近日,西安邮电大学信驰神网团队,推出了面向多场景的边云协同多模态边缘计算技术服务。该服务基于静态层级处理流水线与分布式感知调度架构,融合多模态无线感知人体行为识别技术,实现了“边缘实时决策、云端全局校准、事故超前预警”的一体化智能闭环。
创新采用边云协同静态层级架构,实现算力优化与事故预测。
传统边缘计算方案往往“边云割裂”——要么全部在边缘处理导致模型能力受限,要么频繁与云端交互引入不可控时延。团队创新设计了一套静态层级处理流水线,原始传感器数据首先在边缘节点完成特征预处理与本地轻量计算;仅将置信度较低的特征或脱敏后的统计信息通过云边交互单元上传至云端;云端数据校准单元与全局特征优化模块对全局特征进行二次校准,并通过事故特征风险推理核心输出最终风险等级,再经边缘智能决策输出终端反馈至现场设备。
“这种架构既保证了边缘侧的实时响应,又利用了云端的大模型能力进行全局优化。”团队成员王宇轩介绍,“在预警测试中,边缘端可在12ms内输出初步告警,同时云端每10秒完成一次全局特征校准,将事故预测准确率提升至96.8%。”
![]()
创新融合多模态无线感知与人体行为识别技术,实现隐私友好的实时监测。
针对传统摄像头易受光照、遮挡影响且侵犯人员隐私的痛点,团队提出了基于M1/M2双分支网络的多模态无线感知方案。系统通过通道切换对毫米波雷达、Wi-Fi CSI与热成像等多源数据进行动态选择,再经通道拼接与 Conv1‑BatchNorm‑ReLU‑Conv2‑BatchNorm 结构进行特征提取,最终输出人体行为类别(跌倒、攀爬、挥手求救等)。该处理流程在边缘节点内全部完成,仅上传匿名化的骨架关节点数据。
“我们刻意不采集可识别的视频图像,所有原始信号在边缘侧脱敏。”团队成员吴霖举例,“在某智慧工厂试点中,系统在弱光环境下识别工人跌倒的准确率达到94.3%,且全程无隐私画面流出。家属端仅收到‘跌倒告警+匿名骨架图’,既及时又合规。”
![]()
“未来,我们将继续深化与人工智能、智能制造等行业龙头企业的合作,推动边云协同技术走向‘智慧路口、无人矿区、智能工厂’等更多领域。”团队成员郭昱辰表示,“面向国家‘人工智能+’与新基建战略需求,我们将持续优化多模态特征对齐算法与分布式调度策略,力争在两年内将本系统推广至西北地区百条以上重点基础设施,用边缘智能守护每一处关键场景的安全。”
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.