來源:千家網
2014年中國大陸安防行業將是劇變開始的第一年，這種劇變並非中共產業政策調整或者重大投資方向驅動引起的，而是寬頻網、物聯網、行動互聯網、雲端運算、智慧化技術應用發展到一定階段疊加影響產生的。從2014年開始的未來幾年，安防行業明顯表現出“安防數位化”、“安防網路化、“安防智慧化”特點，而這些特點綜合起來，可以用“智慧”二字概括，2014年起，安防行業開始全面進入“智慧安防”年代。
 |
| www.sharenet.tw |
“智慧安防”與傳統安防相比，行業將出現如下變化：
我們知道，除了少數需要嚴格保密的機構和應用外，絕大部分的公用、商用與民用的影像監控系統已經部署了採用數位儲存技術的網路監控，不論是政府辦公大樓，還是商業辦公樓、銀行、社區，或突出或隱蔽地遍佈著監控室，在這些監控室裡都是標配著若干數位錄影機、矩陣、大屏或電視牆，專職保全負責監視畫面，從監控室隱蔽工程線槽的雙絞線與銅軸光纖往外連接的是多如牛毛的攝影機……這就是今天我們每個人感受到的安防監控，它已經比農村那種安防基本靠狗的技術先進了N倍，但我們仍覺得不放心：我們無法確知這些攝影設備是否在運作，我們無法確知是否有人在監視畫面以及時發現情況，我們無法確知錄影設備是否正常啟用，我們無法確知是否有人惡意地刪除錄製檔毀滅證據，因為這方面讓我們失望的報導層出不窮，那麼，技術再向前進一步是否能讓情況好轉呢，答案是肯定的，雲端監控應運而生。
雲端監控是雲安防的核心應用，雲安防是基於物聯網模式並且採用雲端儲存技術來滿足現代化安防的需求。具體實現是指通過集群應用、網格技術、分散式檔系等功能，將影像監控、門禁控制、RFID射頻辨識、入侵報警、消防報警、短信報警、GPS衛星定位等技術通過“雲”集合起來協同工作，進行資訊交換和通信，完成智慧化辨識、定位、跟蹤和監控的安防管理。使用者可以通過C/S、B/S以及行動設備的用戶端進行24小時的無縫遠端監管。
從雲安防的定義可看出，如果離開了雲端監控，雲安防也就失去了最豐富的資訊來源，正如人失去的眼睛一樣，所以，實現雲安防的最重要的一環是雲端監控，但由於雲端監控實現時需要的資料量對網路頻寬的消耗非常大，將影像資訊儲存到雲端，需要有足夠的上傳速度，以目前公網上傳速度來看，不超過1M，所以大多數網路傳輸都採用專線專網，雲端監控使用者通常需要向寬頻網路運營商租用頻寬，國際安防案例中，有人曾經計算過這樣一筆賬，5部高清攝影機需要一個10Mbps的"上傳"速度才能獲取高清雲端影像，但其租賃費用約每月199美元。對於公安、政府、銀行等對影像監控即時性和安全性要求較高的機構來說，採用成熟的雲端監控解決方案是不二選擇，大陸的海康威視、宇視均有這方面的解決方案。
雲監控系統拓樸圖
當然，除了自建雲端監控系統外，大部分使用者其實都不具備資料中心化的條件，這些民用安防用戶還可採用雲端監控系統租用或購買帳號使用者方式獲得雲端監控服務，如海康威視的視頻7、悠絡客、啟明雲監控。雲安防技術在監控領域的應用還將走過一段較長的路程，但隨著網路技術的飛速發展，影響其推廣的障礙也會得到根本解決，雲安防將有美好的前景，所以，我們可以樂觀地說，雲監控將逐步取代基於局域網的網路監控而成為未來的主流。
如果只是將智慧安防簡單地理解為對監控影像內容進行智慧分析，那也太小看智慧化的潛力了。全面智慧化是指從各個角度、各個層面提升安防技術，從感測器探測、事件觸發、資料獲取、資料傳輸、資料分析、資料處理、報警聯動、場景空間協同、智能家居/智能建築/智能社區/智慧城市的管理配合等各方面採用智慧化技術，小到感測器與探測器採用基於物聯網的智慧化單品，如Nest這樣的溫控器、煙霧探測報警器;大到整個安防系統採用基於雲端的智慧分散式結構，並與空間場所內的各個智慧化產品與系統有效連接，實現系統級智慧和整體智慧。
而一批IT廠商、智慧建築廠商、系統集成商甚至家電廠商都紛紛進入安防行業，由於迅速對接了智慧化技術，並借助互聯網行銷管道，在安防行業迅速拓展，成為安防行業新的生力軍，如果傳統安防行業仍無所作為，那麼這種新力量顛覆舊力量的進程還將加劇，尤其是監控行業這種現象更明顯，而樓宇對講行業由於早在五年前就開始與智慧家居行業融合企業已能很好地適應這種變化並推陳出新，防盜報警、門禁系統等領域正呈現不同的企業競爭生態。可以預測，未來三五年內，安防行業的勝出品牌會是能成功將安防與智慧化進行結合的品牌，是能在智慧城市、智慧建築、智慧社區、智慧家居等不同規模應用中提供安防解決方案的品牌。
社交網路成為安防監控資訊來源
