视频监控无处不在，无论是城市大街小巷，还是小区、校园，又或者是其他公共场所。随着对网络监控的要求越来越高，目前的接入模式存在带宽瓶颈以及传输距离限制问题。如何比较好的保证海量监控点的接入、网络化、高清化不是一件简单的事情。 　　于是，拥有高带宽和远距离传输的PON接入方式成为不少监控工程商的首要选择。 　　采用PON接入方式，具有高带宽可以满足高清监控的要求，具有的高稳定性可以降低维护成本，具有多样化的接入方式可以轻松部署各种网络，还可以结合PoE技术解决摄像头供电问题。 总的来说，PON接入符合视频监控大带宽、高质量和高稳定的海量多场景接入需求，是更好的技术选择。 　　PON在网络监控中的优势： 　　1，相对成本低，维护简单，容易扩展，易于升级。PON结构在传输途中不需电源，没有电子部件，因此容易铺设，基本不用维护，长期运营成本和管理成本的节省很大;EPON系统对局端资源占用很少，模块化程度高，系统初期投入低，扩展容易，投资回报率高;PON系统是面向未来的技术，大多数PON系统都是一个多业务平台，对于向全IP网络过渡是一个很好的选择。 　　2，提供非常高的带宽。PON目前可以提供上下行对称的1.25Gb/s的带宽，并且随着以太网技术的发展可以升级到10Gb/s。 　　3，服务范围大。PON作为一种点到多点网络，以一种扇形的结构来节省有限的光缆资源，服务大量用户。 　　4，带宽分配灵活，服务有保证。对带宽的分配和保证都有一套完整的体系。PON可以通过DiffServ、PQ/WFQ、WRED等来实现对每个接入点进行带宽分配，并保证每个用户的QoS。动态的带宽划分方式可以方便地实现高优先级的数据始终位于一帧的开始处，有效地降低了高级别数据的延时和延时抖动，同时当有新的ONU加入初始化时，高优先数据不被打断，保证了其低时延的要求;在OLU端控制优先级数据的接人量，防止由于分配不当造成的丢包现象。

