□ 文/李歡

得益于IP技術的普及，前端攝像機近十年迅速發(fā)展。傳統(tǒng)攝像機由于功能單一，基本上只能做到音視頻數據采集，這與用戶對于行業(yè)的高適應性、高自動化的需求之間的矛盾日益明顯。同時，安防行業(yè)經過多年的發(fā)展和技術積累，硬件性能有了質的提高，業(yè)界對于圖像技術，視頻處理和分析的研究取得了突破性進展，智能攝像機應運而生。2013年，國內主流廠商開始推出智能攝像機——smartIPC。smartIPC的出現標志著智能功能開始從后端到前端的戰(zhàn)略性遷移，這使整個安防行業(yè)發(fā)生了革命性的變化。

smartIPC的優(yōu)勢

相對于傳統(tǒng)IPC，smartIPC的優(yōu)勢主要體現在以下方面：

提高分析和處理的實時性和精準性

監(jiān)控行業(yè)的核心需求是快速及時地處理和記錄異常發(fā)生時的音視頻信息并能及時驅動相關聯動動作，所以對于智能應用來說，實時性是關乎用戶體驗的第一要素，但是在smartIPC出現之前，智能安防方案的核心在于后臺分析服務器，視頻數據通過前端采集、編碼、打包、網絡傳輸等一系列過程之后才能到達服務器進行解碼分析，這一過程所耗費的時間看似短暫，但對于監(jiān)控行業(yè)而言卻是失之毫厘差之千里。smartIPC則可以在第一時間對于采集的視頻數據進行分析，提取關鍵信息，判斷需要采取的措施，并驅動相關聯動動作，保證在事件發(fā)生的第一時間得到有效處理；同時，設備對于復雜網絡環(huán)境的適應性也得到有效保證。

釋放后臺服務器資源

鑒于主要的數據計算分析工作在前端攝像機上已經完成，那么對于后臺服務器的性能要求會大大下降，性能較低的后臺服務器即能滿足整個系統(tǒng)方案的需求。同時單服務器所能接入處理的前端相機數量也能得到提高，安防系統(tǒng)的網絡建設和系統(tǒng)復雜度也能得到有效控制。從業(yè)主的角度講，即節(jié)省了經費，又提高了智能化功能。整個系統(tǒng)變得更佳均衡，而不是頭輕腳重。

提高升系統(tǒng)容錯能力

傳統(tǒng)的后端智能方案中，一旦智能分析平臺出現故障，則整個智能分析系統(tǒng)就處于癱瘓狀態(tài)，容錯能力比較差，而對于采用smartIPC的系統(tǒng)，單個IPC節(jié)點出現故障，不會影響其他節(jié)點的智能分析，故而容錯能力較好。

SmartIPC的推出是業(yè)界對于智能前置一系列探索的結果，仍然存在不少問題，使用過程中一直在持續(xù)性改進。其改進方向主要有兩個方面：一方面是智能功能的橫向擴展，從行為分析到人臉偵測、車輛檢測、熱度圖再到視頻結構化等功能的橫向擴展。另一方面是智能功能的縱向拓展。早期智能攝像機是業(yè)界對于前端智能的初步探索，功能還比較簡單，智能效果在持續(xù)改進。

智能攝像機通過不斷滿足用戶的核心需求，提升應用價值。使用戶體驗感得到的巨大提升，為用戶帶來便捷貼心服務的同時也能降低系統(tǒng)總體成本，在市場上形成了良好的正向反饋。 人工智能經過60多年的發(fā)展，這幾年呈現出爆發(fā)的趨勢。不單單是算法改進、數據積累，同時還有計算能力的變革，這三項成為前端攝像機AI化的關鍵要素。

未來智能前端的發(fā)展趨勢

未來智能前端的發(fā)展趨勢將體現在如下幾個方面：

超高清

相對于高清視頻監(jiān)控，超高清視頻監(jiān)控可以獲得更多的視頻細節(jié)內容，生成更多有價值的數據，從而在一定程度上能夠促進人工智能的發(fā)展，推動人工智能在視頻監(jiān)控領域更深層次的應用。在超高清視頻產品發(fā)展規(guī)劃方面，前端采集端主要分成兩個方向，一是繼續(xù)完善產品種類，采用多目拼接方式實現，實現4K，8K超高分辨率180度/360度全景監(jiān)控；二是朝智能方向發(fā)展，采用超高像素可以覆蓋更大場景，采集更多人車物做智能分析，實現單臺設備全場景智能分析。比如排隊，人群密度分析等等。

