AIOT下的智慧安防,不再是曾经的安防,尽管还带有诸多原有的色彩,从行业几大龙头企业纷纷转向智能物联的战略布局中,可窥见一斑。

会思考的物联网,向万物互联转变

对于AIoT的概念,业内普遍认为即人工智能物联网,也称智能物联网,广义上是指人工智能技术与物联网技术的融合及其在实际场景中的应用。AIoT是新的物联网应用形态,将物联网产生并收集到的数据存储于云端,通过人工智能、大数据进行分析,并赋予其智能化特性,实现真正意义上的万物互联。

可以理解为,是给IoT加装了一个AI大脑,让设备的简单连接上升为智能交互。而IoT相对于AI而言,则是一大超级感知系统,依托丰富的物联网传感设备,可进行视觉、听觉、温度、环境等各类传感数据的采集,并将这些数据发送给AI进行分析和处理。与此同时,这些数据也是AI进行深度学习的重要养料,训练出越来越智能的AI。

为一种新的IoT应用形态,AIoT与传统的IoT区别在于,传统的物联网是通过有线和无线网络,实现物—物、人—物之间的互联,而AIoT不仅是实现设备和场景间的互联互通,还要实现物—物、人—物、物—人、人—物—服务之间的连接和数据的交互。物联网与人工智能相融合,最终追求的是形成一个智能化生态体系,在该体系内,实现不同智能终端设备之间、不同系统平台之间、不同应用场景之间的互联互通。

如此一来,云边端架构在智慧安防盛行。以防盗报警为例,软硬一体是安防产品的第二次工具革命。中科伟业总线型网络报警主机,以报警视频为核心,以网络传输为枢纽,运用互联网思维、大数据、云计算以及智能技术系统集成综合业务管理平台。它将设备以图标的形式在平台中进行一一展示,可直观的获取整个区域的设备运行状态,可选择设备进行指令操作管理。在设置界面总共有设备工具、设备管理、防区管理、报警记录、系统设置、键盘配置、系统维护、服务热线等八项功能。为此,精准灵活的控制与精细化管理都在平台之上,游刃有余。既然是网络线产品,通信能力是考量之一。

AIOT的十字路口:使能场景、做透行业

AIOT进入深水区,来到了应用的十字路口。该项融合性技术从技术演进历程来看,一般会经历自动化、设备连接、智能采集、信息可视化、大数据分析和智能预测的路径,实现从万物互连到万物智联的转变。以当下视角来看,5G、AI技术、物联网技术与传统行业整合,AIoT时代有望进一步提升智能建筑、智慧城市、智能交通、智慧物流、供应链物联网等各领域的智能化程度。

未来,围绕场景来做千行百业,才能使场景变“小”,行业变“大”,在细分场景中做分门别类的个性化与定制化应用。

在当下,物联网应用与网络一体化已经成为一种潮流,信息技术革命与互联网发展正在促使工业发展向网络应用智能化转变。

在物联网建设影响下,各智能系统之间的联动性越来越强,面对千行百业场景,只有物联后才能由点到线,由线到面为用户提供高价值的智能场景方案。

2022,万物互联成为常态,而智能视觉物联网(SVIoT)则是新未来。这意味着,推陈出新。智能视觉物联网是物联网的一次再造,利用各类图像传感器,包括监控摄像机、手机、数码相机,获取人、车、物图像或视频,采用图像视频模式识别技术对视觉信息进行处理, 提取视觉环境中人、车、物视觉标签,并通过网络传输与视觉标签应用系统连接,提供便捷的监控、检索、管理与控制。

行业也是如此,AIoT在技术成熟后下探市场才能为行业所用。我们可以把行业看成由N各场景组成,所以行业逻辑和市场法规在2022年,AIoT也有变化。列举交通行业来看,之前的智能交通建设,偏重硬件方面,缺乏软件平台来做业务梳理。而最近几年流行的数据中台,就是把感知端做互联共享,来打破业务与传统数据的之间的壁垒。在杭州的智能交通智能中枢,最大限度的挖掘原始视频资源背后的价值,同时融合其他多维度的IoT数据,更好的赋能交通出行,整个视频智能中枢,由一底座双中台构成,阿里云的专有云/公共云底座,搭载视频业务中台和数据智能中台。

感知体系的多元、层次与立体化

视频、音频、气味、生物特征等技术的发展和成熟,全面掌控防控场景和目标的完整信息成为可能,在智慧安防应用中越来越多的部署更多类别的感知设备,用于从更多维度采集目标信息,包括目标的各种要素、活动轨 迹以及关联信息等,从而形成一个动态感知体系,实现防控工作的“无所不在、无所不知”目标。

针对某一特定的应用场景,相关前端感知设备实现全互联直通,逻辑上各感知设备一体化,当一个设备的 感知到一条单维度信息后,通知其他设备从其他维度提取信息,对信息的准确性进行印证,从而实现群防群 治,实现在前端就能完成一次感知信息的数据清洗,从而保证了感知信息的准确性。

只有验证有效的信息才会 上报至后端系统和平台,在后端再进行数据综合应用,最终实现感知的多层运用。一方面,可以提升准确度, 减少误报;另一方面,通过本场归并,减少数据量,降低后端处理的压力。 

当前,智慧安防在感知运用上是一个个孤立的垂直结构,需要先由前端感知设备进行目标感知和信息采集,然后原始信息报送到后端业务系统进行结构化和业务语义化,最后业务数据汇总到中心数据综合应用平台(含大数据)进行数据治理和关联应用。

在感知运用信息链中前端设备和后端业务系统是垂直对应关系,只有到了中心数据综合应用平台才形成水平关系,才能面向多个业务系统进行多维数据综合和关联。

所以,我们在AIOT时代经常看到企业推出的“中枢大脑”。以紫光华智中枢大脑为例来看,一个城市的战“疫”,全面、精准、快速、预测是城市治理与风险防控建设目标,紫光华智“四引擎”各就各位并各司其职。

全面采集数据——构建城市立体管控圈。要驾驭数据,端侧的采集是第一步,也是关键一步。所以传统安防企业善于在采集端发力,这也是他们雄踞市场的制胜法则。

精准感知信息——多维特征融合定位疑似患者。为满足实战所需,感知的信息就需精准,而不是采集之后的眉毛胡子一把抓,同时,口罩遮住了行人的绝大部分特征,非约束场景下的摄像机无法精准定位到行人的感染路径。

快速认知知识——强化管控能力。知识是从信息中经过归纳、碰撞、流转、沉淀提炼而得到的有用资料,基于推理和分析,还可产生新的知识,体现了信息的本质和经验。快速认知知识,就是集中资源用最快的速度分析,快速把信息提取完成,让目标查找更便捷。

智慧预测预知——区域风险转化。当下用户对AI的期待之一就是能预测与预知,既能洞察当下,也能预知未来。复工开始后,海外的疫情爆发,哪些区域的疫情风险加大,如何防输入、防扩散、防聚集,及时发现风险因子是考题。