3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
Unraveling Video Compression: The Benefits and Drawbacks of H.265
今日主題 智慧安控．雲端\物聯網．行業應用
智慧安控應用
行業應用解決方案
雲端\物聯網\傳輸應用 |
2019年3月18日 星期一
．AI 電腦視覺，讓安全監控「看得見」
3D computer vision technology camera
 |
這幾年安控產業亦出現相當熱門的，數據化人工智慧學習，和辨識技術的概念，它們與安全監控有什麼關聯？如何應用在安全監控中？這種AI人工智慧目前最多的應用又是哪些？
結合數據採集的安控AI人工智慧
自從道路監控系統在全球興起之後，目前世界各國的城市監控建設，即將進入擴張與結構改變的階段，在這種需求變革下，安全監控系統將需要更多元化，與人工智慧化的整體解決方案。
現代化的公共安全，已不再僅止於無限的擴充，影像監控覆蓋密度、廣度，以及追求超高清解晰度，而是透過這些人工智慧化的手段與工具，讓傳統安全監控時代，更進一步轉向注重數據採集、應用和管理的人工智慧化安全監控時代。
全球城市道路監控建設，都在快速發展，各國街道、十字路口隨處可見各種攝影機監控設備，為城市公共安全及治安偵察工作，提供了影像的方便性和立即性。
但隨著監控設備數量的大量倍增，影像解析度的不斷提高，公共安全收集到的影像和圖片之數據量，呈現等比幾何的成長，再加上影像解析度的提高，連帶使伺服器的處理能力和使用率，都產生了更高的門檻。因此，影像監控在影像調閱、門禁進出數據、資料的儲存、運算等技術上，都面臨巨大挑戰。
AI人工智慧與安全監控的應用技術
面對這樣的挑戰，安全監控使用者，如何能在大量增加的數據中，利用既有的人工智慧技術，快速獲取有價值的資訊，便成為當前最重要的課題。以下簡述幾種與安全監控結合的AI人工智慧技術：
1、人工智慧的模式辨識技術
通常在監控系統收集的影像數據資料中，資料本身並不具價值，必須再經過深度挖掘、分析，資料中影像呈現的數據模式，才會產生出真正有用的價值。未來是大數據的時代，數據資料的模式辨識將備受重視。
2、人工智慧的深度學習技術
此為AI人工智慧，機器深度學習研究中的新領域，其動機在於建立、模擬人腦，進行分析學習的神經網路，它模仿人腦的行為思考機制，來解釋數據資料。
例如影像內容、聲音和資料本身。未來要讓AI人工智慧的機器深度學習，能夠大行其道，數據資料本身，將是最主要的關鍵因素，而影像監控資料佔大數據總量的60％以上，也就是說，影像監控領域，有70％以上的數據資料分析，是用來進行影像辨識。目前這種AI機器深度學習，在安全監控產業的諸多領域，都取得了很大進步，包括：行人檢測、車輛檢測、非移動車輛檢測等，其辨識準確率，甚至超過人類的眼睛判斷。
3、AI人工智慧的前端辨識技術
先進的產品技術，是一家高科技企業，能否長久發展的根本，要安全監控智慧化，系統就需有基於AI人工智慧相關的「影像辨識」運算技術，才能夠開發出一系列的智慧化監控應用設備，因此前端辨識技術，也就成了AI人工智慧的第三個本質技術。
AI人工智慧在安控領域的技術發展
大致介紹說明，以上這三種較常見的，AI人工智慧安控應用技術內容，接下來我們再進一步探討，AI人工智慧在安控上的深度技術發展：
多特徵辨識技術
