監視技術又精進 中國AI記錄你的走路姿態？
今日主題 智慧安控\雲端\物聯網\行業應用
|
2019年9月16日 星期一
．物聯網設備 Gateway 系統架構設計
What is an IoT Gateway?
 |
|
任何顏色車牌——都拍攝的清清楚楚！
|
1、背景介紹
隨著業務的不斷擴大，有一批設備需要對接到我們的平台裡，所以我嘗試著去設計一下，我們公司的設備 Gateway 系統架構。
目前接入的均為無線設備，設備與載體可隨時移動，使用普通 SIM 卡流量，所以沒有固定 IP 地址。至於設備網關1.0 的核心功能，說來也簡單，攏共分為三大部分：
① 設備安裝/綁定。
② 設備數據即時上報
③ 設備運維
2、四層結構
讓我們從另一個視角來看待設備 Gateway ：層次結構。
我整理了一下整個業務過程，追蹤了一遍整個數據流向，於是乎很容易就得出了，如下的四層結構圖：
整個層次結構自底向上依次為數據層、控制層、應用層、表現（顯示）層，該層次結構也成為了我之後設計系統架構的指導思想。
現在對每個層次做一個簡單的介紹：
數據層。處於底層，整個系統的數據源頭，很明顯是一個最基礎的層次。
控制層。這是一個承上啓下的關鍵層次，最主要的功能是指令的解析，以及指令的收發。
應用層。亦可稱之為業務層，這個層次與系統的業務邏輯是緊密相關的，一些業務的實現都將在這裡得以發揮。對上承接的是顯示層，進而可以透過控制層，對設備進行指令的收發，對下接入的是控制層，可以獲取設備相關數據提交給顯示層。
顯示層。亦可稱之為交互層，是人機交互，數據可視化的切入點。不難看出，這個層次是直接與人打交道的，所以在滿足業務需求的同時，需要設計得足夠人性化才行。
透過上述的介紹，結合層次結構圖，不難得出：數據層和控制層是業務無關的，我們可以統稱為「協議層」，而應用層和顯示層是業務相關的，我們可以統稱為「系統層」。整個層次結構相互獨立，而又彼此相連，達到了弱耦合的目的。
3、架構演進(level-1)
做出整個架構也是一個很痛苦的過程，唯恐有考慮不周的地方，導致今後會不斷踩坑。也非常感謝在這個過程中，給我提供幫助和建議的業內人士，在他們的指點下，我才有了更多的靈感。
至於所謂的 IoT 體系結構，也並沒有完全遵循。整個業務場景，也不像是一個非常標準的物聯網，所以給自己的要求不是很高，設計出來的架構堪用就行。
首先，我們從一個較高的視角去看待，整個架構是這樣子的：
從圖中不難看出，整個設備 Gateway 存在四個關鍵角色。
設備以及設備組成的群組(Device Group)，是最基礎的角色，屬於數據層。考慮到今後可能會對設備做精細化管理，所以會按一定的規則（比如地域，組織）對設備進行分組，這部分設計在前期體現得不是很明顯。
中控平台(Center Controller)，對應的是控制層。這個角色的主要工作有數據採集，設備指令的收發等，值得注意的是，接入到系統裡面的設備廠商可能不止一家，設備種類也是形形色色，報文協議也不盡相同，因此中控平台應該被設計成「對設備類型不敏感」的，以便提升中控平台的相容性，可擴展性，以及可用性。（如是以資安角度考量，相容性與可拓展性是要有所取捨的！）
業務處理器(Biz Processor)，對應的是應用層（業務層）。這個角色集中體現了系統的業務需求，包括設備維運監控，數據分析以及持久化，日誌分析，當然，這也是建立在中控平台的基礎之上。
設備管理系統(Management System)，對應的是顯示層。這個角色是直接針對終端用戶的，是一個可操作的人機交互平台，該平台可以透過業務處理器，控制整個數據鏈條。因為是整個架構的最高層級，透過對底層數據的有效整合，想相空間還是很大的。
以上就是設備 Gateway 架構的 Level-1，緊接著我們再更深入的剖析整個架構，進入 Level-2。
4、架構演進(level-2)
這部分內容，我們深入到四個角色的內部，窺探其中的結構組成。
1) 設備以及設備群組。這裡我們將引入一個叫作「子設備」的概念，即一個設備對象下，會再附屬若干個設備，我們稱之為「子設備」。當然，一個設備也可能沒有子設備，依實際情況而定。
