智慧城市网

　　【安防展览网 品牌专栏】 昨天，在2020世界人工智能大会上，科达*科学家章勇博士发表了《用边缘计算驱动智慧城市公共安全建设》的主题演讲，重点介绍了边缘计算的发展以及AI超微光技术在未来城市公共安全建设中的重要意义。
 

 

　　在演讲中，章勇表示，公共安全是智慧城市的基石，智能摄像机是保证这块基石生生不息的神经末梢，受限于夜间低照成像技术的发展，这些神经末梢每天有近一半的时间会发生感知障碍。
 

　　深度学习的兴起，有望采用一种全新的算法，突破传统低照成像技术局限，一举解决上述问题。但是，由于前端摄像机算力有限，阻碍了这个方向的发展。
 

　　边缘计算的普及，给这个问题带来了新的曙光。近年来，随着公共安全建设规模的扩大，单一的集中处理方式的云计算模型开始遇到越来越多的问题。而边缘计算作为一种接近数据源头处的计算，具备实时低延时计算、本地化数据保护、海量数据处理等诸多优势。因此，边缘计算与云计算一起，构成融合的计算模型，正在成为未来城市公共安全建设的主流方向。
 

　　AI超微光正是在这样的背景下诞生的。它基于边缘计算赋予摄像机的算力，结合深度学习的算法，在不产生光污染的情况下，很好地解决了智能摄像机夜间成像和识别感知的难题。因此，AI超微光技术在未来智慧城市公共安全建设中将有着举足轻重的意义。
 

　　科达率先突破并命名了这一技术，并在2019年7月发布了*产品：AI超微光车辆卡口。在随后多个城市的实地测试中，AI超微光技术以无光污染、低照成像清晰、目标识别率高等优势，远远于其他技术流派，获得广泛认可。目前，科达已将该技术应用到多个产品领域，包括车辆卡口、车辆电警、人员卡口、布控球型摄像机等。
 

　　了解更多干货，详见章勇博士的演讲全文(共3538个字，约需15分钟)。
 

　　用边缘计算驱动智慧城市公共安全建设

 

　　各位晚上好！今天我分享的主题是“用边缘计算驱动智慧城市公共安全建设”。
 

　　智慧城市这个词近几年频频出现在政府工作报告、学术会议和行业论坛上。正如由总所说，这是一个非常宏大的主题，影响到城市建设方方面面，不同城市、不同领域的人，可能对这个名词的解释也有所不同。
 

　　我们认为，智慧城市主要是要运用物联网、边缘计算、云计算等新一代的信息技术，实现城市规划和建设的智慧化。这里说到的城市智慧化，终目的是要创造一个更安全、更舒适、更方便的生活，促进城市和谐、可持续成长。这里面，有两个层面的意思：一个，它体现了一个新时代的信息技术的；另外，更为深层次的，就是它有一定的社会含义，体现出我们和信息社会所对应的一种面向服务的、以人为本的协同和创新的理念。刚才Marco Landi先生也说到我们要让世界更美好，对我们来说，这一点上我们是不谋而合的。
 

 

　　说到以人为本，可以想象，人在社会中直接或卑微的一个诉求，就是安全。公共安全是社会中人为直接的一个需求，也影响城市建设方方面面。比如社区安全，小区安全，交通安全，平安校园，道路安全。这些都是公共安全的一部分。
 

　　我们欣喜地看到，这几年发展以后，公共安全建设正逐渐从人工转向自动，从分时段、分区域的防控转到了全天候、无死角的监测，从被动的事后分析转到了事前预警、实时响应。城市公共安全建设，正在发生这三大明显的转变。
 

 

　　这样的转变，如果还依靠传统的集中式的，把所有信息汇聚到集中节点的处理方式，已经远远不够了。那我们就要引入一些新的建设的范式。这里提到的就是边缘计算。边缘计算的概念，并不是说被边缘化的边缘，而是体现一种从集中式向分布式、从中心化到去中心化、从集中单一式的计算到协同的计算，是相对于云端计算的另外一个概念。
 