一般在大量影像數據資料下，想要從歷史和即時的影像資料中，篩選犯罪嫌疑人有如大海撈針，而多特徵辨識技術，則是透過人工智慧的方式，讓電腦從大量監控影像中，自動辨識出嫌疑人，分析資料中的個人特徵，然後根據犯罪嫌疑人的特徵自動篩選，不僅大大的節省人力物力，同時也大大縮短犯罪嫌疑人的到案時間。
 |
| Next Generation Identification (NGI) — FBI |
現在有部分廠商利用先進的深度學習技術，研發出能夠克服光照、天氣等不可抗力因素，快速準確地辨識出個體人物的各種重要特徵，如性別、年齡、髮型、衣著、體型、是否戴眼鏡、是否騎車，以及隨身攜帶的物品等。
個體人物多特徵辨識演算法，有著靈活的佈建方式，可自訂時間軸和辨識區域範圍，以達到快速準確的判別，並利用智慧影像分析（IVS），於影像伺服器集群的輔助，對監控系統中幾百支影像監控攝影機，進行24小時不間斷的多特徵分析與檢索，即時找尋可疑人員，發出預先告警信號。
姿態辨識技術
姿態辨識技術，是指針對個體人物的走路姿勢，是一種可在遠距離就感知的生物行為特徵技術。和其他生物特徵辨識技術相比，姿態辨識的優勢在於非接觸性、非侵入性、易於感知、目標物難以隱藏和偽裝等。
姿態分析還可以輕鬆的區分出，個體人物的不同行為模式，例如是在行走中、奔跑中、還是攜負重物等。基於這些優點，姿態辨識特別適用於門禁系統、安全監控、人機交換、醫療診斷等部分，尤其在安全監控領域中，具有廣泛的應用和經濟價值。
姿態分析的技術困難點，在於其特徵的穩定性問題，因為一個人的姿態會因生病受傷、體型胖瘦變化、穿衣多寡，甚至是穿著舒適度等因素影響而改變，部分廠商為了克服這個問題，特別在研發上加進了機器深度學習方法，用姿態向量圖示，來描述姿態順序排列，透過深度累積神經網路訓練比對模型。
 |
| Gesture recognition - Wikipedia |
訓練好的累積神經網路比對模型，能夠計算待辨識的姿態影像和已經註冊的姿態影像順序排列，比對每個姿態向量圖的相似度，再依據其相似度大小進行身分識別。
姿態識別應用採全天候模式，在特定的安防場合中可快速對遠距離個體人物目標的身分進行準確判斷，因此研究人員將來勢必需要建置大規模的姿態資料庫。姿態辨識技術將有助於解決，一些低影像解晰度，個體人物身分辨識的難題，為使用者提供重要的辨識查核線索。
 |
| Berkeley DeepDrive | We seek to merge deep learning with automotive ... |
3D影像技術
身高是人體重要的資料特徵之一，在一些特定的場所，例如風景區入口、車站收票口等，對身高要求都有明確的規定。傳統利用尺度工具測量身高的方法，雖然操作簡單，但需要被測人員配合，不僅速度慢，精確度也較差；超音波、紅外線等方式，雖可實現自動測量、精準度較高，但對測量環境條件的要求有較多限制，不適合用於公共場所。
而3D電腦視覺技術的攝影機，則可以很好地解決上述問題，提供多場景、非接觸式、自動化的量測。
3D攝影機是利用深度感測器，獲取現實場景的深度資料，和顏色資訊，透過座標變換建立深度資料，與3D座標之間的對應關係，然後藉由去雜訊、配對位準等運算法，去除干擾並減小誤差，最後再以3D重建的方法，得到身高以及其他資料。
3D攝影機無需與被測物件接觸，物件進入測量場景，即自動採集測量多個人物目標，配對位準後，對光照具有較強的穩定性，可適應場景的光照變化，因而也有較高的精確度和即時性，在安全監控領域的應用將愈顯重要。
現階段基於個體人物的多特徵、姿態辨識和3D攝影機等，先進AI人工智慧分析技術，若能將其結合打造出，新一代智慧型影像分析監控軟體平台，將有助於安全監控系統的建置，同時對數據分析，起到示範先驅的作用。
