分解華為軟件定義攝像機(jī)（SDC）前端智能化是重中之重 華為機(jī)器視覺(jué)的創(chuàng)新方程式

守林員小陳每天的工作，大部分時(shí)間都用來(lái)在林間巡邏，以便第一時(shí)間發(fā)現(xiàn)安全隱患。枯燥繁重的工作讓年輕的他有點(diǎn)郁悶。

有天他舉著朋友圈里轉(zhuǎn)發(fā)的文章問(wèn)領(lǐng)導(dǎo)，聽(tīng)說(shuō)有地方都能用AI來(lái)識(shí)別山火了，咱們啥時(shí)候能用上啊，以后我也算半個(gè)用電腦上班的白領(lǐng)了。

領(lǐng)導(dǎo)懶得搭理他，新的智能監(jiān)控?cái)z像機(jī)剛安裝不久，圖像質(zhì)量提升了不說(shuō)，目標(biāo)識(shí)別、異常行為監(jiān)控之類(lèi)的功能也都有了，哪里還有經(jīng)費(fèi)換個(gè)“火眼金睛”！年輕人啊，就是身在福中不知福！

小陳囁嚅道：都不能及時(shí)更新，還叫智能啊……

類(lèi)似的經(jīng)歷，正在城市的各個(gè)角落上演。

讓攝像機(jī)看懂正在發(fā)生的事件并提出告警，已經(jīng)在越來(lái)越多的智慧城市項(xiàng)目中落地，不過(guò)實(shí)現(xiàn)形式卻各有不同。

目前，機(jī)器視覺(jué)智能分析主要分為兩類(lèi)：一種是前端智能化硬件分析，另一種是后端服務(wù)器分析。這兩種部署方式的區(qū)別，主要體現(xiàn)在三個(gè)方面：

1.時(shí)效性不同。

前端智能化，側(cè)重于對(duì)視頻進(jìn)行實(shí)時(shí)分析，能夠?qū)崿F(xiàn)“事中報(bào)警”，比如在機(jī)場(chǎng)、高鐵站，一旦發(fā)現(xiàn)移動(dòng)目標(biāo)出現(xiàn)了觸發(fā)預(yù)定義分析規(guī)則的行為，就會(huì)引發(fā)聯(lián)動(dòng)；

而后端智能化則會(huì)先將前端攝像機(jī)采集的視頻流存儲(chǔ)到服務(wù)器中，根據(jù)預(yù)設(shè)的不同規(guī)則，從海量的數(shù)據(jù)中提取出相關(guān)信息，集中優(yōu)勢(shì)計(jì)算資源做更深入的分析，實(shí)現(xiàn)檢測(cè)與事件檢測(cè)的協(xié)同聯(lián)動(dòng)，方便“事后查證”。

2.數(shù)據(jù)量不同。

實(shí)時(shí)分析與預(yù)警，需要前端智能化有較高的計(jì)算性能來(lái)支撐，如果把算法集成在硬件配置低的攝像機(jī)上，處理速度變慢，就會(huì)喪失前端智能的優(yōu)勢(shì)。因此，大部分前端只能運(yùn)行相對(duì)簡(jiǎn)單的、對(duì)實(shí)時(shí)性要求很高的算法。

后端智能分析會(huì)根據(jù)需求配置足夠強(qiáng)大的硬件資源，可以處理成百上千攝像機(jī)組成的系統(tǒng)所上傳的數(shù)據(jù)，運(yùn)行復(fù)雜的、允許一定延時(shí)的算法。

3.成本焦點(diǎn)不同。

智能前置對(duì)攝像機(jī)提出了強(qiáng)大的軟硬件計(jì)算能力要求，終端硬件成本比較高，好處是可以節(jié)省帶寬資源，幫助后端減輕計(jì)算壓力，同時(shí)實(shí)現(xiàn)無(wú)人值守，也能夠節(jié)省人力成本；

而后端智能則需要在存儲(chǔ)管理、傳輸帶寬、服務(wù)器集群等方面進(jìn)行較大的投入，來(lái)保障數(shù)據(jù)傳輸?shù)姆€(wěn)定性，當(dāng)然，分析運(yùn)算的集中化也讓算法升級(jí)、設(shè)備運(yùn)維都變得簡(jiǎn)化。

