(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211369735.2 (22)申请日 2022.11.03 (71)申请人 江西省亿发姆科技发展 有限公司 地址 330006 江西省南昌市赣 江新区直管 区纵十路以东、 兴业大道以南、 介坛 北 路以西、 麻石桥路以北万创科技城6栋 3层305室 (72)发明人 李任明　曾晓流　甘水华　李伟伟　 肖丽沙　易丽娟　陈诗亮　张坤　 汤文亮　 (74)专利代理 机构 南昌金轩知识产权代理有限 公司 36129 专利代理师 桑耀 (51)Int.Cl. G06F 16/53(2019.01)G06V 10/74(2022.01) G06F 9/50(2006.01) (54)发明名称 一种巡督方法、 装置、 智能眼镜及 防汛安全 与云平台 (57)摘要 本发明通过提供一种巡督方法、 装置、 智能 眼镜及云平台， 使巡督人员可以佩戴智能眼镜进 行巡督工作， 通过智能眼镜获取实时图像， 并利 用云平台的云服务器进行快速图像查询， 并且在 该过程中通过云服务器中选择计算性能强的第 一计算节 点完成第一模板库的实时查询， 当第一 模板库中未匹配到相应的查询结果时， 利用云平 台的云服务器在第二模板库进行查询， 当识别出 现场防汛识别信息后将该信息显示在智能眼镜 的视野上， 快速进行防汛预警， 以此提高巡督过 程中对实时画面的分析的速度和效率。 权利要求书4页 说明书12页 附图1页 CN 115544284 A 2022.12.30 CN 115544284 A 1.一种巡督方法， 其特 征在于， 包括： 获取待识别的防汛实时图像， 提取 所述待识别的防汛实时图像中的第一对象； 其中， 巡督人员通过智能眼镜获取防汛实时图像； 提取所述第 一对象的第 一特征， 通过第 一特征相似度从第 一模板库中得到第 一相似图 像， 根据所述第一模板库得到的所述第一相似图像的内容获取现场防汛识别信息， 并显示 在智能眼镜的视野上； 其中， 通过云平台的第一计算节点从第一模板库得到第一相似图像； 其中， 通过所述第一计算节点的CPU占用率、 内存占用率、 带宽占用率、 巡督人员使用率 计算所述第一计算节点的性能， 即通过公式计算所述第一计算节点的计算 性能； X＝α·CP+β·NC+γ·WL+δ·XD； 其中， CP表示第一计算节点的CPU占用率， NC表示第一计算节点的内存占用率， WL表示 第一计算节点的带宽占用率， XD表示第一计算节点上巡督人员使用率， α、 β、 γ、 δ分别表示 CPU占用率、 内存占用率、 带宽占用率、 巡督人员使用率的影响因子， 并且α +β +γ+δ ＝1； 通过公式计算所述第一计算节点CPU占用率CP； 其中， tm+1表示除I/O等待时间外第m+1次使用该第一计算节点匹配第一模板库时使用 的时间， tm表示除I/O等待时间外第m次使用该第一计算节点匹配第一模板库时使用的时 间， Tm+1表示CPU第m+1次使用所消耗的总时间， Tm表示CPU第m次使用所消耗的总时间； 通过公式计算所述第一计算节点内存占用率 NC； 其中， ZN表示所述第一计算节点总内存量， AN表示所述第一计算节点可用内存量； 通过公式计算所述第一计算节点带宽占用率 WL； 其中， W为网络 带宽， SRm+1表示所述第一计算节点第m+1次计算时的输入字节数， SRm表示 所述第一计算节 点第m次计算时的输入字节数， SCm+1表示所述第一计算节 点第m+1次计算时 的输出字节数， SCm表示所述第一计算节点第m次计算时的输出字节数； 通过I/O查询指令获取 