<address id="vlnbt"><nobr id="vlnbt"><meter id="vlnbt"></meter></nobr></address>

            <form id="vlnbt"><form id="vlnbt"></form></form>

                      歡迎光臨青島安防協會網站,您是第 位訪問者

                      云邊端架構,為安防架起一座“智能”橋梁

                      2022-07-15

                      萬象有新意,行業無舊貌

                      隨著AI,大數據,云計算等技術的發展,安防正從傳統的視頻監控走向智能安防,從傳統的防控輔助系統走向效率提升的生產系統,智能安防走向千行百業。

                      在走向千行百業的進程中,不同行業對于覆蓋的縱深要求不斷提升;為了獲取更多的細節信息支撐決策分析,對于視頻圖像全天候高清化越來越高,對于網絡上行帶寬的要求越來越高。這時候,智能安防時代,應該承載更多。

                      為此,云邊端架構開始在安防流行。

                      為什么安防需要“端邊云”

                      云邊端在安防出現,就是時代產物,帶有明顯智能安防屬性。

                      01智能安防技術的不斷發展,視頻圖像可以承載越來越多的信息,但仍需要更多的與前端多維感知設備之間進行數據的交互,提升決策準確率,并盡量在前端決策,減少后端處理壓力;

                      多維感知數據的端云協同和對數據的實時交互對于網絡的時延、帶寬要求越來越高;同時防控走向深水區,對于防控的立體化、系統化、機動化要求不斷提升。

                      022012年以前的傳統安防行業,簡單來說就是視頻監控,以攝像機作為前端感知設備,負責數據的采集;服務器作為后端設備,負責數據的處理及分析。

                      邊緣計算的出現則將安防的智能化帶向了前端。傳統方式下,我們可能需要堆疊大量的GPU服務器來實現這些智能化的服務,而現在,我們可以逐步的將例如人臉的檢測、抓拍、識別,視頻的結構化、車輛的檢測與識別放到前端攝像頭去實現,這樣的變化帶來的影響巨大。

                      03多樣化的應用場景,要求更加靈活的視頻智能部署和應用能力,需要三個方面的能力。

                      前端攝像機、邊緣、中心都具備軟件定義能力,支持動態加載智能算法,從而可以動態按需的在前端、邊緣、中心部署相應的智能算法和應用;

                      支持端邊云協同,形成全網一體化的高效智能供給;全網分級分布的智能能力間有效協同,高度依賴網絡的保障,要求網絡能夠接入各種復雜部署環境的海量攝像機,提供更高的通信帶寬和更低的時延,并能根據每個行業特點提供滿足要求的SLA專網保障能力。

                      04各個技術完善后,首先是帶寬方面,不再需要將原始數據全部傳輸到云端去處理,然后發送回來,而是直接邊緣端即可完成處理;

                      在成本方面,大規模量產的前端芯片成本要遠低于后臺服務器的芯片成本,同時海量服務器的運維、散熱、機房租用等等成本更高;

                      延時方面,例如一個人臉識別,前端設備直接能夠自行處理,可以不需要將視頻傳輸回去,解析、摳圖、識別然后再把結果返回來,這難以滿足很多場景下快速響應的需求。

                      當然,安防行業的智能化與前置化的核心或者說難點是前端處理能力,也就是芯片。云端的處理能力,可以通過服務器的疊加來實現。

                      但是,邊緣端的芯片則需要在保持強大運算能力的同時,盡可能的降低功耗、降低成本以滿足大規模推廣需求,這是一件非常具有挑戰的事情。

                      云邊端架構能為安防帶來什么

                      智能安防,何謂智能?

