边缘计算在地铁等细分场景中如何应用?

2020-04-07来源: eefocus关键字:边缘计算  传感器  智能摄像机  大数据  智能楼宇  人脸识别

“保姆级”边缘计算在细分领域应用案例分享

 

上周,雷锋网 AI 掘金志邀请到了触景无限副总裁赵寒伟做客雷锋网公开课,以“「边缘计算」在地铁等城市级场景下的实战复盘”为题进行了干货分享。后续将有更多课程上线,添加微信号 suekee777 报名听课。近几年,边缘计算市场规模持续增长,并迅速在安防、智慧城市、自动驾驶等领域被应用,边缘端的处理、分析和存储能力成为考验 AI 公司的关键。

 

赵寒伟认为,物联网和云发展多年,平台建设和打通完成度已经非常高,但智慧城市迟迟没有真正到来,是因为基础的感知没有实现,智慧城市细分领域多,感知涉及每个层面,而芯片算力和边缘计算决定了感知能力,也唯有在前端智能分析,与后端配合,才能将城市物联网数据完整利用,打造感知城市。触景无限一直专注于利用人工智能技术,在边缘端进行计算实现边缘智能感知的领域,十年时间在各个细分领域积累了大量实际案例,赵寒伟结合触景无限在地铁场景的应用,解读边缘计算端在实际场景应用中遇到的问题及独特的解决方案。

 

以下为赵寒伟分享内容节选,AI 掘金志做了不改变原意的编辑。 

 

触景无限与边缘计算

 

边缘计算原理与章鱼相似,章鱼 40%神经元在大脑,60%神经元在触手,八只触手可以感知接触的信息,甚至可以做简单的思考。触手做了一部分大脑的工作,降低了大脑处理的工作量。边缘计算就是分布式计算,在靠近传感器的前端做一部分计算,计算结果直接反馈到前端和大脑。

 

现在大部分的架构是云边结合的方式,所以在边缘端要具备快速处理的能力。比如,声音传感器听到声音后把摄像头转向声音来源的角度,实际上是在边缘端处理后的快速响应,如果把声音指令传到中心的云端,云端经过计算再把指令传到前端,此时可能声音的景象已经变化,所以快速在前端的反应是边缘计算的优势。另外,目前很多场景无法保障网络的实时连通性和实时速度,最典型的自动驾驶,虽然有云端大脑,但汽车在行进中很难完全保障信号,所以车里都有相应的边缘计算设备去处理感知前端遇到的问题。

 

云端 AI 和嵌入式 AI,并不是对立的技术,二者相结合才能满足大部分的需求。在云端有丰富计算资源、加速快、可以支撑非常复杂的模型和算法,同时必须保障实时联网环境;在边缘端,基本都是嵌入式,算力有限,模型不能太复杂和庞大,要经过优化和压缩,适用场景丰富。云端和边缘端是相结合运作的。触景无限在边缘计算端有十年经验积累。首先,在感知算法、智能识别算法的积累,算法不仅仅包括视频结构化,声音处理,各种传感器处理,还有模型压缩和模型优化。

 

举个例子让大家理解一下算法压缩与优化,最近与我们合作的一个 AI 国企最多能把算法压缩到 50M,继续压缩识别效率会下降,我们在边缘端执行的算法可压缩到几百 K,不到 1M,并且高度压缩下识别效率没有降低。这是我们在边缘算法长期积累的一个体现。除了了解具体芯片的应用场景特点,我们还具有算法和芯片高度融合与底层优化,充分挖掘芯片算力的能力。比如,Intel Movidius 2450 芯片有 200G 算力,我们通过在芯片算法底层注入汇编语言,改变它的数据准备、运算等,在实测中可以和市面上 1T 算力的芯片相当,这项能力的技术含量其实非常高。

 

