ナレッジセンター
目次

都市型AI映像監視のハードウェアアーキテクチャ

都市型AI映像監視のハードウェアアーキテクチャの核心は、鮮明に撮る撮像フロントエンドと、大量に計算する推論バックエンドを二つの独立した部分として設計することにある。フロントエンドは撮像と軽量な前処理を担い、バックエンドはGPUや専用アクセラレータカードで多チャンネル映像の構造化解析を行う。現在の主流は、フロントエンドにNPU搭載のスマートカメラを置いて一次的な物体検出を行い、エッジ側に推論ボックスやエッジサーバを置いて数十から数百チャンネルをリアルタイム解析し、中央に高演算のアクセラレータカードを置いて横断検索とモデル再学習を行う構成である。この階層型アーキテクチャが、スマートシティ映像プロジェクトのコスト構造と配備の進め方を決定づける。

1. 都市型AI映像監視ハードウェアアーキテクチャの構成層

分解すると四つの層になる。第一は撮像フロントエンドで、ボックスカメラ、PTZドームカメラ、パノラマカメラが含まれ、主要な指標はセンササイズ、低照度性能、広ダイナミックレンジである。都市の道路シナリオでは通常、スターライトレベルの低照度と120dB以上の広ダイナミックレンジが必要で、これがなければ夜間のヘッドライト直射や逆光の顔は実用にならない。第二はフロントエンド知能ユニットで、NPU搭載のスマートカメラや既設機器に後付けするAIモジュールを指し、演算性能は通常1〜10TOPSで、人検出やナンバープレート認識といった軽量モデルを動かす。第三はエッジ推論ノードで、エッジサーバや推論ボックスの形態をとり、1台で16〜64本の映像ストリームを取り込み、多チャンネルのデコードと構造化解析を同時に行う必要があるため、メモリ帯域と映像デコードユニット数への要求が高い。第四は中央の演算クラスタで、カメラをまたぐ軌跡の再構成、画像による検索、モデルの反復学習を担い、GPUアクセラレータカードとHBMメモリが本当に厳しくなる層である。

2. エッジ推論と中央学習でハードウェア要件がどう異なるか

両者は大きく異なり、これを混同することがよくある選定ミスである。エッジ推論は、1Wあたり何チャンネルを処理できるか、チャンネルあたりの消費電力、配備環境への適応性を重視する。動作温度範囲はマイナス20〜60℃をカバーする必要があり、多くの交差点キャビネットには空調がなく、ファン冷却設計の埃詰まりは2年以内に表面化する。エッジノードはメモリ容量をそれほど必要としないが、映像デコードのチャンネル数は十分でなければならない。1080P・25fpsのH.264デコードが消費するハードウェア資源は明確な指標であり、公称の演算性能が高くてもデコードチャンネルが足りなければチャンネル数を埋められない。中央は逆で、複数の大規模モデルを同時に常駐させてバッチ推論とファインチューニングを行うため、大容量かつ高帯域のメモリを必要とする。最新のアクセラレータカードはHBM4へ進み、カードあたりのメモリ容量は200GB超へ向かっており、より大きなパラメータの画像モデルを1枚で載せることを狙っている。実務的な判断はこうである。エッジ機器ではむやみに高演算を追わず、まずデコードチャンネル数と電力の上限を算定する。中央機器ではピーク演算だけを見ず、メモリ容量とカード間のインターコネクト帯域を見る。

3. スマートシティでフロントエンド知能が本当に必要なシナリオ

すべての設置点にインテリジェントなフロントエンドが必要なわけではない。適するシナリオには共通する特徴がある。ネットワークのバックホール帯域が限られている、応答遅延の要件が厳しい、あるいはプライバシー規制により生の映像を現場から出せない、のいずれかである。たとえば都市幹線道路の電子警察の設置点では、数百ミリ秒以内のトリガーロジックを完結させる必要があり、中央へ送ってからでは遅いため、撮影とナンバープレート認識はフロントエンドで行わざるを得ない。あるいは学校の門における顔認証入退室では、生の顔画像をフロントエンド機器に残さないことがコンプライアンスの最低線となる。逆に、カメラをまたぐ軌跡追跡や画像による車両検索はフロントエンドではできず、またその必要もないため、エッジや中央に任せるほうが経済的である。よくある誤りは、すべてのカメラにインテリジェントなフロントエンドを付けてチャンネル単価を上げながら、実際には基本的な動体検知しか使っていないという明らかな浪費である。合理的な方法は設置点による等級分けで、重要なチェックポイントにはインテリジェントなフロントエンドを置き、一般的なカバレッジ点には通常のカメラと統合エッジノードによる解析を組み合わせる。

4. 都市型AI映像監視ハードウェアの導入で見るべき指標

第一はデコード能力である。1台のエッジ機器が同時に何チャンネルのどの解像度を取り込めるかを明確に問うべきで、これは公称演算性能よりも実際の処理容量を左右する厳格な制約である。第二はインターフェースとプロトコルの互換性である。フロントエンドはONVIFとGB/T 28181による登録に対応し、エッジノードは既存の映像管理プラットフォームに接続できなければ、新旧機器が分断され、プラットフォーム側で大量のアダプタを書くことになる。第三は環境保護等級である。交差点キャビネットの機器は少なくともIP54が必要で、北方では低温始動、南方では防湿と結露防止を考慮する。第四はモデル更新の経路である。都市映像プロジェクトは運用期間が長く、アルゴリズムの反復は日常的であるため、更新のたびに現地訪問するのではなく、遠隔でのモデル配信とバージョンロールバックに対応している必要がある。第五は電力と放熱の予算である。エッジサーバは1台数十Wから300Wに及び、老朽化した交差点キャビネットの電力容量と放熱余裕を事前に算定しなければならない。多くのプロジェクトはアルゴリズム性能ではなくここで行き詰まる。

5. このアーキテクチャが適する範囲と適さない範囲

適するシナリオ。都市道路のチェックポイント、交差点の電子警察、学校の外周防御、公共空間の群集密度監視など、設置点が分散し、バックホール帯域が限られ、リアルタイム性の要件がある場面では、階層型アーキテクチャによって演算を最適な場所に配置できる。また、ERP時代から数十年にわたり事業を展開し、120万社の顧客にサービスを提供し、累計数千万台の端末を導入し、国内と海外の市場をカバーしてきたシステムインテグレータにも適する。こうしたベンダーは既存の映像設置点を大量に抱えており、すべてのフロントエンドを入れ替えるよりエッジの後付け改修のほうが現実的だからである。適さないシナリオ。超高精細パノラマ映像をフレーム単位で完全に構造化解析する用途、たとえば4K・30fpsの全チャンネルから多対象の属性を抽出するような処理はエッジノードでは担えず、中央クラスタで処理するしかない。また、単一の非常に大きなモデルに強く依存するシナリオでは、エッジ機器のメモリと電力の上限により、大規模モデルを無理に載せるとチャンネル数を犠牲にするだけになる。さらに、搬入素材の一貫性が悪くレンズの汚れがひどい老朽現場では、フロントエンド知能の誤報率が目立って上昇するため、知能化を論じる前にレンズを清掃し角度を再校正すべきで、そうしなければハードウェアはほとんど成果を出さない。

分野: AIハードウェア百科