 |
| Computer Vision and Machine Learning at the Edge," a Presentation fr… |
推動安控未來大數據
在AI人工智慧分析市場的創新推動下，人們挖掘影像監控中，有價值的數據資訊，並不僅只是局限於當前人、事、物的基本資訊而已，同時也需依靠廠商的研發能力，可以不斷對安控大數據採集的關鍵資訊，進行有效補充，不但為最終的大數據平台，帶來更具附加價值的資訊，也為深度的AI人工智慧在安控產業數據應用下，提供源源不絕的產品發展動力。
．委內瑞拉遭網路攻擊導致全國停電，他們可能忽視哪些安全威脅？
New blackout hits portions of Venezuela
 |
| 康橋科技 —— 白光攝影機專業廠商！ |
3月10日，加拉加斯聖馬丁（San Martin）的盧爾德聖母(Nuestra Senora de Lourdes)教堂里漆黑一片，家人親朋扯著嗓子，吼著祝福的話；另一邊，幾個人敲著鍋為他們演奏「婚禮進行曲」，嘈雜聲中新人，在神父面前誠摯宣誓......她們結婚了，儘管傾盡全力準備這次人生大事，但結婚當天他們還是「搞砸」了一切。
這不能怪他們，因為誰都不知道那天會停電！正所謂真愛無敵，再大困難也阻擋不了，新人迫切舉辦婚禮的心。
上面說的，並非編輯閒來無事的情景虛構，而是真實的故事重現。
3月7日開始，委內瑞拉發生最大規模停電，包括委內瑞拉首都加拉斯加在內的23個州中，約有22個州都出現了斷電，此次突發的電力系統崩潰，沒有任何預兆。
古巴國務委員會主席兼部長會議主席迪亞斯-卡內爾周日在Twitter上發消息稱，「委內瑞拉最大的西蒙·玻利瓦爾水電站遭受網路攻擊，這導致該國大部分地區斷電」。
無硝煙的戰爭
因為停電，這對夫婦體驗了一次「別樣婚禮」；同樣因為停電，15名透析病人無法使用醫療設備而死亡。類似的悲劇在這「漆黑」的四天內重複上演，恐慌、飢餓、黑暗吞噬著他們的家園，而這一切都要「歸功於」這場無硝煙的戰爭。
引發一切的導火索，是委內瑞拉一度混亂的政治態勢。
在卡內爾看來，是美國一手策劃並實施了，這次針對委內瑞拉的網路攻擊行動。
委內瑞拉合法總統尼古拉斯·馬杜羅也這麼認為，他在親政府集會上稱：「美帝國正加強對委內瑞拉的犯罪和野蠻侵略，自稱總統的傀儡胡安·瓜伊多借助（美）帝國的技術，讓委內瑞拉的電力工業遭到了暗中破壞，但是這嚇不到我們。」
當然，美國在第一時間否認了這一控訴。
而在瓜伊多以及美國看來，這是馬杜羅政府腐敗所致。瓜伊多稱：「西蒙·玻利瓦爾水電站，在查韋斯時期就被國有化（其他電站也被合併），這也直接導致其營運效率低下。因為腐敗等原因，公司沒有足夠的資金進行電網維護，更缺乏專業人才進行有效維護，去年委內瑞拉發電站出現爆炸，就是最好的佐證。」
無論原因為何，最終受罪的總是老百姓。停電事件發生後，馬杜羅稱將全力恢復供電，但尷尬的是，在事發後兩天電力恢復40%的情況下，再次發生了電站爆炸事故，這也直接導致電力恢復進程嚴重放緩。現在，距離事件發生已過去4天，只有少數幾個州恢復了供電。
戰爭武器：網路攻擊
儘管目前尚未斷定攻擊者是誰，但可以斷定這是一起典型的網路攻擊事件，而類似事件並非第一次發生。
2015年12月23日，烏克蘭電力部門，至少有三個電力區域遭受到惡意代碼攻擊，並於當地時間15時左右，導致了數小時的停電事故。據悉，攻擊者入侵了監控管理系統，超過一半的地區和部分伊萬諾-弗蘭科夫斯克地區斷電幾個小時。
