5课时，落地AI应用！

欢迎来到零基础的边缘端智能安防训练营~

本次集训的课程将一路干。

从AI行业的算法现状、行业应用、项目落地等角度，带大家深入浅出地了解一系列AI应用落地的全过程。

除了经验分享，本次训练营还将带领大家一步步练习，使用安装好的安卓手机实现一套跨界识别功能。

我们希望通过训练营，让更多的同学掌握与AI应用落地相关的实践经验，对大家的工作和生活有所帮助。

1 框架结构如下：

一、智慧城市场景应用介绍

2. 智慧城市AI项目工程化方法

3. AI项目边缘设备实施方案

4.越界识别算法函数

5.课件下载

一、智慧城市场景应用介绍

目前，AI视觉已经越来越多地应用于智慧城市、工业视觉检测、自动驾驶等各个行业场景。

我们先简单了解一下目前AI视觉行业的一些基本情况

1.1 智慧城市场景划分

智慧城市应用涉及行业广泛，主要分为以下几类：

智慧城市涵盖了广泛的领域。 很多推广智慧城市的企业，其实只涉足其中一个板块。

要么专注于AI视觉，做各种场景的AI视觉解决方案；

要么专注于某个领域，比如专门做智慧园区、智慧交通的软件提供商、视觉提供商。

不同企业的业务领域和覆盖范围不同，但总体而言，智慧城市行业主要是对空间中的人、车、物进行识别和分析。

1.2 智慧城市的算法划分

了解了智慧城市的场景和领域划分之后，切入AI视觉算法就更加清晰了。

一般来说，我们学习的AI视觉算法主要是底层应用技术，比如目标检测、图像分割、OCR识别等算法。

一般来说，在各个行业的实际应用中，不同的场景对应不同的算法功能，不同的算法功能由不同的应用技术组成。

从上图可以看出，底层是各种AI算法，在上层形成各种算法函数，然后根据不同场景的实际需求，找到对应的算法函数来解决。

从场景推断，例如，以智慧园区、智慧社区、智慧金融、智慧消防等应用场景为例。 每个场景都会对应不同的算法功能。

不同场景下的算法应用需求不同：

例如，在安全生产中，重点是对人员行为和着装的监管，如安全帽、反光衣等；

在智慧园区中，重点是安防相关的应用，常用的功能有跨境识别和人脸识别。

但是从算法功能的实现来看，很多不同算法功能的底层技术是相同的。

1.3 不同的AI算法函数

以本次训练营课程涉及的跨境识别功能为例，其底层算法技术主要为人体检测+人体追踪+区域业务功能判断。

这里的业务功能主要是判断一定时间内监管区域是否有人为入侵。

人体检测+人体追踪+不同的业务功能也可以实现多种不同的算法功能。

例如可以实现客流统计——统计通过某线段或区域的人数。

又如人员离岗——统计某个设定区域内是否检测到人体，如果没有则分析是否合规。

因此，从事智慧城市行业首先需要对整个智慧城市进行大规模的分类。

然后针对不同的场景，了解应用了哪些算法。 然后判断不同的算法应用，实现了哪些AI算法。

当然，不同的AI公司切入点不同。

一些公司只提供针对特定场景的AI解决方案，比如针对机场场景、港口场景的深度挖掘；

有的公司从平台入手，比如常见场景的算法商城、常见算法的训练平台等，进入的领域不同，产品应用也不同。

了解了行业应用背景后，我们再从技术上看一下常用的项目架构和工程方法，仍然以智慧城市为例。

2.智慧城市AI项目开发及交付方式

2.1 AI项目开发与交付流程

一个人工智能项目的一般开发和交付流程通常包括以下几个环节：

① 数据采集——现场数据采集、数据标定、数据集验证；

② 模型训练——设计模型、训练模型；

③ 模型部署——模型转换、模型量化、模型裁剪、模型微调；

④工程开发——视频编解码、视频结构化开发、多任务开发管理；

