Trung tâm kiến thức
Mục lục

Kiến trúc phần cứng cho giám sát video AI đô thị

Cốt lõi của kiến trúc phần cứng giám sát video AI đô thị là thiết kế phần phía trước ghi hình nhìn rõ và phần phía sau suy luận tính mạnh thành hai phần tách biệt: phía trước đảm nhiệm ghi hình và tiền xử lý nhẹ, còn phía sau dùng GPU hoặc card tăng tốc chuyên dụng để phân tích có cấu trúc video nhiều kênh. Cách tiếp cận chủ đạo hiện nay dùng camera thông minh trang bị NPU ở phía trước để phát hiện đối tượng sơ bộ, hộp suy luận hoặc máy chủ biên ở phía biên để phân tích thời gian thực hàng chục đến hàng trăm kênh, và card tăng tốc tính toán cao ở trung tâm để truy xuất liên miền và huấn luyện lại mô hình. Kiến trúc phân lớp này quyết định cấu trúc chi phí và nhịp triển khai của các dự án video đô thị thông minh.

1. Kiến trúc phần cứng giám sát video AI đô thị gồm những lớp nào

Bóc tách ra thì có bốn lớp. Thứ nhất là phần ghi hình phía trước, gồm camera thân hộp, camera dome PTZ và camera toàn cảnh, trong đó thông số then chốt là kích thước cảm biến, hiệu năng thiếu sáng và dải động rộng; kịch bản đường đô thị thường cần mức thiếu sáng cấp ánh sao cộng dải động rộng trên 120 dB, nếu không thì đèn pha chiếu trực diện ban đêm và mặt ngược sáng gần như không dùng được. Thứ hai là đơn vị thông minh phía trước, tức camera thông minh trang bị NPU hoặc module AI cải tạo lên thiết bị hiện có, với năng lực tính toán thường trong khoảng 1 đến 10 TOPS cho các mô hình nhẹ như phát hiện người và nhận dạng biển số. Thứ ba là nút suy luận biên, dưới dạng máy chủ biên và hộp suy luận, mỗi thiết bị cần nhận 16 đến 64 luồng video với giải mã đa kênh đồng thời và phân tích có cấu trúc, điều này đặt yêu cầu cao về băng thông bộ nhớ và số đơn vị giải mã video. Thứ tư là cụm tính toán trung tâm, đảm nhiệm tái tạo quỹ đạo liên camera, tìm kiếm bằng hình ảnh và huấn luyện lặp mô hình, và đây là lớp thực sự chịu áp lực với card tăng tốc GPU và bộ nhớ HBM.

2. Yêu cầu phần cứng của suy luận biên và huấn luyện trung tâm khác nhau thế nào

Hai bên khác nhau rất nhiều, và gộp chúng lại là lỗi lựa chọn phổ biến. Suy luận biên coi trọng số kênh video chạy được trên mỗi watt, công suất mỗi kênh và khả năng thích ứng môi trường triển khai; dải nhiệt độ hoạt động phải phủ từ âm 20 đến 60 độ C, nhiều tủ tại nút giao không có điều hòa, và vấn đề tích bụi của thiết kế làm mát bằng quạt sẽ lộ ra trong vòng hai năm. Nút biên không cần dung lượng bộ nhớ lớn, nhưng số kênh giải mã video phải đủ: tài nguyên phần cứng mà một luồng 1080P 25 fps giải mã H.264 tiêu tốn là một chỉ số cứng, và con số năng lực tính toán cao trên danh nghĩa không thể bù cho số kênh nếu kênh giải mã không đủ. Trung tâm thì ngược lại, cần bộ nhớ lớn và bộ nhớ băng thông cao vì nhiều mô hình lớn phải thường trú đồng thời để suy luận theo lô và tinh chỉnh; các card tăng tốc mới nhất chuyển sang HBM4 với bộ nhớ mỗi card tiến tới trên 200 GB, nhằm chứa mô hình thị giác nhiều tham số hơn trên một card. Một đánh giá thực dụng: đừng mù quáng chạy theo năng lực tính toán cao trên thiết bị biên, hãy tính số kênh giải mã và giới hạn công suất trước; đừng chỉ xem năng lực tính toán đỉnh trên thiết bị trung tâm, hãy xem dung lượng bộ nhớ và băng thông kết nối giữa các card.

