亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于人工智能的邊緣計(jì)算系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

        2023-11-27 11:59:14孫宇彤
        科技創(chuàng)新與應(yīng)用 2023年33期
        關(guān)鍵詞:信息模型系統(tǒng)

        孫宇彤

        (吉林電子信息職業(yè)技術(shù)學(xué)院,吉林吉林 132021)

        人群信息檢測是智慧城市建設(shè)過程中城市管理的支撐技術(shù)之一,其功能是利用公共場所的監(jiān)控設(shè)備實(shí)時(shí)獲取人群信息,然后由邊緣計(jì)算系統(tǒng)對數(shù)據(jù)信息進(jìn)行計(jì)算、分析,在準(zhǔn)確識別人群中異常狀況后發(fā)布預(yù)警信息,提醒相關(guān)部門采取措施加強(qiáng)人群秩序管理,從而避免因?yàn)槿巳哼^于密集而出現(xiàn)踩踏等事故,切實(shí)保障公共安全。本文基于人工智能技術(shù)設(shè)計(jì)的邊緣計(jì)算系統(tǒng),具有較高的實(shí)時(shí)性、可靠性,通過人群信息分析不僅能輔助公共場所的秩序管理,而且在城市規(guī)劃、公共設(shè)施配置與資源調(diào)度等方面也發(fā)揮了重要作用。

        1 邊緣計(jì)算系統(tǒng)的整體架構(gòu)

        基于人工智能的邊緣計(jì)算系統(tǒng),主要由攝像裝備、邊緣設(shè)備、云服務(wù)器等組成。其中,攝像裝備可以實(shí)時(shí)采集監(jiān)控區(qū)域內(nèi)的圖像信息或視頻信息,并將其發(fā)送至邊緣設(shè)備;部署了神經(jīng)網(wǎng)絡(luò)算法的邊緣設(shè)備,會利用特定算法對采集到的圖像、視頻信息進(jìn)行運(yùn)算處理,并基于HTTP(超文本傳輸協(xié)議)將分析結(jié)果發(fā)送到云服務(wù)器上進(jìn)行直觀呈現(xiàn),以便于管理人員了解人群密度、人群流向。邊緣計(jì)算系統(tǒng)的整體架構(gòu)如圖1 所示。

        本文設(shè)計(jì)的邊緣計(jì)算系統(tǒng)主要用于人群信息檢測,系統(tǒng)設(shè)計(jì)需求如下:可利用部署于商場、道路、車站等公共場所的監(jiān)控設(shè)備,實(shí)現(xiàn)對人群信息的全天候、實(shí)時(shí)性監(jiān)測,通過人工智能分析提取人群流向與人群密度等重要信息,在必要時(shí)可以發(fā)出報(bào)警信號,降低監(jiān)控成本并提高檢測效率。

        2 邊緣計(jì)算系統(tǒng)的硬件設(shè)計(jì)

        2.1 開源CPU 核的選定

        基于RISC-V 精簡指令集架構(gòu)的CPU 具有結(jié)構(gòu)簡單、穩(wěn)定性好、能效比高等一系列特點(diǎn),并且支持自定義指令拓展,與本文設(shè)計(jì)的邊緣計(jì)算系統(tǒng)有較高的切合度,最終選擇基于RISC-V 架構(gòu)的RI5CY 處理器作為系統(tǒng)CPU,RI5CY 的架構(gòu)如圖2 所示。

        圖2 RI5CY 的設(shè)計(jì)框圖

        圖2中ALU 為邏輯運(yùn)算單元,MULT 為乘法器,兩者組合可以使RI5CY 完成各種邏輯運(yùn)算和乘法運(yùn)算;CSR 為控制和狀態(tài)寄存器,主要用于記錄RI5CY的運(yùn)行狀態(tài)并提供控制信號;LSU 為存儲器訪問的控制模塊,可支持RI5CY 在數(shù)據(jù)存儲器中讀寫數(shù)據(jù);GPR 為寄存器組。將RI5CY 處理器作為系統(tǒng)CPU,能夠?qū)⒐芾韱T編輯的任意一條指令劃分為4 級流水線,即取值、譯碼、執(zhí)行和寫回4 個(gè)階段,這種流水線結(jié)構(gòu)顯著提升了指令的吞吐率,并在一定程度上縮短了每條指令的運(yùn)行時(shí)間,使得CPU 性能得到明顯的增強(qiáng)。RI5CY 處理器的四級流水線結(jié)構(gòu)見表1。

