邊緣人工智能提供了一個有趣的未來！

過去，將AI投入工作需要巨大的服務器機房，需要大量的計算能力，并且不可避免地需要對能源和IT資源進行大量投資?，F(xiàn)在，更多任務正在由放置在我們物理世界“邊緣”的設備完成。

HanwhaTechwinEurope產(chǎn)品和營銷主管UriGuterman認為，由于不需要將原始數(shù)據(jù)流回服務器進行分析，邊緣人工智能將使人工智能在我們的世界中更加普遍。這也為視頻監(jiān)控行業(yè)帶來了巨大的好處。在這里，Guterman解釋了這一現(xiàn)象背后的原因，并觀察了當今的人工智能是如何使用的，以及該技術在未來將如何發(fā)展?？沙掷m(xù)發(fā)展效益與基于服務器的AI相比，邊緣人工智能有幾個優(yōu)勢。首先，傳輸回服務器的數(shù)據(jù)減少了，從而降低了帶寬需求和成本。擁有成本降低了，并且由于不再需要維護大型服務器室，還可以獲得重要的可持續(xù)性收益。設備本身的能源節(jié)約也可以實現(xiàn)，因為在本地執(zhí)行人工智能任務所需的能源大大減少，而不是將數(shù)據(jù)發(fā)回服務器。成本效益與基于云計算的計算模式相比，邊緣人工智能設備通常不需要支付經(jīng)常性的訂閱費，從而避免了由此帶來的價格上漲。專注于邊緣設備還使終端用戶能夠投資于自己的基礎設施。更大的可擴展性使用邊緣人工智能的攝像頭可以使視頻安裝更加靈活和可擴展，這對于希望分階段部署項目的組織特別有幫助。隨著需求的發(fā)展，更多的AI攝像頭和設備可以添加到系統(tǒng)中，而無需終端用戶從一開始就使用昂貴的GPU和大量帶寬的大型服務器。提高運營績效和安全性由于視頻分析發(fā)生在設備的邊緣，只需要通過網(wǎng)絡發(fā)送元數(shù)據(jù)，這也提高了網(wǎng)絡安全性，因為在傳輸過程中沒有敏感數(shù)據(jù)可供黑客攔截。處理是在邊緣進行的，因此無需通過網(wǎng)絡發(fā)送原始數(shù)據(jù)或視頻流。由于分析是在本地設備上完成的，邊緣人工智能消除了與云或服務器通信的延遲。響應速度加快，這意味著像自動聚焦事件、授予訪問權限或觸發(fā)入侵者警報等這類任務可以幾乎實時地發(fā)生。此外，在設備上運行AI可以提高觸發(fā)器的準確性，并減少誤報。通過使用深度學習的邊緣人工智能，人數(shù)統(tǒng)計、占用率測量、隊列管理等都可以進行高精度的計算。這可以提高操作人員的響應效率，并減少挫敗感，因為他們不必響應誤報。人工智能攝像頭還可以在同一設備上運行多個視頻分析，這是另一個效率提升，意味著操作人員可以輕松部署人工智能來警告潛在的緊急情況或入侵、檢測安全事件或跟蹤嫌疑人。視頻質(zhì)量改進更重要的是，在邊緣使用人工智能，可以提高捕獲的視頻質(zhì)量。降噪可以在設備上本地執(zhí)行，使用人工智能，可以專門降低感興趣物體周圍的噪音，例如在檢測到的區(qū)域內(nèi)移動的人。Bestshot等功能確保操作人員無需篩選大量鏡頭即可找到嫌疑人的最佳角度。相反，人工智能可以立即提供最佳鏡頭，幫助減少反應時間，加快事后調(diào)查。其還有節(jié)省存儲空間和帶寬的額外好處，因為只有最好的照片才會被傳輸和存儲?；谌斯ぶ悄艿膲嚎s技術也適用于人工智能檢測、跟蹤的對象和人員應用低壓縮率，同時適用于剩余的視場的高壓縮率-這最大限度地減少了網(wǎng)絡帶寬和數(shù)據(jù)存儲需求。使用元數(shù)據(jù)邊緣人工智能攝像頭可以通過API(應用程序編程接口)向第三方軟件提供元數(shù)據(jù)。這意味著，系統(tǒng)集成商和技術合作伙伴可以將其作為人工智能分類的第一種手段，然后用自己的軟件對分類對象進行額外處理——在其基礎上增加另一層分析。彈性在邊緣使用人工智能不會出現(xiàn)單點故障。即使網(wǎng)絡或云服務出現(xiàn)故障，人工智能也能繼續(xù)運行。觸發(fā)器仍然可以在本地操作，或發(fā)送到另一個設備，并在連接恢復時將記錄和事件發(fā)送到后端。人工智能在邊緣設備上幾乎是實時處理的，而不是流回服務器或遠程云服務。這避免了潛在的不穩(wěn)定網(wǎng)絡連接延遲分析。對安裝人員的好處特別是對于安裝人員來說，在安裝過程中提供邊緣人工智能，可以幫助他們在市場上脫穎而出，為許多不同的用例提供解決方案。開箱即用的解決方案，對那些沒有時間或資源手動設置視頻分析的終端用戶極具吸引力。像WisenetX系列和P系列的AI攝像機直接開箱即用，無需視頻分析專家來微調(diào)分析。安裝程序不必花費寶貴的時間來配置復雜的服務器端軟件。當然，這也對培訓時間和成本產(chǎn)生了連鎖的積極影響。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。