点击上方关注我们!
2020年7月以来，我国南方多地因强降雨引发的洪水灾害已致数千万群众受灾。在抗洪第一线进行报道的记者反映，今年的抗洪抢险与1998年最大的不同之处在于抗洪救援设备的科技含量有了大幅提高，北斗卫星高精度地质灾害监测预警系统、无人机等成了预测和查勘险情的利器，就连三峡大坝上也设置了视频直播点，便于监控人员实时掌握和处理险情。
其实，视频监控用于防洪防汛已经不是什么新鲜事，早在2006年，长江洪水就首次实现了视频监控。但是，在传统的视频监控解决方案中，摄像头本身因为不具备智能，所以只是一个被动的观察者，现场采集的所有视频信号均要传输到后端的监控中心进行分析或查看，不仅增加了后端的处理难度和工作量，而且如果因为现场自然条件恶劣、网络带宽有限或不稳定，都可能影响视频监控的整体效果。
随着软件定义、人工智能（AI）等技术的兴起，上述状况得到了极大改善，人工智能为前端摄像头增加了一个“数字大脑”，让摄像头不仅仅是“千里眼”，更是“火眼金睛”，无需人工参与即可进行现场视频的分析并做出判断。如今，智能摄像头已经在城市交通、防灾防盗、社会公共安全，以及工业和科学等众多领域得到越来越广泛的应用。
智能分析无所不及
智能摄像头目前主要应用于以下三大类智能分析场景：第一类，识别类智能分析，主要是对人、车以及一些特征信息进行获取并判断其属性，在交通卡口对车牌进行识别便是其中一种典型应用场景；第二类，行为类智能分析，我们最常见的是情形是人突然由走到奔跑，或者大规模人群聚集等；第三类，诊断类智能分析，主要的应用场景是对图像的优化，比如监控视频出现黑屏或马赛克等。由于AI的加持，让前端摄像头具有了强大的算力，可以在本地进行实时分析，而不必将所有视频数据回传到后台进行集中处理，可以快速准确地发现目标的异常行为，提前做出预判。
在万物互联的智能社会，机器视觉作为智能感知的切入点，将无所不在、触手可及的立体化的感知和智能带到了城市的每个角落，影响甚至改变了我们的生产和生活。因为拥有强大的AI算力，前端摄像头可以尽可能地分担原来需要集中在后台进行的视频处理和分析工作，减轻后台工作人员的负担，前后端各展所长，形成一种“平衡”。这种前后端的协同一致也得到了越来越多行业用户的认可。
“前后端的AI协同分析是必要的。”在采访中我们接触到的一些客户一致表示，“在前端进行智能监测和分析，其优点是功能稳定，可以克服摄像机因联网故障等造成的一系列问题；在后端进行监测和分析，其优势是可以确保业务之间的协同性，将违法监测和事件监测联系起来，通过统一的指挥调度，实现违章处理、秩序管理、交通基础设施维护和路面养护等的协同联动。举例来说，某路段因塌陷、路面积水或交通标志标线磨损，可能导致驾驶员由于无法辨识而产生大量违章行为。AI视频解析就需要在进行违法监测的同时，通过各个地理位置的历史违章数据统计识别出异常违章场景，并通过AI视频解析的事件监测功能识别出导致异常违章的根本原因，然后再协调相关人员及时处理，第一时间消除路面安全隐患，起到很好的事前预防效果。”
因为AI的出现，算力前移是必然趋势，但它并不是让智能监测顾此失彼，而是可以更好地协调前后两端的智能分析和处理能力，提高智能监测的准确率和效率，让可能出现的故障、安全隐患等不利因素消失于无形。
前端智能“五宝”
有一段时间曾频繁见诸报端的在张学友演唱会上经常能够成功抓获通缉犯的新闻，让人们津津乐道，AI摄像头织就了一张无形却十分有效的安全网。这些网上在逃犯通常会现身交通枢纽或者人群密集处，如果摄像头拍到其图像但不能实时做出正确判断，很可能会错失抓捕的机会。因为AI摄像头具有低延迟的特性，可以实现秒级实时响应，完全能够满足保障公共安全的需求。同理，人脸识别门禁、精准交通控制等需要实时反馈和动作的场景，也是AI摄像头最好的用武之地。
