東莞機房建設表示視頻、音頻、氣味、生物特征等技術的發展和成熟，全面掌控防控場景和目標的完整信息成為可能，在安防應用中越來越多的部署更多類別的感知設備，用于從更多維度采集目標信息，包括目標的各種要素、活動軌 跡以及關聯信息等，從而形成一個動態感知體系，實現防控工作的“無所不在、無所不知”目標。

針對某一特定的應用場景，相關前端感知設備實現全互聯直通，邏輯上各感知設備一體化，當一個設備的感知到一條單維度信息后，通知其他設備從其他維度提取信息，對信息的準確性進行印證，從而實現群防群治，實現在前端就能完成一次感知信息的數據清洗，從而保證了感知信息的準確性。

只有驗證有效的信息才會 上報至后端系統和平臺，在后端再進行數據綜合應用，最終實現感知的多層運用。

一方面，可以提升準確度，減少誤報；另一方面，通過本場歸并，減少數據量，降低后端處理的壓力。

當前，安防在感知運用上是一個個孤立的垂直結構，需要先由前端感知設備進行目標感知和信息采集，然后原始信息報送到后端業務系統進行結構化和業務語義化，最后業務數據匯總到中心數據綜合應用平臺（含大數據）進行數據治理和關聯應用。

在感知運用信息鏈中前端設備和后端業務系統是垂直對應關系，只有到了中心數據綜合應用平臺才形成水平關系，才能面向多個業務系統進行多維數據綜合和關聯。

所以，我們在AIoT時代經常看到企業推出的“中樞大腦”。以紫光華智中樞大腦為例來看，一個城市的戰“疫”，全面、精準、快速、預測是城市治理與風險防控建設目標，紫光華智“四引擎”各就各位并各司其職。

全面采集數據——構建城市立體管控圈。要駕馭數據，端側的采集是第一步，也是關鍵一步。所以傳統安防企業善于在采集端發力，這也是他們雄踞市場的制勝法則。

精準感知信息——多維特征融合定位疑似患者。為滿足實戰所需，感知的信息就需精準，而不是采集之后的眉毛胡子一把抓，同時，口罩遮住了行人的絕大部分特征，非約束場景下的攝像機無法精準定位到行人的感染路徑。

快速認知知識——強化管控能力。知識是從信息中經過歸納、碰撞、流轉、沉淀提煉而得到的有用資料，基于推理和分析，還可產生新的知識，體現了信息的本質和經驗。快速認知知識，就是集中資源用最快的速度分析，快速把信息提取完成，讓目標查找更便捷。

智慧預測預知——區域風險轉化。當下用戶對AI的期待之一就是能預測與預知，既能洞察當下，也能預知未來。復工開始后，海外的疫情爆發，哪些區域的疫情風險加大，如何防輸入、防擴散、防聚集，及時發現風險因子是考題。

以上內容由東莞弱電工程公司整理分享。