技術摘要
為了提供即時串流影像物件偵測，使用SRS (Simple Realtime Server)為核心的串流平台，串流平台可以同時支援多種影像辨識的結果畫面包含偵煙偵火、車牌辨識、物件辨識等，為了能在更多平台上進行直播還加入了WebRTC、HLS等直播協定提供多元的串流服務以支援多種設備，最後透過WordPress、HTML5、Video JS或是各式JS的套件進行結果影像的呈現。
現有技術描述、問題及其缺陷
由於Edge端上進行即時影像辨識，會因為邊緣設備的效能不足，造成延遲嚴重等問題，因此我們預計使用OpenVINO與DeepStream技術，將神經網路模型輕量化，加速運作效率並減少延遲。
本技術發明之目的及達成功效
近年來各式智慧裝置普及，時時刻刻在記錄這生活中各項數據，傳統的物聯網及雲端運算的架構，變得無法滿足這類的需求，因此「邊緣計算」的技術相應而生。本技術將結合兩者，透過即時串流影像物件偵測並在Edge端進行辨識，使用Pytorch作為建構神經網路的工具，再配合OpenCV以及YOLO兩種影像處理及辨識的工具，對傳輸回來的即時畫面進行影像識別，透過Kubernetes與Docker來快速佈署環境Edge端，並在Edge端進行即時串流影像物件偵測與識別。本技術對國內AI物件辨識及串流直播等學術研究或企業發展有一定參考價值，使未來發展出更具有前瞻性的系統，提升AI物件辨識系統研發能量。
圖1
圖2