我们把边缘计算技术和经验积累注入到公司五大系列产品。边缘计算单元,实际就是边缘计算的设备,首先它可以接物联网设备,其次它在边缘端可以把接入的物联网设备信号进行相应的处理,然后转换成能感知的东西,也可以做一些前端控制,这些数据通过安全加密的一种方式,传输到云端,这是边缘计算单元的功能。这次疫情我们快速推出了瞬视体温筛检系列,利用红外成像与可见光成像进行叠加运算,实现快速筛检体温,最高级的产品我们用的是 640*480 的红外感知的芯片,1 分钟通过测温人数可以达到 780 人,在整个测温市场,性能是非常高的。

 

盾悟系列主要是面向存量市场,比如高清摄像机不具备智能功能,加了这个盒子后普通的摄像机就具有人脸识别,人体、车辆的抓拍功能。角蜂鸟是我们与英特尔合作,基于人工智能的开发套件,主要是人工智能研发公司和教育培训机构,给学生上人工智能实训课,通过 USB 插上电脑,20 行代码搞定人脸识别,这个可以检测出 20 种实物模型,可以做快速的人工智能开发,当然也可以开发模型,把里面的模型替换掉增加新的算法。

 

我们与 2000 多家公司和教育机构在合作。瞬视系列是与摄像机厂商合作,面向市场提供智能摄像机,在摄像机里加一个边缘计算的组件,有算法模型、芯片,让相机变成智能相机,一个主要的场景是作为电子警察,在路口能检测出 14-18 种违章行为,包括了行为分析、车辆检测、人员检测等。

 

感知城市的理解

 

物联网和云发展多年,各个平台的建设和打通都已经完成得差不多了,为什么智慧城市依然没有到来,因为基础的感知还没实现。感知技术的发展其实与物联网技术,边缘感知技术,云计算技术相关,物联网和云计算在十几年前就出现了,但感知没有得到快速推进,主要是芯片算力不够,拖了智慧城市的后腿。智慧城市建设过程中离不开智能感知,包括水、能源、交通、绿地、金融等都离不开传感技术,有了传感器就要做智能识别,识别后需要智能控制,所以在整个体系里,感知是非常重要的一个环节。

 

 

近年随着芯片算力提高,边缘计算成为非常重要的话题。2018 年麻省理工科技评论把感知城市列入全球十大突破性技术。近两年城市数字化成为我们国家战略,数字化经济中把一个城市数字化,需要传感器把城市 3D 模型里各个数据上传,才能形成一个真正的数字城市,很多数据是难以理解,所以就需要在芯片边缘端计算,实现传到中心端的东西,已经是能够读懂的东西。

 

项目案例分享

 

今天分享的案例是地铁人脸进站。之前城市地铁的通行方案基本上是两个,刷卡和二维码。卡易丢失,忘带,损坏,并且退换卡麻烦;二维码给大家提供了便捷,但高峰的时候网络拥堵,二维码打不开,造成人员拥堵,非常影响出行效率。这是目前地铁通行方案存在的问题,很多探讨刷脸进地铁的方案,其实需要考虑的就几个问题。

 

通行速度能不能保障?会不会有误识别?刷错扣款账户?使用人数多会不会影响处理能力?资金投入是否很大?

 

通行速度要保证在 200 毫秒左右。现在暂时无法实现“从抓拍到人,人到闸机自动开”。因为目前是通过在闸机上装一个小屏幕的读头方式。基本上是半配合式,乘客要稍微顿一下来提升通行速度。误识别是人脸技术范畴,目前的技术很难达到 100%,这是难点。能达到 99%的识别率,就已经不错了。国家公安部的标准是 95%以上,但 95%对地铁是无法忍受的。一个中等城市地铁一天的人流量大概在 300 万,300 万人有 95%的误识别率意味着多少人?所以要采用一些辅助性的手段来弥补人脸系数的先天短板。人数多的问题,考虑用预筛选和分级名单的方式,地铁行业叫缩库。

 

