0
前端智能，無疑是安防在AI浪潮下誕生的最主要方向之一。
但并不是將AI算法加到前端攝像頭上，就能實現好的前端感知和識別。
深入場景，不斷做需求適配，才是制勝之道。
在一賽道上，專注于嵌入式計算機視覺與感知的觸景無限又一次拿出新品，完善了自己在邊緣智能上的能力。
昨日，安博會期間，觸景無限以“邊緣進化·共塑未來 ”為主題，展出了一系列邊緣端產品，其中兩款新產品“盾悟·智能邊緣物聯網關”，及“盾視·智能高密度人流優化”系統，尤其吸睛。
隨著5G發展，物聯網的熱度進一步提升。5G在大幅增加帶寬的同時降低了延遲，允許大量物聯網傳感器接入，使得萬物聯網真正變為現實。
但越來越多傳感器的接入，也給傳統中心式云端系統帶來了較大壓力：物聯網各類傳感器數據指數級爆發、大量非結構化數據、傳輸困難、能效比低等。
那么如何打造分布式的邊緣智能，就成為了物聯網時代的關鍵技術。
觸景無限新發布的智能邊緣物聯網關，可以說很好的回應了這一問題。
盾悟·智能邊緣物聯網關，相較于以往多采用視頻進行分析的設備不同，其可支持多種傳感器接入，在本地實時處理分析，對視頻、風速、溫度、煙霧、光照、濕度等多種數據，以及人臉、車、異物、煙火、行為，進行檢測與識別。
得益于容器技術的支持，在功能/應用多元化擴展方面也更加輕松便捷，同時無明文的加密傳輸能更好保證數據的安全。
這款產品目前可應用于地鐵、電網等場景。其主要特點有三：首先采用低功耗芯片，功耗低；第二支持連接各種傳感器，能與視頻數據相互補充；第三，帶有深度學習加速芯片，可支持不同的模型，便于升級。
觸景無限CEO肖洪波現場也介紹道：如針對電網場景，智能邊緣物聯網關可放置于電塔上，分析周圍是否會有異物，帶來短路；最近是否有山火或施工；是否有高的吊車，觸碰高壓線等情況，以保障電塔的正常運行。
這一場景中的難點在于，野外場景，難以實現供電。電塔上通常很高，設備無法使用高壓電，也沒有網絡，難以進行其他供電。
觸景無限的設備，就能做到保證的低功耗，同時在沒有太陽的情況下，持續工作。
傳統云端識別系統，在百萬乃至千萬級人流量壓力下，因網絡傳輸和大底庫比對識別的固有問題，會導致數秒延時，準確率也會降低。在人流比較擁擠的卡口，使用純云端識別，極易造成擁堵，商用價值較低。
觸景無限針對此類識別應用場景，如地鐵、火車站、銀行等，推出了另一新品盾視·智能高密度人流優化系統。
其基于邊緣智能、分布式計算等技術，打造了云邊協同優化方案，通過建設本地預篩系統，以高效安全的聯合分布式識別系統，取代純云端識別，減少識別的計算量，提高了識別速度和精準度，實現了極短延遲的識別體驗。從而使得百萬乃至千萬級底庫的線下卡口人臉識別應用，變為可行。
肖洪波解釋道，地鐵站、火車站中通常會有卡口限制所有人進出，但經過時，通過閘機進行基于云端的人臉識別，識別時間速度很慢。
而采用觸景無限的系統，能做到接近1人/s的通行速度，大大提高了識別速率，同時，其還能支撐百萬級至千萬級的人臉數據庫。
觸景無限的智能高密度人流優化，通過多級的系統架構，形成了邊緣集群，進行處理和加速。
除兩大新品外，觸景無限還展出了瞬視系列產品，以及數據中心智能防控、高戒備場所智能化、平安校園、智慧交管等解決方案。
現場，觸景無限還針對市面上一些其他廠商推出的邊緣智能設備進行了對比，效果上觸景無限顯然能提供更優的識別和檢測效果。
為什么觸景無限能做到這些？
肖洪波在現場，也提及了做前端智能的主要難點和心得。
前端的主要難題在于邊界已經給定，在算法、算力，及外界的限制條件下，通過數學或物理上的東西，進行優化，這是以往后端智能上所沒有面對過的挑戰。
“前端智能，實現起來很復雜。相對后端有比較成熟的GPU服務器，有很完善的處理環境，前端往往要采用一些不是很成熟的思路。如，現在前端還沒有很成熟的芯片，也沒有特別豐富的供應鏈，所以開發難度非常大。”肖洪波說道。
而觸景無限，通過近十年的經驗積累，在邊緣智能領域，打下了自己的一片江山。
不過，立足于感知，觸景無限的愿景，還在更大。
肖洪波告訴AI掘金志，前端感知有著更廣闊的市場。觸景無限提出的“毫米、毫秒、毫瓦”的“三毫”概念描述著觸景無限對感知的技術愿景，即打造“小體積、反應速度快，且功耗低”的產品，這一理念的最終點就是感知的“芯片化”。以單一的芯片取代原來的復雜設計，置入各種設備，打造一個“看得見”的世界。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
