AI監控

監控分析市場已出現了明顯的轉變，過往監控的模式較為「被動」，也就是單純錄影，發生事件時再去調錄影帶。然而，現在監控的重點在於「即時反應」，也就是發現異常時可立即發布警示，進而省下人力通知或是事後影像提取檢視的時間。 也因此，監控系統不斷朝AI智慧化發展，增添如人臉識別、車牌辨識等功能；與此同時，為了能有迅速的反應時間及工作效率，智慧監控也逐漸從「雲」走到「端」。 換言之，過往AI功能多在雲端進行，然而，對於監控產業而言，最大的重點便是「反應速度要快」，事情發生時能立刻警示；而將資料送到雲端進行分析、運算後再送到終端裝置，即便時間再快，多少還是會有所延遲。倘若資料量太大，網路傳輸速度和頻寬無法支援，甚至資料還會停滯在雲端而無法傳輸。也因此，智慧監控便開始從雲端轉向終端裝置。 總結來說，為了加快監控裝置反應速度以及提升效率，開始有許多AI功能從雲端移至終端裝置；而要在終端裝置進行邊緣運算，實現更多AI智慧應用，監控裝置的軟硬體設計勢將有所提升，為此，監控元件/設備供應商也紛紛推出新一代解決方案。 滿足視訊/音訊監控　完善IP方案不可少 Arm市場行銷高級總監Rhonda Dirvin表示，現今擁有音訊或視訊輸入的裝置數量大幅增加，並可用於各種監控功能，例如行車紀錄器、盲點警示、家庭網路攝影機、防盜系統、門鈴、智慧照明、防盜警報等。 Rhonda Dirvin指出，由於現在已能在終端進行推論功能，因此製造商將特別關注智慧家庭裝置。智慧裝置能具有視覺處理功能以監控屋內，辨識家庭成員，並利用視訊在所有物件中提供安全或是與人類的連結。 然而，視覺辨識最大的挑戰之一是大量的使用情境和AI效能需求。從偵測和提取人群中的數百張面孔到辨識停車場中的人臉或車牌，這些用途和效能需求大不相同。除此之外，有各式各樣不同的AI網路，用於解決同樣的問題，因此，完整的IP組合(而非單一解決方案便適用所有情境)十分重要。為此，Arm備有相關CPU、GPU、專用的NPU，以及可擴展的Arm NN平台，協助設備製造商加速進入新的AI監控世界，並更進一步的提高AI和訊號處理能力。 另一方面，Rhonda Dirvin提到，除了視覺，音訊(例如關鍵字萃取或振動感測)也是推動先進監測技術需求的關鍵因素。例如，關鍵字萃取(Keyword Spotting)在2018年受到廣泛討論，而到2019年，簡單的關鍵字萃取將升級到語音辨識。例如家中的智慧音箱，可以辨識誰在提供語音命令，不論是使用者本身或是家人，身份辨識有助於提高智慧家庭裝置的安全性和隱私。 然而，語音辨識的最大挑戰便在於要如何在最低功耗的情況下實現「Always-on」功能。對此，Arm具備多款處理器、CMSIS-DSP及CMSIS-NN軟體核心中DSP擴充套件的超低功耗感測器和運算引擎，可啟動Always-on的環境感測，包含語音、振動、視訊。 Rhonda Dirvin指出，Arm擁有各式不同運算規模優勢，從利用CMSIS-NN軟體函式庫提高效率的Cortex-M處理器；到具有ML擴展能力的Cortex-A處理器，以及ML處理器等，以便支援所有的功耗選項。 兼具低成本/低功耗　NPU成市場新選擇 智慧監控商機起，除了Arm這傳統IP大廠積極備戰之外，新創業者也磨刀霍霍。瞄準終端AI應用需求，耐能智慧(Kneron)於近期發布新一代終端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；整體運算效能相較上一代產品提升3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。 耐能智慧產品行銷暨應用協理史亞倫(圖1)表示，智慧監控從雲端走向終端的趨勢十分明確，然而，要如何打造具有高運算能力可實施AI應用，卻又符合業者功耗與成本考量的監控裝置，是一大挑戰。 圖1　耐能智慧產品行銷暨應用協理史亞倫表示，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。 史亞倫指出，監控應用十分多元，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；有的可能需要超精準的人臉辨識，而有的可能只須進行簡單的車牌識別。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，一來是NPU處理器十分適合AI神經網路運算，有著更多的設計更新彈性；二來是目前監控裝置較少採用NPU晶片，而有了低功耗、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監控設備商及終端業者。 因應邊緣運算　SoC效能節節高升 另一方面，不僅IP業者，晶片商也趁勢推出解決方案搶占市場商機。索思未來科技(Socionext)影像處理事業部應用工程科經理陳哲鋒表示，為紓緩雲端運算工作量，降低資料延遲，使監控反應時間更快、效率更高，邊緣運算開始走進各種監控裝置當中，晶片也因而須具備更強大的運算能力，而這也是影像元件供應商於產品上的重點設計方向。 為此，索思未來科技也備有相關的解決方案，像是SC2002/SC2000影像處理器。