2018年4月12日，由北京千方科技股份有限公司承辦的“中國(guó)人工智能+交通發(fā)展論壇”在北京隆重召開。浙江宇視科技有限公司首席架構(gòu)師姚華作《交通+AI的探索與實(shí)踐》主題演講。

以下文字整理自現(xiàn)場(chǎng)實(shí)錄。

今天我主要講講AI和交通，作為設(shè)備廠商在落地過程中的一些探索和實(shí)踐。

AI對(duì)安防、交通以及視頻分析帶來了非常大的變革。AI的出現(xiàn)，讓安防IT技術(shù)從2.0升級(jí)到3.0版，從看得清、看得廣，到看得快，看得懂，基于AI的智能分析讓識(shí)別更快，大數(shù)據(jù)應(yīng)用讓我們看得懂。未來視頻應(yīng)用會(huì)越分越細(xì)，現(xiàn)在普遍采用1080P/30幀，交通監(jiān)控設(shè)備已經(jīng)朝1080P/60幀發(fā)展，效果會(huì)更好，發(fā)展非?？臁I對(duì)視頻監(jiān)控行業(yè)的促進(jìn)是非常深遠(yuǎn)的。

機(jī)器視覺SMV戰(zhàn)略

宇視科技在2016年提出了安防的機(jī)器視覺戰(zhàn)略SMV(Security Machine Vision)，涵蓋產(chǎn)品、算力、架構(gòu)和算法幾個(gè)維度。我們最早在2005年把IT和SMV放到監(jiān)控里，2008年提出云監(jiān)控、易安防，之后是安防IT化。宇視科技一直以系統(tǒng)觀的角度解決安防和交通的痛點(diǎn)問題，所以在產(chǎn)品方面也有一些突破。

在AI的系統(tǒng)觀上，我們認(rèn)為不僅僅是算法算力的提升，對(duì)整個(gè)行業(yè)和系統(tǒng)來說都是提升。如圖所示，從前端的采集到傳輸中，到存儲(chǔ)，到圖像的視頻分析、大數(shù)據(jù)的研判，大數(shù)據(jù)的控制要求，都會(huì)帶來變化。在五年前，車輛大數(shù)據(jù)分析比較流行，到現(xiàn)在匯集百億數(shù)據(jù)時(shí)，突然發(fā)現(xiàn)原有數(shù)據(jù)處理架構(gòu)已經(jīng)不行了，到AI時(shí)代，各種各樣的數(shù)據(jù)混合在一起，原有架構(gòu)不行了，就推倒重來。后來就升級(jí)到SMV2.0，在業(yè)務(wù)落地的時(shí)候有很多需要我們解決的具體問題。

算力策略

算力是依靠超強(qiáng)的芯片能力。現(xiàn)在智能芯片有很多，其實(shí)芯片一直在發(fā)展，有兩個(gè)方向，一個(gè)是通用的，還有一個(gè)是把某種算法精準(zhǔn)固化以后變成SOC的芯片，算法的迭代速度也非常快。我想說的是，從我們近幾年的工作實(shí)踐中看，其實(shí)GPU以及實(shí)際業(yè)務(wù)中某種智能交通的算法，都在飛快的迭代。所以說在芯片中的算法，有很多種變量。舉個(gè)例子，有兩個(gè)方向的GPU，不同的廠家都會(huì)選出相對(duì)比較適合的，比如算力小一些，但是功耗也小一些，放在前端更適合一些。對(duì)算力來說，作為AI的核心其變化在這個(gè)時(shí)代會(huì)非?？?。對(duì)我們來說，唯一的選擇是緊跟用戶，給芯片廠商提一些要求，跟一些獨(dú)角獸CV芯片企業(yè)合作，每個(gè)芯片其算法適配的工作量非常大。

