系統(tǒng)設計師經(jīng)常面臨先進傳感器技術指數(shù)級擴展的挑戰(zhàn)，以及如何將它們應用到安全或生命/安全環(huán)境中。一個傳感器網(wǎng)絡可以聽到、聞到和感覺到諸如音頻警報、氣體泄漏和溫度波動等事件。然而，由于基于云計算的智能分析技術的出現(xiàn)，視頻監(jiān)控已經(jīng)成為安全領域的主導力量，這種技術可以控制和利用大量不同數(shù)據(jù)，從而實現(xiàn)可操作的實時響應。

在最近的一份報告——《2020 年至 2025 年物理安全業(yè)務》中，全球研究公司 Memoori 表示：“2019 年，應用于視頻監(jiān)控的人工智能 (AI) 技術讓市場相信，到 2020 年它將成為未來 10 年的主流并且迫切需要充分利用視頻監(jiān)控攝像頭生成的海量數(shù)據(jù)，而基于人工智能的解決方案是唯一可行的答案。帶有人工智能軟件的現(xiàn)代芯片架構可以梳理大量數(shù)據(jù)并提高安全性。誠然，我們還沒有看到這個領域的很多發(fā)展，但通往人工智能的道路似乎非常明確?！?/p>

Memoori 報告補充說：“人工智能為我們的智能技術生態(tài)系統(tǒng)增加了大腦，使這些系統(tǒng)能夠理解廣泛的感官輸入并處理傳感器硬件提供的大量數(shù)據(jù)。這對于計算機視覺來說尤其重要，因為計算機視覺從大量的視頻監(jiān)控錄像流中獲取信息，并創(chuàng)建了比人類團隊可以監(jiān)控的更多的數(shù)據(jù)。與人腦一樣，人工智能視頻分析可以計算人數(shù)、識別個人并識別活動，以推動安全、效率和行為預測應用，甚至幫助我們打擊犯罪。”

從 VMS 到 AI 的遷移

一個簡單的事實是，安全行業(yè)正在從傳統(tǒng)的 VMS 過渡到用于數(shù)據(jù)收集的傳感器管理平臺。當您與最終用戶和技術人員交談時，遷移是不可避免的。數(shù)據(jù)收集、數(shù)據(jù)生成和最終數(shù)據(jù)解釋的壓力每天都變得越來越復雜。每天都會創(chuàng)建大量數(shù)據(jù)，其中大約 80% 是非結構化或“暗數(shù)據(jù)”，而其中 37% 是視頻數(shù)據(jù)。這給人們在流程開始之前定位、組織和輸入數(shù)據(jù)帶來了沉重的負擔。

Fredrik Wallberg和Airship AI的技術團隊已經(jīng)開始了將黑暗數(shù)據(jù)轉化為實時可操作的智能的挑戰(zhàn)。Airship營銷副總裁Wallberg表示，Airship已經(jīng)關注了數(shù)據(jù)和安全的前景，并指出他們的代理機構和企業(yè)客戶正在創(chuàng)造大量的數(shù)據(jù)，但仍然在有形的信息收集方面遇到了困難。

“我們(安全)幾乎一起遠離了現(xiàn)場觀看。我們已經(jīng)看到很多關于這只猴子的報道，這些報道并沒有被觀看直播的人看到，因為他們只是不知所措。因此，很多視頻都在播放模式下觀看，”Wallberg 說，并指出了這一遠離實時監(jiān)控的重要趨勢，并于本周在拉斯維加斯舉行的 ISC West 2022 上展出“我們通過現(xiàn)有客戶和一些大客戶所做的事情與我們合作的財富 100 多家公司在提取現(xiàn)有數(shù)據(jù)和元數(shù)據(jù)并從視頻源中提取這些數(shù)據(jù)和元數(shù)據(jù)方面擁有深厚的專業(yè)知識，以進一步提高安全性并促進業(yè)務發(fā)展?！?/p>

