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
為什麼台鐵到了中部就分岔成山線和海線？？
今日主題 智慧安控\雲端\物聯網\行業應用
智慧雲端\物聯網\傳輸應用\資安
2022年4月18日 星期一
· 如何透過網路影像監控增強物聯網應用
多攝影機監控 ESP32 CAM Blynk Multiple Camera Surveillance
還記得那句古老的格言「整體大於部分之和嗎？」 當你將網路影像添加到當前一代的物聯網 (IoT) 解決方案中時，這一不言而喻的事實再明顯不過了。無論我們談論的是工業物聯網應用、「Smart – X」（城市、建築、停車場等）還是零售營運，將網路影像整合到解決方案中，所提供的價值遠遠超出了簡單的態勢感知。
優化複雜的影像技術
當影像系統首先從類比轉向數位，並成為物聯網世界的一部分時，它們主要用於對感測器檢測到的事件進行視覺驗證。例如，如果工業控制器感應到環境問題，例如溫度超過設定的閾值最大限制，感測器將觸發管理軟體通知操作員該事件已發生。然後，操作員可以拉起最近的攝影機的影像源，並遠端觀察該區域。雖然此應用很簡單，但它展示了影像如何增強感測器管理。
隨著感測器和網路影像等邊緣設備變得更加智慧，系統之間的交互變得越來越複雜，產生的價值甚至超過了每個系統單獨提供的價值。
要了解這些智慧應用如何用於提高整體效率和盈利能力，讓我們深入研究它們正在佈署的三個領域：智慧建築、智慧城市和智慧零售。
 |
| 透過將智慧操作感測器與智慧影像疊加，現在可以根據運動檢測自動化照明水準 |
基於影像的營運分析
將智慧監控應用於環境設備 (HVAC) ，可以讓建築業主和物業經理，根據當前設備性能輕鬆確定現有營運成本。然後，他們可以將該金額與升級成本，和隨著時間的推移可能節省的成本進行比較。
照明是建築管理中的另一項重要營運成本。透過將智慧操作感測器與智慧影像（光感測器）疊加，現在可以根據運動檢測自動執行照明級別。燈光可自動開啟或關閉、變亮或變暗，杜絕能源浪費。透過智慧影像添加入住率分析，物業經理可以確定導致運動的原因，並了解其他營運細節，例如入住人數。是否有人走過並導致照明打開，或打開的區域？他們住在這個地區嗎？這些細節可以幫助管理人員有效地優化照明控制，並降低物業的整體營運成本。
企業也在使用智慧應用，來優化辦公桌空間和會議區域的分配。例如，智慧影像可以比獨立的運動感測器，更好地確定會議室的佔用情況（使用中、房間內的人數、可用空間，即使顯示已預訂）。當與自動房間分配系統相關聯時，影像分析提供的額外統計數據，可能會根據房間大小，和透過 Microsoft Outlook 等後台應用的與會者人數，來建議房間變化。
這些示例只是目前市場上，越來越多的可用基於影像的營運分析列表中的一小部分。
智慧城市中的影像分析
智慧照明、智慧電網、智慧停車等智慧城市技術的初步嘗試，依賴於獨立的感測器技術。他們的能力很好但有限。例如，智慧照明將使用基本的光探測器來轉動街道照明。智慧停車和交通系統將使用重量感測器，來觸發車輛計數、交通信號變化，或確定停車位是否正在使用和付費。然而，透過智慧影像和分析增強這些應用，開闢了一個包含更多細節的全新世界。在智慧照明中，影像感測器現在可以根據車輛和行人事件等規則，觸發照明變化。影像分析可以產生額外的元數據，例如車輛類型（商業與公共用途）。當你可以開始提供車輛詳細資訊（例如車輛類型或其他基於車牌辨識的資訊）時，智慧停車變得更加有效。這些額外的細節可以幫助停車場更有效地營運，並提供空間預訂和開放空間位置通知等增值服務。
 |
| 透過智慧影像和分析增強智慧城市應用，開闢了一個包含更多細節的全新世界 |
智慧電網提供了一些不太明顯但同樣有價值的系統增強功能。我們經常將智慧電網與簡單的自動抄表聯繫起來，但這些系統也涉及關鍵的電力基礎設施。該領域的解決方案提供商，現在透過將基於網路的雷達檢測與視訊和音訊分析相結合，提供增強的資產和周邊保護。這種策略性的技術組合，可用於最大限度地減少錯誤檢測警報、打開/關閉或更改照明水準，並將攝影機指向感興趣的區域，以實現極其有效且具有成本效益的周邊安全。
