AI视频成为物联网前端感知的重要手段

物联网与计算机、互联网、移动互联网被称为先后出现的4次信息产业浪潮。物联网(The Internet of Things，简称IOT)是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。它具有普通对象设备化、自治终端互联化和普适服务智能化3个重要特征。

物联网可追溯最a早的鼻祖要算1990年由施乐公司发售的网络可乐贩卖机。这是一台可以监测出机器内可乐是否有货，温度是否够冰凉，并且能够联网的贩卖机。

1999年在美国召开的移动计算和网络国际会议上，麻省理工大学的凯文·阿什顿教授提出基于互联网、RFID技术、EPC标准在计算机互联网的基础上，利用射频识别技术、无线数据通信技术等，构造出一个实现全球物品信息实时共享的实物互联网(Internetof Things)的方案，这是物联网概念首i次被正式提出来。

在2005年国际电信联盟发布的互联网研究报告《物联网》。报告描述了世界上的万事万物，只要嵌入一个微型的传感器芯片，通过互联网就能够实现物与物的信息交互，从而形成一个无所不在的“物联网”。

物联网技术分为四个层次：感知技术、传输技术、支撑技术、应用技术。物联网结构层次分为三层，自下向上依次是感知层、网络层、应用层。感知层是信息采集的关键部分，是物联网的核心,是物物相连的基础，其主要功能是识别物体，采集信息。

物联网感知层的主要技术有：RFID技术、二维码技术、智能视频技术、卫星导航技术、Zig-Bee技术和蓝牙技术等。感知层由基本的感应器件以及感应器组成的网络两部分组成。感知层主要设备包括二维码标签和识读器、RFID标签和读写器、摄像头、全球卫星定位系统、多种传感器、M2M终端、智能手机、传感器网关等，前端的感知设备主要功能与人体结构中五官和皮肤的作用类似。

上述感知层的主要技术与设备各有其优势与不足，我们先做一个简单的比较。

M2M(Machine to Machine)指的是将数据从一台终端传送到另一台终端，比如红外发射与接收器，上班用的门禁卡与读卡器，超市的条码与扫描仪，再比如日前比较流行的NFC手机支付。它包括了多种不同的感应方式。

多种传感器指的是采集声、光、热、电、力学、化学、生物、位置等各种需要信息的传感器，通常一种传感器只能采集1-2种信息，无法获得物物相连的所有信息。

传感器网关是感知层的的通信设备，通常它无法采集信息。

ZigBee定位技术、超宽带室内定位(UWB)技术、蓝牙定位技术、Wi-Fi定位技术与超声波定位技术都具备定位功能，多数易于联网，但是它们发送的距离较小，其使用范围有限。

智能手机具备识别定位与通信功能，其发送的信息多数情况下可以代表某一人物个体，但由于隐私权受保护，对其使用受到限制。

二维码是用特定的几何图形按一定规律在平面分布的黑白相间的矩形方阵记录数据符号信息的新一代条码技术，由一个二维码矩阵图形和一个二维码号，以及下方的说明文字组成，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理，二维码的识别应用具有成本低、信息量较大，识读速度快，全方位识读等特点，但也存在扫码距离不能太大，不能双向交换信息，标签易于被替换、自动识别较为困难的不足。

用户可以用全球卫星定位系统在全球范围内实现全天候、连续、实时的三维导航定位和测速。其特点是不需要sim卡，不需要连接网络，只要在户外，基本上随时随地都可以准确定位。但是终端设备启动后搜索卫星的时间一般需要2分钟左右。另一个缺点是信号不能透过金属和钢筋水泥混合物，因而不能在室内如地下停车场、高桥下、密集的楼房下使用。

射频识别(RFID)技术利用射频方式，利用天线把无线电信号调成电磁场，附着于物品的标签经过磁场后生成感应电流把数据传送出去，以多对双向通信交换数据以达到识别和三角定位的目的。对于目前应用较多的RFID网络来说，附着在设备上的RFID标签和用来识别RFID信息的读写器都属于物联网的感知层。由于射频识别技术和设备具有非接触、自动化程度高、耐用可靠、识别速度快、适应多种工作环境、可以实现高速和多标签同时识别的优势，因此在物联网感应层中得到广泛应用。射频识别定位技术作用距离较小，但它可以在几毫秒内得到厘米级定位精度的信息，而且标识的体积比较小，造价比较低。但其不具有通信能力，抗干扰能力较差，不便于整合到其他系统之中，且用户的安全隐私保障和国际标准化都不够完善。射频识别技术与设备已经被收费站、仓库、工厂、商场广泛使用在车辆收费和货物、商品流转定位上，是目前使用最多的技术与设备。