        表1 四級流水線結(jié)構(gòu)

        2.2 自定義指令拓展接口的設(shè)計(jì)

        本文設(shè)計(jì)的邊緣計(jì)算系統(tǒng)具有較強(qiáng)的可擴(kuò)展性,通過設(shè)計(jì)自定義指令拓展接口,后期可根據(jù)人群信息檢測的實(shí)際需求靈活拓展新的功能,從而降低了系統(tǒng)二次開發(fā)的成本與難度。自定義指令拓展接口包含2個(gè)通道,分別是req_請求通道和rsp_反饋通道。前者的作用是將拓展指令和源操作數(shù)發(fā)送給CPU,后者的作用是將CPU 的運(yùn)算結(jié)果再返回給終端處理器。RI5CY 處理器(即CPU)中的譯碼模塊,對取值模塊產(chǎn)生的指令進(jìn)行譯碼,然后根據(jù)譯碼結(jié)果判斷此指令是否為CPU 指令,如果判斷結(jié)果為“是”,則利用2 個(gè)源操作數(shù)rs1、rs2 進(jìn)一步檢驗(yàn)此指令是否需要讀取源寄存器數(shù)據(jù)信息。如果需要讀取,則CPU 直接從寄存器中調(diào)用相關(guān)數(shù)據(jù)。數(shù)據(jù)寫入后,生成新程序并使系統(tǒng)獲得新功能,完成功能的拓展。

        3 邊緣計(jì)算系統(tǒng)的功能實(shí)現(xiàn)

        3.1 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

        邊緣設(shè)備需要將處理分析的結(jié)果發(fā)送至云服務(wù)器,受到網(wǎng)絡(luò)帶寬的存儲容量的限制,當(dāng)傳輸量較大時(shí)經(jīng)常會出現(xiàn)信道堵塞的情況,導(dǎo)致系統(tǒng)的實(shí)時(shí)性較差。為了降低系統(tǒng)的運(yùn)行功耗、保證處理結(jié)果的實(shí)時(shí)呈現(xiàn),本文設(shè)計(jì)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)人群信息檢測邊緣計(jì)算模型。在該模型中,基于人工智能的神經(jīng)網(wǎng)絡(luò)算法部署在邊緣設(shè)備中,這樣就保證了邊緣設(shè)備在接收到前端攝像裝備傳輸?shù)膱D像與視頻信息后,能夠提取特征信息并對多個(gè)節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行清洗與聚合,從而大幅度減少了需要傳輸?shù)臄?shù)據(jù)總量,降低了對網(wǎng)絡(luò)資源的占用,提高了系統(tǒng)運(yùn)行效率[1]。

        根據(jù)處理流程的不同,卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練可分為“前向傳播”與“反向傳播”2 個(gè)階段。所謂前向傳播,就是利用卷積神經(jīng)網(wǎng)絡(luò)模型對參數(shù)進(jìn)行初始化,輸入數(shù)據(jù)依次經(jīng)過卷積層、池化層及全連接層的處理后,得到輸出數(shù)據(jù);而反向傳播則是對比輸出值與真實(shí)值,計(jì)算兩者之間的誤差后利用反向傳播算法進(jìn)行參數(shù)更新。在經(jīng)過多次迭代訓(xùn)練后得到神經(jīng)網(wǎng)絡(luò)模型,具體訓(xùn)練過程如圖3 所示。

        在卷積神經(jīng)網(wǎng)絡(luò)的前向傳播中,輸入的圖像信息或視頻信息分別經(jīng)過卷積運(yùn)算、池化運(yùn)算和激活函數(shù)處理后,得到圖像或視頻的特征信息。然后將特征信息作為輸入量,輸入到全連接層、歸一化層做進(jìn)一步處理,得到最終的輸出結(jié)果。判斷輸出值與真實(shí)值是否相符,若兩者相符則本次訓(xùn)練結(jié)束;若兩者不相符,則繼續(xù)進(jìn)入反向傳播。同時(shí),將輸出值與真實(shí)值之間的誤差記為e,將e向前一層返回,通過遞推得到每一層的誤差,并根據(jù)誤差進(jìn)行參數(shù)更新。由于每一層的誤差并不完全相同,相應(yīng)的各層的誤差值求解方法也存在差異,具體如下。

