AG8亚游集团-WeLcome_PageS0084
你的位置:首頁 > 新聞動態 > 專題報道

人臉識別落地的兩種姿勢,你選了哪一種

2019-3-25 9:04:20      點擊:

  在大數據時代,在前端完成圖像處理被稱為“邊緣計算”,這一架構再加上後端的業務應用,呈現如下組網方式:

  邊緣計算模式組網圖

  隨著網絡技術的發展,視頻實時傳輸的大麵積推廣,伴隨著GPU服務器的出現,另一種係統架構出現了,那就是利舊普通視頻攝像機,采用後端接入GPU服務器進行統一人臉識別與分析的方式,由於對已有視頻網絡改動小,部署更簡單,也具有一定的市場。

  這種架構在落地時,圖像處理係統與數據分析係統就成了後端“鄰居”:

  後端集中分析模式組網圖

  現如今的人臉識別項目在落地時,是向左,采用後端集中分析的方式,還是向右,采用邊緣計算的方式,這是每一個從業者都在思考的問題。但 “條條大路通羅馬”,邊緣計算與後端集群,無論是從技術上還是從業務上,各有優劣。

  采用邊緣計算的方式,人臉識別和比對均在前端完成,後台隻負責任務調度和告警後處理,其優勢在於輕量化部署,對傳輸的要求低,甚至可以做到微波傳輸,而強大的前端也可以變得更加便攜,集成在移動巡邏車上,單兵設備上,甚至民用級無人機上,應用場景被極大的拓展。

  其不足在於,前端受體積和功率限製,以目前的科技水平仍無法做到大規模布控和多目標實時比對,FPGA的算力和擴展性畢竟無法與專業GPU計算卡相比,而把專業的GPU計算卡放在前端,數量和功率都將受到極大的限製。所以邊緣計算的人臉識別方案更適合於少目標、少接入、小場景、要求機動性的業務場景中應用。

  采用後端集群的方式,人臉識別抓拍(不帶屬性檢測)可在前端或後端進行,對人臉圖片的分析和結構化均交由後台強大的GPU集群來完成,如此可實現大規模甚至超大規模(百億級數據)的布控和實時分析,接入視頻路數的限製隻在於GPU集群的擴展能力,而一般GPU集群都具備強大的橫向擴展能力。同時,這一方式對前端攝像機的要求極低(甚至可以采用老舊的模擬攝像機)。在平安城市或智慧社區的改造項目中,采用這種方式可以更好地利舊已有前端,並且繼續使用已有視頻管理係統,對現網的改動小,易於部署。

  但是這種方式的缺點也很明顯,即對傳輸網絡要求較高,如果采用普通視頻流攝像機接入,視頻網絡的壓力非常大。同時,後端處理的方式受限於GPU集群的硬件環境,不具備機動性。因此,後端集群的人臉識別方案適合於海量目標、海量接入、海量數據、多場景、不要求機動性的業務場景中應用。

  在如今的安防市場,這兩種方案均有其適合的生存土壤和空間,且完全可以形成業務互補。