基于NVIDIA Jetson 核心模塊，實現視頻低時延傳輸和智能分析

圖為信息科技是一家 AI 邊緣計算方案解決商。本案例中主要通過 NVIDIA Jetson 核心模塊，實現視頻低時延傳輸和智能分析。本案例主要應用了 NVIDIA Jetson 系列的 Jetson Nano 、 Xavier NX 、 AGX Xavier 核心模塊，以及 Deepstream 、 Gstreamer 軟件平臺。

圖為信息科技（深圳）有限公司成立于 2011 年，是領先的 AI 應用解決方案提供商。致力于通過 AI 賦能商業(yè)和個人，讓每個企業(yè)都能夠用采用 AI 。

該公司匯聚了一批關注視覺處理相關核心算法和邊緣計算領域的高端人才。目前自主研發(fā)的主要產品是基于 NVIDIA Jetson 系列（邊緣計算）的整套解決方案，包括智能小車、圖為智盒、機器人方案等。這些產品廣泛應用于基于計算機視覺的 AI 監(jiān)測設備、基于人臉識別和行為識別，以及機器人、無人機、無人駕駛、便攜醫(yī)療、無人送貨車、智慧零售等領域。

圖為科技和國內外很多知名高校及研究機構已簽訂了戰(zhàn)略合作備忘錄，形成了產學研一體化發(fā)展。該公司自主研發(fā)的核心算法包括人臉識別、抽煙行為識別、是否佩戴安全帽識別、物體識別、基于圖像數據的三維建圖（ VSLAM ）、路徑規(guī)劃、自動避障、語音識別等技術已廣泛應用于各種細分領域。同時，科研團隊在 AI 視覺處理領域深耕不綴，技術沉淀積累豐厚。 AI 視覺處理解決方案也被廣泛應用于與圖形圖像處理相關的行業(yè)，幫助相關的傳統(tǒng)行業(yè)早日實現 AI+。

突破傳統(tǒng)網絡架構，視覺數據處理能力待提升

目前傳統(tǒng)的網絡架構采用了基于云計算的執(zhí)行模式，通過將 AI 服務部署在云端，依托于云端服務器集群豐富的硬件資源來處理計算請求。這雖然解決了硬件資源不足的問題，但云端服務器地理位置偏遠的特性造成了額外的時延，導致基于云計算的架構無法滿足實時服務的需求，同時對網絡帶寬帶來相當大的挑戰(zhàn)。要解決這個問題，可通過引入邊緣計算技術來支撐 AI 服務，在網絡邊緣分布式部署大量的邊緣節(jié)點，從而向資源受限的終端設備提供支持來實現邊緣智能。

其實，邊緣計算的本質與 AI 、物聯網密切相關。而目前 AI 應用更多的是依靠云端，邊緣計算則是將智能從云端轉向邊緣。未來，如果沒有邊緣計算的支持，將會有很多應用可能都無法實現。例如：自動駕駛、遠程醫(yī)療以及智慧城市等。

圖為信息科技在目前的解決方案中將數據傳輸時延優(yōu)化至 80-120ms ，并針對數據結構化處理，過濾大量無用數據，提取精準數據，減少寬帶傳輸壓力，結構化之后再加密傳輸，解決了網絡傳輸帶來的安全問題。

Jetson 助力視頻數據低時延傳輸，提高智能分析標準

圖為信息科技專注于 AI 邊緣計算解決方案的開發(fā)、制造、銷售與服務。目前采用 NVIDIA Jetson 系列核心模塊推出的圖為智盒 T100 、 T503 、 T600 等產品，對于低時延和智能分析已創(chuàng)造出了更高標準。從數據采集到處理、傳輸、應用僅需 80-120ms ，遠程操作如同親臨現場，感知不到任何延遲。要實現 AI ，僅僅解決延時問題是遠遠不夠的，圖為科技針對視頻數據即時結構化處理進行不斷的研究和提升。目前通過 IP Camera, GSML 等攝像頭采集數據，運用 Jetson 強大的解碼與 AI 處理能力，可以解碼 1080P ， 30FPS 8-32 路，將采集到的數據經過目標檢測、目標追蹤等算法推理，轉化為結構化數據在本地保存，或傳輸到云端服務器保存。無需將原始視頻數據全部上傳遠程服務器，有效緩解了網絡帶寬壓力。將視頻數據結構化之后再加密傳輸，也解決了網絡傳輸帶來的安全問題。

基于 NVIDIA Jetson 核心模塊的圖為智盒還具備以下優(yōu)勢：

圖為信息科技 CEO 蘇世鵬表示：“使用 NVIDIA Jetson 系列核心模塊和 Deepstream 、 Gstreamer 軟件平臺極大提升了視覺數據處理能力，優(yōu)化了數據傳輸時延和結構化數據分析處理效率，進一步提升了物聯網在 AI 領域的部署能力。使得我們在 AI 邊緣計算領域不斷地創(chuàng)新產品，拓展物聯網智能化應用場景。通過增強邊緣計算的 AI 處理能力，降低企業(yè)運營成本提高生產效率，讓更多相關傳統(tǒng)行業(yè)早日享受到 AI 帶來的便捷。基于 NVIDIA Jetson 系列核心模塊的圖為智盒產品可廣泛應用于機器人、無人配送車、低空防御、智能巡檢、智慧樓宇等自主化機器，是邊緣端部署 AI 算力進行深度學習的理想載體。”