用於零售情報的網路影像
零售業是最早將智慧設備與網路影像，和影像分析整合以支持損失預防和客戶安全的採用者之一。他們一直在使用影像來分析客戶流量和行為，以改善產品放置、增加產品銷售，以及交叉銷售相關商品。將可編程的「數位看板”」添加到組合中創造了新的機會，可以根據觀眾的人口統計數據顯示，有關潛在感興趣的其他產品和服務的目標消息。
將網路影像與銷售點終端相結合，以核對收銀機收據、添加熱圖分析，以研究客戶客流量模式、測量結賬等待時間，以提高員工生產力和效率，以及改善客戶體驗，只是其中的一部分零售商，如何將物聯網的原則應用於他們的優勢。疊加智慧建築控制，你可以看到將智慧影像與其他物聯網設備和系統整合的指數級力量。
 |
| 零售業是最早將智慧設備與網路影像，和影像分析整合，以支持損失預防和客戶安全的採用者之一 |
最小化元數據過載
智慧應用會產生大量元數據。收集、傳輸這些數據，並將其合成為有意義的商業智慧可能是一項艱鉅的任務。它需要有紀律地使用來自網路基礎設施的資源，將數據在本地傳輸到各種雲端技術（私有雲、混合雲、公有雲），並安全地儲存和傳播數據。
一般來說，就傳輸的實際數據而言，智慧感測器數據的重量相當輕。添加影像元素，可以顯著增加比特率（頻寬和儲存）要求。這凸顯了影像需要更加智慧，並與智慧感測器和邊緣設備技術交互，以便更有效地使用資源。智慧應用可讓你做到這一點。你可以根據保留值微調影像規則並優化傳輸。你可以將影像編程為影感測器觸發器或事件，傳輸較低幀速率和解析度的影像，以獲得不太有趣的影像，並在基於這些感測器觸發器的高品質影像更相關和更有價值時，增加影像設置。
感測器元數據的後端收集器，正變得越來越主流且更易於操作。在許多領域，服務提供商都在提供對這種感測器輸出「即服務」的管理。
隨著智慧物聯網技術的不斷成熟，網路影像系統與其他網路解決方案整合的好處只會越來越好。透過節省成本和更深入、更實用的商業智慧，我們已經看到更高的營運效率和更高的可量化投資回報。
．物聯網各種物聯網通訊技術的定位 vs. 客戶滿意度
物聯網 —— 什麼是物聯網？ IoT- What is Internet of Things?
在物聯網（IOT）A to Z之前的章節中，我們從使用者的角度分析了物聯網佈署的如下關鍵：
1.「客戶滿意度」應該處於物聯網佈署各利益相關方的中心位置，是 Priority 1；然而在過去幾年物聯網發展中各種技術的定位，並沒有得到足夠的關注；
2.物聯網市場是一個非常「差異化」的市場：萬物互聯中萬種數據終端或客戶對數據隱私、數據所有權、對通訊的控制力、是否有專業性的客製化要求、通訊服務反應速度、投入產出的考慮等等方面有完全不同的訴求，這種差異化的需求需要不同定位（商業模式，技術）的方案去滿足；
3.物聯網通訊技術把萬物的海量數據提取和傳輸出來，在物聯網目前的發展階段，處於核心地位：事實上目前海量數據尚未形成，小而美的物聯網通訊技術的佈署來滿足用戶端差異化的需求亟待解決；
4.「基於授權頻譜的物聯專網」是「對數據所有權」、「對快速響應」、「需要專業的客製化服務」、「數據終端體量非常巨大」、「有城市級組網需求」有最高等級要求的高端客戶的首選；電網和全球大 B 客戶的專網佈署實踐為此做了很好的背書；
5.授權頻譜是非常珍貴的資源：對通訊有法律保障，沒有替代物。這些特點使得對通訊技術的頻譜使用效率有極高的要求；另外，由於很多人甚至從業者並不知道「燃氣公司」和「水務公司」都可以申請授權頻譜，珍貴的頻譜資源處於浪費的狀態，算是暴殄天物。好在已有很多行業精英已經意識到這一點，有的已經捷足先登了。國家級電網就是如此。
但是以上觀點在過去幾年的物聯網部署中並沒有得到應有的重視，客戶痛點沒有真正的被關注和解決所導致的。最終市場的慘淡表明，客戶用自己的「票子」進行了表決！筆者認為這是物聯網在過去幾年出現「落地難」的根本所在。
