cookieOptions = {...}; .2018 年,安控行業這些技術值得關注 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

3S MARKET
2018年1月22日 星期一

10 Scary Surveillance Technologies



來源:安防展览网

隨著科技的發展,安控技術也一直在演進中,在網路化、高清化、智慧化成為影像監控行業主要方向的當下,如何讓產品更「智慧」是當今安控公司的重要突破口。從2012年開始,行業內就已經開始圍繞,如何使產品、系統智慧化,展開探討與研發,引發了一波技術潮流。

今天,小編想和各位探討2018年,或將主導影像監控行業走向的幾項關鍵技術。

大數據時代的來臨,在豐富世界形態的同時,也帶來了許許多多的數據碎片,為解決這些零碎數據,大數據技術應運而生。大數據技術是一個採集的過程,可以統一大型數據集,並能夠從分析中得出其它資訊。

據IHS Markit 最新數據顯示,中國在公共和私人領域,共裝有 1.76 億個監控攝影機,每年產生數千萬PB的數據量。影像監控業務,正是一個依靠數據說話的,典型數據依賴型業務,大數據與影像監控業務,有著天然的結合。

在大數據技術支撐下,網路影像監控數據儲存模型,可轉向分布式的數據儲存體系,提供高效、安全、廉價的儲存方式。透過大數據技術,實現影像圖像模糊查詢、快速檢索、精準定位,提高影像監控數據的使用效率。

機器視覺
伴隨著人工智慧的高速發展,機器視覺以它獨有的非接觸、速度快、精度高、現場抗干擾能力強等,突出優點吸引了安控行業的目光。機器視覺能有效地,對數據進行「智慧化」儲存、分析以及應用,它已經成為安控企業下一步突破「更」智慧化的重要幫手。
機器視覺簡單的來說,就是用機器代替人眼,來做測量和判斷,對圖像進行辨識,因此機器視覺在人臉辨識、車牌辨識等方面得到大量運用。

機器視覺技術由軟體和硬體的結合,主要組成部分包括攝影機、圖像傳感器、視覺處理和通信設備。完備的系統能捕捉任意對象的圖像,並根據品質和安全性的不同參數,來分析它們。

深度學習
深度學習雖然是人工智慧一個新的領域,但近年來在安控行業中極為熱門,並且與安控有著很高的契合度。究其原因主要是因為,深度學習的關鍵要素是數據,而安控行業中影像監控數據,佔數據總量60%以上。
深度學習主要研究領域,在語音辨識和視覺分析,而且深度學習有很強的塑造性,可以應用到各個方向,在不同的領域做出不同的技術創新。

隨著監控攝影機的全面覆蓋,及大量辨識影像的累積,一些大型項目的終端用戶(如警政、交通),正在迫切尋找新的影像分析解決方案,來重新解讀這些數據,獲取新的價值。

深度學習算法的出現,正好解決了海量數據,與人力短缺之間的矛盾,有效提高辨識準確率,直接建立從數據到目標模型的映射,不再需要人工選擇,或創建特徵來描述目標。

邊緣計算結合
對於雲計算我們已經不再陌生,邊緣計算也正以破竹之勢迅速發展。技術定義來說,邊緣計算是在靠近物或數據源頭的網路邊緣側,融合網路、計算、儲存、應用核心能力的開放平台。


當前雲計算是一種集中式中心化的雲,但隨著IT基礎設施逐漸雲化,大視訊、物聯網逐漸興起,集中式中心化雲將不能適應低延遲、大頻寬等要求,這時候就需要向「中心化」的雲發展。由此看來,邊緣計算融合是必然趨勢。

邊緣計算結合是將智慧算法前置,透過邊緣計算,將人臉辨識等應用的抓圖的壓力,分攤到前端,解放中心的計算資源。

結語
從類比監控到數為監控,從儲存硬碟到雲端,從人眼校對到智慧分析,影像監控行業正朝,更加智慧化方向蓬勃發展。無論從產業的發展角度,還是技術的發展角度,影像監控行業都將會有更廣闊的市場,和更大的發展空間。




                                                                                                                                                                                                                 

0 comments: