人工智能走向边缘，新技术提供范式转变
- 来源：千家网
- 2021/4/25 10:22:40
- 23229
人工智能(AI)执行服务、识别模式、学习对象与情况之间的关系并做出决策。新的成熟的技术(例如5G、热效率高、低功耗的AI芯片组和AI本身)提供了一种范式转变，推动了全球监视和IoT传感器市场的发展。
当我们要求语音助手搜索我们最喜欢的节目时，我们通常会首先得到我们想要的选择。车辆制造商正在开发先进的驾驶员辅助系统(ADAS)，例如自动紧急制动(AEB)，其目标是创建避免与行人和骑车者碰撞的发生。幸运的是，安防行业承担的任务不那么紧急重要，例如识别对象、潜在威胁和适当的威慑响应。
幸运的是，我们的行业正在利用更高效的AI芯片组和Edge AI传感器(如LiDAR和热成像)的可用性，所有这些产品的价格都在下降。具有改进的热管理功能的AI芯片组，例如在CES 2021上推出的Ambarella CV5，支持四个独立的4K视频流、AI功能、低功耗5nm工艺。这将是在流式传输和识别过程争夺资源的情况下，在多个车道中产生“不连贯”视频的动力不足的IP摄像机处理车辆自动车牌识别(ANPR)的答案。
人工智能挑战
深度神经网络(DNN)需要大量数据来学习。安防解决方案本身不是“智能的”；他们利用对情景意识报告(sitrep)和历史数据的深度学习来采取最适当的措施。来自多种格式(可见光、红外、音频、激光)的传感器的数据以及来自环境、社交媒体、犯罪数据集的复杂数据变得越来越庞大，无法通过传统的操作程序进行处理。幸运的是，像ESRI这样的公司提供了链接犯罪、位置和时间的数据集。实际上，现在可以通过灾难响应计划(DRP)免费获得其ArcGIS Insights，以分析COVID-19大流行的影响。
隐私权和数据保留政策确实对某些行业AI解决方案提出了挑战，例如，防止零售业亏损DNN可能需要“回顾”几天的差异视频内容，或者场景中的内容，如在人群移动，产品差异、照明条件等，以“识别”规划，执行和离开商店盗窃现场的人员的基本行为。
随着行业的发展，企业安全和第一响应者可以获取、分析和预测潜在结果并共享数据，以使AI最终执行已学到的基本任务，并为我们提供做出关键决策所需的人力。
“摄取”对于安全行业中的某些人来说可能是一个新术语，但在依赖“大数据”或应用数据科学的市场中使用得很好。为了使您的客户能够利用当今的AI解决方案(尤其是视频监控)，开始在周边范围内收集高质量的视频内容以更好地保证质量警报处理和响应将是非常有利的。
在人类智能继续领先的同时，Edge AI为安全管理提供了一定的时间回馈已知流程。
将AI置于视频监控的边缘
通常，对于IP摄像机，现在可以将常见的视频分析功能(如对象识别、区域检测、车牌识别)作为嵌入在摄像机自身中的AI算法使用。可能尚不清楚固件更新如何影响AI，或者是否使用最新的工厂训练模型来更新算法，或者是否保留了针对特定用例的算法训练。
已开发的解决方案全部使用可更新的算法以及白名单和黑名单，例如基础温度/发烧筛查和可视武器检测，以及WhiteFox和Aero Defence的无人机RF签名/行为检测。
但是，许多“ Edge AI”摄像机也可能要求用户具有视频管理系统来更新算法。应提醒用户优先考虑在Edge AI设备或更专业的危险品/无人机检测软件上进行监视投资，而不是在可能成为现收现付服务的可能更孤立的VMS上进行投资。
许多IP摄像机制造商都在宣扬AI功能。以下是一些最近的发展：
松下的i-Pro Extreme摄像机具有内置的AI，可以进行运动检测和分析，以进行精确的对象分类，例如远处人与自行车之间的差异。它可以检测进入受对象类别限制的区域的对象(例如仅行人区域或区域)，以及交叉线或游荡检测。松下还为第三方开发人员提供了一个SDK，以添加高级功能，例如武器或跌倒检测。
Hanwha Techwin的Wisenet7芯片组提供了摄像机内置AI功能，包括：基于AI的对象分类，可对检测到的对象、人员、车辆、车牌和面部进行分类；减少误报警报，以改善具有多个摄像头的操作中的监控；一些PTZ摄像机基于AI的对象跟踪；以及跟踪车辆和人员的自动跟踪功能，这是对基于帧的跟踪的改进。
Milesight通过各种摄像机提供基于边缘的AI。功能包括：预训练的深度学习模型和算法的自动连续训练；以及三组算法，包括用于人和车辆检测的视频内容分析(VCA)；基于AI算法的实时人数统计和统计报告以进行分析；和AI人脸检测。
Edge AI摄像机的使用意义重大，因为它们可以用作简化但有效的AI训练工作流程的“模型”。
工业摄像机可以高速和近距离捕获车牌，以实现安全和跟踪应用，例如铁路运输和车辆筛选。 IDS NXT摄像机是改进的AI训练以及通过Web应用程序与第三方系统集成的示例(无需其他编码)。该系统可以创建训练图像并将其上传，用户可以分配标签(例如“好”或“坏”)，以便AI可以学习。反过来，这将开始神经网络的自动训练，最终导致完全部署。
受Edge AI影响的其他安防领域
正如去年在CES上报道的那样，在小型3D摄像机中使用LiDAR可以提供线框“图像”，既可以保护隐私，又可以识别面部-甚至是被口罩或PPE遮盖的一部分。进一步顺应这一趋势，在2021年CES上推出的英特尔实感ID将主动深度与神经网络、专用的片上系统和嵌入式安全元件相结合，可以加密和处理用户数据。通过深度学习，它可以随着时间的推移适应用户的需求，因为他们会改变身体特征，例如面部毛发和眼镜，或者出现在不同的光照条件下。
一般的安防解决方案中是否最终会包含复杂的条目筛选任务，还有待观察。但是，在安全/安防市场中已经存在基于AI的解决方案，可以执行面部识别和/或面部匹配，而用户戴着口罩、帽子，并且该过程在性别、年龄和种族之间都是一致的。他们还可以利用适当的基础温度测量位置和多光谱成像(通常是可见光加热成像)来进行高温筛查。以及对人员，隐藏式和非隐藏式武器检测，前后、侧面或后方使用的武器的一致性。
关键基础设施可能是危险场所，Edge AI传感器可以扮演救生角色。借助热成像和AI训练，可以及早发现高压电线、可燃化学品、危险废物和其他威胁。当人员进入隧道、铁轨和桥梁等危险区域时，具有AI的LiDAR传感器可以触发警报。
(原标题：AI走向边缘)
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论