AI超微光点亮2020世界人工智能大会

昨天，在2020世界人工智能大会上，科达首席科学家章勇博士发表了《用边缘计算驱动智慧城市公共安全建设》的主题演讲，重点介绍了边缘计算的发展以及AI超微光技术在未来城市公共安全建设中的重要意义。

 

 

在演讲中，章勇表示，公共安全是智慧城市的基石，智能摄像机是保证这块基石生生不息的神经末梢，受限于夜间低照成像技术的发展，这些神经末梢每天有近一半的时间会发生感知障碍。

 

深度学习的兴起，有望采用一种全新的算法，突破传统低照成像技术局限，一举解决上述问题。但是，由于前端摄像机算力有限，阻碍了这个方向的发展。

 

边缘计算的普及，给这个问题带来了新的曙光。近年来，随着公共安全建设规模的扩大，单一的集中处理方式的云计算模型开始遇到越来越多的问题。而边缘计算作为一种接近数据源头处的计算，具备实时低延时计算、本地化数据保护、海量数据处理等诸多优势。因此，边缘计算与云计算一起，构成融合的计算模型，正在成为未来城市公共安全建设的主流方向。

 

AI超微光正是在这样的背景下诞生的。它基于边缘计算赋予摄像机的算力，结合深度学习的算法，在不产生光污染的情况下，很好地解决了智能摄像机夜间成像和识别感知的难题。因此，AI超微光技术在未来智慧城市公共安全建设中将有着举足轻重的意义。

 

科达率先突破并命名了这一技术，并在2019年7月发布了首款产品：AI超微光车辆卡口。在随后多个城市的实地测试中，AI超微光技术以无光污染、低照成像清晰、目标识别率高等优势，远远领先于其他技术流派，获得广泛认可。目前，科达已将该技术应用到多个产品领域，包括车辆卡口、车辆电警、人员卡口、布控球型摄像机等。

 

了解更多干货，详见章勇博士的演讲全文（共3538个字，约需15分钟）。

 

 

【用边缘计算驱动智慧城市公共安全建设】

 

各位晚上好！今天我分享的主题是“用边缘计算驱动智慧城市公共安全建设”。

 

智慧城市这个词近几年频频出现在政府工作报告、学术会议和行业论坛上。正如由总所说，这是一个非常宏大的主题，影响到城市建设方方面面，不同城市、不同领域的人，可能对这个名词的解释也有所不同。

 

我们认为，智慧城市主要是要运用物联网、边缘计算、云计算等新一代的信息技术，实现城市规划和建设的智慧化。这里说到的城市智慧化，最终目的是要创造一个更安全、更舒适、更方便的生活，促进城市和谐、可持续成长。这里面，有两个层面的意思：一个，它体现了一个新时代的信息技术的引领；另外，更为深层次的，就是它有一定的社会含义，体现出我们和信息社会所对应的一种面向服务的、以人为本的协同和创新的理念。刚才Marco Landi先生也说到我们要让世界更美好，对我们来说，这一点上我们是不谋而合的。

 

 

说到以人为本，可以想象，人在社会中最直接或最卑微的一个诉求，就是安全。公共安全是社会中人最为直接的一个需求，也影响城市建设的方方面面。比如社区安全，小区安全，交通安全，平安校园，道路安全。这些都是公共安全的一部分。

 

我们欣喜地看到，这几年发展以后，公共安全建设正逐渐从人工转向自动，从分时段、分区域的防控转到了全天候、无死角的监测，从被动的事后分析转到了事前预警、实时响应。城市公共安全建设，正在发生这三大明显的转变。

 

 

这样的转变，如果还依靠传统的集中式的，把所有信息汇聚到集中节点的处理方式，已经远远不够了。那我们就要引入一些新的建设的范式。这里提到的就是边缘计算。边缘计算的概念，并不是说被边缘化的边缘，而是体现一种从集中式向分布式、从中心化到去中心化、从集中单一式的计算到协同的计算，是相对于云端计算的另外一个概念。

