智慧監控

ToF飛時測距 ADI ToF技術採用脈衝型雷射，可以大幅降低功耗，搭配CCD感測器，畫素達640×480 VGA等級影像解析度及精準度，安馳科技資深技術應用工程經理吳明宗表示，在製造現場，ADI的ToF是感測6公尺以內的範圍，可以應用在自動導引車(AGV)或帶有手臂的智慧移動機器人(IMR)，ADI ToF解析度是CMOS ToF的四倍，其深度資料可有效地增加影像辨識度，室內採用850奈米(nm)波長雷射，室外應用為避免陽光吸收，採用940奈米波長雷射。 在應用部分，ToF電子圍籬能建置安全防護Virtual Wall，以ADI的ADDI9033搭配ToF感測元件，提升產線作業人員與機器手臂協同作業的安全性，吳明宗提到，IMR或AGV則可以使用機器視覺，協助其空間辨識或避障；汽車應用以駕駛監控與手勢辨識兩類為主，在夜晚低光源的環境下還是可以進行影像辨識，甚至可以清楚辨識駕駛的表情。 應用於商業空間的3D人流統計時，則可利用影像技術分辨身高，有效分辨進出人流，並計算總量。傳統自動門採用紅外線反射原理，讓動物也可以自由進出一般商場，造成管理上的困擾，使用ADI ToF 3D立體影像感測時，可以辨識區分空間中人與物體的相對位置距離遠近，有效摒除非人類進入商場。 BMS電池管理 另外在電池管理(Battery Management System, BMS)部分，吳明宗指出，ADI BMS產品最大的優勢便在於鋰電池的管理精度，無論面對什麼環境，都能把精度誤差控制在非常小的範圍內，且可以保持十年不變。也能在同樣電池容量下提高電動汽車的整體續航里程。因為ADI BMS產品內建了Buried Zener Reference技術，能夠為測量系統提供高精確度。 LTC6813是一款多節電池堆棧監視器，該元件可測量多達18個串聯電池單元，總測量誤差小於2.2mV。電池測量範圍為0V~5V，使LTC6813適用於大多數電池化學成分，所有18個單元都可以在290μs內測量，多個LTC6813元件可以串聯連接，同時監測電池、高電壓電池串。也可以直接由電池組或隔離電源供電。該監視器包括每個單元的被動平衡，每個單元具有單獨的PWM工作週期控制。其他功能包括板載5V穩壓器，9個通用I/O線和睡眠模式，其中電流消耗降至6μA。LTC6813適用於電動/混合動力汽車，電池備份系統和高功率電池系統。 無線工業聯網模組IIoT RF Module ADI無線工業聯網模組IIoT RF Module可延伸更多感測器，吳明宗解釋，該模組兩端協定是由IEEE 802.15.4作為溝通，模組可選擇2.4GHz，其優勢在於具有高傳輸速率。ADI IIoT Module為低功耗，待機時間約可達到數年之久，且可依客戶需求搭配多種的感測器，可達到99.999%可靠度，抗干擾能力強。工廠可監測溫度、濕度或有毒氣體等。 雖然增加這些裝置，可能提高了硬體建置成本，但後續所產生的效益可能會遠遠超過傳統的方式。例如在工廠廣泛布點後，能夠減少監控人員巡點或手動檢測、紀錄的耗時，因此在人員配置上可大幅提升工作效益，並且在系統收集資料的同時，上傳雲端，直接與後台做聯結提供大數據分析，不需再額外花費人力，蒐集、紀錄、上傳等。 深度學習智慧監控 AI機器學習無處不在，賽靈思專注於深度壓縮技術，安馳科技技術應用工程部經理吳文忠說，利用Zynq-7000 SoC和Zynq UltraScale...