舉個例子： 以一扇門作為一個設備，那麼密碼鎖，鎖舌，紅外探頭都可以是子設備；再比如地震監測的探針，就是一個獨立的設備，下屬沒有子設備。
這樣設計的目的，是為了能夠更精細化地對接入的設備進行控制，進可控制單個子設備，退可控制整個大設備。此外，對於平台內的所有大小設備，都不會直接相互進行通信，都是直接與中控平台打交道的。
2) 中控平台。我把這個角色定位為一種中間件，如下是中控平台的組件圖:
整個中控平台由八大組件構成，下面做一個簡單的介紹。
連接器（Connector）。這個組件是控制層與數據層的數據傳輸管道，維護著中控平台和各個設備的數據連接，數據傳輸連接都是基於 TCP/IP 協議。
REST API。中控平台作為協議層與系統層的樞紐，對下層提供了連接器，對上層則提供了 RESTful 接口。因為設備 Gateway 將會使用微服務架構風格，所以使用的是 REST API，暫不考慮其他的遠端調用方式。
訊息佇列（或稱消息隊列，Message Queue）服務。主要是解決應用耦合，異步消息，流量削鋒等問題，最終實現高性能，高可用，可伸縮和最終一致性架構，有利於實現協議層與系統層準即時通信。
協議解析引擎（Protocol Parser）。這個組件很好理解，因為要適配不同的源設備，不同的設備廠商，協議規範是不一樣的，需要透過協議解析引擎進行轉換，並在系統內形成規範。這部分工作對上層系統完全透明，只需要根據系統內的規範進行數據交互即可。所以，協議的解析是雙向的，由內向外，以及由外而內。
指令執行引擎（Command Executor）。在這個組件中會維護一份最新的「指令集」，每條指令都有特定的功能，依靠協議解析引擎，對應到不同的設備上的不同功能。
數據採集器（Data Collector）。顧名思義，這個組件的主要任務，是收集來自設備的所有數據，配合日誌服務進行記錄。數據採集器大致可以分為兩類：即時性和非即時性，根據業務需求響應不同時效性的採集器。
日誌服務（Logger Service）。這部分記錄的日誌有兩種類型：數據型，設備型。日誌的儲存形態不在本篇範疇，這裡著重闡述一下這兩類數據。
- 數據型日誌記錄的是流經控制層的數據，分為三種：
- 源數據，亦可稱之為「裸數據」，這一部分數據沒有經過任何的加工，從各個設備直出；
② 結構化數據，這部分數據是最接近業務數據的，對源數據進行了粗加工形成的；
③ 業務數據，根據系統的業務需求，對結構化數據做了進一步整合和加工形成的。
- 設備型日誌記錄的，是接入平台裡的設備相關的數據，分為兩種：
- 設備狀態，記錄的是設備狀態流數據；
② 指令收發，記錄的是中控平台對設備指令的收發數據。
管理工具套件（Management Toolkit）。這部分可以認為是中控平台的增值服務，優先級最低，不過想像的空間也是很大的。我打算將其設計成一個可響應Terminal命令的服務，比如獲取當前連接數，最大連接數是多少，指令集配置，發送指令給設備等等。
3) 業務處理器，這個是與業務相關的角色，可以根據實際業務需求去設計。我在設計業務處理器的時候，是以設備為中心的，再去擴充其他功能。如下是一張業務處理器的拓撲圖，具體的業務需求就不再展開敘述了。
4) 設備管理系統(Management System)，這部分，我認為要做到兩個「可視化」：數據可視化，設備可視化。「數據可視化」比較好理解，就是數據的整合及其圖形化表示，當然，數據的來源可以是即時的，也可以是離線加工過的，這個業界都有成熟的解決方案。
還有一個就是「設備可視化」，這個主要是給普通使用者，一個比較友好的操作體驗，將設備具象化，點擊不同的按鈕，可以觸發其對應的功能。當然，對於專家使用者，也可以提供站內 Terminal，直接使用命令與設備進行交互。
5、總結
整篇文章闡述了設備 Gateway 的四層結構，並分兩個層面深入分析設備 Gateway 的系統架構。通篇沒有涉及具體技術細節，因為這是技術架構層面的內容了，定當另起新篇闡述之。
．電腦視覺與圖像：八大對岸中國熱點公司以及九大應用場景
What Is Computer Vision?
