各行各業(yè)熱衷于導(dǎo)入AI技術(shù)來解決企業(yè)自身問題，并且鼓吹邊緣計算的重要性—低延遲及快速反應(yīng)。對于視頻的AI邊緣計算來說，攝像機扮演著重要的角色，可以算是AI視頻邊緣計算的「現(xiàn)在進(jìn)行式」以及「未來完成式」。
處理視頻的3種AI系統(tǒng)架構(gòu)
一般用來處理視頻的AI系統(tǒng)架構(gòu)有三種，分別為：(1)邊緣計算AI攝像機，(2)近緣多路AI計算主機，(3)機房集中式多路AI計算主機。第一種的邊緣計算AI攝像機，是指IP攝像機SoC芯片內(nèi)建AI神經(jīng)網(wǎng)絡(luò)處理器NPU（Neural Processing Unit），除了可運行IP攝像機本身該有的功能，還能執(zhí)行AI識別、可程序化任務(wù)，獨立作業(yè)觸發(fā)報警或連動后續(xù)的自動化工作。
傳統(tǒng)AI識別系統(tǒng)是通過AI計算主機，包含「近緣多路」或「機房集中式多路」AI計算主機，近緣（near-edge）架構(gòu)是為了快速反應(yīng)識別后的結(jié)果，所以會安裝在靠近IP攝像機的近端高帶寬環(huán)境，比如交通執(zhí)法用的電信箱內(nèi)。當(dāng)然也有舍近求遠(yuǎn)，將所有路口IP攝像機通過5G或光纖收攏在集中式多路AI計算主機進(jìn)行計算及識別的作法。（參見圖1）
就效率來說，近緣架構(gòu)仍然是較理想的作法，如果能把既有的攝像機用來擴充邊緣計算AI功能，就更加便捷?！讣扔袛z像機擴充AI功能」會是需求與趨勢，不過，就像當(dāng)年也能擴充IP網(wǎng)絡(luò)功能的模擬攝像機一樣，最后仍會被IP攝像機直接取代。
圖1、常見AI視頻系統(tǒng)架構(gòu)圖
邊緣計算AI攝像機的3大優(yōu)勢
1、低耗能、低維運成本
AI計算主機有哪些弊端？視頻譯碼及運維成本太高。傳統(tǒng)的AI識別系統(tǒng)是這樣運作的：IP攝像機耗費計算資源將視頻編碼后，繼續(xù)耗費帶寬資源把數(shù)據(jù)傳給AI計算主機，AI計算主機接手耗費資源產(chǎn)生YUV或JPEG照片給AI硬件計算單元（NPU）進(jìn)行AI識別（inference），視頻分辨率越大，識別的物種就越多，對于顯示適配器上的計算能量要求也更高，耗電量十分驚人。
一臺AI計算主機，有500W～700W的耗電是很常見的。試想：當(dāng)今市售最好的顯卡可以進(jìn)行幾路的4K / H.264視頻識別？更遑論壓縮率更高的H.265了。相較于AI主機還要浪費資源譯碼后才能識別，邊緣計算AI攝像機在源頭就提供YUV的照片內(nèi)存地址，讓NPU直接進(jìn)行識別，整體系統(tǒng)架構(gòu)更簡潔，運維的電力成本低，不占用帶寬，系統(tǒng)建設(shè)成本于是更經(jīng)濟。（參見圖2）
圖2、AI計算主機與AI攝像機的計算架構(gòu)差異
2、低延遲：最大優(yōu)點！
AI計算主機還有個致命缺點，就是一系列的計算延遲，包含視頻譯碼延遲、AI識別延遲、物種追蹤算法及行為偵測延遲等。視頻譯碼的部分，以H.264壓縮格式為例，會有2～3幀的解碼成像延遲，導(dǎo)致行為偵測后的警報發(fā)報會延時到200～300毫秒（ms）以后。
