2021年4月7日
スマート シティ ソリューション –
Matt Madison は、Amazon AWS、Verizon、および Cisco Systems での勤務からエンタープライズ テクノロジーに関する豊富な知識を備えた、非常に尊敬されているソフトウェア開発者です。 現在、彼は Alcatraz.ai で、商業施設や公共施設のセキュリティを強化するシステムを開発するエッジ デバイスの勇敢な新しい世界に身を置いています。 彼はまた、Github の Nvidia Jetson プラットフォーム用の Meta-Tegra のオープン ソース コミュニティの貢献者として高く評価されています。 Dan Walkes は、Boulder AI の製品エンジニアリング担当副社長です。 彼はまた、コロラド大学ボルダー校で高度な組み込みエンジニアリングのゲスト講演を行っており、Mender Hub のコミュニティ メンテナーとして高く評価されています。 ダンは、スマート シティ ソリューションとスマート シティ プランニングのアプリケーション向けに、AI、エッジ テクノロジー、OTA ソフトウェア アップデートを活用した素晴らしい経験を持っています。 Matt と Dan、および彼らの組織である Alcatraz.ai と Boulder.ai は、Mender.io を使用して、プロジェクトのエッジ デバイスに対して安全で堅牢なソフトウェア アップデートを実行します。 by Stephen Cawley |
The Device Chronicleは、Alcatraz.ai と Boulder AI のソフトウェア開発およびエンジニアリングの専門家である Matt Madison と Dan Walkes に話を聞き、スマート シティ ソリューションのアクセス制御および交通計画アプリケーションにおける機械学習モデルと強力なエッジ デバイスのアプリケーションについて説明します。 両者は、堅牢で安全な OTA ソフトウェア更新の力にも精通しています。
スマート シティ ソリューションにおける自律アクセス制御
Matt は、彼がどのように顔認証プラットフォームに取り組んでいるのかを説明することから始めます。彼は、Alcatraz.ai のアプローチは既存のアクセス制御システムと連携することであり、これらのシステムのメーカーは数多く存在すると説明しています。通常、これらのアクセス制御システムのメーカーは、バッジリーダーの作成を専門としています。ユーザーがバッジを挿入してリーダーにかざすと、信号がアクセス制御システムに送信され、ドアからバッジにアクセスできるかどうかが決定されます。 Alcatraz.ai は、アクセス制御システムとバッジ リーダーの間のインターフェースによって革新的であり、ユーザーが顔によって登録し、その顔をバッジに関連付けることができるメカニズムを提供します。
スマート シティ ソリューションにおけるプライバシー保護の重要性
プライバシーとコレクションは、Matt と Alcatraz.ai の同僚にとって最も重要な関心事です。そのため、この技術は顔認識ではなく顔認証と呼ばれています。彼は次のように強調しています。「私たちは何十億枚もの写真を収集して、個人情報の巨大なデータベースを蓄積しているのではありません。これは私たちのシステムの仕組みではありません。」彼はさらに、機械学習モデルが写真情報を必要な情報のみを含むプロファイル ID に変換して、モデルがアプリケーション専用にユーザーを識別できるようにし、汎用顔認識アプリケーションを持たないことを説明します。保存されているプロファイル情報はすべて顧客の管理下にあり、人々が懸念する可能性のある汎用データベースには送信されません。プロファイルは、さまざまなカメラから入ってくる画像の輪郭やその他の側面に基づいたデータ ポイントのコレクションであり、それらは相互に関連付けられており、これがユーザーを識別するために使用されるパターンを形成します。
顔認証のユースケース
Alcatraz.ai のテクノロジーとアプローチには、複数のユースケースがあります。 1 つ目は、システムがユーザーの顔を認証するようにトレーニングされ、バッジが顔に関連付けられた後、ユーザーはバッジを使用してドアを通過する必要がなくなる単一要素認証です。システムがユーザーの顔を認証すると、ドアのロックを自動的に解除するか、アクセス制御システムにそれが正しいユーザーであることを通知します。
2 つ目は 2 要素認証で、ユーザーは顔を認識するだけでなく、バッジを物理的にリーダーに提示する必要があります。
3 つ目は 3 要素認証であり、ユーザーはリーダーの横にあるキーパッドを使用してパスコードを入力し、自分自身を識別し、バッジを提示して顔を認識させる必要があります。
Matt 氏によると、3 要素認証の使用は、顧客の厳格なセキュリティ要件に大きく依存しており、システムは、セキュリティ ポリシーと要件のニーズに最も適合するように構成されています。 3 要素認証は、通常、軍事施設やデータ センターなどの非常に安全な場所で使用されます。
