目标：智慧工厂建设，厂区监控相机添加AI算法功能
- 9种算法需求：安全帽，工服是否合规，非法进入，烟气告警，明火告警，人脸权限，电子围栏告警，防护服操作规范，除静电操作规范
项目方案：
- 边缘计算，算法服务器训练模型，下发算法到边缘计算网关，对接入的多路监控相机进行实时推理检测
- 现场108路监控相机，使用6台边缘计算网关+2台算法服务器，实现9种算法实时检测
- 1号边缘计算网关：接入13路相机视频流，其中9路相机实时检测烟火，3路相机实时检测工作服，1路相机实时检测防护服操作规范
- 2号边缘计算网关：接入12路相机视频流，其中4路相机实时检测烟火，8路相机实时检测区域入侵
- 3号边缘计算网关：接入5路相机视频流，实时进行人脸识别，实现权限管理
- 4号边缘计算网关：接入12路相机视频流，其中5路相机实时检测烟火，3路相机实时检测工作服，3路相机实时检测安全帽，1路相机实时检测区域入侵
- 5号边缘计算网关：接入11路相机视频流，实时检测烟火
- 6号边缘计算网关：接入10路相机视频流，其中5路相机实时检测区域入侵，1路相机实时检测安全帽，4路相机实时检测电子围栏
- 1台算法服务器，负责处理45路相机视频流，其中23路相机实时检测电子围栏，8路相机实时检测烟火，13路相机实时检测区域入侵，1路相机实时检测除静电操作规程
算法实现：
- 算法推理引擎服务基于英伟达提供的Deepstream框架进行二次开发，实现对相机视频数据实时算法处理的过程
- Deepstream框架的核心实现思路：基于开源框架GStreamer开发而成，采用插件方式，根据业务需要可以灵活添加、裁剪、编辑插件，组成一条功能完整的视频数据流算法推理通道
- 正常使用的算法框架（pytorch、caffe、TF）训练后的算法模型，在边缘计算端的推理速度是无法满足多路相机实施推理需求的，这里使用Deepstream框架，利用TensorRT实现算法加速
- TensorRT在获得网络结算流图后会针对计算流图进行优化，这部分优化不会改变图中最底层的计算内容，而是会去重构计算图来获得更快更高效的执行方式，即计算不变，优化计算方法
我的工作内容：
- 算法框架和算法模型的选型
- 云端算法服务的开发和算法模型的训练
- 边缘端算法服务的开发和算法模型的适配
