<mark id="oztn4"></mark>
0
| 本文作者： 李雨晨 | 2018-04-03 11:35 | 專題：2018中國人工智能安防峰會 |
3月31日，由雷鋒網主辦的AI盛會 ——「2018中國人工智能安防峰會」，在深圳科興科學園國際會議中心落下帷幕。
在上午場的演講環(huán)節(jié)中，宇視科技副總裁、首席架構師姚華發(fā)表了主題為《安防+AI的探索與實踐》的主題演講。他曾主導搭建了宇視安防產業(yè)總體架構，并參與指導580余個平安城市、330余個智能交通等重大項目。
姚華認為，AI已經成為公共安全政策中最熱門的關鍵詞。AI正在加速安防IT化3.0。安防具有很強的包容性，可以吸納一切先進的技術為其所用，包括前兩年熱門的云計算、大數(shù)據(jù)，以及現(xiàn)在的AI。單一技術很難實現(xiàn)用戶需求，多種技術的融合才能真正實現(xiàn)用戶需求。
雖然安防行業(yè)里，算法已經開始大量應用，但是用戶需求和環(huán)境適應性還在持續(xù)演進。在這樣的背景下，AI對安防行業(yè)提出了7大挑戰(zhàn)：對前端、存儲系統(tǒng)、圖像智能分析、大數(shù)據(jù)、安防行業(yè)標準、業(yè)務應用、信息安全的挑戰(zhàn)。
以下是姚華演講實錄，雷鋒網做了不改變原意的編輯：
大家好，我是宇視科技的姚華。我今天的演講題目是“安防+AI的探索與實踐”，來跟大家談談這幾年從事的AI安防相關工作。
AI已成為公共安全領域最熱門的詞匯，正如李子青教授在開場演講中說的這句話：現(xiàn)在安防企業(yè)不講AI都不好意思說自己是安防企業(yè)。
自2014年起，公安、政府就逐漸加大在社會治安、公共治安等領域的信息化投入，而信息化建設的關鍵詞就是大聯(lián)網、大數(shù)據(jù)、信息安全互聯(lián)網、人臉智能、視圖庫等。
當前的環(huán)境下，人工智能正在加速安防IT化3.0。
作為最早提出安防IT化的公司之一，宇視科技在IT3.0時代的目標就是：看得清、看得懂、看得穩(wěn)、看得快。
看得清：隨著攝像機光學傳感器的持續(xù)更新迭代，目前1080P，之后還會演進到4K甚至8K的階段。
看得廣：除了GB/T-28181的不斷完善外，再到CA/T1400視圖庫的聯(lián)網應用,以及圖像安全或者視頻安全處理。
看得懂：數(shù)據(jù)如何高速應用
這便是安防IT化3.0需要去完成的。
AI進來后，大家都知道前端的邊緣計算和后端的云計算，全流程里面的數(shù)據(jù)也都有一個深度的變化。
過去只有視頻，到現(xiàn)在還有圖片，如果前端GPU性能較強的話，圖片會越來越多，后端的圖片的傳輸、存儲、帶寬、峰值都會有變化。后續(xù)的流程還包括結構化、RFID信息和物聯(lián)網信息分析等，全流程變革還是比較巨大的。
我們在AI時代，既要看到AI對單產品變化提出的需求，也要看到AI對整個系統(tǒng)的影響。
但AI的應用，仍舊對安防行業(yè)提出了諸多挑戰(zhàn)。
我們今天只講主要的七大挑戰(zhàn)：對前端的挑戰(zhàn)，對存儲系統(tǒng)的挑戰(zhàn)，對圖像智能分析的挑戰(zhàn)、對大數(shù)據(jù)的挑戰(zhàn)、對安防行業(yè)標準的挑戰(zhàn)、對業(yè)務應用的挑戰(zhàn)以及對信息安全的挑戰(zhàn)。
以AI對前端的挑戰(zhàn)為例，攝像機和AI如何在人臉抓拍當中能夠做得更快更好，前期我們都做了大量的探索。我們要解決算力和前端功耗工程性和產品性中的一些矛盾，以及在復雜環(huán)境下能夠正常工作，這些都是對前端的重要挑戰(zhàn)。
