请选择 进入手机版 | 继续访问电脑版
从零开始 从零开始 资讯 查看内容

基于深度进修的智能安防系统结构探讨

2020-4-26 11:11| 发布者: 年少凡平| 查看: 96| 评论: 0

摘要: 智能安防的概念提出已经有相当长时间了,但是道路并不平坦,受限于计算机视觉算法和前端设备处理能力,许多功能一直无法成熟应用。但是厂商在宣传智能水平方面往往有夸大的冲动,使得产品在部署使用后,实际性能与用 ...

智能安防的概念提出已经有相当长时候了,可是门路并不服坦,受限于计较机视觉算法和前端装备处置才能,很多功用一向没法成熟利用。可是厂商在宣传智能水平方面常常有夸大的感动,使得产物在摆设利用后,现实性能与用户期待相去甚远。虽然这类情况使得安防范畴的智能化堕入了一段为难期间,同时也下降了用户的期望值,利用户加倍理性的看待智能安防技术,也使得真正优异的智能安防产物能获得机遇。比来数年来深度进修算法的快速成长,在各类野生智能题目上的优异表示给智能安防范畴带来了新的机遇。在深度进修敏捷成长的大布景下,本文就智能安防系统若何采用最新的技术提升产物性能做一些举一反三的探讨。

基于深度进修的智能安防系统结构探讨_资讯_2020-4-26 11:11发布_从零开始_96

深度进修是机械进修的一个分支,它基于试牟利用包括复杂结构或由多重非线性变更组成的多个处置层对数据停止高层笼统的一系列算法。卷积神经收集是今朝深度进修范畴最为普遍利用的深度进修结构,卷积神经收集由一个或多个卷积层和顶真个全毗连层(对应典范的神经收集)组成,同时也包括关联权重和池化层。自深度进修出现以来,它已成为很多范畴,特别是在计较机视觉和语音识别中,成为各类领先系统的一部分。在通用的用于检验的数据集,例如语音识别中的TIMIT和图像识别中的ImageNet,Cifar10上的尝试证实,深度进修可以大幅度进步识此外精度。深度进修算法也是最早在某些识别使命上到达和人类表示具有同等合作力的算法,例如人脸识别范畴利用普遍的测试集LFW,基于深度进修的算法根基都能到达99.5以上的性能,这已经跨越了人类的得分。

深度进修给智能安防带来机遇的同时,也带来了应战。硬件的进步是深度进修获得关注的重要身分,高性能图形处置器的出现极大地进步了数值和矩阵运算的速度,使得机械进修算法的运转时候获得了明显的收缩。这些高性能图像处置器今朝最普遍利用的是英伟达生产的支持CUDA计较的一系列高端显卡,这些显卡凡是功耗都过百瓦,价格也从数千到上万不等。而对应的前端装备上的嵌入式处置芯片必须满足严酷的功耗、本钱约束,今朝数字摄像头中利用的处置芯片功耗凡是在瓦级,价格在几十元群众币量级,明显这两者之间存在庞大的鸿沟。这要求安防厂商从传统的智能摄像头向前后端复合的智能安防系统思绪改变。笔者以为未来智能安防系统的成长将会分为两个阶段。

第一个阶段是由前端智能摄像头和后端智能分析办事器配合组成,操纵后端基于深度进修的分析办事器来提升今朝智能安防系统的性能。一个简洁易行的前后端合作方式是前端负责寻觅能够刚爱好的关键帧并发送到后端,后端负责对该帧停止深入分析,判定能否发生了感爱好的事务。

今朝我们在智能安防中的需求中现实上有相当一部分是不需要对视频停止分析的,经过单幅图像停止分析便可以完成,只是传统图像算法不敷够强大,必须依靠持续视频才能抽取需要的信息。比如广场职员密度分析,假如是野生停止分析,只需要单张图片便可以判定当前画面中的职员密度,能否到达预警的条件,而不需要对持续视频停止分析。可是很多做这方面工作的传统算法凡是都依靠于对持续视频的处置,需要经过持续视频做一些远景提取的工作。由于依靠持续视频,这些算法还很轻易遭到情况光照变化的影响。在深度进修出现今后,基于卷积神经收集设想的算法凡是都是针对单张图片停止的,而且在职员密度分析上切确度大幅度上升。虽然基于深度进修的算法可以仅仅依靠单张图片便可以分析,可是假如我们不加区分的每帧或是间隔数帧延续传回截图,对收集带宽和后端处置才能城市形成很大的负担。我们可以要求前端装备经过对持续视频的分析仅仅负责寻觅场景内大量远景方针时,停止截图并发送到后端,由后端来分析该帧内的职员散布密度,这样可以在前端充实操纵持续视频的信息,下降系统对收集带宽和后端处置才能的需求。