根據市場研究機構Marketsandmarkets指出，影像監控的市場產值，將以每年13.1%複合成長率的速度成長，從2018年的368.9億美元，成長至2023年的683.4億美元。而機器學習(ML)與深度學習(Deep Learning)等AI技術，更將是提升監控系統效能，使其實現更多應用的最大關鍵。 邊緣監控應用起　晶片運算需求增 機器學習可被訓練，以識別模式、形狀、顏色、聲音、振動、溫度以及壓力等細微差別和差異，這對於即時檢測和識別十分重要，使得臉部辨識應用日益完善，以進行高級識別、驗證、搜索、預防和救援。至於深度學習，透過大量的監控影像和訓練之後，搭載深度學習的監控系統便可有效的進行對象和行為模式分析，進而提供更有效的數據。而隨著機器學習、深度學習等AI技術興起之後，AI監控應用也隨之浮現。 國立交通大學資訊工程學系教授兼網路研究所所長易志偉(圖1)表示，AI技術(如深度學習)的優勢在於，可降低影像處理的門檻，使得影像資料分析不再是一件複雜的工作，進而依此衍生出更多創新的應用，例如無人商店的AI監控應用便是其中一個例子。 圖1　國立交通大學資訊工程學系教授兼網路研究所所長易志偉表示，深度學習減低影像處理複雜度，得以實現各種影像創新應用。 易志偉說明，像是7-11所推出的X-Store，有著自助結帳櫃檯，需要先透過臉部辨識系統確認個人身分後，再以icash2.0靠卡付款；而在進入商店時也需透過臉部辨識系統建立會員。當然，除了無人商店外，智慧監控還可應用在許多地方，例如透過攝影機錄下羽球選手各個動作，像擊球、腳步移動、球的落點位置等，再進行資料分析，以提升選手的訓練效率。 賽靈思全球人工智慧解決方案市場行銷總監劉競秀(圖2)指出，到了行動物聯網時代，聯網設備的數量將大幅超過人口數量；而隨著AI興起，未來勢將走向AI+IoT的趨勢，像是智慧監控攝影機、自動駕駛汽車、智慧音箱、智慧家電等。換言之，日後這些設備將具備一定的運算能力，使其能透過本地推論、訓練，做出更準確的分析以改變人類日常生活。 圖2　賽靈思全球人工智慧解決方案市場行銷總監劉競秀指出，如何研發靈活、高效，且高性價比的AI解決方案是目前各大AI晶片供應商共同努力的方向。 劉競秀說明，不過，要實現AIoT的挑戰在於不同的應用場景需要不同的運算效能。例如自駕車需要在很短時間內對周遭環境進行檢測並做出判斷，這時候晶片的運算效能及資訊傳輸就必須相當迅速；然而，若是網路監控攝影機的話，由於其需長時間運作，進行長期監控，其對晶片的要求除了具備一定的運算能力外，還需要低功耗，避免過熱當機。 劉競秀指出，也因此，如何針對不同的應用場景提供靈活、高效，且高性價比的AI解決方案，是目前AI晶片供應業者致力發展的方向；而賽靈思便透過靈活性較高的FPGA協助產業盡速導入AI，實現更智慧的應用。例如賽靈思所推出的自行調適運算加速平台「ACAP」，能針對各種應用與工作負載需求，從硬體層面進行靈活變化。 據悉，在ACAP核心內有個全新世代的FPGA架構，其結合分散式記憶體與硬體可編程DSP模組、一顆多核心SoC，以及一個或多個軟體可編程且硬體自行調適的運算引擎，上述元件皆透過網路晶片(NoC)串連。此外，ACAP具高度整合的可編程I/O功能，依據不同元件類型，其功能涵蓋整合的硬體可編程記憶體控制器、先進的串列器技術、具領導地位的邊緣RF-ADC/DAC，到整合的高階頻寬記憶體(HBM)。 除了ACAP之外，賽靈思還具有DNNDK(Deep Neural Network Development Kit)，其為深鑒科技所研發的AI異構計算平台DPU。 透過自主研發的原創深度學習SDK，涵蓋了神經網路Inference階段模型壓縮、編譯優化和高效運行時支持等各種功能需求，為深度學習應用開發和部署提供一套高效的解決方案。 