研究發現，烏克蘭電站遭受了BlackEnergy（黑色能量）等相關惡意代碼的攻擊。攻擊導致7個110KV的變電站，和23個35KV的變電站出現故障，導致80000用戶斷電。
BlackEnergy在執行攻擊的過程中，會釋放KillDisk破壞數據，來延緩系統的恢復。此外，還在其他伺服器還發現一個添加後門的SSH程序，攻擊者可以根據內置密碼，隨時連入受感染主機。
時隔一年，烏克蘭的國家電力部門，再遭遇駭客襲擊，這次停電持續了30分鐘。
相比之下，委內瑞拉的此次停電事件在波及範圍、停電時間、經濟損失等方面，遠超出上述案例。儘管官方並未給出詳細說明，但北極電力網的一篇文章中，針對網路攻擊問題進行了分析：
在變電領域，以智慧變電站展開分析，智慧變電站以全站資訊數位化、通信平台網路化、資訊共享標準化為基本要求，依靠智慧設備自動完成資訊採集、測量、控制、保護、計量和監測等基本功能，並可根據需要支持電網即時自動控制、智慧調節、線上分析決策、協同互動等高級功能，實現與相鄰變電站、電網調度等互動。
一般來說，這類電站主要可能面臨的安全問題如下：
1、繼電保護、測控裝置等設備存在漏洞
2、通訊協議（如：IEC-104）在安全設計上先天不足
3、遠動通信距離遠，存在監視盲區
4、網路抗風暴能力不足
5、第三方運維監管不到位
對於電力系統面臨的安全威脅，提供以下建議：
1、威脅建模 ，為了讓方案設計師、開發者或者軟體，能夠辨識其部署存在的潛在攻擊路徑
2、白名單，建立白名單機制，在電力工控系統的上位機、關鍵節點的伺服器上，部署應用白名單軟體，阻止惡意代碼執行和非法外聯，其工控網路透過深度解析電力系統，工控協議如IEC 61850\60870系列、Modbus、S7等阻止或監測工控網路非法流量
3、代碼命令簽名，利用哈希加密驗證，來驗證軟體ID，及準備運行的代碼完整性，對關鍵電力系統命令實施簽名
4、蜜罐，在實際環境隔離的虛擬環境中，辨識和跟蹤攻擊者
5、數據加密，防止數據受到損害或內部威脅
6、漏洞管理，透過瞭解電力系統中，存在的漏洞位置，電力公司根據基於有效的處理風險的方法管理漏洞，避免電力系統無法處置經常性的威脅和攻擊
7、滲透測試，應聘請滲透測試專家，對電力系統的關鍵環境進行週期性安全評定
8、源代碼審查，透過審查軟體源代碼尋找漏洞
9、配置加強，建議使用加固後的系統映像來建立系統，然後在加固後的系統映像上，進行滲透測試實驗，漏洞挖掘等
10、強認證，防止對資產的未授權訪問
11、日誌和監控，用於辨識攻擊，以及在安全事件發生時，重構系統事件
12、態勢感知，用於對生產環境的資產、數據、流量等進行全局性監測，透過綜合分析發現潛在的威脅
．物聯網協議那麼多：究竟 LoRa、Cat-M 和 NB-IoT 哪一個是你的菜？
What is NarrowBand IoT? - Netzgeschichten
 |
距離第一台非官方的物聯網(IoT)設備問世以來，已經過去了近30年。1991年，劍橋大學特洛伊電腦實驗室樓下的咖啡壺，被改造成了聯網設備。
科學家們編寫了一套程式，並在咖啡壺旁邊安裝了一個便攜式攝影機，鏡頭對準咖啡壺，利用電腦圖像捕捉技術，將咖啡壺的狀態資訊，傳遞到實驗室的電腦上，以方便工作人員，隨時查看咖啡是否煮好，省去了上上下下查看的麻煩。
幾十年後的今天，物聯網還沒有從襁褓中走出來，只是慢慢朝著我們期待的大範圍內，被部署所發展。
在過去的10年裡，物聯網技術變得更加經濟有效。設備成本更便宜、更節能，體型也更小，而且功能也越來越優化，可以在物聯網架構中，扮演特定的角色，以創建新的業務模型。
