最近聽人說
現在銀行的攝像頭，老厲害了
特別是身上帶一條紅線的那種
像福爾摩斯一樣，具有推理能力
如果你敢在攝像頭下“造次”
就這樣
分分鐘被“就地制服”
可不，銀行 安防 級別太嚴苛了
裡裡外外，裝了無數攝像頭
喏
這是一個真實的場景
某銀行營業廳的一角
密密麻麻裝了8個攝像頭
這些攝像頭
就像一雙雙高度戒備的“眼睛”
全覆蓋，無死角
而這些“眼睛”錄下的監控畫面
一般先存儲在網點本地
再通過銀行專網傳輸到分行監控中心
出現異常，可以實時報警
發生糾紛，可以回放還原
...
多年來
這個看似很順溜的流程
採集→存儲→傳輸→監控分析→備份→聯網管理
其實，並不完美
這些海量視頻數據
大部分時間，處於“沉睡”狀態
充當著“事後諸葛亮”的角色
用來做“預警”或“實時響應”
就差點意思了
也做不到和業務數據融合
這都是巨大的“沉默”成本呀
所以，現在業界有個普遍的共識
銀行安防系統，應該升級改造啦
應該向「智能安防時代」演進
▌看得見，模擬時代→本地可存可查
▌看得清，數字時代→可遠程調看；可聯網可聯動
▌看得懂，智能時代→實時分析，主動預警；還需安防與業務融合→提高風控水平丨提升獲客能力丨整合數據資產丨引領新業務
既然智能時代前景這麼“誘人”
銀行，也想改造啊
但是改造升級到底有多麻煩？
改造升級到底要花多少錢？
確實，銀行歷史包袱很重
首先，從建設模式說起
從前，傳統安防廠商採用「軟硬件緊耦合」的
產品形態交付給銀行客戶
結果是「煙囪林立」
即便是新加入的AI後起之秀們
也是按算法交付
比如：VIP客戶識別，盜搶，客流等算法
各家算法固定
各家算法之間老死不相往來
煙囪建設的弊病
老生常談，那就是
造成數據孤島，數據共享難
目前這些視頻數據存儲在營業網點
分散在全國各地
銀行視頻數據現狀
銀行有改造念頭
一琢磨，成本太高！！！
因為
存量攝像機太多了
一家大型商業銀行保守估算
有百萬級“在崗”攝像頭
存量的設備、怎麼辦？
不可能全部拆了重建吧
這只是冰山一角，總之：
利舊難、聯網難、互通難、算法升級難…
銀行想變，卻發現難上加難
如何選擇正確的技術路線，可延展？
如何做到“利舊”，節省成本？
如何不被廠商“捆綁”，自由選擇？
...
怎麼辦？針對這些問題
華為推出了金融智能安防解決方案
兩個升級改造點
第一個【單點→銀行網點的改造】
第二個【總控→視頻聯網的改造】
1、銀行網點，如何改造？
一個銀行營業網點
分三大核心安防區域
原來
已經部署了N多廠商的N多攝像頭
首先，從成本考慮，必須“利舊”
這些傳統的攝像頭
它一出生，就限定了固定的算法和功能
人臉抓拍攝像機只能抓拍人臉
微卡口攝像機只能抓拍車輛
甚至有的“天生弱智”
只會“傻拍”，並不具備本地分析能力
需要以來後端的系統來分析
如果算法要升級，硬件和軟件都得換
相當於全網重建
但是，華為的攝像機與眾不同
軟件定義智能攝像機
（縮寫為：SDC）
啥意思呢？
硬件和算法是解耦的
一個硬件+灌不同算法
就能變身各種不同用途的攝像頭
攝像頭的靈魂是“算法”
華為一想，算法這件事
應該我為人人，人人為我
大家一起完善算法
於是
一個基於生態的算法商城誕生了
簡單來講，就像apple store
算法商城，成了華為SDC的核心能力之一
華為的軟件定義攝像機看著很吊
那是不是網點升級就要全換呢
這種推倒重建的方案，代價太大
因此
華為推出3條平滑升級路徑
❶ 智能攝像機1拖N升級
原來已經部署的攝像頭不用換
相應片區增加一個智能攝像頭
這就是
一拖N
1個智能攝像頭拖著N個傳統攝像頭
大家一起變“智能”
採用1 拖N 技術
非智能攝像機的視頻流