 |
|
|
編者按：本文來自對岸中國微信公眾號「IT桔子」（ID：itjuzi521），作者IT桔子數據分析部。
根據 IT 桔子數據，對岸中國人工智慧產業中「電腦視覺與圖像」領域的公司數量已達 111 家，僅次於「自然語言處理」類公司，位居第二。
我們將那些核心技術，為「將深度學習技術應用於視覺與圖像領域」的公司，歸到「電腦視覺視覺與圖像」類。同時，「無人機」和「機器人」相關公司並未被統計在內，這部分公司雖然也會涉及到電腦視覺技術，但以後將會單獨在「無人機」和「機器人」專題中有所體現。
我們透過對這 111 家中國公司進行觀察，按公司的業務對企業進行統計如下：
總融資額過 RMB 億起跳的第一梯隊公司盤點
在這 111 家人工智慧「視覺與圖像」企業中，IT 桔子根據其歷史融資數據進行了分析，並挑選出總融資額過億元（人民幣）的八家該領域新創公司，進行盤點：
注：以下所有公司圖譜來自桔子雷達 radar.itjuzi.com
TOP 1：商湯科技融資總額人民幣 13.65 億元
商湯科技專注於打造人工智慧視覺引擎，基於自主研發的深度學習平台，輸出全套人工智慧視覺技術，包括成像處理、感知、辨識，目前服務於金融、平安城市、機器人、無人駕駛等多個行業。
2017年4 月 20 日，商湯科技獲得賽領資本 6000 萬美元策略投資。本次融資後，商湯科技可能將重點精力，放在商業化運作上，據商湯科技 CEO 徐立則透露，賽領的加盟將帶來更多重量級的資源，幫助商湯的商業化佈局。
TOP 2：曠視科技融資總額人民幣 9.65 億元
2016 年 12 月，Face++曠視科技融資一億美元，成為了中國電腦視覺領域，第一家完成 C 輪融資的新創公司，本輪投資方是建銀國際和富士康。
曠視在當時的主營方向是網路金融，建銀國際的投資後，可能會進一步幫助讓曠視在銀行業務有所進展；另外，富士康的投資，可能跟曠視在倉儲機器人領域新成立的公司（艾瑞思機器人）有關。
TOP 3：深醒科技融資總額人民幣 3 億元
深醒科技成立於 2016 年初，以人臉辨識技術切入 AI 戰場，在辨識動態模糊拍攝和暗光拍攝的人像上有技術優勢。目前已面向安全監控、金融、地產、學校、醫院等領域，提供多種解決方案。
2017 年 1 月最新一輪融資後，深醒科技表示，會進一步在綜合實戰環境算法優化，及數據訓練等方面加大投入，並在中國公安領域加大市場投入，全面提升高科技在技防中的實戰成效。此外，團隊還在爭取與中航工業、中石油、中鐵建等，有較高安全監控需求的企業，選擇與深醒合作。
TOP 4：依圖科技融資總額人民幣 2.18 億元
依圖科技也是人臉辨識領域的佼佼者，2015 年獲得「公安部科技進步獎」，並且與阿里雲合作搭建「貴州公安交警大數據即時作戰雲端平台」。同年，依圖在與銀行合作方面，招商銀行將「依圖人臉辨識技術」推廣到對岸全中國 1500 家網點。
浦發銀行「人像辨識平台及直銷銀行遠端開戶影像認證建設項目」投產，實現 VTM 和手機銀行的人臉身份認證。
浦發銀行「人像辨識平台及直銷銀行遠端開戶影像認證建設項目」投產，實現 VTM 和手機銀行的人臉身份認證。
2016 年 3 月份，依圖科技獲得 B 輪數千萬美元融資，本輪投資方雲鋒基金創始人馬雲、虞鋒的企業管理經驗，可能將對依圖有所幫助。
依圖已經開始在醫療健康，城市數據大腦等領域的探索和實踐，並且為海關總署及中國邊檢提供人像比對系統。
依圖已經開始在醫療健康，城市數據大腦等領域的探索和實踐，並且為海關總署及中國邊檢提供人像比對系統。
TOP 5：圖普科技融資總額人民幣 2.15 億元
