而从目标监控设备中获取视频数据，也可以通过直接连接总线的方式对接监控摄像头，从而从目标监控设备中获取视频数据。其中，内网透传，即nat(network address translation，网络地址转换)透传，进行nat穿透是为了使具有某一个特定源ip地址和源端口号的数据包不被nat设备屏蔽而正确路由到内网主机。
84.s102，确定所述视频数据中所存在的候选对象；
85.在获取到视频数据后，可以对所述视频数据进行分析处理，从而得到视频数据中所存在的候选对象，以用于后续与目标图片中的对象进行匹配分析。可以理解的是，视频数据中所存在的候选对象，为出现在视频数据中的画面中的各个对象。
86.示例性的，在一种实现方式中，确定所述视频数据中所存在的候选对象，可以包括步骤a1：
87.步骤a1，利用指定业务模块，确定所述视频数据中所存在的候选对象；
88.其中，所述指定业务模块为通过运行用于实现确定候选对象的目标镜像所生成的容器形态的模块。
89.需要说明的是，指定业务模块可以是ai行人检测模块，用于检测候选对象，例如，指定业务模块可以为运行有ai(artificial intelligence，人工智能)模型的yolox(旷视开源的高性能检测器)。通过部署容器形态的模块，可以使得业务模块的扩展或删除等方便快捷。
90.可选地，在利用指定业务模块，确定所述视频数据中所存在的候选对象之前，可以包括步骤b1-b2：
91.步骤b1，若检测到未存在所述指定业务模块，则从所述云侧处理系统的镜像库中，获取所述目标镜像；
92.步骤b2，运行所述目标镜像，以生成容器形态的模块，作为所述指定业务模块；
93.其中，云侧处理系统的镜像库中存在目标镜像，目标镜像包括ai行人检测模块的安装包，或是ai行人检测模块的安装程序，本公开对此不做限定。通过运行目标镜像，可以在边缘节点中生成容器形态的模块，得到指定业务模块。
94.示例性的，边缘节点若检测到未存在ai行人检测模块，则从云侧处理系统的镜像库中，获取ai行人检测模块的安装包，运行ai行人检测模块的安装包，安装ai行人检测模块，将ai行人检测模块包装成容器的形态，得到指定业务模块。
95.另外，在一种实现方式中，利用指定业务模块，确定所述视频数据中所存在的候选对象，可以包括步骤c1：
96.步骤c1，调用所述指定业务模块，以使所述指定业务模块对所述视频数据进行对象位置检测，利用对象位置检测结果，生成所述视频数据中的对象的轨迹，并将所述轨迹所指示的对象，确定为所述视频数据中所存在的候选对象。
97.需要说明的是，所述视频数据中的对象的轨迹，可以通过bytetrack算法(基于追踪并定位tracking-by-detection范式的追踪方法)生成，通过与前1帧或前k帧的对象特征关联，保证在连续视频帧间保持对同一对象的持续标定，进而获得对象的完整行进轨迹。其中，对象特征可以是对象穿着、体态、发型等信息。相对于检测到视频数据中存在对象，便作为候选对象上报给云侧处理系统而言，本实现方式中，通过将轨迹所指示的对象，作为视频数据中所存在的候选对象，可以避免向云侧处理系统上报重复的对象的指定图像，从而降低计算量以及保证搜索结果的精准性。
98.示例性的，边缘节点调用ai行人检测模块，以使ai行人检测模块对视频数据中行人a的位置进行检测，识别并标定视频中所有的行人a行进过的位置，通过bytetrack算法，将每1帧行人a的穿着进行关联，保证在连续的视频帧中保持对行人a的持续标定，从而获得行人a的完成行进轨迹，将此行进轨迹所指示的行人a，作为视频数据中的候选对象。
99.需要说明的是，上述的确定所述视频数据中所存在的候选对象的具体实现方式，仅仅作为示例，并不应该构成对本公开实施例的限定。
100.s103，从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象
区域，得到指定图片；
101.其中，所述候选对象的对象区域可以为候选对象所在的最小包围框。示例性的，从视频数据的包含候选对象行人a的图片中，截取行人a所在区域的最小包围框，从而得到指定图片，将指定图片打包发送至云侧处理系统。可以理解的是，将候选对象的对象区域以最小包围框进行截取，得到指定照片，由于指定照片中只有候选对象，这样，候选对象周围的场景、行人等都可以不被截取，从而有效保证监控场景私密性。
