一、前端设备实现AI算法
主要是基于安卓的布控球实现,已有的算法包括:
1)人脸;2)车牌;3)是否佩戴安全帽;4)是否穿着工装;
可以支持定制开发 烟雾,火焰等智能识别算法。
AIoT万物智联,智能安全帽、智能头盔、头盔记录仪、执法记录仪、智能视频分析/边缘计算AI盒子、车载DVR/NVR、布控球、智能眼镜、智能手电、无人机4G补传系统等统一接入大型融合通信可视指挥调度平台VMS/smarteye 。
![](https://img-
blog.csdnimg.cn/img_convert/1d9f65c22ad6bfc2791b43c949ff0c81.jpeg)
安霸4K机芯+高通骁龙625-安卓系统H.265 4G图传一体化应急布控球 ,内置小显示屏,可承载客户自有行业APP,
可选配支持人脸识别、车牌识别,是否佩戴安全帽识别,烟火检测等各类AI智能算法,与4G单兵执法仪、智能头盔安全帽、无人机4G图传等统一接入优视大型可视指挥调度平台VMS/SmartEye,有常规型(3KG重量)和超级轻便型(1KG重量)多个型号,有LINUX和安卓版本,
https://www.besovideo.com/product/detail?i=28
安卓布控球用户手册,https://www.besovideo.com/detail?t=1&i=165
可前端识别是否佩戴安全帽、人脸(紧急布控球-
黑白名单)-车牌识别,入侵检测,烟火识别等视频智能识别算法的安卓4G布控球,无需消耗大量的流量传输实时视频到后端平台做算法比对,与4G单兵执法仪、智能头盔安全帽、无人机4G图传等统一接入大型可视指挥调度平台VMS/SmartEye,
智能布控球,AI前端识别是否佩戴安全帽,是否穿着工作服,https://v.douyin.com/d2YxJxU/
4G布控球人脸识别 https://v.douyin.com/JSN2GP2/
布控球发货, https://v.douyin.com/JAL3SSR/
布控球生产, https://v.douyin.com/JALs6VR/
二、边缘计算AI盒子实现算法,集成到smarteye平台
![](https://img-
blog.csdnimg.cn/img_convert/599a977286cec6b45524582dcfca2923.png)
**[边缘计算AI智能盒子的视频源必须是固定点监控摄像头吗?](https://www.besovideo.com/detail?t=1&i=315
“边缘计算AI智能盒子的视频源必须是固定点监控摄像头吗?”)**
![](https://img-
blog.csdnimg.cn/img_convert/f0371d8c9a16140a44050936a7dea61e.png)
![](https://img-
blog.csdnimg.cn/img_convert/3d2ea995364b6ea8e9c728439209ce3d.jpeg)
![](https://img-
blog.csdnimg.cn/img_convert/e27331db561ceec5a97aee06a8549c69.png)
![](https://img-
blog.csdnimg.cn/img_convert/01db1c5df818eed38c36db07b67293b9.png)
数据上报 | 人脸识别 | 人脸抓拍、人脸识别、人脸属性结果 |
---|---|---|
车辆识别 | 机动车/非机动车机构化识别, 车辆颜色、 型号、车牌 | |
告警 | 警戒告警事件 | |
识别性能 | 人脸 | 抓拍率 = 99% |
抓拍误抓率 < 1% | ||
识别误识率: < 0.5% | ||
白名单识别通过率 > 99.5% | ||
最大底库: 30 万人像库 | ||
人体 | 抓拍率 = 95% | |
抓拍误抓率 < 1% | ||
机动车 | 抓拍率 = 90% | |
抓拍误抓率 < 1% | ||
车牌 | 抓拍率 = 95% | |
抓拍误抓率 < 1% | ||
识别率= 95% | ||
硬件参数 | CPU | 四核 Cortex A53 支持 NEON 加速 集成 FPU |
NPU | 30TOPs@INT4 算力 支持 CNN、RCNN 等 | |
RAM | 8GB DDR4 | |
ROM | 8GB EMMC 5.1 | |
DSP | 800MHZ VDSP | |
软件系统 | Linux 系统 | |
视频编码 | H.264/H.265 支持 I/P/B 顿,最大编码能力 3840*2160@60fps,支持 QP CU map/IPCM CU/skip CU 编 码模式, 输出码率最高 200Mbps,支持 8 路 1080P 视频编 码能力 | |
视频解码 | H.264/H.265 最大解码码率 300Mbps,最大解码能力 4K@60fps, 支持 I/P/B 顿解码,最高支持 16 个参考顿, 支持 YUV 数据输出,支持 16 路 1080P 视频流解码 | |
内置安全模块 | 支持安全启动 | |
加密算法 | 硬件实现 AES/DES/3DES 加密算法 | |
安全类型 | 硬件实现 SHA-1 / SHA-224 / SHA-256 | |
视频 | 支持 HDMI 2.0b 输出 | |
音频 | 支持一路音频 MIC 支持外接 Audio Codec | |
网络 | 支持 2 路千兆以太网 RJ45 接口 |
三、在服务器侧做算法
![](https://img-
blog.csdnimg.cn/img_convert/363fbc527fa197fd1697a61fe96f1940.png)
安全生产可视监管智能安全帽-执法记录仪-布控球-无人机4G实时回传-
车载应用方案及设备清单(包括后端平台服务器配置及报价单),
https://www.besovideo.com/detail?t=1&i=123
视频智能分析边缘计算AI盒子,各类智能视频识别算法在可视指挥调度平台smarteye中的融合,
https://v.douyin.com/i8k3Xu9t/
统一视频融合通信指挥调度安全生产可视化管控平台smarteye与AI盒子的融合相关图片
学习网络安全技术的方法无非三种:
第一种是报网络安全专业,现在叫网络空间安全专业,主要专业课程:程序设计、计算机组成原理原理、数据结构、操作系统原理、数据库系统、 计算机网络、人工智能、自然语言处理、社会计算、网络安全法律法规、网络安全、内容安全、数字取证、机器学习,多媒体技术,信息检索、舆情分析等。
第二种是自学,就是在网上找资源、找教程,或者是想办法认识一-些大佬,抱紧大腿,不过这种方法很耗时间,而且学习没有规划,可能很长一段时间感觉自己没有进步,容易劝退。
如果你对网络安全入门感兴趣,那么你需要的话可以点击这里👉网络安全重磅福利:入门&进阶全套282G学习资源包免费分享!
第三种就是去找培训。
接下来,我会教你零基础入门快速入门上手网络安全。
网络安全入门到底是先学编程还是先学计算机基础?这是一个争议比较大的问题,有的人会建议先学编程,而有的人会建议先学计算机基础,其实这都是要学的。而且这些对学习网络安全来说非常重要。但是对于完全零基础的人来说又或者急于转行的人来说,学习编程或者计算机基础对他们来说都有一定的难度,并且花费时间太长。
第一阶段:基础准备 4周~6周
这个阶段是所有准备进入安全行业必学的部分,俗话说:基础不劳,地动山摇
第二阶段:web渗透
学习基础 时间:1周 ~ 2周:
① 了解基本概念:(SQL注入、XSS、上传、CSRF、一句话木马、等)为之后的WEB渗透测试打下基础。
② 查看一些论坛的一些Web渗透,学一学案例的思路,每一个站点都不一样,所以思路是主要的。
③ 学会提问的艺术,如果遇到不懂得要善于提问。
配置渗透环境 时间:3周 ~ 4周:
① 了解渗透测试常用的工具,例如(AWVS、SQLMAP、NMAP、BURP、中国菜刀等)。
② 下载这些工具无后门版本并且安装到计算机上。
③ 了解这些工具的使用场景,懂得基本的使用,推荐在Google上查找。
渗透实战操作 时间:约6周:
① 在网上搜索渗透实战案例,深入了解SQL注入、文件上传、解析漏洞等在实战中的使用。
② 自己搭建漏洞环境测试,推荐DWVA,SQLi-labs,Upload-labs,bWAPP。
③ 懂得渗透测试的阶段,每一个阶段需要做那些动作:例如PTES渗透测试执行标准。
④ 深入研究手工SQL注入,寻找绕过waf的方法,制作自己的脚本。
⑤ 研究文件上传的原理,如何进行截断、双重后缀欺骗(IIS、PHP)、解析漏洞利用(IIS、Nignix、Apache)等,参照:上传攻击框架。
⑥ 了解XSS形成原理和种类,在DWVA中进行实践,使用一个含有XSS漏洞的cms,安装安全狗等进行测试。
⑦ 了解一句话木马,并尝试编写过狗一句话。
⑧ 研究在Windows和Linux下的提升权限,Google关键词:提权
以上就是入门阶段
第三阶段:进阶
已经入门并且找到工作之后又该怎么进阶?详情看下图
给新手小白的入门建议:
新手入门学习最好还是从视频入手进行学习,视频的浅显易懂相比起晦涩的文字而言更容易吸收,这里我给大家准备了一套网络安全从入门到精通的视频学习资料包免费领取哦!
如果你对网络安全入门感兴趣,那么你需要的话可以点击这里👉网络安全重磅福利:入门&进阶全套282G学习资源包免费分享!
![](https://img-blog.csdnimg.cn/img_convert/67073bb910c6a64fd0b6bb0cc2625325.jpeg)