这些AI摄像头将具有深度学习功能,在诸如智能交通管理、行人流量监控和管理、城市安全以及预防性威胁检测等场景中发挥作用。
“全球越来越多的地方政府积极寻求使用AI,这促使了采用具有边缘AI芯片智能相机的热潮。”ABI人工智能与机器学习首席分析师Lian Jye Su表示:“除了低延迟之外,数据隐私问题也推动了边缘AI的发展,因为数据可以在边缘处理而无需将其发送到云。Ambarella、海思、Intel、NVIDIA、高通和赛灵思是智慧城市领域中一些关键的AI芯片供应商。能够提供始终在线机器视觉的TinyML供应商越来越希望能在电池供电的摄像头、激光雷达、红外和其他传感器实现始终在线机器视觉方面发挥关键作用。”
目前,这些工作负载中的大多数工作是由商汤、Ipsotek、icentana和SentryAI等视频分析供应商提供,托管在云中的深度学习模型执行,或者由智能相机和网络录像机,如海康威视和大华提供的深度学习推理来执行,两个提供商的方法都有各自的优点和缺点。
有两种技术都可能会进一步促进基于深度学习的机器视觉的部署。第一个是边缘计算。这使得可以在网关和本地服务器上托管深度学习模型,而不是在智能摄像头上部署特定的深度学习模型,省去在传统摄像头上花费数倍的费用,并且可以提供比依赖云基础架构更快的响应时间。
第二个技术是5G。虽然到2023年网络切片还不能商业化,但5G的网络切片能力允许通信服务提供商提供专用网络资源来承载微服务,99.9999%的可靠性服务保证设备的无缝连接以及在智能城市中支持基深度学习的机器视觉。
Su认为,“向边缘计算的转变打开了新的市场机遇,特别是对于AI芯片初创公司来说,这些公司更关注网关和标准服务器的处理,如Blaize、Hailo和Kneron公司。”
尽管如此,仍然存在很大的阻力。在公共场所安装AI摄像头的做法面临着公众信任和法规方面的巨大挑战。世界各地的人权倡导者都警惕技术滥用,并一直在反对采用面部识别技术。在美国议会甚至禁止使用面部识别。作为基于深度学习的机器视觉技术的主要市场之一,中国一直在严格审查其在全国范围内推出的面部识别技术,以维护国家安全和公共秩序。
“信任是公共安全的关键组成部分。ABI Research鼓励开发人员、供应商、主管部门和公众持续不断的对话,并引入通用技术平台以提高透明度,以及可以减少偏差的AI伦理和治理框架。展望未来,在智慧城市中成功的技术供应商将是那些能够展示透明且可解释的深度学习模型的供应商,以及那些愿意接受开放和通用标准及道德约束的供应商。”Su表示。
这些发现来自ABI Research的《基于智慧城市的基于深度学习的机器视觉》 (Deep Learning-Based Machine Vision in Smart Cities)应用分析报告。
来源:雷锋网