102.s104，向所述云侧处理系统发送所述指定图片，以使所述云侧处理系统对所述指定图片中的对象和所述目标图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
103.其中，若分析结果表明相匹配，则表明目标图片中的对象和指定图片中的对象为同一个人，此时，云侧处理系统可以向边缘节点反馈表征指定图片中的对象与目标图片中的对象匹配成功的指示信息；可以理解的是，指示信息可以是表征匹配成功的识别码，本公开对指示信息不做具体限定。
104.其中，边缘节点向云侧处理系统发送指定图片，云侧处理系统对其进行分析，为了布局清晰以及方便理解，这部分内容在另一实施例进行介绍。
105.s105，在接收到所述指示信息后，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果；
106.另外，目标图片的搜索结果可以是候选对象的轨迹的视频数据，也可以是包含候选对象的图片，本公开对此不做限定。
107.示例性的，边缘节点在接收到匹配成功的知识信息后，基于视频数据中包含候选对象行人a的图片，向流媒体服务器反馈表征匹配成功的包含候选对象行人a的轨迹视频。
108.综上所述，本公开实施例中，对象搜索方法通过云边协同的方式实现，这样，监控设备的视频数据无需上传到云侧处理系统，而是上传到边缘节点，从而由边缘节点对视频数据进行视频分析处理并向云侧处理系统上传数据量较小的指定图片，使得云侧处理系统对指定图片与目标图片进行匹配分析；同时，搜索结果通过边缘节点直接反馈至请求方。可见，相对于现有技术，本方案通过云边协同的方式实现对象搜索方法，可以减少网络带宽的消耗。
109.另外，从视频数据的包含候选对象的图片中，截取候选对象的对象区域，相较直接上传视频数据减少了网络带宽的消耗，同时一定程度上保护了监控现场私密性；并且，相对于针对对象搜索的推理业务集中化部署于云侧而导致对于云侧的系统的性能要求极高而言，由于本方案可以采用云边协同的架构，因此，更容易实现系统拓展，大大降低了对于系统拓展性的限制。
110.基于从边缘节点的角度所提供的一种对象搜索方法，本公开实施例从云侧处理系统的角度，还提供了一种对象搜索方法。如图2所示，从云侧处理系统的角度，本公开实施例所提供的一种对象搜索方法可以包括如下步骤：
111.s201，获取请求方所发送的包含待搜索对象的所述目标图片，并向边缘节点下发指定命令；
112.其中，边缘节点的数量可以为一个或多个。
113.可以理解的是，若边缘节点的数量为多个，向边缘节点下发指定命令，可以包括：
114.按照所述目标图片对应的搜索辅助信息，从多个所述边缘节点中，选取待利用的边缘节点；其中，所述搜索辅助信息包括表征所述目标图片对应的搜索区域的信息；
115.向所选取的边缘节点，下发指定命令。
116.其中，所述搜索辅助信息包括表征所述目标图片对应的搜索区域的信息，所述搜索辅助信息的作用在于指示云侧处理系统选取待利用的边缘节点。可以理解的是，搜索辅助信息可以是由用户在上传目标图片是进行指定的，例如：用户在上传目标图片时，可以指定所需的搜索区域，这样，在搜索区域确定后，可以利用关于区域与监控设备的映射关系以及监控设备与边缘节点的映射关系，来确定出待利用的边缘节点；当然，搜索辅助信息也可以是目标图片中的特定标志或特征，例如，目标图片中有栋比较特别的建筑，那么，此信息就可以表征目标图片的搜索辅助信息，进而，可以利用搜索辅助信息确定出搜索区域，或者，所对应的监控设备，从而可以利用上述所述的映射关系，确定出待利用的边缘节点。
117.s202，获取边缘节点发送的指定图片；其中，所述指定图片为所述边缘节点响应于所述云侧处理系统下发的指定命令，按照指定生成方式生成并上传到所述云侧处理系统的，所述指定生成方式包括获取目标监控设备所采集的视频数据；确定所述视频数据中所存在的候选对象；从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
118.s203，对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；
