在物聯(lián)網(wǎng)（IoT）浪潮翻江倒海而來的趨勢(shì)下，安防產(chǎn)業(yè)該如何找到乘風(fēng)破浪、再創(chuàng)新機(jī)的著力點(diǎn)，是目前全球安防業(yè)者最關(guān)注也最迫切的問題。然而，物聯(lián)網(wǎng)的范圍其實(shí)非常廣泛，實(shí)在無法聚焦哪些范圍是安防產(chǎn)業(yè)要整合的。

文/張淂福 資深技術(shù)顧問

　　因此，法蘭克福新時(shí)代傳媒以媒體平臺(tái)（a&s雜志、secutech安全博覽會(huì)）之姿，和安全&自動(dòng)化廠商們集思廣益，將物聯(lián)網(wǎng)中對(duì)環(huán)境安全、人員安全、事件運(yùn)作三部分的物聯(lián)感知，與影像監(jiān)控、智慧分析辨識(shí)、云端大數(shù)據(jù)三大技術(shù)面向，進(jìn)行從元件端到平臺(tái)云端的End to End整合，以期形成安全&自動(dòng)化產(chǎn)業(yè)全新生態(tài)系統(tǒng)（產(chǎn)業(yè)鏈），我們稱之為物聯(lián)安防（IoT Security）。

　　物聯(lián)安防的四大要素

　　“物聯(lián)安防”是一個(gè)全新的安全&自動(dòng)化應(yīng)用概念，它集合從IoT感知器所收集的資料，透過傳輸再與安防系統(tǒng)（如監(jiān)控的影像資料）數(shù)據(jù)整合后，經(jīng)過一連串的識(shí)別分析及運(yùn)算所得出的結(jié)果，再透過監(jiān)控與自動(dòng)化系統(tǒng)的控制整合自動(dòng)或人工控制下達(dá)指令進(jìn)行應(yīng)有的事件反應(yīng)動(dòng)作。

　　以影像監(jiān)控為例，不同于單純視頻（影像）結(jié)構(gòu)化的數(shù)據(jù)分離與IoT感知信號(hào)各別處理反應(yīng)的方式，“物聯(lián)安防”主要包含了四大要素：安防前端設(shè)備晶片發(fā)展與感知元件的整合、不同于過去網(wǎng)路末端的最后一英里（Last Mile）傳輸方式、軟體與后端平臺(tái)硬體的效能提升。而這四大要素則是透過不同芯片方案的創(chuàng)新發(fā)展與結(jié)合，它們分別是：

　　一、Security安控技術(shù)芯片整合

　　這些創(chuàng)新技術(shù)來自于新一代H.265 CODEC編／解碼壓縮處理、VR/AR虛擬與擴(kuò)增實(shí)境全景／環(huán)景處理、VCA/IVS智慧影像處理、Biometrics多重生物辨識(shí)晶片以及IoT智慧感知Sensor的導(dǎo)入，達(dá)到創(chuàng)新功能差異化，并得以搭配新一代影像監(jiān)控平臺(tái)達(dá)到真正的智慧監(jiān)控要求境界。

　　二、IoT物聯(lián)感知技術(shù)

　　在物聯(lián)網(wǎng)與工業(yè)4.0的趨勢(shì)下，智慧制造、智慧醫(yī)療、智慧家庭、車聯(lián)網(wǎng)…等所有應(yīng)用需求讓各種Sensor感知技術(shù)發(fā)揮了更大的核心影響力！同時(shí)隨著工業(yè)自動(dòng)化及機(jī)器視覺應(yīng)用的多元化發(fā)展，感知器的識(shí)別率、成本和速度將成為機(jī)器視覺系統(tǒng)的核心競(jìng)爭力。

　　三、CPU/GPU/MCU Platform高效能平臺(tái)芯片技術(shù)

　　GPU（Graphics Processing Unit）是新一代高速顯示卡，其地位與CPU在主機(jī)板上一樣重要。GPU極大提升了電腦圖形處理的速度、增犟了圖形的品質(zhì)，并促進(jìn)了與電腦圖形相關(guān)其他領(lǐng)域的快速發(fā)展。在硬體搭載或平臺(tái)伺服器使用CPU + GPU可提供更高階的影像處理（Video Data Processing）功能及運(yùn)算速度，例如：VMS或是擴(kuò)充VR。而針對(duì)伺服器的CPU + GPU圖形運(yùn)算晶片將成為新一代平臺(tái)硬體主要芯片技術(shù)應(yīng)用，同時(shí)再佐以多種微控制芯片（Micro-controller Unit，MCU）的嵌入，安全&自動(dòng)化系統(tǒng)可以滿足任何感知器與控制器的處理，達(dá)到真正的物聯(lián)網(wǎng)應(yīng)用。

　　四、網(wǎng)路“最后一英里”的傳輸技術(shù)

　　無線傳輸技術(shù)為物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展所必備，但wifi、zigbee、Z-wav都會(huì)面臨傳輸與功耗的問題。在“物聯(lián)安防”的概念下，將聚焦全球三大技術(shù)陣營－LoRa、NB-IoT與Sigfox，這三種需要基地臺(tái)、長距離、低功耗的物聯(lián)網(wǎng)傳輸技術(shù)，可擴(kuò)大通信范圍并抗干擾，將大幅滿足物聯(lián)網(wǎng)持續(xù)上傳／下載的傳輸需求。

　　物聯(lián)安防的發(fā)展應(yīng)用

　　當(dāng)安防產(chǎn)業(yè)發(fā)展到了“物聯(lián)安防”，包括：AI人工智慧、機(jī)器視覺、深度學(xué)習(xí)與大數(shù)據(jù)的採集的發(fā)展，與安防技術(shù)（如監(jiān)控）的進(jìn)一步整合，將會(huì)帶來全新的應(yīng)用境界。

　　一、AI人工智慧

　　學(xué)習(xí)、深度學(xué)習(xí)等術(shù)語。AlphaGo之所以打敗人腦，這三項(xiàng)技術(shù)都立下了汗馬功勞，它們并不是突然出現(xiàn)，而是由人類發(fā)想理念，然后才是機(jī)器學(xué)習(xí)，當(dāng)機(jī)器學(xué)習(xí)實(shí)現(xiàn)之后也才有深度學(xué)習(xí)這名詞。而AI人工智慧之所以能夠從2015年開始進(jìn)入“大爆發(fā)”階段，除了拜深度學(xué)習(xí)應(yīng)用所賜，也要?dú)w功于GPU芯片的廣泛普及，它讓并行處理更快、更便宜;以及因應(yīng)資料大規(guī)模生成（如圖片、文本、交易、地圖資訊…）而無限拓展的存儲(chǔ)容量。

　　二、機(jī)器視覺

　　機(jī)器學(xué)習(xí)主要是研究AI人工智慧如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體演算法的效能，而“機(jī)器視覺”則是機(jī)器學(xué)習(xí)的最佳應(yīng)用領(lǐng)域之一。機(jī)器視覺是一種利用光學(xué)系統(tǒng)、工業(yè)數(shù)位相機(jī)和影像處理工具來類比人類視覺和思維的技術(shù)，屬于傳感檢測(cè)領(lǐng)域的自動(dòng)化應(yīng)用設(shè)備。

　　機(jī)器視覺系統(tǒng)具有極高的分辨精度和處理速度，在諸多指標(biāo)上達(dá)到或超過人眼的視覺能力，并可以通過紅外線、超聲波、微波專用感知器成像等處理人體無法感知的內(nèi)容。此外，機(jī)器視覺系統(tǒng)還可以不間斷工作，并具有成像指標(biāo)客觀、可量化等優(yōu)點(diǎn)。隨著工業(yè)自動(dòng)化與機(jī)器視覺應(yīng)用領(lǐng)域的多元化發(fā)展，識(shí)別率、成本和速度將成為機(jī)器視覺系統(tǒng)的核心競(jìng)爭力。而通過較低的硬體設(shè)定達(dá)到良好的識(shí)別率和處理速度，則能夠?yàn)樵O(shè)備供應(yīng)商帶來更多的成本優(yōu)勢(shì)。

　　三、深度學(xué)習(xí)

　　深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，其利用人工神經(jīng)網(wǎng)路（Artificial Neural Networks）的運(yùn)算方法，每一個(gè)神經(jīng)元會(huì)對(duì)輸入的資訊進(jìn)行權(quán)衡、確定權(quán)重，搞清它與所執(zhí)行任務(wù)的關(guān)系，真正讓學(xué)習(xí)有了“深度”。深度學(xué)習(xí)有很多應(yīng)用場(chǎng)景，只要涉及到目標(biāo)檢測(cè)、目標(biāo)識(shí)別的地方都可以應(yīng)用深度學(xué)習(xí)來解決，例如：人臉識(shí)別、行人識(shí)別、車輛識(shí)別、物體檢測(cè)識(shí)別、圖像分割、光學(xué)字元辨識(shí)…等應(yīng)用場(chǎng)景，可進(jìn)一步細(xì)化特征識(shí)別，包括人和車輛等更多特征將得到檢測(cè)和識(shí)別。