圖普科技是為數不多的，技術緊密結合了盈利的商用場景的 AI 新創公司，在辨識色情、暴恐、時政敏感資訊、小廣告等違規圖片和影像方面市場，挖掘出了對岸市場的剛需，獲取了大量客戶。隨著行動直播的熱潮，圖普科技借勢也獲得了較大提升，已與中國大多數直播公司建立了合作。
據之前圖普科技數據顯示，網路圖像內容審查業務服務費，約為 25 元/萬張圖片，提供月付費或包年方式。由此推測，圖普科技的現金流和營收都很可觀。但是，拿下了中國絕大多數直播公司的訂單後，在該領域可能會很快迎來成長的瓶頸。
2016 年 9 月份，圖普科技拿到新一輪融資後，已經開始拓展新的業務方向。在人臉辨識、物體及場景辨識、文字辨識等方向都已經推出服務。依圖已經成為曠視（Face++）、商湯等公司的有力競爭對手。
TOP 6：格靈深瞳融資總額人民幣 1.98 億元
格靈深瞳致力於電腦視覺和深度學習，現主攻安控領域。格靈深瞳早期曾組建過汽車電腦視覺項目組，該項目組已與馭視科技合併，格靈深瞳現作為馭視科技的股東之一。
2014 年 6 月，格靈深瞳獲紅杉中國數千萬美元 A 輪投資。有尚未證實的消息稱，格靈深瞳現拿到了新一輪策略投資，領投方為安控領域大佬，將來業務將可能繼續深耕安控領域。
TOP 7：雲天勵飛融資總額人民幣 1.95 億元
雲天勵飛是一家專注於視覺智慧領域，以深度學習和新型處理器技術為核心的新創公司，致力於實現視覺辨識的「前端智慧」與大數據分析的「雲端智慧」。曾服務過 2016 年的杭州 G20 峰會、雙創周主會場、烏鎮互聯網大會等，並協助深圳公安破獲各類案件 500 餘起，找回多名失蹤走失兒童。
據雲天勵飛創始人陳寧稱：「截止到 2016 年底，雲天勵飛已經在平安城市、智慧商業、無人機船車、機器人與智能製造等行業的 1000 家企業，提供視覺晶片和智慧解決方案。該公司第一年即實現過億元訂單，2017 年預計銷售額過 10 億元。」
2017 年 3 月，雲天勵飛獲得數千萬美元的 A 輪融資，投資方包括山水從容傳媒投資有限公司、松禾資本、深投控、投控東海、紅秀盈信等多家投資機構。雲天勵飛創始人陳寧透露，在獲得本輪融資後，公司將會致力於軟硬體的一體化建設。
TOP 8：縱目科技融資總額人民幣 1.4 億元
縱目科技成立於 2013 年，主要研發 2D 和 3D 全景視覺輔助駕駛系統，及自動停車和駕駛記錄系統等。產品已被中國許多汽車製造商廣泛使用，包括吉利汽車和上汽集團，以及野馬等汽車配件供應商。
今年 2 月 21 日，縱目科技正式掛牌新三板。兩天後，縱目科技又完成了 1 億元定增融資，認購方主要為北京君聯成業股權投資合伙企業 (有限合伙)、廈門德豐嘉潤股權投資基金合伙企業 (有限合伙)，兩者分別認購 7000 萬元、3000 萬元。
縱目科技透露，此輪融資將主要用於公司營運以及自動駕駛研發。公司計劃在廈門新設子公司，開展 ADAS 系統相關感測器的研發和生產，向產業鏈前端延展佈局。本次募集的部分資金，將用於新設子公司的實繳出資。
九大黃金應用場景盤點
從以上 8 家公司的盤點我們可以看到的一點是，大家將人工智慧「視覺與圖像」技術的應用在各個領域、場景都有所應用與佈局。那麼在全部的 111 家企業中，哪些應用場景的熱度與成熟度較高？
IT 桔子詳細梳理出了，主要的九個不同場景下的應用，並根據企業分布數量排序進行盤點：
TOP 1：人臉辨識
IT 桔子數據顯示，「人臉辨識」是人工智慧「視覺與圖像」領域中，最熱門的應用，在本次篩選出的 111 家公司中，有接近三分之一的企業提供「人臉辨識」產品或服務。
2017 年 2 月，《麻省理工科技評論》發佈「2017 全球十大突破性技術」榜單，來自中國的技術「刷臉支付」位列其中。這是該榜單創建 16 年來首個來自中國的技術突破。
