AI时代，向“前”看

□ 文/李欢

得益于IP技术的普及，前端摄像机近十年迅速发展。传统摄像机由于功能单一，基本上只能做到音视频数据采集，这与用户对于行业的高适应性、高自动化的需求之间的矛盾日益明显。同时，安防行业经过多年的发展和技术积累，硬件性能有了质的提高，业界对于图像技术，视频处理和分析的研究取得了突破性进展，智能摄像机应运而生。2013年，国内主流厂商开始推出智能摄像机——smartIPC。smartIPC的出现标志着智能功能开始从后端到前端的战略性迁移，这使整个安防行业发生了革命性的变化。

smartIPC的优势

相对于传统IPC，smartIPC的优势主要体现在以下方面：

提高分析和处理的实时性和精准性

监控行业的核心需求是快速及时地处理和记录异常发生时的音视频信息并能及时驱动相关联动动作，所以对于智能应用来说，实时性是关乎用户体验的第一要素，但是在smartIPC出现之前，智能安防方案的核心在于后台分析服务器，视频数据通过前端采集、编码、打包、网络传输等一系列过程之后才能到达服务器进行解码分析，这一过程所耗费的时间看似短暂，但对于监控行业而言却是失之毫厘差之千里。smartIPC则可以在第一时间对于采集的视频数据进行分析，提取关键信息，判断需要采取的措施，并驱动相关联动动作，保证在事件发生的第一时间得到有效处理；同时，设备对于复杂网络环境的适应性也得到有效保证。

释放后台服务器资源

鉴于主要的数据计算分析工作在前端摄像机上已经完成，那么对于后台服务器的性能要求会大大下降，性能较低的后台服务器即能满足整个系统方案的需求。同时单服务器所能接入处理的前端相机数量也能得到提高，安防系统的网络建设和系统复杂度也能得到有效控制。从业主的角度讲，即节省了经费，又提高了智能化功能。整个系统变得更佳均衡，而不是头轻脚重。

提高升系统容错能力

传统的后端智能方案中，一旦智能分析平台出现故障，则整个智能分析系统就处于瘫痪状态，容错能力比较差，而对于采用smartIPC的系统，单个IPC节点出现故障，不会影响其他节点的智能分析，故而容错能力较好。

SmartIPC的推出是业界对于智能前置一系列探索的结果，仍然存在不少问题，使用过程中一直在持续性改进。其改进方向主要有两个方面：一方面是智能功能的横向扩展，从行为分析到人脸侦测、车辆检测、热度图再到视频结构化等功能的横向扩展。另一方面是智能功能的纵向拓展。早期智能摄像机是业界对于前端智能的初步探索，功能还比较简单，智能效果在持续改进。

智能摄像机通过不断满足用户的核心需求，提升应用价值。使用户体验感得到的巨大提升，为用户带来便捷贴心服务的同时也能降低系统总体成本，在市场上形成了良好的正向反馈。 人工智能经过60多年的发展，这几年呈现出爆发的趋势。不单单是算法改进、数据积累，同时还有计算能力的变革，这三项成为前端摄像机AI化的关键要素。

未来智能前端的发展趋势

未来智能前端的发展趋势将体现在如下几个方面：

超高清

相对于高清视频监控，超高清视频监控可以获得更多的视频细节内容，生成更多有价值的数据，从而在一定程度上能够促进人工智能的发展，推动人工智能在视频监控领域更深层次的应用。在超高清视频产品发展规划方面，前端采集端主要分成两个方向，一是继续完善产品种类，采用多目拼接方式实现，实现4K，8K超高分辨率180度/360度全景监控；二是朝智能方向发展，采用超高像素可以覆盖更大场景，采集更多人车物做智能分析，实现单台设备全场景智能分析。比如排队，人群密度分析等等。

场景化

前端场景化向两个方向发展，一方面向精细化场景发展，前端摄像机设备部署在不同的场所，比如城市主干道、商业路段、火车站、行政中心区域、医院、学校、企事业单位大楼内部、村居、街道、社会面个体等场景。

为了让解决方案更加贴合这些细分后的场景，常规的前端：球机、枪机、半球、筒机，已经无法满足这些细分后的用户场景，需要一些特殊形态，比如多目摄像机。

这些场景类摄像机能覆盖大场景，提供立体实景，从而更易感知；把传统的多画面模式切换到融合呈现模式，体验更佳；再基于AR技术和资源融合，使效率极大提升。

同时由于各类场景的差异性，一套算法不足以适用所有场景，需针对各类场景进行算法优化，提升场景适应性，这对于所有智能摄像机都是挑战，使得产品的系统工程门槛大幅提升。

深度学习

当前的智能化发展趋势已经不同于以往的人工建模方式，深度学习作为机器学习的一个分支，其目的在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本等。目前，深度学习的应用领域中大约有70%都在图像识别方面。随着大数据与高清摄像机应用的普及，海量高清及以上分辨率视频数据给安防产品技术带来了大数据，这也就成为深度学习在安防领域必将快速发展的肥沃土壤。和以往的传统智能算法相比，深度学习可以像人类大脑一样搜集信息，并将这些信息转化为相应的行为，在解决视频结构化问题方面更“智能”。未来智能不是单纯的分析、判断，设备将向决策方向演变发展。

物联

早期的前端摄像机主要采集的数据还仅限于音频和视频，但是随着前端硬件性能的提升，摄像机将向着信息采集一体化平台的方向发展，摄像将不止“能看能听”，还能“能感觉、能嗅探、知方位”，作为一体化信息采集平台，其优势不仅在于信息采集的多样性，同时基于多维度信息的辅助，摄像机对于周界环境的感知和适应性将得到大幅提高，多维的感知手段带来的是多维的数据类型，比如音视频信息、地理位置信息、环境信息、报警信息等等，这就满足了大数据时代对样本种类足够丰富的要求。同时，安防感知网络所获取的数据信息都是以视频为核心的，各种数据与视频相结合后，就能获得可视的感知内容。举几个简单的例子，把摄像头和电子罗盘、GPS等传感器结合起来，就能在电子地图上清楚的看到这个摄像机所监控的区域，还可以自动在监控画面上叠加显示设备所在地的经纬度和街道信息，便于管理和调动;把视频和温湿度传感器结合起来，在厨房或者药店这些对环境温湿度有很高要求的场所下，就既可以看到仓库的监控实景，又能了解仓库当前的环境状况了，当温湿度超过设定阈值，还可以弹出温湿度异常仓库的监控实景图片，让监控人员快速定位和了解现场情况;如果RFID技术和视频结合起来，比如在工地工人的安全帽上安装RFID标签，就可以进行无接触的打卡，结合工地大门口安装的监控摄像机将人员图像和信息同时录入系统。

技术的发展，必将带来价值的提升。云作为载体，将一次性买卖升级为持续的服务，前端的AI化，将互联网与智能带入了中下层市场，使得AI更加的亲民普及。