|
スマートビルディングに適用されるAIと機械学習
AI と機械学習は、標準のビデオ カメラ、IR または深度カメラから取得した画像に適用され、提示された画像は、ユーザーの ID に関連付けられたプロファイルに変換されます。 画像情報の処理はデバイス上でローカルに処理され、登録目的でプロファイル情報を保存するためにクラウド サーバーが使用されます。 ユーザーが不正アクセスを試みて失敗するなど、特定のセキュリティ イベントが発生すると、このイベントがサーバーに送信され、セキュリティ担当者が不正なエントリを確認して評価できるようになります。 許可されたユーザーがアクセスするときに許可されたユーザーの後ろに滑り込むことを防ぐテールゲート機能もあります。これらのテールゲート イベントもサーバーに送信されます。 |
共連れは安全な建物の場所における主要な問題の 1 つであり、無許可の共連れを禁止する標識はほとんど無視されています。 この種の作業を行うために必要な機械学習モデルを簡単かつ便利にトレーニングできるように、転移学習フレームワークは Nvidia によってすでに設定されています。 事前にトレーニングされた、高性能のモデルを使用できます。
この技術には、Covid 19 のパンデミックによるマスキングなど、ユーザーが PPE フェイス マスクを着用しているかどうかをシステムが識別し、ユーザーが PPE フェイス マスクを着用していない場合にアクセスを防止できるモードを備えたマスキングなど、この技術には多くの興味深い側面があります。 彼らのマスク。
スマート シティ ソリューションと占有ユース ケース
ダンと Boulder AI の同僚は、スマート シティ ソリューションと占有アプリケーションを構築しています。彼らはいくつかの都市と協力しており、デンバーが最も広く知られている例です。ダンは、主な使用事例について「デンバー市 (デンバー市) を支援し、交差点での車の速度と、関係する車両と歩行者の数に何が起きているかを分析できるようにしています」と説明しています。このソフトウェアは、横断歩道での安全事例も調べ、通常、横断歩道では、同じ対象空間に自動車と人が同時にいたことを示します。これらの洞察は、横断歩道での車両と歩行者の接近の量と性質を分析できるため、横断歩道での安全性を向上させようとしている都市計画担当者にとって非常に役立ちます。
動作中のエッジ
IoTとエッジデバイスおよびコンピューティングの使用は、デンバー市のプライバシーの懸念を緩和するのに役立ちます。ダンは、「交差点での自分のビデオ映像がインターネットを介してクラウド インフラストラクチャに送信されるという考えに、ユーザーはそれほど興奮していません」と説明しています。 Boulder AI には、デバイス上のデータを匿名化する機能があります。ダンと彼のエンジニアリング チームは、緊急通報イベントをバウンディング ボックスに変換して、車がどこにいたか、歩行者がどこにいたか、衝突にどのくらい近づいたかを示します。プライバシー保護のために重要なこととして、このテクノロジーはドライバー、歩行者、または車両の詳細をキャプチャしません。関連付けられたオブジェクトのバウンディング ボックスのトラックのみがエッジ デバイスの外部で共有されます。この境界ボックスは、交差点の写真に再オーバーレイされ、アイデンティティの詳細なしで各オブジェクトの位置を示します。ダンは、インストールは Power over Ethernet とメタデータによってサポートされており、各イベントのサイズはわずか KB しか転送されないと説明しています。 Mender.io は、この非常に洗練されたスマート シティ ソリューションでソフトウェア イメージの更新を提供します。
使用したNvidiaハードウェア
Boulder AI は、Nvidia のハードウェアと開発キットのデザインをカスタム ハードウェア製品に活用しています。 Dan は、現在の世代の製品は、元の Nvidia Jetson TX2 設計と System on Module (SOM) に基づいていると説明しています。現在開発中でリリースされようとしている同社の次の製品は、Nvidia Xavier NX および Nano フォーム ファクターの設計に基づいています。ダンは、SOM にはすべてのコンピューティング パワーが搭載されており、IO と POE はカスタム ボードにあり、Boulder AI エンジニアはかなりのスキルを使ってこのすべてのテクノロジーをビデオ カメラ ケースに収めていると説明しています。 Dan はさらに、Nvidia ソリューションを使用する価値について説明しています。 「Nvidia は、ロードマップに計画されているハードウェアの優れたスケーラビリティを備えており、Nano から TX2 NX の代替品に移行し、さらに高性能の Xavier NX に移行することができ、同じフォーム ファクターを維持できます。これにより、さまざまな要件と価格帯でさまざまなユースケースをサポートする多くのオプションと機能がもたらされます。これは、Nvidia の新しいアーキテクチャへの移行に伴う大きなメリットです。」
