Nghiên cứu và triển khai giải pháp trao đổi dữ liệu trong hệ thống phân tích video thông minh sử dụng cơ chế pubsub messaging

ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nghiên cứu triển khai giải pháp trao đổi liệu hệ thống phân tích video thơng minh sử dụng chế pub/sub messaging BÙI HOÀNG NAM Nam.BHCB190240@sis.hust.edu.vn Chuyên ngành: Mạng máy tính an tồn thơng tin Giảng viên hướng dẫn: PGS TS Trần Quang Đức Trường: Công nghệ Thông tin Truyền thông Hà Nội, 4/2022 ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nghiên cứu triển khai giải pháp trao đổi liệu hệ thống phân tích video thơng minh sử dụng chế pub/sub messaging BÙI HOÀNG NAM Nam.BHCB190240@sis.hust.edu.vn Chuyên ngành: Mạng máy tính an tồn thơng tin Giảng viên hướng dẫn: PGS TS Trần Quang Đức Trường: Trường Công nghệ Thông tin Truyền thông Chữ ký GVHD HÀ NỘI – 04/2022 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn: Bùi Hoàng Nam Đề tài luận văn: Nghiên cứu triển khai giải pháp trao đổi liệu hệ thống phân tích video thông minh sử dụng chế pub/sub messaging Chuyên ngành: Mạng máy tính An tồn thơng tin Mã số SV: CB190240 Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày 28/04/2022 với nội dung sau: - Bổ sung thích việt hóa từ khóa tiếng anh - Chỉnh sửa lại cách diễn đạt chương mục cài đặt triển khai theo khuôn dạng văn khoa học thay đưa chi tiết câu lệnh cài đặt Ngày 20 tháng 05 năm 2022 Giáo viên hướng dẫn Tác giả luận văn PGS.TS Trần Quang Đức Bùi Hoàng Nam CHỦ TỊCH HỘI ĐỒNG PGS.TS Lã Thế Vinh LỜI CẢM ƠN Trước hết, xin trân trọng cảm ơn Đại học Bách Khoa Hà Nội, Phòng Đào tạo – phận Đào tạo Sau đại học, Trường Công nghệ thông tin Truyền thông, thầy cô bạn tạo điều kiện thuận lợi đóng góp nhiều ý kiến quý báu giúp tơi hồn thành luận án Đặc biệt, tơi xin bày tỏ lịng biết ơn chân thành sâu sắc đến Thầy hướng dẫn khoa học PGS.TS Trần Quang Đức nhiệt tình hướng dẫn, giúp đỡ tạo điều kiện thuận lợi cho suốt q trình thực Luận án Tơi xin cảm ơn gia đình bạn bè người thân ln bên tôi, ủng hộ động viên suốt q trình nghiên cứu Tơi xin chân thành cảm ơn! Hà Nội, ngày tháng Học viên Bùi Hoàng Nam năm 2022 PHIẾU GIAO NHIỆM VỤ LUẬN VĂN TỐT NGHIỆP Thông tin học viên Họ tên học viên: Bùi Hoàng Nam Điện thoại liên lạc: 0392726142 Email: Nam.BHCB190240@sis.hust.edu.vn Lớp: 19BATTT Hệ đào tạo: Thạc sĩ kỹ thuật Luận văn tốt nghiệp thực tại: Trung tâm An tồn an ninh thơng tin, Trường Cơng nghệ Thơng tin Truyền thông Thời gian thực luận văn: tháng Mục đích nội dung luận văn tốt nghiệp Ngày nay, hệ thống camera giám sát xuất khắp nơi Việc phân tích thơng minh dịng video từ camera cơng nghệ trí tuệ nhân tạo cho đời hàng loạt ứng dụng có tiềm thay đổi giới thành phố thông minh, kiểm sốt giao thơng thơng minh, hỗ trợ nhận dạng cá nhân, giám sát an ninh tự động Xu hướng triển khai hệ thống phân tích video thơng minh theo mơ hình kết hợp điện toán biên (Edge Computing) điện toán đám mây (Cloud Computing) Tuy nhiên việc triển khai phân tán phân