結論就是：做減法，本質就是準確定位；要做小而美，不做大而全。
Gartner 非常用名的技術炒作曲線，闡述了一個類似的哲理：過度的炒作和過分宣傳（A點）都會在落地階段被打回原形（B點）。
從時間上來看，過去的 5 年裡 LPWAN 技術一直處於被市場宣傳的階段，並沒有進入海量佈署階段，面臨「落地難」的問題。我們看看業界宣傳力度很大的技術，存在著「定位不清晰」，「大而全」的宣傳定位。所有利益相關方包括通訊廠商，炒作者，方案創業者、投資人、客戶等等，很顯然、投資人和客戶，實際處於被動接受資訊的狀態，尤其是本應處於核心位置的客戶需求和痛點，事實沒有得到應有的重視，無疑損失是最大的。
Connect All Things. 大草原上的奶牛，和密集城市的地下管網，都要接入同樣的網路和使用同樣的通訊技術，想想就挺滑稽的。試想：大草原上的奶牛和密集城市地下管網路，一個燃氣洩漏點物聯終端在客戶數據安全等級的差異、通訊可控性、通訊故障需要的反應速度，和由此產生的後果等，要求上是不是在一個等級上？其他細節的通訊速率、數據包的大小、時延的要求、功耗的要求等技術細節要求是否一樣？答案顯而易見：完全不同。
因此，「想做」和「能否做好」之間的距離只有一個：客戶的滿意度是否在考慮範圍之內。
事實是，真正聰明的務實的投資人或創業者可以從 All Things 中選擇一個應用場景，把這個場景做到無人能及，其實很容易斬獲千億級的市場。相反不從每個客戶滿意度入手，貪圖大市場，極有可能滿盤兼輸。這從燃氣行業客戶近兩年來不斷測試不同技術，卻找不到可用方案可以看出端倪。
筆者有近 20 年全球 500 強，和超過十年 500 強高管的職業經歷，非常清楚「定位精準」對於商業成功的決定性作用。但是，物聯網通訊技術來自外企或通訊大廠，難道沒有人懂「定位」這麼精粹的商業常識？這是不應該的。
筆者認為，如下兩點本質是各種通訊技術捨棄「定位」的商業常識，和甘冒風險的原因：
1.物聯網通訊營收遠低於行動互聯，並且物聯終端硬體價格必須極低；這使得必須追求最大可能的接人數量，即便如此在物聯網通訊上的營收，都不足以自洽其商業計劃；
從如下圖表就知道物聯網接入數量巨大，但 ARPU 值極低；物聯網通訊收入在營運商整體收入的佔比極低，全世界都是是如此。試想：一個手機終端一個月的話費至少需要500元左右，而物聯網終端 10 年的通訊費可能連 250 元都不到，也就是說行動終端的 ARPU 值，至少是物聯網終端 ARPU 值的 200 倍以上。（ARPU：Average Revenue Per User，每用戶平均收入）
2.通訊接入服務的營收太低，使得數據成為物聯網公認的「金礦」。因此客戶數據必然成為從業者的終極追求：通訊接入的營收對運營商和大廠價值不值一提；基於私有通訊技術的國內方案商，在通訊核心技術上依賴於他人，連接的收入本質上付給了私有通訊技術擁有者；其唯一的價值實現路徑演變成了數據。一些方案在終端上的補貼行為更加加劇了第一個本質的不斷異化，從而使客戶的數據安全危如累卵。當然不同客戶對數據隱私的要求是不一樣的，有大量用戶短期內對自己數據隱私還沒有感覺；而有些客戶在很前期就已經把數據安全放在了第一位，比如國家電網。
有一個商業原則：「免費的是最貴的！」採用 ISM 頻段（頻段免費）的私有技術和大力度補貼通訊終端，都會使客戶未來為免費和低價付出代價。
這兩個本質，導致如下兩個結果：
1.客戶的數據安全失去了基本的邏輯基礎：無論是晶片的 OS 系統，還是物聯網連接管理平台，都使得「保護客戶數據隱私」成為了一個「道德約束」；我們都知道道德約束力遠低於法律的約束力。
有思想家說：「如果有 20% 的利潤，資本就會蠢蠢欲動；如果有 50% 的利潤，資本就會冒險；如果有 100% 的利潤，資本就敢於冒絞首的危險；如果有 300% 的利潤，資本就敢於踐踏人間一切的法律」---《資本論》
2.重要客戶成為了長尾需求失去了其優先權，很容易湮沒在不重要的數據海洋之中。更何談服務質量和快速響應?
