在三週內打造城市規模的邊緣推斷能力

April 16, 2019 Brandon Lewis

視訊監視的成長極為快速,對自動化分析產生了迫切的需求。城市與其他大規模使用者正在部署具有數百、甚至數千台攝影機的系統,這產生大量的影片串流,遠遠超過人力所能監看的範圍。

為了協助城市更妥善運用這樣的資料,Agent Video Intelligence (Agent Vi) 等企業已提供可分析大量影片串流的雲端式 AI。但隨著攝影機的數量增加,加上解析度與畫面播放速率也不斷提高,雲端式系統面臨多種限制,包括:

  • 將 HD 影片串流傳輸至雲端的相關頻寬成本
  • 雲端式系統的回應延遲
  • 通過多個網路的安全性弱點

為了解決這些問題,Agent Vi 與 Intel® 合作,在邊緣部署深度學習能力(圖 1)。透過在邊緣進行推斷等功能,可捨棄對無活動場景的視訊監視,或將其標記為低優先度,同時標示令人感興趣的影片,並立即傳輸至更強大的雲端式分析系統。

圖 1。Intel® Distribution of the OpenVINO toolkit 能讓 Agent Vi 將其 innoVi 深度學習視訊分析功能擴充到任何裝設的 IP 或類比攝影機上。(資料來源:Agent Vi

因為資料較少,可有效降低傳輸成本,同時減少資料遺失或遭竊的可能性。

將深度學習功能延伸至舊式系統

智慧城市監視系統需要更長的使用壽命,並必須部署在各式各樣的環境中。這代表 Agent Vi 必須提供多種搭載深度學習技術的新舊設備,包括攝影機、編碼器,以及影片管理系統 (VMS) 等。

舉例來說,有一間公司想要升級他們為固定式 IP 與類比攝影機提供視覺解碼的 innoVi Edge 設備。此公司也想要讓他們的軟體能在各種第三方系統上運作。

要實現這樣的目標,Agent Vi 的影片分析演算法必須加以調整,以適用於多種 CPU、GPU 和其他硬體加速器。為了在各種新舊智慧城市監視攝影機上達成此一效果,Agent Vi 運用了 Intel® Distribution of the OpenVINO Toolkit

Openvino 工具組加快 Agent Vi 邊緣監視

OpenVINO 工具組是一種架構診斷開發套件,可協助工程師在 CPU、GPU、FPGA,以及視覺處理器 (VPU) 上部署深度學習能力。此外,此工具組整合一系列的圖形與影像資料庫,以最佳化推斷效能(圖 2)。

圖 2。Intel® Distribution of the OpenVINO toolkit 支援多種開發架構、視覺/圖形資料庫與硬體架構,讓開發人員能在幾乎任何位置部署經過最佳化的演算法。(資料來源:Intel® 公司

在 OpenVINO 工具組和 innoVi 互相搭配下,為 Agent Vi 和其客戶提供多項優勢。舉例來說,這能讓 innoVi Edge 設備立即具備深度學習能力,讓分散式影片分析推斷更靠近邊緣。相較於直接將多個 Full HD 智慧城市視訊監視影片串流至雲端,這能降低網路傳輸成本,同時減少延遲。

而在效能方面,OpenVINO 不僅改善了邊緣設備的視覺分析準確度,同時強化了開發者的生產力。根據該公司的技術長暨共同創辦人 Zvika Ashani 表示,此工具組改善了開發速度與容量。

「透過 OpenVINO 工具組,我們獲得令人印象深刻的成果,讓我們在三週的時間內,從每位開發者支援三台攝影機,提高到每位 14 台,」他說:「採用 Intel® Movidius Myriad VPU 和 Intel® FPGA 解決方案,我們可透過合適的每元效能,將解決方案完整擴充到邊緣。」

最後,因為 OpenVINO 提供的彈性,可確保無論是現在或未來,innoVi 軟體都能在多種監視設備上運作。Agent Vi 的演算法不僅相容於多種運算架構,更能滿足未來基礎架構升級的需求;在之前的情況下,這可能需要重新打造整個軟體。

這不僅可輕鬆與目前的現場環境和運算平台整合,亦能確保解決方案能因應未來需求,滿足通常需要全新或經修改軟體的基礎架構升級。

簡而言之,innoVi 所提供的龐大擴充性非常適合智慧城市監視應用,例如公共安全、關鍵基礎架構監控,以及交通管理等。

深度學習讓城市更加智慧

隨著 innoVi 平台延伸到邊緣,智慧城市的工程師可透過多種方法運用此技術,轉變都市的生活。

舉例來說,交通攝影機可運用深度學習能力,追蹤路上車輛的數量與類型,然後建議智慧運輸系統 (ITS) 重設商用卡車的路線。監控某個區域的監視系統可針對預期外的人群活動即時警告市政人員,以快速採取行動,不需專門的人力警備。

若邊緣不具備深度學習能力,來自這些系統的資料可能會用於歷史分析或追溯掃描,而不是即時推斷。這也會提高成本。

運用 innoVi 和 Intel Distribution of the OpenVINO toolkit 等解決方案,安全系統營運商、運輸業者和其他智慧城市利害關係人就能透過真正的邊緣智慧受益。

作者簡介

Brandon Lewis

Brandon is responsible for Embedded Computing Design’s IoT Design, Automotive Embedded Systems, Security by Design, and Industrial Embedded Systems brands, where he drives content strategy, positioning, and community engagement. He is also Embedded Computing Design’s IoT Insider columnist, and enjoys covering topics that range from development kits and tools to cyber security and technology business models. Brandon received a BA in English Literature from Arizona State University, where he graduated cum laude.

在Twitter上關注 Follow on Linkedin More Content by Brandon Lewis
上個文章
SD-WAN 如何帶動統合商務
SD-WAN 如何帶動統合商務

統合商務以多種方法吸引客戶,代表他們需要具有彈性和高容量的網路。軟體定義 WAN 為資料中心提供敏捷性,讓廠商能進入不同層級的市場。

下個文章
運用即時分析能力消除製造業廢棄物
運用即時分析能力消除製造業廢棄物

在邊緣運用即時分析功能可讓製造商獲得關於程序的深入見解,並在需要時進行修復,以提供更高的效率,並節省數以百萬的成本。

×

名字
Company Name
Phone Number
Country/Region
提交本網站上的表單,即表示你確認你是一個年滿18週歲的成人,且你同意受Intel(英特爾)和 Intel® 物聯網解決方案聯盟成員透過與營銷相關的電子郵件或電話與您聯絡。你可以隨時取消訂閱。英特爾的網站和通信受制於我們的隱私政策和使用條款
我希望這篇公司聯絡我: -可選
!
Thank you!
Error - something went wrong!
×

獲得最即時的物聯網新訊,掌握最新動態。

Country/Region
insightTechOptIn
Intel GDPR Optin
提交本網站上的表單,即表示你確認你是一個年滿18週歲的成人,且你同意受Intel(英特爾)和 Intel® 物聯網解決方案聯盟成員透過與營銷相關的電子郵件或電話與您聯絡。你可以隨時取消訂閱。英特爾的網站和通信受制於我們的隱私政策和使用條款
認購。
Error - something went wrong!