Skip to main content

环卫车如何让智能城市更安全

智能城市, 网络视频录像机 (NVR), 人工智能技术

你有没有想过像环卫车一样平平无奇的东西能成为智能城市发展的中心?台北市的官员肯定想过。

为了监控可疑活动,抑制繁忙市区的闲荡现象,提高整体公共安全,台北在市政环卫车上安装了 128 台摄像机。视觉系统使用地理围栏和行人检测技术识别进入特定区域的人,然后向操作人员提供通过 Web 界面远程监控视频的功能(图 1)。

台北市环卫车配备 NVR 和 IP 摄像机,可以远程监控地理围栏区域。(来源:EverFocus)
图 1. 台北市环卫车配备 NVR 和 IP 摄像机,可以远程监控地理围栏区域。(来源:EverFocus

当然,这个使用案例并不是只在城市车辆上安装摄像机那么简单。为了尽量缩减成本, 视觉系统必须能在本地存储感兴趣的片段,而不是通过蜂窝网络对大型视频文件进行流传输。同时,系统需要向官员通知正在发生的事件, 以便他们对需要注意的情况作出快速反应。

最后,解决方案必须有充足性能来完成以下功能:

  • 同时处理多个视频
  • 提供足够的吞吐量,以满足移动视频监控所需的帧率
  • 高精度执行物体检测和识别算法

移动 NVR,对于卡车足够坚固耐用

为了满足这些要求,台北市与 EverFocus Electronics 进行了合作。解决方案以 eIVP5600 为中心,这是一款搭载人工智能技术的无风扇移动网络录像机 (NVR),如图 2 所示。

EverFocus eIVP5600 是搭载人工智能技术的无风扇移动 NVR 解决方案。(来源:EverFocus)
图 2. EverFocus eIVP5600 是搭载人工智能技术的无风扇移动 NVR 解决方案。(来源:EverFocus

eIVP5600 是基于第七代智能英特尔® 酷睿 处理器技术和英特尔® Movidius Myriad​​​​​​™​​​​​​ X 视觉处理单元 (VPU) 的耐候 NVR。它支持 4 通道 IP 摄像机和高达 1 TB 的存储器,足够存储约两星期的录像。无风扇系统设计为 MIL-STD-810G,可以轻松承受在车辆环境中遇到的冲击和振动。

性能对于台北环卫车监控计划的成功至关重要。对多个视频源执行物体检测和识别功能需要实时处理大量的帧。而且,应用的移动性意味着必须以可变帧率捕获视频,以向推断引擎提供精确的输入数据。

为了改进帧的捕获和推断的执行,EverFocus 工程师使用英特尔® OpenVINO 工具套件优化了现有 OpenCV 模块(图 3)。该 工具套件为人工智能开发提供了统一框架,包括 OpenCV 等深度学习库,通过这种优化,其推断算法的精确度从 65% 提高到 90%。

英特尔® OpenVINO™ 工具套件包括人工智能技术平台,例如 OpenCV、OpenCL 和 OpenVX。(来源:英特尔®)
图 3. 英特尔® OpenVINO 工具套件包括人工智能技术平台,例如 OpenCV、OpenCL 和 OpenVX。(来源:英特尔®

这些算法在 NVR 的超低功耗 Movidius 模块上执行,该模块作为专用神经网络加速器,每秒能进行 1 万亿次浮点运算。

EverFocus 市场部副经理 Paul Lee 说:“OpenCV 模块向 OpenVINO 发送像素,确保将正确的图像数据发送给 Movidius VPU 上运行的推断引擎。”“我们不需要对数据进行训练,因为我们从 OpenVINO 获取训练数据。”

Lee 补充道:“eIVP5600 对 IP 摄像机最多支持八个通道,可以对特定通道上的视频流运行特定人工智能算法。”

除了物体检测和识别之外,eIVP5600 NVR 软件还支持驾驶员疲劳和分心监控、 行人检测和人数统计。

人工智能技术降低网络成本

为了尽量缩减网络成本,搭载 3G/4G/Wi-Fi 的 eIVP5600 仅定期向后端服务器传输元数据,例如车辆位置。但是,当人工智能将视频标记为感兴趣视频时,这段视频会自动上传到服务器,并向操作人员发送警报。操作人员可以使用公共网关接口 (CGI) 命令访问 eIVP6500 平台上存储的视频片段或实时观看直播视频。

为了进一步节省网络传输成本,eIVP6500 可以按照 4K、1080p、CCTV (704 x 480) 或 VGA (640 x 480) 分辨率录制视频。这为用户提供了极大的灵活性,可以在需要时实时观看高分辨率视频,或存储低分辨率副本,供以后观看。

垃圾是智能城市的网关

NVR 以前用于基本录像和回放功能,由于人工智能的应用,已成为成熟的数字安全和监视 (DSS) 系统。在台北市等有远见的城市,它们可以加速向智能城市的转变。

EverFocus eIVP5600 等 NVR 目前正在向人员监控方向发展,智能城市似乎拥有无穷无尽的选择。可以通过加载算法来识别坑洞、破损的路灯以及需要修理或更换的其他基础设施。这些按照正常路线运行、配备视觉系统的环卫车可以标记出基础设施的位置、日期、时间和状态,发布元数据警报,以便派遣工人。这些工人到达现场时,即可参考录制的视频文件对问题进行正确评估。

至少在短期内,与完全重新建设城市基础设施并用无线传感器平台代替的方法相比,这种方法现实得多。

为环卫车联网做好准备。

作者简介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis