人工智能（AI）執(zhí)行服務、識別模式、學習對象與情況之間的關系并做出決策。新的成熟的技術（例如5G、熱效率高、低功耗的AI芯片組和AI本身）提供了一種范式轉變，推動了全球監(jiān)視和IoT傳感器市場的發(fā)展。

AI走向邊緣

當我們要求語音助手搜索我們最喜歡的節(jié)目時，我們通常會首先得到我們想要的選擇。車輛制造商正在開發(fā)先進的駕駛員輔助系統(tǒng)（ADAS），例如自動緊急制動（AEB），其目標是創(chuàng)建避免與行人和騎車者碰撞的發(fā)生。幸運的是，安防行業(yè)承擔的任務不那么緊急重要，例如識別對象、潛在威脅和適當?shù)耐仨憫?/p>

幸運的是，我們的行業(yè)正在利用更高效的AI芯片組和Edge AI傳感器（如LiDAR和熱成像）的可用性，所有這些產(chǎn)品的價格都在下降。具有改進的熱管理功能的AI芯片組，例如在CES 2021上推出的Ambarella CV5，支持四個獨立的4K視頻流、AI功能、低功耗5nm工藝。這將是在流式傳輸和識別過程爭奪資源的情況下，在多個車道中產(chǎn)生“不連貫”視頻的動力不足的IP攝像機處理車輛自動車牌識別（ANPR）的答案。

人工智能挑戰(zhàn)

深度神經(jīng)網(wǎng)絡（DNN）需要大量數(shù)據(jù)來學習。安防解決方案本身不是“智能的”；他們利用對情景意識報告（sitrep）和歷史數(shù)據(jù)的深度學習來采取最適當?shù)拇胧?。來自多種格式（可見光、紅外、音頻、激光）的傳感器的數(shù)據(jù)以及來自環(huán)境、社交媒體、犯罪數(shù)據(jù)集的復雜數(shù)據(jù)變得越來越龐大，無法通過傳統(tǒng)的操作程序進行處理。幸運的是，像ESRI這樣的公司提供了鏈接犯罪、位置和時間的數(shù)據(jù)集。實際上，現(xiàn)在可以通過災難響應計劃（DRP）免費獲得其ArcGIS Insights，以分析COVID-19大流行的影響。

隱私權和數(shù)據(jù)保留政策確實對某些行業(yè)AI解決方案提出了挑戰(zhàn)，例如，防止零售業(yè)虧損DNN可能需要“回顧”幾天的差異視頻內(nèi)容，或者場景中的內(nèi)容，如在人群移動，產(chǎn)品差異、照明條件等，以“識別”規(guī)劃，執(zhí)行和離開商店盜竊現(xiàn)場的人員的基本行為。

隨著行業(yè)的發(fā)展，企業(yè)安全和第一響應者可以獲取、分析和預測潛在結果并共享數(shù)據(jù)，以使AI最終執(zhí)行已學到的基本任務，并為我們提供做出關鍵決策所需的人力。

“攝取”對于安全行業(yè)中的某些人來說可能是一個新術語，但在依賴“大數(shù)據(jù)”或應用數(shù)據(jù)科學的市場中使用得很好。為了使您的客戶能夠利用當今的AI解決方案（尤其是視頻監(jiān)控），開始在周邊范圍內(nèi)收集高質量的視頻內(nèi)容以更好地保證質量警報處理和響應將是非常有利的。

在人類智能繼續(xù)領先的同時，Edge AI為安全管理提供了一定的時間回饋已知流程。

將AI置于視頻監(jiān)控的邊緣

通常，對于IP攝像機，現(xiàn)在可以將常見的視頻分析功能（如對象識別、區(qū)域檢測、車牌識別）作為嵌入在攝像機自身中的AI算法使用?？赡苌胁磺宄碳氯绾斡绊慉I，或者是否使用最新的工廠訓練模型來更新算法，或者是否保留了針對特定用例的算法訓練。

已開發(fā)的解決方案全部使用可更新的算法以及白名單和黑名單，例如基礎溫度/發(fā)燒篩查和可視武器檢測，以及WhiteFox和Aero Defence的無人機RF簽名/行為檢測。