雖然現(xiàn)在算法已經開始大量應用，但是用戶的需求和環(huán)境的適應性還是在持續(xù)演進。不是我們挑戰(zhàn)安防標準，是安防標準要更快地讓大家在標準下互聯(lián)互通，讓標準能夠快速地在產品上落地，還有讓標準更快成熟，這需要我們整個行業(yè)的人共同完成。
隨著數(shù)據(jù)種類的變化，用戶的業(yè)務需求和對數(shù)據(jù)分析的需求也越來越多，之前的視頻階段，我們做的只是提供看、存、查、管這些基礎業(yè)務，但是現(xiàn)在有了這些結構化數(shù)據(jù)，各種各樣的組合分析會產生非常重大的數(shù)據(jù)反應。這些需求的變化對后期的業(yè)務應用和行業(yè)生態(tài)鏈都會制造較大的挑戰(zhàn)。
還有AI對存儲的挑戰(zhàn)，存儲對象由原先的視頻變?yōu)楝F(xiàn)在視頻+圖片+結構化+半結構化，我們的寫讀原來是10：1，為什么是10：1？一般來說，存視頻的時候只要不出案件是不會去看的，所以對于存儲來說，只是完成了保存不丟、查起來高效的模式。
但是當我們有這些圖片結構化、半結構化數(shù)據(jù)時，想把這些數(shù)據(jù)做業(yè)務挖掘的時候，就需要1:1的模式。這里帶來的挑戰(zhàn)是，各類數(shù)據(jù)混存模式下，大量小文件導致普遍存儲性能下降的問題。這個問題對很多存儲系統(tǒng)是非常具有挑戰(zhàn)性的。
此外，AI激活了原始數(shù)據(jù)，讀寫需求大量提升。分析、清洗后產生的新數(shù)據(jù)，價值大幅提升，對可靠性要求也大大提升。原來大家說大多數(shù)據(jù)都是垃圾數(shù)據(jù)，因為只要案件不發(fā)生，視頻就是垃圾。但是存儲了結構化數(shù)據(jù)以后，經過清洗后，它就變成了高價值的數(shù)據(jù)。
海量不同價值的數(shù)據(jù)保存后還有一個問題，所有的東西不可能不計任何代價去做，肯定是要有一個合理的存儲TCO，TCO是整體的購買成本、運維成本、后期成本。
前面幾位專家都提到了AI對視頻圖像智能分析的挑戰(zhàn)，就是算法并行的需求。
我們能不能用一個相機就把行人檢測、人數(shù)統(tǒng)計、機動人越線這些事情全部給做了。或者我用后臺的智能分析，用一個GPU把這個庫的畫面全都做了，目前還不能做到一個GPU上同時跑多個算法。
目前市場上的公司在只能達到一個GPU并行跑一種算法的水平，算力也只能應用在一項任務當中。
假設派出所有很多服務器資源分別供商場和地鐵出入口兩套AI系統(tǒng)使用，按照目前的運算，其實這兩個算力的資源是不能完全共享的，所以產品不均衡會導致計算資源的浪費。隨著我們智能建設的增長，人臉、視頻結構化的大量應用，會導致現(xiàn)在機房建設和機房能耗大幅度提升，如何做好這里面的平衡，也是我們作為廠家和技術提供商需要去考慮的。
安防行業(yè)從來沒有拒絕過前沿技術，永遠是張開雙臂歡迎。那么最終哪種技術能夠真正落地，還是要看實際應用情況。
此外，好AI更需要好的架構與產品。整個業(yè)界看法是，智能業(yè)務在計算存儲平臺和后端算力。
目前整個行業(yè)里有兩種架構來做，第一種是多廠商，按1400標準來說，現(xiàn)在還沒有把各個很細節(jié)的階段之間的接口標準定義好。比如從前端A算法放在B算法的前端，C算法放到D智能后端，還有E智能業(yè)務。
很多客戶反饋希望產品最終可以達到這個狀態(tài)。
但現(xiàn)階段要做到這些接口完全開放，可能還需要一段時間，可能是一年可能是好幾年，甚至有可能是十年。
因為算法也是在不斷地迭代更替，芯片也在不斷更替，有些是通用方案，有些是專用方案，接口怎么定義，對行業(yè)來說永遠是新的命題。
