Edge video analytics voordelen, nadelen en voorzorgsmaatregelen

Edge video analytics is een toepassing van edge computing. Als een edge grafische data of video data produceert, dan kan deze een ‘video edge’ genoemd worden. Doorgaans zijn deze edges videocamera’s die bewegingen van de omgeving waarnemen/opnemen. Wat video edges betreft kan edge computing ons helpen met analytics, onregelmatigheid detectie, object identificatie, en verschillende real-time zaken, op een manier die niet mogelijk is met een cloudgebaseerde oplossing.

Use case beveiligingscamera?s

Stel je voor dat er honderden beveiligingscamera’s in een regio zijn geïnstalleerd, waarbij elke camera grote hoeveelheden gigabytes opneemt. Tezamen genereren deze camera’s dagelijks een aantal terabytes aan data. Als deze data direct naar de cloud wordt doorgestuurd kan dit overweldigend worden voor de cloud om te verwerken. De netwerkbandbreedte kan al snel een flessenhals worden en dramatische gevolgen opleveren door vertragingen in dataverwerking, wat voor beveiligingscamera’s niet acceptabel is.

Edge video analytics kan een oplossing zijn voor dit probleem, doordat het verwerken van de data (video) hierbij in de edges (camera’s) plaatsvindt, en alleen de relevante informatie wordt doorgestuurd naar de cloud. Natuurlijk gaat dit gemoeid met een aantal voordelen, nadelen en voorzorgsmaatregelen om rekening mee te houden. Laten we er een aantal bespreken.

Voordelen

Locatie bewustzijn: De beveiligingscamera’s zijn zich bewust van hun omgeving, locatie en de context waarin ze werken. Dit kan helpen bij het aanpassen van de camera’s om verschillende doelen te dienen.

Heterogeniteit: Verschillende typen camera’s kunnen samenwerken in de vorm van fog computing, waarbij geprofiteerd kan worden van de synergetische waarde die door deze samenvoeging ontstaat.

Minder data: Bij edge computing zijn de edges intelligent. Gedistribueerde intelligentie vermindert de hoeveelheid data (in dit geval beeldmateriaal) die naar de cloud gestuurd wordt.

Lokale/Offline beschikbaarheid: Zelfs als de verbinding tussen de edge en de cloud is verbroken, zullen de camera’s operationeel blijven.

Beveiliging: Gevoelige beelden of privégegevens die worden verzameld worden lokaal verwerkt. Omdat alleen de relevante informatie naar de cloud wordt gestuurd worden er minder veiligheidsrisico’s genomen.

High Definition camera’s: Bij cloud computing moet er een balans gezocht worden tussen hoge kwaliteit beeldmateriaal en een netwerk dat niet overbelast raakt. Met edge computing zijn camera’s met een hoge resolutie geoorloofd, omdat het grootste gedeelte van de verwerking in de edge plaatsvindt.

Lage latency: Natuurlijk is de lage latency die edge computing realiseert door niet alles naar de cloud te sturen, die druk bezig is met andere aanvragen te verwerken, een enorm voordeel van edge video analytics. De beveiligingscamera verwerkt de beelden nu lokaal en stuurt alleen relevante informatie door.

Snelle besluitvorming: Ten slotte kunnen door de lage latency real-time beslissingen worden genomen aan de hand van de beveiligingsbeelden.

Nadelen

Infrastructuurkosten: Om elke camera of groep camera’s intelligent te maken dient er lokaal een verwerkingseenheid geïnstalleerd te worden. Dit kan duur zijn als er intensieve berekeningen als Image Processing moeten worden uitgevoerd.

Onderhoudskosten: Bij edge video analytics nemen de onderhoudskosten en het aantal mensen die de camera’s moeten onderhouden toe.

Updates: Het is relatief ingewikkeld om fog nodes en edges van nieuwe versies van de software en algoritmen te voorzien.

Ontwerpbeperkingen: Als je teveel druk op de edge zet, overbelast je de kleinere processor en opslag platformen die daar aanwezig zijn met gemak. Beperkingen in vermogen en formaat zijn factoren die de limieten stellen.

Voorzorgsmaatregelen

Dit gezegd hebbende is het handig om bij edge video analytics een aantal voorzorgsmaatregelen te treffen.

Reliable Network Protocol: Omdat slechts extracten van data naar de cloud worden gestuurd, moet dit met behulp van een Reliable Network Protocol worden gedaan. In het geval de data niet erkend wordt, dient deze opnieuw verzonden te worden.

Secure Communication Protocol: Het communicatie protocol moet zorgen voor beveiliging en cryptografie, zodat de geëxtraheerde informatie, die in platte tekst kan zijn, aan beide uiteinden gecodeerd en gedecodeerd moet worden.

Secure Network Protocol: Het netwerk protocol zou packet sniffing of andere hacking activiteiten moeten tegengaan.

Betrouwbare stroom: AI oplossingen in de edge van het netwerk hebben betrouwbare computing mogelijkheden nodig om real-time besluitvorming te leiden. Momenteel worden de meeste IoT apparaten aangedreven door batterijen, welke niet in staat zijn om op betrouwbare wijze de voortdurende verzameling en analyse van data te ondersteunen. Met de tijd zullen bedrijven de overgang moeten maken naar nieuwe AI IoT apparaten die hun stroom van de bedrade infrastructuur krijgen. De behoefte aan betrouwbare stroom neemt toe met de introductie van nieuwe edge apparaten die meer verwerkingscapaciteit hebben. In de gezondheidszorg, bijvoorbeeld, kunnen camera’s 24×7 patiënten data verzamelen. Dit is met name nuttig voor scenario’s betreffende zorg op afstand, die real-time monitoring van patiënten met chronische ziekten mogelijk maken om hun behoefte aan proactieve behandelingen vast te stellen. In dit soort situaties is het kritiek dat IoT gateways die de data doorsturen een betrouwbare stroombron hebben.

Deze voor- en nadelen en voorzorgsmaatregelen in acht nemende, kun je werken naar een weloverwogen en geplande beslissing om edge video analytics al dan niet te implementeren. Ter aanvulling hierop zullen we volgende keer ingaan op architecturen die geschikt zijn voor edge video analytics.