关于视频云平台的思考

0 评论 1200 浏览 1 收藏 10 分钟

本文将从业务建模的差异、智能识别的基础能力和应用场景等多个角度,探讨为何摄像头管理与通用物联网设备管理形成两套系统,并展望这一分离如何助力更高效的智能化管理。

从广义上说,任何看得见的实物都可以作为物联网中的【物】,都是人感官的延伸-摄像头自然延伸了人的视觉。但是为什么各大厂商都将物联网平台和连接摄像头的平台分成两套系统?

阿里云物联网平台中的视频服务专门做视频设备的接入,而不是完全在设备管理中操作。另外阿里云还专门针对视频接入、检出、分析等功能开发了另外一套城市视觉引擎平台。

华为云的物联网中不包括摄像头设备,而有单独视频菜单做摄像头的接入、管理等。

以下从两个方面阐述我对之所以分开物联网平台和视频平台的理解。

一、业务建模无法统一

1. 数据格式不同

因为大部分的物联网设备和云端的交互都是通过结构化的数据交互,而摄像头和云端或边缘侧交互的最基本的数据是视频流,它是非结构化数据。

相对于结构化数据(即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据)而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。引用于知乎https://zhuanlan.zhihu.com/p/29856645

我认为导致这样的原因可以归因于人的视觉是对三维空间的感知,而听觉、嗅觉、触觉、味觉的感知结果都可以通过什么,怎么样去描述。比如,你描述你看到的东西需要用一篇文章去表达,但是闻到什么就可以说闻到了什么,好的坏的,程度怎么样去说明。

2. 接入协议不同

大部分的物联网设备接入平台可以概括为HTTP、MQTT、CoaP、SoaP等等,通过对不同协议进行抽象可以总结出大体一致的业务逻辑,而摄像头用的协议是RTSP、GB/T-28181等,这些协议要求的规范导致无法同普通设备延用一样的抽象逻辑。

比如,

创建摄像头的时候,RTSP只要视频流地址即可(地址中包括账号密码),而国标要求必须有唯一的编码和密码两个字段,页面必须知道接入协议才可以继续。

创建一个普通的设备,用户不需要在界面上选择协议,设备只要正式接入,后台变知道该设备的协议(也不是所有系统都如是做)。

3. 智能化需求层级不同

大部分的物联网设备通常是对旧的未入网的场景进行改造,比如在井盖上添加重力传感器并将产生的数据传到网络,比如将未入网的酒窖中监测温度的温度计智能化并将数据传至网络。而传统摄像头本身就是智能产品,本来就具备将数据进行传输转换的功能,我们对他的需求是对视频流的智能分析。

4. 使用场景不同

我理解一般的物联网设备主要做“感知”,而摄像头是做“识别”,仍旧是视觉和其他感官的区别所致。

“感知”的应用请移步物联网产品之架构篇http://www.woshipm.com/pd/2709311.html(写的不太具体和详细,抽时间补上。)

“识别”是AI摄像头的基础能力,更上层的应用和行业相关。比如在交通中可以用于识别车辆是否违规行驶,在公安中可以用于逃犯识别,在安防中可以用于明火识别、在办公行业可以用于考勤打卡等等。不要小看识别两个字,每一类目标,每一种行为都需要大量的真实图片或行为“喂给”算法才能训练出强健有力、出错率低的智能算法。

以下分别说说“识别”的基础能力、应用场景。

二、智能识别的基础能力

1. 人脸识别

我们的眼睛识别到一个人的原理是先理解什么是人,并把这样的认知存储到自己脑海里,见到人时便可以马上识别出他是人。通过摄像头进行人脸识别也是同样的过程:首先系统知道什么是人,然后将拍摄到的画面中的人识别出来。

2. 车辆识别

车辆识别思路类似于人脸识别,只是车辆可能包括汽车、三轮车、两轮车,而这不同类型的车辆背后算法是有很大差别的。

3. 植物/动物识别

目前看这个多应用于2C的场景,比如通过手机给某一种植物拍照,互联网便会告诉我们它是什么植物是什么动物。

4. 场景识别

通过对不同领域的生产过程、作业过程、操作过程进行场景识别,可以在安全领域、公安领域进行危险识别,价值在【防】。

三、基于识别的应用场景

1. 人流量分析

人流量的分析基于对人的识别。

我去年清明去了一次泰山,体验很不友好,人流控制全靠吼,踩踏事件极易发生,当时就在想有没有什么技术可以缓解这类问题。通过摄像头进行人流量分析便是解决方案之一。通过重点点位安装摄像头并实时监控人流量,将数据转换成指导工作人员控制客流量的依据,也可以作为行人选择路线的决策依据。

在城市中人流量分析场景更多,比如重点地铁口、重点商业区等等。这样的应用给交通疏导、防止踩踏等提供了有力依据。

2. 车辆轨迹分析

一个摄像头可以识别某个区域内的车辆,但大量的摄像头便可以实现车辆轨迹的分析,车辆轨迹分析基于车辆识别,系统可以根据不同点位拍摄到的同一辆车和时间而分析出该车辆的行为轨迹。

3. 黑名单车辆管控

如果某车辆在管控范围内有过蓄意破坏行为,可以将该车辆标识为黑名单,往后将来往车辆与黑名单逐一对比,黑名单车与当前车辆相似度达到一定阈值后产生告警或直接禁止车辆进入管控区域。

4. 布控犯罪人员

行为轨迹分析是对已经发生的事情进行分析,而布控是对将来发生的事情进行分析。比如如果发现一个嫌疑人抱走了儿童,那么可以将此人布控,被布控点位就会对每一个识别到的行人进行比对,如果相似度达到阈值就会报警或者产生其他行为。

所以摄像头“识别”的应用场景很多时候都独立于普通设备的应用场景,分成两套系统更经济和实惠。

四、结语

摄像头有其特殊性,且不是万能的,需要结合各类设备和大数据分析等一同促进世界的智能化。现在仍旧是智能世界的草莽时代,需要一点点的试错与探索,路漫漫其修远兮~

本文由 @娜娜 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!