安防领域的AI赋能之路

作者 / 迎九 左小木 《电子产品世界》编辑(北京 100036)

摘要：介绍了在人工智能(AI)盛行之后，安防领域的技术应用、解决方案及发展动向。

视频监控的发展远不止一个“安全性”

　　视频监控应用的基础在于安全性，但目前视频监控的未来发展似乎远不止于此，例如其还能进一步扩展到管理领域——将视频技术作为管理工具。特别是随着人工智能(AI)的发展，可从视频和图像中提取特性以帮助大数据服务不断演进发展。

　　AI 的普及将显著加速视频监控技术的发展，不只适用于一两种应用，而是囊括几乎所有的情境，从小型人脸抓拍摄像头到机顶盒大小的智能DVR/NVR，乃至数据中心的内容分析服务器机柜等，无所不包。出人意料的是，视频监控行业从常规算法向AI技术的转变异常迅猛，如对象分类、检测、跟踪、识别以及细分和行为分析等。转变的优势是巨大的，因为即便是在错综复杂的环境中，比如无论是在北京交通高峰时段熙熙攘攘的街道，还是在上海最大型体育场内举办的超级巨星演唱会上，AI技术的转变都能显著提升应用的准确度、性能、效率以及稳健性。

　　另一大趋势是AI技术迅速的演进发展。深度学习算法日新月异，如Resnet、Faster-RCNN、Segnet、FPN以及Yolo V3，不一而足。同时新算法还在不断涌现。没有人能预测哪一种新型神经网络将在半年后大受欢迎。学术研究人员和工程师正在创建标准网络的成千上万种变体，试图为其自有应用实现最佳成果。在可预见的未来，这种发展不会停滞不前或放缓，因为我们才刚刚进入 AI 时代。更多创新还会不断涌现。

　　FPGA 本质上十分适合进行并行计算，并且拥有大量高速片上存储器，是 DNN 推断的理想选择。此外，针对为 AI 引擎馈送数据的多种不同传感器而言，FPGA 还可提供众多可配置的高速 I/O。凭借定制化的数据路径，FPGA 展现出了卓越的低时延能力。此外，与 GPU 相比，FPGA 能效显著，可用于对功耗水平要求严格的 AI 摄像头应用中。借助同时集成了 ARM 和 FPGA 的 SoC 器件，如 28 nm Zynq-7000 和 16 nm Zynq Ultrascale+ MPSoC 等，我们不仅能更好地对定制 DNN 算法进行分区，还能提升系统级集成度，从而降低 BOM 成本与系统功耗。

　　除芯片本身之外，为了提升设计生产力，赛灵思最近还可提供Vivado HLS、SDSoC等高级工具以及 xFDNN 等高性能深度学习库。此外，赛灵思一直与我们的深度学习合作伙伴深鉴科技(Deephi)开展合作，致力于为人脸识别摄像头、视频结构盒和云视频分析卡提供完整的解决方案。

边缘AI在智能摄像头的机会

　　很多人认为英伟达做的数据训练非常成功。但随着行业逐步加深，应用逐步增多，发现仅仅在服务器端还不够的，端侧可以做极大延伸。例如，安防从嵌入式视觉系统到视觉导向的自主系统，即过去红外摄像头，保安和监控人员要看一二十个小时，现在把人眼看的部分，通过算法和数据集中到服务器端，下一步希望减少服务器的负担，在端侧——摄像头去做识别。这样做的好处，首先是可以减少网络带宽，因为网络存储等成本非常高;其次是性能，端处理回传会延时;第三是隐私性。

　　在智能摄像头监控方面，可用于大规模的实时分析，例如用人脸识别来进行目标跟踪，发现大型场馆入口处的人的可疑行为等，另外还可对车队和物体进行监控识别，以发现可疑的路径和物体。

　　市面上有很多方案，但是也存在诸多问题，例如：1)CPU尽管什么都可以做，但处理神经网络效率低;2)DSP最大的问题是有非常少的人员可以基于DSP去做编程，没有标准化和可覆盖;3)固定功能的硬化，一旦硬化后只能做一件事，远远不够产业化;4)GPU，英伟达证明了非常适合处理AI，GPU有标准化的编程方式，但功耗较大。

