Page 63 - 安防19年12月刊_150dpi

理分解，在算力不增加的情况提高识别的摄像机总数 白天的录像进行结构化分析。通过采用分布式计算框
量，就实质性的降低了成本。一种常用的手段是把识 架，实现芯片间、板卡间、设备间的故障切换，保证智
别目标的检测和抓拍分布到监控终端（摄像机）上去。 能业务的连续性。AI产生的结构化数据相比原始视频
检测和抓图对监控终端的算力占用有限，通常使用监 和图片有更高的价值，有必要进行长时间的存储。因

控终端现有算力即可。智能芯片对视频和图片的处理 此在备份和归档方面可以采用备份到磁带库或者公有
能力比例至少在1:3甚至更多，也就是说，相同的智能
分析设备，通过把检测和抓图前置，就可以把智能分
析的路数提升3倍！等于每路智能分析的实施成本降
低到之前的约1/3。
在很多客户场景中，天然有层次化的组织架构，
比如说公共安全领域的一个地市，有地市公安局、区
县公安分局、基层派出所三个层次，如果把地市公安
局的数据中心定义为中心计算-云，把区县公安的数
据中心定义为边缘计算-边，把派出所的摄像机或者 云等低成本但高可靠的存储介质中。
NVR定义为前端计算-端，那么可以进一步把算力在 实战业务保障能力是把人工智能系统用好的关
云边端分解，降低人工智能的部署成本、传输成本和 键。实战能力中的三个要素分别是科学布点、实战业
存储成本。 务、组织保障。首先说一下科学布点。无论是人类还是
云计算是目前安防领域的一个热点，但云计算的 人工智能，准确识别物体都有一定的限制条件，对于

核心是规模效应，在建设量未达到一定规模的情况下 AI系统尤其明显。我们人类的眼睛是3亿像素，而现在
引入云计算应用成本反而更高。因此在上面所讲的云 普遍采用的摄像机大多是200万像素，800万像素的摄
边端三个层次中，中心计算达到一定规模时宜采用云 像机占比非常少。那么要识别的物体超过一定距离后，
计算，而边缘计算、端计算显然不适合采用云计算。 有效像素就会非常少，无法进行有意义的识别。拿人
特别是在进行智能分析系统建设的时候初期建设量比 脸为例，主流的算法普遍要求64*64个像素，同时对左
较小，使用效果显著用户才会进行批量建设，而且也 右和上下倾斜的角度也有一定要求。因此，相比只用来
是逐步扩容进行，而不是一次到位。所以在安防行业 查看图像的监控摄像机，要进行AI识别的摄像机在场
应用中AI系统应该具备轻量化起步的特点。这时候就 景中的安装角度和高度有更严格的要求。
有必要采用具备管理、智能分析、存储的超融合一体 上面提到，人工智能的实施成本相比普通监控要
化设备。同时这种一体化设备应支持高扩展性和高性 高不少，因此不可能每个摄像机都进行智能识别，这
能的能力，以便支持后期智能分析业务的快速扩容。 也要求在城市、园区、建筑中的摄像机布局要有一个
解决算力有效利用的另外一种方法是支持智能 科学选点的步骤，否则就可能造成算力的无谓浪费。
计算资源的弹性调用，也就是说算法不能计算资源绑 比如在公共安全领域，要及时发现逃犯并完成抓捕，
定，而是允许不同的算法在芯片级自由切换调度，从 部署思路就应从实现人员的轨迹追踪和方便抓捕着
而实现计算资源的最优利用。比如说在白天场景，人 手，采取关城门和织网格的部署方法，人脸抓拍相机
流密度大，计算资源集中在人脸识别高级别应用中。 主要选取火车站、汽车站安检口、地铁口等城市出入
晚上人流密度下降后，空闲出的计算资源可以用来对 口和封闭空间。

第五届深圳国际无人机展览会（2020年8月深圳会展中心） www.china-drone.com.cn 45

ದ۽ᇆି JOEE ྒ௹ඹ