边缘计算与深度学习技术助力深度神经网络摄像机和AI监控摄像头

2019-02-22 13:22:41 59

       在2018年,深度学习分析几乎都是在服务器或云上处理的,而不是在边缘侧。基于边缘计算的优势,可以推断2019年将是ASIC芯片发展的重要年份。

北方图锐,智能门铃方案|智能猫眼方案|可视门铃方案|门铃电路板|猫眼设计|智能门铃|可视门铃|智能猫眼|家用门铃方案|智能可视门铃方案|猫眼电路板

       NVIDIA提供的Jetson嵌入式计算平台,允许基于边缘进行运算。然而,Jetson平台属于通用的GPU,并不是专门为视频监控设计的。Intel的MyriadXVPU是Movidius公司的第三代VPU,它的特点是神经计算引擎——一个用于深度神经网络推理的专用硬件加速器。深度学习分析也被专门部署在云上,只需添加一个网关边缘的设备,便可使用视频分析即服务(VAaaS)解决方案。

       在2016年深度学习摄像机推出时,市面上仅有少数的AI芯片可供选择,但它们高昂的价格与高功耗的局限性,也意味着这些摄像机的产品的应用受限。IHSMarkit预计,未来几年,专为网络摄像头设计的SOCs将能够支持在摄像机上运行深度学习分析所需的基本处理功能,而不需要额外的处理能力。ASICSOCs将有利于面向价格敏感的大众市场,并实现大规模生产。据了解,具有更低功耗和更紧凑的设计的ASICSOCs正在开发中,老牌半导体巨头和小型初创企业都在开发用于深度学习摄像机的ASIC芯片,这正加剧了该领域的竞争。

       目前。安霸与海思都在开发用于网络摄像头的ASICSOCs。安霸已经发布了CV2SSOC,然而对于大众市场的视频监控需求而言,这类芯片组目前价格过高,且功能溢出,因此它们更可能更适用于自动驾驶。据悉安霸目前正在研发CV22S,包括提供深度学习分析所需的DNN(深度神经网络)处理的CVFlow架构,将在2019年年初发布。与安霸类似,海思正在开发带有CNN加速器的Hi3559ASOC,用于处理深度学习分析,除此之外高通也将发布QCS605。

       IHSMarkit预计,到2022年,全球50%的网络摄像头将配备深度学习加速器,最高可提供0.5至2DLTOPS。换言之摄像机将支持基本的物体检测和分类,此外深度学习加速器也不会给SOC的价格增加过多成本。预计在未来几年内,边缘到核心处理的发展将变得更加普遍。这些更强大的边缘设备将灵活分配所需的工作负载,但是边缘设备也不会完全取代服务器或云端的功能,相互补充将是未来的趋势。