?? 隨著鐵路應用業(yè)務的信息化技術(shù)發(fā)展，鐵路運輸業(yè)務對視頻智能化的需求日益凸顯，主要表現(xiàn)在以下方面：

? ?多模感知是圖像視頻傳感器、聲音傳感器、紅外感應器、壓力傳感器等，實時采集其聲、光、熱、電、力學、化學、生物、位置等各種需要的信息；采用泛在網(wǎng)絡，包括互聯(lián)網(wǎng)和“多網(wǎng)融合”；具有對感知信息的智能處理與利用的能力，這是物聯(lián)網(wǎng)最具價值的部分。

? 隨著監(jiān)控探頭的普及，監(jiān)控系統(tǒng)中存有海量的錄像數(shù)據(jù)，在目前人工查看的模式下，傳統(tǒng)的方法需要從頭到尾順序播放，往往需要數(shù)倍于原始視頻的時間才能審看完成，因此需要大量人員連續(xù)加班數(shù)周進行視頻的審看。

? 多球機聯(lián)動跟蹤技術(shù)是以單球機智能跟蹤技術(shù)作為基礎(chǔ)的。從應用的層面上看，能夠?qū)⑵胀ǖ母櫱驒C的單點式監(jiān)控，提升為系統(tǒng)內(nèi)對單個目標的無縫式接力跟蹤，配合電子地圖的使用。

? ? 運動目標跟蹤是確定同一物體在圖像序列不同幀中位置的過程。其主要工作方式就是選擇好的目標特征和采用適當?shù)乃阉鞣椒ǎ鶕?jù)匹配原理，把現(xiàn)有的跟蹤方法分為基于模型、區(qū)域、特征以及活動輪廓的跟蹤，這是機器視覺力所能及之處

? ?目標識別技術(shù)和穩(wěn)定的追蹤方法是機器視覺在安防發(fā)展的關(guān)鍵技術(shù)。它在很多領(lǐng)域都得到大量的應用，例如身份確認的指紋識別、人臉識別、虹膜識別以及在智能交通管理、機動車檢測、停車場管理等場合的車牌識別等。

? 要探討機器視覺的應用，首先還是需要精準把握什么是機器視覺，并把其與當下熱門又有重疊部分的人工智能和深度學習區(qū)分開來。人工智能的外延范圍最大，包括了機器視覺、深度學習、機器人技術(shù)、生物識別技術(shù)和自然語言處理。

? ? ?視頻監(jiān)控產(chǎn)品采用云化架構(gòu)，既能支持不同協(xié)議設備監(jiān)控視頻快速上云，在云上對監(jiān)控視頻集中安全存儲，全網(wǎng)跨地域視頻分發(fā)播放，又擁有強大可彈性擴容的計算能力支持對接不同算法平臺實現(xiàn)按需視頻智能計算。

Gartner將邊緣計算定義為"分布式計算拓撲結(jié)構(gòu)的一部分，其中的信息在靠近邊緣的地方處理，設備和人在邊緣處生成或使用該信息。"

? ? 邊緣計算(Edge Computing)是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡邊緣側(cè)，融合網(wǎng)絡、計算、存儲、應用等核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實時業(yè)務、數(shù)據(jù)優(yōu)化、應用智能、安全與隱私保護等方面的關(guān)鍵需求。