人工智慧物聯網AIOT系列17：影像感測到AI決策—AIoT視覺智能全流程解析

在上一篇文章中，我們探討智慧城市應用的技術基礎：人工智慧物聯網（AIOT）的知識地圖，從感測器、物聯網、邊緣運算、雲端儲存、大數據到人工智慧，這些技術如何串聯起來，創造出智慧城市的運作骨幹。在接下來幾篇文章的討論中，我們將深入探討不同型態的資料與應用案例(影像、聲音與生理與溫度濕度等)，從感測器、物聯網、邊緣運算、雲端儲存、大數據到人工智慧，這些技術如何串聯起來，創造出AIOT的運作骨幹。

一、人工智慧物聯網 ：

圖1.人工智慧物聯網

 

在現今的智慧城市中，影像資料的應用已經成為不可或缺的一部分。這些影像資料通常來自於手機、攝影機或相機，每天都會產生大量的視覺信息。首先，這些影像資料會通過感測器裝置進行收集。舉例來說，在一個繁忙的城市中，攝影機可以實時監控街道上的人流動態。這些影像資料經過感測器裝置的收集後，會進行大數據分析。這一步的目的是篩選和提取關鍵信息，例如識別出走失的人口或潛在的嫌疑犯。接下來，這些分析過的資料會被傳送到雲端人工智慧分析平台，進一步進行處理和決策。例如，根據臉部特徵或身形特徵，人工智慧系統可以快速地追蹤並定位目標，提高搜救或破案的效率。

 

影像資料的處理量非常大，這需要大量的儲存空間。假設今天戶外的溫度是32度、濕度80，這些數字的資料量相對較小，但一張照片的資料量可能高達幾十甚至上百MB。因此，這些影像數據經過感測器裝置收集後，必須先進行大數據分析。這包括數位化、數字儲存、可視化和資料特徵的萃取。最終，這些數據會被傳送到雲端的人工智慧分析平台，再到決策系統。

 

舉例來說，某個城市可以利用攝影機偵測人口流動。根據臉部特徵或身形特徵，人工智慧系統可以快速地追蹤並定位目標，提高搜救或破案的效率。假設某個攝影機先偵測到一個走失的人口，然後根據臉部特徵或身形特徵進行分析，將這些特徵數值上傳到雲端的人工智慧分析平台，再根據分析平台查找附近其他攝影機是否有類似特徵的記錄，從而追蹤其行蹤，最終決策並通知相關部門進行處理。

 

影像資料的處理量非常大，這需要大量的儲存空間。假設今天戶外的溫度是32度、相對濕度80，這些數字的資料量相對較小，但一張照片的資料量可能高達幾十甚至上百MB。因此，這些影像數據經過感測器裝置收集後，必須先進行大數據分析。這包括數位化、數字儲存、可視化和資料特徵的萃取。最終，這些數據會被傳送到雲端的人工智慧分析平台，再到決策系統。

 

舉例來說，某個城市可以利用攝影機偵測人口流動。根據臉部特徵或身形特徵，人工智慧系統可以快速地追蹤並定位目標，提高搜救或破案的效率。假設某個攝影機先偵測到一個走失的人口，然後根據臉部特徵或身形特徵進行分析，將這些特徵數值上傳到雲端的人工智慧分析平台，再根據分析平台查找附近其他攝影機是否有類似特徵的記錄，從而追蹤其行蹤，最終決策並通知相關部門進行處理。

 

這樣的系統在許多方面都有實際應用。例如，在大型活動中，如音樂會、體育比賽等，這些活動會吸引大量的人流，安全問題也隨之增加。通過安裝在場館周圍和內部的攝影機，系統可以實時監控人流，並利用人工智慧進行分析和預測，提前發現潛在的安全威脅或異常情況。這樣的系統不僅可以提高現場的安全性，還可以在緊急情況下迅速做出反應，指導人群安全疏散，減少意外事件的發生。

 

再舉一個例子，智慧交通系統中，感測器會安裝在各個交通路口，實時收集車流量和交通狀況的資料。這些資料經過邊緣運算進行初步處理，然後傳送到雲端進行綜合分析。根據分析結果，智慧交通系統可以即時調整紅綠燈的時長，優化交通流量，減少交通擁堵。這樣的系統還可以與其他交通管理系統整合，例如公共交通系統，提供更全面的交通解決方案。

 

此外，智慧城市還可以利用這些技術進行環境監測。例如，通過在城市中的各個位置安裝攝影機和感測器，可以實時監測空氣質量、水質等環境數據。這些數據經過分析後，可以用來預測環境變化，提供決策支持，幫助政府和企業採取措施，改善城市環境質量。

 

隨著AIOT技術的不斷發展，我們可以期待更多創新應用的出現，進一步改變我們的生活方式，創造更加智慧的城市。在未來的文章中，我們將進一步探討聲音與生理訊號具體的AIOT應用案例，展示這些技術如何在不同的領域發揮作用，為我們的生活帶來便利和改變。

先知科技總經理 高季安

作者已盡力查證相關資料來源，若是讀者對此系列文章有任何資料來源的指正或其他意見，歡迎提供正確資料來源與建議，請投書。

由於篇幅限制，若讀者針對數位轉型(例如人工智慧或物聯網) 相關議題有興趣或想共同進行合作，皆可聯絡先知科技。