云计算、大数据、芯片、算法等技术如何解决准确率不高

eefocus
目前从大数据角度去分析,海量数据的分析处理仅仅依靠前端摄像机进行智能分析显然不现实,因此尽管后端管理在“前置分析”智能时代显得暗淡了些,但仍是不可缺少的一环。

智慧安防的主要目的是实现安防业务从“看得清”到“看得懂”升级。在云计算、大数据、芯片、算法等技术助推下,智慧安防应用早已开始落地。如今安防监控领域已进入数据爆发时代。

随着安防行业数据量快速增长,为进一步提高数据处理效果,越来越多的智能算法从后端转向在前端完成。前端智能不仅能够为后端提供高质量、初步结构化的图像数据,还能大大节省带宽和后端计算资源。目前已经有很多智能算法可以在前端实时运行,如人脸检测、进入/离开区域、越界、徘徊、停车、人员聚集等。

然而,一直以来安防业界大部分智能前端还停留在把简单视频分析算法集成到前端设备的阶段,这样的智能前端由于硬件性能限制,且在实际使用上智能分析结果易受环境干扰,准确率不高,给人“智能不智”的感觉。

要想解决前端智能所面临的问题,一方面需要对硬件进行科学针对性的设计,不断改进其功耗和散热功能;另一方面要对嵌入的智能算法做优化处理,尽量避免程序过于复杂,减少运算量,让一些复杂的东西变得简单,比如可以先将特别耗费处理器资源的算法放到芯片中去,减少智能算法对处理器资源的占用,这样便可以大大提高运算效率。

当然,目前从大数据角度去分析,海量数据的分析处理仅仅依靠前端摄像机进行智能分析显然不现实,因此尽管后端管理在“前置分析”智能时代显得暗淡了些,但仍是不可缺少的一环。

在智能化进程发展过程中,很长一段时间内,视频监控智能分析功能都是采用中心分析的方式来实现。这种方式自有其优势,比如:后端分析模式方便排除故障,可以有效解决存储容量压力;不需要前端摄像机具有智能分析功能,只需要上传视频流给智能分析服务器即可;由于硬件结构决定了智能分析服务器具有很高的处理性能,一台智能分析服务器便可以同时处理几十路前端视频流等等。

正如天地伟业总工程师天地伟业杨清永所说,“后端服务器可以应用更为复杂的算法,特别是那些移植到相机中需要大量优化和改进的、以及前端无法实时运行的复杂算法,分析效果相对前端产品要好。”后端设备的这些优势使得自身无法被替代。

结语:无论是前端采集多么智能,亦或是后端运算多么强大,两者互为补充,才能事半功倍。从某种意义上说,前端和后端配合起来做智能分析,才真正让视频图像智能分析大数据化,推动安防智慧化程度进一步加深。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论