邊際人工智慧：影像監控的機會
在影像監控的世界裡，邊際運算的主要優點之一，就是能夠在攝影機內部利用人工智慧 (AI) 和深度學習進行進階分析。
首先，「邊際」是什麼意思？
我們安全網路的邊際裝置數量正在增加，在安全與安防領域扮演著更重要的角色。邊際運算代表在連線裝置本身建立更多功能，使資訊處理能力盡可能靠近來源。
對於影像監控網路而言，這代表可以在攝影機本身執行更多的操作。人工智慧 (AI)、機器學習和深度學習在影像監控中不斷提升，因此我們能夠「教導」攝影機，以便透過更直覺的方式進行即時拍攝並分析內容。例如，場景中的車輛是汽車、公共汽車或卡車？建築物旁是人類還是動物？那些是路上的陰影還是物體？
這些解析能力將減少在分析數據和做出決策時需要人工輸入的負擔。最終，應該加快反應時間，最好能夠達到拯救生命的目的，提供寶貴的深入解析，塑造未來的建築、城市和運輸系統。
我們該如何改變邊際影像監控？
目前，大部分監控攝影機鏡頭的邊際分析僅能顯示某些東西或某人正在移動。在集中式伺服器上透過影像管理系統 (VMS) 進行分析之後，必須確切解讀是什麼在動，是否具有任何威脅或安全風險。
為能了解物體是車輛、人類、動物，還是其他東西，我們可以「訓練」攝影機系統來偵測及分類物體。這可能讓我們了解更多的物體和情境。
標準分析可以發現車輛觸發警報。在此之上，您可以透過智慧型深度學習層深入瞭解更多細節：這是何種車輛？所在區域是否會導致潛在問題，還是在路肩可能造成立即危險？這是公共汽車嗎，乘客下車時是否會發生危險？
邊際分析的優點
邊際分析的準確度越高，以及能夠區分多類物體的能力，可以立刻降低誤判率。同時減少時間，以及調查這些誤報所耗費的資源。從更積極的角度來看，邊際分析可以建立更適當且及時的回應。
例如，在前端攝影機執行人工智慧分析可識別高速公路上的物體並警告駕駛。深度學習區分人類與車輛的能力，有助於在向駕駛者發出警告前定義出嚴重程度。如果攝影機看到路上有人發生危險，可以自動啟動告示牌以減緩交通流量，並通報緊急值勤單位。
隨著時間的發展，在分析功能背後的開發人員可以看到趨勢，不僅可用於流量管理和規劃，也適用於其他野生動物行為及保育機構。能夠區分交通類型—行人、單車、駕駛、商用車—提供寶貴的趨勢解析，幫助土木工程師規劃未來的智慧城市。
將原始資料轉換為可運用的分析資訊
邊際分析的另一個主要優點是，盡可能接近來源，分析的影像畫面品質最高。在傳統模式中，當在伺服器上進行分析時，影像通常會在傳輸之前進行壓縮，因此分析的影像品質下降。
此外，當分析集中（在伺服器上進行）時，如果解決方案新增更多攝影機，則會傳輸更多資料，因此需要新增更多伺服器來處理分析作業。在前端攝影機部署功能強大的分析能力，代表只有最相關的資訊會透過網路傳送，可減少頻寬和儲存的負擔。
想了解更多關於我們的固定式攝影機，以及其所帶來的卓越性能和處理能力？