0
前端智能，无疑是安防在AI浪潮下诞生的最主要方向之一。
但并不是将AI算法加到前端摄像头上，就能实现好的前端感知和识别。
深入场景，不断做需求适配，才是制胜之道。
在一赛道上，专注于嵌入式计算机视觉与感知的触景无限又一次拿出新品，完善了自己在边缘智能上的能力。
昨日，安博会期间，触景无限以“边缘进化·共塑未来 ”为主题，展出了一系列边缘端产品，其中两款新产品“盾悟·智能边缘物联网关”，及“盾视·智能高密度人流优化”系统，尤其吸睛。
随着5G发展，物联网的热度进一步提升。5G在大幅增加带宽的同时降低了延迟，允许大量物联网传感器接入，使得万物联网真正变为现实。
但越来越多传感器的接入，也给传统中心式云端系统带来了较大压力：物联网各类传感器数据指数级爆发、大量非结构化数据、传输困难、能效比低等。
那么如何打造分布式的边缘智能，就成为了物联网时代的关键技术。
触景无限新发布的智能边缘物联网关，可以说很好的回应了这一问题。
盾悟·智能边缘物联网关，相较于以往多采用视频进行分析的设备不同，其可支持多种传感器接入，在本地实时处理分析，对视频、风速、温度、烟雾、光照、湿度等多种数据，以及人脸、车、异物、烟火、行为，进行检测与识别。
得益于容器技术的支持，在功能/应用多元化扩展方面也更加轻松便捷，同时无明文的加密传输能更好保证数据的安全。
这款产品目前可应用于地铁、电网等场景。其主要特点有三：首先采用低功耗芯片，功耗低；第二支持连接各种传感器，能与视频数据相互补充；第三，带有深度学习加速芯片，可支持不同的模型，便于升级。
触景无限CEO肖洪波现场也介绍道：如针对电网场景，智能边缘物联网关可放置于电塔上，分析周围是否会有异物，带来短路；最近是否有山火或施工；是否有高的吊车，触碰高压线等情况，以保障电塔的正常运行。
这一场景中的难点在于，野外场景，难以实现供电。电塔上通常很高，设备无法使用高压电，也没有网络，难以进行其他供电。
触景无限的设备，就能做到保证的低功耗，同时在没有太阳的情况下，持续工作。
传统云端识别系统，在百万乃至千万级人流量压力下，因网络传输和大底库比对识别的固有问题，会导致数秒延时，准确率也会降低。在人流比较拥挤的卡口，使用纯云端识别，极易造成拥堵，商用价值较低。
触景无限针对此类识别应用场景，如地铁、火车站、银行等，推出了另一新品盾视·智能高密度人流优化系统。
其基于边缘智能、分布式计算等技术，打造了云边协同优化方案，通过建设本地预筛系统，以高效安全的联合分布式识别系统，取代纯云端识别，减少识别的计算量，提高了识别速度和精准度，实现了极短延迟的识别体验。从而使得百万乃至千万级底库的线下卡口人脸识别应用，变为可行。
肖洪波解释道，地铁站、火车站中通常会有卡口限制所有人进出，但经过时，通过闸机进行基于云端的人脸识别，识别时间速度很慢。
而采用触景无限的系统，能做到接近1人/s的通行速度，大大提高了识别速率，同时，其还能支撑百万级至千万级的人脸数据库。
触景无限的智能高密度人流优化，通过多级的系统架构，形成了边缘集群，进行处理和加速。
除两大新品外，触景无限还展出了瞬视系列产品，以及数据中心智能防控、高戒备场所智能化、平安校园、智慧交管等解决方案。
现场，触景无限还针对市面上一些其他厂商推出的边缘智能设备进行了对比，效果上触景无限显然能提供更优的识别和检测效果。
为什么触景无限能做到这些？
肖洪波在现场，也提及了做前端智能的主要难点和心得。
前端的主要难题在于边界已经给定，在算法、算力，及外界的限制条件下，通过数学或物理上的东西，进行优化，这是以往后端智能上所没有面对过的挑战。
“前端智能，实现起来很复杂。相对后端有比较成熟的GPU服务器，有很完善的处理环境，前端往往要采用一些不是很成熟的思路。如，现在前端还没有很成熟的芯片，也没有特别丰富的供应链，所以开发难度非常大。”肖洪波说道。
而触景无限，通过近十年的经验积累，在边缘智能领域，打下了自己的一片江山。
不过，立足于感知，触景无限的愿景，还在更大。
肖洪波告诉AI掘金志，前端感知有着更广阔的市场。触景无限提出的“毫米、毫秒、毫瓦”的“三毫”概念描述着触景无限对感知的技术愿景，即打造“小体积、反应速度快，且功耗低”的产品，这一理念的最终点就是感知的“芯片化”。以单一的芯片取代原来的复杂设计，置入各种设备，打造一个“看得见”的世界。雷锋网雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
