1. 介紹

在像宗教活動、音樂會、節(jié)日、體育場和校園人群這樣的大型人群聚會中，通常會吸引成千上萬的人。管理這些動態(tài)環(huán)境具有挑戰(zhàn)性，在識別過度擁擠方面的延誤可能導(dǎo)致混亂、安全風(fēng)險或危及生命的事件。

為了解決這個問題，我們開發(fā)了一個實時AIoT人群監(jiān)控和疏散系統(tǒng)，該系統(tǒng)結(jié)合了基于人工智能的視頻分析，物聯(lián)網(wǎng)傳感器，oneM2M互操作性和5G連接，以監(jiān)控人群密度，預(yù)測風(fēng)險，并使用LED矩陣顯示器，儀表板和移動應(yīng)用程序安全引導(dǎo)人們。

該解決方案可確保在緊急情況下更快地響應(yīng)，更安全的公共空間和清晰的通信，使其成為大型活動，公共基礎(chǔ)設(shè)施和智慧城市環(huán)境的理想選擇。

2. 系統(tǒng)概述

該系統(tǒng)通過5G攝像頭和物聯(lián)網(wǎng)傳感器持續(xù)監(jiān)控室內(nèi)或室外區(qū)域。邊緣的人工智能可以識別人群密度、不尋常的人類活動以及空氣質(zhì)量差等環(huán)境風(fēng)險。這些洞察通過oneM2M中間件安全流動，從而確?；ゲ僮餍院蛯崟r事件交付。

集中式后端處理事件，識別不安全狀況，并在顯示器、移動應(yīng)用程序和儀表板上觸發(fā)疏散消息或重定向。

3. 系統(tǒng)架構(gòu)

3.1 Edge設(shè)備(樹莓派)

-接收來自5G/IP攝像機的視頻流

-運行AI模型(TensorFlow)

?人檢測

?人群密度估計

?活動識別(跌倒、徘徊、奔跑)

·僅向oneM2M發(fā)送必要的元數(shù)據(jù)(計數(shù)、密度、時間戳)

·通過避免原始視頻傳輸減少帶寬

3.2 oneM2M中間件(ctOP-城市物聯(lián)網(wǎng)運營平臺)

·作為物聯(lián)網(wǎng)統(tǒng)一通信層

·標準化設(shè)備與后端的數(shù)據(jù)交換

·使用發(fā)布-訂閱機制進行實時更新

·確保安全性、可擴展性和跨設(shè)備互操作性

·適合具有多個物聯(lián)網(wǎng)系統(tǒng)的大型智慧城市環(huán)境

3.3后端服務(wù)器(FastAPI)

·從oneM2M接收實時事件

·存儲在PostgreSQL中

·運行以下業(yè)務(wù)邏輯：

o閾值分析

o危險檢測

o預(yù)測分析

·向LED顯示屏和儀表板發(fā)送警報

·為移動和web應(yīng)用程序提供api

3.4 LED矩陣顯示模塊

·從后端接收即時HTTP命令

·顯示如下消息：

o“房間已滿-轉(zhuǎn)到2號房間”

o“AQI 125 -不安全，請撤離”

o“人群密度高-請往A出口走”

·保證人群的快速溝通

3.5儀表板和移動應(yīng)用程序

·顯示現(xiàn)場人群密度、視頻提要、警報和預(yù)測。

·供管理員、安全團隊和事件管理員使用

·允許遠程監(jiān)控和決策

·使用React (web)和Flutter(移動)構(gòu)建

4. 使用的關(guān)鍵部件：

硬件

?Raspberri-Pi 5

?ESP8266 / ESP32

?發(fā)光二極管矩陣顯示

?壓電式

?AHT10-(溫度及濕度)

?Noise-Sensor

?RTC-Module

?SMPS-Power供應(yīng)

?5克/ IP攝像機

軟件與技術(shù)

?Python3

?FastAPI

?TensorFlow

?Scikit-learn

?Arduino c++

?oneM2M api (Mobius / CTOP)

?PostgreSQL

?顫振(移動)

?React.js(儀表板)

5. AI處理與優(yōu)化：

AI模型針對邊緣部署進行了優(yōu)化：

?低功耗的量化模型

?實時推理跟蹤和密度分類

?高效的元數(shù)據(jù)提取

用于預(yù)測分析和異常檢測的服務(wù)器端ML

這種邊緣+云的混合架構(gòu)確保了高性能和可靠性。

6. oneM2M平臺上的人群監(jiān)控

系統(tǒng)充分利用oneM2M架構(gòu)：

好處

?全球物聯(lián)網(wǎng)互操作性

?安全數(shù)據(jù)交換

?標準化資源結(jié)構(gòu)

?基于訂閱的事件通知

?與智慧城市生態(tài)系統(tǒng)融合

數(shù)據(jù)結(jié)構(gòu)包括

?時間戳

?人們數(shù)

