0 引言

随着人工智能、边缘计算等技术的发展，DT时代数据呈现爆炸式增长。数字视网膜依托全新升级的仿生物视网膜的计算架构，主要面向政府、委办局提供视频数据汇聚、存储和解析的一体化服务，结合视频和人工智能技术，可以有效地解决人工智能发展中面临的海量规模化视频数据应用下的关键性问题。通过大数据分析挖掘数据中隐含的内在规律，全面支撑领导统筹全局、科学决策、创新城市治理模式，努力实现共创共享的文明创建新格局，为全国科技创城建设工作提供技术支撑。

1 研究背景

1.1 科技创城建设背景

党的十八大以来，以习近平同志为总书记的党中央高度重视精神文明建设，作出了一系列重大决策部署。全国文明城市作为含金量最高、综合性最强、影响力最大的城市品牌，是深入贯彻习近平总书记关于精神文明建设的重要论述，是落实党的十九届五中全会对精神文明建设的部署要求，是顺应文明城市创建新形势、开启精神文明建设新征程的迫切需要，关系城市长远发展和群众切身利益。目前，各地文明城区创建尚未有专门的信息化系统作为支撑，各类创城措施缺乏科技手段，主要以“上人为主”，难以建立长效常态的创建工作机制。特别是中央文明办下发的新版测评体系增加了很多测评内容和重要点位，需要各项创城工作更加精细化、常态化。科技创城以“人工智能+大数据”的数据视网膜为主要科技手段，利用已建的公共视频为城市“眼睛”，打造“视频网格员”，自动识别各类不文明现象并结合网格化管理及时闭环处置，创新文明创城模式，建立“全域创建、精准创建、全民创建、长效常态创建”的工作机制，确保创建工作不留死角，助力文明城区创建工作[1-2]。

1.2 科技创城建设存在的问题

视频数据汇聚能力不足，随着城市的不断发展以及视频资源的分散建设、设备选型、网络架构的差异，导致视频资源共享难的问题；视频智能化水平不足，除公安视频经过结构化解析外，大部分未进行视频智能分析，还是以人工监视为主，通过人眼发现各类违规事件，工作效率极低。视频智能分析是未来视频监控系统发展的必然趋势，作为从海量数据中获取有用信息最方便快捷的手段，将会成为视频监控的主力军，并且随着高清化与智能化的有机结合、随着摄像机与智能分析的一体化发展，其产生的作用及影响会越来越大，最终实现由人防向技防的转变；针对创城不文明现象发现能力不足，由于全国文明城区创建考核内容涉及交通路口、主次干道、背街小巷、农贸市场、街道社区等几十种类型的点位，包括遛狗不牵绳、共享单车乱停放、机动车不礼让行人、行人越线等灯、外卖员不戴头盔等上百种不文明现象。目前视频解析平台已有的算法类型尚不能涵盖文明城市实地考察测评范围，仍需要进一步进行扩充，提高创城不文明现象发现的能力[3]。

2 数字视网膜

数字视网膜依托全新升级的仿生物视网膜的计算架构，主要面向政府、委办局提供视频数据汇聚、存储和解析的一体化服务，同时，视网膜集成了视频管理、推理、算法和视图库的一体化平台，目标是为城市全行业提供通用的视频解决方案，助推各地科技创城工作更上一层楼。数字视网膜全景图如图1所示。

图1 数字视网膜全景图

2.1 数字视网膜概念

数字视网膜从物理区域划分包括边缘计算模块和云端计算中心，其构成图如图2所示。其中，云端计算中心包括AI中台和城市视频管理平台。AI中台包括算法工厂、AI算法推理平台、机器学习建模平台和AI服务平台，同时提供了全目标属性识别、以图搜图、交通违法事件识别、交通态势感知、城管违规事件检测、社区管理视频智能分析、应急安监视频智能分析八大类算法产品，在研算法349种，上线算法116种。城市视频管理平台主要提供视频接入、视频资源管理、视频算法任务管理等服务，实现视频数据的全生命周期管理。[4]

图2 数字视网膜构成图

边缘计算模块与云端AI中台及云端数据中台进行协同，经过数据处理和加工计算为各个行业业务如城市大脑、公安大脑、交通大脑等提供有价值的结构化数据及非结构化数据，帮助业务系统实现价值提升。

2.2 数字视网膜架构

数字视网膜依托全新升级的仿生物视网膜的计算架构，主要面向政府、委办局提供视频数据汇聚、存储和解析的一体化服务，结合视频和人工智能技术，可以有效地解决人工智能发展中面临的海量规模化视频数据应用下的关键性问题。

数字视网膜系统包含城市视频管理平台、AI算法训练平台、AI算法推理平台、机器学习建模平台、数据标注平台和AI服务平台。

2.2.1 城市视频管理平台

视频类业务运维平台，为云、边端提供视频接入、视频资源管理、视频算法任务管理等服务，实现视频数据的全生命周期管理。

2.2.2 AI算法训练平台

AI算法训练平台对计算资源进行统一分配调度，基于Kubernetes架构，使用harbor作为算法镜像仓库，Redis作为中间件，使用MySQL数据库，同时使用Grafana、Prometheus等组件为上层应用提供支撑。按功能模块划分，服务层主要提供任务管理、模型管理、用户管理、监控等服务，为算法工程师、管理员提供流程化地算法模型开发训练。

