GPU-安防走向人工智能时代的核心利器

（摘自中国安防行业网  ）

 

一、视频企业布局GPU深度开发 引领安防人工智能加速发展

　　阳春三月，恰逢全国两会召开。在今年政府工作报告时中，全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化成为科技界关注的热点，其中“人工智能”这一表述首次出现在政府工作报告中。

　　与此同时，在2017年年初召开的全国科技工作会议中，科技部部长万钢却透露目前正在编制人工智能的专项规划，同时还在研究论证人工智能重大项目的立项工作。按照此前相关政策的表述，进入重大立项的项目体现了“国家战略意图”。

　　随着人工智能技术的不断发展，其与产业的结合会更加紧密。之前的人工智能更多偏重大企业的AI实验室和研究院，2017年很多人工智能具体项目将会进入应用端，将出现“人工智能渗透360行”的现象。现在，很多主流企业也在工作中应用很多AI技术。

　　从目前实际发展来看，在公共安全领域尤其是安全防范产品技术应用领域，基于人工智能及深度学习的智能安防新产品新技术已经纷纷落地。智能安防将把视频监控定位在如何细分化应用中，与传统事后的取证不同，视频未来变化的趋势将会集中在从事后到事中，再到事前预警，视频数据的应用将实现从安防向更多行业应用转变，提升整个安防领域的智能化水平，推动安防产业的升级换代。

　　在2016年底北京安博会上，众多安防一线企业都发布了基于人工智能的智能视觉战略。可以说在大数据时代，安防行业人工智能概念的提出基本上都是基于自身企业携手世界顶级人工智能芯片厂商，深度开发安防领域智能硬件产品，将最尖端的图形处理器应用于新型硬件产品的研发中。这其中包括海康威视、大华股份、宇视科技、东方网力、苏州科达、文安等均已经将基于Nvidia/Movidius的GPU产品，结合到安防前端产品及后端系统中。

　　因此可以说，基于GPU深度开发的一系列智能安防前端产品及后端系统标志着安防行业人工智能时代的来临，也是安防在大数据深度学习中的具体展现。当然必须强调的是，目前在安防领域整个人工智能的发展，其水平仍然在起步的阶段，人工智能是安防领域的光明未来，在通往未来的道路上是崎岖坎坷的。

　　本专题将重点深度解析GPU以及基于GPU推出的适用于安防领域的核心处理模块产品，同时详细介绍哪些安防企业基于GPU推出了相关安防产品，并详细列出这些安防产品的性能参数。

二、深入浅出解析GPU

　　图形处理器（英语：GraphicsProcessingUnit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器。

　　用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。

 

  

　1、GPU是为了能够更快处理图像而诞生

　　在九十年代，一批工程师意识到：在屏幕上进行多边形图像渲染，本质上是个能并行处理的任务--每个像素点的色彩可以独立计算，不需要考虑其它像素点。于是GPU诞生，成为比CPU更高效的渲染工具。简而言之，由于CPU在图像渲染方面的能力不足，GPU被发明出来分担这部分工作，此后就成了专门搞这方面的硬件。有了上千个更加简单的核心，GPU能高效地处理让CPU十分吃力的任务。只要有合适的代码配合，这些核心就能处理超大规模的数学运算，实现逼真的游戏体验。

　　GPU作为显示卡的“大脑”决定了该显卡的档次和大部分性能，同时GPU也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像与特效时主要依赖CPU的处理能力，称为软加速。3D显示芯片是把三维图像和特效处理功能集中在显示芯片内，也就是所谓的“硬件加速”功能。显示芯片一般是显示卡上最大的芯片。时下市场上的显卡大多采用NVIDIA和AMD-ATI两家公司的图形处理芯片。NVIDIA公司在1999年发布GeForce256图形处理芯片时首先提出GPU的概念。从此NV显卡的芯就用这个新名字GPU来称呼。GPU使显卡削减了对CPU的依赖，并实行部分原本CPU的工作，更加是在3D图形处理时。

　　GPU能将3D模型的信息转换为2D表示，同时添加不同的纹理和阴影效果，所以GPU在硬件里也是比较特殊的存在。从3D建模到最终显示在屏幕上，GPU渲染场景使用的是流水线操作。早些时候流水线操作是固定不能作任何改动的，整个操作由读取三角形的顶点数据开始，接着GPU处理完后进入帧缓冲区（framebuffer），准备发送给显示器。GPU也能对场景进行某些特定效果的处理，不过这些都是由工程师设计固定好的，能提供的选项很少。

　　2、GPU设计之初非针对深度学习而是并行计算

　　GPU关键性能是并行计算。这意味着可以同时处理运算，而不是一步步进行。复杂问题可被分解为更简单的问题，然后同时进行处理。并行计算适用于HPC和超算领域所涉及的许多问题类型，比如气象、宇宙模型和DNA序列。并不是只有天体物理学家和气象学家才能充分利用并行计算的优点。事实证明，许多企业应用能从并行计算获得超出寻常比例的好处。这包括：数据库查询、密码学领域的暴力搜索、对比不同独立场景的计算机模拟、机器学习/深度学习、地理可视化

　　在GPU设计之初，并非针对深度学习，而是图形加速，在NVIDIA推出CUDA架构之前，GPU并无太强对深度学习运算能力的支持。而如今，NVIDIA可以提供基于其GPU的从后端模型训练到前端推理应用的全套深度学习解决方案，一般的开发人员都可以非常容易地上手使用GPU进行深度学习开发，或者高性能运算。而CUDA架构的开发，耗费了NVIDIA巨大的人力物力。可以说，是CUDA这个中间层（computingframework）的优化，才使得开发者真正爱上了GPU，NVIDIA胜在软件。而CUDA还不能称之为算法，它只是计算硬件与算法之间的桥梁。