洗練されたフォームファクター
Nvidia Nano フォーム ファクターは、260 ピンの SO-DIMM エッジ接続を備えたクレジット カード サイズです。 Xavier NX と Jetson TX2 NX には同じエッジ接続とピン配置が使用されているため、1 つのハードウェア キャリア ボードで複数のコンピューティング オプションをサポートできます。低電力設計で、15 ワットの電力で動作します。 TX2 には、4 つの ARM コア、2 つの Nvidia CPU、および GPU を備えた多くの処理能力が詰め込まれています。 Xavier NX には、6 つの ARM 8.2 コアとさらに大きな GPU、および深層学習アクセラレータがあります。すべてのモデルにハードウェア ビデオ コンバーターとビデオ コーデックがあります。比較的小さなフォーム ファクターに多くの電力があります。
Dan は次のように付け加えています。「Nvidia のデフォルトのディープ ストリーム ビデオ処理パイプラインを使用すると、すぐに使用でき、毎秒 30 フレームのビデオ ストリームを複数実行し、エッジ デバイスで複数のビデオ ストリームに対して AI 作業を一度に実行することもできます。ソフトウェア開発者とエンジニアは、独自の最適化を行うことなく、Nvidia プラットフォームの組み込み機能を使用して膨大な量の作業を行うことができます。 Nvidia のエンジニアが構築したものを強力なハードウェア機能とともに活用できることが、Nvidia プラットフォームの主な利点です。」 Matt は、「組み込みデバイスにはサーバー クラスの機能があり、小さなパッケージに大きなシステム機能を備えた興味深いクロスオーバーです」と付け加えています。 Alcatraz.ai のマットと彼の同僚は、大きな GPU コンプレックスを備えた大規模なサーバーを使用して、Alcatraz モデルのトレーニング、開発、および保守を行っています。実際の顔認識では、すべてが比較的簡単にはるかに小さいNvidiaJetsonデバイスに転送されます。
Docker コンテナとエッジ
Boulder AI は、エッジ デバイスで Docker コンテナーも使用します。サーバーやコンテナ環境での作業に慣れているユーザーにとって、これは快適な作業環境だとダン氏は言います。 「デスクトップ GPU を使用する代わりに、Docker ファイルに小さな変更を加えて、Tegra 用の Docker コンテナーを構築できます。このワークフローは、エッジ デバイスで作業している Docker ユーザーにとって、エッジ デバイスで作業している場合でも確立されたワークフローに従いたいと考える人にとっては非常になじみ深いものです」とダンは説明します。
Matt と Dan が、巨大なコンピューティング パワーをエッジにもたらし、その過程でエンド ユーザーのデータを確実に保護できるようになることを願っています。
この技術には、Covid 19 のパンデミックによるマスキングなど、ユーザーが PPE フェイス マスクを着用しているかどうかをシステムが識別し、ユーザーが PPE フェイス マスクを着用していない場合にアクセスを防止できるモードを備えたマスキングなど、この技術には多くの興味深い側面があります。 彼らのマスク。
スマート シティ ソリューションと占有ユース ケース
ダンと Boulder AI の同僚は、スマート シティ ソリューションと占有アプリケーションを構築しています。彼らはいくつかの都市と協力しており、デンバーが最も広く知られている例です。ダンは、主な使用事例について「デンバー市 (デンバー市) を支援し、交差点での車の速度と、関係する車両と歩行者の数に何が起きているかを分析できるようにしています」と説明しています。このソフトウェアは、横断歩道での安全事例も調べ、通常、横断歩道では、同じ対象空間に自動車と人が同時にいたことを示します。これらの洞察は、横断歩道での車両と歩行者の接近の量と性質を分析できるため、横断歩道での安全性を向上させようとしている都市計画担当者にとって非常に役立ちます。
動作中のエッジ
IoTとエッジデバイスおよびコンピューティングの使用は、デンバー市のプライバシーの懸念を緩和するのに役立ちます。ダンは、「交差点での自分のビデオ映像がインターネットを介してクラウド インフラストラクチャに送信されるという考えに、ユーザーはそれほど興奮していません」と説明しています。 Boulder AI には、デバイス上のデータを匿名化する機能があります。ダンと彼のエンジニアリング チームは、緊急通報イベントをバウンディング ボックスに変換して、車がどこにいたか、歩行者がどこにいたか、衝突にどのくらい近づいたかを示します。プライバシー保護のために重要なこととして、このテクノロジーはドライバー、歩行者、または車両の詳細をキャプチャしません。関連付けられたオブジェクトのバウンディング ボックスのトラックのみがエッジ デバイスの外部で共有されます。この境界ボックスは、交差点の写真に再オーバーレイされ、アイデンティティの詳細なしで各オブジェクトの位置を示します。ダンは、インストールは Power over Ethernet とメタデータによってサポートされており、各イベントのサイズはわずか KB しか転送されないと説明しています。 Mender.io は、この非常に洗練されたスマート シティ ソリューションでソフトウェア イメージの更新を提供します。