還有一種方案是，所有的應用案件加前后端，但它的數(shù)據(jù)是開放的，標準接口，這樣就能給各個行業(yè)調度。
這兩種方案方向并不代表哪個更優(yōu)，只是在整個行業(yè)中，我們只能依據(jù)現(xiàn)有行業(yè)具體的實際情況去達到最優(yōu)解。用戶最終想要的結果是，產品和架構是不是帶來最好的TCO效果。
宇視在SMV（安防視覺）架構上，底層是物聯(lián)網基礎設施，包括智能攝像機、智能卡口、電警等等，在上層是智慧化平臺服務，有時空地圖引擎、視圖智能分析引擎、時空大數(shù)據(jù)引擎、視圖云存儲，這中間有一個UNISEE是輸出接口。再往上屬于應用平臺，包括綜合治理業(yè)務、公共安全業(yè)務、公安和交警業(yè)務、大安防業(yè)務。左右兩翼是視頻信息安全體系和安防標準，這個整體架構可以保證AI在安防業(yè)務的落地。
2016年10月，宇視第一次提出SMV安防機器視覺戰(zhàn)略。從“讓監(jiān)控變得簡單”到“云監(jiān)控、易安防”，再到安防IT化，整個宇視的基因一直是從系統(tǒng)端的角度來解決安防行業(yè)的痛點需求。在產品解決方案的整體思路上，則是單產品要做到最優(yōu)，自由產品的組合是要比別的組合產品效率更高。
接下來我談談幾個產品設計的AI思考。
核心產品的代號叫“關山”，主要的產品是昆侖——視圖數(shù)據(jù)中心一體機、秦嶺——超融合視圖云存儲、燕山——視頻安全準入網關、潼關——人臉速通門、函谷——深度智能攝像機、天目——智能抓拍單元。
我講講一個攝像機的測試。
前面已經談到了攝像機的設計，我們的Myriad2算力是0.2T FLOPS，TX1是1T的運算能力，Myriad的功耗是2W，TX1是15W，我們會更傾向用2W的方案來解決前端的應用，來做人臉抓拍、并發(fā)40人臉檢測、關鍵信息結構化。
這是昆侖2代產品
它應用了主流的英偉達和英特爾方案。這是一個集群應用，上面主要有通用計算板卡、智能計算板卡和大數(shù)據(jù)板卡。單機最高能做到640路人臉比對，單機最高的80路人、車、非機動車活動目標提取。
我們可以看到，之前的產品出現(xiàn)了噪音過高、功耗過高的問題。在用戶的機房里，持續(xù)運營能力、業(yè)務能力，以及長期轉化能力比較差。在新疆就遇到過一個情況，有一個廠商的智能計算服務器都燒毀了。
這提醒我們，做算力要保持平衡，讓機器跑得太快就可能會出現(xiàn)故障。我們還用了一些集群的調度，讓每一個CPU都能夠被調度來做集群運算。GPU目前還不能做到像X86這樣的模型用虛擬化方案，深度卷積算法需要訪問GPU的內核，如果在中間加一層則會影響到效果。
隨著算法迭代，對內核的要求不一樣，目前大部分做的還是沒有中間做虛擬化的方案。當然有些廠家做池化方式，但是具體效果還沒有看到，從我個人經驗看，目前的算法加中間一層可能會影響效率。所以設計這個東西的時候會考慮到高融合、高性能、高可靠。
還有一點是李子青老師提到的，需要大人工數(shù)據(jù)來做分析，我們現(xiàn)在做到千億級的數(shù)據(jù)量，在設計規(guī)劃和思考中，產品和用戶應用和未來發(fā)展要結合起來。
我們的AI系統(tǒng)在鄂爾多斯的人員管控、廣西來賓的人像核查系統(tǒng)等得到了應用。現(xiàn)在宇視的標定機房的月電費是28萬多，今年擴建之后功耗要達到60萬人民幣一個月。對于算法、算力來說，我們最希望看到的是有廠商進行測試，最后會發(fā)現(xiàn)時間越久，幾個廠家測的越相近。
AI的技術對我們未來的應用是很多的，我的演講就到這里。雷鋒網雷鋒網
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
專題