hệ hệ thống môi trường triển khai khác đặt yêu cầu cần có chế trao đổi liệu thành phần cách ổn định tin cậy Từ nhu cầu thực tế, mục tiêu cụ thể luận văn cần đạt là: - Nghiên cứu hệ thống phân tích video thơng minh theo mơ hình kết hợp với điện toán biên điện toán đám mây - Nghiên cứu giải pháp trao đổi liệu hệ thống phân tích video thơng minh sử dụng chế pub/sub messaging - Xây dựng hệ thống phân tích video thơng minh theo mơ hình đề xuất để chứng minh tính khả thi hiệu thực tế Các nhiệm vụ cụ thể luận văn tốt nghiệp Trên sở mục tiêu đề ra, luận văn thực số nội dung nghiên cứu cụ thể sau: - Nghiên cứu, xác định vấn đề q trình trao đổi liệu phía biên phía điện tốn đám mây - Nghiên cứu hệ thông truyền thông điệp phân tán sử dụng chế pub/sub messaging - Nghiên cứu làm chủ tảng Apache Kafka - Xây dựng hệ thống phân tích video thơng minh sử dụng Apache Kafka để trao đổi liệu phía Edge phía Cloud Phạm vi nghiên cứu Để hoàn thiện mục tiêu nhiệm vụ đề ra, đề tài sử dụng phương pháp nghiên cứu lý thuyết, kết hợp với thực nghiệm Đầu tiên, cần phân tích đặc trưng mơ hình hoạt động tảng Apache Kafka yêu cầu mặt chức cần có cho trình trao đổi liệu Edge Cloud hệ thống phân tích video thơng minh Từ kết nghiên cứu, đề xuất mơ hình phù hợp sau tiến hành xây dựng hệ thống theo mơ hình đề xuất để triển khai thử nghiệm đánh giá Do hạn chế thời gian nên đề tài triển khai thử nghiệm thực tế với hệ thống giám sát quy mô nhỏ Lời cam đoan học viên Tôi – Bùi Hoàng Nam – Cam kết luận văn tốt nghiệp cơng trình nghiên cứu thân tơi hướng dẫn PGS.TS Trần Quang Đức Các kết nêu luận văn tốt nghiệp trung thực, không chép tồn văn cơng trình khác Hà Nội, ngày tháng năm 2022 Tác giả Bùi Hoàng Nam Xác nhận giáo viên hướng dẫn mức độ hoàn thành luận văn tốt nghiệp phép bảo vệ Hà Nội, ngày tháng năm 2022 Giáo viên hướng dẫn PGS.TS Trần Quang Đức TÓM TẮT NỘI DUNG CỦA LUẬN VĂN Luận văn tập trung nghiên cứu giải pháp truyền tải liệu sử dụng chế pub/sub messaging phía biên (Edge) phía đám mây (Cloud) hệ thống phân tích video thơng theo mơ hình lai kết hợp điện toán biên điện toán đám mây Trong luận văn này, học viên xây dựng chế trao đổi liệu cho hệ thống sử dụng tảng mã nguồn mở Apache Kafka Apache Kafka sử dụng để giải tốn hệ thống (1) thu thập liệu metadata trích rút mô-đun AI thiết bị biên triển khai phân tán thông qua mạng Internet (2) Cơ chế quản lý tập trung thiết bị biên từ xa Các liệu cần trao đổi thành phần hệ thống phân loại theo chiều Edge-To-Cloud Cloud-To-Edge, với chiều liệu, học viên phân tích thiết kế chi tiết cách thức tổ chức, lưu trữ hệ thống Kafka Broker để đảm bảo việc trao đổi liệu thực theo chiều cách độc lập với với thông lượng lớn, theo thời gian thực dễ dàng đáp ứng theo quy mô khác hệ thống Tiếp theo, học viên xây dựng hệ thống thử nghiệm theo mơ hình đề xuất Hệ thống thử nghiệm bao gồm máy tính nhúng AI biên cài đặt chương trình Agent mơ-đun AI để suy luận liệu video từ camera giám sát thực tế Các liệu truyền theo thời