過去十年間，隨著技術不斷演進，能在監控攝影機上執行的分析大幅提升了將數據轉化為可行洞察與自動化行動的可能性。邊緣分析已經發展為一個高度多元且具創新的領域，其是由具備AI 處理能力的高效能攝影機所驅動。
這樣的演進為新世代的分析效能拓展了道路。為了深入探討其當前的優勢與未來潛力，我們訪談了 Axis Communications 的 AI 與分析解決方案總監 Mats Thulin。
最新一代的系統晶片（SoC）ARTPEC-9，代表 AI 驅動的邊緣分析邁出重大的一步。ARTPEC-9 不僅能強化物件偵測與事件分析，還能支援高品質影像、高效的AV1編碼，以及強大的網路安全功能。
我們自主開發的ARTPEC系統晶片提升了物件偵測與場景分析能力。透過在攝影機內直接進行先進、即時的物件分類，我們建立在超過 20 年的先進分析技術經驗上。雖然攝影機內建分析並非全新技術，但結合卓越的影像品質與深度學習，提供了一個極佳的平台來提升效能與分析能力。
降低對伺服器端分析的需求
「就在幾年前，監控攝影機還缺乏在網路邊緣執行進階分析的處理能力，因此伺服器端的分析是唯一選擇，」Mats Thulin 表示：「雖然伺服器運算資源仍普遍可得，但仍存在一些挑戰。例如，影像在傳輸前被壓縮，會降低分析所需的影像品質。此外，僅依靠伺服器或雲端分析在擴展規模時，會產生相當可觀的成本，尤其是在系統需求增加時。」
立即下載我們的邊緣分析資訊圖表，透過在Axis攝影機上直接處理資料，優化營運。
透過 AI 重新定義分析，帶來卓越效率與精確性
AI 分析需要大量運算資源。Mats表示：「當分析完全依賴伺服器時，影像必須在邊緣端先編碼，再解碼後才能進行分析，這需要龐大的處理資源。就算只是一個包含20–30支高解析度、每秒20–30幀的攝影機系統，也會消耗大量的處理能力。」
他進一步指出：「我們的邊緣裝置已具備足夠的處理能力與進階功能，可以將複雜的分析整合進攝影機本身。這種向邊緣端轉移的轉變降低了對伺服器與雲端的依賴，讓分析能在影像捕捉時就立即完成，並保留最高的影像品質，這對於精準分析而言至關重要。」
我們的邊緣裝置已具備足夠的處理能力與進階功能，可以將複雜的分析整合進攝影機本身。
人眼到機器的影像優化
影像品質的進步，也考量到影像越來越多是「被機器閱讀」而非「被人眼觀看」。這個差異很重要，因為機器處理影像的方式與人類不同。
Mats 說：「我們現在可以專門針對AI分析來『調整』影像，以獲得更好的分析結果。例如，針對人眼的影像調整會著重於降低雜訊以增加可視性，但對於AI分析而言，雜訊降低並不是首要考量。」
混合式解決方案提升系統可擴充性
邊緣分析有時能大幅減少需透過網路傳輸的數據量，進而提升頻寬、儲存與伺服器資源的使用效率。不過，伺服器端分析仍然扮演重要角色。結合邊緣分析與伺服器／雲端解決方案的混合式架構，往往才是最有效的策略。
純粹以邊緣為基礎的系統，依舊能在物件偵測與分類後，及時生成基於規則的事件。不過，隨著系統日益複雜，Mats 強調混合解決方案將可能成為進階系統的首選
解鎖中繼資料的力量
在影像分析中， Metadata中繼資料 指的是對場景中的關鍵元素加上標記與描述，賦予影像更多智慧，而不只是捕捉原始影像。這層額外資訊能讓影像管理軟體（VMS）即時觸發行動，或在事後進行精準搜尋，甚至揭示長期的趨勢與模式。
透過邊緣分析，中繼資料串流能與影像串流無縫整合，提升系統效率。不必集中處理完整影像，只需分析相關的中繼資料即可。這樣的做法加速處理、提升精準度、降低成本，並釋放更多洞察力，同時避免系統超載。
邊緣分析與隱私保護
邊緣分析也能協助保護隱私。智慧遮罩技術可在影像源頭即時隱蔽敏感資訊。Mats 解釋：「場景中的人臉可以模糊處理，車牌或其他識別特徵也一樣。如果需要，未遮罩的影像仍可被取用，但僅限於具備高層級安全授權的人員，且僅用於特定事件的調查。」
拓展邊緣技術的可能性
在 Axis，我們正透過創新的 Camera Application Platform (ACAP) 重新定義邊緣技術的可能性。ACAP 提供開放API、強大框架，以及支援高階程式語言，讓開發者能將Axis裝置轉變為靈活的平台，用於強化安全、商業智慧與客製化解決方案。
Mats表示：「這讓開發者能打造具備卓越效能與可擴充性的客製化解決方案。」隨著技術持續演進，Mats 強調:「Axis 將持續走在前端，協助開發者推動零售、醫療、城市規劃等產業的智慧邊緣應用。」
此外，Axis也支援 ONVIF 中繼資料規範，推動開放生態系。這種做法讓開發者能建構具備 ONVIF 相容產品的混合式架構，確保系統在不同環境下皆能無縫整合與互通。
塑造跨產業的智慧與韌性系統
偵測與分類的進步正在改變各產業的運作。Mats 解釋：「物件偵測與辨識的提升，使攝影機能更深入理解環境，能區分街道、草坪或停車場，進而提升分析精準度。這種語意分割（semantic segmentation）的水準，能加強場景理解，推動創新並建立更堅固的系統。」
邊緣分析正透過將 AI 驅動的分析直接帶到影像來源，重新塑造各產業，開啟效率與創新的新契機。隨著偵測、中繼資料整合與可擴充性的進步，其在各領域轉型的潛力已相當明顯。Mats Thulin 簡單總結：「邊緣分析在數據生成的現場進行處理，為更智慧、更即時的系統開啟了新機會。」