芯片，特别是IPC的芯片，已经成为视频监控行业炙手可热的话题。当前，以海思监控芯片成为行业主导芯片，特别是在智能化方面，在海思IC芯片上进行差异化和智能化开发成为众多模组方案商的首选。但无路如何，视频监控离真正的智能化还有很长一段距离，在以CPU为架构的基础上开发的芯片，更是在功耗和成本上难以大规模地推广。而NPU芯片的的问世，或许将改善这个状况。 NPU是何物？它颠覆了什么？ 　　在对NPU进行大解析之前，大家可能要费心听笔者起底一下AlphaGo与李世石的精彩人机大战了。很多人对AlphaGo的获胜表示惊叹、敬畏，却对它胜利的“武器”不甚了解。其实，AlphaGo获胜的本质在于其对人脑生物机理的深度学习算法熟谙于心。 　　那么什么是深度学习呢？深度学习，是源于对生物人脑机理的仿生学研究而形成的一种人工智能算法。通俗来讲就是指计算机通过深度神经网络，模拟人脑的机制来学习、判断、决策，目前人脸识别、语音识别等使用的就是这种方法。需要强调的是，深度学习需要超强的计算系统运算能力作为支撑，而这种运算能力离不开处理器的发展，也就和笔者今天要讲的NPU有很大联系。 　　目前，AlphaGo使用的处理器是在其他领域通用的CPU处理器。这种普通的处理器虽然通用，但却不专业。据了解，2010年谷歌仅是为了训练一个识别猫脸的深度学习神经网络，就使用了1.6万个处理器。更不用说在围棋上战胜了人类的AlphaGo。未来人工智能要想利用CPU来实现像人脑一样的千亿个神经元网络，恐怕不是长久之计。因此，一种可以将深度学习系统做到小型化，并且能用在嵌入式系统中的处理器——NPU应运而生。 　　与跑大型算法模型较为吃力的CPU不同，NPU处理器的信息处理能力比CPU要高出100倍甚至1000倍。据介绍，NPU采用了“数据驱动并行计算”架构，颠覆了CPU所采用的传统冯·诺依曼计算机架构。这种数据流类型的处理器大大提升了计算能力与功耗的比率，特别擅长处理视频、图像类的海量多媒体数据，使得人工智能在嵌入式机器视觉应用中可以大显身手。据中关村高新技术企业中星微首席技术官张韵东介绍，如果形象地将CPU的数据传递模式比作“千军万马过独木桥”的话，那么NPU就是在凌晨无人的24车道给数据大开绿灯，不仅高效还低功耗。 　　从这个意义上来理解，也就是说NPU芯片是智能硬件未来不可或缺的一部分，有了它才算有了敦实可靠的智能计算平台。 　　NPU如何引领视频监控发展？ 　　当然，NPU带来的变革可不止将CPU取而代之这一点，它的出现意味着视频监控行业的发展正式跨入智能时代。 　　上面笔者已经提到过，NPU擅长处理视频、图像类的海量多媒体数据，因此视频监控行业将是它充分发挥特长的主要领域。众所周知，视频监控是一个相对融合的系统，覆盖的范围很广，再加上高清视频的编解码能力不断提高，导致视频监控产生指数级增长且复杂的数据。要对这些繁杂的数据进行“解码”，就需要更加智能的分析方式。 　　需要注意的是，在摄像头中装上NPU芯片，就像给“眼睛”配备了IQ爆表的大脑一般。它可以通过学习训练，不断提高自己的智商，并且逐渐增加识别种类。经过深度学习后，它能够把感兴趣的事件以数字标签的方式录到视频的码流里。如果我们要查找某个信息，只需要在后台智能检索，而不需要依靠人工观看视频的方式。也就意味着，未来我们可以像搜索文字一样，对视频中的内容进行“长头发、戴眼镜、挎包”等定为位搜索。 　　需要注意的是，除了实时搜索，NPU芯片还能将已经拍摄的信息存在码流中，需要时可以随时根据特征检索，或是用“以图搜图”的方式，用一张图把类似的图全找出来。 　　从数字时代跨入入智能时代，视频监控蕴涵着无限的商机，有了NPU芯片的加盟，就好比拥有一张技能开挂的“通关神卡”。据了解目前NPU已成功在视频监控领域实现产业化，下一步将广泛应用于智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。 　　结语：过去，业内无限憧憬人工智能在视频监控领域的发展，但是很遗憾缺少了可实现的硬性“武器”。如今有了NPU的倾情加入，在硬件上可以说是如有神助。未来，如何在NPU的支持下，设计出更具有市场前景的产品，那就看安防企业各显神通了。

可穿戴设备发展到现在，一直都没有一个相对完美的密码解锁方案，导致用户无法确保他人是否能通过其访问自己的私人文件。但是近来有研究人员提出了一个新奇的解决方案：通过佩戴者头骨独特的声音解锁设备。这并不是说需要你的大脑一直发出一种细微的嗡嗡声。而是，利用一个类似谷歌眼镜或者VR眼镜的可穿戴设备，使用一个集成的骨传导扬声器将超声波信号传给佩戴者的头骨，该设备上的麦克风记录下头骨前后震动反馈的声音频率，作为验证用户身份的唯一信息。这个名为“SkullConduct”的生物识别验证技术由来自斯图加特大学，萨尔大学和普朗克信息研究所的研究人员开发，总部设在德国。对此他们完成了一个可控实验，10个参与者使用了该技术对设备任意解锁和关闭，在97%的时间设备都能准确识别参与者的身份信息。虽然成功率没有达到100%，但由于该技术尚处于研究阶段，就已经向我们展示了不可思议的成果。想象未来有这么一天，你只需像打电话一样将你的手机贴近头部便可以解锁，并验证你的身份信息。这大概会比你每次都要把手指放在指纹传感器上来得方便吧。

1、门禁系统中，如何才能有效的实现防尾随?　　答：防尾随一直是门禁系统很难解决的问题。建议如下几种方式：　　改变门：加装速通门(或三辊闸)。这种方式也有其不足，像速通门，基本上是用在室内，宽度只有55cm，只允许一个人通过，且有计数报警功能，如果两个人同时通过，将会产生报警。三滚闸可以用在室外，但是对于从上面跨过的人，防范效果不太理想，帮三滚闸等方式适合有保安值....

在综合布线系统中掌握一些实用技巧才能达到事半功倍的效果，下面列出一些常见技巧供大家参考。