边缘智能的关键性能指标 (1)Accuracy (精度)：从推理中获得的正确预测输入样本数量和总输入样本数 量的比值； (2)Latency(时延)：整个推理过程中所占时间，推理时延、传输时延； (3)Memory Footprint(内存占用)：其主要被原始DNN模型大小和加载大量 DNN参数的方法所影响。 (4)Energy consumption(能耗)：能量效率被DNN模型大小和边缘设备资源所 影响； (5)Communication overhead(通信开销)：其依赖于DNN推理方式和可用带宽； (6)Privacy(隐私)：其依赖于处理原始数据的方式；
ƊŐûŘīSƠÓŘäć 1AccuracyŅÁ6èĥ#ŞÎīďĶƭėƈQĈÿðƞÔƈQĈÿð ƞīĒN 2Latency÷Âñ"èĥƍĽ#Úp÷ƣèĥ÷Â@ƈ÷ 3Memory FootprintVpħT&ťŤtDNNč¬dƅƞ DNNuðīôĕÚÊ 4Energy consumptionŘŕŘƞíĠŤDNNč¬ƊŐŰźĚÚ Ê 5Communication overheadƖMÃƟTJŻ+DNNèĥôÄzħ¹§ 6PrivacyƨĺTJŻ+ĥtðåīôÄ
提纲 ■边缘智能简介 ■基于边缘智能的视频大数据分析 ■案例：基于视频分析的抬头检测系统
www.educity.cn — # éň n ƊŐûŘł4 n +ƊŐûŘīŧƮðåZĄ n ċH+ŧƮZĄīáČėņŏ
当前视频大数据分析应用特征 >高分辨率高帧率视频 >大量/海量监控目标 >高精度实时响应需求 交通车辆监控 人流流量管控 课堂教学评估
ÉaŧƮðåZĄ¿ħĞÌ .ƖƁƇĬç 1ĖĖƞńç ŵîűA Ø ƳZƉĠƳºĠŧƮ Ø ƞĘƞĬçĭć Ø ƳŅÁ¤÷ ¿ƪē
视频分析的典型处理流程 Video Decoding Pre-processing Image Segmentation Region of Interest Object Recognition Object Detection Data Fusion 转ject Nane网L Person Object Tracking re-identification Person trajectory Sedan trajectory Face Image Minivan trajectory
ŧƮZĄīUĥĖĽ