TeslaP100加速大规模视频分析与智能监控-Nvidia.PDFVIP

Tesla P100 加速大规模视频 分析与智能监控 现状 析。 随着基于深度学习的大规模视频分析技术的发展，采用GPU 加 西安交大智能监控与传感研究室属于国家工程实验室，在模式 速视频分析系统成为业内逐渐采用的技术方案。以对监控视频 识别与智能系统领域有着长期的研究积累，并在图像及视频内 的行人跟踪、检索为例，基于深度学习的业务流程采用如图2 容自动分类与识别、目标检测与追踪、人脸检测与验证、人体 所示技术框架。 身份识别等多项计算机视觉技术上拥有国际领先的成果。研究 室获得国家“863”计划重点基金和国家自然科学基金的支 持，并承担国家“973”重点基础研究发展计划，在国内视觉 研究领域处于领先的地位。 近年来，随着深度学习相关领域的快速发展，人工智能技术在 制造智能家居、构建智慧社区和建设智慧城市等诸多方面有着 极为广阔的应用前景。实验室紧跟时代的潮流，与海尔集团、 华为公司、蚂蚁金服等知名企业，在智能家电、高性能云服务 与智能监控等多个应用领域开展了深入的合作。近期，实验室 同公安部门与交通部门的研究所展开了对大规模监控视频的智 能分析合作研究，基于深度神经网路提供人脸检测与验证、行 人检测与检索、车辆检测与车型识别，以及聚集人口和异常事 图1 每时每刻都会产生大量的实时监控视频，单个人难以兼顾所有的 件检测等解决方案。 依托于NVIDIA 的Tesla 系列GPU 加速 监控录像，而增加人员数则将人力浪费在了对“正常”的视频时间段 卡，实验室构建了多GPU 视频处理加速平台，能支持对大规模 的监控上。 视频数据的高效处理和对多路视频流的实时监控与智能分析， 从而为智能监控领域的合作研究提供了坚实的技术保障。 挑战 智能监控旨在对监控视频中的物体、行为、事件等对象，通过 检测、识别、跟踪等视觉模式识别技术进行智能分析和判断， 从而减少或取代人力的干预。智能监控是建设智慧城市的一项 重要内容，所涵盖的技术包括对人脸、行人、车辆、标识等视 图2 监控视频行人跟踪、检索流程。从监控终端获取的行人监控视频 觉对象识别和行为分析等，涉及无人驾驶、异常事件检测、辅 经过解码后，输入到基于深度神经网络的行人检测算法模块，既而进 助刑侦等诸多应用场景。 行行人的检测、特征提取、轨迹跟踪，并将特征和轨迹进行结构化存 储。对于待检索的行人图片，在行人再识别模块判别行人的ID，并检 目前，随着监控设施的在各场所的普及，每时每刻都会产生大 索行人图片、轨迹等。 量的监控视频数据。一方面，人为的监视、分析这些监控视频 会耗费大量的人力资源（如图 1 所示），且受限于人的注意力 其中，视频解码是视频处理的第一步，依赖于低层解码库对视 局限，容易遗漏可疑目标和紧急事件，耽误了宝贵的办案时 频帧的解算。传统的视频解码通常采用CPU 软解码，或基于特 间；另一方面，由于视频数据规模大，传统的高性能计算平台 定的解码硬件设备进行硬解码。软解码的计算时间取决于用于 已难以满足视频大数据的处理需求，更难胜任实时的监控与分 解码的核心线程数，为达到较高的解码速率，通常需要把CPU 核心占满。当视频路数增多时，为保证实时性，解码所需的计 编码的行人监控录像进行解码测评，结果如表1所示。可以看 算资源也会随之提升。旧版本的NVIDIA GPU 提供了基于CUDA 出，采用P100硬解码可以取得高达170x的加速率，显著高于使 的解码加速，但加速效果不明显。 用16个CPU核心的解码加速效果。 视频解析流程中所