智能网络监控摄像机应用提升为各有侧重

　　与前端智能也就是网络摄像机的智能应用相对而言，目前在智能应用领域还有另一种应用形式就是中心智能，也叫后端智能。与前端智能利用前端摄像机自身的芯片进行计算不同，中心智能是利用后端计算机纯软件的方式进行分析，即摄像机并不提供任何智能分析与运算结果，而只是单纯的向管理中心传输图像信息，所有智能运算与分析全部由中心进行。

　　中心智能解决方案除了在管理中心要配置性能完善的智能分析运算软件以构成中心智能图像识别、客户端智能图像识别及第三方数据分析这三个模块之外，由于前端摄像机并不对图像进行任何分析，所有图像数据都必须传至管理中心，因此，中心往往需要一台或多台容量庞大、性能优越的管理服务器。

　　前端智能与中心智能各有所长

　　前端智能与中心智能由于其在架构方案上的差异而造成了应用性能方面的差异。首先，前端智能在性能方面有三个优势，一是实时性高，摄像机对采集到的视频源当即分析当即产生结果并上报，这能有效提升系统的运行效率;二是由摄像机先对视频图像进行分析识别，可只将有异常的图像传输到中心去记录与显示，这些图像一般最多只占到总图像数据的几十分之一，这样就可以大大降低网络带宽的压力，保证整个系统的高效运行;三是由于视频压缩后往往会失去一部分真实信息并产生一些噪音信号，系统如果是对压缩后的视频进行分析与识别处理，会容易产生漏报或误报，而前端智能在流程上一般都是基于采集到的、未经压缩处理的原始视频进行分析与运算，这样就有效杜绝了上述问题。但是前端智能同样面临一些技术缺陷，最显着的就是以目前前端DSP芯片的性能及容量，和后端基于大型服务器与计算机软件的处理能力相比起来实在相形见绌，在一些智能分析经常运用到的高端行业，如公安等，由于对智能的性能要求复杂多样，因而视频分析的运算量非常庞大，而大多数DSP芯片没有足够大的内存和处理能力来支持，处理能力的低下势必会造成分析应用的多样性，以及分析的准确率低下，导致误报的增加。其次，前端智能的可扩展性及灵活性较差，即系统一旦需要增减智能摄像机数量或调整位置时，操作起来就会很麻烦。

　　反之，中心智能一方面借助服务器强劲的运算处理能力能够实现非常完善、卓越的智能分析性能，并且对前端资源的调度与管理也极其方便。但另一方面，如上文所述，由于它对中心的完全依赖，系统必须配备非常完善的传输网络和服务器资源才能应对海量图像数据的传输及管理，这必将对构建成本带来很大的挑战。此外，在实时性和准确性方面，中心智能的模式也表现出了一定的弊端。

　　前端与中心智能的应用各有侧重

　　首先，智能分析的实际运用在目前仍以高端行业为主，基于前端智能和中心智能在性能方面的特质，我们认为前者更适用于特定行为分析的场所，而中心智能则更适于综合行为及历史数据分析，这一点在当前交通卡口监控、平安城市、监管行业的实际应用中已经表现显着。

　　1、交通卡口领域的智能应用倾向前端化

　　预防减少道路交通违章、交通事故以及盗抢机动车辆等违法行为的发生是交通卡口监控系统建设的主要目的，在核心性能需求上主要包括车辆抓拍、车牌识别、司乘人脸识别等，而这些性能必须依赖智能视频分析才能实现，同时，这也是当前智能分析应用中相对较高端的需求。从这一领域的智能应用需求来看，该类需求都较特定且都是实时的，因而完全能够通过当前的智能摄像机来完成。

　　2、平安城市、监管行业更适于中心智能

　　平安城市和监管行业虽然在智能监控应用需求的表现形式上有所不同，但却可以归为一大类。例如，平安城市首先需要面向复杂的监控场所：道路、广场、娱乐场所等;其次，从性能需求上，平安城市的智能监控主要包括人员/物品滞留、行为异常、非法聚集、周界入侵等;此外，平安城市由于视频资源数量非常庞大，这就难免会在实时监控方面有所欠缺，因此，对历史数据进行快速分析、调用等智能应用就会较为迫切。由此可见，平安城市的智能监控无论从场所还是性能需求方面都表现出了很强的复杂性、综合性、可追溯性，这就相应对承载智能运算的平台提出了较高的要求，但就目前智能摄像机芯片处理能力而言，还是比较勉强的。并且，监控场所的复杂也决定了系统在前端环节一定要具备较强的灵活性和可扩展性，这也是前文提到的前端智能之劣势所在。

　　监狱、看守所等也同样如此，虽然监管行业的监控系统不存在复杂场所这一问题，但人员非法聚集、行为异常、非法滞留等多样化需求同样表现出了一系列复杂性、综合性的特质，因此，从当前实际案例来看，偏于采用中心智能解决方案的要明显居多。

　　结语

　　当然，不论从技术特点还是市场需求特点来说，前端智能和中心智能两者并不矛盾，甚至是相互配合、相辅相成的，一套视频监控系统也往往不会非此即彼，而一定是前端和中心智能并用。即使在未来，随着芯片技术处理能力的不断提高以及智能算法的持续改进，智能网络摄像机的市场前景有了更大的提升，相信两者并存、各有侧重的局面也会仍旧如此。