Журнал "Системы Безопасности" № 3‘2019

ность дополнить стандартный набор собствен- ной математикой, как правило, сильно ограничена или отсутствует. Еще один суще- ственный недостаток данного подхода в том, что аппаратная платформа подобной камеры уста- ревает еще до начала ее производства. В такой камере всегда будет устаревший сенсор и не самый лучший вычислитель, так как каждый год выходят новые платформы и новые сенсоры. Тем не менее в силу инерции крупного бизнеса покупателю навязываются подобные решения. Ведь если производители вложили деньги в какую-то разработку, то они еще пять лет будут всячески пытаться ее продавать, чтобы окупить затраты. Более прогрессивным видится подход, когда интеллект и камера физически разделены и взаимодействуют по одному из стандартных высокоскоростных интерфейсов. В этом случае все компоненты можно легко менять и выбирать то, что нужно в данный момент, не переплачивая за "то, что дают". Таким образом, интеллектуаль- ные камеры с намертво встроенным, закрытым процессором выглядят, на наш взгляд, тупико- вой ветвью развития, поскольку проигрывают встраиваемым системам на открытых платфор- мах и по ключевым параметрам – гибкости и производительности. Выбор платформы для встраиваемой системы Сегодня типовыми платформами для встраи- ваемых систем захвата и обработки изображе- ний являются: l ARM (Qualcomm); l х86 (Intel); l FPGA (XILINX ZinQ); l GPU (NVIDIA). Все они отличаются тем, что поддерживают гетерогенную архитектуру – набор процессо- ров, реализованных на одном кристалле и оптимизированных для решения разных задач (рис. 6). Часто доходит до смешного, когда производители продают два ARM-процессора по цене одного: один с невысоким потреблени- ем энергии и производительностью, второй с высокой производительностью и соответ- ствующим энергопотреблением. Для оптимиза- ции потребления энергии, что очень важно для многих мобильных платформ, программное обеспечение, в зависимости от вычислительной нагрузки, на лету переключается с одного про- цессора на другой. Это наглядно демонстриру- ет, до какой степени разработчикам лень (ограничение ресурсов) или некогда (скорость вывода на рынок) оптимизировать архитектуру. Если говорить о создании мобильной платфор- мы с достаточной производительностью за небольшие деньги, то один из лучших вариан- тов – Snapdragon 845, самое популярное реше- ние от Qualcomm, представленное во многих топовых смартфонах. Помимо обычного про- цессора, оно содержит как минимум три спе- циализированных сопроцессора, встроенные кодеки для сжатия информации и коммуника- ционные модули. Для более серьезных, требовательных к быстро- действию и высокой скорости реакции задач не обойтись без ПЛИС (FPGA), пример – семей- ство ZynQ от XILINX. Заметим, что ПЛИС (FPGA) есть сегодня и в портфолио Intel, что лишний раз подчеркивает перспективность технологии. Аппаратную архитектуру ПЛИС можно конфи- гурировать под конкретную задачу, это дает воз- можность создания оптимизированной, ком- пактной полупроводниковой микросхемы с низким потреблением, высокой скоростью выполнения конкретных алгоритмов обработки изображений с очень малыми задержками. Благодаря гетерогенной архитектуре на кри- сталле Xilinx ZynQ, помимо собственно ПЛИС (FPGA), присутствуют два ARM-процессора, управление памятью, коммуникационный модуль и другие специализированные блоки. Нужно отметить, что процесс разработки про- граммного обеспечения для ПЛИС (FPGA), пожалуй, самый сложный из всех рассматри- ваемых нами вариантов. Но производители оборудования ПЛИС (FPGA) активно работают над созданием более удобных и гибких про- граммных инструментов. Еще один представитель популярных вычисли- тельных платформ – NVIDIA Jetson Nano, TX1/TX2, Xavier. Это серия компактных устройств разной производительности, зача- стую дополненная более удобными и богатыми по сравнению с ПЛИС(FPGA) библиотеками. Набор программных инструментов на базе фирменной технологии NVIDIA CUDA позволяет достаточно быстро создавать решения для обработки крупноформатных изображений. Еще пару лет назад все вычисления делались в формате 2К, сейчас уже в ряде случаев исполь- зуются 4К-изображения. В тестах для портатив- ных CUDA-платформ с использованием даже не самой последней версии отечественной про- граммной библиотеки Fastvideo сжатие картин- ки 2К в формате JPEG занимает 1–2 мс, а пол- ноцветного 4К-изображения – 22 мс, причем с высоким качеством с минимальными потерями. Впечатляющая производительность встраивае- мых платформ открывает дорогу их использо- ванию во многих приложениях, где требуется интенсивная обработка изображений на месте, без передачи по длинным каналам связи. Больше, чем просто картинка Подытожим преимущества камер машинного зрения в сочетании со встраиваемыми мобиль- ными платформами: 1. Ничего лишнего (вес, размер, крепление кабелей и др.). Только то, что нужно, в зависи- мости от потребностей в качестве изображения. 2. Оптимальное разрешение и оптика. Возмож- ность подобрать подходящий объектив для конкретной установленной в камеру матрицы. Качество изображения определяется самым слабым элементом. Использование несогласо- ванных компонентов приводит к тому, что поку- патель переплачивает либо за камеру, либо за оптику и проигрывает в любом случае. 3. Тесное взаимодействие с другими подсисте- мами (автопилот, IMU, GPS/ГЛОНАСС). 4. Пользовательское ПО (управление режима- ми съемки, обработка изображений, нейро- нные сети и др.). Серьезные производители камер предоставляют драйверы не только для MS Windows, но и для Linux. Заключение Сегодня интеграторы мобильных приложений при необходимости расширения функциональ- ных возможностей систем пока, по привычке, имеют дело с умными камерами, но завтра уже будут работать не только с ними, но и со встраиваемыми системами, когда камера и интеллект функционируют по отдельности. Такие решения позволят даже небольшим ком- паниям делать интересные, специализирован- ные решения, которые раньше были по силам только крупным компаниям с огромными ресурсами. Благодаря тому, что теперь доступ- ны оптимизированные библиотеки обработки изображений, аппаратные платформы и каме- ры со стандартными интерфейсами, небольшие группы разработчиков могут создавать очень достойные продукты с характеристиками, кото- рых нет даже у именитых конкурентов. Ком- пактные камеры машинного зрения и встраи- ваемые вычислительные платформы позволяют предложить потребителю гораздо больше, чем просто картинку, и этими возможностями нужно пользоваться. n www.secuteck.ru июнь – июль 2019 МАШИННОЕ ЗРЕНИЕ В И Д Е О Н А Б Л Ю Д Е Н И Е 101 Рис. 8. Видеорегистраторы и камеры против камер машинного зрения Рис. 9. Эволюция процессоров Ваше мнение и вопросы по статье направляйте на ss @groteck.ru