        1)對于全連接層之間的誤差,首先求出輸出總誤差,將誤差反向到輸出層的上一層(即全連接層)。由于本層中的誤差是由全連接的神經(jīng)元造成的,首先分別求出每個(gè)神經(jīng)元的誤差,然后再進(jìn)行求和運(yùn)算。每個(gè)節(jié)點(diǎn)誤差=誤差×節(jié)點(diǎn)參數(shù)值。

        2)對于池化層誤差,如果需要計(jì)算“最大池化誤差”,可以將誤差直接反向到上層連接節(jié)點(diǎn);如果需要計(jì)算“平均池化誤差”,則將誤差平均分布到上一層中。

        3)對于卷積層誤差,考慮到卷積層中的誤差是通過卷積操作傳遞的,在計(jì)算時(shí)首先要通過卷積核定位本層與上層之間的連接節(jié)點(diǎn),在此基礎(chǔ)上求上層誤差。確定本層誤差后,在最外層進(jìn)行零填充處理,將卷積核反轉(zhuǎn)后對零填充過程中產(chǎn)生的誤差進(jìn)行卷積操作,最后得出卷積層上一層的誤差[2]。

        3.2 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化

        在完成卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練后,本文針對邊緣端處理器數(shù)據(jù)處理效率不高的問題進(jìn)行了優(yōu)化,優(yōu)化內(nèi)容包括以下3 個(gè)方面。

        首先,將原來的CSRnet 網(wǎng)絡(luò)模型從vggnet 模型替換成了輕量級的mobilenet 模型,將該模型部署在性能要求較低的邊緣端,一方面能夠滿足基本的數(shù)據(jù)運(yùn)算需要,保證邊緣計(jì)算系統(tǒng)各項(xiàng)功能的實(shí)現(xiàn);另一方面還能大幅度減少計(jì)算量,對減輕系統(tǒng)運(yùn)行負(fù)荷、提高系統(tǒng)響應(yīng)效率也有積極幫助。

        其次,對CSRnet 網(wǎng)絡(luò)模型進(jìn)行了參數(shù)剪枝處理。引入評估算法,在卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí),刪減了許多不重要的參數(shù)和冗余,在確保計(jì)算精度滿足系統(tǒng)使用要求的基礎(chǔ)上最大程度減少網(wǎng)絡(luò)運(yùn)算量。

        最后,對參數(shù)作量化處理。在原來的CSRnet 網(wǎng)絡(luò)模型中,使用32 位浮點(diǎn)數(shù)的權(quán)重,浮點(diǎn)數(shù)運(yùn)算過程中會占用較多的存儲空間,導(dǎo)致系統(tǒng)出現(xiàn)響應(yīng)延遲問題。通過參數(shù)優(yōu)化后將32 位浮點(diǎn)數(shù)的權(quán)重和激活值轉(zhuǎn)換為8 位定點(diǎn)數(shù)值。這種定點(diǎn)數(shù)運(yùn)算對硬件設(shè)備的要求更低,占用的資源更少,系統(tǒng)運(yùn)行速度更快。

        按照上述方法對該模型進(jìn)行通道裁剪和參數(shù)量化處理后,優(yōu)化后新模型的參數(shù)量比原模型下降了7.2%,將優(yōu)化后模型以tensorflow lite格式輸出到嵌入式平臺[3]。

        3.3 系統(tǒng)功能的實(shí)現(xiàn)

        邊緣系統(tǒng)內(nèi)布置有若干個(gè)數(shù)據(jù)采集節(jié)點(diǎn),每個(gè)節(jié)點(diǎn)對應(yīng)著一個(gè)監(jiān)控?cái)z像設(shè)備。前端設(shè)備實(shí)時(shí)采集圖像、視頻信息后,傳輸至對應(yīng)節(jié)點(diǎn)后利用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行數(shù)據(jù)運(yùn)算、人群特征提取和分析。完成分析后,節(jié)點(diǎn)會利用網(wǎng)絡(luò)將分析結(jié)果發(fā)送至區(qū)域邊緣總結(jié)點(diǎn)。在總結(jié)點(diǎn)上,對數(shù)據(jù)做清洗、聚合處理后,統(tǒng)計(jì)區(qū)域內(nèi)人群總數(shù),得到人群流向分析結(jié)果和各節(jié)點(diǎn)擁擠程度分析結(jié)果。如果擁擠程度超過設(shè)定值,還會自動預(yù)警。區(qū)域邊緣總結(jié)點(diǎn)將上述信息匯總成日志,經(jīng)網(wǎng)絡(luò)發(fā)送至云服務(wù)器,云服務(wù)器根據(jù)接收到的日志展開深度分析和智能決策,并將接收到的信息進(jìn)行備份保存到數(shù)據(jù)庫中。邊緣計(jì)算系統(tǒng)的功能實(shí)現(xiàn)如圖4 所示。