摄像头是一种光学信息传感器，具有视频摄像/传播和静态图像捕捉等基本功能，它是借由镜头采集图像后，由摄像头内的感光组件电路及控制组件对图像进行处理并转换成电脑所能识别的数字信号，然后借由并行端口或USB连接输入到电脑后由软件再进行图像还原。传统的摄像头能够自动获得的信息量较少，通过系统平台的视频分析功能可以识别车牌数字。

人是通过触觉、听觉、嗅觉、味觉、视觉来感知世界，其中视觉是人最a重要有效的信息获取方式。智能摄像机作为一个高级的物联网终端，会成为万物互联智能世界的“眼睛”，成为高价值的信息获取方式，给产业物联网提供输入，进而推动产业产生更大价值。

2010年中科院自动化研究所生物识别与安全技术研究中心李子青教授提出“智能视觉物联网”的概念。视觉物联网涉及物联网的视觉感知部分，利用各类图像获取传感器，包括监控i摄像机、手机、数码相机，获取人、车、物图像或视频视觉数据，提取视觉标签并采用智能分析技术对视觉信息进行处理，提取视觉标签，为后续利用提供支撑。2010年7月，《智能视觉物联网》的创意在“2010中国物联网创意和应用设计大赛”中获奖。

智能视觉物联网的定义是：通过视觉传感标签、射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物体与互联网相连接，进行信息交换和通信，以实现对物体的智能化识别、定位、跟踪、监控和管理的一种网络。通过公共场所管理、智能楼宇、交通管制、学校、金融、社区、个人视频设备等终端用户搭建起“智能视觉物联网”，能够实现对资源的统一监控、管理和调度，因此智能视觉物联网具有广泛的应用前景。

智能视觉标签系统 - 作为智能视觉物联网信息处理的核心部分，对视觉感知范围的人、车或其他物件、对目标标签物体的身份及其实时状态进行智能分析，对其进行“贴标签”处理，并辅以标签属性包括名称、ID、属性、地点、运动状态、行为等(见下图)。与RFID物理标签相比，智能视觉标签系统的特点是：(a)通过无源方式提供标签信息，(b)属于虚拟表现性质，(c)打破距离限制，可以远距离获取。

深度学习与人工智能(AI)技术的进步，使得具备人工智能的摄像机能够从其拍摄的视频中获得更多的有用信息和数据。随着人工智能赋能摄像机，视频监控智能分析开始“前移”，尤其是AI技术的成熟应用，开启了监控a摄像机发展的新纪元，加速了智能感知前端的普及应用。AI视频成为物联网前端感知的重要手段。

中星技术股份有限公司推出的“算法定义”系列智慧型摄像机内置深度学习神经网络架构，可根据应用需要快速更替智能分析算法和参数，满足人员和车辆布控、目标分类和抓拍、事件发现和监控环境自适应等差异化场景的应用需要。

海康威视研发的“合智能系列摄像机”聚合了多种专为复杂场景设计的深度学习算法，实现全结构化数据精准采集，具备多场景数据融合分析能力，实现全方位态势感知。该系列摄像机具备多目标并发全结构化数据采集能力，基于原始视频，利用多引擎动态检测跟踪技术，实现最a优目标属性信息提取，消除低质量数据干扰，更有利于云中心数据利用。与此同时，“合智能”系列摄像机基于多镜头设计架构，突破传统场景边界，融合全景视角和细节特写数据，实现城市管理、行为分析、道路事件等全方位深度态势感知。该产品荣获2019世界物联网博览会新产品创新奖。

人的五种主要感知，视觉、听觉、嗅觉、味觉、触觉中信息量最a大的就是视觉。随着摄像头的AI化，以及逐步普及与联网，视频数据在物联网发展中将发挥巨大的作用。这也大大扩展了视频产业的市场空间。2018年，国内物联网产业规模就已突破1.2万亿人民币。其市场规模和发展速度会比视频监控行业更大更高。