⑤业务开发——根据项目需求，设计业务规则，完成相应业务逻辑处理代码的编写和调试；

⑥项目部署——制作安装包或镜像，在目标平台安装部署，现场测试。

一般来说智慧城市方案，①到③是算法人员的工作，主要涉及方面算法的使用；

④ 以工程类工作为主，主要涉及C++的开发；

而⑤~⑥主要是中台开发的工作，主要涉及Java和Java开发。

Tips：还有未列出的AI软件产品设计、UI设计、前端开发等。

可以看出整个开发过程中涉及的编程语言较多，而且很多算法同学主要走的是技术路线，对于算力设备上使用的C++不是很熟悉。

本次训练营将借助平台解决这一矛盾。

可以同时为单个设备提供Linux运行环境，只用它就可以实现算法加速和优化。

学会使用平台，将大大方便后期工作中AI应用的开发和部署。

2.2 各类AI算力设备

AI领域应用通常通过摄像头采集视频图像，然后利用算力设备的计算能力进行算法分析和处理，进而得到处理结果。

算力设备种类繁多，但总体上可分为三种：GPU服务器、边缘设备和端侧嵌入式设备。

①端侧嵌入式设备：主要特点是计算能力比较小

比如手机、人脸识别闸机等，内部都有AI算力芯片，可以进行一些简单轻量级的AI算法模型处理；

例如人脸识别、OCR识别等，但处理的视频流数量一般只针对设备上的一个视频流进行智能分析。

②AI边缘设备：主要用于多路视频的多算法分析

当需要分析的视频流数量增加时，例如使用各种算法分析10个摄像头，并使用边缘设备。

因为涉及到多个摄像头的处理，会有很多视频流的编解码处理，单通道多模型和多通道多模型的分析相对复杂一些。

③GPU服务器：

这里所说的GPU服务器主要分为两种，一种是我们常用的GPU训练服务器； 另一个是专门用于推理的GPU服务器。

两者的底层架构不同。 在项目推理应用中，主要使用推理GPU服务器。

可能有同学会好奇：有了边缘设备，为什么还要用GPU服务器呢？

这是因为在一些智慧城市应用场景中，会有一个中心机房统一管理，现场会有很多摄像头。

例如，智能交通场景往往有数千个摄像头，公园场景往往有数百个摄像头。

此时如果每几十路视频使用一台边缘设备，现场机房可能需要使用几十台甚至上百台边缘设备。

因此，在这种情况下，通常会采用GPU服务器方案，这样每台服务器就可以负责数百个摄像头的分析。

2.3 AI边缘设备不同于GPU设备

部分场景直接使用GPU服务器进行视频分析，仍然存在几个问题：

①在很多场景下，数据源（摄像头）是分布式的，可能分布在不同的子网，甚至分布在不同的城市。

使用GPU服务器进行集中处理，延迟大，占用带宽大，能耗高（因为传输的数据大部分是无效信息）；

对于分散的工地或连锁店等场景，集中处理不仅会占用宝贵的专线带宽，还需要穿透内网，繁琐且不经济。

②在某些场景下使用 GPU 似乎有些矫枉过正。 例如，在连锁店的客流统计中，每家店可能只有2-4个摄像头，甚至只有1个摄像头。 使用GPU会造成计算能力和资源的浪费。

3. AI项目边缘设备实施方案

从正面可以看出，AI边缘设备是非常重要的算力承载设备。

其中的关键就是AI芯片。 目前市场上主要有两种销售方式：

(1) AI芯片模组

公司自主研发的AI芯片，如寒武纪，主要销售AI芯片模块，再由一些外部设备公司集成到边缘设备或工控机中，以设备公司的品牌销售。

(2) 人工智能边缘设备

一些企业会自研或采购AI芯片，以AI边缘设备的形式销售，为AI解决方案企业提供算力设备，如英伟达、算能科技、阿家西等。 一般来说，如果你想玩转边缘设备，通常会开发一套完整的视频结构函数。

