实时视频分析赋能能源资产安防

新一代视频应用将摄像头视作物联网设备

视频摄像头在能源行业无处不在，且已持续多年。作为资产密集型行业，拥有大量昂贵设备和可能构成危险的运营，因此外围安防和一般监控是视频在能源领域的关键应用。然而，新兴应用将摄像头用于完全不同任务——为视频创造新且不断扩展的角色，特别是分析。

延伸阅读： Too Much Real-Time Video? Visual Analytics Can Help

这代新视频应用将摄像头更多视作物联网 (IoT) 设备，通过监测资产状况、利用条形码、车牌或车辆人员移动识别设备。它们在实时视频安防方面也更高效。此增长背后的关键技术创新是基于机器学习和人工智能 (AI) 的复杂视频分析。

视频分析概念简单。以外围监控为例，99% 时间摄像头记录场景几乎相同。当入侵者真切割围栏，分析应用可能不知确切看见何物，但知其不同于常规监控。在机器学习语言中，这是“异常”。

监控分析遇异常时，应用可警报安保人员查看片段。安保人员可立即核实是否入侵事件；应用无需那么智能。这免去人员观看数百或数千小时视频只为捕捉潜在入侵的几分钟。视频分析程序本质上过滤片段，仅呈现可能真正重要的片段。

若异常只是野生动物或流浪狗，人员可“教导”程序忽略。应用存储狗模式不再视为威胁。

早期尝试通过预配置已知威胁或事件模式创建类似应用，采取直接法。除非威胁极知名且形式可预测（如圆形物体齿轮或车轮变形），否则不成功。对许多监控和监测，事件模式不够一致以预编程。

这是机器学习和实时分析大显身手之处。例如，摄像头监视煤矿作业十字路口，持续记录卡车运矿通过。这非静态围栏无事发生。尽管如此，应用可随时间学会理解哪些活动模式正常、哪些不正常。这样，实时视频应用能在自主卡车在十字路口中间故障、或物体掉落阻塞道路时识别问题。程序无需预编程任何内容。仅推断何为正常何为不正常，偶尔由人员反馈告知某异常可视为“正常”。

从运营 IT 视角，视频分析一大优势是减少必须穿越网络的视频量。例如，传统 CCTV 方案需摄像头专用网络，而视频分析可托管在网络边缘本地处理视频。99% 无关视频可丢弃或本地存储，而异常视频片段大幅减少，可通过主干有线或无线网络发送至中央云服务器。

视频分析程序还可添加来自其他来源的数据，如音频、遥测、物联网传感器数据。例如，针对停滞的自主矿卡车，视频分析程序可能也监控卡车与通信网络间的心跳消息，理解卡车丢失网络连接正等待获取信号——Wi-Fi 网状网络常见现象。可教其忽略此种停滞卡车，但不忽略其他情况。

能源和公用事业每个部分有不同用例。风电场可用实时视频分析识别鸟群。摄像头记录鸟群接近时，关闭涡轮叶片避免碰撞。燃气管道应用用红外摄像头结合物联网燃气监测器。泄漏触发警报时，视频分析程序提示沿管道扫描热特征定位泄漏点。

视频还可配合测量空气水化学污染、土壤湿度振动、天气追踪、环境热湿度的物联网传感器，在一般环境监测中发挥作用。视频用于记录溪流水流检测洪水风险，可与其他传感器数据填充水文模型，预测资产或安全面临的洪水风险。简单端，实时视频分析也可用于记录事件并存储供后续取证分析。仅存储偏离正常模式的视频片段，调查重大事故成因时可调取。

视频分析开始在能源资产预防性维护中发挥关键作用，包括管道、输电线、设备。预测性维护利用物联网数据、音频和视频流——用高级数据分析——预测资产维护和更换最佳时机。这与传统预防性维护对比，后者可能因翻新或更换实际仍可服役的资产导致浪费。类似仅因罐头印有过期日期就扔掉，不先打开看内容是否仍好。

基于状况的评估则能用实时分析预测故障时间、优化维护选项。也降低成本、提高利用率、增强安全、最小化延迟和收入损失。高级分析还能通过关联视频、物联网传感器数据、环境信息和历史趋势打破数据孤岛，提供运营智能，解决特定运维痛点，优化资产生命周期。

显然，利用机器学习和 AI 的实时数据分析正在革新能源业务几乎每个角落。物联网设备和传感器获最多关注，但视频也作为关键视觉数据源获得第二生命。这些分析系统克服了第一代 CCTV 主要问题：产生的海量视频流太贵而无法监控。视频分析混合其他物联网感知，现能呈现相关性高得多的可消费数据量，助力将消防水管对准最需要之处。