今天的智慧城市應用主要依賴於對大量攝影機圖像數據的分析。
能夠識別並推論影像中最相關事件的能力對於建構高效率、可擴展的應用至關重要。
在最近結束的 邊緣 AI 挑戰賽 中， SmellslikeML 團隊提出了一個基於 NVIDIA Jetson Nano的應用，並以此斬獲智慧影像分析和智慧城市類別二等獎。
該應用的核心是在 Jetson Nano 上使用 TensorFlow 和 Keras 進行模型學習和運行的自動編碼器模型。通過每個即將出現的影像畫面的場景上下文，模型學習並開發標記異常事件的能力。 SmellslikeML 團隊建議使用DeepStream SDK處理這些異常事件，進而做出進一步推論，例如識別和追踪場景中的對象。
在有連續活動的場景中，例如繁忙的道路，這種追踪並標記異常圖像的方法優於簡單的運動檢測演算法。在下面的影像中，該應用正確標記了異常事件，此過程中的圖像輸送也減少了 100 倍。
模型正確識別可以進一步分析的異常事件
根據該團隊的建議，這一模型可以應用於影像分析管道中，進而實現智慧城市應用中對網路和雲端資源的最佳整理利用。