?人群密度

?活動檢測(跌倒、奔跑、徘徊)

?空氣質(zhì)素指標

7. 端到端操作流程

步驟1 -視頻捕獲

5G攝像頭將視頻發(fā)送到邊緣設(shè)備。

步驟2 -邊緣處理

樹莓派檢測：

?人們數(shù)

?濃度水平

?人類活動

?環(huán)境異常

將事件作為oneM2M內(nèi)容實例發(fā)布。

步驟3—oneM2M中間件

?存儲事件數(shù)據(jù)

?通過HTTP POST向后端發(fā)送事件通知

步驟4 -后端處理

?解析通知

?在PostgreSQL中存儲數(shù)據(jù)

?檢查警報閾值

?向LED顯示屏發(fā)送命令

?更新儀表板與實時警報

步驟5 -用戶體驗

管理員看到的:

?實時視頻饋送

?人群的水平

?警報

?預(yù)測

LED顯示屏為公眾即時更新。

8. 通信協(xié)議:

?HTTP

?RTSP

?oneM2M api用于標準化的物聯(lián)網(wǎng)互操作性

?5G和Wi-Fi用于攝像頭連接

9. 使用的關(guān)鍵技術(shù)：

Python 3：用于AI/ML建模、樹莓派和后端服務(wù)器的主要編程語言。Python的簡單性和對庫的廣泛支持使其成為管理邊緣設(shè)備和后端服務(wù)器之間交互的理想選擇。

Arduino c++：用于編程ESP32用于LED矩陣顯示器顯示報警

基于oneM2M的ctOP(城市物聯(lián)網(wǎng)操作平臺)api：用于將數(shù)據(jù)集成和廣播到更廣泛的多設(shè)備和智慧城市基礎(chǔ)設(shè)施中。

Flutter：開發(fā)用于人群監(jiān)控儀表板的android應(yīng)用程序。

React：用于開發(fā)前端儀表板的React.js框架。

Scikit-learn：用于訓(xùn)練預(yù)測性人群監(jiān)控模型的Scikit-learn庫。

張量流：TensorFlow用于在邊緣設(shè)備上運行模型，用于人群監(jiān)控，檢測人數(shù)，人群密度，檢測人群的活動。

Postgres數(shù)據(jù)庫：Postgres數(shù)據(jù)庫是一個可靠的關(guān)系數(shù)據(jù)庫，用于管理結(jié)構(gòu)化事件元數(shù)據(jù)、節(jié)點配置和歷史日志。

10. AI處理與優(yōu)化：

人工智能組件經(jīng)過優(yōu)化，可在邊緣硬件上高效運行。用于人員檢測和密度估計的模型被量化和加速，以滿足資源有限的設(shè)備(如樹莓派或Jetson Nano)的性能約束。上游只傳輸時間戳、邊界計數(shù)、密度等高值元數(shù)據(jù)，減少帶寬消耗。后端還可以承載更重的ML模型，用于異常檢測或人群流量預(yù)測，利用更強大的計算資源。這種混合邊緣云AI策略確保了邊緣的速度，同時支持在后端進行更深入的分析。

11. oneM2M平臺的人群監(jiān)控：

人群監(jiān)控系統(tǒng)建立在oneM2M標準之上，oneM2M標準是一種廣泛采用的開源CSE實現(xiàn)，用于大規(guī)模物聯(lián)網(wǎng)部署。為了確保設(shè)備的無縫互操作性和標準化的數(shù)據(jù)交換，系統(tǒng)利用了城市物聯(lián)網(wǎng)操作平臺(ctOP)，該平臺直接構(gòu)建在Mobius上，為管理物聯(lián)網(wǎng)節(jié)點、訂閱和數(shù)據(jù)流提供了統(tǒng)一的框架。ctOP作為中間件，將運行基于人工智能的人群分析的邊緣設(shè)備與后端服務(wù)連接起來，通過定義良好的oneM2M資源實現(xiàn)結(jié)構(gòu)化通信。通過采用Mobius 4和ctOP，該平臺實現(xiàn)了強大的可擴展性、安全的消息路由和可靠的實時事件交付，使其成為校園、公共空間和智慧城市環(huán)境中高頻人群監(jiān)控的理想基礎(chǔ)。

12. 驗證過程:

系統(tǒng)內(nèi)的身份驗證旨在確保對數(shù)據(jù)和功能的安全訪問。管理員通過使用JWT (JSON Web Tokens)實現(xiàn)的基于令牌的身份驗證機制登錄。當用戶輸入有效憑據(jù)時，后端根據(jù)數(shù)據(jù)庫中存儲的記錄驗證它們，并發(fā)出一個簽名令牌，該令牌對用戶的身份和權(quán)限進行編碼。這個令牌必須伴隨對受保護API路由的每個后續(xù)請求，確保只有授權(quán)用戶可以查看實時視頻饋送、修改節(jié)點配置或訪問敏感分析。

