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致混亂、安全風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，預測風險，并使用LED矩陣顯示器，儀表板和移動應用程序安全引導人們。

該解決方案可確保在緊急情況下更快地響應，更安全的公共空間和清晰的通信，使其成為大型活動，公共基礎設施和智慧城市環(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

3.1 Edge設備(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后端服務器(FastAPI)

·從oneM2M接收實時事件

·存儲在PostgreSQL中

·運行以下業(yè)務邏輯：

o閾值分析

o危險檢測

o預測分析

·向LED顯示屏和儀表板發(fā)送警報

·為移動和web應用程序提供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儀表板和移動應用程序

·顯示現(xiàn)場人群密度、視頻提要、警報和預測。

·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)構建

4. 使用的關鍵部件：

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

?5克/ IP攝像機

軟件與技術

?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

用于預測分析和異常檢測的服務器端ML

這種邊緣+云的混合架構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：

好處

?全球物聯(lián)網(wǎng)互操作性

?安全數(shù)據(jù)交換

?標準化資源結構

?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)結構包括

?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. 使用的關鍵技術：

Python 3：用于AI/ML建模、樹莓派和后端服務器的主要編程語言。Python的簡單性和對庫的廣泛支持使其成為管理邊緣設備和后端服務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備和智慧城市基礎設施中。

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

React：用于開發(fā)前端儀表板的React.js框架。

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

張量流：TensorFlow用于在邊緣設備上運行模型，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)庫是一個可靠的關系數(shù)據(jù)庫，用于管理結構化事件元數(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備與后端服務連接起來，通過定義良好的oneM2M資源實現(xiàn)結構化通信。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。

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)絡儀表板和完全訪問移動應用程序

認證用戶(管理員)：

通過身份驗證的用戶將有權查看正在與儀表板和預測分析一起處理的實時視頻提要。

oneM2M平臺的數(shù)據(jù)結構與容器

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

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兼容的公共服務實體(CSE)，可以在這個系統(tǒng)中無縫集成各種設備(邊緣節(jié)點、傳感器、顯示器)和應用程序(后端、儀表板)。

訂閱及通知機制：

后端訂閱Mobius中的相關容器(例如，人群指標)。當邊緣設備發(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，確保只有授權的設備和應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、應急響應)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習端點請求對未來時間的人群預測。

15. 結論

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，并在關鍵時刻引導他們。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，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。它支持更快的決策，減少風險，并加強應急工作。

簡而言之，這項技術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