80电影天堂网,欢乐斗地主经典老版,精品人妻无码一区二区三区三级,中国xxxxxl19免费视频

　　在視頻監控領域，智能化的過程首先是從后端服務器和應用平臺開始起步的。這是由于后端設備的空間、能耗、環境等限制相對較少，便于對更大規模的數據進行深度處理，因此各大安防監控廠商也是首先在后端設備上部署人工智能技術，紛紛推出自己的人工智能產品。另外，如果沒有大規模改造前端設備的條件，采用智能化的后端設備能夠更好地利用當前的非智能前端設備，以實現安防監控系統的智能化升級。下面我們就一起來看看智能監控安防的重點

　　一、前端智能攝像機
　　根據智能化程度以及應用場景的不同，智能攝像機大體可分為3個層次：

　　1、智能網絡攝像機

　　此類攝像機的算法相對固定，能夠完成某些特定識別任務，比如行為分析、統計分析等。通常在現有的IPC SoC芯片中即可集成相應的算法，無須額外增加協處理芯片，而且目前的技術也已經比較成熟。

　　2、結構化分析攝像機

　　此類攝像機能夠對視頻流進行實時的結構化屬性分析，從而提取其中的視頻信息、語義信息和圖片信息，并能對人員、車輛進行分類抓拍，支持對目標人/車/物進行結構化屬性分析。該類攝像機需要在原有的IPC SoC 芯片基礎上加入 NPU 淺層學習處理器，或者利用通用芯片結合安防廠商自主開發的感知算法。

　　3、深度學習攝像機

　　此類攝像機采用的是深度學習算法，并以海量圖片集視頻資源為基礎，通過機器自身提前目標特征，形成深層可供學習的圖像數據，極大地提升目標檢出率。該類攝像機通常帶有高性能深度學習的 GPU 芯片，如海康的深眸系列。

　　二、后端智能產品

　　后端智能產品主要包括采用了高密度 GPU 架構的結構化服務器和智能 NVR。在后端利用智能算法對視頻數據進行深層次的結構化分析，仍然是當前的主流方案，具有軟件開發周期短、項目應用靈活、改造項目適用性強的特點。其中，結構化服務器主要是集成了基于深度學習的算法，每秒可實現數百張人臉圖片的分析、建模，也可實現“數十萬人臉黑名單布控”、“人臉比對”、“以臉搜臉”等功能；還能對人/車/物進行結構化處理。智能 NVR 則是基于深度學習算法，在兼顧傳統 NVR 存儲的基礎上，增加了視頻結構化分析功能。

　　但是，如果采用單純的前端或后端智能，都有其弊端。對于純前端智能方式，其優勢是計算資源比較集中，實施后能大幅節省帶寬資源；劣勢是前端的硬件計算資源量相對受限，運行的算法比較簡單，并且由于部署很分散，算法升級、運維會比較困難。而單純的后智能的優勢是能夠提供足夠的硬件計算資源，運行的算法可以很復雜，其集中設置的方式使得算法升級、運維很方便；劣勢是計算資源比較分散，前端的不智能會占用大量帶寬資源。 

　　如果在視頻監控系統中采用前端、后端智能相配合的“云邊結合”方式，則能充分發揮這兩種方案的各自優勢，主要體現在：

　　1、帶寬壓力

　　中心分析方式需要7×24h不間斷地提供實時視頻流，而云邊結合只需要在有人臉抓拍圖片的情況下才需要占用帶寬，以傳輸圖片流。

　　2、報警的時間

　　中心分析的方式下報警延時在15～20s，云邊結合時的報警延時不超過3s。

　　3、分析的準確度

　　采用中心分析的方式，由于視頻流經過了編碼壓縮，因此損傷了很多細節，影響了識別的準確度，而采用云邊結合，由于前端人臉識別基于的是壓縮前的原始碼流分析，避免因壓縮而帶來的圖像質量損傷，識別準確度更高。

　　隨著技術和市場的發展，后端服務器的分析模式已經無法滿足智能安防的需求。這是因為一方面，視頻監控市場規模本身在快速增長，市場對視頻監控的要求也是從“看得見”，到“看得清”，再到“看得懂”，高清設備逐漸取代標清設備，因此前端攝像頭要傳輸的數據量是在飛速發展。如果這些高清的數據不經過處理就傳輸，會給網絡傳輸設備和后端設備都帶來巨大的壓力。另一方面，人工智能技術的發展也給前端設備智能化帶來可能性。因此，在視頻監控領域，將智能算法前置，使智能分析的壓力能分攤到前端，解放中心的計算資源，以用于處理更復雜、高效的分析工作，大大提高視頻處理的及時性，節約帶寬和人力成本，提升安防行業水平。