gian thực phân hệ phần mềm xử lý trung tâm thông qua hệ thống Kafka Broker triển khai hạ tầng Google Cloud Platform để tổng hợp kết xuất thành kiện có ý nghĩa Các kết thử nghiệm minh chứng rõ nét cho tính khả thi hiệu giải pháp đề xuất MỤC LỤC MỤC LỤC i ĐẶT VẤN ĐỀ 1.1 Bài toán đặt 1.2 Cách tiếp cận giải pháp CHƯƠNG CƠ SỞ LÝ THUYẾT 1.1 Kiến trúc tổng thể hệ thống phân tích video thơng minh 1.2 Hệ thống gửi/nhận thông điệp (message) 1.2.1 Cơ chế Message Queue 1.2.2 Cơ chế Publish-Subscribe Messaging 1.2.3 Đánh giá hệ thống gửi/nhận thông điệp 10 1.3 Apache Kafka 11 1.3.1 Kiến trúc thành phần Apache Kafka 11 1.3.2 Đặc điểm Apache Kafka 12 1.4 Kiến trúc Apache Kafka 13 1.4.1 Message topics 14 1.4.2 Message partitions 16 1.4.3 Cấu trúc liệu log Kafka 17 1.4.4 Message producers 18 1.4.5 Message consumers 19 1.4.6 Zookeeper 19 CHƯƠNG XÂY DỰNG GIẢI PHÁP TRAO ĐỔI DỮ LIỆU TRONG HỆ THỐNG PHÂN TÍCH VIDEO THƠNG MINH SỬ DỤNG KAFKA 21 2.1 Xây dựng hệ thống truyền liệu hệ thống phân tích video thơng minh 21 2.2 Edge-To-Cloud 24 2.2.1 Thu thập liệu metadata suy luận model AI 25 2.2.2 Thu thập liệu nhật ký hệ thống, liệu giám sát hoạt động thiết bị 28 2.3 Cloud-To-Edge 29 2.4 Vấn đề bảo mật trình trao đổi liệu hệ thống 30 i 2.4.1 Các chế bảo mật cho cho việc trao đổi liệu Edge Cloud sử dụng Kafka 30 2.4.2 Xác thực chiều sử dụng TLS 32 2.4.3 Xác thực sử dụng SASL 32 2.4.4 Uỷ quyền sử dụng ACL 34 2.5 Giải pháp quản lý tập trung cho Kafka 35 CHƯƠNG TRIỂN KHAI THỬ NGHIỆM VÀ ĐÁNH GIÁ HỆ THỐNG 37 3.1 Mô hình triển khai thử nghiệm 37 3.2 Phân hệ triển khai tảng Google Cloud Platform 38 3.2.1 Môi trường triển khai 38 3.2.2 Cài đặt triển khai hệ thống 39 3.3 Phân hệ triển khai biên 41 3.3.1 Phần cứng triển khai 41 3.3.2 Cài đặt triển khai phần mềm thiết bị Edge AI 44 3.4 Kịch thử nghiệm, kết nhận xét đánh giá 47 3.4.1 Sử dụng hệ thống Kafka Manager để khởi tạo, quản lý topic cần có thêm thiết bị Edge AI vào hệ thống 47 3.4.2 hệ CMS 3.4.3 Giám sát điều khiển thiết bị Edge AI qua giao diện Web phân 50 Thu thập liệu metadata phân tích chương trình DeepStream thơng qua Kafka 52 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 57 4.1 Kết luận 57 4.2 Hướng phát triển luận văn tương lai 57 TÀI LIỆU THAM KHẢO 59 ii DANH MỤC CÁC KÝ HIỆU VÀ CÁC CHỮ VIẾT TẮT STT Chữ viết tắt Tiếng Anh AI Artificial Intelligence ACL Access Control Lists CMS DL EC Deep learning Edege Computing IVA Intelligent Video Analytics RTSP TLS SSL 10 SASL 11 VMS Video Management System 12 13 NVR CSDL Network Video Recoder Cetral Managerment System Real Time Streaming Protocol Transport Layer Security Secure Sockets Layer Simple Authentication and Security Layer Tiếng Việt Trí tuệ nhân tạo Hệ thống quản lý trung tâm Học sâu Điện tốn biên Phân tích video thơng minh Giao thức truyền tin thời gian thực Hệ thống quản lý video đa Đầu ghi video mạng Cơ sở liệu iii Hình 3.7 Các thơng tin thu thập Jtop - kafa-python: Ứng dụng python client cho Apache kafka, cho phép Agent