AIoT时代安防的动态感知体系

视频、音频、气味、生物特征等技术的发展和成熟，全面掌控防控场景和目标的完整信息成为可能，在安防应用中越来越多的部署更多类别的感知设备，用于从更多维度采集目标信息，包括目标的各种要素、活动轨 迹以及关联信息等，从而形成一个动态感知体系，实现防控工作的“无所不在、无所不知”目标。

针对某一特定的应用场景，相关前端感知设备实现全互联直通，逻辑上各感知设备一体化，当一个设备的感知到一条单维度信息后，通知其他设备从其他维度提取信息，对信息的准确性进行印证，从而实现群防群治，实现在前端就能完成一次感知信息的数据清洗，从而保证了感知信息的准确性。

只有验证有效的信息才会 上报至后端系统和平台，在后端再进行数据综合应用，最终实现感知的多层运用。

一方面，可以提升准确度，减少误报；另一方面，通过本场归并，减少数据量，降低后端处理的压力。

当前，安防在感知运用上是一个个孤立的垂直结构，需要先由前端感知设备进行目标感知和信息采集，然后原始信息报送到后端业务系统进行结构化和业务语义化，最后业务数据汇总到中心数据综合应用平台（含大数据）进行数据治理和关联应用。

在感知运用信息链中前端设备和后端业务系统是垂直对应关系，只有到了中心数据综合应用平台才形成水平关系，才能面向多个业务系统进行多维数据综合和关联。

所以，我们在AIoT时代经常看到企业推出的“中枢大脑”。以紫光华智中枢大脑为例来看，一个城市的战“疫”，全面、精准、快速、预测是城市治理与风险防控建设目标，紫光华智“四引擎”各就各位并各司其职。

全面采集数据——构建城市立体管控圈。要驾驭数据，端侧的采集是第一步，也是关键一步。所以传统安防企业善于在采集端发力，这也是他们雄踞市场的制胜法则。

精准感知信息——多维特征融合定位疑似患者。为满足实战所需，感知的信息就需精准，而不是采集之后的眉毛胡子一把抓，同时，口罩遮住了行人的绝大部分特征，非约束场景下的摄像机无法精准定位到行人的感染路径。

快速认知知识——强化管控能力。知识是从信息中经过归纳、碰撞、流转、沉淀提炼而得到的有用资料，基于推理和分析，还可产生新的知识，体现了信息的本质和经验。快速认知知识，就是集中资源用最快的速度分析，快速把信息提取完成，让目标查找更便捷。

智慧预测预知——区域风险转化。当下用户对AI的期待之一就是能预测与预知，既能洞察当下，也能预知未来。复工开始后，海外的疫情爆发，哪些区域的疫情风险加大，如何防输入、防扩散、防聚集，及时发现风险因子是考题。