代表企業：Face++曠視科技、依圖科技、商湯科技、深醒科技、雲從科技等。
人臉辨識技術，中國市場已經廣泛應用於金融、司法、軍隊、公安、邊檢、政府、航太、電力、工廠、教育、醫療等行業。據業內人士分析，中國的人臉辨識產業的需求旺盛，需求推動導致企業敢於投入資金。
目前，該技術已具備大規模商用的條件，未來三到五年將高速成長。而今年，這一技術有望在金融與安控領域迎來大爆發。
目前，該技術已具備大規模商用的條件，未來三到五年將高速成長。而今年，這一技術有望在金融與安控領域迎來大爆發。
TOP 2：影像/監控分析
在企業數量統計中，「影像/監控分析」是人工智慧「視覺與圖像」領域中，第二大熱門應用。
代表企業：SenseTime 商湯科技、DeepGlint 格靈深瞳、依圖科技、雲天勵飛、深網視界等。
人工智慧技術可以對結構化的人、車、物等影像內容資訊，進行快速檢索、查詢。這項應用使得讓公安系統，在繁雜的監控影像中，搜尋到罪犯的有了可能。在大量人群流動的交通樞紐，該技術也被廣泛用於人群分析、防控預警等。
影像/監控領域盈利空間廣闊，商業模式多種多樣，既可以提供行業整體解決方案，也可以銷售整合硬體設備。將技術應用於影像及監控領域，在人工智慧公司中，正在形成一種趨勢，這項技術應用將率先在安控、交通甚至零售等行業，掀起應用熱潮。
TOP 3：圖片辨識分析
「靜態圖片辨識」應用熱度，在視覺與圖像領域中排名第三。將人工智慧技術單純用於圖片辨識分析的應用，企業數量並不如預想的多，可能有一下幾個方面原因：
1、目前影像監控方向的盈利空間大（？），眾多企業的注意力都放在了影像監控領域；
2、人臉辨識屬於圖片辨識的一個應用場景，做人臉辨識的大多數企業，同時也在提供圖片辨識服務，但是銷售效果不佳，主要贏利點還在於人臉辨識；
3、圖片辨識大多商用場景還屬於藍海，潛力有待開發；
4、圖片數據大多被大型網路企業所掌握，創業公司數據資源稀少。
代表企業：Face++ 曠視科技、圖普科技、碼隆科技、酒咔嚓、YI+ 陌上花科技等。
TOP 4：駕駛輔助/智慧駕駛
隨著汽車的普及，汽車已經成為人工智慧技術，非常大的應用投放方向，但就目前來說，想要完全實現自動駕駛/無人駕駛，距離技術成熟還有一段路要走。
不過利用人工智慧技術，汽車的駕駛輔助的功能及應用越來越多，這些應用多半是以電腦視覺和圖像處理的技術來實現。
代表企業：縱目科技、TuSimple 圖森科技、馭勢科技、MINIEYE 佑駕創新、中天安馳等。
Mobileye 是一家以色列電腦視覺公司，是公認的全球一流駕駛輔助公司。在今年 3 月份，英特爾以 153 億美元高價收購了 Mobileye，以佈局自動駕駛。此事件成為以色列歷史上最貴的一次科技收購案，也引起了市場的廣泛關注。
TOP 5：3D 圖像視覺
3D 圖像視覺主要是對於 3D 物體的辨識，應用於 3D 視覺建模，3D 測繪等領域。
代表企業：DeepGlint 格靈深瞳、拓視覺、非白三維科技、圖漾科技等。
TOP 6：工業視覺檢測
機器視覺可以快速獲取大量資訊，並進行自動處理。在自動化生產過程中，人們將機器視覺系統，廣泛地用於工況監視、成品檢驗和品質控制等領域。
機器視覺系統的特點，是提高生產的柔性和自動化程度。運用在一些危險工作環境，或人工視覺難以滿足要求的場合；此外，在大批量工業生產過程中，機器視覺檢測可以大大提高生產效率和生產的自動化程度。
代表企業：創想智控、凱視佳、拓視覺、帆聲圖像、華睿科技等。
TOP 7：醫療影像診斷