trao đổi liệu với Kafka broker Các liệu tổ chức dạng JSON theo cấu trúc thống trước gửi lên borker o KafkaConsumer: Sẽ subscribe topic điều khiển thiết bị Edge AI, lắng nghe lệnh điều khiển để gửi đến mô-đun controller để thực thi o KafkaProducer: Tiếp nhận liệu giám sát từ jtop gửi lên topics lưu trữ liệu monitor tương ứng - controller: sử dụng subprocess để thực thi lệnh nhận từ CMS reboot, clean cache, … gọi đến ứng dụng khác hệ thống bật tắt ứng dụng DeepStream Do phần mềm Agent đóng vai trị phần mềm giám sát điều khiển nên phần mềm phải cài đặt mặc định khởi chạy bật thiết bị Để thực điều đó, cần cấu hình kích hoạt Agent custom systemd services Linux 45 3.3.2.2 Cài đặt triển khai NVIDIA DeepStream NVIDIA DeepStream SDK cơng cụ phân tích video theo thời gian thực AI để xây dựng ứng dụng phân tích video phức tạp, độ trễ thấp, hiệu suất cao chạy máy tính nhúng dịng Jetson hệ thống máy chủ AI sử dụng GPU NVIDIA Kiến trúc pipeline chương trình DeepStrem mơ tả Hình 3.8 duới Hình 3.8 Mơ hình hoạt động DeepStream Cài đặt DeepStream phiên 6.0.1 Bước 1: Chuẩn bị môi trường - Ubuntu 18.04 - GStreamer 1.14.5 - NVIDIA driver 470.63.01 - CUDA 11.4 - TensorRT 8.0.1 Bước 2: Tải gói cải đặt DeepStream 6.0.1 dạng file tar thiết bị Jetson theo link sau: https://developer.nvidia.com/deepstream_sdk_v6.0.1_jetsontbz2 Bước 3: Cài đặt DeepStream thơng qua giao diện dịng lệnh Chi tiết q trình cài đặt DeepStream tham khảo thêm [10] Bước 4: Khởi chạy chương trình DeepStream sau theo lệnh sau: deepstream-app -c 46 Trong config_file file chứa tất thơng tin cấu hình cần thiết cho chương trình Hệ thống cần cung cấp chế phép thêm, chỉnh sửa cập nhập file cấu hình từ xa thơng qua hệ thống quản lý trung tâm 3.4 Kịch thử nghiệm, kết nhận xét đánh giá Học viên tiến hành thử nghiệm đánh giá hệ thống tập trung vào nhóm chức năng: - Chức quản lý điều khiển thiết bị từ xa thông qua hệ thống quản lý tập trung CMS - Chức thu thập liệu phân tích model AI chương trình DeepStream thông qua Kafka máy chủ trung tâm để kết xuất kiện có ý nghĩa Các chức thử nghiệm thông qua kịch sau - Kịch 01: Sử dụng hệ thống Kafka Manager để khởi tạo, quản lý topic cần có thêm thiết bị Edge AI vào hệ thống - Kịch 02: Giám sát điều khiển thiết bị Edge AI từ máy chủ CMS - Kịch 03: Thu thập liệu metadata phân tích model AI chương trình DeepStream thơng qua Kafka 3.4.1 Sử dụng hệ thống Kafka Manager để khởi tạo, quản lý topic cần có thêm thiết bị Edge AI vào hệ thống Với thiết bị Edge AI thêm vào hệ thống, quản trị viên cần tiến hành khởi tạo topic Kafka broker cho thiết bị Bảng 3.4 Trong 1420220024735 serial number thiết bị Jetson Xavier sử dụng định danh thiết bị hệ thống Việc cấu hình thời gian lưu trữ kích thước tối đa định trực tiếp đến thời gian liệu lưu trữ tồn broker Các topic log, monitor control cấu hình với partition liệu có phân hệ CMS kết nối đến để đọc liệu Theo phân tích thiết kế, topic metadata_1420220024735 khởi tạo partition để lưu trữ liệu metadata