协会通知 MORE+
各会员单位:为了精准了解会员企业的运营和发展建设情况,了解会...
各会员单位:按北京安全防范行业协会会员管理办法,申请升降级会...
各会员单位:北京安全防范行业协会(以下简称协会)第三届会员代...
各位会员企业:北京安全防范行业协会(以下简称北京安防协会)已...
各会员单位:根据协会章程,会员单位请于2018年4月30日前...
技术应用

人脸识别落地两种姿势,你选哪一种?

日期: 2019-03-27
浏览次数: 13

人脸识别系统虽然不是一个新兴事物,但是放在社会和科技的大背景下依然有新的看点,在GPU集群时代之前,人脸识别依赖的是具备抓拍和识别功能的IPC,或者模拟摄像机+盒子的模式,此时的IPC或者盒子造价高,但是新建部署简单,具有一定的市场。

在大数据时代,在前端完成图像处理被称为“边缘计算”,这一架构再加上后端的业务应用,呈现如下组网方式:


人脸识别落地两种姿势,你选哪一种?

边缘计算模式组网图

随着网络技术的发展,视频实时传输的大面积推广,伴随着GPU服务器的出现,另一种系统架构出现了,那就是利旧普通视频摄像机,采用后端接入GPU服务器进行统一人脸识别与分析的方式,由于对已有视频网络改动小,部署更简单,也具有一定的市场。

这种架构在落地时,图像处理系统与数据分析系统就成了后端“邻居”:


人脸识别落地两种姿势,你选哪一种? 

后端集中分析模式组网图

现如今的人脸识别项目在落地时,是向左,采用后端集中分析的方式,还是向右,采用边缘计算的方式,这是每一个从业者都在思考的问题。但 “条条大路通罗马”,边缘计算与后端集群,无论是从技术上还是从业务上,各有优劣。

采用边缘计算的方式,人脸识别和比对均在前端完成,后台只负责任务调度和告警后处理,其优势在于轻量化部署,对传输的要求低,甚至可以做到微波传输,而强大的前端也可以变得更加便携,集成在移动巡逻车上,单兵设备上,甚至民用级无人机上,应用场景被极大的拓展。

其不足在于,前端受体积和功率限制,以目前的科技水平仍无法做到大规模布控和多目标实时比对,FPGA的算力和扩展性毕竟无法与专业GPU计算卡相比,而把专业的GPU计算卡放在前端,数量和功率都将受到极大的限制。所以边缘计算的人脸识别方案更适合于少目标、少接入、小场景、要求机动性的业务场景中应用。

采用后端集群的方式,人脸识别抓拍(不带属性检测)可在前端或后端进行,对人脸图片的分析和结构化均交由后台强大的GPU集群来完成,如此可实现大规模甚至超大规模(百亿级数据)的布控和实时分析,接入视频路数的限制只在于GPU集群的扩展能力,而一般GPU集群都具备强大的横向扩展能力。同时,这一方式对前端摄像机的要求极低(甚至可以采用老旧的模拟摄像机)。在平安城市或智慧社区的改造项目中,采用这种方式可以更好地利旧已有前端,并且继续使用已有视频管理系统,对现网的改动小,易于部署。

但是这种方式的缺点也很明显,即对传输网络要求较高,如果采用普通视频流摄像机接入,视频网络的压力非常大。同时,后端处理的方式受限于GPU集群的硬件环境,不具备机动性。因此,后端集群的人脸识别方案适合于海量目标、海量接入、海量数据、多场景、不要求机动性的业务场景中应用。

在如今的安防市场,这两种方案均有其适合的生存土壤和空间,且完全可以形成业务互补。