Usługi
Computer Vision i Edge AI
Projektuję i testuję systemy analizy obrazu działające blisko kamery: na Raspberry Pi 5 z akceleratorem Hailo-10H albo na serwerze z kartą NVIDIA. Na zewnątrz trafia co najwyżej wynik analizy, nie strumień wideo.
Co obejmuje ta usługa
- detekcję i klasyfikację obiektów modelami z rodziny YOLO,
- analizę pozycji człowieka (pose estimation): punkty charakterystyczne sylwetki i ruch,
- segmentację obrazu — wyodrębnianie obiektów i obszarów sceny,
- analizę sekwencji wideo pod kątem określonych zachowań i zdarzeń,
- uruchamianie modeli na akceleratorach Hailo i kartach NVIDIA, z pomiarem całego potoku, a nie tylko samej inferencji.
Gdzie to ma sens
Automatyczna kontrola wizualna w procesach przemysłowych, systemy wspomagające bezpieczeństwo pracy, analiza ruchu osób i pojazdów, monitoring obiektów i infrastruktury oraz analiza obrazu w urządzeniach mobilnych i wbudowanych — wszędzie tam, gdzie decyzja powinna zapaść blisko kamery, a strumień wideo nie powinien opuszczać miejsca nagrania.
Co pokazał pomiar na brzegu sieci
Na Raspberry Pi 5 z akceleratorem Hailo-10H sama inferencja modelu detekcji osiągała w moich testach około 190–230 klatek na sekundę, a pełny potok z wejściem 640 × 640 pikseli, dekodowaniem i prezentacją obrazu — około 8,5–8,7 klatki. Wąskim gardłem była obsługa obrazu, nie akcelerator. Dlatego sprzęt dobieram na podstawie pomiaru całego potoku, a nie liczby z karty katalogowej.
Projekt badawczo-rozwojowy
Rozwijam koncepcję systemu wykrywania niebezpiecznych zachowań kierowców na podstawie analizy obrazu i sekwencji wideo: sieci neuronowe identyfikują obiekty, śledzą ich ruch i wskazują zdarzenia potencjalnie zagrażające bezpieczeństwu drogowemu. To etap koncepcji i eksperymentów, nie gotowy produkt.
Czego takie rozwiązanie nie zrobi
Wynik zależy od oświetlenia, kąta kamery, rozdzielczości i liczby strumieni, a model wytrenowany na publicznych danych zwykle wymaga dostrojenia na Waszych obrazach. Rozpoznawanie konkretnych osób to przetwarzanie danych biometrycznych, a monitoring w miejscu pracy podlega osobnym przepisom — takie zastosowania wymagają oceny prawnej przed rozpoczęciem prac.
Najczęstsze pytania
Computer Vision i Edge AI – najczęstsze pytania
Czy obraz musi trafiać do chmury?
Nie. Analiza odbywa się na urządzeniu przy kamerze albo na serwerze w Waszej sieci. Na zewnątrz może trafiać sam wynik, na przykład informacja o zdarzeniu, a nie nagranie.
Czy wystarczy Raspberry Pi z akceleratorem?
Zależy od liczby kamer, wymaganej liczby klatek na sekundę i modelu. Pełny potok na Raspberry Pi 5 z Hailo-10H działał w moich testach z prędkością około 8,5 klatki na sekundę. Gdy to za mało, rozwiązaniem jest serwer z kartą NVIDIA. Rozstrzyga pomiar na Waszym materiale.
Czy system rozpozna konkretne osoby?
Domyślnie nie. Wykrywa obiekty i sylwetki oraz śledzi ich ruch, ale nie ustala tożsamości. Identyfikacja osób to przetwarzanie danych biometrycznych z osobnymi wymaganiami prawnymi i nie zakładam jej bez wcześniejszej oceny prawnej.
Od czego zaczynamy?
Od nagrań z Waszych kamer i zapisanego kryterium: co system ma wykryć i jaki odsetek pomyłek jest akceptowalny. Na tym materiale mierzę skuteczność i wydajność całego potoku, zanim zapadnie decyzja o sprzęcie.
Dalszy krok
Pozostałe usługi
Chcesz zobaczyć inne usługi?
Wróć do listy usług albo przejdź od razu do kontaktu, jeśli ten obszar jest najbliższy Twojemu projektowi.