Savant, kerangka kerja untuk analisis video

Sarjana

kerangka kerja Savant

Sistem pengawasan dan pengintaian bukanlah hal baru Ini jauh dari baru, karena sistem ini telah digunakan selama bertahun-tahun dan telah berkembang seiring dengan peningkatan baik dalam pengembangan perangkat keras maupun perangkat lunak.

Dua tahun yang lalu Saya membuat blog sedikit tentang OpenCV, perpustakaan visi komputer lintas platform gratis (Anda dapat memeriksa detail artikel Di tautan berikut), yang pada saat itu menurut saya sangat menarik karena dapat diimplementasikan pada Raspberry Pi dan pada saat itu saya memiliki kebiasaan menguji sejumlah besar proyek dan sistem pada RPi saya.

bukaCV
Artikel terkait:
OpenCV perpustakaan untuk pengenalan objek dalam gambar dan kamera

Alasan untuk menyebutkan ini dan mencoba untuk tidak keluar dari topik posting hari ini, banyak yang berpikir bahwa penerapan sistem jenis ini bisa sangat mahal atau bahkan sangat rumit. Yang pada kenyataannya tidak sampai titik tertentu, karena seseorang dapat mendukung proyek open source, tetapi memang membutuhkan pengetahuan tertentu dan, di atas segalanya, kesabaran.

Itu sebabnya hari ini Mari kita bicara tentang proyek semacam itu dan itu secara pribadi terlihat sangat bagus dan kuat. Proyek yang yang akan kita bicarakan adalah Savant, yang merupakan kerangka kerja yang ditulis dengan Python dan yang membuat NVIDIA DeepStream lebih mudah digunakan untuk insinyur pembelajaran mesin

Savant adalah kerangka kerja tingkat sangat tinggi di atas DeepStream, yang menyembunyikan semua bagian dalam Gstreamer dari pengembang dan menyediakan alat praktis untuk mengimplementasikan aplikasi streaming AI di kehidupan nyata. Menggunakan model standar Nvidia PeopleNet untuk mendeteksi orang dan wajah mereka dan terutama di tempat-tempat di mana peraturan privasi berlaku, framework memungkinkan pelacakan dan pemburaman wajah.

Dari ciri-cirinya yang menonjol dari Savant misalnya kesimpulan yang sangat cepat, Karena didasarkan pada Nvidia DeepStream dan memberikan kinerja pada perangkat keras Nvidia yang kompatibel dengan akselerator pusat data, board profesional, desktop, dan NVIDIA Jetson.

Fitur lain adalah bahwa ia memiliki Dukungan integrasi OpenCV CUDA dengan mana Anda dapat menerapkan filter OpenCV CUDA dan bekerja dengan raster GpuMat secara efisien tanpa membongkar bingkai berat ke RAM CPU.

Selain itu, memiliki API streaming yang memungkinkan Savant berfungsi sebagai server inferensi melalui 0MQ dan Apache AVRO. Dengan ini, data transmisi dikirim ke server dan dikonsumsi darinya dengan adaptor.

Dari ciri-ciri lainnya yang menonjol dari Savant:

  • Dukungan Python dan ML.
  • Framework ini tersedia sebagai wadah Docker untuk runtime x86 dan Nvidia Jetson.
  • Bekerja di Edge dan Core
  • Operasi dan kapasitas latensi rendah, savant mendukung operasi latensi rendah yang menguntungkan
  • Adaptor untuk mengakses berbagai sumber media seperti RTSP atau file video
  • Hal ini memungkinkan Anda untuk membangun saluran pipa untuk lingkungan di mana pemrosesan sadar-rotasi sangat penting.

Mengenai implementasi proyek, Anda harus tahu bahwa Savant dan adaptornya dikirimkan sebagai image Docker. Jadi untuk mengimplementasikan pipeline, Anda mengambil image dasar, menambahkan model AI dan kode kustom dengan dependensi tambahan, lalu membuat image yang dihasilkan. Beberapa pipeline yang tidak memerlukan dependensi tambahan dapat diimplementasikan hanya dengan menetapkan direktori dengan model dan fungsi pengguna di gambar buruh pelabuhan.

Untuk bagian dari konfigurasi lingkungan Savant, diperlukan beberapa dependensi dan alat yang sudah diinstal, karena dependensi DeepStream sangat diperlukan untuk dipenuhi.

Ketergantungannya adalah:

  • git
  • git-lfs
  • keriting
  • buruh pelabuhan
  • driver nvidia
  • Perangkat Wadah Nvidia

Karena proses implementasi lingkungan membutuhkan banyak hal, saya mengundang Anda untuk melakukannya jika Anda tertarik, silakan lihat manual Savant Di tautan berikut. 


tinggalkan Komentar Anda

Alamat email Anda tidak akan dipublikasikan. Bidang yang harus diisi ditandai dengan *

*

*

  1. Penanggung jawab data: Miguel Ángel Gatón
  2. Tujuan data: Mengontrol SPAM, manajemen komentar.
  3. Legitimasi: Persetujuan Anda
  4. Komunikasi data: Data tidak akan dikomunikasikan kepada pihak ketiga kecuali dengan kewajiban hukum.
  5. Penyimpanan data: Basis data dihosting oleh Occentus Networks (UE)
  6. Hak: Anda dapat membatasi, memulihkan, dan menghapus informasi Anda kapan saja.