美國聯邦調查局(FBI)最近公佈了一項旨在監控Facebook、Twitter等社交網站的計畫，旨在尋找一套能夠從社交網站上搜索和分析資訊，並辨識潛在威脅的系統，從而更好地應對甚至預測危機事件這一消息出自FBI在其網站上公佈的尋求技術合作檔中。該檔介紹了FBI對這種系統的需求，要求其能夠從Facebook、Twitter等社交網站上“公開可見的”資訊中自動搜索與恐怖主義、網路犯罪等有關的關鍵字。
一旦發現“突發事件及正在顯露的威脅”，FBI特工可在地圖上標注所捕獲的資訊以及其它資訊，如美國使領館和軍事設施的位置、以往恐怖襲擊的詳細情況以及當地監控錄影等，從而確定犯罪分子所在位置，分析其動向、動機、弱點及可能採取的犯罪行為。此外，該系統還應具有自動語言翻譯功能，以監控境外的恐怖組織。
有研究人員證明，理論上可以利用社交媒體來對一個人的諸多情況進行推斷，但就目前的科技水準，開發這套系統還需要克服多個技術挑戰，其中最重要的就是教會電腦如何去“準確理解”網站上的資訊內容，如區分簡單的玩笑和嚴肅的聲明，另外，還要能確保所獲資訊的可靠性，才能挖掘出有價值的資訊。可以說，如何快速有效地對社交網路上的文字、圖片、視頻進行智慧分析是影響社交網路上安防監控情報收集可行性的關鍵因素。
當前這些新的技術所呈現的效果已經讓我們感到驚喜，如人臉辨識技術在社交網路的應用：2013年美國國土安全部在Facebook人臉辨識技術的輔助下，辦案人員能夠將從波士頓查獲的“兒童色情”硬碟上的人與Facebook帳號對應上。據The State消息，國土安全部的一名特工在提交嫌犯email搜查許可權後一周，Facebook對此案的介入才被公開。通過照片，Facebook幫助辦案人員找到相應的FB帳號，然後發現了Joseph Robert Smith。在一份證詞中，Smith被描述為“非常像兩個猥褻兒童的罪犯之一。”而這個傢伙在9月25日被逮捕，如果罪名成立的話，他將面臨20年的徒刑。
大資料助力智慧影像分析
大資料在安防行業的應用，讓智慧分析真正成為可用的工具與方法。現在智慧影像分析技術已經逐漸被人們所接受，但是在智慧影像分析技術出現之前，海量影像的分析一直是困擾人們的一個難題，比如人們如果不小心將貴重物品遺留在計程車或公車上該怎麼辦?很多人認為有了監控攝影機，事情會好辦很多，可事實如此麼?
對於相關辦案人員來說，查詢海量的影像監控資訊是件苦不堪言的差事，大有茫茫大海撈針之焦慮與糾結。2012年，南京發生了“1.6”搶劫案件。在案件偵破過程中，南京警方從全市1萬多個攝影機共提取了近2000T的影像資料，為了處理這些影像，調動1500多名公安幹警查閱搜索影像線索，共耗時一個多月。面對如此多的監控資料，去尋找到證據和線索，無異於大海撈針，但目前的現實情況通常是被迫使用人海戰術進行查看。
一個案件的審看需要更為廣泛的查看相關的攝影機視頻，所審看的影像量時常達到數百上千小時。在目前的人工查看模式下，傳統的方法需要從頭到尾順序播放，往往需要數倍於原始影像的時間才能審看完成，因此需要大量人員連續加班數周進行影像的審看。為了規避遺漏和誤差，很多刑偵隊採用加大人力投入的方法。但是經過實踐證明，這種方法吃力不討好，仍然解決不了根本的問題。既影響了破案進度和效率，又使得工作人員疲憊不堪。如果有智慧影像分析技術對影像中運動的物體等進行檢索和排除，就能大大的提高辦案效率。
按照大資料的處理思路，這個智慧影像分析系統在影像資料錄入的同時，就自動對影像中的目標資訊進行格式歸一化與智慧預處理分析，對影像進行快速處理，提取影像中目標的相關資訊作為智慧中繼資料保存至資料庫中。之後的相關操作，如智慧審看、智慧檢索等等就不用再做複雜的解碼以及智慧分析的工作，而是直接從智慧中繼資料中提取，大大的提高了工作效率。系統可以公安實戰平台實現無縫對接，實施案件管理等功能，更加有效、有針對性的去關注和分析某些重要影像，獲取有價值的資訊，對接之後可實現網路傳輸，使得傳送速率更快，節省儲存資源。
比如上文提到的2012年南京“1.6”搶劫案件，在辦案的過程中需要對案發地點的出現的人，分析他們的行為，如果是異常的行為，則分析他們的身體特徵，比如人臉部特徵;如果是異常的車，則分析輛的資訊，比如車牌、車顏色、車型等等，這對案件的偵破起著至關重要的作用。
如果在案件發生後採用影像檢索系統，根據目標的行為特徵檢測、人臉部特徵檢測和車輛資訊檢測很好地將案發地點出現的人和車等資訊解析出來，供員警進行分析。具體的使用方法是：首先將全市1萬多個攝影機共提取的2000T影像資料，按照自訂的方式放入伺服器中，根據目標行為分析、人臉特徵檢測和車輛資訊辨識進行分類預處理，最後有系統給出結果。
沒有留言:
張貼留言