SC2002配備ARM Cortex-A9 Dual 600MHz CPU以及智慧化的高效數位訊號處理器(DSP)；並且搭載三維降噪(3DNR)和寬動態範圍(WDR)功能，可以在低光照條件下捕捉高品質影像，同時在一般運作環境下僅需1.5瓦的超低功耗，適用於各種影像和監控安全攝影機系統。 至於SC2000系列，同樣配置經優化過的DSP，並透過Socionext獨家的Milbeaut影像處理算法，以及影像穩定技術，不須使用機械平衡環及滾動快門校正，可滿足電腦視覺應用。 陳哲鋒進一步說明，提升運算效能，是未來不變的目標。以該公司為例，除該公司本身的SoC就具備高效能可實現臉部辨識、物體偵測等智慧監控應用外，若要達到更高的運算效能，該公司也會結合加速器(如ASIC)，以實現更多的AI應用。另外，該公司也計畫於2019年新推出的影像處理器當中，直接結合AI功能(如深度學習、機器學習等)。當然，除了高效能之外，也須兼具低功耗，而該公司的晶片經過測試，在4K 60fps的條件下，與同級產品比較可降低30%的功耗。 實現智慧監控　演算法舉足輕重 因應AI監控風潮，不僅元件/IP業者積極備陣迎戰，監控業者也致力打造更「智慧化」的產品。例如晶睿科技便自行開發深度學習演算法，且將其導入監控產品之中，像是360度智慧魚眼攝影機，使其可分析上千種場景，辨別人類共同特徵，進而衍伸出人群偵測的功能。又或是打造3D人流計數立體攝影機，透過三維定位的景深技術以身高辨別成人與小孩，進而得知哪些人具有消費能力，以及哪個入口處人流最多等具有高度商業價值的資訊。 晶睿科技品牌事業研發副總經理馬仕毅指出，未來廣域監控(如人群、交通、零售等)的需求勢將明顯增加，如何在終端監控裝置上進行運算，降低資料流量，進一步做出即時的判斷將是日後主要發展目標，也因此，該公司致力打造更「聰明」的產品。 馬仕毅進一步說明，提升硬體規格，選用更強大的運算處理器，這是監控設備將來必然的發展方向。然而，AI應用的重點在於「數據分析」，也就是要能將所收集到的數值化為有效的資訊；要如何處理、分析這些數據，是實現智慧監控的重要關鍵。也因此，自行開發演算法可說勢在必行，這也是該公司進行嵌入式系統深度學習網路架構與引擎開發、AI監控系統技術開發(偵測+辨識人/車)以及AI廣域監控系統技術開發(魚眼+多鏡頭)的主要因素。 另一方面，隨著AI應用逐漸興起，相關資安疑慮也跟著浮現。馬仕毅表示，現在監控設備中的處理器(SoC、CPU等)效能越來越高，若被駭客入侵，除了被竊取資料外，甚至有可能成為另一個攻擊節點；因此，如何提高監控設備的安全防護等級，也是未來不容忽視的設計重點。 為此，晶睿與趨勢科技合作，打造「內外兼顧，軟硬防護」安控攝影機解決方案，讓網路攝影機具備預防、隔離、再控制三大功能，杜絕潛在資安危機。當偵測到相關威脅時，通訊攝影機會自動啟動預防功能，避免惡意程式的入侵。而針對已被入侵的攝影機，也會啟動自我隔離機制進行防禦；一旦偵測到惡意程式的入侵，系統將可即時透過雲端更新病毒碼，快速隔離並預防病毒的擴散，將惡意程式的傷害控制到最低，確保其它在同樣架構下的網路攝影機安全。 智慧監控風潮起　顯示/感測需求與時俱進 另一方面，智慧監控風潮除了推動處理器效能持續攀升外，對於顯示器、感測器的要求也有著明顯的轉變。台灣索尼課長葉沛青表示，目前的市場對於720P或是4K影像皆有一定的需求，不過，4K影像應用從2018年開始有逐漸加溫的趨勢。 上敦企業副總經理林光遠則指出，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年增長為前期的五倍左右，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的四倍，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。 至於在感測器方面，艾邁斯半導體(ams)台灣區總經理李定翰(圖2)則指出，監控應用愈來愈廣泛，像是人臉辨識、步態監控等；而為了使後端演算法分析更精確，並降低處理時間與功耗，感測器效能也須跟著提升。 圖2　艾邁斯半導體(ams)台灣區總經理李定翰指出，因應智慧監控，感測器效能也需提升，才能使演算法分析更精確。 李定翰說明，監控的目標眾多，並不只是人而已，還有器材設備、動物，或是快速移動的車輛等；另外，不論監控目標為何，最終都會遇到一個實際的物理現象，也就是在夜晚的時候要如何確保監控品質，鏡頭在晚上如何能拍的清晰，這些對於影像感測器而言，都是挑戰。為此，ams便於CMOS影像感測器中導入全局式快門(Global...

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。 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，晶睿通訊研發副總馬士毅表示，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。

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。 不過，AI雖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，更重要的是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。