但是，許多“ Edge AI”攝像機也可能要求用戶具有視頻管理系統(tǒng)來更新算法。應提醒用戶優(yōu)先考慮在Edge AI設備或更專業(yè)的危險品/無人機檢測軟件上進行監(jiān)視投資，而不是在可能成為現(xiàn)收現(xiàn)付服務的可能更孤立的VMS上進行投資。

許多IP攝像機制造商都在宣揚AI功能。以下是一些最近的發(fā)展：

松下的i-Pro Extreme攝像機具有內(nèi)置的AI，可以進行運動檢測和分析，以進行精確的對象分類，例如遠處人與自行車之間的差異。它可以檢測進入受對象類別限制的區(qū)域的對象（例如僅行人區(qū)域或區(qū)域），以及交叉線或游蕩檢測。松下還為第三方開發(fā)人員提供了一個SDK，以添加高級功能，例如武器或跌倒檢測。

Hanwha Techwin的Wisenet7芯片組提供了攝像機內(nèi)置AI功能，包括：基于AI的對象分類，可對檢測到的對象、人員、車輛、車牌和面部進行分類；減少誤報警報，以改善具有多個攝像頭的操作中的監(jiān)控；一些PTZ攝像機基于AI的對象跟蹤；以及跟蹤車輛和人員的自動跟蹤功能，這是對基于幀的跟蹤的改進。

Milesight通過各種攝像機提供基于邊緣的AI。功能包括：預訓練的深度學習模型和算法的自動連續(xù)訓練；以及三組算法，包括用于人和車輛檢測的視頻內(nèi)容分析（VCA）；基于AI算法的實時人數(shù)統(tǒng)計和統(tǒng)計報告以進行分析；和AI人臉檢測。

Edge AI攝像機的使用意義重大，因為它們可以用作簡化但有效的AI訓練工作流程的“模型”。

工業(yè)攝像機可以高速和近距離捕獲車牌，以實現(xiàn)安全和跟蹤應用，例如鐵路運輸和車輛篩選。 IDS NXT攝像機是改進的AI訓練以及通過Web應用程序與第三方系統(tǒng)集成的示例（無需其他編碼）。該系統(tǒng)可以創(chuàng)建訓練圖像并將其上傳，用戶可以分配標簽（例如“好”或“壞”），以便AI可以學習。反過來，這將開始神經(jīng)網(wǎng)絡的自動訓練，最終導致完全部署。

受Edge AI影響的其他安防領域

正如去年在CES上報道的那樣，在小型3D攝像機中使用LiDAR可以提供線框“圖像”，既可以保護隱私，又可以識別面部-甚至是被口罩或PPE遮蓋的一部分。進一步順應這一趨勢，在2021年CES上推出的英特爾實感ID將主動深度與神經(jīng)網(wǎng)絡、專用的片上系統(tǒng)和嵌入式安全元件相結合，可以加密和處理用戶數(shù)據(jù)。通過深度學習，它可以隨著時間的推移適應用戶的需求，因為他們會改變身體特征，例如面部毛發(fā)和眼鏡，或者出現(xiàn)在不同的光照條件下。

一般的安防解決方案中是否最終會包含復雜的條目篩選任務，還有待觀察。但是，在安全/安防市場中已經(jīng)存在基于AI的解決方案，可以執(zhí)行面部識別和/或面部匹配，而用戶戴著口罩、帽子，并且該過程在性別、年齡和種族之間都是一致的。他們還可以利用適當?shù)幕A溫度測量位置和多光譜成像（通常是可見光加熱成像）來進行高溫篩查。以及對人員，隱藏式和非隱藏式武器檢測，前后、側面或后方使用的武器的一致性。

關鍵基礎設施可能是危險場所，Edge AI傳感器可以扮演救生角色。借助熱成像和AI訓練，可以及早發(fā)現(xiàn)高壓電線、可燃化學品、危險廢物和其他威脅。當人員進入隧道、鐵軌和橋梁等危險區(qū)域時，具有AI的LiDAR傳感器可以觸發(fā)警報。