119.针对云侧处理系统而言，在获取到目标图片和指定图片后，可以针对所述目标图片中对象和指定图片中的对象进行匹配分析，得到分析结果。需要说明的是，对所述目标图片中的对象，以及所述指定图片中的候选对象进行匹配分析，其匹配分析的是目标图片中对象与指定图片中候选对象的对象特征，那么，目标图片与指定图片均需要进行对象特征提取。示例性的，所述对象特征提取，可以使用resnet101(101层的残差网络)完成，残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其中，指定图片中候选对象的对象特征作为第一对象特征，目标图片中搜索对象的对象特征作为第二对象特征。示例性的，云侧处理系统使用resnet101将指定图片中行人a的发型、衣着等对象特征进行提取，作为第一对象特征；云侧处理系统使用resnet101将目标图片中的对象的特征进行提取，作为第二对象特征。
120.其中，对目标图片中对象，以及指定图片中的对象进行匹配分析的具体实现方式存在多种。示例性的，在一种实现方式中，对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果，可以包括步骤d1：
121.步骤d1，利用行人重识别算法，分析所述指定图片中的对象是否与所述目标图像中的对象相匹配，得到分析结果。
122.其中，行人重识别算法为利用计算机视觉技术，可以判断在不同时间段、不同监控下出现的行人图像是否属于同一人员的技术。由于摄像头质量、成像光线、成像角度、以及成像距离等因素，在监控视频中得到的人的特征往往是不清晰的，故对目标行人图片根据穿着、姿态、身材比例、面部等特征完成对象特征提取。可与行人检测、行人追踪技术相结合，可以弥补目前监控摄像头的视觉局限性，可以广泛应用于监控、安防等领域。本质上可以看做是图像匹配任务，给一张要匹配的行人的图，可以从数据库中搜索出此人的其他照
片。
123.需要说明的是，行人重识别算法可以将上述第一对象特征与上述第二对象特征进行匹配分析。示例性的，行人重识别算法可以将指定图片中的候选对象的衣着、头型等对象特征与目标图片中搜索对象的衣着、头型等对象特征进行匹配分析，判断指定图片与目标图片出现的行人图像是否属于同一对象。
124.示例性的，在另一种实现方式中，可以利用马氏距离评价目标图片中的对象与指定图片中的候选对象的相似度，从而得到分析结果。其中，马氏距离是一种有效的计算两个未知样本集的相似度的方法。
125.s204，若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息，以使所述边缘节点在接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
126.其中，关于s201、s202以及s204的相关步骤的实现方式可以参见上述从边缘节点的角度所提供的实施例内容，在此不做赘述。
127.本公开实施例中，对象搜索方法通过云边协同的方式实现，这样，监控设备的视频数据无需上传到云侧处理系统，而是上传到边缘节点，从而由边缘节点对视频数据进行视频分析处理并向云侧处理系统上传数据量较小的指定图片，使得云侧处理系统对指定图片与目标图片进行匹配分析；同时，搜索结果通过边缘节点直接反馈至请求方。可见，相对于现有技术，本方案通过云边协同的方式实现对象搜索方法，可以减少网络带宽的消耗。
128.基于上述对象搜索方法，本公开实施例还提供了一种对象搜索系统。该对象搜索系统可以包括：云侧处理系统以及边缘节点；
129.所述云侧处理系统，用于在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发指定命令；
130.所述边缘节点，用于响应于所述指定命令，获取目标监控设备所采集的视频数据；确定所述视频数据中所存在的候选对象；从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片，并向所述云侧处理系统发送所述指定图片；所述云侧处理系统，还用于获取所述边缘节点发送的所述指定图片；对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
