七牛云作者

边缘计算的爆发为安防全产业带来了怎样的变化?

亚马逊、阿里、华为微软等巨头的战略布局,让未来不仅能就近提供智能互联服务,还能满足行业在数字化变革过程中的关键需求,逐渐成为万物互联时代下的又一新爆点。但需要注意的是,不管在安防行业还是工业,与物联网有着「亲密关系」的边缘计算要落地,如何应用将会是最核心的问题。然而要想了解这其中的逻辑关系,需要一步步来解析。

边缘计算是什么?

广义的说法是在靠近用户数据和访问侧,提供低延迟高可靠高可用就近弹性计算服务,满足客户在实时业务、应用智能、数据就近处理分析、数据安全和隐私保护等方面的关键需求,可灵活配置管理大规模边缘计算应用。

云计算边缘计算的关系是怎样的?

云计算边缘计算将会是一种共生关系。对于需要及时响应,算法相对简单的计算,利用边缘计算处理;对于非计算响应,算法复杂的计算,在云计算中进行。未来将是前端智能+边缘+云的组合。

前端智能

AI 芯片及嵌入式感知系统不断成熟发展,前端智能设备的算力不断增强,可以完成更为复杂的视觉计算功能,这样可以将检测、识别、分类的结果在前端进行实时应用。特定场景下对智能分析的实时性、安全性的要求,需要在前端智能设备上直接实现;前端智能化处理还能按需将高质量结构化数据及分析结果传输至后端,减少丢包、压缩造成的信息丢失或误差,提升智能分析的准确性。

前端智能的载体一般是具备一定计算能力的硬件设备,可以实现不同智能功能,例如:人脸检测、人脸特征提取、人脸识别、人体识别、车辆识别等。前端智能设备向上对接云端平台或者边缘计算单元,向云端推送视音频流以及结构化的数据,还可以对外围设备进行管理并响应直播云端的消息(可根据云端需求不同输出门禁信息、报警)等。

边缘计算

边缘计算节点主要是就近收集和存储智能前端的各类异构数据、就近管理和调度智能计算资源,满足不同场合对智能分析的即时响应、即时分析的需要。对于多级业务的复杂系统,边缘计算节点相应各个分级的应用,满足不同级别系统的计算需求。边缘计算节点可以接收、整合、传递智能前端的结构化数据,也可以根据需要调配算力,应用不同的算法对当前分级内的数据进行智能分析,实现智能应用。

单个的边缘节点可以将本级内智能前端以及边缘计算所需的存储资源以及计算资源进行统一管理,根据需求调度智能算法,结合边缘计算节点的智能分析能力,实现在本级内完成所有预定的智能功能;多个边缘计算节点可以根据需求组合,形成一个智能网络,在网络中对数据进行加工,交换数据,共享计算结果。 

云计算

云端计算平台除了完成对前端智能设备和边缘计算节点的管理功能外,还可以完成智能分析功能。云平台根据需求分配计算和存储的资源,按照业务的需求调度智能分析算法、大数据分析算法。

云端计算平台对来自边缘计算节点的结构化数据进行更高层级的智能分析处理,比如更多数据库容量的人脸比对、更大时间宽度和空间跨度内的事件关联分析等。大数据分析算法对智能前端、边缘计算节点所返回的结构化数据智能分析处理,支撑多维大数据的综合事件分析、逻辑分析、决策分析。云端计算平台、边缘计算节点、智能前端之间相互结合实现多层次的智能分析。

边缘计算在安防行业中的优势

云计算相比,边缘计算在安防行业(物联网)中具有哪些应用优势呢?

事实上,在市场上存在这两类边缘计算,这要从物联网的实际场景需求分析:

未来 2020 年将会有 500 亿设备联网,会带来两大难题:

一、如何管理这些联接?

二、如何传输和处理这些流量?

针对以上两大难题则需要两类边缘计算平台来提供服务,一种为解决联接,一种为解决流量。前面一种主要解决互联网和物联网之间协议转换等问题,一般提供物联网网关类云服务。后一种主要解决海量的流媒体或数据流量的传输,一般采用 CDN 的边缘节点来提供边缘计算服务。所以边缘计算物联网技术架构中是处于广域网/传感器和云计算之间的,提供的是就近的数据处理和数据访问,如下图所示:

边缘计算和安防行业有何关系?


现阶段物联网设备中摄像头及摄像头模组占了非常大的比例,任何智能家居设备和道路监控,凡是需要做图像数据采集进行分析和反馈的场景都会需要摄像头,而安防行业的核心终端设备就是摄像头。曾经安防行业因为存储和设备整体方案的昂贵成本一般只应用于公共交通、酒店、楼宇、园区等场景中,现如今家庭安防、新零售、商业中心等也逐渐因为成本的降低成为了一个普遍的场景。

如何让私有与公有网络的成本、性能、智能分析兼顾,越来越成为商业智能落地的关键。

边缘计算一方面因为可以就近计算便可以对庞大的人脸数据、人群分析、生物识别、商品识别等分析结果进行高效的处理,让原先智能场景不再需要在现场布署昂贵笨重的硬件设备,极大地提高了智能场景的落地效率和复制速度。另一方面分布广泛的摄像头因为边缘存储服务的就近存储,也可以把海量的监控数据就近存储起来,提供了就近高速可存可分析的业务体验。

边缘计算的这两个优势使得安防行业与之紧密联系在了一起,在边缘计算的部署下安防场景能够更好更快地落地实施。

边缘计算如何在安防行业落地?