2.2.3 AI算法推理平台

算法解析类的运维管理平台，为项目现场运维工程师提供统一算法基础运行环境，为云、边提供算法统一在线管理、发布的基础环境，是一个高效的多算法管理与大规模任务资源调度平台。

2.2.4 机器学习建模平台

从数据服务、任务调度、模块扩展框架、算法策略管理、数据缓存管理和算法生态六个方面为算法工程师提供工具支持，强化模型算法的可视化，加速数据与业务融合。

2.2.5 数据标注平台

数据标注平台支持多场景数据标注，整体架构如图3所示，底层依赖网络设施建设、安全设施建设，需提供服务器硬件资源及系统组件。数据资源层包含MySQL、ElasticSearch、FastDFS，管理多种数据。服务支撑层可提供API接口、系统日志、权限管理及查询引擎。基于上述支撑，服务层可提供数据采集、数据统计、web端标注工具、客户端标注工具等多种服务。为标注需求者、数据标注员、数据质检员等多种用户提供简单易用的标注工具，生成高质量的标注数据。

图3 数据标志平台整体架构图

2.2.6 AI服务平台

AI服务平台是以视频图像综合资源库为核心的视频服务平台，依托AI算法推理平台及城市视频管理平台，旨在为事件类算法提供统一的结果展示模块。交通场景库的违法行为识别、城管场景库的城管违规事件识别、应急场景库的政府应急管理等事件相关算法，被统称为事件类算法。平台支持多种算法结果展示形式，支持多种检索方式，支持用户对算法结果进行单个或批量导出，支持对视频AI解析产生的各类智能事件进行集中审核。为治理中心、大数据局和委办局提供算法结果与AI能力展示平台[5-7]。

3 数字视网膜系统价值

3.1 提升城市视频解析率

数字视网膜可以根据各类AI算法发现的事件，对事件的紧急程度进行分级响应，对紧急事件优先解析，做到资源利用做大化，形成事件处置闭环，提升单台服务器解析路数。通过边缘计算节点实时处理边缘侧的分析处理和应用需求，数字视网膜系统应用的边缘侧阵列板服务器可以支持384路摄像头的实时解析及价值信息提取，通过一台边缘计算设备便可以有效地激活一片区域内存量监控设备的智能化水平，进而提升城市视频的解析率。

3.2 提升数据留存率

通过边云协同的处理架构，可以实现对视频数据的逐级浓缩和提纯，将有价值的数据信息留存下来，极大地节省了网络带宽和存储空间，提升了数据留存率。同时通过均衡规划边缘侧与云端的算力资源，极大的缓解了云端的计算压力，有效地解决了海量视频数据大规模汇聚、存储和计算的问题，提升视频数据留存率。留存后的事件结果可以做二次分析，进一步挖掘留存数据的价值，将海量、多形态的视频数据，接入数字视网膜系统，有效整合散、杂、繁的城市视频资源，采用边端即处理的策略进行价值提炼，通过合理的分层分级架构设计，针对不同分级分类不同价值的视频数据进行不同的提炼处理，如低价值进行超压、高价值进行无损转码等，匹配城市视频价值投资需要[8-9]。

4 典型应用

数字视网膜主要应用于城市大脑、雪亮工程、智慧交通、智能社区、智能环保等文明城市创建中的多种行业。基于海量视频“传不动，存不起，算不完”的行业痛点，可用来解决海量视频接入联网与价值释放、视频信息数据内容可获取性差等问题。数字视网膜系统通过对不同类别不同等级视频数据的浓缩和提纯，均衡规划边缘计算与云端计算，提供高质量的视频信息数据，从源头解决海量视频数据大规模汇聚、存储和计算的问题。

数字视网膜可为业务系统提供高速、准确、稳定的算法服务。包含通用类算法、交通类算法、城管类算法、社区类算法、应急类算法、环保类算法、教育类算法、食药监类算法、司法类算法、公共卫生类算法等几十余种算法场景。数字视网膜经过数据处理和加工计算，通过AI服务平台提供结果数据的可视化查看和中心管理，同时为各个行业业务如城市大脑、公安大脑、交通大脑等提供有价值的结构化数据及非结构化数据，帮助业务系统实现价值提升，助力科技创城建设。

5 结束语

近几年，随着党中央对全国文明城市建设工作的高度重视，各地积极部署科技创城建设工作。在新一轮城市发展中，全国文明城区创建面临着“硬件”需要继续建设完善，“软件”亟待改善提高的要求。基于数字视网膜技术的科技创城可最大程度地实现对城市各部门、各单位实时化动态管控，让“粗放式管理”成为“精细化管理”，变“临时突击”为“长效管理”，使各部门、各单位真正地支持、投入和参与到文明城市建设管理中来，切实提升城市整体文明实力。