131.所述边缘节点，还用于在接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
132.本公开实施例中，对象搜索系统通过云边协同的方式实现，这样，监控设备的视频数据无需上传到云侧处理系统，而是上传到边缘节点，从而由边缘节点对视频数据进行视频分析处理并向云侧处理系统上传数据量较小的指定图片，使得云侧处理系统对指定图片与目标图片进行匹配分析；同时，搜索结果通过边缘节点直接反馈至请求方。可见，相对于现有技术，本方案通过云边协同的方式实现对象搜索方法，可以减少网络带宽的消耗。
133.另外，从视频数据的包含候选对象的图片中，截取候选对象的对象区域，相较直接上传视频数据减少了网络带宽的消耗，同时一定程度上保护了监控现场私密性；并且，相对于针对对象搜索的推理业务集中化部署于云侧而导致对于云侧的系统的性能要求极高而言，由于本方案可以采用云边协同的架构，因此，更容易实现系统拓展，大大降低了对于系
统拓展性的限制。
134.下面结合附图介绍对本公开实施例所提供的一种对象搜索系统进行介绍。
135.如图3(a)所示，一种对象搜索系统可以包括：
136.所述云侧处理系统300，用于在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发指定命令；
137.所述边缘节点330，用于响应于所述指定命令，获取目标监控设备所采集的视频数据；确定所述视频数据中所存在的候选对象；从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片，并向所述云侧处理系统发送所述指定图片；
138.所述云侧处理系统300，还用于获取所述边缘节点发送的所述指定图片；对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
139.所述边缘节点330，还用于在接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
140.其中，关于云侧处理系统300和边缘节点330所实现的功能的具体实现方式可以参见上述方法实施例的相应内容，在此不做赘述。
141.需要说明的是，云侧处理系统300所实现的功能可以集成于一个节点中，也可以通过多个节点来实现，例如：云侧处理系统300所实现的功能通过云侧工作节点与云侧控制中心两类节点相互配合来实现。其中，针对云侧处理系统300所实现的功能通过云侧工作节点与云侧控制中心两类节点相互配合来实现的情况，对象搜索系统的结构示意图可以参见图3(b)所示，其中，对象搜索系统包括：云侧工作节点310，云侧控制中心320，边缘节点330，云侧工作节点310分别与云侧控制中心320、边缘节点330通信相连，云侧控制中心320与边缘节点330通信相连。
142.需要说明的是，云侧工作节点310可以由高性能云节点组成，且部署有行人重识别相关ai(artificial intelligence，人工智能)模型或其他用于进行对象匹配分析的模型；示例性的，云侧工作节点310可以为部署了ai模型的高性能计算机。其中，行人重识别为利用计算机视觉技术，判断在不同时间段、不同监控下出现的行人图像是否属于同一人员的技术。也就是说，云侧工作节点310具体用于实现对所述目标图片中的对象和所述指定图片中的对象进行匹配分析的过程。
143.云侧控制中心320可以是对接用户控制指令，对边缘节点330与云侧工作节点310下发命令的云节点或者节点集群等。也就是说，云侧控制中心320用于接收请求方发送的目标图片，以及向边缘节点330下发指定命令并接收边缘节点330上报的目标图片；并且，选择云侧工作节点310，向云侧工作节点310下发目标图片和指定图片以使得云侧工作节点310对目标图片和指定图片进行分析处理，得到分析结果。
144.另外，需要说明的是，本公开实施例中的云侧工作节点310、边缘节点330及云侧控制中心320可以通过容器来实现相应业务功能，其中，容器可以包装应用，可以简化应用的构建、部署及运行的过程。