边缘计算在安防行业落地需要分两类场景:

私有网络

通常采用边缘存储私有化+边缘计算私有化部署,该方案的优点是可内网保证数据私密性,可打开网络出口,把数据备份到公网上,本地计算资源不足时也可打开公网出口,业务降级到中心计算资源去计算处理。

互联网

与私有网络不同,因为公网的问题通常会存在几个痛点:

  • 链路质量问题:主要是设备到计算中心机房通信的延迟,同时网络链路不可靠。

  • 私有协议和利旧问题:因为安防领域存在历史监控设备,不一定可以直接做嵌入程序升级,而很多厂家的设备也需要支持非标准的多媒体协议。

  • 资源成本问题:本地摄像头的数据如果全部上传到存储,有很多无价值数据也会占用传输通道和存储空间,如果能够就近处理删除无用数据,将减少很多资源浪费。

  • 传输时效问题:尤其在监控历史数据迁移等过程中,长距离的到中心计算机房的传输会带来极大的时间成本损失。

参考上图,在七牛云边缘计算解决方案中,七牛云创新性地增加了边缘存储功能使就近的本地运营商在本区域内就近服务,解决了第一个问题链路质量问题,高速传输通道解决第四个痛点,而通过流式存储的接口和边缘计算容器化接入方式也可以解决第二个问题,本地就近计算删除无价值数据完成了数据分拣也很好地解决第三个痛点。

综上,边缘计算可以从运营成本、带宽利用率、丢包率、业务延迟等指标上给整个行业的性能和运营带来极大的改善,同时边缘计算的安防解决方案提供的一系列特性如流式上传、倍速播放、去 SD 卡化、边缘智能分析等也促使越来越多的监控厂商加入了升级的大潮。

边缘计算在安防领域落地畅想

安防领域作为物联网领域流量传输最大的场景,率先通过边缘计算驱动整体性能体验得到提升,下一步逐步实现商业智能、楼宇智能、小区智能的落地将会成为下一个物联网爆发点。

例如,商超等应用环境中,可对顾客的性别分布、年龄分布等客观信息,并结合单位区域内逗留时间等维度信息进行分析,进而得到如何布署相关的商铺位置、如何集中餐饮等后勤服务力量的决策建议;在楼宇与小区应用中可减少非必要的安保人员,用机力代替人力,自动对出入的人员进行身份比对,对可疑人员进行身份报警;在社会治安应用中,可根据治安、反恐、社区可疑人员等信息结合时间频次信息等预测出可能出现的危险情况和安全隐患,从而组织治安力量更有针对性地进行社会管理。

边缘计算在安防领域的实践从根本上打破了原本「智能」应用落地的壁垒,让原本受限于计算力、传输环境、存储环境等诸多问题的应用设想得以实现。

作为国内领先的以视觉智能和数据智能为核心的企业级云计算服务商,七牛云敏锐感知云计算产业的潜在问题和未来的发展趋势,推出边缘存储和边缘计算产品,并结合自身在视频安防,机器视觉等领域与优质客户的深耕实践,推出监控视频边缘存储解决方案和视频边缘分析解决方案。而未来七牛云将继续为客户夯实云计算基础能力,共同拓展人工智能时代和物联网时代的新业务。

七牛云
七牛云

七牛云是国内领先的以视觉智能和数据智能为核心的企业级云计算服务商,同时也是国内最有特色的智能视频云服务商,累计为 70 多万家企业提供服务,覆盖了国内80%网民。围绕富媒体场景推出了对象存储、融合 CDN 加速、容器云、大数据平台、深度学习平台等产品、并提供一站式智能视频云解决方案。

产业安防云计算边缘计算
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
华为机构

华为成立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商。华为的主要业务分布在无线、网络、软件、服务器、云计算、人工智能与大数据、安全、智能终端等领域,发布了5G端到端解决方案、智简网络、软件平台、面向行业的云解决方案、EI企业智能平台、新一代FusionServer V5服务器、HUAWEI Mate等系列智能手机、麒麟系列AI芯片等产品。目前华为拥有18万员工,36所联合创新中心,14所研究院/所/室,业务遍及170多个国家和地区。

http://www.huawei.com/cn
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

商业智能技术

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

数据迁移技术

数据迁移(又称分级存储管理,hierarchical storage management,hsm)是一种将离线存储与在线存储融合的技术。它将高速、高容量的非在线存储设备作为磁盘设备的下一级设备,然后将磁盘中常用的 数据按指定的策略自动迁移到磁带库(简称带库)等二级大容量存储设备上。当需要使用这些数据时,分级存储系统会自动将这些数据从下一级存储设备调回到上一 级磁盘上。对于用户来说,上述数据迁移操作完全是透明的,只是在访问磁盘的速度上略有怠慢,而在逻辑磁盘的容量上明显感觉大大提高了。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

推荐文章
暂无评论
暂无评论~