cho camera hệ thống thử nghiệm 47 Bảng 3.4 Danh sách topic thiết bị Edge AI Số lượng Thời gian lưu Kích thước Partitions trữ tối đa log_1420220024735 7ngày GB monitor_1420220024735 1 ngày GB metadata_1420220024735 ngày GB control_1420220024735 1 ngày GB Tên Topic Các hình ảnh thực tế hệ thống Kafka Manager mô tả Hình 3.9 đến Hình 3.13 Việc tương tác quản trị thầnh phần Kafka qua giao diện Web đem lại đơn giản tiện lợi cho trình quản trị vận hành hệ thống Hình 3.9 Danh sách broker hệ thống 48 Hình 3.10 Giao diện thêm topic Hình 3.11 Danh sách topic khởi tạo hệ thống 49 Hình 3.12 Giao diện quản trị topic Hình 3.13 Danh sách consumer kết nối đến hệ thống để lấy liệu 3.4.2 Giám sát điều khiển thiết bị Edge AI qua giao diện Web phân hệ CMS Trong kịch này, học viên tiến hành thử nghiệm chức năng: - Chức giám sát trạng thái vận hành: CMS phải thu thập định kỳ thông tin vể trạng thái hệ thống RAM, CPU, Uptime, jetson_clocks, nvp_model, GPU, Temp, … hay Agent định kỳ phải gửi thông tin lên topic monitor_1420220024735 để CMS giám sát - Chức điều khiển thiết bị: Điều khiển bật chương trình DeepStream Edge AI từ CMS thơng qua Internet Hình 3.14 3.15 minh hoạ trình truyền liệu giám sát trạng thái hoạt động từ Agent CMS Tuần suất gửi liệu cài đặt mặc định 50 5s/lần Hình 3.16 3.17 minh hoạ trình điều khiển bật chương trình DeepStream từ CMS Kết thử nghiệm cho thấy Kafka hoàn toàn đáp ứng tốt việc trao đổi liệu để giám sát điều khiển thiết bị Edge AI thông qua hệ thống quản lý tập trung CMS Hình 3.14 Agent định kỳ gửi thông tin trạng thái hoạt động Edge AI lên topic monitor_1420220024735 Hình 3.15 CMS subscribe topic monitor_1420220024735 để cập nhật tình trạng hoạt động thiết bị Edge AI 51 Hình 3.16 CMS điều gửi lệnh điều khiển bật chương trình DeepStream thiết bị Edge AI thơng qua topic control_420220024735 Hình 3.17 Agent nhận lệnh điều khiển từ CMS tiến hành khởi chạy chương trình DeepStream 3.4.3 Thu thập liệu metadata phân tích chương trình DeepStream thơng qua Kafka Trong kịch này, học viên triển khai chương trình DeepStream để tiếp nhận xử lý dòng liệu video từ 02 Camera 01 camera dahua lắp phịng (camera bên trái Hình 3.19) Camera 02 camera hikvision lắp trước sân (camera bên phải Hình 3.19) Trong DeepStream triển khai mô-đun suy luận AI (1) Object detection để phát người (2) Multi object tracking để theo vết đối tượng di chuyển Các liệu suy luận đóng gói thành metadata gửi lên topic metadata_1420220024735 52 Trên CMS, ứng dụng restricted_zone_monitoring phát triển để giám sát đưa cảnh báo có người vào khu vực hạn chế cần giám sát Ứng dụng subscribe topic metadata_1420220024735 để nhận liệu suy luận từ phía Edge AI Hình 3.18 Giao diện khởi chạy chương trình DeepStream để suy luận AI cho camera Hình 3.19 Giao diện hiển thị DeepStream 53 Hình 3.20 Hình ảnh ghi lại có người xuất trước Camera 02 Hình 3.20 cho thấy có người xuất trước khung hình Camera 02, mơ-đun suy luận AI DeepStream phát Hình chữ nhật màu đỏ bao