比如,整个城市有 1000 万人注册了人脸,但实际进站的人连 1 万都不够,一天总数可能 20 万,这时候需要对进入地铁站的人进行筛选。像北京这样的城市,人脸库注册会达到上千万,到上千万的人脸库里搜一个人的照片,至少 10 分钟不一定能搜出来,地铁公司也很有可能不愿意投入。所以我们要通过贴合实际的手段解决技术存在的问题。

 

这个方案有四个目标,一是构建地铁刷脸支付体系,提高管控能力;在此基础上提升乘客出行体验,比如直接刷脸进站解决东西多不方便拿手机等问题;另外也提高了公共安全能力。然后沉淀大数据,把脱敏的数据进行数据管理和客户行为分析,获取数据更多的价值。当然这些信息都是保密的。

 

 

这个项目有三个技术关键点。

 

第一,人脸选优技术。对镜头抓拍到的人脸进行跟踪,摄像头对暗光人脸区域补光,对比效果不好的侧脸进行筛除,在整个过程中挑选最佳镜头。

 

第二,人脸预筛。地铁在人流量高峰期,一个镜头可能有上百人,如果他们走到闸机面前再在千万人的人脸库检索,依然需要等。从地铁通道到闸机一般至少有几十秒间隔,其实可以提前将云端人脸检索出来,将检索结果放到闸机上,当乘客走到闸机前时,快速识别通过。

 

第三是本地库智能筛选。根据大数据分析技术构建本地常客库,比如某人每天从 A 站进 B 站出,就可以在相应站点缓存这些信息;还可以建 VIP 库。

 

     

    整个方案是怎样实现的?乘客端下载手机 APP,注册后云端系统收集了人脸等信息;然后绑定支付信息,连接计费系统,同时云端把

    [1] [2]
    关键字:边缘计算  传感器  智能摄像机  大数据  智能楼宇  人脸识别 编辑:什么鱼 引用地址:http://news.eeworld.com.cn/qrs/ic493735.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

    上一篇:AIoT 智联网领域的独角兽们迎来了一波即上市的热潮
    下一篇:ADI公司:加速实现工业4.0

    关注eeworld公众号 快捷获取更多信息
    关注eeworld公众号
    快捷获取更多信息
    关注eeworld服务号 享受更多官方福利
    关注eeworld服务号
    享受更多官方福利