耐能智慧(Kneron)產品行銷暨應用協理史亞倫(圖3)則指出，AI從雲端走到邊緣裝置的趨勢十分明顯，終端裝置有了AI運算能力之後，再跟雲端搭配，可以降低資料傳輸、運算分析的延遲性，不僅可實現更多創新應用，還可降低終端裝置與雲端間的連網布建成本。 圖3　耐能智慧產品行銷暨應用協理史亞倫透露，智慧監控開始從雲端走向終端，裝置中的處理器除須有高效能外，同時也須符合功耗和成本考量，為此，耐能採用NPU解決方案。 因應智慧監控需求，耐能備有新一代終端AI處理器系列NPU IP，其分為超低功耗版KDP 320、標準版KDP 520，以及高效能版KDP 720。此一處理器整體運算效能相較上一代產品提升三倍，運算能力(Peak Throughput)最高可達5.8 TOPS(每秒萬億次運算)。 據悉，新系列產品特色包括交錯式運算架構，讓神經網路架構中主要的卷積(Convolution)與池化(Pooling)運算可平行進行，提升整體運算效率；深度壓縮技術，可執行模型和運行中的資料和參數(Coefficient)進行壓縮，減少記憶體使用；動態儲存資源配置，讓共享記憶體(Shared Memory)和運作記憶體(Operating Memory)之間可以進行更有效的資源配置，提升儲存資源利用率且不影響運算效能；以及支援更廣泛的CNN模型。 史亞倫說明，邊緣運算應用十分多元，以智慧監控而言，不論是零售、交通、商業建築、安防等都會用到，且在各個領域中又細分無數個應用場景；有的需要精準人臉辨識，有的只須進行簡單車牌識別。因此，並非每個應用場景都須採用頂級、具超高運算能力的CPU、GPU或是DSP，否則會不符成本需求。 史亞倫進一步說明，因此，該公司便決定打造低功耗的NPU處理器。原因在於NPU處理器可說是專為深度學習設計，十分適合AI神經網路運算，並且有更多設計彈性。另外，有了低功耗、成本相對較低，同時還能進行邊緣AI應用的NPU晶片後，可讓市場有更多選擇，滿足對成本有較多考量的業者。 物聯網設備大增　資安防護不可少 物聯網和AI的興起，帶動許多創新應用興起，AI監控便是其中一例。然而，在使用AI監控提升安防效率之時，如何確保AI設備的資安，使其不被駭客竊取機密的資料，也十分重要。 台灣資通產業標準協會(TAICS)網路與資訊安全技術工作委員會技術長劉作仁(圖4)表示，物聯網應用和雲端息息相關，就連AI監控也不例外。使用者的裝置可以透過連線的方式，在雲端與終端裝置之間下載、上傳資料；而在這資料傳輸的過程之中，要如何實現完善的加密保護，是目前物聯網發展的重點。 圖4　TAICS網路與資訊安全技術工作委員會技術長劉作仁說明，物聯網應用和雲端息息相關，在資料傳輸的過程中，完善的加密保護可說相當重要。 為此，TAICS推動物聯網資安認驗證制度，期能落實各類型物聯網資安測試規範，推行物聯網產品與設備商落實資安檢測；並透過推動物聯網資安驗證制度，強化物聯網安全；最後則是建立物聯網資安標章制度，使消費者易於識別通過本資安驗證制度檢測之物聯網設備。 據悉，此一制度將先以與個人隱私息息相關的有線/無線網路攝影機為主，後續將會陸續針對其它各種物聯網設備。TAICS指出，物聯網盛行，使日常用品皆朝向數位化邁進，影像監控設備也是其中之一，但網路攻擊事件也隨之而來。有鑑於此，經濟部工業局與TAICS共同制定一系列針對影像監控系統中聯網設備之資安標準及測驗規範。