所述第一计算节点的I/O占用率， 即为巡督人员使用率XD； 当第一模板库中未查询到与待识别的实时图像相似的所述第 一相似图像时， 获取待识 别的防汛实时图像中第一对象， 基于深度局部特 征生成第三特 征向量； 根据所述第三特征向量在第二模板库进行查询， 并返回第二相似图像； 根据所述第二 模板库得到的所述第二相似图像的内容 获取现场防汛识别信息， 并叠加显示在智能眼镜的 视野上； 通过所述智能眼镜获取并显示所述现场防汛识别信 息后， 根据 所述现场防汛识别信 息 将当前位置信息进行定位， 并发出警报， 由云平台的防汛指挥中心生成预警方案 。 2.根据权利要求1所述的方法， 其特 征在于： 所述提取所述第一对象的第 一特征， 通过第 一特征相似度从第 一模板库中得到第 一相权　利　要　求　书 1/4 页 2 CN 115544284 A 2似图像， 包括： 通过图像嵌入算法提取所述第 一对象的第 一特征， 通过矩阵运算得到第 一模板库中与 所述第一特 征TOP‑10张第一相似图像， 并通过公式计算相似度； 其中， ai表示待识别的实 时图像中第一对象的第一特征向量， bi表示第一模板库中第二 图像中对应的第二对象的第二特 征向量。 3.根据权利要求1所述的方法， 其特 征在于： 在生成第三特征向量 时， 基于关键点检测算法寻找待识别的防汛实时图像中合适的关 键点， 基于卷积神经网络生 成512维特征向量， 利用PCA降维算法将所述512维特征向量降至 128维得到所述第三特 征向量； 通过计算所述第三特征向量与所述第二模板库中第二相似图像的第四特征向量的相 似度， 获取 所述第二相似图像。 4.根据权利要求1所述的方法， 其特 征在于： 巡督人员佩戴智能眼镜， 获取工单， 所述工单中记载防汛巡督任务； 根据 所述防汛巡督 任务生成防汛巡督线路； 巡督人员开启防汛巡督任务， 在执行所述防汛任务时， 按照所述巡督任务生成巡督线 路进行巡督； 当巡督人员没有按照所述工单中规定的巡督路线进行检查时， 所述智能眼镜 根据识别所述巡督人员的位置信息， 并及时显示巡督线路提示信息， 在所述智能眼镜的视 野上显示 正确的巡督线路； 所述巡督人员通过智能眼镜中的扫码功能对所述涵闸建筑和堤坝设备进行二维码扫 描和/或铭牌识别； 识别当前涵闸建筑和堤坝设备信息， 将当前涵闸建筑和堤坝设备信息叠 加至所述智能眼镜的视野中； 其中， 当前涵闸建筑和堤坝设备信息包括阀门信息、 机房信息、 防汛设备信息、 管线信 息， 维修检修记录， 工艺 流程浏览信息， 实时数据浏览信息， 物资浏览信息 。 5.一种巡督装置， 其特征在于， 包括： 所述巡督设备应用于防汛安全与运维保障云平 台； 实时图像获取模块， 用于获取待识别的防汛实时图像， 提取所述待识别的防汛实时图 像的第一对象； 其中， 巡督人员通过智能眼镜获取防汛实时图像； 第一图像查询模块， 用于提取所述第一对象的第一特征， 通过第一特征相似度从第一 模板库中得到第一相似图像， 根据所述第一模板库得到的所述第一相似图像的内容 获取现 场防汛识别信息， 并显示在智能眼镜的视野上； 服务器节点模块， 用于通过防汛安全与运 维 保障云平台的第一计算节点从第一模板库得到第一相似图像； 其中， 通过所述第一计算节点的CPU占用率、 内存占用率、 带宽占用率、 巡督人员使用率 计算所述第一计算节点的性能， 即通过公式计算所述第一计算节点的计算 性能； X＝α·CP+β·NC+γ·WL+δ·XD； 其中， CP表示第一计算节点的CPU占用率， NC表示第一计算节点的内存占用率， WL表示权　利　要　求　书 2/4 页 3 CN 115544284 A 3