145.可选的，在云侧处理系统包括云侧工作节点310、云侧控制中心320的前提下，边缘节点330的数量为多个时，对象搜索系统的结构示意图可以如图4所示。
146.并且，可以理解的是，在云侧工作节点310为多个的情况下，若云侧控制中心320为云节点，此时，云侧控制中心320可以部署有负载均衡模块，此时，云侧控制中心320具有负载均衡的功能；当然，若云侧控制中心320为节点集群，此时，云侧控制中心320中的某一节点上可以部署于有负载均衡模块，从而云侧控制中心320可以通过该节点实现负载均衡，这也是合理的。可以理解的是，云侧控制中心320按照负载均衡原则，从多个云侧工作节点310中，选取有足够资源对目标图片进行分析的云侧工作节点310。这样可以提升对象搜索的效率。
147.另外，在另一实现方式中，在云侧工作节点为多个的情况下，云侧控制中心320可以向其他节点发送负载均衡请求，以使得其他节点按照负载均衡原则，从多个所述云侧工作节点310中，选取待利用的云侧工作节点310。此时，云侧控制中心320相通信的其他节点中部署有负载均衡模块，云侧控制中心320可以通过该其他节点来进行负载均衡处理。
148.本公开实施例中，对象搜索系统通过云边协同的方式实现，这样，监控设备的视频数据无需上传到云侧处理系统，而是上传到边缘节点，从而由边缘节点对视频数据进行视频分析处理并向云侧处理系统上传数据量较小的指定图片，使得云侧处理系统对指定图片与目标图片进行匹配分析；同时，搜索结果通过边缘节点直接反馈至请求方。可见，相对于现有技术，本方案通过云边协同的方式实现对象搜索方法，可以减少网络带宽的消耗。
149.另外，从视频数据的包含候选对象的图片中，截取候选对象的对象区域，相较直接上传视频数据减少了网络带宽的消耗，同时一定程度上保护了监控现场私密性；并且，相对于针对对象搜索的推理业务集中化部署于云侧而导致对于云侧的系统的性能要求极高而言，由于本方案可以采用云边协同的架构，因此，更容易实现系统拓展，大大降低了对于系统拓展性的限制。
150.为了更进一步理解对象搜索系统的工作原理，下面从用户与对象搜索系统交互的角度，介绍对象搜索过程，可以理解的是，云侧处理系统可以分为云侧工作节点与云侧控制中心，这样可以更清楚的介绍交互过程。如图5所示，从用户与对象搜索系统交互的角度而言，对象搜索过程可以包括如下步骤：
151.s501，用户上传目标图片；
152.其中，用户所使用的设备为请求方，如：流媒体服务器、客户端等等；目标图片中包括需要搜索的对象；
153.示例性的，用户使用流媒体服务器将包括需要搜索对象的目标图片上传至云侧控制中心；
154.s502，云侧工作节点从目标图片中进行对象特征提取；
155.具体的，云侧控制中心在接收到用户上传的目标图片后，将目标图片发送至云侧工作节点，云侧工作节点从目标图片中的搜索对象进行对象特征提取；其中，对象特征为搜索对象的衣着。发型等在图片中易于观看的特征；
156.示例性的，云侧工作节点从目标图片中进行对象特征提取。
157.s503，用户为边缘节点分配源视频地址；
158.其中，分配视频源地址为距离边缘节点距离较近的地址；
159.s504，边缘节点对接源视频流，解码源视频；
160.示例性的，边缘节点在接收到用户的视频源地址后，与源视频流进行对接，将源视
频进行解码；
161.s505，边缘节点识别、标记视频中的候选对象；
162.示例性的，边缘节点在获得源视频后，对候选对象的位置进行识别、标记；
163.s506，边缘节点根据最小包围框，裁剪候选对象；
164.示例性的，边缘节点将标记好的候选对象的位置根据最小包围框进行裁剪，得到指定图片；边缘节点将指定图片发送至云侧控制中心；
165.s507，云侧工作节点接收到重识别服务请求；
166.示例性的，云侧工作节点接收到云侧控制中心发送的重识别服务请求；
167.s508，云侧工作节点判断指定图片中的候选对象是否匹配目标图片中的搜索对象；
168.示例性的，云侧工作节点提取指定图片中候选对象的对象特征，衣着、发型等，将指定图中候选对象的对象特征与目标图片中搜索对象的对象特征进行匹配；若匹配结果为成功，则执行s509，若匹配结果为失败，则循环回s505；
169.s509，边缘节点向请求方反馈目标图片对应的搜索结果；
