边缘计算在地铁等细分场景下如何应用？| 公开课回顾 | 雷峰网-亚博电竞网

上周，雷锋网ai掘金志邀请到了触景无限副总裁赵寒伟做客雷锋网公开课，以“「边缘计算」在地铁等城市级场景下的实战复盘”为题进行了干货分享。

后续将有更多课程上线，添加微信号 suekee777 报名听课。

近几年，边缘计算市场规模持续增长，并迅速在安防、智慧城市、自动驾驶等领域被应用，边缘端的处理、分析和存储能力成为考验ai公司的关键。

赵寒伟认为，物联网和云发展多年，平台建设和打通完成度已经非常高，但智慧城市迟迟没有真正到来，是因为基础的感知没有实现，智慧城市细分领域多，感知涉及每个层面，而芯片算力和边缘计算决定了感知能力，也唯有在前端智能分析，与后端配合，才能将城市物联网数据完整利用，打造感知城市。

触景无限一直专注于利用人工智能技术，在边缘端进行计算实现边缘智能感知的领域，十年时间在各个细分领域积累了大量实际案例，赵寒伟结合触景无限在地铁场景的应用，解读边缘计算端在实际场景应用中遇到的问题及独特的亚博电竞网的解决方案。

以下为赵寒伟分享内容节选，雷锋网ai掘金志做了不改变原意的编辑。

 触景无限与边缘计算

边缘计算原理与章鱼相似，章鱼40%神经元在大脑，60%神经元在触手，八只触手可以感知接触的信息，甚至可以做简单的思考。触手做了一部分大脑的工作，降低了大脑处理的工作量。边缘计算就是分布式计算，在靠近传感器的前端做一部分计算，计算结果直接反馈到前端和大脑。

现在大部分的架构是云边结合的方式，所以在边缘端要具备快速处理的能力。比如，声音传感器听到声音后把摄像头转向声音来源的角度，实际上是在边缘端处理后的快速响应，如果把声音指令传到中心的云端，云端经过计算再把指令传到前端，此时可能声音的景象已经变化，所以快速在前端的反应是边缘计算的优势。

另外，目前很多场景无法保障网络的实时连通性和实时速度，最典型的自动驾驶，虽然有云端大脑，但汽车在行进中很难完全保障信号，所以车里都有相应的边缘计算设备去处理感知前端遇到的问题。

云端ai和嵌入式ai，并不是对立的技术，二者相结合才能满足大部分的需求。

在云端有丰富计算资源、加速快、可以支撑非常复杂的模型和算法，同时必须保障实时联网环境；在边缘端，基本都是嵌入式，算力有限，模型不能太复杂和庞大，要经过优化和压缩，适用场景丰富。云端和边缘端是相结合运作的。

触景无限在边缘计算端有十年经验积累。

首先，在感知算法、智能识别算法的积累，算法不仅仅包括视频结构化，声音处理，各种传感器处理，还有模型压缩和模型优化。

举个例子让大家理解一下算法压缩与优化，最近与我们合作的一个ai国企最多能把算法压缩到50m，继续压缩识别效率会下降，我们在边缘端执行的算法可压缩到几百k，不到1m，并且高度压缩下识别效率没有降低。这是我们在边缘算法长期积累的一个体现。

除了了解具体芯片的应用场景特点，我们还具有算法和芯片高度融合与底层优化，充分挖掘芯片算力的能力。比如，intel movidius 2450芯片有200g算力，我们通过在芯片算法底层注入汇编语言，改变它的数据准备、运算等，在实测中可以和市面上1t算力的芯片相当，这项能力的技术含量其实非常高。

我们把边缘计算技术和经验积累注入到公司五大系列产品。

边缘计算单元，实际就是边缘计算的设备，首先它可以接物联网设备，其次它在边缘端可以把接入的物联网设备信号进行相应的处理，然后转换成能感知的东西，也可以做一些前端控制，这些数据通过安全加密的一种方式，传输到云端，这是边缘计算单元的功能。

这次疫情我们快速推出了瞬视体温筛检系列，利用红外成像与可见光成像进行叠加运算，实现快速筛检体温，最高级的产品我们用的是640*480的红外感知的芯片，1分钟通过测温人数可以达到780人，在整个测温市场，性能是非常高的。

盾悟系列主要是面向存量市场，比如高清摄像机不具备智能功能，加了这个盒子后普通的摄像机就具有人脸识别，人体、车辆的抓拍功能。

角蜂鸟是我们与英特尔合作，基于人工智能的开发套件，主要是人工智能研发公司和教育培训机构，给学生上人工智能实训课，通过usb插上电脑，20行代码搞定人脸识别，这个可以检测出20种实物模型，可以做快速的人工智能开发，当然也可以开发模型，把里面的模型替换掉增加新的算法。我们与2000多家公司和教育机构在合作。