                      其實智能概念極為寬泛,也有時代屬性。比如,智能不像高清有明顯的技術指標;十年前移動偵測叫智能,十年后該功能是很初級的標配了。

                      在當下,安防應用中越來越多的部署更多類別的感知設備,用于從更多維度采集目標信息,包括目標的各種要素、活動軌跡以及關聯信息等,從而形成一個動態感知體系,實現防控工作的“無所不在、無所不知”目標。

                      圖片

                      針對某一特定的應用場景,相關前端感知設備實現全互聯直通,邏輯上各感知設備一體化,當一個設備的感知到一條單維度信息后,通知其他設備從其他維度提取信息,對信息的準確性進行印證,從而實現群防群治,實現在前端就能完成一次感知信息的數據清洗,從而保證了感知信息的準確性。

                      只有驗證有效的信息才會上報至后端系統和平臺,在后端再進行數據綜合應用,最終實現感知的多層運用。一方面,可以提升準確度,減少誤報;另一方面,通過本場歸并,減少數據量,降低后端處理的壓力。

                      以下我們分別來看端邊云的組成:

                      端的進化

                      視頻監控是安防的最大門類,而傳統視頻監控廠家幾乎都以前端起家。

                      那在端側,傳統視頻監控廠商極具話語權,他們沉積多年技術與市場經驗,讓后入者望塵莫及。但,挑戰者中華為也有其自身優勢。

                      以其一款產品為例來看,重磅新品“魔方”雙目全彩AI筒型攝像機,新品融合了RGBW超感光傳感器、DNN ISP實時視頻降噪、AI HDR全目標增強、Deblur 去運動拖影等一系列黑科技。

                      同時公布“墨子”圖像實驗室專業測試打分,在業界同類型中處于領先水平,這也是業界首次從“給機器看”角度給出的量化評分,用全新思想定義圖像未來。

                      雙鏡“全”析:采用廣角+變焦的雙鏡頭一體化設計,全景與細節兼顧,實現雙目全天候全結構化智能;利舊現網桿站,態勢感知 + 全結構化共用立桿,高低統一,降低運營成本;

                      精“彩”夜攝:業界首家采用RGBW超感光傳感器,進光量增加75%;業界首個DNN ISP實時視頻降噪,由靜至動;支持AI HDR全目標增強、Deblur 去運動拖影,將夜攝能力做到極致;

                      以“小”見大:通過極致的工程設計能力,最大化利用空間,體積小重量輕,極低功耗節能環保。

                      在攝像機能力方面,智能已經在芯片技術方面大力提升,進而形成有競爭力的安防產品與解決方案。AI芯片算力普惠到端云,傳統攝像機變成智能攝像機,智能安防端邊云協同、多維數據融合,讓智能更高效。

                      云的協同

                      視頻云的概念在2017年開始流行,從那時候起,阿里云獨占鰲頭,華為和騰訊在努力追趕。當時引入視頻云,是為了平安可以預見。

                      傳統的視頻監控一般是“煙囪式”建設,各區域各部門基本都是獨立建設,采用的供應商和技術標準也不盡相同,帶來的結果就是數據煙囪,形成一個個的數據孤島。警察辦案時通常需要到現場查看視頻,并將原始視頻拷貝回來,效率很低。

                      采用視頻云模式后,所有的攝像機接入到一朵云中,以“服務化”的方式,根據合理的授權提供給各需求部門使用,實現視頻共享,及視頻的隨時隨地查看。

                      除此之外,因為采用云系統,各種計算資源、存儲資源、網絡資源被虛擬化成資源池,并進行統一管理,當有部門或某個業務需要時,可以按需分配,彈性擴展,實現業務快速上線的同時,資源利用率也得到大幅提升。

                      從2017年起,隨著中央“三預”的提出,意味著我國將推動社會公共安全領域從后置變為前置,從被動轉為主動,就是帶領行業業務實戰驅動技術變革,從事后被動處置向事前主動預防轉變,增強預見性。

                      所以,很多廠家開始發力云端,具體做法是基礎設施云化、數據整合共享、大數據智能分析和情指融合、情勤融合。

                      不少企業的方案創新性提出了“一云一池一平臺”概念,一云指的是在部署方式上,實現了物理分散、邏輯集中,在業務邏輯上,縱向拉通部省市多層級、橫向上拉通各警種間的數據,支持資源靈活調度;