3. Những kịch bản nào trong đô thị thông minh thực sự cần trí tuệ phía trước

Không phải mọi điểm lắp đặt đều đáng có phần phía trước thông minh. Các kịch bản phù hợp có đặc điểm chung rõ ràng: băng thông truyền dẫn mạng hạn chế, yêu cầu độ trễ phản hồi cao, hoặc tuân thủ quyền riêng tư cấm video thô rời khỏi điểm lắp đặt. Ví dụ lấy một điểm cảnh sát điện tử trên trục đường đô thị, nơi việc chụp ảnh và nhận dạng biển số phải xảy ra ở phía trước vì logic kích hoạt trong vài trăm mili giây phải hoàn tất và gửi về trung tâm thì quá chậm. Hoặc lấy kiểm soát ra vào bằng khuôn mặt tại cổng trường, nơi giữ ảnh khuôn mặt thô không rời khỏi thiết bị phía trước là chuẩn tuân thủ tối thiểu. Ngược lại, bám vết quỹ đạo liên camera và tìm kiếm phương tiện bằng hình ảnh không thể làm ở phía trước và cũng không cần, nên giao cho biên hoặc trung tâm sẽ kinh tế hơn. Một sai lầm phổ biến là trang bị phần phía trước thông minh cho mọi camera, làm tăng chi phí mỗi kênh trong khi thực tế chỉ dùng phát hiện chuyển động cơ bản, đây là lãng phí rõ ràng. Cách hợp lý là phân cấp theo điểm lắp đặt: phần phía trước thông minh ở các trạm kiểm soát then chốt, còn camera thường cộng phân tích tập trung tại nút biên ở các điểm phủ chung.

4. Những chỉ số nào cần theo dõi khi triển khai phần cứng giám sát video AI đô thị

Đầu tiên là khả năng giải mã: hỏi rõ một thiết bị biên đơn lẻ có thể nhận đồng thời bao nhiêu kênh với độ phân giải nào, đây là ràng buộc cứng quyết định năng lực tải thực tế hơn cả năng lực tính toán danh nghĩa. Thứ hai là tương thích giao diện và giao thức: phía trước phải hỗ trợ đưa vào hệ thống qua ONVIF và GB/T 28181, và nút biên phải kết nối được với nền tảng quản lý video hiện có, nếu không thiết bị cũ và mới bị tách rời và phía nền tảng phải viết một loạt bộ chuyển đổi. Thứ ba là cấp bảo vệ môi trường: thiết bị trong tủ tại nút giao cần tối thiểu IP54, với khởi động nhiệt độ thấp được tính đến ở miền bắc và chống ẩm, chống ngưng tụ ở miền nam. Thứ tư là kênh cập nhật mô hình: các dự án video đô thị chạy dài và lặp thuật toán là thường lệ, nên phần cứng phải hỗ trợ phân phối mô hình từ xa và khôi phục phiên bản thay vì phải đến tận nơi mỗi lần nâng cấp. Thứ năm là ngân sách công suất và nhiệt: máy chủ biên dao động từ vài chục watt đến 300 W mỗi thiết bị, và dự trữ công suất cùng dư địa tản nhiệt của tủ nút giao cũ phải được tính trước; nhiều dự án bị tắc ở đây chứ không phải ở hiệu năng thuật toán.

5. Kiến trúc này phù hợp và không phù hợp với điều gì

Kịch bản phù hợp: trạm kiểm soát trên đường đô thị, cảnh sát điện tử tại nút giao, phòng thủ vành đai khuôn viên và giám sát mật độ đám đông ở nơi công cộng, nơi các điểm phân tán, băng thông truyền dẫn hạn chế và có yêu cầu thời gian thực, nên kiến trúc phân lớp đặt tính toán ở nơi phù hợp nhất. Nó cũng phù hợp với các nhà tích hợp đã hoạt động hàng chục năm từ kỷ nguyên ERP, phục vụ 1,2 triệu khách hàng, đã triển khai hàng chục triệu thiết bị đầu cuối và phủ thị trường trong và ngoài nước, vì những nhà cung cấp như vậy nắm số lượng lớn điểm video hiện hữu và việc cải tạo biên thực tế hơn là thay toàn bộ phía trước. Kịch bản không phù hợp: phân tích có cấu trúc toàn bộ theo từng khung hình của video toàn cảnh siêu nét, ví dụ trích xuất thuộc tính đa đối tượng từ mọi kênh 4K 30 fps, nút biên không chịu được và cụm trung tâm phải đảm nhiệm; và các kịch bản phụ thuộc cứng vào một mô hình rất lớn duy nhất, nơi giới hạn bộ nhớ và công suất của thiết bị biên khiến việc ép mô hình lớn vào chỉ đánh đổi số kênh. Ngoài ra, tại các điểm cũ có tính nhất quán vật liệu đầu vào kém và ống kính bị bẩn nhiều, tỷ lệ báo động giả của trí tuệ phía trước tăng rõ rệt, nên hãy làm sạch ống kính và hiệu chuẩn lại góc trước khi bàn đến trí tuệ, nếu không phần cứng mang lại rất ít.

Chủ đề: Bách khoa phần cứng AI