　　目前来看，NVIDIA作为人工智能计算平台的领导者，但事实是，一开始并非NVIDIA选择了人工智能，而是人工智能的研究者选择了GPU，进而成就了NVIDIA。在2012年，Alex利用深度学习+GPU的方案，一举赢得ImageNetLSVRC-2010图像识别大赛，并奇迹般地将识别成功率从74%提升到85%。NVIDIA敏锐地觉察到了这一趋势，并大力优化基于GPU的深度学习生态系统，并加速迭代开发，三年时间将GPU性能提升了65倍，从而奠定了目前的王者之位。

　　3、AI时代 GPU将是数据爆炸时代的核心处理模块

　　对于人工智能计算架构来说，一般可以归结为三类模式：CPU + GPU，CPU + FPGA，CPU + ASIC（专用集成电路）。其中，应用于图形、图像处理领域的GPU 可以并行处理大量数据，非常适合深度学习的高并行、高本地化数据场景，是目前主流的人工智能计算架构。

　　如果把科技产业划分为三个时代：PC 时代、移动互联网时代和AI 时代。目前，我们处于移动互联网时代的末期和下一个时代的早期，即以深度学习、无人驾驶为主的AI 时代。

三、为何GPU成为安防领域人工智能必然选择

　　从2016年“阿尔法狗”大热，到今年“两会”人工智能首次进入政府工作报告，人工智能成为贯穿2016年乃至2017年的科技热点、与此同时，在IT技术支撑起来的安防行业当下，人工智能依然保持其热度，从2016年安博会至今，海康威视、大华股份、宇视科技都发布了基于GPU研发的视频监控相关产品，NVIDIAJetsonTX1GPU模块已经广泛应用于安防智能摄像机、人脸识别摄像机等。为何GPU成为此轮安防人工智能的必然选择？

　　1、实现海量视频图像数据结构化处理是智能化关键

　　随着网络化、高清化日益普及，唯有智能化在安防行业内迟迟达不到理想的状态，从当前的主流厂商提出的概念分析，如DT1.0、超感IPC、感知型摄像机等都在证实，智能化是视频监控网络化与高清化之后新的竞争热点。这也是安防行业一直在追求的目标将被动防御变为主动预防，因此安防亟需寻找新技术突破智能化的最后壁垒。

　　在实际的困境中，各级政府推进“平安城市”建设的过程，监控点位越来越多，从最初的几千路到几万路，甚至于到现在几十万路的规模，视频和卡口产生了海量的数据。尤其是高清监控的普及，整个安防监控领域的数据量都在爆炸式增长，依靠人工来分析和处理这些信息变得越来越困难，已无法简单利用人海战术进行检索和分析，需要新的智能化技术作为手段，实时分析视频内容，探测异常信息，进行风险预测。

　　视频监控系统作为面向城市公共安全综合管理应用中智慧安防和智慧交通的重要组成部分，面临着深度应用的巨大挑战。其应用的瓶颈是视频数据的非结构化现象。因此在大数据时代，利用视频结构化描述技术实现视频图像结构化数据提取，将是行业应用单位实现安防大数据应用的重要基础建设。视频结构化就是实现将海量视频中的人、车目标进行提取并识别的过程。一旦有重要事件发生，系统就可在数据库中快速查找到关键的“人”、“车”、“物”等相关音视频线索。以最高效、最直接的方法提升摄像头的性能，让它变得更智能。

　　2、GPU是安防大数据应用的引擎

　　如何实现海量视频数据的结构化处理成为安防智能化发展亟需解决的棘手问题。从目前来看，安防一线企业找到了解决这一问题的关键，借助基于GPU开发的模块既能够满足图像处理要求，又适合于处理计算密度高、逻辑分支简单的大规模数据并行负载。首先GPU作为专为图像处理设计的处理器，能将3D模型的信息转换为2D表示，即实现视频图像的结构化处理；另外，随着GPU的快速发展，目前GPU通用计算技术发展已经引人注目，在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU的性能。因此以图像视觉为核心并具有海量的数据源以及丰富的数据层次的安防监控领域正是GPU发挥其图像处理以及高性能通用计算的用武之地。

　　在视频监控图像结构化处理中需要对每一个监控画面的分析，依赖的是对GPU集群计算的应用。GPU集群是能够实现1：1结构化的技术支撑。对比CPU，GPU的更多核心和其并行处理架构使GPU成为天然的图形计算系统。利用GPU做图形计算，可以做到比CPU计算5倍以上的性能提升，价格降低6倍，功耗降低10倍，体积减少20倍。利用依赖于GPU集群计算的1：1实时结构化，能够实现全数据中秒级响应，进而满足对视频图像中的人、车、物等静态和和动态目标及其各种属性的检测与识别。

　　安防监控的未来在智能，智能的实现在于大数据，大数据的核心是深度学习，深度学习的引擎是GPU(目前)，通过GPU深度学习模块对视频内容进行结构化信息提取，完成了传统算法无法完成的功能，能够满足大数据时代“智慧城市”海量视频内容的开发利用！当然从目前来看，安防一线企业推出所谓人工智能产品仍然只限于宣传推广阶段，未来还需要更多案例给予佐证，未来安防人工智能的发展值得我们拭目以待！