170.示例性，若匹配结果为成功，则边缘节点向用户的流媒体设备反馈表征与目标图片匹配成功的包含候选对象的轨迹视频。
171.综上所述，本方案通过云边协同的方式实现对象搜索方法，可以减少网络带宽的消耗。
172.另外，从视频数据的包含候选对象的图片中，截取候选对象的对象区域，相较直接上传视频数据减少了网络带宽的消耗，同时一定程度上保护了监控现场私密性；并且，相对于针对对象搜索的推理业务集中化部署于云侧而导致对于云侧的系统的性能要求极高而言，由于本方案可以采用云边协同的架构，因此，更容易实现系统拓展，大大降低了对于系统拓展性的限制。
173.为了更好的理解对象搜索系统，下面结合图6和图7介绍对象搜索系统的工作原理。为了方便的介绍对象搜索系统的工作原理，将云侧处理系统分为云侧工作节点与云侧控制中心两类节点，如图6所示，对象搜索系统分为云侧部分与边侧部分，云侧包括云侧工作节点与云侧控制中心，边侧包括边缘节点。云侧工作节点中内嵌行人重识别模型，行人重识别模型以行人重识别算法为基础进行工作，可以判断在不同时间段、不同监控下出现的行人图像是否属于同一人员。
174.云侧控制中心中有资源调度器与模型镜像仓库，云侧控制中心还可以用于状态存储、资源监控及服务代理等。其中，资源调度器可以根据配置文件，将视频源地址分配给边缘节点。由于边缘节点自带行人检测模块，故有一定的推理能力。在接收到用户启动识别、标记候选对象的指令后，云侧控制中心启动边缘节点的行人检测模型。
175.需要说明是的，模型镜像仓库是为云侧工作节点和边缘节点服务的，在系统启动或云侧工作节点需要新纳入的工作节点时，云侧工作节点通过拉取镜像库内相应业务镜像运行相应业务模型并自动初始化；以及在边缘节点中未部署有模型(对应于上述实施例中的指定业务模块)，可以从模型镜像仓库中拉取镜像文件。
176.需要说明的是，云侧控制中心的资源监控功能可以实时监控云侧工作节点的工作状态。对于边缘节点，当边缘节点在业务执行中出现意外错误时将对应节点正在处理的视
频源地址重分配给其他节点，并实时上报、记录错误详细信息到系统日志。
177.需要说明的是，云侧控制中心的状态存储功能可以实时将云侧工作节点与边缘节点的工作状态进行存储，在云侧工作节点或边缘节点在业务执行中出现错误时，云侧控制中心就可以把当前的工作量进行存储，以防当前工作量丢失。
178.在云侧控制中心分配给云侧工作节点任务时，往往需要借助负载均衡模块的帮助，负载均衡模块可以将任务分配给有足够资源的云侧工作节点。
179.其中，负载均衡模块可以将负载、工作任务进行平衡、分摊到多个操作单元上进行运行，示例性的，负载均衡模块可以将任务分配到网络服务器、企业核心应用服务器和其它主要任务服务器等，从而协同完成工作任务。若云侧控制中心为云节点，此时，云侧控制中心可以部署有负载均衡模块，此时，云侧控制中心具有负载均衡的功能；当然，若云侧控制中心为节点集群，此时，云侧控制中心中的某一节点上可以部署于有负载均衡模块，从而云侧控制中心可以通过该节点实现负载均衡，这也是合理的。
180.可以理解的是，云侧控制中心按照负载均衡原则，从多个云侧工作节点中，选取有足够资源对目标图片进行分析的云侧工作节点。这样可以提升对象搜索的效率。
181.另外，在另一实现方式中，云侧控制中心可以向其他节点发送负载均衡请求，以使得其他节点按照负载均衡原则，从多个所述云侧工作节点中，选取待利用的云侧工作节点；向所选取的云侧工作节点。此时，云侧控制中心相通信的其他节点中部署有负载均衡模块，云侧控制中心可以通过该其他节点来进行负载均衡处理。
182.边缘节点包含视频对接/预处理模块与行人检测模型，边缘节点需要与端侧的摄像头相连接，以便从视频源地址获取源视频，在与源视频流对接后，还需要对视频进行预处理，如将视频进行解码，以及将源视频对应的指定图片中的候选对象按最小包围框进行裁剪。边缘节点还可以与用户的流媒体服务器相连。
183.另外，如图7所示，由用户上传目标图片，通过边缘节点对监控设备的视频数据进行截图，得到监控视频中人员截图(对应于上述实施例中的指定图片)；云侧控制中心通过负载均衡方式选定待利用的云侧工作节点；待利用的云侧工作节点可以获取到目标图片，以及从re-id请求中解析得到监控视频中人员截图以及人员id；待利用云侧工作节点可以利用re-id模型中的resnet101特征提取网络对目标图片以及人员截图进行对象特征提取，然后利用提取到的对象特征进行相似度判别，基于相似度判别结果，向边缘节点返回结果，其中，匹配结果表明是否匹配成功，在匹配成功时，可以反馈匹配成功的目标人员id。
