跳到主要内容
SECO
  • AI
  • Industries
  • Edge Computing

面向安防的 AI:120 TOPS 算力实现实时视频分析

SECO SOM-COMe-BT6-RK3588 模块是一个强大的嵌入式计算平台,可在边缘实现实时机器视觉,通过内置的 AI 推理提升威胁检测能力并减轻人工操作人员的负担,从而大幅提高安防摄像系统的可靠性。

面向安防的 AI 实时视频分析

摄像头监控站是现代生活的重要组成部分,服务于从办公楼到医院、银行和博物馆的各类场所。在这些监控站中,安保操作人员扫视多路视频画面以发现异常,并在威胁出现时迅速前去调查。但无论屏幕上挤满人群,还是整个班次都空无一人,持续的高度警觉都可能导致操作人员疲劳,精神和身体上的疲惫会影响工作成效。

例如,反复出现的误报可能导致对警报脱敏,使真正的威胁被忽视。同样,单调乏味会引起注意力不集中,使最初的可疑活动被完全漏掉。而当这些活动发展成真正的威胁时,人手有限的安保团队可能为时已晚,难以追赶,尤其是在大型建筑或繁忙的场所中。

为减轻认知负担,人工智能视觉(AI 视觉)可以自动在多路视频画面中实时突出显示正在发生的和潜在的威胁。AI 视觉起到倍增作用,在平静时帮助操作人员聚焦于相关区域,或在更繁忙的班次中确定工作优先级。将 AI 与摄像系统相结合,解决了一个以人为中心的紧迫安防问题,但直接集成需要强大的基于边缘的计算,以实现最大的系统自主性和实时推理。

边缘 AI 视觉如何改善监控

AI 视频分析有两种主要方法:基于边缘的处理和云端处理。虽然后者可以利用丰富的计算资源执行最先进的分析,但它也存在一些缺点,可能影响安防运营。

主要缺点是延迟,即从视频采集到得出决策之间的时间。传统上,延迟指的是视频数据发送到云端、经分析,再返回以进行 AI 推理或合成画面所需的时间。鉴于高清视频的数据量,这使得基于云的视频处理不宜用于实现可预测的实时性能,而实时性能在安防应用中至关重要,因为它能最大限度地延长操作人员的响应窗口。随着摄像头数量以及需要跨多路画面对事件进行交叉关联的应用增多,这个问题会显著扩大。

基于边缘的处理解决了这一问题,因为 AI 推理在靠近源头的位置完成,延迟极低。本地的、基于边缘的处理不受外部网络可靠性或第三方数据中心作业排队的影响。封闭的本地化安防网络可提高整体系统可靠性并降低被黑客攻击的风险。将所有视频数据保留在本地网络内,可以消除持续的数据传输和云服务费用,使基于边缘的推理对 AI 系统集成商具有吸引力。

尽管边缘硬件存在资源限制,许多复杂的 AI 视觉模型仍可随时部署。安防应用的示例工作负载包括:

  • 人脸识别可协助获批人员进入受限区域,或标记未识别的人员。
  • 重识别(Re-ID)可在不同图像和不同摄像头画面中跟踪个人,使可疑人员不会在人群中或远距离上被跟丢。
  • 物体检测通过标记武器、被盗物品或高可见度背心(一种可使行动不受盘问的伪装)等物品,向操作人员告知潜在威胁。
  • 身体动作跟踪通过检查人的手势来标记攻击性或可疑行为,例如盯着安防摄像头看的人。

基于 CoM 的集成 AI 方法

在考虑用于 AI 视觉的边缘平台时,SOM-COMe-BT6-RK3588 Computer-on-Module(CoM)是一种创新的解决方案。与大多数通常采用 x86 架构的 COM Express 模块不同,SOM-COMe-BT6-RK3588 将基于 Arm 的 Rockchip RK3588 多核片上系统(SoC)与独立的 Axelera AI Metis 人工智能处理单元(AIPU)结合在一起,在 COM Express 开放标准所定义的狭窄功耗范围内实现先进的 AI 视觉。

该模块的大部分 AI 处理能力来自 Metis AIPU,这是一款专用集成电路,能效约为每瓦 15 TOPS,作为完整 SOM-COMe-BT6-RK3588 平台的一部分,AI 性能最高可达 120 TOPS。这支持在多路摄像头画面上进行基于边缘的视频推理,以实现全面的实时威胁检测。

这些处理架构由最高 32 GB 的 CPU 内存和专用的 2 GB AIPU 内存提供支持,为 AI 分析期间的视频数据管理提供充足的资源。主要的摄像头接口包括两个 MIPI-CSI 2 通道连接器和多个 USB 端口,以及一个用于连接本地安防网络的以太网端口。

通过基于开放标准的商用现货(COTS)CoM 集成 Edge 计算,开发人员还可获得加快开发、无厂商锁定的长期供货支持,以及通过载板实现灵活、紧凑集成的益处。载板一旦设计完成,便可随着安防应用的演进服务于多代产品,加快上市时间。

借助 Metis 实现实时 AI 视觉

Axelera AI Voyager SDK 提供了对用户友好的端到端集成软件栈,简化了 AI 视觉模型在 Metis AIPU 上的部署。无论使用专有模型,还是 YOLO 和 ResNet 等流行的开发框架,Voyager SDK 都会自动编译并优化 AI 流水线,以便更轻松地设置实时推理。如需了解更多信息,请查看 Axelera AI Voyager SDK GitHub 仓库。

为完善 SOM-COMe-BT6-RK3588 的软件生态系统,SECO 的 Clea OS 提供了灵活的、基于 Yocto 的平台,工程师可以对其进行定制,以满足 AI 安防应用的特定需求。其模块化特性加快了底层开发,并简化了对 SOM-COMe-BT6-RK3588 众多板载处理内核的访问,无论该 CoM 是集成到单个摄像头中进行终端推理,还是在将分析后的画面转发到主安防站之前支持附近的多个摄像头。

AI 驱动的安防摄像头的精简未来

许多公司和公共服务部门似乎正在缩减安保规模以减少开支。AI 视觉可以在提升小型团队的工作成效和解决操作人员疲劳等问题上发挥重要作用。SOM-COMe-BT6-RK3588 通过包括 Metis AIPU、Voyager SDK 和 Clea OS 在内的高度集成组合,提供了一种具有成本效益的解决方案,可为本地安防摄像系统带来先进、节能的推理。

虽然安防应用为借助 AI 摄像头协助操作人员提供了有力的理由,但这些解决方案同样非常适合工厂自动化和注重健康与安全的场所。在这里,人脸识别、Re-ID、物体检测和身体动作跟踪可以确保工人得到妥善保护,并保持适合操作其具备资质的设备的状态。

请访问 seco.com 了解 SECO 的 Edge 计算和 CoM 平台的更多信息,并在 SECO App Hub 上了解如何使用 AI 视觉。

SOM-COMe-BT6-RK3588

本文推荐

SOM-COMe-BT6-RK3588

基于Rockchip RK3588 SoC并搭配Axelera AI的 Metis AIPU的COM Express® type 6模块。

  • COM Express®
  • Rockchip RK3588

订阅 SECO 新闻通讯。

在 seco.com 上用您的电子邮件地址订阅。

订阅