人工智能正在成为我们生活几乎方方面面的共同因素。过去，要让人工智能发挥作用，需要庞大的机房，需要海量的算力，必然需要大量的能源和IT资源投入。现在，放置在我们物理世界“边缘”的设备正在执行更多任务。HanwhaTechwinEurope产品和营销主管UriGuterman认为，边缘AI不需要将原始数据流回服务器进行分析，从而使AI在我们的世界中更加普及。这也给视频监控行业带来了巨大的收益。在这里，古特曼解释了这一现象背后的原因，并着眼于当今人工智能的使用方式以及该技术在未来将如何发展。可持续发展有利于边缘人工智能与基于服务器的人工智能相比有几个优势。首先，传输回服务器的数据更少，从而降低了带宽要求和成本。拥有成本降低，而且由于不再需要维护大型服务器机房，还具有重要的可持续性优势。设备本身也可以实现节能，因为在本地执行AI任务所需的能量要少得多，而不是将数据发送回服务器。成本效益与基于云的计算模型相比，边缘AI设备通常不需要支付经常性的订阅费，从而避免了由此带来的价格上涨。专注于边缘设备还可以让最终用户投资于他们自己的基础设施。更大的可扩展性使用边缘AI的摄像机可以使视频安装更加灵活和可扩展，这对于希望分阶段部署项目的组织特别有用。随着需求的发展，更多的AI摄像头和设备可以添加到系统中，而无需最终用户从一开始就使用昂贵的GPU和需要大量带宽的服务器。提高操作性能和安全性由于视频分析发生在设备边缘，因此只需通过网络发送元数据，这也提高了网络安全性，因为在传输过程中没有敏感数据可供黑客拦截。处理发生在边缘，因此无需通过网络发送原始数据或视频流。由于分析是在设备本地完成的，因此边缘AI消除了与云或服务器通信的延迟。更快的响应时间意味着自动关注事件、授予访问权限或触发入侵者警报等任务可以近乎实时地发生。此外，在设备上运行AI可提高触发器的准确性并减少误报。通过使用深度学习的边缘人工智能，可以高精度地计算人数统计、占用测量、队列管理等。这提高了操作员的响应效率并减少了挫败感，因为他们不必对误报做出响应。AI摄像头还可以在同一设备上运行多个视频分析，这是另一个效率提升，这意味着操作员可以轻松部署AI来警告潜在的紧急情况或入侵、检测安全事件或跟踪嫌疑人。视频质量改进此外，在边缘使用人工智能，可以提高捕获视频的质量。可以使用人工智能在设备上本地执行降噪，以专门降低感兴趣对象周围的噪声，例如在检测区域内移动的人。Bestshot等功能确保操作员可以找到嫌疑人的最佳角度，而无需筛选大量镜头。相反，人工智能可以立即提供最佳镜头，帮助减少反应时间并加快事后调查。它还具有节省存储空间和带宽的额外好处，因为只有最好的照片才会被传输和存储。基于AI的压缩技术还对AI检测、跟踪的物体和人员应用低压缩，同时对视野的其余部分应用高压缩——这最大限度地减少了网络带宽和数据存储要求。使用元数据边缘AI相机可以通过API（应用程序编程接口）向第三方软件提供元数据。这意味着系统集成商和技术合作伙伴可以将其作为AI分类的首要手段，然后使用自己的软件对分类对象进行额外处理——在其之上添加另一层分析。在边缘使用AI的弹性没有单点故障。即使网络或云服务出现故障，AI也能继续运行。触发器仍然可以在本地操作，或发送到另一个设备并在连接恢复时将记录和事件发送到后端。人工智能在边缘设备上近乎实时地进行处理，而不是流回服务器或远程云服务。这避免了延迟分析的潜在不稳定网络连接。对安装人员尤其有利，在安装过程中在边缘提供AI可以帮助他们在市场上脱颖而出，为许多不同的用例提供解决方案。开箱即用的解决方案对没有时间或资源手动设置视频分析的最终用户很有吸引力。像WisenetX系列和P系列这样的AI摄像机开箱即用，无需视频分析专家对分析进行微调。安装程序不必花费宝贵的时间来配置复杂的服务器端软件。当然，这也会对培训时间和成本产生连锁反应。展望未来展望未来，UriGuterman表示边缘人工智能看起来很有希望。越来越多的制造商正在想方设法扩大AI相机的种类，甚至将AI相机作为一个平台，让系统集成商和软件公司能够创建自己的在相机上运行的AI应用程序。它总结道：“现在，对于最终用户和安装人员来说，这绝对是一个值得探索的领域，因为边缘人工智能有望带来巨大的效率、准确性和可持续性收益。”