那在現(xiàn)實(shí)中，究竟是“前端好”還是“后端好”呢？

用一句網(wǎng)絡(luò)語(yǔ)總結(jié)，小孩子才做選擇，成熟的大人當(dāng)然是全都要。

前端的響應(yīng)速度與穩(wěn)定性，與后端的資源能力和全局視角，兩者互為補(bǔ)充，可以更加貼近一線(xiàn)、事半功倍。

舉個(gè)最簡(jiǎn)單的例子，當(dāng)自動(dòng)駕駛汽車(chē)走在路上，如果攝像機(jī)采集的內(nèi)容還要傳送到云端進(jìn)行識(shí)別、判斷、分析，一旦遇到網(wǎng)絡(luò)不好的環(huán)境，那還沒(méi)等指令下傳，事故可能就已經(jīng)發(fā)生了。最佳的解決方案，當(dāng)然是由自帶智能算法的前端直接完成實(shí)時(shí)的路況判斷、障礙物識(shí)別、違法檢測(cè)，而更復(fù)雜的線(xiàn)路分析等海量數(shù)據(jù)學(xué)習(xí)，可以在泊車(chē)時(shí)交給后端處理，豈不兩全其美？

前后端協(xié)同，前端智能化是重中之重

既然前后端協(xié)同，已經(jīng)成為視頻分析系統(tǒng)的必然趨勢(shì)，那么，如何以更低耗能、更低成本實(shí)現(xiàn)前端智能化，也就成為各行各業(yè)智能化管理中的當(dāng)務(wù)之急。

一方面，盡管人們?cè)缫蚜?xí)慣了大街小巷攝像機(jī)的存在，但其中大部分是僅具備視頻采集功能的傳統(tǒng)攝像機(jī)，能“看清”就不錯(cuò)了，在視頻線(xiàn)索查找時(shí)依然需要啟動(dòng)人海戰(zhàn)術(shù)，消耗大量人力物力。

因此，能“看懂”發(fā)生了什么的智能化、數(shù)字化、高清化攝像機(jī)也就成了大勢(shì)所趨。有數(shù)據(jù)顯示，2019年的前端智能化增速相比2018年，提升了100%。

另一方面，越來(lái)越多的智能算法開(kāi)始從后端轉(zhuǎn)移到前端來(lái)完成。比如大家熟悉的車(chē)牌號(hào)識(shí)別、目標(biāo)識(shí)別等等，能夠有效減輕后端的計(jì)算壓力，實(shí)時(shí)告警還可以有效降低漏抓誤報(bào)的可能。

但在實(shí)際場(chǎng)景中，光線(xiàn)、姿態(tài)、清晰度等等，都有可能影響識(shí)別效果，這就要求前端有終端芯片、軟件平臺(tái)等基礎(chǔ)的支撐，來(lái)使更多算法可以落地。

尤其是在多媒體技術(shù)不斷更新迭代的情況下，文字、圖形、影像、動(dòng)畫(huà)、聲音及視頻等不同形態(tài)的數(shù)據(jù)混合在一起，需要技術(shù)雄厚、結(jié)合具體應(yīng)用場(chǎng)景來(lái)攻克的企業(yè)才能完成這一挑戰(zhàn)。

就拿公共安全領(lǐng)域來(lái)說(shuō)，有的是靜態(tài)識(shí)別，比如車(chē)輛、顏色等等；有的是異常行為，比如突然加速、聚集、突然跌倒等等；還有的要針對(duì)移動(dòng)物體進(jìn)行智能化跟蹤分析、復(fù)雜場(chǎng)景下的視頻分析等等……這些都需要不斷引入新的算法來(lái)解決。

從這個(gè)角度看，前端視覺(jué)感知的種類(lèi)、數(shù)量和質(zhì)量，直接決定了智能化程度的高低。

此外，前端智能化要實(shí)現(xiàn)工程上的成本最優(yōu)，需要可以演進(jìn)式地發(fā)展。其中就存在著不少阻礙，比如有的前端系統(tǒng)比較難接入和兼容，想要在監(jiān)控功能基礎(chǔ)上增加智能分析，往往需要重復(fù)安裝攝像機(jī)，重復(fù)建設(shè)無(wú)疑會(huì)造成極大的資源浪費(fèi)；