算法

大家都在談算法，其實(shí)目前的算法框架開源的，入門門檻非常低。2015年底，谷歌開源了內(nèi)部使用的深度學(xué)習(xí)框架TensorFlow，2016年底，宇視全面掌握CNN深度學(xué)習(xí)算法?，F(xiàn)在各主流廠家數(shù)據(jù)量趨于相等，我們掌握算法以后，大家就跑到各種各樣的論壇刷記錄，各個(gè)安防廠家都在刷，這個(gè)季度你上榜，下一個(gè)季度我上榜。其實(shí)刷分不代表把算法能變成產(chǎn)品，最重要的事情是把算法變成產(chǎn)品落地，怎么提升效率，對(duì)每個(gè)廠家來說都是最重要的。宇視的算法樣本庫(kù)的標(biāo)定庫(kù)，每月的電費(fèi)將近30萬，以百萬級(jí)的車輛數(shù)據(jù)去做運(yùn)算，就是要把各種樣本數(shù)據(jù)進(jìn)行計(jì)算，把優(yōu)化的過程放到我們產(chǎn)品上。所以在算法的門檻較低的情況下，對(duì)于廠商來說，你的樣本和樣本的計(jì)算能力都是要考慮的。

需要強(qiáng)調(diào)的是，不僅要有算法算力以及數(shù)據(jù)樣本，還要實(shí)現(xiàn)架構(gòu)跟產(chǎn)品之間的平衡。AI應(yīng)用，如何做優(yōu)化業(yè)務(wù)需求以及計(jì)算平臺(tái)和算法。目前產(chǎn)品應(yīng)用中，有兩條路，第一個(gè)就是前端的，A算法在B算法的前端， C算法在D智能的后端，E智能業(yè)務(wù)，這是很多的甲方用戶希望實(shí)現(xiàn)的。但是目前的情況是，每一個(gè)前端后端業(yè)務(wù)之間的接口都是廠商私有的接口。另外一個(gè)就是單廠商的基礎(chǔ)方案，A算法，A前端。A算法和A智能后端，N智能業(yè)務(wù)，這是現(xiàn)階段的行業(yè)情況。對(duì)大數(shù)據(jù)大IT來講，應(yīng)該是要開放，所有的東西都應(yīng)是通用的。AI目前還是處在百花齊放的狀態(tài)，各個(gè)廠商為了體現(xiàn)芯片的算法優(yōu)勢(shì)，對(duì)硬件的反應(yīng)力都比較長(zhǎng)，這也是目前的常態(tài)。

SMV架構(gòu) 

從行業(yè)應(yīng)用的角度來說，還是要看架構(gòu)支撐和產(chǎn)品支撐，最終給用戶的體現(xiàn)表達(dá)是誰最好。據(jù)此，宇視提出了自己架構(gòu)，在智能交通方面，前端的智能攝像機(jī)，智能卡口電警構(gòu)成了一個(gè)物聯(lián)化的智能化基礎(chǔ)設(shè)施層。中間層是一個(gè)大布局，提供聯(lián)網(wǎng)共享接入服務(wù)和運(yùn)維安全管控服務(wù)，包括時(shí)空地圖引擎、視圖智能分析引擎、時(shí)空大數(shù)據(jù)引擎、視圖云存儲(chǔ)云分析引擎等，融合數(shù)據(jù)資源池、融合存儲(chǔ)資源池以及離線存儲(chǔ)資源池等，作為平臺(tái)服務(wù)的層。通過中間架構(gòu)對(duì)外提供業(yè)務(wù)，我們稱之為可視化業(yè)務(wù)呈現(xiàn)，為公共安全、公安交通、大安防等提供服務(wù)。

宇視科技AI產(chǎn)品

根據(jù)這個(gè)架構(gòu)，宇視推出了一些相關(guān)的智能產(chǎn)品，AI整體解決方案代號(hào)‘關(guān)山’第二代視圖數(shù)據(jù)中心一體機(jī)“昆侖”、超融合視圖云存儲(chǔ)“秦嶺”、視頻安全智能準(zhǔn)入設(shè)備“燕山”、智能交通抓拍單元“天目”、深度智能攝像機(jī)“函谷”、人臉識(shí)別速通門“潼關(guān)”等，也都是基于AI的場(chǎng)景應(yīng)用。