人工智慧(AI)無疑是監控產業未來發展的關鍵，其應用也愈加普遍，民間、政府單位皆紛紛導入智慧化的監控系統提升效率及提升安防等級。例如新北市警察局引進「違規停車自動偵測執法系統」，24小時在新北市板橋車站的機慢車優先道進行自動偵測，只要違停屬實，不再勸導、一律舉發，預定2019年1月起正式施行執法。 據新北市警局指出，此一系統是使用雷射偵測及車牌辨識系統，24小時自動偵測違規停車，自動蒐證違規車輛影像，傳送逕行舉發系統，減少人力作業，預定於2019年1月正式施行執法；若成效良好，將擴大在全市違規停車嚴重路段規畫辦理。除了在板橋車站引進違規停車自動偵測執法系統，新北市警局同樣也在萬里區萬里隧道實施區間平均速率科技執法，在進、出口設置偵測設備，記錄車輛進出的時間，換算通過該路段時間及通行速率。 除了政府單位，也有愈來愈多的民間企業開始使用智慧監控系統，以提升安全維護。像是美國流行歌手泰勒絲(Taylor Swift)便於今年5月的洛杉磯Rose Bowl體育館演唱會中導入人臉辨識系統，避免跟蹤狂混進會場中。從這兩個案例可看出，智慧監控愈來愈受各界的重視，其需求也跟著水漲船高。 監控市場續成長　裝置AI化成趨勢 根據市場調查機構Marketsandmarkets調查報告指出，影像監控的市場產值，將以每年13.1%複合成長率的速度成長，從2018年的368.9億美元，成長至2023年的683.4億美元。其主要驅動因素在於政府及公共安全應用方面調查，使得數位網路型攝影機、消費型DIY設備及偵防用攝影機的需求增加。 報告指出，網路影像監控系統的產值成長，主要是因為市場採購趨向從類比(Analog)走向數位網路型(IP)系統。網路影像監控系統的主要優點包括畫質更清晰、系統可高度擴充、容易安裝，以及容易網路連線及整合。 像是連網型的機種，用現有的網路就能連線整合使用，配合設備基本提供的軟體，可做到影像分析、網路管理及雲端儲存。因此，數位網路型監控系統未來會以快速的速率成長，而攝影機內建的功能，以及儲存設備產業的技術都將更進化；而AI，更是提升攝影機效能，使其實現更多應用的最大關鍵。 對此，Western Digital表示，隨著矩陣數學運算和算法的進步，機器學習(ML)與深度學習(Deep Learning)技術逐漸應用於監控市場之中。機器學習可被訓練，以識別模式、形狀、顏色、聲音、振動、溫度以及壓力等細微差別和差異， 這對於即時檢測和識別十分重要，使得臉部辨識應用日益完善，以進行高級識別、驗證、搜索、預防和救援。至於深度學習，透過大量的監控影像和訓練之後，搭載深度學習的監控系統便可有效的進行對象和行為模式分析，進而提供更有效的數據。 Arm市場行銷高級總監Rhonda Dirvin(圖1)也指出，在監控裝置中導入AI將會產生十分巨大的影響，特別是現今越來越多的智慧從雲端移到終端。廣域監控(人群和交通管理、智慧零售、智慧監控)和屋內或室內監控(人員偵測、辨識、存取控制、停車管理)，都將因AI的導入而受益。 圖1　Arm市場行銷高級總監Rhonda Dirvin指出，AI將會對監控裝置帶來十分巨大的影響，同時現在也有越來越多的智慧功能從雲端移到終端。 Rhonda Dirvin進一步說明，例如，在廣域監控中，終端偵測和推論實現了更實用的即時訊息提取，使得這類系統的管理更加強大，且更不易出現人為錯誤，在此類系統拓展終端智慧也更有效率。又或對於家庭或室內使用情境，終端智慧可讓系統更加安全和本地化；像是可以通過在家中本地運作的臉部辨識來打開家中大門，而不是在雲端中運作。 總而言之，安防需求的增加，推升了影像監控市場成長，而要實現更高的監控效率，AI可說是不可或缺的關鍵技術；一旦增添了AI功能，使安防監控系統更加智慧化，不僅效率更佳，也能有效降低人力成本，因此，監控AI化可說是必然的發展趨勢。 技術變遷/消費需求　AI監控趁勢而起 眾所皆知，影像監控系統每天都會產生大量的影像與事件資料，但這資料數據只有20~40%是有意義的，其餘都是無用的影像或誤報的事件資訊，也因此，導入AI針對影像進行自動分析、識別、跟蹤、理解和描述，藉此提升效率並減低人力成本的需求明顯增加。 晶睿通訊研發副總馬士毅(圖2)表示，事實上，監控錄影其實是件很無聊的事情，因為不是常常都有狀況發生。在錄影過程中，大概有八到九成的時間是不會有事的，當有事情發生時，才倚賴人工方式將監視帶子調出，對事件發生時段進行檢視。