方案名称：分布式+AI 边缘智能协作平台

　　应用领域：智慧公安/智慧政务/智慧交通

　　方案类型：智慧视频解决方案(图像和视频的算法、设备、视频应用等)

　　方案概述

　　分布式+AI 边缘智能协作平台是魅视科技最新推出的产品，结合了边缘计算和视频结构化分析、图像大模型等先进技术，多模态协作；为用户提供实时的数据处理和分析能力，提高系统响应速度，以满足对低延迟和高带宽的需求，并以实时、安全、隐私保护的方式满足用户对于图像和视频数据处理的需求。通过合理部署和调配网络边缘侧节点的计算和存储能力，实现基础服务响应。

　　主要功能

　　方案通过先进的边缘计算技术，打造1+1+1+N应用框架，为各行各业赋能智慧化业务场景，为现有的IPC（网络摄像机）赋予AI结构化能力，无需更换硬件或重做系统，即可实现智能化升级。同时，支持Caffe、TensorFlow、PyTorch、ONNX等框架，稳定易用；支持人、车、物识别，多路视频结构化分析，提供定制化算法及部署方案，满足多种场景需求，适配智慧安监、智能安防、智慧交通、智能制造等多领域场景需求。

　　AI视频结构化分析

　　AI视频结构化分析技术的引入，彻底革新了视频数据的处理与应用模式，分布式+AI 边缘智能协作平台能够对人脸图像、姿态、行为、上衣颜色、类型、性别、年龄等数十种特征提取，进行实时结构化分析，并对人体 18 点骨骼关键点进行检测，并识别人体姿态及动作特征。

　　同时，支持多路视频并发计算分析，自动分析 720P、1080P 等规格的高清卡口视频，深度识别、目标检测、轨迹跟踪，智能锁定嫌疑人，助力高效办案 ;32路视频的并发采集与实时处理，能够针对512个关键信息的深度结构化分析，穿透海量视频数据的壁垒，提取决策所需的关键细节。

　　AI图像大模型

　　AI图像大模型基于深度学习技术，特别是 transformer 架构及卷积神经网络（CNN）。图像大模型通过在大规模数据集上进行预训练，能够学习到丰富的视觉特征，游刃有余地应对文本的图像搜索、相似图像比对，复杂的数据统计分析、运动轨迹追踪记录，提升了决策过程的科学性与前瞻性。可以用于智能监控系统，自动识别异常行为、车辆、人脸等，帮助安全监控和城市管理。在体育赛事直播中，它们可以实时分析运动员动作，统计比赛数据，比如进球、犯规等。

　　AI语言生成式大模型

　　在5K坐席场景下，能够结合大型AI模型进行深入分析、识别和内容生成，确保对专业内容的深刻理解和准确响应；模型为行业用户量身定制了专用知识库，如操作手册、售后手册等，以专业视角助力用户解决问题，并提供基于角色和场景的智能化问答。

　　AI大数据可视化

　　平台内嵌多种计算机模型和服务模型，能够高效处理海量音视频数据流，实现批量化作业。同时，采用"所见即所得"的设计理念，用户仅需简单拖拽操作，即可快速构建出个性化的可视化页面，极大地简化了编辑流程，无需编写任何代码。平台还融入智能AI技术，自主分析用户的鼠标操作，精准捕捉多级页面内的关键数据，无人值守也能抓取频率自动适配页面数据刷新时间。此外，平台还配备了高精度的后台屏幕监测功能，支持像素级精准识别，实时追踪屏幕细微变化，支持多软件并行监测。

　　优势特点

　　方案结合了分布式+边缘计算+大模型等技术应用，满足敏捷部署。目前方案政绩显著，投入费用较少。

　　1.原有的设备不作改变，加设备即可，实现敏捷实施；相比更换昂贵的AI结构化摄像头的周期长，实施复杂，本方案成本低。

　　2.与传统AI摄像头的端侧优势相比，方案优势在于边侧，尤其结合综合显控有突出优势。

　　3.边侧优势对应的是视频回溯，满足多种视频流态的AI处理；

　　4.针对大量的摄像头产生大量的信息，视频信息上云端使用核心专利的ASE视频编解码技术，极大地缓解云端储存压力；

　　5.算力高-针对AI摄像头算力一般0.5T~2T，最大12T而且成本高昂，方案中边缘计算可将算力突发到单路上，高达200T，更准确；

　　6.灵活性高-方案可针对特定场景定制研发算法，可以同一个摄像头定制多个算法，也可以不同摄像头不同算法

　　7.AI摄像头部署即巅峰，不管算力限制还是商业模式无法更新算法，方案中边缘计算等于买了个电脑，后续可以更新算法和软件，并且只另收软件费用，实现硬件不浪费；

　　8.健康运维-可扩展运维，方案实时检测摄像头在线、遮挡等管理问题，不用额外投资硬件。

　　应用效果

　　分布式+AI 边缘智能协作平台，结合了边缘计算和视频结构化分析等先进技术，多模态协作；为用户提供实时、动态和智能的图像数据处理和计算分析能力，可实现人脸、人体、车辆、烟火、行为等识别、抓拍、比对、告警等服务，通过对场景中的异常及违规现象进行精准研判、数据分析结果汇聚、智能预警、辅助决策等，从而实现事前预警、事中管控、事后取证的监管目的。目前，该平台受到用户的普遍欢迎。