Il modulo SECO SOM-COMe-BT6-RK3588 presenta una potente piattaforma di calcolo embedded per la visione artificiale in tempo reale su edge, migliorando notevolmente l'affidabilità dei sistemi di telecamere di sicurezza attraverso l'inferenza AI integrata che potenzia il rilevamento delle minacce e alleggerisce il carico sugli operatori umani.
Le stazioni di monitoraggio delle telecamere costituiscono una parte essenziale della vita moderna, servendo tutto, dagli edifici per uffici agli ospedali, banche e musei. All'interno di queste stazioni, gli operatori di sicurezza esaminano più flussi video per individuare anomalie e si precipitano a indagare sulle minacce man mano che si presentano. Ma che gli schermi siano pieni di folle o rimangano vuoti per un intero turno, l'iper-vigilanza sostenuta può portare all' affaticamento dell'operatore, dove l'esaurimento mentale e fisico compromette l'efficacia.
Ad esempio, i falsi positivi ripetuti possono causare desensibilizzazione agli allarmi e portare a ignorare minacce reali. Allo stesso modo, la monotonia induce cali di concentrazione in cui le attività inizialmente sospette vengono completamente trascurate. E quando queste si sviluppano in minacce reali, potrebbe essere troppo tardi per le squadre di sicurezza limitate per recuperare, specialmente in grandi edifici o ambienti affollati.
Per alleviare il carico cognitivo, la visione artificiale (AI vision) può automatizzare l'evidenziazione delle minacce attive e potenziali in tempo reale su più flussi video. Agendo come un moltiplicatore di forza, l'AI vision aiuta gli operatori umani a concentrarsi sulle aree rilevanti quando le cose sono tranquille o a dare priorità agli sforzi durante i turni più impegnativi. Combinare l'AI con i sistemi di telecamere risolve un problema di sicurezza centrato sull'uomo, ma l'integrazione diretta richiede un potente calcolo basato su edge per la massima autonomia del sistema e inferenza in tempo reale.
Come la visione AI al bordo migliora la sorveglianza
L'analisi video AI offre due approcci principali: elaborazione basata su edge ed elaborazione nel cloud. Mentre quest'ultima può utilizzare abbondanti risorse di calcolo per eseguire l'analisi più avanzata disponibile, presenta svantaggi che possono compromettere le operazioni di sicurezza.
Lo svantaggio principale è la latenza, il tempo tra la cattura del video e le decisioni risultanti. Tradizionalmente, la latenza si riferisce al tempo necessario affinché i dati video vengano inviati al cloud, analizzati e poi restituiti per l'inferenza AI o un flusso combinato. Dati i volumi di dati per video ad alta definizione, ciò rende l'elaborazione video basata su cloud poco saggia per ottenere prestazioni in tempo reale prevedibili, essenziali nelle applicazioni di sicurezza poiché massimizzano la finestra di risposta per gli operatori. Il problema si espande significativamente con il numero di telecamere e applicazioni che richiedono la correlazione incrociata degli eventi su più flussi.
L'elaborazione basata su edge risolve questo problema poiché l'inferenza AI viene eseguita vicino alla fonte per una latenza minima. L'elaborazione locale, basata su edge, non è influenzata dall'affidabilità della rete esterna o dalla coda di lavoro nei data center di terze parti. Le reti di sicurezza chiuse e localizzate migliorano l'affidabilità complessiva del sistema e riducono il rischio di hacking. Mantenere tutti i dati video all'interno di una rete locale può eliminare i costi di trasferimento dati in corso e dei servizi basati su cloud, rendendo l'inferenza basata su edge attraente per gli integratori di sistemi AI.
Nonostante le limitazioni di risorse dell'hardware edge, molti modelli di visione AI sofisticati sono prontamente disponibili per il dispiegamento. Esempi di carichi di lavoro per applicazioni di sicurezza includono:
- Riconoscimento facciale facilita l'ingresso del personale autorizzato in aree riservate o segnala persone non riconosciute.
- Re-identificazione (Re-ID) traccia individui attraverso immagini diverse e flussi di telecamere separati in modo che le parti sospette non vadano perse tra le folle o su lunghe distanze.
- Rilevamento oggetti informa gli operatori di potenziali minacce segnalando oggetti come armi, oggetti rubati o giubbotti ad alta visibilità (un travestimento che consente azioni senza essere messe in discussione).
- Tracciamento dei movimenti del corpo esamina i gesti di una persona per segnalare comportamenti aggressivi o sospetti, come uno che si concentra sulle telecamere di sicurezza.