在构建类似系统的硬件平台方面,今朝国内前端数字摄像头支流芯片为海思和德州电器两家厂商生产,这两家厂商的部分芯片都支持用户停止智能图像处置算法的开辟,只是计划略有分歧。海思经过SOC内置的IVE硬件智能算法加速引擎来支持传统智能算法的设想,该加速引擎可以支持一些在传统计较机算法中常用的算子,开辟职员经过挪用这些算子来组成利用级算法。而德州电器的达芬奇系列处置器则经过ARM和DSP的异构多核战略来供给对算法设想的支持,图像处置算法首要运转SOC内集成的高性能DSP上。这些芯片虽然没法履行复杂的深度进修算法,可是用来履行一些针对持续视频处置的相对简单的算法,例如远景提取、人脸检测等,性能是充足的。所以今朝基于现有的成熟芯片开辟具有一定智能的前端数字摄像头是有很成熟计划的,由因而成熟芯片,所以本钱也可控。后端装备采用基于英伟达显卡的办事器即可,面向深度进修的各类软件框架也比力成熟,所以当前阶段构建基于前后端夹杂的智能安防系统在软硬件条件上都是具有的,可以敏捷完成产物研发投入市场。

第二阶段是随着公用卷积神经收集加速器硬件的成长,在功耗、本钱都满足需求的条件下,将深度进修算法间接运转在前端装备上。今朝已经有可以支持一定例模卷积神经收集的嵌入式处置芯片,最著名的是英伟达公布的TegraK1和X1。这两块芯片性能强大,同时本钱高昂,而且两者由于功耗和本钱的限制,在履行深度进修算法时与桌面显卡相比性价比很是低。例如X1只要256个CUDA焦点,GTX1060则具有1280个CUDA焦点,而且前者为MAXWELL架构频次为1000MHZ,后者为PASCAL架构频次高达1708MHZ,再斟酌两者在存储容量、速度上的明显差异,两者的性能差异是相当大的,可是X1主芯片的售价就跨越200美圆,GTX10603G显存版本的零售价只要大约1500群众币。

除了Tegra这类具有通用计较加速单元的芯片之外,其他还有一些草创企业在开辟完全针对深度进修的芯片,例如国内创投圈著名的寒武纪。寒武纪开辟的芯片在硬件结构设想上,从存储到计较单元的设想,完全针对卷积神经收集的需求停止,从而最洪流平的提升在履行这类利用时芯片的能效比,据今朝流露的数据在连结低功耗的条件下,性能可以比当前的支流显卡高一个数目级。Intel收买的深度进修芯片公司Nervana也推出了在性能上与当前支流显卡有量级提升的深度进修芯片,相信Intel收买今后在生态、本钱方面赐与的大力支持,可以促进深度进修公用加速芯片更快的进入市场。

随着未来硬件平台的延续成长和逐步成熟,在功耗、本钱、性能都满足要求的条件下,将整小我工智能算法全数都放在前端装备上仍然是终极的偏向。在前端间接履行可以使得整小我工智能算法获得最完整的输入数据,而不是仅仅范围于由于前端较为简单的智能分析算法获得的单张图片或是部分特征,从而获得更好的智能分析结果。


鲜花

握手

雷人

路过

鸡蛋

最新评论

相关分类

点击排行
  • 联系我们
  • 邮箱:admin@c0ks.com(请把#改成@)
  • 电话:18530790808
  • QQ客服 1031180668
  • 工作时间:周一至周五(早上9点至下午5点)
  • 微信二维码

  • 扫描访问手机版

Archiver|手机版|小黑屋|从零开始

GMT+8, 2020-6-5 04:17 , Processed in 0.145404 second(s), 22 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

  • QQ: 1031180668

    客服电话

    18530790808

    电子邮件

    admin@c0ks.com

    在线时间:8:00-16:00