人臉識(shí)別落地兩種姿勢 完全可以形成業(yè)務(wù)互補(bǔ)

人臉識(shí)別系統(tǒng)雖然不是一個(gè)新興事物，但是放在社會(huì)和科技的大背景下依然有新的看點(diǎn)，在GPU集群時(shí)代之前，人臉識(shí)別依賴的是具備抓拍和識(shí)別功能的IPC，或者模擬攝像機(jī)+盒子的模式，此時(shí)的IPC或者盒子造價(jià)高，但是新建部署簡單，具有一定的市場。

在大數(shù)據(jù)時(shí)代，在前端完成圖像處理被稱為“邊緣計(jì)算”，這一架構(gòu)再加上后端的業(yè)務(wù)應(yīng)用，呈現(xiàn)如下組網(wǎng)方式：

邊緣計(jì)算模式組網(wǎng)圖

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，視頻實(shí)時(shí)傳輸?shù)拇竺娣e推廣，伴隨著GPU服務(wù)器的出現(xiàn)，另一種系統(tǒng)架構(gòu)出現(xiàn)了，那就是利舊普通視頻攝像機(jī)，采用后端接入GPU服務(wù)器進(jìn)行統(tǒng)一人臉識(shí)別與分析的方式，由于對已有視頻網(wǎng)絡(luò)改動(dòng)小，部署更簡單，也具有一定的市場。

這種架構(gòu)在落地時(shí)，圖像處理系統(tǒng)與數(shù)據(jù)分析系統(tǒng)就成了后端“鄰居”：

后端集中分析模式組網(wǎng)圖

現(xiàn)如今的人臉識(shí)別項(xiàng)目在落地時(shí)，是向左，采用后端集中分析的方式，還是向右，采用邊緣計(jì)算的方式，這是每一個(gè)從業(yè)者都在思考的問題。但 “條條大路通羅馬”，邊緣計(jì)算與后端集群，無論是從技術(shù)上還是從業(yè)務(wù)上，各有優(yōu)劣。

采用邊緣計(jì)算的方式，人臉識(shí)別和比對均在前端完成，后臺(tái)只負(fù)責(zé)任務(wù)調(diào)度和告警后處理，其優(yōu)勢在于輕量化部署，對傳輸?shù)囊蟮停踔量梢宰龅轿⒉▊鬏?，而?qiáng)大的前端也可以變得更加便攜，集成在移動(dòng)巡邏車上，單兵設(shè)備上，甚至民用級無人機(jī)上，應(yīng)用場景被極大的拓展。

其不足在于，前端受體積和功率限制，以目前的科技水平仍無法做到大規(guī)模布控和多目標(biāo)實(shí)時(shí)比對，FPGA的算力和擴(kuò)展性畢竟無法與專業(yè)GPU計(jì)算卡相比，而把專業(yè)的GPU計(jì)算卡放在前端，數(shù)量和功率都將受到極大的限制。所以邊緣計(jì)算的人臉識(shí)別方案更適合于少目標(biāo)、少接入、小場景、要求機(jī)動(dòng)性的業(yè)務(wù)場景中應(yīng)用。

采用后端集群的方式，人臉識(shí)別抓拍（不帶屬性檢測）可在前端或后端進(jìn)行，對人臉圖片的分析和結(jié)構(gòu)化均交由后臺(tái)強(qiáng)大的GPU集群來完成，如此可實(shí)現(xiàn)大規(guī)模甚至超大規(guī)模（百億級數(shù)據(jù)）的布控和實(shí)時(shí)分析，接入視頻路數(shù)的限制只在于GPU集群的擴(kuò)展能力，而一般GPU集群都具備強(qiáng)大的橫向擴(kuò)展能力。同時(shí)，這一方式對前端攝像機(jī)的要求極低（甚至可以采用老舊的模擬攝像機(jī)）。在平安城市或智慧社區(qū)的改造項(xiàng)目中，采用這種方式可以更好地利舊已有前端，并且繼續(xù)使用已有視頻管理系統(tǒng)，對現(xiàn)網(wǎng)的改動(dòng)小，易于部署。

但是這種方式的缺點(diǎn)也很明顯，即對傳輸網(wǎng)絡(luò)要求較高，如果采用普通視頻流攝像機(jī)接入，視頻網(wǎng)絡(luò)的壓力非常大。同時(shí)，后端處理的方式受限于GPU集群的硬件環(huán)境，不具備機(jī)動(dòng)性。因此，后端集群的人臉識(shí)別方案適合于海量目標(biāo)、海量接入、海量數(shù)據(jù)、多場景、不要求機(jī)動(dòng)性的業(yè)務(wù)場景中應(yīng)用。

在如今的安防市場，這兩種方案均有其適合的生存土壤和空間，且完全可以形成業(yè)務(wù)互補(bǔ)。