也因此，如何將監控系統智慧化，使其能有效地在事情發生時能迅速通知、警示，同時也減少人力，是監控產業期望實現的目標。 圖2　晶睿通訊研發副總馬士毅說明，場景、演算法和算力為智慧監控三大要素，科技進步使得演算法和算力不斷提升，因而能導入AI實現智慧監控。 馬士毅進一步指出，過往之所以無法實現智慧監控，最大原因莫過於是演算法能力不夠強。智慧監控共有三個要素，一個是場景，例如停車場、商場、辦公大樓等；第二是演算法，像是如何運用機器學習、深度學習進行數據處理，並有準確的分析結果；第三個要素就是演算能力，也就是這演算法和硬體處理器的運算效能夠不夠強大。 馬士毅說明，如上所述，智慧監控的場景一直存在，但過往礙於演算法和演算能力不夠成熟，因此遲遲無法實現。然而，隨著科技進步，晶片製程不斷提升，加上AI興起，使得不僅是監控產業，其他領域也積極投入，像是汽車、工業等。在各行各業的推波助瀾之下，IC、演算法成熟度加速累積，因而使得智慧監控應用得以實現，且如雨後春筍般冒出，而未來更智慧的監控設備勢將愈加普及。 對此，索思未來科技(Socionext)影像處理事業部應用工程科經理陳哲鋒(圖3)也認為，監控系統於設計上已然改變，不論是居家應用、商場百貨，或是交通等領域，監控設備不再是過往的單純錄影，待事件發生時再回看進行搜索，而是會有更多智慧化的功用在其中，像是臉部辨識、動作偵測等。 圖3　索思未來科技影像處理事業部應用工程科經理陳哲鋒提到，在消費者希望監控產品能有更多附加價值的情況下，智慧化功能便逐漸增多。 陳哲鋒指出，隨著科技進步，消費者的購買需求也會隨之改變。過往消費者對於監控設備的要求多在於高效能(如畫面清晰)；現在則希望這些設備還能有其他的「附加價值」。 陳哲鋒說，試想一下，若家中IP攝影機具有臉部辨識功能，當親朋好友來臨時便會立刻發出通知，通知客人身分；或是當陌生人在家附近徘徊時，能立即發出警示。這對消費者而言，不僅實用，也方便，而這也是所謂消費者對監控系統所期望的「附加價值」。因此，使得越來越多監控系統業者紛紛於產品上增添附加功能，智慧化趨勢便日益明顯。 智慧監控應用增　交通/零售/安防為三大市場 上述提到，監控系統AI化趨勢日益明顯，其應用也逐漸浮現，如交通管理、智慧零售，或是和屋內或室內監控等。對此，建騰創達董事長暨執行長朱伯倫(圖4)表示，目前AI智慧監控所要監測的事物不外乎可分成四大類，分別為人、臉、車，以及車牌識別(Automatic License-plate Recognition, ALPR)；也因此，和這四類較為相關的應用領域，像是零售、交通、商業建築等，會是未來智慧監控發展較為快速的領域。 圖4　建騰創達董事長暨執行長朱伯倫表示，要搶得AI商機，不能再以尋求差異化為主，而是要從應用服務角度出發，滿足客戶需求。 以零售業為例，耐能智慧行銷業務資深經理陳學佑指出，零售業者導入智慧監控系統有兩大方向，首先是打造無人商店，例如7-ELEVEN的「X-STORE」及亞馬遜(Amazon)的「Amazon Go」等；其次便是希望能藉此進行客群分析，進而實現「精準行銷」。也就是運用AI監控系統，除了紀錄來店人數，監看現場狀況之外，同時紀錄客人的相關資訊，不一定需要知道客人的身分，但可透過數據分析得知是否有固定來客，以及這些客人是否有品牌忠誠度；若有的話，店員便可進行技巧性推銷，推薦客人有興趣的產品。 至於交通方面，馬士毅指出，AI的出現使得交通監控的需求也開始產生改變。交通監控不再只著重錄到的影像，重點開始轉向背後所獲取的資料。監控系統不僅僅是單純錄到車輛通過的影像就行，於車輛通過時也同時須得知其車牌號碼、車型等，這就是所謂的結構化監控。也就是不單單是看車流數量，或是影像畫質好不好，而是要看懂其背後的數據，才能做出更有效的判斷和決策。 當然，傳統安防領域也仍是AI監控的重要市場。