    推荐阅读

    5G边缘计算到底怎么用
    边缘计算一经问世,立刻吸引了ICT行业的广泛关注。 根据国际调研机构Garter公司的报告,到2022年,超过一半的企业数据将在边缘计算平台产生和处理。这意味着,边缘计算很有可能成为和云计算分庭抗礼的一种全新商业模式和生态,蕴藏着巨大的市场潜力和商业机会。 但是,伴随着边缘计算美好憧憬的,是对这种创新模式的未知和困惑。人们非常好奇,电信运营商的5G边缘计算究竟该如何进行部署?又该如何进行运营?5G和边缘计算怎样结合才能推动行业应用落地?电信运营商在5G时代想要推动边缘计算的生态发展,该怎么做呢? 3月31日,中国联通联合英特尔共同举办的EdgePOD边缘云解决方案技术座谈会,对于上述疑问,提出
    发表于 2020-04-17
    5G边缘计算到底怎么用
    5G移动边缘计算(MEC)学习
     移动边缘计算(MEC)是在移动蜂窝网络的边缘(RAN侧和靠近用户侧)提供IT服务环境和云计算能力,其目的是减少延迟,确保高效的网络运营和服务并提供更好的用户体验。         移动边缘计算是信息技术(IT)与电信网络(CT)的自然融合重要方向之一。它基于NFV/SDN的虚拟化云平台,它代表了一个关键的技术和架构概念,有助于推进移动宽带网络向可编程网络的转变。在全球范围内,并有助于满足5G在预期吞吐量,延迟、可扩展性和自动化方面的近乎苛刻的要求。主要对大容量、大连接数据做本地化处理,降低时延、节省网络带宽,从而满足低时延、高带宽
    发表于 2020-04-14
    5G移动边缘计算(MEC)学习
    云项目将落地,河南首家华为5G边缘计算实验室成立
    4月8日,华为与河南垂天科技有限公司(以下简称“垂天科技”)在鹤壁市正式签署合作协议,华为垂天5G边缘计算实验室揭牌。据了解,这是河南省首家华为5G边缘计算实验室,由华为与垂天科技共同打造,将充分依托华为的技术实力,致力于5G边缘计算领域的技术研发,为全球用户提供稳定可靠、安全可信、可持续创新的云服务,积极推进河南省企业云计算生态的形成和发展。据大河网报道,华为河南总经理杨惜琳表示,华为垂天5G边缘计算实验室的成立,标志着华为云项目即将落地鹤壁,华为将在云计算、大数据、人工智能、物联网等方面提供全方位支持。今后垂天科技将正式代表华为在豫北地区开展工业互联网、云计算、大数据、物联网、智能制造、移动互联网等领域业务。垂天科技是由鹤壁
    发表于 2020-04-10
    MobiledgeX与Savari合作 将移动边缘计算引入C-V2X解决方案
    据外媒报道,边缘计算公司MobiledgeX与硅谷汽车技术与V2X通信技术公司Savari宣布建立战略合作伙伴关系,共同为汽车OEM厂商、车队管理部门及移动出行服务合作伙伴提供增强的C-V2X用例。(图片来源:Savari官网)MobiledgeX由德国电信(Deutsche Telekom)创建,旨在帮助全球电信运营商提供跨运营商的边缘计算服务和能力。得益于MobiledgeX Edge-Cloud(边缘云)在运营商和企业网络中的运用,此次合作将能够部署利用相关QoS(服务质量)技术动态编排的ADAS解决方案。同时,利用MobiledgeX在监控和可观测性方面的其他合作伙伴关系,Savari可以在全球公共和私有4G
    发表于 2020-04-09
    MobiledgeX与Savari合作 将移动边缘计算引入C-V2X解决方案
    全球化布局、边缘计算与WISE-PaaS云平台 引领研华长期成长
    解决方案,加速IIoT应用落地;3)发展高阶边缘运算系统,锁定智能影像及Edge AI产业应用,协同AI应用伙伴开发市场。 研华嵌入式物联网事业群(Embedded-IoT,EIoT)总经理张家豪则表示,做为研华板卡与模块的核心单位,嵌入式物联网事业群重点将放在研发资源整合与高附加价值的嵌入式设计延伸服务(Design-in services),优化整体产品组合。往上游,将持续与主要计算机芯片厂商合作推出创新嵌入式核心平台及设计导入服务,推进工业领域应用。同时,扩大投入边缘计算(Edge computing)系统开发,整合周边模块与软件服务加值,加速物联网解决方案落地实施。在出海口部分,则规划全球五大区域成立设计与制造服务
    发表于 2020-03-11
    宝马自动驾驶计算架构剖析:为何EyeQ5姗姗来迟
    的 Aurix MCU 当然还在。 传感器方面则增加一个前向激光雷达,应该是法雷奥 Scala 二代。L4 用一个 24 核的至强处理器代替 L3 的两片 8 核处理器,又增加一片开放版高端 EyeQ5。传感器方面增加侧方和后方激光雷达。 L2 系统称之为 mPAD,L3 为 hPAD,L4 为 uPAD。在 2018 年底宝马曾经公开展示过这些控制器盒子。L3 和 L4 系统都是水冷。   上图为安波福为宝马打造的 mPAD 上图为 mPAD 内部拆解图,英特尔 CPU 在背面不过按照采访 Simon Fürst 的文章,则和宝马提供的路线图大相径庭。Theplatform’s
    发表于 2020-05-08
    宝马自动驾驶计算架构剖析:为何EyeQ5姗姗来迟
    小广播
    何立民专栏 单片机及嵌入式宝典

    北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

    电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 EEWORLD.com.cn, Inc. All rights reserved