智能安防行业正在快速发展，随着智能相机中的AI和4K，这些更高的视频分辨率驱动更多数据存储在相机上。人工智能和智能视频有望从安防视频中获得更多洞察力。一个复杂而广泛的摄像头网络已经需要大量数据存储，尤其是如果这是来自智能视频设备的24/7监控。预计到2023年，兼容4K的摄像机将占所有网络摄像机的24%以上，因此对具有可靠存储的车载安全摄像机的需求正在迅速增长。企业面临的问题是：他们是否通过分离和划分摄像头以满足数据需求或增加存储容量来破坏现有的智能视频网络？随着一些人开始遵循最初的COVID-19措施来承担风险并重返工作岗位，我们也看到对热成像技术的需求不断增加。此类新技术和更多始终在线系统的推出意味着组织将需要仔细考虑他们的智能视频策略。较新的边缘计算将在捕获、收集和分析数据方面发挥重要作用，随着这种发展，我们可以期待看到一些关键趋势。现在使用的摄像头种类更多，例如随身摄像头和新的物联网(IoT)设备和传感器。今天，视频数据非常丰富，我们可以实时分析它并推断出很多有价值的信息，而不是事后。边缘计算和智能安全随着公共云采用率的增长，公司和组织将平台视为大数据的集中位置。然而，最近有人反对这种趋势。相反，我们现在看到的是在边缘而不是云端处理数据。偏好变化的主要原因之一：延迟。尝试进行实时模式识别时，延迟是一个重要的考虑因素。如果摄像机必须返回数百英里外的中央数据中心，则摄像机很难处理数据（4K监控视频全天候记录）。这种数据分析需要快速进行，以便及时并适用于公共安全等动态情况。通过在边缘存储相关数据，人工智能推理可以更快地进行。这样做可以带来更安全的社区、更高效的运营和更智能的基础设施。UHD和存储支持AI的应用程序和模式识别等功能取决于4K等高清分辨率，也称为超高清(UHD)。这些详细数据对存储、写入所需的容量和速度以及网络有重大影响。4K视频比高清视频有更高的存储要求，我们甚至看到了8K。众所周知，4K视频的像素数是高清视频的四倍。此外，4K兼容视频支持每通道8、10和12位，即每像素24、30或36位色深。HD有一个类似的模型——使用10或12位色深，每像素24位或更少的颜色。总体而言，与1080p视频相比，4K生成的比特数最多增加了5.7倍。更大的视频文件对视频制作和监控的数据基础设施提出了新的要求。这意味着在考虑智能安全时，对数据基础设施的投资已成为一个关键的考虑因素。永远在线无论是设计连接受限的解决方案，还是设计超高速5G功能，大多数智能安全解决方案都需要24/7全天候运行，无论其环境如何。但是，有时底层硬件和软件系统会出现故障。在这种情况下，重要的是建立故障转移程序以确保故障后继续运行或数据恢复，包括从流量控制到传感器再到摄像头馈送等所有内容。考虑一个医院的例子，它有几十个甚至一百多个摄像头通过IP连接到一个中央记录器。如果以太网断开，则无法捕获视频。此类事件会严重威胁医院患者和医务人员的安全。因此，在相机中使用microSD卡进行连续记录。然后，基于人工智能的软件工具可以使用卡上捕获的内容“修补”丢失的流，确保视频流可以按时间顺序观看，没有内容间隙。随着人们返回工作场所和公共场所，健康和安全是所有组织的首要任务。一些组织正在部署红外热像仪，以帮助筛查个体复发时的症状。传统上，与仓库和装配线打交道的组织会在入口处安装大量摄像头。借助ThermalSmartVideo，这些摄像机现在可以兼作投影设备。热成像能够检测体温升高，单个摄像头一次可以扫描10到25名工人，使其高效且准确。这样，员工可以使用这些信息来帮助识别那些在返回工作之前可能需要进一步筛查、测试或隔离的人。虽然这可能不会增加数据存储要求，但它会改变您的保留策略和做法。今天的智能安全是关于利用人工智能和边缘计算来提供始终在线的高分辨率视频，以帮助确保人们24/7全天候安全。这些趋势增加了监控的需求和重要性，这意味着支持数据基础设施需要增长以满足这种需求，包括主动管理基础设施以帮助确保可靠运行的能力。组织需要确保所有存储和策略挑战都被视为未来智能安全策略的一部分。
