智慧城市影像分析的邊緣運算
政府需要大量的雲和邊緣運算。
根據微軟研究分析師在 2017 年 10 月的《Computer》上發表的一項新研究，由於未來五年，監控攝影機預計全球每年將成長 20%，因此它們需要嚴格的即時分析來挖掘影像內容，這種情況將需要一個公有雲、私有叢集和邊緣系統。
地球上每 29 人就有一支攝影機，在已開發國家，這個數字上升到每 8 個人就有一支攝影機。
這意味著需要大量的計算能力來分析流量、安全、犯罪和消費者的數位助理。
研究人員表示，答案在於「公有雲、私有雲，和延伸到攝影機的邊緣的地理分佈架構，是唯一能夠滿足大規模影像分析，嚴格即時要求的方法，必須解決延遲、頻寬和配置挑戰。」
地理分佈影像分析基礎設施。每個組織都佈署自己不同大小的私有叢集，並依靠公有雲獲得額外容量。攝影機、私有雲和公有雲之間的網路連結，具有不同的頻寬（由箭頭的寬度表示）。
「由於資料量大、運算需求和延遲要求，攝影機是物聯網中最具挑戰性的‘東西’。 因此，大規模影像分析很可能是邊緣運算的「殺手應用」。研究人員說：「挖掘最近電腦視覺演算法能力急劇增加的潛力，是一個令人興奮的系統挑戰。」
他們提議的影像分析系統幾乎需要很少的資源，但提供高精度。事實上，華盛頓州貝爾維尤現在有一個這樣的系統全天候執行，現場攝影機處理來自交通交叉口的饋送。交通事故是十大死亡原因之一。
「該系統生成定向流量，並對異常交通模式發出警報。我們正在確定危險的衝突模式，以儘量減少交通死亡。研究人員說：「我們還計劃將我們的解決方案擴充套件到美國和世界各地的城市。」
新興的即時影像分析領域，將推動廣泛的應用。
交通零願景
華盛頓州貝爾維尤交通分析的生產佈署細節，基於即時交通交叉口攝影機串流。該圖顯示了同時分析的多個攝影機提要的儀表板、影像分析管道和定向卷圖表。
許多城市已經制訂了「零願景」計劃，來減少交通死亡。該倡議在瑞典制訂，目的在消除所有道路死亡。
研究人員表示：「檢測汽車、騎腳踏車手和行人之間的「近距離呼叫」，有助於城市規劃者辨識，需要先發制人安全措施的危險區域。」
自動駕駛和智慧汽車
高階汽車中的感測器和攝影機，已經確保了駕車者的安全，並幫助他們在剎車、車轉彎，和其他可能危及他們，或其他司機的機動方面做出良好的決定。
研究說：「交通攝影機分析的輸出，也可以觸發汽車的決策。」「安裝在紅綠燈上的攝影機，可以檢測難以看到的人（例如，站在停車之間的行人），並可以使用專用短程通訊（DSRC）警告接近自動駕駛汽車。」
監控和安全
政府和企業安全構成了影像和攝影機監控的很大一部分。美國、英國和中國各自使用數百萬支攝影機，來監控我們在公共人行道和道路上的活動。
甚至警察也越來越多地戴著隨身攝影機。
這個地區將繼續成熟，有成長機會。
研究表示：「分析人士預測，無人機攝影機，也將大大有助於家庭監控活動。」
 |
沒有留言:
張貼留言