客服热线
400-655-2828
商贸连锁行业是近代产业革命所带来的经济高速发展的产物。通过分散化销售、集中化经营,整个商贸连锁行业的经济迅速增长。日前,商务部印发了《智慧商店建设技术指南(试行)》的通知,针对商贸连锁行业中的连锁商店建设进行指导,提高商店的智能化程度,给顾客带来更好、更优的服务。bob体育将通过AIoT的技术,助力商店智能化的建设。
制造企业肩负着我国从制造大国向制造强国转变的重任,国家对制造型企业的数字化转型和绿色低碳发展可谓是不遗余力,陆续颁布一些列政策支持企业发展,如《中国制造2025》,工业互联网,十四五行动规划等。bob体育将通过AIoT的手段助力各制造企业进行数字化转型及绿色低碳发展。
基础教育信息化建设进入实质性阶段,虽经过多年的建设,但目前学校的信息化建设依然存在壁垒,如理念、设备、模式上没有彻底摆脱传统束缚,没能真正的让信息化建设落地。为了推进信息化教育变革,以信息化带动教学现代化。bob体育将信息技术深度融入教育教学全过程中,以育人为中心,创建智能教学环境。
随着教育信息化、现代化的相关政策推出,利用现代技术提升校园安全防控能力、改革教学理念及模式已成为数字化校园的新方向。bob体育以视频等物联感知为基础,结合大数据、人工智能等多种技术手段,为学校带来覆盖校园安全、教学、信息化服务、整体态势展现等多维度的完整解决方案,对校园运行管理模式赋能,提升学校综合管理服务能力。
长江十年禁渔、长江流域重点水域禁捕退捕,是推进长江流域生态文明建设、开展生态环境治理和促进长江经济带绿色发展的关键举措,农业农村部制定印发《“十四五”全国渔业发展规划》,对“十四五”全国渔业发展作出总体安排,推进渔业高质量发展,统筹推动渔业现代化建设,力争到2035年基本实现渔业现代化。
林业是生态建设的主体,在保障经济和社会发展的工作中有着不可或缺的作用。森林火灾突发性强、破坏性大、处置救助十分困难,是当今世界最为严重的自然灾害和突发性公共危机事件之一。十四五期间,我们要共建森林草原防灭火一体化体系,健全预防体系,提高预警能力,加强早期火情处理,全面提升森林火灾综合防控能力。
“乡村兴则国家兴”。建设数字乡村既是乡村振兴的战略方向,也是建设数字中国的重要内容。通过数字乡村智慧党建,乡村数字化治理,生态坏境数字化助力乡村产业兴旺、生态宜居、乡风文明、治理有效、生活富裕。
深入贯彻落实总书记关于治水工作的重要论述和指示批示精神,着眼国民经济和社会发展“十四五”规划和二〇三五年远景目标,积极践行全面深化水利改革的决策部署。2022年,基本建立全面覆盖、上下贯通的水利行业监督体系,天地空一体化感知网全面部署;2025年,基本实现水利行业监督的常态化、规范化和专业化,推动2035年水利智能应用全面迈入新时代,实现现代化的水治理体系和水治理能力。
陈乾
在很长一段时间里,安防监控一直作为“事后查证”的一种手段而存在。一个监控系统最重要的部分并不是实况,而是存储的录像,这存在三个问题:一是成本,海量的录像需要占用非常多的存储资源,每一块硬盘都是一笔成本;二是效率,在海量的录像中检索可能存在的事件线索是非常耗人力而低效的;三是及时性,人们需要的是“事中报警”甚至“事前预判”,“事后查证”并不是安防监控的本质需求。
要做到“事中报警”与“事前预判”,离不开智能分析,只有监控系统能辨别图像中正在发生的事情,才能真正实现“事中报警”与“事前预判”。在模拟时代,图像的清晰度普遍为CIF和D1,连“看得清”都还困难,何谈“看得懂”,所以直到进入数字时代,随着720P、1080P甚至4K分辨率的IPC大规模部署,智能化才成为可能。