“我們(安保部門)已經(jīng)幾乎全部放棄了實時觀看。我們已經(jīng)看到很多類似的報道，但現(xiàn)場觀看它的人卻看不到具體內(nèi)容，以至于很多時候他們不知所措。所以，很多視頻都是以回放模式觀看的?！盬allberg 表示，并指出了這一遠離實時監(jiān)控的重要趨勢，并于近期在拉斯維加斯舉行的 ISC West 2022 上展出“我們通過現(xiàn)有客戶和一些大客戶所做的事情，與我們合作的財富 100 多家公司在提取現(xiàn)有數(shù)據(jù)和元數(shù)據(jù)，并從視頻源中提取這些數(shù)據(jù)和元數(shù)據(jù)方面擁有深厚的專業(yè)知識，以進一步提高安全性并促進業(yè)務發(fā)展?！?/p>

Wallberg 解釋說，Airship AI 創(chuàng)建流程以幫助客戶在邊緣獲得實時數(shù)據(jù)可視化的能力是一個關鍵的差異化因素。 “企業(yè)組織在邊緣進行大量計算和大量數(shù)據(jù)生成。我們的前端AI盒子實際上只是一個小型工廠和視頻邊緣處理模塊，提供機載AI數(shù)據(jù)分析和傳輸。隨著這些不斷擴展的傳感器和物聯(lián)網(wǎng)設備連接到互聯(lián)網(wǎng)，我們可能會認為這是一種向前發(fā)展的趨勢。在管理數(shù)據(jù)點和數(shù)據(jù)創(chuàng)建點的工作負載以實現(xiàn)最大效率和準確性方面，我們認為我們處于領先地位?！?/p>

如何處理所有這些數(shù)據(jù)

在 Airship AI 流程重新生成并收集了所有這些數(shù)據(jù)之后，下一步就是對數(shù)據(jù)進行分析。 Wallberg表示，當您將其拉回核心管理平臺時，可以在邊緣攝取數(shù)據(jù)以進行組織和分析，它將所有暗數(shù)據(jù)轉化為一些實時可操作的情報。

“在這一點上，就像許多競爭對手一樣，你確實需要強大的后端，前端至少有一個簡化的用戶界面 (UI)，以確保打破數(shù)據(jù)孤島并用數(shù)據(jù)中心取代。然后，人工智能引擎可以看到核心中的所有結構或明數(shù)據(jù)——如果我們將其稱為暗數(shù)據(jù)的對立面”，Wallberg 補充道。

“從人工智能的角度來看，你正在創(chuàng)建所有這些數(shù)據(jù)，并且通過對齊和連接后端系統(tǒng)、融合和操作數(shù)據(jù)，使可視化成為現(xiàn)實，從而理解這些數(shù)據(jù)。最后一部分是我們在此類數(shù)據(jù)線程中標記為數(shù)據(jù)可視化的內(nèi)容。這實際上只是在使用人工智能通過整個數(shù)據(jù)流提供智能。您已經(jīng)采用了所有這些不同的系統(tǒng)，打破了這些數(shù)據(jù)孤島，將物聯(lián)網(wǎng)設備和傳感器置于邊緣，攝取數(shù)據(jù)，通過核心 AI 功能對其進行分析，在邊緣實現(xiàn)實時數(shù)據(jù)可視化，然后生成實時通知。因此，雖然您在邊緣擁有超級智能引擎，在核心和后端擁有強大的引擎，但歸根結底，它需要被簡化?！?/p>

自從人工智能和機器學習選項穩(wěn)步獲得多個安全系統(tǒng)的接受以來，從 PSIM 和 VMS 平臺的操作轉變一直在進行。當然，視頻監(jiān)控仍然是最明顯的例子。 Airship AI 認為，它的方法超越了基本的視頻管理軟件，開發(fā)了一個主動和完整的“鏡頭到服務器”解決方案，將監(jiān)控從單個流到數(shù)千個流。

“如果你看看很多成功的大型數(shù)據(jù)類型公司，無論是 Facebook、亞馬遜還是谷歌，他們都在試圖弄清楚他們可以用這些黑暗的、非結構化的數(shù)據(jù)做什么。安全領域有大量數(shù)據(jù)，我們花費大量時間試圖查明事件發(fā)生的位置，收緊視頻，減少帶寬——實際上只是試圖減少我們稱之為無用數(shù)據(jù)的數(shù)量，” Wallberg 說。

“我們要說的是，實際上恰恰相反。通過生成的所有數(shù)據(jù)，您可以真正開始了解正在發(fā)生的事情，不僅從業(yè)務支持的角度來看，而且還可以通過適當?shù)?AI 引擎提高您的安全性。你將能夠處理數(shù)據(jù)并開始找出一些模式。”