        圖4 邊緣計(jì)算系統(tǒng)的具體實(shí)現(xiàn)

        本系統(tǒng)選擇Pi-Camera 作為圖像、影像的采集模塊,用樹莓派處理器作為邊緣端處理器。將圖像或影像的像素設(shè)定為640×480,傳輸?shù)綐漭珊罄蒙窠?jīng)網(wǎng)絡(luò)模型進(jìn)行計(jì)算、分析,可以得到某個(gè)節(jié)點(diǎn)上的人群數(shù)量。樹莓派節(jié)點(diǎn)能夠做到每3 s 處理一幀圖像,每5 s向邊緣總節(jié)點(diǎn)發(fā)送1 次數(shù)據(jù),這樣就保證邊緣計(jì)算系統(tǒng)每分鐘可以進(jìn)行12 次人群信息的提取與分析,極大地提高了系統(tǒng)的運(yùn)行性能,完全能夠滿足人群消息檢測的需求[4]。使用ARC iotdk 開發(fā)板作為區(qū)域邊緣總結(jié)點(diǎn),可支持以下功能。

        1)數(shù)據(jù)清洗。邊緣計(jì)算系統(tǒng)的前端包含海量的攝像監(jiān)控設(shè)備,每臺設(shè)備對應(yīng)的節(jié)點(diǎn)會源源不斷地通過局域網(wǎng)向總節(jié)點(diǎn)傳送數(shù)據(jù)。為了減輕系統(tǒng)的運(yùn)行負(fù)荷和提高數(shù)據(jù)處理效率,區(qū)域邊緣總節(jié)點(diǎn)需要對數(shù)據(jù)進(jìn)行清洗,目的是刪除那些帶有明顯錯(cuò)誤的節(jié)點(diǎn)數(shù)據(jù),在保證數(shù)據(jù)正確性的基礎(chǔ)上達(dá)到“數(shù)據(jù)瘦身”的效果。正常情況下,經(jīng)過數(shù)據(jù)清洗處理后,區(qū)域邊緣總節(jié)點(diǎn)接收的數(shù)據(jù)量會減少20%~40%不等。

        2)數(shù)據(jù)聚合。該功能是在完成數(shù)據(jù)清洗的基礎(chǔ)上,對各個(gè)節(jié)點(diǎn)傳送的數(shù)據(jù)進(jìn)行特征信息提取,并根據(jù)提取內(nèi)容展開數(shù)據(jù)計(jì)算,最后匯總計(jì)算結(jié)果。數(shù)據(jù)聚合可以將具有共性特征的數(shù)據(jù)信息按照特定的類別進(jìn)行存儲,為下一步人工智能調(diào)用數(shù)據(jù)并進(jìn)行分析決策提供了便利條件。

        3)擁擠警報(bào)。管理員可自定義邊緣計(jì)算系統(tǒng)的總?cè)藬?shù),以及任意一個(gè)節(jié)點(diǎn)的人數(shù),將其作為擁擠警報(bào)的閾值。系統(tǒng)在運(yùn)行過程中,對前端攝像監(jiān)控設(shè)備提供的圖像或視頻信息進(jìn)行分析,并計(jì)算出該節(jié)點(diǎn)或總節(jié)點(diǎn)的人數(shù)。將計(jì)算結(jié)果與閾值進(jìn)行對比,如果計(jì)算結(jié)果超出了設(shè)定的閾值,則系統(tǒng)自動發(fā)出報(bào)警信息,提醒系統(tǒng)管理員或者相關(guān)單位及時(shí)采取預(yù)防措施。

        4)人群流向預(yù)測。邊緣計(jì)算系統(tǒng)會自動對比各個(gè)節(jié)點(diǎn)的歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù),以此來預(yù)測該節(jié)點(diǎn)未來的人群流向趨勢。同時(shí),將預(yù)測結(jié)果以可視化圖形的方式呈現(xiàn),以便于系統(tǒng)管理員能夠直觀地掌握人群流向。