　　边缘计算如何驱动公共安全建设发展？我们看边缘计算的几个重要的特点：
 

　　1.它是实时、低延时的计算。这一点非常重要，公共安全中，常常很多事情都是突发的，需要非常快速的响应，如果把信息回传到某个中心节点、再等它传回来，事情可能已经过去了，所以实时、低延时是边缘计算很重要的一个优点。
 

　　2.可以处理海量数据。边缘设备是数以亿万计的，具有计算能力的边缘设备如果同时进行信息处理，可以处理海量数据，远远优于把大量的数据传输到中心节点，通过拥塞的网络等待网络返回来得更为实时、快速，不会产生由于网络拥塞而引起数据处理瓶颈。
 

　　3.精确位置感知。有很多公共事件，特别是公共安全事件，跟位置是非常有密切关系的。比如前面嘉宾提到的防疫、对人轨迹的追踪，自动驾驶的导航，这些都要跟边缘侧设备位置发生密切关系。这些边缘侧的信息好是在边缘侧跟边缘设备其他信息能融合在一起，就地解决，而不是要再回传到中心节点。
 

　　4.本地化的数据保护。因为公共安全的数据跟每个人密切相关，每个人都不愿意把自己的隐私随意地在网络上分发，那如果信息能就近、就在本地边缘节点上得到处理、消化，就不需要再把这些数据回传到网络其他节点上，从而就避免了信息泄露。前几年，欧洲、北美对数据保护做了非常多的法律法规的建设，这两年我们国家也开始非常重视这方面政策的制定了。边缘计算应该是解决本地化数据保护的一个非常有用的武器。
 

 

　　边缘计算在公共安全上的主要载体，我们认为是智能摄像机。首先人对外界信息感知，有80%都是来自视觉。比如，现在我面对的是摄像机，这样的直播都是通过视频进行分享。视频是智慧城市中采集数据为重要的一个数据形式。不同形态的摄像机，也是采集数据主要的来源，上面一排的摄像机是我们在外面经常看到的监控摄像机，下面一排是这些年我们逐渐发展出来的基于移动的、无线的(比如车载的记录仪、门禁、无人机)非常态化的智能摄像机，这些摄像机每天*不在采集视频数据，视频数据本身又是非常庞大数据量的信息来源。举例来说，一个小时的视频数据，不压缩，可能需要300G，如果压缩，也要一两个G。所以，边缘侧把视频数据就地进行处理，提取出当中非常重要的信息，对我们公共安全起到关键的分析作用的信息。智能摄像机是快速获取视频中有价值信息的工具。
 

 

　　边缘计算如何赋能智能摄像机？首先，能完成高清图像处理。比如手机像素，现在越来越高了，同样对摄像机来说，分辨率从传统的标清、高清到超高清，摄像机内部需要实现非常强的图像处理，才能实现高清的画质。这一点来说，是边缘计算能给智能摄像机带来的一大好处。第二就是高效的视频压缩，视频数据量是海量的，非常庞大，如果我们用比较先进的边缘计算算法，可以将视频数据轻松压缩100倍甚至200倍，可以大大缩减传输带宽。第三，它能提供高级智能功能。基于深度学习的现代的人工智能算法，在摄像机边缘侧就可以完成，进行自动检测、识别人、车、物，就可以非常有效地浓缩视频里的冗余信息。
 

 

　　接下来重点介绍一下我们一个创新型的应用，这是我们在边缘侧用边缘计算的方法完成的摄像机的设计，我们称之为AI超微光摄像机。
 

　　为什么我们要做这样一个摄像机？首先，公共安全，低照成像是核心诉求，治安事件一般发生在夜间；第二，城市中存在众多不便外加光源的低照度环境，比如小区里，加一个很强的灯，马上就会遭到投诉，在医院或监狱里，也不方便添加光源，但这些地方又常常需要用摄像机采集视频图像，看有没有问题。传统摄像机做不到良好的低照成像，因为传感器有灵敏度，感光能力是受限的。所以基于以上的重要问题，我们设计了一个超微光摄像机。这个摄像机的特点，就是基于深度学习AI算法，运用边缘计算，实现低照的增强。
 