quanh đối tượng bbox mô-đun object detection suy luận Bbox biểu diễn giá trị [top, left, bottom, right] toạ độ đỉnh hình chữ nhật bao quanh đối tượng hệ trục toạ độ với gốc góc trái khung hình Bbox cung cấp thơng tin vị trí đối tượng khung kích cỡ đối tượng Ngồi mơ-đun suy luận AI cung cấp thông tin khác loại đối tượng: person giá trị ID tạo mô-đun multi object tracking để theo vết đối tượng q trình đối tượng di chuyển Các thơng tin vị trí camera thực tế, thơng tin cấu hình mặc định lắp đặt gửi kèm theo tuỳ theo yêu cầu cụ thể ứng dụng Tất thông tin đóng gói biểu diễn dạng metadata gửi lên topic metadata_1420220024735 tương ứng Hình 3.21 cho thấy liệu metadata mà chương trình DeepStream phân tích từ Camera 02 chương trình restricted_zone_monitoring nhận thơng qua Kafka broker Hình 3.22 Hình 3.23 tương tự kết thu có người xuất trước Camera 01 Từ kết thu thấy việc sử dụng Kafka cho việc trao đổi liệu metadata thiết bị Edge AI máy chủ phân tích trung tâm hoàn toàn đáp ứng yêu cầu đặt Độ 54 trễ cho trình truyền liệu < 1s đáp ứng yêu cầu xử lý theo thời gian thực, giúp cho ứng dụng restricted_zone_monitoring cảnh báo gần tức thời có người xuất trước khung hình camera Khi cần thêm camera vào hệ thống, cần khởi thêm partition topic thiết bị Edge AI tương ứng, trình khơng làm giám đốn hay ảnh hưởng đến việc thu thập xử lý liệu camera có Hình 3.21 Ứng dụng Restricted Zone Monitoring thu nhậ đữ liệu metadata Camera 02 Hình 3.22 Hình ảnh ghi lại có người xuất trước Camera 01 55 Hình 3.23 Ứng dụng Restricted Zone Monitoring thu nhậ đữ liệu metadata Camera 01 56 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 4.1 Kết luận Trong trình nghiên cứu thực đề tài, luận văn đạt kết tích cực Đầu tiên, luận văn nghiên cứu sâu hệ thống phân tích video thơng minh theo mơ hình kết hợp điện tốn biên điện toán đám mây, tập trung vào việc làm rõ vấn đề trình trao đổi liệu thành phần hệ thống nằm hai phía biên điện tốn đám mây Từ việc phân tích vấn đề việc trao đổi liệu, luận văn đề xuất việc áp dụng tảng streaming data phân tán Apache Kafka cho việc trao đổi liệu theo chiều Edge-To-Cloud Cloud-To-Edge theo chế pub/sub messaging Apache Kafka sử dụng để giải tốn hệ thống (1) thu thập liệu metadata trích rút mơ-đun AI thiết bị biên triển khai phân tán thông qua mạng Internet (2) Cơ chế quản lý tập trung thiết bị biên từ xa Các liệu cần trao đổi thành phần hệ thống phân loại theo chiều Edge-To-Cloud Cloud-To-Edge, với chiều liệu, luận văn phân tích thiết kế chi tiết cách thức tổ chức, lưu trữ hệ thống Kafka Broker để đảm bảo việc trao đổi liệu thực theo chiều cách độc lập với với thông lương lớn, theo thời gian thực dễ dàng đáp ứng theo quy mô khác hệ thống Để đánh giá tính khả thi hiệu qua mô giải pháp luận văn tiến hành thử nghiệm hệ thống thực tế Hệ thống thử nghiệm bao gồm máy tính nhúng AI biên cài đặt chương trình Agent mơ-đun AI để suy luận liệu video từ camera giám sát thực tế Các liệu truyền theo thời gian thực phân hệ phần