醫療數據中有超過 90% 的數據，來自醫療影像。醫療影像領域，擁有孕育深度學習的海量數據，醫療影像診斷可以輔助醫生，提升醫生的診斷的效率。
2015 年 4 月，IBM 成立了 Watson Health 部門，開始進軍醫療行業。2015 年 8 月 6 日，IBM 宣佈以 10 億美元的價格，收購醫療影像公司 MergeHealthcare，並將其與新成立的 WatsonHealth 合併。
2016 年 2 月，IBM 又斥資 26 億美元，收購醫療數據公司 TruvenHealthAnalytics。2017 年 2 月份，在 HIMSS17 大會上，Watson Health 公佈了 IBM 的第一個認知影像產品 Watson Clinical Imaging Review，該產品可檢查包括圖像在內的醫療數據，幫助醫療服務提供商，辨識需要關注的最危急情況。
代表企業：推想科技、雅森科技、匯醫慧影、12Sigma 圖瑪深維、DeepCare 等。
TOP 8：文字辨識
電腦文字辨識，俗稱光學字符辨識，它是利用光學技術和電腦技術，把印在或寫在紙上的文字讀取出來，並轉換成一種電腦能夠接受、人又可以理解的格式。這是實現文字高速記錄登入的一項關鍵技術。
2017 年三月份，海康威視研究院預研團隊，基於深度學習技術的 OCR（Optical Character Recognition，圖像中文字辨識）技術，刷新了 ICDAR Robust Reading 競賽數據集的全球最好成績，並在「網路圖像文字」、「對焦自然場景文字」和「隨拍自然場景文字」三項挑戰的文字辨識（Word Recognition）任務中取得第一。同期參賽的有來自 82 個國家的 2367 支隊伍參加，其中包括 Google、微軟、百度、三星、曠視等團隊。
代表企業：海康威視、合合信息、鼎識科技、易道博識等。
TOP 9：圖像及影像編輯
2016 年，Google 舉行了一場「人工智慧作家」的畫展。通過一個名叫「DeepDream」的藝術生成器，谷歌可以將神經網路，由內部傳送到外部。不是辨識圖像，而是創作圖像。有人稱這些機器做的畫為「機器之夢」。
目前市場上也出現了很多，運用及機器學習算法對圖像進行處理，可以實現對圖片的自動修復、美化、變換效果等操作。並且越來越受到用戶青睞。
近日，全球知名的數位媒體編輯軟體供應商 Adobe，也加入了人工智慧的大潮，發佈了旗下首個基於深度學習，和機器學習的底層技術開發平台——Adobe Sensei。
代表公司：美圖秀秀、潑辣熊、SenseTime 商湯科技、微禾迅科技等。
總結
在分析了「電腦視覺與圖像」領域的公司中總融資額過億元（人民幣）的八家吸金大戶，及九大應用場景後，我們可以得到一些結論及推測。
1、2016 年「人臉辨識」成為了小風口，大量資本湧入，而 2017 年可能則是人臉辨識產業，應用產生突破性進展的一年。
2、人臉辨識和影像監控兩大方向最受資本青睞，同時技術也在尋找其他方向的突破。
3、「電腦視覺與圖像」技術在網路金融、銀行業、安控、交通等行業應用最為廣泛。
4、八家吸金大戶創業公司業務全為 toB 的，人工智慧技術的普及，確實非常需要借助行業的力量。
5、目前「電腦視覺與圖像」泡沫問題並不是特別突出，人工智慧概念確實炒的過熱，但大多數資本還是趨於理性。
6、人臉辨識、影像監控、網路圖像內容審查等應用，已經成為「電腦視覺與圖像」技術的產業切入口，未來市場的認可，將加速人工智慧的產業化進程。
7、我們在梳理企業的時候發現，目前網路創業公司蹭人工智慧熱點的現象非常普遍，確實存在「人工智慧泛化」的問題，但是多數真正擁有人工智慧核心技術的公司，成長狀況都比較良好。