Page 60 - 安防6月刊_150dpi

A 人工智能
Artificial Intelligence

扰实现视频加密传输。 结论
场景决定科学布点 毋庸置疑，智能网络摄像机一定会成为AI时代
网络摄像机相较于NVR、IPSAN、服务器等其 的重要力量，但是独木不成林，单丝不成线，AI时
他安防监控设备，它的工程安装要求比较多。不像 代，一定不会是智能前端的独自发展。正如上文所
IPSAN、服务器可以直接安置在机房的机架设备 述，好的AI是能够落地含括数据采集、视图信息存
中，网络摄像机的安装会涉及选点、工勘、调试、 储、智能分析与数据研判、联网管理、安全管控与
安装、测试等一系列现场操作。而AI时代，因为智 业务呈现的完整解决方案，是需要从规划、设计、
能功能的指标要求，对于网络摄像机的安装更需 勘测、安装、调试、实战投入、应用习惯、业务优化
要科学规范，否则就会出现部署了智能识别系统以 各个维度进行统筹运作实施的系统工程。所以好
后无战果，用户不知道该怎么用，只当建了视频监 AI离不开云端协作。
控系统的尴尬局面。 后端云计算固然可以实现所有的智能业务，他
“科学布点”是既需要集合用户的实际业务 优势在于并发处理处理能力强、存储空间大，可以

为出发点，同时又需要从人的衣食住行、行为特点 实现资源的综合调度。但是如果只依赖后端云实
多个维度出发考虑摄像机点位部署位置。以人脸 现业务也有许多问题，如：所有原始视频传输到后
识别为例，布点的科学与否直接关系到设备是否 端，带宽压力太大；汇聚到后端云的数据量多，后
能够很好的完成所有经过该点位人脸的抓拍。根 端云的计算和存储性能需求大大增加；海量的设
据智能功能的场景需要，我们要避免取景过大，安 备数据需要上传后端云，再反馈到终端执行，业务
装过高，光线复杂等环境；同时要避免偏转角度较 响应速度慢，等等。
大，人脸抓拍像素偏低等情况。当然为了配合一些 解决这些问题的办法就是云端协作。后端云
特殊场景的智能监控需要，智能网络摄像机也需 计算聚焦非实时、长周期的数据场景，如大数据挖
要通过双目、全景、全局等款型来做针对具体场景 掘、大规模学习；前端智能网络摄像机聚焦实时、
的应对。 短周期的数据场景，如视频结构化、图片抓拍等
小结 等。
万变不离其宗，网络摄像机的立身之本就是 场景定义将是支撑智能网络摄像机发展与部
场景化。如果脱离了使用场景来设计网络摄像机， 署最为关键的要素，坚持场景化的智能网络摄像
那么一定无法真正满足市场和客户需求。反之，如 机将和后端云携手共进，砥砺前行，创造属于AI安

果能够针对具体的使用场景，推出适宜的产品，就 防的新时代。
更容易被市场所接纳。早期宇视等厂商的宽动态
摄像机、星光摄像机、警戒摄像机、全彩摄像机等 作者单位：陈伟，中铁通信信号勘测设计院有限公司；葛天宇，
等，都是针对场景化，这些都是针对具体场景应用 浙江宇视科技有限公司
推出的产品。智能网络摄像机也不会例外，未来只
有符合场景化的，基于场景定义的智能网络摄像
机，才能适应AI时代的需求。

42 2019第八届深圳国际智能交通与卫星导航位置服务展览会(2019.6.20-6.22深圳会展中心)www.its-expo.com

ದ۽ᇆି JOEE ྒ௹၂