 

边缘计算如何驱动公共安全建设发展？我们看边缘计算的几个最重要的特点：

 

1.它是实时、低延时的计算。这一点非常重要，公共安全中，常常很多事情都是突发的，需要非常快速的响应，如果把信息回传到某个中心节点、再等它传回来，事情可能已经过去了，所以实时、低延时是边缘计算很重要的一个优点。

 

2.可以处理海量数据。边缘设备是数以亿万计的，具有计算能力的边缘设备如果同时进行信息处理，可以处理海量数据，远远优于把大量的数据传输到中心节点，通过拥塞的网络等待网络返回来得更为实时、快速，不会产生由于网络拥塞而引起数据处理瓶颈。

 

3.精确位置感知。有很多公共事件，特别是公共安全事件，跟位置是非常有密切关系的。比如前面嘉宾提到的防疫、对人轨迹的追踪，自动驾驶的导航，这些都要跟边缘侧设备位置发生密切关系。这些边缘侧的信息最好是在边缘侧跟边缘设备其他信息能融合在一起，就地解决，而不是要再回传到中心节点。

 

4.本地化的数据保护。因为公共安全的数据跟每个人密切相关，每个人都不愿意把自己的隐私随意地在网络上分发，那如果信息能就近、就在本地边缘节点上得到处理、消化，就不需要再把这些数据回传到网络其他节点上，从而就避免了信息泄露。前几年，欧洲、北美对数据保护做了非常多的法律法规的建设，这两年我们国家也开始非常重视这方面政策的制定了。边缘计算应该是解决本地化数据保护的一个非常有用的武器。

 

 

边缘计算在公共安全上的主要载体，我们认为是智能摄像机。首先人对外界信息感知，有80%都是来自视觉。比如，现在我面对的是摄像机，这样的直播都是通过视频进行分享。视频是智慧城市中采集数据最为重要的一个数据形式。不同形态的摄像机，也是采集数据主要的来源，上面一排的摄像机是我们在外面经常看到的监控摄像机，下面一排是这些年我们逐渐发展出来的基于移动的、无线的（比如车载的记录仪、门禁、无人机）非常态化的智能摄像机，这些摄像机每天无时无刻不在采集视频数据，视频数据本身又是非常庞大数据量的信息来源。举例来说，一个小时的视频数据，不压缩，可能需要300G，如果压缩，也要一两个G。所以，边缘侧把视频数据就地进行处理，提取出当中非常重要的信息，对我们公共安全起到关键的分析作用的信息。智能摄像机是快速获取视频中有价值信息的最佳工具。

 

 

边缘计算如何赋能智能摄像机？首先，能完成高清图象处理。比如手机像素，现在越来越高了，同样对摄像机来说，分辨率从传统的标清、高清到超高清，摄像机内部需要实现非常强的图像处理，才能实现高清的画质。这一点来说，是边缘计算能给智能摄像机带来的一大好处。第二就是高效的视频压缩，视频数据量是海量的，非常庞大，如果我们用比较先进的边缘计算算法，可以将视频数据轻松压缩100倍甚至200倍，可以大大缩减传输带宽。第三，它能提供高级智能功能。基于深度学习的现代的人工智能算法，在摄像机边缘侧就可以完成，进行自动检测、识别人、车、物，就可以非常有效地浓缩视频里的冗余信息。

 

 

接下来重点介绍一下我们一个创新型的应用，这是我们在边缘侧用边缘计算的方法完成的摄像机的设计，我们称之为AI超微光摄像机。

 

为什么我们要做这样一个摄像机？首先，公共安全，低照成像是核心诉求，治安事件一般发生在夜间；第二，城市中存在众多不便外加光源的低照度环境，比如小区里，加一个很强的灯，马上就会遭到投诉，在医院或监狱里，也不方便添加光源，但这些地方又常常需要用摄像机采集视频图像，看有没有问题。传统摄像机做不到良好的低照成像，因为传感器有灵敏度，感光能力是受限的。所以基于以上的重要问题，我们设计了一个超微光摄像机。这个摄像机的特点，就是基于深度学习AI算法，运用边缘计算，实现低照的增强。