瞬视系列是与摄像机厂商合作，面向市场提供智能摄像机，在摄像机里加一个边缘计算的组件，有算法模型、芯片，让相机变成智能相机，一个主要的场景是作为电子警察，在路口能检测出14-18种违章行为，包括了行为分析、车辆检测、人员检测等。

感知城市的理解

物联网和云发展多年，各个平台的建设和打通都已经完成得差不多了，为什么智慧城市依然没有到来，因为基础的感知还没实现。

感知技术的发展其实与物联网技术，边缘感知技术，云计算技术相关，物联网和云计算在十几年前就出现了，但感知没有得到快速推进，主要是芯片算力不够，拖了智慧城市的后腿。

智慧城市建设过程中离不开智能感知，包括水、能源、交通、绿地、金融等都离不开传感技术，有了传感器就要做智能识别，识别后需要智能控制，所以在整个体系里，感知是非常重要的一个环节。 

近年随着芯片算力提高，边缘计算成为非常重要的话题。2018年麻省理工科技评论把感知城市列入全球十大突破性技术。

近两年城市数字化成为我们国家战略，数字化经济中把一个城市数字化，需要传感器把城市3d模型里各个数据上传，才能形成一个真正的数字城市，很多数据是难以理解，所以就需要在芯片边缘端计算，实现传到中心端的东西，已经是能够读懂的东西。

项目案例分享

今天分享的案例是地铁人脸进站。

之前城市地铁的通行方案基本上是两个，刷卡和二维码。卡易丢失，忘带，损坏，并且退换卡麻烦；二维码给大家提供了便捷，但高峰的时候网络拥堵，二维码打不开，造成人员拥堵，非常影响出行效率。

这是目前地铁通行方案存在的问题，很多探讨刷脸进地铁的方案，其实需要考虑的就几个问题。

通行速度能不能保障？会不会有误识别？刷错扣款账户？使用人数多会不会影响处理能力？资金投入是否很大？

通行速度要保证在200毫秒左右。现在暂时无法实现“从抓拍到人，人到闸机自动开”。因为目前是通过在闸机上装一个小屏幕的读头方式。基本上是半配合式，乘客要稍微顿一下来提升通行速度。

误识别是人脸技术范畴，目前的技术很难达到100%，这是难点。能达到99%的识别率，就已经不错了。国家公安部的标准是95%以上，但95%对地铁是无法忍受的。一个中等城市地铁一天的人流量大概在300万，300万人有95%的误识别率意味着多少人？所以要采用一些辅助性的手段来弥补人脸系数的先天短板。

人数多的问题，考虑用预筛选和分级名单的方式，地铁行业叫缩库。比如，整个城市有1000万人注册了人脸，但实际进站的人连1万都不够，一天总数可能20万，这时候需要对进入地铁站的人进行筛选。

像北京这样的城市，人脸库注册会达到上千万，到上千万的人脸库里搜一个人的照片，至少10分钟不一定能搜出来，地铁公司也很有可能不愿意投入。所以我们要通过贴合实际的手段解决技术存在的问题。

这个方案有四个目标，一是构建地铁刷脸支付体系，提高管控能力；在此基础上提升乘客出行体验，比如直接刷脸进站解决东西多不方便拿手机等问题；另外也提高了公共安全能力。然后沉淀大数据，把脱敏的数据进行数据管理和客户行为分析，获取数据更多的价值。当然这些信息都是保密的。

这个项目有三个技术关键点。

 第一，人脸选优技术。对镜头抓拍到的人脸进行跟踪，摄像头对暗光人脸区域补光，对比效果不好的侧脸进行筛除，在整个过程中挑选最佳镜头。

第二，人脸预筛。地铁在人流量高峰期，一个镜头可能有上百人，如果他们走到闸机面前再在千万人的人脸库检索，依然需要等。从地铁通道到闸机一般至少有几十秒间隔，其实可以提前将云端人脸检索出来，将检索结果放到闸机上，当乘客走到闸机前时，快速识别通过。

第三是本地库智能筛选。根据大数据分析技术构建本地常客库，比如某人每天从a站进b站出，就可以在相应站点缓存这些信息；还可以建vip库。

整个方案是怎样实现的？

乘客端下载手机app，注册后云端系统收集了人脸等信息；然后绑定支付信息，连接计费系统，同时云端把数据同步到地铁人脸库，预筛系统从乘客进站开始持续抓拍，在人脸库中选取最佳人脸进行两级预筛，然后将筛选信息快速下载到闸机端，这个过程最多持续2分钟。

