運輸

市政府和私營企業或許沒有察覺，但他們可能坐擁了一座寶庫：來自閉路電視（CCTV）攝影機的大量影片圖像。然而，一家專攻安全型產品的公司 Vehant Technologies 的產品經理 Saurabh Pachnanda 表示如此大量的資料需要智慧才能理解影片的箇中資訊。

比方說，舉凡停車場、公寓大樓入口、零售商店、醫院和智慧城市等公共空間都能看見攝影機的蹤影。因此，政府和私營企業淹沒在原始影片和資料的滾滾浪濤中，除非能從其中擷取具有價值的見解，否則這些東資訊一無是處。

影片分析的成長

Pachnanda 解釋，舉個例子，攝影機或許只會發現數十輛汽車在公路上掉頭，但需要智慧才能理解可能發生什麼阻礙。人類作業員當然可以手動篩選錄像資料，但要在成千上萬小時的影片中找到短短幾秒的有用資訊猶如大海撈針。部署人力執行這項任務效率極低、成本高昂。

所幸機器學習電腦視覺演算法的進步，提供了一種更精確的能力，可從圖像中獲取智慧（圖 1）。Pachnanda 發現，這些因素加上邊緣運算能力的增強，加速了人們對可操作影片分析的需求。「愈來愈需要保護其中的一些技術並提高生產力，」他表示。「電腦視覺機器學習演算法可協助提供演算法，讓使用者能夠理解箇中情況。如此一來，他們只需關注特定事件或特定見解，無須時時刻刻鎖定原始影片資料。」

影片分析的許多使用案例

AI 與機器學習也能接受其他感應器的輸入資料，並在資料中發現人類可能錯過的較大趨勢和相關性。印度一家醫院面臨醫務人員使用停車場的效率不彰，它結合現有的貼紙型系統和使用 ML 演算法的自動車牌號碼辨識系統。在現有方法的基礎上堆疊這類智慧，可協助醫院管理單位更精準地將工作人員與其車輛配對，確保員工遵守停車限制、不會超時違停。

這只是現今影片分析的實例之一。Vehant的 AI 影片分析在三大垂直領域發揮功用：智慧城市、企業分析和影片事件偵測。

Vehant 擁有一批針對特定使用案例的預先訓練模型，協助客戶利用現有的作品，不必無謂地從頭做起。如此一來，Vehant 便可為各種需求調整模型，盡量減少客戶的部署時間。該公司利用現成套套件作為進一步現場配置和量身定制的基礎。

取決於使用案例，公司能透過行動應用程式、簡訊或電子郵件提醒客戶任何調查結果。Vehant 也提供網頁介面，可透過單一窗口存取所有見解。Pachnanda 解釋道，通知包括豐富的中繼資料，可提供位置、時間、擷取事件類型的詳情，以及幾秒鐘的相關影片串流。

影片分析所需的基礎結構

Vehant 深知客戶對汰舊換新的解決方案持謹慎態度，因此在設計自訂解決方案時，會考慮現有的基礎結構、攝影機和相關系統。

除了攝影機外，客戶也需要根據處理的資料量而變化的運算能力。「我們開始超越某個點時，就是 GPU （圖形處理器）派上用場的地方，因為它能極有效率地處理影片量，這有助於基礎結構的負載，」Pachnanda 如是說。Vehant 利用 CPU、GPU 和 AI 加速器等硬體技術，無論資料量如何，都能滿足客戶的需求。這些技術有助於在邊緣快速追蹤推斷，並加快提供見解的速度。Vehant 的軟體可以按比例縮放，適應流入的資料量。

Vehant 特別注重將對現有硬體基礎結構的影響降至最低。「這些都是非常通用的運算，而且現成可用；沒什麼非常具體的東西不能套用在其他用途，」Pachnanda 表示。「這是一套我們銘記在心的節省成本措施。」他補充說明，客戶可以選擇從小處做起，逐步擴展。

影片分析的未來

Pachnanda 表示，Vehant 格外重視資料隱私。例如，處理資料是為了提高安全性。「系統內有相當多的制衡原則，確保不會在沒必要的情況下暴露、擷取或使用資料，」Pachnanda 表示。Vehant不會保留對任何客戶站點擷取的任何資料的存取權，無論是在邊緣站點還是遠距站點皆然。

Vehant 使用 Intel^® 處理器和晶片組，以及OpenVINO^™ 工具組進行 AI 邊緣推斷。「Intel 與我們密切合作，開發解決方案。他們在解決方案結構、最終部署方面協助我們，有時甚至幫助我們為使用者提供端對端的整體性解決方案，」Pachnanda 表示。

他補充說，這只是影片分析使用案例突飛猛進的開端。「我們看到許多客戶想要瞭解影片資料的見解，並且正在進行有限的試驗及嘗試各種可能性，」Pachnanda 如是說。「多虧演算法的進步，我們會看到愈來愈多產業張開雙臂迎接 AI 影片分析。」

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。