        5)本地?cái)?shù)據(jù)備份。ARC iotdk 開發(fā)板在處理數(shù)據(jù)的過程中,還會把原始數(shù)據(jù)和處理后的數(shù)據(jù)分別進(jìn)行備份,然后將備份數(shù)據(jù)保存在本地服務(wù)器[5]。當(dāng)系統(tǒng)管理員需要查看系統(tǒng)日志時(shí),可以直接從本地服務(wù)器下載相應(yīng)的數(shù)據(jù)。

        6)上傳數(shù)據(jù)至云端。區(qū)域邊緣總節(jié)點(diǎn)會根據(jù)設(shè)定好的時(shí)間,通過互聯(lián)網(wǎng)自動將數(shù)據(jù)日志上傳到云端。云端除了提供更加豐富的數(shù)據(jù)分析功能外,還能融合大數(shù)據(jù)計(jì)算、人工智能分析,從而為科學(xué)決策提供依據(jù)。

        4 結(jié)束語

        基于人工智能的邊緣計(jì)算系統(tǒng),以公共場所監(jiān)控設(shè)備采集到的實(shí)時(shí)圖像和視頻作為輸入信息,通過提取行人特征信息可以監(jiān)控某個(gè)區(qū)域的人群密度、預(yù)測未來一段時(shí)間內(nèi)的人群流向,從而為城市安全管理、公共空間設(shè)計(jì)、基礎(chǔ)設(shè)施建設(shè)等提供必要的數(shù)據(jù)支持,在智慧城市建設(shè)中發(fā)揮了重要作用。同時(shí),本文針對云端計(jì)算實(shí)時(shí)性差、網(wǎng)絡(luò)帶寬要求高等問題,采取了卷積神經(jīng)網(wǎng)絡(luò)模型迭代訓(xùn)練與優(yōu)化措施,經(jīng)過優(yōu)化的系統(tǒng)模型不僅提高了人群信息分析速度,而且在節(jié)約帶寬資源、提高響應(yīng)速度方面也取得了顯著效果,進(jìn)一步提高了邊緣計(jì)算系統(tǒng)的實(shí)用效果。

        猜你喜歡
        信息模型系統(tǒng)
        一半模型
        Smartflower POP 一體式光伏系統(tǒng)
        WJ-700無人機(jī)系統(tǒng)
        ZC系列無人機(jī)遙感系統(tǒng)
        北京測繪(2020年12期)2020-12-29 01:33:58
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        連通與提升系統(tǒng)的最后一塊拼圖 Audiolab 傲立 M-DAC mini
        訂閱信息
        中華手工(2017年2期)2017-06-06 23:00:31
        3D打印中的模型分割與打包
        展會信息
        中外會展(2014年4期)2014-11-27 07:46:46
        国产精品密播放国产免费看| 看全色黄大黄大色免费久久| 好看的中文字幕中文在线| 凌辱人妻中文字幕一区| 亚洲成a∨人片在线观看无码| 漂亮人妻被中出中文字幕久久| 丰满少妇被猛男猛烈进入久久| 欧美韩国精品另类综合| 国产精品女同久久久久久| 日韩美腿丝袜三区四区| 国产极品裸体av在线激情网| 麻豆精品国产精华精华液好用吗| 99热成人精品免费久久| 午夜男女视频一区二区三区| 深夜日韩在线观看视频| 中文字日产幕码三区国产| 精品一区二区三区在线视频| 亚洲精品美女久久久久99| 亚洲电影中文字幕| 亚洲av中文字字幕乱码软件| 久久99精品国产麻豆| 成年女人色毛片| 国产精品第1页在线观看| 亚洲天堂免费成人av| 海外华人在线免费观看| 欧美伦费免费全部午夜最新| 吃奶摸下的激烈视频| 99国产综合精品-久久久久| 国产精品午夜福利天堂| 精品一区二区三区在线视频| 欧美人与动人物姣配xxxx| 日韩av无卡无码午夜观看| 日韩麻豆视频在线观看| 亚洲va无码va在线va天堂| 国产乱子伦精品免费无码专区 | 亚洲国产精品天堂久久久| 少妇真实被内射视频三四区| 色 综合 欧美 亚洲 国产| 精品久久久久久无码不卡| 91精品人妻一区二区三区蜜臀| 国产毛片av一区二区|