這個結果使得哪個用戶未經三思，越早佈署物聯網，誰的損失就越大，誰的數據就會有風險。這也是智庫發出「都 2022 年了物聯網還不落地，大公司們急不急」呼聲的原因。
但不需要悲觀，物聯網的部署的趨勢已經形成了、技術儲備已經充分。接下來唯一需要的就是如下兩點，物聯網一定會成為第N次工業革命：
1.各種技術和方案商一定要精準定位自己，為自己的目標客戶提供最高品質的服務；因為定位不準、總是去做自己不擅長的事情，對自身的品牌效應很不好，並且客戶也會受損。另外，一定會有聰明的技術去「精準定位」自己，做出小而美的方案，最大化客戶滿意度，從而獲取商業成功；
2.客戶需要釐清自己的核心訴求，在方案決定階段切勿隨大流，沒有自己的獨立判斷：因為只有客戶自己最清楚自己的需求，也只有自己最關注的自己的投入和產出。說到底，風險是由佈署者也就是客戶自己承擔的。
只要做到如上兩點，整個產業就可進入一個良性循環，進入一個多方共贏的健康格局！
在本文中，我們分析了物聯網市場的差異化特點，技術或方案供應商，並沒有很好的關注不同客戶的差異化，各自的定位並沒有圍繞目標客戶的滿意度展開，使得物聯網佈署進入一個」落地很難的狀態。我們將在物聯網（IOT） A to Z - H章節中基於不同用戶的痛點，結合不同技術的特點和性能，分析各種物聯網通訊技術包括 Weightless最精準的定位和最適合的應用場景。
· Starvis 全彩攝影機技術
Starlight Technology - 5 百萬像素 安控攝影機
Starlight Technology - Nexlar Security Cameras 5 Megapixel
隨著感測器技術的發展，安控攝影機的弱光性能得到了極大的提升。在黑暗的環境中，借助微弱的光線，甚至是星光，攝影機仍能拍攝出清晰多彩的監控畫面。多家中國製造商推出了全彩攝影機。安控影像監控已進入星光全彩時代。
與傳統紅外線夜視儀相比，星光全彩攝影機的優勢在於：
- 圖像的色彩比紅外線黑白圖像多。即時監控，調查取證後可獲得更多資訊；
- 無需額外的紅外燈，無光污染，隱蔽性更好；
- 無需額外補光燈，夜間功率相對更小，更有利於 POE 供電，同時發熱量更小，攝影機和系統更穩定可靠；
- 不會有傳統紅外線攝影機的紅外線過曝、手電效應等缺陷，看的更清楚。
- 一些特殊場景應用。比如晚上在停車場，打開大燈後，紅外線攝影機可能根本看不到車牌和車頭。全彩攝影機完美解決了這個問題，車牌和車頭清晰可見。
在討論星光全彩技術之前，我們先來了解幾個基本概念。
照度
照度是單位面積接收到的光通量。單位是勒克斯（lux=勒克斯）。
一根蠟燭照亮1平方米的區域，呈現的亮度約為1勒克斯。
下表是一些常見場景的照度值
| 照度（勒克斯） | 光照條件 |
| 100 000 | 烈日 |
| 50 000 | 手術室 |
| 10 000 | 晴朗的天空 |
| 500 | 辦公室 |
| 5 | 路燈 |
| 0.2 | 滿月 |
| 0.02 | 月夜 |
| 0.0002 | 星光 |
當然，以上照度值只是一個參考值，並不是那麼準確。同樣，在影像監控領域，什麼照明攝影機才算星光也沒有明確的標準，後面會詳細討論。一般來說，攝影機的靈敏度主要取決於鏡頭和圖像感測器。指定的勒克斯值越低，攝影機的靈敏度就越好。
通常，製造商會指定攝影機產生可接受圖像所需的最低照明水準。雖然這些規格有助於比較同一製造商生產的攝影機的感光度，但它們對於比較不同製造商的攝影機卻不是那麼有用。這是因為不同的製造商使用不同的測量方法，並且對生成可接受的圖像有不同的標準。