GPU+NNA方案

　　对低功耗和高灵活性，Imagination推出了第5种方案—— GPU+NNA(神经网络加速器)方案，特点是提供灵活的IP内核来达到高性能，适用于低功耗、低带宽的场景。

　　另外，Imagination推出了两款PowerVR 2NX神经网络加速器(NNA)内核，适合智能监控等、移动、工业等场景。名为AX2185和AX2145的内核，设计目的是在极小芯片面积上以极低功耗实现神经网络高性能计算。它们是基于Imagination革命性的神经网络加速器(NNA)架构PowerVR Series2NX设计的，该架构可以使“智能”从云端转移至边缘设备，从而实现更高的效率和实时响应。

　　PowerVR Series2NX架构是完全重新设计的，旨在为移动和嵌入式平台中的高效神经网络推理提供硬件加速。其灵活的位宽可基于每一层去支持权重和数据，这意味着PowerVR Series2NX可以保持高推理精度，同时降低带宽/功耗要求。它是唯一支持16位到4位位宽的解决方案，可在较低的带宽和功耗下实现更高的性能。

视频监控从纯被动式调查转向主动预防

　　传统的视频监控一直是被动式的，在这种模式下，人类或机器需要观察到某些事件，然后才能在当时或稍后对该事件作出反应。随着视频分析从传统的启发式算法转向深度学习算法，加上人工智能的问世，实现了对这些数据的机器驱动型智能操作，我们获得了绝佳的机会，可以将安防应用从纯被动式调查转变为主动预防事件和/或改善消费者服务的模式。这种类型的AI功能在各种智能基础设施部署(包括城市、工厂、机场、商场、酒店和企业)中都具有重要价值，有助于防止事故发生。从积极的方面来讲，这类AI和行为识别还可用于改善零售、体育场馆、交通枢纽和校园等场所的服务和客户体验。

　　有效的主动行动需要低延迟的响应时间，在边缘节点(在摄像头本身而不是在服务器端)嵌入AI将会是实现这一点的最佳方式。可在视频源中实现此类AI的智能摄像头将变得日益流行和普及。这些摄像头将成为高分辨率图像传感器，也就是可高效实现神经网络引擎的系统级芯片;它们可以根据具体的使用情形进行编程和更新，借助先进的存储芯片快速而高效地执行算法，并通过高密度存储芯片/卡确保在摄像头本地存储大量程序和视频数据的可行性和成本效益。

美光存储解决方案

　　美光科技提供多种内存和存储解决方案，适用于各种摄像头设计。具体来说，对于AI驱动的摄像头，美光的DDR4和LPDDR4技术适用于高速神经网络实施。系统级芯片和存储之间的数据移动占据神经网络实施工作量的很大一部分。美光先进的基于3D-NAND的eMMC技术使客户能够存储大量代码和关联数据库，而基于3D-NAND的高密度工业级uSD卡使客户能够以极具成本效益的方式在摄像头中实现边缘存储以及边缘处理。对于智能摄像头，网络安全也是我们主要关注的一个问题，美光科技为此专门推出了Authenta™系列非易失性存储解决方案，可解决智能摄像头存在的网络安全问题。除强大的产品组合和遍布全球的分销网络之外，美光科技还拥有全球技术专家，能够帮助客户针对不断发展的AI使用情形设计自己的系统。

　　参考文献：

　　[1]赛迪顾问.中美人工智能市场的概况与对比[J].电子产品世界,2017(7):20-23.

　　[2]迎九,金旺.智慧视觉的算法、研发和产品动向[J].电子产品世界,2017(7):24-27.

　　[3]Werner Goertz,Annette Jump,Alan Priestley.用于边缘设备的AI为设备制造商营造机会[J].电子产品世界,2018(3):5-8.

　　[4]魏少军. AI架构创新和高端芯片发展[J].电子产品世界,2018(3):25-29.

　　[5]王莹,王金旺. AI在边缘设备上的发展机会[J].电子产品世界,2018(5):13-17.

　　本文来源于《电子产品世界》2018年第7期第23页，欢迎您写论文时引用，并注明出处。