彩票567代理歡迎您的到來!

伱的位置:首頁 > 新聞動态 > 邊緣計算是智能安防的主要瓶頸

邊緣計算是智能安防的主要瓶頸

發布日期:2019-05-20      點擊:1027


目前,産品落地上主要體現在視頻結構化(對視頻數據的識别和提取)、生物特征識别(指紋識别、人臉識别等)、物體特征識别(車牌識别系統)等應用方向。安防系統每天産生的海量圖像和視頻信息造成了嚴重的信息冗餘,識别準确度和效率不夠,并且可應用的領域較為局限。
視頻監控系統作為前後端分屬較為明顯的物聯網系統,在邊緣計算的應用方面有很大潛力。攝像機作為前端采集設備,目前不僅清晰度大大提高,而且對智能化需求也越來越強,因此行業内正在極力推進攝像機能夠實現對視頻圖像内容的實時處理,不但能夠極大地降低信息傳輸系統和後端設備的負擔,同時還能夠提升整個安防系統的響應速度,為安防領域一直提倡的“事前預警、事中制止、事後複核”理念走向現實提供最有利的技術支撐。
比如在人臉識别應用當中,通過前端抓拍+中心分析的前後端智能相結合的模式,将人臉識别智能算法前置,在前端攝像機内置高性能智能芯片,通過邊緣計算将人臉識别抓圖的壓力分攤到前端,解放中心的計算資源,以集中優勢計算資源做更高效的分析。
2.技術層面
現階段的人工智能,通常是指依賴于海量數據和深度學習,通過監督或非監督方式訓練而獲得的智能,代價是巨大的計算和存儲複雜度,随着算法多樣性和複雜度的進一步提升,運算和存儲的代價都會大幅增長。傳統的解決方案是,大量的數據是在雲端的數據中心被分析并決策後,再将結果發還給終端,也就是說,雲端負責人工智能的部分,終端(也就是邊緣端)負責數據采集以及執行。
3.雲端的難題
(1)數據傳輸成本高。随着數據量激增,對傳輸帶寬壓力也不斷增加,邊緣端的無線傳輸模塊必須支持高速無線傳輸,這就需要更大的功耗,與邊緣端低功耗的需求是沖突的。
(2)許多終端應用場景對延時非常敏感。比如平安城市中的異常行為檢查、人流量檢測等,都需要實時預警,延時較長是無法被接受的。
(3)像智能家居等場景對安全和隐私的需求,也使得雲計算的發展受限,在數據傳輸到數據中心前,通過網絡邊緣設備對數據進行分析處理,匿名和加密,可以無需将所有終端數據都傳輸給雲端,進而有效地解決這些問題。

在線客服
用心服務 成就伱我