被引入華為智能攝像機
實現了非智能攝像機的智能化
人臉/ 車輛抓拍、智能分析能力
取決於芯片算力
一顆高算力AI 芯片的智能化處理能力
是普通芯片的幾倍甚至幾十倍
看看差別就知道了
華為智能攝像機裡
配的“大腦”就是
華為完全自主研發的海思芯片
最高算力可達16T
（而業界攝像頭的算力只有0.66T）
具備這樣“強勁大腦”的
華為的軟件定義智能攝像機
有200多款型號
這些攝像機，滿足各類不同場景
既具備自我智能
又可“1拖N”，為其它攝像頭“賦能”
❷ 部署“智能小站”，輕鬆升級
第二種改造方案，更簡單
不替換任何攝像頭，不需要額外施工
只需要放一臺“智能小站”做“外掛”
整個網點就秒變智能了
智能小站Atlas500即插即用
放置在網點的機房中
對普通攝像頭拍攝的視頻進行處理
VIP識別、黑名單識別、異常行為識別
“普通安防”輕鬆升級為“智能安防”
❸用“微雲”升級，一舉兩得
華為還提供了第三條升級之路
用“微雲”來做網點的大腦
傳統網點安防，都會有DVR或NVR
來存儲監控視頻
故障率高，運維複雜，擴容麻煩
此時，如果採用“微雲”
不僅可以全面替代DVR/NVR
微雲內置的昇騰芯片
提供高達32Tops的算力
6種算法，24路視頻解析，64路圖片分析
網點用微雲，不需要換任何攝像頭
不需要增加任何智能“外掛”
又能存，又能算，一舉兩得
就這樣，❶❷❸
有華為軟件定義攝像機“拉動”
有華為智能小站“外掛”
有華為微雲“一芯兩用”
3條升級路，條條通羅馬
……
安防升級後的網點
是這樣的
① 營業廳 ：四大區域，無死角覆蓋
每個功能區所需功能不同
1、服務過程全記錄 人員結構化信息留存
比如在，現金服務區、金融服務區
②防止人員是假冒的基於人臉識別技術，實時人證核驗，防止有人弄個假身份證來假冒特徵值比對準確率>98%③快速實現人臉/人體結構化數據提取，並留存信息結構化屬性提取準確率>80%
2、智能態勢分析 實現資源配置和業務決策
比如，在客戶等候區排隊
② 網點大門口
重要是周圍環境監控+人車抓拍
監控要求根據距離不同有所區別
▌出入口20m 監控範圍內，要求往來人員的面部特徵、車輛號牌等清晰
▌出入口50m監控範圍內，只要求往來人員的體貌特徵、車輛顏色等清晰
③ATM自助區
這個區域的監控核心是
異常事件偵測，比如
最終，你只需要
512K帶寬+1個值守工位
就能一覽全市各網點實時安保情況
就像上面這樣，網點升級完成後
基於銀行廣域網
可以對各網點的實時安保一覽無餘
改變“人盯死守”的人防戰術
構建“AI支撐”為主的技防系統
但是，這種“聯網”
還沒有實現視頻數據的共享
離散的視頻數據並未真正流動起來
無法成為可以挖掘的“金礦”
所以第二步就是
2、視頻聯網的改造
怎麼把全網視頻共享起來呢？
不光要層層聯網
更重要的是把分散的視頻變成一朵雲
一朵分佈式的雲：敏邊緣、強中心
①“敏邊緣”怎麼搞？
算力下沉，每個“邊緣”都是智能的
前端：智能的攝像機，本地化處理
網點：智能的微雲VCN，本地化存儲
分行：智能的CloudIVS3000邊緣雲，泛接入，區域自治，業務閉環
低價值大容量信息全在邊緣處理
關鍵視圖和結構化數據逐級過濾
節省廣域帶寬和雲中心的算力
…
②強中心怎麼搞？
就是價值數據集中匯聚
算力可以動態漂移
海量價值數據+強算力+豐富的算法
算法協同，算力共享，數據共享
最終才能把視頻“金礦”的價值挖掘出來
讓智能安防為金融業務服務
最終，我們來看一下
華為完整的
銀行智能安防全景圖
歡迎親臨華為智能安防金融分論壇
特大號，專注IT B2B領域報道！
閱讀更多 特大號 的文章
