純中心分析模式已無法滿足大范圍智能安防應(yīng)用的需求，云邊結(jié)合將成主流。如果將前端視頻流直接傳輸?shù)胶蠖朔?wù)器進行人臉識別等智能分析，至少會產(chǎn)生3個方面的問題，而這些問題都能通過云邊結(jié)合的方式，利用智能化前端設(shè)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?shù)氖?*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?shù)臄?shù)據(jù)量仍然高達20G左右。前端攝像頭數(shù)量達到一定規(guī)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?shù)氖菆D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(jié)省了帶寬和存儲資源。
實時性。在一些應(yīng)用，比如對重點人員布控預(yù)警中，要求系統(tǒng)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(wù)器。但在大規(guī)模部署前端的情況下，中心服務(wù)器壓力巨大，計算資源的限制影響了實時性。根據(jù)海康威視的實測數(shù)據(jù)，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(shè)備傳輸?shù)椒?wù)器的視頻流是經(jīng)過編碼壓縮的，損失了很多細節(jié)，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(zhì)量更高，是保證系統(tǒng)準確度的關(guān)鍵因素。
邊緣計算帶來的優(yōu)勢
隨著邊緣計算興起，“云邊結(jié)合”方案漸成主流。與將數(shù)據(jù)放在遠程云端的云計算相比，邊緣計算是指在靠近物或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力為一體的開放平臺，就近提供最近端服務(wù)，優(yōu)勢在于即時性強、反應(yīng)迅速、低傳輸成本。預(yù)計到2020年將有超過500億的終端與設(shè)備互聯(lián)，未來超過50%的數(shù)據(jù)需要在邊緣側(cè)分析、處理和儲存。這一趨勢對前端設(shè)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(jiān)控領(lǐng)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(jié)約帶寬和人力成本。視頻監(jiān)控系統(tǒng)是一種天然的物聯(lián)網(wǎng)系統(tǒng)，在邊緣計算的應(yīng)用方面還有很大的潛力。攝像機作為機器的眼睛，已經(jīng)實現(xiàn)了從“看得見”到“看得清”的轉(zhuǎn)變。如果攝像機能夠“看得懂”，實現(xiàn)對視頻圖像內(nèi)容的實時處理，將能夠極大地降低信息傳輸系統(tǒng)和后端設(shè)備的負擔(dān)，并提升整個安防系統(tǒng)的響應(yīng)速度。
比如在人臉識別應(yīng)用當(dāng)中，通過前端抓拍+中心分析的前后端智能相結(jié)合的模式，將人臉識別智能算法前置，在前端攝像機內(nèi)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(yōu)勢計算資源做更高效的分析。
云邊結(jié)合成趨勢
云邊結(jié)合的趨勢下，前端智能芯片迎來更大機會。由于云邊結(jié)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(yīng)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(nèi)布置高性能智能芯片。
目前的主流方案是采用GPU，如NVIDIA的JETSONTX系列嵌入式芯片(海康深眸);也可使用高通等的通用芯片，搭配特定算法進行圖像抓取(蘇州科達);還可以用IPC芯片搭配專用協(xié)處理器的方式(北京君正T20+T01方案)。云邊結(jié)合的趨勢為芯片廠商打開了新空間。
在去年12月底，召開的華為智能計算大會上，華為智能計算業(yè)務(wù)部總裁邱隆指出，華為智能計算將結(jié)合華為的四大能力，通過芯片和技術(shù)創(chuàng)新，來滿足客戶期望的算力，通過云邊協(xié)同的架構(gòu)和高帶寬、低延遲、無縫的網(wǎng)絡(luò)覆蓋實現(xiàn)數(shù)據(jù)的協(xié)同和互通;通過一體化解決方案來降低人工智能使用的門檻，讓AI更簡單，像使用水電一樣便利。
目前，安防行業(yè)中云邊結(jié)合正在逐步落地，海康威視在2018年一直大力倡導(dǎo)AI Cloud架構(gòu)，該架構(gòu)由云中心、邊緣域、邊緣節(jié)點三部分構(gòu)成，實現(xiàn)從端到中心的邊緣計算+云計算，使得圖像目標細節(jié)傳輸更高效，數(shù)據(jù)分級應(yīng)用更加靈活。
【來源：中國安防行業(yè)網(wǎng)】
