<sub id="zjhrx"></sub>

          <listing id="zjhrx"><meter id="zjhrx"></meter></listing>

            当前位置:视频监控/安防行业动态 → 正文

            赋能安防行业,云边融合乃大势所趋

            责任编辑:zsheng |来源:企业网D1Net  2019-02-22 08:25:52 本文摘自:安防知识网

            前言:云计算与边缘计算是看似矛盾,?#23548;?#19978;却是协同、互补的两种方式。安防行业也好,物联网也好,只有将边缘计算和云计算协同使用,才会发挥出最大的价值。

            互联网时代,核心的数据生产、分析,发放全部依赖云端服务器,而终端设备则只有例如PC机、手机、PAD这一类电子设备。物联网这一概念的提出,则大大扩充了终端设备的范围,万物互联,任何一样东西经过智能化改造都可以成为终端,都可以成为数据的来源,而正是有了这些边缘端的设备,才促进了边缘计算爆发式增长。

            边缘计算赋能安防行业

            2012年以前的传统安防行业,简单来说就是“视频监控”,以摄像机作为前端感知设备,负责数据的采集;服务器作为后端设备,负责数据的处理及分析。

            边缘计算的出现则将安防的智能化带向了前端。传统方?#36739;攏?#25105;?#24378;?#33021;需要堆叠大量的GPU服务器来实?#32456;?#20123;智能化的服务,而现在,我?#24378;?#20197;逐步的将例如人脸的检测、抓拍、识别,视频的结构化、车辆的检测与识别放到前端摄像头去实现,这样的变化带来的影响巨大。

            首先是带宽方面,我们不再需要将原始数据全部传输到云端去处理,然后发送回来,而是直接边缘端即可完成处理;第二是成本方面,大规模量产的前端芯片成本要远低于后台服务器的芯片成本,同时海量服务器的运维、散热、机房租用等等成本更高;第三是延时方面,例如一个人脸识别,前端设备直接能够自行处理,可以不需要将视频传输回去,解析、抠图、识别然后再把结果返回来,这难以满足很多场景下快速响应的需求。

            当然,安防行业的智能化与前置化的核心或者?#30340;?#28857;是前端处理能力,也就是芯片。云端的处理能力,我?#24378;?#20197;通过服务器的叠加来实现。但是。边缘端的芯片则需要在保持强大运算能力的同时,尽可能的降低功耗、降?#32479;?#26412;以满足大规模推广需求,这是一件非常具有挑战的事情。

            云边融合已为产业必然趋势

            尽管云计算早在2005年就已提出,且具有强大的运算能力以及海量数据挖掘与分析能力。但随着物联网时代的到来,日常生活中产生的大量数据需要更快速的响应及处理,这些都是云计算不能解决的问题。在网络带宽有限、网络拥堵、响应延时一系列技术的要求下,边缘计算开始成为物联网时代超越云计算的最佳“使用方法”。

            不过,尽管云计算与边缘计算是看似矛盾,?#23548;?#19978;却是协同、互补的两种方式。也就是说,边缘计算虽然有其明显的优势,但是用边缘计算来替代云计算也是不可行的。例如海量数据的挖掘、关联分析,关键数据的存储,多边缘节点的联动都需要依赖云端来完成,云计算厂?#20063;?#23616;边缘计算,是对自身能力的一个补充,从而可以提供更好更完整的解决方案,也是顺应技术发展的需要。

            但不管是安防行业还是物联网,只有将边缘计算和云计算协同使用,才会发挥出最大的价值。

            由于物联网设备类型的多样性和广泛性,对网络要求、计算存储、运维管理等诸多方面带来挑战,而云计算在安防行业(物联网)领域并非万能,边缘计算和云计算融合才能更好解决物联网的现实问题。以视频监控的发展为例,视频监控数字化后将部分存储和管理功能转?#39057;?#36793;缘,随着技术演进,既需要边缘设备的灵活响应,?#20013;?#31649;理复杂的采、存、算等设备,像人体这个复杂系统一样,连接感知末梢与大?#26434;行?#36816;作的,是非常复杂的经络体系,而不是简单的信息通道。

            所以,云计算与边缘计算的协同不是简单的云+端,更不是简单地分成若干个所谓的“小云”再汇聚到更大规模的云,而是切实解决从端到云所带来的应用、数据处理、管理等一系列问题。

            要落地?但边缘计算难点有待解决

            尽管边缘计算存在节省带宽成本、节约服务器成本、存储成本、降低响应时间等优势,但其在落地应用过程中仍然存在应用层面、技术层面的问题。

            ●场景?#35270;?#24615;。我们知道,当前还处于人工智能发展初级阶段,各项应用与服务都是基于“模型训练“得到的,并没有达到强人工智能的阶段,所以本身计算、识别及分析能力对场景的依赖性较大,所以我们需要更多的应用场景去加速边缘计算的落地,需要更多的技术投入、?#24335;?#21450;人力的投入。

            ●改造成本。传统安防的客户主要是公安、政法委这一类,这些客户具有项目运作周期长的特点,所以新技术的应用很难快速的在这些场景铺开。

            ●技术实力与实战标准的区别。以人脸识别为例,“人脸识别“的技术是很成熟的,但是到了?#23548;?#30340;场景中,仍然存在识别不准确、识别不出来、识别效果不好等,例如人是低着头的、光照会发生变化、摄像?#25918;?#25668;角?#20219;?#39064;这些不可控因素都会导致识别结果不好。人脸识别这项很成熟的技术尚且如此,那么到了其他应用场景,例如要做安全帽的识别、做车辆乱停的识别、做水尺的识别、集装箱识别,这些理论上,只要数据量足够充分都可以发掘,但是达到”解决客户问题“这样的标准,目前还有很多工作有待解决。

            小结:

            新行业的发展必然伴随着新的需求出现,而技术的突破则能够带来新的产品和解决方案。

            巨头布局边缘计算是必然趋势,未来云和端缺一不可,但是由于边缘计算面向的还是某个具体应用场景,且AI的应用场景会比互联网以及移动互联网时代要丰富得多。可以预见的是,在未来人工智能时代,边缘端将会有大量机会,也将出现有多家AI芯片厂商共存的?#32622;妗?#25105;们一起期待!

            关键字:融合 行业 安防

            本文摘自:安防知识网

            赋能安防行业,云边融合乃大势所趋 扫一扫
            分享本文到朋友圈

            关于我们联系我们版权声明友情链接广告服务会员服务投稿?#34892;?/a>招贤纳士

            企业网版权所有©2010-2019 京ICP备09108050号-6

            ^
            北京时时彩开奖结果走势图

                    <sub id="zjhrx"></sub>

                    <listing id="zjhrx"><meter id="zjhrx"></meter></listing>

                              <sub id="zjhrx"></sub>

                              <listing id="zjhrx"><meter id="zjhrx"></meter></listing>