Периферийные вычисления — это новая вычислительная архитектура, которая перемещает вычислительные ресурсы на периферийные устройства, расположенные рядом с конечными пользователями, для достижения более быстрой, надежной и безопасной передачи и обработки данных. Под периферийным искусственным интеллектом подразумевается развертывание алгоритмов и моделей искусственного интеллекта на периферийных устройствах, чтобы они могли выполнять вычисления и принимать решения на самом устройстве, не отправляя данные в облако для обработки. Эта технология может увеличить время отклика, повысить безопасность данных и сэкономить полосу пропускания.

В настоящее время основные технологии периферийных вычислений включают в себя следующее:

1) Микросхема ASIC: специализированная интегральная микросхема для конкретного приложения, обычно используемая для обработки определенных алгоритмов или приложений. Чипы ASIC превосходят процессоры общего назначения по производительности и энергопотреблению, но стоимость их разработки высока, и их трудно адаптировать к быстро меняющимся требованиям рынка.

2) Чип FPGA: программируемый чип матрицы логических вентилей, который может динамически реконструировать структуру схемы во время выполнения для адаптации к различным алгоритмам и сценариям применения. Чипы FPGA обладают высокой производительностью и гибкостью, но потребляют большую мощность.

3) Чип графического процессора: чип графического процессора, который можно использовать для ускорения обучения и вывода алгоритмов глубокого обучения. Чипы графического процессора обладают возможностями параллельных вычислений и могут быстро обрабатывать крупномасштабные данные.

4) Чип DSP: чип процессора цифровых сигналов, предназначенный для обработки цифровых сигналов, таких как звук и изображения. Чипы DSP имеют эффективные функции оптимизации алгоритмов и контроля энергопотребления.

Все вышеперечисленные технологии могут быть использованы для разработки аппаратного обеспечения искусственного интеллекта для периферийных вычислений, имея свои преимущества и недостатки. При выборе технологии необходимо всесторонне учитывать такие факторы, как производительность, энергопотребление, стоимость и характеристики сценария применения. Развертывая алгоритмы искусственного интеллекта на устройствах, можно сократить задержки в передаче и обработке данных, одновременно защищая конфиденциальность и безопасность данных. Кроме того, периферийный искусственный интеллект также может снизить затраты на облачные вычисления, поскольку данные необходимо отправлять в облако для обработки только при необходимости, а не отправлять все данные в облако.

Периферийный искусственный интеллект имеет множество преимуществ и стал текущей тенденцией развития. Мы также запустили шлюз аппаратного интеллектуального анализа периферийных вычислений с искусственным интеллектом, который может интеллектуально обнаруживать и анализировать людей, транспортные средства, объекты, поведение и т. д. в потоках видео наблюдения, а также захватывать их. , записывать и предупреждать о нештатных ситуациях. Среди них версия аппаратного обеспечения V1 имеет базовые алгоритмы, такие как обнаружение человеческого тела, обнаружение регионального вторжения, распознавание маски и распознавание шлема. Версия аппаратного обеспечения V2 в настоящее время имеет 15 алгоритмов, включая лицо, тело человека, транспортное средство, номерной знак; , анализ поведения, фейерверки, вторжение, сбор, защитные каски, светоотражающая одежда и т. д., а также может поддерживать расширение алгоритма в конкретных сценариях, таких как яркие кухни, умные строительные площадки/опасные химические заводы и т. д.

Технология периферийных вычислений широко используется, и общие сценарии применения включают следующие аспекты:

1) Умный дом: периферийные вычисления позволяют подключать устройства умного дома к облачным системам, сокращая задержки передачи данных и требования к пропускной способности, обеспечивая более быстрое время отклика и более высокую безопасность данных.

2) Промышленный Интернет вещей. Периферийные вычисления могут передавать расчеты обработки данных устройства промышленного Интернета вещей из облака на устройство, сокращая задержки передачи данных и позволяя принимать решения и контролировать их в реальном времени на уровне устройства.

3) Здравоохранение: периферийные вычисления могут соединять медицинские беспроводные устройства с облачными системами для сбора и анализа данных в режиме реального времени, что повышает эффективность и точность диагностики и лечения пациентов.

4) Автономное вождение. Периферийные вычисления могут передавать обработку данных датчиков транспортного средства из облака на бортовой компьютер, играя важную роль в области управления в реальном времени и машинного обучения, улучшая автоматизацию и безопасность транспортных средств.

Развертывание шлюза интеллектуального анализа вместе с платформой EasyCVR может решить такие бизнес-задачи, как управление агрегированием видео, унифицированный доступ к устройствам, распределение по нескольким терминалам, интеллектуальный анализ AI, интеллектуальные сигналы тревоги, обмен данными, вызовы и интеграция в проект. Платформа EasyCVR основана на взаимодействии облачных устройств и обладает мощными возможностями доступа к данным, их обработки и распространения. Она может поддерживать упрощенный доступ и управление агрегацией больших объемов видео, а также может обеспечивать прямую трансляцию видеонаблюдения, карусель видео, запись видео, облако. хранение и воспроизведение. Благодаря таким функциям, как поиск, интеллектуальная сигнализация, кластер серверов, голосовая связь, управление PTZ, электронная карта, каскадирование платформ и т. д., его можно применять в интеллектуальных системах наблюдения за безопасностью, на строительных площадках, заводах, кампусах, в общественных местах. парки, энергетические шахты, пожарная охрана, логистика и складирование. Сцена ожидания.

Платформа EasyCVR обладает высокой совместимостью и высокой масштабируемостью и может поддерживать доступ по нескольким протоколам, включая: национальный стандарт GB28181, RTMP, RTSP/Onvif, Hikvision Ehome, Hikvision SDK, Dahua SDK, Uniview SDK и т. д. С точки зрения доступа к устройствам, платформа может охватывать подавляющее большинство устройств-источников видео на рынке, в том числе: IPC, NVR, видеокодер, мобильный инструмент правоохранительных органов, мяч для экстренного развертывания и управления, индивидуальный солдат мобильной полиции, интеллектуальный терминал, дрон. , Транспортное и машинное оборудование, интеллектуальные многофункциональные машины и т. д.

Таким образом, технология периферийных вычислений имеет широкие перспективы применения, может предоставить множество новых решений и бизнес-моделей, а также предоставить предприятиям и исследовательским учреждениям более эффективные и безопасные услуги по передаче и обработке данных. В то же время развитие периферийного интеллекта на основе технологии искусственного интеллекта окажет важное влияние на различные отрасли в будущем, предоставляя людям более интеллектуальные, эффективные и безопасные услуги и опыт.