識別的延遲呢？AI主機進(jìn)行10次識別，整體延遲會達(dá)到639毫秒，而這還沒有加上4K串流在網(wǎng)絡(luò)傳送時需要的時間。邊緣計算AI攝像機不會有那么高的整體延遲，以4K / 30幀的邊緣計算攝像機為例，1秒可以支持10次識別，約100毫秒后可以觸發(fā)禁區(qū)偵測的警報。（參見表1）
表1、AI計算主機與AI攝像機的比較
3、攝像機成為AI載具，用戶可自行訓(xùn)練AI模型、保障隱私問題
此外，企業(yè)在導(dǎo)入AI時，常會碰到需求單位與研發(fā)人員在領(lǐng)域知識（Domain know how）上有認(rèn)知差異，在銷售時容易造成誤會或沖突。就算企業(yè)內(nèi)部已實現(xiàn)完整的認(rèn)知框架，面對客戶的需求可能又是另一個問題，比如醫(yī)療或國防之類的單位，會因隱私議題無法提供數(shù)據(jù)集來訓(xùn)練，AI模型就很難準(zhǔn)確。
AI的應(yīng)用是五花八門的，永遠(yuǎn)都會有新的對象要識別。讓攝像機成為AI載具，用戶可以自己進(jìn)行AI數(shù)據(jù)集的訓(xùn)練，就不會有隱私權(quán)問題。以利凌提供的Self+AI YOLO轉(zhuǎn)換云來說，可以把用戶自訓(xùn)的AI模型封裝成固件，并以AES256加密，自己的模型永遠(yuǎn)不會外漏。
封裝完的固件要裝在哪里？當(dāng)然就是前端AI攝像機了。例如利凌提供的整體前端識別架構(gòu)，可以通過HTTP / HTTPs與后端通信，藉由開源于Github的Python及C# SDK來串接后端應(yīng)用，任何工程師只要熟悉Python及C#環(huán)境，皆可立即引用及開發(fā)。（參見圖3）
圖3、AI攝像機如何與后端系統(tǒng)運作整合
AI邊緣計算攝像機常見的應(yīng)用
近年來，邊緣計算AI攝像機已可加載多個AI模型、同時識別不同物種。比較熱門且迫切的是車牌識別，多國車牌識別已可在100公里時速的雙車道進(jìn)行，停車場出入口自動化更是已經(jīng)被廣泛套用的場景，因為通過攝像機就能直接連動接口設(shè)備，比如空位指引及收費機等，完全不必再經(jīng)過PC，干凈又利落。（參見圖4）
圖4、AI攝像機可同時支持車廠、車種、多國車牌、行為偵測及車牌顏色偵測
而在公共場域，識別遺失物及遺留物也是AI邊緣計算攝像機的看家本領(lǐng)之一。另一個有趣且實用的場域是工地，AI邊緣計算攝像機的識別結(jié)果可以用操作數(shù)來做邏輯判斷，比如通過「同時存在多種對象（AND）」的邏輯來做工地門禁，安全帽、防護(hù)鏡、安全背心要同時佩戴完整才會開門;相反的，「缺少任何一樣物種 （NAND）」則是可以觸發(fā)警報。（參見圖5）
圖5、AI攝像機工地安全柵門警示或自動化應(yīng)用
在智能產(chǎn)線的應(yīng)用方面，只要提供攝像機商品的內(nèi)容物模型，比如配件包、主機、使用手冊、遙控器等，就能進(jìn)行產(chǎn)線自動化或缺件警示。AI PTZ球型追蹤攝像機更被應(yīng)用在船舶追蹤，來厘清船只碰撞時的肇責(zé)，或是違規(guī)停車及并排停車的車牌識別，這些應(yīng)用都不需再使用耗電量較大的AI識別主機。
?。ū疚霓D(zhuǎn)自中國臺灣智慧安防網(wǎng)，有刪減）
a&s傳媒是全球知名展覽公司法蘭克福展覽集團(tuán)旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