 

 

这是超微光摄像机一个简单的原理。图像传感器把图像采集进来以后，直接对它用一个深度学习网络进行学习，然后有个完美的图像输出，再进行编码压缩。内部的结构非常简单，但对算力要求非常高，所以需要用边缘计算技术来完成。

 

科达公司已经形成了超微光摄像机产品系列族。包括超微光车辆卡口。放在高速出入口或是城市道路的。还有车辆电警，还有人员卡口，在关键道路卡口上对人脸进行分析，经常说在某某演唱会上抓到罪犯，基本就是它的功劳。最后就是超微光布控球，这是非常灵活的便携式的球形摄像机，在某些地方来不及架设固定摄像机的时候，公安人员可以用它快速布设。

 

 

我们看比对，左边的是传统摄像机，需要非常强的补光，采用超微光摄像机，补光非常暗，人感知不到。抓出来的图片，左边的是传统的卡口出来的图片，右边的是AI超微光的车辆卡口的图片，无论是明亮度、清晰度都比传统方法高一个档次。

 

 

 

这是电警的一个场景，左边的非常亮，刺眼，右边的基本感觉不到。这是抓出来的图片，违章照片我们需要抓三张，这是其中某一张，可以看到右边的图非常清晰，车牌、各方面都看得很清楚，所以如果违章你是跑不掉的。

 

 

 

这是放在小区里的人员卡口，左边有个非常亮的灯，经过的人会感觉非常不舒服，右边的基本感知不到它的光，抓拍出来的人脸，传统的摄像机有非常多的噪点，右边的人脸非常清晰，后续通过人脸识别可以清晰地识别出他是哪个人。

 

 

 

最后这是布控球，临时防盗某个地方，在没有补光的情况下右边的图比左边的图明显明亮、清晰，背景、人脸也看得很清楚。

 

 

这些是我们研发的各种AI超微光摄像机。这个技术用上去以后，最重要是提升大家生活的舒适感。安全当然非常重要，但不能影响人们生活的舒适。我们觉得智慧城市里面，一定是有社会含义的，并不是简单的技术滥用，而是技术本身是为了人而服务，以人为本，要给人创造各方面更舒适、更理想的一个生活。

 

最后简单总结一下。对边缘计算在公共安全建设方面的展望：

 

第一，边缘计算会得到更强大算力的支撑。AI算力现在有个新的摩尔定律，每18个月算力会翻一番。但实际现在速度已经超过了摩尔定律，速度在不断的提升中。这意味着我们可以把更多更先进的算法，包括AI算法、压缩算法、图像处理算法，放到边缘设备中。这必将带来很多公共安全的功能在边缘侧实现。

 

第二，多IoT的数据融合。AIoT的设备现在越来越多。根据国际数据公司的数据，2025年我们全球大概有1500亿的IoT的数据，这些数据在每个角落都会产生，采集各种各样的视频或非视频数据，我们必须把这些视频、非视频数据有机融合在一起。现在常见的，比如烟雾光警器，有对烟雾的敏感性，但如果再加视频，双管齐下，在某个设备失灵的情况下，就可以用另外一个设备来继续保证公共安全。再比如WiFi探针，各种不同传感器产生的数据，都可以有机地融合起来，为公共安全起到保障作用。

 

第三，刚才郑总已经讲了，5G+边缘计算。边缘计算本身就是5G一个核心的功能，5G三个典型的场景，其中一个场景就是UILLC，极低延迟、超可靠的场景，这个场景可以用于边缘计算在公共安全方面的应用。边缘计算在5G中的应用，将来也会越来越普遍和常见。

 

 

总的来看，我相信边缘计算在公共安全中大有可为，也是大有作为的。我也相信，在智慧城市中，边缘计算一定会发挥更大的效应，能成为非常重要的一个武器。

 

谢谢大家！