边缘计算和智能安防

　　边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。智能安防已进入快速发展期，随着AI和4K在智能摄像机中的普及，这些更高的视频分辨率推动了将更多数据存储在摄像机上的需求。人工智能和智能视频有望从安全视频中获取更多的洞见。企业面临的问题是：他们是通过分离和分割摄像机来满足数据需求来打破现有的智能视频网络，还是提高摄像机的存储能力？

　　一、延迟数据难处理

　　随着公共云应用的增长，公司和组织将平台视为大数据的核心。但是，最近有人反对这种趋势。相反，我们现在看到的是在边缘而不是在云中处理的数据。改变看法的一个主要原因是：延迟。延迟是尝试进行实时模式识别时的重要考虑因素。如果摄像机必须从数百英里外的中央数据中心调用数据，那么摄像机将很难处理24/7全天候记录的4K监视视频数据。数据分析需要快速进行，以便及时并适用于动态情况，例如公共安全方面的应用。通过在边缘存储相关数据，AI可以更快地进行推理，这样做可以带来更安全的社区以及更有效的运营。

　　二、及时建立故障转移

　　无论是设计具有受限连接性的解决方案，还是超快的5G功能，大多数智能安全解决方案都需要在任何环境下24/7全天候运行。但是，有时基础硬件和软件系统也会发生故障。在这种情况下，重要的是建立故障转移过程，以确保故障后继续运行或恢复数据，包括从流量控制到传感器再到摄像机馈送等等的所有内容。列举一个医院的示例，该医院有数十个甚至一百多个摄像机通过IP连接到集中式记录器。如果以太网断开，则无法获取视频。此类事件可能会严重威胁医院患者和医护人员的安全。因此，摄像机中会使用microSD卡进行连续记录。

　　当今的智能安全性是关于利用AI和边缘计算来提供始终在线的高分辨率视频，以帮助人们保持24/7的安全。这些趋势增加了监视的需求和重要性，这意味着支持数据基础结构的需求也不断提高以适应这种需求，包括主动管理基础结构以帮助确保可靠运行的能力。企业需要确保已将所有存储和策略挑战考虑为未来智能安全策略的一部分。近几年，人工智能和职能生活飞速发展，但是互联网安全意识却远远没有跟上，暴露了很多巨大的问题，影响了很多用户的财产安全，但是一些国内硬件厂商在面对安全问题上的态度在发生转变。更多安防资讯关注辽宁安防资质网！