3. QUÁ TRÌNH THỰC HIỆN
3.4. Triển khai hệ thống xử lý AI
3.4.1. Xây dựng hệ thống xử lý AI
3.4.1.1.! Thiết kế hệ thống
- Một hệ thống giám sát sử dụng mơ hình DL để phân tích hình ảnh cần những yêu cầu sau:
+ Đường truyền tín hiệu tốt kết nối giữa camera và các thiết bị khác. + Các camera hiện nay thường truyền tín hiệu thời gian thực theo giao thức RTSP [14] nên cần một thiết bị để giải mã (Decoding) và chuyển tín hiệu RTSP về dạng ảnh RGB dùng cho xử lý ảnh.
+ Một hệ thống suy luận (Inference) để phân tích hình ảnh thu được từ camera và phát hiện vật thể (người) xuất hiện trong hình ảnh đó.
+ Một hệ thống giám sát (Surveillance System) để báo cáo kết quả và báo động khi có đột nhập.
Hình 3.17. Sơ đồ q trình triển khai mơ hình Deep Learning trong hệ thống giám sát!
- Trong thực tế, ta có thể sử dụng một máy chủ (Server) để đồng thời nhận tín hiệu truyền về và giải mã (Decoding) cũng như suy luận (Inference) để phát hiện các tình huống đột nhập và báo động. Ưu điểm của cách này là giúp cho việc xây dựng một hệ thống giám sát trở nên đơn giản hơn. Tuy nhiên, một hệ thống như vậy không thể nào đáp ứng được nhu cầu tính tốn của một trạm biến áp với hàng chục camera vì máy tính sẽ vừa tốn tài ngun cho việc giải mã tín hiệu vừa phải gánh một khối lượng tính tốn rất lớn từ các mơ hình Deep Learning. Từ đó, hệ thống này sẽ khơng đảm bảo được tính thời gian thực khi số lượng camera trở nên quá lớn.
- Hiện nay, với sự phát triển không ngừng của về kỹ thuật phần cứng, các máy tính nhúng ra đời với khả năng tính tốn ngày một tăng, có thể giúp ta giải quyết vấn đề này. Máy tính nhúng (Edge Devices) với ưu điểm là nhỏ gọn, tuy khơng thể có
- Trong hệ thống giám sát thơng minh, ta hồn tồn có thể sử dụng một máy tính nhúng như là một Edge Device để thực hiện giải mã tín hiệu truyền từ các camera, tiền xử lý tín hiệu để giảm bớt gánh nặng tính tốn cho máy chủ (Server).
- Chính vì thế, hệ thống giám sát TBA trong đề tài luận văn này được mơ tả ở Hình 3.17, sẽ chia làm 2 phần chính được mơ tả cụ thể ở 2 phần tiếp sau đây.