184.其中，云侧控制中心可以通过rest api来实现负载均衡，以将上述目标图片和人员截图分配给有足够资源的云侧工作节点中的re-id模型。其中，re-id模型中包括resnet101特征提取网络和相似度辨别模块，resnet101特征提取网络可以将目标图片与人员截图进行特征提取。相似度辨别模块可以将目标图片与人员截图的特征进行相似度匹配，最后返回结果，若匹配成功，则返回表征匹配成功的匹配结果和候选对象特征。其中，rest api可以为与云侧控制中心相通信的其他节点中的api，通过调用该rest api可以实现负载均衡分析，也就是，选定待利用的云侧工作节点。上述系统与现有技术相比，上述系统将对接源视频流，获取源视频，以及对监控设备的视频数据中的候选对象进行行人检测等业务交给了部署在边侧的边缘节点，而在现有技术中上述工作都是由云侧工作节点完成的，这样，云侧工作节点在获取源视频时，需要在公网上进行传输，整个过程会存在高时延，
而且在公网上传输监控设备的视频数据，也会存在隐私泄露的风险。可以理解的，在现有技术中整个系统都部署在云侧，这样的部署方式会减少系统的拓展性，而上述系统为云边协同的部署方式，这种方式带来了更好的弹性拓展能力，行人检测业务由靠近获取源视频的边缘节点完成，而需要大量算力支持的行人重识别业务由云侧工作节点完成，这样也提升了整个系统的的分析效率。需要说明的是，与现有技术相比，云边协同这种部署方式还可以减少网络带宽的消耗。
185.为了更好的理解方案，下面将对本公开实施例提供的一种行人检测模块的工作原理，即上述的边缘节点中的指定业务模块的工作原理进行介绍。如图8所示，边缘节点向行人检测模块输入包括候选对象的视频，行人检测模块可以将视频分为多帧，对每一帧都进行行人检测，特征提取，以及行人特征关联，在行人特征关联时，通过与前1帧或前k帧的行人特征关联，从而得到跟踪结果。
186.示例性的，在向行人检测模块输入包括行人c的视频后，行人检测模块可以将视频分为视频帧pi、视频帧pi 1、视频帧pi 2，
……
，视频帧pi k，从而对每一帧都进行行人检测，特征提取，以及行人特征关联，在特征提取时提取到了行人c的对象特征，在行人特征关联时，通过与前k帧的对象特征进行关联，得到行人c在视频中的连续位置，从而得到跟踪结果，即，行人c在视频中的轨迹。
187.本公开实施例可以对视频中的行人以帧为单位进行特征关联，得到行人在视频中的连续位置，从而得到行人在视频中的轨迹。
188.基于上述从边缘节点所提供的方法实施例，本公开实施例提供了一种应用于边缘节点的对象搜索装置，如图9所示，所述装置包括：
189.第一获取模块910，用于响应于所述云侧处理系统下发的指定命令，获取目标监控设备所采集的视频数据；其中，所述指定命令为所述云侧处理系统在获取到请求方发送的包含待搜索对象的目标图片后，向所述边缘节点下发的；
190.确定模块920，用于确定所述视频数据中所存在的候选对象；
191.截取模块930，用于从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
192.发送模块940，用于向所述云侧处理系统发送所述指定图片，以使所述云侧处理系统对所述指定图片中的对象和所述目标图片中的对象进行匹配分析，得到分析结果；若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息；
193.第一反馈模块950，用于在接收到所述指示信息后，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
194.可选地，确定模块，包括：
195.确定子模块，用于利用指定业务模块，确定所述视频数据中所存在的候选对象；其中，所述指定业务模块为通过运行用于实现确定候选对象的目标镜像所生成的容器形态的模块。