经常开车的人可能都有过类似的体验，在夜间经过某个交通路口时，往往会被爆闪灯闪“瞎”眼，导致视线范围受到限制，产生安全隐患；而如果没有爆闪灯，因为玻璃反光或光线太暗等原因，往往会造成视频成像模糊，交管人员无法看清车内人员的情况。如果在卡口摄像机中安装AI芯片，借助前端智能提升摄像机的图像场景适应性，提高智能识别率，无论在强光反射还是在低照度的情况下，都能呈现清楚的视频图像，保证色彩还原度。这就是前端智能在极致图像处理方面的独特价值所在。
以前，在前端摄像头不具备智能分析能力的情况下，它采集的视频信息会经过编码、压缩等一系列处理过程后，再传输到后端进行分析。而经过编码、压缩处理后，极容易出现图像失真的情况，降低了分析和判断的准确率。现在有了前端智能，在编码前就可对视频数据进行提取、比对、分析，即裸数据分析，从而获得更高的智能识别率，同时提升处理效率。
众所周知，通过网络将视频数据回传到后端进行处理，不仅需要高带宽，后端还要有充足的存储空间作为保障。即使应用了5G网络，其上行带宽也有限，如果不能精简传输，对网络来说也是一种沉重的负担。如果应用前端智能，基于深度学习对视频编码进行优化，保障视频画质和观看体验的同时，可以大幅减少传输数据量，经测算，平均可以节省50%以上的传输带宽和存储成本。
AI算力分散到各个点位，在智能前端完成对视频的优化处理，就不必再向后端传送数据，这样也可以减少后端服务器、存储的用量，从而节省数据中心的空间、能耗等。
综上所述，从降低延迟、极致图像处理、提升效率、节省带宽和存储空间，以及性价比等方面综合考虑，增强前端智能化并使之快速普及是提升机器视觉体验的明智之举。
协同智能，效率最高
其实，智能摄像机并不是什么新鲜事物，早在5年前便已出现。但是受到当时算法和芯片技术的局限，摄像机仅能通过警戒线以及区域看防等功能输出告警信号，而无法感知和识别画面中的内容。理想很丰满，现实很骨感。直到AI时代的来临，才让一切有了本质的改变。摄像头通过AI芯片具备了足够的算力，为智能算法和应用提供了高效的运行环境。人们通过智能算法来自动优化各种非正常条件下的高清成像，从而更精准地识别出图像中的人、物等特征信息，实现多维的数据感知。
关于智能，华为两年前提出的软件定义摄像机挺有意思。华为陆续发布了HoloSens SDC、HoloSens Store等让行业热议的产品。华为HoloSens SDC以专业的AI芯片、开放的操作系统、丰富的生态体系重新定义智能时代安防摄像机的全新架构，以快速满足行业调整发展、业务多样化的需求，通过软件和智能赋予摄像机不断迭代和演进的生长能力。
华为HoloSens SDC这两年也在各行各业不断实践，事实证明，软件定义概念和摄像机的有机结合确实拥有广阔的前景。尤其是在“新基建”的带动下，在一些新增市场上，比如新建的地铁、雪亮工程等，智能摄像机的使用比例势必越来越高。而在智能过渡期，华为HoloSens SDC还提出了多机互助（即1拖N）概念，一台智能摄像机可以同时纳管多台传统摄像机，让AI算力无处不在。时代更迭，用户接受度、技术发展都需要时间，一刀切往往不能推进时代前行，反而会让脚步停滞，多机互助无疑是在推进智能发展的同时可以最大限度实现利旧的好方法。
可以预见，智能摄像机未来的应用之路将越走越宽，而“开放、智能、前后端协同”将成为机器视觉走向行业纵深的“金字招牌”。
扫描二维码关注我
扫一扫
329
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
