Small Brain, Big Think: AI on the Edge
在人類智慧繼續領先的同時，Edge AI為安全整合商和最終用戶帶來了多種好處 ⋯⋯
在人類智慧繼續領先的同時，Edge AI 為安全整合商和最終使用者帶來了各種好處。
人工智慧（AI）執行服務、辨識模式、學習對象，與情況之間的關係並做出決策。新的、成熟的技術（例如 5G、熱效率高、低功耗的 AI 晶片組和 AI 本身）提供了一種範例轉變，推動了全球監視和 IoT 感測器市場的發展 - 似乎沒有門檻。
當我們要求語音助手，搜索我們最喜歡的節目時，我們通常會首先得到我們想要的選擇。車輛製造商正在開發先進的駕駛員輔助系統（ADAS），例如自動緊急制動（AEB），其目標是創建避免與行人和騎車者碰撞的過程。幸運的是，安全行業承擔的任務不那麼重要，例如辨識對象、潛在威脅，和適當的威懾響應。
幸運的是，我們的行業正在利用更高效的 AI 晶片組，和 Edge AI 感測器（如 LiDAR 和熱成像）的可用性 - 所有這些產品的價格都在下降。具有改進的熱管理功能的 AI 晶片組，例如在 CES 2021 上推出的 Ambarella CV5，支持四個獨立的 4K 影像串流、AI 功能，低功耗 5nm 節點。
IP 攝影機處理車輛自動車牌辨識（ANPR），在多個車道中產生「動盪」的影像，原因是在串流傳輸和辨識過程，爭奪資源的情況下的動力不足。
人工智慧挑戰
深度神經網路（DNN）需要大量數據來學習。安全解決方案本身不是「智慧的」；他們利用對情景意識報告（sitrep）和歷史數據的深度學習，來採取最適當的措施。來自多種格式（可見光、紅外線、音訊、雷射）的感測器的數據，以及來自環境、社交媒體、犯罪數據集的複雜數據，變得越來越龐大，無法透過傳統的操作進行處理。
幸運的是，像 ESRI 這樣的公司提供了鏈接犯罪、位置和時間的數據集。實際上，現在可以透過災難響應計劃（DRP）免費獲得其 ArcGIS Insights，以分析 COVID-19 大流行的影響。
隱私權和數據保留政策，確實對某些行業 AI 解決方案，提出了挑戰，例如，防止零售業虧損 DNN 可能需要「回顧」幾天的差異影像內容，或者場景中的內容在人群、人群移動、產品方面，有足夠的差異在貨架，和端蓋上的照明條件和地板類型，以「辨識」規劃、執行和離開商店盜竊現場的人員的基本行為。
隨著我們作為一個行業的發展，企業安全和第一響應者可以攝取，分析和預測潛在結果並共享數據，以使 AI 最終執行已學到的基本任務，並為我們提供做出關鍵決策所需的人力。
「攝取」對於安全行業中的某些人來說，可能是一個新術語，但在依賴「大數據」，或應用數據科學的市場中使用得很好。為了使你的客戶能夠利用當今的 AI 解決方案（尤其是影像監控），開始在周邊範圍內收集高品質的影像內容，以更好地保證品質警報處理和響應，將是非常有利的。
在人類智慧繼續領先的同時，Edge AI 為安全性和安全性管理，提供了一定的時間回饋已知流程。
將 AI 置於影像監控的邊緣
通常，對於 IP 攝影機，現在可以將常見的影像分析功能（如對象辨識、區域檢測、車牌辨識）作為嵌入在攝影機自身中的 AI 算法使用。可能尚不清楚韌體更新如何影響 AI，或者是否使用最新的工廠訓練模式來更新算法，或者是否保留了針對特定用例的算法訓練。
已開發的解決方案全部使用可更新的算法，以及白名單和黑名單，例如基礎溫度/發燒篩查和 Athena Security 的視覺武器檢測； EAGL 彈道的能量波形簽名；以及 WhiteFox 和 Aero Defence 的無人機 RF 簽名/行為檢測。
但是，許多「 Edge AI」攝影機，也可能要求用戶具有影像管理系統來更新算法。應提醒用戶優先考慮在 Edge AI 設備，或更專業的武器/無人機檢測軟體上進行監視投資，而不是在可能成為現收現付服務，可能更孤立的 VMS 上進行投資。
許多 IP 攝影機製造商都在吹捧 AI 功能。以下是一些最近的發展：
Hanwha Techwin 的 Wisenet7 晶片組，提供了攝影機內 AI 功能，包括：基於 AI 的對象分類，可對檢測到的對象、人員、車輛、車牌和臉部進行分類； 減少誤報警報，以改善具有多個攝影機操作中的監控； 一些 PTZ 攝影機基於 AI 的對象跟蹤；以及跟蹤車輛和人員的自動跟蹤功能，這是對基於幀的跟蹤的改進。
Wisenet P 系列 AI 攝影機的屬性分類功能可快速，準確地檢測帶有或不帶有口罩的人員，並立即發出警報。
Milesight 透過各種攝影機提供基於邊緣的 AI。功能包括：預訓練的深度學習模式，和算法的自動連續訓練；以及三組算法，包括用於人和車輛檢測的影像內容分析（VCA）；基於 AI 算法的即時人數統計和統計報告，以進行分析和 AI 人臉檢測。
Edge AI 攝影機的使用意義重大，因為它們可以用作簡化但有效的 AI 訓練工作流程的「模式」。
工業攝影機可以高速和近距離捕獲車牌，以實現安全和跟蹤應用，例如鐵路運輸和車輛篩選。IDS NXT 攝影機是改進的 AI 訓練，以及透過 Web 應用與第三方系統整合的範例（無需其他編碼）。該系統可以創建訓練圖像並將其上傳，使用者可以分配標籤（例如「好」或「壞」），以便 AI 可以學習。反過來，這將開始神經網路的自動訓練，最終導致完全佈署。
受 Edge AI 影響的其他安全領域
正如去年在 CES 上報導的那樣，在小型 3D 攝影機中使用 LiDAR 可以提供線框「圖像」，既可以保護隱私，又可以辨識臉部 - 甚至是被面罩或 PPE 遮擋的一部分。進一步順應這一趨勢，在 2021 年 CES 上推出的英特爾實感 ID，將主動深度與神經網路，專用的 SoC 系統和嵌入式安全元件相結合，可以加密和處理用戶數據。透過深度學習，它可以隨著時間的推移適應用戶的需求，因為他們會改變身體特徵，例如臉部毛髮和眼鏡或在不同的光照條件下出現。
一般的安全解決方案中，是否最終會包含複雜的條目篩選任務，還有待觀察。但是，在安全/安全市場中，已經存在基於 AI 的解決方案，可以執行臉部辨識和/或臉部比對，而使用者戴著口罩、帽子，並且該過程在性別、年齡和種族之間都是一致的。他們還可以利用適當的基礎溫度測量位置，和多光譜成像（通常是可見光加熱成像）來進行高溫篩查。以及對人員，隱藏式和非隱藏式武器檢測，前後，側面或後方使用的武器的一致性。
關鍵基礎設施可能是危險場所，Edge AI 感測器可以扮演救生角色。借助熱成像和 AI 訓練，可以及早發現高壓電線、可燃化學品、危險廢物和其他威脅。當人員進入隧道、鐵軌和橋樑等危險區域時，具有 AI 流程的 LiDAR 感測器可以觸發警報。
 |
沒有留言:
張貼留言