未經(jīng)身份驗證的用戶:

未經(jīng)身份驗證的用戶將有有限的訪問網(wǎng)絡(luò)儀表板和完全訪問移動應(yīng)用程序

認證用戶(管理員)：

通過身份驗證的用戶將有權(quán)查看正在與儀表板和預(yù)測分析一起處理的實時視頻提要。

oneM2M平臺的數(shù)據(jù)結(jié)構(gòu)與容器

圖中顯示了基于oneM2M的Mobius資源樹中人群監(jiān)控應(yīng)用實體(AE)的層次結(jié)構(gòu)。

人群監(jiān)控容器(附圖)

·時間戳

·人數(shù)統(tǒng)計

·人群密度

·游蕩檢測

·墜落檢測

·運行檢測

13. 利用oneM2M平臺，本系統(tǒng)實現(xiàn)了：

標準化的物聯(lián)網(wǎng)互操作性：

oneM2M為物聯(lián)網(wǎng)設(shè)備和數(shù)據(jù)互操作性提供了一個全球標準。Mobius 4作為一個onem2m兼容的公共服務(wù)實體(CSE)，可以在這個系統(tǒng)中無縫集成各種設(shè)備(邊緣節(jié)點、傳感器、顯示器)和應(yīng)用程序(后端、儀表板)。

訂閱及通知機制：

后端訂閱Mobius中的相關(guān)容器(例如，人群指標)。當邊緣設(shè)備發(fā)布一個新的內(nèi)容實例(事件)時，Mobius 4會自動向后端訂閱端點推送一個通知，從而實現(xiàn)實時的、事件驅(qū)動的處理。

安全與訪問控制：

Mobius支持訪問控制策略、身份驗證和安全傳輸，確保只有授權(quán)的設(shè)備和應(yīng)用程序才能讀寫資源或接收通知。

與智慧城市生態(tài)系統(tǒng)的融合：

通過使用oneM2M，該系統(tǒng)可以與其他智能城市解決方案(交通、照明、應(yīng)急響應(yīng))互操作，這些解決方案也使用標準的、面向未來的部署。

14. 詳細的工作流程和用戶體驗

視頻捕獲和邊緣處理

5G攝像機連續(xù)捕捉監(jiān)控區(qū)域的視頻流。

邊緣設(shè)備(樹莓派/Jetson)接收這些流，運行AI模型來檢測人，計算人群密度，并實時對人類活動識別進行分類。

當檢測到新的事件(例如，人數(shù)計數(shù)或密度變化)時，邊緣設(shè)備將其作為內(nèi)容實例發(fā)布到oneM2M CSE。

oneM2M中間件

CSE接收事件并將其存儲在合適的容器中。

后端服務(wù)器訂閱了此容器。當新事件到達時，oneM2M通過HTTP POST自動向后端訂閱端點發(fā)送通知(m2m:sgn)。

后端處理

FastAPI后端解析通知，提取事件數(shù)據(jù)，并將其保存到Postgres數(shù)據(jù)庫中。

如果超過了人群，后端將向房間顯示設(shè)備發(fā)送HTTP GET/POST以顯示實時警報。

后端還更新警報、通知，并為儀表板提供預(yù)測端點。

用戶體驗(儀表板和警報)

用戶和管理員訪問web儀表板或移動應(yīng)用程序。

管理員可以查看視頻直播。

儀表板從后端獲取實時和歷史數(shù)據(jù)，可視化人群級別，并顯示警報。

當房間客滿時，顯示設(shè)備會顯示一條消息，儀表板會實時突出顯示警報。

用戶還可以使用機器學(xué)習(xí)端點請求對未來時間的人群預(yù)測。

15. 結(jié)論

這個基于人工智能的系統(tǒng)有一個明確的目的：保證人們的安全。通過將人工智能、物聯(lián)網(wǎng)、oneM2M和5G結(jié)合在一起，它創(chuàng)造了一種智能可靠的方式來實時監(jiān)控人群，并在關(guān)鍵時刻引導(dǎo)他們。該系統(tǒng)不僅能收集數(shù)據(jù)，還能理解正在發(fā)生的事情，立即做出反應(yīng)，并清晰地溝通，讓人們能夠安全、自信地移動。

這個解決方案的強大之處在于它的可擴展性。無論是繁忙的校園、大型公共活動、擁擠的市場，還是整個智慧城市，該系統(tǒng)都能無縫適應(yīng)。它支持更快的決策，減少風(fēng)險，并加強應(yīng)急工作。

簡而言之，這項技術(shù)有助于確保每次或大或小的聚會都保持安全、有組織和受到保護。

本文編譯自hackster.io