通过C++调用计算能力，输出需要处理的结构化信息，如编程Json形式，为后续业务处理提供分析信息。

市场上的边缘设备主要是用C++开发的。

本次训练营主要使用了另一种边缘设备开发方案，即方式。

这种方法的好处是算法工程师可以直接无缝地使用开发的模型继续开发应用程序。 比如直接用于GS865边缘设备（基于高通865芯片）。

不用担心没有边缘计算设备。 本次训练营的内容可以通过APP安装在安卓手机或平板电脑上。

您可以将手机或平板电脑变成移动边缘计算设备。 熟悉整个流程后，就可以尝试使用边缘设备了。

本次训练营，我们将携手带领大家，利用手机上的AI芯片，完成在智慧城市领域广泛应用的跨界识别算法的功能。

4.越界识别算法函数

越界识别是一个综合性的算法应用。 在AI算法的应用中，一般有三种由简单到复杂的划分：

(1) 简单的算法应用

对于一些算法功能，单一的算法模型，比如目标检测，就可以完成算法的应用。

比如头盔检测和反光衣检测，通常会采集头盔数据集和反光衣数据集，使用目标检测算法完成算法功能应用。

(2) 中等算法应用

中等算法是多个模型串联的函数。

比如越界识别，由人体检测+人体追踪+业务功能（区域监控）串联处理。

又如人流统计，由人体检测+人体跟踪+业务功能（画线统计）串联处理。

(3)复杂算法的应用

复杂算法是更复杂算法的串联。

比如动态人脸识别就是人体检测+人脸跟踪+人脸关键点+旋转校正+人脸特征提取+人脸比对的综合算法。 做项目的时候，经历过复杂算法的跳动，然后再做简单和中等算法，思路比较简单明了。

5.2 课前准备

第一部分在代码层面涉及的不多。 主要是从整体结构上跟大家了解一下这个行业的现状。 你也可以慢慢复习这节课的内容。

从第二节课开始，会涉及到相关软件的下载和安装。 需要准备的东西如下：

(1) 安卓设备（手机/平板）

设备需要满足几个条件：ARM64位，以上；

(2) 下载软件

可在各大安卓应用商店搜索下载安装； 也可以到官网下载。

本课到此结束~

可以加入AI开发者交流群，群里有工程师、姜大白等众多AI行业专家，可以进行技术指导，交流互动。

训练营所需的数据集和数据包都可以在AI交流群中获取~

详情请点击：

随着数字经济时代的到来，我国传统科技产业园区正逐步向创新、科技、智能转型。 园区智能化建设对于争夺高端产业发展要素、加快自主技术创新、推动产业转型升级、完善园区保障体系、提升园区形象、打造精品园区具有重要意义。

在这种发展趋势下，智慧园区需要一个“大脑”，收集、处理所有数据，指导决策，实现所有设备的链接，快速部署。 最后辅以人工智能技术，将一些关键场景自动化，减轻人力负担。

区域产业数字化管理

在操作上，“工业智慧大脑”以智能化手段代替人工批量处理复杂琐碎的事务； 简化、标准化和强化流程； 利用管理中信息化快速透明的特点，提高准确性，提高管理效率和效果，真正意义上利用信息化技术实现园区的运营管理，降低管理成本，提高经济效益。

武都易连作为园区行业的智能大脑，可以通过数据采集提供企业分析、行业分析、流行趋势分析。 有效整合园区内外产业资源，构建产业生态圈，提升生产经营水平，为入驻园区的企业提供了解行业流行趋势和前端信息的有效途径，提供可信赖的为企业扩大生产规模、规避风险奠定基础，为园区企业提供更多多元产业增值服务。

武都易联区域工业数字化解决方案提供商

武都易联利用人工智能和大数据打通上​​下游、技术环节之间、研发与客户之间的信息壁垒，将政府数据与企业数据融合，赋能全产业链企业，实现供需高效匹配。需求企业智慧园区，促进企业价值链和核心竞争力的提升。

Chain产业大脑搭建决策咨询平台、技术创新平台、园区发展平台，突破瓶颈，打通“孤岛”，实现信息共享和互联互通。 实现数字化，全面赋能园区管理和服务，支持园区企业数字化转型和数字产业集群发展，实现企业竞争力更强、园区平台更先进、产业链结构更优，助力园区高质量发展。园区经济。