Skip to main content

視覺

更深度的學習使智慧城市安全性更加聰明

安全攝像頭智能城市

編者註:insight.tech 支持終結種族主義、不平等與社會不正義行為。我們不容忍我們贊助商的產品用於侵犯人權,包括但不限於政府濫用視覺化技術。insight.tech 上所提到的產品、技術和解決方案皆假定為以負責且合乎道德的方式使用人工智慧以及電腦視覺工具、技術和方法。

 


 

與傳統的電腦視覺相比,基於深度學習的視訊系統,對於安全性、關鍵基礎設施監控和交通/運輸管理等智慧城市邊緣應用,可提供更高等級的關鍵細節。

舉例來說,在交通管理方面,基礎格式的電腦視覺可能可以識別是否有車輛存在,然而深度學習系統可經過訓練,識別車輛的數量與類型,甚至是明確的車牌號碼(圖 1)。透過這樣精細的資訊,交通運輸官員便可在交通尖峰時段重新設定商用車輛的路線,或是追蹤載運危險物質的可疑卡車等。

基於深度學習的視覺系統
圖 1。採用深度學習技術的視覺系統可改善智慧城市的安全與效率。(資料來源:德州大學奧斯汀分校自然科學學院

在採用深度學習技術的視覺系統中,這些應用所需要的大部分智慧功能都可以架設於攝影機上,或是在靠近攝影機的位置。AI 軟體可自動識別並標記關鍵參數,以觸發即時的警報或回應。

但要讓這些功能在真實的智慧城市環境中有效執行,視訊監視系統便必須結合最先進的深度學習技術與工業級的耐用度。在實踐上,這代表採用神經網路的視覺技術必須整合已部署多年或數十年的老舊系統。其中包括位於邊緣的視訊攝影機,它們往往採用多種不同的技術。

但同時,也必須讓較新的智慧視訊技術能夠擴充效能與功能,以最大化城市的投資報酬率。

運用深度學習轉變智慧城市

Intelligent Security Systems (ISS) 是全包式視訊分析、管理,以及網路錄影機 (NVR) 解決方案的開發商。這間公司瞭解深度學習技術的優勢,開發了 SecurOS 視訊管理系統 (VMS)。

SecureOS 是雲端式或內部部署式的視訊分析解決方案,支援針對一系列智慧城市安全應用的 AI 演算法(圖2)。此平台整合許多舊式的數位安全與監控解決方案,讓城市營運人員能隨著需求成長而擴充功能與效能。

ISS SecurOS Enterprise
圖 2。SecurOS 平台是可部署於企業內部或雲端的深度學習視訊管理系統。(資料來源:Dell EMC

ISS 支援許多應用,包括交通管理、行人安全以及鐵路和大眾交通系統的關鍵資產追蹤。SecurOS 智慧視訊分析解決方案可部署用於即時或歷史記錄用途,並可緊密結合智慧運輸等其他平台,最大化深度學習的優勢。

然而,將深度學習分析移轉到邊緣具有十足的困難。ISS 必須確保神經網路演算法也經過最佳化,以便在視訊攝影機端點上執行。為了實現這個目的,他們運用了 Intel® Distribution of the OpenVINO 工具組,跨一系列攝影機架構最佳化深度學習效能。

將深度學習能力帶往邊緣

此工具組是可加速卷積神經網路 (Convolutional Neural Network, CNN) 開發的一套工具,並為部署在異質運算架構上進行最佳化(圖3)。因此,工程師可在具有 CPU、內建 GPU、FPGA,或視覺處理單元 (VPU) 的攝影機系統上部署深度學習演算法。

英特爾Openvino工具包
圖 3。OpenVINO 工具組為多種運算架構最佳化深度學習模型。(資料來源:Intel®

OpenVINO 工具組與 Intel® Vision 產品相容,可追溯至第 6 代 Intel® Core 處理器和 Intel Atom® E3900 系列處理器。因此,在一系列新式或舊式的攝影機上,都可以部署具有深度學習能力的視覺效能。

對 ISS 來說,OpenVINO 工具組支援已用於 SecurOS 產品組合之內的 Caffe 和 TensorFlow 等架構。因此,該公司可將現有的深度學習技術從伺服器/雲端環境擴充到攝影機端點,無須翻新已部署的硬體基礎架構。

除了為不同的處理器目標最佳化深度學習演算法之外,OpenVINO 工具組也提供多種經過預先訓練的模型和樣板化的演算法,協助 ISS 能更快速地為特定使用案例提供產品。這些推斷技術包括:

  • 車輛追蹤器、計數器和分類器 — 整合在 SecurOS Traffic Monitoring 之中 — 有助於收集交通流量歷史統計資料。
  • 行人追蹤器 — 整合在 SecurOS Crossroad 之中 — 協助即時偵測複雜的交通違規。
  • 牌照擷取器 — 整合在 SecurOS Auto 之中 — 提供多種停車管理、交通監控、法規執行,以及市政服務。

因為 OpenVINO 工具組提供的強化功能,這些應用從大幅提升的效能之中獲益的程度遠超過直接採用 Caffe 或 OpenCV 等原生開發環境的深度學習演算法(圖 4)。舉例來說,SecurOS Auto 現在能在車輛行駛時速最高 155 英哩時,正確擷取車牌字元。

使用OpenVINO Toolkit提高性能
圖 4。OpenVINO 工具組採用 Intel® 硬體,提供大幅進化的效能。(資料來源:Intel®

視訊變得更聰明、速度更快,且更靈活

智慧城市數十年來持續部署視訊技術,以增進安全、提高效率,並降低成本。

深度學習技術可在比以往更多的應用中強化這些優勢,但也需要一些特殊考量。其中包括成本、互通性,以及上市時間。

多虧 OpenVINO,像 ISS 這樣的供應商能加速深度學習式視訊分析的開發和部署,而無需重新定義其基礎架構。

透過為全系列的視覺處理硬體最佳化神經網路演算法,OpenVINO 工具組現在能縮短深度學習的上市時間,也能符合成本效益,同時能為未來的視覺智慧技術提供從邊緣到雲端的移轉路徑。

作者簡介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis