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

文/張淂福 資深技術顧問

　　因此，法蘭克福新時代傳媒以媒體平臺（a&s雜志、secutech安全博覽會）之姿，和安全&自動化廠商們集思廣益，將物聯(lián)網(wǎng)中對環(huán)境安全、人員安全、事件運作三部分的物聯(lián)感知，與影像監(jiān)控、智慧分析辨識、云端大數(shù)據(jù)三大技術面向，進行從元件端到平臺云端的End to End整合，以期形成安全&自動化產(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”是一個全新的安全&自動化應用概念，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)過一連串的識別分析及運算所得出的結果，再透過監(jiān)控與自動化系統(tǒng)的控制整合自動或人工控制下達指令進行應有的事件反應動作。

　　以影像監(jiān)控為例，不同于單純視頻（影像）結構化的數(shù)據(jù)分離與IoT感知信號各別處理反應的方式，“物聯(lián)安防”主要包含了四大要素：安防前端設備晶片發(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)展與結合，它們分別是：

　　一、Security安控技術芯片整合

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

　　二、IoT物聯(lián)感知技術

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

　　三、CPU/GPU/MCU Platform高效能平臺芯片技術

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

　　四、網(wǎng)路“最后一英里”的傳輸技術

　　無線傳輸技術為物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展所必備，但wifi、zigbee、Z-wav都會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陣營－LoRa、NB-IoT與Sigfox，這三種需要基地臺、長距離、低功耗的物聯(lián)網(wǎng)傳輸技術，可擴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)展應用

　　當安防產(chǎn)業(yè)發(fā)展到了“物聯(lián)安防”，包括：AI人工智慧、機器視覺、深度學習與大數(shù)據(jù)的採集的發(fā)展，與安防技術（如監(jiān)控）的進一步整合，將會帶來全新的應用境界。

　　一、AI人工智慧

　　學習、深度學習等術語。AlphaGo之所以打敗人腦，這三項技術都立下了汗馬功勞，它們并不是突然出現(xiàn)，而是由人類發(fā)想理念，然后才是機器學習，當機器學習實現(xiàn)之后也才有深度學習這名詞。而AI人工智慧之所以能夠從2015年開始進入“大爆發(fā)”階段，除了拜深度學習應用所賜，也要歸功于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…）而無限拓展的存儲容量。

　　二、機器視覺

　　機器學習主要是研究AI人工智慧如何在經(jīng)驗學習中改善具體演算法的效能，而“機器視覺”則是機器學習的最佳應用領域之一。機器視覺是一種利用光學系統(tǒng)、工業(yè)數(shù)位相機和影像處理工具來類比人類視覺和思維的技術，屬于傳感檢測領域的自動化應用設備。

　　機器視覺系統(tǒng)具有極高的分辨精度和處理速度，在諸多指標上達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容。此外，機器視覺系統(tǒng)還可以不間斷工作，并具有成像指標客觀、可量化等優(yōu)點。隨著工業(yè)自動化與機器視覺應用領域的多元化發(fā)展，識別率、成本和速度將成為機器視覺系統(tǒng)的核心競爭力。而通過較低的硬體設定達到良好的識別率和處理速度，則能夠為設備供應商帶來更多的成本優(yōu)勢。

　　三、深度學習

　　深度學習是實現(xiàn)機器學習的技術，其利用人工神經(jīng)網(wǎng)路（Artificial Neural Networks）的運算方法，每一個神經(jīng)元會對輸入的資訊進行權衡、確定權重，搞清它與所執(zhí)行任務的關系，真正讓學習有了“深度”。深度學習有很多應用場景，只要涉及到目標檢測、目標識別的地方都可以應用深度學習來解決，例如：人臉識別、行人識別、車輛識別、物體檢測識別、圖像分割、光學字元辨識…等應用場景，可進一步細化特征識別，包括人和車輛等更多特征將得到檢測和識別。

　　隨著芯片技術的發(fā)展，計算性能不斷提升，加上利用大量豐富的資料樣本“訓練”，演算法成熟周期越來越短，場景適應性、識別指標不斷提升，性價比也越來越高。越來越豐富的智慧分析資訊，必然在各種行業(yè)中得到應用。

　　四、大數(shù)據(jù)采集與應用

　　隨著物聯(lián)網(wǎng)應用普及，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、深度挖掘其潛在價值，是系統(tǒng)商與用戶當前面臨的首要問題。

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

　　例如：若發(fā)生刑事案件，可收集案發(fā)現(xiàn)場監(jiān)控影像及所有物聯(lián)網(wǎng)感知設備所收集的環(huán)境與生物反應、時間過程等資訊進行一連串智慧分析運算，對其相關聯(lián)影像中人／事／物目標進行資料提取分析，并對每個圖片和影像進行目標物件的人工標注描述，實現(xiàn)影像、圖片與對應人／事／物資料的關聯(lián)比對，然后上傳到影像與數(shù)據(jù)資料庫進行更快速的比對運算，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，結合時間與空間資料，詳細刻劃可疑目標的活動軌跡，為偵破刑案提供重要支援。

　　結論

　　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間兩個參數(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，將會大大縮小人工研判分析范圍、提高工作效率。以當前的應用來看，智慧視頻分析技術在“物聯(lián)安防”背景下，將會隨著物聯(lián)安防大平臺發(fā)展，邁向更加整合化、智慧化的方向發(fā)展，讓“物聯(lián)安防”的技術應用不止是要能達到看得清、看得懂的程度，還要能辨識出得影像場景的蛛絲馬跡行為，更可以把分析結果呈現(xiàn)出來。而最大的改變就在于“物聯(lián)安防”的技術實務，讓大量數(shù)據(jù)云端應用能不斷突破和成熟。