196.可选地，所述装置还用于在利用指定业务模块，确定所述视频数据中所存在的候选对象之前，若检测到未存在所述指定业务模块，则从所述云侧处理系统的镜像库中，获取所述目标镜像；
197.运行所述目标镜像，以生成容器形态的模块，作为所述指定业务模块。
198.可选地，所述第一分析模块，包括:
199.调用模块，用于调用所述指定业务模块，以使所述指定业务模块对所述视频数据进行对象位置检测，利用对象位置检测结果，生成所述视频数据中的对象的轨迹，并将所述轨迹所指示的对象，确定为所述视频数据中所存在的候选对象。
200.基于上述从云侧处理系统的角度的方法实施例，本公开实施例还提供了一种应用于云侧处理系统的对象搜索装置，如图10所示，所述装置包括：
201.第二获取模块1010，用于获取请求方所发送的包含待搜索对象的目标图片，并向边缘节点下发指定命令；
202.第三获取模块1020，用于获取边缘节点发送的指定图片；其中，所述指定图片为所述边缘节点响应于所述云侧处理系统下发的指定命令，按照指定生成方式生成并上传到所述云侧处理系统的，所述指定生成方式包括获取目标监控设备所采集的视频数据；确定所述视频数据中所存在的候选对象；从所述视频数据的包含所述候选对象的图片中，截取所述候选对象的对象区域，得到指定图片；
203.分析模块1030，用于对所述目标图片中的对象和所述指定图片中的对象进行匹配分析，得到分析结果；
204.第二反馈模块1040，用于若分析结果表明相匹配，向所述边缘节点反馈表征所述指定图片中的对象匹配成功的指示信息，以使所述边缘节点在接收到所述指示信息，基于所述视频数据中包含所述候选对象的图片，向所述请求方反馈所述目标图片对应的搜索结果。
205.可选地，分析模块，包括：
206.分析子模块，用于利用行人重识别算法，分析所述指定图片中的对象是否与所述目标图像中的对象相匹配，得到分析结果。
207.可选地，所述边缘节点的数量为多个；
208.所述向边缘节点下发指定命令，包括：
209.按照所述目标图片对应的搜索辅助信息，从多个所述边缘节点中，选取待利用的边缘节点；其中，所述搜索辅助信息包括表征所述目标图片对应的搜索区域的信息；
210.向所选取的边缘节点，下发指定命令。
211.本公开实施例还提供了一种电子设备，如图11所示，包括处理器1101、通信接口1102、存储器1103和通信总线1104，其中，处理器1101，通信接口1102，存储器1103通过通信总线1104完成相互间的通信，
212.存储器1103，用于存放计算机程序；
213.处理器1101，用于执行存储器1103上所存放的程序时，实现上述对象搜索方法。
214.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
215.通信接口用于上述电子设备与其他设备之间的通信。
216.存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易
失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
217.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
218.在本公开提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一对象搜索方法的步骤。
219.在本公开提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一对象搜索方法。
220.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
221.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
222.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
223.以上所述仅为本公开的较佳实施例，并非用于限定本公开的保护范围。凡在本公开的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本公开的保护范围内。