闸机快速比对后开门，所有进站的人信息放到进站人脸库，出站时同样在站内做预筛，到所有进站人员库里做比对，比对后在闸机开始识别，此时乘客进出记录已经发送到计费系统，连接的电子钱包自动扣费。这是整体的方案构成。

这个方案给地铁方带来了先进的ai人脸识别技术，从中美贸易战看，国家已经把人工智能和大数据等技术作为国家战略技术，所以不是用不用这些技术的问题，而是我们要通过这些技术的升级带动整个行业和产业链的发展。

刷脸进站实现了乘客实名制，这里面一个重要角色就是银行，银行拿到人脸信息后，在其人脸库做实名比对，提供大数据的人员画像。大量人脸抓拍后，依据人脸的图像，大概分析出性别、年龄段等属性，有了这些信息，对于银行和地铁运营公司来讲，基于这些脱敏后的数据做统计分析、决策分析；另外也提高了整个的安保能力，一些危急情况，比如抓犯罪分子，都可以到信息库调相应的数据，看到这个人的行动轨迹，进出站点和时间。可以说，我们基本实现了方案的目标。

例如针对某中型城市有128个地铁站，地铁每天平均人流量大概几万人，高峰时段大概300万人，我们的亚博电竞网的解决方案，每个站有4个站口，每个站口两路抓拍摄像机，8个视频结构化的终端，还有一台视频识别服务器，直接在站端识别。我们最终测试出每分钟53个人的通行速度，这个速度比刷卡和二维码快很多。

这就是触景无限在这10年时间沉淀出来的技术能力，算法与芯片的紧密结合，深挖芯片计算潜力，同芯片同模型性能表现远远超出业内标准水平，产品更具竞争力。

公司其他方案简介

我们公司基于产品在其他的领域也打造了一些亚博电竞网的解决方案。

第一个是园区，智能楼宇主要是用人脸识别技术做出入控制，做无感门禁。装一个摄像头，摄像头后有一个边缘计算设备，这个设备直接连到门上，人进门不需要配合。如果是被授权的人，门直接开，完全无感。如果没有授权，或者这个人后边跟着一个没有被授权的人，会有防尾随警报。

还可以做区域管控。比如一些区域只允许a、b、c进，其他人就无法进入；以前装玻璃围墙和门，没钥匙或指纹就进不去，现在直接在电脑端摄像头上画一个虚的曲线，在实景里头画一个虚的方框就可以了，只要没有权限的人出现在指定区域就警报。

监狱的区域管控是非常重要的，我们也有案例。包括无感门禁，某个区域出现了非授权的人，他就会变成红色，可以根据摄像头来画人员在区域内精确的行动轨迹。

迎宾案例是银行为vip客户设置的，只要vip客户出现，就会展示一个迎宾界面。普通客户是统计他的年龄、性别做数据统计。

智慧园区里的智慧灯杆，我们和其他公司做的不同，比如其他公司在灯杆上加一个摄像头，后端会有一个视频云，在这个视频云里做分析；如果加了一个声音控制，后端会有一个音频云，基本上是前端挂了几个设备，后边就有几朵云，最后用一个大的系统，一个大的展示界面。

我们是在灯杆端把所有传感器信息直接接入到设备，传到后台就一个云，在前端就已经做过一些处理了，后边是基于智慧灯杆的可视化平台，因为都是基于视频的，在视频上可以做增强内容，给出车辆报警、环境报警、人员报警等。

交通违章抓拍的系统主要用瞬视系列，每个相机覆盖3-4个车道，里面装ai加速芯片和我们的算法，可以检测至少14种违章行为。机动车不礼让行人是通过行为识别判断路人是否有过人行道的意识，以此判断机动车是否礼让，其中涉及很多边缘算法。

司法高戒备场所，包括监狱、看守所、戒毒所等，主要用人脸技术点名，监狱等场景点名非常频繁，每天点名的工作量非常大，基本上隔一个小时要点一次名。人工操作的话非常耗时，人脸技术点名十几秒钟就能做完；还有24小时值班造成的干警疲劳状态，我们提供疲劳状态监测、轨迹分析、区域检测，区域不能有人、不能没人或者不能出现太多人等都可以检测到。

还有今年刚刚推出来的防疫体温筛查系统，是针对大人流量和超大人流量情况下的自动筛检系统。前端是体温检测相机和黑体，黑体用来标定，因为红外本身感温，它随着环境温度的变化浮动大，所以测温场景下，要有一个恒温的设备标定一个标准值，就是黑体。比如标正这个地方37度，人经过后测温就非常准了。基本上要想测得准，就一定要有黑体。

关于边缘计算的这些方案和场景，我们现在也在做更多的探索，我们的目标是，让城市具备感知能力，让城市拥有生命。雷锋网

全场回顾视频即将上线，敬请期待