Как устроены камеры с искусственным интеллектом

В каждой умной камере есть встроенная видеоаналитика, сегодня чаще всего здесь используются нейросети глубокого обучения или искусственный интеллект. Это стало возможным благодаря увеличению мощности процессоров видеокамер, раньше видеоаналитика могла существовать только на серверах.

Первостепенным элементом в умной камере сегодня является матрица (сенсор) и процессор. Хорошая матрица позволяет получать высококачественное видео в условиях недостаточного освещения или помех освещения, обеспечивая необходимое для дальнейшего анализа качество изображения.

Процессоры умных камер

Современный процессор должен иметь возможность запускать нейросетевую видеоаналитику. В сравнении с обычными процессоры умных камер чаще всего имеют улучшенный графический (GPU, Graphics Processing Unit) чипсет, который дает больше вычислительной мощности для алгоритмов, потребляя при этом меньше энергии и выделяя меньше тепла.

Стоит отметить, что со стремительным развитием искусственного интеллекта начинают появляться специализированные чипсеты, приходящие на смену привычным CPU (Central Processing Unit) и GPU. Среди них NPU (Neral Processing Unit) или TPU (Tensor Processing Unit). Расчетные мощности нейросетей требуют от процессоров значительных ресурсов. До сегодняшнего времени пользователи выбирали, на каком типе процессоров производить расчеты, графическом (GPU) или центральном (CPU). При этом GPU более подходит под требования нейросетевых вычислений, а значит выполняет их более эффективно. В настоящее время производители процессоров, комбинируя преимущества CPU и GPU в одной микросхеме, выпускают специализированные гибридные чипы, узко направленные на нейросетевые вычисления или работу с "морем" множителей, потребляющие при этом меньше энергии. Стоимость таких решений еще достаточно высока, но постепенно снижается.

Микросхемы SoC

В большинстве современных камер имеется несколько микросхем SoC (System-on-a-Chip), на которых располагается прошивка камеры и операционная система. При этом на многих камерах SoC позволяют проводить интеграции с модулями видеоаналитики, в том числе сторонних производителей, как это обычно и бывает. Вендоры железа не всегда выступают разработчиками встроенных в камеру алгоритмов. Интеграция с модулем видеоаналитики и делает камеру умной, хотя случается, что некоторые производители выносят блок вычислений в отдельное устройство, напрямую соединенное с камерой.

Признаки искусственного интеллекта в камерах

Чем больше умных камер появляется на рынке, тем сложнее найти между ними различия. При этом каждый производитель, безусловно, хочет представить свои продукты в наилучшем свете.

Один из способов различать камеры с искусственным интеллектом (ИИ) – по точности и производительности встроенных алгоритмов. Эти параметры напрямую зависят от датасета, на котором была обучен алгоритм, длительности и качества обучения. Обучение нейросети – сложный и длительный процесс, в котором много подводных камней, поэтому точность может являться хорошим критерием для оценки работы камеры и напрямую соотносится с объемом вложений производителя в обучение нейросети.

Множество камер имеют узкую направленность по функционалу или сфере использования (ритейл, склады, медицина, образование, транспорт и пр.), различаются как по алгоритмам встроенной видеоаналитики, так и наличием дополнительных сервисов (облачных или интеграторских). Эксперты рекомендуют прежде всего обращать внимание на узкоспециализированные ИИ-решения, которые на сегодняшний день показывают большую технологическую зрелость в сравнении с решениями "все в одном".

По материалам www.asmag.com

Опубликовано в журнале "Системы безопасности" №5/2019

Больше материалов по теме "Нейронные сети" >>>