边缘智能的应用与服务(2)

02
边缘智能应用领域
边缘智能在各个行业中都有潜在的应用市场，尤其为电信运营商等所需云计算等行业。边缘智能可以从人工智能与边缘计算的行业领域出发，如在人工智能的领域添加边缘计算相关内容，将其性能打磨之最佳状态；在边缘计算等计算领域，将智能硬件与算法引入，设计出更适合的网络节点部署方案等。
因此，边缘智能的行业应用市场主要包括工业物联网、智能安防、智能车载、 AR/VR 等需要实时提供数据或预测性维护的行业。以下为边缘智能所存在的潜在的行业，从无人监考系统、无人驾驶汽车以及智能安防角度出发，进行分析与汇总。
2.1 无人监考系统
无人监考系统将数据分析中心分布在每个考场的智能设备上，能自动对监控设备捕捉到的图像以及视频进行压缩与提取人像，并依据考生行为模型对考生的动作进行识别与判断，在考生产生疑似违规行为时进行记录，从而实现人力消耗零成本。
相比于基于远程的传统的无人监考，传统的无人监考有两大弊端：监考员肉眼监考难免有不够公正与存在视觉盲区的情况；监控摄像耗费大量的网络资源和储存空间，而且存在监控范围过广、难以及时发觉考试违规的难题，耗时耗力且效率低下。基于边缘智能的无人监考系统应主要包括两个最为关键的功能模块：信息筛选模块、信息分析模块。其中作为第一边缘节点模块的信息筛选模块，指在摄像头端对图片以及视频进行预处理，利用目标检测标选考生，而第二边缘节点的信息分析模块则主要利用了监督学习与卷积神经网络学习相结合识别作弊行为。
2.2 无人驾驶汽车
目前，谷歌所研发的无人驾驶汽车相对于普通的人工驾驶汽车而言，具有智能化、系统化、实时化的信息反馈以及独立化、体系化的系统运作方式等特点。
无人驾驶汽车主要分为基于传感器和基于车联网两类，而接下来所提及的无人驾驶汽车是一种通过自身传感器如摄像头、车载激光雷达以及惯性陀螺仪等对地理环境如信号灯、路标等以及车辆行人等路况进行感知，将所得数据通过计算机系统进行处理，从而控制车辆的转向与速度，使之实现安全的无人驾驶的汽车。
其中，基于图像处理技术的车辆识别技术，其需要的图像信息来自于安装在汽车上的 CCD 摄像机。通过图像滤波能够使图像边缘比较清晰地呈现出来，采用Sobel 算子、二值化运算使边缘增强的作用，把检测目标的边缘信息凸显出来，使其更明显，便于更好地识别目标。在此基础上，可利用车载设备 CCD 摄像机作为边缘节点，将其基于云计算中心的计算进行边缘化处理，下沉至边缘节点，从而在 CCD 摄像机处首先进行图像的预处理，将图像进行滤波，边缘增强等操作，然后再在第二边缘节点或云计算中心对图像所传回数据进行集中处理。