介紹下“函谷”深度學(xué)習(xí)智能攝像機(jī)，采用深度卷積加神經(jīng)網(wǎng)絡(luò)算法。在西北地區(qū)的高速公路設(shè)備用太陽(yáng)能供電，GPU芯片，兩個(gè)主要業(yè)務(wù)，一是人臉識(shí)別，可同時(shí)實(shí)現(xiàn)40個(gè)人的人臉檢測(cè)，最近已經(jīng)優(yōu)化到60人；二是道路交通監(jiān)控視頻的結(jié)構(gòu)化，實(shí)現(xiàn)機(jī)、非、人分離。也就是說加個(gè)2W功耗的GPU芯片的交通攝像機(jī)，就能判斷識(shí)別路面上的非機(jī)動(dòng)車和行人，比如高速公路上違法下客。

加入新一代算法+GPU后，我們對(duì)道路交通的分析要更加準(zhǔn)確和深入。包括非機(jī)動(dòng)車和行人識(shí)別，以及車牌、車身顏色、車型、車標(biāo)識(shí)別等。

介紹視圖數(shù)據(jù)中心一體機(jī)“昆侖”，為什么要設(shè)計(jì)這款產(chǎn)品？昆侖帶通用計(jì)算板卡，智能計(jì)算板卡，大數(shù)據(jù)板卡，從而實(shí)現(xiàn)智能結(jié)構(gòu)化分析和大數(shù)據(jù)處理。單機(jī)如果插滿智能計(jì)算板卡的話，可實(shí)現(xiàn)最高640路視頻的人臉對(duì)比，還可以做到最高80路視頻的人、車、非機(jī)動(dòng)車活動(dòng)目標(biāo)提取。此外，可實(shí)現(xiàn)IAM集群調(diào)度，充分利用GPU芯片計(jì)算能力，任何一個(gè)GPU芯片發(fā)生故障都能自動(dòng)切換。此外，任一同類型的板卡故障也可以自動(dòng)檢測(cè)，為什么要這么做？為什么不用優(yōu)化方案？因?yàn)楝F(xiàn)在AI的算法沒有辦法像以前X86的平臺(tái)用虛擬化的手段，把所有的設(shè)備虛擬化，AI算法跑的時(shí)候基于GPU的內(nèi)核，中間層是跑不了的，你要大規(guī)模上數(shù)據(jù)的時(shí)候，原來的虛擬化方案是實(shí)現(xiàn)不了的。雖說有廠商在做這樣的方案，但目前還沒有看到比較好的虛擬化方案。現(xiàn)在主要的方法就是做技術(shù)標(biāo)準(zhǔn)，因此要考慮到三級(jí)的故障，在設(shè)計(jì)當(dāng)中要把所有能想到的因素放到實(shí)際應(yīng)用中考慮。

另外，現(xiàn)在的AI智能分析目前還做不到一個(gè)芯片同時(shí)能跑多種任務(wù)，這也是AI的現(xiàn)實(shí)。能不能一下子都統(tǒng)計(jì)出來？這個(gè)做不到。因?yàn)橥鵊PU加載任務(wù)的時(shí)候只能加載一種，要么車，要么人臉。正因?yàn)檫@種現(xiàn)實(shí)，就要更好的優(yōu)化分析系統(tǒng)設(shè)計(jì)。算法和算力非常昂貴，能不能充分的應(yīng)用這些工具做計(jì)算資源的調(diào)度。舉個(gè)例子，早晚高峰的道路交通管理，重大活動(dòng)交通保障，需要對(duì)路面的調(diào)度分析時(shí)，能不能做到算力資源的自由調(diào)度？

所以我們做了一個(gè)集群調(diào)度。不同的人數(shù)統(tǒng)計(jì)板卡和不同視頻結(jié)構(gòu)化板卡中，做忙碌和空閑間的不同調(diào)度，保證在不同峰值的狀態(tài)下，保證系統(tǒng)工作的目標(biāo)，均衡算力的目標(biāo)。這是業(yè)界首創(chuàng)的基于芯片級(jí)的標(biāo)準(zhǔn)化以及故障切換。

看一下應(yīng)用，在城市的高架道路上，車多，車速比較快，因?yàn)榻嵌汝P(guān)系沒有辦法捕捉到車牌，車輛的各種信息變化非常多。傳統(tǒng)算法只能分析大小車，但是隨著AI技術(shù)的發(fā)展和硬件系統(tǒng)的調(diào)度應(yīng)用，可以獲得了更多的信息，而這些信息可以給智能交通管理帶來更多研判維度，提高效率。

今天我的演講就到這里，謝謝大家。

－END－