以小窥大，从视频考勤看边缘智能
验“金”室
近年来，随着万物互联的5G时代的到来，网络边缘设备和数据的规模呈现出指数级增长的态势，同时新型应用对服务时效性提出了更高的要求，传统以云计算模型为核心的集中式处理模式将难以高效地满足海量数据实时智能处理，这就要求就近提供边缘算力进行AI智能处理，于是边缘智能的概念应运而生。
一
边缘智能的典型应用
边缘智能是什么？如何解决实际问题？让我们先从一个数字化园区场景建设开始深入了解。
近年来，随着人工智能技术的日益成熟，工作管理创新智能应用频繁地进入人们的视野。其中，基于视频流智能分析的无感考勤具有方便性、真实性、准确性、灵活性、防伪性等优点。以一个基于云端的无感考勤方案为例，在员工上下班必经的通道上方架设摄像头，由云端服务器直接获取摄像头视频流，截取人脸照片并进行人脸识别，最终获取员工出入记录并录入到考勤系统中，实现无感考勤（如图1所示）。
图1 基于云端的无感考勤方案
然而，在现实推广中我们发现，基于云端的无感考勤方案存在一些弊端，例如一家公司有多个办公场地，各办公园区或大楼存在多个出入口，若按照上述方案，需要在所有出入口布设至少两路摄像头，总共将会有数十路高清视频流需要持续不断接入云端，一是占用极高的网络带宽资源，二是会在上下班高峰期出现处理延迟、时效偏低的情况。
为解决上述问题，我们在基于云端的无感考勤方案基础上，引入边缘智能思路进行改进，形成基于边缘智能的无感考勤方案（如图2所示）。
图2 基于边缘智能的无感考勤方案
该方案将云端的深度学习模型下沉到本地，视频流不再上传到云端，而是在本地得到高效处理，经解析提取出人员进出信息后再上传到云端考勤服务器，从而节省了大量宝贵的网络带宽资源，极大提高了时效性。
改进后的无感考勤方案把数据处理服务从云端下沉到边缘端运行，正是一个边缘智能的典型应用。
二
边缘智能的概念
边缘智能是基于边缘计算的智能服务，指通过网络边缘节点就近提供智能算力及环境，满足网络转发、存储、计算、智能化数据分析等服务需求。相较于云计算而言，边缘节点承担了原属于云端的部分计算服务，让端侧设备、边缘节点与云端业务服务协同运作，就近消化海量非结构化数据，从而大大提升处理效率，减轻云端并发压力，降低响应时延，减少带宽成本。
三
前言
边缘智能的优点
1
海量数据就地处理
端-边-云架构下（如图3所示），计算节点就近部署在靠近数据源头的网络边缘侧。端侧设备产生的海量非结构化数据通过广域物联网、局域网等优先接入边缘计算节点，进行汇总加工后提炼出结构化信息，精简后再上传到云端，极大地减轻了主干网络带宽的消耗和数据中心并行处理的压力。
图3 端-边-云架构
2
独立网络独立服务
边缘节点与端设备之间通过广域物联网、局域网直接相连，边缘节点直接响应端设备的服务请求。同时，由于边缘节点上部署的服务逻辑相对独立，处理流程不依赖云端的处理结果。在与云端断开连接的情况下，边缘节点也能独立完成业务流程的闭环处理，待网络恢复后再将结果同步到云端。因此，相对于传统的端-云架构，端-边-云架构优化了信息传输链路，降低了网络延迟的影响，从而可有效提升服务质量。
3
数据安全保护隐私
边缘智能应用服务涉及用户的隐私数据，如利用人脸识别进行授权认证时，通过提前本地缓存生物特征信息库等方式，将隐私数据的临时存储和加工处理都放在边缘节点上进行。脱敏后的处理结果再上传到云端，从而在最大程度上降低了网络数据泄露的风险，保护用户数据安全和隐私。
此外，端侧的海量传感器设备相当一部分属于无计算能力的哑设备，如RFID无源标签等，只能被动响应触发器信号，不具有数据加密能力，在网络传输中存在信息泄露的风险。边缘计算节点收集端侧数据后加密传输到云端，能够有效保护数据传输安全。
四
边缘智能未来发展
边缘智能对解决海量数据实时处理提出了一个行之有效的解决思路，能高度契合资源需求量较大的深度学习场景，催生出无感考勤、自动驾驶等大量新型边缘智能应用场景。
在金融领域，工商银行、农业银行、交通银行等银行在智慧网点建设中采用了类似的本地部署边缘设备实时解析视频流进行要客识别的方案（如图4所示）。
图4 基于边缘智能的智慧网点场景
在伴随5G席卷而来的万物智联浪潮下，大数据智能化对经济社会金融科技创新发展路径产生了深刻影响，适逢其时的边缘智能必将绽放耀眼光彩，拓展出更多的智能创新应用场景，重塑金融业的服务模式和发展格局。
更多精彩内容
FCC30+
长按左边二维码
关注我们不迷路