AI视频边缘计算的未来：摄像机

一般用来处理视频的AI系统架构有哪几种？边缘计算AI摄像机具备哪些优势？有哪些常见的应用？为何AI视频边缘计算的未来是摄像机呢？本文将一一告诉您。

各行各业热衷于导入AI技术来解决企业自身问题，并且鼓吹边缘计算的重要性—低延迟及快速反应。对于视频的AI边缘计算来说，摄像机扮演着重要的角色，可以算是AI视频边缘计算的「现在进行式」以及「未来完成式」。

　　处理视频的3种AI系统架构

　　一般用来处理视频的AI系统架构有三种，分别为：(1)边缘计算AI摄像机，(2)近缘多路AI计算主机，(3)机房集中式多路AI计算主机。第一种的边缘计算AI摄像机，是指IP摄像机SoC芯片内建AI神经网络处理器NPU（Neural Processing Unit），除了可运行IP摄像机本身该有的功能，还能执行AI识别、可程序化任务，独立作业触发报警或连动后续的自动化工作。

　　传统AI识别系统是通过AI计算主机，包含「近缘多路」或「机房集中式多路」AI计算主机，近缘（near-edge）架构是为了快速反应识别后的结果，所以会安装在靠近IP摄像机的近端高带宽环境，比如交通执法用的电信箱内。当然也有舍近求远，将所有路口IP摄像机通过5G或光纤收拢在集中式多路AI计算主机进行计算及识别的作法。（参见图1）

　　就效率来说，近缘架构仍然是较理想的作法，如果能把既有的摄像机用来扩充边缘计算AI功能，就更加便捷。「既有摄像机扩充AI功能」会是需求与趋势，不过，就像当年也能扩充IP网络功能的模拟摄像机一样，最后仍会被IP摄像机直接取代。

　　图1、常见AI视频系统架构图

　　边缘计算AI摄像机的3大优势

　　1、低耗能、低维运成本

　　AI计算主机有哪些弊端？视频译码及运维成本太高。传统的AI识别系统是这样运作的：IP摄像机耗费计算资源将视频编码后，继续耗费带宽资源把数据传给AI计算主机，AI计算主机接手耗费资源产生YUV或JPEG照片给AI硬件计算单元（NPU）进行AI识别（inference），视频分辨率越大，识别的物种就越多，对于显示适配器上的计算能量要求也更高，耗电量十分惊人。

　　一台AI计算主机，有500W～700W的耗电是很常见的。试想：当今市售最好的显卡可以进行几路的4K / H.264视频识别？更遑论压缩率更高的H.265了。相较于AI主机还要浪费资源译码后才能识别，边缘计算AI摄像机在源头就提供YUV的照片内存地址，让NPU直接进行识别，整体系统架构更简洁，运维的电力成本低，不占用带宽，系统建设成本于是更经济。（参见图2）

　　图2、AI计算主机与AI摄像机的计算架构差异

　　2、低延迟：最大优点！

　　AI计算主机还有个致命缺点，就是一系列的计算延迟，包含视频译码延迟、AI识别延迟、物种追踪算法及行为侦测延迟等。视频译码的部分，以H.264压缩格式为例，会有2～3帧的解码成像延迟，导致行为侦测后的警报发报会延时到200～300毫秒（ms）以后。

　　识别的延迟呢？AI主机进行10次识别，整体延迟会达到639毫秒，而这还没有加上4K串流在网络传送时需要的时间。边缘计算AI摄像机不会有那么高的整体延迟，以4K / 30帧的边缘计算摄像机为例，1秒可以支持10次识别，约100毫秒后可以触发禁区侦测的警报。（参见表1）

　（本文转自中国台湾智慧安防网，有删减）

　　表1、AI计算主机与AI摄像机的比较

　　3、摄像机成为AI载具，用户可自行训练AI模型、保障隐私问题

　　此外，企业在导入AI时，常会碰到需求单位与研发人员在领域知识（Domain know how）上有认知差异，在销售时容易造成误会或冲突。就算企业内部已实现完整的认知框架，面对客户的需求可能又是另一个问题，比如医疗或国防之类的单位，会因隐私议题无法提供数据集来训练，AI模型就很难准确。

　　AI的应用是五花八门的，永远都会有新的对象要识别。让摄像机成为AI载具，用户可以自己进行AI数据集的训练，就不会有隐私权问题。以利凌提供的Self+AI YOLO转换云来说，可以把用户自训的AI模型封装成固件，并以AES256加密，自己的模型永远不会外漏。

　　封装完的固件要装在哪里？当然就是前端AI摄像机了。例如利凌提供的整体前端识别架构，可以通过HTTP / HTTPs与后端通信，藉由开源于Github的Python及C# SDK来串接后端应用，任何工程师只要熟悉Python及C#环境，皆可立即引用及开发。（参见图3）

　　图3、AI摄像机如何与后端系统运作整合

　　AI边缘计算摄像机常见的应用

　　近年来，边缘计算AI摄像机已可加载多个AI模型、同时识别不同物种。比较热门且迫切的是车牌识别，多国车牌识别已可在100公里时速的双车道进行，停车场出入口自动化更是已经被广泛套用的场景，因为通过摄像机就能直接连动接口设备，比如空位指引及收费机等，完全不必再经过PC，干净又利落。（参见图4）

　　图4、AI摄像机可同时支持车厂、车种、多国车牌、行为侦测及车牌颜色侦测

　　而在公共场域，识别遗失物及遗留物也是AI边缘计算摄像机的看家本领之一。另一个有趣且实用的场域是工地，AI边缘计算摄像机的识别结果可以用操作数来做逻辑判断，比如通过「同时存在多种对象（AND）」的逻辑来做工地门禁，安全帽、防护镜、安全背心要同时佩戴完整才会开门;相反的，「缺少任何一样物种 （NAND）」则是可以触发警报。（参见图5）

　　图5、AI摄像机工地安全栅门警示或自动化应用

　　在智能产线的应用方面，只要提供摄像机商品的内容物模型，比如配件包、主机、使用手册、遥控器等，就能进行产线自动化或缺件警示。AI PTZ球型追踪摄像机更被应用在船舶追踪，来厘清船只碰撞时的肇责，或是违规停车及并排停车的车牌识别，这些应用都不需再使用耗电量较大的AI识别主机。