本文將從業務建模的差異、智能識別的基礎能力和應用場景等多個角度，探討為何攝像頭管理與通用物聯網設備管理形成兩套系統，并展望這一分離如何助力更高效的智能化管理。

從廣義上說，任何看得見的實物都可以作為物聯網中的【物】，都是人感官的延伸-攝像頭自然延伸了人的視覺。但是為什么各大廠商都將物聯網平臺和連接攝像頭的平臺分成兩套系統？

阿里云物聯網平臺中的視頻服務專門做視頻設備的接入，而不是完全在設備管理中操作。另外阿里云還專門針對視頻接入、檢出、分析等功能開發了另外一套城市視覺引擎平臺。

華為云的物聯網中不包括攝像頭設備，而有單獨視頻菜單做攝像頭的接入、管理等。

以下從兩個方面闡述我對之所以分開物聯網平臺和視頻平臺的理解。

一、業務建模無法統一

1. 數據格式不同

因為大部分的物聯網設備和云端的交互都是通過結構化的數據交互，而攝像頭和云端或邊緣側交互的最基本的數據是視頻流，它是非結構化數據。

相對于結構化數據（即行數據，存儲在數據庫里，可以用二維表結構來邏輯表達實現的數據）而言，不方便用數據庫二維邏輯表來表現的數據即稱為非結構化數據，包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報表、圖像和音頻/視頻信息等等。引用于知乎https://zhuanlan.zhihu.com/p/29856645

我認為導致這樣的原因可以歸因于人的視覺是對三維空間的感知，而聽覺、嗅覺、觸覺、味覺的感知結果都可以通過什么，怎么樣去描述。比如，你描述你看到的東西需要用一篇文章去表達，但是聞到什么就可以說聞到了什么，好的壞的，程度怎么樣去說明。

2. 接入協議不同

大部分的物聯網設備接入平臺可以概括為HTTP、MQTT、CoaP、SoaP等等，通過對不同協議進行抽象可以總結出大體一致的業務邏輯，而攝像頭用的協議是RTSP、GB/T-28181等，這些協議要求的規范導致無法同普通設備延用一樣的抽象邏輯。

比如，

創建攝像頭的時候，RTSP只要視頻流地址即可（地址中包括賬號密碼），而國標要求必須有唯一的編碼和密碼兩個字段，頁面必須知道接入協議才可以繼續。

創建一個普通的設備，用戶不需要在界面上選擇協議，設備只要正式接入，后臺變知道該設備的協議（也不是所有系統都如是做）。

3. 智能化需求層級不同

大部分的物聯網設備通常是對舊的未入網的場景進行改造，比如在井蓋上添加重力傳感器并將產生的數據傳到網絡，比如將未入網的酒窖中監測溫度的溫度計智能化并將數據傳至網絡。而傳統攝像頭本身就是智能產品，本來就具備將數據進行傳輸轉換的功能，我們對他的需求是對視頻流的智能分析。

4. 使用場景不同

我理解一般的物聯網設備主要做“感知”，而攝像頭是做“識別”，仍舊是視覺和其他感官的區別所致。

“感知”的應用請移步物聯網產品之架構篇http://www.aharts.cn/pd/2709311.html（寫的不太具體和詳細，抽時間補上。）

“識別”是AI攝像頭的基礎能力，更上層的應用和行業相關。比如在交通中可以用于識別車輛是否違規行駛，在公安中可以用于逃犯識別，在安防中可以用于明火識別、在辦公行業可以用于考勤打卡等等。不要小看識別兩個字，每一類目標，每一種行為都需要大量的真實圖片或行為“喂給”算法才能訓練出強健有力、出錯率低的智能算法。

以下分別說說“識別”的基礎能力、應用場景。

二、智能識別的基礎能力

1. 人臉識別

我們的眼睛識別到一個人的原理是先理解什么是人，并把這樣的認知存儲到自己腦海里，見到人時便可以馬上識別出他是人。通過攝像頭進行人臉識別也是同樣的過程：首先系統知道什么是人，然后將拍攝到的畫面中的人識別出來。

2. 車輛識別

車輛識別思路類似于人臉識別，只是車輛可能包括汽車、三輪車、兩輪車，而這不同類型的車輛背后算法是有很大差別的。

3. 植物/動物識別

目前看這個多應用于2C的場景，比如通過手機給某一種植物拍照，互聯網便會告訴我們它是什么植物是什么動物。

4. 場景識別

通過對不同領域的生產過程、作業過程、操作過程進行場景識別，可以在安全領域、公安領域進行危險識別，價值在【防】。

三、基于識別的應用場景

1. 人流量分析

人流量的分析基于對人的識別。

我去年清明去了一次泰山，體驗很不友好，人流控制全靠吼，踩踏事件極易發生，當時就在想有沒有什么技術可以緩解這類問題。通過攝像頭進行人流量分析便是解決方案之一。通過重點點位安裝攝像頭并實時監控人流量，將數據轉換成指導工作人員控制客流量的依據，也可以作為行人選擇路線的決策依據。

在城市中人流量分析場景更多，比如重點地鐵口、重點商業區等等。這樣的應用給交通疏導、防止踩踏等提供了有力依據。

2. 車輛軌跡分析

一個攝像頭可以識別某個區域內的車輛，但大量的攝像頭便可以實現車輛軌跡的分析，車輛軌跡分析基于車輛識別，系統可以根據不同點位拍攝到的同一輛車和時間而分析出該車輛的行為軌跡。

3. 黑名單車輛管控

如果某車輛在管控范圍內有過蓄意破壞行為，可以將該車輛標識為黑名單，往后將來往車輛與黑名單逐一對比，黑名單車與當前車輛相似度達到一定閾值后產生告警或直接禁止車輛進入管控區域。

4. 布控犯罪人員

行為軌跡分析是對已經發生的事情進行分析，而布控是對將來發生的事情進行分析。比如如果發現一個嫌疑人抱走了兒童，那么可以將此人布控，被布控點位就會對每一個識別到的行人進行比對，如果相似度達到閾值就會報警或者產生其他行為。

所以攝像頭“識別”的應用場景很多時候都獨立于普通設備的應用場景，分成兩套系統更經濟和實惠。

四、結語

攝像頭有其特殊性，且不是萬能的，需要結合各類設備和大數據分析等一同促進世界的智能化?，F在仍舊是智能世界的草莽時代，需要一點點的試錯與探索，路漫漫其修遠兮～