場景化

前端場景化向兩個方向發(fā)展，一方面向精細化場景發(fā)展，前端攝像機設備部署在不同的場所，比如城市主干道、商業(yè)路段、火車站、行政中心區(qū)域、醫(yī)院、學校、企事業(yè)單位大樓內部、村居、街道、社會面?zhèn)€體等場景。

為了讓解決方案更加貼合這些細分后的場景，常規(guī)的前端：球機、槍機、半球、筒機，已經無法滿足這些細分后的用戶場景，需要一些特殊形態(tài)，比如多目攝像機。

這些場景類攝像機能覆蓋大場景，提供立體實景，從而更易感知；把傳統(tǒng)的多畫面模式切換到融合呈現模式，體驗更佳；再基于AR技術和資源融合，使效率極大提升。

同時由于各類場景的差異性，一套算法不足以適用所有場景，需針對各類場景進行算法優(yōu)化，提升場景適應性，這對于所有智能攝像機都是挑戰(zhàn)，使得產品的系統(tǒng)工程門檻大幅提升。

深度學習

當前的智能化發(fā)展趨勢已經不同于以往的人工建模方式，深度學習作為機器學習的一個分支，其目的在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像、聲音和文本等。目前，深度學習的應用領域中大約有70%都在圖像識別方面。隨著大數據與高清攝像機應用的普及，海量高清及以上分辨率視頻數據給安防產品技術帶來了大數據，這也就成為深度學習在安防領域必將快速發(fā)展的肥沃土壤。和以往的傳統(tǒng)智能算法相比，深度學習可以像人類大腦一樣搜集信息，并將這些信息轉化為相應的行為，在解決視頻結構化問題方面更“智能”。未來智能不是單純的分析、判斷，設備將向決策方向演變發(fā)展。

物聯

早期的前端攝像機主要采集的數據還僅限于音頻和視頻，但是隨著前端硬件性能的提升，攝像機將向著信息采集一體化平臺的方向發(fā)展，攝像將不止“能看能聽”，還能“能感覺、能嗅探、知方位”，作為一體化信息采集平臺，其優(yōu)勢不僅在于信息采集的多樣性，同時基于多維度信息的輔助，攝像機對于周界環(huán)境的感知和適應性將得到大幅提高，多維的感知手段帶來的是多維的數據類型，比如音視頻信息、地理位置信息、環(huán)境信息、報警信息等等，這就滿足了大數據時代對樣本種類足夠豐富的要求。同時，安防感知網絡所獲取的數據信息都是以視頻為核心的，各種數據與視頻相結合后，就能獲得可視的感知內容。舉幾個簡單的例子，把攝像頭和電子羅盤、GPS等傳感器結合起來，就能在電子地圖上清楚的看到這個攝像機所監(jiān)控的區(qū)域，還可以自動在監(jiān)控畫面上疊加顯示設備所在地的經緯度和街道信息，便于管理和調動;把視頻和溫濕度傳感器結合起來，在廚房或者藥店這些對環(huán)境溫濕度有很高要求的場所下，就既可以看到倉庫的監(jiān)控實景，又能了解倉庫當前的環(huán)境狀況了，當溫濕度超過設定閾值，還可以彈出溫濕度異常倉庫的監(jiān)控實景圖片，讓監(jiān)控人員快速定位和了解現場情況;如果RFID技術和視頻結合起來，比如在工地工人的安全帽上安裝RFID標簽，就可以進行無接觸的打卡，結合工地大門口安裝的監(jiān)控攝像機將人員圖像和信息同時錄入系統(tǒng)。

技術的發(fā)展，必將帶來價值的提升。云作為載體，將一次性買賣升級為持續(xù)的服務，前端的AI化，將互聯網與智能帶入了中下層市場，使得AI更加的親民普及。