　　隨著芯片技術(shù)的發(fā)展，計(jì)算性能不斷提升，加上利用大量豐富的資料樣本“訓(xùn)練”，演算法成熟周期越來越短，場(chǎng)景適應(yīng)性、識(shí)別指標(biāo)不斷提升，性價(jià)比也越來越高。越來越豐富的智慧分析資訊，必然在各種行業(yè)中得到應(yīng)用。

　　四、大數(shù)據(jù)采集與應(yīng)用

　　隨著物聯(lián)網(wǎng)應(yīng)用普及，物聯(lián)網(wǎng)整合監(jiān)控系統(tǒng)軟體的影像與數(shù)據(jù)資料的接入和存儲(chǔ)也越來越多，如何有效利用這些影像與數(shù)據(jù)資料、深度挖掘其潛在價(jià)值，是系統(tǒng)商與用戶當(dāng)前面臨的首要問題。

　　視頻（影像）結(jié)構(gòu)化的監(jiān)控系統(tǒng)只能解決大量影像資訊的存儲(chǔ)、搜尋、互聯(lián)互通等問題，但仍然無法準(zhǔn)確識(shí)別、定位和分析辨識(shí)影像中的人／事／物等資訊?，F(xiàn)在，除了要有超高清的即時(shí)影像監(jiān)控、追蹤及畫面調(diào)撥來查核錄影影像中的可疑目標(biāo)外，“物聯(lián)安防”還必須能夠依靠大數(shù)據(jù)提取、辨識(shí)分析及運(yùn)算技術(shù)結(jié)合影像目標(biāo)偵查作業(yè)，對(duì)監(jiān)控畫面中可疑或重要的目標(biāo)影像結(jié)合先進(jìn)的3D、行為姿態(tài)與人臉／車牌等智慧辨識(shí)分析，提取可疑的人／事／物等目標(biāo)資料，產(chǎn)生有系統(tǒng)架構(gòu)的影像與情境文字描述，從而實(shí)現(xiàn)特定目標(biāo)的快速定位、搜尋。

　　例如：若發(fā)生刑事案件，可收集案發(fā)現(xiàn)場(chǎng)監(jiān)控影像及所有物聯(lián)網(wǎng)感知設(shè)備所收集的環(huán)境與生物反應(yīng)、時(shí)間過程等資訊進(jìn)行一連串智慧分析運(yùn)算，對(duì)其相關(guān)聯(lián)影像中人／事／物目標(biāo)進(jìn)行資料提取分析，并對(duì)每個(gè)圖片和影像進(jìn)行目標(biāo)物件的人工標(biāo)注描述，實(shí)現(xiàn)影像、圖片與對(duì)應(yīng)人／事／物資料的關(guān)聯(lián)比對(duì)，然后上傳到影像與數(shù)據(jù)資料庫進(jìn)行更快速的比對(duì)運(yùn)算，以得出資料庫數(shù)據(jù)做為研判依據(jù)。還可利用GIS地圖視覺化，結(jié)合時(shí)間與空間資料，詳細(xì)刻劃可疑目標(biāo)的活動(dòng)軌跡，為偵破刑案提供重要支援。

　　結(jié)論

　　大數(shù)據(jù)采集分析不像傳統(tǒng)監(jiān)控資料只有視頻和圖片，如果去查詢也只能是獲得空間和時(shí)間兩個(gè)參數(shù)，隨著“物聯(lián)安防”的智慧化發(fā)展，透過大量數(shù)據(jù)的接入及數(shù)據(jù)之間的深度挖掘分析，將會(huì)大大縮小人工研判分析范圍、提高工作效率。以當(dāng)前的應(yīng)用來看，智慧視頻分析技術(shù)在“物聯(lián)安防”背景下，將會(huì)隨著物聯(lián)安防大平臺(tái)發(fā)展，邁向更加整合化、智慧化的方向發(fā)展，讓“物聯(lián)安防”的技術(shù)應(yīng)用不止是要能達(dá)到看得清、看得懂的程度，還要能辨識(shí)出得影像場(chǎng)景的蛛絲馬跡行為，更可以把分析結(jié)果呈現(xiàn)出來。而最大的改變就在于“物聯(lián)安防”的技術(shù)實(shí)務(wù)，讓大量數(shù)據(jù)云端應(yīng)用能不斷突破和成熟。