基于云與邊緣計算成熟 AI芯片云邊結合成趨勢

發布時間:2019-01-15
分享:

【CPS中安網】純中心分析模式已無法滿足大范圍智能安防應用的需求,云邊結合將成主流。如果將前端視頻流直接傳輸到后端服務器進行人臉識別等智能分析,至少會產生3個方面的問題,而這些問題都能通過云邊結合的方式,利用智能化前端設備很好地解決。

純中心分析模式存在問題

帶寬壓力。中心分析模式下,傳輸的是7*24小時不間斷的實時視頻流。智能分析需要較高清晰度的視頻,單個200萬像素高清攝像機即使采用最新的H.265編碼,每天需要傳輸的數據量仍然高達20G左右。前端攝像頭數量達到一定規模時,對傳輸和存儲的壓力巨大。而在前端抓拍+中心分析模式下,傳輸的是圖片流,僅在有人臉抓拍圖片的情況下才需要占用帶寬,極大地節省了帶寬和存儲資源。

實時性。在一些應用,比如對重點人員布控預警中,要求系統有很高的實時性。中心分析模式下人臉識別、人臉建模比對等都依賴于中心服務器。但在大規模部署前端的情況下,中心服務器壓力巨大,計算資源的限制影響了實時性。根據??低暤膶崪y數據,純中心分析模式下,報警延時在15~20s,而前端抓拍+中心分析模式下,報警延時不超過3s。

準確度。中心分析模式下,前端設備傳輸到服務器的視頻流是經過編碼壓縮的,損失了很多細節,也因此影響了識別準確度。而前端人臉識別基于壓縮前的原始碼流分析,避免了壓縮的損失,提供給中心的圖片質量更高,是保證系統準確度的關鍵因素。

邊緣計算帶來的優勢

隨著邊緣計算興起,“云邊結合”方案漸成主流。與將數據放在遠程云端的云計算相比,邊緣計算是指在靠近物或數據源頭的一側,采用網絡、計算、存儲、應用核心能力為一體的開放平臺,就近提供最近端服務,優勢在于即時性強、反應迅速、低傳輸成本。預計到2020年將有超過500億的終端與設備互聯,未來超過50%的數據需要在邊緣側分析、處理和儲存。這一趨勢對前端設備的計算能力提出了高要求,直接反映在對前端芯片的需求升級上。

具體到視頻監控領域,具備智能計算能力的智能攝像頭將大大提高視頻處理及時性、節約帶寬和人力成本。視頻監控系統是一種天然的物聯網系統,在邊緣計算的應用方面還有很大的潛力。攝像機作為機器的眼睛,已經實現了從“看得見”到“看得清”的轉變。如果攝像機能夠“看得懂”,實現對視頻圖像內容的實時處理,將能夠極大地降低信息傳輸系統和后端設備的負擔,并提升整個安防系統的響應速度。

比如在人臉識別應用當中,通過前端抓拍+中心分析的前后端智能相結合的模式,將人臉識別智能算法前置,在前端攝像機內置高性能智能芯片,通過邊緣計算,將人臉識別抓圖的壓力分攤到前端,解放中心的計算資源,以集中優勢計算資源做更高效的分析。

云邊結合成趨勢

云邊結合的趨勢下,前端智能芯片迎來更大機會。由于云邊結合的原理是將智能算法前置,通過邊緣計算,將人臉識別等應用的抓圖的壓力分攤到前端,解放中心的計算資源。因此,需要在攝像機內布置高性能智能芯片。

内页底部: 荷兰美女熟妇O'|DWEN,欧美成人精品三级网站,男人J放进女人P全黄,又色又爽又高潮的免费视频国产
<蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>