摄像机可以使用边缘人工智能来创建更安全的环境

摄像机无处不在。在门铃里、在电梯里、在整个机场、体育场馆和城市街道上。这些摄像机越智能，它们能做的事情就越多，从增强家庭安全和公共安全到监控和优化交通模式。

随着智能摄像头系统的兴起，人们需要更高程度的自动化——能够更快地监控视频流并生成见解，同时使流媒体和存储更加高效且更具成本效益。这就是人工智能 (AI) 发挥作用的地方。

但即使是支持人工智能的摄像头系统也只能做这么多。这是因为传统的人工智能模型是基于云的，经常面临延迟问题和其他挑战。他们无法获得实时洞察和警报；与云的集成带来了数据隐私问题；它们对网络的依赖会影响可靠性。

因此，智能相机的高级人工智能需要不依赖于云的解决方案。我们需要的是网络边缘的人工智能。如果边缘人工智能摄像头要发挥其潜力——独立处理许多不同的重要视频功能——它们就不能仅仅具备某些人工智能处理能力。他们需要能够处理大量的人工智能处理。

智能相机需要边缘人工智能

边缘人工智能（AI 处理直接在摄像机中执行）能够实时提供视频分析、洞察和警报，以实现更高级别的安全性。此外，边缘人工智能仅支持元数据流和分析，而不是整个视频流，从而降低了在云中传输、处理和存储视频的成本。更不用说，边缘人工智能可以通过将数据保留在云端之外来增强隐私并减少网络依赖性。

然而，迄今为止，大多数智能相机用于处理人工智能处理的计算能力有限。它们在很大程度上也无法增强动态视频，而这对于准确分析至关重要。

下一代智能摄像头系统的独特之处在于将高计算能力和人工智能处理能力直接集成到摄像头中，不仅可以处理高级视频分析，还可以应用人工智能进行视频增强，以实现高质量视频。由于这些功能（实现高级视频分析和提高视频质量）都需要自己的人工智能能力，因此当今的智能摄像机需要配备适量的人工智能能力。

更好的视频意味着更好的分析

除了与分析相关之外，人工智能还可以用于智能相机，以提高图像质量并提供清晰锐利的图像。在公共安全情况下，高质量的视频图像在评估风险时可以发挥重要作用。

例如，弱光条件会限制观看距离并降低图像质量。由此产生的视频“噪声”使得很难区分细节，同时在压缩过程中实际上增加了数据大小。这导致在云端传输和存储视频数据时系统效率低下。

随着更高分辨率的视频流在智能相机系统中变得越来越普遍，需要处理更大量的数据，检测和识别更复杂和更精细的对象，并通过复杂的人工智能处理管道执行更多任务。

多少 AI 处理才足够？

当摄像机具有足够的人工智能能力时，它可以在人工智能支持的视频增强之上运行高级视频分析。它甚至可以在同一视频流上运行多个人工智能进程，例如以更高的精度识别更小、更远的物体，或者以更高分辨率执行更快的检测。在交通应用中，具有足够AI处理能力的智能摄像头可以进行多步自动车牌识别，这需要物体检测来识别道路上的每辆车加上车牌检测来找到每辆车上的车牌加上车牌识别来确定每个车牌上的字符。

但同样，为了对高质量视频图像进行准确分析，智能相机本身需要足够的人工智能能力来并行运行视频增强和分析任务。例如，为了获得流中准确的车牌号，摄像机的视觉处理器需要应用语义感知（理解它所看到的内容），以便有选择地清理和锐化视频中包含相关视觉信息的部分。在这种情况下，处理需求会迅速增加。

最终，人工智能与智能相机的集成将彻底改变许多不同的行业，包括安全、工业自动化、零售等。安全领导者捕获、处理和解释视觉信息的方式的范式转变需要将人工智能革命推向网络边缘，在那里它可以发挥最大作用，而且速度更快。单独来看，人工智能和视频已经产生了深远的影响。他们可以一起重塑日常生活，让生活变得更好。