再比如，目前市場(chǎng)發(fā)展不均衡，有的廠(chǎng)家有算法但產(chǎn)品不足，有的廠(chǎng)家算法和產(chǎn)品都有但缺乏配套軟件，最后呈現(xiàn)的分析效果和效率也都差異很大。

軟件缺乏可持續(xù)的演進(jìn)能力，最直接的結(jié)果就是很容易遭遇性能瓶頸，尤其是在摩爾定律接近極限、難以突破的現(xiàn)狀下，智能攝像機(jī)每3-6個(gè)月就需要迭代一次，如果沒(méi)有開(kāi)放OS和相應(yīng)軟件來(lái)對(duì)系統(tǒng)進(jìn)行自動(dòng)升級(jí)，以及加速算法加載與迭代，那么前端硬件的內(nèi)置算力會(huì)很快被極速的計(jì)算量耗盡。

正如圖靈獎(jiǎng)得主David Patterson所說(shuō)，未來(lái)十年將是計(jì)算架構(gòu)“新黃金十年”，通過(guò)架構(gòu)優(yōu)化、“軟硬協(xié)同”的方式來(lái)提升整體計(jì)算性能，將成為大勢(shì)所趨。

總的來(lái)看，盡管前端智能化的前途看起來(lái)一片光明，但它也受限于許多前置條件，比如低成本量產(chǎn)的嵌入式AI芯片、高性能場(chǎng)景化的垂直算法、全流程可演進(jìn)的軟件平臺(tái)等等，沒(méi)有這些，前端智能攝像機(jī)也很難飛入街頭巷陌。

淬煉前端：華為的三個(gè)智能方程式

在前端智能化已經(jīng)勢(shì)不可擋的情境中，華為也結(jié)合自身大量的計(jì)算、存儲(chǔ)、聯(lián)接、云化、智能、安全等各個(gè)領(lǐng)域的技術(shù)積累與商業(yè)實(shí)踐，在“全棧云、全智能、全場(chǎng)景”的機(jī)器視覺(jué)和大數(shù)據(jù)解決方案基礎(chǔ)上，給出了一個(gè)體系完備、面面俱到的解題樣本。

第一道方程式：AI芯+算法商城，實(shí)現(xiàn)前端性能升級(jí)

算力是智能的基礎(chǔ)，提供“軟硬協(xié)同”的算力支撐，華為也有自己的思路：

一方面，華為軟件定義攝像機(jī)（SDC）搭載專(zhuān)業(yè)AI芯片，算力最高可達(dá)20T，可以在極致低功率、極致算力等不同場(chǎng)景中為前端釋放極致算力。讓硬件可以輕松實(shí)現(xiàn)如目標(biāo)分類(lèi)和屬性識(shí)別等能力，甚至可以完全取代后端服務(wù)器來(lái)完成視頻全量特征分析，提升實(shí)時(shí)響應(yīng)能力。

此外，華為算法與應(yīng)用商城HoloSens Store也應(yīng)運(yùn)而生，實(shí)現(xiàn)前端智能算法按需可選，在線(xiàn)加載，賦予前端越來(lái)越強(qiáng)大的能力。

第二道方程式：軟件定義+按需適配，實(shí)現(xiàn)能力開(kāi)放

智能視頻監(jiān)控系統(tǒng)往往會(huì)在城市的多個(gè)場(chǎng)景、多種業(yè)務(wù)下使用，比如白天要檢測(cè)車(chē)輛排隊(duì)長(zhǎng)度、甄別事故，晚上則重點(diǎn)看護(hù)應(yīng)急車(chē)道情況。如何最大化地根據(jù)個(gè)性化需求來(lái)進(jìn)行設(shè)計(jì)，讓前端智能能夠快速響應(yīng)、不斷創(chuàng)新呢？