在接下來的20年裡，我們可以將一萬億台設備，連接到網路上。連接的設備越多，就越能夠發現更多的業務改進機會，並利用物聯網，來實現這些機會。
現在，必要的物聯網技術已經接近成熟，功能性物聯網解決方案，也正在加速落地。一股物聯網的浪潮，已經開始衝擊市場，它們有著各種各樣的架構、功能集和應用程式。
雖然在投資物聯網硬體，或完整的物聯網解決方案時，需要考慮諸多因素，但瞭解物聯網感測器可用的協議，以及前瞻性的商業決策者，如何做出協議的最佳選擇，無論是目前還是長期，都是非常重要的。
如何選擇物聯網協議
物聯網協議，是物聯網系統節點使用的網路語言，對物聯網解決方案的，整體部署的可行性非常重要。協議規定了物聯網解決方案通信的範圍、格式和複雜性，並在確定成本和功能性方面，發揮關鍵作用。
因此，如果你對部署你自己的物聯網感興趣，那應該如何選擇一個適合的需求和規模的協議呢？有兩個關鍵要素需要考慮:
功耗——感測器需要在電池供電的情況下，使用幾天、幾個月或幾年？他們需要多久發送一次數據？是否考慮使用一次性設備，還是使用可替換或可充電的電池？
連通性——通信必須覆蓋哪些範圍，以及它們需要在每條消息中發送多少數據？蜂窩網路供應商，是否能維護我們的連接，或者你更願意建構私有網路來運行數據？當物聯網部署的需求涉及連通性時，通常會考慮：最低要求的物聯網設置？用於聯網的是家庭或辦公室？是否可在普通WiFi網路上運行？所有組件均需連續供電？
 |
| 市場報導： 結合LoRaWAN及Cellular IoT產生互補性之新商機- 科技產業資訊室 |
對於需要小容量數據傳輸的較大區域，如農場、校園或城市，獨立的低功耗廣域網(LPWAN)是最理想的解決方案——LoRaWAN和SigFox是最流行的兩種低功耗廣域網。當談到覆蓋區域和跨越邊界時，像NB-IoT或Cat-M這樣的蜂窩協議，可能看起來更實用。
當涉及到功耗、覆蓋範圍和成本時，兩者各有優缺點。
讓我們研究一下LPWAN技術的具體用例，以及蜂窩物聯網部署，以瞭解這些協議，應用於未來物聯網解決方案的優缺點。
 |
| Connectivity Now and Beyond; exploring Cat-M1, NB-IoT, and LPWAN ... |
LPWAN優化的區域網路
如果需要管理一個大型項目，如建築項目、煉油廠周燈類似的項目，工作人員需要在危險的環境中進行工作時，那跟蹤這些工作人員就是很有必要的。
可能你已經考慮，啓用自己的物聯網。也許是經營著一家工廠或倉庫；也許是管理著一個農場，或其他農業領域；也許是負責著一個大的學校或政府建設項目。
在所有這些行業中，物聯網將產生持久的商業影響，可以創造更高效的流程、節省資金並創造新的收入。對於連接區域，比單個小建築物更大的網路，LPWAN技術通常更具優勢。
如果用戶部署了一個LoRaWAN網路，而不是連接到蜂窩物聯網，那麼很可能支付相同或更少的費用，且在部署中擁有更多的元素。雖然成本效益模式，將根據業務模式而有所不同，但是LPWAN，通常會為用戶所期望的覆蓋區域，提供一個專用區域網路：用戶擁有所有的設備、網路，和透過網路傳輸的數據。所以，當蜂窩網路宕機或發射塔故障時，用戶不必擔心物聯網部署失敗，也不必等待供應商來修復它。
若用戶安裝了自己的LPWAN，那麼當出現問題時，用戶將負責監視、支持、維護和修理。用戶還必須確定如何保護自己的網路。鑒於這些原因，強烈建議你們去部署一個LPWAN，該LPWAN包含打包在一起的整個解決方案。
