Любое централизованное облачное решение нуждается в надежной инфраструктуре и стабильных производительных каналах связи для обмена информацией между устройствами сбора данных и центром обработки данных. Системам компьютерного зрения всегда приходится иметь дело с большими потоками видео, поэтому предварительная обработка таких данных позволяет развертывать эффективные решения даже при полном отсутствии сетевой инфраструктуры.
Кроме того, даже при наличии коммуникаций, использование периферийных вычислений позволяет не пересылать лишнюю информацию, которая может быть обработана локально с большей эффективностью. На фоне растущих с каждым годом объемов информационного трафика, переход к Edge-вычислениям или гибридным архитектурам систем компьютерного зрения является трендом с большими перспективами.
Еще один плюс периферийных вычислений — высокая безопасность и приватность хранения данных. В большинстве сценариев предварительных вычислений обработка видеопотоков происходит в реальном времени, без накопления или с небольшим буферированием данных. В результате в облако и центр обработки данных поступают агрегированные или полностью обезличенные данные, что автоматически снимает вопрос безопасности при работе с персональной информацией. Чем ближе вычисления к источнику данных, тем меньше итераций проходит информация и тем ниже риск взлома такой системы.
Наконец, во многих случаях в промышленности и на транспорте крайне важна скорость принятия решения, которая порой измеряется долями секунды. Никто не будет устанавливать систему принятия решений самолета в удаленном центре обработки данных. По этой же причине система дорожной развязки на светофоре будет гораздо эффективнее обрабатывать данные предварительно и принимать решения без задержек на передачу информации и ожидание управляющего сигнала из единого центра.
Технологии периферийных вычислений не стоят на месте и постоянно эволюционируют. Например, в последнее время набирает популярность методика «перехватывающих серверов». Этот подход можно назвать промежуточным решением между централизованным и децентрализованным подходами: в непосредственной близости от камер видеонаблюдения ставится достаточно мощная система, вплоть до нескольких многоядерных серверных процессоров класса Intel Xeon.
По сути, такой подход полностью снимает вопрос передачи необработанных данных на удаленный центр обработки, поскольку полноценная обработка и аналитика данных производится на месте.
Этот подход, при очевидной экономии на производительных, надежных и дорогих каналах связи, не лишен собственных минусов. Прежде всего, это значительное увеличение капитальных затрат на приобретение дорогостоящего оборудования, которое, как правило, должно обладать недешевой антивандальной защитой, а в условиях производства или уличного монтажа — защитой от пыли, влаги, вибраций и других внешних факторов.
Кроме того, мощный сервер — не лучшее решение для работы от батарей. Поэтому применение таких систем вдали от источников питания не всегда оправдано из соображений мобильности и автономности, особенно в транспорте.
По сравнению с централизованной инфраструктурой, подобные системы оперативной видеоаналитики требуют значительно больших начальных инвестиций — особенно на закупку аппаратных решений, предназначенных для эксплуатации в индустриальных условиях. Иногда для снижения себестоимости проекта интеграторы используют неиндустриальные решения с климатическими модулями. Помимо этого, сложное оборудование для предварительных вычислений имеет больше точек отказа и более требовательно в части обслуживания.