使用したNvidiaハードウェア
Boulder AI は、Nvidia のハードウェアと開発キットのデザインをカスタム ハードウェア製品に活用しています。 Dan は、現在の世代の製品は、元の Nvidia Jetson TX2 設計と System on Module (SOM) に基づいていると説明しています。現在開発中でリリースされようとしている同社の次の製品は、Nvidia Xavier NX および Nano フォーム ファクターの設計に基づいています。ダンは、SOM にはすべてのコンピューティング パワーが搭載されており、IO と POE はカスタム ボードにあり、Boulder AI エンジニアはかなりのスキルを使ってこのすべてのテクノロジーをビデオ カメラ ケースに収めていると説明しています。 Dan はさらに、Nvidia ソリューションを使用する価値について説明しています。 「Nvidia は、ロードマップに計画されているハードウェアの優れたスケーラビリティを備えており、Nano から TX2 NX の代替品に移行し、さらに高性能の Xavier NX に移行することができ、同じフォーム ファクターを維持できます。これにより、さまざまな要件と価格帯でさまざまなユースケースをサポートする多くのオプションと機能がもたらされます。これは、Nvidia の新しいアーキテクチャへの移行に伴う大きなメリットです。」
洗練されたフォームファクター
Nvidia Nano フォーム ファクターは、260 ピンの SO-DIMM エッジ接続を備えたクレジット カード サイズです。 Xavier NX と Jetson TX2 NX には同じエッジ接続とピン配置が使用されているため、1 つのハードウェア キャリア ボードで複数のコンピューティング オプションをサポートできます。低電力設計で、15 ワットの電力で動作します。 TX2 には、4 つの ARM コア、2 つの Nvidia CPU、および GPU を備えた多くの処理能力が詰め込まれています。 Xavier NX には、6 つの ARM 8.2 コアとさらに大きな GPU、および深層学習アクセラレータがあります。すべてのモデルにハードウェア ビデオ コンバーターとビデオ コーデックがあります。比較的小さなフォーム ファクターに多くの電力があります。
Dan は次のように付け加えています。「Nvidia のデフォルトのディープ ストリーム ビデオ処理パイプラインを使用すると、すぐに使用でき、毎秒 30 フレームのビデオ ストリームを複数実行し、エッジ デバイスで複数のビデオ ストリームに対して AI 作業を一度に実行することもできます。ソフトウェア開発者とエンジニアは、独自の最適化を行うことなく、Nvidia プラットフォームの組み込み機能を使用して膨大な量の作業を行うことができます。 Nvidia のエンジニアが構築したものを強力なハードウェア機能とともに活用できることが、Nvidia プラットフォームの主な利点です。」 Matt は、「組み込みデバイスにはサーバー クラスの機能があり、小さなパッケージに大きなシステム機能を備えた興味深いクロスオーバーです」と付け加えています。 Alcatraz.ai のマットと彼の同僚は、大きな GPU コンプレックスを備えた大規模なサーバーを使用して、Alcatraz モデルのトレーニング、開発、および保守を行っています。実際の顔認識では、すべてが比較的簡単にはるかに小さいNvidiaJetsonデバイスに転送されます。
Docker コンテナとエッジ
Boulder AI は、エッジ デバイスで Docker コンテナーも使用します。サーバーやコンテナ環境での作業に慣れているユーザーにとって、これは快適な作業環境だとダン氏は言います。 「デスクトップ GPU を使用する代わりに、Docker ファイルに小さな変更を加えて、Tegra 用の Docker コンテナーを構築できます。このワークフローは、エッジ デバイスで作業している Docker ユーザーにとって、エッジ デバイスで作業している場合でも確立されたワークフローに従いたいと考える人にとっては非常になじみ深いものです」とダンは説明します。
Matt と Dan が、巨大なコンピューティング パワーをエッジにもたらし、その過程でエンド ユーザーのデータを確実に保護できるようになることを願っています。
Are you ready to talk to us? Click お問い合わせ
Source :
Source :