STARVIS
星光攝影機的概念一直是在安控領域，但更專業的系統的名字來源於 SONY。
索尼將一些自家的背照式 CMOS 感測器命名為具有出色低照度性能的 starvis 系列。這是星光全彩攝影機命名的來源。
對於 Starvis，索尼官方的解釋是 Visibility under the star light，意思是星光下的能見度。當然，業內有一種解釋是 starvision。索尼註冊有 starvis 標誌，一般不允許未經授權隨意使用。因此，很多廠商將它們分別命名，如上述安訊士的 Lightfinder、海康威視的 colorVU、大華的 Full-color、宇視的 LightHunter。
關於 Starvis 技術，索尼將其定義如下： STARVIS 是用於安全攝影機應用的 CMOS 圖像感測器的背照式像素技術。它具有每 1 µm2 2000 mV 或更高的靈敏度（彩色產品，當使用 706 cd/m2 光源成像時，1 s 累積等效 F5.6），並在可見光和近紅外光中實現高畫質光區。
該技術主要用於背照式 CMOS 感測器，因為它可以接收來自感測器矽基板背面的光，增加進光量，減少光損失，提高靈敏度。
每 1µm2 面積靈敏度為 2000mV 及以上的感測器稱為 starvis 感測器。如何衡量不同 starvis 感測器的性能差異？索尼提出了 SNR1s 的概念。
Starvis2
2021 年，索尼將 starvis 更新為 starvis2。與 STARVIS 相比，Starvis2 具有超過 8dB 的寬動態範圍（AD12bit），在單次曝光中具有相同的像素大小。
STARVIS 2 的完整定義，是用於安控攝影機應用的 CMOS 圖像感測器的背照式像素技術。它具有每 1 µm2 2000 mV 或更高的靈敏度（彩色產品，當使用 706 cd/m2 光源成像時，1 秒累積等效 F5.6）。與 STARVIS 相比，單次曝光同樣像素尺寸的情況下，其動態範圍（AD12bit）超過 8dB，在可見光和近紅外光區域實現高畫質。
信噪比1
索尼正在引入 SNR1s [lx] ，作為用於在低照度下定量評估圖像品質的指標。SNR1s [lx] 是索尼倡導的專有指標，僅限於用於安控攝影機應用的 CMOS 圖像感測器。
較小的值表示在低照度下的圖像品質更好。
SNR1s [lx] 是由「SNR」（信噪比）、「1」（表示噪聲 = 1 時的信號電平為 1）和「s」（安全性）組成的首字母縮寫詞。
SNR1s [lx] 規定條件
| 應用 | 監視器 |
| 光源 | 3200 [K] |
| 目標對象 | 18% 灰色 |
| F號 | 1.4 |
| 曝光時間 | 1/60 [秒] |
| 線性矩陣 | 沒有 |
| 信號 | G [e-]（感測器原始輸出） |
| 噪音 | √Shot Noise[e-] 2 + Dark Noise[e-] 2 |
| 信號：噪聲 | 1:1 |
SNR1s 測量方法示意圖
兩個 3200 [K] 光源從不同方向照亮 18% 灰度圖，調光到 100 [lx]。放置攝影機，使灰度圖到圖像感測器的成像表面的距離為 1 m，測量靈敏度 [e-] 和暗噪聲 [e-]，並使用關係式計算 SNR1s [lx]方程。等式等於 1 時的亮度為 SNR1s [lx]。
 |