0
前端智能，無疑是安防在AI浪潮下誕生的最主要方向之一。
但并不是將AI算法加到前端攝像頭上，就能實現(xiàn)好的前端感知和識別。
深入場景，不斷做需求適配，才是制勝之道。
在一賽道上，專注于嵌入式計算機視覺與感知的觸景無限又一次拿出新品，完善了自己在邊緣智能上的能力。
昨日，安博會期間，觸景無限以“邊緣進化·共塑未來 ”為主題，展出了一系列邊緣端產(chǎn)品，其中兩款新產(chǎn)品“盾悟·智能邊緣物聯(lián)網(wǎng)關(guān)”，及“盾視·智能高密度人流優(yōu)化”系統(tǒng)，尤其吸睛。
隨著5G發(fā)展，物聯(lián)網(wǎng)的熱度進一步提升。5G在大幅增加帶寬的同時降低了延遲，允許大量物聯(lián)網(wǎng)傳感器接入，使得萬物聯(lián)網(wǎng)真正變?yōu)楝F(xiàn)實。
但越來越多傳感器的接入，也給傳統(tǒng)中心式云端系統(tǒng)帶來了較大壓力：物聯(lián)網(wǎng)各類傳感器數(shù)據(jù)指數(shù)級爆發(fā)、大量非結(jié)構(gòu)化數(shù)據(jù)、傳輸困難、能效比低等。
那么如何打造分布式的邊緣智能，就成為了物聯(lián)網(wǎng)時代的關(guān)鍵技術(shù)。
觸景無限新發(fā)布的智能邊緣物聯(lián)網(wǎng)關(guān)，可以說很好的回應(yīng)了這一問題。
盾悟·智能邊緣物聯(lián)網(wǎng)關(guān)，相較于以往多采用視頻進行分析的設(shè)備不同，其可支持多種傳感器接入，在本地實時處理分析，對視頻、風(fēng)速、溫度、煙霧、光照、濕度等多種數(shù)據(jù)，以及人臉、車、異物、煙火、行為，進行檢測與識別。
得益于容器技術(shù)的支持，在功能/應(yīng)用多元化擴展方面也更加輕松便捷，同時無明文的加密傳輸能更好保證數(shù)據(jù)的安全。
這款產(chǎn)品目前可應(yīng)用于地鐵、電網(wǎng)等場景。其主要特點有三：首先采用低功耗芯片，功耗低；第二支持連接各種傳感器，能與視頻數(shù)據(jù)相互補充；第三，帶有深度學(xué)習(xí)加速芯片，可支持不同的模型，便于升級。
觸景無限CEO肖洪波現(xiàn)場也介紹道：如針對電網(wǎng)場景，智能邊緣物聯(lián)網(wǎng)關(guān)可放置于電塔上，分析周圍是否會有異物，帶來短路；最近是否有山火或施工；是否有高的吊車，觸碰高壓線等情況，以保障電塔的正常運行。
這一場景中的難點在于，野外場景，難以實現(xiàn)供電。電塔上通常很高，設(shè)備無法使用高壓電，也沒有網(wǎng)絡(luò)，難以進行其他供電。
觸景無限的設(shè)備，就能做到保證的低功耗，同時在沒有太陽的情況下，持續(xù)工作。
傳統(tǒng)云端識別系統(tǒng)，在百萬乃至千萬級人流量壓力下，因網(wǎng)絡(luò)傳輸和大底庫比對識別的固有問題，會導(dǎo)致數(shù)秒延時，準(zhǔn)確率也會降低。在人流比較擁擠的卡口，使用純云端識別，極易造成擁堵，商用價值較低。
觸景無限針對此類識別應(yīng)用場景，如地鐵、火車站、銀行等，推出了另一新品盾視·智能高密度人流優(yōu)化系統(tǒng)。
其基于邊緣智能、分布式計算等技術(shù)，打造了云邊協(xié)同優(yōu)化方案，通過建設(shè)本地預(yù)篩系統(tǒng)，以高效安全的聯(lián)合分布式識別系統(tǒng)，取代純云端識別，減少識別的計算量，提高了識別速度和精準(zhǔn)度，實現(xiàn)了極短延遲的識別體驗。從而使得百萬乃至千萬級底庫的線下卡口人臉識別應(yīng)用，變?yōu)榭尚小?/p>
肖洪波解釋道，地鐵站、火車站中通常會有卡口限制所有人進出，但經(jīng)過時，通過閘機進行基于云端的人臉識別，識別時間速度很慢。
而采用觸景無限的系統(tǒng)，能做到接近1人/s的通行速度，大大提高了識別速率，同時，其還能支撐百萬級至千萬級的人臉數(shù)據(jù)庫。
觸景無限的智能高密度人流優(yōu)化，通過多級的系統(tǒng)架構(gòu)，形成了邊緣集群，進行處理和加速。
除兩大新品外，觸景無限還展出了瞬視系列產(chǎn)品，以及數(shù)據(jù)中心智能防控、高戒備場所智能化、平安校園、智慧交管等解決方案。
現(xiàn)場，觸景無限還針對市面上一些其他廠商推出的邊緣智能設(shè)備進行了對比，效果上觸景無限顯然能提供更優(yōu)的識別和檢測效果。
為什么觸景無限能做到這些？
肖洪波在現(xiàn)場，也提及了做前端智能的主要難點和心得。
前端的主要難題在于邊界已經(jīng)給定，在算法、算力，及外界的限制條件下，通過數(shù)學(xué)或物理上的東西，進行優(yōu)化，這是以往后端智能上所沒有面對過的挑戰(zhàn)。
“前端智能，實現(xiàn)起來很復(fù)雜。相對后端有比較成熟的GPU服務(wù)器，有很完善的處理環(huán)境，前端往往要采用一些不是很成熟的思路。如，現(xiàn)在前端還沒有很成熟的芯片，也沒有特別豐富的供應(yīng)鏈，所以開發(fā)難度非常大?！毙ず椴ㄕf道。
而觸景無限，通過近十年的經(jīng)驗積累，在邊緣智能領(lǐng)域，打下了自己的一片江山。
不過，立足于感知，觸景無限的愿景，還在更大。
肖洪波告訴AI掘金志，前端感知有著更廣闊的市場。觸景無限提出的“毫米、毫秒、毫瓦”的“三毫”概念描述著觸景無限對感知的技術(shù)愿景，即打造“小體積、反應(yīng)速度快，且功耗低”的產(chǎn)品，這一理念的最終點就是感知的“芯片化”。以單一的芯片取代原來的復(fù)雜設(shè)計，置入各種設(shè)備，打造一個“看得見”的世界。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