 

　　这是超微光摄像机一个简单的原理。图像传感器把图像采集进来以后，直接对它用一个深度学习网络进行学习，然后有个完美的图像输出，再进行编码压缩。内部的结构非常简单，但算力要求非常高，所以需要用边缘计算技术来完成。
 

　　科达公司已经形成了超微光摄像机产品系列族。包括超微光车辆卡口。放在高速出入口或是城市道路的。还有车辆电警，还有人员卡口，在关键道路卡口上对人脸进行分析，经常说在某某演唱会上抓到罪犯，基本就是它的功劳。后就是超微光布控球，这是非常灵活的便携式的球形摄像机，在某些地方来不及架设固定摄像机的时候，公安人员可以用它快速布设。
 

 

　　我们看比对，左边的是传统摄像机，需要非常强的补光，采用超微光摄像机，补光非常暗，人感知不到。抓出来的图片，左边的是传统的卡口出来的图片，右边的是AI超微光的车辆卡口的图片，无论是明亮度、清晰度都比传统方法高一个档次。
 

 

　　这是电警的一个场景，左边的非常亮，刺眼，右边的基本感觉不到。这是抓出来的图片，违章照片我们需要抓三张，这是其中某一张，可以看到右边的图非常清晰，车牌、各方面都看得很清楚，所以如果违章你是跑不掉的。
 

 

　　这是放在小区里的人员卡口，左边有个非常亮的灯，经过的人会感觉非常不舒服，右边的基本感知不到它的光，抓拍出来的人脸，传统的摄像机有非常多的噪点，右边的人脸非常清晰，后续通过人脸识别可以清晰地识别出他是哪个人。
 

 

　　后这是布控球，临时防盗某个地方，在没有补光的情况下右边的图比左边的图明显明亮、清晰，背景、人脸也看得很清楚。
 

 

　　这些是我们研发的各种AI超微光摄像机。这个技术用上去以后，重要是提升大家生活的舒适感。安全当然非常重要，但不能影响人们生活的舒适。我们觉得智慧城市里面，一定是有社会含义的，并不是简单的技术滥用，而是技术本身是为了人而服务，以人为本，要给人创造各方面更舒适、更理想的一个生活。
 

　　后简单总结一下。对边缘计算在公共安全建设方面的展望：
 

　　第一，边缘计算会得到更强大算力的支撑。AI算力现在有个新的摩尔定律，每18个月算力会翻一番。但实际现在速度已经超过了摩尔定律，速度在不断的提升中。这意味着我们可以把更多更先进的算法，包括AI算法、压缩算法、图像处理算法，放到边缘设备中。这必将带来很多公共安全的功能在边缘侧实现。
 

　　第二，多IoT的数据融合。AIoT的设备现在越来越多。根据数据公司的数据，2025年我们大概有1500亿的IoT的数据，这些数据在每个角落都会产生，采集各种各样的视频或非视频数据，我们必须把这些视频、非视频数据有机融合在一起。现在常见的，比如烟雾光警器，有对烟雾的敏感性，但如果再加视频，双管齐下，在某个设备失灵的情况下，就可以用另外一个设备来继续保证公共安全。再比如WiFi探针，各种不同传感器产生的数据，都可以有机地融合起来，为公共安全起到保障作用。
 

　　第三，刚才郑总已经讲了，5G+边缘计算。边缘计算本身就是5G一个核心的功能，5G三个典型的场景，其中一个场景就是UILLC，极低延迟、超可靠的场景，这个场景可以用于边缘计算在公共安全方面的应用。边缘计算在5G中的应用，将来也会越来越普遍和常见。
 

 

　　总的来看，我相信边缘计算在公共安全中大有可为，也是大有作为的。我也相信，在智慧城市中，边缘计算一定会发挥更大的效应，能成为非常重要的一个武器。