mềm xử lý trung tâm thông qua hệ thống Kafka Broker triển khai hạ tầng Google Cloud Platform để tổng hợp kết xuất thành kiện có ý nghĩa Các kết thử nghiệm đáp ứng tất yêu cầu đặt chứng tỏ khả ứng dụng lớn giải pháp 4.2 Hướng phát triển luận văn tương lai Mặc dù luận văn đạt kết tích cực, nhiên hạn chế thời gian điều kiện triển khai, quy mô triển khai thực tế giải pháp dừng lại mức độ hệ thống thử nghiệm với quy mô nhỏ Do vậy, sau 57 hoàn thiện luận văn này, tương lai học viên tiếp tục phát triển số hướng nghiên cứu sau: - Triển khai giải pháp cho hệ thống camera giám sát lớn, trải dài khu vực địa lý lớn thực tế hệ thống camera giám sát Cảng hàng không Nội Bài - Triển khai chế mã hoá, xác thực phân quyền theo mơ hình phân tích - Tích hợp hệ thống dịch vụ bên thứ ba vào hệ thống tại, mở rộng khả tương thích ứng dụng hệ thống 58 TÀI LIỆU THAM KHẢO [1] An Intelligent Video Analytics Platform, [Online] Available: https://gigabyte.com/Solution/AI-AIoT/intelligentvideo [2] Hiệp, Đ.V., Hiếu, M.Đ., Hùng, T.V., Phán, V.V., & Trung, H.Q (2020) IVA-EC: giải pháp phân tích video thơng minh dựa điện tốn biên Kỷ yếu Hội nghị Khoa học công nghệ Quốc gia lần thứ XIII Nghiên cứu Cơ Ứng dụng Công nghệ thông tin - Proceedings of the 13th National Conference on Fundamental & Applied Information Technology Research [3] Shi, Weisong, et al "Edge computing: Vision and challenges" IEEE internet of things journal 3.5: 637-646, 2016 [4] Satyanarayanan, Mahadev "The emergence of edge computing" Computer 50.1: pp 30-39, 2017 [5] Li, He, Kaoru Ota, and Mianxiong Dong "Learning IoT in edge: Deep learning for the Internet of Things with edge computing." IEEE network 32.1 (2018): 96-101 [6] Zhou, Zhi, et al "Edge intelligence: Paving the last mile of artificial intelligence with edge computing." Proceedings of the IEEE 107.8 (2019): 17381762 [7] Apache Kafla, Avaiable: https://kafka.apache.org/ [8] Tổng quan Apache Kafka, Avaiable: https://viblo.asia/p/tong-quan-veapache-kafka-RnB5p3OwlPG [9] NVIDIA Jetson - The AI Platform for Autonomous Machines Available: https://developer.nvidia.com/embedded/ develop/hardware [10] NVIDIA Deepsttream SDK, Available: https://developer.nvidia.com/ deepstream-sdk [11] Jetson Stats, Avaiable: https://github.com/rbonghi/jetson_stats [12] CMAK - Cluster Manager for Apache Kafka, Avaiable: https://github.com/yahoo/CMAK 59 ... ACL 20 CHƯƠNG XÂY DỰNG GIẢI PHÁP TRAO ĐỔI DỮ LIỆU TRONG HỆ THỐNG PHÂN TÍCH VIDEO THÔNG MINH SỬ DỤNG KAFKA 2.1 Xây dựng hệ thống truyền liệu hệ thống phân tích video thơng minh Mục 1.1 Chương trình... - Nghiên cứu hệ thống phân tích video thơng minh theo mơ hình kết hợp với điện toán biên điện toán đám mây - Nghiên cứu giải pháp trao đổi liệu hệ thống phân tích video thơng minh sử dụng chế. .. dựng hệ thống trao đổi thông điệp cho hệ thống phân tích video thơng minh sử dụng tảng Apache Kafka Apache Kafka sử dụng để giải tốn hệ thống (1) thu thập liệu metadata mô-đun suy luận phân tích