具有无数个智能摄像头后,怎么让城市“张开双眼”?

图片来历
:视觉中国

图片来历 :视觉中国

文 | 脑极体

智能摄像头之于智慧城市,现已 成了一项必定 的存在。似乎 城市里要是没有三五千个智能摄像头、张学友演唱会上没抓到过逃犯,整个城市在智慧化进度上就矮人一截一样。

从全球规模 来看,通过智能摄像头观测城市运转 状况现已 成为了让AI进入城市管理最好的窗口。

但不管使用 哪一种 技能 ,城市的智慧化永远不可能是一蹴而就的。就拿如今最普及的智能摄像头来说,当我们在城市的每一个 角落都塞满智能摄像头之后,下一步应该做些什么?

今天抓逃犯,明天惹人烦

在评论 这个问题之前,我们需要再熟悉一下关于我们城市中智能摄像头的几个事实。

首要 我们要知道,因为 中国智慧城市开展 的势头较为迅猛,政府不同部门主导和企业主导的状况 并存。所以很可能一个城市中交通摄像头和安防摄像头的厂商不是同一家,而企业又在自己的园区内设备 了其他厂商的智能摄像头。

并且 不同用处 的智能摄像头所完成 的能力也不同。例如有些在交通路途 上的智能摄像头只有使用 OCR辨认 车牌的能力,而有些安防摄像头则只能识别人 脸。乃至 现在有一些城市在高架桥等基础装置上也应用上了智能摄像头,用来观测基础装置的磨损状况 。

尤其是智能摄像头仍是 一种正在不断成长 的产品,其技能 本身更新换代的速度很快,5G、终端核算 芯片、模型紧缩 算法等外围技能 相同 会对智能摄像头发生 影响。可能今天刚刚全市换上应用云边一体核算 的智能摄像头,明天就会因为5G提高 了传输速度,又让云端处理变成了干流 。

所以如今我们看似完善的智能摄像头假如 想要真正在智慧城市中发挥出长效作用,还可能会遇到以下的问题:

智能摄像头承当 任务 的变化

城市永远是在变化中开展 的,比如某一片区在建设初期时摄像头需要承当 的任务 是对渣土车的监控,等到建设完成居民入住后,则要注重对小摊小贩占道的监控。当这种需求变化发生时,是替换 摄像头硬件仍是 更新软件?谁来进行这方面的决策?

云边核算 资源的分配

从现在 的技能 趋向看来,未来硬件端必定 是云核算 与边缘核算 相结合的。从城市智能摄像头的用处 来看,边缘核算 用来处理安防、灾祸 这些紧迫 事故,云端核算 用来处理违章违规这类非紧迫 事务,似乎是一个合理的解决方案。可“紧迫 ”与“非紧迫 ”之间的界限究竟该怎么 界定,社区、园区内非政府部门安置的摄像头,是否也应该被划归与相同 的解决方案之内?

信息的更新与同步

同时当未来智能摄像头在安防上涉足越来越深化 ,未来必定 会呈现 跨省市的信息同步状况 。例如将一张照片同步到全国的安防摄像头体系 中。这时候 怎么 高效处理跨部门、跨设备的信息同步问题,就变得异常重要。

所以,别看现在的智能摄像头很便利 ,未来可能反而会带来一些意想不到的烦恼。可以 明晰规划,进行体系化、组织化的处理,让一个个摄像头变成统一的“城市视觉”,才干 在未来让智能摄像头更好地参加 智慧城市。

想让城市张开 双眼,数字视网膜可行吗?

但为难 的是,这一问题如今在世界规模 内都还没见到可参考的方案。

原因是其他在智慧城市上成就较高的国家,要么像新加坡那样国土 面积小、人口少,并没有面对着我们所面对的凌乱问题。要么像美国圣何塞或哥伦布市那样,由单一市政部门负责从零开始牵头建设智慧城市,在摄像头这样设备收购 上更加单一简略 。

加之我们在智慧城市上本身就走得更靠前,这些问题恐怕还要依靠中国智慧来解决。

现在 被提及最多的智慧城市视觉平台解决方案,是我们十分 熟悉的高文院士提出的“智慧城市数字视网膜”。

这一方案的粗心 是在摄像头终端将用来储存 和离线观看的视频编码以及为了辨认 和了解 的特征编码分开处理,再分别上传到云端的视频解码器和特征解码器。再使用 深度学习优化视频特征模型,尽可能提高 核算 功率 。终究 使用 视频和特征的联合优化,完成 码流的最优分配。

也就是说,在实践 应用时摄像头会一边录像一边使用 高效深度学习框架从中辨认 出需要识别人 、车、物,在转码时则在辨认 率和分辨率中寻找平衡,据说可以在不牺牲编码的条件 下将辨认 率提高 10%-40%。