Embed­ded World 2019: что мы уви­дели и по­каза­ли

17 апреля 2019

Если вы хотите узнать, что происходит в мире встроенных систем, поезжайте в немецкий Нюрнберг в следующем году. А пока мы поделимся своими впечатлениями от события этого года. Организаторы в который раз показали участникам, что создают очень правильное место для таких компаний как наша. С важностью этого события сравнима только значимость Electronica.


Еще больше чипов

В этом году было заметно, что происходит серьезная сегментация производителей чипов. Активно разрабатывают чипы для моделей глубокого обучения и их применения. Например, NVIDIA, видеокарты и их конечные устройства для видеокамер. Qualcomm идет туда же вместе с NXP, которые особенно сильны в автомобильной автоматизации.

Также приехали производители, которые сосредоточены на энергоэффективных процессорах. Кроме стандартных CPU появляются новые — FPGA и DSP с новыми алгоритмами, соответственно. Например, одна компания производит чипы FPGA размером с острие карандаша. Применяются для распознавание голоса. Срабатывает по активационным словам и словосочетаниям. Работает от небольшой батарейки очень долго.

Туманные вычисления

Интересно было посмотреть, что привезла компания Teradek. У них множество аппаратного обеспечения с акцентом на так называемые периферийные вычисления (их еще называют туманными). Это становится актуальным, потому что делает продуктовые решения более автономными и независимыми от характеристик сети. Проще говоря, алгоритм выполняется не в облаке, а прямо на устройстве. Нет задержки на передачу и обработку данных. Стоимость снижается. Вообще нет необходимости в передаче данных. А это приносит новые возможности для решений по защите данных. Например для сферы ухода за пожилыми людьми. Благодаря новым разработкам можно не устанавливать камеры, система анализирует данные “прямо здесь и прямо сейчас”.

Другая компания, Elite Vision, производит камеры для фабрик и рабочих процессов в промышленности. Они отличаются высокой точностью. Разработчики представили новый продукт: камеру и вычислительный модуль. Обработка сигнала происходит прямо на камере. Системы может считать объекты и применяться для классификации, считывания QR-кодов. Еще один пример — контроль дорожного движения.

Такие правильные места для встреч компаний, который разрабатывают похожие вещи, всегда располагают к разговорам и обсуждению сотрудничества. Так мы и сделали снова. Мы заинтересованы в производителях камер и серверных станций.

picture

Система обнаружения оружия у людей в толпе

Система настроена на отслеживание оружия в руках у людей в толпе. Аналогичную можно настроить на другие предметы — например, на товары в магазине. Система опознает человека и фокусируется на руках — это ее особенность.

Решение подойдет для наблюдения за небольшими скоплениями людей. Энергоэффективный и недорогой чип позволит долго работать от батареи, а также передать сигнал о событии по беспроводным сетям и видео в режиме автономной работы. Например, на случай отсутствия тока в сети. Локальное применение алгоритма убирает необходимость постоянной передачи дорогостоящего видеотрафика. Задача для алгоритма – определить событие “наличие оружия у человека в руке”. Алгоритм состоит из двух нейросетей. Первая находит кисти рук, вторая классифицирует объект в руках. Мы создали свой набор данных для обучения алгоритма, оптимизировали архитектуру и выбрали оптимальный фреймворк.

picture

Внутри

Компьютера нет. Встроенные программы. В сердце находится отладочная плата, на нее записан алгоритм машинного обучения. Мы используем алгоритмы глубокого обучения на недорогих энергоэффективных устройствах. Чип — dragonboard 410 qualcomm snapdragon. Хотя он и не самый новый, но у него есть преимущества, которые подходят для нашего продукта. Он производит все расчеты. Параллельные задачи можно выполнять благодаря нескольким вычислительным модулям CPU, GPU и DSP. На этом SoC есть радио, 3G/4G, WiFi и Bluetooth.

Кроме этого, в системе есть Ethernet камера для видеонаблюдения, монитор и Ethernet switch. Для обучения нейросетей и их применения мы используем высокопроизводительные видеокарты от NVIDIA или AMD. Они хорошо подходят для моделей глубокого обучения. Правда, их стоимость и энергопотребление не на самом низком уровне. Настолько, что по слухам криптомайнеры отапливают ими небольшие помещения, особенно после того, как цены на криптовалюту падают.

Разработка относится к области машинного зрения. Система самостоятельно обучается на примерах разных видов оружия и движений людей. Планируемые области применения: видеонаблюдение и безопасность.