后端智能是通过服务器对前端的摄像机做视频分析,提取出图像里的关键信息,一般来说分为录像分析与实况分析。录像分析侧重于“事后查证”,最常见的是视频浓缩和视频摘要,把录像中所有移动目标提取出来集中呈现,提高录像检索的效率。实况分析则侧重于“事中报警”,比如行为分析:对重要区域的禁区、拌线布防,一旦出现目标即触发报警,在监控室弹出实况图像、联动附近的球机对目标智能跟踪等;还有一种常见的实况分析是图像质量检测:检测图像是否存在模糊、被遮挡等情况,一旦出现图像异常立即产生告警,这对于目前成百上千路的监控系统,是非常便捷的一种运维手段。而最近比较流行的大数据挖掘、云计算,则是后端智能更高端的一种体现方式,使得“事前预判”成为可能,比如在智能楼宇中安装的摄像机,把出现的人脸信息都记录下来,通过后端大数据下的云计算,一旦发现有一个陌生人在近期频繁出入、形迹可疑,系统就会判断该目标可能存在威胁,提出报警。
前端智能是指摄像机利用富余的计算资源,对自身采集到的图像做分析,提取出关键信息。目前业界的前端智能能实现的功能与后端智能中的实况分析部分基本一致,那为什么还有存在的必要呢?一是成本,对于简单的智能分析,前端自带的智能相较于通过昂贵的后端分析服务器实现的智能,可以大大降低成本;二是及时性,如智能跟踪,后端智能需要先提取一路实况流,然后调用计算资源做分析,分析中发现目标后再联动前端球机做跟踪,这中间每一步都会有延时,对于车辆等快速移动目标,跟踪准确率就会下降,而前端智能就不存在这个问题;三是配合后端大数据挖掘、云计算等应用提供结构化数据,如人脸检测,前端直接提取出画面中的人脸及特征数据,这些信息存储下来后,可以被后端所有应用服务直接使用,而不需要每个后端应用都从原始图像中提取一次。
从前面的分析可以看出前端智能偏重于小范围、简单、及时性要求高的功能实现,而后端智能偏重于大范围、复杂计算的功能实现,前后端智能配合则是未来大数据挖掘的实现方向。既然智能化的需求及实现都很明确,而且实现的前提“高清化”也已经普及,那为什么还有很多的视频监控系统还只是人眼的延伸,需要靠安保人员一直盯着屏幕看实况呢?智能化普及的问题与难点在哪里?
主要问题就在准确率上。从目前智能化的推广过程中来看,智能检测的整体准确率并不高,当然准确率低的原因也分为自身算法与外在环境两个方面。
以摄像机的前端智能为例做简单分析,用户需要的往往是一台“专而精”的设备,在特定的场所能准确的做好特定的智能检测即可。但现在很多厂商推出的设备是“大而全”的智能检测,一台摄像机集成了几乎所有的前端智能功能,对于摄像机不多的富余计算资源,要想把所有的功能都做好自然是不可能的。bob体育在去年推出了一款违停球,专注于识别并抓拍车辆违章行为,特别在违章停车识别上做到极致,产品在很多项目中投入使用后,实际应用中违停抓拍准确率高达90%,获得了用户的一致好评,正是把产品做“专而精”的典范。
至于外在环境原因,一是指环境的干扰,如自然天气的变化、光影的变化容易让摄像机判断出错,造成误报率与漏报率,但目前已可以通过场景自适应与场景智能学习来抵抗这种环境的干扰;另一个是指环境的不可控,如装在马路边的摄像机,监控的区域是人来车往的复杂场景,想要在这种场景中实现人脸抓拍、智能跟踪是基本不可能的。目前只有在车辆卡口应用上的智能最成熟、准确率最高,这得益于一套严格的安装标准、补光标准、判断标准。其他的智能想要达到这种高准确率,出台一套严格的标准是必不可少的,如现在的人脸检测摄像机就已对摄像机安装的高度、角度、镜头焦距都提出了要求,正是为了提高检测的准确率。
从以上两方面的分析也自然而然得出了未来智能化的发展思路:专业化的智能设备、标准化的安装建设,以提高智能的准确率,使智能不再鸡肋。当前端智能摄像机配合后端云计算做智能化大数据挖掘应用时,带来的将会是全新的智慧体验:智慧家庭、智慧园区、智慧交通、智慧城市、智慧地球。我们也会从目前的“事后查证”及“事中报警”这两阶段,进入到“事前预判”阶段,终结犯罪,在案发之前。