Un approccio basato su CoM per l'integrazione dell'AI
Quando si considerano le piattaforme edge per la visione AI, il SOM-COMe-BT6-RK3588 computer-on-module (CoM) è una soluzione innovativa. A differenza della maggior parte dei moduli COM Express, che tipicamente presentano architetture x86, il SOM-COMe-BT6-RK3588 combina un sistema su chip (SoC) di elaborazione multi-core Rockchip RK3588 basato su Arm con un'unità di elaborazione dell'intelligenza artificiale (AIPU) Axelera AI Metis separata per abilitare la visione AI avanzata all'interno del ristretto involucro di potenza definito dallo standard aperto COM Express.
Gran parte della capacità di elaborazione AI del modulo è dovuta al Metis AIPU, un circuito integrato dedicato che offre un'efficienza energetica di circa 15 TOPS per watt per un massimo di 120 TOPS di prestazioni AI come parte della piattaforma completa SOM-COMe-BT6-RK3588. Questo supporta l'inferenza video basata su edge su più flussi di telecamere per un rilevamento completo delle minacce in tempo reale.
Queste architetture di elaborazione sono supportate da fino a 32 GB di memoria per la CPU e 2 GB dedicati per l'AIPU, fornendo ampie risorse per la gestione dei dati video durante l'analisi AI. Le interfacce chiave delle telecamere includono due connettori MIPI-CSI a 2 corsie e diverse porte USB, con una singola porta Ethernet per l'interfacciamento con le reti di sicurezza locali.
Integrando il calcolo edge tramite un CoM commerciale off-the-shelf (COTS) a standard aperto, gli sviluppatori ottengono anche i vantaggi di uno sviluppo accelerato, supporto a lungo termine senza vincoli del fornitore e integrazione flessibile e compatta tramite una scheda carrier. Una volta progettata, questa carrier può quindi servire più generazioni di prodotti per un tempo di immissione sul mercato più rapido man mano che le applicazioni di sicurezza evolvono.
Implementazione della visione AI in tempo reale con Metis
L'Axelera AI Voyager SDK offre uno stack software integrato end-to-end facile da usare che semplifica il dispiegamento dei modelli di visione AI sul Metis AIPU. Che si utilizzino modelli proprietari o framework di sviluppo popolari come YOLO e ResNet, Voyager SDK compila e ottimizza automaticamente le pipeline AI per una configurazione più semplice dell'inferenza in tempo reale. Per ulteriori informazioni, consulta il repository GitHub di Axelera AI Voyager SDK.
Per completare l'ecosistema software del SOM-COMe-BT6-RK3588, il Clea OS di SECO presenta una piattaforma flessibile basata su Yocto che gli ingegneri possono personalizzare per soddisfare le specifiche esigenze delle applicazioni di sicurezza abilitate all'AI. La sua natura modulare accelera lo sviluppo a basso livello e semplifica l'accesso ai numerosi core di elaborazione a bordo del SOM-COMe-BT6-RK3588, sia che il CoM sia integrato in una singola telecamera per l'inferenza endpoint o supporti diverse telecamere vicine prima di trasmettere i flussi analizzati alla stazione di sicurezza principale.
Un futuro semplificato per le telecamere di sicurezza guidate dall'AI
Molte aziende e servizi pubblici sembrano ridurre la sicurezza per ridurre le spese. La visione AI può svolgere un ruolo vitale nel potenziare l'efficacia di team più piccoli e risolvere problemi come la fatica dell'operatore. Il SOM-COMe-BT6-RK3588 offre una soluzione conveniente per portare l'inferenza avanzata ed efficiente dal punto di vista energetico ai sistemi di telecamere di sicurezza locali, ottenuta attraverso una combinazione altamente integrata che include il Metis AIPU, Voyager SDK e Clea OS.
Mentre le applicazioni di sicurezza presentano un forte caso per assistere gli operatori con telecamere abilitate all'AI, queste soluzioni sono anche adatte per l'automazione industriale e ambienti attenti alla salute e sicurezza. Qui, il riconoscimento facciale, il Re-ID, il rilevamento degli oggetti e il tracciamento dei movimenti del corpo possono garantire che i lavoratori siano adeguatamente protetti e rimangano idonei a utilizzare le attrezzature per le quali sono qualificati.
Scopri di più sulle piattaforme di calcolo edge e CoM di SECO su seco.com e scopri come la visione AI può essere utilizzata sull'SECO App Hub.