這意味著感測器、Gateway、雲和應用程式，是由一家公司創建的，而不是零碎組裝的。其優點是，所有的東西都是預先整合的，可以安全地一起工作。
另一個顯著的區別是，與蜂窩數據包不同，LPWAN傳輸並不總是等待接收確認。這可能是一種優勢，也可能是一種劣勢。用戶可以在沒有確認的情況下，在系統上獲得更多的數據，但有時會因為網路擁塞，而丟失數據包。
 |
| Leverege | A Primer on Cellular IoT |
最熱門的兩個LPWAN協議，是LoRaWAN和SigFox。在這兩家公司中，LoRaWAN和LoRa技術，近年來成長最快，未來五年的成長潛力也最大。
SigFox主要在歐洲營運，與LoRaWAN相比，SigFox的數據有效負載更小，因此每台設備的功耗比LoRaWAN要低，但也限制了SigFox用戶，使用LoRa技術應用某些行業的關鍵功能，如執行器支持和即時更新。
對於LoRa和LoRaWAN來說，優點就是廣泛支持、多功能性和前景。500多家領先的科技公司，加入了LoRa聯盟。LoRa技術正在不斷發展，以適應不斷優化的物聯網解決方案，和新的用例。
 |
| IoT connectivity comparison (GSM vs LoRa vs Sigfox vs NB-Iot ... |
遠端物聯網與蜂窩協議
想像一下，您正在從事備災或環境監測工作，需要從感測器和數據源，組成的跨區域網路分析資訊。或者你經營一家租賃公司，需用一種方法，在一個不可預知的廣闊空間裡，更密切地跟蹤你的設備和車輛。在這些用例中，蜂窩物聯網可以改變遊戲規則，從遙遠的端點收集數據。
雖然有可能出現其他技術，並獲得仍在發展中的市場佔有率，但佔據最多市場佔有率，和討論最多的兩種協議是Cat-M和NB-IoT。
其中，窄頻物聯網(NB-IoT)的電池功耗低，訂閱價格可能更低。它提供了更接近LoRa配置要求的低功耗通信，和數據大小，從而更容易實現物聯網提供商，對LPWAN和蜂窩用例的相容性。
相反，Cat-M可滿足更高的數據速率，和低延遲通信，如果用戶需要從特定的物聯網設備收集大文件，或將大量更新推送到物聯網端點，Cat-M不失為最佳選手。Cat-M可滿足高品質的語音，並將更多地應用於即時應用程式，如車聯網。
蜂窩物聯網協議提供了一種在區域、全國性，甚至跨大陸範圍內，利用物聯網數據的方法，而不需要預先建立Gateway來覆蓋區域。
相反，供應商已有的基地台，將傳輸物聯網數據。這也意味著物聯網系統，將會有和蜂窩網路一樣的盲點，如果網路連接被中斷——出於維護、訂閱限制、緊急情況或其他原因，用戶的物聯網系統也會宕機。儘管如此，部署的易用性和覆蓋範圍，常常是消費者選擇它的理由。
 |
| LoRa 創始成員「叛逃」 NB-IoT 要一統物聯網？ - 3S Market「全球智慧 ... |
前景
NB - IoT和Cat-M協議的普及程度，還有待觀察。這兩者的推出時間都相對較短，而且還在不斷成長，兩者的可用性，將在很大程度上，取決於電信商的規劃。
最終，NB-IoT的低功耗通信，將為大多數人以合適的成本，提供正確的效益，並最終使其它蜂窩協議相形見絀。然而，LPWAN和LoRaWAN仍有一席之地，特別是對於那些想要覆蓋大片地區，或擁有專用網路的公司。
 |
| LPWA market is still in early stage - IoT Business News |
也許我們將看到更多的物聯網公司，轉向與協議無關的模型。在這種模型中，用戶不需要針對要部署的物聯網解決方案，來選擇通信協議，感測器可以支持多協議。