                      一池指的是匯聚全量數據,形成數據水系,加強對數據的處理加工、為上層應用提供價值數據;一平臺即業務使能平臺,更易于客戶和合作伙伴在統一平臺上實現業務應用百花齊放。

                      2021年華為好望上云,對于行業也是一件幸事,在云端協同方面,智能安防還能做很多。

                      邊緣賦能

                      云邊端架構中,我們最少涉及的就是邊端產品。這方面從最開始的DVR開始,在產品升級和技術推進方面相對與另外兩者較為滯后。有工程商笑談,十年前的NVR到應用到現在的工程中,依然好用。

                      邊側的邊緣計算,其實也大有可為。但隨著物聯網時代的到來,日常生活中產生的大量數據需要更快速的響應及處理,這些都是云計算不能解決的問題。

                      在網絡帶寬有限、網絡擁堵、響應延時一系列技術的要求下,邊緣計算開始成為物聯網時代超越云計算的最佳“使用方法”。

                      不過,盡管云計算與邊緣計算是看似矛盾,實際上卻是協同、互補的兩種方式。也就是說,邊緣計算雖然有其明顯的優勢,但是用邊緣計算來替代云計算也是不可行的。

                      例如海量數據的挖掘、關聯分析,關鍵數據的存儲,多邊緣節點的聯動都需要依賴云端來完成,云計算廠家布局邊緣計算,是對自身能力的一個補充,從而可以提供更好更完整的解決方案,也是順應技術發展的需要。

                      但不管是安防行業還是物聯網,只有將邊緣計算和云計算協同使用,才會發揮出最大的價值。

                      但,邊緣計算有難點。盡管邊緣計算存在節省帶寬成本、節約服務器成本、存儲成本、降低響應時間等優勢,但其在落地應用過程中仍然存在應用層面、技術層面的問題。

                      場景適應性。當前還處于人工智能發展初級階段,各項應用與服務都是基于“模型訓練“得到的,并沒有達到強人工智能的階段,所以本身計算、識別及分析能力對場景的依賴性較大,所以我們需要更多的應用場景去加速邊緣計算的落地,需要更多的技術投入、資金及人力的投入。

                      技術實力與實戰標準的區別。以人臉識別為例,人臉識別的技術是很成熟,但是到了實際的場景中,仍然存在識別不準確、識別不出來、識別效果不好等,例如人是低著頭的、光照會發生變化、攝像頭拍攝角度問題這些不可控因素都會導致識別結果不好。

                      人臉識別這項很成熟的技術尚且如此,那么到了其他應用場景,例如要做安全帽的識別、做車輛亂停的識別、做水尺的識別、集裝箱識別,這些理論上,只要數據量足夠充分都可以發掘,但是達到解決客戶問題這樣的標準,目前還有很多工作有待解決。

                      結束語

                      有調查顯示,到 2023 年,廣域物聯網設備預計將達到 41 億個,短程物聯網設備將達到 157 億個,物聯網的應用和市場空間將遠超傳統人與人的互聯;

                      邊緣計算隨著場景落地深入,可就近計算的特質,讓其一方面可對人臉數據、人群分析、生物識別、商品識別等分析結果進行高效的處理,讓原先智能場景不再需要在現場部署昂貴笨重的硬件設備,極大提高智能場景的落地效率和復制速度;

                      另一方面分布廣泛的攝像頭也因為邊緣存儲服務的就近存儲,可以把海量的監控數據就近存儲起來,提供了就近高速可存可分析的業務體驗;

                      隨著云計算的普及,各類業務平臺的云化趨勢越來越明顯,越來越多的功能組件和接口將部署在邊緣云和中心云內。

                      平臺云化不僅可以優化業務部署的效率和成本,還可以豐富生態,實現安防業務功能與不同業務場景的快速適配和應用。

                      業務平臺開放、云化還將催生算法市場、應用市場等新的商業形態,使視頻業務應用更廣泛、更活躍。

                      端邊云,智能安防時代獨好風景線。

                      (轉自CPS中安網)

                      未成与学生的女A片

                                <address id="vlnbt"><nobr id="vlnbt"><meter id="vlnbt"></meter></nobr></address>

                                <form id="vlnbt"><form id="vlnbt"></form></form>