答案自然是允許合作伙伴開(kāi)發(fā)多元化的垂直場(chǎng)景算法，這就需要開(kāi)放性的軟件定義來(lái)將底層硬件能力釋放出去，實(shí)現(xiàn)多維感知傳感器硬件等終端，以及多種軟件能力的接入。

華為就基于容器架構(gòu)，華為打造業(yè)界首創(chuàng)攝像機(jī)OS，推出“軟件定義”架構(gòu)。以標(biāo)準(zhǔn)、歸一化的軟件運(yùn)行環(huán)境，實(shí)現(xiàn)軟硬件解耦，統(tǒng)一調(diào)用底層硬件的計(jì)算和編排能力、統(tǒng)一由操作系統(tǒng)封裝，開(kāi)發(fā)者只需要聚焦功能側(cè)的能力，大大降低了開(kāi)發(fā)門(mén)檻。

另一方面，通過(guò)一系列行業(yè)標(biāo)準(zhǔn)的北向接入?yún)f(xié)議，打造了開(kāi)放的軟件生態(tài)。合作伙伴在完成算法訓(xùn)練與開(kāi)發(fā)之后，就可以快速集成SDC OS公共軟硬件能力，打造成各自行業(yè)中具有差異化競(jìng)爭(zhēng)力的商用產(chǎn)品。

這樣做的好處是，能夠讓大量合作伙伴加入并品嘗前端智能化的商業(yè)機(jī)會(huì)，按照各自聚焦的場(chǎng)景開(kāi)發(fā)大量匹配行業(yè)屬性的長(zhǎng)尾算法，解決客戶(hù)的實(shí)際問(wèn)題，同時(shí)接口標(biāo)準(zhǔn)的統(tǒng)一，能夠持續(xù)演進(jìn)迭代，進(jìn)一步降低部署成本，增加其競(jìng)爭(zhēng)優(yōu)勢(shì)。

第三道方程式：多算法+多工具，自動(dòng)化敏捷開(kāi)發(fā)

對(duì)于應(yīng)用前端智能的企業(yè)/機(jī)構(gòu)來(lái)說(shuō)，要自己訓(xùn)練一個(gè)AI模型還是比較復(fù)雜、技能門(mén)檻較高的工作。想要實(shí)現(xiàn)AI普惠，前提就要讓?xiě)?yīng)用開(kāi)發(fā)變得更容易、更快捷，使其成為ICT從業(yè)人員的一項(xiàng)基本技能。

因此華為也將完善的SDC Studio開(kāi)發(fā)工具鏈開(kāi)放出來(lái)，提供通用算法模型、算法模型文件格式轉(zhuǎn)換、數(shù)據(jù)的自動(dòng)標(biāo)注等服務(wù)，以降低應(yīng)用者的開(kāi)發(fā)成本，提升調(diào)測(cè)效率。結(jié)合前面提到的算法商城，可以共同實(shí)現(xiàn)在SDC上的算法與應(yīng)用管理，以便讓前端智能算法和應(yīng)用可以根據(jù)不同場(chǎng)景、全生命周期都能夠持續(xù)演進(jìn)、敏捷開(kāi)發(fā)。

完成了這三道方程式的解題，華為也就引領(lǐng)前端智能來(lái)到了一個(gè)新的維度：

這里不再是單一視覺(jué)圖像的世界，而是集合了多種傳感器，讓視覺(jué)、聽(tīng)覺(jué)、雷達(dá)、定位等各種數(shù)據(jù)互相交織，形成一張全息感知的智能網(wǎng)絡(luò)，為城市治理、交通等精準(zhǔn)護(hù)航；

也不再是需要重復(fù)“打補(bǔ)丁”的成本雷區(qū)，通過(guò)軟件定義攝像機(jī)SDC的開(kāi)放服務(wù)化接口，讓前端可以跟隨數(shù)字技術(shù)的變化而動(dòng)，不斷升級(jí)更大的價(jià)值；

更不是通用算法的“一言堂”，不同種類(lèi)、不同廠(chǎng)商的多算法在框架體系內(nèi)生長(zhǎng)，一同將AI推向各個(gè)實(shí)際場(chǎng)景的細(xì)枝末節(jié)之中。這樣的城市之眼，不正是你我所期許的嗎？