台灣索尼課長葉沛青指出，對於智慧監控需求一般而言，還是以警政系統的安全維護及智慧辨識為主。促成此變化的發展趨勢在於，針對日新月異的犯罪手法，傳統式的監控系統不斷在更新其功能，透過智慧識別，能節省人力，在更短的時間內分析出所需的資訊。這對於某些業主(如零售店、家庭)而言，無疑是更有效的安防監控工具。 搶占AI監控商機　應用服務為主軸 綜上所述，AI將為監控產業帶來翻天覆地的新變化，其應用需求也逐漸高漲；然而，對於監控業者而言，AI的興起雖帶來了新商機，但也意味著新挑戰隨之而來。 朱伯倫說明，商場、零售店等終端業者之所以會導入AI，其原因不外乎是增加營收、減少成本，以及降低風險，以得到更多的投資回報率(Return On Investment, ROI)。也因此，監控業者不能抱持「尋求差異化」的思維，而是須以「應用服務」的角度出發，協助客戶達到更多營收、更低成本、更易管理風險的目標。 朱伯倫進一步指出，尋求技術差異化偏向製造業的思維，也就是打造一個具獨特性的產品(可能是價錢最低、效能最好等)力抗市場眾多競爭對手，進而讓顧客買單；然而，這種差異化並非是永遠不變的，因為技術每天在進步，或許在短短幾個月內，產品之間的優勢或獨特性便會相差無幾。 也因此，對於監控業者而言，在逐漸攀升的AI監控商機中，要占有一席之地，便該從「應用服務」的角度切入，以客製化的支援與服務滿足客戶的三大主要需求，也就是賺錢、省錢和管理風險。 朱伯倫表示，應用服務和客製化都不是新的概念，對於監控業者而言卻是新的挑戰。原因在於，這考驗業者了不了解終端產業的需求、運作，以及在了解之後有沒有相對應的能力進行服務與技術支援。以該公司為例，除了提供監控系統相關的軟硬體之外，更重要的還包括售後的服務與支援，例如數據分析、伺服器資料管理等。換言之，化繁為簡，不再執著於尋求產品、技術的差異化，而是去思考如何實現更智慧的應用，提供最有效率的解決方案滿足客戶在ROI上的需求，這是目前所有監控設備業者應了解的觀念，同時也是新的挑戰。 對此，Western Digital也認為，AI監控的興起，對於製造商和安裝商而言，雖說有更多的機會可提供和安裝複雜設備和系統，但更重要的是，他們更須了解數據在整個營運過程中所扮演的角色，因為有了數據，才使AI成為可能。所以，要如何獲取數據、又該捕獲哪些數據，且該如何消化、解釋、整合不同數據，還能呈現準確的結果，遂成為監控製造商、安裝商在AI世代脫穎而出的關鍵要素之一。

智慧監控風潮興起，為了實現更多AI應用並提升演算法分析精確度，不僅處理器效能須持續攀升外，影像畫質也須跟著與日俱進。台灣索尼(Sony)課長葉沛青表示，目前的市場不論於720P或4K影像及皆有一定需求，不過，4K影像應用從2018年開始有逐漸加溫的趨勢。 據資料顯示，全球安防行業超高清(4百萬畫素以上)的市場到2018年增長為前期的5倍左右，主因在於智慧分析及高畫質的即時監控對於影像素材的要求更嚴格，希望能更清晰。而4K解析度是1080P的4倍，能夠看出更多的細節與物件特徵，清晰地呈現監控現場原貌，同時能快速實現對於車牌辨識、人臉辨識及行為偵測等的智慧分析應用。 葉沛青進一步說明，2019年從現有Full HD系統升級至4K的數量相信會更進一步的提高，因為如上所述，監控設備開始結合智慧辨識系統的分析，其所要求的影像都會相對提高，驅使企業用戶開始考量監視顯示器的畫質是否需要提升。比如說，4K攝影機能夠處理大場景的監控問題，只要架設1台4K攝影機，就可利用廣角特性涵蓋某個主要的轉運站，藉由細膩的解析度看清行人的面貌與更多圖像細節，像是服飾細節、車牌、人臉等，這些細節於安全監視的實際跟判定應用中極為重要。   因應此一趨勢，目前Sony的攝影機發展以著重於4K以及全天候監控攝影機為主，採用End to End 4K方案增加監控的效率性，當然，未來也會導入智慧分析功能。